目錄

• DEAP資料庫簡介
• DEAP資料庫資料採集

本分享為腦機學習者Rose整理髮表於公眾號：腦機介面社群(微訊號：Brain_Computer).QQ交流群：903290195

DEAP資料庫簡介

DEAP[1](Database for Emotion Analysis usingPhysiological Signals)，該資料庫是由來自英國倫敦瑪麗皇后大學，荷蘭特溫特大學，瑞士日內瓦大學，瑞士聯邦理工學院的Koelstra 等人通過實驗採集到的，用來研究人類情感狀態的多通道資料，可以公開免費獲取。該資料庫是基於音樂視訊材料誘發刺激下產生的生理訊號，記錄了32名受試者，觀看40分鐘音樂視訊（每一個音樂視訊1分鐘）的生理訊號和受試者對視訊的Valence,Arousal,Dominance,Liking的心理量表，同時也包括前22名參與者的面部表情視訊。該資料庫可以研究多模態下的生理訊號，對情緒腦電的研究具有非常重要的意義。

生理訊號採用512Hz取樣，128Hz復取樣（官方提供了經過預處理的復取樣資料）每個被試者的生理訊號矩陣為40408064（40首實驗音樂，40導生理訊號通道，8064個取樣點）其中40首音樂均為時長1分鐘的不同種類音樂視訊，40導生理訊號包括10-20系統下32導腦電訊號、2 導眼電訊號（1導水平眼電訊號，1導豎直眼電訊號）[眼電訊號EOG]、2導肌電訊號（EMG）、1導GSR訊號（皮電）、1導呼吸帶訊號、1導體積描記器、1導體溫記錄訊號。8064則是128Hz取樣率下63s的資料，每一段訊號記錄前，都有3s靜默時間。

在採集的40個生理訊號通道中，前32個通道採集的為腦電訊號，腦電通道按照國際10-20系統選擇32個通道的位置，分別為Fp1、AF3、F3、F7、FC5、FC1、C3、T7、CP5、CP1、P3、P7、PO3、O1、Oz、Pz、Fp2、AF4、Fz、F4、F8、FC6、FC、Cz、C4、T8、Cp6、Cp2、P4、P8、PO4、O2。10-20系統如下圖所示。

DEAP資料庫資料採集

DEAP 資料庫所使用的腦電採集裝置為Biosemi ActiveTwo系統，取樣頻率為512Hz。實驗使用Neurobehavioral公司提供的 Presentation 軟體來播放音樂視訊，播放視訊的電腦是Pentium 4系統，顯示器規格大小為1280*1024。

Biosemi ActiveTwo腦電採集系統主要組成為：128 導的電極帽、訊號接收器、A/D轉換 器和一個正常執行的膝上型電腦。該系統最多可以採集到128個導聯EEG訊號，而實際採集 中選擇性的只用到了32個導聯電極帽。32導電極帽的位置採用了國際公認的10/20導聯標準進行放置，如圖1灰色圈所示，電極安放的位置分佈基本覆蓋了腦部的四大區域，間距適中，能夠有效的採集到所需要的腦電原始 資料。腦電採集裝置在使用前需要進行相關的預設定，比如，濾波設定，歸零設定，檢查全 部的導聯狀態是否在連通的狀態。

DEAP資料庫總共選取了32名參與者進行實驗，所有人都是在校人員，其中包括16名男 性和16名女性，年齡範圍為19~37歲，平均年齡為26.9歲。[注：所有參與者身體狀況良好，精神狀態良好，沒有任何的精神疾病或腦部受損，都是右手有利]

實驗開始時，需做一些前期準備：
保證參與者是出於完全自願的情況下參與本次實驗的測試過程；
參與者需要閱讀相關的實驗注意事項和實驗執行流程，其中注意事項包括因身體晃動、情緒緊張等因素造成的採集誤差。
參與者需要填寫個人的基本資訊表，檢查電極是否接觸良好，電極帽是否正確放置。
參與者帶上電極帽，調整好最佳的身體和心理狀態，在準備就緒後按下按鈕開始試驗。

腦電採集的具體流程如下圖所示，主要包括以下幾個步驟：
（1）實驗進展程度的序號。在螢幕上會持續2秒鐘，向參與者提示當前正在進行的是第幾個視訊順序；
（2）基準記錄(baseline recording)的採集。此過程會持續5秒鐘，螢幕上會有一個十字架提示符號，此時參與者儘量保持平靜，記錄腦電訊號開始的標記;
（3）音樂視訊播放。此過程會持續63秒，前3秒是每次視訊轉換的時間，後60秒是音樂視訊真正播放的時間，參與者在此過程中，需要儘量保持身體平衡，減少移動;
（4）自我評估打分。參與者在觀看完一次視訊後，需要及時的進行自我評估，採用自我評估(Self-assessmentManikins,SAM)問卷調查表。此過程會持續將近15秒左右。參與者在進行評估時，需要根據每次看完音樂視訊後的真實情感體驗;
（5）開始下一個實驗。重複第(3)~(4)步，直到40個音樂視訊材料全部播放完為止。

每個參與者需要進行40次實驗，並且在每次實驗結束後都要進行及時的自我評估，每個參與者需要在SAM問卷調查表上進行40次自我評估。
SAM 情緒類別評估通過形象化的人物模型代表不同狀態下的情緒，愉悅度(Valence)和喚醒度(Arousal)來度量兩種類別的情緒狀態，愉悅度表示人的心情愉悅程度，變化範圍由消極狀態(Negative)逐漸過渡到積極狀態(Positive)，對應的是由數字1到9的打分尺度來衡量；喚醒度表示人的狀態興奮程度，變化範圍由平靜狀態(Calm)逐漸過渡到興奮狀態(Excited)，對應的也是由數字1到9的打分尺度來衡量。每位參與者需要在每次實驗後選擇代表情緒的分值。參與者每次在觀看不同的視訊後產生的不同情緒，都可以進行SAM標準來量化，用作後面的情緒分類的類別和識別分析。

參考文獻
[1]Koelstra S,Muhl C,Soleymani M,et al. DEAP:A Database for Emotion Analysis ;Using Physiological Signals[J]. IEEETransactions on Affective Computing,2012,3(1):18-31
[2]基於腦電波減緩焦慮情緒的音樂再構建研究
[3]Study on Music Evoked Emotion Recognition Based on EEG Analysis
[4]基於腦電訊號的情緒識別研究
[5]P. C. Petrantonakisand L. J. Hadjileontiadis,“Eeg-based emotion recognition using hybrid filteringand higher order crossings,”in Affective Computing and Intelligent Interaction andWorkshops,2009. ACII 2009. 3rd International Conference on,2009,pp. 1-6.
[6]P.Petrantonakisand L.Hadjileontiadis,“A Novel Emotion Elicitation Index Using Frontal Brain Asymmetry forEnhanced EEG-Based Emotion Recognition.”IEEE Transactions on Information Technology in Biomedicine,vol. 15,no.5,pp. 737-746,Sep. 2011.
[7]K.Schaaff and T. Schultz,“Towards an EEG-based Emotion Recognizer for Humanoid Robots,”in The 18th IEEE International Symposium on Robot and Human InteractiveCommunication,pp. 792-796.

本文章由腦機學習者Rose筆記分享,QQ交流群：903290195
更多分享，請關注公眾號