跳到主要内容

DATASET 09 · 神经语言学

脑电语言加工数据集

320 名被试、64 导脑电与语言刺激事件同步的 260 小时数据,支持 ERP 与预测编码研究。

生理信号文本语音神经语言学认知神经科学
脑电语言加工数据集 · 封面示意
规模
260 小时
参与者
320 名被试
语种
现代汉语书面语与口语
标注
刺激与反应事件标记、伪迹标注、ERP 成分标签、语义与句法条件编码
格式
EDF / BDF / JSON / CSV / MAT
同步
脑电与刺激事件同步误差 ≤ 1 ms
授权
科研授权(限伦理审查通过项目)
更新
2026 年 3 月 15 日

01 / 数据构成

规模、关键指标与数据流

在毫秒尺度上观察语言理解的大脑反应

260 h
总时长
320 名
被试
64 导
电极
约 18 万
试次
数据构成与规格
数据流规格说明
脑电1,000 Hz · 64 导Ag/AgCl 电极,含水平与垂直眼电
行为CSV反应时、正确率与按键记录
文本UTF-8 / JSON刺激材料、试次表与条件编码

表格为示例批次的采集参数,最终规格以随数据交付的说明文档为准。

02 / 数据说明

采集、标注与质量控制

以下内容说明数据如何被采集、标注与验证,可作为方法学引用与方案评估的依据。

数据概况

脑电语言加工数据集包含 320 名被试在语言理解任务中的 64 导脑电记录,累计 260 小时、约 18 万个试次,采集时间为 2023 年 10 月至 2026 年 1 月。任务覆盖词汇判断、语义启动、句法违反、歧义消解与自然语篇理解五类范式,刺激材料为现代汉语书面语与口语。

被试按性别、年龄(18–30 岁)与语言背景分层,全部为右利手、母语为汉语、无神经或精神疾病史。每位被试完成 1 至 2 次实验,单次记录时长 60 至 90 分钟,中间安排休息以降低疲劳对脑电的影响。

采集规范

实验在电磁屏蔽室内进行,使用 64 导 Ag/AgCl 电极帽,采样率 1,000 Hz,同时记录水平与垂直眼电。刺激呈现由实验软件控制,通过光电传感器与并行端口向采集系统发送事件标记,保证刺激与脑电的毫秒级对齐。

被试在实验前清洗头发并完成电极阻抗检查,所有电极阻抗低于 10 kΩ 后开始记录。实验流程经机构伦理委员会审批,被试签署知情同意书并可随时退出。每次实验结束后记录被试状态与异常事件,供后续伪迹判断参考。

标注体系

标注以事件为单位,覆盖刺激属性、被试反应与信号质量。

层级内容规模复核方式
事件层刺激开始、反应、反馈与分段标记约 18 万试次自动校验 + 抽检 10%
条件层语义、句法、频率与预期性编码全量试次实验设计表核对
伪迹层眨眼、肌电、漂移与坏导标记全量记录算法检测 + 人工复核
成分层N400、P600、P300 等成分窗口约 2.6 万分段双人复核,专家仲裁

质量与验证

脑电与刺激事件同步误差中位数 0.3 ms,95 分位不超过 1 ms;电极阻抗中位数 4.8 kΩ;伪迹试次比例平均 7.2%;ERP 成分标注一致性 κ = 0.85。每批次抽取 10% 被试做全流程复核,坏导与漂移记录单独保存。交付附实验程序、刺激材料、试次表、预处理参数、成分窗口定义与质量报告。

典型研究问题

  • 语义预期违反引发的 N400 波幅与潜伏期变化。
  • 句法违反与再分析过程中的 P600 模式。
  • 跨被试 ERP 解码模型的泛化能力。
  • 语言模型预测误差能否解释脑电反应。
  • 口语与书面语理解在时间进程上的差异。

获取与授权

本数据集仅面向通过伦理审查的科研项目开放,申请方需提交研究方案、伦理批件与数据处理计划。交付格式为 EDF、BDF、JSON、CSV 与 MAT,原始信号与预处理数据分层提供,附完整的预处理脚本与分析示例。因涉及人体生理数据,不接受再识别尝试与商业模型训练,商业合作需单独评估。可先通过示例数据查看试次级结构,或在联系页咨询数据使用协议。

03 / 典型用途

这批数据可以回答的问题

以下为典型研究与产品方向,具体分析方案需结合研究设计与统计方法确定。

  • 01

    N400 与 P600 语义句法研究

  • 02

    句法违反与再分析

  • 03

    跨被试 ERP 解码

  • 04

    语言模型与大脑预测编码对比

NEXT STEP

需要调整采集场景或标注体系?

现有数据集可直接授权,也可基于你的研究设计扩展说话人、场景与标注层级。

1 个工作日内回复 · 支持 NDA 与数据授权协议 · 高校科研专属方案