PsyBrain 脑心前沿 / 神经技术与方法：顶刊文献解读专题 / A · 文献解读 / A017 · 开源情绪识别数据集28名参与者的多模态生理信号

A017 开源情绪识别数据集 | 28名参与者的多模态生理信号

来源：公众号 PSY-Brain_Frontier ｜发布：2026-05-21 ｜原文链接

认知神经科学前沿文献分享

基本信息

Title: A multimodal dataset for emotional transition analysis in virtual reality

发表时间: 2026-05-20

发表期刊: Scientific Data

影响因子: 6.9

获取原文:

添加小助手: PSY-Brain-Frontier 即可获取PDF版本
点击页面底部“阅读原文”跳转论文网页

研究背景

现有情绪识别数据集（如 DEAP、DREAMER）把情绪当成离散、静止的状态，用孤立的刺激-反应范式来研究，没考虑现实世界里情绪体验的动态性和连续性

这种静态做法让实验室模型和真实场景应用之间差了一大截。核心缺口是：缺一个专门用来研究情绪之间动态转换过程及其生理表征的系统性数据资源。为此，研究者提出了“情绪旅程（emotional journey）”概念，构建了 DEJA-VU 数据集，在虚拟现实（virtual reality, VR）环境下做受控实验，捕捉情绪状态切换时的多模态生理信号

实验设计与数据情况

研究采用平衡不完全区组设计，招募 28 名健康参与者（共 34 次实验会话），在 Meta Quest II VR 头显中观看从 FilmStim 和 EmoStim 数据库筛选的情绪诱发视频。

实验覆盖效价-唤醒度平面上的四个象限：高唤醒正性（A）、高唤醒负性（B）、低唤醒负性（C），以及作为基线的低唤醒正性（D）。每次会话包含一个基线条件和三个目标情绪象限的随机序列。视频平均时长约 3 分钟，刺激间隔 133 秒，中间放中性洗脱视频并让参与者做自我评估，确保生理信号充分恢复。实验同步记录了脑电图（EEG）、心电图（ECG）、肌电图（EMG）和皮肤电反应（GSR）信号。通过主观报告验证情绪诱导效果，再用窗口级生理特征的统计分析，检验信号在不同情绪象限间能不能区分开，以及对情绪转换敏不敏感

省流总结

DEJA-VU 是第一个专门为情绪转换分析设计的多模态生理数据集。它不把情绪当静态快照，而是记录了 28 名参与者在 VR 中经历系统化“情绪旅程”时的 EEG、ECG、EMG 和 GSR 信号。研究验证了生理信号不仅能区分不同情绪，还能敏感地反映情绪状态切换时的动态过程。这个数据集为开发更贴近真实世界的动态情绪识别算法提供了关键资源，但结论基于受控 VR 环境，能不能推广到完全无约束的日常场景，还得靠未来研究来检验

分享人：天天

审核：PsyBrain 脑心前沿编辑部

💡 关于我们

👋 你好，这里是「PsyBrain 脑心前沿」

🧠 专注追踪全球认知神经科学的最尖端突破

🔍 视野直击 Nature, Science, Cell 正刊及核心子刊与顶级大刊

📄 每日速递「深度解读」与「前沿快讯」

科研是一场探索未知的长跑，但你无需独行。欢迎加入 PsyBrain 学术社群，和一群懂你的同行，共同丈量脑与心智的无垠前沿。

👇点击卡片进群，欢迎你的到来👇