MGEED：多模态真实情绪与表情检测数据库

基于摘要分析。该研究面向多模态情绪识别中自然、细微面部表情信号难以采集的问题，提出 Multimodal Genuine Emotion and Expression Detection（MGEED）数据库，并构建了结合信号同步、特征提取、融合与情绪预测的识别方法。其主要贡献是收集包含面部 optomyography（OMG）、EEG、ECG 及视觉信息的多模态情绪数据，而非提出通用 BCI 解码算法。 数据与采集：摘要说明数据库包含 17 名被试、超过 150 K 张面部图像和 140 K 张深度图，以及 OMG、EEG 和 ECG 信号。参与者的情绪由视频刺激诱发，数据通过多模态感知系统采集。作者称其为首个公开包含面部 OMG 信号的数据库；这一优先性声明尚未独立核实，具体数据访问条件也尚未验证。 方法与结果：识别流程包括多模态信号同步、特征提取、特征融合和情绪预测。作者报告融合视觉、EEG 与 OMG 特征可取得更优表现，但摘要未提供具体指标、比较基线或数据划分，因而不能据此判断提升幅度，也不能确认结果属于被试内还是跨被试评估。 阅读与复现时需核对情绪标签的定义及获取方式、各模态的采样与同步协议、EEG 预处理、融合实现、训练测试划分以及不同模态组合的对照结果。实验协议、消融及统计信息尚未验证；摘要中的情绪识别结果不等同于已验证的 BCI 控制性能。