BCI Report状态标签
下载、加载检查与完成评分的评测有各自的状态标签。仍待适配器的模型没有结果。
公开 EEG 评测
经得起核对的 EEG 结果
在 8 个固定协议、7 个公开数据集上，既有核心矩阵的 9 种解码方法，也有以冻结探针方式运行的 14 个基础模型编码器。矩阵之外的问题页涵盖迁移、校准与模型适配、可靠性、临床分组与数据质量、头皮 EEG 之外的信号，以及小规模试点研究。开放登记册列出我们知道的每个 EEG 数据集和模型，并写明每一项核验到了哪一步。
核心基准矩阵
9 种方法 × 8 个协议
最初的快照：数值为平衡准确率（%），空闲一列为指令检出率。
| 方法 | 运动想象与静息n=10 · 随机水平 50% | 空闲与指令n=4 · 检出率 | SSVEP · 8 通道n=70 · 随机水平 2.5% | SSVEP · 4 通道n=70 · 随机水平 2.5% | 心算与静息n=36 · 随机水平 50% | P300 目标 ERPn=21 · 随机水平 50% | 语义目标 ERPn=30 · 随机水平 50% | 睡眠分期n=20 · 随机水平 20% |
|---|---|---|---|---|---|---|---|---|
| CBraMod基础模型 · 8 / 8 | 62.9 | 18.3 | 33.7 | 27.6 | 62.3 | 55.0 | 55.8 | 71.3 |
| EEGNet轻量模型 · 8 / 8 | 71.0 | 1.7 | 55.8 | 44.1 | 67.6 | 53.3 | 61.4 | 56.5 |
| LaBraM基础模型 · 8 / 8 | 53.5 | 18.3 | 10.8 | 12.9 | 64.6 | 49.4≤ 随机 | 53.2 | 71.1 |
| Spectral ridge经典方法 · 7 / 8 | 54.9 | ·未评测 | 50.7 | 48.2 | 56.8 | 51.0 | 51.0 | 72.2 |
| CSP+LDA经典方法 · 2 / 8 | 47.1≤ 随机 | 23.3 | ·未评测 | ·未评测 | ·未评测 | ·未评测 | ·未评测 | ·未评测 |
| Standard CCA经典方法 · 2 / 8 | ·未评测 | ·未评测 | 63.1 | 57.6 | ·未评测 | ·未评测 | ·未评测 | ·未评测 |
| Temporal ridge经典方法 · 2 / 8 | ·未评测 | ·未评测 | ·未评测 | ·未评测 | ·未评测 | 53.8 | 56.3 | ·未评测 |
| Deep4Net轻量模型 · 1 / 8 | ·未评测 | 3.3 | ·未评测 | ·未评测 | ·未评测 | ·未评测 | ·未评测 | ·未评测 |
| ShallowFBCSPNet轻量模型 · 1 / 8 | ·未评测 | 43.3 | ·未评测 | ·未评测 | ·未评测 | ·未评测 | ·未评测 | ·未评测 |
本快照中该协议的最高分条长 = 在该协议随机水平与 100% 之间的位置未评测核心矩阵 · JSON ↓
条形只能纵向比较，不能横向比较：二分类任务的随机水平是 50%，睡眠分期是 20%，40 分类 SSVEP 是 2.5%，而且每个协议的队列和电极布局都不同。不存在总分。空闲一列请结合该协议中的误触发率一起读。
另外 13 个基础模型编码器，以冻结探针的方式在同样的 8 个协议上运行（BrainOmni Base 只在其中 6 个上运行）。它们是 11 个模型的检查点；其中一个模型另有 3 个检查点组成掩码消融，共 16 个。它们在这个快照之外。 第一个协议上的基础模型编码器各行 → 它们旁边还有 EEGPT，与已发布的 LaBraM 各行、以及除空闲协议外的 CBraMod 各行出自同一批运行，只替换了编码器。 第一个协议上的 EEGPT 一行 →
决策研究Jev 式提问用在脑电上：证据“Jev-style”（Jev 式）在这里指把 TypeSafe 的 Jev 这类决策模型的接口用在 EEG 上：一段记录只编码一次，再回答关于它的多个明确的、规定输出类型的问题，每个回答都带一个概率。三条路线，每一条都由本站在公开 EEG 数据上自己的运行来回答。查看证据 →逐个协议
每个分数背后的证据
协议步骤、局限说明、结果表中的配置说明与数据集署名保持发布数据的英文原文。
Rest versus right-hand imagery
ds003810 · 10 名被试 · 1,200 epochs · 5 participant-disjoint folds · 15 channels · 2-second windows
| 模型 / 配置 | 平衡准确率 | 宏平均 F1 | 计算耗时 |
|---|---|---|---|
| Supervised fit · 15 ch | 54.9%Descriptive 95% interval: 53.2–56.7% | 0.544Mean across held-out participants | 0.2s |
| Supervised fit · 15 ch | 47.1%Descriptive 95% interval: 43.8–50.2%不高于 50% 随机水平 | 0.406Mean across held-out participants | 8.8s |
| Frozen encoder + ridge head · 15 ch | 53.5%Descriptive 95% interval: 51.4–55.4% | 0.509Mean across held-out participants | 2.2s |
| Frozen encoder + ridge head · 15 ch | 62.9%Descriptive 95% interval: 59.6–66.5% | 0.617Mean across held-out participants | 5.0s |
| Scratch · 20 epochs · 15 ch | 71.0%Descriptive 95% interval: 65.0–76.3%仅单个随机种子——为 3 次运行中最高的一次（68.17–71.00%，均值 69.47%） | 0.680Mean across held-out participants | 55.5s |
| 另外 13 个基础模型编码器（冻结） 每一行及其脚注 → | |||
| Frozen encoder + ridge head · 15 ch | 58.8%描述性 95% 区间：57.0–60.8% | 0.582各留出被试的均值 | 不发布 |
| Frozen encoder + ridge head · 15 ch | 58.8%描述性 95% 区间：54.5–62.6% | 0.573各留出被试的均值 | 不发布 |
| Frozen encoder + ridge head · 15 ch | 68.1%描述性 95% 区间：64.3–72.3% | 0.677各留出被试的均值 | 不发布 |
| Frozen encoder + ridge head · 15 ch | 67.3%描述性 95% 区间：63.6–70.6% | 0.669各留出被试的均值 | 不发布 |
| Frozen encoder + ridge head · 15 ch | 54.8%描述性 95% 区间：51.8–57.8% | 0.524各留出被试的均值 | 不发布 |
| Frozen encoder + ridge head · 15 ch | 52.6%描述性 95% 区间：50.2–54.9% | 0.503各留出被试的均值 | 不发布 |
| Frozen encoder + ridge head · 15 ch | 49.9%描述性 95% 区间：46.6–53.5%不高于 50% 随机水平 | 0.486各留出被试的均值 | 不发布 |
| Frozen encoder + ridge head · 15 ch | 66.2%描述性 95% 区间：61.8–70.6% | 0.640各留出被试的均值 | 不发布 |
| Frozen encoder + ridge head · 15 ch | 70.2%描述性 95% 区间：64.0–76.1% | 0.673各留出被试的均值 | 不发布 |
| Frozen encoder + ridge head · 15 ch | 72.0%描述性 95% 区间：66.6–76.6% | 0.715各留出被试的均值 | 不发布 |
| Frozen encoder + ridge head · 15 ch | 58.1%描述性 95% 区间：53.7–63.3% | 0.541各留出被试的均值 | 不发布 |
| Frozen encoder + ridge head · 15 ch | 62.4%描述性 95% 区间：57.4–67.8% | 0.586各留出被试的均值 | 不发布 |
| Frozen encoder + ridge head · 15 ch模型卡：仅供研究使用，不可用于诊断或临床。 | 50.7%描述性 95% 区间：49.2–52.1%区间触及 50% 随机水平是否出现在预训练数据中：未知 | 0.499各留出被试的均值 | 不发布 |
| EEGPT（冻结）· 与已发布的 LaBraM、CBraMod 各行出自同一批运行 这一行及其脚注 → | |||
| Frozen encoder + ridge head · 15 ch | 58.3%描述性 95% 区间：54.9–61.8% | 0.555各留出被试的均值 | 不发布 |
横向滚动表格查看其余列。
基础模型编码器各行 · CSV ↓ · EEGPT 各单元格 · JSON ↓
权重条款：REVE 采用 REVE 负责任使用许可 v1.0（模型版本：REVE Base @ dc2a075c · REVE Large @ 317531c7）；LUNA 采用 CC BY-ND 4.0，不分享修改后的权重；BrainOmni、EEGMamba、ST-EEGFormer、SingLEM 采用 MIT；CodeBrain、ZUNA 采用 Apache-2.0；eeg-fm-masking 采用 CC-BY-4.0；ERP-FM 采用 CC BY-NC-SA 4.0，仅限非商业用途。任何模型的作者都没有为这些结果背书。 全部权重许可与条款 →
EEGPT：检查点的许可仍未厘清，不分发任何原始或转换后的权重；Apache-2.0 只涵盖代码仓库中的代码。 它的许可与条款 →
掩码消融：eeg-fm-masking 的另外 3 个同系列检查点
请对照论文推荐的检查点（即上表中的那一行）阅读：架构、语料与训练方案相同，只改变掩码框架或掩码几何。
| Frozen encoder + ridge head · 15 ch即上表中的那一行 | 68.1%描述性 95% 区间：64.3–72.3% | 0.677各留出被试的均值 | 不发布 |
| Frozen encoder + ridge head · 15 ch | 63.2%描述性 95% 区间：58.2–67.9% | 0.620各留出被试的均值 | 不发布 |
| Frozen encoder + ridge head · 15 ch | 63.3%描述性 95% 区间：59.0–67.4% | 0.628各留出被试的均值 | 不发布 |
| Frozen encoder + ridge head · 15 ch | 64.9%描述性 95% 区间：60.3–69.4% | 0.645各留出被试的均值 | 不发布 |
计算耗时包括拟合与预测（可能含加速器等待），不含数据准备。
局限
Ten-person laboratory task with prompted rest. This is not continuous-idle monitoring or a physical low-channel headset test.
方法 →问题
证据能回答的问题
同一问题下的数字常常来自同一批被试：它们是该问题所用协议内的重复条件。
迁移
换了传感器、显示设备、电极布局或记录会话，或者人在运动时，解码器还管用吗？
传感器迁移
干电极与湿电极
同一批 102 名被试、两种原生八通道记录之间，解码器迁移过去会发生什么？
2 秒 SSVEP · 12 个目标 · 平衡准确率查看证据 →场景迁移从屏幕到 VR
同样 21 名被试，在电脑屏幕上校准、在 VR 头显里测试，反之亦然：给出的是切换之后达到的水平，没有同一显示设备上的分数可供比较。另有：P300 解码器在一种图像呈现速率下训练、在另一种速率下测试。
P300 · VR 中 21 名被试 · 跨图像速率 9 名被试查看证据 →电极布局更少的电极
睡眠分期里耳道内对头皮，睁闭眼任务里后部 4 个对全部 16 个电极，以及基础模型编码器在 BETA 上用 8 个与 4 个电极：都是具体研究记录中的通道组合。
两项配对比较 · 10 名与 19 名被试 · BETA 8 与 4 个电极，70 名被试查看证据 →运动鲁棒性移动中的解码
站立、行走与跑动时的结果，头皮与耳部记录、互不兼容的时间窗分开呈现。
SSVEP 平衡准确率 · ERP ROC AUC查看证据 →跨会话迁移 · 同一被试后续会话
用同一个人较早的会话训练、在较晚的会话上测试，不使用后一次会话的任何标签：跨记录会话的运动想象（简单基线与冻结的 CBraMod）；在发布者标称的后续访次上的目标检测；以及连续光标追踪——在这里，一个常数基线反而更好。
运动想象，WBCIC-SHU，51 与 11 名被试 · RSVP，15 名被试 · 光标追踪，阴性结果查看证据 →调整模型
解码器需要多少校准、预训练模型该更新哪一部分、预训练有没有帮助、一个模型能否回答多个问题（包括用文字提出的问题），以及解码器靠什么回答没训练过的 SSVEP 频率。
校准预算
需要多少校准？
可穿戴 SSVEP 任务上的 12、24 或 48 个校准试次，以及同一被试下一次运动想象会话中最多 40 个校准试次：增益因方法而异，也有人下降。
SSVEP · 102 名被试 · 运动想象，下一次会话 · 51 名被试查看证据 →模型适配该更新哪一部分？
新被试、同一任务、不使用测试被试的任何标签：LaBraM 只训分类头、最后一个 Transformer 块还是 LoRA，与核心矩阵中冻结编码器的结果并排给出。另有：次日实验，已运行，暂缓发布。
EEGMAT，36 名被试 · 三种更新方式 · 次日：暂缓查看证据 →表征对照预训练有用吗？
在固定与训练集内选定两种分类头设置下，对比匹配的预训练编码器与随机初始化编码器。另有更多基础模型按同样的冻结方案评测：睡眠分期上有 3 个检查点和 EEGPT（差距很窄）高于所有已发布的行，BETA 上没有一个高于免训练的 CCA。
两个任务 · 三种编码器 · 三次随机初始化 · 另外 16 个检查点查看证据 →共享编码器 · 第二条路线一个模型，多个问题
一个共享编码器、每个问题配一个固定输出，对比“知道自己在回答哪个问题”的分类头，以及每个问题单独一个模型，数据量与计算量保持一致——并给出每种设置的代价。
运动想象，OpenBMI，51 名被试 · 睡眠，BOAS · EESM19，粗略重复查看证据 →用语言提问 · 第三条路线用语言提问
冻结 EEG 特征上的一个小分类头，每个问题分别用题号、标签模板或描述提出：只对训练过的问题成立，而且不是在每个数据集上都成立。
SSVEP，BETA，70 名被试 · 睡眠，BOAS · 次要：EESM19、OpenBMI、Wearable-102查看证据 →第三条路线 · 后续检验没见过的 SSVEP 频率
十四项后续检验：十三项在第三条路线所用的 BETA 队列上，五项在 Wearable-102 上，其中一项只在那里运行。读参考谱或刺激相位的分类头远低于无需训练的 CCA；在 CCA 之上加一个小的学习修正，在 BETA 上有所提高，在 Wearable-102 上变化很小；同样无需训练的滤波器组 CCA 在所测的每种设置下都高于 CCA，无需训练的谐波求和与学习得到的特征值分类头几乎持平。
SSVEP，BETA，70 名被试 · 8 个留出频率 · Wearable-102，102 名被试查看证据 →可靠性与临床
解码器什么时候不该执行，睡眠分期中准确率掩盖了什么，静息态 EEG 对一个临床分组能说明什么，以及把公开数据集从头到尾核一遍后文件里能看到什么。
拒识 · 决策研究
何时不该执行
指令检出率与误触发率一起读；在两个协议上测量解码器什么时候该拒绝作出决定；以及决策研究计划和它的三条路线。
空闲，4 人试点 · 非控制状态，20 名被试 · 可靠的决策，36 与 70 名被试查看证据 →睡眠分期 · 简单基线睡眠分期的失衡
25 名健康被试与 55 名睡眠呼吸暂停患者，两个简单基线，作为两项独立实验：准确率与平衡准确率并排，以及分期器从未预测过的那一期。
Dreem DOD-H 与 DOD-O · 25 晚与 55 晚 · 平衡准确率查看证据 →临床研究临床分组
149 名被试的帕金森病与对照比较，与一个只用年龄和性别的对照基线并排给出；两者都不是诊断。
149 名被试 · 单中心 · 平衡准确率查看证据 →数据质量与可复现性从头核到尾
公开 EEG 数据集，都从文件本身读起：Shin2022 先清点 run、重复文件与有效时间窗，再做整名被试留出的检验，EEG 一组与只读试次时长的对照相差无几；Kim beta 频段 SSVEP 上不需要训练的 CCA；MIND 的存储标记，以记录编号为单位读取；eldBETA、Damm 与 NeBULA 三个单人案例，只给计数、没有分数；以及 ZuCo 一个转换后记录的时间问题，暂缓。
Shin2022，10 名被试 · Kim beta 频段 · MIND · 单人案例，只给计数 · ZuCo，只发状态查看证据 →其他信号与试点
简单基线在头皮 EEG 之外的信号上（人类与一只猕猴）表现如何，以及小规模试点研究能说明什么。
其他信号 · 人类与猕猴
头皮 EEG 之外
用 fNIRS 在分类器从未见过的人身上区分右手、左手手指敲击与脚部敲击；从一只猕猴运动皮层的神经元放电中解码手指速度——岭回归降低了平方误差，却没有降低绝对误差；以及对 fNIRS 记录的数值覆盖核查。皮层内手写与功能超声：只发状态。
fNIRS，30 名被试 · 皮层内神经元放电，1 只猕猴 · fNIRS 数值覆盖，12 名被试查看证据 →试点研究 · 小样本试点研究
几项小规模试点：同一队列中注入的矫形器错误事件，其中包括冻结的 EEG 基础模型与匹配的经典特征的比较；希腊语与英语的内部言语，结果接近随机水平；一个手写数据集中停在数字量程边界上的平直通道，屏蔽之后 EEG 仅略高于随机水平；以及一个情绪数据集上的存储片段核查，简单对照的误差都比 EEG 小。
Orthosis，8 名被试 · 内部言语，BINGO，17 个被试字段 · 手写，5 名被试 · REFED，2 个标称被试文件夹，30 个片段查看证据 →哪些迁移已经测量过
| 改变的是 | 已测量 | 只发状态 | 暂缓 | 未测量 |
|---|---|---|---|---|
| 被试 |
| 无 | 无 | |
| 会话 / 天 |
|
| 无 | |
| 传感器 / 电极布局 |
| 无 | 无 |
|
| 场景 |
| 无 | 无 | 无 |
| 数据集 | 无 | 无 | 无 |
|
n 是每一项背后的被试数；两个数（n=24 / 17）表示同一项背后的两项分析或两个队列，大的在前。“配对比较”：两组电极在同一批数据上分别评分。“同时变化”：同一对比中还有什么一起变了。
暂缓发布
暂缓发布的内容，以及原因
暂缓
Kim beta 频段 SSVEP · 依赖幅值的模型
幅值单位、通道增益与保存下来的参考历史都没有确立，所以在这些文件上，输出依赖幅值的模型暂缓。不需要训练的 CCA 不依赖共同的幅值尺度，已发布。
只发状态
Damm 手指运动想象 · 单人分数
一名被试的两个随机顺序 run 从头到尾跑通。分数按单人规则暂缓；设计、计数与文件事实已发布。
只发状态
NeBULA · 单人分数
一名被试在三种辅助水平下伸手够向三个目标。EEG、EMG 与两者合并的分数都按单人规则暂缓；设计、计数与文件事实已发布。
只发状态
eldBETA · 单人分数
从原始记录读起的流程在一名被试的记录上跑通。只有一个人时，任何分数都是这个人的分数，所以准确率暂缓；计数已发布。
没有分数
NEMAR 上的 ZuCo · 转换后记录的时间
在 NEMAR 上的一个转换后记录中，有些注视时间落在记录之外。在转换程序的时间规则与带源校验和的测试样例具备之前，不计算任何 EEG–文本分数。
没有分数
ds007420 · fNIRS 分类器
它的数字任务编码没有经过核实的、与左右手或动作对应的对照表，事件时长在事件表、光学数据文件与所引论文之间也互相矛盾。它的光学数值覆盖计数已发布。
暂缓
Dreem 睡眠队列 · 神经网络与基础模型
存储的信号元数据写的是毫伏，发布者自己的转换程序却把同样的数组当作微伏。需要绝对幅值的模型没有运行；已发布的基线不依赖这个单位。
只发状态
Stieger 纵向 BCI · 单人试点
流程在一名被试的 11 次会话上跑通了。只有一个人时，任何分数都是这个人的分数，所以不发布。
没有分数
OpenNeuro ds004902 · 配对睡眠比较
5 个源文件比自己的文件头声明的还短。
暂缓
临床数据上的基础模型
未运行：数据源没有说明物理幅值单位。
只有描述，没有评分
L-FAME
按条件汇总的数值不发布。
暂缓
BNCI2015-001 · 次日适配
已运行并通过独立复核。目录标注的许可是 CC BY-NC-ND，数据说明也没有写伦理批准，所以审查完成之前不发布任何数字。
目录
其余内容，按类别查找
评测方式
这些结果是怎么得到的
只导出经过明确审核的队列层面研究结果。原始 EEG、个人结果和模型权重都不放到网站上。每项比较都写明来源、许可、协议和局限。没有跨任务的总分。
Only explicitly reviewed cohort-level research results are exported. Raw EEG, individual results and model weights stay outside the website. Each comparison states its source, license, protocol and limitations. No cross-task overall score.
下载全部结果 · JSON ↓失败模式
报告漏检、误触发与拒识。
同一任务、同一协议
数据划分、通道、预处理与训练模式都随协议一起给出。冻结编码器与从头训练的基线分开标注。
固定、经审计的本地运行
实验在 Mac 或本地 GPU 工作站上离线运行。耗时只对该配置有效。本网站不做任何 EEG 推理或诊断。