BCI Report
English中文

数据 API

BCI Report 数据 API：固定地址的静态 JSON 与 CSV

每一个已发布的结果都是一个静态文件，与页面构建所用的字节完全相同。

使用方式

固定地址

每个文件都位于 https://bci.report/data/<文件名>。文件只会被经过审核的发布替换，发布归档给出当前所提供字节的 SHA-256。

无需密钥或账号

普通的 HTTPS GET 请求。静态文件经 CDN 提供；不承诺任何速率上限，请缓存你用到的文件。/data/ 下的文件、llms 文件和各页的 Markdown 副本，任何 HTTP 客户端都能下载，pd.read_csv 也可以直接按网址读取 CSV。/data/ 下的文件允许跨域读取，在浏览器里运行的笔记本也能直接获取。

许可

聚合结果采用 CC BY 4.0。计算这些结果所用的原始记录属于其作者，并保留各自的条款——每个数据集页面都写明了。构建本站和导出文件的代码采用 MIT 许可。

镜像

同样的文件也在 Hugging Face 上，数据集名为 Twu31/bci-report，各协议的表格已合并为可直接加载的配置。

文件

文件内容发布
open-register-20261106.json开放登记册的规范文件：我们知道的每个 EEG 数据集、关注的每个 EEG 模型与论文，每项一行、各有一个不透明的编号，附其所属的核验序列（数据集或模型）、核验到的最远一步、每一步的证据（通过、缺口或不适用，及其出处）、缺口、状态、所述条款及其出处、别名（仓库编号、登录号、MOABB 加载器）、以代码加参数表示的发现，以及链接；另有中英文的步骤定义、规则、含冻结查询的来源、计数与上传者系列。open-register-update-20261106
open-register-20261106.csv开放登记册的数据集部分，扁平表格，供电子表格与 Hugging Face 预览使用：每个数据集条目一行，含编号、分组、名称、托管方、所述许可、访问是否受限、核验到的最远一步、缺口、状态与页面。发现写在 JSON 中。open-register-update-20261106
core-matrix-20261106.json在核心矩阵的原有协议下运行的各行（两个 BETA 协议上的滤波器组 CCA；TS+LR、MDM、xDAWN+LDA 与 XDAWNCov+TS+LR 在各自的核心协议与空闲协议上；ShallowFBCSPNet、Deep4Net 与 CSP+LDA 填入矩阵中空着的单元格）：全精度数值、配方、角色、运行后端、协议页与方法页上给出的配对差值，以及矩阵中每个单元格的状态（已发布、在本文件中、不适用或未运行）。core-matrix-update-20261106
core-matrix-20261106-mi-rest.csv运动想象与静息：本文件的各行，列与单位同核心结果 CSV，其后为发布、配方、角色、后端与协议说明。core-matrix-update-20261106
core-matrix-20261106-idle.csv空闲与指令：本文件的各行，列与单位同核心结果 CSV，其后为发布、配方、角色、后端与协议说明。core-matrix-update-20261106
core-matrix-20261106-beta-8ch.csvSSVEP · 8 通道：本文件的各行，列与单位同核心结果 CSV，其后为发布、配方、角色、后端与协议说明。core-matrix-update-20261106
core-matrix-20261106-beta-4ch.csvSSVEP · 4 通道：本文件的各行，列与单位同核心结果 CSV，其后为发布、配方、角色、后端与协议说明。core-matrix-update-20261106
core-matrix-20261106-arithmetic-rest.csv心算与静息：本文件的各行，列与单位同核心结果 CSV，其后为发布、配方、角色、后端与协议说明。core-matrix-update-20261106
core-matrix-20261106-p300-target.csvP300 目标 ERP：本文件的各行，列与单位同核心结果 CSV，其后为发布、配方、角色、后端与协议说明。core-matrix-update-20261106
core-matrix-20261106-semantic-target.csv语义目标 ERP：本文件的各行，列与单位同核心结果 CSV，其后为发布、配方、角色、后端与协议说明。core-matrix-update-20261106
core-matrix-20261106-sleep-scalp.csv睡眠分期：本文件的各行，列与单位同核心结果 CSV，其后为发布、配方、角色、后端与协议说明。core-matrix-update-20261106
logpower-ridge-update.jsonBCI Report 的对数频带功率岭回归（5 个频带，可见通道），列在七个核心协议的 Spectral ridge 一行旁边：每个协议的平衡准确率及其被试 bootstrap 区间、宏平均 F1、被试数、通道数与随机水平；它与 Spectral ridge 一行、与一行指名的冻结编码器的配对差值及区间与判读；做法及其与 Spectral ridge 一行的不同；关于分类头与输入缩放的两行摘要；权利；以及不发布的内容。logpower-ridge-update-20261106
signal-jepa-eegsimpleconv-update.jsonSignal-JEPA（冻结编码器加岭回归分类头，使用它自己的 0.5–40 Hz、128 Hz 输入）与 EEGSimpleConv（从零训练，三个随机种子的均值）在运动想象与静息、心算与静息上的结果，列在核心矩阵旁边：平衡准确率、宏平均 F1、Signal-JEPA 的被试 bootstrap 区间、每个模型在同一批被试上与 EEGNet 的差值、按部分列出的身份与许可、模型目录的更正，以及不发布的内容。signal-jepa-eegsimpleconv-update-20261106
foundation-checkpoints-update.jsonLaBraM at Scale 的 Quark-B、Quark-L、Quark-H、Atom-L、Molecule-L与 Quark-G，以及 REVE Small，作为冻结探针用于 8 个核心协议：每个单元格的平衡准确率及其被试 bootstrap 区间、宏平均 F1 与随机水平（空闲协议为试次计数与窗口指标），Quark 序列的配对差值，各单元格是否出现在预训练数据中，以及条款与局限。foundation-checkpoints-update-20261106
random-init-controls-update.jsonREVE Large、ST-EEGFormer Base 与 Large、SingLEM 和 EEGMamba 在运动想象与静息、心算与静息、睡眠分期上的随机初始化对照：预训练与随机初始化均值的平衡准确率，以及两者的配对差值及其区间，分固定分类头与训练集内选定分类头两种读出。random-init-controls-update-20261106
nsp-components-update.json对 Neural State Prediction（arXiv:2609.31167v1，只作引用）各组件的本地检验，在试点研究页面上、计数的试点之后单独成一栏，分三块：在 EEGMAT 上训练的小模型，目标残差化开或关、上下文几何为拓扑分离或随机，附事先设定的对比、位置探针均值与模型内的内容依赖下降；从未训练的同一模型与训练后各设置在三种拟合标签预算下的比较（主要结果之后的分析），附抽样重放；以及已发布的 eeg-fm-masking 编码器与一个对数频带功率岭回归在 EEGMAT 与 ds003810 上通道置零、分类头保持或重新拟合的结果。按被试等权的均值与配对差值及其描述性被试 bootstrap 区间；方法、审计范围、第一次未完成的审计、没有运行的部分、署名与不发布的内容。nsp-components-update-20261106
electrode-shift-update.json如果电极帽偏了一个电极会怎样？在 BETA 的 70 名被试上的模拟：6 种解码器在原来的 8 个后部位点拟合，再把每个电极都读成相邻一个位置的信号（向前一排、向左或向右一列）来测试，分直接部署与重新校准两种；12 个预先设定的对比及其 Bonferroni 区间，以及经核对的下降或上升 10 pp 及以上的人数；全部 144 个对比、邻近电极图、样条偏移量，以及与已发布单元格的衔接。electrode-shift-update-20261106
eldbeta-cohort-update.jsoneldBETA 在全部 100 名已发布被试上从头到尾核了一遍：不需要训练的 CCA 与滤波器组 CCA 的被试平均准确率及配对的被试 bootstrap 区间与随机水平、两者的配对差值、按单人二项阈值经核对的人数、文件检查与已定位的非有限值，以及权利记录。eldbeta-cohort-update-20261106
clinical-aseeg-update.jsonASEEG：静息态 EEG 上的精神分裂症与对照，只用年龄和性别的对照基线并排放在 EEG 频谱、EEG 加年龄与性别、回归掉年龄与性别后的 EEG 以及冻结 CBraMod 旁边（平衡准确率与 AUROC 及配对的被试 bootstrap 区间、宏平均 F1），分闭眼与睁眼两种记录，同一批被试；主要与次要对比；声明边界与权利记录。clinical-aseeg-update-20261106
open-register-20261028.json开放登记册的规范文件：我们知道的每个 EEG 数据集、关注的每个 EEG 模型与论文，每项一行、各有一个不透明的编号，附其所属的核验序列（数据集或模型）、核验到的最远一步、每一步的证据（通过、缺口或不适用，及其出处）、缺口、状态、所述条款及其出处、别名（仓库编号、登录号、MOABB 加载器）、以代码加参数表示的发现，以及链接；另有中英文的步骤定义、规则、含冻结查询的来源、计数与上传者系列。open-register-update-20261028
open-register-20261028.csv开放登记册的数据集部分，扁平表格，供电子表格与 Hugging Face 预览使用：每个数据集条目一行，含编号、分组、名称、托管方、所述许可、访问是否受限、核验到的最远一步、缺口、状态与页面。发现写在 JSON 中。open-register-update-20261028
ssvep-followups-update.json解码器没训练过的 SSVEP 频率的更多经审计后续检验，即那个问题页的第 8 至 14 张卡片，用第三条路线的 BETA 队列，其中部分也用 Wearable-102 的干、湿两种头带：各端点及其随机水平；从本站名称到导出代码的对照表，以及几张卡片共用的估计值；每项检验的设计、水平与配对对比及其区间与区间方法、角色与标记，以通过或失败及计数给出的检查，以及没有运行的部分；哪些区间做了校正；各组件的 CPU 计时（预热后单线程测得，从不相加）；权利记录、滤波器组 CCA 的出处与审计记录。ssvep-followups-update-20261028
neurorvq-update.jsonNeuroRVQ 冻结主干在三项现有任务上的结果（EEGMAT 的心算与静息、运动想象对静息、P300 目标对非目标），作为单独的试点一栏：每项任务的队列、数据划分与输入流程，同一个固定的岭回归分类头下主干与同一批时间窗简单特征按被试平均的平衡准确率与宏平均 F1，以及一个配对差值及其被试 bootstrap 区间；检查点的标识与加载方式，是否出现在预训练数据中（未知）及其出处，没有运行的协议及其原因，代码、权重与各数据集的条款，局限、审计记录与不发布的内容。neurorvq-update-20261028
eegmat-ten-second-update.json两个冻结编码器（EEG-Captioner 的编码器与 AXON）在 EEGMAT 心算与静息十秒时间窗上的结果，作为单独的试点一栏，每个编码器一小节：队列及其预处理，印在每个分数旁边的来源标注质量控制总数，每个编码器按被试平均的平衡准确率与同一批时间窗上的 Welch 频带功率比较及其配对被试 bootstrap 区间，每个编码器的标识与条款，AXON 自己的数值输入检查，为什么不计算两个编码器之间的差值，局限、审计记录与不发布的内容。eegmat-ten-second-update-20261028
dataset-checks-update.json四个公开 EEG 数据集，从文件本身从头到尾核了一遍。Kim beta 频段 SSVEP 是完整的案例：在全部被试上运行不需要训练的 CCA，按被试平均的准确率及其被试 bootstrap 区间与随机水平的比较，数据接收及其核查方式，注意事项，以及对依赖幅值的模型的暂缓。MIND 是以记录编号为单位的有条件案例：两对存储编码上的 CSP + LDA，与按位置查表的对照和多数类对照并列，记录编号重抽样范围，标签排程，单独的次要面板与覆盖链。Damm 与 NeBULA 是单人状态案例：设计、计数、文件事实与运行过的各组，所有分数暂缓。每个数据源的权利记录、按各来源原话给出的许可声明、知情同意与伦理声明，以及暂缓项。dataset-checks-update-20261028
open-register-20261020.json开放登记册的规范文件：我们知道的每个 EEG 数据集、关注的每个 EEG 模型与论文，每项一行、各有一个不透明的编号，附其所属的核验序列（数据集或模型）、核验到的最远一步、每一步的证据（通过、缺口或不适用，及其出处）、缺口、状态、所述条款及其出处、别名（仓库编号、登录号、MOABB 加载器）、以代码加参数表示的发现，以及链接；另有中英文的步骤定义、规则、含冻结查询的来源、计数与上传者系列。open-register-update-20261020
open-register-20261020.csv开放登记册的数据集部分，扁平表格，供电子表格与 Hugging Face 预览使用：每个数据集条目一行，含编号、分组、名称、托管方、所述许可、访问是否受限、核验到的最远一步、缺口、状态与页面。发现写在 JSON 中。open-register-update-20261020
new-ssvep-frequencies-update.json解码器靠什么回答没训练过的 SSVEP 频率？第三条路线在其 BETA 队列上的七项经审计的后续检验，以及同一批模型原样用于 Wearable-102 的结果：各端点及其随机水平；从本站名称到导出代码的对照表；每项检验的水平与配对对比及其区间与区间方法、角色与标记，以通过或失败及计数给出的检查，以及没有运行的部分；取自 BETA 作者更正说明的刺激相位；互谱一轮的状态卡（没有数字）；权利记录与审计记录。new-ssvep-frequencies-update-20261020
data-quality-update.json三个公开 EEG 数据集，从文件本身从头到尾核了一遍。Shin2022 是完整的案例：整名被试留出的诊断，三个组（训练集先验、归一化的 spectral ridge 与一个回溯的时长对照；按被试平均的平衡准确率及其被试 bootstrap 区间，以及合并计算的次要数值），从发布中的 run 到信号有效时间窗的覆盖链，目录中试次时长的来历，文件是怎么核的，以及它的暂缓项、权利、知情同意与伦理声明。eldBETA：一名被试记录的计数，分数暂缓。ZuCo 2.0：一个转换后记录的时间问题，暂缓，没有数字。data-quality-update-20261020
clinical-iesseeg-update.jsonIESSEEG，一项附年龄与采集设置对照的婴儿病例对照试点：六个使用或不使用 EEG 的组（训练集先验、只用年龄、只用采集设置、EEG 频谱特征、EEG 加年龄，以及在训练折内回归掉年龄后的 EEG），以及用同样的分类头读冻结 NeuroLM 特征的四个组。平衡准确率、AUROC 与次要指标的折外点估计及混淆计数，分别针对全部被试与 2 岁及以下的被试；队列及其输入核查；数据集发布卡片中的署名与伦理声明；审计边界、局限与不发布的内容；以及临床分组页面的医学免责声明。clinical-iesseeg-update-20261020
neurolm-eegmat-update.jsonNeuroLM 冻结特征在 EEGMAT 心算与静息上的结果，作为单独的试点一栏：同一个固定的岭回归分类头下三种表示（分词器特征、GPT 隐藏状态与频带功率）按被试等权的平衡准确率与宏平均 F1，三个配对差值及其被试 bootstrap 区间，适配流程与分类头，检查点的标识与各部分的条款，是否出现在预训练数据中（未知）及其出处，局限、审计记录与不发布的内容。neurolm-eegmat-update-20261020
eegpt-core-update.json核心矩阵旁边的 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：它在 8 个核心协议上的单元格，作为冻结编码器的一行（每个单元格的平衡准确率及其被试 bootstrap 区间、宏平均 F1、随机水平，以及该数据集是否在预训练数据清单中；每个百分比数字另以核心矩阵各行的单位给出；空闲误触发、3 秒内检出的指令与始终拒识的被试以计数给出，另附窗口平衡准确率与 AUROC），放在所涉单元格旁边的脚注，每个单元格与已发布各行的关系（按 95% 区间判断高于、低于或重叠，差距以百分点给出），它在 mi-rest 与 EEGMAT 上的预训练归因各行与配对对比（字段同已发布的部署专题文件），模型条款（检查点许可尚未厘清、不分发任何权重、Apache-2.0 只涵盖代码），所有者的发布记录，以及不发布的内容。eegpt-core-update-20261013
pilot-studies-update.json不进入任何排行榜或模型排名的小规模试点。Orthosis 错误检测数据集作为同一个队列给出三项结果：64 通道经典 EEG 基线（平衡准确率、AUROC 与平均精确率及其被试 bootstrap 区间，方向/时间混杂探针，训练集多数类与类别先验，逐人匹配的 EEG 减混杂探针的差值及高于探针的人数，标签置换对照的均值与观察到的范围，以及只给计数的“响应干净”子集）、同一基线在 58 个通道上的配置，以及冻结的 EEGPT 与这组匹配的经典特征的比较（配对差值及其区间、检查点的标识与许可状态；不含权重）。BINGO 希腊语与英语内部言语在语言内与跨语言的结果（平衡准确率与 top-3 准确率及其先验，仅顺序、高频与标签打乱对照，跨语言减语言内的对比，实验协议，以及项目说明的预处理）。一个手写竞赛数据集上的掩码感知 EEG 分析，五名被试（相对频带功率 EEG 与三个不用 EEG 的对照的平衡准确率，除只看缺失掩码的对照外都附被试 bootstrap 区间；三个配对对比；打乱标签的均值与观察到的范围；按试次统计的通道可用情况及其标记计数；以及对同一批被试较早的分析，作为背景）。REFED 的存储片段诊断（两种条件下 EEG 与三个不用 EEG、只用训练集信息的对照的等权两轴平均绝对误差）。另有只列状态的条目，以及每个数据源的权利、知情同意与伦理记录，包括手写数据集已说明的缺口。pilot-studies-update-20261012
beyond-scalp-update.json在头皮 EEG 之外的信号上，简单基线管用吗？Bak 等人手指与脚部敲击的人类 fNIRS 数据，每次留出一名被试（按被试平均的平衡准确率及其描述性区间、各类别召回率，以及训练集先验对照）；MC_RTT 上一只猕猴运动皮层的神经元放电（手指速度的岭回归解码，与训练集均值比较：R²、RMSE 与 MAE，包括岭回归更差的那个指标，附试次、神经元与数据行的计数）；对 ds007420 fNIRS 记录的数值覆盖核查（只有计数，附暂缓其分类器的各项条件）；以及两个已准备、未评分的数据源——FALCON H2 与 Rabut 等人的功能超声——只给计数。每个条目都注明物种与模态；附每个数据源的权利记录，以及知情同意与伦理声明，猕猴数据则附动物护理声明。beyond-scalp-update-20261012
questions-in-language-update.json第三条路线“用语言提问”，BETA 上的 SSVEP 与 BOAS 上的睡眠：一个以问题为条件的分类头，每个问题分别用题号、标签模板或描述提出——35 个预先声明的条目，附被试人数、随机种子数、区间、两个标记、路线结论规则与路线结论，并按已见过的问题、改写后的问题、EEG 分类头从未训练过的问题分开列出；各组的水平及其校正随机水平后的数值、泛化代价、读出结果与答案翻转率；运行前检查只以通过或失败及计数给出，并披露金丝雀检查的两次失败修订与所有者的推翻决定；次要结果（EESM19、OpenBMI、REVE-L、另一个文本编码器、中文问法、否定、外推、Wearable-102），按声明标注单种子与多半无法下结论；BOAS 的三个已说明缺口与署名、权利记录、参考文献与审计记录。questions-in-language-update-20261008
questions-in-language-wordings.json第三条路线提问所用的全部问法，随结果一并发布：睡眠、SSVEP 与运动想象的 787 条英文与中文文本（训练与留出的句式、标签名称与同义词、训练与留出的描述、未见过问题的描述与名称、否定句式），由两个代理在任何评分之前按固定说明写成；它们通过的防泄漏规则；五种轮换中留出频率的划分与外推频段；打乱对照预先声明的错位排列；频率的数值编码；以及固定版本的文本编码器。仅文本，CC BY 4.0。questions-in-language-update-20261008
later-sessions-update.json在较早会话上训练的解码器，到后来还管用吗？WBCIC-SHU 两个独立队列从第 1 次会话到第 3 次会话的结果（源会话多数类先验与相对频谱功率 + 岭回归，以及分类头用第 1 次会话拟合的冻结 CBraMod：平衡准确率及其被试 bootstrap 区间、准确率、宏平均 F1 与配对差值）；纵向 RSVP 数据集在第一次访次训练的 ERP 基线，在标称第 7、80、200 天访次上的结果（AUROC 及其区间、平均精确率、对数损失、Brier 分数与 ECE、事件计数、第 200 天减第 7 天的配对对比，以及下降的被试人数）；以及 Forenzo 连续光标追踪这一阴性结果（每个队列、每种响应变量下 spectral ridge 误差的均值与中位数，与源会话均值对照比较，配对差值，ridge 表现更差的记录数，空值保持为空的次要指标，覆盖情况与暂缓的记录）；附每个数据源的权利、知情同意与伦理记录及其局限。later-sessions-update-20261008
shared-representation-update.json第二条路线“一份表征，多个问题”，OpenBMI 运动想象与 BOAS 睡眠：在数据量与计算量匹配的条件下，比较每个问题一个独立模型、共享编码器上的固定线性头、共享隐藏层与以问题为条件的头，编码器分别是从头训练的 EEGNet、冻结的 CBraMod 特征和用 LoRA 适配的 CBraMod——每个配对对比都附区间、差异与界值两个标记以及门槛判定；各组的平衡准确率、AUROC 与对数损失；每个领域的路线结论与成本账；可推导问题的检验（log R）；标为粗略的 EESM19 重复；BOAS 的三个已说明缺口与署名、权利记录与审计记录。shared-representation-update-20261007
foundation-models-update.json核心矩阵之外的更多基础模型编码器：另外 11 个模型的 16 个编码器检查点，作为冻结探针在 8 个核心协议上的结果（每个单元格的平衡准确率及其被试 bootstrap 区间、宏平均 F1、随机水平标记，以及该数据集是否在预训练数据清单中；空闲协议的误触发与检出以计数给出；两个未运行的单元格注明原因），掩码消融，9 个模型在 EEGMAT 上的适配（冻结编码器只训分类头对比秩为 4 的 LoRA：三个随机种子的均值、各种子均值、配对变化与提升/变差人数、可训练参数），按区间是否重叠判定的比较，附来源的预训练数据核查表，权重许可、行脚注与审计记录。foundation-models-update-20261004
foundation-models-mi-rest.csv运动想象与静息：更多基础模型编码器的各行——每个编码器检查点一行，列与单位同核心结果 CSV，其后为状态、所属面板、随机水平标记、是否在预训练数据清单中、许可与脚注。未运行的单元格留空并注明原因。foundation-models-update-20261004
foundation-models-idle.csv空闲与指令：更多基础模型编码器的各行——每个编码器检查点一行，列与单位同核心结果 CSV，其后为状态、所属面板、随机水平标记、是否在预训练数据清单中、许可与脚注。未运行的单元格留空并注明原因。foundation-models-update-20261004
foundation-models-beta-8ch.csvSSVEP · 8 通道：更多基础模型编码器的各行——每个编码器检查点一行，列与单位同核心结果 CSV，其后为状态、所属面板、随机水平标记、是否在预训练数据清单中、许可与脚注。未运行的单元格留空并注明原因。foundation-models-update-20261004
foundation-models-beta-4ch.csvSSVEP · 4 通道：更多基础模型编码器的各行——每个编码器检查点一行，列与单位同核心结果 CSV，其后为状态、所属面板、随机水平标记、是否在预训练数据清单中、许可与脚注。未运行的单元格留空并注明原因。foundation-models-update-20261004
foundation-models-arithmetic-rest.csv心算与静息：更多基础模型编码器的各行——每个编码器检查点一行，列与单位同核心结果 CSV，其后为状态、所属面板、随机水平标记、是否在预训练数据清单中、许可与脚注。未运行的单元格留空并注明原因。foundation-models-update-20261004
foundation-models-p300-target.csvP300 目标 ERP：更多基础模型编码器的各行——每个编码器检查点一行，列与单位同核心结果 CSV，其后为状态、所属面板、随机水平标记、是否在预训练数据清单中、许可与脚注。未运行的单元格留空并注明原因。foundation-models-update-20261004
foundation-models-semantic-target.csv语义目标 ERP：更多基础模型编码器的各行——每个编码器检查点一行，列与单位同核心结果 CSV，其后为状态、所属面板、随机水平标记、是否在预训练数据清单中、许可与脚注。未运行的单元格留空并注明原因。foundation-models-update-20261004
foundation-models-sleep-scalp.csv睡眠分期：更多基础模型编码器的各行——每个编码器检查点一行，列与单位同核心结果 CSV，其后为状态、所属面板、随机水平标记、是否在预训练数据清单中、许可与脚注。未运行的单元格留空并注明原因。foundation-models-update-20261004
reliable-decisions-update.json第一条路线“可靠的决策”，EEGMAT 与 BETA：每种方法在固定置信度阈值下的覆盖率与错误率（附什么都没被接受的被试人数）、在覆盖率目标与经认证的选择性风险下的覆盖率与错误率（附认证的折数与超过目标的折数）；可学习的拒识选项与校准后置信度的比较（AURC、80% 覆盖率下的错误率）；相同覆盖率下的错误率；NLL、ECE 与 Brier 分数；以及按人重新校准及其标签代价——均附配对的被试 bootstrap 区间与判定。另有标为粗略的 ds003810 面板、其余随机种子、敏感性分析与审计记录。reliable-decisions-update-20261004
large-source-update.json两个独立队列上的 Dreem 睡眠分期——DOD-H（健康被试）与 DOD-O（阻塞性睡眠呼吸暂停）：训练集先验与 spectral ridge 的准确率、平衡准确率、宏平均 F1 与 Cohen kappa 系数，配对的平衡准确率提升，以及 spectral ridge 的逐期召回率、精确率与 F1（空值保持为空）；以及 OpenBMI 跨会话运动想象校准，51 名被试，第二次会话 0、10、20、40 个校准试次，附配对变化与下降人数。附权利记录与一项不含数字的暂缓。large-source-update-20261003
extension-update.json异步 SSVEP 数据集中另外 20 名被试在试点固定阈值与逐人阈值下的结果（检测、覆盖率、被接受且正确、各状态误接受、提升与变差人数），以及 LTRSVP 的图像速率与记录迁移（两个主分析组、配对差值、3×3 矩阵），附权利记录。extension-update-20261002
adaptation-update.jsonEEGMAT 上的 LaBraM，新被试、同一任务、不使用测试被试的任何标签，三种适配方式（只训分类头、最后一个 Transformer 块、秩为 4 的 LoRA），3 个随机种子：分数、配对变化与提升/变差人数、可训练参数与训练时间；次日实验只列状态。adaptation-update-20261001
context-update.json从屏幕到 VR 的 P300 迁移、跑步机步速（旁边并排放着运动干扰对照），以及异步 SSVEP 非控制试点，附审计。context-update-20260927
clinical-update.json静息态 EEG 上的帕金森病与对照（ds004584），旁边并排放着只用年龄和性别的对照基线，附声明边界与仅列状态的来源。clinical-update-20260923
evidence-update.json耳道内与头皮睡眠分期（EESM23）、4 个与 16 个电极（Alpha Waves），以及物理头模，各附权利记录。evidence-update-20260922
deployment-topics.json部署专题：干湿电极迁移、校准预算、运动中的 SSVEP 与 ERP、预训练对照——测量值、配对差值、随机种子敏感性与数据集引用。deployment-topics-20260920-v1
experiments.json核心矩阵：每个协议下各方法的分数、区间、队列、电极数、训练方式与局限，以及模型目录和数据集目录。research-preview-20260920
mi-rest-results.csv运动想象与静息：每种方法一行——分数、区间、次指标、队列与计算耗时。research-preview-20260920
mi-rest-protocol.json运动想象与静息：协议——队列、通道、时间窗、数据划分、训练预算、权利与局限。research-preview-20260920
idle-results.csv空闲与指令：每种方法一行——分数、区间、次指标、队列与计算耗时。research-preview-20260920
idle-protocol.json空闲与指令：协议——队列、通道、时间窗、数据划分、训练预算、权利与局限。research-preview-20260920
beta-8ch-results.csvSSVEP · 8 通道：每种方法一行——分数、区间、次指标、队列与计算耗时。research-preview-20260920
beta-8ch-protocol.jsonSSVEP · 8 通道：协议——队列、通道、时间窗、数据划分、训练预算、权利与局限。research-preview-20260920
beta-4ch-results.csvSSVEP · 4 通道：每种方法一行——分数、区间、次指标、队列与计算耗时。research-preview-20260920
beta-4ch-protocol.jsonSSVEP · 4 通道：协议——队列、通道、时间窗、数据划分、训练预算、权利与局限。research-preview-20260920
arithmetic-rest-results.csv心算与静息：每种方法一行——分数、区间、次指标、队列与计算耗时。research-preview-20260920
arithmetic-rest-protocol.json心算与静息：协议——队列、通道、时间窗、数据划分、训练预算、权利与局限。research-preview-20260920
p300-target-results.csvP300 目标 ERP：每种方法一行——分数、区间、次指标、队列与计算耗时。research-preview-20260920
p300-target-protocol.jsonP300 目标 ERP：协议——队列、通道、时间窗、数据划分、训练预算、权利与局限。research-preview-20260920
semantic-target-results.csv语义目标 ERP：每种方法一行——分数、区间、次指标、队列与计算耗时。research-preview-20260920
semantic-target-protocol.json语义目标 ERP：协议——队列、通道、时间窗、数据划分、训练预算、权利与局限。research-preview-20260920
sleep-scalp-results.csv睡眠分期：每种方法一行——分数、区间、次指标、队列与计算耗时。research-preview-20260920
sleep-scalp-protocol.json睡眠分期：协议——队列、通道、时间窗、数据划分、训练预算、权利与局限。research-preview-20260920

发布归档（附每个文件的 SHA-256）→

示例

Shell

curl -sO https://bci.report/data/experiments.json
curl -s https://bci.report/data/context-update.json | jq '.results | keys'

Python

import pandas as pd, requests

matrix = requests.get("https://bci.report/data/experiments.json", timeout=30).json()
for track in matrix["tracks"]:
    print(track["id"], track["chanceLevel"], len(track["rows"]))

mi_rest = pd.read_csv("https://bci.report/data/mi-rest-results.csv")

Hugging Face datasets

from datasets import load_dataset

results = load_dataset("Twu31/bci-report", "results")  # also: topics, contrasts, seed_sensitivity, foundation_models, eegpt_core, core_matrix_rows, core_matrix_contrasts, register

引用

请引用本站和你所用的发布（当前为 open-register-update-20261106），以及每个数字所依据的上游数据集。

@misc{bcireport,
  title        = {BCI Report: public EEG decoding results reported with their protocol},
  author       = {{BCI Report}},
  year         = {2026},
  howpublished = {\url{https://bci.report}},
  doi          = {10.5281/zenodo.23123296},
  note         = {Release open-register-update-20261106}
}

上游数据集及其署名 →

CITATION.cff：同一条引用的机器可读版本 ↗ · GitHub 上的代码（MIT）↗ · Hugging Face 镜像 ↗（英文）

供智能体与爬虫使用

Hugging Face 上的 BCI Report Explorer ↗（英文）：浏览同一批结果，或通过 MCP 工具查询。它读取镜像中固定的一次发布，并在每个回答里注明是哪一次。