# BOAS · Bitbrain Open Access Sleep dataset：EEG 解码结果

整夜睡眠，6 个多导睡眠图 EEG 通道，人工共识分期

BOAS（Bitbrain Open Access Sleep 数据集，OpenNeuro ds005555）收录 100 名普通人群成年人的 128 晚整夜记录，每晚同时用临床多导睡眠图和 Bitbrain 前额头带记录。睡眠分期由三名人工专家评定（三人意见各不相同时由第四人裁定），另有发布者自动模型给出的分期。由 Bitbrain Technologies（西班牙萨拉戈萨）与合作者以 CC0 发布；这里用的是 1.1.3 版。目前没有同行评审论文描述这个数据集。这里只用到 6 个多导睡眠图 EEG 通道和人工共识分期。

**又称** BOAS · Bitbrain Open Access Sleep dataset · The Bitbrain Open Access Sleep (BOAS) dataset · OpenNeuro ds005555 · ds005555

简介来源 [openneuro.org](https://openneuro.org/datasets/ds005555/versions/1.1.3) · [api.datacite.org](https://api.datacite.org/dois/10.18112/openneuro.ds005555.v1.1.3) · [www.bitbrain.com](https://www.bitbrain.com/science/eeg-datasets)

## 出现在

- [一个 EEG 模型回答同一份数据上的多个问题，能和分开的模型一样好吗，代价又是多少？](https://bci.report/zh/topics/shared-encoder/)

## 已发布的结果

下面每个数字都直接取自经过审核的下载文件，没有为本页重新计算。

### 一个模型，多个问题 · 睡眠（第二条路线）

连同协议阅读： [一个模型，多个问题](https://bci.report/zh/topics/shared-encoder/) · [shared-representation-update.json](https://bci.report/data/shared-representation-update.json)

| 方法 | 条件 | 指标 | 数值 | 被试 |
| --- | --- | --- | --- | --- |
| [EEGNet](https://bci.report/zh/methods/eegnet/) | 固定分类头（B-lin） · 五期睡眠分期（SL-A）· 从头训练，3 个随机种子 | 平衡准确率 | 34.4% (32.1%–37.0%) | 100 |
| [EEGNet](https://bci.report/zh/methods/eegnet/) | 共享隐藏层（B-sh） · 五期睡眠分期（SL-A）· 从头训练，3 个随机种子 | 平衡准确率 | 42.9% (40.1%–45.7%) | 100 |
| [EEGNet](https://bci.report/zh/methods/eegnet/) | 问题条件化分类头（C1） · 五期睡眠分期（SL-A）· 从头训练，3 个随机种子 | 平衡准确率 | 41.4% (38.6%–44.2%) | 100 |
| [EEGNet](https://bci.report/zh/methods/eegnet/) | 分开的模型（A） · 五期睡眠分期（SL-A）· 从头训练，3 个随机种子 | 平衡准确率 | 35.3% (32.9%–37.8%) | 100 |
| [EEGNet](https://bci.report/zh/methods/eegnet/) | 五期睡眠分期（SL-A）· 问题条件化分类头减固定分类头（C1 − B-lin） | 配对差值（百分点），平衡准确率 | +6.96 pp (+4.92–+9.09 pp) — C1 更高；未达到 2 pp 界值；通过门槛。 | 100 |
| [EEGNet](https://bci.report/zh/methods/eegnet/) | 五期睡眠分期（SL-A）· 问题条件化分类头减不告知问题的同一隐藏层（C1 − B-sh） | 配对差值（百分点），平衡准确率 | −1.47 pp (−3.79–+0.94 pp) — 未显示差异；B-sh 非劣（界值 2 pp）；通过门槛。 | 100 |
| [EEGNet](https://bci.report/zh/methods/eegnet/) | 五期睡眠分期（SL-A）· 一个共享小 CNN 主干上的固定分类头减分开的模型（B-lin − A(SL-A)） | 配对差值（百分点），平衡准确率 | −0.84 pp (−2.73–+0.91 pp) — 未显示差异；未达到 2 pp 界值：在这个样本量下无法下结论；通过门槛。 | 100 |
| [CBraMod](https://bci.report/zh/methods/cbramod/) | 固定分类头（B-lin-fz-sgd） · 五期睡眠分期（SL-A）· 冻结特征上只训分类头，3 个随机种子 | 平衡准确率 | 70.7% (68.5%–72.7%) | 100 |
| [CBraMod](https://bci.report/zh/methods/cbramod/) | 共享隐藏层（B-sh-fz） · 五期睡眠分期（SL-A）· 冻结特征上只训分类头，3 个随机种子 | 平衡准确率 | 71.4% (69.1%–73.6%) | 100 |
| [CBraMod](https://bci.report/zh/methods/cbramod/) | 问题条件化分类头（C1-fz） · 五期睡眠分期（SL-A）· 冻结特征上只训分类头，3 个随机种子 | 平衡准确率 | 70.9% (68.6%–73.0%) | 100 |
| [CBraMod](https://bci.report/zh/methods/cbramod/) | 五期睡眠分期（SL-A）· 冻结 CBraMod 特征上，问题条件化分类头减固定分类头（C1-fz − B-lin-fz-sgd） | 配对差值（百分点），平衡准确率 | +0.19 pp (−0.74–+1.14 pp) — 未显示差异；在 ±2 pp 内等效；通过门槛。 | 100 |
| [EEGNet](https://bci.report/zh/methods/eegnet/) | 固定分类头（B-lin） · 下一帧分期是否改变（SL-E）· 从头训练，3 个随机种子 | 平衡准确率 | 54.4% (53.5%–55.4%) | 100 |
| [EEGNet](https://bci.report/zh/methods/eegnet/) | 共享隐藏层（B-sh） · 下一帧分期是否改变（SL-E）· 从头训练，3 个随机种子 | 平衡准确率 | 58.9% (57.5%–60.2%) | 100 |
| [EEGNet](https://bci.report/zh/methods/eegnet/) | 问题条件化分类头（C1） · 下一帧分期是否改变（SL-E）· 从头训练，3 个随机种子 | 平衡准确率 | 57.5% (56.0%–58.8%) | 100 |
| [EEGNet](https://bci.report/zh/methods/eegnet/) | 分开的模型（A） · 下一帧分期是否改变（SL-E）· 从头训练，3 个随机种子 | 平衡准确率 | 53.2% (52.2%–54.3%) | 100 |
| [EEGNet](https://bci.report/zh/methods/eegnet/) | 下一帧分期是否改变（SL-E）· 问题条件化分类头减固定分类头（C1 − B-lin） | 配对差值（百分点），平衡准确率 | +3.02 pp (+1.55–+4.35 pp) — C1 更高；未达到 2 pp 界值（处于下限，不读界值）；处于下限：报告，不计入。 | 100 |
| [EEGNet](https://bci.report/zh/methods/eegnet/) | 下一帧分期是否改变（SL-E）· 问题条件化分类头减不告知问题的同一隐藏层（C1 − B-sh） | 配对差值（百分点），平衡准确率 | −1.41 pp (−2.40–−0.50 pp) — B-sh 更高；B-sh 非劣（界值 2 pp）（处于下限，不读界值）；处于下限：报告，不计入。 | 100 |
| [EEGNet](https://bci.report/zh/methods/eegnet/) | 下一帧分期是否改变（SL-E）· 一个共享小 CNN 主干上的固定分类头减分开的模型（B-lin − A(SL-E)） | 配对差值（百分点），平衡准确率 | +1.20 pp (+0.07–+2.44 pp) — B-lin 更高；B-lin 非劣（界值 2 pp）（处于下限，不读界值）；处于下限：报告，不计入。 | 100 |
| [CBraMod](https://bci.report/zh/methods/cbramod/) | 固定分类头（B-lin-fz-sgd） · 下一帧分期是否改变（SL-E）· 冻结特征上只训分类头，3 个随机种子 | 平衡准确率 | 63.5% (62.3%–64.7%) | 100 |
| [CBraMod](https://bci.report/zh/methods/cbramod/) | 共享隐藏层（B-sh-fz） · 下一帧分期是否改变（SL-E）· 冻结特征上只训分类头，3 个随机种子 | 平衡准确率 | 65.5% (64.1%–66.7%) | 100 |
| [CBraMod](https://bci.report/zh/methods/cbramod/) | 问题条件化分类头（C1-fz） · 下一帧分期是否改变（SL-E）· 冻结特征上只训分类头，3 个随机种子 | 平衡准确率 | 65.2% (63.9%–66.5%) | 100 |
| [CBraMod](https://bci.report/zh/methods/cbramod/) | 下一帧分期是否改变（SL-E）· 冻结 CBraMod 特征上，问题条件化分类头减固定分类头（C1-fz − B-lin-fz-sgd） | 配对差值（百分点），平衡准确率 | +1.75 pp (+0.92–+2.63 pp) — C1-fz 更高；未达到 2 pp 界值；通过门槛。 | 100 |
| [EEGNet](https://bci.report/zh/methods/eegnet/) | 固定分类头（B-lin） · 前半夜还是后半夜（SL-F）· 从头训练，3 个随机种子 | 平衡准确率 | 54.2% (53.0%–55.6%) | 100 |
| [EEGNet](https://bci.report/zh/methods/eegnet/) | 共享隐藏层（B-sh） · 前半夜还是后半夜（SL-F）· 从头训练，3 个随机种子 | 平衡准确率 | 55.8% (54.2%–57.4%) | 100 |
| [EEGNet](https://bci.report/zh/methods/eegnet/) | 问题条件化分类头（C1） · 前半夜还是后半夜（SL-F）· 从头训练，3 个随机种子 | 平衡准确率 | 55.6% (54.2%–57.1%) | 100 |
| [EEGNet](https://bci.report/zh/methods/eegnet/) | 分开的模型（A） · 前半夜还是后半夜（SL-F）· 从头训练，3 个随机种子 | 平衡准确率 | 52.2% (51.0%–53.7%) | 100 |
| [EEGNet](https://bci.report/zh/methods/eegnet/) | 前半夜还是后半夜（SL-F）· 问题条件化分类头减固定分类头（C1 − B-lin） | 配对差值（百分点），平衡准确率 | +1.42 pp (−0.25–+2.90 pp) — 未显示差异；未达到 2 pp 界值（处于下限，不读界值）：在这个样本量下无法下结论；处于下限：报告，不计入。 | 100 |
| [EEGNet](https://bci.report/zh/methods/eegnet/) | 前半夜还是后半夜（SL-F）· 问题条件化分类头减不告知问题的同一隐藏层（C1 − B-sh） | 配对差值（百分点），平衡准确率 | −0.14 pp (−1.41–+1.15 pp) — 未显示差异；在 ±2 pp 内等效（处于下限，不读界值）；处于下限：报告，不计入。 | 100 |
| [EEGNet](https://bci.report/zh/methods/eegnet/) | 前半夜还是后半夜（SL-F）· 一个共享小 CNN 主干上的固定分类头减分开的模型（B-lin − A(SL-F)） | 配对差值（百分点），平衡准确率 | +2.01 pp (+0.54–+3.89 pp) — B-lin 更高；B-lin 非劣（界值 2 pp）（处于下限，不读界值）；处于下限：报告，不计入。 | 100 |
| [CBraMod](https://bci.report/zh/methods/cbramod/) | 固定分类头（B-lin-fz-sgd） · 前半夜还是后半夜（SL-F）· 冻结特征上只训分类头，3 个随机种子 | 平衡准确率 | 64.5% (62.8%–66.1%) | 100 |
| [CBraMod](https://bci.report/zh/methods/cbramod/) | 共享隐藏层（B-sh-fz） · 前半夜还是后半夜（SL-F）· 冻结特征上只训分类头，3 个随机种子 | 平衡准确率 | 65.2% (63.6%–66.9%) | 100 |
| [CBraMod](https://bci.report/zh/methods/cbramod/) | 问题条件化分类头（C1-fz） · 前半夜还是后半夜（SL-F）· 冻结特征上只训分类头，3 个随机种子 | 平衡准确率 | 65.2% (63.6%–66.9%) | 100 |
| [CBraMod](https://bci.report/zh/methods/cbramod/) | 前半夜还是后半夜（SL-F）· 冻结 CBraMod 特征上，问题条件化分类头减固定分类头（C1-fz − B-lin-fz-sgd） | 配对差值（百分点），平衡准确率 | +0.77 pp (−0.14–+1.67 pp) — 未显示差异；在 ±2 pp 内等效；通过门槛。 | 100 |
| [EEGNet](https://bci.report/zh/methods/eegnet/) | 清醒还是睡着（SL-B）· 它自己的模型 A(SL-B)，对比从 A(SL-A) 读出 | log R：专用模型与读出的剩余错误之比 | −0.380 (−0.583–−0.203) — 专用模型剩余的错误更少；未达到 20% 界值；通过门槛。 | 100 |

**BOAS 在说明三处缺口后发布（所有者决定，2026 年 10 月 7 日）：**

- 知情同意声明没有说明被试是否同意公开共享或二次使用。The consent statement does not say whether participants agreed to public sharing or secondary use.
- 伦理与知情同意的陈述只来自发布者的数据集说明与 README，没有任何同行评审论文描述 BOAS。The ethics and consent statements come from the publisher's dataset description and README. No peer-reviewed paper describes BOAS.
- 伦理批件编号是在 1.1.1 版（2025 年 5 月）才加入发布的，发布中没有说明它是在记录之前还是之后批准的。The ethics reference was added to the release in version 1.1.1 (May 2025), and the release does not say when it was granted relative to the recordings.

被试在公开发布中是假名化的。这里没有任何结果是在评估 Bitbrain 的头带或它的自动睡眠分期；两者都没有使用。No result here evaluates Bitbrain's headband or its automatic sleep scoring; neither is used.

**署名：** Eduardo López-Larraz, María Sierra-Torralba, Sergio Clemente, Galit Fierro, David Oriol, Javier Minguez, Luis Montesano and Jens G. Klinzing · The Bitbrain Open Access Sleep (BOAS) dataset, OpenNeuro ds005555, version 1.1.3 (2026), doi:10.18112/openneuro.ds005555.v1.1.3. Polysomnography EEG and the human-consensus stage labels only; the headband recordings and the publisher's automatic labels are not used.

**这些数字说明不了什么：**这些问题都是各自数据集里已有标签的分类目标，按标识提问。它们不是语言提示，对没见过的问题也说明不了什么（那是第 3 条路线）。逐人计算的平衡准确率对每名被试同等加权；它用来比较各设置，不是部署时的错误率。SL-E 和 SL-F 在很大程度上可以由当前分期预测：只用真实的当前分期读出，平衡准确率就能达到 61.9% 和 59.2%（100 名被试，描述性）。配对 95% 区间不含零时，才算显示出差异；整个区间落在 ±2 pp 以内（这个界值在任何结果出来之前就已定下）时，才算等效；区间排除了某个设置落后 2 pp 或以上的可能时，说它非劣。不做多重比较校正：第二条路线有 21 项主分析比较，另有各项次要比较，在没有真实差异的比较里，约每 20 项就可能有 1 项偶然显示出差异。区间重叠时不排名。[第二条路线的全部局限 →](https://bci.report/zh/topics/shared-encoder/#methods-and-limits)

## 来源与许可

### BOAS · Bitbrain Open Access Sleep dataset

**署名** Eduardo López-Larraz, María Sierra-Torralba, Sergio Clemente, Galit Fierro, David Oriol, Javier Minguez, Luis Montesano and Jens G. Klinzing · The Bitbrain Open Access Sleep (BOAS) dataset, OpenNeuro ds005555, version 1.1.3 (2026), doi:10.18112/openneuro.ds005555.v1.1.3. Polysomnography EEG and the human-consensus stage labels only; the headband recordings and the publisher's automatic labels are not used.

[CC0-1.0 ↗](https://creativecommons.org/publicdomain/zero/1.0/) · [数据集记录 ↗](https://openneuro.org/datasets/ds005555/versions/1.1.3)

BCI Report 不转发任何记录。这些是 BCI Report 在上述许可下计算的聚合测量；数据归属于署名中的作者。

### 发布者陈述的伦理与知情同意

数据集说明写明，研究经阿拉贡自治区研究伦理委员会（Comité de Ética de la Investigación de la Comunidad Autónoma de Aragón）批准（C.I. PI24/046）。The dataset description states approval by the Comité de Ética de la Investigación de la Comunidad Autónoma de Aragón (C.I. PI24/046).

README 写明，被试是来自普通人群的成年人，都签署了书面知情同意。The README states that participants, adult members of the general population, provided written informed consent.

所有者于 2026-10-07 批准以“说明缺口后发布”的方式发布 BOAS 的队列汇总结果；三处缺口与上面的每一组结果一起列出。被试在公开发布中是假名化的。

[全部数据集 →](https://bci.report/zh/datasets/) · [全部方法 →](https://bci.report/zh/methods/)

## 引用本页

BCI Report. *BOAS · Bitbrain Open Access Sleep dataset：EEG 解码结果*[EB/OL]. (2026-10-07). https://bci.report/zh/datasets/boas/

数字来自发布 [`shared-representation-update-20261007`](https://bci.report/zh/releases/#shared-representation-update-20261007)（2026-10-07）。也请同时引用上游数据集：其署名就在本页。

每个发布版本都在 Zenodo 存档：[doi:10.5281/zenodo.23123296](https://doi.org/10.5281/zenodo.23123296)。 [本站及各次发布的 BibTeX →](https://bci.report/zh/api/#cite-heading) · [CITATION.cff ↗](https://raw.githubusercontent.com/twu3202/bci-report/main/CITATION.cff)（英文）

---
本文是 https://bci.report/zh/datasets/boas/ 的 Markdown 版本，由已发布的网页生成。数字均为聚合结果；使用条款见 https://bci.report/data-use/（英文）。