# EEG-fNIRS-based Handwriting Trajectory Dataset：EEG 解码结果

想象书写竞赛数据集中的四个已发布编码标签，仅用 EEG：一项数据质量与方法案例研究

EEG-fNIRS-based Handwriting Trajectory Dataset 是一项想象书写竞赛的数据发布，由账户 lasfk 发布在 Hugging Face 上：原始 EEG 与 fNIRS 记录及试次表，20 名带标签的训练被试与 10 名测试被试，以及由已发布的事件编码映射而来的四个类别标签。数据集卡片没有写明组织方，也没有给出论文；一支参赛队伍的挑战赛论文指出，这项竞赛是 ACM MM 2026 Multimodal Brain-Computer Interface Grand Challenge。卡片声明的许可是 CC BY-NC-SA 4.0，访问需申请。这里只用到其中五名训练被试的 EEG，没有使用官方测试数据。

**又称** lasfk/EEG-fNIRS-based-Handwriting-Trajectory-Dataset · ACM MM 2026 Multimodal Brain-Computer Interface Grand Challenge

简介来源 [huggingface.co](https://huggingface.co/datasets/lasfk/EEG-fNIRS-based-Handwriting-Trajectory-Dataset) · [arxiv.org](https://arxiv.org/abs/2608.03176v2)

## 出现在

- [一个小规模试点能说明什么、不能说明什么？](https://bci.report/zh/topics/pilot-studies/#handwriting)

## 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。

### 试点研究 · 想象书写数据集上的掩码感知 EEG，一项数据质量与方法案例研究

连同协议阅读： [试点研究](https://bci.report/zh/topics/pilot-studies/#handwriting) · 随机水平 25.00% · [pilot-studies-update.json](https://bci.report/data/pilot-studies-update.json)

| 方法 | 条件 | 指标 | 数值 | 被试 |
| --- | --- | --- | --- | --- |
| 掩码感知的相对频带功率 EEG + 逻辑回归 | 留出一名被试 · 四个已发布的编码标签 | 平衡准确率 | 26.81% (26.30%–27.20%) | 5 |
| 只看缺失掩码（不用 EEG） — 参考或对照，不是解码模型 | 留出一名被试 · 四个已发布的编码标签 | 平衡准确率 | 24.99% — 不发布区间：只有五名被试，区间端点能反推出个人的分数。 | 5 |
| 经过时间 / 试次顺序（不用 EEG） — 参考或对照，不是解码模型 | 留出一名被试 · 四个已发布的编码标签 | 平衡准确率 | 25.44% (24.03%–26.79%) | 5 |
| 掩码 + 时间（不用 EEG） — 参考或对照，不是解码模型 | 留出一名被试 · 四个已发布的编码标签 | 平衡准确率 | 25.01% (23.90%–26.12%) | 5 |
| 训练集多数类 — 参考或对照，不是解码模型 | 留出一名被试 · 四个已发布的编码标签 | 平衡准确率 | 25.00% — 对每名被试都等于随机水平，这是由构造决定的。 | 5 |
| 掩码感知的相对频带功率 EEG + 逻辑回归 | 减只看缺失掩码的对照，相同被试 | 配对差值（百分点） | +1.82 pp (+1.30–+2.21 pp) | 5 |
| 掩码感知的相对频带功率 EEG + 逻辑回归 | 减经过时间 / 试次顺序的对照，相同被试 | 配对差值（百分点） | +1.37 pp (−0.12–+3.07 pp) — 区间跨过零：与这个对照没有区分开。 | 5 |
| 掩码感知的相对频带功率 EEG + 逻辑回归 | 减掩码 + 时间的对照，相同被试 | 配对差值（百分点） | +1.80 pp (+0.43–+3.05 pp) | 5 |
| 打乱训练标签 · 掩码感知的相对频带功率 EEG + 逻辑回归 — 参考或对照，不是解码模型 | 留出一名被试 · 四个已发布的编码标签 | 平衡准确率 | 25.20% — 5 次打乱的均值；各次均值从 23.85% 到 26.69%：这是观察到的范围，不是置信区间。 | 5 |

5 名被试、1,618 个试次，来自重复使用的开发队列；较早那次分析在这个队列上的分数，在这个设计之前已经看过：这是参考了质量检查的诊断，不是独立确认。按固定的数值可用性规则，每个试次保留 27 至 38 个通道（共记录 59 个），这并不代表经过认证的干净 EEG。四个已发布的编码标签，对应的字符或书写轨迹都没有核实：这不是手写识别。区间是描述性的，在彼此重叠的折上对五名被试重抽样，不是群体置信区间。没有使用官方测试数据。不作任何 fNIRS、融合、在线、生理来源、竞赛名次或医学方面的声明；不进入任何排行榜。

## 来源与许可

### EEG-fNIRS-based Handwriting Trajectory Dataset

**署名** lasfk on Hugging Face · EEG-fNIRS-based Handwriting Trajectory Dataset, revision 4036680b5fb0015472d55589da2f34c5a87a3c10, CC BY-NC-SA 4.0 as declared on the dataset card, gated access. Derived analysis by BCI Report; not endorsed by the uploader.

[CC BY-NC-SA 4.0 ↗](https://creativecommons.org/licenses/by-nc-sa/4.0/) · [数据集记录 ↗](https://huggingface.co/datasets/lasfk/EEG-fNIRS-based-Handwriting-Trajectory-Dataset)

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；数据仍归其创建者所有。

### 伦理与知情同意

在数据集卡片和一支参赛队伍的挑战赛论文中，都没有找到伦理批准或知情同意声明；聚合结果依据所有者的决定发布，并说明这一缺口。No ethics-approval or informed-consent statement was found, on the dataset card or in a participating team’s challenge paper; the aggregates are published with that gap stated, by the owner’s decision. [数据使用页面上的完整说明（英文）→](https://bci.report/data-use/#handwriting-rights)

[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. *EEG-fNIRS-based Handwriting Trajectory Dataset：EEG 解码结果*[EB/OL]. (2026-10-12). https://bci.report/zh/datasets/eeg-fnirs-handwriting/

数字来自发布 [`pilot-studies-update-20261012`](https://bci.report/zh/releases/#pilot-studies-update-20261012)（2026-10-12）。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/eeg-fnirs-handwriting/ 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）。