BCI Report
English中文

无创 BCI 的连续光标追踪，跨会话

Forenzo & He continuous-tracking EEG-BCI dataset：EEG 解码结果

Forenzo & He 连续追踪数据集（KiltHub 25360300，Carnegie Mellon University）收录 28 名被试的 EEG：被试用运动想象控制光标，追踪在屏幕上连续移动的目标（连续追踪任务），在若干次会话中分别使用传统解码器与深度学习解码器，分为两个子研究，其中第二个检验迁移学习；使用 64 通道脑电帽，采样率 1 kHz。由 Dylan Forenzo 与 Bin He 以 CC BY 4.0 发布，并在 PNAS Nexus（2024）中描述。这里只做从每条记录最早到最晚的完整会话的离线分析，不复现论文的在线结果。

又称 Forenzo & He (2024) · KiltHub 25360300 · EEG-BCI Dataset for Continuous Tracking using Deep Learning-based Decoding for Non-invasive Brain-Computer Interface · Forenzo et al. (2024) · continuous pursuit BCI dataset

简介来源 doi.org · doi.org · api.figshare.com

出现在

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。

后续会话 · 连续光标追踪，Main 队列，历史解码器速度（阴性结果；离线，不涉及在线控制）

连同协议阅读： 后续会话 · later-sessions-update.json

方法条件指标数值被试
Spectral ridge历史解码器速度（模仿历史解码器，不是意图运动） · 最早会话 → 最晚会话归一化 RMSE（越低越好）192.2901.292–574.235中位数 1.317：均值远高于中位数，上尾极重。9 条记录，不能证明是不同的人
源会话均值对照参考或对照，不是解码模型历史解码器速度（模仿历史解码器，不是意图运动） · 最早会话 → 最晚会话归一化 RMSE（越低越好）1.2661.214–1.3169 条记录，不能证明是不同的人
Spectral ridge历史解码器速度（模仿历史解码器，不是意图运动） · ridge 减对照，相同记录归一化 RMSE 的配对差值191.0240.026–572.995ridge 误差更大的纳入记录有 9 条（共 9 条）；纳入 9 条候选记录（共 14 条），其余在评分前因元数据问题暂缓，结果以纳入的子集为条件。9 条记录，不能证明是不同的人

后续会话 · 连续光标追踪，Main 队列，构造的位移代理变量（阴性结果；离线，不涉及在线控制）

连同协议阅读： 后续会话 · later-sessions-update.json

方法条件指标数值被试
Spectral ridge构造的位移代理变量（构造的代理变量） · 最早会话 → 最晚会话归一化 RMSE（越低越好）698.4991.166–2,093中位数 1.225：均值远高于中位数，上尾极重。9 条记录，不能证明是不同的人
源会话均值对照参考或对照，不是解码模型构造的位移代理变量（构造的代理变量） · 最早会话 → 最晚会话归一化 RMSE（越低越好）1.0560.977–1.1339 条记录，不能证明是不同的人
Spectral ridge构造的位移代理变量（构造的代理变量） · ridge 减对照，相同记录归一化 RMSE 的配对差值697.4430.121–2,092ridge 误差更大的纳入记录有 9 条（共 9 条）；纳入 9 条候选记录（共 14 条），其余在评分前因元数据问题暂缓，结果以纳入的子集为条件。9 条记录，不能证明是不同的人

后续会话 · 连续光标追踪，Transfer Learning 队列，历史解码器速度（阴性结果；离线，不涉及在线控制）

连同协议阅读： 后续会话 · later-sessions-update.json

方法条件指标数值被试
Spectral ridge历史解码器速度（模仿历史解码器，不是意图运动） · 最早会话 → 最晚会话归一化 RMSE（越低越好）44.1720.955–130.476中位数 0.990：均值远高于中位数，上尾极重。14 条记录，不能证明是不同的人
源会话均值对照参考或对照，不是解码模型历史解码器速度（模仿历史解码器，不是意图运动） · 最早会话 → 最晚会话归一化 RMSE（越低越好）0.8640.801–0.92914 条记录，不能证明是不同的人
Spectral ridge历史解码器速度（模仿历史解码器，不是意图运动） · ridge 减对照，相同记录归一化 RMSE 的配对差值43.3080.105–129.601ridge 误差更大的纳入记录有 14 条（共 14 条）；纳入 14 条候选记录（共 14 条）。“Transfer Learning”是发布者对该队列数据采集方式的命名，不是这里训练的模型。14 条记录，不能证明是不同的人

后续会话 · 连续光标追踪，Transfer Learning 队列，构造的位移代理变量（阴性结果；离线，不涉及在线控制）

连同协议阅读： 后续会话 · later-sessions-update.json

方法条件指标数值被试
Spectral ridge构造的位移代理变量（构造的代理变量） · 最早会话 → 最晚会话归一化 RMSE（越低越好）69.8441.071–207.287中位数 1.182：均值远高于中位数，上尾极重。14 条记录，不能证明是不同的人
源会话均值对照参考或对照，不是解码模型构造的位移代理变量（构造的代理变量） · 最早会话 → 最晚会话归一化 RMSE（越低越好）0.9160.841–0.98714 条记录，不能证明是不同的人
Spectral ridge构造的位移代理变量（构造的代理变量） · ridge 减对照，相同记录归一化 RMSE 的配对差值68.9280.143–206.410ridge 误差更大的纳入记录有 14 条（共 14 条）；纳入 14 条候选记录（共 14 条）。“Transfer Learning”是发布者对该队列数据采集方式的命名，不是这里训练的模型。14 条记录，不能证明是不同的人

来源与许可

Forenzo & He continuous-tracking EEG-BCI dataset

署名 Dylan Forenzo and Bin He · EEG-BCI Dataset for “Continuous Tracking using Deep Learning-based Decoding for Non-invasive Brain-Computer Interface”, KiltHub, Carnegie Mellon University, doi:10.1184/R1/25360300.v1, CC BY 4.0. Citation the record requests: Dylan Forenzo, Hao Zhu, Jenn Shanahan, Jaehyun Lim and Bin He, Continuous tracking using deep learning-based decoding for noninvasive brain–computer interface, PNAS Nexus 3(4), pgae145 (2024), doi:10.1093/pnasnexus/pgae145. Derived analysis by BCI Report; not endorsed by the authors and not a reproduction of the paper's online results.

CC BY 4.0 ↗ · 数据集记录 ↗

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。

全部数据集 → · 全部方法 →

引用本页

BCI Report. Forenzo & He continuous-tracking EEG-BCI dataset：EEG 解码结果[EB/OL]. (2026-10-08). https://bci.report/zh/datasets/forenzo-continuous-tracking/

数字来自发布 later-sessions-update-20261008（2026-10-08）。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。 本站及各次发布的 BibTeX → · CITATION.cff ↗（英文）