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

无创 BCI 的连续光标追踪，跨会话

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](https://doi.org/10.1184/R1/25360300.v1) · [doi.org](https://doi.org/10.1093/pnasnexus/pgae145) · [api.figshare.com](https://api.figshare.com/v2/articles/25360300/versions/1)

## 出现在

- [在较早会话上训练的解码器，到后来还管用吗？](https://bci.report/zh/topics/later-sessions/#forenzo)

## 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](https://bci.report/zh/topics/later-sessions/#forenzo) · [later-sessions-update.json](https://bci.report/data/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） | 192.290 (1.292–574.235) — 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） | 1.266 (1.214–1.316) | 9 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 | 191.024 (0.026–572.995) — ridge 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](https://bci.report/zh/topics/later-sessions/#forenzo) · [later-sessions-update.json](https://bci.report/data/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） | 698.499 (1.166–2,093) — 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） | 1.056 (0.977–1.133) | 9 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 | 697.443 (0.121–2,092) — ridge 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](https://bci.report/zh/topics/later-sessions/#forenzo) · [later-sessions-update.json](https://bci.report/data/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） | 44.172 (0.955–130.476) — 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） | 0.864 (0.801–0.929) | 14 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 | 43.308 (0.105–129.601) — ridge 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](https://bci.report/zh/topics/later-sessions/#forenzo) · [later-sessions-update.json](https://bci.report/data/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） | 69.844 (1.071–207.287) — 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） | 0.916 (0.841–0.987) | 14 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 | 68.928 (0.143–206.410) — ridge 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 ↗](https://creativecommons.org/licenses/by/4.0/) · [数据集记录 ↗](https://doi.org/10.1184/R1/25360300.v1)

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

## 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`](https://bci.report/zh/releases/#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](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/forenzo-continuous-tracking/ 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）。