站立、行走与跑动中的 SSVEP 与 ERP

Mobile BCI dataset (SSVEP and ERP paradigms)：EEG 解码结果

Korea University 发布的头皮与耳周 EEG 数据集（Lee 等，Scientific Data，2021）：24 名被试（SSVEP 任务为 23 名）在跑步机上以站立、步行和慢跑（0 至 2.0 m/s）状态完成 ERP 与 SSVEP 脑机接口任务，同步记录 32 通道头皮 EEG、14 通道耳周 EEG、EOG 和 IMU。原始数据发布于 OSF；NEMAR nm000201（ERP）与 nm000125（SSVEP）是其 BIDS 衍生版本。

又称 Mobile BCI dataset · Lee2021 · Lee2021Mobile · NEMAR nm000201 · NEMAR nm000125 · OSF r7s9b

简介来源 pmc.ncbi.nlm.nih.gov · osf.io · nemar.org · nemar.org · doi.org · doi.org

出现在

走路或跑步时，EEG 解码还管用吗？

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。请到链接的页面，连同协议一起阅读每一组。

运动 · SSVEP，5 秒时间窗

连同协议阅读：移动中的解码 · deployment-topics.json

Author-style CCA · 站立 · 头皮 · 8 通道

88.7% (80.0%–95.9%)

Author-style CCA · 慢走 · 0.8 m/s · 头皮 · 8 通道

82.9% (74.3%–90.4%)

Author-style CCA · 快走 · 1.6 m/s · 头皮 · 8 通道

80.9% (72.0%–88.8%)

Spectral ridge · 站立 · 头皮 · 8 通道

85.0% (77.0%–92.0%)

Spectral ridge · 慢走 · 0.8 m/s · 头皮 · 8 通道

79.2% (70.1%–87.5%)

Spectral ridge · 快走 · 1.6 m/s · 头皮 · 8 通道

77.2% (67.7%–85.7%)

Author-style CCA · 站立 · 耳部 · 14 通道

53.1% (47.4%–59.6%)

Author-style CCA · 慢走 · 0.8 m/s · 耳部 · 14 通道

43.4% (39.6%–47.8%)

Author-style CCA · 快走 · 1.6 m/s · 耳部 · 14 通道

39.1% (36.7%–41.8%)

Spectral ridge · 站立 · 耳部 · 14 通道

52.0% (46.9%–57.8%)

Spectral ridge · 慢走 · 0.8 m/s · 耳部 · 14 通道

45.4% (40.7%–51.2%)

Spectral ridge · 快走 · 1.6 m/s · 耳部 · 14 通道

40.0% (36.4%–43.7%)

平衡准确率，12 个配置。 点为估计值，横线为 95% 区间，虚线为随机水平（发布数据中有记录时）。

方法	条件	指标	数值	被试
Author-style CCA	站立 · 头皮 · 8 通道	平衡准确率	88.7%80.0%–95.9%	23
Author-style CCA	慢走 · 0.8 m/s · 头皮 · 8 通道	平衡准确率	82.9%74.3%–90.4%	23
Author-style CCA	快走 · 1.6 m/s · 头皮 · 8 通道	平衡准确率	80.9%72.0%–88.8%	23
Spectral ridge	站立 · 头皮 · 8 通道	平衡准确率	85.0%77.0%–92.0%	23
Spectral ridge	慢走 · 0.8 m/s · 头皮 · 8 通道	平衡准确率	79.2%70.1%–87.5%	23
Spectral ridge	快走 · 1.6 m/s · 头皮 · 8 通道	平衡准确率	77.2%67.7%–85.7%	23
Author-style CCA	站立 · 耳部 · 14 通道	平衡准确率	53.1%47.4%–59.6%	23
Author-style CCA	慢走 · 0.8 m/s · 耳部 · 14 通道	平衡准确率	43.4%39.6%–47.8%	23
Author-style CCA	快走 · 1.6 m/s · 耳部 · 14 通道	平衡准确率	39.1%36.7%–41.8%	23
Spectral ridge	站立 · 耳部 · 14 通道	平衡准确率	52.0%46.9%–57.8%	23
Spectral ridge	慢走 · 0.8 m/s · 耳部 · 14 通道	平衡准确率	45.4%40.7%–51.2%	23
Spectral ridge	快走 · 1.6 m/s · 耳部 · 14 通道	平衡准确率	40.0%36.4%–43.7%	23

运动 · SSVEP，2 秒时间窗

连同协议阅读：移动中的解码 · deployment-topics.json

Author-style CCA · 站立 · 头皮 · 8 通道

82.3% (74.6%–89.4%)

Author-style CCA · 慢走 · 0.8 m/s · 头皮 · 8 通道

70.7% (62.3%–78.6%)

Author-style CCA · 快走 · 1.6 m/s · 头皮 · 8 通道

68.6% (60.1%–76.7%)

Spectral ridge · 站立 · 头皮 · 8 通道

78.7% (70.7%–86.1%)

Spectral ridge · 慢走 · 0.8 m/s · 头皮 · 8 通道

69.9% (61.2%–78.1%)

Spectral ridge · 快走 · 1.6 m/s · 头皮 · 8 通道

68.6% (60.4%–76.3%)

LaBraM · 站立 · 头皮 · 8 通道

59.5% (53.6%–65.5%)

LaBraM · 慢走 · 0.8 m/s · 头皮 · 8 通道

54.7% (49.5%–60.1%)

LaBraM · 快走 · 1.6 m/s · 头皮 · 8 通道

47.8% (43.3%–52.3%)

CBraMod · 站立 · 头皮 · 8 通道

59.9% (54.3%–65.4%)

CBraMod · 慢走 · 0.8 m/s · 头皮 · 8 通道

46.2% (41.1%–51.4%)

CBraMod · 快走 · 1.6 m/s · 头皮 · 8 通道

46.0% (42.2%–49.6%)

平衡准确率，12 个配置。 点为估计值，横线为 95% 区间，虚线为随机水平（发布数据中有记录时）。

方法	条件	指标	数值	被试
Author-style CCA	站立 · 头皮 · 8 通道	平衡准确率	82.3%74.6%–89.4%	23
Author-style CCA	慢走 · 0.8 m/s · 头皮 · 8 通道	平衡准确率	70.7%62.3%–78.6%	23
Author-style CCA	快走 · 1.6 m/s · 头皮 · 8 通道	平衡准确率	68.6%60.1%–76.7%	23
Spectral ridge	站立 · 头皮 · 8 通道	平衡准确率	78.7%70.7%–86.1%	23
Spectral ridge	慢走 · 0.8 m/s · 头皮 · 8 通道	平衡准确率	69.9%61.2%–78.1%	23
Spectral ridge	快走 · 1.6 m/s · 头皮 · 8 通道	平衡准确率	68.6%60.4%–76.3%	23
LaBraM	站立 · 头皮 · 8 通道	平衡准确率	59.5%53.6%–65.5%	23
LaBraM	慢走 · 0.8 m/s · 头皮 · 8 通道	平衡准确率	54.7%49.5%–60.1%	23
LaBraM	快走 · 1.6 m/s · 头皮 · 8 通道	平衡准确率	47.8%43.3%–52.3%	23
CBraMod	站立 · 头皮 · 8 通道	平衡准确率	59.9%54.3%–65.4%	23
CBraMod	慢走 · 0.8 m/s · 头皮 · 8 通道	平衡准确率	46.2%41.1%–51.4%	23
CBraMod	快走 · 1.6 m/s · 头皮 · 8 通道	平衡准确率	46.0%42.2%–49.6%	23

运动 · ERP

连同协议阅读：移动中的解码 · deployment-topics.json

方法	条件	指标	数值	被试
Temporal-feature L2 logistic regression	站立 · 头皮 · 32 通道	ROC AUC	0.8590.820–0.897	24
Temporal-feature L2 logistic regression	慢走 · 0.8 m/s · 头皮 · 32 通道	ROC AUC	0.7400.703–0.777	24
Temporal-feature L2 logistic regression	快走 · 1.6 m/s · 头皮 · 32 通道	ROC AUC	0.6350.602–0.673	24
Temporal-feature L2 logistic regression	慢跑 · 2.0 m/s · 头皮 · 32 通道	ROC AUC	0.5860.561–0.613	17
Temporal-feature L2 logistic regression	站立 · 耳部 · 14 通道	ROC AUC	0.7340.694–0.774	24
Temporal-feature L2 logistic regression	慢走 · 0.8 m/s · 耳部 · 14 通道	ROC AUC	0.6280.595–0.661	24
Temporal-feature L2 logistic regression	快走 · 1.6 m/s · 耳部 · 14 通道	ROC AUC	0.5630.540–0.587	24
Temporal-feature L2 logistic regression	慢跑 · 2.0 m/s · 耳部 · 14 通道	ROC AUC	0.5170.491–0.541	17

来源与许可

Mobile BCI dataset (SSVEP and ERP paradigms)

署名 Lee, Y., Shin, G., Lee, M., & Lee, S. (2026). Lee2021 – SSVEP paradigm of the Mobile BCI dataset (Version v1.0.2) [Data set]. NEMAR. https://doi.org/10.82901/nemar.nm000125 · Lee, Y., Shin, G., Lee, M., & Lee, S. (2026). ERP paradigm of the Mobile BCI dataset (Version v1.0.2) [Data set]. NEMAR. https://doi.org/10.82901/nemar.nm000201

CC BY 4.0 · 数据集记录 ↗ · nemar.org ↗ · doi.org ↗

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 →