首页 数据集 OpenBMI motor imagery (Lee et al. 2019) 运动想象:跨两次会话的左右手,以及想象还是静息
OpenBMI motor imagery (Lee et al. 2019) :EEG 解码结果OpenBMI 数据集(GigaScience Database 100542)收录 54 名健康被试的 EEG:每人在不同的两天各记录一次会话,覆盖三种 BCI 范式——运动想象、事件相关电位与 SSVEP——62 个电极、采样率 1,000 Hz,另有问卷、静息态与伪迹记录。由高丽大学(Korea University)的 Lee 等人随 OpenBMI 工具箱发布,并在 GigaScience(2019)中描述。这里只用到运动想象的训练段。
本页目录 又称 OpenBMI · Lee2019 · Lee2019_MI · GigaDB 100542 · EEG Dataset and OpenBMI Toolbox for Three BCI Paradigms · Lee et al. (2019)
简介来源 doi.org · doi.org · api.datacite.org
已发布的结果 每个数字都直接取自所在组列出的已审核下载文件。只有 95% 区间不重叠时,才说一行高于另一行。
校准预算 · 同一被试、下一次会话、运动想象 来源页面:需要多少校准? · 随机水平 50.0% · large-source-update.json
对数协方差 + 收缩 LDA · 第一次会话 → 第二次会话 · 0 个第二次会话校准试次
67.9% (63.6%–72.4%)
对数协方差 + 收缩 LDA · 第一次会话 → 第二次会话 · 10 个第二次会话校准试次
69.1% (64.8%–73.5%)
对数协方差 + 收缩 LDA · 第一次会话 → 第二次会话 · 20 个第二次会话校准试次
69.2% (65.3%–73.4%)
对数协方差 + 收缩 LDA · 第一次会话 → 第二次会话 · 40 个第二次会话校准试次
72.4% (68.9%–76.2%)
相对 PSD + 标准化岭回归 · 第一次会话 → 第二次会话 · 0 个第二次会话校准试次
57.3% (54.4%–60.5%)
相对 PSD + 标准化岭回归 · 第一次会话 → 第二次会话 · 10 个第二次会话校准试次
57.4% (54.5%–60.5%)
相对 PSD + 标准化岭回归 · 第一次会话 → 第二次会话 · 20 个第二次会话校准试次
57.9% (55.2%–60.8%)
相对 PSD + 标准化岭回归 · 第一次会话 → 第二次会话 · 40 个第二次会话校准试次
59.0% (56.0%–62.1%)
平衡准确率,8 个配置。 点为估计值,横线为 95% 区间,虚线(如有)为随机水平。一个模型,多个问题 · 运动想象(第二条路线) 来源页面:一个模型,多个问题 · 随机水平 50.0% · shared-representation-update.json
EEGNet · 固定分类头(B-lin) · 想象还是静息(MI-A)· 从头训练,3 个随机种子
73.2% (70.2%–76.2%)
EEGNet · 共享隐藏层(B-sh) · 想象还是静息(MI-A)· 从头训练,3 个随机种子
74.3% (71.3%–77.3%)
EEGNet · 问题条件化分类头(C1) · 想象还是静息(MI-A)· 从头训练,3 个随机种子
74.6% (71.9%–77.5%)
EEGNet · 分开的模型(A) · 想象还是静息(MI-A)· 从头训练,3 个随机种子
74.2% (71.3%–76.9%)
CBraMod · 固定分类头(B-lin-fz-sgd) · 想象还是静息(MI-A)· 冻结特征上只训分类头,3 个随机种子
69.2% (67.0%–71.5%)
CBraMod · 共享隐藏层(B-sh-fz) · 想象还是静息(MI-A)· 冻结特征上只训分类头,3 个随机种子
70.9% (68.4%–73.4%)
CBraMod · 问题条件化分类头(C1-fz) · 想象还是静息(MI-A)· 冻结特征上只训分类头,3 个随机种子
70.8% (68.4%–73.2%)
EEGNet · 固定分类头(B-lin) · 哪只手(MI-B)· 从头训练,3 个随机种子
67.5% (64.6%–70.5%)
EEGNet · 共享隐藏层(B-sh) · 哪只手(MI-B)· 从头训练,3 个随机种子
67.0% (64.1%–69.9%)
EEGNet · 问题条件化分类头(C1) · 哪只手(MI-B)· 从头训练,3 个随机种子
67.4% (64.4%–70.5%)
EEGNet · 分开的模型(A) · 哪只手(MI-B)· 从头训练,3 个随机种子
69.0% (65.9%–72.0%)
CBraMod · 固定分类头(B-lin-fz-sgd) · 哪只手(MI-B)· 冻结特征上只训分类头,3 个随机种子
56.1% (54.8%–57.4%)
CBraMod · 共享隐藏层(B-sh-fz) · 哪只手(MI-B)· 冻结特征上只训分类头,3 个随机种子
56.7% (55.4%–58.2%)
CBraMod · 问题条件化分类头(C1-fz) · 哪只手(MI-B)· 冻结特征上只训分类头,3 个随机种子
57.2% (55.8%–58.6%)
平衡准确率,14 个配置。 点为估计值,横线为 95% 区间,虚线(如有)为随机水平。局限: 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。这里的 OpenBMI 数字用的是路线 2 自己的 2 秒窗口、不依赖标签的高通滤波和被试不重叠的交叉验证折;不能与本站 OpenBMI 跨会话校准的数字相比。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。第二条路线的全部局限 →
来源与许可 OpenBMI motor imagery (Lee et al. 2019) 署名 Min-Ho Lee, O-Yeon Kwon, Yong-Jeong Kim, Hong-Kyung Kim, Young-Eun Lee, John Williamson, Siamac Fazli and Seong-Whan Lee · EEG dataset and OpenBMI toolbox for three BCI paradigms: an investigation into BCI illiteracy, GigaScience (2019), giz002, doi:10.1093/gigascience/giz002. Data: Supporting data, GigaScience Database, doi:10.5524/100542.
CC0-1.0 ↗ · 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;数据仍归其创建者所有。
开放登记册中的这一行 →
全部数据集 → · 全部方法 →
引用本页 BCI Report. OpenBMI motor imagery (Lee et al. 2019):EEG 解码结果 [EB/OL]. (2026-10-07). https://bci.report/zh/datasets/openbmi/
数字来自发布 shared-representation-update-20261007 (2026-10-07)、large-source-update-20261003 (2026-10-03)。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)