# 经得起核对的 EEG 结果 公开 EEG 评测 在 8 个固定协议、7 个公开数据集上，既有核心矩阵的 9 种解码方法，也有以冻结探针方式运行的 14 个基础模型编码器。矩阵之外的问题页涵盖迁移、校准与模型适配、可靠性、临床分组与数据质量、头皮 EEG 之外的信号，以及小规模试点研究。开放登记册列出我们知道的每个 EEG 数据集和模型，并写明每一项核验到了哪一步。 核心矩阵 - 协议: 8 - 数据集: 7 - 比较: 39 - 方法: 9 [另有 14 个基础模型编码器在同样的协议上（冻结）→](https://bci.report/zh/protocols/) 全站： [17 个问题](https://bci.report/zh/topics/) · [32 个有结果的数据集](https://bci.report/zh/datasets/) · [20 种方法有结果页](https://bci.report/zh/methods/) 核心基准矩阵 ## 9 种方法 × 8 个协议 最初的快照：数值为平衡准确率（%），空闲一列为指令检出率。 各方法在各协议上的分数；每列表头给出被试数与随机水平。 | 方法 | [运动想象与静息](https://bci.report/zh/protocols/mi-rest/) — n=10 · 随机水平 50% | [空闲与指令](https://bci.report/zh/protocols/idle/) — n=4 · 检出率 | [SSVEP · 8 通道](https://bci.report/zh/protocols/beta-8ch/) — n=70 · 随机水平 2.5% | [SSVEP · 4 通道](https://bci.report/zh/protocols/beta-4ch/) — n=70 · 随机水平 2.5% | [心算与静息](https://bci.report/zh/protocols/arithmetic-rest/) — n=36 · 随机水平 50% | [P300 目标 ERP](https://bci.report/zh/protocols/p300-target/) — n=21 · 随机水平 50% | [语义目标 ERP](https://bci.report/zh/protocols/semantic-target/) — n=30 · 随机水平 50% | [睡眠分期](https://bci.report/zh/protocols/sleep-scalp/) — n=20 · 随机水平 20% | | --- | --- | --- | --- | --- | --- | --- | --- | --- | | [CBraMod](https://bci.report/zh/methods/cbramod/) — 基础模型 · 8 / 8 | 62.9 | 18.3 | 33.7 | 27.6 | 62.3 | 55.0 | 55.8 | 71.3 | | [EEGNet](https://bci.report/zh/methods/eegnet/) — 轻量模型 · 8 / 8 | 71.0 | 1.7 | 55.8 | 44.1 | 67.6 | 53.3 | 61.4 | 56.5 | | [LaBraM](https://bci.report/zh/methods/labram/) — 基础模型 · 8 / 8 | 53.5 | 18.3 | 10.8 | 12.9 | 64.6 | 49.4 ≤ 随机 | 53.2 | 71.1 | | Spectral ridge — 经典方法 · 7 / 8 | 54.9 | | 50.7 | 48.2 | 56.8 | 51.0 | 51.0 | 72.2 | | [CSP+LDA](https://bci.report/zh/methods/csp-lda/) — 经典方法 · 2 / 8 | 47.1 ≤ 随机 | 23.3 | | | | | | | | [Standard CCA](https://bci.report/zh/methods/cca/) — 经典方法 · 2 / 8 | | | 63.1 | 57.6 | | | | | | Temporal ridge — 经典方法 · 2 / 8 | | | | | | 53.8 | 56.3 | | | [Deep4Net](https://bci.report/zh/methods/deep4net/) — 轻量模型 · 1 / 8 | | 3.3 | | | | | | | | [ShallowFBCSPNet](https://bci.report/zh/methods/shallowfbcspnet/) — 轻量模型 · 1 / 8 | | 43.3 | | | | | | | 本快照中该协议的最高分 条长 = 在该协议随机水平与 100% 之间的位置 未评测 [核心矩阵 · JSON ↓](https://bci.report/data/experiments.json) 条形只能**纵向**比较，不能**横向**比较：二分类任务的随机水平是 50%，睡眠分期是 20%，40 分类 SSVEP 是 2.5%，而且每个协议的队列和电极布局都不同。不存在总分。空闲一列请结合该协议中的误触发率一起读。 另外 13 个基础模型编码器，以冻结探针的方式在同样的 8 个协议上运行（BrainOmni Base 只在其中 6 个上运行）。它们是 11 个模型的检查点；其中一个模型另有 3 个检查点组成掩码消融，共 16 个。它们在这个快照之外。 [第一个协议上的基础模型编码器各行 →](https://bci.report/zh/protocols/mi-rest/#foundation-v9) 它们旁边还有 EEGPT，与已发布的 LaBraM 各行、以及除空闲协议外的 CBraMod 各行出自同一批运行，只替换了编码器。 [第一个协议上的 EEGPT 一行 →](https://bci.report/zh/protocols/mi-rest/#eegpt) [Jev 式提问用在脑电上：证据](https://bci.report/zh/jev-style/): 决策研究 · “Jev-style”（Jev 式）在这里指把 TypeSafe 的 Jev 这类决策模型的接口用在 EEG 上：一段记录只编码一次，再回答关于它的多个明确的、规定输出类型的问题，每个回答都带一个概率。三条路线，每一条都由本站在公开 EEG 数据上自己的运行来回答。 · 查看证据 → 逐个协议 ## 每个分数背后的证据 协议步骤、局限说明、结果表中的配置说明与数据集署名保持发布数据的英文原文。 ## Rest versus right-hand imagery ds003810 · 10 名被试 · 1,200 epochs · 5 participant-disjoint folds · 15 channels · 2-second windows 本协议实测 ### 结果一览 [CSV ↓](https://bci.report/data/mi-rest-results.csv) | 模型 / 配置 | 平衡准确率 | 宏平均 F1 | 计算耗时 | | --- | --- | --- | --- | | Spectral ridge — Supervised fit · 15 ch | **54.9%** — Descriptive 95% interval: 53.2–56.7% | **0.544** — Mean across held-out participants | 0.2s | | CSP+LDA — Supervised fit · 15 ch | **47.1%** — Descriptive 95% interval: 43.8–50.2% 不高于 50% 随机水平 | **0.406** — Mean across held-out participants | 8.8s | | LaBraM — Frozen encoder + ridge head · 15 ch | **53.5%** — Descriptive 95% interval: 51.4–55.4% | **0.509** — Mean across held-out participants | 2.2s | | CBraMod — Frozen encoder + ridge head · 15 ch | **62.9%** — Descriptive 95% interval: 59.6–66.5% | **0.617** — Mean across held-out participants | 5.0s | | EEGNet — Scratch · 20 epochs · 15 ch | **71.0%** — Descriptive 95% interval: 65.0–76.3% 仅单个随机种子——为 3 次运行中最高的一次（68.17–71.00%，均值 69.47%） | **0.680** — Mean across held-out participants | 55.5s | | 另外 13 个基础模型编码器（冻结） [每一行及其脚注 →](https://bci.report/zh/protocols/mi-rest/#foundation-v9) | | | | | BrainOmni Base — Frozen encoder + ridge head · 15 ch | **58.8%** — 描述性 95% 区间：57.0–60.8% | **0.582** — 各留出被试的均值 | — 不发布 | | CodeBrain — Frozen encoder + ridge head · 15 ch | **58.8%** — 描述性 95% 区间：54.5–62.6% | **0.573** — 各留出被试的均值 | — 不发布 | | eeg-fm-masking MAE (r=9 cm, L=2) — Frozen encoder + ridge head · 15 ch | **68.1%** — 描述性 95% 区间：64.3–72.3% | **0.677** — 各留出被试的均值 | — 不发布 | | EEGMamba — Frozen encoder + ridge head · 15 ch | **67.3%** — 描述性 95% 区间：63.6–70.6% | **0.669** — 各留出被试的均值 | — 不发布 | | ERP-FM Base — Frozen encoder + ridge head · 15 ch | **54.8%** — 描述性 95% 区间：51.8–57.8% | **0.524** — 各留出被试的均值 | — 不发布 | | LUNA Base — Frozen encoder + ridge head · 15 ch | **52.6%** — 描述性 95% 区间：50.2–54.9% | **0.503** — 各留出被试的均值 | — 不发布 | | LUNA Large — Frozen encoder + ridge head · 15 ch | **49.9%** — 描述性 95% 区间：46.6–53.5% 不高于 50% 随机水平 | **0.486** — 各留出被试的均值 | — 不发布 | | REVE Base — Frozen encoder + ridge head · 15 ch | **66.2%** — 描述性 95% 区间：61.8–70.6% | **0.640** — 各留出被试的均值 | — 不发布 | | REVE Large — Frozen encoder + ridge head · 15 ch | **70.2%** — 描述性 95% 区间：64.0–76.1% | **0.673** — 各留出被试的均值 | — 不发布 | | SingLEM — Frozen encoder + ridge head · 15 ch | **72.0%** — 描述性 95% 区间：66.6–76.6% | **0.715** — 各留出被试的均值 | — 不发布 | | ST-EEGFormer Base — Frozen encoder + ridge head · 15 ch | **58.1%** — 描述性 95% 区间：53.7–63.3% | **0.541** — 各留出被试的均值 | — 不发布 | | ST-EEGFormer Large — Frozen encoder + ridge head · 15 ch | **62.4%** — 描述性 95% 区间：57.4–67.8% | **0.586** — 各留出被试的均值 | — 不发布 | | ZUNA 1.1 — Frozen encoder + ridge head · 15 ch — 模型卡：仅供研究使用，不可用于诊断或临床。 | **50.7%** — 描述性 95% 区间：49.2–52.1% 区间触及 50% 随机水平 是否出现在预训练数据中：未知 | **0.499** — 各留出被试的均值 | — 不发布 | | EEGPT（冻结）· 与已发布的 LaBraM、CBraMod 各行出自同一批运行 [这一行及其脚注 →](https://bci.report/zh/protocols/mi-rest/#eegpt) | | | | | EEGPT — Frozen encoder + ridge head · 15 ch | **58.3%** — 描述性 95% 区间：54.9–61.8% | **0.555** — 各留出被试的均值 | — 不发布 | 横向滚动表格查看其余列。 [基础模型编码器各行 · CSV ↓](https://bci.report/data/foundation-models-mi-rest.csv) · [EEGPT 各单元格 · JSON ↓](https://bci.report/data/eegpt-core-update.json) 权重条款：REVE 采用 REVE 负责任使用许可 v1.0（模型版本：REVE Base @ dc2a075c · REVE Large @ 317531c7）；LUNA 采用 CC BY-ND 4.0，不分享修改后的权重；BrainOmni、EEGMamba、ST-EEGFormer、SingLEM 采用 MIT；CodeBrain、ZUNA 采用 Apache-2.0；eeg-fm-masking 采用 CC-BY-4.0；ERP-FM 采用 CC BY-NC-SA 4.0，仅限非商业用途。任何模型的作者都没有为这些结果背书。 [全部权重许可与条款 →](https://bci.report/zh/protocols/mi-rest/#v9-licences) EEGPT：检查点的许可仍未厘清，不分发任何原始或转换后的权重；Apache-2.0 只涵盖代码仓库中的代码。 [它的许可与条款 →](https://bci.report/zh/protocols/mi-rest/#eegpt-terms) 掩码消融：eeg-fm-masking 的另外 3 个同系列检查点 请对照论文推荐的检查点（即上表中的那一行）阅读：架构、语料与训练方案相同，只改变掩码框架或掩码几何。 | eeg-fm-masking MAE (r=9 cm, L=2) — Frozen encoder + ridge head · 15 ch — 即上表中的那一行 | **68.1%** — 描述性 95% 区间：64.3–72.3% | **0.677** — 各留出被试的均值 | — 不发布 | | --- | --- | --- | --- | | eeg-fm-masking JEPA (r=9 cm, L=2) — Frozen encoder + ridge head · 15 ch | **63.2%** — 描述性 95% 区间：58.2–67.9% | **0.620** — 各留出被试的均值 | — 不发布 | | eeg-fm-masking JEPA (r=one channel, L=1) — Frozen encoder + ridge head · 15 ch | **63.3%** — 描述性 95% 区间：59.0–67.4% | **0.628** — 各留出被试的均值 | — 不发布 | | eeg-fm-masking MAE (r=one channel, L=1) — Frozen encoder + ridge head · 15 ch | **64.9%** — 描述性 95% 区间：60.3–69.4% | **0.645** — 各留出被试的均值 | — 不发布 | 计算耗时包括拟合与预测（可能含加速器等待），不含数据准备。 可视化比较 ### 各配置的准确率 CC0-1.0 · 聚合研究结果 [原始数据集 ↗](https://doi.org/10.18112/openneuro.ds003810.v2.0.2) [使用与隐私（英文）→](https://bci.report/data-use/) [报告此结果的问题（英文）→](https://bci.report/data-use/#corrections) **局限** Ten-person laboratory task with prompted rest. This is not continuous-idle monitoring or a physical low-channel headset test. 问题 ## 证据能回答的问题 同一问题下的数字常常来自同一批被试：它们是该问题所用协议内的重复条件。 ### 迁移 换了传感器、显示设备、电极布局或记录会话，或者人在运动时，解码器还管用吗？ - [干电极与湿电极](https://bci.report/zh/topics/dry-vs-wet/): 传感器迁移 · 同一批 102 名被试、两种原生八通道记录之间，解码器迁移过去会发生什么？ · 2 秒 SSVEP · 12 个目标 · 平衡准确率 - [从屏幕到 VR](https://bci.report/zh/topics/screen-to-vr/): 场景迁移 · 同样 21 名被试，在电脑屏幕上校准、在 VR 头显里测试，反之亦然：给出的是切换之后达到的水平，没有同一显示设备上的分数可供比较。另有：P300 解码器在一种图像呈现速率下训练、在另一种速率下测试。 · P300 · VR 中 21 名被试 · 跨图像速率 9 名被试 - [更少的电极](https://bci.report/zh/topics/fewer-electrodes/): 电极布局 · 睡眠分期里耳道内对头皮，睁闭眼任务里后部 4 个对全部 16 个电极，以及基础模型编码器在 BETA 上用 8 个与 4 个电极：都是具体研究记录中的通道组合。 · 两项配对比较 · 10 名与 19 名被试 · BETA 8 与 4 个电极，70 名被试 - [移动中的解码](https://bci.report/zh/topics/on-the-move/): 运动鲁棒性 · 站立、行走与跑动时的结果，头皮与耳部记录、互不兼容的时间窗分开呈现。 · SSVEP 平衡准确率 · ERP ROC AUC - [后续会话](https://bci.report/zh/topics/later-sessions/): 跨会话迁移 · 同一被试 · 用同一个人较早的会话训练、在较晚的会话上测试，不使用后一次会话的任何标签：跨记录会话的运动想象（简单基线与冻结的 CBraMod）；在发布者标称的后续访次上的目标检测；以及连续光标追踪——在这里，一个常数基线反而更好。 · 运动想象，WBCIC-SHU，51 与 11 名被试 · RSVP，15 名被试 · 光标追踪，阴性结果 ### 调整模型 解码器需要多少校准、预训练模型该更新哪一部分、预训练有没有帮助、一个模型能否回答多个问题（包括用文字提出的问题），以及解码器靠什么回答没训练过的 SSVEP 频率。 - [需要多少校准？](https://bci.report/zh/topics/calibration-budget/): 校准预算 · 可穿戴 SSVEP 任务上的 12、24 或 48 个校准试次，以及同一被试下一次运动想象会话中最多 40 个校准试次：增益因方法而异，也有人下降。 · SSVEP · 102 名被试 · 运动想象，下一次会话 · 51 名被试 - [该更新哪一部分？](https://bci.report/zh/topics/model-adaptation/): 模型适配 · 新被试、同一任务、不使用测试被试的任何标签：LaBraM 只训分类头、最后一个 Transformer 块还是 LoRA，与核心矩阵中冻结编码器的结果并排给出。另有：次日实验，已运行，暂缓发布。 · EEGMAT，36 名被试 · 三种更新方式 · 次日：暂缓 - [预训练有用吗？](https://bci.report/zh/topics/does-pretraining-help/): 表征对照 · 在固定与训练集内选定两种分类头设置下，对比匹配的预训练编码器与随机初始化编码器。另有更多基础模型按同样的冻结方案评测：睡眠分期上有 3 个检查点和 EEGPT（差距很窄）高于所有已发布的行，BETA 上没有一个高于免训练的 CCA。 · 两个任务 · 三种编码器 · 三次随机初始化 · 另外 16 个检查点 - [一个模型，多个问题](https://bci.report/zh/topics/shared-encoder/): 共享编码器 · 第二条路线 · 一个共享编码器、每个问题配一个固定输出，对比“知道自己在回答哪个问题”的分类头，以及每个问题单独一个模型，数据量与计算量保持一致——并给出每种设置的代价。 · 运动想象，OpenBMI，51 名被试 · 睡眠，BOAS · EESM19，粗略重复 - [用语言提问](https://bci.report/zh/topics/questions-in-language/): 用语言提问 · 第三条路线 · 冻结 EEG 特征上的一个小分类头，每个问题分别用题号、标签模板或描述提出：只对训练过的问题成立，而且不是在每个数据集上都成立。 · SSVEP，BETA，70 名被试 · 睡眠，BOAS · 次要：EESM19、OpenBMI、Wearable-102 - [没见过的 SSVEP 频率](https://bci.report/zh/topics/new-ssvep-frequencies/): 第三条路线 · 后续检验 · 十四项后续检验：十三项在第三条路线所用的 BETA 队列上，五项在 Wearable-102 上，其中一项只在那里运行。读参考谱或刺激相位的分类头远低于无需训练的 CCA；在 CCA 之上加一个小的学习修正，在 BETA 上有所提高，在 Wearable-102 上变化很小；同样无需训练的滤波器组 CCA 在所测的每种设置下都高于 CCA，无需训练的谐波求和与学习得到的特征值分类头几乎持平。 · SSVEP，BETA，70 名被试 · 8 个留出频率 · Wearable-102，102 名被试 ### 可靠性与临床 解码器什么时候不该执行，睡眠分期中准确率掩盖了什么，静息态 EEG 对一个临床分组能说明什么，以及把公开数据集从头到尾核一遍后文件里能看到什么。 - [何时不该执行](https://bci.report/zh/topics/when-not-to-act/): 拒识 · 决策研究 · 指令检出率与误触发率一起读；在两个协议上测量解码器什么时候该拒绝作出决定；以及决策研究计划和它的三条路线。 · 空闲，4 人试点 · 非控制状态，20 名被试 · 可靠的决策，36 与 70 名被试 - [睡眠分期的失衡](https://bci.report/zh/topics/sleep-staging/): 睡眠分期 · 简单基线 · 25 名健康被试与 55 名睡眠呼吸暂停患者，两个简单基线，作为两项独立实验：准确率与平衡准确率并排，以及分期器从未预测过的那一期。 · Dreem DOD-H 与 DOD-O · 25 晚与 55 晚 · 平衡准确率 - [临床分组](https://bci.report/zh/topics/clinical-groups/): 临床研究 · 149 名被试的帕金森病与对照比较，与一个只用年龄和性别的对照基线并排给出；两者都不是诊断。 · 149 名被试 · 单中心 · 平衡准确率 - [从头核到尾](https://bci.report/zh/topics/data-quality/): 数据质量与可复现性 · 公开 EEG 数据集，都从文件本身读起：Shin2022 先清点 run、重复文件与有效时间窗，再做整名被试留出的检验，EEG 一组与只读试次时长的对照相差无几；Kim beta 频段 SSVEP 上不需要训练的 CCA；MIND 的存储标记，以记录编号为单位读取；eldBETA、Damm 与 NeBULA 三个单人案例，只给计数、没有分数；以及 ZuCo 一个转换后记录的时间问题，暂缓。 · Shin2022，10 名被试 · Kim beta 频段 · MIND · 单人案例，只给计数 · ZuCo，只发状态 ### 其他信号与试点 简单基线在头皮 EEG 之外的信号上（人类与一只猕猴）表现如何，以及小规模试点研究能说明什么。 - [头皮 EEG 之外](https://bci.report/zh/topics/beyond-scalp-eeg/): 其他信号 · 人类与猕猴 · 用 fNIRS 在分类器从未见过的人身上区分右手、左手手指敲击与脚部敲击；从一只猕猴运动皮层的神经元放电中解码手指速度——岭回归降低了平方误差，却没有降低绝对误差；以及对 fNIRS 记录的数值覆盖核查。皮层内手写与功能超声：只发状态。 · fNIRS，30 名被试 · 皮层内神经元放电，1 只猕猴 · fNIRS 数值覆盖，12 名被试 - [试点研究](https://bci.report/zh/topics/pilot-studies/): 试点研究 · 小样本 · 几项小规模试点：同一队列中注入的矫形器错误事件，其中包括冻结的 EEG 基础模型与匹配的经典特征的比较；希腊语与英语的内部言语，结果接近随机水平；一个手写数据集中停在数字量程边界上的平直通道，屏蔽之后 EEG 仅略高于随机水平；以及一个情绪数据集上的存储片段核查，简单对照的误差都比 EEG 小。 · Orthosis，8 名被试 · 内部言语，BINGO，17 个被试字段 · 手写，5 名被试 · REFED，2 个标称被试文件夹，30 个片段 ### 哪些迁移已经测量过 训练与测试之间改变了什么，以及本站对此有没有证据。 | 改变的是 | 已测量 | 只发状态 | 暂缓 | 未测量 | | --- | --- | --- | --- | --- | | 被试 | [核心矩阵 · 新被试协议](https://bci.report/zh/#overview); [干电极与湿电极](https://bci.report/zh/topics/dry-vs-wet/) n=102 同时变化：传感器; [LaBraM 适配 · EEGMAT](https://bci.report/zh/topics/model-adaptation/#adaptation) n=36; [从站立到行走与跑动，SSVEP](https://bci.report/zh/topics/on-the-move/) n=23 同时变化：运动; [预训练对照](https://bci.report/zh/topics/does-pretraining-help/) n=36 / 10; [九个编码器的适配 · EEGMAT](https://bci.report/zh/topics/does-pretraining-help/#v9-adaptation) n=36; [帕金森病与对照](https://bci.report/zh/topics/clinical-groups/) n=149; [睡眠分期 · Dreem，两个队列](https://bci.report/zh/topics/sleep-staging/) n=55 / 25; [fNIRS，实际敲击动作 · Bak 等人](https://bci.report/zh/topics/beyond-scalp-eeg/#bak-fnirs) n=30; [矫形器设备错误 · EEG 试点](https://bci.report/zh/topics/pilot-studies/#orthosis) n=8; [内部言语，希腊语与英语 · BINGO](https://bci.report/zh/topics/pilot-studies/#bingo); [想象书写，四个编码标签 · EEG 试点](https://bci.report/zh/topics/pilot-studies/#handwriting) n=5 | | [Dreem 队列上的神经网络与基础模型](https://bci.report/zh/releases/#hold-dreem-amplitude-sensitive-models); [临床队列上的基础模型](https://bci.report/zh/releases/#hold-clinical-foundation-models) | | | 会话 / 天 | [移动 ERP · 第一次会话到其余会话](https://bci.report/zh/topics/on-the-move/#erp-heading) n=24 / 17 同时变化：运动; [OpenBMI 运动想象 · 第一次会话到第二次](https://bci.report/zh/topics/calibration-budget/#next-session) n=51; [WBCIC-SHU 运动想象 · 较早会话到较晚会话](https://bci.report/zh/topics/later-sessions/#wbcic-shu) n=51 / 11; [纵向 RSVP · 第一次访次到后续访次](https://bci.report/zh/topics/later-sessions/#longitudinal-rsvp) n=15; [连续光标追踪 · 最早会话到最晚会话](https://bci.report/zh/topics/later-sessions/#forenzo) | [跨会话试点](https://bci.report/zh/topics/model-adaptation/#cross-session) n=1 | [次日适配](https://bci.report/zh/releases/#hold-bnci2015-001-crossday) | | | 传感器 / 电极布局 | [干电极 ⇄ 湿电极](https://bci.report/zh/topics/dry-vs-wet/) n=102 同时变化：被试; [耳道内与头皮，睡眠](https://bci.report/zh/topics/fewer-electrodes/#montage-finding) n=10 配对比较; [后部子集与全部电极](https://bci.report/zh/topics/fewer-electrodes/#posterior-subset) n=19 配对比较; [BETA，八个与四个电极](https://bci.report/zh/topics/fewer-electrodes/#v9-montage) n=70 配对比较 | | | 从一款头戴设备或放大器换到另一款 | | 场景 | [屏幕 ⇄ VR，P300](https://bci.report/zh/topics/screen-to-vr/) n=21; [从站立到行走与跑动，SSVEP](https://bci.report/zh/topics/on-the-move/) n=23 同时变化：被试; [从站立到行走与跑动，ERP](https://bci.report/zh/topics/on-the-move/#erp-heading) n=24 / 17 同时变化：会话; [图像速率，P300](https://bci.report/zh/topics/screen-to-vr/#image-rate) n=9 同时变化：记录; [希腊语 ⇄ 英语内部言语](https://bci.report/zh/topics/pilot-studies/#bingo) 同时变化：被试 | | | | | 数据集 | | | | 在一个数据集上训练、在另一个上测试 | n 是每一项背后的被试数；两个数（n=24 / 17）表示同一项背后的两项分析或两个队列，大的在前。“配对比较”：两组电极在同一批数据上分别评分。“同时变化”：同一对比中还有什么一起变了。 [完整的地图，附每一项测量的内容 →](https://bci.report/zh/topics/#transfer) 暂缓发布 ## 暂缓发布的内容，以及原因 - [Kim beta 频段 SSVEP · 依赖幅值的模型](https://bci.report/zh/topics/data-quality/#kim2025-beta-range): 暂缓 · 幅值单位、通道增益与保存下来的参考历史都没有确立，所以在这些文件上，输出依赖幅值的模型暂缓。不需要训练的 CCA 不依赖共同的幅值尺度，已发布。 - [Damm 手指运动想象 · 单人分数](https://bci.report/zh/topics/data-quality/#damm): 只发状态 · 一名被试的两个随机顺序 run 从头到尾跑通。分数按单人规则暂缓；设计、计数与文件事实已发布。 - [NeBULA · 单人分数](https://bci.report/zh/topics/data-quality/#nebula): 只发状态 · 一名被试在三种辅助水平下伸手够向三个目标。EEG、EMG 与两者合并的分数都按单人规则暂缓；设计、计数与文件事实已发布。 - [eldBETA · 单人分数](https://bci.report/zh/topics/data-quality/#eldbeta): 只发状态 · 从原始记录读起的流程在一名被试的记录上跑通。只有一个人时，任何分数都是这个人的分数，所以准确率暂缓；计数已发布。 - [NEMAR 上的 ZuCo · 转换后记录的时间](https://bci.report/zh/topics/data-quality/#zuco2): 没有分数 · 在 NEMAR 上的一个转换后记录中，有些注视时间落在记录之外。在转换程序的时间规则与带源校验和的测试样例具备之前，不计算任何 EEG–文本分数。 - [ds007420 · fNIRS 分类器](https://bci.report/zh/topics/beyond-scalp-eeg/#ds007420): 没有分数 · 它的数字任务编码没有经过核实的、与左右手或动作对应的对照表，事件时长在事件表、光学数据文件与所引论文之间也互相矛盾。它的光学数值覆盖计数已发布。 - [Dreem 睡眠队列 · 神经网络与基础模型](https://bci.report/zh/topics/sleep-staging/#held): 暂缓 · 存储的信号元数据写的是毫伏，发布者自己的转换程序却把同样的数组当作微伏。需要绝对幅值的模型没有运行；已发布的基线不依赖这个单位。 - [Stieger 纵向 BCI · 单人试点](https://bci.report/zh/topics/model-adaptation/#cross-session): 只发状态 · 流程在一名被试的 11 次会话上跑通了。只有一个人时，任何分数都是这个人的分数，所以不发布。 - [OpenNeuro ds004902 · 配对睡眠比较](https://bci.report/zh/releases/#hold-ds004902): 没有分数 · 5 个源文件比自己的文件头声明的还短。 - [临床数据上的基础模型](https://bci.report/zh/topics/clinical-groups/): 暂缓 · 未运行：数据源没有说明物理幅值单位。 - [L-FAME](https://bci.report/zh/releases/#hold-lfame): 只有描述，没有评分 · 按条件汇总的数值不发布。 - [BNCI2015-001 · 次日适配](https://bci.report/zh/topics/model-adaptation/#next-day): 暂缓 · 已运行并通过独立复核。目录标注的许可是 CC BY-NC-ND，数据说明也没有写伦理批准，所以审查完成之前不发布任何数字。 [完整暂缓登记册 →](https://bci.report/zh/releases/#holds) [更正（2）→](https://bci.report/zh/releases/#corrections) 目录 ## 其余内容，按类别查找 - [20 种方法有结果页](https://bci.report/zh/methods/): 方法 · 每种方法的全部已发布数字；模型目录，说明目录中的模型为什么没有分数；站外的领域动态。 - [32 个有结果的数据集](https://bci.report/zh/datasets/): 数据集 · 在每个数据集上测得的全部数字；公开数据登记，附来源条款、署名，以及哪些数据没有纳入任何发布。 - [26 次经过审核的发布](https://bci.report/zh/releases/): 发布记录 · 最近几次发布各改了什么，更早的每次发布各一行，更正、暂缓登记册，以及附每个文件 SHA-256 的归档。 - [53 个可下载文件](https://bci.report/zh/api/): 数据与 API · 每个 JSON 与 CSV 文件及其内容说明、代码示例、发布订阅源与引用方式。 评测方式 ## 这些结果是怎么得到的 只导出经过明确审核的队列层面研究结果。原始 EEG、个人结果和模型权重都不放到网站上。每项比较都写明来源、许可、协议和局限。没有跨任务的总分。 Only explicitly reviewed cohort-level research results are exported. Raw EEG, individual results and model weights stay outside the website. Each comparison states its source, license, protocol and limitations. No cross-task overall score. [下载全部结果 · JSON ↓](https://bci.report/data/experiments.json) 01 ### 状态标签 下载、加载检查与完成评分的评测有各自的状态标签。仍待适配器的模型没有结果。 02 ### 失败模式 报告漏检、误触发与拒识。 03 ### 同一任务、同一协议 数据划分、通道、预处理与训练模式都随协议一起给出。冻结编码器与从头训练的基线分开标注。 04 ### 固定、经审计的本地运行 实验在 Mac 或本地 GPU 工作站上离线运行。耗时只对该配置有效。本网站不做任何 EEG 推理或诊断。 --- 本文是 https://bci.report/zh/ 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）。