BCI Report基础模型已评测
LaBraM
5.82M 参数
已评测一个固定配置。通道与训练方式见各任务。
方法
BCI Report 上有结果的 EEG 解码方法
每种方法已发布的全部数字，按数据集列出。
模型登记册：我们关注的每个 EEG 模型与论文，以及核验到了哪一步（62 行）→
有单独页面的方法
| 方法 | 类别 | 评测于 |
|---|---|---|
| EEGNet | 轻量模型 | ds003810 · EEGMAT · BETA · ds006593 · TMNRED / ds005383 · EESM19 scalp subset · ds005342 · Wearable SSVEP BCI dataset (dry and wet electrodes) · OpenBMI motor imagery (Lee et al. 2019) · BOAS · Bitbrain Open Access Sleep dataset |
| LaBraM | 基础模型 | ds003810 · EEGMAT · BETA · ds006593 · TMNRED / ds005383 · EESM19 scalp subset · ds005342 · Mobile BCI dataset (SSVEP and ERP paradigms) |
| CBraMod | 基础模型 | ds003810 · EEGMAT · BETA · ds006593 · TMNRED / ds005383 · EESM19 scalp subset · ds005342 · Mobile BCI dataset (SSVEP and ERP paradigms) · OpenBMI motor imagery (Lee et al. 2019) · BOAS · Bitbrain Open Access Sleep dataset · WBCIC-SHU motor imagery dataset |
| ShallowFBCSPNet | 轻量模型 | ds003810 · EEGMAT · BETA · ds006593 · TMNRED / ds005383 · EESM19 scalp subset · ds005342 |
| Deep4Net | 轻量模型 | ds003810 · EEGMAT · BETA · ds006593 · TMNRED / ds005383 · EESM19 scalp subset · ds005342 |
| CSP+LDA | 经典方法 | ds003810 · EEGMAT · ds006593 · TMNRED / ds005383 · EESM19 scalp subset · ds005342 |
| CCA | 经典方法 | BETA · Wearable SSVEP BCI dataset (dry and wet electrodes) · Mobile BCI dataset (SSVEP and ERP paradigms) |
| FBCCA | 经典方法 | BETA · Wearable SSVEP BCI dataset (dry and wet electrodes) |
| eTRCA | — | Wearable SSVEP BCI dataset (dry and wet electrodes) |
| TS+LR and MDM | 经典方法 | ds003810 · EEGMAT · ds005342 |
| xDAWN+LDA and XDAWNCov+TS+LR | 经典方法 | ds006593 · TMNRED / ds005383 |
| REVE | 基础模型 | ds003810 · EEGMAT · BETA · ds006593 · TMNRED / ds005383 · EESM19 scalp subset · ds005342 |
| LUNA | 基础模型 | ds003810 · EEGMAT · BETA · ds006593 · TMNRED / ds005383 · EESM19 scalp subset · ds005342 |
| BrainOmni | 基础模型 | ds003810 · EEGMAT · BETA · EESM19 scalp subset · ds005342 |
| CodeBrain | 基础模型 | ds003810 · EEGMAT · BETA · ds006593 · TMNRED / ds005383 · EESM19 scalp subset · ds005342 |
| EEGMamba | 基础模型 | ds003810 · EEGMAT · BETA · ds006593 · TMNRED / ds005383 · EESM19 scalp subset · ds005342 |
| ST-EEGFormer | 基础模型 | ds003810 · EEGMAT · BETA · ds006593 · TMNRED / ds005383 · EESM19 scalp subset · ds005342 |
| eeg-fm-masking | 基础模型 | ds003810 · EEGMAT · BETA · ds006593 · TMNRED / ds005383 · EESM19 scalp subset · ds005342 |
| ERP-FM | 基础模型 | ds003810 · EEGMAT · BETA · ds006593 · TMNRED / ds005383 · EESM19 scalp subset · ds005342 |
| SingLEM | 基础模型 | ds003810 · EEGMAT · BETA · ds006593 · TMNRED / ds005383 · EESM19 scalp subset · ds005342 |
| ZUNA | 基础模型 | ds003810 · EEGMAT · BETA · ds006593 · TMNRED / ds005383 · EESM19 scalp subset · ds005342 |
| EEGPT | 基础模型 | ds003810 · EEGMAT · BETA · ds006593 · TMNRED / ds005383 · EESM19 scalp subset · ds005342 |
其他已评测的基线
BCI Report 自己的固定基线与参考方法。它们的数字在各专题页和核心矩阵中。
- Spectral ridge · 经典方法
- Temporal ridge · 经典方法
BCI Report 自己的对照
对数频带功率岭回归（5 个频带，可见通道）
在协议的全部记录通道上，每个通道取五个对数频带功率（1–4、4–8、8–13、13–30 与 30–45 Hz）：对每个已发布的窗口先去除各通道的窗口均值，并做逐窗口的稳健幅度缩放，再计算一次 Hann 周期图；由核心的岭回归分类头（alpha 100）在已发布的窗口与留出被试的折上读出。
列在七个核心协议的 Spectral ridge 一行旁边：运动想象与静息、SSVEP · 8 通道、SSVEP · 4 通道、心算与静息、P300 目标 ERP、语义目标 ERP、睡眠分期。
与 Spectral ridge 一行的不同
| 方面 | Spectral ridge | 对数频带功率岭回归 |
|---|---|---|
| 分辨率 | 每个通道 90 个 0.5 Hz 频点（2 秒与 30 秒窗口），或 45 个 1 Hz 频点（1 秒窗口） | 每个通道 5 个宽频带 |
| 归一化 | 每个通道 0.5–45 Hz 的功率之和为 1 | 每个窗口一个除数（各通道标准差的中位数），用于全部通道 |
| 截断 | 无 | 在求频谱之前，截断在 ±15 倍通道标准差中位数 |
| 估计方法 | 常数去趋势的 Welch：2 秒与 1 秒窗口用一个 Hann 段；30 秒窗口平均 29 个半重叠的 2 秒段 | 对整个窗口做一次周期 Hann 周期图 |
| 窗口均值 | 每个 Welch 段内去除 | 在输入视图之前按窗口去除 |
| 采样率 | 250 Hz | 200 Hz |
| 频率范围 | 0.5–45 Hz，含两端 | 1–45 Hz，右端开区间 |
| 变换 | 每个频点相对密度的对数 | 绝对频带积分的对数，单位为缩放后的单位 |
| 分类头 | 相同的标准化、alpha 100、求解器、类别加权与折 | 相同 |
在 BETA 上，Spectral ridge 一行是专为 SSVEP 设计的：在 40 个目标频率及其 3 个谐波处做 Hann 加窗投影，取功率的 log1p，每个通道 120 个特征。这个对照保留相同的 5 个宽频带（每个通道 5 个特征），作为评分前就说明的对照。
- alpha 固定为 100，与每个已发布的岭回归行相同；没有针对每个通道 5 个特征调参。按本项目只用训练数据的规则（从 1、100 与 10,000 中）选择岭回归的 alpha，而不是固定为 100，在全部七个协议上得到的配对差值，其 95% 区间都包含零。
- 在微伏窗口上（250 Hz，不做逐窗口缩放或截断）计算相同的 5 个频带，代替缩放后的 200 Hz 视图，在六个协议上得到的配对差值，其 95% 区间都包含零；在 4 通道 BETA 协议上，缩放视图减微伏视图之差为 +0.39 pp（95% 区间 +0.06 至 +0.74），差异很小。
- 在睡眠分期上，30 秒的频谱是一个长周期图；Spectral ridge 一行平均 29 个 2 秒 Welch 段，冻结编码器平均 15 个 2 秒段。
- 本项目自己的代码，用 numpy、scipy 与 scikit-learn（BSD-3-Clause）运行；没有运行任何第三方权重或代码。各协议的数据沿用已发布的记录。
在核心矩阵旁或单独一栏中评分的模型
每个模型都链接到给出其分数的那一节，对照列在旁边。
- Signal-JEPA · 基础模型 · 冻结，配岭回归分类头，用于运动想象与静息、心算与静息 →
- EEGSimpleConv · 轻量模型 · 在同样两个协议上从零训练 →
- NeuroLM-B · 基础模型 · 冻结特征，用于心算与静息，以及一个婴儿病例对照队列 →
- NeuroRVQ · 基础模型 · 冻结主干，三项任务 →
- EEG-Captioner · 基础模型 · 冻结编码器，用于十秒心算与静息窗口 →
- AXON · 基础模型 · 冻结，用于同样的十秒窗口 →
- LaBraM at Scale · 基础模型 · 冻结编码器覆盖每个核心协议 →
在模型目录中、不在矩阵中
模型目录中列出、但在核心矩阵及其旁边的各行中都没有结果的模型，以及原因。
- BIOT ↗ · 基础模型 · 需要适配器
- BENDR ↗ · 基础模型 · 研究候选
- CSBrain ↗ · 基础模型 · 访问未核实
- Neuro-GPT ↗ · 基础模型 · 研究候选
- EEG-Conformer ↗ · 轻量模型 · 研究候选
- MIRepNet · 基础模型 · 仅列入目录（未评测）
- EEG-DINO · 基础模型 · 仅列入目录（未评测）
目录
模型目录：从轻量基线到基础模型
参数量取决于主干网络与任务配置。下面各条备注与许可说明由本站译自发布时的英文原文；许可与权利审查说明旁附英文原文。
基础模型已评测
EEGPT
25.29M 参数
已在本地评测，但本次发布不公开任何分数：检查点的许可尚未厘清。结果在审查完成前暂不发布，并不是因为模型没能运行。
发布时的状态：权利审查中。作为冻结编码器在八个核心协议上评测，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；另有一项不进入任何排行榜的试点比较。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。它在核心矩阵上的单元格与预训练归因各行已发布在它自己的页面上；这些单元格也列在每个协议页的核心矩阵旁边。上面的备注译自发布时的原文。 这项试点比较 →
基础模型已评测
CBraMod
4.88M 参数
已评测一个固定配置。通道与训练方式见各任务。
轻量模型已评测
EEGNet
1.9K 参数
已评测一个固定配置。通道与训练方式见各任务。
轻量模型已评测
ShallowFBCSPNet
30.5K 参数
已评测一个固定配置。通道与训练方式见各任务。
轻量模型已评测
Deep4Net
274.6K 参数
已评测一个固定配置。通道与训练方式见各任务。
经典方法已评测
CSP+LDA
— 参数
已评测一个固定配置。通道与训练方式见各任务。
基础模型需要适配器
BIOT
3.19M 参数
预训练所用的双极通道 token 与这里的单极记录不能直接对应，需要一个单独验证过的适配器。
基础模型已评测
REVE Base
69.19M 参数
代码与电极位置可以获取。Base 权重需要先接受官方访问协议，本站尚未下载。
发布时的状态：访问受限。站点所有者接受了 REVE Responsible Use License v1.0，基础模型评测把 REVE Base 的权重作为冻结探针在 8 个核心协议上运行，并在 EEGMAT 上做了适配。只发布聚合的科学结果；不分享任何适配后的权重。上面的备注译自发布时的原文。 来源 ↗
权重：REVE 负责任使用许可 v1.0：只发布聚合的科学结果；不做重新识别、模型反演、成员推断或未经同意的画像分析；引用 REVE 论文并写明模型版本；不分享任何适配后的权重。REVE Responsible Use License v1.0: aggregate scientific results only; no re-identification, model inversion, membership inference or non-consensual profiling; cite the REVE paper and name the model version; no adapted weights shared.
基础模型已评测（两个协议，核心矩阵旁）
Signal-JEPA
3.46M 参数
权重公开、无访问门槛；仅为研究候选，本次发布既未下载也未运行。官方模型卡提供一个 13,847,488 字节的 safetensors 检查点，在 Lee2019 上以 128 Hz 训练。ds005342 的全部 17 个通道名都能在它的 62 通道预训练布局中找到，但仍需要一个单独锁定的适配协议。
发布时的状态：研究候选。作为冻结编码器加岭回归分类头，在运动想象与静息、心算与静息两个协议上评分，列在核心矩阵旁边，使用它自己的输入适配（0.5–40 Hz、128 Hz）。只发布聚合结果，不再分发权重。上面的备注译自发布时的原文。 它在两个协议页上的结果 →
基础模型研究候选
BENDR
157.00M 参数
权重公开、无访问门槛；仅为研究候选，本次扩展既未下载也未运行。Braindecode 检查点为 628,580,476 字节，要求 20 个通道、250 Hz。用于 17 通道数据时，需要一份有文档的电极映射或输入适配器。
基础模型访问未核实
CSBrain
— 参数
列出了公开源码和官方 Google Drive 权重链接；能否匿名下载权重、文件大小以及能否运行都尚未核实。主干网络接受调用方提供的脑区划分与通道顺序，而已发布的 BCIC 分类头固定为 22 个通道。需要新的适配器，并审计检查点各个键的加载情况。
基础模型研究候选
Neuro-GPT
— 参数
代码与 Hugging Face 权重公开；仅为研究候选，本次发布既未下载也未运行。模型页面显示检查点约 318 MB。已发布的 EEGConformer 输入路径固定为 22 个通道，因此使用 17 个通道需要显式的通道映射，或替换空间层。
轻量模型研究候选
EEG-Conformer
— 参数
源码公开；没有找到官方预训练检查点；本次发布未运行。它是从头训练的基线，而不是基础模型检查点。作者脚本把空间卷积固定为 22 个通道，用于其他电极布局时必须改为可配置。
轻量模型已评测（两个协议，核心矩阵旁）
EEGSimpleConv
— 参数
实现公开；没有预训练权重；本次发布未运行。持续维护的 Braindecode 实现可以直接设定通道数与采样率，因此适合作为轻量的从头训练对照。
发布时的状态：研究候选。在运动想象与静息、心算与静息两个协议上从零训练 20 轮，三个随机种子，列在核心矩阵旁边；页面给出三个随机种子的均值。上面的备注译自发布时的原文。 它在两个协议页上的结果 →
经典方法已评测
Standard CCA
— 参数
固定的参考方法；输入特征与拟合协议见各任务。
经典方法已评测
Spectral ridge
— 参数
固定的参考方法；输入特征与拟合协议见各任务。
经典方法已评测
Temporal ridge
— 参数
固定的参考方法；输入特征与拟合协议见各任务。
基础模型已评测
REVE Large
389.98M 参数
在全部 8 个核心协议上做了冻结探针评测，并在 EEGMAT 上做了适配；预训练语料与条款同 REVE Base。
权重：REVE 负责任使用许可 v1.0（同 REVE Base）。REVE Responsible Use License v1.0 (as REVE Base).
基础模型已评测
LUNA (Base, Large)
6.57M · 40.45M 参数
Base · Large
在全部 8 个核心协议上做了冻结探针评测；Base 还在 EEGMAT 上做了适配，Large 按设计没有。
权重：CC BY-ND 4.0 权重：分数只来自内部的探针与适配；不分享任何修改后的权重、LoRA 或适配器增量；不代表 LUNA 作者的认可；也不借 LUNA 之名暗示这是官方发布。CC BY-ND 4.0 weights: scores from internal probing/adaptation only; no modified weights, LoRA or adapter deltas are shared; no implied endorsement by the LUNA authors; the LUNA name is not used to suggest an official release.
基础模型已评测（8 个协议中的 6 个）
BrainOmni Base
31.84M 参数
在 8 个核心协议中的 6 个上做了冻结探针评测，并在 EEGMAT 上做了适配。两个 1 秒时间窗的 ERP 协议没有运行：它的分词器需要 2 秒的时间窗。
基础模型已评测
CodeBrain
13.53M 参数
在全部 8 个核心协议上做了冻结探针评测，并在 EEGMAT 上做了适配，池化方式与已发布的 CBraMod 行相同。
基础模型已评测
EEGMamba
3.28M 参数
CBraMod 团队发表在 Neural Networks（2025）上的模型。在全部 8 个核心协议上做了冻结探针评测，并在 EEGMAT 上做了适配。
基础模型已评测
ST-EEGFormer (Base, Large)
85.18M · 303.00M 参数
Base · Large
在全部 8 个核心协议上做了冻结探针评测；Base 还在 EEGMAT 上做了适配。BETA 在作者公开的预训练数据清单中，所以两个 BETA 协议都已标出。
权重：MIT（仓库的 LICENSE；README 保留论文、示意图与 ST-EEGFormer 名称的权利）。MIT (repository LICENSE; the README reserves the paper, diagrams and the ST-EEGFormer name).
基础模型已评测（冻结探针，掩码消融）
eeg-fm-masking (4 checkpoints)
12.69M 参数
同一项掩码研究的 4 个检查点，在全部 8 个核心协议上做了冻结探针评测：论文推荐的 MAE 检查点作为矩阵中的一行，另外 3 个同系列检查点放在掩码消融中。
权重：CC-BY-4.0 权重：须署名（引用 arXiv:2609.33487）。CC-BY-4.0 weights: attribution required (cite arXiv:2609.33487).
基础模型已评测（冻结探针）
ERP-FM Base
2.02M 参数
在全部 8 个核心协议上做了冻结探针评测：两个 ERP 协议在它的设计范围内，其余 6 个是阴性对照。
权重：CC BY-NC-SA 4.0：仅限非商业用途；只发布聚合分数；须署名；不转发任何权重。CC BY-NC-SA 4.0: non-commercial; aggregate scores only; attribution required; no weights redistributed.
基础模型已评测
SingLEM
3.27M 参数
单通道编码器。在全部 8 个核心协议上做了冻结探针评测，并在 EEGMAT 上做了适配。TMNRED 在作者公开的预训练数据清单中，所以语义目标协议已标出。
权重：MIT。
基础模型已评测
ZUNA 1.1
172.10M 参数
在全部 8 个核心协议上做了冻结探针评测，并在 EEGMAT 上做了适配。作者没有公开预训练数据清单，所以每个单元格都标为“是否出现在预训练数据中：未知”。
权重：Apache-2.0 权重；模型卡写明仅供研究使用，不可用于诊断或临床。Apache-2.0 weights; model card states research use only, not for diagnosis or clinical use.
基础模型仅列入目录（未评测）
MIRepNet
— 参数
按站点所有者的决定只列入目录。
基础模型仅列入目录（未评测）
EEG-DINO
— 参数
按站点所有者的决定只列入目录。上游权重没有附带许可。
外部
领域动态：他人的研究
精选研究动态，均链接至原始来源。
Benchmark
A new benchmark compares EEG foundation models with task-specific decoders ↗
Researchers surveyed 55 representative models and evaluated 12 open-source foundation models with task-specific baselines across 13 datasets and nine BCI paradigms. The study reports that linear probing is often insufficient and that larger models do not automatically generalize better, reinforcing the need for fixed cross-subject and few-shot calibration protocols.
Original arXiv paperModel release
REVE releases an EEG foundation model for varying electrode layouts ↗
REVE reports pretraining on 92 datasets, about 60,000 hours of EEG, and 25,000 participants, with position encodings designed for different electrode arrangements. Its public code, weights, and tutorials make cross-montage transfer an auditable evaluation target. Access to the Base checkpoint is gated; it is not yet available in our local test pool.
本站此后已评测 REVE Base 和 REVE Large，它们作为冻结探针的各行列在每个协议页面上。REVE 的方法页 →
Original arXiv paper and NeurIPS 2025 paper pageResearch release
NeurIPT brings heterogeneous EEG configurations into a unified pretraining framework ↗
NeurIPT models homogeneous and heterogeneous spatiotemporal relationships across BCI tasks and electrode layouts and appeared as a NeurIPS 2025 poster. Its official repository still says that code restoration is in progress, so it is a research update rather than a reproducible model card.
OpenReview / NeurIPS 2025Model release
CSBrain adds cross-scale spatiotemporal structure to general EEG decoding ↗
CSBrain combines local temporal windows, brain regions, and structured sparse attention, with reported experiments spanning 16 datasets and 11 task types. The official repository provides pretraining and downstream scripts plus a public weight entry point, making it a candidate for a later unified-protocol evaluation.
Original arXiv paper and NeurIPS 2025 paper pageReal-time BCI
An eight-channel, low-preprocessing self-supervised EEG model targets real-time BCI ↗
This study applies HuBERT-style self-supervised learning to eight-channel scalp EEG and examines motor imagery, P300, subject differences, and alpha rhythms. It motivates a separate deployment-oriented track for low channel counts, limited preprocessing, and runtime budgets.
Original arXiv paper