BCI Report轻量模型
Deep4Net：在公开 EEG 数据集上的结果
Deep4Net 是 Braindecode 对 Schirrmeister 等人（Human Brain Mapping，2017）提出的 deep ConvNet 的命名。它由四个卷积-最大池化模块组成，使用 ELU 激活；第一个模块拆分为沿时间的卷积和覆盖全部电极的空间滤波，最后由全连接 softmax 层输出类别。
测量所用数据集：ds003810、EEGMAT、BETA、ds006593、TMNRED / ds005383、EESM19 scalp subset、ds005342 · 协议：运动想象与静息、心算与静息、SSVEP · 8 通道、SSVEP · 4 通道、P300 目标 ERP、语义目标 ERP、睡眠分期、空闲与指令
又称 Deep4Net · Deep ConvNet · DeepConvNet · Schirrmeister et al. 2017
目录状态：已评测 · 官方代码 ↗ · 简介来源 arxiv.org · pmc.ncbi.nlm.nih.gov · doi.org · github.com · github.com · github.com
已发布的结果
只在组内比较：不同组的任务、队列、随机水平与电极布局可能不同。只有 95% 区间不重叠时，才说一行高于另一行。
ds003810 · 核心矩阵 · 运动想象与静息
| 方法 | 条件 | 指标 | 数值 | 被试 |
|---|---|---|---|---|
| Deep4Net | Rest versus right-hand imagery | 平衡准确率 | 68.6%63.3%–74.0%一个固定的随机种子和训练预算，与 EEGNet 单元格相同 | 10 |
EEGMAT · 核心矩阵 · 心算与静息
| 方法 | 条件 | 指标 | 数值 | 被试 |
|---|---|---|---|---|
| Deep4Net | Serial subtraction versus resting EEG | 平衡准确率 | 61.3%57.5%–65.2%一个固定的随机种子和训练预算，与 EEGNet 单元格相同 | 36 |
BETA · 核心矩阵 · SSVEP，8 通道
| 方法 | 条件 | 指标 | 数值 | 被试 |
|---|---|---|---|---|
| Deep4Net | 40 visual targets · 8 posterior electrodes | 平衡准确率 | 52.8%47.3%–58.2%一个固定的随机种子和训练预算，与 EEGNet 单元格相同 | 70 |
BETA · 核心矩阵 · SSVEP，4 通道
| 方法 | 条件 | 指标 | 数值 | 被试 |
|---|---|---|---|---|
| Deep4Net | 40 visual targets · 4 posterior electrodes | 平衡准确率 | 38.7%33.7%–43.8%一个固定的随机种子和训练预算，与 EEGNet 单元格相同 | 70 |
ds006593 · 核心矩阵 · P300 目标 ERP
| 方法 | 条件 | 指标 | 数值 | 被试 |
|---|---|---|---|---|
| Deep4Net | Visual target versus nontarget events | 平衡准确率 | 50.8%50.0%–51.6%Braindecode 为 1 秒输入自动缩放的 Deep4Net（无时间池化，229 个样本的分类器，235,752 个参数），不是原始的 Deep4Net 配置。区间下端 50.04% 显示为 50.0；它比 50% 的参照高 0.04 pp。 | 21 |
TMNRED / ds005383 · 核心矩阵 · 语义目标 ERP
| 方法 | 条件 | 指标 | 数值 | 被试 |
|---|---|---|---|---|
| Deep4Net | Reading · target versus nontarget events | 平衡准确率 | 57.4%55.4%–59.5%Braindecode 为 1 秒输入自动缩放的 Deep4Net（无时间池化，229 个样本的分类器，242,627 个参数），不是原始的 Deep4Net 配置。 | 30 |
EESM19 scalp subset · 核心矩阵 · 睡眠分期
| 方法 | 条件 | 指标 | 数值 | 被试 |
|---|---|---|---|---|
| Deep4Net | Five stages · balanced scalp-EEG sample | 平衡准确率 | 45.2%42.7%–47.7%一个固定的随机种子和训练预算，与 EEGNet 单元格相同 | 20 |
ds005342 · 核心矩阵 · 空闲与指令
引用本页
BCI Report. Deep4Net：在公开 EEG 数据集上的结果[EB/OL]. (2026-11-06). https://bci.report/zh/methods/deep4net/
数字来自发布 core-matrix-update-20261106（2026-11-06）、research-preview-20260920（2026-09-20）。也请同时引用上游数据集：每个数据集页面都写明了署名。
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）