# EEGNet：在公开 EEG 数据集上的结果 轻量模型 EEGNet 是面向基于 EEG 的脑机接口的紧凑型卷积神经网络，由 Lawhern 等人（美国陆军研究实验室）提出，发表于 Journal of Neural Engineering（2018），原文在 P300、ERN、MRCP 和 SMR 数据上做了测试。网络依次使用时间卷积、深度（depthwise）空间卷积和可分离（separable）卷积，最后接 softmax 分类器。 **又称** EEGNet · EEGNet-8,2 · EEGNet-4,2 · EEGNetv4 · Lawhern et al. 2018 **参考文献** [Lawhern VJ, Solon AJ, Waytowich NR, Gordon SM, Hung CP, Lance BJ. EEGNet: a compact convolutional neural network for EEG-based brain–computer interfaces. Journal of Neural Engineering 15(5):056013, 2018. ↗](https://doi.org/10.1088/1741-2552/aace8c) 目录状态：已评测 · [官方代码 ↗](https://github.com/vlawhern/arl-eegmodels) · [本站使用的实现 ↗](https://github.com/braindecode/braindecode/tree/v1.5.1) · 简介来源 [arxiv.org](https://arxiv.org/abs/1611.08024) · [doi.org](https://doi.org/10.1088/1741-2552/aace8c) · [pubmed.ncbi.nlm.nih.gov](https://pubmed.ncbi.nlm.nih.gov/29932424/) · [github.com](https://github.com/braindecode/braindecode/blob/v1.5.1/braindecode/models/eegnet.py) ## 已发布的结果 按数据集分组。只在组内比较：跨组时任务、队列、随机水平与电极布局都会变。 ### [ds003810](https://bci.report/zh/datasets/ds003810/) · 核心矩阵 · 运动想象与静息 连同协议阅读： [核心矩阵（首页）](https://bci.report/zh/#overview) · 随机水平 50.0% · [experiments.json](https://bci.report/data/experiments.json) | 方法 | 条件 | 指标 | 数值 | 被试 | | --- | --- | --- | --- | --- | | [EEGNet](https://bci.report/zh/methods/eegnet/) | Rest versus right-hand imagery | 平衡准确率 | 71.0% (65.0%–76.3%) | 10 | ### [EEGMAT](https://bci.report/zh/datasets/eegmat/) · 核心矩阵 · 心算与静息 连同协议阅读： [核心矩阵（首页）](https://bci.report/zh/#overview) · 随机水平 50.0% · [experiments.json](https://bci.report/data/experiments.json) | 方法 | 条件 | 指标 | 数值 | 被试 | | --- | --- | --- | --- | --- | | [EEGNet](https://bci.report/zh/methods/eegnet/) | Serial subtraction versus resting EEG | 平衡准确率 | 67.6% (62.8%–72.5%) | 36 | ### [BETA](https://bci.report/zh/datasets/beta/) · 核心矩阵 · SSVEP，8 通道 连同协议阅读： [核心矩阵（首页）](https://bci.report/zh/#overview) · 随机水平 2.5% · [experiments.json](https://bci.report/data/experiments.json) | 方法 | 条件 | 指标 | 数值 | 被试 | | --- | --- | --- | --- | --- | | [EEGNet](https://bci.report/zh/methods/eegnet/) | 40 visual targets · 8 posterior electrodes | 平衡准确率 | 55.8% (50.1%–61.3%) | 70 | ### [BETA](https://bci.report/zh/datasets/beta/) · 核心矩阵 · SSVEP，4 通道 连同协议阅读： [核心矩阵（首页）](https://bci.report/zh/#overview) · 随机水平 2.5% · [experiments.json](https://bci.report/data/experiments.json) | 方法 | 条件 | 指标 | 数值 | 被试 | | --- | --- | --- | --- | --- | | [EEGNet](https://bci.report/zh/methods/eegnet/) | 40 visual targets · 4 posterior electrodes | 平衡准确率 | 44.1% (38.6%–49.6%) | 70 | ### [ds006593](https://bci.report/zh/datasets/ds006593/) · 核心矩阵 · P300 目标 ERP 连同协议阅读： [核心矩阵（首页）](https://bci.report/zh/#overview) · 随机水平 50.0% · [experiments.json](https://bci.report/data/experiments.json) | 方法 | 条件 | 指标 | 数值 | 被试 | | --- | --- | --- | --- | --- | | [EEGNet](https://bci.report/zh/methods/eegnet/) | Visual target versus nontarget events | 平衡准确率 | 53.3% (51.7%–54.9%) | 21 | ### [TMNRED / ds005383](https://bci.report/zh/datasets/tmnred/) · 核心矩阵 · 语义目标 ERP 连同协议阅读： [核心矩阵（首页）](https://bci.report/zh/#overview) · 随机水平 50.0% · [experiments.json](https://bci.report/data/experiments.json) | 方法 | 条件 | 指标 | 数值 | 被试 | | --- | --- | --- | --- | --- | | [EEGNet](https://bci.report/zh/methods/eegnet/) | Reading · target versus nontarget events | 平衡准确率 | 61.4% (58.9%–64.0%) | 30 | ### [EESM19 scalp subset](https://bci.report/zh/datasets/eesm19/) · 核心矩阵 · 睡眠分期 连同协议阅读： [核心矩阵（首页）](https://bci.report/zh/#overview) · 随机水平 20.0% · [experiments.json](https://bci.report/data/experiments.json) | 方法 | 条件 | 指标 | 数值 | 被试 | | --- | --- | --- | --- | --- | | [EEGNet](https://bci.report/zh/methods/eegnet/) | Five stages · balanced scalp-EEG sample | 平衡准确率 | 56.5% (54.9%–58.3%) | 20 | ### [ds005342](https://bci.report/zh/datasets/ds005342/) · 核心矩阵 · 空闲与指令 连同协议阅读： [核心矩阵（首页）](https://bci.report/zh/#overview) · [experiments.json](https://bci.report/data/experiments.json) | 方法 | 条件 | 指标 | 数值 | 被试 | | --- | --- | --- | --- | --- | | [EEGNet](https://bci.report/zh/methods/eegnet/) | Seated motor imagery · cue-gated replay | 指令检出率 ≤3 秒 | 1.7% | 4 | | [EEGNet](https://bci.report/zh/methods/eegnet/) | Seated motor imagery · cue-gated replay | 空闲误触发率 | 0.0% | 4 | ### [Wearable SSVEP BCI dataset (dry and wet electrodes)](https://bci.report/zh/datasets/wearable-ssvep-102/) · 干湿电极传感器迁移 连同协议阅读： [干电极与湿电极](https://bci.report/zh/topics/dry-vs-wet/) · [deployment-topics.json](https://bci.report/data/deployment-topics.json) **平衡准确率，4 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）。 - EEGNet · 湿电极训练，湿电极测试: 75.0% (70.3%–79.5%) - EEGNet · 湿电极训练，干电极测试: 45.6% (40.5%–50.8%) - EEGNet · 干电极训练，湿电极测试: 64.0% (59.1%–68.8%) - EEGNet · 干电极训练，干电极测试: 56.8% (51.9%–61.6%) | 方法 | 条件 | 指标 | 数值 | 被试 | | --- | --- | --- | --- | --- | | [EEGNet](https://bci.report/zh/methods/eegnet/) | 湿电极训练，湿电极测试 | 平衡准确率 | 75.0% (70.3%–79.5%) | 102 | | [EEGNet](https://bci.report/zh/methods/eegnet/) | 湿电极训练，干电极测试 | 平衡准确率 | 45.6% (40.5%–50.8%) | 102 | | [EEGNet](https://bci.report/zh/methods/eegnet/) | 干电极训练，湿电极测试 | 平衡准确率 | 64.0% (59.1%–68.8%) | 102 | | [EEGNet](https://bci.report/zh/methods/eegnet/) | 干电极训练，干电极测试 | 平衡准确率 | 56.8% (51.9%–61.6%) | 102 | [全部方法 →](https://bci.report/zh/methods/) · [全部数据集 →](https://bci.report/zh/datasets/) --- 本文是 https://bci.report/zh/methods/eegnet/ 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）。