基础模型

LaBraM：在公开 EEG 数据集上的结果

LaBraM（Large Brain Model）是上海交通大学 Jiang、Zhao 和 Lu 提出的 EEG 基础模型（ICLR 2024），论文给出了 Base、Large 和 Huge 三种规模。向量量化的 tokenizer 把单通道 EEG 片段（patch）编码为离散码，Transformer 通过预测被掩码片段的离散码进行预训练，预训练数据约 2,500 小时、来自约 20 个数据集。

又称 LaBraM · Large Brain Model · LaBraM-Base · Labram · Jiang et al. 2024

参考文献 Jiang W-B, Zhao L-M, Lu B-L. Large Brain Model for Learning Generic Representations with Tremendous EEG Data in BCI. International Conference on Learning Representations (ICLR), 2024. ↗

目录状态：已评测 · 官方代码 ↗ · 简介来源 arxiv.org · github.com · github.com

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 · 核心矩阵 · 运动想象与静息

连同协议阅读：核心矩阵（首页） · 随机水平 50.0% · experiments.json

方法	条件	指标	数值	被试
LaBraM	Rest versus right-hand imagery	平衡准确率	53.5%51.4%–55.4%	10

ds003810 · 预训练 · 固定分类头

连同协议阅读：预训练有用吗？ · deployment-topics.json

方法	条件	指标	数值	被试
LaBraM	运动想象 / 静息 · 预训练	平衡准确率	53.5%	10
LaBraM	运动想象 / 静息 · 随机初始化（均值）	平衡准确率	55.9%	10

ds003810 · 预训练 · 训练集内选定分类头

连同协议阅读：预训练有用吗？ · deployment-topics.json

方法	条件	指标	数值	被试
LaBraM	运动想象 / 静息 · 预训练	平衡准确率	52.9%	10
LaBraM	运动想象 / 静息 · 随机初始化（均值）	平衡准确率	56.5%	10

EEGMAT · 核心矩阵 · 心算与静息

连同协议阅读：核心矩阵（首页） · 随机水平 50.0% · experiments.json

方法	条件	指标	数值	被试
LaBraM	Serial subtraction versus resting EEG	平衡准确率	64.6%60.5%–68.6%	36

EEGMAT · 预训练 · 固定分类头

连同协议阅读：预训练有用吗？ · deployment-topics.json

方法	条件	指标	数值	被试
LaBraM	脑力负荷 · 预训练	平衡准确率	64.6%	36
LaBraM	脑力负荷 · 随机初始化（均值）	平衡准确率	56.5%	36

EEGMAT · 预训练 · 训练集内选定分类头

连同协议阅读：预训练有用吗？ · deployment-topics.json

方法	条件	指标	数值	被试
LaBraM	脑力负荷 · 预训练	平衡准确率	64.4%	36
LaBraM	脑力负荷 · 随机初始化（均值）	平衡准确率	56.5%	36

BETA · 核心矩阵 · SSVEP，8 通道

连同协议阅读：核心矩阵（首页） · 随机水平 2.5% · experiments.json

方法	条件	指标	数值	被试
LaBraM	40 visual targets · 8 posterior electrodes	平衡准确率	10.8%9.5%–12.2%	70

BETA · 核心矩阵 · SSVEP，4 通道

连同协议阅读：核心矩阵（首页） · 随机水平 2.5% · experiments.json

方法	条件	指标	数值	被试
LaBraM	40 visual targets · 4 posterior electrodes	平衡准确率	12.9%11.2%–14.6%	70

ds006593 · 核心矩阵 · P300 目标 ERP

连同协议阅读：核心矩阵（首页） · 随机水平 50.0% · experiments.json

方法	条件	指标	数值	被试
LaBraM	Visual target versus nontarget events	平衡准确率	49.4%47.7%–51.2%	21

TMNRED / ds005383 · 核心矩阵 · 语义目标 ERP

连同协议阅读：核心矩阵（首页） · 随机水平 50.0% · experiments.json

方法	条件	指标	数值	被试
LaBraM	Reading · target versus nontarget events	平衡准确率	53.2%51.3%–54.9%	30

EESM19 scalp subset · 核心矩阵 · 睡眠分期

连同协议阅读：核心矩阵（首页） · 随机水平 20.0% · experiments.json

方法	条件	指标	数值	被试
LaBraM	Five stages · balanced scalp-EEG sample	平衡准确率	71.1%69.0%–73.2%	20

ds005342 · 核心矩阵 · 空闲与指令

连同协议阅读：核心矩阵（首页） · experiments.json

方法	条件	指标	数值	被试
LaBraM	Seated motor imagery · cue-gated replay	指令检出率 ≤3 秒	18.3%	4
LaBraM	Seated motor imagery · cue-gated replay	空闲误触发率	3.3%	4

Mobile BCI dataset (SSVEP and ERP paradigms) · 运动 · SSVEP，2 秒时间窗

连同协议阅读：移动中的解码 · deployment-topics.json

LaBraM · 站立 · 头皮 · 8 通道

59.5% (53.6%–65.5%)

LaBraM · 慢走 · 0.8 m/s · 头皮 · 8 通道

54.7% (49.5%–60.1%)

LaBraM · 快走 · 1.6 m/s · 头皮 · 8 通道

47.8% (43.3%–52.3%)

平衡准确率，3 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）。

方法	条件	指标	数值	被试
LaBraM	站立 · 头皮 · 8 通道	平衡准确率	59.5%53.6%–65.5%	23
LaBraM	慢走 · 0.8 m/s · 头皮 · 8 通道	平衡准确率	54.7%49.5%–60.1%	23
LaBraM	快走 · 1.6 m/s · 头皮 · 8 通道	平衡准确率	47.8%43.3%–52.3%	23

全部方法 → · 全部数据集 →