# LaBraM：在公开 EEG 数据集上的结果 基础模型 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. ↗](https://arxiv.org/abs/2405.18765) 目录状态：已评测 · [官方代码 ↗](https://github.com/935963004/LaBraM) · 简介来源 [arxiv.org](https://arxiv.org/abs/2405.18765) · [github.com](https://github.com/935963004/LaBraM) · [github.com](https://github.com/braindecode/braindecode/blob/v1.5.1/braindecode/models/labram.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 | | --- | --- | --- | --- | --- | | [LaBraM](https://bci.report/zh/methods/labram/) | Rest versus right-hand imagery | 平衡准确率 | 53.5% (51.4%–55.4%) | 10 | ### [ds003810](https://bci.report/zh/datasets/ds003810/) · 预训练 · 固定分类头 连同协议阅读： [预训练有用吗？](https://bci.report/zh/topics/does-pretraining-help/) · [deployment-topics.json](https://bci.report/data/deployment-topics.json) | 方法 | 条件 | 指标 | 数值 | 被试 | | --- | --- | --- | --- | --- | | [LaBraM](https://bci.report/zh/methods/labram/) | 运动想象 / 静息 · 预训练 | 平衡准确率 | 53.5% | 10 | | [LaBraM](https://bci.report/zh/methods/labram/) | 运动想象 / 静息 · 随机初始化（均值） | 平衡准确率 | 55.9% | 10 | ### [ds003810](https://bci.report/zh/datasets/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？](https://bci.report/zh/topics/does-pretraining-help/) · [deployment-topics.json](https://bci.report/data/deployment-topics.json) | 方法 | 条件 | 指标 | 数值 | 被试 | | --- | --- | --- | --- | --- | | [LaBraM](https://bci.report/zh/methods/labram/) | 运动想象 / 静息 · 预训练 | 平衡准确率 | 52.9% | 10 | | [LaBraM](https://bci.report/zh/methods/labram/) | 运动想象 / 静息 · 随机初始化（均值） | 平衡准确率 | 56.5% | 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 | | --- | --- | --- | --- | --- | | [LaBraM](https://bci.report/zh/methods/labram/) | Serial subtraction versus resting EEG | 平衡准确率 | 64.6% (60.5%–68.6%) | 36 | ### [EEGMAT](https://bci.report/zh/datasets/eegmat/) · 预训练 · 固定分类头 连同协议阅读： [预训练有用吗？](https://bci.report/zh/topics/does-pretraining-help/) · [deployment-topics.json](https://bci.report/data/deployment-topics.json) | 方法 | 条件 | 指标 | 数值 | 被试 | | --- | --- | --- | --- | --- | | [LaBraM](https://bci.report/zh/methods/labram/) | 脑力负荷 · 预训练 | 平衡准确率 | 64.6% | 36 | | [LaBraM](https://bci.report/zh/methods/labram/) | 脑力负荷 · 随机初始化（均值） | 平衡准确率 | 56.5% | 36 | ### [EEGMAT](https://bci.report/zh/datasets/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？](https://bci.report/zh/topics/does-pretraining-help/) · [deployment-topics.json](https://bci.report/data/deployment-topics.json) | 方法 | 条件 | 指标 | 数值 | 被试 | | --- | --- | --- | --- | --- | | [LaBraM](https://bci.report/zh/methods/labram/) | 脑力负荷 · 预训练 | 平衡准确率 | 64.4% | 36 | | [LaBraM](https://bci.report/zh/methods/labram/) | 脑力负荷 · 随机初始化（均值） | 平衡准确率 | 56.5% | 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 | | --- | --- | --- | --- | --- | | [LaBraM](https://bci.report/zh/methods/labram/) | 40 visual targets · 8 posterior electrodes | 平衡准确率 | 10.8% (9.5%–12.2%) | 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 | | --- | --- | --- | --- | --- | | [LaBraM](https://bci.report/zh/methods/labram/) | 40 visual targets · 4 posterior electrodes | 平衡准确率 | 12.9% (11.2%–14.6%) | 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 | | --- | --- | --- | --- | --- | | [LaBraM](https://bci.report/zh/methods/labram/) | Visual target versus nontarget events | 平衡准确率 | 49.4% (47.7%–51.2%) | 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 | | --- | --- | --- | --- | --- | | [LaBraM](https://bci.report/zh/methods/labram/) | Reading · target versus nontarget events | 平衡准确率 | 53.2% (51.3%–54.9%) | 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 | | --- | --- | --- | --- | --- | | [LaBraM](https://bci.report/zh/methods/labram/) | Five stages · balanced scalp-EEG sample | 平衡准确率 | 71.1% (69.0%–73.2%) | 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 | | --- | --- | --- | --- | --- | | [LaBraM](https://bci.report/zh/methods/labram/) | Seated motor imagery · cue-gated replay | 指令检出率 ≤3 秒 | 18.3% | 4 | | [LaBraM](https://bci.report/zh/methods/labram/) | Seated motor imagery · cue-gated replay | 空闲误触发率 | 3.3% | 4 | ### [Mobile BCI dataset (SSVEP and ERP paradigms)](https://bci.report/zh/datasets/mobile-bci/) · 运动 · SSVEP，2 秒时间窗 连同协议阅读： [移动中的解码](https://bci.report/zh/topics/on-the-move/) · [deployment-topics.json](https://bci.report/data/deployment-topics.json) **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）。 - 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%) | 方法 | 条件 | 指标 | 数值 | 被试 | | --- | --- | --- | --- | --- | | [LaBraM](https://bci.report/zh/methods/labram/) | 站立 · 头皮 · 8 通道 | 平衡准确率 | 59.5% (53.6%–65.5%) | 23 | | [LaBraM](https://bci.report/zh/methods/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](https://bci.report/zh/methods/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 →](https://bci.report/zh/methods/) · [全部数据集 →](https://bci.report/zh/datasets/) --- 本文是 https://bci.report/zh/methods/labram/ 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）。