# 如何读懂 EEG 解码结果

新手导览

五分钟入门指南：头皮 EEG 任务、固定协议、随机水平与描述性区间，并附六道直接取自已发布数据的互动检验。

- 01本站测什么
- 02固定协议
- 03随机水平与区间
- 04六道数据检验
- 05为何没有总分
- 06下一步去哪

01 · 信号与范围

## 什么是 EEG 解码，本站检验什么

点击带虚线的术语（如 [EEG](https://bci.report/zh/glossary/#eeg)、[SSVEP](https://bci.report/zh/glossary/#ssvep)、[P300 / ERP](https://bci.report/zh/glossary/#p300-erp)）可随时查看简短解释。

脑电图（EEG）通过头皮表面的电极记录微伏级的电势波动。脑机接口（BCI）将这些混杂噪声的波形转化为离散选择或状态判断——例如识别正在注视的闪烁目标、检测罕见视觉闪光、区分运动想象与静息，或划分整夜睡眠阶段。

BCI Report 在公开数据集上按经过审计的固定配方离线运行经典信号处理方法、轻量神经网络以及冻结或适配后的基础模型编码器。所有结果均为队列层面的聚合统计：本站不做实时 EEG 推理，不发布单个被试分数，也不提供任何临床或诊断结论。

视觉闪烁频率

### SSVEP

稳态视觉诱发电位通过枕叶后部电极捕捉注视不同闪烁频率目标时产生的锁相响应。

40 目标 · 随机水平 2.5%

锁时诱发波形

### P300 / ERP

事件相关电位是在罕见或受注意的视觉或语义目标出现后约 300 毫秒出现的短促电压偏转。

2 分类 · 随机水平 50.0%

感觉运动节律

### 运动想象

在不动肢体的前提下想象手部动作，改变运动皮层 mu/beta 频带功率，但个体差异明显。

2 分类 · 随机水平 50.0%

整夜 30 秒数据帧

### 睡眠分期

将整夜连续 30 秒数据帧划分为清醒、N1、N2、N3、REM 五期，罕见阶段与常见阶段同等重要。

5 阶段 · 随机水平 20.0%

02 · 可比性前提

## 固定协议是如何工作的

了解 [被试不重叠划分](https://bci.report/zh/glossary/#participant-disjoint) 与固定配方如何防止把任务难度与方法差异相互混杂。

两篇同样写着“运动想象”或“睡眠分期”的研究，分数几乎不能直接互换。哪怕代码完全不变，只要换了数据集、电极布局、时间窗长度或划分方式，准确率就可能波动二十余 pp（百分点）。

因此，BCI Report 上每一列核心评测在运行任何方法之前，都会把四个要素锁死在一个固定协议中：

01

### 被试队列

锁定数据集版本与被试人数——从 4 人的空闲试点到 BETA SSVEP 的 70 名被试。

02

### 电极布局

固定通道集合与头皮位置（例如 BETA 上的 8 通道与 4 通道后部电极，或睡眠分期的 6 导联）。

03

### 被试不重叠划分

同一名被试的全部记录必须同处训练折或测试折一侧，检验向未见过被试的迁移，而非记住某人的基线。

04

### 固定配方

同一列内所有方法共用完全相同的时间窗、预处理、训练预算与评价指标。

03 · 读懂数字

## 把随机水平和描述性 95% 区间放在一起读

结合 [平衡准确率](https://bci.report/zh/glossary/#balanced-accuracy)、[随机水平](https://bci.report/zh/glossary/#chance-level) 与 [描述性 95% 区间](https://bci.report/zh/glossary/#descriptive-interval) 一起阅读。

离开随机水平，单个百分数几乎没有意义。40 类 SSVEP 上的 33.7% 高出 2.5% 随机水平超过 31 pp，而 2 分类 P300 上的 51.0% 却几乎贴在 50.0% 随机线上。

在每个点估计旁，BCI Report 都会附带基于留出被试自助重采样的描述性 95% 区间，展示个体间的波动幅度。对照下面两组来自本站已发布数据的实测切片：

### 40 类 SSVEP（BETA · 8 通道 · 70 名被试）

随机水平 2.5%

**beta-8ch 协议上的已发布核心矩阵各行。** 虚线 = 2.5% 随机水平；横线 = 描述性 95% 被试自助重采样区间。

- CBraMod — 冻结编码器 · 95% 区间 29.8–37.6%: 33.7%
- EEGNet — 轻量模型 · 95% 区间 50.1–61.3%: 55.8%
- Standard CCA — 免训练参考 · 95% 区间 57.2–69.0%: 63.1%
- FBCCA — 滤波器组参考 · 95% 区间 75.1–82.8%: 79.1%

**关键读法：**即使是 33.7% 这一行（CBraMod），也高出 40 目标均匀猜测超过 30 pp。

### 2 分类 P300 目标 ERP（21 名被试）

随机水平 50.0%

**p300-target 协议上的已发布核心矩阵各行。** 虚线 = 50.0% 随机水平；横线 = 描述性 95% 被试自助重采样区间。

- LaBraM — 冻结编码器 · 95% 区间 47.7–51.2%: 49.4%
- Spectral ridge — 频带功率基线 · 95% 区间 49.6–52.4%: 51.0%
- Temporal ridge — 时域基线 · 95% 区间 51.9–55.6%: 53.8%
- XDAWNCov+TS+LR — xDAWN + 黎曼几何 · 95% 区间 58.8–65.0%: 61.9%

**关键读法：**Spectral ridge 为 51.0%——数字本身大于上面的 33.7%——但其 95% 区间（49.6–52.4%）跨越了 50% 随机线。

上方两组示例图所对应的已发布数值。

| 协议 | 方法 | 平衡准确率 | 描述性 95% 区间 | 随机水平 |
| --- | --- | --- | --- | --- |
| SSVEP · 8 通道（40 类） | CBraMod | 33.7% | 29.8–37.6% | 2.5% |
| SSVEP · 8 通道（40 类） | EEGNet | 55.8% | 50.1–61.3% | 2.5% |
| SSVEP · 8 通道（40 类） | Standard CCA | 63.1% | 57.2–69.0% | 2.5% |
| SSVEP · 8 通道（40 类） | FBCCA | 79.1% | 75.1–82.8% | 2.5% |
| P300 目标 ERP（2 类） | LaBraM | 49.4% | 47.7–51.2% | 50.0% |
| P300 目标 ERP（2 类） | Spectral ridge | 51.0% | 49.6–52.4% | 50.0% |
| P300 目标 ERP（2 类） | Temporal ridge | 53.8% | 51.9–55.6% | 50.0% |
| P300 目标 ERP（2 类） | XDAWNCov+TS+LR | 61.9% | 58.8–65.0% | 50.0% |

04 · 互动检验

## 先猜再看：六道来自已发布结果的检验

在深入完整矩阵之前，用六道来自真实已发布数据的题目检验直觉。点击任意选项即可展开实测数字与协议页面链接——不计时，也不计分。

01 / 06 40 类 SSVEP · 70 名被试

### 在 8 个后部电极的 40 类 SSVEP 上，FBCCA 减去 Standard CCA 的配对差值区间是否完全位于零以上？

- **A.** 是的——校正后区间完全位于零以上
- **B.** 不是——区间跨越零，差异未定
- **C.** 不是——Standard CCA 保持高于 FBCCA

查看已发布结果

FBCCA 79.1% 对 Standard CCA 63.1% · 配对均值 +16.0 pp（98.75% 区间 +11.6 至 +20.5 pp）

对多个谐波子带加权融合，使 FBCCA 在 70 名被试队列上与单频带 CCA 明显分开，且两种方法都无需训练数据。

[查看 SSVEP · 8 通道协议 →](https://bci.report/zh/protocols/beta-8ch/)

02 / 06 五期睡眠分期 · 20 名被试

### 在五期睡眠分期（随机水平 20%）上，是不是所有冻结基础模型编码器都与经典的 Spectral ridge 分开且高于它？

- **A.** 是的——每个冻结基础模型编码器都高于 Spectral ridge
- **B.** 不是——不同编码器分化明显：一部分区间分开并高于它，另一部分重叠或更低
- **C.** 不是——Spectral ridge 高于所有冻结编码器

查看已发布结果

Spectral ridge 72.2%（70.7–73.8%）· LaBraM 71.1%（69.0–73.2%）· ST-EEGFormer Large 79.6%（78.2%–81.0%）· EEGPT 75.5%

基础模型并非铁板一块：在相同的冻结岭回归分类头下，部分检查点与快速频谱基线区间重叠，另一些则清晰分开。

[查看睡眠分期协议 →](https://bci.report/zh/protocols/sleep-scalp/)

03 / 06 运动想象 · 10 名被试

### 在只有 10 名被试的二分类运动想象与静息任务上，EEGNet 的描述性 95% 被试自助重采样区间大约有多宽？

- **A.** 很窄——大约 1 到 2 pp 宽
- **B.** 很宽——在 10 名被试上超过 11 pp
- **C.** 宽度为零——固定随机种子没有区间

查看已发布结果

EEGNet 71.0% · 95% 区间 65.0–76.3%（10 名被试上的宽度为 11.3 pp）

在小样本队列中，个体差异可跨越十余 pp，因此不能过度解读点估计之间微小差别的含义。

[查看运动想象与静息协议 →](https://bci.report/zh/protocols/mi-rest/)

04 / 06 P300 目标 ERP · 21 名被试

### 在二分类 P300 目标 ERP（随机水平 50%）上，XDAWNCov+TS+LR 是否与 Spectral ridge 清晰分开？

- **A.** 是的——面向锁时波形的 xDAWN 滤波明显高于 Spectral ridge
- **B.** 不是——频带功率同样能捕捉 P300
- **C.** 不是——Spectral ridge 高于 XDAWNCov+TS+LR

查看已发布结果

XDAWNCov+TS+LR 61.9% 对 Spectral ridge 51.0% · 配对均值 +11.0 pp（98.75% 区间 +6.8 至 +15.1 pp）

P300 是短促的锁时电压偏转而非稳态节律；Spectral ridge 贴近 50% 随机水平，而 xDAWN 专门增强诱发响应。

[查看 P300 目标 ERP 协议 →](https://bci.report/zh/protocols/p300-target/)

05 / 06 空闲与指令 · 4 人试点

### 在提示同步的空闲协议上，EEGNet 的空闲误触发率为 0.0%。为什么单看这一个数字会产生误导？

- **A.** 它的指令检出率只有 1.7%——几乎始终拒识
- **B.** 该协议里没有可供触发的空闲试次
- **C.** 空闲协议有 40 个类别，所以 0.0% 就是随机水平

查看已发布结果

EEGNet：指令检出率 1.7%，空闲误触发率 0.0% · ShallowFBCSPNet：检出率 43.3%，误触发率 1.7%

沉默的解码器不会误触发，但也几乎不执行指令——空闲安全与指令检出率必须成对阅读。

[查看空闲与指令协议 →](https://bci.report/zh/protocols/idle/)

06 / 06 电极缩减 · 8 通道 → 4 通道

### 在同一批 70 名被试的 40 类 SSVEP 上，后部电极从 8 通道减到 4 通道后，FBCCA 与 EEGNet 会发生什么变化？

- **A.** 两者保持不变——4 通道携带完全相同的空间信息
- **B.** 两者均下降，且 FBCCA 仍明显高于 EEGNet
- **C.** 通道数减半后，EEGNet 反超 FBCCA

查看已发布结果

FBCCA 79.1% → 72.3% · EEGNet 55.8% → 44.1% · 4 通道配对差值 +28.2 pp（98.75% 区间 +22.8 至 +33.9 pp）

后部电极减半会拉低各方法的准确率，但免训练滤波器组结构依然保持清晰的频率分辨能力。

[查看 SSVEP · 4 通道协议 →](https://bci.report/zh/protocols/beta-4ch/)

05 · 不设总分

## 为什么没有跨任务总分

不同 EEG 范式遵循不同的信号物理机制：锁频视觉响应（SSVEP）、短促锁时波峰（P300）、整夜频谱节律（睡眠分期）以及空闲误触发权衡，彼此不在同一标尺上。把它们平均成一个总分，只会掩盖各类方法在具体信号上的真实表现。

你可以直接在交互式二维方法图谱与协议一致性视图中观察各方法的分布，或在基础模型编码器总览中跨 8 个核心协议横向对照全部冻结编码器。

- [打开二维方法图谱与协议一致性 →](https://bci.report/zh/explore/)
- [查看基础模型编码器总览 →](https://bci.report/zh/methods/#foundation)

06 · 继续探索

## 下一步去哪里

- [探索二维方法图谱](https://bci.report/zh/explore/): 交互图谱 · 跨协议观察方法分布、查看协议之间的一致与分歧，并任选两种方法并排对比。
- [浏览 17 个专题问题](https://bci.report/zh/topics/): 按问题查证据 · 查看关于干湿电极、VR 迁移、校准预算、模型适配、预训练对照与数据质量核查的实证回答。
- [检索开放登记册](https://bci.report/zh/datasets/register/): 完整溯源 · 按名称搜索本站追踪的所有 EEG 数据集与模型，查看各自在五步核验阶梯上的进度与条款记录。

[想查某个术语的定义？浏览包含 36 条中英词条的术语表 →](https://bci.report/zh/glossary/)

---
本文是 https://bci.report/zh/start/ 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）。
