# 把公开 EEG 数据集从头到尾核一遍，文件里能看到什么？

数据质量与可复现性 · 三个公开 EEG 数据集，从文件读起

Shin2022 是完整的案例：先从文件里清点 run、重复文件与时间窗，再做整名被试留出的检验，旁边配一个只读试次时长的对照。eldBETA 与 ZuCo 2.0 是状态案例：写明文件里看到了什么，不给分数。

- [已审核的聚合 JSON ↓](https://bci.report/data/data-quality-update.json)
- 

测量所用数据集： [Shin2022 · closed-loop motor imagery EEG (Figshare 20383716)](https://bci.report/zh/datasets/shin2022/)

## 简答

Shin2022 的文件里有些 run 逐字节重复，有些反馈时间窗不足一秒或有一个通道恒定不变；在剩下的时间窗上做整名被试留出的检验，alpha 与 beta 频带功率的平衡准确率为 **52.59%**，只读每个试次持续多久的对照为 **52.33%**，训练集先验为 **50.00%**。eldBETA 一名被试的原始记录通过了全部检查；只有一个人，所以分数暂缓。ZuCo 2.0 的一个转换后记录中，有些注视时间落在记录之外，所以不计算 EEG–文本分数。

完整案例 · Shin2022 · 闭环光标控制，干电极

## 整名被试留出后，还剩下什么？

任务是在光标反馈的第一秒内判断指示目标是右还是左，被检验的被试完全不参与训练：10 名被试轮流留出一次，用其余 9 人拟合的岭回归给其时间窗打分。在下文清点出的信号有效时间窗上，alpha 与 beta 频带功率按被试平均的平衡准确率为 52.59%（51.51%–53.66%）。只读每个试次整段反馈时长的对照为 52.33%（50.87%–54.02%）。训练集先验为 50.00%。

按被试平均的平衡准确率：10 名留出被试各自的平衡准确率等权平均，附被试 bootstrap 的 95% 区间。合并值把所有信号有效的时间窗放在一起计算，是次要数字，不附区间。

| 组 | 按被试平均的平衡准确率 | 合并值（次要） | 读什么 |
| --- | --- | --- | --- |
| 按被试等权的训练集先验 — 参照 | 50.00% (95% 区间 50.00%–50.00%) | 50.00% | 不读任何输入：总是预测训练集中较大的那一类，每名训练被试的权重相同。 |
| 归一化 spectral ridge — EEG | 52.59% (95% 区间 51.51%–53.66%) | 52.55% | 32 个对数频带功率，各自相对于所在通道 1–40 Hz 的功率：16 个存储通道上各取 alpha（8–12 Hz）与 beta（13–30 Hz）；岭回归，alpha 取 1.0，不调参。 |
| 回溯对照 |  |  |  |
| 回溯的时长对照 | 52.33% (95% 区间 50.87%–54.02%) | 52.15% | 只读一个值：整段反馈时长的对数；岭回归，alpha 取 1.0。 |

分数只覆盖信号有效的时间窗：反馈至少持续一秒，且第一秒在全部 16 个通道上都是有限值、1–40 Hz 功率为正。标签是闭环光标记录中指示的目标，这类记录带有视觉、控制器与行为上的混杂。时长对照读的是整段反馈时长，要到试次结束后才知道，所以它检验的是一个混杂因素；spectral ridge 一组与它相差无几，两组之间没有做任何检验。十名被试，每人一个记录日；区间只作描述。

### 从发布中的 run 到参与评分的时间窗

每个计数都读自以哈希固定的记录（标签与重复文件审计、信号普查审核或评分导出），每一步都由上一步推出。右与左指的是指示的目标。

| 步骤 | 计数 | 右 · 左 | 文件里看到的 |
| --- | --- | --- | --- |
| 发布中的 run | 110 | — | 发布中人类记录的 run；模拟分支不计入，也不增加被试。 |
| 逐字节相同的 run 对 | 9 | — | 逐字节相同的 run 对：每一对都在同一名被试之内，由一个 BW30 run 和一个 NT0 run 组成。 |
| 互不相同的 run | 101 | — | 每对逐字节相同的 run 只计一次后，互不相同的 run。共含 2,412 个已结束的反馈时间窗。 |
| 不完整的 run — 暂缓 | 1 | — | 有一个 run 在某个反馈时间窗中途结束；这个 run 整个暂缓。 |
| 完整的 run | 100 | 12 · 12（每个 run） | 完整且互不相同的 run，每个目标各有十二个已结束的反馈时间窗。覆盖全部 10 名被试。 |
| 已结束的反馈时间窗 | 2,400 | 1,200 · 1,200 | 完整 run 中已结束的反馈时间窗。 |
| 不足一秒 — 排除 | 167 | 76 · 91 | 反馈在第一秒之内就结束了，所以时间窗不足各组读取的一秒。 |
| 至少一秒 | 2,233 | 1,124 · 1,109 | 反馈至少持续一秒的时间窗。 |
| 第一秒有恒定通道 — 排除 | 13 | 7 · 6 | 第一秒内至少有一个通道恒定不变的时间窗，该通道因此没有 1–40 Hz 功率；这条规则在不计算分数的普查之后、任何拟合之前冻结。所有通道都恒定的有 8 个，部分通道恒定的有 5 个；输入含非有限值的时间窗有 0 个。 |
| 信号有效 | 2,220 | 1,117 · 1,103 | 信号有效的时间窗：三个组都在这些时间窗上评分。占已结束时间窗的 92.5%，占至少持续一秒的时间窗的 99.42%；全部 10 名被试都保留了两个目标的时间窗。 |

MOABB 的数据集摘要给出的试次时长为 6 秒：这是所读 110 个 run 的文件头都设定的反馈上限（MaxFeedbackDuration）。MOABB 列出的 Shin2022 试次数与 run 数，作为发现写在[开放登记册中它的那一行](https://bci.report/zh/datasets/register/#r-site-shin2022)。

### 是怎么核的

- **暂缓**：第一个、更严格的协议覆盖全部时长合格的时间窗，在零功率关卡处遇到一段平直信号，在拟合任何模型之前就停止了；那次尝试记为失败并暂缓。
- **通过**：一次普查读取了每个时长合格时间窗的信号，不用任何模型，也不计算任何分数。
- **通过**：带信号有效性规则的第二个协议在普查之后、任何拟合之前冻结。
- **通过**：预测在审计之前封存；指标在审计之后才计算。
- **通过**：一次独立审计从封存的预测重建了每一项指标。
- **通过**：一次独立的发布审核认可了聚合数值与覆盖情况，准予发布。

### 暂缓或尚未确立的部分

- 论文把 NT0 与 BW60 配成一对，而逐字节相同的 run 是 BW30 与 NT0 成对；NT0 究竟对应哪一段记录，尚未厘清。
- BW、CV 与 NT 三种控制参数条件之间的比较暂缓：有一个 BW60 的文件头记录了 5 秒的缓冲，NT 与 CV 的文件头记录的是 30 秒的默认值。
- 不完整的 run 整个暂缓；要使用其中已结束的时间窗，需要单独冻结一条规则。
- 如果要在每个已结束的时间窗上做任务、不论其时长，需要单独冻结一个协议。
- 完整的头皮电极布局、显示延迟、硬件的绝对定标，以及数据与各预训练语料有无重叠，都尚未确立。
- 平直信号段的物理成因不明。
- 精确去重之后，试次是否相互独立仍未确立；同一被试的所有 run 都留在该被试所在的折中。

### 来源、许可与知情同意

### Shin2022 · Data from: Closed-loop motor imagery EEG simulation for brain-computer interfaces (Shin, Suma and He)

带视觉反馈的闭环左右光标控制；标签是指示的目标。Figshare 记录 20383716 的第 1 版，也是该记录列出的唯一版本。

Hyonyoung Shin, Daniel Suma and Bin He · Data from: Closed-loop motor imagery EEG simulation for brain-computer interfaces, figshare, doi:10.6084/m9.figshare.20383716.v1, CC BY 4.0. Paper: Hyonyoung Shin, Daniel Suma and Bin He, Closed-loop motor imagery EEG simulation for brain-computer interfaces, Frontiers in Human Neuroscience 16:951591 (2022), doi:10.3389/fnhum.2022.951591. Funding: NIH AT009263. Modifications: canonical deduplication of the byte-identical runs, first-second window selection and signal-validity filtering. Derived analysis by BCI Report; not endorsed by the authors.

模拟器代码是数据记录所链接的另一项作品；数据许可覆盖的是数据记录。[模拟器代码 ↗](https://github.com/mcvain/bci-simulator)

[数据集记录 ↗](https://doi.org/10.6084/m9.figshare.20383716.v1) · [CC BY 4.0](https://creativecommons.org/licenses/by/4.0/) · [数据集页面 →](https://bci.report/zh/datasets/shin2022/)

### 数据源陈述的伦理与知情同意

**伦理审批：**研究经卡内基梅隆大学机构审查委员会审查并批准；论文没有给出批准编号。The study was reviewed and approved by the Institutional Review Board of Carnegie Mellon University; the paper gives no approval number.

**知情同意：**被试签署了参加本研究的书面知情同意。The participants gave written informed consent to take part in the study.

数据记录还写明：“All identifying information have been removed.” “Please cite the above paper if you use any data included in this dataset.”

[论文及其伦理声明 ↗](https://www.frontiersin.org/journals/human-neuroscience/articles/10.3389/fnhum.2022.951591/full)

状态案例 · eldBETA · 老年人的 SSVEP 选择

## 一名被试的原始记录，从头到尾

从原始记录读起的流程，在一名被试的 7 个组块（9 个目标）上从头到尾跑通：全部 63 个试次都通过了读取与质量检查，没有一个被剔除。连续记录中，分析时间窗之外有 248,320 个非有限值，按记录原样保留，分析时间窗之内一个也没有。只有一个人时，任何分数都是这个人的分数，所以准确率暂缓。

### 暂缓或尚未确立的部分

- 没有使用派生的 MATLAB 分段：它们的幅值尺度、重采样方式与确切端点都尚未确立。
- 读取原始记录时应用了文件头中的定标；记录下来的单位代码没有经过独立审计。
- 连续记录中的非有限值既没有定位，也没有得到解释。
- 该记录列出 100 名被试；其余已发布的被试既没有获取，也没有评测。

eldBETA 在 SingLEM 公开的预训练数据清单中，即 SingLEM 论文的表 I；BETA 是另一个数据库，不在这份清单里，SingLEM 在 BETA 上“是否出现在预训练数据中”的那一行写明了这一点。[SingLEM 论文的表 I ↗](https://arxiv.org/abs/2509.17920v3) · [SingLEM 的“是否出现在预训练数据中”各行 →](https://bci.report/zh/methods/singlem/#pretraining-exposure)

**eldBETA · 单人分数 · 只发状态。** [它在暂缓登记表中的条目 →](https://bci.report/zh/releases/#hold-eldbeta-one-participant-score)

### 来源、许可与知情同意

### eldBETA: A Large Eldercare-oriented Benchmark Database of SSVEP-BCI for the Aging Population (Liu, Wang, Gao and Chen)

老年人在九个目标中做 SSVEP 选择，每人记录七个组块。Figshare 记录 18032669 的第 3 版，是该记录列出的 3 个版本中最新的一版。

Bingchuan Liu, Yijun Wang, Xiaorong Gao and Xiaogang Chen · eldBETA: A Large Eldercare-oriented Benchmark Database of SSVEP-BCI for the Aging Population, figshare, doi:10.6084/m9.figshare.18032669.v3, CC BY 4.0. Data descriptor: Scientific Data, doi:10.1038/s41597-022-01372-9. Funding: National Natural Science Foundation of China (No. 62171473). Modifications: decoding of the original recording format with the header calibration, and fixed channel and window selection; no score from these data is published. Derived analysis by BCI Report; not endorsed by the authors.

[数据集记录 ↗](https://doi.org/10.6084/m9.figshare.18032669.v3) · [CC BY 4.0](https://creativecommons.org/licenses/by/4.0/)

### 数据源陈述的伦理与知情同意

**伦理审批：**实验方案遵循《赫尔辛基宣言》，经清华大学机构审查委员会批准，批准编号 20210032。The protocol followed the Declaration of Helsinki and was approved by the institutional review board of Tsinghua University, approval number 20210032.

**知情同意：**被试在实验前熟悉了实验方案，并签署了完整的书面同意。The participants were familiarised with the protocol and gave full written consent before the experiment.

数据描述论文还写明：“The eldBETA database is open-access for research and can be downloaded from the website”

[数据描述论文及其伦理声明 ↗](https://www.nature.com/articles/s41597-022-01372-9)

状态案例 · NEMAR 上的 ZuCo 2.0 · 没有分数

## 一个转换后记录的时间问题

在 NEMAR 上 ZuCo 2.0 的一个转换后记录中，有些注视时间落在记录之外。在转换程序的时间规则与带源校验和的测试样例具备之前，不计算任何 EEG–文本分数。暂缓只涉及那一个转换后的记录；没有修正任何时间，也没有删除任何数据行。

### 具备以下条件后解除暂缓

- 转换程序的确切版本、配置与运行环境，以及它在类型转换、时间原点与边界上的规则
- 一个带源校验和的时间测试样例，含原始的起止时间戳以及记录本身的起止时钟
- 触发信号、句子与 run 之间的规范对应关系

尚未读取这个数据集的知情同意或伦理声明。[来源与所述条款 ↓](https://bci.report/zh/topics/data-quality/#zuco2-source)

**NEMAR 上的 ZuCo · 转换后记录的时间 · 没有分数。** [它在暂缓登记表中的条目 →](https://bci.report/zh/releases/#hold-zuco2-converted-run-timing)

## 三个案例在开放登记册中的行

每个案例在开放登记册中都有一行，写明核验到了哪一步，以及还有哪些缺口。

- Shin2022：[开放登记册中的这一行 →](https://bci.report/zh/datasets/register/#r-site-shin2022)
- eldBETA：[开放登记册中的这一行 →](https://bci.report/zh/datasets/register/#r-site-eldbeta)
- ZuCo 2.0：[开放登记册中的这一行 →](https://bci.report/zh/datasets/register/#r-site-zuco2)

方法与局限

## 方法与局限

### Shin2022：检验是怎样做的

每次留出一名被试：共 10 折，每折用 9 名被试拟合。时间窗是反馈的第一秒，从记录的起点读起，从不延长或填充：250 个采样点，采样率 250 Hz，来自一套干电极的 g.tec g.Nautilus RESEARCH (16 channel) 头戴设备（按存储顺序为 EEG1–EEG16；文件头中没有通道名称）。标签是每个 run 存储的指示目标（TargetCode）；从不读取试次的结果。

### 区间

每个区间对 10 名被试有放回地重抽样 10,000 次，三个组共用同一套重抽样下标，百分位按线性插值读取。

### 不发布的内容

- 任何形式的逐被试数据：标识符、run 与文件名、折的分配、特征、拟合的模型、决策值与预测；三个数据集中任何一个的原始信号。
- Shin2022 证据中的逐被试数字：每名被试的时间窗数及其范围，以及哪些被试有平直的时间窗。
- Shin2022 的反馈时长分布（分位数与均值），以及信号普查中逐通道的计数。
- eldBETA 那一名被试的准确率及其固定的首频率对照。
- ZuCo 2.0 转换后记录的编号、逐行的时间数值与标记计数；本站不转发任何 ZuCo 2.0 数据。
- MOABB 目录中 Shin2022 的试次数与 run 数：属于开放登记册的内容，写在开放登记册的文件中。
- 计算时间、存储大小、主机与存储位置。
- 研究导出文件、审计、审核、协议与交接文件本身：每一份都在发布清单中以 SHA-256 固定、由导出程序核对，但不发布，因为其中几份含有私有存储路径。

### ZuCo 2.0：来源与所述条款

NEMAR 登录号 nm000279，版本 1.0.0，doi:10.82901/nemar.nm000279.v1.0.0。所述许可：CC-BY-4.0，见该版本的 dataset_description.json。尚未核实：OSF 上的原始条款；刺激所引文本片段的条款。[数据集记录 ↗](https://data.nemar.org/nm000279/v1.0.0/)

Hollenstein, N., Troendle, M., Zhang, C., & Langer, N. (2020). ZuCo 2.0: A Dataset of Physiological Recordings During Natural Reading and Annotation. LREC 2020.

数据来源： [data-quality-update.json](https://bci.report/data/data-quality-update.json) · schema bci-report-data-quality-update-v1。

## 相关

- [每个数据源的许可、知情同意与伦理声明是怎样读取的 →](https://bci.report/data-use/#sources-data-quality)（英文）
- 小规模试点研究，各有各的局限：[一个小规模试点能说明什么、不能说明什么？](https://bci.report/zh/topics/pilot-studies/)
- [开放登记册：我们知道的每个 EEG 数据集，以及核验到了哪一步 →](https://bci.report/zh/datasets/register/)

继续探索

迁移

- [— 传感器迁移 **干电极与湿电极**](https://bci.report/zh/topics/dry-vs-wet/)
- [— 场景迁移 **从屏幕到 VR**](https://bci.report/zh/topics/screen-to-vr/)
- [— 电极布局 **更少的电极**](https://bci.report/zh/topics/fewer-electrodes/)
- [— 运动鲁棒性 **移动中的解码**](https://bci.report/zh/topics/on-the-move/)
- [— 跨会话迁移 · 同一被试 **后续会话**](https://bci.report/zh/topics/later-sessions/)

调整模型

- [— 校准预算 **需要多少校准？**](https://bci.report/zh/topics/calibration-budget/)
- [— 模型适配 **该更新哪一部分？**](https://bci.report/zh/topics/model-adaptation/)
- [— 表征对照 **预训练有用吗？**](https://bci.report/zh/topics/does-pretraining-help/)
- [— 共享编码器 · 第二条路线 **一个模型，多个问题**](https://bci.report/zh/topics/shared-encoder/)
- [— 用语言提问 · 第三条路线 **用语言提问**](https://bci.report/zh/topics/questions-in-language/)
- [— 第三条路线 · 后续检验 **没见过的 SSVEP 频率**](https://bci.report/zh/topics/new-ssvep-frequencies/)

可靠性与临床

- [— 拒识 · 决策研究 **何时不该执行**](https://bci.report/zh/topics/when-not-to-act/)
- [— 睡眠分期 · 简单基线 **睡眠分期的失衡**](https://bci.report/zh/topics/sleep-staging/)
- [— 临床研究 **临床分组**](https://bci.report/zh/topics/clinical-groups/)
- [— 数据质量与可复现性 **从头核到尾**](https://bci.report/zh/topics/data-quality/)

其他信号与试点

- [— 其他信号 · 人类与猕猴 **头皮 EEG 之外**](https://bci.report/zh/topics/beyond-scalp-eeg/)
- [— 试点研究 · 小样本 **试点研究**](https://bci.report/zh/topics/pilot-studies/)

[全部问题与迁移覆盖地图 →](https://bci.report/zh/topics/)

## 引用本页

BCI Report. *把公开 EEG 数据集从头到尾核一遍，文件里能看到什么？*[EB/OL]. (2026-10-20). https://bci.report/zh/topics/data-quality/

数字来自发布 [`data-quality-update-20261020`](https://bci.report/zh/releases/#data-quality-update-20261020)（2026-10-20）。也请同时引用上游数据集：署名就在本页。

每个发布版本都在 Zenodo 存档：[doi:10.5281/zenodo.23123296](https://doi.org/10.5281/zenodo.23123296)。 [本站及各次发布的 BibTeX →](https://bci.report/zh/api/#cite-heading) · [CITATION.cff ↗](https://raw.githubusercontent.com/twu3202/bci-report/main/CITATION.cff)（英文）

---
本文是 https://bci.report/zh/topics/data-quality/ 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）。