传感器迁移 · 102 名被试

干电极与湿电极

湿电极和干电极的记录不是可以互换的输入。最明显的不匹配出现在：一个 EEGNet 在湿电极记录上训练，再拿去评测留出被试的干电极记录——但传感器类型与佩戴顺序、任务时长相互混杂。

已审核的聚合 JSON ↓方法与局限 ↓

−29.4 pp湿电极训练的 EEGNet：干电极减湿电极的平衡准确率

观察到的最大跨传感器损失

在同样的 102 名被试中，被试配对 bootstrap 区间为 −34.5 至 −24.3 pp。这是来自单一训练种子的描述性迁移结果，不是对电极硬件的纯因果估计。

源域训练模型

在一种传感器上训练，在两种上测试

六折划分，每折留出 17 名被试；被留出被试的两种传感器记录都不参与源域训练。每个单元格都是 12 目标、两秒 SSVEP 上的被试平均平衡准确率。

原生 8 通道头带 · 102 名被试 · 每种目标传感器 12,240 个试次。括号内为被试 bootstrap 95% 区间。
模型与训练来源	在湿电极上测试	在干电极上测试
Spectral ridge在湿电极上训练 · 被试不重叠	40.3%36.5%–44.3%	35.2%31.8%–38.8%
Spectral ridge在干电极上训练 · 被试不重叠	39.7%35.9%–43.6%	37.2%33.5%–41.0%
EEGNet在湿电极上训练 · 被试不重叠	75.0%70.3%–79.5%	45.6%40.5%–50.8%
EEGNet在干电极上训练 · 被试不重叠	64.0%59.1%–68.8%	56.8%51.9%–61.6%

湿电极训练的 EEGNet

75.0% → 45.6%

把同一个已拟合模型从湿电极记录移到干电极记录，平衡准确率下降了 29.4 个百分点。

干电极训练的 EEGNet

56.8% → 64.0%

把干电极训练的模型拿到湿电极记录上测试，平衡准确率提高了 7.3 个百分点；95% 区间 +4.2 至 +10.4 pp。

另一类参考方法

82.3% / 64.6%

FBCCA 直接对每条目标记录计算、无需训练，也不从源域被试学习，因此不是迁移训练得到的模型。

免训练参考方法

这里不该有「源域训练」的箭头

CCA、FBCCA 和功率参考直接作用于目标记录。按源传感器各列一遍，会重复完全相同的预测，并暗示发生过从未发生的训练。

在相同的两秒、12 目标协议下，直接作用于目标记录的参考方法。
参考方法	湿电极记录	干电极记录
Same-frequency power免训练或固定参考	39.8% · 95% 区间 35.4%–44.3%	36.0% · 95% 区间 31.8%–40.2%
CCA免训练或固定参考	81.6% · 95% 区间 77.7%–85.1%	65.5% · 95% 区间 60.6%–70.2%
FBCCA免训练或固定参考	82.3% · 95% 区间 78.7%–85.7%	64.6% · 95% 区间 59.5%–69.6%

方法与局限

这项比较能支持什么

这些是固定协议下、跨被试的描述性区间，不是适用于所有头戴设备、所有会话或所有重新训练方案的置信区间。

原生可穿戴证据

该数据集用原生八通道头带同时记录两种传感器。它与从更大记录中选取八个后部头皮通道的移动场景结果是两回事。

佩戴顺序仍是混杂因素

佩戴顺序和任务时长与传感器类型相互混杂。两个顺序分层都出现了湿电极训练后的下降，但实验设计无法把硬件单独隔离为唯一原因。

幅值单位尚未厘清

该发布没有说明物理幅值单位。对幅值尺度敏感的基础模型实验暂不发布；这里不去猜测单位。

EEGNet 只用了一个种子

源域训练的 EEGNet 单元格只用了一个训练种子。配对区间描述的是在该已拟合协议条件下的被试间差异。

An Open Dataset for Wearable SSVEP-Based Brain-Computer Interfaces

Zhu, F., Jiang, L., Dong, G., Gao, X., & Wang, Y. (2021). An Open Dataset for Wearable SSVEP-Based Brain-Computer Interfaces (Version 4) [Data set]. Figshare. https://doi.org/10.6084/m9.figshare.13560281.v4

Zhu, F., Jiang, L., Dong, G., Gao, X., & Wang, Y. (2021). An Open Dataset for Wearable SSVEP-Based Brain-Computer Interfaces. Sensors, 21(4), 1256. https://doi.org/10.3390/s21041256

聚合结果基于 2026-09-20 获取的清华 BCI 实验室作者官方镜像快照计算。本地检查不能证明它与 Figshare v4 逐字节一致。

数据集记录 ↗ · Sensors 论文 ↗ · CC BY 4.0

数据来源：已审核的聚合 JSON · schema bci-report-public-deployment-topics-v1 · 生成于 2026-09-20。