保留的配对数据帧
75.2%
15,523 帧中的 11,674 帧15,523 帧中的 11,674 帧
电极布局 · 两项配对比较
更少的电极
在同样的 10 名被试、同样的 30 秒数据帧上，6 个头皮电极的睡眠分期效果好于 4 个耳道内通道——10 人无一例外。这是单一队列、单一简单模型的配对描述性结果。它不给头戴设备排名，也无法把硬件本身的影响与电极位置、数量分开。另一项互不相关的比较——区分睁眼与闭眼时，后部 4 个电极对全部 16 个电极——在 19 名被试上没有发现一致的差异。
+15.4 pp头皮减耳道内的平衡准确率，同一批 10 名被试
每名被试都是头皮更高
10 名被试中有 10 名，6 个头皮电极的结果高于 4 个耳道内通道。平均差值的描述性被试 bootstrap 区间为 +10.6 至 +20.3 pp。两种配置在完全相同的数据帧上评分。
两种配置，相同的数据帧
4 个耳道内通道对 6 个头皮电极
五期睡眠分期，每 30 秒一帧评分；随机水平为 20%。10 折留一被试交叉验证，两种配置使用同一个固定模型。
| 配置 | 通道 | 平衡准确率 | 宏平均 F1 |
|---|---|---|---|
| 4 个耳道内通道耳道内的物理通道；不是标准头皮位置 | RB · RT · LB · LT | 53.6%47.4%–59.7%平衡准确率 53.6% | 47.6% |
| 6 个头皮电极乳突位 M1、M2 只用于筛选完整数据帧 | F3 · C3 · O1 · F4 · C4 · O2 | 69.0%63.4%–74.2%平衡准确率 69.0% | 64.9% |
可用数据
这些分数以什么为前提
只有两种配置都具备完整、有限值数据的帧才被保留，这条规则剔除了 3,849 帧。分数描述的是保留下来的这部分数据，而不是任一设备采集到可用数据的频率。
被试
10
全部保留
夜晚
17
19 晚中的 17 晚
第二项比较 · 睁眼与闭眼
后部 4 个电极对全部 16 个电极
另一个任务、另一批被试：用 6 秒窗口区分睁眼与闭眼，随机水平为 50%。两种配置都取自同一套 16 电极研究记录，用同一个固定模型做 19 折留一被试交叉验证。
−1.6 pp全部 16 个减后部 4 个的平衡准确率，同一批 19 名被试
没有一致的差异
19 名被试中，7 名用全部 16 个电极更高，7 名用后部 4 个电极更高，5 名持平。平均差值的描述性被试 bootstrap 区间为 −10.0 至 +6.8 pp。区间跨过零：在这批被试上，后部 4 个电极既没有明显更好，也没有明显更差。这不能说明电极越少越好。
| 配置 | 通道 | 平衡准确率 | 宏平均 F1 |
|---|---|---|---|
| 后部 4 个电极从同一记录中用软件选出 | Pz · O1 · Oz · O2 | 79.5%72.6%–85.8%平衡准确率 79.5% | 76.6% |
| 全部 16 个电极电极帽记录的全部电极 | Fp1 · Fp2 · Fc5 · Fz · Fc6 · T7 · Cz · T8 · P7 · P3 · Pz · P4 · P8 · O1 · Oz · O2 | 77.9%70.5%–85.3%平衡准确率 77.9% | 74.5% |
方法与局限
这两项比较能支持什么、不能支持什么
两个不同队列上的两项配对比较，各自只用一个简单、未调参的模型。每项只回答一个较窄的问题，都不能替设备选型下结论，两者也不共享排名。
睡眠 · 耳道内与头皮
是 6 个头皮电极，不是 8 个
头皮文件里还有两个乳突位通道，只用于完整性筛选，从未进入模型。
位置、数量与硬件一起变化
耳道内与头皮两种配置在电极位置、几何形状和数量上都不同。这个差值是描述性的，不是耳部硬件本身带来的损失估计。
一个简单、未调参的模型
每个通道 5 个对数频带功率特征，加 L2 正则化逻辑回归，没有任何超参数搜索。这不是基础模型，也不代表任一配置的性能上限。
不是核心矩阵里的睡眠协议
八协议矩阵里的睡眠分期用的是 EESM19 头皮子集，队列和方法都不同。两个睡眠结果不共享排名。
睁眼与闭眼 · 4 个与 16 个电极
区分睁闭眼，不是检测注意力
闭眼会在头部后方产生很强的 alpha 节律，所以后部 4 个电极就足以承载这个任务。它是流程检验，不是专注度、脑力负荷或意图检测。
同一记录的子集，不是两款设备
两种配置都是从同一套 16 电极湿电极帽记录中用软件选出的通道。这样选出的 4 个通道不能验证一台实体的 4 通道设备。
20 份记录中用了 19 份
原始数据共有 20 份记录。作者自己的数据加载程序排除了第 07 份，这项比较沿用了这个固定队列。我们的事件审计也在这份记录里发现了重叠事件，但作者排除它的原因尚不清楚。
是区间，不是结论
这个区间是 19 名被试上的描述性 bootstrap，不是总体估计。它既不能说明电极越少一般越好，也不能说明电极减少一般不会变差。
EESM23 · Ear-EEG Sleep Monitoring 2023
Dataset: Yousef Rezaei Tabar, Kaare Mikkelsen, Laura Birch, Nelly Shenton, Simon L. Kappel, Astrid R. Bertelsen, Reza Nikbakht, Hans O. Toft, Chris H. Henriksen, Martin C. Hemmsen, Mike L. Rank, Marit Otto and Preben Kidmose · Ear-EEG Sleep Monitoring 2023 (EESM23), OpenNeuro ds005178 v1.0.0, doi:10.18112/openneuro.ds005178.v1.0.0. Study: Kaare Bjarke Mikkelsen, Yousef Rezai Tabar, Laura Rævsbæk Birch, Simon Lind Kappel, Christian Bech Christensen, Lars Dalskov Mosgaard, Marit Otto, Martin Christian Hemmsen, Mike Lind Rank and Preben Kidmose · Ear-EEG sleep monitoring data sets, Scientific Data 12, 301 (2025), doi:10.1038/s41597-025-04579-8. Processed export: Zachary1150/EESM23-Processed on Hugging Face, which did not create the original cohort.
同意书覆盖的是研究本身；数据是在 Region Midt 的 GDPR 办公室判定其已完全匿名化之后才公开的。这里只发布队列级聚合结果。
OpenNeuro 数据集 ↗ · Scientific Data 论文 ↗ · 处理后导出版本 ↗ · CC0-1.0
EEG Alpha Waves dataset
Grégoire Cattan, Pedro L. C. Rodrigues and Marco Congedo · EEG Alpha Waves dataset, Zenodo, doi:10.5281/zenodo.2605110. Report: Grégoire Cattan, Pedro Luiz Coelho Rodrigues and Marco Congedo · EEG Alpha Waves Dataset, research report, GIPSA-lab, Grenoble, 2018, hal-02086581.
据原始报告，每名被试都签署了书面知情同意，内容涵盖实验流程、数据管理方式以及随时退出实验的权利。报告未提及伦理委员会。这里只发布队列级聚合结果。
Zenodo 记录 ↗ · HAL 报告 ↗ · 作者代码 ↗ · CC-BY-4.0
数据来源： 已审核的聚合 JSON · schema bci-report-evidence-update-v1 · 生成于 2026-09-22。