EEG ImageNet 困境

EEG 领域尚未形成类似 ImageNet 的大规模标准数据集，原因不只是样本规模不足，还包括技术异构、标签真值、预处理差异、伦理共享和平台模式几层约束。

观察

• 表层障碍包括设备异构、应用场景分散、预处理流程差异。
• 深层障碍是 EEG 标签缺少像图像分类那样稳定的客观真值；认知状态常依赖行为指标间接推断。
• EEG 未必应该模仿 ImageNet 的离散分类范式；长期、连续、上下文丰富的 LifeNet 式数据可能更贴近脑活动。
• NWB、ALPACA、Brainlife 处理的是不同层级问题：NWB 偏底层格式标准，ALPACA 偏处理过程溯源，Brainlife 偏云端数据与计算平台。
• 数据共享障碍不仅是技术问题，也包括生物信息敏感性、IRB、贡献激励和商业数据护城河。

关联

• EEG 数据共享困境：这是该主题页面的主要观察入口。
• 脑电与具身智能：如果脑电信号用于机器人训练，EEG 数据标准化和共享困境会直接影响可扩展性。
• 具身智能数据基础设施：它提供“数据不只是规模，还包括标准、溯源、伦理和激励”的补充。

证据

raw/2026-08-07-luyao-b001-03-EEG工程师们愿意分享数据吗？——-探寻脑电领域的“ImageNet”困境-e6f2757f.md