EEG 数据共享困境
EEG 数据共享困境
EEG 数据共享困境指的是：即使脑电数据对 BCI、认知状态建模和具身智能有潜在价值，它也很难像 ImageNet 那样形成统一、可复用、可竞赛的大规模公共数据集。
障碍
- 设备异构：导联数量、采样率、电极类型、信噪比差异很大。
- 场景分散：临床、消费、人因工程等任务的标签定义不同。
- 预处理差异：滤波、伪迹去除、参考电极、分段方式会改变数据形态。
- 真值缺失：专注、疲劳、意图等状态往往只能由行为指标间接推断。
- 伦理敏感：脑电属于高度敏感的个人生物信息，共享需要知情同意和伦理审查。
- 激励不足：整理和共享数据成本高，现有评价体系未必充分奖励。
- 商业护城河：公司可能把脑电数据视作训练专有模型的燃料。
- 可穿戴设备差异：EMOTIV 这类平台让真实场景 EEG 更容易采集，但耳机、头环和多通道专业设备之间的信号质量、通道布局和协议差异也会进入数据可比性问题。
平台路线
EEG ImageNet 困境 提到三个方向：
- NWB：尝试统一神经生理数据格式。
- ALPACA：记录数据处理溯源，使分析流程可复现。
- Brainlife：把数据和计算流程搬到云平台。
这些路线解决的是不同层级的问题：格式、过程、计算和共享生态。它们不能单独替代数据采集和共享意愿。
对具身智能的含义
如果 脑电与具身智能 要从概念探索走向规模化训练，EEG 数据共享困境会变成基础约束：没有稳定标签、标准格式和伦理授权，脑电数据很难成为可靠的机器人训练基础设施。脑电进入机器人训练 里的 Encord/Zander 案例目前还停留在试运行阶段，正好说明“能采集脑电”与“能稳定改善机器人训练”之间还有很长的验证链条。
Concept2Brain 提供了一个补充方向：当真实 EEG 数据难以采集和共享时，合成 EEG 可以用于假设检验、功效分析和教学。但这不直接消除真实 EEG 的伦理和真值问题，因为合成数据仍依赖原始实验数据、模型假设和验证标准。
NeuraInsight 提供了商业平台路线：把“脑电数据 + 场景数据”对齐、公开数据整合和质量控制做成数据基础设施。但如果平台数据不开放、标签规则不透明或授权边界不清晰，它仍然无法解决 EEG ImageNet 式公共基准的核心问题。
EEG 数据注册库 提供了开放科学侧的补充路线：先把分散数据集的任务、设备、通道、参与者、许可证、标签和托管平台做成结构化入口。它不能直接消除格式、真值和伦理问题，但能显著降低研究者发现和比较数据的成本。
EMOTIV 则提供商业设备侧的补充路线：可穿戴 EEG 平台降低真实场景采集门槛，但如果数据格式、许可证、SDK 和隐私条款不可开放比较，它仍可能加剧公共数据共享与商业数据闭环之间的张力。
Conduit 展示了公司内部标准化与公共共享之间的差别。
团队第一方文章称其把多种非侵入式传感器组织成自制多模态头戴设备，并统一使用 Zarr 3。这可以降低内部训练与质检成本，却不等于数据、标签、模型或评测已经成为公共基准；约一万小时、数千名参与者、zero-shot 示例和“全球最大”均未获独立验证。
EgoBrain 展示了开放发布仍需访问控制：论文和数据卡公开，约 1.6 TB 文件采用 CC BY-NC 4.0 与 gated access。
数据条款禁止重新识别参与者和重新分发原始数据。维护者称全部数据已发布，但文件完整性和伦理许可仍需使用者核验；这说明“可发现”不等于“无条件可复用”。
相关页面
补充证据
- 原始资料快照（本地归档）
- 原始资料快照（本地归档）