华中科技大学伍冬睿团队： HUST-BCIML 脑电解码标准化框架

脑电（EEG）解码是脑机接口（BCI）核心研究方向，近年来各类算法持续刷新分类精度指标，但领域长期存在两大共性瓶颈：1）现有研究代码、实验流程不统一，论文报告结果难以完整复现；2）不同算法分属独立实验体系，缺乏标准化的对照条件，难以实现公平性能对比，深度学习范式下该问题尤为突出。

针对上述行业痛点，华中科技大学人工智能与自动化学院伍冬睿团队研发并开源标准化脑电解码基准库HUST-BCIML，为代码配套论文的交互式中英文网页平台。该框架构建模块化、可组合的统一实验流水线，在受控实验协议下整合自研算法与领域通用基线，实现实验指标可追溯、可复现、可横向公平比对，为有助于EEG解码领域的标准化评测。

01

团队研究基础与技术积淀

伍冬睿团队自2014年起深耕脑机接口解码算法理论与工程实现，取得了一系列成果：

1.论文发表：发表一作/通讯论文200余篇，包括Proceedings of the IEEE、IEEE TPAMI、National Science Review（3篇）、Advanced Science、Fundamental Research等国际权威期刊；谷歌学术总引用量19000余次，H指数73；2023-2028年，伍冬睿教授担任IEEE Transactions on Fuzzy Systems（IF=10.2）主编。

2.论文获奖：团队获7个IEEE最佳论文奖，其中欧氏对齐算法可显著降低不同用户脑电数据分布差异，成功应用于15种脑机接口范式，论文引用超600次，IEEE Transactions on Biomedical Engineering 2025年度最佳论文奖；负迁移综述获自动化学报（英文版）2025年度WienerReview论文奖。

3.比赛获奖：指导学生获2019-2024年度BCI脑控机器人比赛技术赛单项或综合冠军、2025中国脑机接口竞技赛全国冠军，央视新闻直播间、焦点访谈等报道。

02

HUST-BCIML 统一流水线架构与模块构成

HUST-BCIML 基准库以标准化模块为核心载体，将EEG解码流程整体划分为数据对齐模块、数据增强模块、骨干网络模块、迁移学习策略模块四大基础单元，额外增设集成学习扩展层，全部算法组件模块化解耦、自由组合。当前库内共收录56 种 EEG 解码算法，包含 22 项团队自研算法、34 项国际通用外部基线方法。

1. 数据对齐（Aligner）

EEG数据处理的前置标准化模块，消除受试者间分布偏移，为公平对比提供底层数据基础。内置主流对齐范式：黎曼对齐、以及团队提出的欧氏对齐（Euclidean Alignment, EA）；统一将单试次脑电信号映射至共享统计空间，无需标签即可完成跨被试分布对齐，是基准库默认预处理方案。

2. 数据增强（Augmenter）

面向 BCI 小样本场景的训练时样本扩充组件，集成通道翻转、频域偏移、频域重组、傅里叶替代、高斯噪声叠加、幅值缩放、幅值翻转、半样本重组等标准化信号变换策略，实现多维度EEG数据增强。

3. 骨干网络（Backbone）

EEG特征提取核心单元，完整覆盖传统浅层 CNN 与新型时空 Transformer 架构，包含 EEGNet、ShallowConvNet、Conformer、Deformer等经典基线，以及 DBConformer、MVCNet、CSP-Net、TIE-EEGNet、KDFNet 等团队自研网络；所有网络统一优化器、批次规模、迭代轮次、测试集划分等训练超参，排除训练配置差异对性能对比的干扰。

4. 迁移学习策略（Strategy）

适配跨被试场景，在基础的源域经验风险最小化之外，覆盖无监督域适应、测试时域适应、多源域域适应等多范式，集成 MEKT、T-TIME、ABAT、MDMAML 等自研迁移学习算法，以及大量领域通用迁移学习方法，完整支撑离线训练、在线增量测试等多类实验场景。

5. 集成学习扩展层

提供多模型预测融合工具，包含 StackingNet、Dawid-Skene、SML等集成方案，可串联前序四大模块输出，通过多模型结果聚合进一步提升解码泛化性能。

工程实现层面，各算法独立对应标准化代码文件，函数、运算逻辑配备细粒度注释，代码实现与原始论文公式一一映射。模块目录分层构建，支持算法新增、修改、二次迭代开发。

03

基于公开数据集的标准化基准评测体系

为实现客观、无偏的算法横向对比，HUST-BCIML依托MOABB框架下3套经典运动想象EEG公开数据集搭建统一评测基准，对库内全部56种算法开展受控对照实验，完整留存并公开全部定量性能指标，具备两项核心规范：

1.实验环境、数据预处理、训练约束、评价指标完全统一，仅变更单一算法模块，实现变量单一控制；

2.完整公示全部实验结果，不选择性过滤负向性能数据，针对基线性能劣化的实验结果配套完整机理分析说明，杜绝成果筛选带来的评测偏差。

平台提供结构化对比排行榜，分模块展示各算法在BNCI2014001、BNCI2014002、BNCI2015001数据集上的均值±标准差分类精度，配套算法原理、原始论文、开源代码跳转入口，可直观量化不同组件对解码性能的增益幅度。

04

论文-代码联动交互式检索平台

除底层算法基准库外，项目配套中英文双语交互式网页系统，搭建成果检索与溯源体系：

1. 资源收录规模：汇总实验室 263 篇学术论文，其中 76 篇配套开源实现代码；

2. 多维检索能力：支持按论文标题、作者、发表期刊、研究方向、范式分类筛选，研究方向覆盖迁移对齐、深度网络、运动想象、SSVEP、植入式 BCI、隐私保护脑机接口等细分领域；

3. 一键溯源机制：点击任意算法、论文条目可直接跳转至 GitHub 仓库对应代码文件，实现算法、文献、工程三者精准对应。

05

资源接入、维护与开源地址

1. 外部算法接入：若研究团队希望将自研算法纳入基准评测体系，可联系项目维护人李思扬博士，或直接在 GitHub 仓库提交 Pull Request 完成新增；

2. 结果说明：库内所有外部基线方法均由项目团队独立重新实现，受协议差异、移植完整性、超参数选择影响，复现指标可能与原始论文存在偏差，该现象正是统一基准体系需要解决的核心问题；

3. 纠错与迭代：项目长期持续维护，定期新增算法、拓展实验范式；代码、实验结果存在疏漏可通过 GitHub Issues 反馈修正；

4. 官方资源链接：

交互式网页平台：https://sylyoung.github.io/HUST-BCIML/

开源代码仓库：https://github.com/sylyoung/HUST-BCIML

END

来源 |华中科技大学伍冬睿团队

运营|罗卜

审核|@脑机学苑

脑机接口社区是国内首家脑机接口(BCI)产业服务平台、国内脑机接口新媒体开创者与引领者。主要为企业、科研团队、投资机构和从业者提供以下服务：

宣传报道：图文、短视频、直播形式报道企业动态、技术解读、产品介绍等内容，提升曝光和行业影响力。

资源对接：根据需求匹配资本、供应链、临床机构、渠道方等资源，完成真实对接，促进合作。

成果转化：协助技术团队寻找产业方、投资人及落地场景，推动技术到产品的转化。

活动策划执行：承接线上线下路演、沙龙、论坛等活动的策划与执行。

其他定制需求：包括报告定制、市场调研、人才招聘支持等个性化服务。

合作洽谈，请联系微信：ZuoLeiLeiya

（备注：姓名-单位-合作）

投稿丨成为创作者，请联系微信：RoseBCI

不错过每一条脑机前沿进展

一键三连「分享」、「点赞」和「在看」

欢迎在评论区聊聊