脑电公开数据集导航
面向脑电（EEG / BCI）研究的一站式数据集索引：汇总 BCI Competition、PhysioNet、 TUH EEG 等机构发布的公开数据集，提供官方下载入口、数据规模与格式说明， 并附 MNE-Python 一键下载示例，方便快速上手。
为什么维护这份数据集索引
在脑机接口与脑电分析研究中，公开数据集是算法验证的"标准标尺"。 无论是复现经典论文、对比分类算法，还是训练 AI 模型，都离不开公开数据。
我们团队在数据分析实践中持续使用这些数据集做方法验证与基准复现，因此把常用的、 可公开获取的脑电数据集整理成这份索引：每个数据集都注明提供机构、数据规模、 通道与采样率、文件格式，并直接给出官方下载入口，让研究者少走弯路。
常用公开脑电数据集
按研究方向分类整理，点击"官方下载"直接跳转提供机构页面。
BCI 竞赛与运动想象
运动想象（Motor Imagery）解码、BCI 算法基准测试
BCI Competition IV
柏林 BCI 竞赛 2008
脑机接口领域使用最广泛的标准数据集。2a：四类运动想象（左手/右手/双脚/舌头）， 2b：两类运动想象（左右手）；另含连续 EEG、MEG、ECoG 数据集。
官方下载 →BCI Competition III
柏林 BCI 竞赛 2005
早期经典竞赛数据：IIIa 三类运动想象、IIIb 两类运动想象、IVa 右手/右脚运动想象， 以及 P300、SSVEP 等任务数据，适合验证经典算法。
官方下载 →BNCI Horizon 2020
格拉茨理工等（欧盟项目）
汇集 2014 年以来欧洲 BCI 项目公开数据集（运动想象、SSVEP、ERP、连续解码等）， 格式统一、附说明文档，并收录 BCI Competition IV 等经典数据的镜像，是查找新数据集的优先入口。
官方下载 →EEG Motor Movement/Imagery
PhysioNet / BCI2000
运动与运动想象任务合集：109 名受试者完成开合手、握拳等真实动作与想象任务， 由 BCI2000 系统采集，EDF 格式，MNE-Python 内置下载接口直接支持。
官方下载 →BETA 数据集
IEEE TNSRE 2021
面向深度学习的大规模运动想象数据库：70 名受试者、128 通道、4 类运动想象任务， 同时提供原始与预处理版本，适合深度学习模型训练与评测。
官方下载 →MOABB
Inria / NeuroTechX 开源项目
被称为"BCI 基准之母"的开源工具：统一接口聚合 BCI Competition、PhysioNet、 BNCI 等 30+ 个数据集，内置 CSP、EEGNet 等基线模型，一行代码即可下载并跑基准。
官方文档 →情绪与认知
情感计算、情绪识别、事件相关电位（ERP）研究
DEAP
伦敦玛丽女王大学
情绪脑电经典数据集：32 名受试者观看 40 段一分钟音乐视频，记录 EEG 与外周生理信号， 附带效价、唤醒度、支配度、喜好度评分，广泛用于情感计算研究。
官方下载 →SEED
上海交通大学 BCMI
中文语境情绪脑电数据集：15 名受试者观看 15 段中文电影片段（正/中/负情绪）， 多 session 重复采集，62 通道高采样率，国内情绪识别研究常用数据。
官方下载 →ERP CORE
UC Davis（Luck 实验室）
事件相关电位（ERP）开放资源：40 名受试者完成 8 大经典范式（N170/MMN/N2pc/N400/P3/ ERN/N2/LRP），原始数据、预处理流程与 ICA 全部公开，是验证 ERP 分析管线的金标准。
官方下载 →睡眠与临床
睡眠分期、癫痫检测、临床脑电大数据
Sleep-EDF Expanded
PhysioNet
整夜多导睡眠记录：153 晚 PSG（61 名受试者），含 EEG（Fpz-Cz/Pz-Oz）、EOG、EMG 信号 与专家睡眠分期标注，睡眠分期、睡眠图谱研究的常用数据。
官方下载 →CHB-MIT 头皮脑电
MIT / 波士顿儿童医院（PhysioNet）
儿童难治性癫痫连续脑电记录：24 名患者、969 小时数据，含 173 次发作的专家标注， 是癫痫发作检测算法评测的经典数据，BIDS 版本可查。
官方下载 →TUH EEG Corpus
天普大学 NEDC
全球最大的公开临床脑电语料库：26,846 份临床记录（2002–2017），并衍生异常检测（TUAB）、 癫痫（TUSZ）、伪迹（TUAR）等标注子集，是深度学习临床 EEG 研究的首选数据源（需注册申请）。
官方下载 →综合平台与一键下载
通过工具链与平台聚合海量数据，简化获取流程
MNE-Python 内置数据集
MNE 社区
MNE-Python 提供十余个内置公开数据集（sample、eegbci、sleep_physionet、kiloword、 limo 等），一条 data_path() 命令自动下载，教程与示例代码配套，适合入门与管线验证。
官方文档 →OpenNeuro
开放神经科学平台
遵循 BIDS 标准的公开神经科学数据仓库，收录 ERP CORE、BIDS 版 CHB-MIT、MNE Sample 等 EEG 数据，结构规范、便于复用，适合需要标准组织格式的项目。
官方平台 →Kaggle 脑电竞赛数据集
Kaggle / Inria 等
Kaggle 上汇集多个脑电竞赛数据（如 BCI-NER 错误相关电位挑战、P300 Speller 等）， 通常以整理好的 CSV/npz 格式提供，适合快速训练机器学习模型与参加竞赛练手。
示例数据 →三步开始使用公开数据集
无需繁琐注册流程，多数数据集支持命令行或 Python 一键下载。
命令行批量下载（以 PhysioNet 为例）
# 下载 EEG Motor Movement/Imagery 数据集全部文件
wget -r -N -c -np https://physionet.org/files/eegmmidb/1.0.0/
# 或使用 AWS S3 同步（PhysioNet 开放桶）
aws s3 sync --no-sign-request \
s3://physionet-open/eegmmidb/1.0.0/ ./eegmmidb/MNE-Python 一键下载
# 安装 MNE-Python
pip install mne
# 示例：自动下载并加载 PhysioNet 运动想象数据（1 号受试者，运行 3、7、11）
from mne.datasets import eegbci
from mne.io import read_raw_edf, concatenate_raws
raws = [read_raw_edf(f, preload=True) for f in eegbci.load_data(1, [3, 7, 11])]
raw = concatenate_raws(raws)
print(raw)常见格式说明
- EDF / EDF+ — 最通用的欧洲数据格式，PhysioNet 数据默认格式，MNE、EEGLAB 原生支持。
- GDF — 扩展版 EDF，BCI 竞赛常用格式，MNE 支持读取。
- BDF — 24 位扩展 EDF，ERP CORE 等数据集使用。
- MAT — MATLAB 格式，DEAP、SEED、BCI 竞赛 MATLAB 版常用。
- FIF — MNE 原生格式，MNE Sample 等使用。
- BIDS — 标准化目录组织，OpenNeuro 平台默认规范。
引用与合规
- 使用 PhysioNet 数据请引用数据集原文与 PhysioNet 平台文献。
- BCI 竞赛数据请引用对应数据集描述论文，并在论文致谢中说明。
- 学术用途大多免费，商用需逐项核对许可（部分仅限非商业研究）。
我们如何用好这些公开数据集
公开数据集既是研究资源，也是我们打磨分析管线的"练兵场"。
数据质控与格式转换
熟练处理 EDF/GDF/BDF/MAT/FIF 等格式互转与坏导联识别、采样率核对， 在接入正式项目数据前先以公开数据集验证质控管线。
预处理与伪迹去除
基于公开数据集校准滤波参数与 ICA 去伪迹策略，形成可复现的预处理模板， 直接复用于委托方数据（方法学同源，参数可审计）。
特征提取与统计
ERP 成分、时频特征、功率谱、功能连接等特征计算口径在公开数据上校准， 统计方法与多重比较校正流程与论文级要求对齐。
算法与模型评测
在 BCI Competition、PhysioNet 等标准数据上复现 CSP、FBCSP、EEGNet 等基线， 用统一评测口径横向对比，为 AI 模型选型提供实证依据。
教程与培训
基于公开数据集制作 MNE 教程与实操课程（见 MNE 快速上手）， 帮助团队快速建立分析能力。
科研数据分析服务
如果您的项目需要专业的脑电数据分析，我们可承接预处理、特征提取、 统计分析与报告交付，成果归委托方所有。 了解服务 →
数据集使用常见问题
这些公开数据集可以用于商业项目吗？
取决于具体数据集的许可协议：PhysioNet 多数数据使用开放许可（如 ODC-By / CC-BY）， 学术与非商业用途通常免费；TUH EEG 等部分数据集虽支持商业化但需注册申请并遵守条款； BCI 竞赛数据要求学术引用。商用前请务必逐项核对许可声明。
下载需要注册或审核吗？
PhysioNet、OpenNeuro、MNE 内置数据集无需注册即可下载；BNCI Horizon 2020 免费下载； TUH EEG 需要填写申请表单并通过邮件审核（通常 1-2 天）；DEAP、SEED 需按官网指引填写申请表单。
拿到数据后不会解析怎么办？
推荐 MNE-Python：一行 read_raw_edf / read_raw_gdf 即可读取绝大多数格式；
我们有免费的 MNE 教程（MNE Python 快速上手），
也可以联系我们提供数据处理支持。
需要特定数据集或格式转换服务？
我们可以协助查找特定领域数据集、完成格式转换与预处理、复现论文基线结果， 或按您的需求定制分析。欢迎邮件联系 contact@chenluoai.com ，或添加微信 zhanggangnet 咨询。