Nimbus Studio 对参考 BCI 解码流程的复现：跨协议与范式的公开基准验证研究

基于摘要分析。本研究考察 Nimbus Studio 可视化 BCI 实验平台是否能复现独立参考实现的解码结果，贡献是对平台执行引擎开展一致性验证，而非提出新的解码算法或证明其优于现有方法。 Nimbus Studio 支持组合预处理、特征提取、解码与评估步骤，并提供交叉验证、BIDS 导出及自定义 Python 模型类接入。研究比较六种流程：CSP+LDA、Riemannian MDM、通过自定义代码节点运行的切空间逻辑回归、P300 xDAWN+LDA，以及 ShallowConvNet 和 EEGNet。数据涵盖运动想象 BNCI-2014-001/004 与 P300 BNCI-2014-009；评估采用被试内会话留出，以及通过平台 planned-CV 驱动器执行的合并数据留一被试交叉验证（Cross-subject）。同一流程分别在平台引擎及基于 MNE-Python、scikit-learn、pyriemann 和 braindecode 的独立手写实现中运行。 作者报告，在全部 54 次会话留出被试运行及全部 CSP/MDM 分组交叉验证折中，确定性流程与参考实现完全一致，最大差异为 0.00 个指标点，验证范围包括自定义代码节点与交叉验证编排。其余分组交叉验证单元的最大差异为 0.06 个指标点，作者描述为浮点精度范围内，并称约相当于每折一个试次；摘要未明确该差异对应的具体指标及换算背景，需查全文核对。作者报告，随机深度模型的差异处于双方多随机种子重跑估计的训练波动范围内。 这些结果支持所测流程与协议下的平台执行一致性，不等于证明解码性能更高、所有平台配置均可靠或具备临床有效性。数据划分细节、预处理与超参数对齐、随机种子数量、差异指标及统计信息尚未验证。作者称完整验证脚本与逐被试结果随论文提供，其可访问性与复现条件仍需核实。