Goal
ここでの目標は「賢いモデルを作る」ではなく、第三者が同じ結果を再現できる最小ループ（L0）を作ることです。 L0がないと、どんなSOTA主張も“検証不能”になり、積み上がりません。
最小ループ（L0）の形
L0 Loop
- 入力：BIDS（データ + メタデータ）
- 品質：QCログ（数値で）
- 処理：前処理の設定・バージョン・乱数を記録
- 出力：ベースライン指標（最低1つ）
- 監査：失敗例・除外基準も残す
Step 1：BIDSの“骨格”を作る
EEGのBIDSは「置き方が決まっている」のが強みです。まずは最小構成で形だけ作ります。
例：最小ディレクトリ
```text
my_bids_eeg/
dataset_description.json
participants.tsv
sub-01/
eeg/
sub-01_task-rest_eeg.edf
sub-01_task-rest_eeg.json
sub-01_task-rest_channels.tsv
sub-01_task-rest_events.tsv
```
（実データがなくても、構造だけは先に作れます）
`dataset_description.json` はすでにこのリポジトリにも雛形があります（概念段階ですが、発想は同じです）。
Step 2：BIDS Validator を回す
機械的にチェックできる部分は、機械に任せます。BIDS Validatorは「規格違反」を早期に潰すための重要な道具です。
```bash # Node.js がある環境で npx bids-validator my_bids_eeg ```
ポイント
Validatorが通る＝研究として十分、ではありません。でも、通らない状態で“共有”はほぼ成立しません。
Step 3：QCログを“数値”で残す
再現性が壊れる典型は「どのデータが悪かったか」が人依存になることです。最低限、次をログにします。
QC Items
- 欠損/飽和：チャンネルごとの欠損率、飽和区間
- ノイズ：電源周波数のピーク、ノイズフロア推定
- アーティファクト：眼球/筋電/動きの混入指標
- 除外基準：どの閾値で除外したか（理由つき）
Step 4：ベースラインを1本置く（最初は小さく）
最初は “たった1つの指標” で十分です。例： 安静EEGのスペクトル要約、睡眠段階分類のベースライン、運動想起の2クラス分類など。
重要
「ベースラインがある」と「改善を主張できる」ようになります。ベースラインなしのSOTA議論は、ほぼノイズになります。
このハンズオンがVerificationに繋がる点
ここまでできると、次は「同じ物差しで比較できる」方向へ進めます。つまり、ベンチマーク化です。