好嘞，A 和 D 我都给你打包好了（可直接下载 + 可直接用）。

A｜BIDS-EEG 事件模板（五种状态+任务锚定）

• 事件码对照/说明表（codebook）： 下载 codebook_events.csv

• BIDS 友好的事件文件模板（可直接复制到每个 run 的 *_events.tsv/csv）： 下载 events_template.csv

> 这两份里已经约定了： > > REST（睁/闭眼）、觉知（JUEZHI）、觉照（JUEZHAO）、觉观（JUEGUAN）、Mindfulness（MINDFUL）、静坐（SIT） > 任务锚定：Flanker/Go-NoGo（N2/P3、θ 参考） > 评分：清明度、走神频率 > 会话边界、提示/自标注事件（TTL 对应 event_code 列）

D｜常模输出格式样例（CSV + 可视图）

• 个体层样例（包含 value、z、percentile、norm_mean/sd、QC）： 下载 norms_sample.csv

• 百分位表样例（以 fmTheta_power_dB 为例，按状态汇总 P5/P25/P50/P75/P95）： 下载 norms_percentiles_example.csv

• 示意图（同上指标在不同状态的 z-score 百分位曲线）： 下载图像 PNG

使用要点（直接套用）

1) 事件标注规范

• event_code 按 codebook 使用（如 200=觉知开始、299=状态段结束、311=被试自标注）。
• 每个状态块至少标记：开始（200/201/202/210/220）→ 若干提示/自标注（310/311）→ 结束（299）。
• 任务块用 400/401 开始，499 结束；评分用 500/501/599。

2) BIDS 整理

• 将 events_template.csv 改名为每个 run 的事件文件并补全 onset/duration/response_time，与 *_eeg.edf 时间对齐。
• 在 participants.tsv 和 scans.tsv 记录组别、练习时长、会话日期。

3) 常模生成建议

• 你的分析脚本输出每人×每状态×每指标的 value，再根据分层模型得到 norm_mean 和 norm_sd，计算 z_score 与 percentile，按 norms_sample.csv 列顺序存表。
• 汇总层按 state（或 state×年龄/性别/练习时长）生成百分位表（示例同 norms_percentiles_example.csv）。

如果你要把这些模板直接接入 MNE/EEGLAB 流水线，我可以继续给你：

• 事件码 → MNE Annotations/EEGLAB event 的转换脚本
• 常模计算的最小 notebook（读入个体指标 → z/百分位 → 导出 CSV + 图）

你想下一步接哪一块？我可以把“事件到指标”的 Python/Matlab 脚本骨架直接给你。