Un conjunto de datos multimodal mejorado de valencia-excitación para el reconocimiento de emociones

Área de la Ciencia:

• Neurociencia
• Psicología
• Ingeniería Biomédica

Sus antecedentes:

• Los modelos de reconocimiento de emociones a menudo carecen de precisión debido a diferencias individuales no abordadas.
• Los datos fisiológicos multimodales (EEG, ECG, PI) ofrecen información rica sobre los estados afectivos.
• Los conjuntos de datos existentes pueden no capturar adecuadamente la interacción entre las respuestas fisiológicas y los factores psicológicos.

Objetivo del estudio:

• Presentar un nuevo conjunto de datos multimodal de reconocimiento de emociones.
• Mejorar el modelado de valencia-excitación incorporando diferencias individuales.
• Proporcionar un recurso para el desarrollo de sistemas de reconocimiento de emociones personalizados.

Principales métodos:

• Se recopilaron datos de electroencefalograma (EEG), electrocardiograma (ECG) e intervalo de pulso (PI) de 64 participantes.
• Se utilizaron estímulos de video para la inducción de valencia y la Prueba de Estrés Multicomponente de Mannheim (MMST) para la inducción de excitación.
• Se evaluaron los rasgos de personalidad, la ansiedad, la depresión y los estados emocionales a través de cuestionarios validados.

Principales resultados:

• El conjunto de datos captura un amplio espectro de respuestas afectivas utilizando señales fisiológicas multimodales.
• Las diferencias individuales, incluidos los factores psicológicos, se integran sistemáticamente.
• El recurso facilita un modelado de emociones robusto y preciso.

Conclusiones:

• Este conjunto de datos multimodal es un recurso valioso para avanzar en la investigación del reconocimiento de emociones.
• Apoya el desarrollo de sistemas de reconocimiento de emociones más precisos, adaptables e individualizados.
• La integración de datos fisiológicos y psicológicos es clave para la computación afectiva personalizada.