LMSA-Net: Una red neuronal de atención multiescala ligera para el reconocimiento de emociones basado en EEG

Área de la Ciencia:

• Computación Afectiva
• Neurociencia
• Aprendizaje Automático

Sus antecedentes:

• Las señales de electroencefalograma (EEG) son cruciales para el reconocimiento de emociones, pero son desafiantes debido a la no estacionariedad y el ruido.
• Los modelos existentes de extremo a extremo enfrentan dificultades para lograr un alto rendimiento con arquitecturas ligeras para la implementación práctica.
• La ingeniería manual de características en el análisis de EEG es compleja y requiere mucho tiempo.

Objetivo del estudio:

• Desarrollar un modelo ligero, interpretable y de extremo a extremo para el aprendizaje directo de características espacio-temporales a partir de señales de EEG en bruto.
• Mejorar el rendimiento y la eficiencia de los sistemas de reconocimiento de emociones basados en EEG.
• Permitir la implementación práctica de la tecnología de reconocimiento de emociones en dispositivos de borde.

Principales métodos:

• Propuesta de la arquitectura LMSA-Net (Lightweight Multi-Scale Attention Network).
• Integración de ponderación de canales aprendible para codificación espacial adaptativa.
• Utilización de convolución separable temporal multiescala para la extracción de características específicas del ritmo.
• Incorporación del Módulo de Atención Sim para la mejora de la saliencia sin parámetros.

Principales resultados:

• Logró un rendimiento superior en el conjunto de datos SEED (precisión del 65,53%) y resultados competitivos en SEED-IV (precisión del 48,52%).
• Demostró un fuerte rendimiento en la clasificación de la excitación en el conjunto de datos DEAP, lo que indica una buena generalización.
• Confirmó la efectividad de cada módulo a través de estudios de ablación y análisis de frecuencia, mostrando especialización en los ritmos del EEG.
• Mostró un diseño ligero con parámetros mínimos (7,64 K) y baja latencia, adecuado para la implementación en el borde.

Conclusiones:

• LMSA-Net ofrece una solución eficiente, interpretable y de alto rendimiento para el reconocimiento de emociones basado en EEG.
• El diseño del modelo se alinea con los principios neurofisiológicos, extrayendo características específicas del ritmo.
• La naturaleza ligera e interpretable de LMSA-Net facilita aplicaciones prácticas en la computación afectiva y la interacción humano-computadora.