[Reconocimiento de emociones basado en la extracción de características 2D de un ECG 1D]

Área de la Ciencia:

• Ingeniería Biomédica Ingeniería Biomédica.
• La inteligencia artificial es inteligencia artificial.
• Procesamiento de señales Procesamiento de señales.

Sus antecedentes:

• El reconocimiento objetivo de las emociones es crucial para campos como la salud y la educación.
• Las señales del electrocardiograma (ECG) ofrecen un biomarcador viable y fácil de usar para la detección de emociones.
• Existen desafíos en la extracción de características espacio-temporales de las señales de ECG 1D utilizando el aprendizaje profundo.

Objetivo del estudio:

• Desarrollar un método eficaz para el reconocimiento objetivo de emociones utilizando señales ECG.
• Para abordar las limitaciones del aprendizaje profundo en el procesamiento de datos 1D ECG.
• Para mejorar la extracción y fusión de las características espacio-temporales de las señales de ECG.

Principales métodos:

• Se empleó una técnica de transformación de señal 1D-2D utilizando descomposición de paquetes wavelet.
• Las señales de ECG unidimensionales se convirtieron en representaciones de imágenes bidimensionales.
• La arquitectura ResNet18, aumentada con un módulo Fusion Block, procesó las imágenes 2D del ECG.

Principales resultados:

• El método propuesto demostró un mejor rendimiento en tareas de reconocimiento de emociones.
• La precisión promedio y las puntuaciones de F1 se mejoraron en 2.19 y 4.48 puntos porcentuales, respectivamente, en comparación con los métodos subóptimos.
• Se realizaron experimentos con los conjuntos de datos WESAD y SWELL-KW.

Conclusiones:

• La nueva transformación del ECG 1D-2D y el enfoque basado en ResNet18 mejoran significativamente el reconocimiento objetivo de las emociones.
• Este método ofrece soporte técnico para el desarrollo de sistemas avanzados de reconocimiento de emociones.
• Los hallazgos destacan el potencial de las señales ECG como biomarcadores para la computación afectiva.