クロス・トピックのEEGベースの感情と意識の認識のための強化された自己構築グラフを持つ漸進的なマルチドメイン適応ネットワーク

科学分野:

• 神経科学
• 人工知能
• 生物医学工学

背景:

• 電気脳波 (EEG) による感情認識は,脳とコンピュータのインターフェースにとって極めて重要です.
• 主な課題は,ドメイン不変の特徴を抽出し,個別間のデータ分布を調整することです.
• 既存の方法は 感情特有の情報を保存しつつ 対象を一般化するのに苦労しています

研究 の 目的:

• ドメインの不変性と科間のデータアライメントに対処する堅牢なEEG感情認識モデルを開発する.
• 感情の認識能力を向上させ 脳とコンピュータのインターフェースを 強化する.
• 意識障害 (DOC) の患者の意識レベルを評価するモデルの有用性を調査する.

主な方法:

• 強化された自己構築グラフを持つ漸進的な多領域適応ネットワークを提案しました.
• ソースドメインとターゲットドメインをブリッジする混合ドメインデータを生成するためのEEG-CutMixを導入しました.
• 領域不変の特徴抽出と漸進的アライメントのための強化された自己構築グラフモジュールを使用した.

主要な成果:

• 高精度 (97.03%と88.18%) のSEEDとSEED-IVデータセットで最先端の性能を達成しました.
• 健康な被験者に対して,自己記録データセットで 86. 65%の精度を達成しました.
• DOC患者で有望な結果が出ました 4人の被験者の感情認識の精度は70%を超えました

結論:

• 提案されたモデルは,優れたパフォーマンスを提供し,EEG感情認識の課題に効果的に取り組んでいます.
• このアプローチは,DOC患者における意識の評価を含む臨床応用のための大きな可能性を示しています.
• 開発されたモデルは脳とコンピュータのインターフェースと 感情的コンピューティングの分野を前進させています