CNNモデルによる解釈可能なEEG感情分類とグラデント加重クラスアクティベーションマッピング
Yuxuan Zhao1, Linjing Cao2, Yidao Ji3
1Institute of Automation, Chinese Academy of Sciences, Beijing 100190, China.
Brain sciences
|August 28, 2025
まとめ
この研究は,電気脳波 (EEG) ベースの感情認識のための単純な回転神経ネットワーク (CNN) を導入し,高い精度を達成します. 視覚化技術は 感情の側面化理論の発見を確認し ウェアラブルシステムの設計を支援します
科学分野:
- 神経科学
- コンピュータ科学
- 感情的コンピューティング
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.
- 既存の方法は 高い精度と生理学的解釈のバランスをとるのに苦労しています
研究 の 目的:
- 感情を分類するための シンプルで正確なCNNモデルを開発しました
- グラデント加重クラスアクティベーションマッピング (Grad-CAM) を使用してモデルの解釈性を向上させる.
- 穿戴可能なEEGシステムにおける電極配置の最適化のための生理学的基礎を提供すること.
主な方法:
- EEGベースの感情分類のためにコンボリューションニューラルネットワーク (CNN) モデルが設計されました.
- DEAPのデータセットはトレーニングと検証に使用されました.
- Grad-CAMは,分類への電極の貢献を視覚化するために使用されました.
主要な成果:
- CNNモデルは95.21% (覚醒),94.59% (バレンシー),93.01% (四次性) の高い分類精度を達成した.
- 右前頭皮質と左頭葉は 重要な電極領域です
- これらの発見は 確立された感情的側面化理論と一致しています
結論:
- 提案された方法は,EEGの感情認識のための高性能で解釈可能な解決策を提供します.
- 特定された電極領域は,効率的なウェアラブル感情コンピューティングシステムの設計のための生理学的基礎を提供します.
