注意機構に基づく多重スケール深層CNNによるEEG感情認識

科学分野:

• ブレイン・コンピューター・インターフェース（BCI）
• 感情コンピューティング
• 神経科学

背景:

• 感情認識は、ブレイン・コンピューター・インターフェース（BCI）技術における重要な課題です。
• 深層学習モデルは有望ですが、EEG分析にはより弁別的な特徴が必要です。

研究 の 目的:

• 多チャンネル脳波信号からの弁別的特徴抽出の課題に対処するため。
• EEGベースの感情認識を強化するための高度な深層学習モデルを開発するため。

主な方法:

• チャネルおよび空間的注意機構を統合したマルチスケール畳み込みニューラルネットワーク（MSCNN）を提案しました（CSA-MSCNN）。
• チャネルアテンションは、重要なチャネルに重み付けを行い、ノイズを低減することで特徴抽出を洗練します。
• 空間アテンションは、感情に関連する脳領域を正確に特定し、MSCNNは局所的および深層的な信号特徴を捉えます。

主要な成果:

• CSA-MSCNNは、DEAPデータセットにおいて、感情価（バレンス）で95.75％、覚醒度（アラウサル）で95.39％（3クラス分類）の高い精度を達成しました。
• SEEDデータセットでは、感情認識のための3クラス分類精度で平均90.48％に達しました。
• 従来の機械学習を大幅に上回り、グラフ畳み込みニューラルネットワーク（GCNN）と比較しても強力な競争力を示しました。

結論:

• CSA-MSCNNは、多チャンネルEEG信号と領域情報の複雑性を効果的に処理します。
• このアプローチは、正確で信頼性の高いEEG感情認識のための堅牢なソリューションを提供します。