RS-STGCN：感情認識のための地域シナジー時空間グラフ畳み込みネットワーク

科学分野:

• 感情神経科学
• 計算神経科学
• 神経画像のための機械学習

背景:

• 脳波（EEG）から感情状態をデコードすることは、感情神経科学にとって重要です。
• 既存の方法では、神経生理学的な事前知識と動的な脳活動を統合することが困難です。
• 感情認識には、時空間的な脳ダイナミクスの正確なモデリングが不可欠です。

研究 の 目的:

• 感情状態をEEG信号からデコードするための新しいフレームワーク、地域シナジー時空間グラフ畳み込みネットワーク（RS-STGCN）を提示すること。
• 神経生理学的な事前知識とタスク固有の脳機能ダイナミクスとの間のギャップを埋めること。
• 高精度を達成し、神経科学的な解釈可能性を提供する方法を開発すること。

主な方法:

• 脳領域の事前知識とタスク駆動型最適化を統合するために、地域シナジーグラフ学習者（RSGL）を導入しました。
• 領域内（局所）および領域間（長距離）レベルの接続性をモデル化する、スパースで適応的なグラフを構築しました。
• 学習されたグラフを使用して、進化する感情的特徴を捉えるために時空間ネットワークを適用しました。

主要な成果:

• SEEDデータセットで88.00%、SEED-IVデータセットで85.43%の最先端の被験者非依存認識精度を達成しました。
• 神経科学的に解釈可能な機能的脳接続マップを生成しました。
• 既知の注意ネットワークと一致する、主要な前頭頭頂経路を特定しました。

結論:

• RS-STGCNフレームワークは、人間の感情の根底にある動的な脳ネットワークメカニズムを調査するための強力な計算アプローチを提供します。
• このモデルは、進化する感情的特徴を効果的に捉え、機能的な脳組織に関するデータ駆動型の洞察を提供します。
• この研究は、EEG信号分析と解釈可能なAIの改善を通じて、感情認識の分野を進歩させます。