DAVG-ViT: GA-BiLSTMを用いたEEG感情認識のためのドメイン適応型Vision Transformer

科学分野:

• 神経科学
• 人工知能
• 生体医工学

背景:

• 脳波（EEG）ベースの感情認識は、非侵襲的で時間分解能が高いことから、成長分野となっています。
• 既存のモデルは、グローバル依存関係モデリング、クロスチャネル相互作用、およびドメイン汎化において課題に直面しています。

研究 の 目的:

• EEGベースの感情認識を改善するための新しいモデル、DAVG-ViTを提案すること。
• グローバルモデリング、クロスチャネル関係、およびドメイン適応における限界に対処すること。

主な方法:

• 提案されたDAVG-ViTモデルは、アダプターを統合してグローバルモデリングを強化します。
• グループアテンションとBiLSTMを採用して、クロスチャネル関係と双方向の時間ダイナミクスを捉えます。
• 勾配逆転層を使用した敵対的ドメイン適応により、分布シフトを最小限に抑えます。

主要な成果:

• DAVG-ViTは、ベンチマークデータセットで優れたパフォーマンスを達成しました。SEEDで99.37%、SEED-IVで95.91%の精度を達成しました。DEAPデータセットでは、覚醒度で98.95%、感情価で98.47%の精度が得られました。

結論:

• DAVG-ViTモデルは、EEG感情認識において顕著な進歩を示しています。
• 提案された手法は、グローバルモデリング、クロスチャネル相互作用、およびドメイン汎化における課題に効果的に対処します。