ファジィエントロピーと効率的な信号分解法を用いた自動脳波（EEG）ベースの夢関連感情認識
Nazanin Sayad Mojdehbar1, Babak Mohammadzadeh Asl1, Asghar Zarei2
1Department of Biomedical Engineering, Tarbiat Modares University, Tehran, Iran.
Computers in biology and medicine
|January 7, 2026
まとめ
本研究は、レム睡眠中の脳波（EEG）信号から夢感情を分類するための自動化されたフレームワークを提示する。EMD-FuzzEn法とKNN分類は、ポジティブ、ニュートラル、ネガティブな夢感情を特定する上で高い精度を達成した。
科学分野:
- 神経科学
- 計算心理学
- 信号処理
背景:
- 夢は感情的なプロセスと深いニーズに関連しています。
- 急速眼球運動（REM）睡眠中の脳波（EEG）信号は、夢の感情を研究するために使用できます。
- 夢感情評価データセット（DEED）は、この研究のためのリソースを提供します。
研究 の 目的:
- 夢感情（ポジティブ、ニュートラル、ネガティブ）を分類するための自動化されたフレームワークを開発すること。
- 夢感情分析のためにREM睡眠中に捕捉されたEEG信号を利用すること。
- さまざまな信号分解および特徴抽出技術のパフォーマンスを評価すること。
主な方法:
- 離散ウェーブレット変換（DWT）および経験的モード分解（EMD）を使用したEEG信号分解。
- サブバンドからファジィエントロピー（FuzzEn）を非線形特徴として抽出。
- ReliefFアルゴリズムを使用した特徴選択。
- K最近傍法（KNN）、サポートベクターマシン、エクストリーム勾配ブースティング、ランダムフォレストを使用した分類。
主要な成果:
- EMD-FuzzEn法とKNNの組み合わせは、優れた分類パフォーマンスを達成しました。
- 精度率は、マルチクラスで92.33％、ニュートラル対非ニュートラルで96.47％、ポジティブ対ネガティブで90.69％でした。
- ReliefFアルゴリズムは、時間的および前頭部のEEG領域（T7、T8チャネル）を高い判別性を持つものとして特定しました。
結論:
- 提案された方法論は、夢感情を特定するための強力な可能性を示しています。
- この研究は、信号分解および特徴抽出技術の有効性を強調しています。
- この研究は、自動化された夢感情分類における実質的な進歩を表しています。
