使用新型格兰杰因果定量器和EEG组合电极的情绪识别
Atefeh Goshvarpour1, Ateke Goshvarpour2
1Department of Biomedical Engineering, Faculty of Electrical Engineering, Sahand University of Technology, Tabriz 51335-1996, Iran.
Brain sciences
|May 27, 2023
概括
这项研究引入了用于脑电图 (EEG) 分析的电极组合方法,降低了计算成本,同时使用大脑连接模式准确地分类情绪.
科学领域:
- 神经科学是一个神经科学.
- 计算神经科学是一种神经科学.
- 情感计算是一种情感计算.
背景情况:
- 脑电图 (EEG) 连接模式对于理解情绪的神经相关性至关重要.
- 高频道EEG测量由于数据量庞大而带来计算挑战.
- 选择最佳大脑通道的现有方法会危及数据的稳定性和可靠性.
研究的目的:
- 开发一种有效的EEG分析方法,用于情绪识别.
- 为了降低与多通道EEG数据相关的计算成本.
- 为了研究组合EEG电极在复制详细的大脑连接的有效性.
主要方法:
- 将大脑分为六个区域用于电极组合.
- 提取EEG频段. 这些频段.
- 使用一种创新的基于格兰杰因果关系的测量方法来量化大脑连接.
- 使用分类模块来识别价值激发的维度情绪.
- 使用使用生理信号 (DEAP) 的情绪分析数据库验证方法.
主要成果:
- 达到最高分类准确度为89.55%.
- 证明基于EEG的连接,特别是在贝塔频段,有效地分类维度情绪.
- 证明组合EEG电极可以有效地复制32通道EEG的信息.
结论:
- 拟议的电极组合方法为基于EEG的情绪识别提供了一个有效的替代方案.
- 这种方法可以显著降低计算负载,而不会影响准确度.
- 贝塔频段的EEG连接是分类维度情绪的强有力的指标.
