多通道EEG情绪识别通过残余图注意力神经网络的情绪识别
Hao Chao1, Yiming Cao1, Yongli Liu1
1College of Computer Science and Technology, Henan Polytechnic University, Jiaozuo, China.
Frontiers in neuroscience
|August 10, 2023
概括
这项研究引入了一种使用电脑电图 (EEG) 信号识别情绪的新方法. 这种新的方法有效地结合了空间和通道连接信息,以提高情绪识别准确度.
科学领域:
- 神经科学是一个神经科学.
- 人工智能的人工智能
- 生物医学工程 生物医学工程
背景情况:
- 脑电图 (EEG) 是一种测量大脑活动的非侵入性技术.
- 由于复杂的神经模式,从EEG信号准确地识别情绪仍然是一个挑战.
- 现有的方法往往难以充分利用EEG数据中的空间和关系信息.
研究的目的:
- 提出一种使用残余图注意力神经网络的新型EEG情感识别方法.
- 有效地整合来自电极位置和通道连接的空间信息.
- 为了提高基于多通道EEG的情绪识别的准确性.
主要方法:
- 构建了一个3D稀疏特征矩阵,捕捉电极空间关系.
- 利用剩余网络来提取具有空间背景的高级抽象特征.
- 使用图形理论和图形注意力网络建模的多通道EEG时间域特征.
- 从两个网络的功能融合为最终的情绪状态分类.
主要成果:
- 证明空间域信息和道间关系对于情感识别至关重要.
- 拟议的模型有效地融合了这些不同的信息来源.
- 在DEAP数据集上实现了多通道EEG情绪识别的性能改进.
结论:
- 空间和关系EEG特征的整合显著增强了情绪识别.
- 剩余图的注意力神经网络为这种集成提供了有效的框架.
- 这种方法对推进脑计算机接口和情感计算具有前途.
