识别基于EEG的情绪识别中的性别差异,使用带有注意力机制的图形卷积网络.

科学领域:

• 神经科学是一个神经科学.
• 情感计算是一种情感计算.
• 生物医学工程 生物医学工程

背景情况:

• 情绪体验中的性别差异通过自我报告和生理测量得到了充分的证据.
• 然而,与情绪的性别差异相关的明显的脑电图 (EEG) 神经模式在很大程度上仍未被探索.
• 了解这些差异对于推进情绪识别技术和情感神经科学至关重要.

研究的目的:

• 在各种数据集和文化中检测和描述情绪EEG模式中的性别差异.
• 调查性别如何影响基于EEG的情绪识别模型的性能.
• 为性别特异性情绪处理提供生理证据.

主要方法:

• 对五个公共EEG数据集 (SEED,SEED-IV,SEED-V,DEAP,DREAMER) 的分析.
• 对多种情绪 (快乐,悲伤,恐惧,厌恶,中立) 的性别特异性EEG模式的系统检查.
• 实施深度学习模型用于性别特定和跨性别情绪识别.

主要成果:

• 在各种情绪和文化中观察到情绪EEG模式的显著性别差异.
• 女人的情绪模式更稳定,幸福和负面情绪之间有明显的对比,而男性模式显示出更平衡的能量.
• 对于女性来说,EEG的关键特征集中在正面和时间上,而对于男性来说,它们更广泛.
• 同性情感识别模型的表现始终优于跨性别模型.

结论:

• 这项研究为性别特异性情感大脑激活提供了新的生理证据.
• 这些发现强调了将性视为情感研究和个性化医学发展的关键因素的重要性.
• 这些结果有助于更深入地了解情绪处理和神经相关性中的性别差异.