一个基于注意力的多域双半球差异特征融合模型用于EEG情绪识别
IEEE journal of biomedical and health informatics
|June 24, 2024
概括
这项研究引入了一种用于情绪识别的新型电脑电图 (EEG) 模型,集成多域大脑信号特性和半球不对称性. 该模型实现了高精度,增强了大脑与计算机接口的能力.
科学领域:
- 神经科学是一个神经科学.
- 计算机科学 计算机科学
- 人工智能的人工智能
背景情况:
- 基于脑电图 (EEG) 的情绪识别是脑电脑界面的一个关键领域.
- 现有的方法往往忽视了多领域信息融合,缺乏可解释性.
研究的目的:
- 开发一种新的EEG情绪识别模型.
- 通过融合多域EEG信号特性和大脑半球不对称性来提高性能.
- 为了提高模型的解释性.
主要方法:
- 基于10-20标准系统构建了全球空间投影矩阵 (GSPM) 和两半球差异投影矩阵 (BDPM).
- 设计了一个双流空间-光谱-时间卷积神经网络用于特征提取.
- 利用基于变压器的融合模块来学习功能依赖.
主要成果:
- 取得了优异的平均准确率:98.33% (SEED),92.15% (SEED-IV) 和97.60%的价值和97.48%的兴奋 (DEAP).
- 可视化分析证实了模型的可解释性.
- 废弃实验验证了多域和双半球信息融合的有效性.
结论:
- 拟议的模型有效地整合了多域EEG特征和半球不对称性,以实现卓越的情感识别.
- 这种方法提高了基于EEG的情绪识别系统的性能和可解释性.
- 这项工作有助于推进脑计算机接口技术.
更多相关视频
11:28Concurrent EEG and Functional MRI Recording and Integration Analysis for Dynamic Cortical Activity Imaging
Published on: June 30, 2018
11.7K
05:36Central and Divided Visual Field Presentation of Emotional Images to Measure Hemispheric Differences in Motivated Attention
Published on: November 16, 2017
7.5K
