来自EEG分析唤起记忆回忆的洞察力,使用深度学习来绘制情感图表
Muhammad Najam Dar1, Muhammad Usman Akram2, Ahmad Rauf Subhani2
1National University of Sciences and Technology, Islamabad, 44000, Pakistan. najam.dar77@ce.ceme.edu.pk.
Scientific reports
|July 24, 2024
概括
这项研究引入了一个深度学习框架,用于使用可穿戴传感器的电脑电图 (EEG) 信号来识别记忆诱导的情绪. 这种新的方法在现实环境中达到65.6%的准确性,推进了情感识别技术.
科学领域:
- 神经科学是一个神经科学.
- 人工智能的人工智能
- 心理学 心理学 心理学
背景情况:
- 现实世界的影响识别对于实际应用至关重要.
- 在日常活动中通过可穿戴电脑电图 (EEG) 监测心理状态,特别是与记忆诱导的情绪,是一个重要的研究挑战.
- 现有的深度学习技术对于记忆诱导的情感识别还没有得到充分的探索.
研究的目的:
- 提出一个深度学习框架,用于增强记忆诱导的情感识别.
- 为了利用1D-CNN和LSTM的组合作为特征提取器与极端学习机器 (ELM) 分类器.
- 捕捉EEG信号中的重复和连续模式,以在不受约束的环境中识别情绪.
主要方法:
- 使用了深度学习架构,将1D-CNN和LSTM与ELM分类器结合起来.
- 通过删除平均基线信号和提取EEG节奏 (三角形,三角形,α,β,玛) 预处理了EEG信号.
- 在回忆自传情感记忆时,分析了可穿戴运动帽的EEG数据,并对价值和兴奋度量表进行了自我注释.
主要成果:
- 拟议的框架实现了65.6%的准确性,用于记忆诱导的情感识别.
- 对EEG节律的分析显示了四个价值激发象限的不同分类准确度:三角形 (65.5%),三角形 (52.1%),α (65.1%),β (64.6%),和 (65.0%).
- 该方法在记忆诱导情绪识别领域的现有技术相比,表现优越.
结论:
- 开发的深度学习框架在现实环境中显著提升了记忆诱导的情感识别.
- 整合EEG节律分析为分类情绪状态提供了宝贵的见解.
- 这项研究强调了可穿戴EEG传感器和深度学习在实际情绪识别应用中的潜力.
