使用EEG信号的情绪识别,通过设计一个干电极,基于2型模糊集和深度卷积图网络的组合
Shokoufeh Mounesi Rad1, Sebelan Danishvar2
1Department of Biomedical Engineering, Urmia Branch, Islamic Azad University, 5756151818 Urmia, Iran.
Biomimetics (Basel, Switzerland)
|September 27, 2024
概括
研究人员开发了一种新的干电极脑电图 (EEG),用于识别情绪. 这种具有成本效益的EEG系统在区分积极和消极情绪方面实现了99%的准确性,超过了以前的方法.
科学领域:
- 神经科学是一个神经科学.
- 生物医学工程 生物医学工程
- 材料科学 材料科学 材料科学
背景情况:
- 大脑-计算机接口 (BCI) 依赖于准确的情绪识别.
- 现有的脑电图 (EEG) 方法通常需要凝,限制长期使用.
研究的目的:
- 开发和实施一种用于情绪识别的新型干电极EEG系统.
- 为了评估制造的干式EEG电极的性能和成本效益.
- 在使用深度学习模型对正面和负面情绪进行分类时实现高准确度.
主要方法:
- 使用银铜烧结制造干燥EEG电极的制造,用SEM和EDXA进行评估.
- 使用音乐刺激和开发的干式EEG电极生成数据库.
- 实施改进的深度网络 (二类模糊集+深度卷积图网络) 用于分类.
主要成果:
- 与湿电极和其他干电极相比,制造的干电极表现出优越的性能,效率和可负担性.
- 干式EEG电极在各种信号对噪声比率 (SNRs) 的噪声环境中表现出强大的性能.
- 拟议的模型实现了99%的积极和消极情绪的分类准确性,比之前的研究提高了2%.
结论:
- 开发的干式EEG电极具有经济性,适用于实时,长期的BCI应用,无需凝.
- 新型干电极和深度网络的组合在情绪识别技术方面取得了重大进展.
- 这项技术为先进的大脑与计算机接口提供了具有成本效益和高效的解决方案.
