基于创新的信息潜力指数的EEG情绪识别
Atefeh Goshvarpour1, Ateke Goshvarpour2,3
1Department of Biomedical Engineering, Faculty of Electrical Engineering, Sahand University of Technology, Tabriz, Iran.
Cognitive neurodynamics
|November 18, 2024
概括
研究人员开发了一种使用电脑电图 (EEG) 信号识别情绪的新方法. 这种交叉信息潜力的测量,在马频段特别有效,在分类情绪状态方面达到90%以上的准确性.
科学领域:
- 神经科学和情感计算
- 信号处理和机器学习
背景情况:
- 在临床和非临床环境中对情绪识别系统的需求日益增加.
- 脑电图 (EEG) 信号分析是影响分类的关键方法,因为它与大脑活动有直接联系.
- 之前的研究已经探索了用于情绪识别的大脑连接.
研究的目的:
- 提出一种新的指数来量化大脑电极相互作用,用于情绪表征.
- 评估基于EEG的情绪识别中的交叉信息潜力的有效性.
- 为了确定情绪分类的最佳EEG频段.
主要方法:
- 开发了一种基于EEG电极对之间的交叉信息潜力的新测量方法.
- 这一测量在不同的EEG频段 (delta,theta,alpha,beta,gamma) 中进行了分析.
- 使用支持矢量机 (SVM) 和k-最近邻居 (kNN) 分类器,使用生理信号的情绪分析数据库在价值激发空间中对情绪进行分类.
主要成果:
- 该kNN分类器实现了90.14%的最大精度,89.71%的灵敏度和94.57%的F分数.
- 马频段显示出最高的情绪识别率.
- 低价值-低兴奋情绪比其他情绪状态更准确地被分类.
结论:
- 交叉信息潜力是基于EEG的情绪识别的可行和有效措施.
- 玛频段具有显著的潜力,可以区分情绪状态.
- 拟议的方法为开发先进的影响分类系统提供了一个有希望的途径.
