定向空间和光谱注意网络 (DSSA Net) 用于基于EEG的情感识别
Jiyao Liu1, Lang He2, Haifeng Chen3
1School of Computer Science, Northwestern Polytechnical University, Xi'an, China.
Frontiers in neurorobotics
|January 22, 2025
概括
本研究介绍了定向空间和光谱注意网络 (DSSA网),用于使用电脑图 (EEG) 信号改进情绪识别. 这种新的框架有效地捕捉了空间-时间-光谱特征,大大提高了从大脑活动分类情绪的准确性.
科学领域:
- 神经科学是一个神经科学.
- 机器学习 机器学习
- 信号处理 信号处理
背景情况:
- 从脑电图 (EEG) 信号中识别情绪已经进步,但模拟复杂的空间,光谱和时间特征仍然具有挑战性.
- 准确地解释多通道大脑信号对于理解情绪状态至关重要.
研究的目的:
- 提出一个新的框架,指向空间和光谱注意网络 (DSSA Net),用于从EEG信号中增强情绪识别.
- 为了有效地捕捉和建模EEG数据中固有的关键空间-光谱-时间特征.
主要方法:
- 拟议的DSSA Net框架整合了三个注意力模块:定位注意力 (PA),光谱注意力 (SA) 和时间注意力 (TA).
- 该PA模块利用垂直注意力 (VA) 和水平注意力 (HA) 分支来识别来自不同方向的活跃大脑区域.
- 该框架处理多通道EEG信号以提取全面的特征表示.
主要成果:
- 与现有方法相比,DSSA Net 在三个基准EEG数据集 (SEED,SEED-IV,DEAP) 上表现优越.
- 取决于主体的情感识别准确率达到96.61% (SEED) 和85.07% (SEED-IV).
- 独立于主体的识别率达到87.03% (SEED) 和75.86% (SEED-IV),在DEAP上,价值和唤醒准确率分别为94.97%和94.73%.
结论:
- DSSA Net框架有效地利用大脑区域和半球之间的空间和光谱差异.
- 拟议的方法显著提高了基于EEG的情绪识别的分类准确性.
- DSSA Net为先进的脑计算机接口和情感计算提供了一个有前途的方法.
