频域特征的分析用于使用EEG信号对唤起的情绪进行分类
Samannaya Adhikari1, Nitin Choudhury2, Swastika Bhattacharya1
1Department of Information Technology, Gauhati University, Gopinath Bordoloi Nagar, Jalukbari, Guwahati, Assam, 781014, India.
Experimental brain research
|February 14, 2025
概括
这项研究使用脑电图 (EEG) 信号和变态分解 (VMD) 准确地分类由视觉刺激引起的快乐,悲伤和恐惧等情绪,达到高准确度.
科学领域:
- 神经科学是一个神经科学.
- 信号处理 信号处理
背景情况:
- 情绪显著影响人类生理学和决策.
- 电脑电图 (EEG) 信号为情绪识别提供了宝贵的见解.
研究的目的:
- 分析EEG信号以识别由视觉刺激引起的情绪 (快乐,悲伤,恐惧).
- 评估变化模式分解 (VMD) 在从EEG数据中提取情感相关特征的有效性.
主要方法:
- 使用VMD清理和处理EEG信号,将其分解为内在模式函数 (IMF).
- 使用滑窗方法 (3s) 计算特定频段的功率分布.
- 一个随机森林模型被用于情感分类,用Shapley增量解释进行特征分析.
主要成果:
- 使用3秒的滑动窗口提取频率域特征显著提高了情绪分析效率.
- 随机森林模型实现了高准确率:验证为99.57%,测试为99.36%.
- 第五届国际货币基金组织表明,与视觉刺激引起的情绪有很强的相关性.
结论:
- VMD是一种有效的技术,用于分析EEG信号以识别情绪.
- 开发的方法显示了对视觉唤起的情绪准确分类的高潜力.
- 识别关键的IMF可以提高对情绪神经相关的理解.
更多相关视频
08:22Author Spotlight: Advancing the Study of Brain-Heart Interplay with a Comprehensive EEGLAB Plugin for Multimodal Signal Analysis
Published on: April 26, 2024
1.6K
11:15Applications of EEG Neuroimaging Data: Event-related Potentials, Spectral Power, and Multiscale Entropy
Published on: June 27, 2013
33.6K
