使用注意力网络层识别相关的EEG通道,以独立于主体的情绪识别
Camilo E Valderrama1,2, Anshul Sheoran1
1Department of Applied Computer Science, University of Winnipeg, Winnipeg, MB, Canada.
Frontiers in psychiatry
|February 25, 2025
概括
本研究确定了使用注意力机制进行主体独立情绪识别的关键脑电图 (EEG) 通道. 外围头周长EEG通道对于准确的情绪预测至关重要.
科学领域:
- 神经科学是一个神经科学.
- 机器学习 机器学习
- 生物医学工程 生物医学工程
背景情况:
- 电脑电图 (EEG) 用于情绪识别模型.
- 独立于主体的模型更实用,但由于个体EEG变异性而面临挑战.
研究的目的:
- 为了在个体中识别一致的相关EEG通道,以预测情绪.
- 通过使用深度学习和注意力机制来增强主体独立的情感识别模型.
主要方法:
- 应用注意力机制层对来自三个独立数据集 (SEED,SEED-IV,SEED-V) 的EEG数据.
- 专注于以独立于主体的方式识别对情绪预测至关重要的EEG通道.
主要成果:
- 在数据集上实现了平均准确率为79.3%,69.5%和60.7%.
- 确定头部周长的EEG通道 (例如FP1,FP2,F7,F8,T7,T8,P7,P8,O1,O2) 是最关键的.
结论:
- 强调特定EEG通道对于独立于主体的情绪识别的重要性.
- 表明,专注于这些通道可以提高基于EEG的情绪预测系统的实际实用性.
