通过集成基于fNIRS的大脑计算机接口与监督学习算法来解码基本情绪状态

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
• 情感计算是一种情感计算.

背景情况:

• 大脑-计算机接口 (BCI) 提供个性化的用户体验.
• 自动情绪检测对于心理健康和适应性系统至关重要.
• 功能近红外光谱 (fNIRS) 是一种非侵入性神经成像技术.

研究的目的:

• 评估基于fNIRS的BCI用于识别基本情绪状态 (正,负,中性) 的可行性.
• 评估fNIRS信号在从标准化刺激中预测情感价值方面的有效性.
• 使用fNIRS数据来确定机器学习算法的分类性能.

主要方法:

• 收集了来自20名健康参与者观看国际情感图像系统 (IAPS) 图像的fNIRS数据.
• 使用22通道系统记录前额叶皮层 (PFC) 区域的血液动力学反应.
• 从HbO信号中提取了20个时间域特征,并应用了kNN,Ensemble (Subspace kNN) 和SVM算法进行分类.

主要成果:

• 三类分类 (阳性,中性,负性) 实现了>90%的准确性,灵敏度,特异性,F-1分数和精度.
• 两类分类准确度在所有绩效指标上都超过93%.
• 高分类性能表明fNIRS-BCI在客观情绪检测方面的潜力.

结论:

• 基于fNIRS的BCI在识别基本情绪状态方面具有很高的准确性.
• 该系统在临床和日常生活应用中显示出实时情绪检测的前景.
• fNIRS-BCI为个性化用户体验提供实用性和低计算复杂性.