MB-MSTFNet:用于基于EEG传感器的情绪识别的多频段时空注意网络
Cheng Fang1, Sitong Liu2, Bing Gao3
1Key Laboratory of Civil Aviation Thermal Hazards Prevention and Emergency Response, Civil Aviation University of China, Tianjin 300300, China.
Sensors (Basel, Switzerland)
|August 14, 2025
概括
这项研究介绍了MB-MSTFNet,这是电脑电图 (EEG) 情绪识别的新框架. 该模型通过有效地融合时空特征和整合来自EEG传感器数据的多频段和大脑区域信息来实现高精度.
科学领域:
- 情感计算是一种情感计算.
- 神经科学是一个神经科学.
- 机器学习是机器学习.
背景情况:
- 通过脑电图 (EEG) 识别情绪对于人机交互至关重要.
- 现有的方法在时空特征融合和整合多频段和大脑区域信息方面面临挑战.
- 准确的情绪识别需要复杂的EEG传感器信号的复杂分析.
研究的目的:
- 提出MB-MSTFNet,这是一个用于增强基于EEG的情绪识别的新框架.
- 在EEG分析中解决时空特征融合和跨频段/大脑区域集成的局限性.
- 开发一种传感器驱动的模型,以实现高效准确的实时情绪识别.
主要方法:
- 构建了一个3D张量器,在EEG传感器数据中编码带空间时间相关性.
- 采用多尺度的CNN-Inception模块来进行层次的空间特征提取.
- 利用双向GRU (BiGRUs) 和多头自我注意力来实现时间依赖和频道加权.
主要成果:
- 在DEAP数据集上的二进制分类中实现了96.80%的价值和98.02%的唤起准确性.
- 在四类情感分类中达到92.85%的准确性.
- 废弃研究证实了特征融合,双向时间建模和多尺度机制的显著性能提升.
结论:
- MB-MSTFNet有效地整合了EEG传感器信号的时空动态和多频段相互作用.
- 拟议的框架显著推进了情感计算的实时情感识别.
- 该模型在EEG数据中捕获复杂模式以进行情绪分析方面表现出卓越的性能.
