机器学习技术从脑电图的地形图分类情绪:一个系统的审查.
Marla P Melo1, Diana F Adamatti2, Marilton S Aguiar1
1Postgraduate Program in Computing, Center for Technological Development, Federal University of Pelotas, Pelotas, 96010-610, Rio Grande do Sul, Brazil.
Computers in biology and medicine
|September 10, 2025
概括
本综述绘制了机器学习技术,用于使用电脑图 (EEG) 地形图识别情绪. 它强调了各种模型,包括CNN和SVM,用于分析大脑信号.
科学领域:
- 神经科学和人工智能 人工智能
- 大脑与计算机的接口
背景情况:
- 面部表情是常见的情绪识别,但电脑信号提供更高的数据完整性.
- 电脑电图 (EEG) 装置以非侵入的方式捕捉神经活动.
- 可以将EEG信号转换为图形EEG地形图 (ETM).
研究的目的:
- 识别和绘制机器学习技术,以从EEG地形图中识别情绪.
- 提供当前方法的最新概述.
- 为了指导未来的研究方向在情感计算.
主要方法:
- 按照PRISMA指南进行系统文献审查,搜索时间至2025年7月.
- 包含符合特定标准的14个出版物.
- 分析机器学习模型,数据集,特征提取和EEG信号转换方法.
主要成果:
- 确定了机器学习技术,包括支持向量机器 (SVM),卷积神经网络 (CNN),轻量级CNN (LCNN),VGG-16,双向长短期记忆网络 (Bi-LSTM),残余网络 (ResNet) 和多层感知器 (MLP).
- 总结了涉及情感数据集,特征提取和EEG转换为ETM的相关性.
- 讨论了跨学科依赖,学科独立,转移学习和跨学科方法的分类准确性.
结论:
- 机器学习,特别是像CNN和LSTM这样的深度学习模型,显示出使用EEG地形图的情感识别有前途.
- 需要进一步的研究来优化主体独立和转移学习方法,以实现强大的情感识别.
- 电脑脑电图拓图为分析情绪的神经关联提供了有价值的表示.
