基于EEG的局部-全球维度情绪识别使用电极集群,EEG变形器和时间卷积网络
Hyoung-Gook Kim1, Jin-Young Kim2
1Department of Electronic Convergence Engineering, Kwangwoon University, 20 Gwangun-ro, Nowon-gu, Seoul 01897, Republic of Korea.
Bioengineering (Basel, Switzerland)
|November 27, 2025
概括
这项研究引入了一种新的脑启发框架,使用脑电图 (EEG) 集群进行维度情感分类. 该模型有效地整合了本地和全球的大脑信号,提高了识别价值和兴奋水平的准确性.
科学领域:
- 神经科学是一个神经科学.
- 情感计算是一种情感计算.
- 信号处理 信号处理
背景情况:
- 情绪涉及到大脑各个区域的复杂相互作用.
- 电脑电图 (EEG) 提供非侵入性神经活动监测.
- 精确的维度情感分类需要分析本地和全球EEG信号.
研究的目的:
- 提出一个由大脑启发的基于EEG电极集群的框架,用于维度情绪分类.
- 加强对局部电极活动和全球空间分布的分析,以改善情绪识别.
- 为情感计算和脑计算机界面 (BCI) 应用开发一个可扩展的框架.
主要方法:
- 将EEG电极组织成九个空间和功能集群.
- 在每个集群中应用了EEG变形器来学习信号特征.
- 集成的集群功能使用双向交叉注意力 (BCA) 和时间卷积网络 (TCN).
- 使用多层感知子 (MLP) 进行价值和兴奋分类.
主要成果:
- 拟议的基于集群的框架显著优于现有的基于EEG的维度情感识别方法.
- 在三个公共EEG数据集上表现出卓越的性能.
- 展示了在电极集群层面和全球信号相互作用的结构模式的有效捕获.
结论:
- 基于集群的学习增强了基于EEG的维度情感分析的解释性和生理有效性.
- 集群间信息的整合有效地模拟了长期的依赖关系.
- 该框架为未来的情感计算和BCI研究提供了强大的和可扩展的方法.
