一个轻量级的变压器模型,用于强大的EEG情绪识别,使用通道智能差异

科学领域:

• 神经科学是一个神经科学.
• 人工智能的人工智能
• 生物医学工程 生物医学工程

背景情况:

• 从脑电图 (EEG) 信号中识别情绪对于医疗保健,人机交互和教育中的应用至关重要.
• 从EEG中高效准确地解码情绪信息是一个重大的研究挑战.

研究的目的:

• 提出一种新的EEG情感识别模型,即通道式微分热变压器 (CWDET).
• 为了利用微分 (DE) 功能和变压器编码器来提高情绪识别准确性和效率.

主要方法:

• 从五个频段 (δ, θ, α, β, γ) 的EEG信号中提取了DE特征.
• EEG通道被处理为独立的输入令牌,通过嵌入和位置编码映射到高维空间.
• 采用多头自我注意机制,跨道实现全球功能融合,减少冗余和计算成本.

主要成果:

• CWDET模型在SEED数据集上实现了98.63%的高分类准确率,在SEED-IV数据集上达到99.16%.
• 该模型表现出极好的稳定性,并自动聚焦于关键的大脑区域.
• 即使使用了部分道,在SEED-IV数据集上也保持了93.44%的识别性能.

结论:

• CWDET为EEG情感识别提供了简单的结构,计算效率和高性能.
• 该模型为实际应用提供了可行的低资源解决方案.
• 这项工作支持EEG情感识别技术的发展以及未来的概括研究.