基于子频段嵌入的EEG时空活动表示用于情绪识别
IEEE journal of biomedical and health informatics
|March 13, 2026
概括
这项研究引入了一个新的框架,即子频段嵌入式时空网络 (SESTN),用于更准确地从电脑电图 (EEG) 信号识别情绪. 通过捕捉多频空间和时间大脑活动模式,SESTN 增强了分析.
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:
- 基于脑电图 (EEG) 的情绪识别对心理健康和情感计算至关重要.
- 现有的图形神经网络 (GNN) 方法与高阶大脑区域的关联和EEG信号中的频率特定的时间学习扎.
研究的目的:
- 开发一个新的框架,子频段嵌入式时空网络 (SESTN),用于改进基于EEG的情绪识别.
- 共同建模EEG信号中的多频空间和时间依赖性,克服以前GNN方法的局限性.
主要方法:
- EEG特征嵌入到子频段空间中,用于特定频率的表示.
- 神经生理学先验被用来构建区域内空间关系的加权超边缘.
- 一个基于Mamba的时间模块提取频率特定的时间动态,然后在频段中进行图形卷积融合.
主要成果:
- 拟议的SESTN框架显著提高了EEG情绪识别性能.
- 在SEED和SEED-IV数据集的主体依赖和主体独立分类场景中都观察到改善.
结论:
- SESTN提供了一种强大而有效的方法来分析复杂的EEG时空动态.
- 这一框架显示了在情绪状态监测和心理健康评估中实际应用的巨大潜力.


