-
题名基于脑网络连通性和脑电微状态的情感识别
- 1
-
-
作者
房春英
何元昆
吴安欣
-
机构
黑龙江科技大学计算机与信息工程学院
-
出处
《计算机科学》
北大核心
2025年第7期201-209,共9页
-
基金
黑龙江省省属高等学校基本科研业务费项目(2023-KYYWF-0538)。
-
文摘
随着神经科学和计算方法的不断进步,研究者们对情感与大脑活动之间的关系产生了越来越浓厚的兴趣。在这个领域,复杂网络的连通性和脑电图微状态成为研究热点。脑网络的连通性揭示了不同脑区之间的信息传递和协调程度,对情绪调节过程具有重要影响。微状态是大脑在静息状态下的短时段内的稳定活动模式,其变化反映了大脑功能状态的转换。为进一步研究情感与各脑区的关系和提高情感识别准确率,提出基于脑网络模块连通性和脑电微状态的情感识别方法。该方法通过网络模块连通性分析,将复杂系统进行模块化划分,揭示整体与局部在不同情感下的关系;同时引入微状态分析来探索脑区与情感的对应关系,并且提取各微状态的持续时间、发生频率、覆盖比例以及转换概率作为特征,用于情感识别,发现情感在右半脑更活跃。为了得到更加全面的特征信息,将两种特征拼接融合进行情感识别。在SEED数据集上做了大量实验,结果表明模块连通性特征gamma频段获得最高的平均准确率,为94.07%,微状态特征准确率为87.23%,而融合特征的平均准确率为95.34%,与上述单一方法的特征提取识别准确率相比,准确率分别提升了1.27%和8.11%。
-
关键词
情感识别
脑网络
模块连通性
微状态
特征融合
-
Keywords
Emotion recognition
Brain network
Module connectivity
Microstate
Feature fusion
-
分类号
TP391
[自动化与计算机技术—计算机应用技术]
-
