-
题名基于图注意力机制的脑电情绪识别方法
- 1
-
-
作者
卢未坤
周颖玥
武桥
廖祥
刘琦
黄润夏
杨波
-
机构
西南科技大学信息与控制工程学院
西南科技大学医学院
绵阳市第三人民医院
重庆大学医学院
成都信息工程大学电子工程学院
-
出处
《中国生物医学工程学报》
北大核心
2025年第4期393-405,共13页
-
基金
四川省自然科学基金面上项目(2025ZNSFSC0454)
物理场生物效应及仪器四川省高校重点实验室开放课题(2023-BMEKF-002)。
-
文摘
情绪识别在人机交互中发挥着至关重要的作用,而脑电信号在反映人类情绪状态方面具有优势。基于脑电空间拓扑建模脑区之间的复杂交互关系,可以为情绪识别的特征提取提供重要信息。然而,仅使用空间拓扑构建单一的图结构进行图卷积,存在信息聚合方式单一的问题,难以描述脑电通道之间的复杂关系。针对这一问题,本研究提出了一种基于图注意力机制的脑电情绪识别模型,其核心思想在于使用多头图注意力机制,动态地为节点连接分配权重,从而能够自适应地捕捉脑电通道之间的关系,以解决现有方法在信息聚合和动态模式捕捉方面的不足。使用DEAP数据集中7 424个脑电样本对所提模型进行了验证,其在效价、唤醒和支配3个情绪维度上的分类准确率达到了96.06%、96.54%和96.84%。与同样基于图神经网络的ELGCNN模型相比,在效价和唤醒两个维度上的准确率提高了6.20%和6.56%,证明了所提模型的有效性。另外,还使用DREAMER数据集中4 630个脑电样本对模型性能进行了验证,在效价、唤醒和支配3个情绪维度上的分类准确率为87.87%,83.47%,79.96%。实验结果表明,使用图注意力机制能有效提取与情绪相关的脑电特征,提升脑电情绪识别的准确率。
-
关键词
脑电信号
情绪识别
图神经网络
图注意力
-
Keywords
electroencephalogram(EEG)
emotion recognition
graph neural networks
graph attention
-
分类号
R318
[医药卫生—生物医学工程]
-
