.png){kind=icon}
返回
EEG-Based Emotion Recognition Using Spatial-Temporal Graph-Aware Network With Channel Selection
.png){kind=icon}
PRE
AI
DOI：10.1109/jbhi.2026.3665517.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
基于脑电图（EEG）的情绪识别在智能人机交互和脑机接口系统中具有巨大潜力，因为大脑在不同情绪状态下会产生独特的电活动模式。然而，EEG信息通常包含来自众多通道的数据，导致计算成本高且存在潜在冗余。现有的通道选择方法常依赖统一规则，缺乏频段特异性适应性及通道间建模，这可能在降维过程中造成信息丢失和性能下降。为解决此问题，我们提出了一种将判别通道选择与分层时空建模相结合的新框架，以提升性能和效率。在预处理阶段，采用小波相干性和互信息自适应地跨多个频段选择信息丰富的通道。随后，选定的信号通过空间-时间图感知网络（STG-Net）进行处理，该网络通过图卷积建模通道间的空间关系，从每个时间帧中提取空间特征。结合时空建模模块，网络进一步捕捉连续帧间情绪状态演变的时序模式。最后，融合频段-空间-时序特征进行情绪分类。与现有先进方法相比，本方法在识别准确率和模型效率两方面均取得更优表现。
Keyword:
Emotion recognition
electroencephalogram
wavelet coherence
deep learning
channel selection
期刊
IF:
6.8
论文数:
4.6K
被引数:
2.0W
机构
引用论文
.png){kind=icon}
分享收藏
A brain topography graph embedded convolutional neural network for EEG-based motor imagery classification脑地形图嵌入卷积神经网络的脑电运动想象分类
PREAI
分享收藏A Distributed Neural Network Architecture for Dynamic Sensor Selection With Application to Bandwidth-Constrained Body-Sensor Networks一种用于动态传感器选择的分布式神经网络架构及其在带宽受限的体域传感器网络中的应用
PREAI
分享收藏GCB-Net: Graph Convolutional Broad Network and Its Application in Emotion RecognitionGcb-net: 图卷积广义网络及其在情感识别中的应用
PREAI
分享收藏
查看更多内容