.png){kind=icon}
返回
Emotion recognition based on EEG source signals and dynamic brain function network
.png){kind=icon}
PRE
AI
DOI：10.1016/j.jneumeth.2024.110358.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
背景: 脑网络特征包含更多与情绪相关的信息，在情绪识别中更为有效。然而，情绪是连续且动态变化的，当前使用滑动窗口方法的功能性脑网络特征无法探索不同情绪的动态特性，导致功能性连接信息严重损失。
新方法: 本研究提出了一种基于EEG源信号和动态功能性脑网络(dyFBN)的情绪识别新框架。我们在每个时间点利用动态相位线性测量(dyPLM)构建情绪相关的dyFBN，并提取基于dyFBN的二阶特征均方根(RMS)。此外，采用多特征融合策略，整合传感器频率特征与连接信息。
结果: 受试者独立和受试者相关的识别准确率分别为83.50%和88.93%。筛选的最佳融合特征子集突出了动态特征与传感器特征的相互作用，并展示了右颞上回、左扣带回峡部及左眶回等关键脑区在情绪识别中的重要作用。
与现有方法的比较: 相比现有方法，受试者独立和受试者相关的情绪识别准确率分别提升了11.46%和10.19%。此外，RMS与传感器特征的融合特征的识别准确率也优于现有方法的融合特征。
结论: 这些发现证明了所提出框架的有效性，能够实现更优的情绪识别效果。
Keyword:
EEG source signals
Dynamic function brain network
Feature fusion
Brain regions
Emotion recognition
期刊
IF:
2.3
论文数:
426
被引数:
1.7W
机构
暂无机构信息
引用论文
EEG Based Emotion Recognition by Combining Functional Connectivity Network and Local Activations
PREAI
分享收藏Emotion Recognition Based on Fusion of Local Cortial Activations and Dynamic Functional Networks Connectivity: An EEG Study.png)
IEEE ACCESS
OAAI
IEEE ACCESSIF3.6
OAAI分享收藏Altered Medial Frontal and Superior Temporal Response to Implicit Processing of Emotions in Autism自闭症中内隐处理情绪的内侧额叶和上颞反应的改变AUTISM RESEARCH
AUTISM RESEARCHIF5.6
PREAI
分享收藏Cross-subject EEG emotion recognition using multi-source domain manifold feature selection基于多源域流形特征选择的跨主体脑电情感识别
PREAI
分享收藏
查看更多内容