从局部脑到全脑：时空域分层神经网络脑电情绪识别模型

作者丨张玮玮

学校丨东北大学硕士生

研究方向丨情绪识别

引言

论文动机

近年来，脑电图 (EEG) 在处理情感识别方面得到了广泛的应用。虽然近年来人们提出了各种各样的脑电信号情感识别方法，但为了进一步提高脑电信号的情感识别性能，仍有一些重要问题需要深入研究。

首要问题是如何从脑电信号中提取具有鲁棒性的高级语义特征，相对于手工特征而言，如何提取更具区别性的时空域深度特征。第二个问题是哪些大脑区域对情绪识别更有贡献，以及如何利用这些脑区域的地形图信息来提高 EEG 的情绪识别。第三个问题是如何利用脑电信号在不同脑区的时间信息来提高情绪识别。

论文工作

作者提出了一种新的 EEG 情感识别方法。 该方法由具有区域到全局层次特征学习过程的空间和时间神经网络模型组成，以 R2G-STNN 表示，学习具有鉴别性的时空脑电图特征。采用双向长短时记忆 (BiLSTM) 网络，分别捕捉电极在脑区和脑区之间的内在空间关系，以了解脑电电极的空间特征。

考虑到不同的脑区在脑电情感识别中所起的作用不同，在 R2G-STNN 模型中引入区域注意层，学习一组权值，以增强或削弱脑区的贡献。基于空间特征序列，BiLSTM 学习区域和全部时空特征，领域判别器和分类器同时工作用以减弱领域偏移。基于以上提出的方法，本文在 SEED 数据集上设计了跨被试和被试混淆实验，并取得了很好的效果。

网络