Un framework temporale multi-scala migliora il riconoscimento delle emozioni tramite EEG
Uno studio recente presenta un nuovo framework temporale multi-scala volto a migliorare il riconoscimento delle emozioni basato su EEG, concentrandosi in particolare sul dominio meno esaminato delle emozioni miste. Questo framework scompone i segnali EEG in segmenti di diversa lunghezza, impiega un encoder condiviso basato su attenzione per l'elaborazione e utilizza un modulo di fusione dinamica che assegna pesi specifici per campione attraverso varie scale temporali. I risultati ottenuti da un protocollo indipendente dal soggetto in scenari sia binari che a tre classi (inclusa una categoria emotiva mista) hanno mostrato prestazioni di picco del 65,22% per compiti a due classi e del 45,43% per compiti a tre classi, entrambi ottenuti con configurazioni di fusione dinamica a tre scale. I risultati, pubblicati su arXiv:2608.09088, sottolineano la promessa dell'analisi temporale multi-scala nel migliorare l'accuratezza del riconoscimento delle emozioni, specialmente per le emozioni miste clinicamente significative.
Fatti principali
- Lo studio introduce un framework temporale multi-scala per il riconoscimento delle emozioni basato su EEG.
- Il framework scompone le forme d'onda EEG in finestre di una o più durate.
- Un encoder condiviso basato su attenzione elabora le finestre.
- Un modulo di fusione dinamica assegna pesi specifici per campione attraverso le scale temporali.
- Il framework è stato valutato con un protocollo indipendente dal soggetto.
- Sono state testate impostazioni binarie e a tre classi, con la tre classi che include la categoria affettiva mista.
- Migliori risultati: 65,22% per compiti a due classi e 45,43% per compiti a tre classi.
- Entrambi i migliori risultati sono stati ottenuti con configurazioni di fusione dinamica a tre scale.
Entità
—