AMDET：基于注意力的多维 EEG Transformer 情绪识别模型
信号处理
2022-12-26 v1
摘要
情感计算是人工智能的重要分支，随着脑机接口技术的快速发展，基于 EEG 信号的情绪识别受到广泛关注。尽管有大量深度学习方法，有效挖掘 EEG 数据中的多维信息仍是巨大挑战。本文提出一种称为基于注意力的多维 EEG Transformer（AMDET）的深度模型，其通过多维全局注意力机制利用 EEG 数据谱-空-时特征的互补性。我们将原始 EEG 数据转换为三维时-谱-空表示，随后 AMDET 使用谱-空 Transformer 编码器层提取 EEG 信号中的有效特征，并通过时间注意力层聚焦于关键时间帧。我们在 DEAP、SEED 与 SEED-IV 数据集上开展大量实验评估 AMDET 性能，结果优于三个数据集上的最先进基线。在 DEAP-Arousal、DEAP-Valence、SEED 与 SEED-IV 数据集上分别取得 97.48%、96.85%、97.17%、87.32% 的准确率。我们还通过大量实验探究可能影响情绪的大脑区域及 EEG 信号耦合。AMDET 即使在少量通道下（通过可视化模型关注点确定）仍表现良好，仅用八通道准确率即超 90%，对实际应用极有价值。
引用
@article{arxiv.2212.12134,
title = {AMDET: Attention based Multiple Dimensions EEG Transformer for Emotion Recognition},
author = {Yongling Xu and Yang Du and Jing Zou and Tianying Zhou and Lushan Xiao and Li Liu and Pengcheng},
journal= {arXiv preprint arXiv:2212.12134},
year = {2022}
}