EEG情感识别中的评估：状态研究综述与统一框架
信号处理
2025-05-27 v1 人工智能
计算机视觉与模式识别
人机交互
机器学习
摘要
基于脑电图的情感识别（EEG-ER）近年来成为一个日益增长的研究领域。我们分析了2018至2023年间发表的216篇论文，发现该领域缺乏统一的评估协议，这对于公正地定义最新进展、比较新方法以及跟踪领域进展至关重要。我们报告了所用评估协议之间的主要不一致性，这些不一致性与ground truth定义、评估指标选择、数据划分类型（例如，受试者相关或受试者不相关）以及使用不同数据集有关。依托于该领域的最新研究，我们提出了统一评估协议EEGain（https://github.com/EmotionLab/EEGain），使新方法和数据集的评估变得简单且高效。EEGain是一个新型开源软件框架，能够比较——从而定义——最新结果。EEGain包括数据预处理、数据划分、评估指标的标准化方法，以及仅用一行代码即可加载EEG-ER中六个最相关数据集（即AMIGOS、DEAP、DREAMER、MAHNOB-HCI、SEED、SEED-IV）的能力。此外，我们使用这六个数据集对六个最常用的公开方法（EEGNet、DeepConvNet、ShallowConvNet、TSception）进行评估和验证。这是一个重要的步骤，使EEG-ER领域的研究更具可重复性和可比性，从而加速整个领域的整体进展。
引用
@article{arxiv.2505.18175,
title = {Evaluation in EEG Emotion Recognition: State-of-the-Art Review and Unified Framework},
author = {Natia Kukhilava and Tatia Tsmindashvili and Rapael Kalandadze and Anchit Gupta and Sofio Katamadze and François Brémond and Laura M. Ferrari and Philipp Müller and Benedikt Emanuel Wirth},
journal= {arXiv preprint arXiv:2505.18175},
year = {2025}
}
备注
This work has been submitted to the IEEE for possible publication