利用视觉 Transformer 增强基于 ECG 信号的情绪分类
信号处理
2025-10-08 v1 计算机视觉与模式识别
摘要
生物医学信号为人体各类状况提供洞见。除诊断功能外，这些信号还能更深入地理解特定器官对个体情绪与情感的反应。例如，ECG 数据揭示了与情绪唤起、压力水平及自主神经系统活动相关的心率变异性变化。该数据为我们情绪状态的生理学基础提供了窗口。近期研究趋势远离传统方法，利用先进的 Transformer 架构，其优于传统机器学习和深度学习方法。我们首先评估了视觉 Transformer (ViT) 在识别 imaged ECG 情绪方面的有效性。随后，我们提出并评估了改进版 ViT，集成 CNN 与 SE 模块，旨在增强情绪检测中对 imaged ECG 的性能。本方法包含两个关键阶段：首先，我们应用先进的预处理技术进行信号净化，并通过连续小波变换和功率谱密度分析将信号转换为可解释图像；其次，我们揭示了性能提升的视觉 Transformer 架构，巧妙集成卷积神经网络组件，善于应对情绪识别的挑战。我们的方法在 YAAD 和 DREAMER 数据集上的鲁棒性和创新性进行了彻底测试，取得了显著成果。对于 YAAD 数据集，本方法在分类七种独特情绪状态方面超越了现有最先进方法，以及在价值和唤醒分类方面同样表现突出。在 DREAMER 数据集中，本方法在区分价值、唤醒和支配三个维度方面超越了当前领先技术。
引用
@article{arxiv.2510.05826,
title = {Leveraging Vision Transformers for Enhanced Classification of Emotions using ECG Signals},
author = {Pubudu L. Indrasiri and Bipasha Kashyap and Pubudu N. Pathirana},
journal= {arXiv preprint arXiv:2510.05826},
year = {2025}
}
备注
14pages, 2 figures