MEEG与AT-DGNN：基于音乐引入与图神经学习提升EEG情感识别
人机交互
2024-11-19 v4 人工智能
摘要
我们提出了MEEG数据集，这是一个多模态的音乐诱导性脑电图（EEG）数据集合，旨在捕捉不同价值和唤醒水平下对各种音乐刺激的情感反应。该公开数据集有助于深入检视音乐背景下脑波模式，为研究情感处理期间的脑网络拓扑提供了稳健的基础。利用MEEG数据集，我们引入基于注意力机制的动态图神经网络（DGNN）时序学习器（AT-DGNN），这是一种用于EEG情感识别的新型框架。该模型将注意力机制与动态图神经网络（DGNN）结合，以捕捉复杂的EEG动态。AT-DGNN在唤醒识别中实现了83.74%的准确率，在价值识别中实现了86.01%的准确率，超越了现有SOTA方法。与传统数据集（如DEAP）的比较分析进一步验证了该模型的有效性，并凸显了音乐作为情感刺激的强大作用。本研究推进了脑机接口（BCI）中基于图的学习方法，显著提高了EEG情感识别的准确率。MEEG数据集和源代码已公开于https://github.com/xmh1011/AT-DGNN。
引用
@article{arxiv.2407.05550,
title = {MEEG and AT-DGNN: Improving EEG Emotion Recognition with Music Introducing and Graph-based Learning},
author = {Minghao Xiao and Zhengxi Zhu and Kang Xie and Bin Jiang},
journal= {arXiv preprint arXiv:2407.05550},
year = {2024}
}