MSGM：用于 EEG 情绪识别的多尺度时空图 Mamba
信号处理
2025-07-23 v1 机器学习
摘要
基于 EEG 的情绪识别在捕获多尺度时空动力学方面存在挑战，且需满足实时应用的计算效率要求。现有方法常简化时间粒度和空间层次结构，限制了准确性。为克服这些挑战，我们提出了多尺度时空图 Mamba（Multi-Scale Spatiotemporal Graph Mamba, MSGM）框架，集成了多窗口时间分段、双模态空间图建模以及基于 Mamba 架构的高效融合。通过在不同时间尺度上分割 EEG 信号，并构建具有神经解剖先验的全局-局部图，MSGM 有效捕获细粒度情绪波动和层次化脑连接。多深度图卷积网络（GCN）和 token 嵌入融合模块配合 Mamba 的状态空间建模，实现线性复杂度下的动态时空相互作用。值得注意的是，仅凭一个 MSST-Mamba 层，MSGM 在 SEED、THU-EP 和 FACED 数据集上就超越了该领域的领先方法，在主体独立情绪分类中实现了稳健的准确率，并在 NVIDIA Jetson Xavier NX 上实现毫秒级推理。
引用
@article{arxiv.2507.15914,
title = {MSGM: A Multi-Scale Spatiotemporal Graph Mamba for EEG Emotion Recognition},
author = {Hanwen Liu and Yifeng Gong and Zuwei Yan and Zeheng Zhuang and Jiaxuan Lu},
journal= {arXiv preprint arXiv:2507.15914},
year = {2025}
}