面向跨被试脑电情绪识别的区域感知时空建模与协同域泛化
计算机视觉与模式识别
2026-01-23 v1
摘要
跨被试脑电（EEG）情绪识别（EER）仍具挑战性，这源于强烈的被试间差异性在 EEG 信号中引发了显著的分布偏移，以及与情绪相关的神经表征在空间组织与时间演化上的高复杂性。现有方法通常孤立地改进空间建模、时间建模或泛化策略，这限制了它们在统一框架下对齐跨被试表征、捕捉多尺度动态并抑制被试特定偏置的能力。为弥补这些不足，我们提出了一个带有协同域泛化的区域感知时空建模框架（RSM-CoDG），用于跨被试 EEG 情绪识别。RSM-CoDG 融合了源自功能性脑区划分的神经科学先验来构建区域级空间表征，从而提高跨被试可比性。它还采用多尺度时间建模来刻画情绪诱发神经活动的动态演化。此外，该框架采用协同域泛化策略，引入多维约束以在完全未见的目标被试设定下减少被试特定偏置，增强了对未知个体的泛化能力。在 SEED 系列数据集上的大量实验结果表明，RSM-CoDG 始终优于现有竞争方法，为提升鲁棒性提供了一种有效途径。源代码可在 https://github.com/RyanLi-X/RSM-CoDG 获取。
引用
@article{arxiv.2601.15615,
title = {Region-aware Spatiotemporal Modeling with Collaborative Domain Generalization for Cross-Subject EEG Emotion Recognition},
author = {Weiwei Wu and Yueyang Li and Yuhu Shi and Weiming Zeng and Lang Qin and Yang Yang and Ke Zhou and Zhiguo Zhang and Wai Ting Siok and Nizhuan Wang},
journal= {arXiv preprint arXiv:2601.15615},
year = {2026}
}