أصبح التعرف على المشاعر القائم على تخطيط الدماغ (EEG-ER) مجال بحثي متزايد في السنوات الأخيرة. من خلال تحليل 216 ورقة نشرت بين عامي 2018 و2023، نكشف أن المجال يفتقر إلى بروتوكول تقييم موحد، وهو أمر أساسي لتعريف الحالة الفنية بشكل عادل، ومقارنة الأساليب الجديدة، وتتبع تقدم المجال. نحن نبلغ عن التناقضات الرئيسية بين بروتوكولات التقييم المستخدمة، والتي تتعلق بتعريف الحقيقة الأساسية، واختيار مقاييس التقييم، وأنواع تقسيم البيانات (مثل، المعتمدة على الموضوع أو المستقلة عن الموضوع) واستخدام مجموعات بيانات مختلفة. وبالاستفادة من هذا البحث المتقدم، نقترح بروتوكول تقييم موحد، EEGain (https://github.com/EmotionLab/EEGain)، والذي يمكّن من تقييم سهل وفعال للأساليب ومجموعات البيانات الجديدة. EEGain هو إطار برمجي مفتوح المصدر جديد، يقدم القدرة على مقارنة - وبالتالي تعريف - النتائج المتقدمة. يتضمن EEGain طرقاً موحدة لتهيئة البيانات، وتقسيم البيانات، ومقاييس التقييم، والقدرة على تحميل أكثر ست مجموعات بيانات ذات صلة (أي AMIGOS، DEAP، DREAMER، MAHNOB-HCI، SEED، SEED-IV) في EEG-ER بسطر واحد من الشيفرة. بالإضافة إلى ذلك، قمنا بتقييم وتصديق EEGain باستخدام هذه المجموعات الست على أربعة من أكثر الأساليب الشائعة المتاحة للجمهور (EEGNet، DeepConvNet، ShallowConvNet، TSception). هذه خطوة مهمة لجعل البحث في EEG-ER أكثر قابلية للتكرار والمقارنة، وبالتالي تسريع التقدم العام في هذا المجال.
درس كوكهلافا وآخرون (الأربعاء) هذا السؤال.