MASA-TCN : Réseaux de Neurones Convolutifs Temporels à Multi-Ancre et Sensibles à l'Espace pour la Reconnaissance des Émotions ÉEG Continue et Discrète

La reconnaissance des émotions à partir des signaux d'électroencéphalogramme (EEG) est un domaine critique de la recherche biomédicale, avec des applications allant de la régulation des troubles mentaux à l'interaction homme-machine. Dans cet article, nous abordons deux aspects fondamentaux de la reconnaissance des émotions EEG : la régression continue des états émotionnels et la classification discrète des émotions. Bien que les méthodes de classification aient suscité une attention significative, les méthodes de régression demeurent relativement sous-explorées. Pour combler cette lacune, nous introduisons MASA-TCN, un modèle unifié novateur qui tire parti des capacités d'apprentissage spatial des Réseaux de Neurones Convolutifs Temporels (TCNs) pour les tâches de régression et de classification des émotions EEG. L'innovation clé réside dans l'introduction d'une couche temporelle sensible à l'espace, qui permet au TCN de capturer les relations spatiales entre les électrodes EEG, améliorant ainsi sa capacité à discerner des états émotionnels nuancés. De plus, nous concevons un bloc multi-ancre avec fusion attentive, permettant au modèle d'apprendre de manière adaptative les dépendances temporelles dynamiques au sein des signaux EEG. Des expériences sur deux ensembles de données disponibles publiquement montrent que MASA-TCN obtient de meilleurs résultats que les méthodes de pointe pour les tâches de régression et de classification des émotions EEG.