Identificando canais de EEG relevantes para reconhecimento de emoção independente do sujeito usando camadas de rede de atenção

Introdução A atividade elétrica registrada com eletroencefalografia (EEG) possibilita o desenvolvimento de modelos preditivos para reconhecimento de emoções. Esses modelos podem ser construídos usando duas abordagens: dependente do sujeito e independente do sujeito. Embora os modelos independentes do sujeito ofereçam maior utilidade prática em comparação com os modelos dependentes do sujeito, enfrentam desafios devido à variabilidade significativa dos sinais de EEG entre indivíduos. Objetivo Uma possível solução para melhorar as abordagens independentes do sujeito é identificar canais de EEG que sejam consistentemente relevantes entre diferentes indivíduos para prever emoções. Com o crescente uso de aprendizado profundo no reconhecimento de emoções, a incorporação de mecanismos de atenção pode ajudar a descobrir esses padrões preditivos compartilhados. Métodos Este estudo explora este método aplicando camadas de mecanismos de atenção para identificar canais de EEG que são relevantes para prever emoções em três conjuntos de dados independentes (SEED, SEED-IV e SEED-V). Resultados O modelo alcançou precisões médias de 79,3% (IC: 76,0-82,5%), 69,5% (IC 95%: 64,2-74,8%) e 60,7% (IC 95%: 52,3-69,2%) nesses conjuntos de dados, revelando que os canais de EEG localizados ao longo da circunferência da cabeça, incluindo Fp 1, Fp 2, F 7, F 8, T 7, T 8, P 7, P 8, O 1 e O 2, são os mais cruciais para a previsão de emoções. Conclusão Esses resultados enfatizam a importância de capturar a atividade elétrica relevante desses canais de EEG, facilitando assim a previsão de emoções evocadas por estímulos audiovisuais em abordagens independentes do sujeito.