39、神经自适应技术研究进展：从情绪分类到脑机接口应用

神经自适应技术研究进展：从情绪分类到脑机接口应用

1. 情绪分类的卷积神经网络 EEG 研究

1.1 背景与目标

在神经科学和工程领域，对各种情绪进行准确分类一直是一个具有挑战性的问题。传统方法在多类别情绪分类上难以达到理想的精度。因此，研究团队引入卷积神经网络（CNN）技术，旨在提高情绪多类别分类的性能。

1.2 实验方法

• 实验设计 ：组织 8 人一组观看 4 种不同情绪（快乐、恐惧、悲伤和无聊）的视频片段，每个片段时长 20 分钟。共 10 组，总计 80 人参与实验。
• 数据采集 ：使用 BioBrain EEG 系统，该系统包含 8 个通道，采样率为 1kHz。采集 5 个 EEG 通道（AF7、FP1、FPz、FP2 和 AF8）以及 EOG、EMG 和 ECG 各 1 个通道的数据。
• 数据处理 ：将同一视频片段记录的信号每帧标记为相同情绪，每秒无重叠切割信号。计算每帧 8 个频段（1 - 50Hz）的功率谱密度，作为 CNN 的输入（去除噪声通道）。
• CNN 结构 ：CNN 由 3 个 2D 卷积层组成，深层使用更多滤波器，采用修正线性单元（ReLU）函数作为激活函数。
• 分类评估 ：通过 10 折交叉验证计算分类准确率。

1.3 实验结果