التعرف على المشاعر باستخدام شبكة عصبية متعددة الطبقات للرسم البياني الديناميكي على أساس تحليل إشارات دماغية كهربائية

في هذه الورقة، تم اقتراح طريقة جديدة لتحديد المشاعر من خلال تسجيلات التخطيط الكهربائي للدماغ (EEG) متعددة القنوات تعتمد على شبكة عصبية تلافيفية رسمية ديناميكية (DGCNN). تتمثل الفكرة الأساسية للطريقة المقترحة في استخدام رسم بياني لتمثيل السمات المتعددة القنوات لتسجيلات EEG، ثم إجراء تصنيف المشاعر بناءً على هذا النموذج. على عكس الطرق التقليدية للشبكات التلافيفية الرسومية (GCNN)، يمكن للطريقة المقترحة DGCNN تعلم العلاقات الداخلية بين قنوات التخطيط الكهربائي للدماغ المختلفة بشكل ديناميكي، وتمثيلها من خلال مصفوفة مجاورة (adjacency matrix) من خلال تدريب شبكة عصبية، بهدف تعزيز استخلاص سمات EEG أكثر تمييزًا. ثم تُستخدم المصفوفة المُعلَّمة المُتعلَّمة في استخلاص سمات أكثر تمييزًا، مما يُحسّن أداء تصنيف المشاعر. أجرينا تجارب واسعة على مجموعة بيانات SEED لتسجيلات EEG العاطفية من جامعة شانغهاي للهندسة (SJTU) ومجموعة بيانات DREAMER. أظهرت النتائج التجريبية أن الطريقة المقترحة تحقق أداءً أفضل من الطرق الحالية المتطورة، حيث بلغت دقة التعرف المتوسطة 90.4% في التجارب المرتبطة بالمشارك (subject-dependent)، و79.95% في تقييمات الصلاحيات المتقاطعة غير المرتبطة بالمشارك (subject-independent) على مجموعة بيانات SEED، بينما بلغت الدقة المتوسطة 86.23% و84.54% و85.02% على التوالي في تصنيفات الشدة (valence) والتحفيز (arousal) والهيمنة (dominance) على مجموعة بيانات DREAMER.