一种新型双半球差异模型用于EEG情绪识别

神经科学的研究揭示了人类大脑左右半球在情感表达上的差异。受此研究启发，本文提出了一种新的双半球差异模型（BiHDM），用于学习两个半球之间的不对称差异，以实现脑电图（EEG）情感识别。具体而言，我们首先基于两种空间方向，使用四个定向循环神经网络（RNNs）分别遍历两个独立脑区的电极信号，这使得模型能够在保留固有空间依赖关系的同时获得所有EEG电极信号的深层表示。然后，我们设计了一个配对子网络来捕捉两个半球之间的差异信息，并提取更高层次的特征以进行最终分类。此外，为了减少训练数据和测试数据之间的域偏移，我们采用了一个域判别器，通过对抗机制促使整体特征学习模块生成与情感相关但域不变的特征，从而进一步提升EEG情感识别的效果。我们在三个公开的EEG情感数据集上进行了实验，结果表明该方法能够取得最新的最佳性能。