MEEG および AT-DGNN: 音楽導入とグラフベースの学習を用いた EEG 感情認識の向上

私たちはMEEGデータセットを紹介します。これは、異なる価値感と興奮度の音楽刺激に対する感情反応を捉えるために設計された、多様な音楽誘発電位（EEG）記録のマルチモーダルコレクションです。この公開データセットは、音楽的な文脈における脳波パターンの詳細な検討を可能にし、感情処理中の脳ネットワークトポロジーの研究に堅固な基礎を提供します。MEEGデータセットを活用して、私たちは注意メカニズムと動的グラフニューラルネットワーク（DGNN）を組み合わせて複雑なEEGダイナミクスを捉える新しいフレームワークであるAttention-based Temporal Learner with Dynamic Graph Neural Network (AT-DGNN) を提案します。このモデルは、興奮度認識で83.74%、価値感認識で86.01%の精度を達成し、既存の最先端（SOTA）手法を上回る性能を示しています。伝統的なデータセット（例：DEAP）との比較分析により、モデルの有効性がさらに確認され、音楽が感情刺激として持つ強力さが強調されています。本研究は、脳-コンピュータインターフェース（BCI）におけるグラフベース学習手法の進展に貢献し、EEGに基づく感情認識の精度を大幅に向上させています。MEEGデータセットとソースコードは、https://github.com/xmh1011/AT-DGNN で公開されています。