EEG 감정 인식을 위한 새로운 양반구 불일치 모델

신경과학 연구는 인간 뇌의 좌우 반구 사이에서 감정 표현에 차이가 있음을 밝혔습니다. 이 연구를 바탕으로 본 논문에서는 전기생리신호(EEG) 감정 인식을 위해 두 반구 간의 비대칭 차이를 학습하는 새로운 양반구 차이 모델(BiHDM, Bi-hemispheric Discrepancy Model)을 제안합니다. 구체적으로, 우리는 두 개의 공간 방향에 기반한 네 개의 방향성 재귀 신경망(RNNs, Recurrent Neural Networks)을 사용하여 두 개의 별도 뇌 영역에서 전극 신호를 순회시킵니다. 이는 모델이 모든 EEG 전극 신호의 깊은 표현을 얻으면서 내재적인 공간적 의존성을 유지할 수 있게 합니다. 그 다음으로, 우리는 두 반구 간의 차이 정보를 포착하고 최종 분류를 위한 고차 특징을 추출하기 위한 쌍별 하위 네트워크를 설계하였습니다. 또한, 훈련 데이터와 테스트 데이터 사이의 도메인 시프트(domain shift)를 줄이기 위해 도메인 판별기를 사용하여 감정과 관련되지만 도메인 불변 특징을 생성하도록 전체 특징 학습 모듈을 적대적으로 유도합니다. 이를 통해 EEG 감정 인식 성능을 더욱 향상시킬 수 있습니다. 우리는 세 가지 공개된 EEG 감정 데이터셋에서 실험을 수행하였으며, 실험 결과 새로운 최고 수준의 성과가 달성될 수 있음을 보여주었습니다.