MEEG와 AT-DGNN: 음악 도입과 그래프 기반 학습을 통한 EEG 감정 인식 개선

우리는 다양한 정서적 자극 수준에 따른 다양한 음악 자극에 대한 감정 반응을 포착하기 위해 설계된 다중 모달의 음악 유발 뇌파(EEG) 기록 데이터셋인 MEEG 데이터셋을 소개합니다. 이 공개 데이터셋은 음악적 맥락 내에서의 뇌파 패턴을 심층적으로 검토할 수 있는 견고한 기반을 제공하여, 감정 처리 중 뇌 네트워크 위상학을 연구하는 데 도움이 됩니다. MEEG 데이터셋을 활용하여, EEG 기반 감정 인식을 위한 새로운 프레임워크인 주의력 기반 시차 학습자와 동적 그래프 신경망(AT-DGNN)을 제안합니다. 이 모델은 주의력 메커니즘과 동적 그래프 신경망(DGNN)을 결합하여 복잡한 EEG 역동성을 포착합니다. AT-DGNN은 흥분도 인식에서 83.74%의 정확도와 긍정-부정도 인식에서 86.01%의 정확도를 달성하며, 기존 최신(SOTA) 방법론들을 능가하는 성능을 보입니다. DEAP 등의 전통적인 데이터셋과의 비교 분석은 모델의 효과성을 더욱 확증하고, 음악이 감정 자극으로서의 강력함을 부각시킵니다. 본 연구는 뇌-컴퓨터 인터페이스(BCI)에서 그래프 기반 학습 방법론을 발전시키며, EEG 기반 감정 인식의 정확도를 크게 향상시킵니다. MEEG 데이터셋과 소스 코드는 https://github.com/xmh1011/AT-DGNN에서 공개되어 있습니다.