基于脑电信号的情绪脑网络分析与识别研究

发布时间：2023-02-08 06:59

　　情绪是每个人都会产生的生理和心理活动,情绪的变化对人们的工作效率、生活态度、决策判断等各方面都有着重要的影响。随着社会智能化水平的不断提高,人们希望人机交互产品能够具有情感智能,即感知用户的情绪变化并做出合适的回应。因此,探究情绪的加工机制,实现准确的情绪识别,对于促进人工智能向情感智能发展,提高人类社会的智能化水平具有重要的意义。在众多脑成像技术中,脑电(electroencephalogram,EEG)因其时间分辨率高、成本低廉、设备便携性好的优势成为当前情绪研究的主流手段之一。情绪作为一种复杂的高级心理、生理活动,通常需要多个脑区的协同配合,在情绪加工过程中不同脑区产生的脑电信号之间也必然有着内在联系。本文从脑网络的角度,围绕“如何阐释不同情绪加工过程中脑网络的变化规律”和“如何面向实际应用提高情绪识别性能”两方面问题,开展了以下研究:1、针对不同情绪加工过程中脑网络连接模式的变化规律和信息处理效率差异尚不清楚的问题,本研究在情绪不同加工过程构建了脑网络,分析了不同情绪状态下的差异脑网络变化规律和信息处理差异。稳态视觉诱发电位(steady-state visual evoked...

【文章页数】：75 页

【学位级别】：硕士

【文章目录】：
摘要
Abstract
第一章 绪论
    1.1 情绪的基本概念
        1.1.1 情绪的定义及分类
        1.1.2 情绪的神经机制
    1.2 脑电情绪识别方法
        1.2.1 情绪诱发实验
        1.2.2 情绪脑电特征
        1.2.3 情绪识别
    1.3 基于脑网络的情绪研究现状
        1.3.1 脑网络的基本构建方法
        1.3.2 基于脑网络的情绪加工神经机制研究
        1.3.3 基于脑网络特征的情绪识别研究
        1.3.4 存在的问题
    1.4 课题研究内容及论文结构与安排
第二章 基于SSVEP的情绪脑网络分析
    2.1 引言
    2.2 SSVEP情绪实验设计与数据采集
        2.2.1 实验刺激材料
        2.2.2 实验数据采集
        2.2.3 实验流程
    2.3 基于相位同步的情绪脑电网络分析方法
        2.3.1 SSVEP信号处理
        2.3.2 相位同步脑网络构建
    2.4 实验结果及分析
        2.4.1 不同情绪加工过程中时空激活分析
        2.4.2 不同情绪加工过程中脑网络连接模式分析
    2.5 本章小结
第三章 基于高频脑网络特征的情绪识别方法
    3.1 引言
    3.2 情绪诱发实验范式设计
        3.2.1 实验刺激材料
        3.2.2 实验流程
    3.3 基于高频脑电特征的情绪识别方法
        3.3.1 脑电信号预处理
        3.3.2 相干网络构建
        3.3.3 局部和全局情绪脑电特征提取
        3.3.4 特征选择
        3.3.5 情绪分类
    3.4 实验结果及分析
        3.4.1 SAM量表评分结果
        3.4.2 网络连接分析
        3.4.3 局部特征分析
        3.4.4 网络属性分析
        3.4.5 情绪识别结果
    3.5 本章小结
第四章 基于自适应分类模型的时间迁移情绪识别方法
    4.1 引言
    4.2 时间迁移情绪诱发实验范式设计
        4.2.1 实验刺激材料
        4.2.2 实验流程
    4.3 基于自适应分类模型的时间迁移情绪脑电分类方法
        4.3.1 数据预处理及特征提取
        4.3.2 自适应分类模型构建
    4.4 实验结果分析
        4.4.1 三次实验的SAM量表评分结果
        4.4.2 稳定的情绪表征模式分析
        4.4.3 时间迁移情绪识别结果
        4.4.4 与现有自适应分类模型性能对比
    4.5 本章小结
第五章 总结与展望
    5.1 总结
    5.2 展望
致谢
参考文献
作者简历



本文编号：3737542