基于脑电信号深度学习的情绪识别研究现状

• 作者: 李玉玲 李颖洁 杨帮华
• 来源期刊: 北京生物医学工程
• 学科: 医学
• 关键词: 脑电信号 深度学习 情绪 情绪识别 特征提取
• 年，卷（期）: 2020,（6）
• 所属期刊栏目: 综述
• 页码范围: 634-642
• 页数: 9页
• 分类号: R318.04|B841.1|B842.6
• 语种: 中文
• DOI: 10.3969/j.issn.1002-3208.2020.06.014.

摘要

基于脑电信号的情绪识别方法与传统的人脸识别、语音识别等方法相比,表现出更高的可靠性.然而,由于脑电信号具有低信噪比、非平稳性以及被试间差异大等特点,传统机器学习方法很难进一步提高情绪分类准确性.近年来,随着深度学习在图像分类、语音识别等领域的成功应用,许多研究者将其应用于脑电情绪识别.本文在Web of Science和Google Scholar中利用"deep learning"、"EEG"及"emotion recognition"等关键词检索到154篇相关文献,并基于PRISMA准则筛选出了31篇近几年内将深度学习应用于脑电情绪分类的文献.笔者从脑电信号的预处理、特征提取和深度网络输入形式、深度网络架构选择及参数设置等方面,介绍了基于脑电深度学习的情绪识别研究进展.同时,以某情绪脑电公共数据库(a Dataset for Emotion Analysis using EEG,Physiological,and Video Signals,DEAP)相关研究为例进行各种深度网络架构的比较.本文进一步将文献分析结果提炼,为有兴趣将深度学习技术应用于情绪脑电数据的研究人员,提供一些处理过程中方法选择与参数设置的建议.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	李颖洁		25	102	5.0	10.0
2	杨帮华		32	169	7.0	12.0
3	李玉玲		1	0	0.0	0.0