MEEG and AT-DGNN: Improving EEG Emotion Recognition with Music Introducing and Graph-based Learning

要約

我々は、さまざまな価度と覚醒レベルにわたるさまざまな音楽刺激に対する感情的反応を捕捉するように設計された、音楽誘発性脳波 (EEG) 記録のマルチモーダルなコレクションである MEEG データセットを紹介します。
この公開データセットは、音楽の文脈における脳波パターンの詳細な調査を容易にし、感情処理中の脳ネットワーク トポロジーを研究するための強固な基盤を提供します。
MEEG データセットを活用して、EEG ベースの感情認識のための新しいフレームワークである、ダイナミック グラフ ニューラル ネットワークを備えた注意ベースの時間学習器 (AT-DGNN) を紹介します。
このモデルは、注意メカニズムとダイナミック 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 ダイナミクスをキャプチャします。
AT-DGNN は、覚醒認識で 83.74%、価数認識で 86.01% の精度を持つ最先端 (SOTA) パフォーマンスを達成し、既存の SOTA 手法を上回ります。
DEAP などの従来のデータセットとの比較分析により、モデルの有効性がさらに検証され、感情的な刺激としての音楽の有効性が強調されます。
この研究は、ブレイン コンピューター インターフェイス (BCI) におけるグラフベースの学習方法論を進歩させ、EEG ベースの感情認識の精度を大幅に向上させます。
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。

要約(オリジナル)

We present the MEEG dataset, a multi-modal collection of music-induced electroencephalogram (EEG) recordings designed to capture emotional responses to various musical stimuli across different valence and arousal levels. This public dataset facilitates an in-depth examination of brainwave patterns within musical contexts, providing a robust foundation for studying brain network topology during emotional processing. Leveraging the MEEG dataset, we introduce the Attention-based Temporal Learner with Dynamic Graph Neural Network (AT-DGNN), a novel framework for EEG-based emotion recognition. This model combines an attention mechanism with a dynamic graph neural network (DGNN) to capture intricate EEG dynamics. The AT-DGNN achieves state-of-the-art (SOTA) performance with an accuracy of 83.74% in arousal recognition and 86.01% in valence recognition, outperforming existing SOTA methods. Comparative analysis with traditional datasets, such as DEAP, further validates the model’s effectiveness and underscores the potency of music as an emotional stimulus. This study advances graph-based learning methodology in brain-computer interfaces (BCI), significantly improving the accuracy of EEG-based emotion recognition. The MEEG dataset and source code are publicly available at https://github.com/xmh1011/AT-DGNN.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google