MVGT: A Multi-view Graph Transformer Based on Spatial Relations for EEG Emotion Recognition

要約

電極を介して頭皮の脳構造の電気活動を捕捉する医療画像技術である脳波検査 (EEG) は、感情コンピューティングで広く使用されています。
EEG の空間領域には感情情報が豊富に含まれています。
しかし、既存の研究のうち、空間領域における幾何学的構造および解剖学的構造の複数の観点から脳波信号を同時に解析したものはほとんどありません。
本稿では、モデルの表現力を包括的に強化するために、幾何学的構造や解剖学的構造を含む、時間、周波数、空間領域からの情報を統合する、空間関係に基づくマルチビュー グラフ トランスフォーマー (MVGT) を提案します。
EEG チャネルの空間情報をエンコーディングとしてモデルに組み込むことで、チャネルの空間構造を認識する能力が向上します。
一方、公開されているデータセットに基づく実験結果は、私たちが提案したモデルが近年の最先端の方法よりも優れていることを示しています。
さらに、結果は、MVGT が複数のドメインから情報を抽出し、EEG 感情認識タスクにおけるチャネル間の関係を効果的にキャプチャできることも示しています。

要約(オリジナル)

Electroencephalography (EEG), a medical imaging technique that captures scalp electrical activity of brain structures via electrodes, has been widely used in affective computing. The spatial domain of EEG is rich in affective information. However, few of the existing studies have simultaneously analyzed EEG signals from multiple perspectives of geometric and anatomical structures in spatial domain. In this paper, we propose a multi-view Graph Transformer (MVGT) based on spatial relations, which integrates information from the temporal, frequency and spatial domains, including geometric and anatomical structures, so as to enhance the expressive power of the model comprehensively. We incorporate the spatial information of EEG channels into the model as encoding, thereby improving its ability to perceive the spatial structure of the channels. Meanwhile, experimental results based on publicly available datasets demonstrate that our proposed model outperforms state-of-the-art methods in recent years. In addition, the results also show that the MVGT could extract information from multiple domains and capture inter-channel relationships in EEG emotion recognition tasks effectively.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google