Microstate-Guided Dynamic Graph Neural Network with Prototypical Contrastive Learning for EEG Emotion Recognition
Questo articolo propone una rete neurale a grafo dinamica guidata dai microstati e potenziata dall'apprendimento contrastivo prototipico per modellare la connettività cerebrale in evoluzione per il riconoscimento delle emozioni tramite EEG, raggiungendo un'accuratezza allo stato dell'arte di 89,64% indipendente dal soggetto sul benchmark SEED.
Articolo originale sotto licenza CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/). Questa è una spiegazione generata dall'IA di un preprint non sottoposto a revisione paritaria. Non è un consiglio medico. Non prendere decisioni sulla salute basandoti su questo contenuto. Leggi il disclaimer completo
Il cervello umano è un vasto e mutevole paesaggio di attività elettrica. Quando proviamo un improvviso sussulto di gioia, un'ondata di tristezza o un momento di calma, questa attività non resta ferma; si riorganizza in millisecondi. Gli scienziati cercano da tempo di leggere questi segnali elettrici, noti come elettroencefalogrammi o EEG, per comprendere ciò che una persona prova. Tuttavia, il cervello non è una macchina statica. Le sue connessioni cambiano rapidamente mentre le emozioni si sviluppano, e il cervello di ogni persona è cablato in modo leggermente diverso. Ciò rende incredibilmente difficile costruire un programma informatico in grado di riconoscere accuratamente le emozioni tra persone diverse. I metodi tradizionali spesso si affidano all'osservazione dell'attività cerebrale come una mappa fissa o un semplice istantanea, perdendo il modo rapido e fluido in cui il cervello opera realmente.
Un team di ricercatori della Università di Scienza e Tecnologia di Kunming ha proposto un nuovo modo per risolvere questo problema. Invece di trattare i segnali elettrici del cervello come un'immagine statica, hanno progettato un sistema che segue i rapidi e naturali mutamenti del cervello in tempo reale. Si sono concentrati su un fenomeno specifico chiamato "microstati". Immaginate il campo elettrico del cervello come un modello meteorologico su una mappa; per un breve istante, il modello mantiene una forma specifica, poi improvvisamente scatta verso una nuova forma. Queste istantanee, che durano solo una frazione di secondo, sono i microstati. I ricercatori hanno scoperto che questi fugaci schemi non sono rumore casuale, ma sono in realtà i mattoni fondamentali di come il cervello elabora le emozioni. Insegnando al loro modello informatico a prestare attenzione a questi rapidi cambiamenti, hanno creato un sistema in grado di comprendere il linguaggio emotivo del cervello molto meglio dei metodi precedenti.
Il nucleo del loro nuovo approccio è un framework che chiamano MG-PCL. Per capire come funziona, immaginate di cercare di comprendere una conversazione tra due persone che parlano dialetti diversi. Un computer standard potrebbe cercare di tradurre ogni parola letteralmente, ma perderebbe il tono e il contesto. Il sistema dei ricercatori fa qualcosa di più intelligente. Esso scompone prima i segnali cerebrali in due tipi di informazioni. Un tipo cattura la frequenza immediata delle onde elettriche, che è come ascoltare il volume e il tono di una voce. L'altro tipo cattura i modelli dei microstati, che è come comprendere il ritmo e le pause in una conversazione. Il sistema combina poi questi due flussi di informazioni, usando il ritmo dei microstati per guidare l'interpretazione della voce. Questo permette al modello di vedere il quadro generale di come il cervello si sta organizzando, invece di perdersi nei dettagli del rumore elettrico.
Una volta combinati questi segnali, il sistema costruisce una mappa dinamica delle connessioni cerebrali. Nei metodi più vecchi, questa mappa era spesso un modello fisso, come una mappa stradale statica che non cambia mai. Ma le connessioni cerebrali sono fluide; si aprono e si chiudono al cambiare delle emozioni. Il nuovo sistema crea una mappa che evolve momento per momento. Utilizza i modelli dei microstati come guida per decidere quali parti del cervello comunicano tra loro in ogni secondo. Ciò significa che il modello può tracciare come il cervello si riorganizza mentre una persona passa dallo stato neutro al sentirsi felice o triste. Non guarda solo quali parti sono attive, ma come l'intera rete sta cambiando la propria struttura per sostenere un determinato sentimento.
Per far sì che questo funzioni tra persone diverse, i ricercatori hanno dovuto superare un ostacolo importante: il fatto che nessun cervello è identico agli altri. Un modello addestrato su una persona spesso fallisce quando testato su un'altra. Per risolvere il problema, hanno introdotto un metodo che allinea i modelli emotivi di persone diverse senza forzarli a sembrare esattamente uguali. Hanno utilizzato una tecnica che raggruppa esperienze emotive simili, creando un "prototipo" condiviso per ogni sentimento. Pensate a questo come al trovare il terreno comune tra le esperienze di felicità di persone diverse, piuttosto che cercare di rendere i loro cervelli identici. Allineando questi prototipi condivisi, il sistema impara a riconoscere l'essenza di un'emozione, indipendentemente da quale cervello la stia producendo. Ciò permette al modello di generalizzare bene, ovvero di indovinare accuratamente le emozioni di persone che non ha mai visto prima.
I ricercatori hanno testato il loro sistema utilizzando un noto insieme di dati cerebrali chiamato dataset SEED, che contiene registrazioni di molte persone che guardano video emotivi. Hanno chiesto al sistema di identificare le emozioni senza essere stato addestrato sulla persona specifica che stava testando. I risultati sono stati sorprendenti. Il nuovo sistema ha raggiunto un'accuratezza media dell'89,64 percento, un valore superiore a qualsiasi altro metodo precedentemente testato su questi stessi dati. Ancora più importante, è stato più costante, mostrando meno variazioni nelle prestazioni tra le diverse persone. Quando i ricercatori hanno rimosso la guida dei microstati dal loro sistema, l'accuratezza è scesa significativamente, provando che questi rapidi schemi cerebrali sono essenziali per il successo del modello. Il sistema ha anche dimostrato di prestare attenzione alle parti corrette del cervello, specificamente alle regioni frontali e temporali, note per essere coinvolte nell'elaborazione delle emozioni.
Lo studio suggerisce che la chiave per comprendere i segnali cerebrali risieda nel rispettare la loro natura dinamica. Trattando il cervello come un sistema che si riorganizza costantemente in impulsi rapidi e ritmici, i ricercatori sono stati in grado di costruire un modello che vede il cervello con maggiore chiarezza. Non hanno solo trovato un modo migliore per classificare le emozioni; hanno trovato un modo per ascoltare il linguaggio del cambiamento del cervello stesso. Sebbene il sistema non sia ancora perfetto e fatichi ancora leggermente a distinguere tra sentimenti neutri e negativi, i risultati indicano un futuro promettente. I ricercatori intendono testare il loro approccio su dataset ancora più ampi e diversificati per vedere se possa reggere in scenari del mondo reale. Per ora, il lavoro dimostra che quando smettiamo di cercare di congelare il cervello nel tempo e iniziamo a seguire il suo flusso naturale, possiamo sbloccare una comprensione più profonda dell'emozione umana.
Sommerso dagli articoli nel tuo campo?
Ricevi digest giornalieri degli articoli più recenti corrispondenti alle tue parole chiave di ricerca — con riassunti tecnici, nella tua lingua.