融合方位等距投影与多尺度残差时间网络的脑电情绪识别框架

《Brain Sciences》：EEG Emotion Recognition Based on Azimuthal Equidistant Projection and a Multiscale Residual Temporal Network

　　摘要背景：在大多数现有的基于脑电图（EEG）的情绪识别研究中，脑电图电极的空间配置未得到充分保留，且传统单尺度卷积神经网络（CNN）在同时捕获局部和全局空间模式方面能力有限。为了解决这些局限性，提出了一种将方位等距投影（AEP）与多尺度残差时间网络（MRTNet）相结合的EEG情绪识别框架。方法：首先提取微分熵（DE）特征，并将三维电极坐标投影到二维平面上，构建基于AEP的DE（AEP-DE）特征图，以保留电极布局的空间拓扑结构。MRTNet将多尺度深度可分离卷积与长短期记忆（LSTM）网络相结合，在多个感受野尺度上提取空间特征，并建模EEG片段间的时间依赖性。结果：实验结果表明，MRTNet在DEAP数据集上的四分类任务中达到了95.1%的平均准确率，在SEED数据集上的三分类任务中达到了93.1%的平均准确率。结论：Grad-CAM可视化进一步表明，模型响应集中在空间上局部化的额叶和颞叶区域，为所提方法的空间可解释性提供了定性支持。