在线生成个人网站优化关键词排名软件
文章目录
- 情绪识别脑机接口
- 情绪分类
- 脑电信号中的相关特征
- 情绪识别脑机接口的应用
- BCI范式
- 定义
- 目的
- BCI神经编码
- BCI神经编码与BCI范式及神经解码的关系
情绪识别脑机接口
情感（Affect 1）是大脑的高级活动，是一种复杂的心理和生理状态。情感计算式人机交互（HCI）的一个重要研究方向，旨在研究与开发能够识别、解释、处理和模拟人类情感的理论、方法与系统。
情感计算的基本问题是情绪识别（emotion recognition)。情感计算的常见输入信号包括视频，音频，文本，生理信号等。相较于面部表情，脑电(EEG)等生理信号不易伪装，更能反应个体的真实情绪状态，因而基于生理信号的情绪识别在诸如临床诊断、医疗康复等方面有着重要作用。
情绪识别脑机接口是目前的主流情感脑机接口的一种。
情绪分类
没有统一的情绪分类标准，目前，研究者们通常将情绪模型分为离散型模型和连续型模型两种。
2003年，心理学家Plutchik将情绪划分为 8 种基本类别：生气、害怕、悲伤、讨厌、期待、惊讶、赞成、高兴。这些离散型情绪划分方法相对比较简单和容易理解，在许多情绪识别研究中得到了广泛应用。
连续型情绪模型可以从维度观的角度进行理解。情绪的维度空间模型又可以分为二维、三维等不同类型。
脑电信号中的相关特征
基于脑电的情绪分类常用的特征包括不同频段上的能量谱密度（power spectrum density，PSD）、微分熵（differential entropy，DE）、微分熵不对称（rational asymmetry，RASM），以及微分熵不对称差（differential asymmetry，DASM）等。
情绪识别脑机接口的应用
在交通运输领域，驾驶员的愤怒、焦虑等负面情绪会严重影响专注度，可能导致交通事故。利用可穿戴设备对驾驶员的情绪状态进行实时监测，能够有效减少交通事故。在医疗领域，情绪识别辅助医生诊断和治疗精神类疾病，如自闭症谱系障碍、抑郁症等。
随着 5G 技术、物联网、人机交互、机器学习尤其是深度学习等技术的不断发展，基于脑电等生理信号的情感计算在医疗保健、媒体娱乐、信息检索、教育以及智能可穿戴设备等领域都有着广阔的应用前景。
BCI范式
定义
BCI范式是指在特定的脑成像技术下，由BCI研发者精心选择/设计的一组特定的心理任务或外部刺激，用于表示受试者或用户（后面统一为用户）的意图。
特定的心理任务是内隐的心理活动，如运动想象、视觉想象、言语想象、心算、推理等；特定的外部刺激是外显的注意任务，如视觉刺激、听觉刺激和触觉刺激等。
目的
BCI范式的目的是把用户的意图“写入”脑信号中，即由脑信号表征或编码（神经编码），期望所采用的脑成像技术能够检测到用户意图的神经编码，为后续“读出”或解码用户的意图打下基础。
值得注意的是，BCI难以解码用户任意/随机的心理活动，也难以解码其接收的任意/随机的外部刺激。
BCI神经编码
BCI神经编码是指在特定的BCI范式下，把用户不同的意图“写入”或编码进中枢神经信号中，由具有可分性的脑信号特征表征，这种具有编码意图的脑信号可由特定的脑成像技术检测到，最后可由BCI神经解码算法识别用户意图。
BCI神经编码与BCI范式及神经解码的关系
通常先设计BCI范式，然后揭示BCI范式下的神经编码，接着由神经编码规律提取脑信号特征，最后进行神经解码。显然，BCI范式与其神经编码是BCI解码的基础或前提。需要强调的是，在BCI系统中，没有BCI范式就没有相应的神经编码，没有BCI神经编码就没有神经解码，或者没有良好的BCI范式和神经编码就没有高性能的神经解码性能。下图示意了BCI神经编码与BCI范式及神经解码的关系。
虽然“affect”最常被用作动词，但在心理学领域，它也可以用作名词。在这种情况下，“affect”指的是一种情绪或主观体验的感觉。 ↩︎