aoi学院

Aisaka's Blog, School of Aoi, Aisaka University

EEG-如何使用脑电图进行情绪识别?

为了更好地理解如何使用脑电图识别情绪,我们应该讨论以下问题:什么是情绪(在哪里产生)、如何划分情绪、脑电信号如何表征情绪以及脑电实时识别情绪有哪些应用?

什么是情绪?

情绪是在外界刺激条件下的人的复杂的生理物理变化过程,具有3种成分:

  • 主观体验,即人对于不同情绪的自我感受;
  • 外部表现,即人处在不同情绪时身体各部分动作的量化反应形式,包括面部表情、姿态表情和语调表情;
  • 生理唤醒,即由情绪的变化所引起的生理信号的变化,生理唤醒是一种生理的激活水平,不同情绪的生理反应模式是不一样的。

情绪在哪里产生和处理?

另一个问题是情感在如何产生或处理?在人体中,我们应该去哪里寻找它们?

如果我们遵循非认知的线索,我们将观察大脑的边缘区域,以及周围神经系统。接着,我们将使用诸如心率监测器、电刺激皮肤反应传感器、呼吸速率监测器、面部特征监测等工具进行测试和分析。但是,如果我们遵循认知线索,我们将观察大脑的皮层区域。这时候便需要脑电图提供帮助。


如何划分情绪?

情绪识别的另一问题是如何划分情绪,由于情绪本身具有非常高的复杂性和抽象性,导致诸多研究者在做情感计算相关工作时并不能达成统一的情绪分类标准。因此,采用一个世界通用的分类标准将有利于不同研究结果间的可比性和推广性。

现有的情绪量化模型主要有两种,即离散模型和连续模型。

离散情感模型是把情感状态描述为离散的形式,即基本情感类别,如喜、怒、哀、乐等。这些离散型情绪划分方法相对简单和容易理解,在许多情绪识别研究中得到了广泛应用。

随着情绪研究的深入,人们认识到情绪的产生和消失是一个连续不断的过程,从而提出了连续模型。连续模型认为每种情绪都是一个连续体上的一部分,每种情绪状态都可以在二维空间或者三维空间中找到与之对应的一点。常用的连续模型是二维情绪模型,基于认知评价将情绪空间划分为效价和唤醒两个维度,效价表示情绪是积极还是消极的,唤醒度反映情绪的强烈程度。

二维情绪分类模型

脑电信号如何表征情绪?

脑电图(EEG)是一种医学成像技术,可以测量由大脑产生的头皮电位活动,即测量并按时间顺序记录头皮表层由大脑中枢神经元内的电离子内流引起的电位波动。

研究表明,人的认知行为和心理活动与脑电信号具有较强的相关性。

脑电信号根据频率不同被分为不同类型的波,如δ(delta)波、θ(theta)波、α(alpha)波、β(beta)波、γ(gamma)波。通过不同的波可以大致确认被试脑区的兴奋程度,间接推测出被试者所处的不同状态。

δ波、θ波、α波、β波、γ波

不同类型脑电波之间的区别

δ波频率范围通常为0.53Hz,波幅为1030μV,不超过50μV,主要出现的脑区为前头部,枕部最高,其次为顶叶、额部,最后为颞部。该范围的脑电信号通常出现在婴幼儿阶段或智力发育不成熟,或者成人在疲劳和深度睡眠阶段。

θ波频率范围约为4-7Hz,波幅为30~50μV,最高不超过100μV。在青少年(10岁至17岁)中该范围的脑电信号出现较多,当成人处于精神放松或浅度睡眠也有可能出现该频带信号,常出现在额叶;受到挫折或处于抑郁情况下,该频率波也极为明显,常出现在颞顶叶。

α波频率范围约为8-12Hz,波幅为30~50μV,最高不超过100μV。通常出现在人处于安静、清醒,闭目养神状态下的枕叶区,当睁眼或受到其他外部刺激时,该频率波会消失。

β波频率范围约为13-30Hz,波幅为5~30μV,一般为20μV,是人类逻辑分析的主要脑电成分,主要集中在大脑额叶,当人处于清醒或者精神紧张、情绪激动时,大脑容易产生该频率波。

γ波频率范围约为30Hz以上,波幅为15~25μV,常出现在额区和前中央区,当人专注于某一事物时或处于警觉时,容易出现此频率波,如快速眼球运动中。

基于此,可以回答我们的疑惑,如何使用脑电图识别情绪?

利用脑电信号进行情绪识别的主要步骤包括:脑电信号采集、数据预处理、特征提取和分类识别。

人们普遍认为,左半球在积极效价或接近动机状态下表现出更高的激活状态,而右半球在消极效价或回避动机的状态下表现出更高的激活状态。根据这个想法,可以将大脑左右额叶之间的α活动的不对称性与情绪效价联系起来


脑电实时识别情绪的应用

随着脑科学的不断发展和信号处理技术的不断进步,许多无创、便携、快速及价格较低的脑电设备正在进入市场,脑电识别情绪的精度和实时识别的应用也得到很大发展,在医疗、教育、经济、体育等各领域都已有涉足且前景广阔。

便携式脑电系统enobio

目前已有在矿业运输、长途运输、飞行员驾驶等高强度高危行业来监测驾驶员是否存在疲劳、愤怒等不良情绪状态的脑电产品。在检测到驾驶员不适合继续驾驶行为时及时发出警报,减少事故发生。

便携式脑电系统NE应用于飞行员驾驶行为研究

研究显示,当运动员的运动负荷过大达到疲劳状态时,脑电图α波减少,θ波增加,δ、θ频段功率会增高而α频段功率下降,由此可以帮助运动员选取合适的训练负荷量,加快运动员掌握运动技能,提高训练效果。

神经外科医生在跑马拉松时使用便携式脑电监测系统TMSi进行全程监测

除此之外,脑电图识别情绪一直是用户体验、神经营销领域研究的重点。使用EEG来检测驱动消费者决策的大脑活动区域,以及在探索实体或虚拟商店时的心理状态,有助于营销人员了解消费者购物行为背后的潜在机制以及评估广告效果。

随着技术的不断改进,未来脑电识别情绪或许可以在人们日常生活中得到更广泛应用。


参考文献

[1] Abhang, P. A. , Gawali, B. W. , & Mehrotra, S. C. . (2016). Technological Basics of EEG Recording and Operation of Apparatus. Introduction to EEG- and Speech-Based Emotion Recognition.
[2] Brunner, M. , & Vaughan, D. . (2015). Evoked potential monitoring in anaesthesia and analgesia. Anaesthesia, 55(8), 823-825
[3] 王忠民,赵玉鹏,郑镕林,贺炎,张嘉雯,刘洋.脑电信号情绪识别研究综述[J].计算机科学与探索,2022,16(04):760-774.


参考资料

https://zhuanlan.zhihu.com/p/515036486