科学研究 /2024-9-29 14:46
人工智能学院脑机接口与混合智能团队研究生在权威期刊发表高水平研究论文
来源:人工智能学院|作者:蔡洪华|通讯员:王禹生|编辑:林海岸
592

近日,我校人工智能学院脑机接口与混合智能团队2021级研究生蔡洪华以第一作者在情感计算领域的权威期刊IEEE Transactions on Affective Computing (JCR Q1, 中科院二区, IF: 11.2 )上发表了题为“Decoding Musical Neural Activity in Patients with Disorders of Consciousness through Self-Supervised Contrastive Domain Generalization”的研究论文。潘家辉教授为论文通讯作者,华南师范大学为第一完成单位。近年来,学院强化高质量成果导向,不断提升学生科技创新能力培养,仅2024年上半年,学院研究生在国内外权威刊物上已发表高水平研究论文20余篇,为学院和学科高质量发展作出积极贡献。据悉,此次蔡洪华同学的研究成果,不仅为意识障碍患者的诊断提供了新的技术手段,也为情感计算领域的发展贡献了重要的研究成果,其研究进展有望在未来的意识障碍诊断的研究中发挥更大的作用。

 

 

研究背景

意识障碍患者(DOC)的意识状态诊断对于临床诊断至关重要。然而,由于DOC患者的认知和运动能力受限,他们在认知任务中难以准确表达对不同刺激的反应,这给EEG数据的准确标记带来了挑战。为了解决这一问题,研究团队提出了一种自监督对比域泛化方法,旨在无数据标记的情况下识别17位DOC患者对不同刺激的大脑反应。

 

研究方法

本研究提出了一种名为SSCDG的模型,该模型包含三个核心部分:基于CNN和互联时空注意力机制的编码器、自监督对比域泛化策略以及MLP分类器。

  1. 编码器:编码器通过残差-注意力机制模块对EEG数据进行深度特征提取,同时保留时域和空间域的内在联系特征。
  2. 自监督对比域泛化:该策略包含两步训练过程。首先,利用SIMCLR进行对比学习训练,通过不同尺度的原型聚类创建数据的不同视图,并定期更新匹配对。其次,通过增加距离约束来实现领域泛化。
  3. MLP分类器:该分类器包含两个隐藏层,每层30个单元,使用ReLU激活函数和SGD优化器进行训练。

 

结果分析

SSCDG在SEED数据集上达到了87.9±4.3%的准确率,消融实验证实了残差结构、互联时空注意力机制和匹配更新对模型性能的显著提升。在自采数据集上,SSCDG在健康被试组中取得了78.9±9.6%的准确率,优于其他模型。此外,SSCDG在11位UWS患者和6位MCS的数据组中也显示出了较高的识别准确率,表明其在实际应用中的有效性。

 

总结

SSCDG模型的成功应用不仅为意识障碍患者的诊断提供了新的技术手段,也为情感计算领域的发展贡献了重要的研究成果。这一研究进展有望在未来的意识障碍诊断的研究中发挥更大的作用。

 

论文链接:

https://ieeexplore.ieee.org/document/10681490

字号:
微信
抖音
校报
微博
电子邮件
xiaobao@m.scnu.edu.cn
访问量
累积:178408868
今日:17265
版权所有
华南师范大学党委宣传部
华南师范大学新闻中心
Copyright © 2001-2024
news.scnu.edu.cn. All rights reserved.
技术支持:广州可媒