基于脑电功能连接微状态的情绪状态解码

基于脑电的情绪状态解码大多将个体情绪看作相对稳定的状态,将脑电频域能量、通道间脑电相关性等稳态指标作为解码中使用的特征。基于近年来网络神经科学在脑区间动态功能连接分析中的新发展,设计并实现了功能连接微状态方法,将不同情绪状态下脑区间的动态功能连接模式聚集为具有代表性的微状态,提取微状态的覆盖比例、转移概率等时间动态过程指标作为特征,用于情绪状态解码。基于经典的脑电情绪公开数据集DEAP,动态功能连接微状态新特征在情绪的效价和唤醒两个维度上实现了均方误差分别为3.87±0.28和3.25±0.30的回归预测效力,优于传统频带能量特征的均方误差4.07±0.30(p=0.005)和3.41±0.31(p=0.064)。实验结果展示了基于脑电功能连接微状态的情绪状态解码可行性,并为进一步深入理解情绪的神经机制提供了启发。