基于脑电功能连接微状态序列递归分析的情绪解码模型

脑电微状态代表准稳定的全局神经元活动,被认为是大脑动力学的构建模块,而基于微状态概率统计的特征不能很好表征脑电的动态变化特性。针对该问题提出了基于脑电微状态序列递归分析的情绪解码模型。该模型通过聚类从脑电功能连接模式中提取出具有代表性的微状态典型模式,将原始脑电信号映射为微状态时间序列,构建递归图表征脑电动力学特性,并利用卷积神经网络对递归图实现情绪解码。在公开的脑电情绪数据集(DEAP)上的实验结果表明该模型实现了比传统微状态方法更好的情绪解码效果。

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。

儿童二级错误信念认知与二级情绪理解的发展

以来自两所幼儿园的133名儿童为被试，探讨了3～6岁儿童二级错误信念认知和二级情绪理解的发展分化与联系。结果发现，6岁左右是儿童的二级错误信念认知和二级情绪理解发展的关键期；4岁左右的儿童能够掌握二级未知知识，获得情绪解码能力；儿童的二级未知与二级错误信念认知之间，儿童的情绪解码与二级情绪理解之间，在发展上存在1～2年的差距；二级推理能力是儿童进行二级心理状态认知的关键。

基于功能磁共振成像技术的情感检测研究

情绪是人对具有积极或消极意义的内或外部事件的主观感受,在人们日常生活中发挥着重要作用。情绪解码通过解码人的情绪反应带来的生理信号,达到自动辨别不同情绪状态的目的,从而解决临床上精神疾病患者与情绪相关的实际难题和实现更加自然友好的人-机交互。基于功能磁共振成像的情绪解码是一种常用且有效的方法。该文从功能磁共振影像的实验设计、数据的获取以及现有情绪数据库、数据预处理、特征提取和情绪模式的学习与分类等几个方面,介绍基于功能磁共振成像的情绪解码的研究进展、应用前景以及目前存在的主要问题。