Αναγνώριση συναισθημάτων από ηλεκτροεγκεφαλογραφήματα με μέθοδο ιεραρχικής βαθιάς μάθησης

• Κύριος συγγραφέας: Πράσινος, Νικόλαος
• Άλλοι συγγραφείς: Prasinos, Nikolaos
• Γλώσσα: Greek
• Έκδοση: 2023
• Θέματα: Αναγνώριση συναισθημάτων; Βαθιά μάθηση; Μηχανική μάθηση; Επεξεργασία σημάτων; Emotion recognition; Deep learning; Machine learning; Signal processing

Η αναγνώριση συναισθημάτων συνιστά ένα δημοφιλή χώρο έρευνας τα τελευταία χρόνια. Το αντικείμενο αυτό βρίσκει εφαρμογή τόσο στην ενίσχυση της αλληλεπίδρασης ανθρώπου – υπολογιστή, όσο και στην υποστήριξη των ερευνητών που μελετούν τη βιολογική φύση των συναισθημάτων. Ιδιαίτερο ενδιαφέρον παρουσιάζει η αναγνώριση συναισθημάτων με τη χρήση βιοσημάτων, αφού η συσχέτιση των συναισθηματικών καταστάσεων με τις αποκρίσεις του οργανισμού είναι μεγάλη. Τα βιοσήματα με την πιο ευρεία χρήση είναι τα ηλεκτροεγκεφαλογραφήματα, αφού με την άνθιση των διεπαφών εγκεφάλου – υπολογιστή, η απόκτηση δεδομένων είναι πιο εύκολη και οικονομική από τα υπόλοιπα βιοσήματα, ενώ ταυτόχρονα η μελέτη του εγκεφάλου παρουσιάζει ακαδημαϊκό ενδιαφέρον σε διάφορους τομείς. Η έρευνα για την αναγνώριση συναισθημάτων από ηλεκτροεγκεφαλογραφήματα, αναπτύσσεται διαρκώς λόγω της ραγδαίας εξέλιξης των αλγορίθμων μηχανικής μάθησης. Όμως στη βιβλιογραφία, οι περισσότερες υλοποιήσεις χρησιμοποιούν μοντέλα, που δεν αξιοποιούν πλήρως τη χωρική διάσταση των σημάτων του εγκεφάλου. Στην υλοποίηση της διπλωματικής, ακολουθείται μια προσέγγιση, η οποία βασίζεται στην δημιουργία ενός μοντέλου, που θα είναι ικανό να μαθαίνει τη χωρική πληροφορία, που μεταφέρουν τα εγκεφαλικά σήματα με ιεραρχικό τρόπο. Αρχικά, το μοντέλο μαθαίνει τις χωρικές συσχετίσεις ανάμεσα στα ηλεκτρόδια κάθε εγκεφαλικής περιοχής. Στη συνέχεια, χρησιμοποιώντας τη γνώση, που έχει αποκτηθεί από τα ηλεκτρόδια, το μοντέλο μαθαίνει τις χωρικές εξαρτήσεις ανάμεσα στις εγκεφαλικές περιοχές. Έτσι η γνώση που έχει αποκτηθεί, μπορεί να χρησιμοποιηθεί, για να γίνει ταξινόμηση της συναισθηματικής κατάστασης ενός ανθρώπου. Το μοντέλο αυτό αξιοποιεί τους μετατροπείς όρασης (vision transformers), οι οποίοι χρησιμοποιώντας μηχανισμούς αυτό – προσοχής, μπορούν να εντοπίσουν τις χωρικές αλληλεξαρτήσεις σε επίπεδο ηλεκτροδίων και σε επίπεδο εγκεφαλικών περιοχών. Για την αξιολόγηση του μοντέλου, πραγματοποιήθηκαν subject – independent πειράματα για δυαδική ταξινόμηση και ταξινόμηση τεσσάρων κλάσεων. Τα αποτελέσματα που προέκυψαν, συμφωνούν και σε ορισμένες περιπτώσεις ξεπερνούν τη βιβλιογραφία, αποδεικνύοντας ότι οι vision transformers μπορούν να χρησιμοποιηθούν για την μάθηση της χωρικής πληροφορίας, που βρίσκεται στα ηλεκτροεγκεφαλογραφήματα και να εκτελέσουν αναγνώριση συναισθημάτων με αποδοτικό τρόπο.