Створено стабільний нейроінтерфейс для розпізнавання емоцій

Нейроінтерфейси, здатні точнісінько визначати емоційний стан людини сьогодні, вже завтра можуть давати хибні результати. Саме часова нестабільність сигналів є головною перепоною для практичного використання афективних інтерфейсів «мозок-комп'ютер» (aBCI).

Команда дослідників під керівництвом Шуан Лю (Shuang Liu) з Тяньцзінського університету розробила нову багаторівневу мережу динамічного інтегрованого сприйняття (MDIN). Технологія дозволяє коректно зчитувати емоції за даними електроенцефалографії (ЕЕГ) навіть через тижні та місяці після першого запису.

Результати дослідження опубліковані в науковому журналі National Science Review.

Афективні інтерфейси «мозок-комп'ютер» зчитують ЕЕГ-сигнали для оцінки психічного стану людини, що критично важливо для моніторингу ментального здоров'я та створення інтуїтивних систем взаємодії людини й машини.

Однак ЕЕГ-показники вкрай нестаціонарні: навіть у тієї самої людини нейронні стани змінюються від дня до дня, а умови запису не бувають абсолютно однаковими. Модель, яка чудово працює на даних, зібраних сьогодні, зазвичай дає збої під час аналізу сесій, записаних пізніше.

Щоб подолати часову мінливість, розроблений фреймворк MDIN адаптує аналіз на трьох рівнях:

1. Просторово-часово-спектральний аналіз: Спеціальний модуль шукає емоційні патерни не в один момент, а вивчає взаємодію між різними ділянками мозку, частотними діапазонами та часовими проміжками.
       
2. Динамічні зв'язки мозку: Замість фіксованої карти зв'язків між зонами мозку, модель адаптивно будує мережу під кожен окремий зразок даних. Вона відсікає слабкі «шуми», зберігаючи при цьому стабільний «скелет» нервової системи та фіксуючи локальні емоційні зміни.
       
3. Виправлення викривлень у часі (TDAF): Спеціальний алгоритм відокремлює стабільні емоційні сигнали від перешкод, викликаних часовими змінами. Оскільки нові сесії не мають розмітки, система самостійно перевіряє та коригує псевдомітки за допомогою фільтрації та оцінки невизначеності.
       
Науковці протестували MDIN на двох наборах даних (лабораторному ECPL та публічному SEED), кожен із яких містить записи за три різні дні.

На базі даних ECPL точність розпізнавання емоцій крізь час сягнула 96,97%. Тоді як на базі SEED точність склала 94,21%.
      
Обидва показники стали найвищими серед усіх наявних методів, оцінених у межах дослідження.

Розробка показує, що для довгострокового розпізнавання емоцій недостатньо просто видаляти статистичну різницю між днями запису - необхідно розуміти, які саме зміни нейронної активності є важливими, а які - просто шумом. Фреймворк MDIN закладає методичну основу для довгострокового моніторингу ментального стану, персоніфікованої психологічної допомоги та нових систем керування технікою «силою думки».

Стратегія охолодження ЦОД для епохи AI