科研学术

分享到微信 ×
打开微信“扫一扫”
即可将网页分享至朋友圈
电子科大脑器交互团队在人工智能领域顶级期刊IEEE T-NNLS/SMCA发表系列学术论文
文:徐鹏 图:徐鹏 来源:生命学院 时间:2024-09-12 4424

  近日,生命科学与技术学院脑器交互研究团队在人工智能领域国际顶级期刊《IEEE Transactions on Neural Networks and Learning Systems》和《IEEE Transactions on Systems, Man and Cybernetics: Systems》先后发表题为《An Efficient Graph Learning System for Emotion Recognition Inspired by the Cognitive Prior Graph of EEG Brain Network》和《Brain Network Manifold Learned by Cognition-Inspired Graph Embedding Model for Emotion Recognition》的2篇长文(Regular Paper)。团队李存波博士为论文第一作者,团队徐鹏教授、尧德中教授和李发礼副研究员为共同通讯作者,两项研究受到科技创新2030-“脑科学与类脑研究”重大项目、国家自然科学基金委重点等科研项目的资助。

  针对深度学习策略在情绪脑电识别应用中存在的认知可解释性问题,作者将情绪脑电网络作为一种刻画个体情绪过程的认知先验图信息,通过认知启发和数据驱动相融合的策略,学习情绪脑电信号的潜在图特征,并由此提出一种基于脑电网络认知先验图的情绪脑电深度图学习系统(Graph Convolutional Network framework with Brain network initial inspiration and Fused attention mechanism, BF-GCN),BF-GCN学习系统总体框架如图1。

  在该学习系统中,个体情绪脑电网络首先被用作一种具有认知先验的启发图特征,并通过注意力学习机制融合数据驱动和认知启发学习策略,以弥补单一数据驱动学习策略在情绪脑电信号认知可解释性图表征方面的局限性。基于公开脑电数据集的单个体和跨个体实验结果证明:BF-GCN模型能有效挖掘情绪脑电信号的潜在图模式并实现稳健的情绪脑电解码,系列实验结果验证了模型在情绪脑电深度图特征挖掘方面的有效性和优越性,为实现稳健、高效、泛化的情绪脑电解码模型构建提供了研究方向。(原文链接:https://ieeexplore.ieee.org/document/10549833

图1.jpg

图1. T-NNLS文章所提BF-GCN图学习系统总体框架

  为有效刻画情绪脑电网络样本间的认知模块结构相似性,作者提出一种具有认知启发学习特性的脑电网络图嵌入模型(Cognition-inspired Graph Embedding model in the L1-norm space, L1-CGE),以实现个体情绪脑电网络的认知图表征及个体情绪状态的稳健评估。具体来说,在L1-CGE模型中,作者基于脑电网络拓扑结构提出一种具有认知启发特性的、用于刻画脑电网络节点间亲和度的脑电网络结构相似度度量,以构建个体情绪脑电网络潜在的高维流形拓扑图;并进一步地利用L1范数空间定义的最优图嵌入子空间目标函数,学习情绪脑电网络的最优认知图表征,通过提取情绪脑电网络的低维认知图特征,实现对个体情绪状态的有效评估。实验结果表明:L1-CGE模型能有效满足在线情绪解码任务对模型稳健性和实时性的应用需求,并以84.38%的准确率实现个体情绪状态的在线实时解码和动态评估。系列实验结果验证了L1-CGE模型在个体情绪状态解码中的稳健性和有效性,为进一步实现在线情感脑-机接口系统的应用开发提供了有效支撑。

图2.jpg

图2. T-SMCA文章所提L1-CGE图表征模型框图

  《IEEE Transactions on Neural Networks and Learning Systems》(IEEE T-NNLS)是美国电气和电子工程师协会(IEEE)于1990年创办的在机器学习、神经网络以及人工智能领域的学术性期刊,旨在出版神经网络和学习系统方面的理论、设计和应用的技术性文章,是人工智能、机器学习、模式识别、机器视觉等多个研究领域的国际顶级期刊,长期位列中国科学院期刊分区一区(Top期刊)。

  《IEEE Transactions on Systems, Man, and Cybernetics- Systems》(IEEE T-SMCA)是自动化及人工智能领域的国际顶级学术期刊,该期刊内容属于自动化、控制系统、智能控制、人工智能、系统分析的交叉学科领域,主要刊发自动化及智能控制相关的最新研究成果,是IEEE Systems, Man, and Cybernetics Society的旗舰刊物,也是自动化和智能控制方面的国际顶级期刊,长期位列中国科学院期刊分区一区(Top期刊)。

  团队介绍:

  脑器交互(Brain-Apparatus Communications)团队是神经信息教育部重点实验室最主要的科研团队之一(https://www.neuro.uestc.edu.cn/keyan1),带头人为尧德中教授(美国医学生物工程院 Fellow,重点实验室主任),团队围绕脑器交互问题(脑机接口*心身医学),着力神经信息检测、分析技术的创新发展,以及新技术在脑功能、脑疾病研究中的探索应用。近年来,该团队先后承担了包括科技创新2030“脑科学与类脑智能”重大项目、国家自然科学基金重点项目、863项目、973课题、重大仪器专项课题在内的重大、重点项目20多项。在国际重要学术刊物发表SCI收录论文300余篇,申请国家专利20余项,获得黄家驷生物医学工程一等奖、教育部自然科学一等奖、国际脑电图与临床神经科学学会Roy John Award等多种奖项。


编辑:王晓刚  / 审核:李果  / 发布:陈伟