resumo
Este artigo propõe um banco de dados de emoções fNIRS-EEG-FEAD que pode ser usado para treinar modelos de reconhecimento de emoções. O estudo registrou um total de atividade elétrica cerebral e respostas hemodinâmicas cerebrais de 37 sujeitos, bem como a classificação dos sujeitos e classificações dimensionais de 24 tipos de estímulos audiovisuais emocionais. A relação entre sinais neurofisiológicos e avaliações subjetivas foi explorada e correlações significativas foram encontradas na região do córtex pré-frontal. A base de dados será disponibilizada ao público e tem como objetivo incentivar os investigadores a desenvolverem algoritmos mais avançados de computação afetiva e de reconhecimento de emoções.
introdução
A emoção é uma reação intensa e de curta duração do sistema nervoso a um determinado estímulo. Muitos estudos demonstraram que as estruturas neurais corticais e subcorticais cerebrais estão envolvidas na regulação e no processamento das emoções. Dado que o sistema nervoso desempenha um papel importante no controlo, resposta e regulação dos processos psicológicos, a compreensão da sua função pode ajudar-nos a identificar indicadores eficazes de emoção. Nossos receptores sensoriais detectam mudanças no ambiente interno e externo e transmitem essas mudanças para partes relevantes do sistema nervoso do cérebro através de potenciais de ação (sinais). Sentimentos, pensamentos e decisões são o resultado da síntese dessas informações sensoriais. O sistema nervoso permite então que as pessoas reajam consciente ou inconscientemente às mudanças no seu ambiente, enviando sinais para diferentes órgãos, como músculos e glândulas. Isto dá origem a três vias principais para medição de emoções: 1) medição de biomarcadores através da recolha de sinais fisiológicos (como frequência respiratória, batimentos cardíacos ou atividade elétrica neural 2) monitorização de manifestações externas (como expressões faciais macro/micro ou linguagem corporal); ;3) Avaliação subjetiva (como medidas de autorrelato).
A seleção do indicador ou indicadores emocionais que melhor representam o estado emocional de um indivíduo requer a consideração da complexidade das emoções humanas. Embora os indicadores externos sejam fáceis de observar e obter, vários factores, incluindo obrigações sociais e hábitos pessoais, tornam difícil para os observadores externos compreenderem as emoções associadas a estes indicadores. Por outro lado, os sinais fisiológicos podem ser difíceis de interpretar devido a fatores como baixa relação sinal-ruído, mecanismos psicofisiológicos individuais, gênero e características psicológicas e físicas. No entanto, os biomarcadores são menos suscetíveis a indicadores externos e difíceis de ocultar ou disfarçar. Além disso, os avanços tecnológicos dos últimos anos tornaram a recolha de dados fácil e barata, permitindo que sinais fisiológicos sejam utilizados de forma fiável para detectar emoções humanas.
Quando se trata de mapear as emoções humanas em estados afetivos semânticos, existem duas estruturas amplamente aceitas: a teoria da emoção discreta e a teoria da emoção dimensional. A teoria da emoção discreta postula que existe um conjunto central de emoções que é identificável transculturalmente nos humanos. As seis emoções básicas de Ekman, incluindo raiva, nojo, medo, felicidade, tristeza e surpresa, são um modelo popular na teoria das emoções discretas. Cada estado emocional é único e universal, com características específicas que permitem definir e descrever claramente uma ampla gama de emoções. No entanto, dada a complexidade das emoções humanas e as diferentes visões sobre os componentes emocionais básicos, outros investigadores propuseram métodos de mapeamento de estados afectivos em eixos multidimensionais, que é a chamada teoria da emoção dimensional. Existem vários modelos diferentes desta teoria. Por exemplo, o modelo tridimensional PAD utiliza prazer, excitação e dominância para descrever as emoções humanas, onde o prazer representa o grau de felicidade ou prazer, a excitação representa o nível de alerta e a dominância representa a sensação de influência no ambiente circundante. Outro modelo dimensional popular é o modelo circunplexo, que tenta mapear as emoções em dois eixos: prazer e excitação. A roda das emoções proposta por Plutchik (2003) combina a teoria das categorias e a teoria dimensional. Organiza as quatro emoções primárias opostas – felicidade, medo, tristeza e raiva – em círculos concêntricos. Aqui, este artigo utiliza o modelo dimensional PAD e as quatro categorias de emoções na roda de emoções de Plutchik para estabelecer o valor de verdade básico.
Nos últimos anos, foram lançados muitos bancos de dados de referência de emoções que usam indicadores de emoções únicos (unimodais) ou múltiplos (multimodais) e uma ou mais teorias de emoções. Por exemplo, o Berlin Emotion Speech Database (Emo-DB) regista 535 frases faladas por 10 atores (cinco homens e cinco mulheres) com o objetivo de mapear as suas emoções em seis categorias de emoções (feliz, zangado, ansioso, medo, tédio e nojo). ). Os conjuntos de dados de Microexpressões Espontâneas (SMIC) e Movimentos Microfaciais Espontâneos (SAMM) também são bancos de dados unimodais onde as expressões faciais dos participantes são registradas e suas emoções são convertidas em emoções categóricas. Da mesma forma, o conjunto de dados SEED utiliza os sinais fisiológicos (EEG) de 15 participantes para classificar as suas emoções. No entanto, a complexidade dos estados psicológicos humanos, da consciência subjetiva e das características inconscientes, e a necessidade de uma compreensão abrangente das emoções humanas levaram os pesquisadores a realizar pesquisas multimodais de reconhecimento de emoções. O conjunto de dados AMIGOS coleta três sinais fisiológicos e informações de gravação de vídeo de rostos e corpos de 40 indivíduos para identificar suas mudanças emocionais sutis. DEAP, MAHNOB-HCI, RECOLA, DREAMER e DECAF também são bancos de dados multimodais que registram movimentos oculares, vídeos faciais, fala e sinais fisiológicos dos participantes (EEG, eletromiografia (EMG), eletrocardiograma (ECG), atividade eletrodérmica (EDA)) .
Dado que o cérebro desempenha um papel central no processamento e geração de respostas emocionais, medir a atividade neural pode fornecer informações valiosas sobre este processo e ajudar-nos a compreender melhor como as emoções são expressas. Tecnologias como EEG e fNIRS são relativamente baratas e excelentes na coleta de informações dinâmicas sobre o cérebro. Alguns estudos iniciais destacaram a complementaridade destas técnicas em ambientes híbridos, particularmente no contexto da investigação emocional que mede o acoplamento neurovascular (a relação entre o fluxo sanguíneo cerebral e a atividade neural). Embora existam alguns bancos de dados fNIRS-EEG disponíveis publicamente com foco em imagens motoras, carga mental e análise de artefatos de movimento, até onde sabemos, existe atualmente apenas um banco de dados fNIRS-EEG disponível publicamente com foco no reconhecimento de emoções. Este conjunto de dados contém registros de apenas cinco participantes. Portanto, atualmente falta um banco de dados de emoções abrangente e em grande escala contendo sinais fNIRS e EEG para pesquisa de emoções.
Aqui, este estudo criou o banco de dados de emoções fNIRS-EEG (FEAD), que registrou simultaneamente sinais de EEG e fNIRS de 37 participantes enquanto eles respondiam a 24 sinais emocionais (estímulos audiovisuais). Esta medida bimodal foi então mapeada num modelo de emoção dimensional, utilizando a Escala de Autoavaliação do Humor (SAM) para autoavaliações subjetivas que abrangem valência, excitação e dominância, bem como as quatro categorias distintas de felicidade, raiva, medo, e tristeza. Além disso, o banco de dados FEAD contém as respostas dos participantes sobre a familiaridade com o vídeo, informações demográficas e a Escala de Afetividade Positiva e Negativa (PANAS), que fornece informações sobre os estados emocionais dos participantes antes do experimento. Este estudo examina esta configuração híbrida como um sistema para medir biomarcadores emocionais e demonstra resultados preliminares de classificação de emoções dimensionais de fNIRS e EEG como sistemas unimodais e bimodais.
Procedimentos experimentais
banco de dados de estímulo
Atualmente, há uma variedade de paradigmas de indução de emoções, que são divididos principalmente em duas categorias: indução de emoções endógenas e exógenas. O método endógeno exige que os sujeitos recorram memórias relacionadas a emoções específicas (tais memórias são incertas e incontroláveis). Os métodos exógenos induzem emoções nos sujeitos por meio de estimulação externa. Os paradigmas de indução de emoções exógenas são mais amplamente utilizados na pesquisa de reconhecimento de emoções porque os pesquisadores são capazes de controlar os estímulos fornecidos aos sujeitos.
As ferramentas padronizadas de indução de emoções incluem vários tipos de estímulos, como imagens, áudio, vídeo, linguagem, videogames e realidade virtual (VR). Cada tipo de estímulo tem suas vantagens e limitações, e a escolha do tipo de estímulo depende da questão específica da pesquisa. Aqui, este estudo escolheu a estimulação por vídeo porque tem as vantagens de alta validade ecológica, captura rápida de atenção, pequenos artefatos de movimento, etc., e pode fornecer uma experiência próxima do mundo real.
Foram coletados 150 videoclipes do YouTube usando os seguintes critérios:
1. O vídeo evoca uma emoção.
2. Não há marcas d'água, logotipos ou anúncios óbvios no vídeo para eliminar preconceitos.
3. O conteúdo do vídeo deve ser suficientemente claro para que os participantes possam compreendê-lo sem explicações adicionais.
4. Escolha vídeos com menos visualizações para minimizar efeitos confusos, como familiaridade.
5. O vídeo é longo o suficiente para monitorar as respostas hemodinâmicas, mas não afeta o humor, induz fadiga ou aumenta a carga cognitiva.
Dois psicólogos (1 homem e 1 mulher) analisaram os vídeos e identificaram 76 videoclipes de 80 segundos cobrindo uma ampla gama de cenários (por exemplo, interações humanas, animais, natureza, comida e comédia).
Para verificar ainda mais a eficácia desses vídeos em provocar emoções, este estudo realizou uma pesquisa no Amazon Mechanical Turk (MTurk). Os entrevistados foram convidados a assistir a 76 vídeos e responder cinco perguntas sobre cada vídeo. A primeira questão é sobre a familiaridade do sujeito com o vídeo, que é avaliada por meio de uma escala Likert padrão de 5 pontos (1 = nada familiarizado, 5 = muito familiarizado). As próximas três questões usam uma escala Likert padrão de 9 pontos (escala SAM) para avaliar a valência, excitação e dominância (VAD) da emoção. A última questão questiona sobre as emoções centrais no eixo principal da roda emocional de Plutchik. A pesquisa MTurk para este estudo é limitada a pessoas com mais de 18 anos e aquelas com qualificações MTurk Master. Este estudo coletou 169 respostas em 14 dias, 106 das quais foram completas. Para melhorar a confiabilidade dos resultados da pesquisa, este estudo excluiu itens com tempos de resposta muito curtos para eliminar a possibilidade de os sujeitos preencherem o questionário sem assistir ao vídeo. Por fim, foram obtidos dados de 73 sujeitos (45 homens e 28 mulheres), com idade média de µ=32,8 anos e σ2=9,30. As avaliações desses sujeitos foram analisadas para a construção de uma videoteca para utilização neste estudo.
Com base nos resultados da pesquisa MTurk e nas pontuações médias de valência, os vídeos foram classificados em três categorias: positivo, neutro e negativo. Para evitar a duplicação de conteúdo e garantir que uma gama diversificada de excitação e domínio fosse coberta, dois pesquisadores selecionaram oito vídeos de cada grupo.
Equipamento de coleta e ambiente experimental
Pesquisas anteriores mostraram que o ambiente experimental não só tem um impacto significativo nos dados registados, mas também no estado psicológico dos sujeitos. Portanto, a configuração do laboratório é mantida simples e livre de distrações (Figura 1). A luz da sala foi diminuída para evitar que a luz ambiente afetasse negativamente os raios infravermelhos. Para reduzir artefatos de movimento nos sinais de EEG, os pesquisadores equiparam os participantes com cadeiras confortáveis com encosto ajustável. A tela da LG tinha 59,5 polegadas de tamanho, taxa de atualização de 50/60 Hz e foi colocada a uma distância confortável para que os olhos dos sujeitos pudessem focar no centro da tela. Todas as escalas são concluídas em um iPad de 9,7 polegadas.
Figura 1. Ambiente experimental.
Este estudo coletou simultaneamente dados de EEG e fNIRS usando o hardware g.Nautilus Research. g.Nautilus é um dispositivo EEG sem fio alimentado por bateria equipado com 16 eletrodos úmidos, bem como um eletrodo de referência e um eletrodo de aterramento. O dispositivo complementar de canal g.SENSOR 8 fNIRS consiste em 8 transmissores e 2 receptores, que são fixados na tampa EEG através de um suporte magnético. A unidade está em conformidade com um sistema de layout padrão 10/20 e suporta a fixação da sonda fNIRS e a colocação flexível de eletrodos de EEG. O sinal EEG teve taxa de amostragem de 500 Hz, sensibilidade de ± 187,5 mV e foi registrado com filtro notch de 50 Hz. Aplique um filtro passa-banda de 0,01-100 Hz. A taxa de amostragem do sinal fNIRS é de 10 Hz e a distância entre cada transmissor e receptor é de 30 mm. A luz infravermelha com comprimentos de onda de 785 nm e 850 nm é usada para medir as mudanças na absorção de luz das moléculas de hemoglobina no fluxo sanguíneo cerebral. O fator de comprimento de caminho diferencial (DPF) para todos os indivíduos foi 6.
Este estudo monitorou as seguintes regiões cerebrais: córtex pré-frontal medial (mPFC), córtex pré-frontal dorsolateral (DLPFC), lóbulo parietal inferior, pólo frontal, córtex motor suplementar, giro temporal superior e área de Broca. A Figura 2 mostra as localizações dos eletrodos de EEG e da sonda fNIRS, com outras localizações aproximadamente calibradas usando o sistema International 10/5. As localizações aproximadas dos transmissores fNIRS são AF4h, AF3h, F8h, F7h, AFF10h, AFF9h, NFp2 e NFp1; as localizações do receptor são AF7h e AF8h; As localizações dos eletrodos EEG são FC3, FC4, FC5, FC6, CP3, CP4, T7, T8, F7, F8, AF5, AF6, F1, F2, FPz e AFz.
Figura 2. Localização dos eletrodos EEG (preto) e sonda fNIRS (azul).
participantes
Participaram deste experimento 37 sujeitos (17 mulheres e 20 homens), com faixa etária de 22 a 44 anos (µ=28,97, σ2=5,73). Todos os indivíduos tinham visão normal ou corrigida para normal e nenhum distúrbio neurológico ou psicológico diagnosticado, como transtorno bipolar ou depressão. Os indivíduos foram solicitados a evitar comer e beber chá ou café com cafeína duas horas antes do início do experimento. Este estudo foi conduzido no Instituto de Bioengenharia de Auckland e foi aprovado pelo Comitê de Ética de Participantes Humanos da Universidade de Auckland (UAHPEC). Os dados são anonimizados para torná-los acessíveis ao público.
Protocolo experimental
Cada sujeito visitou o laboratório no início do experimento para se familiarizar com o ambiente, e os pesquisadores fizeram uma breve introdução ao equipamento para reduzir a ansiedade e diminuir o impacto de variáveis adicionais. Isto é seguido por uma introdução ao procedimento experimental e uma explicação das escalas de estudo. Após assinar o termo de consentimento livre e esclarecido, os participantes foram solicitados a preencher um questionário pré-estudo, incluindo questões demográficas (idade, sexo, lateralidade e idioma) e uma escala PANAS padrão. PANAS é uma escala de autorrelato de 20 itens que mede emoções positivas e negativas em uma escala de 5 pontos. Esta escala foi utilizada para avaliar o estado emocional geral dos sujeitos antes do início do estudo.
A fim de reduzir o impacto da densidade e cor do cabelo do sujeito na transmissão da luz infravermelha e nos sinais de EEG, este estudo utilizou um pente para separar o cabelo e limpar o cabelo na testa antes de fixar os eletrodos no couro cabeludo. Para garantir a clareza do áudio e garantir o isolamento dos sujeitos do ambiente externo, fones de ouvido são preparados antes do experimento e o volume adequado é ajustado de acordo com a necessidade de cada sujeito.
O experimento consistiu em três fases, cada uma contendo oito tentativas (Fig. 3). Em seguida, os 24 vídeos selecionados foram divididos pseudo-aleatoriamente em três subconjuntos experimentais. Cada vídeo positivo ou negativo foi seguido por um vídeo neutro. Em cada tentativa, os participantes assistiram a um vídeo de 80 segundos e depois tiveram 35 segundos para avaliar suas emoções. Depois, olharam para o centro da tela e respiraram fundo por 5 segundos para se prepararem para a próxima tentativa. Para evitar fadiga e sonolência, há um período de descanso de dois a três minutos entre cada etapa. Após cada vídeo, os sujeitos foram solicitados a responder cinco perguntas: (I) Você conhece este vídeo? Avaliadas por meio de uma escala Likert de 5 pontos (1: Nada familiar; 5: Muito familiar (II) a (IV) são questões da escala SAM de 9 pontos (Figura 4) Usar uma palavra para); descreva seus sentimentos (felicidade, tristeza, medo, raiva). Detalhes experimentais são mostrados na Tabela 1.
Figura 3. Protocolo experimental.
Figura 4. Avaliação emocional subjetiva de valência, excitação e dominância utilizando SAM.
Tabela 1. Resumo das informações experimentais.
análise de avaliação subjetiva
Conforme mencionado anteriormente, este estudo dividiu os vídeos coletados em três categorias (negativo, positivo e neutro) para suscitar uma ampla gama de emoções. A Figura 5 mostra as classificações médias de valência de 37 sujeitos para cada categoria de estímulos selecionados. Por meio do teste dos postos sinalizados de Wilcoxon, constatou-se que houve diferença significativa nos escores de valência entre estímulos negativos e neutros (p<0,001) e, da mesma forma, houve diferença significativa entre estímulos neutros e positivos (p<0,001).
Figura 5. Classificações de valência dos vídeos negativos, positivos e neutros.
Em todo o conjunto de dados, as classificações médias de valência, excitação e dominância foram 5,35 (±2,74), 5,06 (±2,28) e 5,16 (±2,35), respectivamente. A Figura 7 mostra a ampla cobertura de cada estado emocional em cada estágio. Além disso, de acordo com o teste de postos sinalizados de Wilcoxon, as diferenças nas classificações dos entrevistados mTurk e dos sujeitos experimentais em valência, excitação e dominância não foram estatisticamente significativas (porque p> 0,05 para todas as dimensões) (Figura 6). Isto significa que os dois grupos de sujeitos responderam de forma semelhante ao estímulo selecionado.
Figura 6. Comparação das faixas de classificação dos entrevistados da pesquisa mTurk e dos sujeitos experimentais.
Figura 7. Classificações médias de valência, excitação e dominância para cada fase.
Para examinar potenciais efeitos de confusão ou sinais de fadiga, este estudo explorou as correlações médias entre as avaliações dos sujeitos (Tabela 2). Os resultados do estudo encontraram uma correlação positiva moderada entre familiaridade e valência, e uma correlação positiva fraca entre familiaridade e dominância. Embora nenhuma relação de causa e efeito tenha sido sugerida, as pessoas tendem a ter sentimentos mais positivos em relação a vídeos mais familiares. Além disso, houve uma correlação positiva significativa entre valência e dominância, e uma correlação negativa entre valência e excitação. No entanto, estas correlações foram fracas, indicando que os sujeitos foram capazes de compreender e diferenciar claramente as diferentes escalas durante o processo de pontuação. A ordem dos estímulos não foi significativamente relacionada aos escores de valência, excitação ou dominância, sugerindo pouca influência dos efeitos de habituação ou fadiga.
Tabela 2. Correlações médias entre classificações subjetivas de familiaridade, valência, excitação, dominância e ordem de apresentação. * indica p<0,05.
análise conjunta
Pré-processamento de dados
Várias fontes de ruído podem interferir nos sinais EEG e fNIRS, complicando a interpretação dos dados. Muitos dos artefatos observados nos sinais de EEG, como sudorese, movimento lento, piscar e movimentos oculares, ocorrem principalmente na faixa de baixa frequência (<4 Hz), enquanto outros artefatos, como cerramento de dentes e movimentos musculares, ocorrem em a faixa de frequência mais alta e mais ampla. Embora os sinais fNIRS sejam mais robustos a artefatos de movimento do que os sinais de EEG, eles ainda podem ser afetados pelo ruído do instrumento (>3 Hz), ondas de Meyer (0,1 Hz), respiração (0,2-0,5 Hz), frequência cardíaca (1-1,5 Hz) e interferência das flutuações da pressão arterial.
Para reduzir o custo computacional, o sinal é reduzido para 250 Hz. Um filtro Butterworth de terceira ordem é usado para filtragem, no qual a faixa de filtragem do EEG é [4-80] Hz e a faixa de filtragem do fNIRS é [0,0125-0,7] Hz para remover o ruído acima. Os últimos dois segundos do período de descanso de 5 segundos antes de cada estímulo serviram como linha de base, e o vídeo de 80 segundos foi usado para análise do estado emocional. Sabe-se que diferentes métodos de correção da linha de base podem levar a resultados diferentes. Aqui, este estudo utiliza a média e o desvio padrão da linha de base para normalizar os dados experimentais.
Devido à complexidade e à natureza não estacionária da dinâmica cerebral, a seleção de características específicas para representar sinais fisiológicos pode ser um desafio e, por sua vez, afeta a interpretação dos dados. Existem muitos recursos nos domínios de tempo, frequência e espaço, cada um com suas vantagens. Este estudo utiliza potência de banda (BP) e entropia diferencial (DE) para representar as características espectrais e características dinâmicas não lineares das modalidades, ambas eficazes em sistemas de reconhecimento de emoções. Além disso, este estudo também extraiu o valor médio dos dados do fNIRS para fornecer uma perspectiva adicional sobre a dinâmica vascular. Para estimar a PA, este estudo adota o método Welch (o tamanho da janela é 4s) e calcula a área da densidade espectral de potência (PSD) dentro da banda de frequência de interesse.
Correlação de dados e pontuações neurovasculares
Para determinar se os dados de EEG e fNIRS se correlacionavam com as classificações subjetivas, uma análise de correlação foi realizada no meio dos 40 segundos de cada ensaio. A PA foi utilizada para avaliar a correlação das duas modalidades para fornecer uma comparação direta. Além disso, foi avaliada a correlação de HbO e HbR com os escores dos sujeitos. Este estudo calculou o coeficiente de correlação de Spearman entre a potência de frequência e as classificações subjetivas de cada tipo de sinal, e calculou o valor p para 37 sujeitos, assumindo independência entre os dados. Os 37 valores p de Spearman para cada tipo de sinal e cada canal foram então combinados em um único valor p usando o método de Fisher. O nível de significância é p<0,05. Os resultados são mostrados na Tabela 3. Pode-se observar que em todas as dimensões do estado emocional, os canais consistentemente significativos estão localizados principalmente nos lobos pré-frontais (AF5, AFz, F1, Fpz) e nos lobos temporais (T7, T8). Este resultado é semelhante a estudos anteriores que utilizaram EEG para reconhecimento de emoções.
Tabela 3. Correlação média entre o optodo fNIRS e o eletrodo EEG (p<0,05). (*=p<0,01, ∗*=p<0,001).
Este estudo observou uma forte correlação entre o título e os sinais de EEG em todas as bandas de frequência. A potência da banda alfa na região central (CP3) aumentou com o aumento dos escores de valência. Os sinais de excitação e EEG foram significativamente correlacionados em todas as bandas de frequência. Em particular, este estudo encontrou uma correlação negativa significativa entre a excitação e a potência das bandas teta e alfa na região do PFC. Em relação à dominância, os resultados do presente estudo sugerem que o hemisfério direito desempenha um papel mais substancial, refletido nos eletrodos salientes nas áreas F2, FC6 e T8.
A análise das assinaturas fNIRS em três dimensões revelou correlações significativas entre os sinais de oxigenação e desoxigenação. Esta descoberta é consistente com o estudo de Bandara et al (2018) de que, além dos sinais de oxigenação, os sinais de desoxigenação também desempenham um papel crucial na distinção de valência e excitação. Os resultados deste estudo mostram que o sinal fNIRS tem a correlação mais forte com o escore de potência. Especificamente, a estimulação ativa desencadeou um aumento na potência da banda de frequência do sinal de oxigenação AFF10h na região PFC, ao mesmo tempo que causou uma diminuição na potência da banda de frequência do sinal de desoxigenação nas regiões F8h, AF4h e F7h. Além disso, os níveis de desoxigenação dos canais NFp1 e AF3h apresentaram correlação positiva significativa com a potência (p<0,01). Em relação à excitação, foi observado aumento tanto na potência da banda quanto no sinal de oxigenação na posição AFF10h. Em termos de dominância, o nível médio de desoxigenação dos canais NFp1 diminuiu.
para concluir
Este estudo propõe o banco de dados de emoções fNIRS-EEG (FEAD), que contém dados neurohemodinâmicos de 37 sujeitos e escores de estado afetivo para 24 estímulos emocionais de vídeo. Este estudo utiliza dispositivos portáteis para registrar sinais de EEG e fNIRS. Este método oferece uma oportunidade para a integração de tecnologias e algoritmos de computação afetiva em diversas aplicações, e os resultados do estudo revelam bem a sensibilidade dos sinais de EEG e fNIRS às dimensões emocionais. Espera-se que futuras pesquisas utilizem esta base de dados para explorar e desenvolver novos métodos de análise de dados.
Autor(es): AF Nia, V. Tang, V. Malyshau, A. Barde, GM Talou e M. Billinghurst, “FEAD: Introdução ao banco de dados afetivo fNIRS-EEG - Estímulos de vídeo”, em IEEE Transactions on Affective Computing, doi: 10.1109/TAFFC.2024.3407380.