论文部分内容阅读
脑功能网络的信息流向能反映不同脑区之间的因果关系,通过研究不同情绪状态下脑区间的因果关系,不仅对揭示情绪产生的机理至关重要,而且可以对情绪的产生进行有效的分析、识别和监控.在人工智能领域,有效的情绪识别将直接影响人机交互过程.本研究使用DEAP情绪数据集,基于传递熵的方法构建有向功能网络,探讨了在不同情绪状态下信息流的流向及强弱变化规律,以及不同脑区间存在的信息传递相互影响模式.研究发现,不同的情绪状态下各脑区的信息流量强度不同,唤醒度越高,信息流强度越大.信息流向和脑区各节点局部连接方式也存在显著差异.同时,进一步证明唤醒度和效价两个情绪维度上存在相互依赖性.该研究为情绪识别提供了重要的参考指标和研究思路.