От нейронных сетей к эмоциональным сетям: систематический обзор распознавания эмоций на основе ЭЭГ в когнитивной нейронауке и реальных приложениях

ОБОСНОВАНИЕ/ЦЕЛИ: В этом систематическом обзоре рассматривается интеграция нейронных и эмоциональных сетей в распознавание эмоций на основе электроэнцефалографии (ЭЭГ), что способствует устранению разрыва между когнитивной нейронаукой и практическими приложениями. МЕТОДЫ: В соответствии с рекомендациями Preferred Reporting Items for Systematic Reviews and Meta-Analyses (PRISMA) были рассмотрены 64 исследования, в которых представлены последние достижения в извлечении признаков и классификации с использованием моделей глубокого обучения, таких как сверточные нейронные сети (CNN) и рекуррентные нейронные сети (RNN). РЕЗУЛЬТАТЫ: Полученные данные показали практическую эффективность мультимодальных подходов, особенно комбинаций ЭЭГ с физиологическими сигналами, что повышало точность классификации; в некоторых исследованиях она превышала 90%. К основным методам обработки сигналов относились анализ спектральных признаков, анализ связности и выявление фронтальной асимметрии, что способствовало повышению эффективности распознавания. Несмотря на эти достижения, особенно существенные проблемы сохраняются при обработке ЭЭГ в реальном времени, поскольку компромисс между точностью и вычислительной эффективностью ограничивает практическую реализацию. Высокая вычислительная стоимость моделей глубокого обучения препятствует их применению в реальных условиях, что указывает на необходимость разработки и применения методов оптимизации. Кроме того, к существенным препятствиям относятся непоследовательность в маркировке эмоций, различия в экспериментальных протоколах и использование нестандартизированных наборов данных, ограничивающие обобщаемость систем распознавания эмоций на основе ЭЭГ. ОБСУЖДЕНИЕ: К числу этих проблем относятся разработка адаптивных алгоритмов обработки в реальном времени, интеграция ЭЭГ с другими источниками данных, такими как выражения лица и физиологические датчики, а также необходимость стандартизированных протоколов индукции и классификации эмоций. Кроме того, этические вопросы, связанные с конфиденциальностью, безопасностью данных и смещениями в моделях машинного обучения, требуют значительно большего внимания для ответственного применения исследований эмоций в таких областях, как здравоохранение, взаимодействие человека и компьютера и маркетинг. ВЫВОДЫ: Этот обзор представляет критически важные сведения о