سامانه همایش‌ها TSTA | ثبت‌نام و ارسال مقاله کنفرانس‌ها و کنگره‌های ملی

صفحه اصلی / سی و دومین کنفرانس ملی و دهمین کنفرانس بین المللی مهندسی زیست پزشکی ایران

Vision Transformer-Based Emotion Recognition in EEG Using Pseudo-Image Construction

نویسندگان :

Ali Kouchakzadeh¹ Soheil Moradi² Mohammad Mohsen Ebrahimi Seyghalan³ Mehdi Fardmanesh⁴

1- دانشگاه صنعتی شریف، تهران، ایران 2- دانشگاه صنعتی شریف، تهران، ایران 3- دانشگاه صنعتی شریف، تهران، ایران 4- دانشگاه صنعتی شریف، تهران، ایران

کلمات کلیدی :

EEG data،transformers،emotion recognition

چکیده :

Transformer-based models have demonstrated remarkable performance across natural language processing and computer vision. Our research aims to extend these models to time-series EEG data, evaluating their effectiveness for feature extraction and pattern recognition. To achieve this, we first transform the EEG data into pseudo-images using autoencoders. This approach enables us to convert multi-channel time-series data into spatio-temporal 2D pseudo-images, which are then processed by a Vision Transformer (ViT) model. Two important features in EEG data that we need to consider are intra-channel features, which represent the dynamics within each individual channel, and inter-channel features, which capture the relationships between different channels. In our method, the autoencoder captures the unique intra-channel features of each EEG channel, while the self-attention mechanism in the ViT uncovers inter-channel dependencies, enhancing the model’s representational power. Additionally, this approach provides visualizations of active channels during different emotional states, offering insights into brain function and supporting further research in understanding the neural basis of emotions. We evaluated our model on two widely recognized EEG datasets, SEED and DREAMER, achieving promising results: 99.81% accuracy on SEED, and 97.17% for valence and 97.50% for arousal on DREAMER, outperforming existing models. These findings suggest that the proposed method effectively extracts rich and meaningful features from EEG data, paving the way for more advanced analysis in neural and affective computing.

لیست مقالات

لیست مقالات بایگانی شده

Chondrocyte-Imprinted Substrates: Promoting MSC Chondrogenesis and Regulating Inflammatory Gene Expression

Parisa Madani - Sara Derhanbakhsh - Nasrin Salehi - Farzaneh Safshekan - Javad Mohammadi - Shahin Bonakdar

Experimental and Theoretical Analysis of the Mechanical Performance of 3D-Printed Biomedical Splints Made of PLA/CF with Structural Geometric Variations

ELNAZ ABEDINI - Nima Feizlou

Analyzing Blood Glucose Levels with Near Infra-Red Spectroscopy and Chemometric Multivariate Methods

Hadi Barati - Arian Mousavi Madani - Soheil Moradi - Mohammad Mohsen Ebrahimi Seyghalan - Mehdi Fardmanesh

مسئولیت پذیری اجتماعی شرکت : بررسی و ترکیب نظریه ها

رعنا شهدآور - علی دلجوان اکبری - محمد زکی لو

چالش‌های اخلاقی هوش مصنوعی در حسابداری مدیریت

محمدرضا پورعلی لاکلایه - مصطفی لطفی

کشف قوانین انجمنی با استفاده از الگوریتم ژنتیک در جهت افزایش دقت تشخیص بیماری تیروئید

نرمین قادر - فرهاد سلیمانیان قره چپق

تأثیر حسابداری رفتاری و روانشناسی مالی بر تصمیم گیریهای مالی و اقتصادی

یاسر رضایی - مینا قنبری

فناوری اطلاعات و ارتباطات و آموزش حسابداری

عبدالحسین علی پور - رسول ناصرحجتی رودسری - نسیم دانش

آمایش گردشگری مناطق ایران و هوش مصنوعی

محمدعلی فیض پور - مهدیه پیروی

TransFuse++: A Hybrid CNN-Transformer Architecture with Cross-Attention, Temporal Modeling, and Uncertainty Estimation for Medical Image Segmentation

Masoud Noroozi - Sayna Jamaati - Hamed Aghapanah - Ali Saeeidi Rad - Mahsa Asadi Anar - Ali Darzi - Mahla Shokouhfar - Helia Sadat Kazemi - Mohammadreza Ghahari - Mohammad Saeed Soleimani Meigoli - Jafar Majidpour - Hossein Arabi - Ali Reza Karimian

بیشتر