
-
生物通官微
陪你抓住生命科技
跳动的脉搏
基于皮肤电活动的类感知多实例学习儿童情绪识别框架
《Scientific Reports》:Subject-independent emotion recognition in children using multiple instance learning approach on EDA data
【字体: 大 中 小 】 时间:2026年09月30日 来源:Scientific Reports 4.9
编辑推荐:
摘要不同的情绪感受可产生多种生理反应,包括心血管活动变化、出汗和面部表情改变。尽管从生理信号中识别情绪仍具挑战性,但此类信号可为情感计算应用提供有用信息。本研究提出了一种类感知多实例学习框架,用于基于皮肤电活动(EDA)信号识别典型发育儿童的情绪状态。该框架引入类特异性注意力
不同的情绪感受可产生多种生理反应,包括心血管活动变化、出汗和面部表情改变。尽管从生理信号中识别情绪仍具挑战性,但此类信号可为情感计算应用提供有用信息。本研究提出了一种类感知多实例学习框架,用于基于皮肤电活动(EDA)信号识别典型发育儿童的情绪状态。该框架引入类特异性注意力机制,在考虑生理反应的类内变异性的同时,学习中性、正面和负面情绪的特征表示。EDA 数据通过 EmotiBit 可穿戴设备从 15 名儿童中采集,并使用严格的留一交叉验证(leave-one-subject-out cross-validation)评估所提框架。该框架整体准确率达到 81.96%,相比 MLP 基线有适度的数值提升,但该差异未达统计显著性。类感知注意力机制识别出与持续性电导率升高、短暂相位波动以及与不同情绪状态预测贡献不同的模式相关的时序信号片段。这些注意力权重应被解释为基于模型的指标,而非直接的生理机制解释。尽管研究结果支持了可解释且受试者独立的儿童 EDA 建模的可行性,但 15 名儿童的小样本量限制了证据对更广泛适用性的支撑力度。因此,需要使用更大、更多样化且独立的儿科队列进行验证。