پژوهشگران دانشگاه شیامن، دانشگاه هانگژو دیانزی، دانشگاه وویی، دانشگاه پلی تکنیک شمال غرب چین، دانشگاه رایکن ژاپن، انستیتو اسکولتک روسیه، دانشگاه نیکولاس کوپرنیک لهستان، دانشگاه اسکس انگلستان، و دانشگاه ملی سنگاپور به بررسی شبکه های عصبی و الگوهای فعالیت امواج مغزی در مکانیزم درک هیجان اجتماعی پرداختند.
روش پژوهش:
- در این پژوهش آزمایشی 40 داوطلب 18 تا 24 ساله راست دست شرکت نمودند. ابزارهای مورد استفاده شامل EEG با 62 سنسور فعال، نرخ نمونه گیری 1000 هرتز و استاندارد 10-20؛ و سیستم کامپیوتری نمایشگر محرک های هیجانی بودند.
- مراجعان به صورت دو نفره عمل می کردند: یکی بعنوان رهبر که ارزیابی خود از نوع و شدت هیجان تصاویر را اول بیان کرده و دیگری پیرو بود که پس از رهبر، نظر خود را بیان می کرد.
- برای هر زوج، 4 جلسه (خشم، تنفر، خنثی، شاد) برگزار شده و هر جلسه شامل 75 کوشش آزمایشی بود.
یافته ها:
- پتانسیل وابسته به رخداد (ERP) مغز افراد در هر یک از مقولات چهارگانه هیجانی (خشم، تنفر، خنثی، شاد) متفاوت از بقیه است.
- تفاوتی بین میزان ERPهای مغز افراد رهبر و پیرو در هیچ یک از مقولات چهارگانه هیجانی (خشم، تنفر، خنثی، شاد) مشاهده نمی شود.
- شاخص تاخیر فاز درون مغزی (مربوط به هر شرکت کننده) بالاتر از شاخص تاخیر فاز بین مغز دو آزمودنی است.
- در هر 5 باند آلفا، بتا، دلتا، تتا، و گاما الگوهای فعالیت مغزی در 4 وضعیت هیجانی (خشم، تنفر، خنثی، شاد) بطور معناداری متفاوت از یکدیگرند.
- با توجه به الگوهای نوار مغزی افراد میتوان با اطمینان 65.55% وضعیت هیجانی آنها را پیش بینی نمود.
- هیجان شادی قوی ترین عملکرد و قدرت تفکیک را در نوار مغزی (EEG) افراد دارد.
راهبردهای کارکردی:
- تاثیر هیجانات در تغییر الگوهای امواج مغزی (EEG) امری بسیار مهم برای ثبت نوار مغزی به قصد انجام پژوهش و یا فعالیت های بالینی مبتنی بر نقشه مغزی است.
- به نظر می رسد بهتر است برای افزایش دقت نقشه مغزی مبتنی بر نوار مغزی، با استفاده از تکنیک های القای هیجانی، افراد در وضعیت هیجانی مشابهی قرار گیرند تا همگرایی و دقت یافته های EEG افزایش یابند.
- الگوی هیجان شادی در نوار مغزی (EEG) نقش اصلاح کننده و تنظیم کننده را دارد. بنابراین، می توان با القای هیجان شادی به افراد به افزایش سلامت مغزی، بهبود ریتم امواج مغزی، و سلامت روانی آنها کمک نمود.
- آموزش مهارت های مدیریت هیجانی کمک شایانی به افزایش هیجانات مثبت در افراد و اصلاح امواج مغزی آنها می نماید.
EEG-based approach for recognizing human social emotion perception
Abstract
Social emotion perception plays an important role in our daily social interactions and is involved in the treatments for mental disorders.
Hyper-scanning technique enables to measure brain activities simultaneously from two or more persons, which was employed in this study to explore social emotion perception.
Method
We analyzed the recorded electroencephalogram (EEG) to explore emotion perception in terms of event related potential (ERP) and phase synchronization, and classified emotion categories based on convolutional neural network (CNN).
The results showed that:
(1) ERP was significantly different among four emotion categories (i.e., anger, disgust, neutral, and happy), but there was no significant difference for ERP in the comparison of rating orders (the order of rating actions of the paired participants).
(2) the intra-brain phase lag index (PLI) was higher than the inter-brain PLI but its number of connections exhibiting significant difference was less in all typical frequency bands (from delta to gamma).
(3) the emotion classification accuracy of inter-PLI-Conv outperformed that of intra-PLI-Conv for all cases of using each frequency band (five frequency bands totally).
In particular, the classification accuracies averaged across all participants in the alpha band were 65.55% and 50.77% (much higher than the chance level) for the inter-PLI-Conv and intra-PLI-Conv, respectively.
According to our results, the emotion category of happiness can be classified with a higher performance compared to the other categories.
Keywords
Hyper-scanning, EEG, Emotion, Phase lag index, Deep learning
