Impact of sex differences on subject-independent EEG-based emotion recognition models
Notice bibliographique
Résumé
Electroencephalography (EEG) can capture emotion regulation by recording electrical activity from the brain cortex. This electrical activity can be processed using deep learning models to predict emotional states. Two approaches can be employed to develop these deep learning models: subject-dependent and subject-independent. The subject-independent approach is more practical since it does not require recalibration for new users. However, it faces challenges due to the high variability of EEG signals among individuals. Recent studies suggest that incorporating subjects’ sex can enhance the accuracy of subject-independent models due to differences in emotional processing between males and females. Although previous studies have demonstrated the effect of sex on emotion recognition, they have primarily focused on the predictive aspect, neglecting the interpretability of how emotion regulation differs between males and females. This work addresses this limitation by using attention network layers to identify brain areas more involved in predicting emotions. Additionally, an odds ratio analysis was conducted using logistic regression to evaluate the impact of sex on emotion prediction. Our findings reveal that cortical activation patterns elicited by emotional audio-visual stimuli differ between females and males, with females showing more neural activation in the left hemisphere and males showing more in the right hemisphere. Moreover, when the output probabilities of the deep learning models are further postprocessing with the subject’s sex, the odds of correctly predicting emotions increase. These findings suggest that sex differences can lead to more robust subject-independent emotion recognition models. • Audio-visual stimuli elicit distinct brain activation patterns in females and males. • Females exhibit greater activation in the left hemisphere during emotion processing. • Males display higher activation in the right hemisphere during emotion processing. • Incorporating biological sex enhances emotion prediction accuracy in subject-independent approaches.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».