激视频小说区在线观看

                      公司新聞 Company News
                      當前位置:首頁 > 新聞資訊 > 公司新聞

                      腦機音樂接口,高效檢測人的情緒狀態

                      來源: 作者: 發布日期:2021-05-13 訪問次數:181

                      英國雷丁大學和普利茅斯大學的研究團隊開發和評估了一個情感腦-機音樂接口(aBCMI),用來調節用戶的情感狀態。構造一個aBCMI來檢測用戶的當前情感狀態并嘗試調制它為了實現特定的目標(例如,用戶平靜或快樂)通過播放音樂根據一個特定的情感目標生成算法作曲系統和基于案例的推理系統。

                       

                      腦機音樂接口(BCMI)是一種特定類型的BCI,其目的是讓用戶與音樂進行交互或控制音樂的某些屬性(Miranda2006)。例如,將BCMI用于主動控制娛樂系統,并為殘疾人士提供創造性的渠道,讓他們能夠主動控制音樂(Miranda等,2011)。


                      音樂是調節情緒的一種強有力的方法,可以使聽者感受到從歡樂到憂郁的多種情緒(Juslin和Sloboda 2001)。音樂療法能開發音樂匹配或影響聽眾情緒的能力。音樂療法是一種心理治療技術,旨在通過音樂與治療師的互動,促進溝通并改善患者的情緒狀態。例如,患者可以與治療師在樂器上進行獨奏或二重奏。音樂也可以用來幫助個人調節或學習更有益地調節他們的情緒(Bhattacharya和Lee 2012, McDermott et al 2013)。

                       

                      類似于腦機音樂接口(aBCMI)這樣的系統可通過促進對音樂缺乏信心或能力不足以從事傳統音樂創作活動(作為治療過程一部分)的患者的治療有用,使他們能夠在治療過程中從事傳統的音樂創作活動(如演奏或即興創作新音樂)。此外,通過產生與患者的情緒狀態相匹配的音樂,aBCMI可能用作患者向治療師表達情緒狀態的表達工具。


                      英國雷丁大學和普利茅斯大學的科研人員試圖探索是否可以構建能夠檢測和調節用戶當前情感狀態的aBCMI系統。想要實現這個系統,則會遇到如下潛在的問題:

                      (1)我們可以在在線aBCMI使用過程中檢測到個人當前的情感狀態嗎?

                      (2)我們能否確定一種基于案例的推理方法,以用于確定調節個人情感狀態的方法?

                      (3)由aBCMI系統調制的合成音樂能否動態地影響aBCMI用戶的情感狀態,以實現一組目標(例如使用戶更快樂)?

                       

                      研究人員在論文中首先描述了提出的系統。然后繼續描述用于評估其調節用戶情感狀態的功效的實驗。之后,提出結果以證明系統的性能并討論其影響和意義。科研人員調查提出的aBCMI系統設計是否能夠調節用戶的情感狀態。

                      研究人員在論文中寫道,當情感狀態檢測正確時,喚醒的軌跡呈現出更陡峭的梯度變化。具體而言,當aBCMI能夠正確檢測用戶的初始情感狀態時,它可以更成功地減少用戶的喚醒。


                      在該項研究中,研究人員開發和測試的aBCMI系統能夠調節個人的情感狀態。 通過使用生理測量,可以客觀地估計一個人的情感狀態。 這與基于案例的推理系統相結合,以識別和利用最佳方法來調節情感狀態。最后,使用情感驅動的算法作曲系統,使aBCMI產生理論上無限數量的情感喚起音樂。

                       

                      作者在論文中寫道,完整的aBCMI系統為監視和調節用戶的情緒提供了獨特的工具。 未來的工作將尋求探索將aBCMI系統用于患有情緒問題的患者以及其他患者的可能性,也有人建議其他患者例如腦損傷患者也有可能從中受益(Bradt等,2010) 。

                       

                      參考文獻

                      Alpaydin E 2004 Introduction to MachineLearning (Cambridge, MA: MIT Press)

                      Atkinson J and Campos D 2016 ImprovingBCI-based emotion recognition by combining EEG feature selection and kernel classifiersExpert Syst. Appl. 47 35–41

                      Bajaj V and Pachori R 2014 Detection ofhuman emotions using features based on the mulitwavelet transform of EEGsignals Brain–Computer Interfaces: Current Trends and Application vol 1(Berlin: Springer) ch 8, p 416

                      Bhattacharya J and Lee E-J 2012 Modulationof EEG theta band signal complexity by music therapy Int. J. Bifurcation Chaos 269

                      Bradt J, Magee W L, Dileo C, Wheeler B Land McGilloway E 2010 Music therapy for acquired brain injury The Cochrane Databaseof Systematic Reviews] (7) CD006787 http://www.ncbi.nlm.nih.gov/pubmed/20614449

                      Brodersen K H, Ong C S, Stephan K E andBuhmann J M 2010 The balanced accuracy and its posterior distribution 2010 20thInt. Conf. on Pattern Recognition (Piscataway, NJ: IEEE) pp 3121–4

                      Chella F, Pizzella V, Zappasodi F andMarzetti L 2016 Impact of the reference choice on scalp EEG connectivityestimation J. Neural Eng. 13 1–21

                      Cowie R, Douglas-Cowie E, Savvidou S,McMahon E, Sawey M and Schr?der M 2000 ‘FEELTRACE’: an instrument for recordingperceived emotion in real time Proc. ISCA Workshop on Speech and Emotion pp19–24

                      DalyI, Billinger M, Laparra-Hernández J, Aloise F, García M L, Faller J, Scherer Rand Müller-Putz G 2013a On the control of brain–computer interfaces by userswith cerebral palsy Clin. Neurophys.


                      全局浮動內容
                      13570880178
                      激视频小说区在线观看