新系统可识别聋人情绪，准确性竟超过识别无听力障碍者！

在日常交流中，聋人识别他人的情绪主要是通过眼睛观察。与正常人相比，聋人对情绪的感知也存在一定的差异，这可能会导致一些问题，如日常生活中的心理偏差。

中国天津工业大学的研究人员最近开发了一个基于大脑网络的框架，用于识别聋人的情绪。这个框架发表在IEEE Sensors Journal上的一篇论文中，特别介绍了一种基于堆叠集成学习的计算技术，它能结合多种机器学习算法做出预测。

研究人员首先在天津理工大学招募了15名聋人学生，随后检查了无听力障碍测试者和聋人在三种不同情绪状态（积极、正常和消极）下的大脑活动和功能连接的差异。

在最初的实验中，研究发现，阈值的选择在聋人们构建的大脑网络中发挥了重要作用。为了减少错误的连接并保留有效的连接，他们因此提议使用相位锁定值（PLV）连接矩阵中双倍于二进制的阈值。PLV是对两个不同时间序列之间的相位同步性的测量，它被广泛用于通过分析成像数据（如脑电图和脑电图扫描）来检查大脑连接。

实验发现，研究模型可以识别聋人的情绪，其准确度明显高于识别无听力障碍者的情绪。对此的一个解释是，由于聋人缺乏与情感获取相关的通道，他们对情感的理解更简单。

值得注意的是，研究人员的模型在情感识别方面明显优于其他先进模型。此外，研究小组发现，聋人和非听障者之间的大脑活动和功能连接的差异在情绪激动的状态下比在正常条件下更明显。

这项研究为我们了解关于聋人和无听力障碍者在不同情绪状态下的大脑活动差异提供了有效见解。他们开发的情绪识别模型可用于在日常和临床环境中识别聋人的情绪。此外，研究人员的工作可以为减少聋人和无听力障碍者之间情感认知差异的方法提供参考。

该研究论文题为"Emotion recognition from deaf EEG signals using stacking ensemble learning framework based on a novel brain network"，已发表在IEEE Sensors Journal期刊上。主要作者为XX大学的XXX博士

前瞻经济学人APP资讯组

参考资料：https://ieeexplore.ieee.org/document/9524638