近日，电子科技大学脑器交互研究团队（中古脑器交互实验室、生命科学与技术学院）在人工智能领域国际顶级期刊《IEEE Transactions on Neural Networks and Learning Systems》和《IEEE Transactions on Affective Computing》先后发表题为《EEG-Based Emotion Monitoring and Regulation System by Learning the Discriminative Brain Network Manifold》和《Emotion Recognition by Learning the Manifold of Fused Multiscale Information of EEG Signals》的2篇长文（Regular Paper），两项研究受到科技创新2030-“脑科学与类脑研究”重大项目、国家自然科学基金委重点等科研项目的资助。

　　针对情绪脑电识别研究两种常见噪声样本（离群样本和伪标注样本），作者提出一种L1范数空间约束的情绪脑电网络低维判别流形表征模型（L1-SGL），并由此开发一套个体情绪在线解码与反馈系统，实现个体情绪状态的实时监测与动态调控，L1-SGL模型总体框图如图1。在L1-SGL模型中，作者提出一种监督式稀疏图表征学习策略，通过构建稀疏化同质/异质高维邻接拓扑图以自适应分离离群噪声样本的同时自动校正伪标注样本，并进一步通过L1范数空间约束以求解原始高维情绪脑电网络的最优低维图表征子空间，实现情绪脑电网络样本的最优低维判别图表征。基于公开脑电数据集的个体情绪解码实验结果表明：相较于已有图学习算法，L1-SGL模型能实现更加稳健可靠的个体情绪解码。同时，基于L1-SGL模型开发的在线情绪监测与反馈调控系统进一步验证了L1-SGL模型在真实在线人机情感交互应用中的有效性与可靠性，为实现智能情感化的人机交互、临床智能闭环诊疗与智慧医疗方案的实施提供了潜在解决方案。本研究第一标注单位为电子科技大学，团队博士毕业生李存波（澳门大学在站博士后）为第一作者，团队徐鹏教授和尧德中教授为共同通讯作者。（原文链接: https://ieeexplore.ieee.org/document/11038821）。

图1. IEEE T-NNLS文章所提L1-SGL脑电网络流形学习总体框架

　　稳健可靠的情绪脑电特征挖掘对于提升情绪脑电解码性能具有重要意义，团队前期相关研究表明，通过融合情绪脑电局部性激活模式与全局性功能连接模式能有效提升个体情绪脑电解码性能（Li et al., IEEE TBME, 2019. https://doi.org/10.1109/TBME.2019.2897651. ESI 高被引）。为此，作者在前期工作的基础上，进一步提出情绪脑电多尺度融合特征低维流形图表征模型（MMIF），该模型将融合局部激活与全局性功能连接的多尺度情绪脑电信息作为邻接度量，通过构建情绪脑电样本间潜在的流形拓扑结构实现对多尺度融合特征信息的重表征，以进一步提升情绪脑电特征挖掘的稳健性和可靠性，MMIF模型总体框图如图2。离线情绪脑电解码与分析结果表明：相较于单尺度信息以及已有的多尺度特征融合算法，MMIF能显著提升个体情绪脑电多尺度特征重表征的判别性，实现个体情绪状态稳健可靠的解码；个体在线情绪解码实验结果表明：MMIF能以86.88%的准确率实现个体正/中/负三类情绪的实时在线解码，这为进一步开发稳健可靠的人机情感交互应用系统提供了技术支撑。本研究第一单位为电子科技大学，团队博士毕业生李存波（澳门大学在站博士后）与博士研究生张舒涵为共同第一作者，团队徐鹏教授和尧德中教授为共同通讯作者。(原文链接: https://ieeexplore.ieee.org/document/10943131)。

图2. IEEE T-AFFC文章所提MMIF多尺度融合特征低维流形图表征模型框图

 　　《IEEE Transactions on Neural Networks and Learning Systems》（IEEE T-NNLS）由美国电气和电子工程师协会（IEEE）于1990年创办，旨在出版神经网络和学习系统方面的理论、设计和应用的技术性文章，是人工智能、机器学习、模式识别、机器视觉等多个研究领域的国际顶级期刊，也是中国科学院计算机科学领域Top期刊。

　　《IEEE Transactions on Affective Computing》（IEEE T-AFFC）由IEEE Computer Society正式出版于2010年，发表内容涵盖了情感计算的理论、方法、应用以及相关的交叉学科研究，旨在传播关于设计能够识别、解释和模拟人类情绪和相关情感现象的系统的研究成果，是情感计算研究领域的国际顶级期刊，也是中国科学院计算机科学领域Top期刊。

　　脑器交互（Brain-Apparatus Communications）团队是中国-古巴神经技术与脑器交互“一带一路”联合实验室（神经信息教育部重点实验室）和生命科学与技术学院的最主要的科研团队之一（https://www.neuro.uestc.edu.cn/keyan1），带头人为尧德中教授（全国人大代表，中国脑电联盟理事长，美国医学生物工程院 Fellow，中古脑器交互实验室主任，神经信息教育部重点实验室主任），团队围绕脑器交互问题，着力神经信息检测、分析技术的创新发展，以及新技术在脑功能、脑疾病的研究与调控中的探索应用。近年来，该团队先后承担了包括科技创新2030 “脑科学与类脑智能”重大项目、国家自然科学基金重点项目、863项目、973课题、重大仪器专项课题在内的重大、重点项目20多项。在国际重要学术刊物发表SCI收录论文300余篇，申请国家专利20余项，获得黄家驷生物医学工程一等奖、教育部自然科学一等奖、国际脑电图与临床神经科学学会Roy John Award等多项奖项。脑器交互团队持续以国家需求为指引，在科学研究、人才培养、国际合作和成果转化等方面作出应有贡献。