新上线今天0 投票
I²RiMA：基于脑电信号的心理压力检测——频谱黎曼表示与时序注意力机制
研究背景：跨被试脑电压力检测的挑战
心理压力检测在脑机接口（BCI）领域具有重要应用，但跨被试（cross-subject）EEG信号分析仍面临两大难题：压力相关的神经模式既具有个体依赖性，又表现出频率特异性。传统黎曼几何方法主要在时域建模空间协方差，忽略了与高级认知状态解码密切相关的神经振荡（如α、β节律）。而标准的时间分片（tokenization）往往破坏切片间的时序连贯性，导致信息丢失。
方法创新：I²RiMA 网络架构
针对上述问题，来自中国的科研团队提出了 I²RiMA（Intra-Inter Riemannian Manifold Attention Network），一种结合频谱黎曼表示与时空注意力机制的EEG压力检测方法。其核心创新点包括：
- 逐频率点空间协方差建模：在每个频率点上独立构建空间协方差矩阵，并映射到对称正定（SPD）切空间，从而保留通道间的几何结构以及频率特异性判别信息。
- 频率簇聚合：通过数据驱动的聚类方法，将信息丰富的频谱成分聚合为紧凑的频率簇，这些簇与脑电节律（如δ、θ、α、β、γ波）自然对应，有效降低冗余。
- 内-外切片注意力模块：自适应地融合局部切片级的频谱动态与全局时序上下文，在保持时序连贯性的同时捕捉长期依赖。
实验结果与性能
研究者在三个公开数据集上进行了验证，与五种最先进基线方法相比，I²RiMA 取得了82.78%的平衡准确率（balanced accuracy），同时模型参数仅1.60M，浮点运算量（FLOPs）为31.95M，展现了高效性与鲁棒性。
行业意义与未来方向
该工作为情感计算与精神健康监测提供了新的技术路径。传统黎曼方法在EEG分类中受限于时域建模，而I²RiMA通过引入频谱维度与注意力机制，显著提升了跨被试泛化能力。未来，该架构有望扩展到实时压力监测系统、可穿戴脑机接口等场景，并可能结合多模态生理信号（如心率、皮电）进一步提升准确性。
论文发表于 arXiv:2607.01279，作者包括 Cheng He、Kunyu Peng 等。