我院2023级本科生陈荣滔等的研究成果被IEEE TNSRE录用

图1：模型整体框架图

    情绪识别技术在脑机接口领域能发挥重要作用，但受限于个体差异与数据跨域特性，存在两大核心瓶颈：一是难以提取既保留情绪信息又具跨域普适性的特征，二是不同个体间的联合概率分布难对齐。为此，本论文提出了一种创新的基于强化学习的自构图多域适应网络（如图1所示），为该领域带来突破性进展。

图2：强化自构图模块详细结构

    该研究引入了强化自构图模块，基于强化学习机制，动态构建适应性图表示，精准捕捉脑电图数据特征，实现领域不变神经特征的高效提取，如图2所示。同时，开创性地提出EEG-CutMix策略，融合余弦相似性筛选相似个体、通道保留动态CutMix技术生成混合样本，并巧妙融入高斯噪声，全方位提升数据鲁棒性。

    此外，搭建增强数据驱动的PMDA框架，借助动态调度机制逐步对齐分布，配合多目标损失函数实现个体间联合概率分布精准对齐，多维度攻克技术难关。值得一提的是，该域适应框架已成功应用于南方医科大学珠江医院12位意识障碍患者的意识水平检测，为临床神经康复领域开辟全新技术路径，彰显了其在实际医疗场景中的潜力。

图3：AUC和ROC曲线

    为了直观地展示模型的分类性能，该论文绘制了模型的AUC和ROC曲线（如图3所示）。从图中可以看出，该模型展现出快速的学习能力和强大的分类性能，其AUC分数在训练过程中迅速收敛至较高水平。最终的ROC曲线也进一步验证了这一结果。具体来说，在SEED数据集上获得0.983的平均分数，在SEED-IV数据集上获得0.961的平均分数。

脑机接口的社会效益是巨大且深远的，它最直接的价值在于为医疗康复领域带来了革命性的解决方案，为数以百万计的患者带来了希望和尊严，它有望增强人类整体能力，推动科学前沿探索，并创造新的经济形态。

华师学子定不负使命，在脑机接口路上继往开来！