使用 EEG 与眼动进行自然情境下的情绪识别

基于摘要分析。本研究针对刺激诱发式情绪采集范式与日常情绪体验可能存在偏差的问题，提出让情绪自发产生、由参与者自主决定记录起止时间并提供情绪标签的实验范式，探索 EEG 与眼动信号用于自然情境情绪识别的可行性。 数据与范式：作者在三个月期间招募六名被试，每名被试参与多次记录。记录不受特定实验活动限制，重点在于采集自然产生的情绪，而非仅依赖预设刺激。摘要未说明情绪类别、标签采集时点、各类样本分布、记录时长及 EEG 与眼动的具体采集和预处理流程，这些信息尚未验证。 方法与结果：作者使用 EEG 和眼动信号，在被试内及跨被试设置下开展识别。作者报告，在被试内 EEG 单模态条件下，attentive simple graph convolutional network（ASGC）取得所比较模型中的最高 Accuracy，为 76.32%；在跨被试 EEG 单模态条件下，domain adversarial neural network（DANN）优于其他比较模型，平均 Accuracy 为 71.90%。这两项结果对应不同评估协议，不宜直接比较。摘要未提供眼动单模态或多模态融合结果，也未交代 ASGC 的图构建与注意力机制、DANN 的域适应训练设置及对照模型细节。 证据边界与复现条件：作者据此认为自然情境情绪识别具有可行性，但六名被试的数据尚不足以据此确认广泛人群或长期使用中的稳健性。复现需核对标签定义与一致性、记录会话如何划分训练和测试数据、跨被试评估是否使用目标被试数据，以及样本量和类别分布对 Accuracy 的影响。实验协议、消融及统计信息尚未验证；数据与代码是否公开也尚未验证。