基于fNIRS的恐惧情绪分级研究

功能性近红外光谱技术（fNIRS）能够实现对恐惧情绪的分级。文中设计情绪诱发范式,并对恐惧程度进行分级,将恐惧水平分为三级（无恐惧、弱恐惧和强恐惧）。其次,采集20位受试者在三种情绪诱发视频下的fNIRS实验数据,采用支持向量机（SVM）、K近邻算法（KNN）和随机森林（RF）等三种算法作为分类器,提取fNIRS领域常用统计学特征和熵特征进行比较研究。结果表明,常用统计学特征最高准确率达到84%,而通过集合经验模态分解（EEMD）分解的模糊熵（FuEn）特征最终获得的准确率高达93.98%。研究结果表明,通过EEMD分解的FuEn是一种相较于常用统计学特征更加优秀的恐惧情绪分级特征,可为后续其他情绪的分级奠定基础。