19 Novembre 2026

Psicologia Punto One | Psicologia e Psicologi nel Web

Menu

Menu

SCHEDA SCIENTIFICA2026Altra ricerca

Un modello efficiente di rete neurale convoluzionale per la classificazione di stati affettivi positivi da dati EEG considerando la condizione del sonno.

Titolo originaleAn efficient convolutional neural network model for classifying positive affective states from EEG data considering sleep condition.

Mustafa Kemal Gazan, Sanam Moghaddamnia, M Gokhan Habiboglu

Journal of neuroscience methods · 2026

PER COMPRENDERE LO STUDIO

Sintesi in italiano

L'articolo presenta un modello avanzato per la classificazione degli stati affettivi positivi basato su dati EEG, integrando la variabile della condizione del sonno. Dato che la privazione del sonno modifica le caratteristiche EEG, gli autori hanno sviluppato un framework in due fasi. Prima, classificano la condizione del sonno distinguendo tra "Sonno Normale" (NS) e "Senza Sonno" (SD) tramite dati EEG in stato di riposo. Successivamente, i dati vengono processati da due reti neurali convoluzionali leggere appositamente progettate per riconoscere quattro stati affettivi. I risultati mostrano che nella prima fase la rete CNN-BiLSTM raggiunge una accuratezza del 95.96% con uno splitting a livello di finestra e del 70.46% in una validazione incrociata soggetto-indipendente a 5 fold; nella seconda fase i modelli proposti ottengono il 93.40% (NS) e il 90.95% (SD) con splitting a finestra, mentre le accuratezze soggetto-indipendenti si attestano intorno al 38.98% (NS) e 38.97% (SD). Questa diminuzione è attribuibile allo sbilanciamento delle classi e alla vicinanza dei punteggi ai confini delle classi, che complica la generalizzazione cross-soggetto a quattro classi. Il lavoro si distingue rispetto a studi precedenti che solitamente non considerano la condizione del sonno e ha validato il proprio framework confrontandolo con modelli noti come SqueezeNet, EEGNet, ShallowConvNet, SVM e Random Forest. Pur limitato nell'accuratezza soggetto-indipendente, il metodo offre uno strumento promettente per la ricerca in neuroscienze affettive integrando stati fisiologici variabili come il sonno.

Sintesi generata con IA. Verifica metodi, risultati e limiti nella pubblicazione originale.

Abstract e pubblicazione originale

L’abstract è consultabile nella fonte originale. Non viene ripubblicato qui perché non risulta verificata una licenza compatibile.

Leggi nella fonte originale ↗

Parole chiave

elettroencefalogrammastati affettiviprivazione del sonnoreti neurali convoluzionaliclassificazionedeep learningneuroscienze affettivemachine learningsoggetto-indipendenteaccuratezza

Come citare questo studio

Mustafa Kemal Gazan, Sanam Moghaddamnia, M Gokhan Habiboglu. (2026). An efficient convolutional neural network model for classifying positive affective states from EEG data considering sleep condition.. Journal of neuroscience methods. DOI: 10.1016/j.jneumeth.2026.110937

Consulta la pubblicazione originale ↗