بررسي الكتروانسفالوگرام شبكه موثّر مغز انسان در حين گوش‌دادن به موسيقي به‌منظور تشخيص احساسات

Investigating the EEG effective networks of the human brain for identification of music related emotions

در پژوهش حاضر شبكه‌هاي موثرمغزي مرتبط با احساسات شادي و غم در حين گوش‌كردن به موسيقي مورد مطالعه قرار مي‌گيرند. الگوي ارتباط بين نواحي مختلف كانال‌هاي EEG با استفاده از مدل‌سازي خودبازگشتي چندمتغيره و كوهرنس جهت‌دار جزيي درحالي‌كه داوطلبان به موسيقي گوش فرا داده‌اند استخراج شد. به‌عنوان محرك از موسيقي كلاسيك و سنتي ايراني استفاده شد. داوطلبان در حين گوش‌دادن به موسيقي با استفاده از يك نرم‌افزار، قطعه مورد نظر را از لحاظ محتواي احساسي مورد مطالعه قرار دادند. از نتايج اين ارزيابي براي طبقه‌بندي قطعات استفاده شد. ماتريس‌هاي ارتباط متناظر، تفاوت‌هايي را در حين گوش‌دادن به قطعات شاد و غمگين نشان دادند. همچنين پارامترهاي ارتباط كه از بخش‌هاي مشخصي از ماتريس‌هاي متناظر استخراج شده بودند، همبستگي معناداري را با ارزيابي شخصي افراد از محتواي احساسي قطعات، دارا بودند. ميزان جاذبه گزارش‌شده توسط افراد در حين گوش‌كردن به قطعات شاد، با انديس‌هاي ورودي به كانال‌هاي به‌خصوص ناحيه فرنتال، همبستگي مثبتي نشان داد. اين مساله در مورد قطعات غمگين برعكس بود (مقادير همبستگي منفي بودند). درنهايت با توجه به نتايج به‌دست آمده به‌نظر مي‌رسد مي‌توان از انديس‌هاي مربوط به ارتباط نواحي مختلف جهت شناسايي درك احساسي افراد از موسيقي استفاده كرد.

In this paper we investigate the brain effective networks corresponding to listening to happy and sad music. The connectivity patterns between EEG electrodes were extracted using multivariable autoregressive modeling and partial directed coherence, while participants listened to musical excerpts. Both classical and Iranian music were used as stimuli. The volunteers expressed their self-assessment using software. The results were utilized for classifying the musical excerpts. The corresponding connectivity matrices illustrated variations from happy to sad music. Also the extracted parameters from specific locations of the matrices demonstrated meaningful correlations with the subjective assessments of the emotional content of music pieces. The expressed valence was positively correlated with the input indices to the frontal channels, while this correlation was negative for sad excerpts. The proposed indices can be used for identifying the emotional perception of music pieces.