脑机百科消息(bciwiki.com)，一项发表于《Sensors》2026年8月13日的新研究提出，基于脑电（EEG）的情绪识别框架在受试者依赖评估中达到最高0.88的准确率，但受试者无关的评估接近随机水平，凸显个体差异的挑战。该研究由泰国瓦莱岚大学（Walailak University）的研究团队完成，旨在探索情感脑机接口（BCI）的可行性。研究在效价-唤醒模型下，使用经过验证的情感视频片段建立预定义情绪状态，并通过器乐旋律诱发的EEG反应进行评估。团队系统评估了离散小波变换（DWT）、功能连接（FC）和有效连接（EC）三种特征及其组合，使用五种机器学习分类器。结果显示，DWT在受试者依赖评估中准确率最高（0.88），组合特征集次之（0.84）。然而，留一受试者交叉验证（LOSO）在所有特征域中表现接近随机水平（0.23-0.30），表明跨受试者泛化困难。
通过使用25%-75%的受试者特定校准数据进行少样本适配，受试者无关性能显著提升，其中功能连接特征在75%校准数据下达到最高0.77。研究结论认为，该框架在预定义情感条件下展示了EEG情绪识别的可行性，为未来个性化情感脑机接口系统的开发奠定了基础。