近日，做爱视频 杨勇同学与王文昊、施开波（导师）、谢远伦、周楠等合作完成的科研论文A dual-stream regional feature learning and adaptive fusion method for electroencephalogram-based emotion recognition 在国际知名期刊 Engineering Applications of Artificial Intelligence （中国科学院一区top期刊，2025年影响因子8.0）正式发表。该研究围绕基于脑电信号（EEG）的情绪识别展开，针对现有方法在脑区建模与特征融合方面的不足，提出一个双流区域特征学习与自适应融合网络（DRFNet），在多项公开基准数据集上取得领域内领先的识别精度。

情绪识别在心理健康监测、人机交互等方向具有广泛应用潜力。EEG 信号因可真实反映大脑活动，被认为是最具价值的情绪识别途径之一。然而，大多数现有方法忽视了“大脑不同区域承担不同情绪功能”这一神经科学事实，难以充分挖掘区域深层特征。针对这一问题，研究团队提出DRFNet，将脑电通道映射至七个功能区域，并从区域内部深度提取局部与全局特征，再通过注意力机制实现重要脑区的自适应融合。论文中指出：

· CNN 分支提取脑区的局部空间特征

· Transformer 分支建模脑区的全局依赖关系

· 交叉注意力实现单个脑区的两类信息有效融合

· 区域特征融合模块（RFM）动态衡量每个脑区的重要性，融合所有脑区信息

· 区域损失函数约束模型关注关键区域、抑制噪声干扰

该模型在 SEED、SEED-IV、SEED-V、SEED-VII 四个国际公开 EEG 数据集上取得优异表现。

该成果由做爱视频 2023级计算机科学与技术专业研究生杨勇同学作为第一作者完成，施开波、谢远伦、周楠老师作为共同通讯作者对研究提供了全面指导。

文章链接：//doi.org/10.1016/j.engappai.2025.113250