I²RiMA：基於腦電圖訊號的心理壓力檢測中的頻譜黎曼表示與時間注意力機制

近日，一項發表於arXiv上的研究（論文編號：2607.01279）提出了一種名為I²RiMA的新型神經網路，旨在解決基於腦電圖（EEG）訊號的跨被試心理壓力檢測難題。該研究指出，傳統的黎曼方法主要是在時域中建模空間協方差，這忽略了對於高階認知狀態解碼至關重要的神經振盪資訊；而標準的時間序列標記化方法往往會被壞時間切片之間的連貫性。為了克服這些限制，I²RiMA網路首先在每個頻率點上獨立構建空間協方差矩陣，並將其對映到對稱正定（SPD）切空間，從而保留通道間的幾何結構以及頻率特定的判別特徵。接著，網路引入頻率聚類聚合模組，該模組透過形成與腦電圖節律（如δ、θ、α、β等）對齊的緊湊資料驅動頻率聚類，選擇資訊豐富的頻譜成分並減少冗餘。最後，一個幀內-幀間注意力模組被用來自適應地整合EEG序列中的區域性切片級頻譜動態和全域性時間上下文。研究者在三個公開資料集上進行了評估，結果表明I²RiMA在平衡準確率上最高達到82.78%，並且僅使用了1.60M引數和31.95M次浮點運算，顯著優於五個現有的最先進基線模型。該論文由Cheng He等五位作者共同撰寫，並於2026年7月1日提交至arXiv的機器學習子領域。實驗中使用的三個資料集分別來自不同的實驗正規化，涵蓋了多個被試和壓力誘發任務，從而驗證了方法的泛化能力。這項工作為腦電圖壓力檢測提供了新的技術路徑，有望推動心理健康監測領域的發展，特別是在可穿戴裝置的即時壓力監測中具有應用潛力。