近期，上海交通大学郑伟龙副教授团队在电气与电子工程师协会(The Institute of Electrical and Electronics Engineers, IEEE)情感计算汇刊（IEEE Transactions on Affective Computing）发表的题为《Identifying Stable Patterns over Time for Emotion Recognition from EEG》的论文荣获最佳论文（Best of IEEE Transactions on Affective Computing Paper Collection）。该奖项由情感计算汇刊编委会从2019年至2021年间发表在该汇刊上论文中评选得出，122篇论文中共有6篇论文获评最佳论文。

该论文利用机器学习方法研究了在情感脑-计算机接口中情绪脑电模式随时间变化的稳定特性。对于基于脑电信号的情绪识别任务，是否存在稳定的脑电模式是一个研究空白。为解决这个问题，该研究首先设计了跨时间的多次情绪诱发实验，之后在两个公开的脑电情感数据集DEAP和SEED上系统地评估了不同的脑电特征提取、特征平滑以及模式分类方法。最后，情绪识别的实验结果表明，脑电的稳定模式在不同实验中具有一致性。在beta和gamma频段，两侧颞叶区对积极情绪的激活高于消极情绪。中性情绪的神经模式在顶叶和枕叶有更高的alpha反应。对于负面情绪，神经模式在顶叶和枕叶部位有明显更高的 delta 反应，在前额叶部位有更高的gamma反应。脑电神经模式在不同时间实验中相对稳定。这一结论为使用脑电信号构建情感脑-计算机接口提供了数据有效性的理论保证。

上图：正面、中性和负面情绪脑电模式随时间变化的模式

下图：正面、中性和负面情绪分类的脑电信号关键脑区

该论文在正式发表之前，曾以“智能机器与人类沟通时如何识别情绪变化？中国团队给出答案”为题，被麻省理工科技评论报道。目前该论文在谷歌学术上被引306次，位列情感计算汇刊最受欢迎下载论文第11位，是ESI高被引论文。情感计算汇刊是情感计算领域国际上的顶级期刊，2020年的影响因子为10.5。

郑伟龙副教授团队多年来一直致力于情感脑-计算机接口的研究，在情感脑-计算机接口的基础理论，模型与算法，实验设计以及临床医学应用等方面取得了一系列进展与突破。该团队设计开发的情感脑电数据集SEED（SJTU Emotion EEG Dataset，https://bcmi.sjtu.edu.cn/~seed/）是目前国际上开展情感脑-计算机接口研究最常用的两个标准脑电数据集之一，包括三类情绪数据集SEED、四类情绪数据集SEED-IV、五类情绪数据集SEED-V以及警觉度数据集SEED-VIG。到目前为止，来自全球61个国家、770余所大学（包括哈佛大学、MIT、剑桥大学和清华大学）的2400余个实验室申请使用SEED数据集。

W.L. Zheng, J.Y. Zhu and B.L. Lu, "Identifying Stable Patterns over Time for Emotion Recognition from EEG," in IEEE Transactions on Affective Computing, vol. 10, no. 3, pp. 417-429, 1 July-Sept. 2019, doi: 10.1109/TAFFC.2017.2712143.