Riconoscimento delle emozioni da EEG: evidenze del contributo emisferico mediante tecniche di pattern recognition ed intelligenza artificiale

This thesis investigates the role of brain hemispheric activity in emotion recognition using EEG signals from the publicly available DEAP dataset. EEG data were preprocessed using a filter bank to isolate sub-bands within standard frequency ranges (theta, alpha, beta, gamma), followed by the application of Common Spatial Patterns (CSP) to extract spatial features. The classification of emotional states—such as valence and arousal—was carried out using Artificial Neural Networks (ANN), with a unique approach that analyzes each hemisphere and each emotional label separately. To address class imbalance, oversampling techniques were applied. Classification performance was evaluated across different sub-bands, highlighting frequency-specific and hemisphere-specific contributions to emotion recognition. Additionally, a frontal alpha asymmetry analysis was conducted as a complementary validation of the right hemisphere dominance theory in emotional processing. The results support the importance of hemispheric specialization and spectral characteristics in EEG-based emotion classification.

Questa tesi esplora il ruolo dell’attività emisferica cerebrale nel riconoscimento delle emozioni attraverso l’analisi di segnali EEG, utilizzando il dataset pubblico DEAP. I dati EEG sono stati pre-processati tramite un banco di filtri per isolare sotto-bande all’interno delle frequenze standard (theta, alfa, beta, gamma), seguiti dall’applicazione dei Common Spatial Patterns (CSP) per l’estrazione delle caratteristiche spaziali. La classificazione degli stati emotivi—come valenza e attivazione—è stata realizzata con reti neurali artificiali (ANN), adottando un approccio che analizza separatamente ciascun emisfero e ciascuna etichetta emotiva. È stato utilizzato l’oversampling per gestire lo sbilanciamento delle classi. Le prestazioni della classificazione sono state valutate in base alle diverse sotto-bande, evidenziando l’importanza della specificità spettrale ed emisferica. Infine, è stata effettuata un’analisi dell’asimmetria alfa frontale come verifica complementare della teoria della dominanza dell’emisfero destro nell’elaborazione delle emozioni. I risultati ottenuti confermano il ruolo della specializzazione emisferica e delle caratteristiche spettrali nella classificazione EEG delle emozioni.