DECODING HUMAN EMOTIONS THROUGH INTERACTIVE EEG ANALYSIS

Navigating the intricate landscape of human emotions is central to enhancing interpersonal communication, informing behavioral studies, and shaping informed decisions. Neuroimaging technologies, especially Electroencephalography (EEG), have provided a gateway for scientists to unlock and comprehend emotional states from the neurological activities. This narrative delineates an exhaustive exploration into the formulation of an Emotion Recognition System, underpinned by EEG data, and its tangible deployment through Python and a specialized Muse interface adapted for mobile applications. The fulcrum of this exploration is the creation of a holistic package, a fusion of advanced processing, nuanced analysis, and interpretation of EEG data harnessed through a 4-electrode helmet, brought to life on a mobile application interface. A synergy of enhanced preprocessing methodologies, potent feature extraction modalities, and adept machine learning algorithms ensures the robust classification of emotional states, with a focal emphasis on user adaptability, systematic extensibility, and compatibility with prevailing EEG data formats and mobile ecosystems. The thesis unveils a Python-based application that stands as a testament to the pragmatic adaptation of the Emotion Recognition Package. Equipped with real-time data streaming and processing capacities, facilitated by mobile application development in Flutter, it opens a window for users to observe and analyze their emotional states in real-time. Customizability stands at its core, offering researchers a toolkit tailored to align with distinct experimental paradigms. The validation phase immerses the Emotion Recognition System in the rigorous environment of Politecnico's sisinflab EEG datasets and empirical experiments. A meticulous assessment of the system's precision, resilience, and operational efficiency is undertaken, juxtaposed with an analytical review of assorted feature extraction and classification methodologies. This exhaustive appraisal illuminates both the strengths and the areas ripe for refinement within the proposed paradigm. In summation, this narrative is a significant stride in the emotion recognition trajectory, unveiling an EEG-based Emotion Recognition Package and a tailored Python application. This amalgamation of technological innovation and practical application is poised to be a beacon in psychology, neurology, human-computer interaction, and affective computing. As the narrative of EEG-informed emotion recognition unfolds, this scholarly contribution is positioned as a cornerstone, a nexus where technology meets emotion, and data narrates the silent, yet profound tales of the human emotional odyssey.

Navigare nel complesso panorama delle emozioni umane è fondamentale per migliorare la comunicazione interpersonale, informare gli studi comportamentali e plasmare decisioni informate. Le tecnologie di neuroimaging, in particolare l'Elettroencefalografia (EEG), hanno fornito un passaggio per gli scienziati per sbloccare e comprendere gli stati emotivi dalle attività neurologiche. Questa narrazione delinea un'esplorazione esaustiva nella formulazione di un Sistema di Riconoscimento delle Emozioni, basato sui dati EEG, e la sua tangibile implementazione tramite Python e un'interfaccia Muse adattata per applicazioni mobili. Il fulcro di questa esplorazione è la creazione di un pacchetto olistico, una fusione di elaborazione avanzata, analisi sfumata e interpretazione dei dati EEG raccolti attraverso un casco a 4 elettrodi, portato alla vita su un'interfaccia di applicazione mobile. Una sinergia di metodologie di preprocessing migliorate, modalità potenti di estrazione delle caratteristiche e algoritmi di machine learning adeguati garantisce la robusta classificazione degli stati emotivi, con un'enfasi focale sull'adattabilità dell'utente, l'estensibilità sistematica e la compatibilità con i formati di dati EEG prevalenti e gli ecosistemi mobili. La tesi svela un'applicazione basata su Python che si presenta come una testimonianza dell'adattamento pragmatico del Pacchetto di Riconoscimento delle Emozioni. Dotata di capacità di streaming e elaborazione dei dati in tempo reale, facilitata dallo sviluppo di applicazioni mobili in Flutter, apre una finestra per gli utenti per osservare e analizzare i loro stati emotivi in tempo reale. La personalizzazione è al suo centro, offrendo ai ricercatori un kit di strumenti adattato per allinearsi con paradigmi sperimentali distinti. La fase di validazione immerge il Sistema di Riconoscimento delle Emozioni nell'ambiente rigoroso dei dataset EEG di sisinflab del Politecnico e degli esperimenti empirici. Un'attenta valutazione della precisione, resilienza e efficienza operativa del sistema è intrapresa, giustapposta con una recensione analitica di metodologie assortite di estrazione delle caratteristiche e classificazione. Questa valutazione esaustiva illumina sia i punti di forza che le aree pronte per il perfezionamento all'interno del paradigma proposto. In sintesi, questa narrazione rappresenta un passo significativo nella traiettoria del riconoscimento delle emozioni, svelando un Pacchetto di Riconoscimento delle Emozioni basato su EEG e un'applicazione Python su misura. Questa amalgama di innovazione tecnologica e applicazione pratica è pronta a essere un faro in psicologia, neurologia, interazione uomo-computer e informatica affettiva. Mentre si svolge la narrazione del riconoscimento delle emozioni basato su EEG, questo contributo accademico è posizionato come una pietra miliare, un nexus dove la tecnologia incontra l'emozione, e i dati raccontano le storie silenziose, ma profonde dell'odissea emotiva umana.