近日，智能康复系统感知与控制国际联合研究中心研究生杨勇同学与王文昊老师、施开波老师、谢远伦老师、周楠老师等合作完成的研究论文《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》正式发表。该期刊为中科院一区 TOP 期刊，2025 年影响因子达 8.0，是智能与工程应用领域的权威学术平台。

情绪识别作为心理健康监测、智能人机交互的核心技术，脑电信号（EEG）因能真实反映大脑活动，成为情绪识别的关键研究载体。针对现有方法忽视 “大脑不同区域承担不同情绪功能” 的神经科学事实、难以充分挖掘区域深层特征的痛点，研究团队创新性提出双流区域特征学习与自适应融合网络（DRFNet）。

该方法的核心突破的包括：

1. 将脑电通道映射至七个功能区域，通过 CNN 分支提取局部空间特征，Transformer 分支建模全局依赖关系；

2. 借助交叉注意力实现单脑区两类信息的高效融合，通过区域特征融合模块（RFM）动态衡量各脑区重要性；

3. 设计区域损失函数，约束模型聚焦关键区域、抑制噪声干扰。

经实验验证，在 SEED、SEED-IV、SEED-V、SEED-VII 四个国际公开 EEG 数据集上的验证，DRFNet 展现出具备竞争力的识别性能，为智能康复领域的情绪监测、人机交互优化提供了一个新的技术方案。

本成果由杨勇同学作为第一作者完成，施开波老师、谢远伦老师、周楠老师担任共同通讯作者，为研究提供全面指导。该成果的发表不仅彰显了中心研究生扎实的科研能力与创新思维，也体现了中心在智能康复与脑机接口交叉领域的研究实力。

未来，中心将持续支持师生开展高水平科研创新，鼓励跨学科合作，推动更多成果在国际权威平台产出，为智能康复技术发展注入源源不断的动力！

论文链接：https://doi.org/10.1016/j.engappai.2025.113250

一  审： 周   楠

二  审： 罗浚溢

三  审： 施开波