面向脑电情绪识别的脑区感知CNN-Transformer网络研究（中）

第3章 脑区感知 CNN-Transformer 网络总体架构3.1 设计动机：从三个断点到三段式第1.3节归纳的四项挑战，在本架构中被转译为三个"设计断点"的修复。断点一：结构信息在哪里注入？情绪信息的脑区聚集性（第2.1节）是可先验回答的问题，不应交给网络在小样本上从零学习。修复方式是将结构先验前置于输入组织层——在特征进入任何可学习模块之前，电极已按 10-20 解剖语义完成分组。断点二：局部与全局如何兼顾？区域内相邻电极的联合模式（如前额区内部左右不对称激活）适合 CNN 的局部归纳偏置；跨电极远距依赖（如额—颞协同）适合 Transformer 的全局注意力。修复方式是在每个脑区内并行部署双分支结构，让两类感受野各司其职，再以交叉注意力对齐融合。断点三：区域贡献如何仲裁？不同脑区对情绪判别的贡献不等且因被试、条件而异。修复方式有二：其一，区域融合模块 RFM 以注意力机制在推理层面动态加权各脑区表征；其二，区域辅助损失在优化层面为每个脑区提供监督信号，迫使各区域表征自身具备判别性，而非全部依赖融合层补救。三段式架构"脑区先验注入—双分支互补表征—区域自适应融合"由此形成。该范式的两个代表性实例——以脑区约束掩码为核心的 ACTNN[4] 与以双分支区域提取为核心的 DRFNet[5]——分别强调其中两段，本文将其统一为完整三段式框架。在展开形式化描述之前，先明确贯穿全章的三条设计原则，它们是后文所有具体决策的仲裁标准。原则一，先验优先于容量：凡结构先验能回答的问题（哪些电极相关、信息以何种粒度聚合），不交给可学习容量去重复发现——这是三段式中第一段的宪法性依据。原则二，感受野与语义粒度对齐：局部模式交给局部算子（区域内卷积），全局模式交给全局算子（注意力），融合发生在语义明确的粒度（区域）而非任意位置——这是双分支与 RFM 分工的依据。原则三，解释接口内生于结构：可解释输出（区域权重、通道注意力）必须是架构的一等公民（数据结构与损失中显式存在），而非事后附加的近似分析——这是 RFM 输出 α、区域损失监督 E_r 的依据。三条原则的价值在决策冲突时显现：例如"是否引入可学习分区"的问题，原则一直接裁决为否（分区是先验领地，学习能力应留给表征与融合）。3.2 架构形式化描述设输入为单 epoch 的 DE 特征矩阵 X ∈ ℝ^{C×F}，其中 C 为电极数（SEED 系列 C=62），F 为频带数（F=5）。第一段：脑区先验注入。定义分区函数 ρ: {1, …, C} → {1, …, N}，依据 10-20 系统将电极映射到 N 个脑区（典型 N∈[5,7]，具体分组见第4.2节）。第 r 个脑区的子矩阵为 X_r = X[ρ⁻¹®, :] ∈ ℝ^{C_r×F}，其中 ΣC_r = C。分区函数为固定先验，不含可学习参数。第二段：双分支互补表征。每个脑区 r 部署同构、参数独立的区域特征提取模块 DB-CTFEM：E_r = f_ctfem(X_r) ∈ ℝ^{d}其中 DB-CTFEM 内部由 CNN 分支（多尺度深度可分离卷积）、Transformer 分支（通道即令牌的多头自注意力，可叠加脑区约束掩码 M_r：S_r = softmax(QKᵀ/√dₖ + M_r)）与交叉注意力融合子模块构成，内部结构详见第4.3节。所有脑区共享模块结构、不共享参数——这一选择在"区域特异性建模"与"参数量控制"之间取得平衡，其消融证据见第6.2节。第三段：区域自适应融合与决策。区域融合模块 RFM 对 {E_r} 进行注意力加权聚合：α = softmax(g(E_1, …, E_N)), z = Σᵣ αᵣ E_r其中 g 为打分网络（如以区域表征序列为输入的小型注意力或 MLP）。z ∈ ℝ^d 经全连接分类头输出三分类概率 ŷ = softmax(Wz + b)。联合损失。训练目标为L = L_CE(ŷ, y) + λ · L_region其中 L_CE 为分类交叉熵；L_region 为区域级辅助损失，典型形式为对每个区域表征 E_r 单独接轻量分类头计算交叉熵后求和（或加权求和），λ 为平衡系数。L_region 的作用机制是梯度层面的：它迫使每个 DB-CTFEM 产出情绪判别性表征，避免某个脑区"搭便车"退化为噪声特征；同时其梯度经由区域头回传，与 RFM 的注意力梯度形成"双重聚焦"效应——RFM 学会"信哪个脑区"，L_region 促使"每个脑区都值得信"。复杂度概览。设 C_r ≈ C/N：Transformer 分支单区注意力复杂度为 O(C_r²·d)，N 区合计 O(C²d/N)，即较平坦全通道注意力降低约 N 倍；CNN 分支参数随区域数近似线性增长，但受益于深度可分离卷积的低参数密度，整体参数量保持在 EEG 小样本可承载范围（详细分析见第6.6节）。为便于后续章节引用，将全文核心记号汇总如下：记号含义典型取值C / F电极数 / 频带数62 / 5（SEED 系列）N脑区数5–7ρ(·)电极→脑区分区函数（固定先验）10-20 语义分组C_r第 r 区电极数7–15X_r第 r 区输入子矩阵[C_r, 5]d分支表征宽度64–128（证据 C）E_r第 r 区融合表征（DB-CTFEM 输出）[d]M_r区域注意力约束掩码{0, −∞}^{C_r×C_r}α_rRFM 区域融合权重softmax 输出z全局表征[d]L / L_CE / L_region总损失 / 交叉熵 / 区域辅助损失λ 平衡ŷ情绪类别概率[3]（SEED）3.3 端到端数据流与张量变换以 SEED 协议（C=62, F=5, N=6）为例，架构的端到端张量流规格如下表：阶段变换输出形状说明S0 原始记录采集 62 通道连续 EEG[62, T]T 为 epoch 时长采样点数S1 预处理重参考、0.5–50 Hz 带通、ICA 去伪迹[62, T]保幅域不变S2 特征提取逐通道五频带 DE[62, 5]标准化后输入网络S3 脑区映射ρ 分组（N=6）6 × [C_r, 5]C_r ∈ [7, 15] 左右S4 CNN 分支嵌入 + 多尺度深度可分离卷积