Articolo di ricerca
Questo studio ha costruito un modello di deep learning utilizzando segnali EEG e familiarità musicale per prevedere la preferenza di genere musicale. I dati sono stati raccolti con un dispositivo Muse S a basso costo e analizzati utilizzando un modello CNN+RNN e un modello EEGNet. La familiarità ha migliorato significativamente la precisione, raggiungendo fino al 99%, dimostrando il suo notevole valore nella previsione delle preferenze.
Con la crescente diffusione dei problemi di salute mentale, la musicoterapia ha attirato l'attenzione come intervento non farmacologico, e le tecniche di deep learning hanno mostrato promettenti nel riconoscimento delle emozioni musicali e nella previsione delle preferenze. Questo studio ha costruito un modello di rete neurale profonda (CNN+RNN/EEGNet) per identificare in modo efficiente le preferenze di tipo musicale ed esaminare l'influenza della familiarità dell'utente sull'accuratezza delle previsioni. I segnali EEG sono stati raccolti utilizzando un dispositivo indossabile Muse S a quattro canali, e i punteggi di familiarità dell'utente sono stati utilizzati come funzionalità di input. Lo studio ha seguito un flusso di lavoro in quattro fasi: preparazione, progettazione sperimentale, costruzione del modello e analisi dei risultati. Nel disegno sperimentale, la musica è stata classificata in rock, ballata e folk, e sono stati raccolti dati EEG e valutazioni di familiarità per ogni categoria. I dati sono stati addestrati e testati utilizzando modelli CNN+RNN o EEGNet, e le prestazioni del modello sono state valutate tramite validazione incrociata a livello di soggetto a 10 volte. I risultati indicarono che la previsione di tutti i tipi di musica con i soli dati EEG ha ottenuto un'accuratezza dell'82,28 ± del 3,42%. Per i singoli tipi musicali, le accuratezze erano 91,13 ± 3,60% (rock), 91,83 ± 2,07% (ballata) e 87,87 ± 4,76% (folk). Incorporando la familiarità con l'utente come funzione e utilizzando un output di valutazione multilivello, l'accuratezza complessiva delle previsioni è aumentata a 94,94 ± 1,61%, mentre le accuratezze individuali dei tipi musicali hanno raggiunto 99,15 ± 1,56% (rock), 98,51 ± 2,30% (ballata) e 98,21 ± 2,60% (folk). Questi risultati dimostrano che combinare le caratteristiche familiari con un sistema di punteggio multilivello migliora significativamente la previsione delle preferenze musicali. Utilizzando un dispositivo EEG Muse S indossabile e accessibile e sfruttando la familiarità dell'utente, questo studio ha sviluppato con successo un modello di rete neurale profonda altamente efficace (CNN+RNN/EEGNet) per riconoscere le preferenze di tipo musicale. I risultati indicano che sia le previsioni complessive che individuali sul tipo musicale traggono beneficio dall'inclusione di informazioni di familiarità, evidenziando il potenziale di questo approccio per raccomandazioni musicali personalizzate e applicazioni di musicoterapia.
La musica gioca un ruolo significativo nella vita umana e l'uso diffuso delle piattaforme online ha reso l'ascolto della musica un'attività quotidiana di routine. Oltre all'intrattenimento, la musica funziona come uno strumento terapeutico che favorisce il rilassamento, riduce il dolore e supporta le persone con condizioni di sviluppo. La preferenza musicale influenza direttamente sia gli esiti terapeutici sia le risposte emotive. Studi precedenti mostrano che la musica preferita migliora la performance fisica, come la resistenza e la capacità di sprint1, e riduce stress e dolore2. È anche un intervento importante per gli anziani, in cui le preferenze individuali influenzano l'efficacia del trattamento 3,4. La musica preferita ha anche dimostrato di abbassare le frequenze cardiache e respiratorie, favorendo il rilassamento. Inoltre, la preferenza musicale migliora l'accuratezza della previsione delleemozioni 5, rafforza le risposteemotive 6 e migliora le prestazioni dei modelli di machine learning, aumentando l'accuratezza della previsione dal 53,18% al 71,09%. L'esposizione ripetuta aumenta ulteriormente la preferenza indipendentemente dal biasiniziale 7.
Nonostante questi risultati, gli studi esistenti sulla previsione delle preferenze musicali restano limitati da campioni ridotti di dimensioni, fascie d'età ristrette e insufficiente considerazione della familiarità degli utenti. Queste limitazioni riducono la generalizzabilità del modello e l'applicabilità pratica. Incorporare fattori specifici per l'utente, come la familiarità, rimane un approccio poco esplorato per migliorare le prestazioni delle previsioni.
Il riconoscimento delle emozioni musicali (EMR) è diventato un campo di ricerca attivo, e la sua accuratezza è influenzata dalla preferenza e dalla familiaritàmusicale 8,9,10,11. I partecipanti forniscono valutazioni emotive più coerenti quando sono esposti a musica familiare e preferita, e aumentare la familiarità migliora la precisione del riconoscimento sia in contesti sperimentali cheeducativi 12,13,14,15,16,17. Questi risultati evidenziano la familiarità come fattore critico sia nel riconoscimento delle emozioni sia nella previsione delle preferenze.
Il deep learning, basato su reti neurali artificiali, consente l'estrazione automatica di caratteristiche ad alta dimensione e dimostra un riconoscimento di pattern più forte rispetto ai modellisuperficiali 18,19,20. Le tecniche di deep learning sono state ampiamente applicate anche a compiti legati alla musica, inclusa la classificazione dei generi, il riconoscimento del segnale e i sistemi di raccomandazionepersonalizzati 21,22,23,24,25,26. L'elettroencefalografia (EEG) è ampiamente utilizzata per misurare l'attività elettrica cerebrale attraverso bande di frequenza (Tabella 1) per analisi cognitive ed emotive27,28. L'integrazione dell'EEG con il deep learning fornisce un quadro efficace per catturare le risposte neurali alle preferenze musicali.
I sistemi EEG tradizionali spesso richiedono elettrodi a base di gel e attrezzature ad alto costo, limitandone l'applicabilità in contesti reali. I dispositivi EEG indossabili con elettrodi a secco offrono un'alternativa pratica, offrendo costi ridotti, maggiore usabilità e maggiore flessibilità. Il dispositivo Muse S registra segnali da regioni cerebrali chiave (TP9, TP10, AF7, AF8) a 256 Hz, consentendo un'acquisizione di dati affidabile e scalabile sia per esperimenti controllati che per applicazioni reali.
Questo studio affronta le limitazioni identificate combinando segnali EEG con caratteristiche di familiarità con l'utente per prevedere le preferenze musicali utilizzando modelli di deep learning. Le architetture CNN+RNN ed EEGNet sono utilizzate per estrarre sia le caratteristiche tempo-frequenza sia le dipendenze temporali, consentendo una migliore rappresentazione dei segnali EEG rispetto agli approcci tradizionali. Lo studio testa due ipotesi: (1) la familiarità con la musica da parte degli utenti migliora l'accuratezza della previsione delle preferenze basate sull'EEG; (2) i modelli specifici per genere (rock, lirico e folk) superano quelli addestrati su categorie miste.
È stata inclusa una coorte di 30 adulti sani con una distribuzione equilibrata di genere. Sebbene la dimensione limitata del campione e l'uso dell'EEG a quattro canali limitino la generalizzazione e la risoluzione del segnale, l'integrazione delle caratteristiche di familiarità con i modelli di deep learning consente prestazioni di previsione robuste. Gli obiettivi sono classificare i generi musicali ed eseguire previsioni individuali per ogni categoria, e incorporare la familiarità dell'utente come funzione per migliorare la precisione delle previsioni.
Accesso limitato. Accedi o avvia una prova gratuita per visualizzare questo contenuto.
Questo studio è stato condotto in conformità con le linee guida del Comitato Etico dell'Università di Quzhou. Il protocollo di ricerca è stato approvato dal Consiglio di Revisione Istituzionale (IRB) dell'Università di Quzhou con il numero di approvazione QZU-IRB-2026-037. Tutti i partecipanti hanno fornito il consenso informato prima della loro inclusione nello studio.
Preparazione sperimentale e reclutamento dei partecipanti
L'esperimento è stato composto da quattro fasi (Figura 1): preparazione, progettazione sperimentale, costruzione del modello e analisi dei risultati. Nella fase di preparazione, gli obiettivi della ricerca sono stati definiti sulla base di una revisione della letteratura sulla musicoterapia, l'acquisizione dati EEG e i modelli di deep learning. Nella fase di progettazione sperimentale, sono stati reclutati 30 partecipanti sani per svolgere compiti di ascolto musicale. Sono stati registrati segnali EEG e valutazioni di familiarità musicale. I dati EEG sono stati standardizzati e suddivisi in finestre di 2048 campioni con sovrapposizione di 1024 campioni. Le caratteristiche di familiarità sono state combinate con dati EEG come input del modello. Furono costruiti due modelli, CNN+RNN ed EEGNet. I livelli CNN estraevano le caratteristiche tempo-frequenza e la LSTM bidirezionale catturava le dipendenze temporali. Per la classificazione veniva utilizzato uno strato completamente connesso con funzione di attivazione softmax. I modelli venivano addestrati con una dimensione di lotto di 50 per 30 epoche utilizzando l'ottimizzatore Adam. Furono applicati l'abbandono e la fermata anticipata. Le prestazioni sono state valutate principalmente utilizzando la Precisione come metrica riportata, con anche metriche di Precisione, Richiamo e punteggio F1 calcolate per ulteriori valutazioni.
Ambiente sperimentale e configurazione delle apparecchiature
L'esperimento fu condotto in una stanza chiusa e silenziosa, libera da interferenze esterne, con la temperatura della stanza mantenuta a 27 °C. Veniva utilizzato il seguente apparecchiatura: un dispositivo EEG (Muse S, InteraXon Inc.), un sistema EEG a quattro canali (TP9, AF7, AF8, TP10) con una frequenza di campionamento di 256 Hz; Cuffie in-ear Final E3000; e un computer di acquisizione dati che esegue il Muse SDK e il Lab Streaming Layer (LSL).
Prima di ogni sessione sperimentale, le superfici a contatto delle cuffie venivano pulite con alcol per garantire l'igiene e ridurre il rischio di contaminazione incrociata. Il visore Muse S è stato montato su ciascun partecipante, garantendo un contatto stabile tra tutti e quattro gli elettrodi asciutti (TP9, AF7, AF8, TP10) e la pelle. Se la qualità del segnale era scarsa, la posizione della fascia veniva regolata fino a ottenere segnali stabili. I partecipanti sono stati seduti su una sedia comoda con supporto per la schiena e hanno ricevuto istruzioni per tenere gli occhi chiusi, evitare di parlare e minimizzare i grandi movimenti del corpo durante l'esperimento.
Preparazione degli stimoli musicali
Furono preparati tre generi musicali: rock, lirica (ballata) e folk. Ogni genere comprendeva tre canzoni cinesi, per un totale di nove canzoni. Per controllare le differenze di familiarità musicale, le canzoni di ogni genere venivano selezionate secondo i seguenti criteri: una vecchia canzone; una canzone popolare attuale (dalla classifica Spotify Top Songs); e una nuova canzone (dalla classifica Spotify New Releases).
Ogni brano veniva montato in un segmento audio standardizzato, a partire dall'introduzione, seguito dalla strofa e terminando al primo ritornello, con una durata totale di 90–130 secondi. A ogni canzone veniva assegnato un identificatore unico (ad esempio, R1–R3, B1–B3, F1–F3) per l'etichettatura successiva dei dati e la gestione dei file.
Procedura sperimentale e registrazione del questionario
Prima dell'esperimento formale, veniva condotto un test di volume riproducendo un clip audio di prova. I partecipanti hanno regolato il volume a un livello chiaro, confortevole e non eccessivamente alto, mantenendolo costante durante tutto l'esperimento. L'ordine di riproduzione delle nove canzoni era randomizzato (ad esempio, usando una tabella dei numeri casuali o randomizzazione software) per ridurre gli effetti di ordine. Tutti i partecipanti completarono autonomamente i compiti di ascolto musicale. Ogni segmento musicale veniva presentato dall'introduzione fino al primo ritornello, con una durata di 90–130 secondi. Era previsto un periodo di riposo di 30 secondi tra una canzone e l'altra. Durante questo intervallo, i partecipanti hanno compilato un questionario di familiarità utilizzando una piattaforma online (Questionnaire Star). I partecipanti valutavano la loro familiarità con ogni brano utilizzando una scala Likert di cinque punti (1 = completamente estraneo; 5 = molto familiare). L'etichetta di preferenza del partecipante per ogni brano veniva registrata (0 = dislike; 1 = like) secondo lo schema di classificazione binaria predefinito. La procedura sperimentale completa è illustrata nella Figura 2.
Acquisizione EEG e registrazione dei dati
I dati EEG venivano acquisiti utilizzando l'SDK ufficiale di Muse e trasmessi in streaming tramite il Lab Streaming Layer (LSL). I dati EEG corrispondenti a ogni canzone venivano salvati come file CSV (Comma-Separated Values), contenenti almeno i seguenti campi: timestamp (millisecondi); segnali EEG grezzi da quattro canali (TP9, AF7, AF8, TP10); punteggio di familiarità registrato manualmente (1–5); e l'etichetta di preferenza (0/1). È stata utilizzata una convenzione coerente di denominazione dei file (ad esempio, S01_R1.csv, che indica partecipante 01 e canzone rock 1) per facilitare l'elaborazione automatica e la tracciabilità.
Preelaborazione dei dati, normalizzazione e finestre
I segnali EEG venivano registrati utilizzando un dispositivo EEG Muse S a quattro canali con una frequenza di campionamento di 256 Hz, e programmi personalizzati venivano sviluppati utilizzando il kit di sviluppo ufficiale. I dati EEG grezzi venivano acquisiti tramite il Lab Streaming Layer (LSL) e salvati in formato CSV. I file CSV includevano le seguenti colonne: timestamp (millisecondi), valori EEG a quattro canali (TP9, AF7, AF8, TP10), valutazioni di familiarità musicale degli utenti (1–5) e valutazioni di preferenza musicale degli utenti.
Il numero totale di dati corrisponde a più finestre generate per ogni partecipante e ogni pezzo musicale, risultando in un dataset su larga scala a seconda dello schema di finestre. Nell'esperimento originale, la preferenza musicale era rappresentata come un'etichetta binaria (0 = dispiace, 1 = piace), il che può portare a un'accuratezza artificialmente alta e a una generalizzazione limitata del modello.
Per migliorare il significato pratico del compito di previsione, le etichette di preferenza sono state convertite in una scala di valutazione multilivello: 0 = Fortemente in disaccordo; 1 = Non sono d'accordo; 2 = Neutrale; 3 = Concordo; 4 = Fortemente d'accordo.
Prima del machine learning, i dati erano standardizzati e segmentati in finestre di 2048 campioni ciascuna, con 1024 campioni che si sovrapponevano tra finestre adiacenti per preservare la continuità temporale. Inoltre, è stato applicato l'aumento dei dati per aumentare il numero di campioni di addestramento e ridurre il rischio di sovrafitting.
Architettura del modello
Il modello di ricerca era composto da tre strati convoluzionali, tre strati di pooling e uno strato completamente connesso. Il pool max veniva utilizzato per la selezione delle caratteristiche, il dropout veniva applicato per ridurre l'overfitting e l'output finale veniva generato utilizzando uno strato di classificazione softmax. Ogni finestra di ingresso includeva segnali EEG a quattro canali (2048 campioni per finestra) e una funzione di familiarità. Il risultato rappresentava una valutazione di preferenze di cinque classi. L'architettura è mostrata nella Figura 3, e i parametri del modello sono delineati nella Tabella 2.
Addestramento del modello e validazione incrociata
Il dataset è stato suddiviso casualmente in 80% per l'addestramento e 20% per i test. È stata applicata una validazione incrociata di dieci volte, con un sottoinsieme usato per la validazione e i restanti nove per l'addestramento in ogni iterazione. Questo processo fu ripetuto dieci volte e i risultati furono aggregati. Gli iperparametri di addestramento erano impostati come segue: Epoche = 30; Dimensione del lotto = 50; Ottimizzatore = Adam; Funzione di perdita = entropia incrociata categorica; Metrica di valutazione = Accuratezza. La performance del modello veniva registrata solo in EEG e in condizioni di familiarità EEG +, sia per tutti i generi combinati sia per i singoli generi.
Metodi di analisi statistica
L'analisi dei dati è stata condotta utilizzando Python 3.10 con TensorFlow 2.12, Keras 2.12 e MNE-Python 1.3. L'elaborazione e l'analisi dei dati sono state effettuate utilizzando Pandas 2.1 e NumPy 1.26. Le metriche di performance della validazione incrociata a 10 volte sono state aggregate, e sono state calcolate le medie e i valori di deviazione standard. I confronti statistici tra le condizioni sono stati effettuati utilizzando test t accoppiati o test Wilcoxon con rango firmato, con un livello di significatività di P < 0,05.
Accesso limitato. Accedi o avvia una prova gratuita per visualizzare questo contenuto.
Le prestazioni del modello sono state valutate in due condizioni: (1) solo caratteristiche EEG e (2) caratteristiche EEG combinate con familiarità musicale. La classificazione veniva effettuata sia per categorie musicali combinate che per singole categorie musicali (rock, lirica e folk).
La Tabella 3 presenta i risultati ottenuti utilizzando solo le caratteristiche EEG, mentre la Tabella 4 presenta i risultati ottenuti utilizzando caratteristi...
Accesso limitato. Accedi o avvia una prova gratuita per visualizzare questo contenuto.
Studi precedenti sulla previsione delle preferenze musicali basate sull'EEG si sono basati in gran parte su sistemi multicanale, limitando l'applicazionepratica 21,22,23,24,25,26. In questo studio, un dispositivo EEG indossabile a quattro canali (Muse S) ha raggiunto prestazioni comparabili q...
Accesso limitato. Accedi o avvia una prova gratuita per visualizzare questo contenuto.
L'autore non ha conflitti di interesse da divulgare.
L'autore ringrazia con gratitudine il supporto e le strutture fornite dall'istituto di ricerca durante il corso di questo studio. Un ringraziamento speciale è rivolto al personale del laboratorio per l'assistenza nelle procedure tecniche.
Accesso limitato. Accedi o avvia una prova gratuita per visualizzare questo contenuto.
| Nome | Azienda | Numero di catalogo | Commenti |
|---|---|---|---|
| Salviette alcolici | Qualsiasi fornitore standard | N/A | Usate per pulire le cuffie tra i partecipanti |
| Computer per l'acquisizione dati | Qualsiasi produttore standard | N/A | Esegue Muse SDK e Lab Streaming Layer (LSL) |
| Visore EEG (Muse S) | InteraXon Inc. | https://choosemuse.com/muse-s/ | Dispositivo EEG indossabile a quattro canali (TP9, AF7, AF8, TP10) |
| Cuffie in-ear Final E3000 | Progetto Audio Finale | https://snext-final.com/en/products/detail/E3000 | Utilizzato per la riproduzione audio durante l'esperimento |
| Software Lab Streaming Layer (LSL) | Open-source | https://github.com/sccn/labstreaminglayer | Utilizzato per lo streaming di dati EEG |
| Muse SDK | InteraXon Inc. | https://developer.choosemuse.com/ | Utilizzato per l'acquisizione di dati EEG |
| Questionnaire Star (piattaforma online) | Changsha Ranxing Information Technology Co., Ltd. | https://www.wjx.cn/ | Utilizzato per la raccolta di dati di familiarità |
| Python 3.10 | Python Software Foundation | https://www.python.org/downloads/ | Utilizzato per l'elaborazione e l'analisi dei dati |
| TensorFlow 2.12 | https://www.tensorflow.org/ | Framework per il deep learning | |
| Keras 2.12 | https://keras.io/ | API di reti neurali | |
| MNE-Python 1.3 | Open-source | https://mne.tools/stable/index.html | Analisi dei dati EEG |
| NumPy 1.26 | Open-source | https://numpy.org/ | Calcolo numerico |
| Pandas 2.1 | Open-source | https://pandas.pydata.org/ | Manipolazione dei dati |
Accesso limitato. Accedi o avvia una prova gratuita per visualizzare questo contenuto.
Richiedi il permesso di riutilizzare il testo o le figure di questo articolo JoVE
Richiedi permesso