Artigo de investigação
Este estudo construiu um modelo de aprendizado profundo usando sinais de EEG e familiaridade musical para prever a preferência de gêneros musicais. Os dados foram coletados com um dispositivo Muse S de baixo custo e analisados usando um modelo CNN+RNN e um modelo EEGNet. A familiaridade melhorou significativamente a precisão, chegando a 99%, mostrando seu valor substancial na previsão de preferências.
Com o aumento da prevalência de problemas de saúde mental, a musicoterapia ganhou destaque como uma intervenção não farmacológica, e técnicas de aprendizado profundo mostraram potencial no reconhecimento de emoções musicais e na previsão de preferências. Este estudo construiu um modelo profundo de rede neural (CNN+RNN/EEGNet) para identificar de forma eficiente preferências de tipo musical e examinar a influência da familiaridade do usuário na precisão das predições. Os sinais de EEG foram coletados usando um dispositivo vestível Muse S de quatro canais, e as pontuações de familiaridade do usuário foram usadas como recursos de entrada. O estudo seguiu um fluxo de trabalho em quatro etapas: preparação, desenho experimental, construção do modelo e análise de resultados. No desenho experimental, a música foi categorizada em rock, balada e folk, e dados de EEG e classificações de familiaridade foram coletados para cada categoria. Os dados foram treinados e testados usando modelos CNN+RNN ou EEGNet, e o desempenho do modelo foi avaliado por meio de validação cruzada 10 vezes em nível de sujeito. Os resultados indicaram que prever todos os tipos de música apenas com dados de EEG atingiu uma precisão de 82,28 ± 3,42%. Para tipos musicais individuais, as precisões foram 91,13 ± 3,60% (rock), 91,83 ± 2,07% (balada) e 87,87 ± 4,76% (folk). Ao incorporar a familiaridade do usuário como recurso e usar uma saída de avaliação multinível, a precisão geral das previsões aumentou para 94,94 ± 1,61%, enquanto a precisão dos tipos musicais individuais atingiu 99,15 ± 1,56% (rock), 98,51 ± 2,30% (balada) e 98,21 ± 2,60% (folk). Esses resultados demonstram que combinar características de familiaridade com um sistema de pontuação multinível melhora significativamente a previsão das preferências musicais. Ao usar um dispositivo Muse S EEG acessível e vestível e aproveitar a familiaridade do usuário, este estudo desenvolveu com sucesso um modelo de rede neural profunda altamente eficaz (CNN+RNN/EEGNet) para reconhecer preferências de tipos musicais. Os resultados indicam que tanto as previsões gerais quanto individuais do tipo musical se beneficiam da inclusão de informações de familiaridade, destacando o potencial dessa abordagem para recomendações musicais personalizadas e aplicações de musicoterapia.
A música desempenha um papel significativo na vida humana, e o uso generalizado de plataformas online tornou a audição musical uma atividade rotineira diária. Além do entretenimento, a música funciona como uma ferramenta terapêutica que promove o relaxamento, reduz a dor e apoia indivíduos com condições de desenvolvimento. A preferência musical influencia diretamente tanto os resultados terapêuticos quanto as respostas emocionais. Estudos anteriores mostram que a música preferida melhora o desempenho físico, como resistência e capacidade de sprint1, e reduz o estresse e a dor2. Também é uma intervenção importante para idosos, na qual as preferências individuais influenciam a eficácia dotratamento 3,4. A música preferida também demonstrou reduzir as frequências cardíacas e respiratórias, promovendo o relaxamento. Além disso, a preferência musical melhora a precisão da previsão deemoções 5, fortalece as respostasemocionais 6 e aprimora o desempenho do modelo de aprendizado de máquina, aumentando a precisão da previsão de 53,18% para 71,09%. A exposição repetida aumenta ainda mais a preferência, independentemente do viésinicial 7.
Apesar desses achados, estudos existentes sobre previsão de preferências musicais continuam limitados por amostras pequenas, faixas etárias estreitas e insuficiente consideração da familiaridade dos usuários. Essas limitações reduzem a generalização do modelo e a aplicabilidade prática. Incorporar fatores específicos do usuário, como familiaridade, continua sendo uma abordagem pouco explorada para melhorar o desempenho das previsões.
O reconhecimento de emoções musicais (EMR) tornou-se uma área ativa de pesquisa, e sua precisão é influenciada pela preferência musical e familiaridade 8,9,10,11. Os participantes fornecem avaliações emocionais mais consistentes quando expostos a músicas familiares e preferidas, e aumentar a familiaridade melhora a precisão do reconhecimento tanto em ambientes experimentais quantoeducacionais 12,13,14,15,16,17. Esses achados destacam a familiaridade como um fator crítico tanto no reconhecimento emocional quanto na previsão de preferências.
O aprendizado profundo, baseado em redes neurais artificiais, permite a extração automática de características de alta dimensão e demonstra um reconhecimento de padrões mais forte do que os modelossuperficiais 18,19,20. Técnicas de aprendizado profundo também têm sido amplamente aplicadas a tarefas relacionadas à música, incluindo classificação de gêneros, reconhecimento de sinais e sistemas personalizados derecomendação 21,22,23,24,25,26. A eletroencefalografia (EEG) é amplamente utilizada para medir a atividade elétrica cerebral em bandas de frequência (Tabela 1) para análise cognitiva eemocional 27,28. A integração do EEG com o aprendizado profundo fornece uma estrutura eficaz para capturar respostas neurais às preferências musicais.
Sistemas tradicionais de EEG frequentemente exigem eletrodos à base de gel e equipamentos de alto custo, limitando sua aplicabilidade em ambientes reais. Dispositivos vestíveis de EEG com eletrodos secos oferecem uma alternativa prática, oferecendo redução de custo, melhor usabilidade e maior flexibilidade. O dispositivo Muse S registra sinais de regiões cerebrais chave (TP9, TP10, AF7, AF8) a 256 Hz, permitindo aquisição de dados confiável e escalável tanto para experimentos controlados quanto para aplicações do mundo real.
Este estudo aborda as limitações identificadas combinando sinais de EEG com recursos de familiaridade com o usuário para prever preferências musicais usando modelos de aprendizado profundo. As arquiteturas CNN+RNN e EEGNet são usadas para extrair tanto características tempo-frequência quanto dependências temporais, permitindo uma representação melhor dos sinais de EEG em comparação com abordagens tradicionais. O estudo testa duas hipóteses: (1) a familiaridade com a música do usuário melhora a precisão da previsão de preferências baseada em EEG; (2) modelos específicos de gênero (rock, lírico e folk) superam os modelos treinados em categorias mistas.
Uma coorte de 30 adultos saudáveis com distribuição equilibrada de gênero foi incluída. Embora o tamanho limitado da amostra e o uso do EEG de quatro canais restrinjam a generalização e a resolução do sinal, integrar recursos de familiaridade com modelos de aprendizado profundo permite um desempenho robusto de previsão. Os objetivos são classificar gêneros musicais e realizar previsões individuais para cada categoria, além de incorporar a familiaridade do usuário como um recurso para aumentar a precisão das previsões.
Acesso restrito. Inicie sessão ou comece um teste para visualizar este conteúdo.
Este estudo foi realizado de acordo com as diretrizes do Comitê de Ética da Universidade de Quzhou. O protocolo de pesquisa foi aprovado pelo Conselho de Revisão Institucional (IRB) da Universidade de Quzhou sob o número de aprovação QZU-IRB-2026-037. Todos os participantes forneceram consentimento informado antes de serem incluídos no estudo.
Preparação experimental e recrutamento de participantes
O experimento consistiu em quatro etapas (Figura 1): preparação, desenho experimental, construção do modelo e análise de resultados. Na fase de preparação, os objetivos da pesquisa foram definidos com base em uma revisão da literatura sobre musicoterapia, aquisição de dados de EEG e modelos de aprendizado profundo. Na fase de desenho experimental, 30 participantes saudáveis foram recrutados para realizar tarefas de escuta musical. Sinais de EEG e avaliações de familiaridade musical foram registrados. Os dados de EEG foram padronizados e segmentados em janelas de 2048 amostras com 1024 amostras sobrepostas. As características de familiaridade foram combinadas com dados de EEG como entradas do modelo. Dois modelos, CNN+RNN e EEGNet, foram construídos. Camadas CNN extraíram características tempo-frequência, e o LSTM bidirecional capturou dependências temporais. Uma camada totalmente conectada com função softmax de ativação foi usada para classificação. Os modelos eram treinados com um tamanho de lote de 50 para 30 épocas usando o otimizador Adam. Foram aplicados abandonos e paradas antecipadas. O desempenho foi avaliado principalmente usando a Precisão como métrica reportada, com métricas de Precisão, Recordação e pontuação F1 também calculadas para avaliação adicional.
Ambiente experimental e configuração de equipamentos
O experimento foi realizado em uma sala silenciosa e fechada, livre de interferências externas, com a temperatura do ambiente mantida em 27 °C. O seguinte equipamento era utilizado: um dispositivo de EEG (Muse S, InteraXon Inc.), um sistema de EEG de quatro canais (TP9, AF7, AF8, TP10) com taxa de amostragem de 256 Hz; Fones finais E3000 intra-auriculares; e um computador de aquisição de dados rodando o SDK Muse e a Camada de Streaming de Laboratório (LSL).
Antes de cada sessão experimental, as superfícies de contato auditivo dos fones eram limpas com álcool para garantir a higiene e reduzir o risco de contaminação cruzada. O headset Muse S foi instalado em cada participante, garantindo contato estável entre os quatro eletrodos secos (TP9, AF7, AF8, TP10) e a pele. Se a qualidade do sinal fosse ruim, a posição da faixa era ajustada até que sinais estáveis fossem obtidos. Os participantes foram sentados em uma cadeira confortável com suporte para as costas e instruídos a manter os olhos fechados, evitar falar e minimizar grandes movimentos corporais durante o experimento.
Preparação de estímulos musicais
Três gêneros musicais foram preparados: rock, lírica (balada) e música folclórica. Cada gênero incluía três canções chinesas, totalizando nove músicas. Para controlar diferenças de familiaridade musical, músicas de cada gênero foram selecionadas segundo os seguintes critérios: uma canção antiga; uma música popular atual (da parada Top Songs do Spotify); e uma música nova (da parada de novos lançamentos do Spotify).
Cada música foi editada em um segmento de áudio padronizado, começando pela introdução, seguido pelo verso e terminando no primeiro refrão, com duração total de 90–130 s. Um identificador único era atribuído a cada música (por exemplo, R1–R3, B1–B3, F1–F3) para rotulagem de dados subsequentes e gerenciamento de arquivos.
Procedimento experimental e registro de questionários
Antes do experimento formal, um teste de volume era realizado reproduzindo um clipe de áudio de teste. Os participantes ajustaram o volume para um nível claro, confortável e não excessivamente alto, mantendo-o constante durante todo o experimento. A ordem de reprodução das nove músicas era randomizada (por exemplo, usando uma tabela de números aleatórios ou randomização por software) para reduzir os efeitos de ordem. Todos os participantes completaram as tarefas de escuta musical de forma independente. Cada segmento musical era apresentado da introdução ao primeiro refrão, com duração de 90 a 130 segundos. Um período de descanso de 30 segundos era concedido entre as músicas. Durante esse intervalo, os participantes preencheram um questionário de familiaridade usando uma plataforma online (Questionnaire Star). Os participantes avaliaram sua familiaridade com cada música usando uma escala Likert de cinco pontos (1 = completamente desconhecido; 5 = muito familiar). O rótulo de preferência do participante para cada música foi registrado (0 = não gostar; 1 = curtir) de acordo com o esquema de classificação binária pré-definido. O procedimento experimental completo está ilustrado na Figura 2.
Aquisição de EEG e registro de dados
Os dados do EEG eram adquiridos usando o SDK oficial do Muse e transmitidos via Lab Streaming Layer (LSL). Os dados EEG correspondentes a cada música eram salvos como arquivos de Valores Separados por Vírgulas (CSV), contendo no mínimo os seguintes campos: carimbo de tempo (milissegundos); sinais EEG brutos de quatro canais (TP9, AF7, AF8, TP10); pontuação de familiaridade registrada manualmente (1–5); e o rótulo de preferência (0/1). Uma convenção consistente de nomeação de arquivos foi usada (por exemplo, S01_R1.csv, indicando participante 01 e música rock 1) para facilitar o processamento automatizado e a rastreabilidade.
Pré-processamento de dados, normalização e janelas
Os sinais de EEG eram gravados usando um dispositivo de EEG Muse S de quatro canais com taxa de amostragem de 256 Hz, e programas personalizados eram desenvolvidos usando o kit oficial de desenvolvimento. Os dados brutos do EEG eram adquiridos pela Camada de Streaming do Laboratório (LSL) e salvos no formato CSV. Os arquivos CSV incluíam as seguintes colunas: carimbo de tempo (milissegundos), valores de EEG de quatro canais (TP9, AF7, AF8, TP10), classificações de familiaridade musical do usuário (1–5) e classificações de preferência musical do usuário.
O número total de entradas de dados corresponde a múltiplas janelas geradas para cada participante e cada peça musical, resultando em um conjunto de dados de grande escala dependendo do esquema de janelas. No experimento original, a preferência musical foi representada como um rótulo binário (0 = não gostar, 1 = gostar), o que pode levar a uma precisão artificialmente alta e a uma generalização limitada do modelo.
Para melhorar a importância prática da tarefa de previsão, os rótulos de preferência foram convertidos em uma escala de avaliação multinível: 0 = Discordar fortemente; 1 = Discordar; 2 = Neutro; 3 = Concordo; 4 = Concordo plenamente.
Antes do aprendizado de máquina, os dados eram padronizados e segmentados em janelas de 2048 amostras cada, com 1024 amostras sobrepondo-se entre janelas adjacentes para preservar a continuidade temporal. Além disso, a ampliação de dados foi aplicada para aumentar o número de amostras de treinamento e reduzir o risco de sobreajuste.
Arquitetura do modelo
O modelo de pesquisa consistia em três camadas convolucionais, três camadas de agrupamento e uma camada totalmente conectada. Max pooling era usado para seleção de características, dropout era aplicado para reduzir o overfitting, e a saída final era gerada usando uma camada de classificação softmax. Cada janela de entrada incluía sinais EEG de quatro canais (2048 amostras por janela) e um recurso de familiaridade. A produção representava uma classificação de preferência de cinco classes. A arquitetura é mostrada na Figura 3, e os parâmetros do modelo estão delineados na Tabela 2.
Treinamento de modelos e validação cruzada
O conjunto de dados foi dividido aleatoriamente em 80% para treinamento e 20% para testes. A validação cruzada dez vezes foi aplicada, com um subconjunto usado para validação e os nove restantes para treinamento em cada iteração. Esse processo foi repetido dez vezes, e os resultados foram agregados. Os hiperparâmetros de treinamento foram definidos da seguinte forma: Épocas = 30; Tamanho do lote = 50; Otimizador = Adam; Função de perda = cruzamento categórico; Métrica de avaliação = Precisão. O desempenho do modelo foi registrado sob condições apenas EEG e EEG + familiaridade, tanto para todos os gêneros combinados quanto para gêneros individuais.
Métodos de análise estatística
A análise de dados foi realizada usando Python 3.10 com TensorFlow 2.12, Keras 2.12 e MNE-Python 1.3. O processamento e a análise de dados foram realizados usando Pandas 2.1 e NumPy 1.26. Métricas de desempenho da validação cruzada 10 vezes foram agregadas, e valores de média e desvio padrão foram calculados. Comparações estatísticas entre condições foram realizadas usando testes t pareados ou testes de Wilcoxon com patente gestual, com nível de significância de P < 0,05.
Acesso restrito. Inicie sessão ou comece um teste para visualizar este conteúdo.
O desempenho do modelo foi avaliado sob duas condições: (1) apenas recursos de EEG e (2) recursos de EEG combinados com familiaridade musical. A classificação foi realizada tanto para categorias musicais combinadas quanto para categorias individuais (rock, lírico e folk).
A Tabela 3 apresenta os resultados obtidos usando apenas características de EEG, enquanto a Tabela 4 apresenta resultados obtidos usando características de EEG combinadas com...
Acesso restrito. Inicie sessão ou comece um teste para visualizar este conteúdo.
Estudos anteriores sobre a previsão de preferência musical baseada em EEG basearam em grande parte em sistemas multicanais, limitando a aplicação prática 21,22,23,24,25,26. Neste estudo, um dispositivo vestível de EEG de quatro canais (Muse S) alcançou desempenho comparável quando combinado c...
Acesso restrito. Inicie sessão ou comece um teste para visualizar este conteúdo.
O autor não tem conflitos de interesse a revelar.
O autor agradece com gratidão o apoio e as facilidades proporcionadas pela instituição de pesquisa durante o curso deste estudo. Agradecimentos especiais são enviados à equipe do laboratório pela assistência nos procedimentos técnicos.
Acesso restrito. Inicie sessão ou comece um teste para visualizar este conteúdo.
| Nome | Empresa | Número de catálogo | Comentários |
|---|---|---|---|
| Lenços alcoólicos | Qualquer fornecedor padrão | N/A | Usado para limpar fones de ouvido entre participantes |
| Computador de aquisição de dados | Qualquer fabricante padrão | N/A | Executa o SDK Muse e a Camada de Streaming de Laboratório (LSL) |
| EEG headset (Muse S) | InteraXon Inc. | https://choosemuse.com/muse-s/ | Dispositivo vestível de EEG de quatro canais (TP9, AF7, AF8, TP10) |
| Fones de ouvido in-ear Final E3000 | Design Final de Áudio | https://snext-final.com/en/products/detail/E3000 | Usado para reprodução de áudio durante experimentos |
| Software da Camada de Streaming de Laboratório (LSL) | Código aberto | https://github.com/sccn/labstreaminglayer | Usado para transmissão de dados de EEG |
| Muse SDK | InteraXon Inc. | https://developer.choosemuse.com/ | Uso para aquisição de dados de EEG |
| Questionnaire Star (plataforma online) | Changsha Ranxing Information Technology Co., Ltd. | https://www.wjx.cn/ | Usado para coleta de dados de familiaridade |
| Python 3.10 | Fundação de Software Python | https://www.python.org/downloads/ | Usado para processamento e análise de dados |
| TensorFlow 2.12 | https://www.tensorflow.org/ | Estrutura de aprendizado profundo | |
| Keras 2.12 | https://keras.io/ | API de rede neural | |
| MNE-Python 1.3 | Código aberto | https://mne.tools/stable/index.html | Análise de dados de EEG |
| NumPy 1.26 | Código aberto | https://numpy.org/ | Computação numérica |
| Pandas 2.1 | Código aberto | https://pandas.pydata.org/ | Manipulação de dados |
Acesso restrito. Inicie sessão ou comece um teste para visualizar este conteúdo.
Solicitar permissão para reutilizar o texto ou as figuras deste artigo JoVE
Solicitar permissão