Dissertation/ Thesis
EEG-Driven Brain–Computer Musical Interfaces for Emotion Self-Induction
| Τίτλος: | EEG-Driven Brain–Computer Musical Interfaces for Emotion Self-Induction |
|---|---|
| Συγγραφείς: | Monroy D'Croz, Pablo Andrés |
| Thesis Advisors: | Ramírez, Rafael, Céspedes Guevara, Julián |
| Πηγή: | TDX (Tesis Doctorals en Xarxa) |
| Στοιχεία εκδότη: | Universitat Pompeu Fabra, 2026. |
| Έτος έκδοσης: | 2026 |
| Φυσική περιγραφή: | 324 p. |
| Θεματικοί όροι: | Interfície cervell-ordinador, Brain Computer Interface, Interfaz cerebro-computadora, Neurofeedback EEG en temps real, Real-Time EEG Neurofeedback, Neurofeedback EEG en tiempo real, Autoinducció emocional, Emotion self-induction, Autoinducción emocional, Generació algorítmica de música, Algorithmic music generation, Generación algorítmica de música |
| Περιγραφή: | Aquesta tesi investiga si la generació de música adaptativa en temps real impulsada per senyals neuronals pot facilitar l’autoinducció voluntària d’estats emocionals. Per abordar aquesta qüestió, es va dissenyar una interfície musical cervell–ordinador afectiva (BCMI) minimalista que estima els estats emocionals a partir d’un EEG prefrontal de dos canals (AF7–AF8) i genera música algorítmica dins d’una arquitectura de retroalimentació en bucle tancat. El sistema integra adquisició d’EEG en temps real, estimació de l’afecte i síntesi musical generativa utilitzant maquinari accessible i programari de codi obert. Es van implementar i comparar quatre paradigmes de detecció emocional dins d’un marc experimental unificat: la Hipòtesi d’Activitat Frontal Asimètrica (AFAH), un Perceptró Multicapa (MLP), un model d’aprenentatge profund que combina EEGNet i LSTM, i l’Anàlisi Discriminant Lineal (LDA). Mitjançant quatre experiments amb 82 participants, el sistema es va avaluar per determinar la seva capacitat per facilitar l’autoinducció emocional. La tesi aporta un sistema BCMI modular, un marc de programari de codi obert, conjunts de dades EEG multimodals públics i la primera comparació sistemàtica entre enfocaments deterministes i d’aprenentatge automàtic per a la generació musical guiada per emocions en una interfície musical cervell–ordinador en bucle tancat. |
| Description (Translated): | Esta tesis investiga si la generación adaptativa de música en tiempo real, impulsada por señales neuronales, puede apoyar la autoinducción emocional voluntaria. Para abordar esta cuestión, se diseñó una interfaz cerebro–computador musical afectiva (BCMI) de carácter minimalista que estima estados emocionales a partir de EEG prefrontal de dos canales (AF7–AF8) y genera música algorítmica dentro de una arquitectura de retroalimentación en bucle cerrado. El sistema integra la adquisición de EEG en tiempo real, la estimación del afecto y la síntesis de música generativa utilizando hardware accesible y software de código abierto. Se implementaron y compararon cuatro paradigmas de detección emocional dentro de un marco experimental unificado: la Hipótesis de la Actividad Frontal Asimétrica (AFAH), un Perceptrón Multicapa (MLP), un modelo de aprendizaje profundo que combina capas EEGNet y LSTM, y el Análisis Discriminante Lineal (LDA). A lo largo de cuatro experimentos con la participación de 82 sujetos, el sistema fue evaluado en cuanto a su capacidad para facilitar la autoinducción emocional. La tesis aporta un aparato BCMI modular, un marco de software de código abierto, conjuntos de datos multimodales de EEG de acceso público, y la primera comparación sistemática entre enfoques deterministas y de aprendizaje automático para la generación de música guiada por emociones en una interfaz cerebro–computador musical de bucle cerrado. This thesis investigates whether real-time adaptive music generation driven by neural signals can support voluntary emotional self-induction. To address this question, a minimalist affective brain–computer musical interface (BCMI) was designed that estimates emotional states from two-channel prefrontal EEG (AF7–AF8) and generates algorithmic music in a closed-loop feedback architecture. The system integrates real-time EEG acquisition, affect estimation, and generative music synthesis using accessible hardware and open-source software. Four emotion detection paradigms were implemented and compared within a unified experimental framework: the Asymmetric Frontal Activity Hypothesis (AFAH), a Multilayer Perceptron (MLP), a deep learning model combining EEGNet and LSTM layers, and Linear Discriminant Analysis (LDA). Across four experiments involving 82 participants, the system was evaluated for its capacity to facilitate emotional self-induction. The thesis contributes a modular BCMI apparatus, an open-source software framework, publicly available multimodal EEG datasets, and the first systematic comparison of deterministic and machine-learning approaches for emotion-driven music generation in a closed-loop brain–computer music interface. Universitat Pompeu Fabra. Doctorat en Tecnologies de la Informació i les Comunicacions |
| Τύπος εγγράφου: | Dissertation/Thesis |
| Περιγραφή αρχείου: | application/pdf |
| Γλώσσα: | English |
| Σύνδεσμος πρόσβασης: | https://hdl.handle.net/10803/698411 |
| Rights: | L'accés als continguts d'aquesta tesi queda condicionat a l'acceptació de les condicions d'ús establertes per la següent llicència Creative Commons: http://creativecommons.org/licenses/by/4.0/ |
| Αριθμός Καταχώρησης: | edstdx.10803.698411 |
| Βάση Δεδομένων: | TDX |
| Η περιγραφή δεν είναι διαθέσιμη |