本研究では、EEG（脳波）信号から感情を認識するために、CNN-Transformerアーキテクチャを用いた高度な感情分類モデルを開発しました。このモデルは、ポジティブ、ニュートラル、ネガティブの3つの感情状態を効果的に区別し、91％のテスト精度を達成しました。従来のモデル（SVM、DNN、ロジスティック回帰など）を上回るパフォーマンスを示しています。モデルのトレーニングには、SEED、SEED-FRA、SEED-GERリポジトリからのデータを統合したカスタムデータセット（1,455サンプル）を使用し、文化的に多様なコレクションを構築しました。さらに、使用するEEG電極は62個中5個に減らすことができ、手頃な価格の消費者向けEEGヘッドセットの導入を可能にしています。この進展は、メディア内容消費による気分変化の研究や、医療、ウェルネス、在宅医療プラットフォームへの統合を通じて、感情モニタリングの新しい可能性を開くものです。特に、伝統的な行動の手がかりが失われる状況での精神的健康診断と介入方法を変革する可能性を秘めています。