Nghiên cứu này tập trung vào việc ứng dụng kỹ thuật học sâu, cụ thể là mạng neural tích chập (CNN), để nhận dạng cảm xúc con người dựa trên tín hiệu điện não (EEG). Dữ liệu EEG được thu thập từ các đối tượng tham gia thí nghiệm kích thích cảm xúc, sau đó được tiền xử lý và trích xuất đặc trưng không gian-thời gian. Mô hình CNN được thiết kế với các lớp tích chập và pooling nhằm tự động học các mẫu đặc trưng phức tạp từ tín hiệu não bộ. Kết quả thực nghiệm cho thấy mô hình đề xuất đạt độ chính xác cao trong việc phân loại các trạng thái cảm xúc cơ bản như vui, buồn, tức giận và thư giãn, vượt trội hơn so với các phương pháp học máy truyền thống. Nghiên cứu khẳng định tiềm năng của CNN trong việc giải mã cảm xúc từ tín hiệu sinh học, mở ra hướng ứng dụng trong giao diện não-máy tính và hỗ trợ chẩn đoán sức khỏe tâm thần.