疾病、意外事故可能会导致上肢功能障碍,因此对于上肢功能的康复训练尤为重要。传统的上肢康复训练需要较多的医疗成本和医生的劳动成本,而且忽略了患者的感受,存在一定的局限性。基于这些问题,设计了一个基于情绪分类的上肢康复系统,通过采集患者脑电数据进行情绪分类,缓解患者消极情绪并结合受试者意愿进行康复训练,有效提高康复效果。脑电信号（Electroencephalogram,EEG）进行情绪识别的研究。设计了一种长短期记忆人工神经网络（Long Short Term Memory,LSTM）加注意力机制与卷积神经网络（Convolutional Neural Networks,CNN）并行的网络模型,以提高情绪分类的准确率。结果表明,在情绪三分类的实验中识别准确率达到了80.12%,相较于支持向量机（Support Vector Machine,SVM）和单独使用LSTM+注意力机制的网络模型分别提高了11.08%和5.97%。此外,将不同频段的脑电样本作为网络输入,情绪分类的准确率和脑电信号的频段大小成正比。基于情绪分类的低成本上肢康复训练系统。采用Unity作为虚拟康复训练场景的驱动引擎,病人可以通过控制手柄进行游戏,达到上肢康复训练的目的。在每一关结束后,使用论文设计的网络模型对受试者进行情绪识别,结合识别结果和受试者意愿来调节下一关游戏的难度,并且游戏的音乐可以根据患者的喜好进行添加或者修改,让病人在一个愉悦的心情下进行康复治疗。在LSTM加注意力机制与CNN并行的情绪识别框架和Unity设计的康复训练游戏的基础上,对乳腺癌术后患者进行了为期一个月的上肢康复训练。实验结果表明,在识别患者消极情绪并缓解的实验组中,DASH简表评分降低,优于对照组,证明了基于情绪分类的上肢康复实验的可行性和有效性。