FingerFlex: Inferring Finger Trajectories from ECoG signals

Declaración del Problema
El desarrollo de interfaces cerebro-computadora (BCI) motoras depende de la decodificación precisa de series temporales neuronales para reconstruir la información relacionada con el movimiento, específicamente trayectorias continuas de los dedos. Si bien los métodos invasivos como los registros de unidad única ofrecen una alta resolución, son altamente invasivos. Los métodos no invasivos como el EEG carecen de resolución espacial debido a la fuga de señal. La electrocorticografía (ECoG) ofrece un punto intermedio con resolución espacial y calidad de señal superiores, pero requiere implantación quirúrgica. El desafío específico abordado en este trabajo es la decodificación de trayectorias continuas de flexión de los dedos de una dimensión únicamente a partir de señales de ECoG registradas en la corteza sensorimotora. Las soluciones existentes varían desde la regresión lineal con una selección rigurosa de características hasta diversas arquitecturas de aprendizaje profundo (por ejemplo, LSTM, CNN estándar), pero persiste la necesidad de modelos que puedan aproximar dependencias de orden superior en datos neuronales con mayor precisión.

Metodología
Los autores proponen FingerFlex, una arquitectura de codificador-decodificador convolucional adaptada para la regresión del movimiento de los dedos. La metodología comprende tres etapas principales:

1. Preprocesamiento de Datos y Extracción de Características:

   • Señales de ECoG: Los datos brutos de ECoG (muestreados a 1000 Hz) se someten a estandarización y resta de la mediana. Un filtro de paso de banda (40–300 Hz) aisla los componentes gamma y high-gamma, mientras que un filtro de parada de banda elimina los armónicos de la red eléctrica de 50 Hz.
   • Representación Tiempo-Frecuencia: En lugar de utilizar series temporales brutas, los autores emplean la convolución con wavelets de Morlet complejas (40 núcleos, espaciados logarítmicamente de 40–300 Hz) para extraer envolventes de tiempo-frecuencia.
   • Remuestreo y Escalamiento: La señal se remuestrea de 1000 Hz a 100 Hz mediante decimación para coincidir con la tasa de captura de movimiento. Las características se escalan utilizando un RobustScaler (basado en los cuantiles 0.1 y 0.9) para manejar valores atípicos.
   • Alineación Temporal: Se aplica un desplazamiento hacia adelante (retraso) a los datos de ECoG con respecto a la serie temporal del movimiento de los dedos para dar cuenta de la latencia fisiológica. Este retraso se trata como un hiperparámetro ajustable (probado dentro de 0–200 ms).
   • Datos Objetivo: Los datos de movimiento de los dedos (originalmente a 25 Hz) se sobremuestrean a 100 Hz mediante interpolación bicúbica y se escalan mediante MinMax.

2. Arquitectura del Modelo:

   • El modelo es un autoencoder convolucional modificado.
   • Codificador (Encoder): Consiste en capas convolucionales 1D seguidas de normalización de capa, activación GeLU, dropout y max pooling (stride 2). Esta estructura está inspirada en la arquitectura wav2vec.
   • Decodificador (Decoder): Un conjunto simétrico de capas convolucionales que utilizan conexiones de salto (similares a UNet) para combinar representaciones latentes generalizadas con características locales originales del codificador.
   • Salida: Una capa de convolución final de 1×1 predice las coordenadas de cinco dedos para cada punto temporal en la ventana de entrada.
   • Función de Pérdida: El modelo se optimiza utilizando una función de pérdida híbrida: la suma del Error Cuadrático Medio (MSE) y la Distancia Coseno. Los autores argumentan que, si bien la correlación es la métrica de evaluación, es demasiado sensible al ruido en ventanas pequeñas sin movimiento; la distancia coseno proporciona un criterio de optimización más estable.

3. Protocolo de Entrenamiento:

   • El modelo fue entrenado en el BCI Competition IV Dataset 4, que contiene datos de tres pacientes anónimos.
   • Debido a la falta de alineación de la rejilla de electrodos entre sujetos, los modelos se entrenaron individualmente para cada paciente.
   • El ajuste de hiperparámetros (por ejemplo, retraso, número de wavelets) se realizó utilizando los datos del primer sujeto y luego se fijó para los demás para evitar el sobreajuste.

Contribuciones Clave

• Arquitectura Novedosa: El artículo introduce la primera aplicación de una arquitectura híbrida de codificador-decodificador con conexiones de salto específicamente para la decodificación de trayectorias de los dedos basada en ECoG.
• Ingeniería de Características: El estudio demuestra la eficacia del uso de representaciones tiempo-frecuencia derivadas de la descomposición de wavelet de Morlet (específicamente en las bandas gamma/high-gamma) en lugar de series temporales brutas.
• Estrategia de Optimización: Se propone la introducción de una función de pérdida combinada (MSE + Coseno) para mejorar la estabilidad de la regresión en comparación con el uso de correlación o MSE por sí solos.
• Benchmarking de Rendimiento: El enfoque logra resultados de vanguardia en un benchmark público estándar sin requerir transferencia de aprendizaje compleja o ajustes de hiperparámetros adicionales entre diferentes conjuntos de datos.

Resultos

• BCI Competition IV Dataset 4: FingerFlex logró un coeficiente de correlación promedio (CC) de 0.67 en todos los tres sujetos. El rendimiento individual por sujeto alcanzó hasta 0.74 (Sujeto 3).
  • Sujeto 1: 0.66
  • Sujeto 2: 0.62
  • Sujeto 3: 0.74
• Comparación: El modelo superó a los ganadores y métodos anteriores en este conjunto de datos, incluyendo al ganador de la BCI (Flamary, 2012; CC 0.48), Liang y Bougrain (2012; CC 0.43), y enfoques recientes de aprendizaje profundo como Xie et al. (2018; CC 0.52) y Frey et al. (2021; CC 0.52).
• Validación Cruzada de Conjuntos de Datos: El modelo fue probado en el conjunto de datos de Stanford (Miller, 2019) sin ningún reajuste de hiperparámetros. Los resultados variaron según el sujeto (oscilando entre 0.22 y 0.71), con algunos sujetos logrando correlaciones entre 0.5 y 0.7. Los autores atribuyen el menor rendimiento en algunos casos a la posición de la rejilla de ECoG en relación con las áreas motoras activas.
• Estudios de Ablación:
  • Añadir el escalado de características mejoró el CC de 0.2 a 0.45.
  • El refinamiento de la arquitectura (profundidad/anchura de capa) aumentó el CC a 0.55.
  • Añadir conexiones de salto aumentó aún más el CC a 0.66.
  • La función de pérdida híbrida (MSE + Coseno) proporcionó una mejora marginal pero consistente (aprox. +0.02 CC) sobre el MSE solo.

Significancia y Reivindicaciones
El artículo afirma que FingerFlex representa un avance significativo en el desarrollo de BCIs motores corticales totalmente funcionales y de alta precisión. Los autores destacan varias ventajas prácticas:

• Capacidad en Tiempo Real: El modelo es relativamente ligero (~600,000 parámetros) y opera sobre ventanas de tiempo actuales sin requerir datos futuros, lo que facilita la inferencia en tiempo real.
• Manejo de Estado Unificado: A diferencia de los métodos anteriores que requerían decodificadores separados para los estados de reposo y movimiento, FingerFlex captura cambios de trayectoria durante ambos periodos sin mecanismos de conmutación.
• Eficiencia de Datos: El método logra un rendimiento significativo con tan solo 6.5 minutos de datos de entrenamiento por sujeto, lo que lo hace adecuado para el entrenamiento clínico individualizado.
• Generalizabilidad: La capacidad de transferir el modelo a un conjunto de datos diferente (Stanford) sin reajuste sugiere robustez, aunque los autores reconocen que la variabilidad en la colocación de los electrodos sigue siendo una limitación para la generalización entre sujetos.

Los autores concluyen que, si bien el método es actualmente individualizado, sienta las bases para futuras investigaciones en transferencia de aprendizaje y reconstrucción de fuentes para permitir soluciones entre sujetos. También señalan que las iteraciones futuras podrían potencialmente avanzar hacia la extracción automática de características mediante convoluciones temporales, aunque esto requeriría conjuntos de datos más grandes.