🤖 machine learning

STDA-Net: Spectrogram-Based Domain Adaptation for cross-dataset Sleep Stage Classification

El artículo propone STDA-Net, un marco de adaptación de dominio no supervisado basado en espectrogramas que integra CNN, BiLSTM y aprendizaje adversarial para lograr una clasificación robusta y estable de etapas del sueño entre conjuntos de datos, superando los métodos existentes basados en señales unidimensionales en múltiples conjuntos de datos.

Autores originales: Unaza Tallal, Shruti Kshirsagar, Ankita Shukla

Publicado 2026-05-11

📖 5 min de lectura🧠 Análisis profundo

CC BY 4.0

Autores originales: Unaza Tallal, Shruti Kshirsagar, Ankita Shukla

Artículo original bajo licencia CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). ✨ Esta es una explicación generada por IA del artículo a continuación. No ha sido escrita ni avalada por los autores. Para mayor precisión técnica, consulte el artículo original. Leer descargo de responsabilidad completo

Imagina que estás intentando enseñarle a un robot a reconocer las diferentes etapas del sueño humano (como el sueño ligero, el sueño profundo o el sueño con sueños). Tienes una gran cantidad de datos de entrenamiento de un grupo de personas (llamémosles "Grupo A"), pero quieres que el robot funcione perfectamente en un grupo de personas completamente diferente ("Grupo B").

El problema es que el Grupo A y el Grupo B son diferentes. Quizás el Grupo A fue grabado con un tipo diferente de micrófono, en una habitación distinta o con una velocidad de muestreo diferente. En el mundo de los datos, esto se llama "desplazamiento de dominio". Es como intentar enseñarle a un estudiante a reconocer un perro usando solo fotos de Golden Retrievers y luego esperar que reconozca instantáneamente un Chihuahua sin ninguna ayuda adicional. El robot se confunde porque ha cambiado la "apariencia" de los datos.

Este artículo presenta una nueva solución llamada STDA-Net. Así es como funciona, desglosado en conceptos simples:

1. Cambiando el "idioma" de los datos (El espectrograma)

La mayoría de los métodos anteriores intentaban enseñarle al robot alimentándolo directamente con las ondas sonoras crudas de la actividad cerebral (EEG). Los autores argumentan que esto es como intentar leer un libro mirando las manchas de tinta en la página sin ver las letras.

En cambio, STDA-Net convierte estas ondas cerebrales crudas en espectrogramas. Piensa en un espectrograma como un mapa de calor o una huella dactilar del sonido. En lugar de solo una línea ondulada, convierte los datos en una imagen bidimensional donde puedes ver claramente los "colores" (frecuencias) y las "formas" (patrones temporales) de las etapas del sueño. El artículo afirma que observar estas imágenes bidimensionales ayuda al robot a entender los datos mucho mejor que observar las líneas crudas.

2. El equipo de tres partes (La arquitectura)

Para resolver el problema de enseñarle al robot a funcionar en el Grupo B sin haber visto nunca las respuestas (etiquetas) del Grupo B, los autores construyeron un equipo de tres especialistas:

El Artista (CNN): Esta parte observa las imágenes bidimensionales de "mapa de calor" y aprende a detectar los patrones únicos de cada etapa del sueño. Es como un artista aprendiendo a reconocer un estilo de pintura.
El Narrador (BiLSTM): El sueño no ocurre en instantáneas aisladas; es una historia. No sueles saltar instantáneamente del "sueño profundo" al "sueño con sueños" sin pasar por el "sueño ligero". Esta parte observa la secuencia de eventos. Recuerda los últimos minutos para entender lo que está sucediendo en este momento, al igual que un narrador utiliza el contexto para dar sentido al capítulo actual.
El Espía (DANN): Esta es la parte ingeniosa. El trabajo del Espía es engañar al Artista. El Espía intenta adivinar si una imagen proviene del Grupo A o del Grupo B. El Artista intenta hacer que las imágenes se vean tan similares que el Espía no pueda distinguirlas. Al obligar al Artista a "ocultar" las diferencias entre los dos grupos, el robot aprende a centrarse solo en los patrones de sueño que son universales, ignorando las diferencias en cómo se grabaron los datos.

3. El proceso de entrenamiento

El robot se entrena utilizando datos del Grupo A (donde conocemos las respuestas) y del Grupo B (donde no conocemos las respuestas).

El Artista aprende a identificar las etapas del sueño a partir del Grupo A.
El Espía intenta distinguir el Grupo A del Grupo B.
El Narrador asegura que la secuencia del sueño tenga sentido.
A través de este "juego", el robot aprende a reconocer las etapas del sueño en el Grupo B tan bien como lo hace en el Grupo A, incluso aunque nunca vio las respuestas correctas para el Grupo B durante el entrenamiento.

4. Los resultados: Un robot más estable

Los investigadores probaron este sistema en tres bases de datos reales de sueño diferentes. Compararon su nuevo método con métodos anteriores que solo utilizaban las "líneas onduladas" crudas (datos 1D).

Mejor equilibrio: Los métodos anteriores eran buenos adivinando las etapas del sueño más comunes (como estar despierto) pero terribles en las raras (como el sueño ligero). STDA-Net fue mucho mejor en obtener todas las etapas correctas, no solo las fáciles.
Más fiable: Cuando los investigadores ejecutaron la prueba cinco veces con diferentes configuraciones aleatorias, los métodos anteriores dieron resultados muy diferentes cada vez (como lanzar una moneda). STDA-Net obtuvo casi la misma puntuación alta cada vez. Esto significa que el método es estable y confiable.
Los números: En promedio, el nuevo método obtuvo aproximadamente el 89% de las etapas del sueño correctas, lo que supuso una mejora significativa sobre los mejores métodos anteriores.

Resumen

En resumen, el artículo afirma que al convertir las ondas cerebrales en imágenes 2D, añadir un narrador para entender la secuencia del sueño y utilizar un espía para ocultar las diferencias entre distintos equipos de grabación, crearon un sistema capaz de clasificar con precisión las etapas del sueño en diferentes conjuntos de datos. Encontraron que este enfoque es más preciso, más equilibrado y mucho más estable que los métodos anteriores que dependían únicamente de datos crudos.

Resumen Técnico: STDA-Net

Enunciado del Problema
La clasificación precisa de las etapas del sueño a través de diferentes conjuntos de datos se ve obstaculizada por cambios de dominio significativos causados por la variabilidad en las montajes de canales de EEG, las tasas de muestreo, los entornos de grabación y las poblaciones de sujetos. Si bien el aprendizaje profundo ha avanzado en la estandarización automatizada del sueño, la mayoría de los métodos existentes para múltiples conjuntos de datos se basan en representaciones unidimensionales (1D) de señales de EEG crudas. Además, la aplicación de entradas basadas en espectrogramas bidimensionales (2D) dentro de un marco de adaptación de dominio no supervisado para la estandarización del sueño entre conjuntos de datos sigue siendo en gran medida inexplorada. Los enfoques actuales a menudo sufren degradación del rendimiento al transferir modelos entre conjuntos de datos debido a estas diferencias distribucionales, y se ha prestado poca atención a aprovechar las representaciones tiempo-frecuencia 2D para mitigar esta brecha.

Metodología
Los autores proponen STDA-Net (Red de Adaptación de Dominio Temporal basada en Espectrogramas), un marco diseñado para la adaptación de dominio no supervisada en la clasificación de etapas del sueño utilizando espectrogramas de EEG 2D. La arquitectura integra cuatro componentes principales:

Preprocesamiento y Generación de Espectrogramas: Las señales de EEG de un solo canal crudas de los dominios de origen y destino se estandarizan (submuestreadas a 100 Hz, filtrado paso banda 0.5–30 Hz) y se segmentan en épocas de 30 segundos. Cada época se convierte en una representación tiempo-frecuencia 2D (espectrograma) de tamaño $76 \times 60$ utilizando la Transformada de Fourier de Tiempo Corto (STFT). Para modelar las dependencias temporales, se construyen secuencias de $L=10$ épocas consecutivas (5 minutos) con un paso de 5 épocas.
Codificador de Épocas CNN: Una red neuronal convolucional (CNN) compartida procesa cada espectrograma de forma independiente para extraer características discriminativas a nivel de época. El codificador consta de cuatro bloques convolucionales con unidades residuales, normalización por lotes y activación GELU. Produce un vector de características de 128 dimensiones. Se adjunta una cabeza de clasificación auxiliar a estas características para proporcionar supervisión directa por época, fomentando la extracción de características espectrales discriminativas.
Módulo Temporal BiLSTM: La secuencia de características a nivel de época se introduce en una red de Memoria a Corto Plazo Bidireccional (BiLSTM) de dos capas. Este módulo captura las dependencias temporales entre épocas consecutivas, aprovechando patrones de transición de etapas del sueño biológicamente restringidos (por ejemplo, la rareza de transiciones directas entre ciertas etapas) para refinar las predicciones.
Entrenamiento Adversarial de Dominio (DANN): Para alinear las distribuciones de características de origen y destino sin datos de destino etiquetados, se entrena un discriminador de dominio para distinguir entre características de origen y destino. Se aplica una Capa de Reversión de Gradiente (GRL) al codificador CNN, entrenándolo para generar características que confundan al discriminador, aprendiendo así representaciones invariantes al dominio. Esta adaptación adversarial se aplica a nivel de características de CNN por época, ya que las discrepancias espectrales son la fuente principal de la brecha de dominio, mientras que los patrones temporales permanecen relativamente consistentes.

La pérdida total de entrenamiento combina tres objetivos: la pérdida de clasificación principal ( $L_{main}$ ) sobre las etiquetas de origen, una pérdida de clasificación auxiliar ( $L_{aux}$ ) sobre las características de la CNN y la pérdida de adaptación de dominio adversaria ( $L_{adv}$ ). El peso de la pérdida adversaria sigue un programa progresivo para permitir que el modelo aprenda primero características de origen discriminativas antes de aumentar gradualmente la presión de alineación.

Contribuciones Clave

Propuesta de Marco: La introducción de STDA-Net, un marco novedoso para la clasificación de etapas del sueño entre conjuntos de datos que opera sobre espectrogramas de EEG 2D. Integra de manera única un codificador CNN para la extracción de características espectrales, un BiLSTM para el modelado temporal y DANN para la alineación de dominio no supervisada.
Ablación Sistemática: Un estudio de ablación exhaustivo que cuantifica las contribuciones individuales del modelado temporal, la supervisión auxiliar y la adaptación adversaria, demostrando que la combinación de todos los componentes produce el rendimiento óptimo.
Evaluación Robusta entre Conjuntos de Datos: Experimentos extensos realizados en tres conjuntos de datos públicos (Sleep-EDF, SHHS-1, SHHS-2) a través de seis configuraciones distintas de transferencia entre conjuntos de datos, validando la robustez del marco frente a cambios de dominio.

Resultados
Los experimentos se realizaron en Sleep-EDF, SHHS-1 y SHHS-2 bajo seis configuraciones de transferencia. El STDA-Net propuesto logró:

Una precisión promedio del 89.03%.
Una puntuación F1 macro promedio del 87.64%.
Superó consistentemente a los métodos base 1D existentes (incluyendo Deep CORAL, DANN, ADAST y ADAADL) en términos de rendimiento de clasificación equilibrado (F1 macro).
Demostró una varianza sustancialmente menor en cinco ejecuciones independientes en comparación con las líneas base, indicando una mayor estabilidad y reproducibilidad.

Cabe destacar que el modelo mostró una asimetría direccional donde la transferencia desde los conjuntos de datos SHHS hacia Sleep-EDF superó a la inversa, lo que sugiere que el entrenamiento en poblaciones de origen fisiológicamente diversas produce representaciones espectrales más generalizables.

Significado
El artículo afirma que las representaciones basadas en espectrogramas 2D, cuando se combinan con modelado temporal y adaptación de dominio adversaria, proporcionan una alternativa robusta y competitiva a las entradas de EEG 1D convencionales para la estandarización del sueño entre conjuntos de datos. Los hallazgos sugieren que alejarse de las formas de onda 1D crudas hacia representaciones tiempo-frecuencia 2D ayuda a mitigar la degradación del rendimiento típicamente causada por los cambios de dominio en los datos del sueño. El marco aborda con éxito el desafío de generalizar modelos de estandarización del sueño a través de diferentes protocolos de adquisición y poblaciones de sujetos sin requerir datos de destino etiquetados, ofreciendo una solución práctica para mejorar el análisis automatizado del sueño en entornos clínicos y de investigación. Se propone trabajo futuro para validar el marco en bases de datos adicionales (ISRUC, MASS) y extenderlo a configuraciones de EEG multicanal.