Interpretable EEG Microstate Discovery via Variational Deep Embedding: A Systematic Architecture Search with Multi-Quadrant Evaluation

Resumen Técnico: Descubrimiento de Microestados de EEG Interpretables mediante Incrustación Profunda Variacional

Enunciado del Problema

El análisis de microestados de EEG busca segmentar la actividad eléctrica cerebral continua en configuraciones topográficas breves y cuasi-estables que representan estados funcionales discretos. Los enfoques convencionales, principalmente K-Medias Modificado (ModKMeans), operan directamente en el espacio de los electrodos utilizando asignaciones rígidas. Estos métodos adolecen de tres limitaciones críticas:

1. Falta de Representación Latente: No aprenden un espacio latente, por lo que carecen de un decodificador generativo para reconstruir los centros de los clústeres.
2. Opacidad: La incapacidad de decodificar configuraciones latentes en topografías de cuero cabelludo verificables limita la transparencia e interpretabilidad del modelo.
3. Asignación Rígida: La partición rígida descarta información sobre regiones transicionales o ambiguas donde la topografía del cuero cabelludo puede reflejar una mezcla de estados subyacentes.
4. Complejidad Fija: La convención de fijar el número de microestados ($K=4$) puede no capturar la dinámica cerebral individual, y el número óptimo de clústeres varía entre conjuntos de datos y poblaciones.

Aunque los enfoques recientes de aprendizaje profundo han intentado abordar estos problemas, muchos dependen de la agrupación post-hoc de espacios latentes congelados o de clasificación supervisada, fallando en aprender conjuntamente representaciones y asignaciones probabilísticas. Además, a menudo carecen de mecanismos para imponer invariancia de polaridad (tratando los mapas y sus contrapartes invertidas en signo como equivalentes), lo que arriesga la creación de clústeres redundantes.

Metodología

Los autores proponen Conv-VaDE (Incrustación Profunda Variacional Convolucional), un modelo generativo que aprende conjuntamente la reconstrucción topográfica y la agrupación suave probabilística dentro de un espacio latente compartido.

1. Preparación de Datos:

• Conjunto de Datos: El conjunto de datos de EEG en reposo con ojos cerrados LEMON ($f_s=250$ Hz, 61 canales) con 10 participantes.
• Preprocesamiento: Referencia de promedio común, filtrado paso banda FIR de fase cero (2–20 Hz) y extracción de picos de Potencia de Campo Global (GFP).
• Transformación de Entrada: Los vectores de EEG se proyectan sobre imágenes topográficas de $40 \times 40$ mediante proyección azimutal equidistante e interpolación cúbica. Se aplica normalización Z-score con recorte de $\pm 5\sigma$.

2. Arquitectura del Modelo:

• Codificador: Mapea las imágenes de entrada a través de cuatro capas Conv2d (con normalización por lotes, LeakyReLU y dropout), seguidas de agrupación promedio adaptativa y capas totalmente conectadas para producir los parámetros latentes $(\mu_\phi, \log \sigma^2_\phi)$.
• Decodificador: Espejea al codificador utilizando capas ConvTranspose2d para reconstruir la topografía de entrada.
• Prior Latente: Un prior de Modelo de Mezcla Gaussiana (GMM) se incrusta en el marco del Codificador Automático Variacional (VAE), optimizando un límite inferior de evidencia (ELBO) aumentado con mezclas de extremo a extremo.

3. Esquema de Invariancia de Polaridad:
Para asegurar que $x$ y $-x$ se traten como el mismo estado, los autores imponen invariancia en tres niveles:

• Aumento de Datos: Aumento por inversión de signo del conjunto de entrenamiento.
• Función de Pérdida: Una pérdida de reconstrucción invariante a la polaridad: $\mathcal{L}_{recon} = \min(\text{MSE}(\hat{x}, x), \text{MSE}(\hat{x}, -x))$.
• Regularización: Un término de regularización del codificador $\mathcal{L}_{pol}$ que penaliza las diferencias entre los códigos latentes de $x$ y $-x$.

4. Objetivo de Entrenamiento:
La función de pérdida total combina reconstrucción, divergencia KL, entropía, separación, uso por lotes, estrechez y regularización de polaridad. Se utiliza una estrategia de annealing cíclico de $\beta$ para mitigar el colapso posterior.

5. Búsqueda Sistemática de Arquitectura:
Se realizó una búsqueda en cuadrícula de cuatro dimensiones sobre:

• Número de clústeres ($K \in [3, 20]$)
• Dimensionalidad latente ($d_z \in \{16, 32, 64\}$)
• Profundidad de la red ($L \in \{2, 3, 4\}$)
• Ancho de canal ($ndf \in \{32, 64, 128\}$)
  Esto resultó en 486 configuraciones únicas evaluadas en 10 sujetos.

6. Métricas de Evaluación:

• Calidad de Agrupación: Índices Silueta, Davies–Bouldin, Calinski–Harabasz y Dunn en el espacio latente.
• Reconstrucción y Fidelidad: MSE, SSIM, correlación espacial y Varianza Explicada Global (GEV) calculada mediante ajuste posterior (backfitting) al EEG continuo completo.

Contribuciones Clave

1. Arquitectura Conv-VaDE: Un modelo novedoso que acopla un decodificador aprendido con un mecanismo de agrupación probabilística, permitiendo la decodificación generativa de prototipos de clústeres en topografías de cuero cabelludo verificables.
2. Invariancia de Polaridad de Tres Niveles: Un esquema integral que elimina los clústeres redundantes causados por la ambigüedad de signo, un modo de fallo común en el análisis profundo de microestados.
3. Búsqueda Sistemática de Arquitectura: La primera búsqueda en cuadrícula extensa (486 configuraciones) específicamente para datos topográficos de microestados de EEG, revelando que redes moderadamente profundas con anchos de canal compactos dominan el espacio de búsqueda.
4. Marco de Evaluación Multicuadrante: Un enfoque de validación que evalúa tanto la calidad de la agrupación latente (Q1/Q2) como la fidelidad topográfica decodificada (Q4), abordando la asimetría donde los métodos tradicionales (ModKMeans) tienen una ventaja estructural en el espacio de electrodos pero carecen de interpretabilidad latente.

Resultados

• Configuración Óptima: En todas las 18 configuraciones de mejor rendimiento (seleccionadas por el GEV medio más alto), una profundidad de red de $L=4$ estuvo consistentemente presente.
• Sensibilidad de Parámetros:
  • Dimensionalidad Latente: $d_z=16$ dominó 14 de las 18 mejores configuraciones, sugiriendo que un espacio latente compacto es suficiente para entradas topográficas de $40 \times 40$.
  • Ancho de Canal: $ndf=32$ fue suficiente para todas las configuraciones superiores, indicando que filtros más anchos no mejoran el rendimiento para este tipo de entrada.
• Rendimiento en $K=4$: La mejor configuración ($d_z=16, L=4, ndf=32$) logró:
  • Puntuación Silueta: $0.229 \pm 0.039$ (indicando clústeres bien separados y compactos).
  • GEV: $0.730 \pm 0.072$ (confirmando una fuerte fidelidad de representación topográfica).
• Explicabilidad: El modelo decodizó con éxito los centros de los clústeres GMM en topografías de cuero cabelludo inspeccionables (Figura 4) que mostraron patrones espaciales distintos (gradientes anterior-posterior, asimetrías laterales) consistentes con las clases de microestados conocidas. La estructura del espacio latente (Figura 5) confirmó clústeres separables y una distribución equilibrada sin colapso de modos.

Significado y Afirmaciones

El artículo afirma que la búsqueda de arquitectura principista, en lugar de simplemente aumentar la escala del modelo, es la clave para lograr un descubrimiento de microestados de EEG interpretable y estable mediante incrustación profunda variacional.

• Explicabilidad Intrínseca: A diferencia de los métodos post-hoc, Conv-VaDE proporciona explicabilidad intrínseca al mapear códigos latentes directamente al espacio de datos, permitiendo a los investigadores inspeccionar el "razonamiento" del modelo a través de mapas de cuero cabelludo decodificados.
• Estabilidad vs. Complejidad: Los resultados desafían la suposición de que las redes más profundas o anchas son siempre superiores para topografías de EEG; en cambio, las redes moderadamente profundas con dimensiones latentes y anchos de canal compactos producen las representaciones más estables.
• Rigor Metodológico: Al imponer invariancia de polaridad y realizar un barrido sistemático, el estudio aborda la naturaleza de "caja negra" de los enfoques anteriores de aprendizaje profundo y la rigidez del ModKMeans tradicional, ofreciendo un marco que equilibra la fidelidad de reconstrucción con la incertidumbre de la agrupación probabilística.

Los autores señalan que, aunque los resultados son prometedores, la generalización a nivel de población requiere validación en cohortes más grandes, y el trabajo futuro se centrará en cerrar la brecha de GEV mediante ajuste posterior en el espacio latente y modelado de transiciones temporales.