BCI-sift: An automated feature selection toolbox for Brain Computer Interface applications

Resumen Técnico: Caja de Herramientas BCI-sift para la Selección de Características en Interfaces Cerebro-Computadora

Enunciado del Problema
Los avances en las Interfaces Cerebro-Computadora (BCI) para aplicaciones clínicas dependen de una interpretación precisa de las señales. Sin embargo, los datos neuronales procedentes tanto de sistemas implantados (p. ej., ECoG de alta densidad, matrices de microelectrodos) como no implantados (p. ej., EEG de alta densidad) son inherentemente de alta dimensión y ruidosos. Esta complejidad genera desafíos analíticos significativos, ya que muchas características extraídas pueden ser redundantes o no estar relacionadas con los estados mentales objetivo. Sin un filtrado sofisticado, los clasificadores enfrentan mayores demandas computacionales, un mayor riesgo de sobreajuste (especialmente con datos de entrenamiento limitados) y una interpretabilidad reducida. Aunque existen diversas técnicas de selección de características, el panorama actual está fragmentado; la mayoría de los métodos están adaptados a modalidades de grabación específicas o a participantes individuales, y existe una falta de una herramienta unificada y fácil de usar capaz de realizar la selección de características en diversos contextos y dimensiones.

Metodología
Para abordar estos desafíos, los autores presentan BCI-sift (Ajuste Sistemático e Interpretable de Características para BCI), una caja de herramientas basada en Python compatible con el ecosistema scikit-learn. La caja de herramientas agiliza la selección de características integrando una gama de algoritmos de optimización avanzados.

• Flujo de trabajo: El sistema acepta datos cerebrales, etiquetas y parámetros definidos por el usuario (dimensiones de características, algoritmos, modelos, métricas). Entrena modelos de forma iterativa en subconjuntos de características seleccionados, registrando métricas de rendimiento para identificar la configuración óptima.
• Enfoques Algorítmicos:
  • Búsqueda Contigua: Diseñada para datos con estructuras espaciales o temporales inherentes (p. ej., rejillas de electrodos, ventanas de tiempo). Esto incluye Búsqueda Exhaustiva Contigua (probando todas las ventanas continuas o subrejillas rectangulares posibles) y Escalada Estocástica (expandiendo iterativamente una región mínima utilizando estrategias de exploración/explotación).
  • Selección General de Características: Aplicable a cualquier dimensión de característica sin requerir adyacencia.
    • Eliminación Recursiva de Características (RFE): Elimina iterativamente las características con los pesos de importancia más bajos (p. ej., coeficientes de SVM).
    • Algoritmos Evolutivos: Utiliza mutación, cruce y selección sobre una población de soluciones (implementado mediante DEAP).
    • Recocido Simulado: Propone modificaciones aleatorias con una probabilidad de aceptación dependiente de la temperatura para escapar de óptimos locales.
    • Optimización por Enjambre de Partículas (PSO): Coordina una población de partículas para converger en subconjuntos óptimos (implementado mediante PySwarms).
    • Búsqueda Aleatoria: Sirve como línea base para la comparación de rendimiento.
• Configuración de Validación: La caja de herramientas se validó utilizando datos de ECoG de alta densidad de ocho participantes sin discapacidad (siete con epilepsia, uno durante una resección de tumor) que realizaban una tarea de repetición de palabras (12 palabras en neerlandés, 10 repeticiones cada una). Los datos se grabaron desde 60–128 electrodos en la corteza sensoriomotora. El pipeline de preprocesamiento incluyó escalado MinMax y, para análisis específicos, referencia promedio común dinámica. La clasificación se realizó utilizando una Máquina de Vectores de Soporte (SVM) lineal.

Contribuciones Clave

1. Marco Unificado: BCI-sift proporciona una plataforma única y accesible para la selección de características a través de múltiples dimensiones (electrodo, tiempo, frecuencia) y modalidades, cerrando la brecha entre métodos fragmentados y específicos de modalidad.
2. Diversidad Algorítmica: Ofrece tanto métodos de búsqueda contigua (cruciales para interpretar la continuidad espacial/temporal en datos neuronales) como estrategias de optimización generales compatibles con cualquier modelo de predicción.
3. Interpretabilidad y Automatización: La caja de herramientas no solo mejora la precisión de la clasificación, sino que también identifica automáticamente las características más informativas, generando visualizaciones (p. ej., ratios de selección de electrodos en el espacio MNI) para mejorar la transparencia del modelo.
4. Robustez: Incluye capacidades para la eliminación automática de ruido en los datos y la selección de características en escenarios donde la información externa de la tarea (como los tiempos de inicio de la voz) no está disponible.

Resultados
La validación en el conjunto de datos de ECoG de alta densidad demostró lo siguiente:

• Ganancias de Rendimiento: La selección de características mejoró significativamente la precisión de decodificación en todas las dimensiones.
  • Electrodo-Frecuencia: La precisión aumentó de 19±4% a 67±19%.
  • Electrodo (HFB solo): La precisión aumentó de 66±13% a 75±19%.
  • Tiempo: La precisión aumentó de 66±13% a 71±11%.
• Consistencia Fisiológica:
  • Frecuencia: La Banda de Alta Frecuencia (HFB, 70–170 Hz) fue identificada consistentemente como la más informativa, seguida por la banda beta, mientras que las bandas inferiores (delta, theta, alfa) fueron eliminadas tempranamente.
  • Espacial: Los electrodos seleccionados se ubicaron consistentemente cerca del surco central, alineándose con la organización funcional de la corteza sensoriomotora.
  • Temporal: Los puntos temporales informativos se agruparon inmediatamente antes y después del inicio de la voz (aprox. 150 ms pre-inicio a 330 ms post-inicio), reflejando actividad preparatoria y articulatoria.
• Robustez ante Restricciones:
  • Cuando los tiempos de inicio de la voz eran desconocidos (utilizando solo la alineación de la señal de aviso), la caja de herramientas aún identificó ventanas de tiempo relevantes y mejoró la precisión (de 50±8% a 58±13%), desempeñándose de manera comparable a los análisis alineados con el inicio.
  • Eliminación de Ruido: La caja de herramientas identificó y excluyó con éxito electrodos ruidosos. Cuando se reintrodujeron electrodos ruidosos, RFE redujo su inclusión en las selecciones finales al 4.1% (vs. 22.6% para electrodos limpios), logrando una precisión comparable a la exclusión manual.
• Comparación de Algoritmos: Aunque RFE obtuvo el rendimiento más alto en este conjunto de datos específico, otros algoritmos (p. ej., PSO, Recocido Simulado) produjeron patrones de selección de electrodos ampliamente comparables, lo que sugiere la flexibilidad de la caja de herramientas para diferentes características de los datos.

Significado
Los autores afirman que BCI-sift aborda la naturaleza fragmentada de la selección de características en BCI al ofrecer una plataforma versátil, extensible e interpretable. Su significado radica en:

• Precisión Mejorada: La optimización sistemática mejora consistentemente el rendimiento de la clasificación.
• Interpretabilidad: Al identificar características fisiológicamente significativas (p. ej., HFB cerca del surco central), la herramienta ayuda a comprender los correlatos neuronales de la actividad del habla y motora.
• Accesibilidad: La compatibilidad con scikit-learn y el diseño modular permiten a los investigadores integrar fácilmente la optimización avanzada en flujos de trabajo existentes, aplicarlos a diversos clasificadores (incluyendo modelos no lineales) y extender la caja de herramientas con nuevos métodos.
• Amplia Aplicabilidad: Aunque validada en ECoG de alta densidad, los principios subyacentes son aplicables a otros datos de BCI implantados y no implantados, acelerando potencialmente el desarrollo de sistemas de BCI eficientes y transparentes para uso clínico.

Los autores enfatizan que, aunque la validación actual se centró en un único conjunto de datos y utilizó principalmente RFE, la caja de herramientas está diseñada para soportar una amplia gama de estrategias de optimización y tiene la intención de crecer como un recurso comunitario.