Learning Robust and Task-Invariant Functional Representation from fMRI through Siamese Self-Supervised Learning

Resumen Técnico: Aprendizaje de Representación Funcional Robusta e Invariante a la Tarea a partir de fMRI mediante Aprendizaje Auto-supervisado Siameso

Enunciado del Problema

La resonancia magnética funcional (fMRI) es una herramienta crítica para investigar la función cerebral, sin embargo, su aplicación en el aprendizaje automático se ve obstaculizada por los altos costos de adquisición de datos, el pequeño tamaño de las muestras y el ruido inherente de las escalas de valoración psiquiátrica. Estos factores, combinados con la alta dimensionalidad de los datos de fMRI, crean un riesgo significativo de sobreajuste del modelo en entornos de aprendizaje supervisado. Además, los marcos de trabajo supervisados existentes a menudo dependen de etiquetas de clasificación binaria que colapsan subtipos diversos de enfermedades, oscureciendo diferencias significativas y reduciendo la interpretabilidad. Si bien los modelos fundacionales a gran escala ofrecen una solución potencial, sus requisitos computacionales para el preentrenamiento y el ajuste fino suelen ser prohibitivos. Además, definir ejemplos "negativos" generalizables para el aprendizaje contrastivo en fMRI es un desafío, ya que tratar a diferentes sujetos como negativos puede descartar patrones funcionales compartidos, mientras que utilizar etiquetas de tarea para construir negativos puede enredar las características con espacios de tarea específicos, limitando la generalización entre tareas.

Metodología: BrainSimSiam

Los autores presentan BrainSimSiam, un marco de aprendizaje de representaciones auto-supervisado, ligero y eficiente en datos, diseñado para aprender representaciones funcionales robustas e invariantes a la tarea a partir de fMRI basada en tareas. El marco utiliza una arquitectura siamesa con un mecanismo de gradiente detenido, eliminando la necesidad de pares de muestras negativas.

Componentes Arquitectónicos Clave:

1. Entrada de Doble Vista: El modelo procesa dos vistas complementarias de los datos de fMRI para cada instancia:
   • Vista de Grafo Cerebral Funcional: La serie de fMRI se parceliza en Regiones de Interés (ROIs) utilizando atlas estándar (Shen para HCP, Desikan–Killiany para Biopoint). Las características de los nodos se derivan de matrices de correlación de Pearson, mientras que las aristas representan los coeficientes de correlación parcial más fuertes.
   • Vista de Imagen de Activación Espacial: Se genera un mapa de activación media 3D mediante el promediado temporal de la serie temporal de fMRI a nivel de vóxel, preservando la intensidad absoluta de la señal.
2. Arquitectura del Codificador: El codificador consta de dos ramas paralelas:
   • Una rama GNN que utiliza capas de Red de Atención de Grafos (GAT) con agrupación global promedio y máxima.
   • Una rama CNN que utiliza capas de convolución 3D.
   • Las salidas de ambas ramas se concatenan y se pasan a través de un MLP de proyección para producir la incrustación final.
3. Aumento y Enmascaramiento:
   • Enmascaramiento Alineado a ROI de Grafo-Imagen: Un operador novedoso que ocluye conjuntamente los vóxeles en la imagen 3D correspondientes a los nodos eliminados en el grafo. Esto asegura una perturbación consistente en ambas vistas.
   • Pérdida de Invarianza a la Tarea: Para aprender representaciones que generalicen entre tareas, el marco introduce un término de pérdida que alienta al modelo a preservar patrones funcionales espontáneos e invariantes a la tarea. Esto se logra muestreando un escaneo del mismo sujeto bajo una diferente tarea y minimizando la pérdida de similitud del coseno entre la vista original y esta vista cruzada de tareas.
4. Objetivo de Entrenamiento: El modelo minimiza una pérdida de similitud del coseno simétrica entre las salidas del codificador y una cabeza de predictor, utilizando una operación de gradiente detenido en una rama para evitar el colapso del modelo sin muestras negativas.

Contribuciones Clave

1. Desarrollo del Marco: Los autores desarrollaron BrainSimSiam, un marco auto-supervisado para fMRI basada en tareas que supera tanto a las líneas base supervisadas como a las auto-supervisadas existentes en múltiples conjuntos de datos.
2. Vista Multimodal Unificada: El trabajo unifica las vistas funcionales de fMRI a nivel de vóxel y basadas en grafos mediante un esquema de enmascaramiento conjunto de ROI. Este mecanismo apoya la fusión multimodal potencial al alinear redes estructuradas en grafos con resonancia magnética estructural (ponderada en T1) o de difusión registrada.
3. Aprendizaje Invariante a la Tarea: Al aprovechar los contrastes entre estímulos de tareas diversas como aumentos naturales, el marco aprende a desentrañar las respuestas evocadas de la dinámica cerebral espontánea, resultando en representaciones invariantes a la tarea.

Resultados Experimentales

El marco fue evaluado en dos conjuntos de datos: el Proyecto de Conexión Humana (HCP) (1.005 sujetos, 7 paradigmas de tarea) y el conjunto de datos Biopoint (75 sujetos con TEA, 43 controles sanos).

• Rendimiento: BrainSimSiam superó consistentemente a las líneas base supervisadas (GCN, GAT, GraphSAGE con CNN) y a las líneas base auto-supervisadas (CGL, CGL-CNN) en tareas de clasificación (sexo biológico, TEA) y regresión (puntuaciones cognitivas, edad).
  • En el conjunto de datos HCP, el modelo BrainSimSiam ajustado fino de extremo a extremo logró una precisión del 91,9% y un AUC de 0,980 para la clasificación del sexo biológico, competitivo con modelos fundacionales más grandes como NeuroSTORM, pero con significativamente menos parámetros (52 millones).
  • En el conjunto de datos Biopoint más pequeño, los beneficios de la auto-supervisión se amplificaron. Notablemente, la sonda MLP (congelando el codificador preentrenado) superó al ajuste fino de extremo a extremo, indicando que las representaciones aprendidas son robustas y mitigan el sobreajuste en escenarios con datos limitados.
• Estudios de Ablación: Eliminar el MLP de proyección, la pérdida de invarianza a la tarea o cualquiera de las ramas GNN/CNN degradó significativamente el rendimiento, confirmando la necesidad de una integración no lineal de características de grafos e imágenes y el valor de las restricciones invariantes a la tarea.
• Análisis Cualitativo: El análisis de correlación en cero disparos mostró que las características de las incrustaciones aprendidas tenían correlaciones más altas con fenotipos biológicos y conductuales (por ejemplo, edad, sexo, puntuaciones cognitivas) que las métricas tradicionales de conectividad funcional (FC).
• Interpretabilidad: Utilizando GNNExplainer, los autores demostraron que, aunque el preentrenamiento aprende de señales distribuidas de todo el cerebro, los mapas de importancia específicos de la tarea posteriores se localizan en regiones salientes (por ejemplo, tálamo derecho para la clasificación por sexo, giro frontal superior para TEA), alineándose con la literatura neurocientífica previa.

Significado y Afirmaciones

El artículo afirma que el preentrenamiento auto-supervisado específico del conjunto de datos produce representaciones robustas y generalizables para fMRI, permitiendo la predicción precisa de fenotipos heterogéneos incluso con datos limitados. A diferencia de los modelos fundacionales a gran escala que requieren recursos computacionales masivos y armonización entre diversos conjuntos de datos públicos, BrainSimSiam demuestra que un enfoque ligero y eficiente en datos puede acercarse al rendimiento de modelos a gran escala mientras supera a las líneas base puramente supervisadas. Los autores enfatizan que su método aborda eficazmente los desafíos del ruido en las etiquetas, los tamaños de muestra pequeños y la necesidad de características invariantes a la tarea en neuroimagen, ofreciendo una vía práctica para aplicaciones con datos limitados.