Resumen Técnico: ¿Cuánta Capacidad Requiere la Denoisación de EEG?

Planteamiento del Problema

Las arquitecturas de aprendizaje profundo para la denoisación de EEG han escalado de decenas de miles a decenas de millones de parámetros. Sin embargo, permanecen dos brechas críticas en el campo:

1. Necesidad de Capacidad: No está claro si los estándares de evaluación (benchmarks) requieren realmente tales capacidades masivas de modelo o si las mejoras de rendimiento son impulsadas por la complejidad arquitectónica en lugar de un volumen de parámetros necesario.
2. Brecha entre Métrica y Utilidad: Las métricas de reconstrucción estándar (p. ej., Coeficiente de Correlación, RMSE, SDR) miden la similitud con una referencia supuestamente limpia, pero no predicen necesariamente si la señal denoisada preserva características neurales relevantes para tareas de Interfaz Cerebro-Computadora (BCI).

La literatura actual suele comparar las arquitecturas propuestas contra líneas base sin aislar la capacidad del modelo como la variable experimental primaria, lo que dificulta distinguir si las ganancias provienen de mecanismos arquitectónicos o de un simple aumento del presupuesto de parámetros.

Metodología

Los autores realizaron un estudio controlado aislando la capacidad de canales como la única variable experimental, manteniendo fijas la arquitectura, las funciones de pérdida, las divisiones de datos y las recetas de entrenamiento.

• Arquitectura: Se diseñó un núcleo de U-Net convolucional de profundidad separable (depthwise-separable) minimalista. Cuenta con una única cabeza de salida limpia, atención de canal eficiente (ECA) y sin ramas auxiliares.
• Barrido de Capacidad: El ancho de canal base ($C$) se barrió de 2 a 16, resultando en modelos con 1.05K a 40.26K parámetros entrenables.
• Conjuntos de Datos y Benchmarks:
  • EEGDenoiseNet: El estándar de evaluación semi-sintético para denoisación de canal único (artefactos EOG y EMG).
  • Corpus Mixed-1M: Un corpus más grande y complejo (1M de segmentos) que contiene mezclas de múltiples artefactos (EOG+EMG+Ruido de Línea+ECG) y distribuciones de Relación Señal-Ruido (SNR) más difíciles.
  • Transferencia Zero-Shot de BCI: Evaluación en grabaciones de BCI Competition IV-2a e IV-2b sin ajuste fino (fine-tuning) para probar la generalización.
  • Líneas Base Controladas: Se reentrenaron modelos establecidos (EEGDN CNN, MicroWaveNet, Patch-Transformer) bajo el mismo proceso exacto para asegurar una comparación justa.
• Evaluación de Tareas Aguas Abajo (Downstream): Las señales denoisadas se introdujeron en cinco familias de decodificadores (CSP+LDA, ShallowFBCSPNet, EEGNet, Deep4Net, EEGConformer) para la clasificación de imaginación motora en BCI IV-2a. Esto probó si la fidelidad de la reconstrucción se traduce en utilidad para la tarea.
• Perfilado de Cómputo: Los modelos fueron perfilados para FLOPs, huella de memoria y latencia en CPU/GPU.

Contribuciones Clave

1. Análisis de Saturación de Capacidad: Un barrido controlado de ancho que demuestra que el rendimiento de reconstrucción en estándares y complejos benchmarks se satura en recuentos de parámetros extremadamente bajos (3–6.5K parámetros).
2. Descubrimiento de la Brecha Métrica-Utilidad: Evidencia de que la denoisación optimizada para la reconstrucción degrada significativamente la clasificación de imaginación motora (específicamente para procesos de filtro espacial lineal como CSP+LDA), a pesar de mejorar las métricas de reconstrucción.
3. Puntos de Operación Listos para Despliegue: Identificación de modelos ultra-compactos (Base4–Base6) que ocupan 33–46 KB y requieren 1.27–2.61M de FLOPs por segmento, ofreciendo una reconstrucción casi óptima con un costo computacional mínimo.

Resultados Clave

1. El Rendimiento de Reconstrucción se Satura Tempranamente

• EEGDenoiseNet: La mayoría de las ganancias de reconstrucción ocurrieron por debajo de los 10K parámetros. El punto de "codo" se identificó en Base4 (3.22K parámetros). Más allá de esto, las ganancias fueron marginales (p. ej., Base16 con 40.26K parámetros mejoró el Coeficiente de Correlación en solo ~0.008 respecto a Base8).
• Mixed-1M y Zero-Shot: El patrón de saturación persistió en el corpus Mixed-1M, más grande y complejo, y en las pruebas de transferencia zero-shot de BCI. En algunos casos zero-shot (BCI IV-2b), aumentar la capacidad más allá del punto de saturación de hecho redujo el rendimiento de transferencia.
• Comparación con Líneas Base: Un modelo EEGDN CNN de 8.46M de parámetros, reentrenado bajo el mismo proceso, igualó el rendimiento de la variante compacta de 40.26K parámetros en EOG, pero no logró superarla en EMG. Una brecha de 200 veces en parámetros no produjo ventaja de reconstrucción.

2. La Brecha Métrica–Utilidad Dependiente del Clasificador

• Degradación de CSP+LDA: La denoisación degradó significativamente la precisión de clasificación de CSP+LDA en los nueve sujetos y tres tipos de artefactos. La mejor condición denoisada (Base16) alcanzó una precisión de 0.547 frente a una línea base ruidosa de 0.612 (corregido por Bonferroni $p = 0.0488$).
• Generalizabilidad: Esta degradación persistió en ensayos registrados naturalmente sin inyección de artefactos sintéticos ($\Delta = -0.047$, $q = 0.0049$).
• Varianza del Clasificador: La brecha dependía del clasificador. Mientras que los filtros espaciales lineales (CSP+LDA, ShallowFBCSPNet) sufrieron caídas significativas de rendimiento, los decodificadores neurales de extremo a extremo (EEGNet, Deep4Net, EEGConformer) mostraron efectos variables o neutros, lo que sugiere que pueden adaptarse parcialmente a la distribución alterada de la señal.
• Mecanismo: El análisis cualitativo sugiere que la brecha surge de la supresión de amplitud. Los modelos entrenados para minimizar el error de reconstrucción tienden a suprimir estructuras de alta amplitud en intervalos "silenciosos", eliminando inadvertidamente características neurales relevantes para la tarea de las que dependen los clasificadores.

3. Eficiencia de Despliegue

• Base4 (3.22K params) y Base6 (6.53K params) ocupan 33–46 KB en disco y requieren 1.27–2.61M de FLOPs por segmento de 512 muestras.
• Estos modelos representan puntos de operación prácticos para el despliegue de EEG en el borde (edge), ofreciendo la mayor parte del rendimiento de reconstrucción con una fracción del cómputo y memoria de los modelos de millones de parámetros.

Significado y Reclamaciones

El artículo argumenta que los estándares de evaluación de denoisación de EEG están saturados muy por debajo de la capacidad de los modelos actuales. Los hallazgos principales desafían la tendencia predominante de escalar el tamaño del modelo para tareas de denoisación:

1. Saturación de Benchmarks: Los benchmarks actuales no requieren millones de parámetros; modelos temporales compactos (3–6.5K parámetros) son suficientes para alcanzar el techo de rendimiento.
2. Limitaciones de las Métricas: Las métricas de reconstrucción (CC, RMSE, SDR) no son suficientes para juzgar la utilidad de un denoiser para aplicaciones de BCI. Una alta fidelidad de reconstrucción puede correlacionarse con la pérdida del rendimiento de la tarea de seguimiento.
3. Recomendación Práctica: Para el despliegue en el borde (edge), se recomiendan modelos ultra-compactos (Base4–Base6).
4. Direcciones Futuras: Los autores abogan por:
   • Evaluación controlada de capacidad en estudios futuros.
   • Benchmarks más difíciles que incluyan finales conscientes de la tarea (p. ej., decodificación de imaginación motora) en lugar de solo reconstrucción con referencia limpia.
   • Validación de utilidad descendente obligatoria, donde los artículos de denoisación reporten la precisión del clasificador emparejada junto con las métricas de reconstrucción para detectar brechas de utilidad dependientes del clasificador.

El estudio concluye que, si bien la fidelidad de la reconstrucción es necesaria, debe evaluarse en el contexto de la utilidad de la señal neural para la tarea para evitar degradar el rendimiento de los BCI.