An Enhanced Source-Free Unsupervised Domain Adaptation Framework for Cross-Dataset EEG Emotion Recognition via Predictive Coding and Test-Time Training

Resumen Técnico: Un Marco de Adaptación de Dominio No Supervisada Libre de Fuente Mejorado para el Reconocimiento de Emociones mediante EEG en Diferentes Conjuntos de Datos

Planteamiento del Problema
El reconocimiento de emociones basado en electroencefalogramas (EEG) enfrenta desafíos significativos para generalizarse a través de diferentes conjuntos de datos debido a los cambios de dominio causados por la variabilidad entre sujetos, las diferencias en los dispositivos de registro, las configuraciones de electrodos y los protocolos experimentales. Aunque se ha explorado la Adaptación de Dominio No Supervisada (UDA) para mitigar estos cambios, los métodos convencionales requieren acceso a los datos del dominio de origen durante la adaptación, lo cual suele ser poco práctico en aplicaciones reales de atención médica e interfaz cerebro-computadora (BCI) debido a restricciones de privacidad, almacenamiento y ética. La Adaptación de Dominio No Supervisada Libre de Fuente (SF-UDA) aborda esto adaptando un modelo de origen preentrenado a un dominio objetivo no etiquetado sin los datos de origen. Sin embargo, los métodos de SF-UDA existentes luchan contra los grandes brechas de dominio, la acumulación de errores de las etiquetas pseudo (pseudo-labels) ruidosas y la inestabilidad de la adaptación, particularmente en el contexto del reconocimiento de emociones por EEG entre diferentes conjuntos de datos.

Metodología
Los autores proponen un marco de SF-UDA mejorado que consta de cuatro etapas distintas: preentrenamiento, computación, adaptación al objetivo e inferencia.

1. Preentrenamiento de Codificación Predictiva No Contrastiva:
   A diferencia del trabajo previo que depende del entrenamiento supervisado de la fuente, este marco introduce una estrategia de preentrenamiento autosupervisado. Un modelo de codificación predictiva, que utiliza una arquitectura de codificador-decodificador, se entrena para reconstruir la Densidad Espectral de Potencia (PSD) de segmentos de EEG futuros basados en la actividad pasada. Este enfoque no contrastivo aprende representaciones temporalmente predictivas y robustas sin requerir pares negativos u objetivos de contraste. El objetivo de preentrenamiento combina la pérdida de clasificación, la pérdida de discrepancia del clasificador y la pérdida de codificación predictiva para asegurar un aprendizaje de características discriminativo y temporalmente consistente.

2.Adaptación al Objetivo (Estrategia de Doble Etapa):
Una vez que el modelo de origen está preentrenado, el marco se adapta al dominio objetivo no etiquetado mediante un proceso de dos pasos:
* Regularización Adaptativa de Pérdida Múltiple (MLAR): Esta etapa estima la estructura del dominio objetivo mediante el agrupamiento (clustering) por clases. Genera etiquetas pseudo asignando las muestras al centroide de clúster más cercano. Para estabilizar el entrenamiento y reducir el ruido, MLAR emplea una máscara de muestra fiable basada en la confianza de la predicción y el acuerdo entre las etiquetas pseudo basadas en clústeres y las predicciones del modelo. La optimización minimiza la pérdida de acuerdo de la etiqueta pseudo, la pérdida de discrepancia del clasificador (divergencia de Jensen-Shannon entre dos clasificadores paralelos), la entropía de la predicción y un término de equilibrio de la distribución objetivo.
* Aprendizaje de Consistencia Localizada (LCL): Esta etapa impone la consistencia de la predicción entre los vecinos fiables. Los vecinos se seleccionan basándose en la intersección de la similitud en el espacio de características y la similitud en la salida del clasificador, asegurando que el modelo alinee las predicciones dentro de vecindarios locales mientras filtra los vecinos no fiables.

3. Entrenamiento en Tiempo de Prueba (TTT) Ligero:
   Durante la inferencia, el marco implementa un mecanismo de actualización en línea basado en la incertidumbre. Las muestras se evalúan utilizando la entropía de la predicción y el error de reconstrucción predictiva. Solo las muestras inciertas (aquellas que superan los umbrales basados en cuantiles para ambos indicadores) se seleccionan para la adaptación. Para estas muestras, se realiza una actualización ligera en las capas de normalización y los módulos de compuerta de atención utilizando una combinación de minimización de entropía y pérdida de reconstrucción predictiva. Esta actualización selectiva mejora la robustez contra los cambios de distribución manteniendo la eficiencia computacional al evitar actualizaciones para predicciones con alta confianza.

Contribuciones Clave

• Marco Mejorado: Los autores proponen un marco de SF-UDA integral diseñado específicamente para el reconocimiento de emociones por EEG entre conjuntos de datos, abordando la ausencia de datos de origen y los desafíos de los cambios de dominio.
• Preentrenamiento Autosupervisado: Introducción de una estrategia de codificación predictiva no contrastiva que aprende representaciones temporales de EEG robustas sin depender de datos de origen etiquetados u objetivos de contraste.
• Mecanismos de Adaptación Robustos: Diseño de una estrategia de adaptación de doble etapa (MLAR y LCL) que mejora la estabilidad y la consistencia de vecindad bajo etiquetas pseudo ruidosas.
• Refinamiento Eficiente en Tiempo de Prueba: Un mecanismo de TTT ligero que actualiza selectivamente el modelo para muestras inciertas, equilibrando la robustez con la eficiencia computacional.

Resultos Experimentales
El marco fue evaluado en tres conjuntos de datos públicos: DEAP, SEED y DREAMER, utilizando configuraciones de cruce de conjuntos de datos (por ejemplo, entrenar en DEAP y probar en SEED).

• Desempeño: El método propuesto superó consistentemente a las líneas base de SF-UDA del estado del arte (incluyendo métodos de Ahmed et al., Du et al., Ragab et al., y Zhao et al.) y al trabajo previo de SF-UDA de los autores.
  • En el conjunto de datos SEED (entrenado en DEAP), el método logró un 69.56% de precisión para clasificación binaria y un 57.08% para clasificación multiclase.
  • En el conjunto de datos DREAMER (entrenado en DEAP), logró un 63.03% de precisión para clasificación binaria.
  • Cuando se entrenó en SEED y se probó en DEAP, logró 61.38% (binaria) y 53.87% (multiclase).
• Significancia Estadística: Las pruebas t de muestras pareadas confirmaron que las mejoras sobre los métodos competidores fueron estadísticamente significativas.
• Estudios de Ablación: Los experimentos demostraron que eliminar el preentrenamiento de codificación predictiva, el módulo MLAR o el entrenamiento en tiempo de prueba resultaba en caídas significativas de desempeño, validando la necesidad de cada componente.
• Interpretabilidad: El análisis SHAP reveló que el modelo depende fuertemente de las características de las bandas gamma y beta de las regiones occipital, prefrontal y frontal-central, alineándose con los marcadores neurofisiológicos conocidos de la emoción.

Significancia y Reivindicaciones
El artículo afirma que el marco propuesto combina eficazmente el aprendizaje autosupervisado predictivo, la adaptación de dominio libre de fuente y el refinamiento en tiempo de prueba para lograr un reconocimiento de emociones por EEG robusto bajo severos cambios de dominio. Al eliminar la necesidad de datos de origen y abordar la inestabilidad de las etiquetas pseudo a través de un enfoque de múltiples etapas impulsado por la consistencia, el método ofrece una solución práctica para aplicaciones de computación afectiva sensibles a la privacidad. Los autores posicionan este trabajo como un paso significativo para cerrar la brecha entre los conjuntos de datos experimentales controlados y el despliegue en el mundo real, donde el intercambio de datos es restringido y la variabilidad del dominio es alta. Las direcciones futuras identificadas por los autores incluyen explorar la adaptación continua para distribuciones objetivo en evolución y extender el marco a otras señales fisiológicas y fusión multimodal.