Resumen Técnico: Aumento Generativo para la Clasificación de la Imaginación Motora en EEG

Planteamiento del Problema

Las interfaces cerebro-computadora (BCI) basadas en electroencefalografía (EEG), particularmente aquellas que utilizan la imaginación motora (MI), enfrentan desafíos significativos debido a la naturaleza laboriosa de la recolección de datos y la alta variabilidad de las señales entre diferentes sesiones y sujetos. Esta variabilidad dificulta el entrenamiento de clasificadores robustos. Si bien el aumento de datos es una estrategia de mitigación prometedora, los enfoques generativos existentes a menudo carecen de restricciones explícitas sobre la estructura de covarianza de las señales de EEG, lo cual es crítico para los clasificadores basados en geometría riemanniana. Además, la combinación de Autoencoders Variacionales (VAE) condicionales a la clase con objetivos de covarianza explícitos permanece en gran medida inexplorada.

Metodología

Arquitectura del Modelo

Los autores proponen un Autoencoder Variacional Condicional a la Clase (CVAE) con un clasificador latente integrado, diseñado para EEG de imaginación motora de cinco canales y 3 clases (pies, mano izquierda, mano derecha).

• Codificador (Encoder): Mapea los ensayos de entrada ($1 \times 5 \times 500$) a una posterior gaussiana utilizando convoluciones temporales y espaciales, seguidas de convoluciones agrupadas y separables.
• Decodificador (Decoder): Reconstruye los ensayos a partir de vectores latentes utilizando capas de upsampling y convolucionales.
• Clasificador Latente: Una pequeña red neuronal que opera en el espacio latente para forzar la separación de clases.
• Prior Condicional a la Clase: Parámetros gaussianos aprendibles ($\mu_p(y), \sigma^2_p(y)$) para cada clase, que sirven tanto como objetivo de la divergencia KL durante el entrenamiento como distribución de muestreo para generar datos sintéticos.

Objetivos de Entrenamiento

El modelo optimiza una suma ponderada de cuatro términos:

1. Reconstrucción (Soft-DTW): Utiliza Soft-Dynamic Time Warping en lugar de MSE para tolerar pequeños desplazamientos temporales y distorsiones locales comunes en el EEG.
2. Regularización Latente (KL Condicional): Fomenta que las representaciones latentes formen distribuciones compactas y específicas de clase cercanas a sus priors aprendidos.
3. Coincidencia de Covarianza Espacial (Log-Euclidean): Una restricción que obliga a que la matriz de covarianza de canales de la señal reconstruida coincida con la señal de entrada en el espacio tangente de Log-Euclídeo. Esto preserva la estructura de Positivo Definido Simétrico (SPD) sin requerir que el VAE opere directamente sobre la variedad (manifold).
4. Clasificación (Entropía Cruzada): Asegura que el clasificador latente identifique correctamente la clase de la muestra codificada.

Procedimiento de Entrenamiento: Refinamiento de Consistencia de Ciclo

Para abordar la discrepancia entre la posterior del codificador (utilizada durante el entrenamiento) y el prior condicional a la clase (utilizado durante la generación), los autores emplean un esquema de entrenamiento alterno:

• Fase Estándar: Optimización conjunta de todos los componentes.
• Fase Centrada en el Decodificador: El codificador, el prior y el clasificador se congelan. El decodificador se entrena con muestras extraídas directamente de los priors condicionales a la clase. El objetivo es minimizar el MSE entre la muestra latente original y la representación re-codificada (consistencia de ciclo) y preservar la etiqueta de clase. Esto agudiza la vía generativa específicamente para el aumento de datos.

Contribuciones Clave

1. Arquitectura: Introducción de un CVAE para MI-EEG de 5 canales que optimiza conjuntamente la reconstrucción, las restricciones de covarianza Log-Euclídea y un prior entrenable por clase.
2. Estrategia de Entrenamiento: Implementación de una fase de refinamiento del decodificador de consistencia de ciclo que alterna entre el entrenamiento conjunto y el decodificado enfocado en el prior para mejorar la calidad de los datos de aumento generados.
3. Evaluación Exhaustiva: Evaluación empírica de datos sintéticos a través de cuatro pipelines descendentes (CSP+LDA, TGSP+SVM, MDM, EEGNet) bajo dos protocolos: dentro del usuario (división agrupada 60/20/20) y entre usuarios (Leave-One-Subject-Out).
4. Estudios de Ablación: Siete estudios de ablación de factor único que aíslan las contribuciones del esquema de entrenamiento, las funciones de pérdida y las restricciones.

Resultados

Impacto del Aumento

• Hallazgos Generales: El EEG sintético del CVAE es más creíble como una fuente de datos con estructura de clase y tipo de covarianza, en lugar de un sustituto de la señal de EEG real.
• Dependencia del Clasificador:
  • MDM (Distancia Mínima a la Media Riemanniana): Muestra las estimaciones positivas más consistentes, aunque pequeñas, al ser aumentado. En entornos dentro del usuario, el rendimiento de MDM aumentó aproximadamente un 1.4% a 3.8% dependiendo del volumen de aumento. Sin embargo, estas ganancias no fueron estadísticamente significativas (los intervalos de confianza del 95% incluyeron cero) y no se transfirieron de manera confiable a entornos entre usuarios.
  • CSP+LDA, TGSP+SVM, EEGNet: No mostraron ninguna mejora mensurable; en algunos casos, el rendimiento disminuyó ligeramente. Los intervalos de confianza para el cambio en la precisión consistieron consistentemente en cero.
• Volumen de Aumento: Aumentar el volumen de datos sintéticos (0.5x a 5x) no produjo mejoras estadísticamente significativas sobre la línea base para ningún clasificador, aunque MDM mostró una tendencia consistente de estimaciones puntuales positivas.
• Rendimiento Solo con Aumento (Aug-Only): Los clasificadores entrenados únicamente con datos sintéticos alcanzaron una precisión muy por encima del azar (por ejemplo, MDM > 0.7), confirmando que el generador aprende una estructura de clase significativa. Sin embargo, los clasificadores en el espacio latente entrenados solo con datos sintéticos funcionaron casi tan bien como los entrenados con datos reales, lo que sugiere que la representación latente es discriminativa incluso si la reconstrucción de la señal es imperfecta.

Análisis de Calidad de los Datos

• Espacio Latente: Las visualizaciones t-SNE y la clasificación de media de prior más cercano (aprox. 0.8 de precisión) confirman que el espacio latente aprendido captura una estructura de clase significativa que se generaliza a datos no vistos.
• Fidelidad de la Señal:
  • Dominio del Tiempo: Las reconstrucciones preservan los patrones oscilatorios pero no logran coincidir con las formas de onda de los ensayos específicos (alta distancia Soft-DTW entre pares reales y reconstruidos).
  • Dominio de la Frecuencia: Las señales generadas capturan la potencia de la banda mu (8–15 Hz) pero exhiben diferencias en la forma espectral y picos de amplitud más altos en comparación con los datos reales.
  • Covarianza Espacial: La restricción de covarianza recupera parcialmente la estructura espacial. Para las clases de "pies" y "mano derecha", las topografías generadas correlacionaron bien con los datos reales (0.91 y 0.865, respectivamente). La clase "mano izquierda" mostró una consistencia pobre incluso en las divisiones de datos reales, y el generador no logró rastrear su patrón espacial.

Significancia y Reivindicaciones

El artículo concluye que el CVAE propuesto es una herramienta viable para generar EEG sintético con estructura de clase y consistencia de covarianza. Su utilidad principal radica en investigar qué pipelines descendentes pueden extraer de la estructura a nivel de clase por sí solos, en lugar de servir como un sustituto o complemento de propósito general para las grabaciones reales.

Los autores mantienen una postura modesta sobre los beneficios prácticos del aumento de datos:

• Las ganancias observadas en la precisión de clasificación descendente son pequeñas y dependientes del clasificador.
• Los datos sintéticos no parecen introducir una nueva variabilidad que complemente los datos reales; en cambio, replican en gran medida la estructura de clase ya presente en el conjunto de entrenamiento.
• La restricción de covarianza Log-Euclídea y la pérdida Soft-DTW se identifican como componentes esenciales para la capacidad del generador de producir datos utilizables y discriminativos de clase, particularmente para clasificadores basados en covarianza como MDM.
• El estudio destaca que, si bien el espacio latente es altamente discriminativo, la incapacidad del decodificador para reconstruir perfectamente la dinámica temporal específica limita la utilidad de las señales generadas para modelos de aprendizaje profundo como EEGNet, que dependen de características temporales finas.

El trabajo no pretende resolver el problema de la escasez de datos para la MI-BCI, sino que define los límites de lo que los modelos generativos actuales pueden lograr en la preservación de las propiedades geométricas y estadísticas de las señales de EEG.