⚡ electrical engineering

Towards Practical Emotion Recognition: An Unsupervised Source-Free Approach for EEG Domain Adaptation

Cet article propose un nouveau cadre d'adaptation de domaine non supervisée sans source pour la reconnaissance des émotions basée sur l'EEG qui utilise une régularisation adaptative à double perte et un apprentissage de cohérence localisée pour s'adapter aux domaines cibles sans données sources, atteignant des performances de pointe sur plusieurs ensembles de données tout en abordant les défis de la confidentialité et de la variabilité des signaux.

Auteurs originaux : Md Niaz Imtiaz, Naimul Khan

Publié 2026-07-23

📖 8 min de lecture🧠 Analyse approfondie

CC BY 4.0

Auteurs originaux : Md Niaz Imtiaz, Naimul Khan

Article original sous licence CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). ✨ Ceci est une explication générée par l'IA de l'article ci-dessous. Elle n'a pas été rédigée ni approuvée par les auteurs. Pour une précision technique, consultez l'article original. Lire la clause de non-responsabilité complète

Imaginez que votre cerveau soit une ville bouillonnante, envoyant constamment des signaux électriques comme des ondes radio pour coordonner tout, de vos pensées à vos sentiments. Les scientifiques cherchent depuis longtemps à construire un « traducteur » capable d'écouter ces ondes radio — spécifiquement celles appelées EEG (électroencéphalogramme) — pour comprendre ce que vous ressentez. Il ne s'agit pas seulement de lire les pensées pour s'amuser ; c'est une étape cruciale pour aider les personnes souffrant de problèmes de santé mentale, construire des ordinateurs qui comprennent nos humeurs et créer une technologie qui réagit à nos émotions. Cependant, il y a un gros bémol : le cerveau de chaque personne est une ville unique avec sa propre configuration, et les « stations de radio » (les capteurs enregistrant les signaux) peuvent être installées différemment dans différents laboratoires. Un traducteur entraîné sur le cerveau d'une personne se retrouve souvent confus lorsqu'il essaie d'écouter celui d'une autre personne, ou lorsque l'équipement d'enregistrement change. C'est ce qu'on appelle le « décalage de domaine » (domain shift), et c'est comme essayer de parler français à quelqu'un qui ne comprend que l'espagnol, même si vous parlez tous deux la même langue des « sentiments ».

Pour corriger cela, les scientifiques utilisent généralement une technique appelée « adaptation de domaine », où ils montrent à l'ordinateur à la fois les anciennes données (de la première personne) et les nouvelles données (de la seconde personne) pour lui apprendre à traduire. Mais voici le problème : dans le monde réel, nous ne pouvons souvent pas partager ces anciennes données. Peut-être sont-elles trop privées, ou peut-être que l'ordinateur qui exécute la traduction est un petit appareil sur un téléphone qui n'a pas la place de stocker les anciens fichiers. C'est là que réside le grand défi : comment apprendre à un ordinateur à comprendre le cerveau d'une nouvelle personne sans jamais voir les données de la personne précédente ? Cet article s'attaque précisément à ce casse-tête, en proposant une nouvelle méthode ingénieuse pour enseigner à l'ordinateur en utilisant uniquement les nouvelles données et une « mémoire » de ce qu'il a appris auparavant, sans avoir besoin des fichiers originaux.

Le Traducteur « Fantôme » du Cerveau

Les auteurs de cet article, Md Niaz Imtiaz et Naimul Khan, ont construit un nouveau système qu'ils appellent une méthode de « l'adaptation de domaine non supervisée sans source » (SF-UDA pour Source-Free Unsupervised Domain Adaptation). Voyez cela comme un détective qui a résolu un mystère dans une ville (la « source ») mais qui est maintenant envoyé dans une ville complètement différente (la « cible ») pour résoudre une affaire similaire. Habituellement, le détective apporterait ses anciens dossiers pour comparer les indices. Mais dans ce scénario, le détective a l'interdiction d'apporter les dossiers — ils sont trop sensibles ou la valise est trop petite. Au lieu de cela, le détective doit compter sur son intuition entraînée et sur les nouveaux indices qu'il trouve dans la rue, en comprenant comment la configuration de la nouvelle ville correspond à l'ancienne sans jamais regarder l'ancienne carte.

Les chercheurs ont testé cette idée sur trois célèbres « villes d'émotions » (des jeux de données nommés DEAP, SEED et DREAMER) où des personnes regardaient des vidéos ou des clips musicaux pendant que leurs ondes cérébrales étaient enregistrées. Ils voulaient voir si leur nouvelle méthode pouvait prendre un modèle entraîné sur un jeu de données et le faire fonctionner parfaitement sur un autre, sans jamais jeter un coup d'œil aux données d'entraînement originales.

Comment le Détective Résout l'Affaire : Deux Outils Secrets

L'article introduit un cadre à plusieurs étapes, mais la magie opère grâce à deux outils spécifiques que le détective utilise pour s'adapter à la nouvelle ville :

1. Le Système de « Double Vérification » (Régularisation Adaptative à Double Perte ou DLAR)
Imaginez que le détective ait deux partenaires, essayant tous deux de deviner ce que ressent un suspect. Habituellement, s'ils ne sont pas d'accord, le détective sait que quelque chose ne va pas. Mais dans ce nouveau système, le détective ne fait confiance aux partenaires que lorsqu'ils sont tous deux extrêmement confiants et d'accord entre eux. Le système utilise une règle de « double vérification » : il recherche les signaux cérébraux où les deux partenaires sont fortement d'accord. Il utilise ensuite ces signaux « confiants » pour créer un ensemble de « étiquettes fantômes » (des étiquettes fictives qui agissent comme la vérité) pour enseigner au modèle. Si les partenaires ne sont pas d'accord, le système ignore ce signal pour éviter d'être trompé par le bruit. Cela aide le modèle à apprendre les motifs de la nouvelle ville sans être piégé par des indices peu fiables.

2. La « Surveillance de Quartier » (Apprentissage de Cohérence Localisée ou LCL)
Une fois que le détective a quelques bonnes suppositions, il commence à observer le quartier. La règle de la « Surveillance de Quartier » dit : « Si deux personnes vivent l'une à côté de l'autre et se ressemblent beaucoup, elles ressentent probablement la même chose. » Le système trouve des groupes de signaux cérébraux similaires (des voisins) et force le modèle à donner la même réponse. Cependant, il est intelligent quant à qui il fait confiance. Il n'écoute que les voisins qui sont fiables, en se basant à la fois sur leur « visage » (valeurs des caractéristiques) et leur « confiance » (le degré de certitude du modèle). Cela empêche le modèle de copier de mauvaises suppositions de voisins peu fiables et l'aide à construire une compréhension cohérente de la nouvelle ville.

Les Résultats : Un Nouveau Champion

Les chercheurs ont mis leur méthode à l'épreuve, opposant leur méthode à d'autres méthodes de haut niveau qui nécessitent habituellement l'accès aux anciennes données. Les résultats ont été impressionnants. Lorsqu'ils ont entraîné leur modèle sur le jeu de données DEAP et l'ont testé sur le jeu de données SEED, leur méthode a atteint une précision de 65,84 %. Lorsqu'ils ont inversé le processus (entraînement sur SEED, test sur DEAP), ils ont atteint 58,99 %. Ils ont également testé sur le jeu de données DREAMER, atteignant respectivement 58,87 % et 67,08 % de précision selon les directions.

Ces chiffres ne sont pas seulement un peu meilleurs ; ils battent de manière significative les autres méthodes, qui avaient du mal à s'adapter sans les anciennes données. L'article montre que leur approche est particulièrement efficace pour détecter les émotions positives et négatives, ce qui en fait un candidat solide pour une utilisation réelle.

Pourquoi Cela Importe et Ce que Cela Ne Fait Pas

L'article écarte explicitement l'idée qu'il est nécessaire de conserver les anciennes données pour que cela fonctionne. Ils soutiennent que les méthodes traditionnelles qui tentent de faire correspondre directement les anciennes et les nouvelles distributions de données sont impossibles si vous n'avez pas les anciennes données. Au lieu de cela, ils prouvent que vous pouvez vous adapter efficacement en affinant les propres prédictions du modèle et en utilisant la structure des nouvelles données elles-mêmes.

Cependant, l'article prend soin de ne pas prétendre qu'il s'agit d'un problème parfaitement résolu. Ils notent que le modèle éprouve encore un peu de difficulté avec les émotions « négatives » dans certains jeux de données (comme DEAP) car il y avait moins d'exemples d'émotions négatives pour commencer (un problème de déséquilibre des classes). Ils ont également constaté que le modèle est légèrement plus performant lorsque les personnes des jeux de données sont plus similaires (comme pour le jeu de données SEED, où tous les participants proviennent du même milieu) par rapport à des groupes plus diversifiés.

Les auteurs ont également testé la capacité de leur système à gérer le « bruit » — comme des interférences radio. Ils ont ajouté de fausses interférences électriques aux signaux, et leur modèle est resté étonnamment stable, ne montrant que de très légères baisses de précision. Cela suggère que la méthode est suffisamment robuste pour une utilisation dans le monde réel où les signaux ne sont pas toujours parfaits.

L'Essentiel

Cet article ne se contente pas de suggérer une nouvelle idée ; il fournit un plan de travail opérationnel pour apprendre aux ordinateurs à comprendre les émotions humaines à travers différentes personnes et contextes, sans violer la vie privée ou manquer de mémoire. En utilisant un système de « Double Vérification » pour trouver des indices fiables et une « Surveillance de Quartier » pour maintenir la cohérence, les auteurs ont créé une méthode qui est non seulement efficace, mais aussi pratique pour l'avenir des interfaces cerveau-ordinateur. Bien qu'il reste du travail pour gérer parfaitement chaque type d'émotion, cette approche est une étape significative vers la création d'une technologie de reconnaissance des émotions qui soit sûre, respectueuse de la vie privée et prête pour le monde réel.

Résumé Technique : Vers une reconnaissance des émotions pratique : Une approche sans source non supervisée pour l'adaptation de domaine EEG

Problématique

La reconnaissance des émotions basée sur l'électroencéphalogramme (EEG) est cruciale pour le suivi de la santé mentale, les soins de santé et les interfaces cerveau-ordinateur (BCI). Cependant, les modèles d'apprentissage profond entraînés sur des données EEG souffrent d'un décalage de domaine (domain shift) lorsqu'ils sont appliqués à de nouveaux sujets ou de nouveaux environnements d'enregistrement, en raison de la variabilité inter-sujets et des différences dans les configurations d'enregistrement. Bien que l'adaptation de domaine non supervisée (UDA) traite cela en exploitant les données sources et cibles, elle fait face à des barrières pratiques importantes :

Confidentialité et accessibilité des données : Dans des scénarios réels (par exemple, déploiement mobile ou soins de santé), l'accès aux données sources étiquetées originales lors de l'adaptation cible est souvent impossible en raison des réglementations sur la confidentialité et des contraintes de calcul.
Rareté des étiquettes : La collecte et l'annotation des données EEG sont laborieuses et coûteuses.
Lacune dans la littérature : Bien que l'adaptation de domaine non supervisée sans source (SF-UDA) ait été explorée en vision par ordinateur, son application à la reconnaissance des émotions par EEG reste inexplorée. Les méthodes SF-UDA existantes luttent souvent contre les pseudo-étiquettes bruitées et les biais hérités du domaine source lorsque les données sources sont indisponibles.

Méthodologie

Les auteurs proposent un nouveau cadre d'Adaptation de Domaine Non Supervisée Sans Source (SF-UDA) adapté à la classification des émotions par EEG. La méthode opère en quatre étapes distinctes, utilisant une architecture de réseau composée d'un extracteur de caractéristiques ( $F$ ) suivi de deux classificateurs parallèles ( $C_1, C_2$ ).

1. Pré-entraînement

Le modèle est initialement entraîné sur des données sources étiquetées ( $X_s, Y_s$ ) pour apprendre les caractéristiques fondamentales des émotions. La fonction de perte combine l'entropie croisée pondérée (utilisant l'optimisation de la distribution robuste par groupe ou Group Distributionally Robust Optimization) et une perte de divergence de classificateur pour garantir que les deux classificateurs produisent des prédictions cohérentes mais diverses. Une fois le pré-entraînement terminé, les données sources sont jetées et le modèle procède au domaine cible sans accès ultérieur aux données sources.

2. Calcul

En utilisant le modèle pré-entraîné et les données cibles non étiquetées ( $X_t$ ), le système calcule :

Centroïdes de grappes ( $CC_t$ ) : Représentations de caractéristiques agrégées pour chaque catégorie d'émotion, pondérées par la confiance softmax des classificateurs.
Divergence moyenne des classificateurs ( $M_{dis}$ ) : La distance euclidienne moyenne entre les sorties des deux classificateurs, servant de seuil pour identifier les échantillons de confiance.

3. Adaptation de la cible

Cette étape adapte le modèle au domaine cible en utilisant deux étapes d'entraînement séquentielles sur des données cibles non étiquetées :

Régularisation Adaptative à Double Perte (DLAR) :
- Perte d'accord des pseudo-étiquettes ( $L_{plal}$ ) : Les échantillons reçoivent des pseudo-étiquettes basées sur le centroïde de grappe le plus proche. Le modèle est entraîné pour aligner ses prédictions avec ces pseudo-étiquettes.
- Perte de divergence de classificateur de confiance ( $L_{ccdl}$ ) : Pour atténuer le bruit, cette perte n'est appliquée qu'aux échantillons "confiants" — ceux présentant une faible entropie de prédiction et une faible divergence entre les deux classificateurs. Cela encourage l'accord parmi les prédictions fiables.
- Mécanisme : À la fin de chaque époque, les centroïdes de grappes sont mis à jour pour refléter l'évolution de l'espace des caractéristiques.
Apprentissage de Cohérence Localisée (LCL) :
- Cette étape impose une cohérence locale en encourageant des prédictions similaires pour les "voisins fiables".
- Sélection de voisins : Un voisin n'est considéré comme fiable que s'il est un $k$ -plus proche voisin à la fois dans l'espace des caractéristiques et dans l'espace de probabilité softmax.
- Perte : Le modèle minimise les écarts de prédiction parmi ces voisins fiables communs, alignant localement les espaces de caractéristiques et de classificateurs.

4. Inférence

Le système utilise une Augmentation de Temps de Test Sensible à la Confiance de Prédiction (PC-TTA). Au lieu d'augmenter tous les échantillons de test (ce qui est coûteux en calcul), les augmentations (ex: bruit gaussien, rééchantillonnage) sont appliquées sélectivement aux échantillons présentant une incertitude élevée (entropie élevée) et une divergence de classificateur élevée. Les prédictions finales sont déterminées par un vote majoritaire entre les échantillons originaux et augmentés.

Contributions Clés

Premier SF-UDA pour l'EEG des émotions : Ce travail présente la première application de l'adaptation de domaine non supervisée sans source spécifiquement pour la reconnaissance des émotions par EEG.
Cadre multi-étapes : Un pipeline robuste qui passe du pré-entraînement à l'adaptation de la cible sans données sources, répondant aux contraintes de confidentialité et de calcul.
Régularisation Adaptative à Double Perte (DLAR) : Une technique qui minimise les divergences de classificateurs sur les échantillons confiants tout en alignant les prédictions avec les pseudo-étiquettes basées sur les grappes, réduisant l'impact des étiquettes bruitées.
Apprentissage de Cohérence Localisée (LCL) : Une stratégie qui impose une cohérence locale en identifiant des voisins fiables via un mécanisme à double critère (caractéristiques et probabilité), améliorant la généralisation.

Résultats Expérimentaux

La méthode a été évaluée sur trois jeux de données largement utilisés : DEAP, SEED et DREAMER. Les expériences impliquent des tests croisés entre jeux de données (ex: entraînement sur DEAP, test sur SEED) pour simuler des décalages de domaine importants.

Performance : La méthode proposée surpasse significativement quatre lignes de base SF-UDA de pointe (adaptées de tâches d'image et de séries temporelles).
- DEAP $\to$ SEED : 65,84 % de précision (contre 61,98 % pour le second meilleur).
- SEED $\to$ DEAP : 58,99 % de précision (contre 53,55 % pour le second meilleur).
- DEAP $\to$ DREAMER : 58,87 %.
- SEED $\to$ DREAMER : 67,08 %.
Signification Statistique : Des tests t pour échantillons appariés ont confirmé que les améliorations étaient statistiquement significatives ( $p < 0,05$ ou $p < 0,01$ ) dans la plupart des comparaisons.
Études d'Ablation :
- Supprimer l'étape d'adaptation de la cible (Modèle A) a fait chuter la performance en dessous de la probabilité aléatoire dans certains cas.
- Supprimer LCL (Modèle B) a réduit la précision d'environ 5 %.
- Supprimer DLAR (Modèle C) a réduit la précision d'environ 3,5 %.
- Analyse des caractéristiques : Les caractéristiques de densité spectrale de puissance (PSD) ont donné des résultats supérieurs à l'entropie différentielle (DE).
- Sélection de voisins : La combinaison de la sélection de voisins basée sur les caractéristiques et sur le softmax a surpassé l'utilisation de l'une ou l'autre métrique seule.
Robustesse : Le modèle a démontré une grande résilience au bruit synthétique (gaussien, ligne électrique, dérive de la ligne de base), mont'rant une dégradation minimale de la précision.
Importance des Caractéristiques : L'analyse SHAP a identifié les canaux frontaux, préfrontaux et temporaux (ex: Fz, F3, F8) ainsi que les bandes de haute fréquence (gamma, bêta, alpha) comme étant les caractéristiques les plus influentes.

Signification et Revendications

L'article affirme que ce travail comble une lacune critique dans la reconnaissance pratique des émotions en permettant l'adaptation de domaine sans accès aux données sources, préservant ainsi la confidentialité des données et réduisant la charge de calcul. Les auteurs affirment que leur méthode :

Résout la contrainte "Sans Source" : Adapte avec succès les modèles à de nouveaux domaines où les données sources sont inaccessibles, une limitation courante dans le monde réel.
Atténue le bruit des pseudo-étiquettes : Grâce à DLAR et LCL, l'approche gère efficacement le bruit inhérent au pseudo-étiquetage, un point de défaillance majeur des méthodes SF-UDA traditionnelles.
Offre une utilité pratique : La méthode est bien adaptée aux environnements à ressources limitées (ex: BCI mobiles) et aux applications de santé où le partage de données est restreint.
Généralise bien : L'approche excelle dans la détection d'émotions positives et négatives à travers divers jeux de données et conditions d'enregistrement, surpassant les méthodes SF-UDA générales existantes adaptées à cette tâche.

Les auteurs concluent que bien que la méthode soit prometteuse, les travaux futurs se concentreront sur l'extension du modèle à l'étiquetage continu des émotions (valence/éveil) et sur l'affinement des stratégies de pseudo-étiquetage pour une généralisation plus large.