Sample-level EEG-based Selective Auditory Attention Decoding with Markov Switching Models

Titolo: Decodifica dell'attenzione uditiva selettiva basata su EEG a livello di campione con Modelli a Commutazione di Markov (MSM)

1. Il Problema

La decodifica dell'attenzione uditiva selettiva (sAAD) mira a identificare quale parlante un ascoltatore sta seguendo in scenari con più voci simultanee, utilizzando segnali neurali come l'elettroencefalogramma (EEG).

• Sfida principale: L'EEG ha un rapporto segnale-rumore (SNR) estremamente basso. Per ottenere una decodifica affidabile, la maggior parte degli algoritmi attuali aggrega i dati in finestre temporali predefinite (es. 1-30 secondi).
• Trade-off: Esiste un compromesso fondamentale tra risoluzione temporale e accuratezza. Finestre più brevi offrono una migliore risoluzione temporale (rilevamento più rapido dei cambi di attenzione) ma producono correlazioni più rumorose, degradando l'accuratezza. Finestre più lunghe migliorano l'accuratezza ma introducono un ritardo significativo nel rilevamento dei cambi di attenzione.
• Limitazione degli approcci attuali: I metodi recenti utilizzano un decodificatore lineare seguito da un post-processing basato su Modelli a Markov Nascosti (HMM) per "smussare" le uscite della finestra. Tuttavia, questo approccio opera ancora a livello di finestra e separa la decodifica dal modellamento temporale.

2. Metodologia: Il Modello a Commutazione di Markov (MSM)

Gli autori propongono di integrare la decodifica e lo smoothing temporale in un unico quadro probabilistico utilizzando un Modello a Commutazione di Markov (MSM).

• Formulazione del modello:

  • Il sistema modella direttamente la relazione tra i segnali EEG ($x_t$) e le differenze tra le buste acustiche dei parlanti ($y_t = y_{1t} - y_{2t}$) sotto ciascuno stato di attenzione nascosto ($S_t$).
  • L'osservazione $y_t$ è modellata come una regressione lineare sui dati EEG ritardati spazialmente e temporalmente ($\hat{x}_t$), con coefficienti di regressione ($\beta_{S_t}$) e varianza del rumore ($\sigma^2_{S_t}$) specifici per lo stato di attenzione (Parlante 1 o Parlante 2).
  • Lo stato di attenzione $S_t$ evolve come una catena di Markov del primo ordine, dove le probabilità di transizione ($p_{ij}$) modellano la frequenza con cui l'attenzione cambia tra i parlanti.

• Algoritmo di Inferenza:

  • Viene utilizzato l'algoritmo Expectation-Maximization (EM) per stimare congiuntamente i parametri del modello e gli stati di attenzione a ogni istante di tempo (livello di campione).
  • Passo E (Expectation): Utilizza l'algoritmo forward-backward per calcolare le probabilità posteriori degli stati nascosti dati i dati osservati e i parametri correnti.
  • Passo M (Massimizzazione): Aggiorna i coefficienti di regressione e le varianze del rumore massimizzando la funzione Q (log-verosimiglianza completa attesa).

• Inizializzazione:

  • Data la bassa SNR dell'EEG, l'inizializzazione è critica. Gli autori inizializzano i parametri del MSM utilizzando un decodificatore lineare pre-addestrato ($\beta^*$) (addestrato su dati supervisionati o non supervisionati). I coefficienti $\beta_1$ e $\beta_2$ sono inizializzati come $\beta^*$ e $-\beta^*$ rispettivamente.

3. Contributi Chiave

1. Decodifica a livello di campione (Sample-level): A differenza dei metodi basati su finestre, l'MSM opera direttamente sui dati EEG e sulle buste acustiche a livello di campione, eliminando la necessità di pre-selezionare una lunghezza della finestra.
2. Integrazione Unificata: Unisce la modellazione della relazione EEG-busta acustica e la dinamica temporale dell'attenzione in un unico framework probabilistico, invece di applicare un post-processing separato.
3. Rilevamento più rapido dei cambi: Il metodo permette di rilevare i cambi di attenzione con un ritardo significativamente inferiore rispetto ai metodi basati su finestre, pur mantenendo un'accuratezza comparabile.
4. Disponibilità del codice: Il codice sorgente è stato reso pubblico per favorire la riproducibilità.

4. Risultati Sperimentali

Il metodo è stato valutato su un dataset pubblico con 16 partecipanti sani che ascoltavano due parlanti simultanei. Sono stati confrontati tre scenari di inizializzazione del decodificatore pre-addestrato: Supervisionato specifico per utente (Sup-US), Non supervisionato specifico per utente (Unsup-US) e Supervisionato indipendente dall'utente (Sup-UI).

• Accuratezza di Decodifica:

  • L'MSM ha raggiunto un'accuratezza mediana comparabile al metodo HMM post-processing (circa 77.3% per Sup-US vs 77.6% per HMM).
  • Non sono state trovate differenze statisticamente significative nell'accuratezza tra i due metodi in nessuna delle configurazioni testate.
  • Entrambi i metodi hanno superato di gran lunga il decodificatore lineare grezzo (LS) senza post-processing (che si attestava tra il 50% e il 60%, vicino al caso).

• Tempo di Rilevamento del Cambio (Switch Detection Time):

  • L'MSM ha dimostrato un vantaggio significativo nella latenza.
  • Nel setting Sup-US, il tempo di rilevamento è sceso da 34.5s (HMM) a 22.2s (MSM).
  • Nel setting Unsup-US, è sceso da 42.3s a 29.9s.
  • Nel setting Sup-UI, è sceso da 51.5s a 33.7s.
  • Le differenze sono statisticamente significative ($p < 0.05$).

• Robustezza: I risultati suggeriscono che l'MSM è sensibile all'inizializzazione (potenzialmente a causa di ottimi locali nell'algoritmo EM), ma mantiene prestazioni elevate quando inizializzato correttamente.

5. Significato e Implicazioni

Questo lavoro rappresenta un passo avanti significativo verso l'applicazione pratica della sAAD in dispositivi reali come gli aidi acustici guidati dal neuro-segnale (neuro-steered hearing aids).

• Reattività: La capacità di rilevare i cambi di attenzione in tempo reale (o quasi) è cruciale per l'usabilità in scenari sociali dinamici, dove l'ascoltatore cambia rapidamente il focus tra i parlanti.
• Efficienza: Eliminare la dipendenza dalla lunghezza della finestra ottimizza l'uso della risoluzione temporale intrinseca dell'EEG.
• Futuro: Sebbene l'attuale formulazione sia lineare, gli autori notano che il framework può essere esteso a reti neurali profonde non lineari, sebbene ciò richieda tecniche di inferenza più avanzate (es. variational inference) per gestire la bassa SNR.

In sintesi, l'MSM offre un compromesso superiore tra accuratezza e latenza, rendendo la decodifica dell'attenzione uditiva più pratica per applicazioni cliniche e consumer.