🤖 machine learning

STDA-Net: Spectrogram-Based Domain Adaptation for cross-dataset Sleep Stage Classification

Il documento propone STDA-Net, un framework di adattamento di dominio non supervisionato basato su spettrogrammi che integra CNN, BiLSTM e apprendimento avversariale per ottenere una classificazione robusta e stabile delle fasi del sonno tra diversi dataset, superando i metodi esistenti basati su segnali 1D su più dataset.

Autori originali: Unaza Tallal, Shruti Kshirsagar, Ankita Shukla

Pubblicato 2026-05-11

📖 5 min di lettura🧠 Approfondimento

CC BY 4.0

Autori originali: Unaza Tallal, Shruti Kshirsagar, Ankita Shukla

Articolo originale sotto licenza CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). ✨ Questa è una spiegazione generata dall'IA dell'articolo qui sotto. Non è stata scritta né approvata dagli autori. Per precisione tecnica, consulta l'articolo originale. Leggi il disclaimer completo

Immagina di dover insegnare a un robot a riconoscere le diverse fasi del sonno umano (come sonno leggero, sonno profondo o sogno). Hai a disposizione molti dati di addestramento provenienti da un gruppo di persone (chiamiamolo "Gruppo A"), ma desideri che il robot funzioni perfettamente su un gruppo di persone completamente diverso ("Gruppo B").

Il problema è che il Gruppo A e il Gruppo B sono diversi. Forse il Gruppo A è stato registrato con un tipo diverso di microfono, in una stanza diversa o con una velocità di campionamento differente. Nel mondo dei dati, questo è chiamato "spostamento del dominio". È come cercare di insegnare a uno studente a riconoscere un cane usando solo foto di Golden Retriever, per poi aspettarsi che riconosca istantaneamente un Chihuahua senza alcun aiuto aggiuntivo. Il robot si confonde perché l'"aspetto" dei dati è cambiato.

Questo articolo presenta una nuova soluzione chiamata STDA-Net. Ecco come funziona, scomposta in concetti semplici:

1. Cambiare il "linguaggio" dei dati (Lo spettrogramma)

La maggior parte dei metodi precedenti cercava di insegnare al robot alimentandolo direttamente con le onde sonore grezze dell'attività cerebrale (EEG). Gli autori sostengono che questo sia come cercare di leggere un libro guardando le macchie d'inchiostro sulla pagina senza vedere le lettere.

Invece, STDA-Net converte queste onde cerebrali grezze in spettrogrammi. Pensa a uno spettrogramma come a una mappa di calore o a un'impronta digitale del suono. Invece di una semplice linea ondulata, trasforma i dati in un'immagine 2D dove è possibile vedere chiaramente i "colori" (frequenze) e le "forme" (pattern temporali) delle fasi del sonno. L'articolo afferma che osservare queste immagini 2D aiuta il robot a comprendere i dati molto meglio rispetto all'osservazione delle linee grezze.

2. La squadra a tre parti (L'architettura)

Per risolvere il problema di insegnare al robot a lavorare sul Gruppo B senza aver mai visto le risposte (etichette) del Gruppo B, gli autori hanno costruito una squadra di tre specialisti:

L'Artista (CNN): Questa parte osserva le immagini 2D a "mappa di calore" e impara a individuare i pattern unici di ogni fase del sonno. È come un artista che impara a riconoscere uno stile pittorico.
Il Narratore (BiLSTM): Il sonno non avviene in istantanee isolate; è una storia. Di solito non si passa istantaneamente dal "Sonno Profondo" al "Sogno" senza attraversare il "Sonno Leggero". Questa parte osserva la sequenza degli eventi. Ricorda i pochi minuti precedenti per capire cosa sta accadendo in questo momento, proprio come un narratore usa il contesto per dare senso al capitolo corrente.
La Spia (DANN): Questa è la parte astuta. Il compito della Spia è ingannare l'Artista. La Spia cerca di indovinare se un'immagine proviene dal Gruppo A o dal Gruppo B. L'Artista cerca di rendere le immagini così simili che la Spia non riesca a distinguerle. Costringendo l'Artista a "nascondere" le differenze tra i due gruppi, il robot impara a concentrarsi solo sui pattern del sonno che sono universali, ignorando le differenze nel modo in cui i dati sono stati registrati.

3. Il processo di addestramento

Il robot viene addestrato utilizzando dati dal Gruppo A (dove conosciamo le risposte) e dal Gruppo B (dove non conosciamo le risposte).

L'Artista impara a identificare le fasi del sonno dal Gruppo A.
La Spia cerca di distinguere il Gruppo A dal Gruppo B.
Il Narratore assicura che la sequenza del sonno abbia senso.
Attraverso questo "gioco", il robot impara a riconoscere le fasi del sonno nel Gruppo B tanto bene quanto nel Gruppo A, anche se non ha mai visto le risposte corrette per il Gruppo B durante l'addestramento.

4. I Risultati: Un robot più stabile

I ricercatori hanno testato questo sistema su tre diversi database reali del sonno. Hanno confrontato il loro nuovo metodo con metodi più vecchi che utilizzavano solo le "linee ondulate" grezze (dati 1D).

Migliore Equilibrio: I metodi vecchi erano bravi a indovinare le fasi del sonno più comuni (come essere svegli) ma terribili con quelle rare (come il sonno leggero). STDA-Net era molto migliore nel ottenere correttamente tutte le fasi, non solo quelle facili.
Più Affidabile: Quando i ricercatori hanno eseguito il test cinque volte con impostazioni casuali diverse, i metodi vecchi hanno dato risultati molto diversi ogni volta (come il lancio di una moneta). STDA-Net ha ottenuto quasi lo stesso punteggio alto ogni singola volta. Questo significa che il metodo è stabile e affidabile.
I Numeri: In media, il nuovo metodo ha corretto circa l'89% delle fasi del sonno, un miglioramento significativo rispetto ai migliori metodi precedenti.

Riepilogo

In breve, l'articolo afferma che trasformando le onde cerebrali in immagini 2D, aggiungendo un narratore per comprendere la sequenza del sonno e utilizzando una spia per nascondere le differenze tra diverse configurazioni di registrazione, hanno creato un sistema in grado di classificare accuratamente le fasi del sonno attraverso diversi dataset. Hanno scoperto che questo approccio è più accurato, più equilibrato e molto più stabile rispetto ai metodi precedenti che si basavano esclusivamente sui dati grezzi.

Riepilogo Tecnico: STDA-Net

Enunciato del Problema
La classificazione accurata delle fasi del sonno attraverso diversi dataset è ostacolata da significativi spostamenti di dominio causati dalla variabilità nelle configurazioni dei canali EEG, nelle frequenze di campionamento, negli ambienti di registrazione e nelle popolazioni di soggetti. Sebbene l'apprendimento profondo abbia fatto progredire la stadiazione automatica del sonno, la maggior parte dei metodi esistenti per dataset multipli si basa su rappresentazioni unidimensionali (1D) del segnale EEG grezzo. Inoltre, l'applicazione di input basati su spettrogrammi bidimensionali (2D) all'interno di un framework di adattamento di dominio non supervisionato per la stadiazione del sonno su dataset multipli rimane in gran parte inesplorata. Gli approcci attuali soffrono spesso di un degrado delle prestazioni durante il trasferimento dei modelli tra dataset a causa di queste differenze distribuzionali, e vi è stata un'attenzione limitata allo sfruttamento delle rappresentazioni tempo-frequenza 2D per colmare tale divario.

Metodologia
Gli autori propongono STDA-Net (Spectrogram-based Temporal Domain Adaptation Network), un framework progettato per l'adattamento di dominio non supervisionato nella classificazione delle fasi del sonno utilizzando spettrogrammi EEG 2D. L'architettura integra quattro componenti principali:

Preprocessing e Generazione degli Spettrogrammi: I segnali EEG grezzi a canale singolo provenienti dai domini sorgente e target vengono standardizzati (ricampionati a 100 Hz, filtrati passa-banda 0,5–30 Hz) e segmentati in epoche di 30 secondi. Ogni epoca viene convertita in una rappresentazione tempo-frequenza 2D (spettrogramma) di dimensioni $76 \times 60$ utilizzando la Trasformata di Fourier a Breve Termine (STFT). Per modellare le dipendenze temporali, vengono costruite sequenze di $L=10$ epoche consecutive (5 minuti) con un passo di 5 epoche.
Codificatore CNN per Epoche: Un backbone condiviso di Rete Neurale Convoluzionale (CNN) elabora ogni spettrogramma in modo indipendente per estrarre caratteristiche discriminative a livello di epoca. Il codificatore è costituito da quattro blocchi convoluzionali con unità residue, normalizzazione batch e attivazione GELU. Produce un vettore di caratteristiche a 128 dimensioni. Una testa di classificazione ausiliaria è collegata a queste caratteristiche per fornire una supervisione diretta per epoca, incoraggiando l'estrazione di caratteristiche spettrali discriminative.
Modulo Temporale BiLSTM: La sequenza di caratteristiche a livello di epoca viene immessa in una rete Bidirectional Long Short-Term Memory (BiLSTM) a due livelli. Questo modulo cattura le dipendenze temporali tra epoche consecutive, sfruttando i pattern di transizione delle fasi del sonno vincolati biologicamente (ad esempio, la rarità delle transizioni dirette tra certe fasi) per affinare le previsioni.
Addestramento Adversariale di Dominio (DANN): Per allineare le distribuzioni delle caratteristiche sorgente e target senza dati target etichettati, viene addestrato un discriminatore di dominio per distinguere tra caratteristiche sorgente e target. Viene applicato un Gradient Reversal Layer (GRL) al codificatore CNN, addestrandolo a generare caratteristiche che confondono il discriminatore, apprendendo così rappresentazioni invarianti al dominio. Questa adattamento adversariale viene applicato a livello delle caratteristiche CNN per epoca, poiché le discrepanze spettrali sono la fonte primaria del divario di dominio, mentre i pattern temporali rimangono relativamente coerenti.

La perdita totale di addestramento combina tre obiettivi: la perdita di classificazione principale ( $L_{main}$ ) sulle etichette sorgente, una perdita di classificazione ausiliaria ( $L_{aux}$ ) sulle caratteristiche CNN e la perdita di adattamento di dominio adversariale ( $L_{adv}$ ). Il peso per la perdita adversariale segue un programma progressivo per permettere al modello di apprendere prima caratteristiche sorgenti discriminative prima di aumentare gradualmente la pressione di allineamento.

Contributi Chiave

Proposta di Framework: L'introduzione di STDA-Net, un framework innovativo per la classificazione delle fasi del sonno su dataset multipli che opera su spettrogrammi EEG 2D. Integra in modo unico un codificatore CNN per l'estrazione di caratteristiche spettrali, una BiLSTM per la modellazione temporale e DANN per l'allineamento di dominio non supervisionato.
Ablazione Sistematica: Uno studio di ablatione completo che quantifica i contributi individuali della modellazione temporale, della supervisione ausiliaria e dell'adattamento adversariale, dimostrando che la combinazione di tutti i componenti produce le prestazioni ottimali.
Valutazione Robusta su Dataset Multipli: Esperimenti estesi condotti su tre dataset pubblici (Sleep-EDF, SHHS-1, SHHS-2) attraverso sei configurazioni distinte di trasferimento tra dataset, validando la robustezza del framework contro gli spostamenti di dominio.

Risultati
Gli esperimenti sono stati condotti su Sleep-EDF, SHHS-1 e SHHS-2 in sei configurazioni di trasferimento. Il proposto STDA-Net ha raggiunto:

Un'accuratezza media del 89,03%.
Un punteggio macro F1 medio dell'87,64%.
Ha costantemente superato i metodi baseline 1D esistenti (inclusi Deep CORAL, DANN, ADAST e ADAADL) in termini di prestazioni di classificazione bilanciate (macro F1).
Ha dimostrato una varianza sostanzialmente inferiore su cinque esecuzioni indipendenti rispetto ai baseline, indicando una maggiore stabilità e riproducibilità.

In modo notevole, il modello ha mostrato un'asimmetria direzionale in cui il trasferimento dai dataset SHHS a Sleep-EDF ha superato il contrario, suggerendo che l'addestramento su popolazioni sorgente fisiologicamente diverse produce rappresentazioni spettrali più generalizzabili.

Significato
Il documento afferma che le rappresentazioni basate su spettrogrammi 2D, quando combinate con la modellazione temporale e l'adattamento di dominio adversariale, forniscono un'alternativa robusta e competitiva agli input EEG 1D convenzionali per la stadiazione del sonno su dataset multipli. I risultati suggeriscono che il passaggio dalle forme d'onda 1D grezze alle rappresentazioni tempo-frequenza 2D aiuta a mitigare il degrado delle prestazioni tipicamente causato dagli spostamenti di dominio nei dati sul sonno. Il framework affronta con successo la sfida di generalizzare i modelli di stadiazione del sonno attraverso diversi protocolli di acquisizione e popolazioni di soggetti senza richiedere dati target etichettati, offrendo una soluzione pratica per migliorare l'analisi automatica del sonno in contesti clinici e di ricerca. È proposto un lavoro futuro per validare il framework su database aggiuntivi (ISRUC, MASS) ed estenderlo a configurazioni EEG multicanale.