Riepilogo Tecnico: Priori Spettrali vs. Attenzione nella Diagnosi Basata su EEG

Enunciato del Problema

I segnali in serie temporali dell'elettroencefalografia (EEG) sono intrinsecamente rumorosi e possiedono una risoluzione spaziale grossolana, complicando la classificazione delle malattie neurodegenerative. Nonostante la prevalenza di architetture di deep learning all'avanguardia, in particolare quelle che utilizzano meccanismi di attenzione (ad esempio, i Transformer), distinguere tra soggetti sani e pazienti affetti da patologie, o tra diversi tipi di malattia, rimane una sfida a causa dell'alta similarità inter-gruppo. Gli autori ipotizzano che questi modelli faticano perché mancano del pregiudizio induttivo specifico necessario per disentanglare i componenti oscillatori sovrapposti intrinseci ai dati neurofisiologici. Mentre i Transformer eccellono nel modellare dipendenze a lungo raggio in sequenze quasi stazionarie come il testo, potrebbero non riuscire a catturare i segnali discriminativi distribuiti globalmente presenti nell'EEG a riposo, dove i biomarcatori sono spesso potenza oscillatoria e accoppiamento di fase piuttosto che eventi temporali discreti.

Metodologia

Il documento propone un approccio "selettivo nello spettro" per la costruzione delle caratteristiche, mettendolo a confronto con l'apprendimento end-to-end basato sull'attenzione su dati in serie temporali grezzi.

Costruzione delle Caratteristiche

Gli autori trasformano i dati EEG grezzi ad alta dimensionalità in caratteristiche spettrali ad alto valore attraverso una pipeline multi-step:

1. Preprocessing: I segnali vengono ridotti in frequenza a 256 Hz e filtrati in banda (0,5–45 Hz).
2. Estrazione Spettrale (Welch-FFT): Per ciascun canale, la Densità di Potenza Spettrale (PSD) viene stimata utilizzando il metodo di Welch con una finestra di Hann. Gli autori calcolano:
   • Potenze Relative delle Bande: La potenza assoluta viene integrata su cinque bande canoniche ($\delta, \theta, \alpha, \beta, \gamma$) e normalizzata rispetto alla potenza totale.
   • Statistiche Riassuntive Spettrali: Frequenza media, frequenza mediana ed entropia spettrale vengono calcolate per canale e mediate su tutti i canali.
3. Decomposizione Tempo-Frequenza (DWT): Per catturare componenti non stazionarie, viene applicata la Trasformata Wavelet Discreta (DWT). I coefficienti di approssimazione e dettaglio vengono mappati sulle bande EEG canoniche per calcolare le energie relative delle bande.
4. Aggregazione: Le caratteristiche vengono aggregate attraverso i canali per formare vettori specifici per sessione.

Configurazione Sperimentale

Lo studio valuta due approcci:

• Classificatori Tradizionali: Analisi Discriminante Quadratica (QDA) e Random Forest (RF) addestrati sulle caratteristiche spettrali ingegnerizzate.
• Architetture Basate sull'Attenzione: Modelli all'avanguardia inclusi Medformer, Reformer e EEG Conformer, addestrati su dati in serie temporali grezzi.

La metodologia è stata validata su quattro dataset open-source:

• A Riposo: APAVA (Alzheimer), TDBrain (Parkinson) e ADFTD (Alzheimer, Demenza, Sani).
• Basati su Attività: Dataset ADHD (pazienti con ADHD vs. Sani).

I dati sono stati partizionati utilizzando protocolli stabiliti nella letteratura precedente (ad esempio, Medformer) per garantire un confronto equo, con normalizzazione Z-score applicata rigorosamente basata sulle statistiche del set di addestramento.

Contributi e Risultati Chiave

1. Parità di Prestazioni e Superiorità dei Priori Spettrali

Il risultato principale è che i modelli di machine learning tradizionali operanti su caratteristiche spettrali eguagliano o superano le prestazioni dei modelli di deep learning basati su attenzione all'avanguardia.

• QDA ha ottenuto prestazioni superiori sui dataset ADFTD, APAVA e ADHD.
• Random Forest ha ottenuto i migliori risultati sul dataset TDBrain.
• In diversi casi (APAVA e TDBrain), i classificatori tradizionali hanno raggiunto una classificazione quasi perfetta o perfetta (100% di accuratezza), mentre i modelli Transformer hanno mostrato prestazioni inferiori.
• Gli autori sostengono che per l'EEG a riposo, dove i biomarcatori sono oscillatori e stazionari, trattare il segnale come una sequenza di token discreti ignora la fisica continua sottostante.

2. Limiti dei Meccanismi di Attenzione

Il documento fornisce prove empiriche che i meccanismi di attenzione non riescono a distillare firme di caratteristiche stabili nei dati EEG:

• Analisi della Matrice di Confusione: Nel dataset ADFTD, la QDA ha catturato perfettamente lo stato a bassa varianza dei soggetti sani, mentre il Conformer ha classificato erroneamente oltre un terzo dei soggetti sani, indicando un'incapacità di riconoscere l'attività neurale di base.
• Diagnostica Divergenza KL: Gli autori hanno calcolato la divergenza KL tra le mappe di attenzione delle previsioni corrette e quelle errate. I risultati hanno mostrato:
  • Valori di divergenza estremamente bassi, suggerendo che il potere predittivo non deriva dal meccanismo di attenzione.
  • Divergenza simmetrica ($KL(Corretto||Errato) \approx KL(Errato||Corretto)$), indicando che il focus interno del modello è invariante rispetto al successo diagnostico.
• Sensibilità all'Input: Quando gli autori hanno fornito a Medformer segnali pre-decomposti e isolati in frequenza (rimuovendo la necessità per il modello di apprendere la separazione spettrale), le prestazioni non sono migliorate; anzi, si sono stabilizzate o degradate. Gli autori ipotizzano che ciò sia dovuto a "Diluizione dell'Attenzione", dove la capacità del modello viene consumata nel modellare correlazioni temporali ridondanti tra versioni filtrate altamente correlate dello stesso segnale, piuttosto che concentrarsi su biomarcatori discriminativi.

Significato e Affermazioni

Il documento afferma che, per le attuali scale di dati clinici (tipicamente piccoli campioni, $N < 100$), la parsimonia principista tramite pregiudizi induttivi informati dall'elaborazione del segnale è più robusta rispetto ai modelli di deep learning agnostici rispetto al dominio.

• Rifiuto della Complessità "Scatola Nera": L'alta capacità rappresentativa dei Transformer non si traduce in utilità clinica per i segnali neurofisiologici perché i biomarcatori EEG sono spesso distribuiti globalmente piuttosto che localizzati in eventi temporali discreti.
• Limitazione Fondamentale: I limiti dei modelli basati sull'attenzione nel trovare caratteristiche spettrali rilevanti appaiono fondamentali. Fornire input nel dominio del tempo selettivi in frequenza non migliora apprezzabilmente le loro prestazioni, suggerendo che il meccanismo di auto-attenzione soffre di una mancanza di salienza temporale in segnali quasi stazionari.
• Direzione Futura: Gli autori sostengono per l'integrazione di kernel informati dalla fisica e priori spettrali nelle future architetture di neuro-immagine, piuttosto che affidarsi esclusivamente a meccanismi di attenzione guidati dai dati che potrebbero diluire biomarcatori sottili e rilevanti per la malattia all'interno di uno spazio di attenzione sparso.