Riassunto Tecnico: Augmentation Generativa per la Classificazione di Immagine Motoria EEG

Definizione del Problema

Le interfacce cervello-computer (BCI) basate sull'elettroencefalografia (EEG), in particolare quelle che utilizzano l'immaginazione motoria (Motor Imagery, MI), affrontano sfide significative dovute alla natura laboriosa della raccolta dei dati e all'elevata variabilità dei segnali tra diverse sessioni e soggetti. Questa variabilità ostacola l'addestramento di classificatori robusti. Sebbene l'augmentation dei dati sia una strategia di mitigazione promettente, gli approoli generativi esistenti spesso mancano di vincoli espliciti sulla struttura di covarianza dei segnali EEG, che è critica per i classificatori basati sulla geometria riemanniana. Inoltre, la combinazione di Variational Autoencoders (VAE) condizionali per classe con obiettivi di covarianza espliciti rimane ampiamente inesplorata.

Metodologia

Architettura del Modello

Gli autori propongono un Class-Conditional Variational Autoencoder (CVAE) con un classificatore latente integrato, progettato per EEG di immaginazione motoria a cinque canali e tre classi (piedi, mano sinistra, mano destra).

• Encoder: Mappa i trial di input ($1 \times 5 \times 500$) verso una distribuzione posteriore gaussiana utilizzando convoluzioni temporali e spaziali, seguite da convoluzioni raggruppate e separabili.
• Decoder: Ricostruisce i trial partendo dai vettori latenti tramite strati di upsampling e convoluzionali.
• Classificatore Latente: Una piccola rete neurale che opera nello spazio latente per imporre la separazione delle classi.
• Prior Condizionale per Classe: Parametri gaussiani apprendibili ($\mu_p(y), \sigma^2_p(y)$) per ogni classe, che fungono sia da target per la divergenza KL durante l'addestramento, sia come distribuzione di campionamento per la generazione di dati sintetici.

Obiettivi di Addestramento

Il modello ottimizza una somma pesata di quattro termini:

1. Ricostruzione (Soft-DTW): Utilizza la Soft-Dynamic Time Warping invece dell'MSE per tollerare piccoli spostamenti temporali e distorsioni locali comuni nell'EEG.
2. Regolarizzazione Latente (KL Condizionale): Incoraggia le rappresentazioni latenti a formare distribuzioni compatte e specifiche per classe, vicine ai loro prior appresi.
3. Corrispondenza della Covarianza Spaziale (Log-Euclidean): Un vincolo che impone che la matrice di covarianza dei canali del segnale ricostruito corrisponda al segnale di input nello spazio tangente Log-Euclideo. Ciò preserva la struttura SPD (Symmetric Positive Definite) senza richiedere che il VAE operi direttamente sul manifold.
4. Classificazione (Cross-Entropy): Assicura che il classificatore latente identifichi correttamente la classe del campione codificato.

Procedura di Addestramento: Raffinamento Ciclo-Consistente

Per affrontare la discrepanza tra la posteriore dell'encoder (usata durante l'addestramento) e il prior condizionale per classe (usato durante la generazione), gli autori impiegano uno schema di addestramento alternato:

• Fase Standard: Ottimizzazione congiunta di tutti i componenti.
• Fase Focalizzata sul Decoder: L'encoder, il prior e il classificatore sono congelati. Il decoder viene addestrato su campioni tratti direttamente dai prior condizionali per classe. L'obiettivo è minimizzare l'MSE tra il campione latente originale e la rappresentazione ricodificata (consistenza del ciclo) e preservare l'etichetta della classe. Questo affina il percorso generativo specificamente per l'augmentation.

Contributi Chiave

1. Architettura: Introduzione di un CVAE per MI-EEG a 5 canali che ottimizza congiuntamente la ricostruzione, i vincoli di covarianza Log-Euclidea e un prior addestinabile per classe.
2. Strategia di Addestramento: Implementazione di una fase di raffinamento del decoder ciclo-consistente che alterna l'addestramento congiunto al decoding focalizzato sul prior per migliorare la qualità dei dati di augmentation generati.
3. Valutazione Comprensiva: Valutazione empirica dei dati sintetici attraverso quattro pipeline downstream (CSP+LDA, TGSP+SVM, MDM, EEGNet) sotto due protocolli: within-user (split 60/20/20 raggruppato) e cross-user (Leave-One-Subject-Out).
4. Studi di Ablazione: Sette studi di ablazione a fattore singolo che isolano i contributi dello schema di addestramento, delle funzioni di perdita e dei vincoli.

Risultati

Impatto dell'Augmentation

• Risultati Generali: L'EEG sintetico dal CVAE è più credibile come fonte di dati strutturati per classe e simili alla covarianza, piuttosto che come sostituto dei segnali EEG reali.
• Dipendenza dal Classificatore:
  • MDM (Minimum Distance to Riemannian Mean): Mostra i risultati positivi più consistenti, sebbene piccoli, quando aumentato con l'augmentation. Nei setting within-user, le prestazioni di MDM sono aumentate di circa l'1,4% - 3,8% a seconda del volume di augmentation. Tuttavia, questi guadagni non sono stati statisticamente significativi (gli intervalli di confidenza al 95% includevano lo zero) e non si sono trasferiti in modo affidabile nei setting cross-user.
  • CSP+LDA, TGSP+SVM, EEGNet: Non hanno mostrato alcun miglioramento misurabile; in alcuni casi, le prestazioni sono leggermente peggiorate. Gli intervalli di confidenza per la variazione dell'accuratezza includevano costantemente lo zero.
• Volume di Augmentation: L'aumento del volume di dati sintetici (da 0,5x a 5x) non ha prodotto miglioramenti statisticamente significativi rispetto al baseline per alcun classificatore, sebbene MDM abbia mostrato una tendenza costante di stime puntuali positive.
• Prestazioni Solo-Aug: I classificatori addestrati esclusivamente su dati sintetici hanno raggiunto un'accuratezza ben al di sopra del caso (es. MDM > 0,7), confermando che il generatore apprende una struttura di classe significativa. Tuttavia, i classificatori nello spazio latente addestrati solo su dati sintetici hanno performato quasi quanto quelli addestrati su dati reali, suggerendo che la rappresentazione latente è discriminante anche se la ricostruzione del segnale è imperfetta.

Analisi della Qualità dei Dati

• Spazio Latente: Le visualizzazioni t-SNE e la classificazione della media del prior più vicino (circa 0,8 di accuratezza) confermano che lo spazio latente appreso cattura una struttura di classe significativa che generalizza su dati non visti.
• Fedeltà del Segnale:
  • Dominio del Tempo: Le ricostruzioni preservano i pattern oscillatori ma non riescono a corrispondere ai waveform specifici dei trial (alta distanza Soft-DTW tra coppie reale e ricostruita).
  • Dominio della Frequenza: I segnali generati catturano la potenza della banda mu (8–15 Hz) ma presentano differenze nella forma spettrale e picchi di ampiezza più elevati rispetto ai dati reali.
  • Covarianza Spaziale: Il vincolo di covarianza recupera parzialmente la struttura spaziale. Per le classi "feet" e "right-hand", le topografie generate correlavano bene con i dati reali (0,91 e 0,865 rispettivamente). La classe "left-hand" ha mostrato una scarsa consistenza anche negli split dei dati reali, e il generatore non è riuscito a tracciare il suo pattern spaziale.

Significato e Rivendicazioni

Il paper conclude che il CVAE proposto è uno strumento valido per generare EEG sintetici con struttura di classe e coerenza di covarianza. La sua utilità primaria risiede nel sondare ciò che le pipeline downstream possono estrarre dalla sola struttura di classe, piuttosto che servire come sostituto o complemento generale delle registrazioni reali.

Gli autori mantengono una posizione modesta sui benefici pratici dell'augmentation dei dati:

• I guadagni osservati nell'accuratezza della classificazione sono piccoli e dipendenti dal classificatore.
• I dati sintetici non sembrano introdurre una nuova variabilità che integri i dati reali; al contrario, replicano ampiamente la struttura di classe già presente nel set di addestramento.
• Il vincolo di covarianza Log-Euclideo e la loss Soft-DTW sono identificati come componenti essenziali per la capacità del generatore di produrre dati utilizzabili e discriminanti per la classe, particolarmente per i classificatori basati sulla covarianza come MDM.
• Lo studio evidenzia che, sebbene lo spazio latente sia altamente discriminante, l'incapacità del decoder di ricostruire perfettamente le dinamiche temporali specifiche limita l'utilità dei segnali generati per modelli di deep learning come EEGNet, che dipendono da caratteristiche temporali fini.

Il lavoro non pretende di risolvere il problema della scarsità di dati per la MI-BCI, ma definisce i confini di ciò che gli attuali modelli generativi possono raggiungere nel preservare le proprietà geometriche e statistiche dei segnali EEG.