Subject-Calibrated Attention-State Classification during Digital Cognitive Tasks via MTFF: Band-Token Cross-Band Fusion on Single-Channel EEG

Sintesi Tecnica: Classificazione dello Stato di Attenzione Calibrata sul Soggetto tramite MTFF

Definizione del Problema
Nel contesto dell'apprendimento digitale e del lavoro da remoto, il monitoraggio oggettivo degli stati di attenzione durante compiti cognitivi basati su schermo è critico per l'interazione uomo-computer e la tecnologia educativa. Sebbene l'elettroencefalografia (EEG) offra una dinamica neurale con risoluzione al millisecondo, le soluzioni esistenti spesso si affidano a paradigmi di laboratorio controllati o sistemi multi-canale. Esiste una lacuna significativa nell'applicazione di questi metodi a EEG mono-canale portatili e di consumo. Tali dispositivi sono a basso carico ma altamente suscettibili ad artefatti (oculari, EMG facciale, movimento) e mancano della ridondanza spaziale dei sistemi multi-canale. Inoltre, i modelli di deep learning standard spesso soffrono di overfitting quando applicati ai dati limitati e rumorosi tipici delle registrazioni mono-canale, e le pipeline di caratteristiche artigianali (handcrafted) possono non essere in grado di catturare le interazioni transitorie tra le bande, essenziali per distinguere gli stati di attenzione.

Metodologia: Il Framework MTFF
Gli autori propongono MTFF (Multi-band Temporal Feature Fusion), un framework di classificazione progettato specificamente per l'EEG mono-canale portatile. L'architettura affronta i vincoli dei dati rumorosi e con campioni limitati attraverso tre meccani core:

1. Estrazione di Caratteristiche Temporali Multi-banda:

   • Il segnale grezzo 0,5–40 Hz viene prima denoisato utilizzando la Scomposizione Modale Empirica Adattiva integrata con il Rumore (CEEMDAN) per rimuovere i modi simili ad artefatti basandosi su soglie di energia e curtosi.
   • Il segnale pulito viene decomposto in cinque bande di frequenza canoniche: Delta (δ), Theta (θ), Alpha (α), Beta (β) e Gamma (γ).
   • Inveve di calcolare caratteristiche statiche di potenza di banda, MTFF impiega rami di convoluzione temporale paralleli per ogni banda. Questi rami utilizzano kernel di convoluzione lunghi (campi recettivi che coprono 2–3 cicli della frequenza più bassa in ogni banda) per apprendere i pattern ritmici locali.
   • L'output di ogni ramo viene compresso in un singolo token di banda apprendibile (dimensione dell'embedding $C=64$), risultando in cinque token distinti che rappresentano le cinque bande.

2. Fusione Cross-Band dei Token di Banda tramite Transformer Leggero:

   • Per modellare le interazioni tra le bande di frequenza senza il costo computazionale e il rischio di overfitting della self-attention a sequenza lunga, MTFF costruisce una sequenza di sei token: i cinque token di banda più un token di classe ($z_{cls}$) apprendibile.
   • Un encoder Transformer leggero opera su questa breve sequenza di 6 token. Utilizza la multi-head self-attention per modellare esplicitamente la complementarità e le dipendenze cross-band.
   • L'output finale è derivato dal token di classe aggiornato, che aggrega il contesto globale delle bande di frequenza.

3. Testa Decisionale a Capacità Controllata:

   • Per prevenire l'overfitting su dataset limitati e calibrati sul soggetto, l'output del Transformer viene passato attraverso una testa decisionale lineare con regolarizzazione sparsa a norma $L_1$. Ciò vincola la complessità del modello e incoraggia soluzioni sparse, riducendo la dipendenza da segnali specifici del rumore.

Disegno Sperimentale

• Dati: I dati EEG sono stati raccolti da 50 partecipanti sani universitari impegnati in un compito cognitivo digitale che prevedeva fasi alternate di attenzione focalizzata (task di ricerca numerica) e baseline a bassa attenzione (rilassamento).
• Protocollo: Lo studio ha utilizzato una divisione a livello di trial stratificata per soggetto 60/40. I trial sono stati divisi all'interno di ogni partecipante anziché utilizzare un protocollo leave-one-subject-out (LOSO). Questo valuta la generalizzazione dipendente dal soggetto (calibrata sull'utente) piuttosto che la performance cross-subject senza calibrazione.
• Baseline: Il modello MTFF è stato confrontato con modelli classici di machine learning: Decision Tree (DT), Multilayer Perceptron (MLP), Random Forest (RF) e Support Vector Machine (SVM).

Risultati Chiave
Sotto la divisione 60/40 per soggetto, MTFF ha dimostrato una performance superiore rispetto a tutte le baseline:

• Accuratezza: MTFF ha raggiunto un'accuratezza media per soggetto di 0,8640 sui test trial tenuti fuori dal training, superando le baseline (es. MLP: 0,7375, RF: 0,6825).
• AUC: La media per soggetto dell'AUC è stata di 0,9214, e l'AUC pooled a livello di trial su tutti i test trial è stata di 0,8928.
• Resistenza all'Overfitting: Mentre le baseline come DT, MLP e RF hanno ottenuto AUC quasi perfette (vicine a 1,0) durante il training ma hanno subito cali significativi nelle performance di test (indicando overfitting), MTFF ha mantenuto un divario train-test più ridotto (Training AUC: 0,9478 vs. Test AUC: 0,8928).
• Metriche Bilanciate: A differenza di MLP e RF, che hanno mostrato un'alta sensibilità ma una specificità estremamente bassa (classificando erroneamente la baseline come focalizzata), MTFF ha ottenuto un trade-off bilanciato con alta sensibilità (0,8966) e alta specificità (0,7961).

Significatività e Rivendicazioni
Il paper sostiene che MTFF colma con successo il divario tra le caratteristiche spettrali artigianali e le pesanti architetture deep per l'EEG mono-canale portatile. La sua significatività risiede in:

1. Modellazione Cross-Band Esplicita: Tokenizzando le bande di frequenza, il modello apprende esplicitamente le interazioni tra $\delta, \theta, \alpha, \beta, \gamma$ invece di mescolarle implicitamente tramite concatenazione.
2. Efficienza e Robustezza: Il design riduce il meccanismo di attenzione a un set di token fisso e piccolo (6 token), rendendolo computazionalmente leggero e meno propenso all'overfitting su dati limitati rispetto ai Transformer basati su punti temporali.
3. Utilità Calibrata sul Soggetto: I risultati supportano la fattibilità dell'uso di EEG mono-canale portatile per il monitoraggio dell'attenzione calibrato sul soggetto, dove il sistema viene addestrato sui dati di uno specifico utente per distinguere i suoi stati di concentrazione rispetto a quelli di rilassamento.

Limitazioni e Ambito
Gli autori dichiarano esplicitamente che lo studio non rivendica la generalizzazione cross-subject senza calibrazione (poiché non ha utilizzato LOSO). La valutazione è strettamente limitata a divisioni a livello di trial dipendenti dal soggetto. Inoltre, le etichette sono proxy delle condizioni del task piuttosto che misure comportamentali dirette, e il segnale frontale mono-canale rimane vulnerabile ad artefatti oculari e di movimento nonostante il pre-processing. Il lavoro futuro è identificato come necessario per una vera validazione indipendente dal soggetto, studi di ablazione delle componenti e analisi dell'interpretabilità.