技術要約：EEGデコーディングのための相関行列におけるスライス・ワッサースタイン・フレームワーク

問題提起

脳波（EEG）デコーディングは、ノイズに対する堅牢性を確保するために、共分散記述子に大きく依存している。しかし、これらの表現はチャネルごとのスケーリングに対して敏感であり、これは、絶対的な信号強度が被験者やセッション間で大きく異なる科学的な設定において、厄介な要因（ヌイスアンス・ファクター）となる。フルランクの相関行列は、スケール不変な代替案を提供するものの、それらは対称正定値（SPD）行列の商多様体を形成しており、標準的なSPD幾何学をそのまま適用することができない。その結果、深層幾何学習における注目は限定的であった。

さらに、EEG記録から抽出された相関行列の分布を比較するには、最適輸送（OT）ツールが必要となる。ワッサースタイン距離は分布比較のための原理的な枠組みを提供するが、リーマン多様体上での計算は、膨大な計算量（$O(n^3 \log n)$）を伴う大規模な線形計画法を解く必要がある。既存のスライス・ワッサースタイン（SW）拡張（球面、双曲空間、またはSPD多様体などへの拡張）は、最近導入された固有の幾何学の下で、相関多様体に特化して設計された原理的な構成をまだ提供できていない。

手法

1. プルバック・ユークリッド計量・スライス・ワッサレン（PEMSW）

著者らは、**プルバック・ユークリッド計量（PEM）**を備えた多様体上でSW不一致を定義するための一般的なフレームワークを提案している。

• 核となる概念: PEMは、有限次元の内部積空間 $\mathcal{E}$ へのグローバルな微分同相写像 $\phi: \mathcal{M} \to \mathcal{E}$ を通じて定義される。この埋め込みは、多様体 $\mathcal{M}$ 上の測地線を、埋め込み空間 $\mathcal{E}$ における直線へと写像する。
• 測地線スライシング: 複雑な多様体上の測地線スライシングを行う代わりに、本フレームワークでは埋め込み空間 $\mathcal{E}$ における標準的な線形スライシングを実行する。参照点 $x_0$ と方向 $a$ （$\mathcal{E}$ の単位球内の方向）に対し、スライシング座標は埋め込まれた点 $\phi(x)$ の線形射影である。
• 等価性: 定理3.4は、多様体上のPEMS距離が、埋め込まれた測度（$\tilde{\mu} = \phi_\# \mu$ および $\tilde{\nu} = \phi_\# \nu$）間のユークリッドSW距離と完全に等価であることを確立している。これにより、多様体の固有の幾何学を保持しつつ、標準的なユークリッドSWアルゴリズムを用いた効率的な計算が可能となる。
• 特性: 本フレームワークは計量特性と弱収束の保証を継承し、真の多様体上のワッサースタイン距離に対する上限および下限を提供する。

2. 相関スライス・ワッサースタイン（CorSW）

著者らは、最近提案された2つの固有リーマン計量を用いて、フルランク相関行列の多様体（$\mathcal{C}^{++}_n$）上にPEMSをインスタンス化している。

• オフ・ログ計量（OLM）: $\mathcal{C}^{++}_n$ から空行列（hollow symmetric matrices）の空間（$\text{Hol}(n)$）への写像 $\text{Logo}$ を使用する。スライシング座標は、方向と$\text{Logo}$変換された行列とのフロベニウス内積である。
• ログ・スケーリング計量（LSM）: $\mathcal{C}^{++}_n$ から行和がゼロの対称行列の空間（$\text{Row}_0(n)$）への写像 $\text{Log}^\star$ を使用する。
• 統一的視点: 本論文は、既存のSPDSW（SPD多様体上のスライス・ワッサースタイン）が、多様体がSPDであり、埋め込みが行列対数関数である場合のPEMSの特殊なケースであることを示している。

3. ドメイン汎化フレームワーク

EEGデコーディングにおける分布シフト（例：被験者間またはセッション間）に対処するため、著者らはCorSWを用いたドメイン汎化（DG）フレームワークを開発した。

• 目的: 各ソースドメインからの相関行列の経験的分布を、共通のドメインに依存しない参照法則に整合させる。
• 実装: 埋め込み空間内に参照分布（ガウス分布として）を生成し、それを相関多様体へと写像する。損失関数は、ソースドメインの相関行列とこの参照分布との間のCorSW距離を最小化する。
• 効率性: この手法は反復的なOTソルバーを必要とせず、閉形式の埋め込みとスライシング方向のモンテカルロ・サンプリングに依存しており、トレーニングへのオーバーヘッドは極めて小さい。

主な貢献

1. PEMSWフレームワーク: PEMを持つ多様体上でSW不一致を定義するための統一的な構成を提供し、古典的なSWを非ユークリッド空間へと拡張した。
2. CorSWのインスタンス化: OLMおよびLSM幾何学の下で、相関行列のために導出された2つの具体的なCorSW不一致を提供し、閉形式のスライシング座標を実現した。
3. 理論的統一: 既存のSPDSW距離がPEMSの特殊なケースであることを証明し、スライスによる不一致の幾何学的基礎を明確にした。
4. 実証的検証: 3つのベンチマークデータセット（BCIC-IV-2a, MAMEM-SSVEP-II, BCI-ERN）において、低いトレーニングオーバーヘッドと推論コストなしで、優れた汎化性能を示すEEGデコーディング用DGフレームワークを実証した。

実験結果

提案手法は、3つのEEGデコーディング・パラダイム（運動想起（MI）、定常状態視覚誘発電位（SSVEP）、エラー関連陰性電位（ERN））において評価された。

• 性能: すべてのデータセットにおいて、CorSWで拡張されたモデル（例：CorAtt-OLM+CorSW-OLM）は、ベースラインのユークリッドモデル、標準的なリーマンモデル、および他のドメイン汎化戦略（インスタンス・ウェイティングや各種ホワイトニング技術など）を一貫して上回った。
  • ERN タスクにおいて、CorSWはベースラインのCorAtt-OLMの平均精度を +4.66% 向上させた。
  • SSVEP タスクにおいて、+2.76% の利得を達成した。
  • MI タスクにおいて、+2.45% の利得を提供した。
• 堅牢性: 包括的なクロスセッション・ドメイン汎化プロトコル（leave-one-session-out）において、CorSWは比較されたすべてのDG手法の中で最高の平均スコアを達成した。
• 安定性: CorSWの追加は、実行ごとの変動（標準偏差）を大幅に減少させ、トレーニングの安定性が向上したことを示した。
• 効率性: トレーニング時間はベースラインと比較して1イテレーションあたりわずか約5.2 ms増加しただけであり、推論時の追加コストはなかった。
• 解釈性: 勾配ベースの可視化により、学習された表現が神経生理学的に意味のあるパターン（例：SSVEPにおけるOz電極、ERNにおけるFCz）に焦点を当てていることが確認され、確立された神経科学の知見と一致した。

意義と主張

本論文は、PEMSWがプルバック多様体上の分布比較のための一般的かつ拡張可能なアプローチを提供すると主張している。測地線スライシングを埋め込み空間における線形スライシングへと簡略化することで、原理的かつ効率的な幾何学認識型の不一致を実現している。

特にEEGに関して、著者らはCorSWがスケール不変性と分布シフトの課題に効果的に対処すると主張している。相関多様体の構造を無視するか、あるいは計算コストの高いOTに依存する従来のメソッドとは異なり、CorSWは固有の幾何学（OLM/LSM）を活用して効率的に分布を整列させる。結果は、相関ベースの表現に対してユークリッド的な整列損失を適用するよりも、相関多様体上で直接ソースドメインの分布を整列させる方が効果的であることを示唆している。

著者らは制限事項についても述べており、主に本フレームワークがグローバルな微分同相埋め込み（PEM）を持つ多様体に限定されており、そのような構造を持たない一般的なリーマン多様体にはまだ拡張されていない点を挙げている。倫理面では、既存のベンチマークを使用しているものの、実用的なEEGデータの適用にあたっては、厳格なデータガバナンスおよびプライバシープロトコルを遵守しなければならないことを強調している。