NeuroShield: A Device-Agnostic Foundation Model for EEG Authentication

技術要約：NeuroShield：デバイスに依存しないEEG認証のための基盤モデル

問題提起
現在のEEG（脳波）認証システムは、固定されたヘッドセットのハードウェア、チャネル配置、および信号の持続時間を含む、特定の取得設定に密接に結合しているという根本的な限界に直面している。既存のモデルは通常、定義されたチャネルセット、安定したチャネル順序、および固定された時間窓を前提としている。その結果、ハードウェアの変化（例：電極数や配置の違い）や記録プロトコル（例：信号長の変動）によって、これらのモデルは再学習なしでは適用不可能になる。この断片化により、研究者は新しいデータセットやヘッドセットを個別のモデリング問題として扱うことを余儀なくされており、知識の転移、マルチデータセット学習、およびモデルの再利用性を阻害している。分野は現在、再利用可能なエンコーダではなく、データセット固有のパイプラインに依存している。

手法：NeuroShield アーキテクチャ
これらの制約に対処するため、著者らは、可変チャネルおよび可変長EEG記録から識別的なアイデンティティ・埋め込みを学習するように設計された基盤モデルである NeuroShield を導入する。核心となる革新は、時間的モデリングと空間的集約を分離し、柔軟な入力を可能にする二段階トランスフォーマー・アーキテクチャである。

1. 入力表現： EEGセグメントは、$S \in \mathbb{R}^{C \times T}$ として表される。ここで $C$ は利用可能なチャネル数、$T$ は時間サンプル数である。モデルは $C$ と $T$ の両方の変動をサポートする。
2. 時間的パッチングとエンコーディング：
   • 各チャネルの波形は、固定長の「時間的パッチ」に分割される。
   • パッチエンコーダは、これらの生の信号断片を共有潜在空間へと写像する。
   • 時間的トランスフォーマーは、各チャネルに対して独立してパッチ・トークンのシーケンスを処理する。これは、相対的な位置情報をエンコードするために ALiBi (Attention with Linear Biases) を利用しており、これによりモデルは可変のシーケンス長を扱い、学習時に見たよりも長い持続時間へと外挿することを可能にする。各チャネルからは、そのチャネルの時系列的特徴を要約するための時間的分類（CLS）トークンが抽出される。
3. 空間的集約：
   • チャネルレベルの埋め込みは、チャネル・トランスフォーマーを用いて集約される。
   • 決定的なことに、この段階には電極の3D座標から導出された幾何学的情報を考慮した位置エンコーディングが組み込まれている。これにより、モデルは固定されたチャネル順序やレイアウトを想定することなく、電極間の空間的関係を理解することができる。
   • チャネルCLSトークンが、最終的なセグメント表現を要約する。
4. 学習目的： モデルは教師あり対照学習損失 (SupConLoss) を用いて学習される。この目的関数は、同一被験者の埋め込みを互いにクラスター化させ、異なる被験者の埋め込みを遠ざけることで、認証のためのメトリック空間を最適化する。

実験プロトコル

• 事前学習： NeuroShieldは、15,762人の被験者と28,116セッションを含む3つの大規模な公開データセット（TUH-EEG、DVS-rsEEG、PREDICT）で事前学習された。これらのデータセットは、複数のチャネルレイアウト（17〜64チャネル）および取得システムにわたっている。
• 評価： モデルは、2つの未知の下流データセット、PEERS（345人、89チャネル、医療グレード）および FRC-EEG（30人、14チャネル、コンシューマー向けEmotiv Epoc X）で評価された。
• ベースライン： アーキテクチャをスクラッチから学習させた場合（NS-Scratch）および、再現された最先端のベースライン（Fallahi et al., 2026、固定入力を用いるResNet1Dエンコーダを使用）との比較を行った。
• 設定： 評価には、ゼロショット転移（ファインチューニングなし）、フルファインチューニング（NS-FullFT）、部分的ファインチューニング（NS-LastFT）、およびパラメータ効率の良いファインチューニング（NS-PEFT）が含まれる。

主な結果

• 性能向上： ファインチューニング後、NeuroShieldは一貫して最先端のベースラインを上回った。PEERSデータセットにおいて、等価エラー率（EER）を**10.25%から7.71%**へと減少させた（2.54パーセントポイントの改善）。FRC-EEGでは、EERを18.18%から14.75%に減少させた。
• ゼロショット能力： 事前学習済みモデルは、ゼロショット設定においても転移可能なアイデンティティ情報を示し、ターゲットデータセットへの更新なしで、偶然レベルを大幅に下回るEER（例：PEERSで16.79%）を達成したが、競争力のある性能を得るにはファインチューニングが必要であった。
• 時間的柔軟性： モデルは、入力の持続時間が学習時に見られたものよりも長い場合（2.0秒の学習制限に対し最大4.0秒）でも、正常に汎化することができた。より多くの時間的コンテキストが得られるほど性能が向上し、4秒のPEERSの結果（EER 5.47%）は、従来の最先端の結果を上回った。
• 空間的柔軟性と堅牢性：
  • モデルは異なるチャネルレイアウトにおいて効果的に動作し、固定されたチャネル順序に依存しない。性能はチャネルの置換下でも安定していた。
  • 欠損チャネルに対しても堅牢性を示し、検証時に10〜30%のチャネル損失があっても、緩やかな性能低下にとどまった。
  • 未知の電極位置（学習データに存在しないチャネル）に対しても、既知のチャネルと比較して統計的な有意差なく汎化できた。
• データの構成： 分析により、安定した被験者表現を学習するためには、単にシングルセッションのサンプル数を増やすことよりも、学習データにおけるマルチセッションの多様性がより価値が高いことが示された。

意義と主張
本論文は、NeuroShieldが、データセット固有の孤立したモデルから、再利用可能で適応可能な基盤モデルへと移行することで、EEG認証における新しいパラダイムを確立すると主張している。その意義は以下の点にある：

1. ハードウェア依存性の打破： 異なるヘッドセット、チャネル数、レイアウトといったヘテロジニアスな記録設定間での認証を可能にする。
2. 知識の蓄積： アイデンティティを識別する特徴が、多様なデータセット間で学習され、未知のデバイスへと転移できることを実証しており、研究間の知識蓄積をサポートする。
3. 実用的な展開： 可変的な信号持続時間や欠損チャネルを許容することで、記録条件が静的または完璧ではない実世界の展開における課題に対処する。
4. オープンサイエンス： 再現性とコミュニティの採用を促進するため、モデルと評価パイプラインをオープンソースとして公開する。

著者らは、NeuroShieldが最先端の技術に対してエラー率を低減させるものの、顔認識のような確立されたバイオメトリック技術の成熟度に達するにはさらなる作業が必要であると結論づけている。今後の改善は、より大規模な事前学習コーパス、より長い連続セグメント、およびより多様なコンシューマー向けデバイスの評価から得られる可能性があると示唆している。