Technische Samenvatting: Beyond Augmentation: Score-Guided Pathological Prior voor EEG-gebaseerde Depressiedetectie

1. Probleemstelling

De detectie van een depressieve stoornis (Major Depressive Disorder, MDD) met behulp van elektro-encefalografie (EEG) wordt fundamenteel beperkt door het kleine-steekproefprobleem, waarbij klinische datasets doorgaans minder dan 100 subjecten bevatten. Om dit tekort aan data aan te pakken, vertrouwen gangbare methoden op generatieve data-augmentatie (bijv. GANs, Diffusiemodellen) om pseudo-steekproeven te synthetiseren. De auteurs stellen echter dat deze aanpak leidt tot fatale methodologische gebreken:

• Synthetische Ruis: Directe synthese van hoogdimensionele, niet-stationaire ruwe EEG-signalen resulteert in ernstige morfologische vervormingen en hoogfrequente artefacten.
• Distributieverschuiving: Gegenereerde samples vertonen een scherpe distributieverschuiving ($\Delta\sigma = 0,73$) ten opzichte van de authentieke datamanifold, waardoor de intrinsieke statistische eigenschappen niet worden behouden.
• Vervaging van Grenzen: In plaats van classificatiegrenzen te verscherpen, injecteert ruizige augmentatie spuriaatieve correlaties, waardoor modellen synthetische ruis gaan memoriseren in plaats van klinisch relevante biomarkers.
• Hardware-heterogeniteit: Implementatie in de echte wereld wordt gehinderd door variërende elektrodeconfiguraties (bijv. 19 versus 128 kanalen) in verschillende klinische centra, waarbij standaardmodellen zonder kostbare hertraining niet kunnen generaliseren.

2. Methodologie: Score-Guided Classification (SGC)

De auteurs stellen Score-Guided Classification (SGC) voor, een raamwerk dat de paradigmaverschuiving maakt van "steekproefgeneratie" naar "prior-extractie". In plaats van nieuwe data te synthetiseren, gebruikt SGC een ongesuperviseerde generatieve architectuur om de structurele en statistische anomaliegraden van samples te modelleren, wat dient als een deterministische, ruisvrije pathologische prior.

Kernarchitectuur

Het raamwerk werkt via een duale-stroom architectuur:

A. Ongesuperviseerde Stroom (Modellering van de Pathologische Prior)

Deze stroom is uitsluitend getraind op Gezonde Controle (HC) data om de intrinsieke manifold van normale hersendynamiek te verankeren, en bestaat uit twee complementaire modellen:

1. VQ-VAE (Vector-Quantized Variational Autoencoder): Modelleert de discrete structurele morfologie van gezonde signalen. Het leert een eindige set van "gezonde basisatomen" (codebook). De reconstructiefout ($L'_{VQ}$) kwantificeert structurele afwijkingen.
2. DDPM (Denoising Diffusion Probabilistic Model): Modelleert de continue probabilistische distributie van de achtergrondruis. De diffusieverlies ($L'_{Diff}$) kwantificeert statistische verschuivingen in de stochastische achtergrond.

Deze modellen zijn bevroren na training op HC-data. Voor elke input berekenen zij een gecombineerde anomalie-score $S$:
$$S = \alpha L'_{VQ} + (1 - \alpha) L'_{Diff}$$
waarbij $\alpha=0,7$ de prioriteit geeft aan de structurele fout. Deze score wordt robuust genormaliseerd (met behulp van de 5e en 95e percentielen) om een begrensde prior $S' \in [0, 1]$ te produceren.

B. Gesuperviseerde Stroom (Feature Fusie & Classificatie)

Deze stroom verwerkt binnenkomende EEG-segmenten (zowel MDD als HC) via drie stadia:

1. Cross-elektrode Ruimtelijke Adaptatie: Om hardware-heterogeniteit aan te pakken, worden willekeurige hoog-densiteit signalen geprojecteerd op een gestandaardiseerde 19-elektrode lay-out (International 10-20 systeem) met behulp van Spherical Spline Interpolatie. Dit maakt zero-shot transfer mogelijk zonder architecturale hertraining.
2. Hybride Feature Extractor: Een 1D-CNN vangt lokale temporele morfologische kenmerken op, gevolgd door een Transformer Encoder om langetermijn afhankelijkheden (long-range global dependencies) te modelleren, wat resulteert in een diepe feature-vector $F_{deep}$.
3. Score-Guided Feature Fusion: De genormaliseerde anomalie-score $S'$ wordt expliciet geconcateneerd met $F_{deep}$ vóór de uiteindelijke MLP-classifier. Dit fuseert de diepe representatie met de pathologische prior, waardoor de beslissingsgrens dynamisch wordt gekalibreerd.

Trainingsstrategie

Om overfitting in kleine-steekproefregimes te voorkomen, maken de auteurs gebruik van:

• Cosine Annealing voor de leercurve-scheduling.
• Label Smoothing om overmatige zekerheid te voorkomen.
• Zero-Augmentation Setting: Het model wordt getraind zonder dat er synthetische samples worden gegenereerd.

3. Belangrijkste Bijdragen

1. Augmentatie-vrij Raamwerk: SGC herdefinieert generatieve bruikbaarheid door een normatieve baseline te modelleren in plaats van ruwe signalen te hallucineren, waardoor de risico's van synthetische ruisinjectie effectief worden omzeild.
2. Dual-Stream Pathologische Prior: Door structurele kwantisatie (VQ-VAE) en probabilistische diffusie (DDPM) te combineren, construeert de methode een uitgebreide anomalie-score die zowel morfologische verstoringen als statistische driften vastlegt.
3. Hardware-agnostische Generalisatie: De voorgestelde ruimtelijke topologie-mappingstrategie lost mismatching elektrodeconfiguraties tussen cohorten op, wat naadloze zero-shot transfer mogelijk maakt tussen datasets met verschillende kanaalconfiguraties.

4. Experimentele Resultaten

Experimenten werden uitgevoerd op de Mumtaz2016 (19 elektroden, 34 MDD/30 HC) en MODMA (128 elektroden, 24 MDD/29 HC) datasets.

• State-of-the-Art Prestaties: Op Mumtaz2016 behaalde SGC een nauwkeurigheid van 95,19%, waarmee het traditionele deep learning modellen (bijv. DeprNet: 89,84%) en de beste generatieve augmentatiemethode (DiffMDD: 93,85%) overtrof.
• Zero-Shot Generalisatie: In een cross-dataset evaluatie (training op Mumtaz2016, testen op MODMA zonder fine-tuning), behield SGC een nauwkeurigheid van 78,50%. In contrast hiermee leden bestaande SOTA-modellen catastrofale degradatie (bijv. GC-GRU daalde naar 55,40%, DiffMDD naar 68,34%).
• Klinische Veiligheid: SGC behaalde een Recall van 75,34% bij zero-shot transfer, wat de baselines (Recall $\le$ 61%) aanzienlijk overtreft. Analyse van de verwarringsmatrix toonde aan dat SGC de fout-negatieven (gemiste diagnoses) elimineerde die de generatieve augmentatiemethoden plagden.
• Ablatie-studies:
  • Het verwijderen van ofwel de structurele ofwel de distributieve stroom verminderde de prestaties, wat hun complementariteit bevestigt.
  • Het vervangen van feature-level fusie door decision-level fusie veroorzaakte een significante daling in zero-shot prestaties (van 78,50% naar 69,69%), wat de noodzaak bewijst om de prior als een feature te injecteren.
  • Vergelijkingen met geavanceerde generatieve heuristieken (Hard Negative Mining, Artifact Cleaning) lieten zien dat de prior-mining benadering van SGC de steekproefsynthese fundamenteel overtreft.

5. Betekenis en Claims

Het artikel stelt dat de heersende "kwantiteit-eerst"-conventie in EEG-analyse gebrekkig is omdat synthetische data artefacten introduceert die beslissingsgrenzen vertroebelen. Door de focus te verleggen van synthetische kwantiteit naar de integriteit van features, demonstreert SGC dat:

• Expliciete Pathologische Priors robuuster zijn dan generatieve augmentatie voor few-shot learning.
• Anomalie-scoring dient als een krachtig, ruisvrij mechanisme om classifiers te sturen, waardoor genuanceerde biomarkers effectief worden geïsoleerd van achtergrondvariantie.
• Hardware-agnostiek bereikt kan worden door geometrische projectie, wat het systeem levensvatbaar maakt voor de inzet in meerdere klinische centra zonder hertraining.

De auteurs concluderen dat SGC een betrouwbaar diagnostisch pad vestigt voor complexe medische tijdreeksen, waarbij de nadheid van het extraheren van invariante pathologische manifolds boven het genereren van potentieel misleidende synthetische data wordt geprioriteerd. Toekomstig werk richt zich op de integratie van Unsupervised Domain Adaptation (UDA) om hardware-heterogeniteiten verder te overbruggen.