Enhancing Cognitive Workload Classification Using Integrated LSTM Layers and CNNs for fNIRS Data Analysis

Resumo Técnico: Aprimorando a Classificação da Carga Cognitiva Utilizando Camadas LSTM Integradas e CNNs para Análise de Dados de fNIRS

Definição do Problema
A espectroscopia de infravermelho próximo funcional (fNIRS) é uma técnica de neuroimagem não invasiva usada para monitorar a ativação cerebral através da medição de mudanças na hemoglobina oxigenada (HbO) e desoxigenada (HbR). Embora o aprendizado de máquina (ML) e o aprendizado profundo (DL) tenham sido aplicados a dados de fNIRS para avaliação de carga cognitiva, limitações significativas persistem. Os métodos convencionais de ML frequentemente exigem engenharia de recursos complexa e manual, além de pré-processamento, o que pode levar à redução da precisão e problemas de escalabilidade. Além disso, as pesquisas existentes de aprendizado profundo neste domínio concentraram-se predominantemente na classificação binária (distinguindo apenas dois níveis de carga mental, por exemplo, baixo vs. alto). Adicionalmente, as Redes Neurais Convolucionais (CNNs) padrão, embora eficazes na extração de características espaciais, muitas vezes têm dificuldade em capturar dependências temporais inerentes aos dados de séries temporais de fNIRS, o que pode levar ao overfitting espacial e à falta de contexto temporal.

Metodologia
O estudo propõe uma arquitetura de aprendizado profundo híbrida que integra Redes Neurais Convolucionais (CNNs) com camadas de Long Short-Term Memory (LSTM) para abordar as limitações de modelos puramente espaciais ou puramente temporais.

• Conjunto de Dados: A pesquisa utiliza o conjunto de dados de fNIRS de acesso aberto da Tufts, que inclui dados de 68 participantes realizando tarefas n-back (0-back, 1-back, 2-back e 3-back). Este conjunto de dados permite a classificação de quatro níveis distintos de carga cognitiva, indo além do escopo binário de estudos anteriores.
• Pré-processamento: Os sinais brutos de fNIRS foram filtrados por passagem de banda (0,001–0,2 Hz) para remover artefatos. Os dados foram segmentados em janelas sobrepostas de 30 segundos com um passo (stride) de 0,6 segundo, resultando em vetores de características de tamanho 150 × 8 (150 passos temporais × 8 canais). O conjunto de dados foi dividido em 80% para treinamento e 20% para teste.
• Arquitetura:
  • Componente CNN: O modelo começa com camadas 1D-CNN para extrair características espaciais. Ele emprega camadas convolucionais com ativação Rectified Linear Unit (ReLU) e max pooling para reduzir a dimensionalidade e prevenir o overfitting.
  • Componente LSTM: As características extraídas são achatadas (flattened) e alimentadas em duas camadas LSTM. Estas camadas são projetadas para capturar dependências temporais e padrões sequenciais dentro dos dados de fNIRS, abordando a incapacidade das CNNs padrão de modelar dinâmicas de séries temporais de forma eficaz.
  • Classificação: Camadas totalmente conectadas (Lineares) seguidas por uma camada Softmax final classificam os dados nas quatro categorias de carga.
• Treinamento: O modelo foi treinado usando o otimizador Adam com uma taxa de aprendizado de 0,001 e uma função de perda de entropia cruzada (cross-entropy) ao longo de 1.000 épocas.

Principais Contribuições

1. Estrutura Inovadora para Classificação Multinível: O artigo introduz uma abordagem estruturada para classificar quatro níveis distintos de carga cognitiva (0-back a 3-back) usando fNIRS, expandindo além da classificação binária convencional encontrada na maior parte da literatura anterior.
2. Arquitetura Híbrida CNN-LSTM: O estudo propõe um modelo híbrido leve que aproveita as capacidades de extração de características espaciais das CNNs e a força de modelagem de dependências temporais das LSTMs. Esta integração visa mitigar o overfitting espacial e capturar a natureza evolutiva da carga cognitiva.
3. Avaliação Abrangente: A estrutura é avaliada contra algoritmos tradicionais de ML (Naive Bayes, Nearest Centroid, Árvores de Decisão, k-NN) e um modelo base de CNN sem camadas LSTM. O estudo investiga especificamente o impacto da remoção das camadas LSTM para isolar sua contribuição para o desempenho.

Resultados

• Acurácia: O modelo CNN-LSTM proposto alcançou uma acurácia de classificação de 97,89% (reportado como 97,92% no resumo e 97,82% na conclusão, com a Tabela 2 mostrando 97,89%). Isso representa uma melhoria sobre o modelo apenas com CNN, que alcançou 97,40%.
• Comparação com ML Tradicional: O modelo híbrido superou significativamente os classificadores tradicionais de ML. Embora o k-NN tenha sido o desempenho tradicional mais forte (97,02% de acurácia), o modelo CNN-LSTM o superou em todas as métricas, incluindo F1-score, AUC, precisão e recall.
• Impacto da Integração da LSTM: A remoção das camadas LSTM resultou em uma diminuição marginal na acurácia e introduziu flutuações nas curvas de treinamento, indicando que o modelo apenas com CNN teve dificuldade em capturar relações sequenciais e foi mais sensível ao ruído.
• Eficiência Computacional: A inclusão das camadas LSTM aumentou o tempo de treinamento de aproximadamente 7,79 minutos (CNN) para 9,76 minutos (CNN-LSTM). Os tempos de inferência também aumentaram ligeiramente (por exemplo, de 0,0891 ms para 0,2153 ms em GPU), mas os autores observam que o modelo permanece leve e adequado para aplicações em tempo real.

Significância e Alegações
O artigo afirma que a integração de camadas LSTM em CNNs fornece uma solução abrangente para a análise de dados de fNIRS ao abordar simultaneamente os desafios de extração de características espaciais e temporais. Os autores afirmam que seu modelo híbrido leve oferece uma alternativa robusta a arquiteturas complexas e computacionalmente intensivas, mantendo uma alta acurácia. Ao classificar com sucesso quatro níveis de carga cognitiva, o estudo demonstra o potencial do aprendizado profundo para lidar com estados cognitivos mais sutis do que o alcançado anteriormente com fNIRS. Os autores concluem que sua estrutura é escalável e adaptável, tornando-a adequada para aplicações do mundo real, como sistemas de aprendizagem adaptativa e monitoramento de carga de trabalho em tempo real, particularmente dada sua capacidade de operar eficientemente em dispositivos com recursos limitados.