Resumo Técnico: CWA-T (Um Autoencoder por Canal com Transformer para Detecção de Anormalidades em EEG)

1. Definição do Problema

Os sinais de eletroencefalograma (EEG) são essenciais para o diagnóstico de distúrbios cerebrais como epilepsia, Alzheimer e doença de Parkinson. No entanto, a análise desses sinais apresenta desafios significativos devido à sua alta dimensionalidade, complexidade e suscetibilidade ao ruído. As abordagens existentes de aprendizado profundo (Deep Learning - DL) enfrentam um compromisso:

• Métodos dependentes de pré-processamento (ex: transformadas de wavelet) reduzem o ruído, mas exigem engenharia de características complexa e manual.
• Modelos de Aprendizado Profundo de ponta a ponta (ex: CNNs, RNNs) aprendem diretamente a partir de dados brutos, mas frequentemente têm dificuldade com dependências temporais de longo prazo ou carecem de interpretabilidade.
• Modelos baseados em Transformer são excelentes na captura de dependências de longo alcance, mas são computacionalmente caros e muitas vezes funcionam como "caixas pretas", limitando sua utilidade em ambientes clínicos que exigem soluções leves e interpretáveis.

O artigo aborda a necessidade de um framework que equilibre eficiência computacional, interpretabilidade e alto desempenho na detecção de sinais de EEG anormais, especificamente para registros de longa duração.

2. Metodologia

O framework proposto, CWA-T, integra um autoencoder baseado em CNN por canal com um classificador transformer de cabeça única (single-head). A arquitetura opera em duas etapas principais:

A. Autoencoder por Canal (Extração de Características e Compressão)

A primeira etapa comprime os sinais de EEG brutos ($x \in \mathbb{R}^{C \times T}$) em uma representação latente compacta ($z \in \mathbb{R}^{C \times D}$, onde $D \ll T$).

• Independência de Canal: Ao contrário das convoluções padrão que misturam informações de canais, o CWA-T utiliza convoluções agrupadas (onde o número de grupos é igual ao número de canais, $C$). Isso garante que cada canal de EEG seja processado independentemente, preservando a estrutura espacial natural dos dados e evitando dependências entre canais.
• Eficiência: Este design reduz significativamente os custos computacionais. O artigo observa que a convolução por canal reduz o custo da convolução padrão por um fator de $1/C$.
• Normalização: O autoencoder utiliza Normalização de Camada (Layer Normalization) em vez de Normalização de Lote (Batch Normalization). Esta escolha é crítica para manter a independência de canal, pois o BatchNorm normalizaria através da dimensão do lote e inadvertidamente misturaria estatísticas entre os canais.

B. Classificador Transformer de Cabeça Única

As representações latentes comprimidas são enviadas para um classificador leve.

• Atenção de Cabeça Única: Para manter a eficiência, o modelo substitui o mecanismo padrão de autoatenção de múltiplas cabeças por uma variante de cabeça única. Isso reduz drasticamente a contagem de parâmetros (de $3 \cdot d \cdot D_{orig} \cdot d_k$ em múltiplas cabeças para $3 \cdot d \cdot d_k$ em uma cabeça) enquanto retém a capacidade de modelar dependências temporais de longo prazo.
• Arquitetura: O classificador consiste em um mecanismo de autoatenção de cabeça única seguido por uma rede feed-forward por posição, com conexões residuais e normalização de camada para auxiliar a convergência.

C. Pré-processamento de Dados

O framework processa dados de EEG brutos com pré-processamento mínimo:

1. Redução de Taxa de Amostragem (Downsampling): Reamostrado para 100 Hz.
2. Segmentação: Dividido em segmentos não sobrepostos de 2 minutos.
3. Normalização z (z-Normalization): As amplitudes são normalizadas para mitigar a variabilidade decorrente do posicionamento dos eletrodos ou da fisiologia.
   Nenhuma transformação complexa no domínio da frequência (ex: FFT, Wavelets) é aplicada antes da entrada.

3. Principais Contribuições

1. Arquitetura Inovadora: A integração de um autoencoder por canal com um classificador transformer de cabeça única especificamente adaptado para a detecção de anormalidades em EEG.
2. Preservação da Independência de Canal: Ao tratar os canais de EEG de forma independente no autoencoder, o modelo se alinha com a estrutura biológica dos sinais de EEG, aumentando a interpretabilidade para a pesquisa em neurociência.
3. Eficiência Computacional: O framework alcança um equilíbrio entre o alto desempenho dos transformers e o baixo custo das CNNs. Ele evita a pesada carga computacional dos transformers padrão ao comprimir os dados antes da classificação.
4. Capacidade de Ponta a Ponta: O modelo processa sinais de EEG brutos de longa duração diretamente, eliminando a necessidade de pipelines de pré-processamento complexos e manuais.

4. Resultados Experimentais

O modelo foi avaliado no Corpus de EEG Anormal TUH (v3.0.1), composto por 2.993 registros divididos em conjuntos de treinamento e avaliação.

Métricas de Desempenho

Avaliado ao nível de caso (usando votação majoritária entre os sinais para um único sujeito), o CWA-T alcançou:

• Acurácia: 85,0%
• Sensibilidade: 76,2%
• Especificidade: 91,2%

Estes resultados superaram os modelos de linha de base (baselines), incluindo EEGNet, EEG-ARNN, Deep4Conv e FusionCNN. Notavelmente, embora o EEGNet tenha mostrado alta sensibilidade (100%) no nível de caso, ele apresentou 0% de especificidade, indicando um viés severo. O CWA-T manteve um melhor equilíbrio entre sensibilidade e especificidade.

Eficiência Computacional

• FLOPs: 202M
• Parâmetros: 2.9M
• Comparação: O CWA-T é significativamente mais eficiente que um transformer de cabeça única autônomo (que requer 11,9G FLOPs e 1,3G parâmetros para a mesma entrada) e competitivo ou mais eficiente que outras linhas de base baseadas em CNN, como o FusionCNN (4,5G FLOPs).

Estudos de Ablação

• Transformer vs. MLP: O classificador transformer de cabeça única superou os Perceptrons de Camada Multicamadas (MLPs) tanto nas avaliações por sinal quanto por caso.
• Normalização: O uso de LayerNorm foi validado como essencial para preservar a independência de canal em comparação ao BatchNorm.

5. Significância e Alegações

O artigo afirma que o CWA-T oferece uma solução prática e interpretável para a detecção de anormalidades em EEG, particularmente para registros de longa duração.

• Interpretabilidade: O design por canal permite que o modelo retenha características biologicamente significativas. Os autores demonstram isso mostrando que as saídas do autoencoder podem detectar padrões patológicos específicos, como atividade beta anormal (13–30 Hz) e deficiências na atividade alfa (8–13 Hz), que se alinham com marcadores clínicos conhecidos.
• Utilidade Clínica: Ao reduzir os custos computacionais mantendo a alta precisão, o framework se posiciona como uma ferramenta viável para ambientes com recursos limitados e cenários de monitoramento contínuo.
• Potencial Futuro: Os autores sugerem que o framework estabelece uma base para pesquisas futuras sobre conectividade cerebral funcional através da análise das matrizes de similaridade geradas pelo mecanismo de autoatenção, embora isso seja proposto como trabalho futuro e não como um resultado atual.

Em resumo, o CWA-T aborda os problemas de "caixa preta" e custo computacional dos modelos transformer na análise de EEG ao introduzir um estágio de compressão que preserva os canais, alcançando um compromisso robusto entre eficiência, interpretabilidade e desempenho diagnóstico.