Lightweight Transformer for EEG Classification via Balanced Signed Graph Algorithm Unrolling

Este artigo apresenta um modelo de rede neural leve e interpretável para classificação de EEG, que utiliza o desenrolamento de um algoritmo de denoising em grafos assinados balanceados para diferenciar pacientes com epilepsia de sujeitos saudáveis, alcançando desempenho comparável a métodos de deep learning tradicionais com um número drasticamente menor de parâmetros.

O essencial

Imagine que o cérebro humano é como uma grande cidade com muitas estações de rádio (os sensores do EEG) enviando mensagens o tempo todo. Às vezes, essas estações trabalham em harmonia, mas outras vezes, elas "brigam" ou enviam sinais opostos. Para detectar se alguém tem epilepsia, os médicos precisam entender essas mensagens, mas o ruído e a complexidade tornam isso difícil.

Este artigo apresenta uma nova maneira inteligente e leve de fazer essa detecção, usando uma mistura de matemática de grafos e inteligência artificial. Vamos explicar como funciona usando algumas analogias simples:

1. O Problema: O "Ruído" na Cidade

Os sinais do cérebro são como uma conversa barulhenta em uma festa. Para separar o que é importante (o sinal de epilepsia) do que é apenas ruído, os computadores modernos usam redes neurais gigantes (como Transformers).

• O problema: Esses modelos gigantes são como catedrais de pedra: são poderosos, mas pesados, caros para construir e ninguém sabe exatamente como funcionam por dentro (são "caixas pretas"). Eles consomem muita energia e memória, o que é ruim para dispositivos médicos portáteis.

2. A Solução: O "Mapa de Relações" (Grafos Balanceados)

Os autores criaram um método que é como um mapa de trânsito inteligente e leve.

• O Mapa (Grafo): Eles desenham um mapa onde cada sensor do cérebro é um ponto.
• As Estradas (Arestas):
  • Se dois sensores conversam bem (sinal positivo), a estrada é azul.
  • Se dois sensores brigam ou se opõem (sinal negativo/anti-correlação), a estrada é vermelha.
  • A maioria dos métodos antigos só usava estradas azuis. Mas o cérebro tem muitas "brigas" (sinais negativos) que são importantes. Ignorá-las é como tentar dirigir ignorando os semáforos vermelhos.
• O Segredo (Equilíbrio): O grande truque matemático deles é garantir que o mapa seja "balanceado". Imagine que você divide a cidade em dois bairros. Se todos os vizinhos dentro do mesmo bairro são amigos (estradas azuis) e todos os vizinhos entre bairros são inimigos (estradas vermelhas), o mapa é "perfeitamente equilibrado". Isso permite que a matemática funcione de forma limpa e rápida, sem se perder em confusões.

3. A Técnica: "Desenrolando" o Algoritmo (Unrolling)

Em vez de treinar uma rede neural gigante do zero, eles pegaram um algoritmo matemático antigo e eficiente (um filtro que remove ruído) e o transformaram em uma rede neural.

• A Analogia: Imagine que você tem uma receita de bolo (o algoritmo matemático) que é ótima para tirar manchas de uma camisa. Em vez de inventar uma nova máquina complexa, você "desenrola" a receita: cada passo da receita vira uma camada da rede neural.
• O Resultado: Você cria uma rede neural que é interpretável. Você sabe exatamente o que cada parte faz: "Esta camada está limpando o ruído", "aquela está ajustando o mapa". É como ter um carro transparente onde você vê o motor funcionando, em vez de um bloco de metal fechado.

4. Como Funciona a Classificação (O Detetive)

O sistema treina dois "detetives" (dois filtros diferentes):

1. Detetive A: Aprende como é o cérebro de uma pessoa saudável. Ele tenta reconstruir o sinal como se fosse saudável.
2. Detetive B: Aprende como é o cérebro de uma pessoa com epilepsia. Ele tenta reconstruir o sinal como se fosse doente.

Quando chega um novo sinal de um paciente:

• O sistema pergunta: "Qual detetive consegue reconstruir esse sinal com mais facilidade (menos erro)?"
• Se o Detetive A (saudável) consegue limpar o sinal perfeitamente, o paciente é saudável.
• Se o Detetive B (epilepsia) consegue limpar melhor, o paciente provavelmente tem epilepsia.

5. Por que isso é incrível? (O Resultado)

• Leveza: Enquanto outros modelos usam milhões de parâmetros (como uma biblioteca inteira de livros), este usa menos de 15.000 (como um único caderno). É extremamente rápido e consome pouca energia.
• Precisão: Ele acerta a classificação com uma precisão de quase 98%, competindo de igual para igual com os modelos gigantes e pesados.
• Transparência: Como foi construído a partir de uma receita matemática clara, os médicos podem confiar mais nele, pois entendem a lógica por trás da decisão.

Em resumo: Os autores pegaram a ideia de "mapas de relações" (grafos) que entendem tanto a amizade quanto a inimizade entre os sensores do cérebro, transformaram uma receita matemática de limpeza de sinais em uma inteligência artificial super-rápida e leve, e conseguiram detectar epilepsia com precisão de elite, mas com o tamanho de um smartphone antigo. É como trocar um caminhão de bombeiros por uma moto de resgate que chega mais rápido e faz o mesmo trabalho.

Resumo técnico

Resumo Técnico: Transformador Leve para Classificação de EEG via Desdobramento de Algoritmo de Grafos Assinados Balanceados

1. Problema e Motivação

A classificação de sinais de eletroencefalograma (EEG) para distinguir pacientes com epilepsia de sujeitos saudáveis é uma tarefa crítica, mas desafiadora.

• Limitações dos Métodos Atuais: Modelos de Deep Learning (DL) de ponta, como Transformers e CNNs, alcançam alta precisão, mas sofrem de dois problemas principais:
  1. Alta Complexidade: Consomem um número enorme de parâmetros, tornando-os inviáveis para dispositivos de EEG com recursos limitados (edge computing).
  2. Falta de Interpretabilidade: Funcionam como "caixas pretas", dificultando a compreensão de como as decisões são tomadas, o que é crucial para aplicações médicas.
• Desafio Específico dos Sinais EEG: Os sinais de EEG exibem frequentemente anti-correlações (relações negativas) entre sensores. A maioria dos métodos baseados em grafos tradicionais assume apenas arestas positivas (correlações), ignorando essas dinâmicas negativas essenciais. Grafos assinados (com arestas positivas e negativas) são necessários, mas a definição de "frequências" em grafos assinados gerais é mal compreendida, dificultando o uso de filtros espectrais.

2. Metodologia Proposta

Os autores propõem uma rede neural leve e interpretável, construída através do desdobramento de algoritmo (algorithm unrolling) de um processo de otimização baseado em processamento de sinais em grafos.

A. Grafos Assinados Balanceados (Balanced Signed Graphs)

• O método modela os dados de EEG como um grafo assinado balanceado ($G_B$). Um grafo é "balanceado" se não houver ciclos com um número ímpar de arestas negativas.
• Teorema de Cartwright-Harary: Garante que, em grafos balanceados, é possível atribuir polaridades ($\beta_i \in \{1, -1\}$) aos nós de modo que arestas positivas conectem nós de mesma polaridade e arestas negativas conectem nós de polaridades opostas.
• Transformação de Similaridade: A principal inovação teórica é a demonstração de que o Laplaciano de um grafo assinado balanceado ($L_B$) é uma transformação de similaridade do Laplaciano de um grafo positivo correspondente ($L_+$). Isso significa que eles compartilham os mesmos autovalores (frequências), permitindo a aplicação de filtros espectralmente bem definidos (como filtros passa-baixa) no espaço do grafo positivo, mesmo que os dados originais tenham correlações negativas.

B. Construção do Grafo e Aprendizado

1. Seleção de Polaridade: As polaridades dos nós são inicializadas e otimizadas iterativamente para garantir o equilíbrio do grafo, minimizando o regularizador Laplaciano do grafo (GLR) sobre os dados.
2. Pesos de Aresta: Os pesos das arestas são calculados baseados na distância de Mahalanobis entre características extraídas dos sinais. Se os nós têm polaridades opostas, o peso é negativo; se iguais, é positivo.
3. Normalização: Os pesos são normalizados para garantir estabilidade numérica e propriedades de semidefinição positiva (PSD) no Laplaciano, utilizando o Teorema do Círculo de Gershgorin para adicionar self-loops se necessário.

C. Arquitetura da Rede (Desdobramento)
A rede é construída desdobrando um algoritmo iterativo de remoção de ruído (denoising):

• Módulo de Aprendizado de Grafo (BGL): Atualiza as características dos nós e recalcula as arestas do grafo assinado balanceado. Este módulo atua como um mecanismo de auto-atenção (self-attention), onde os pesos normalizados das arestas funcionam como pesos de atenção, mas com parâmetros drasticamente reduzidos (apenas uma CNN rasa e uma matriz de métrica, em vez de matrizes densas $K, Q, V$).
• Filtro Passa-Baixa (LPF): Aplica um filtro ideal passa-baixa no grafo positivo correspondente ($G_+$) para remover ruído de alta frequência.
• Aproximação de Lanczos: Para evitar a decomposição espectral cara ($O(N^3)$), o filtro é implementado eficientemente em tempo linear ($O(N)$) usando a aproximação de Lanczos. A frequência de corte ($\omega$) é um parâmetro aprendido.
• Estrutura: Vários blocos de (BGL + LPF) são empilhados para formar um "Transformador Branco" (White-box Transformer).

D. Estratégia de Classificação

• Tarefa Pretexto: Dois denoisers distintos, $\Psi_0$ (para sujeitos saudáveis) e $\Psi_1$ (para pacientes com epilepsia), são treinados separadamente. Cada rede aprende a posteriori média da sua classe específica.
• Decisão: Para classificar um novo sinal, calcula-se o erro de reconstrução (distância quadrática) entre o sinal de entrada e a saída de ambos os denoisers. A classe escolhida é aquela que produz o menor erro de reconstrução.
• Função de Perda: Utiliza-se uma perda contrastiva para garantir que o denoiser de uma classe não apenas reconstrua bem seus dados, mas também tenha um erro alto para dados da outra classe, aumentando a separabilidade.

3. Contribuições Principais

1. Extensão para Grafos Assinados: Estende o trabalho anterior (focado em grafos positivos) para grafos assinados balanceados, permitindo a modelagem correta de anti-correlações em EEG.
2. Transformador Interpretável e Leve: Cria um "Transformador Branco" onde cada camada corresponde a uma iteração de um algoritmo de otimização matemática, garantindo interpretabilidade total.
3. Eficiência Computacional: Implementa filtros ideais via aproximação de Lanczos, evitando decomposição de autovalores completa, e reduz drasticamente o número de parâmetros ao substituir a atenção densa por aprendizado de grafos esparsos.
4. Ponte entre Modelagem Generativa e Discriminativa: Utiliza denoisers treinados (gerativos) para tomar decisões de classificação (discriminativas) baseadas em erros de reconstrução, uma abordagem novel e interpretável.

4. Resultados Experimentais

O método foi avaliado no Turkish Epilepsy EEG Dataset (121 participantes, 10.356 registros) e no TUH Abnormal EEG Corpus.

• Desempenho na Tarefa Padrão:
  • Alcançou 97,57% de precisão, superando a maioria dos métodos baseados em grafos e competindo com grandes modelos de DL.
  • Comparado ao modelo Transformer baseado em atenção [5] (que teve 85,12% de precisão), o método proposto foi significativamente superior.
  • Comparado ao modelo CNN+STFT [3] (99,20% de precisão), o método proposto é ligeiramente inferior em precisão absoluta, mas usa menos de 1% dos parâmetros (14.787 parâmetros vs. >11 milhões).
• Generalização (LOSO - Leave-One-Subject-Out):
  • Em cenários onde o modelo é treinado em todos os sujeitos exceto um (testado no sujeito deixado de fora), alcançou 90,06% de precisão, superando métodos como EEGNet, DGCNN e GIN.
• Eficiência:
  • Tempo de treinamento: ~2h 14min (vs. >22h para FBCSPNet).
  • Tempo de inferência: ~55 segundos (vs. >600s para EEGNet).
• Ablação:
  • Grafos assinados balanceados superaram grafos apenas positivos e grafos assinados não balanceados, confirmando a importância de modelar anti-correlações com equilíbrio estrutural.
  • A perda contrastiva foi essencial para melhorar a discriminação entre classes.

5. Significado e Conclusão

Este trabalho representa um avanço significativo na interseção entre Processamento de Sinais em Grafos (GSP) e Deep Learning para aplicações biomédicas.

• Viabilidade em Dispositivos Edge: A redução drástica de parâmetros torna viável a implementação de classificadores de epilepsia de alta precisão em dispositivos portáteis e de baixo custo.
• Interpretabilidade Clínica: Ao contrário das caixas pretas, a estrutura baseada em algoritmos desdobrados permite que os médicos e pesquisadores entendam como as correlações (positivas e negativas) entre os eletrodos influenciam a decisão.
• Validação Teórica: Demonstra que a teoria de grafos assinados balanceados pode ser aplicada pragmaticamente para extrair características espectrais de sinais biológicos complexos, resolvendo o problema da indefinição de frequências em grafos com arestas negativas.

Em resumo, o método oferece um equilíbrio superior entre precisão, eficiência computacional e interpretabilidade, estabelecendo um novo paradigma para a análise de EEG baseada em grafos.