Uncertainty-quantified Pulse Signal Recovery from Facial Video using Regularized Stochastic Interpolants

1. Problema e Motivação

A Fotopletismografia por Imagem (iPPG) é uma técnica que recupera a onda de pulso de volume sanguíneo (BVP) de um ser humano utilizando apenas a leitura de pixels de uma câmera (geralmente RGB), sem contato físico. Embora os algoritmos atuais de iPPG tenham desempenho excepcional em conjuntos de dados de referência (benchmarks), eles sofrem de uma deficiência crítica para aplicações clínicas: a falta de quantificação de incerteza.

• Limitação Atual: A maioria dos métodos existentes fornece apenas uma estimativa pontual (um único valor de frequência cardíaca ou uma única forma de onda). Eles não amostram o espaço de soluções possíveis durante o tempo de teste.
• Necessidade Clínica: Para que médicos confiem em ferramentas de IA, é crucial saber a confiabilidade de cada previsão individual (ex: "qual a probabilidade de este pulso estar errado?"). Isso é especialmente importante para atributos protegidos, como tom de pele e gênero, onde viéses podem ocorrer.
• Desafio Técnico: Modelar a recuperação do sinal como um problema inverso é complexo devido ao ruído não gaussiano, movimentos faciais e reflexões especulares, tornando a aproximação de modelos determinísticos inadequada.

2. Metodologia: RIS-iPPG

Os autores propõem o RIS-iPPG (Regularized Interpolants with Stochasticity for iPPG), um novo paradigma baseado em Interpolantes Estocásticos (Stochastic Interpolants) e modelos de difusão baseados em fluxo.

A. Formulação do Problema

O problema é formulado como a recuperação de uma distribuição de sinal de pulso (ground-truth, $p_0$) a partir de uma distribuição de sinais de pixels da câmera ($p_1$). Em vez de aprender uma função direta, o modelo aprende um caminho de probabilidade que evolui da distribuição de pixels para a distribuição do sinal de pulso.

B. Interpolantes Estocásticos

O método define um processo estocástico $x_t$ que interpola suavemente entre $x_0$ (sinal de pulso) e $x_1$ (sinal da câmera) ao longo do tempo $t \in [0, 1]$:
$$x_t = I(t, x_0, x_1) + \gamma(t)z$$
O objetivo é aprender os vetores de fluxo (flow) e pontuação (score) que descrevem a mudança instantânea dessa distribuição. Uma vez aprendidos, esses vetores formam o coeficiente de deriva (drift) de uma Equação Diferencial Estocástica (SDE).

C. Amostragem no Tempo de Teste

Durante a inferência:

1. O sinal da câmera é usado como condição inicial.
2. Resolve-se a SDE reversa para amostrar múltiplas realizações possíveis do sinal de pulso.
3. Isso permite gerar não apenas uma estimativa, mas uma distribuição posterior, permitindo a análise de incerteza.

D. Regularização por Correlação de Resíduos (RCL)

Um dos principais desafios é que os sinais fisiológicos variam lentamente. Para melhorar a robustez e a consistência temporal, os autores propõem uma nova função de perda chamada Residual Correlation Loss (RCL).

• Conceito: Em janelas de tempo adjacentes e sobrepostas, os erros (resíduos) entre o fluxo previsto e o fluxo real devem apontar na mesma direção, pois a fisiologia não muda abruptamente.
• Implementação: A perda maximiza a correlação de Pearson entre os vetores de resíduos de duas janelas de tempo sobrepostas. Isso atua como um viés indutivo que força o modelo a aprender sinais fisiologicamente plausíveis e consistentes.

3. Contribuições Principais

1. Primeiro Método de Amostragem Posterior para iPPG: Introduz a primeira abordagem que amostra o espaço de soluções para iPPG, permitindo a quantificação de incerteza para cada amostra de teste.
2. Framework de Interpolantes Estocásticos: Adapta o framework de interpolantes estocásticos para mapear distribuições de pixels de câmera para sinais de pulso, aprendendo fluxos e scores via redes neurais.
3. Residual Correlation Loss (RCL): Propõe uma técnica de regularização inovadora que melhora a recuperação do sinal ao impor consistência temporal nos resíduos de previsão, superando modelos não regularizados.
4. Análise de Atributos Protegidos: Estabelece as primeiras linhas de base (baselines) para calibração de incerteza em subgrupos demográficos (tom de pele e gênero), demonstrando a eficácia do método em detectar viéses.

4. Resultados Experimentais

O método foi avaliado em três conjuntos de dados públicos: MMSE-HR, PURE e UBFC-rPPG.

• Precisão de Estimativa de Frequência Cardíaca:
  • O RIS-iPPG alcançou desempenho competitivo ou superior (State-of-the-Art) em todos os conjuntos de dados.
  • No conjunto PURE, obteve o melhor resultado geral (MAE de 0.38 bpm).
  • No UBFC-rPPG, obteve um erro médio absoluto (MAE) de 0.47 bpm.
• Qualidade da Recuperação do Espectro:
  • A inclusão da perda RCL resultou em estimativas de espectro mais precisas e melhor captura dos modos da distribuição (picos de frequência corretos), conforme visualizado nas análises qualitativas.
  • O modelo com RCL conseguiu capturar múltiplos modos da distribuição (ex: o pico real e o pico do ruído de medição) com incerteza apropriada, enquanto modelos sem RCL tendiam a suavizar excessivamente ou prever incorretamente.
• Quantificação de Incerteza (UQ):
  • O modelo demonstrou boa calibração (as probabilidades previstas correspondem às frequências observadas).
  • Métricas como Negative Log Likelihood (NLL) e Interval Score indicaram que o modelo fornece distribuições preditivas de alta qualidade.
  • A análise em atributos protegidos mostrou que, embora a precisão de frequência cardíaca seja menor para peles mais escuras (um problema conhecido na área), a calibração da incerteza permaneceu robusta (erro de calibração $\le 0.10$), indicando que o modelo "sabe quando não sabe".

5. Significado e Impacto

Este trabalho é um marco para a adoção clínica de algoritmos de iPPG. Ao fornecer não apenas uma estimativa, mas também uma medida de confiança (incerteza), o RIS-iPPG aborda a necessidade expressa por clínicos de ferramentas que sejam "repetidamente bem-sucedidas" e explicáveis.

• Confiança Clínica: A capacidade de identificar quando uma medição é incerta permite que médicos evitem decisões baseadas em dados ruidosos ou de baixa qualidade.
• Equidade: A análise de incerteza em subgrupos demográficos é um passo crucial para garantir que a tecnologia de saúde baseada em IA seja justa e segura para todas as populações.
• Futuro: O trabalho abre caminho para o uso de modelos de difusão estocástica em problemas inversos biomédicos, superando as limitações de métodos determinísticos tradicionais e de modelos baseados em VAEs ou BNNs que muitas vezes falham em capturar a multimodalidade dos dados fisiológicos.

Em resumo, o RIS-iPPG transforma a recuperação de sinais vitais de uma tarefa de estimativa pontual para um processo probabilístico robusto, essencial para a transição da pesquisa de laboratório para a prática clínica real.