Resumo Técnico: Convoluções Espaço-Temporais em Sinais de EEG

Declaração do Problema

A classificação de sinais de Eletroencefalografia (EEG) utilizando Redes Neurais Convolucionais (CNNs) rasas é uma abordagem prevalente em campos que vão desde o diagnóstico médico até Interfaces Cérebro-Computador (BCI). A arquitetura padrão para esses modelos tipicamente emprega camadas convolucionais unidimensionais (1D) independentes para processar as dimensões temporal e espacial separadamente, frequentemente concatenando-as sem uma camada de ativação não linear entre elas. Embora numericamente equivalente a uma única operação sob condições específicas (pesos idênticos, sem não linearidade intermediária), o impacto de substituir essas camadas 1D sequenciais por uma única camada convolucional espaço-temporal bidimensional (2D) na dinâmica de aprendizado, na geometria representacional e na eficiência permanece incerto. Este artigo investiga se essa mudança arquitetural oferece benefícios tangíveis na eficiência de treinamento e como ela altera as representações internas de modelos decodificadores de EEG.

Metodologia

Os autores conduziram testes empíricos comparando arquiteturas convolucionais 1D e 2D em duas famílias de modelos de última geração: uma CNN rasa baseada no ShallowFBCSPNet e um modelo híbrido CNN-Transformer baseado no EEG Conformer.

Arquiteturas

• Modelos Baseline 1D: Estes modelos utilizam camadas convolucionais 1D temporais e espaciais separadas. A camada temporal convolve sobre pontos no tempo, enquanto a camada espacial opera sobre os canais.
• Variantes 2D: A variável independente neste estudo. Estes modelos substituem as camadas 1D sequenciais por uma única camada convolucional espaço-temporal 2D ($k_{st} \in \mathbb{R}^{C \times m}$), que captura simultaneamente informações temporais e espaciais em uma única operação. Crucialmente, nenhuma ativação não linear é aplicada entre as dimensões temporal e espacial em qualquer arquitetura, garantindo que a operação 2D seja teoricamente equivalente em poder representacional às duas operações 1D.

Conjuntos de Dados e Tarefas

Os experimentos foram realizados em dois conjuntos de dados de imaginação motora (MI) da Competição BNCI IV, processados via framework MOABB:

1. BNCI2014-001 (Conjunto de Dados 1): Uma tarefa de alta dimensionalidade com 22 canais, 4 classes e 62.208 tentativas.
2. BNCI2014-004 (Conjunto de Dados 2): Uma tarefa de baixa dimensionalidade com 3 canais, classificação binária e 32.400 tentativas.
   Ambas as tarefas utilizaram uma configuração de generalização mista entre sujeitos. O pré-processamento incluiu filtragem passa-faixa (8–32 Hz) e escalonamento padrão.

Métricas de Avaliação

• Desempenho: Precisão de classificação e tempo de treinamento (épocas e duração total).
• Análise de Características: Regressão linear foi utilizada para reconstruir características de potência de banda (5 bandas dentro de 8–32 Hz) a partir das ativações do modelo para avaliar a aprendizagem de características espectrais.
• Análise de Similaridade Representacional (RSA): Matrizes de Dissimilaridade Representacional (RDMs) foram construídas usando ativações após a camada de pooling para comparar a estrutura geométrica das representações entre diferentes tipos de modelos e dobras.

Resultados Principais

1. Eficiência de Treinamento

A descoberta mais significativa foi uma redução substancial no tempo de treinamento para modelos 2D, particularmente em configurações de alta dimensionalidade.

• Conjunto de Dados 1 (22 canais): Modelos 2D treinaram significativamente mais rápido do que suas contrapartes 1D. Embora os modelos 2D exigissem mais épocas para atingir a convergência, o tempo por época foi drasticamente menor, resultando em uma redução líquida no tempo total de treinamento.
• Conjunto de Dados 2 (3 canais): Modelos 2D foram similarmente ou ligeiramente mais rápidos, embora o efeito fosse menos pronunciado do que na tarefa de alta dimensionalidade.
• Inferência: Os autores observam que as convoluções 2D também produzem tempos de inferência mais rápidos, um fator crítico para aplicações de BCI online.

2. Desempenho de Classificação

A precisão permaneceu estatisticamente inalterada entre as variantes 1D e 2D para ambas as famílias de modelos (CNN Rasa e Conformer) em ambos os conjuntos de dados. Os modelos demonstraram confiabilidade e variância comparáveis entre as dobras de validação cruzada.

3. Aprendizagem e Reconstrução de Características

A análise da reconstrução de potência de banda revelou que tanto os modelos 1D quanto os 2D aprenderam características espectrais essencialmente idênticas.

• Não houve diferenças sistemáticas na capacidade de reconstruir potências das bandas alfa e beta a partir das ativações dos kernels entre as duas arquiteturas.
• Ambas as arquiteturas identificaram com sucesso a importância espectral específica do canal (por exemplo, diferenças entre C3 e Cz em bandas de frequência específicas), indicando que a mudança para 2D não alterou quais características espectrais foram aprendidas.

4. Geometria Representacional

Apesar do desempenho idêntico e da reconstrução de características, a RSA revelou uma diferença fundamental na estrutura interna dos modelos:

• Divergência de Alta Dimensionalidade: No Conjunto de Dados 1 (22 canais), a dissimilaridade representacional entre os modelos 1D e 2D foi significativa. Os modelos 2D formaram uma geometria representacional distintamente diferente em comparação com os modelos 1D.
• Convergência de Baixa Dimensionalidade: No Conjunto de Dados 2 (3 canais), a dissimilaridade entre os modelos 1D e 2D foi menor, provavelmente porque a informação limitada de canais foi distribuída por um número maior de kernels, diluindo os efeitos observáveis do viés arquitetural.
• Estabilidade: Os modelos foram geralmente mais semelhantes entre diferentes dobras de sua própria arquitetura do que entre arquiteturas diferentes, confirmando que o viés indutivo arquitetural (1D vs. 2D) dita fortemente o espaço representacional.

Significado e Alegações

O artigo afirma que, embora as convoluções espaço-temporais 2D sejam numericamente equivalentes às convoluções 1D sequenciais em termos de capacidade bruta de extração de características, elas não são equivalentes em termos de dinâmica de aprendizado e geometria representacional.

• Eficiência: A contribuição prática primária é a demonstração de que as convoluções 2D oferecem uma alternativa computacionalmente eficiente para a decodificação de EEG, reduzindo significativamente os tempos de treinamento e inferência, especialmente para conjuntos de dados com alto número de canais. Essa eficiência permite um ajuste de hiperparâmetros mais extenso e exploração de modelos sem custo computacional adicional.
• Viés Indutivo Arquitetural: O estudo destaca que a escolha da camada de codificação (1D vs. 2D) impõe um viés indutivo específico que remodela o espaço de representação interno. Isso sugere que pesquisadores que utilizam técnicas de IA explicável (XAI) devem levar em conta as diferenças arquitetônicas, pois o "como" da representação difere mesmo quando o "o que" (desempenho e características espectrais) permanece o mesmo.
• Recomendação: Os autores propõem a adoção de camadas convolucionais espaço-temporais 2D como padrão para modelos decodificadores de EEG para alcançar treinamento e inferência mais rápidos, mantendo o desempenho de última geração, particularmente em tarefas complexas de processamento de sinais multivariados.