🤖 machine learning

STDA-Net: Spectrogram-Based Domain Adaptation for cross-dataset Sleep Stage Classification

O artigo propõe a STDA-Net, um framework de adaptação de domínio não supervisionada baseada em espectrograma que integra CNNs, BiLSTMs e aprendizado adversarial para alcançar classificação robusta e estável de estágios de sono entre conjuntos de dados diversos, superando os métodos existentes baseados em sinais 1D em múltiplos conjuntos de dados.

Autores originais: Unaza Tallal, Shruti Kshirsagar, Ankita Shukla

Publicado 2026-05-11

📖 5 min de leitura🧠 Leitura aprofundada

CC BY 4.0

Autores originais: Unaza Tallal, Shruti Kshirsagar, Ankita Shukla

Artigo original sob licença CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). ✨ Esta é uma explicação gerada por IA do artigo abaixo. Não foi escrita nem endossada pelos autores. Para precisão técnica, consulte o artigo original. Ler aviso legal completo

Imagine que você está tentando ensinar um robô a reconhecer os diferentes estágios do sono humano (como sono leve, sono profundo ou sonhos). Você tem muitos dados de treinamento de um grupo de pessoas (vamos chamá-los de "Grupo A"), mas deseja que o robô funcione perfeitamente em um grupo completamente diferente de pessoas ("Grupo B").

O problema é que o Grupo A e o Grupo B são diferentes. Talvez o Grupo A tenha sido gravado com um tipo diferente de microfone, em uma sala diferente ou com uma velocidade de amostragem diferente. No mundo dos dados, isso é chamado de "desvio de domínio". É como tentar ensinar um estudante a reconhecer um cachorro usando apenas fotos de Golden Retrievers e, em seguida, esperar que ele reconheça instantaneamente um Chihuahua sem nenhuma ajuda extra. O robô fica confuso porque a "aparência" dos dados mudou.

Este artigo apresenta uma nova solução chamada STDA-Net. Aqui está como ela funciona, decomposta em conceitos simples:

1. Mudando a "Linguagem" dos Dados (O Espectrograma)

A maioria dos métodos anteriores tentava ensinar o robô alimentando-o diretamente com as ondas sonoras brutas da atividade cerebral (EEG). Os autores argumentam que isso é como tentar ler um livro olhando apenas para as manchas de tinta na página, sem ver as letras.

Em vez disso, o STDA-Net converte essas ondas cerebrais brutas em espectrogramas. Pense em um espectrograma como um mapa de calor ou uma impressão digital do som. Em vez de apenas uma linha ondulada, ele transforma os dados em uma imagem 2D onde você pode ver claramente as "cores" (frequências) e as "formas" (padrões temporais) dos estágios do sono. O artigo afirma que olhar para essas imagens 2D ajuda o robô a entender os dados muito melhor do que olhar para as linhas brutas.

2. A Equipe de Três Partes (A Arquitetura)

Para resolver o problema de ensinar o robô a funcionar no Grupo B sem nunca ter visto as respostas (rótulos) do Grupo B, os autores construíram uma equipe de três especialistas:

O Artista (CNN): Esta parte olha para as imagens 2D de "mapa de calor" e aprende a identificar os padrões únicos de cada estágio do sono. É como um artista aprendendo a reconhecer um estilo de pintura.
O Contador de Histórias (BiLSTM): O sono não acontece em instantâneos isolados; é uma história. Você geralmente não salta instantaneamente de "Sono Profundo" para "Sonhos" sem passar pelo "Sono Leve". Esta parte observa a sequência de eventos. Ela lembra dos minutos anteriores para entender o que está acontecendo agora, assim como um contador de histórias usa o contexto para dar sentido ao capítulo atual.
O Espião (DANN): Esta é a parte inteligente. O trabalho do Espião é enganar o Artista. O Espião tenta adivinhar se uma imagem veio do Grupo A ou do Grupo B. O Artista tenta fazer as imagens parecerem tão semelhantes que o Espião não consegue distingui-las. Ao forçar o Artista a "esconder" as diferenças entre os dois grupos, o robô aprende a focar apenas nos padrões de sono que são universais, ignorando as diferenças na forma como os dados foram gravados.

3. O Processo de Treinamento

O robô é treinado usando dados do Grupo A (onde conhecemos as respostas) e do Grupo B (onde não conhecemos as respostas).

O Artista aprende a identificar os estágios do sono a partir do Grupo A.
O Espião tenta distinguir o Grupo A do Grupo B.
O Contador de Histórias garante que a sequência do sono faça sentido.
Através desse "jogo", o robô aprende a reconhecer os estágios do sono no Grupo B tão bem quanto no Grupo A, mesmo que nunca tenha visto as respostas corretas para o Grupo B durante o treinamento.

4. Os Resultados: Um Robô Mais Estável

Os pesquisadores testaram este sistema em três bancos de dados reais de sono diferentes. Eles compararam seu novo método com métodos mais antigos que usavam apenas as "linhas onduladas" brutas (dados 1D).

Melhor Equilíbrio: Os métodos antigos eram bons em adivinhar os estágios de sono mais comuns (como estar acordado), mas péssimos nos raros (como sono leve). O STDA-Net foi muito melhor em acertar todos os estágios, não apenas os fáceis.
Mais Confiável: Quando os pesquisadores executaram o teste cinco vezes com configurações aleatórias diferentes, os métodos antigos produziram resultados muito diferentes a cada vez (como um lançamento de moeda). O STDA-Net produziu quase a mesma pontuação alta todas as vezes. Isso significa que o método é estável e confiável.
Os Números: Em média, o novo método acertou cerca de 89% dos estágios do sono, o que representou uma melhoria significativa em relação aos melhores métodos anteriores.

Resumo

Em resumo, o artigo afirma que, ao transformar ondas cerebrais em imagens 2D, adicionar um contador de histórias para entender a sequência do sono e usar um espião para esconder as diferenças entre diferentes configurações de gravação, eles criaram um sistema capaz de classificar com precisão os estágios do sono em diferentes conjuntos de dados. Eles descobriram que essa abordagem é mais precisa, mais equilibrada e muito mais estável do que os métodos anteriores que dependiam apenas de dados brutos.

Resumo Técnico: STDA-Net

Declaração do Problema
A classificação precisa de estágios do sono entre diferentes conjuntos de dados é prejudicada por deslocamentos de domínio significativos causados pela variabilidade nas montagens de canais de EEG, taxas de amostragem, ambientes de gravação e populações de sujeitos. Embora o aprendizado profundo tenha avançado a estadia automática do sono, a maioria dos métodos existentes entre conjuntos de dados depende de representações unidimensionais (1D) de sinais brutos de EEG. Além disso, a aplicação de entradas baseadas em espectrogramas bidimensionais (2D) dentro de um framework de adaptação de domínio não supervisionado para estadia do sono entre conjuntos de dados permanece amplamente inexplorada. As abordagens atuais frequentemente sofrem degradação de desempenho ao transferir modelos entre conjuntos de dados devido a essas diferenças distribucionais, e pouca atenção foi dada à exploração de representações tempo-frequenciais 2D para mitigar essa lacuna.

Metodologia
Os autores propõem o STDA-Net (Rede de Adaptação de Domínio Temporal Baseada em Espectrograma), um framework projetado para adaptação de domínio não supervisionada na classificação de estágios do sono usando espectrogramas 2D de EEG. A arquitetura integra quatro componentes principais:

Pré-processamento e Geração de Espectrograma: Sinais de EEG de canal único brutos dos domínios de origem e alvo são padronizados (subamostrados para 100 Hz, filtrados em banda de 0,5–30 Hz) e segmentados em épocas de 30 segundos. Cada época é convertida em uma representação tempo-frequencial 2D (espectrograma) de tamanho $76 \times 60$ usando a Transformada de Fourier de Tempo Curto (STFT). Para modelar dependências temporais, sequências de $L=10$ épocas consecutivas (5 minutos) são construídas com um passo de 5 épocas.
Codificador de Época CNN: Uma espinha dorsal compartilhada de Rede Neural Convolucional (CNN) processa cada espectrograma independentemente para extrair características discriminativas ao nível da época. O codificador consiste em quatro blocos convolucionais com unidades residuais, normalização de lote e ativação GELU. Ele produz um vetor de características de 128 dimensões. Uma cabeça de classificação auxiliar é anexada a essas características para fornecer supervisão direta por época, incentivando a extração de características espectrais discriminativas.
Módulo Temporal BiLSTM: A sequência de características ao nível da época é alimentada em uma rede Bidirecional de Memória de Curto e Longo Prazo (BiLSTM) de duas camadas. Este módulo captura dependências temporais entre épocas consecutivas, aproveitando padrões de transição de estágios do sono biologicamente restritos (por exemplo, a raridade de transições diretas entre certos estágios) para refinar as previsões.
Treinamento Adversarial de Domínio (DANN): Para alinhar as distribuições de características de origem e alvo sem dados de alvo rotulados, um discriminador de domínio é treinado para distinguir entre características de origem e de alvo. Uma Camada de Reversão de Gradiente (GRL) é aplicada ao codificador CNN, treinando-o para gerar características que confundam o discriminador, aprendendo assim representações invariantes ao domínio. Essa adaptação adversarial é aplicada no nível das características da CNN por época, pois discrepâncias espectrais são a principal fonte de lacuna de domínio, enquanto padrões temporais permanecem relativamente consistentes.

A perda total de treinamento combina três objetivos: a perda principal de classificação ( $L_{main}$ ) sobre os rótulos de origem, uma perda de classificação auxiliar ( $L_{aux}$ ) sobre as características da CNN e a perda de adaptação de domínio adversarial ( $L_{adv}$ ). O peso para a perda adversarial segue um cronograma progressivo para permitir que o modelo aprenda primeiro características discriminativas de origem antes de aumentar gradualmente a pressão de alinhamento.

Principais Contribuições

Proposta de Framework: A introdução do STDA-Net, um framework inovador para classificação de estágios do sono entre conjuntos de dados operando sobre espectrogramas 2D de EEG. Ele integra exclusivamente um codificador CNN para extração de características espectrais, um BiLSTM para modelagem temporal e DANN para alinhamento de domínio não supervisionado.
Ablação Sistemática: Um estudo de ablação abrangente quantificando as contribuições individuais da modelagem temporal, supervisão auxiliar e adaptação adversarial, demonstrando que a combinação de todos os componentes produz o desempenho ótimo.
Avaliação Robusta entre Conjuntos de Dados: Experimentos extensos conduzidos em três conjuntos de dados públicos (Sleep-EDF, SHHS-1, SHHS-2) em seis configurações distintas de transferência entre conjuntos de dados, validando a robustez do framework contra deslocamentos de domínio.

Resultados
Experimentos foram conduzidos no Sleep-EDF, SHHS-1 e SHHS-2 sob seis configurações de transferência. O STDA-Net proposto alcançou:

Uma precisão média de 89,03%.
Uma pontuação F1 macro média de 87,64%.
Superou consistentemente os métodos de base 1D existentes (incluindo Deep CORAL, DANN, ADAST e ADAADL) em termos de desempenho de classificação balanceado (F1 macro).
Demonstrou variância substancialmente menor em cinco execuções independentes em comparação com as bases, indicando maior estabilidade e reprodutibilidade.

Vale destacar que o modelo mostrou uma assimetria direcional onde a transferência dos conjuntos de dados SHHS para o Sleep-EDF superou o inverso, sugerindo que o treinamento em populações de origem fisiologicamente diversas produz representações espectrais mais generalizáveis.

Significado
O artigo afirma que representações baseadas em espectrogramas 2D, quando combinadas com modelagem temporal e adaptação de domínio adversarial, fornecem uma alternativa robusta e competitiva às entradas convencionais de EEG 1D para estadia do sono entre conjuntos de dados. As descobertas sugerem que afastar-se de formas de onda 1D brutas para representações tempo-frequenciais 2D ajuda a mitigar a degradação de desempenho tipicamente causada por deslocamentos de domínio em dados de sono. O framework aborda com sucesso o desafio de generalizar modelos de estadia do sono entre diferentes protocolos de aquisição e populações de sujeitos sem exigir dados de alvo rotulados, oferecendo uma solução prática para melhorar a análise automática do sono em contextos clínicos e de pesquisa. Trabalhos futuros são propostos para validar o framework em bancos de dados adicionais (ISRUC, MASS) e estendê-lo para configurações de EEG multicanal.