Event Fields: Learning Latent Event Structure for Waveform Foundation Models

Resumo Técnico: Campos de Eventos para Modelos de Base de Ondas

Declaração do Problema
Os atuais modelos de base para saúde focados em ondas fisiológicas (por exemplo, ECG, PPG, EMG) aderem predominantemente a um paradigma baseado em sequências. Esses modelos tratam sinais como coleções de tokens ou patches locais, dependendo de reconstrução mascarada ou objetivos contrastivos inspirados no pré-treinamento de linguagem e visão. Os autores argumentam que essa abordagem está fundamentalmente desalinhada com a natureza do raciocínio fisiológico. A interpretação clínica raramente opera no nível de amplitudes brutas ou janelas de curto prazo; em vez disso, ela depende de abstrações de nível superior, como batimentos, ciclos, rajadas e transições entre regimes dinâmicos. Modelos de sequência padrão assumem implicitamente que a estrutura preditiva está codificada em segmentos locais, frequentemente confundindo variabilidade significativa com flutuações de sinal indesejadas. Consequentemente, esses modelos lutam para capturar a natureza temporalmente estendida, interativa e relacional dos eventos fisiológicos, que surgem de processos latentes em vez de ocorrências isoladas.

Metodologia
O artigo propõe uma nova classe de modelos de base para ondas fundamentada em uma formulação de campo de eventos espectral-temporal. Em vez de modelar a onda $x(t)$ diretamente, os autores postulam que os sinais fisiológicos são gerados por uma superposição contínua de campos de eventos latentes evoluindo no tempo e na frequência.

• Modelo Gerativo Latente: O sinal é representado como $x(t) = \int_{\Omega} \int_{0}^{T} \phi(z, \tau) g_{\theta}(t - \tau, z) d\tau dz$, onde $z$ indexa um espaço de eventos latentes (classe de ritmo, tipo de ativação), $\phi(z, \tau)$ é um campo de intensidade de evento não observado e $g_{\theta}$ é um kernel de emissão aprendido. Essa formulação permite que eventos se sobreponham, interajam e evoluam continuamente.
• Segmentações e Projeções Estocásticas: Como o campo latente $\phi$ não é observado, o modelo induz-no por meio de segmentações estocásticas (amostragem de múltiplas decomposições plausíveis do eixo temporal) e projeções tempo-frequenciais (operadores aleatórios como filtragem de sub-banda, distorção temporal ou perturbações de fase). Essas projeções distorcem detalhes no nível do sinal enquanto preservam a identidade fisiológica subjacente.
• Arquitetura do Codificador de Eventos: O codificador $h_{\theta}$ processa ondas projetadas através de três estágios:
  1. Extração de Características Locais: Incorporações em nível de patch ou quadro por meio de caules convolucionais ou transformadores.
  2. Agregação Consciente de Segmentação: Agrupamento de características locais em incorporações de segmento com base na segmentação estocástica.
  3. Módulo de Interação Global: Um operador de interação latente (modelado como uma transformada integral neural com um operador kernelizado) captura dependências entre eventos inferidos, como acoplamento periódico e interações cruzadas de frequência.
• Objetivo Auto-supervisionado: O sinal de aprendizado central é a consistência através de segmentações estocásticas e projeções. O modelo é treinado para produzir representações invariantes para diferentes visões do mesmo campo de eventos subjacente usando uma perda contrastiva no estilo InfoNCE ($L_{cons}$).
• Regularização e Multimodalidade: Uma perda auxiliar de estabilidade de segmentação ($L_{seg}$) impõe esparsidade, suavidade e concordância entre visões nas fronteiras previstas. Para configurações multimodais, o framework alinha diferentes modalidades (por exemplo, ECG e PPG) assumindo que são emissões distintas de um campo de eventos latente compartilhado, alinhando-as através de um espaço de representação compartilhado sem módulos de fusão explícitos.

Principais Contribuições

1. Formulação de Campo de Eventos Espectral-Temporal: Uma mudança da modelagem de sinais brutos para a modelagem de processos latentes contínuos, tratando ondas como realizações de campos de eventos interagentes em vez de sequências tokenizadas.
2. Objetivo de Consistência Estocástica: Um framework de aprendizado auto-supervisionado que impõe invariância no nível da estrutura de eventos latentes, alinhando representações através de projeções tempo-frequenciais aleatorizadas e segmentações estocásticas.
3. Arquitetura Baseada em Operador Neural: Um design inovador de codificador que incorpora um operador de interação de eventos contínuo para modelar explicitamente dependências temporais e alinhamento multimodal dentro do campo latente.

Resultados
O método proposto foi avaliado em benchmarks fisiológicos incluindo classificação de arritmias, previsão hemodinâmica e recuperação de ondas.

• Desempenho: O Modelo de Campo de Eventos superou bases fortes (Reconstrução Mascarada, Sequência Contrastiva e Modelos Híbridos Tempo-Frequência) em todas as tarefas. Melhorias notáveis foram observadas na previsão multimodal (AUROC 0,872 vs. 0,823) e na recuperação (MAP 0,714 vs. 0,645).
• Robustez: O modelo demonstrou robustez superior a perturbações de sinal, incluindo injeção de ruído, distorção temporal e mascaramento de frequência, degradando-se de forma mais graciosa do que as bases baseadas em sequência.
• Eficiência de Rótulos: Em regimes de poucos rótulos (1% a 10% dos rótulos), a abordagem centrada em eventos alcançou pontuações AUROC significativamente mais altas (0,781 em 1% vs. 0,701 para bases), indicando que a estrutura de eventos aprendida fornece um prior indutivo forte.
• Ablação: A remoção de qualquer componente (consistência de segmentação, projeções ou operador de interação) degradou o desempenho, com a consistência de segmentação identificada como o fator mais crítico.

Significância e Alegações
O artigo alega que a mudança de representações centradas no sinal para representações centradas em eventos fornece um viés indutivo mais apropriado para modelar dinâmicas fisiológicas. Ao priorizar a organização e interação de eventos latentes sobre a fidelidade do sinal bruto, o framework oferece um caminho complementar para escalar modelos de base na saúde que não depende exclusivamente do aumento do tamanho do modelo ou do volume de dados. Os autores sugerem que essa abordagem produz representações que são:

• Mais Robustas: Menos sensíveis a variabilidade indesejada (ruído, artefatos de sensor) e deslocamentos distribucionais.
• Mais Eficientes: Habilitando melhor desempenho com menos exemplos rotulados.
• Mais Interpretáveis: Produzindo representações de eventos localizadas temporalmente que se alinham com estruturas clinicamente significativas (por exemplo, complexos QRS) sem supervisão explícita.

O trabalho postula que identificar o espaço de representação correto (campos de eventos latentes) pode ser tão crítico quanto escalar a capacidade do modelo, oferecendo uma alternativa principiante às estratégias de tokenização predominantes em modelos de base de séries temporais.