Interpretable EEG Microstate Discovery via Variational Deep Embedding: A Systematic Architecture Search with Multi-Quadrant Evaluation

Resumo Técnico: Descoberta de Microestados de EEG Interpretável via Incorporação Profunda Variacional

Declaração do Problema

A análise de microestados de EEG visa segmentar a atividade elétrica cerebral contínua em configurações topográficas breves e quase estáveis que representam estados funcionais discretos. Abordagens convencionais, principalmente K-Médias Modificado (ModKMeans), operam diretamente no espaço dos eletrodos usando atribuições rígidas. Esses métodos sofrem de três limitações críticas:

1. Falta de Representação Latente: Eles não aprendem um espaço latente, não oferecendo nenhum decodificador generativo para reconstruir os centros dos clusters.
2. Opacidade: A incapacidade de decodificar configurações latentes em topografias de couro cabeludo verificáveis limita a transparência e a interpretabilidade do modelo.
3. Atribuição Rígida: A partição rígida descarta informações sobre regiões transitórias ou ambíguas onde a topografia do couro cabeludo pode refletir uma mistura de estados subjacentes.
4. Complexidade Fixa: A convenção de fixar o número de microestados ($K=4$) pode não capturar a dinâmica cerebral individual, e a contagem ótima de clusters varia entre conjuntos de dados e populações.

Embora abordagens recentes de aprendizado profundo tenham tentado abordar essas questões, muitas dependem de agrupamento post-hoc de espaços latentes congelados ou classificação supervisionada, falhando em aprender conjuntamente representações e atribuições probabilísticas. Além disso, frequentemente carecem de mecanismos para impor invariância de polaridade (tratando mapas e seus contrapartes invertidos em sinal como equivalentes), arriscando clusters redundantes.

Metodologia

Os autores propõem Conv-VaDE (Incorporação Profunda Variacional Convolucional), um modelo generativo que aprende conjuntamente a reconstrução topográfica e o agrupamento suave probabilístico dentro de um espaço latente compartilhado.

1. Preparação dos Dados:

• Conjunto de Dados: O conjunto de dados de EEG em repouso com olhos fechados LEMON ($f_s=250$ Hz, 61 canais) com 10 participantes.
• Pré-processamento: Referência de média comum, filtragem bandpass FIR de fase zero (2–20 Hz) e extração de picos de Potência do Campo Global (GFP).
• Transformação de Entrada: Vetores de EEG são projetados em imagens topográficas de $40 \times 40$ via projeção equidistante azimutal e interpolação cúbica. A normalização Z-score é aplicada com corte de $\pm 5\sigma$.

2. Arquitetura do Modelo:

• Codificador: Mapeia imagens de entrada através de quatro camadas Conv2d (com normalização de lote, LeakyReLU e dropout), seguidas por pooling médio adaptativo e camadas totalmente conectadas para produzir parâmetros latentes $(\mu_\phi, \log \sigma^2_\phi)$.
• Decodificador: Espelha o codificador usando camadas ConvTranspose2d para reconstruir a topografia de entrada.
• Priori Latente: Um Modelo de Mistura Gaussiana (GMM) é incorporado na estrutura do Autoencoder Variacional (VAE), otimizando um limite inferior de evidência aumentado por mistura (ELBO) de ponta a ponta.

3. Esquema de Invariância de Polaridade:
Para garantir que $x$ e $-x$ sejam tratados como o mesmo estado, os autores impõem invariância em três níveis:

• Aumento de Dados: Aumento por inversão de sinal do conjunto de treinamento.
• Função de Perda: Uma perda de reconstrução invariante à polaridade: $\mathcal{L}_{recon} = \min(\text{MSE}(\hat{x}, x), \text{MSE}(\hat{x}, -x))$.
• Regularização: Um termo de regularização do codificador $\mathcal{L}_{pol}$ penalizando diferenças entre os códigos latentes de $x$ e $-x$.

4. Objetivo de Treinamento:
A função de perda total combina reconstrução, divergência KL, entropia, separação, uso de lote, compactação e regularização de polaridade. Uma estratégia de annealing cíclico de $\beta$ é usada para mitigar o colapso posterior.

5. Busca Sistemática de Arquitetura:
Uma busca em grade quadridimensional foi conduzida sobre:

• Contagem de clusters ($K \in [3, 20]$)
• Dimensionalidade latente ($d_z \in \{16, 32, 64\}$)
• Profundidade da rede ($L \in \{2, 3, 4\}$)
• Largura do canal ($ndf \in \{32, 64, 128\}$)
  Isso resultou em 486 configurações únicas avaliadas em 10 sujeitos.

6. Métricas de Avaliação:

• Qualidade de Agrupamento: Índices Silhueta, Davies–Bouldin, Calinski–Harabasz e Dunn no espaço latente.
• Reconstrução e Fidelidade: MSE, SSIM, correlação espacial e Variância Explicada Global (GEV) calculada via backfitting ao EEG contínuo completo.

Principais Contribuições

1. Arquitetura Conv-VaDE: Um modelo inovador que acopla um decodificador aprendido com um mecanismo de agrupamento probabilístico, permitindo a decodificação generativa de protótipos de clusters em topografias de couro cabeludo verificáveis.
2. Invariância de Polaridade em Três Níveis: Um esquema abrangente que elimina clusters redundantes causados por ambiguidade de sinal, uma falha comum na análise de microestados profundos.
3. Busca Sistemática de Arquitetura: A primeira busca em grade extensa (486 configurações) especificamente para dados topográficos de microestados de EEG, revelando que redes moderadamente profundas com larguras de canal compactas dominam o espaço de busca.
4. Framework de Avaliação Multi-Quadrante: Uma abordagem de validação que avalia tanto a qualidade de agrupamento latente (Q1/Q2) quanto a fidelidade topográfica decodificada (Q4), abordando a assimetria onde métodos tradicionais (ModKMeans) têm vantagem estrutural no espaço dos eletrodos, mas carecem de interpretabilidade latente.

Resultados

• Configuração Ótima: Em todas as 18 configurações de melhor desempenho (selecionadas pelo maior GEV médio), uma profundidade de rede de $L=4$ estava consistentemente presente.
• Sensibilidade de Parâmetros:
  • Dimensionalidade Latente: $d_z=16$ dominou 14 das 18 melhores configurações, sugerindo que um espaço latente compacto é suficiente para entradas topográficas de $40 \times 40$.
  • Largura do Canal: $ndf=32$ foi suficiente para todas as configurações superiores, indicando que filtros mais largos não melhoram o desempenho para este tipo de entrada.
• Desempenho em $K=4$: A melhor configuração ($d_z=16, L=4, ndf=32$) alcançou:
  • Pontuação Silhueta: $0.229 \pm 0.039$ (indicando clusters bem separados e compactos).
  • GEV: $0.730 \pm 0.072$ (confirmando forte fidelidade representacional topográfica).
• Explicabilidade: O modelo decodificou com sucesso os centros do cluster GMM em topografias de couro cabeludo inspecionáveis (Figura 4) que exibiram padrões espaciais distintos (gradientes anterior-posterior, assimetrias laterais) consistentes com classes de microestados conhecidas. A estrutura do espaço latente (Figura 5) confirmou clusters separáveis e distribuição equilibrada sem colapso de modo.

Significado e Alegações

O artigo afirma que a busca de arquitetura principista, em vez de simplesmente aumentar a escala do modelo, é a chave para alcançar a descoberta de microestados de EEG interpretável e estável via incorporação profunda variacional.

• Explicabilidade Intrínseca: Diferentemente de métodos post-hoc, o Conv-VaDE fornece explicabilidade intrínseca mapeando códigos latentes diretamente para o espaço de dados, permitindo que pesquisadores inspecionem o "raciocínio" do modelo por meio de mapas de couro cabeludo decodificados.
• Estabilidade vs. Complexidade: Os resultados desafiam a suposição de que redes mais profundas ou mais largas são sempre superiores para topografias de EEG; em vez disso, redes moderadamente profundas com dimensões latentes compactas e larguras de canal produzem as representações mais estáveis.
• Rigor Metodológico: Ao impor invariância de polaridade e realizar uma varredura sistemática, o estudo aborda a natureza de "caixa preta" de abordagens anteriores de aprendizado profundo e a rigidez do ModKMeans tradicional, oferecendo um framework que equilibra fidelidade de reconstrução com incerteza de agrupamento probabilístico.

Os autores observam que, embora os resultados sejam promissores, a generalização em nível populacional requer validação em coortes maiores, e trabalhos futuros focarão em fechar a lacuna de GEV via backfitting no espaço latente e modelagem de transições temporais.