Resumo Técnico: Priors Espectrais vs. Atenção em Diagnóstico Baseado em EEG

Declaração do Problema

Os sinais de séries temporais de Eletroencefalografia (EEG) são inerentemente ruidosos e possuem resolução espacial grosseira, complicando a classificação de doenças neurodegenerativas. Apesar da prevalência de arquiteturas de aprendizado profundo mais avançadas, particularmente aquelas que utilizam mecanismos de atenção (por exemplo, Transformers), distinguir entre controles saudáveis e sujeitos doentes — ou entre diferentes tipos de doenças — permanece desafiador devido à alta similaridade intergrupal. Os autores postulam que esses modelos lutam porque carecem do viés indutivo específico necessário para desvendar os componentes oscilatórios sobrepostos inerentes aos dados neurofisiológicos. Enquanto os Transformers se destacam em modelar dependências de longo alcance em sequências quase estacionárias como texto, eles podem falhar em capturar os sinais discriminativos distribuídos globalmente encontrados no EEG em estado de repouso, onde os biomarcadores são frequentemente potência oscilatória e acoplamento de fase, em vez de eventos temporais discretos.

Metodologia

O artigo propõe uma abordagem "seletiva espectralmente" para a construção de características, contrastando-a com o aprendizado baseado em atenção de ponta a ponta em dados de séries temporais brutos.

Construção de Características

Os autores transformam dados brutos de EEG de alta dimensão em características espectrais de alto valor por meio de um pipeline de múltiplos passos:

1. Pré-processamento: Os sinais são reamostrados para 256 Hz e filtrados em banda (0,5–45 Hz).
2. Extração Espectral (Welch-FFT): Para cada canal, a Densidade Espectral de Potência (PSD) é estimada usando o método de Welch com uma janela Hann. Os autores calculam:
   • Potências Relativas de Banda: A potência absoluta é integrada sobre cinco bandas canônicas ($\delta, \theta, \alpha, \beta, \gamma$) e normalizada em relação à potência total.
   • Estatísticas Resumo Espectrais: Frequência média, frequência mediana e entropia espectral são computadas por canal e médias entre canais.
3. Decomposição Tempo-Frequência (DWT): Para capturar componentes não estacionários, aplica-se a Transformada Wavelet Discreta (DWT). Os coeficientes de aproximação e detalhe são mapeados para as bandas canônicas de EEG para calcular energias relativas de banda.
4. Agregação: As características são agregadas entre canais para formar vetores por sessão.

Configuração Experimental

O estudo avalia duas abordagens:

• Classificadores Tradicionais: Análise Discriminante Quadrática (QDA) e Floresta Aleatória (RF) treinados nas características espectrais projetadas.
• Arquiteturas Baseadas em Atenção: Modelos de ponta a ponta, incluindo Medformer, Reformer e EEG Conformer, treinados em dados de séries temporais brutos.

A metodologia foi validada em quatro conjuntos de dados de código aberto:

• Estado de Repouso: APAVA (Alzheimer), TDBrain (Parkinson) e ADFTD (Alzheimer, Demência, Saudável).
• Baseado em Tarefa: Conjunto de dados de TDAH (pacientes com TDAH vs. Controles Saudáveis).

Os dados foram particionados usando protocolos estabelecidos na literatura anterior (por exemplo, Medformer) para garantir comparação justa, com normalização Z-score aplicada estritamente com base nas estatísticas do conjunto de treinamento.

Contribuições e Descobertas Principais

1. Paridade de Desempenho e Superioridade dos Priors Espectrais

A descoberta principal é que modelos de aprendizado de máquina tradicionais operando em características espectrais igualam ou superam o desempenho de modelos de aprendizado profundo baseados em atenção de ponta a ponta.

• A QDA alcançou desempenho superior nos conjuntos de dados ADFTD, APAVA e TDAH.
• A Floresta Aleatória alcançou os melhores resultados no conjunto de dados TDBrain.
• Em vários casos (APAVA e TDBrain), classificadores tradicionais alcançaram classificação quase perfeita ou perfeita (100% de precisão), enquanto os modelos Transformer mostraram desempenho inferior.
• Os autores argumentam que, para EEG em estado de repouso, onde os biomarcadores são oscilatórios e estacionários, tratar o sinal como uma sequência de tokens discretos ignora a física contínua subjacente.

2. Limitações dos Mecanismos de Atenção

O artigo fornece evidências empíricas de que os mecanismos de atenção falham em destilar assinaturas de características estáveis em dados de EEG:

• Análise da Matriz de Confusão: No conjunto de dados ADFTD, a QDA capturou perfeitamente o estado de baixa variância dos controles saudáveis, enquanto o Conformer classificou erroneamente mais de um terço dos sujeitos saudáveis, indicando uma incapacidade de reconhecer a atividade neural de base.
• Diagnósticos de Divergência KL: Os autores computaram a divergência KL entre mapas de atenção de previsões corretas e incorretas. Os resultados mostraram:
  • Valores de divergência extremamente baixos, sugerindo que o poder preditivo não decorre do mecanismo de atenção.
  • Divergência simétrica ($KL(Certo||Errado) \approx KL(Erro||Certo)$), indicando que o foco interno do modelo é invariante ao sucesso diagnóstico.
• Sensibilidade à Entrada: Quando os autores forneceram ao Medformer sinais pré-decompostos e isolados em frequência (removendo a necessidade de o modelo aprender separação espectral), o desempenho não melhorou; na verdade, estagnou ou degradou. Os autores hipotetizam que isso se deve à "Diluição da Atenção", onde a capacidade do modelo é consumida por modelar correlações temporais redundantes entre versões filtradas altamente correlacionadas do mesmo sinal, em vez de focar em biomarcadores discriminativos.

Significado e Alegações

O artigo alega que, para as escalas atuais de dados clínicos (tipicamente tamanhos de amostra pequenos, $N < 100$), a parcimônia principista via vieses indutivos informados por processamento de sinal é mais robusta do que modelos de aprendizado profundo agnósticos de domínio.

• Rejeição da Complexidade "Caixa Preta": A alta capacidade representacional dos Transformers não se traduz em utilidade clínica para sinais neurofisiológicos porque os biomarcadores de EEG são frequentemente distribuídos globalmente em vez de localizados em eventos temporais discretos.
• Limitação Fundamental: As limitações dos modelos baseados em atenção em encontrar características espectrais relevantes parecem ser fundamentais. Fornecer entradas no domínio do tempo seletivas em frequência não melhora apreciavelmente seu desempenho, sugerindo que o mecanismo de autoatenção sofre de uma falta de saliência temporal em sinais quase estacionários.
• Direção Futura: Os autores defendem a integração de kernels informados por física e priors espectrais em futuras arquiteturas de neuroimagem, em vez de depender exclusivamente de mecanismos de atenção orientados por dados que podem diluir biomarcadores sutis e relevantes para doenças dentro de um espaço de atenção esparsa.