Isolating Nonlinear Independent Sources in fMRI with $\beta$-TCVAE Models

Resumo Técnico: Isolamento de Fontes Independentes Não Lineares em fMRI com Modelos β-TCVAE

Declaração do Problema
A aprendizagem de representações latentes significativas a partir de dados de ressonância magnética funcional (fMRI) não lineares permanece um desafio fundamental na neuroimagem. A Análise de Componentes Independentes (ICA) tradicional, embora amplamente utilizada para estimar redes cerebrais funcionais interpretáveis, baseia-se numa premissa de mistura linear para as fontes latentes. Esta limitação restringe a sua capacidade de capturar a organização inerentemente não linear e complexa da dinâmica cerebral. Embora métodos de aprendizagem de representações profundas tenham surgido como alternativas para modelar estruturas latentes não lineares, foram principalmente avaliados em conjuntos de dados simulados ou em benchmarks de imagens naturais, com validação comparativamente limitada em dados de neuroimagem do mundo real. Além disso, as extensões ICA não lineares existentes frequentemente carecem de validação sistemática em contextos de neuroimagem, onde dependências espaço-temporais complexas e variabilidade biológica apresentam desafios adicionais.

Metodologia
Para abordar estas lacunas, os autores adaptam e modificam a estrutura β-TCVAE (Variational Autoencoder de Correlação Total), originalmente proposta como um refinamento do β-VAE para aprender representações disjuntas penalizando a correlação total (TC) entre variáveis latentes.

• Arquitetura do Modelo: Os autores empregam um autoencoder variacional condicionado ao sujeito. O modelo recebe dados de fMRI multi-sujeito $\{x^{(s)}_t\}$ como entrada, onde $s$ indexa os sujeitos e $t$ indexa o tempo. Para incorporar a variabilidade inter-sujeito, cada índice de sujeito é mapeado para um vetor de incorporação aprendido $e_s$, que é concatenado com o vetor de características de fMRI de entrada.
• Codificador e Decodificador: O codificador $q_\phi(z | x, s)$ infere uma distribuição latente $z$ a partir da entrada e da identidade do sujeito, produzindo uma distribuição Gaussiana diagonal. O decodificador $p_\theta(x | z)$ reconstrói o sinal de fMRI a partir da representação latente. A arquitetura utiliza perceptrons multicamada (MLPs) com configurações específicas de camadas ocultas (512/256 unidades para o codificador; 256/512 para o decodificador) e ativações ReLU.
• Função Objetivo: O modelo otimiza uma decomposição do Limite Inferior da Evidência (ELBO) em quatro termos:
  1. Perda de Reconstrução ($L_{rec}$): Uma verossimilhança Gaussiana que mede a diferença entre a entrada e o sinal reconstruído.
  2. Informação Mútua (MI): Incentiva as variáveis latentes a reterem informações sobre os dados observados.
  3. Correlação Total (TC): Penaliza a dependência entre dimensões latentes para impor a disjunção.
  4. Divergência KL por Dimensão ($KL_{dim}$): Regulariza a distribuição marginal de cada dimensão latente contra uma priori normal padrão isotrópica.
• Detalhes do Treinamento: O modelo foi treinado no conjunto de dados do Projeto de Conexão Humana (HCP) utilizando o otimizador Adam. Os dados de entrada passaram por pré-processamento padrão (correção de movimento, normalização para o espaço MNI, suavização). A dimensionalidade latente foi definida como 80, e um cronograma de aquecimento linear foi aplicado ao coeficiente $\beta$ durante os primeiros 10 épocas.

Principais Resultados

• Dinâmica de Disjunção: As curvas de treinamento demonstraram que, à medida que a perda total diminuía, tanto a Informação Mútua quanto a Correlação Total foram minimizadas progressivamente, sugerindo uma separação bem-sucedida dos componentes latentes ao longo do tempo.
• Relevância Biológica: A estrutura identificou com sucesso redes em repouso bem definidas. Especificamente, recuperou a Rede de Modo Padrão (DMN) e o Córtex Pré-Frontal Orbitofrontal (OFC) com cobertura espacial clara em regiões canônicas (por exemplo, córtex cingulado posterior, córtex pré-frontal medial).
• Comparação com InfoMax ICA: Ao comparar com a abordagem tradicional InfoMax ICA:
  • A DMN derivada do β-TCVAE exibiu maior coerência espacial e cobertura espacial completa em comparação com a DMN derivada do InfoMax, que mostrou continuidade espacial reduzida.
  • Análises de correlação espacial entre componentes correspondentes de ambos os métodos produziram correlações moderadas, indicando estruturas de rede funcional comparáveis.
  • Crucialmente, o β-TCVAE identificou componentes únicos que capturaram padrões de acoplamento multi-rede (por exemplo, redes visuais e frontais simultâneas), que não foram observados nos resultados do InfoMax. Isso sugere que o β-TCVAE preserva melhor as interações entre redes cerebrais distribuídas, enquanto o InfoMax tende a impor suposições de independência mais fortes que podem separar esses padrões.
• Conectividade de Rede Funcional (FNC): As representações aprendidas foram usadas para calcular uma matriz FNC média, que exibiu estruturas agrupadas distintas ao longo da diagonal, indicando interações organizadas entre subconjuntos de redes.

Significado e Alegações
O artigo posiciona este trabalho como uma investigação piloto que une a aprendizagem de representações não lineares e a análise de fMRI. Os autores afirmam que:

1. A estrutura β-TCVAE adaptada pode recuperar componentes espaciais não lineares significativos com relevância biológica, incluindo redes de conectividade intrínseca estabelecidas.
2. O modelo separa efetivamente sinais cerebrais espaciais e temporais misturados em componentes interpretáveis sem exigir hiperparâmetros adicionais durante o treinamento além da estrutura padrão do β-VAE.
3. A abordagem oferece uma alternativa potencial à ICA linear ao capturar padrões de organização cerebral coerentes e interpretáveis, incluindo acoplamentos multi-rede que a ICA tradicional pode ignorar devido a suposições estritas de independência.
4. O estudo fornece uma base para o desenvolvimento de métodos de aprendizagem de representações restritos e interpretáveis para fMRI, estendendo a ICA tradicional para abordagens que capturam melhor a dinâmica cerebral hierárquica e não linear.

Os autores mantêm um tom modesto, observando que, embora os resultados iniciais sejam promissores, mais trabalho é necessário para melhorar a estabilidade e a generalizabilidade em coortes maiores e mais diversas e para explorar a inferência em sujeitos não vistos.