FHRFormer: A Self-Supervised Masked Transformer Framework for Fetal Heart Rate Time-Series Inpainting and Forecasting

Resumo Técnico: FHRFormer

Declaração do Problema
O monitoramento da Frequência Cardíaca Fetal (FHR) é crítico para avaliar o bem-estar fetal e detectar sofrimento durante o trabalho de parto. Embora monitores de FHR vestíveis (por exemplo, o dispositivo Moyo) tenham melhorado a acessibilidade em ambientes de recursos limitados, permitindo monitoramento contínuo sem restringir a mobilidade materna, eles são propensos a quedas de sinal. Essas lacunas surgem devido ao deslocamento do sensor durante movimentos ou mudanças na posição fetal/materna. Tais dados ausentes comprometem a interpretação clínica e dificultam a confiabilidade de sistemas de Inteligência Artificial (IA) projetados para prever desfechos neonatais. Métodos tradicionais de imputação, como interpolação linear ou por splines, falham em preservar as características espectrais complexas e a coerência temporal dos sinais de FHR, particularmente durante quedas prolongadas. Além disso, arquiteturas existentes de aprendizado profundo, como RNNs e CNNs, frequentemente lutam para capturar as dependências temporais de longo alcance e a natureza não estacionária da dinâmica do FHR necessárias para reconstrução e previsão precisas.

Metodologia
Os autores propõem o FHRFormer, um framework autoencoder baseado em Transformer com máscara auto-supervisionada, projetado para inpainting e previsão de sinais de FHR.

• Arquitetura: O modelo utiliza uma estrutura codificador-decodificador baseada em Transformers. O sinal de FHR de entrada (normalizado para um comprimento fixo de 7.200 passos de tempo, representando uma hora) é dividido em patches não sobrepostos.
  • Codificador: Processa patches visíveis (não mascarados) através de cinco blocos Transformer usando atenção auto-referencial multi-cabeça (MHSA) para capturar dependências temporais e espectrais globais.
  • Decodificador: Reconstrói o sinal completo processando tanto os patches visíveis codificados quanto tokens de máscara aprendíveis que representam segmentos ausentes. Emprega atenção bidirecional para raciocinar sobre todo o contexto temporal.
• Estratégia de Treinamento: O modelo é treinado usando uma abordagem de auto-codificação mascarada auto-supervisionada. Uma máscara binária aleatória é aplicada a um subconjunto de patches (razão de mascaramento alvo $\gamma$), e o modelo é encarregado de reconstruir os valores originais do sinal para essas regiões mascaradas.
• Função de Perda: Para garantir tanto a precisão temporal quanto a fidelidade fisiológica, o objetivo de treinamento combina duas perdas:
  1. Perda de Reconstrução ($L_{recon}$): Erro Quadrático Médio (MSE) nos patches mascarados.
  2. Perda Focal de Frequência ($L_{freq}$): Uma perda no domínio da frequência que penaliza discrepâncias nos espectros de magnitude da Transformada Discreta de Fourier (DFT) entre os sinais original e reconstruído. Isso garante a preservação de características espectrais críticas, como variabilidade da linha de base e padrões de desaceleração.
     A perda total é uma soma ponderada: $L_{total} = 0,95 \cdot L_{recon} + 0,05 \cdot L_{freq}$.
• Dados: O modelo foi treinado em 4.486 episódios de FHR do projeto "Safer Births" na Tanzânia, coletados via monitor Laerdal Moyo. Os dados foram pré-processados para remover ruído Doppler e normalizados.

Principais Contribuições

1. Reconstrução Baseada em Transformer: Introdução de um autoencoder Transformer mascarado especificamente adaptado para reconstrução de sinais de FHR, capaz de modelar dependências temporais multi-escala melhor do que RNNs ou CNNs.
2. Estratégia de Inpainting Auto-supervisionada: Um método para recuperar segmentos de FHR ausentes sem exigir dados rotulados pareados, aproveitando mascaramento sintético em dados fisiológicos não rotulados.
3. Pipeline de Previsão: Uma extensão do modelo treinado para realizar previsão progressiva de valores futuros de FHR, aumentando sua utilidade para avaliação de risco em tempo real.
4. Aprendizado Consciente de Frequência: A integração da perda focal de frequência para manter a fidelidade espectral, abordando uma limitação chave dos métodos de reconstrução apenas no domínio do tempo.

Resultados
O modelo foi avaliado em conjuntos de validação e teste usando múltiplas métricas, incluindo Perda de Reconstrução (RL), Relação Sinal-Ruído de Pico (PSNR), Índice de Similaridade Estrutural (SSIM), Distância Fréchet Inception (FID), MSE, RMSE e Coeficiente de Correlação (CC).

• Sensibilidade ao Tamanho do Patch: Experimentos com tamanhos de patch variando de 30 a 480 amostras revelaram que patches menores produziram desempenho superior. A configuração com tamanho de patch de 30 (Híbrido-30) alcançou os melhores resultados, com um PSNR de teste de 41,38 dB, SSIM de 0,9984 e CC de 0,9993. Patches maiores resultaram em perda de resolução morfológica local.
• Razão de Mascaramento: O desempenho atingiu o pico em uma razão de mascaramento de 15%. Além desse limite, a densidade de dados ausentes degradou o contexto estrutural disponível para reconstrução.
• Inpainting: Comparações visuais demonstraram que o FHRFormer reconstruiu efetivamente segmentos ausentes, preservando desacelerações transitórias e estabilidade da linha de base melhor do que a interpolação linear.
• Previsão: Em uma tarefa de previsão progressiva (prever 15 segundos à frente com base em 30 minutos de histórico), o FHRFormer superou a linha de base TimeGPT, rastreando com sucesso trajetórias fisiológicas complexas sem sucumbir ao acúmulo de erros ou a pressupostos de estado estacionário.

Significado e Alegações
O artigo posiciona o FHRFormer como uma ferramenta transformadora para monitoramento de FHR habilitado por IA de próxima geração, particularmente para dispositivos vestíveis em ambientes com recursos limitados. Ao lidar efetivamente com quedas de sinal, o framework garante a continuidade e a qualidade dos dados necessários para algoritmos robustos de estratificação de risco. Os autores afirmam que o método pode ser aplicado retrospectivamente a conjuntos de dados de pesquisa para melhorar o desenvolvimento de algoritmos de IA. Além disso, sugerem que a integração dessa abordagem em dispositivos vestíveis poderia permitir a detecção mais precoce e robusta de sofrimento fetal, mantendo a continuidade dos dados mesmo durante perdas transitórias de sinal. O trabalho preenche a lacuna entre as limitações tradicionais de processamento de sinal e as capacidades modernas de aprendizado profundo, abordando especificamente as complexidades não estacionárias e espectrais dos sinais de FHR.