An Enhanced Source-Free Unsupervised Domain Adaptation Framework for Cross-Dataset EEG Emotion Recognition via Predictive Coding and Test-Time Training

Resumo Técnico: Um Framework de Adaptação de Domínio Não Supervisionada Livre de Fonte Aprimorado para Reconhecimento de Emoções via EEG entre Diferentes Datasets

Definição do Problema
O reconhecimento de emoções baseado em eletroencefalograma (EEG) enfrenta desafios significativos para generalizar entre diferentes datasets devido aos desvios de domínio causados pela variabilidade inter-sujeito, diferenças em dispositivos de gravação, configurações de eletrodos e protocolos experimentais. Embora a Adaptação de Domínio Não Supervisionada (UDA) tenha sido explorada para mitigar esses desvios, os métodos convencionais exigem o acesso aos dados do domínio de origem durante a adaptação, o que é frequentemente impraticável em aplicações reais de saúde e interface cérebro-computador (BCI) devido a restrições de privacidade, armazenamento e ética. A Adaptação de Domínio Não Supervisionada Livre de Fonte (SF-UDA) aborda isso ao adaptar um modelo pré-treinado de uma fonte para um domínio alvo não rotulado sem os dados da fonte. No entanto, os métodos de SF-UDA existentes lutam contra grandes lacunas de domínio, o acúmulo de erros provenientes de pseudo-rótulos ruidosos e adaptação instável, particularmente no contexto do reconhecimento de emoções via EEG entre diferentes datasets.

Metodologia
Os autores propõem um framework de SF-UDA aprimorado composto por quatro estágios distintos: pré-treinamento, computação, adaptação de alvo e inferência.

1. Pré-treinamento de Codificação Preditiva Não Contrastiva:
   Ao contrário de trabalhos anteriores que dependem de treinamento supervisionado na fonte, este framework introduz uma estratégia de pré-treinamento autossupervisionado. Um modelo de codificação preditiva, utilizando uma arquitetura de codificador-decodificador, é treinado para reconstruir a Densidade Espectral de Potência (PSD) de segmentos futuros de EEG com base na atividade passada. Esta abordagem não contrastiva aprende representações temporais robustas e preditivas sem a necessidade de pares negativos ou objetivos contrastivos. O objetivo de pré-treinamento combina perda de classificação, perda de discrepância de classificador e perda de codificação preditiva para garantir um aprendizado de características discriminativo e temporalmente consistente.

2. Adaptação de Alvo (Estratégia de Dois Estágios):
   Uma vez que o modelo de origem seja pré-treinado, o framework se adapta ao domínio alvo não rotulado usando um processo de duas etapas:

   • Regularização Adaptativa de Múltiplas Perdas (MLAR): Este estágio estima a estrutura do domínio alvo via agrupamento (clustering) por classe. Ele gera pseudo-rótulos atribuindo amostras ao centroide do cluster mais próximo. Para estabilizar o treinamento e reduzir o ruído, o MLAR utiliza uma máscara de amostra confiável baseada na confiança da predição e no acordo entre os pseudo-rótulos baseados em clusters e as predições do modelo. A otimização minimiza a perda de concordância de pseudo-rótulo, a perda de discrepância de classificador (divergência de Jensen-Shannon entre dois classificadores paralelos), a entropia de predição e um termo de equilíbrio de distribuição de alvo.
   • Aprendizado de Consistência Localizada (LCL): Este estágio impõe a consistência de predição entre vizinhos confiáveis. Os vizinhos são selecionados com base na interseção da similaridade no espaço de características e similaridade na saída do classificador, garantindo que o modelo alinhe as predições dentro de vizinhanças locais enquanto filtra vizinhos não confiáveis.

3. Treinamento de Tempo de Teste Leve (TTT):
   Durante a inferência, o framework implementa um mecanismo de atualização online baseado em incerteza. As amostras são avaliadas usando entropia de predição e erro de reconstrução preditiva. Apenas amostras incertas (aquelas que excedem os limiares baseados em quantis para ambas as métricas) são selecionadas para adaptação. Para essas amostras, uma atualização leve é realizada nas camadas de normalização e nos módulos de portão de atenção usando uma combinação de minimização de entropia e perda de reconstrução preditiva. Esta atualização seletiva aumenta a robustez contra desvios de distribuição enquanto mantém a eficiência computacional ao evitar atualizações para predições confiantes.

Principais Contribuições

• Framework Aprimorado: Os autores propõem um framework de SF-UDA abrangente especificamente projetado para o reconhecimento de emoções via EEG entre datasets, abordando a ausência de dados de origem e os desafios dos desvios de domínio.
• Pré-treinamento Autossupervisionado: Introdução de uma estratégia de codificação preditiva não contrastiva que aprende representações temporais de EEG robustas sem depender de dados de origem rotulados ou objetivos contrastivos.
• Mecanismos de Adaptação Robustos: O design de uma estratégia de adaptação de dois estágios (MLAR e LCL) que melhora a estabilidade e a consistência de vizinhança sob pseudo-rótulos ruidosos.
• Refinamento Eficiente em Tempo de Teste: Um mecanismo de TTT leve que atualiza seletivamente o modelo para amostras incertas, equilibrando robustez com eficiência computacional.

Resultados Experimentais
O framework foi avaliado em três datasets públicos: DEAP, SEED e DREAMER, usando configurações de cross-dataset (ex: treinar no DEAP e testar no SEED).

• Desempenho: O método proposto superou consistentemente os baselines de estado da arte de SF-UDA (incluindo métodos de Ahmed et al., Du et al., Ragab et al., e Zhao et al.) e o trabalho anterior de SF-UDA dos próprios autores.
  • No dataset SEED (treinado no DEAP), o método alcançou 69,56% de acurácia para classificação binária e 57,08% para classificação multiclasse.
  • No dataset DREAMER (treinado no DEAP), alcançou 63,03% de acurácia para classificação binária.
  • Quando treinado no SEED e testado no DEAP, alcançou 61,38% (binário) e 53,87% (multiclasse).
• Significância Estatística: Testes t de amostras pareadas confirmaram que as melhorias sobre os métodos concorrentes foram estatisticamente significativas.
• Estudos de Ablação: Experimentos demonstraram que remover o pré-treinamento de codificação preditiva, o módulo MLAR ou o treinamento de tempo de teste resultou em quedas significativas de desempenho, validando a necessidade de cada componente.
• Interpretabilidade: A análise SHAP revelou que o modelo depende fortemente das características das bandas gama e beta das regiões occipitais, pré-frontais e fronto-centrais, alinhando-se com marcadores neurofisiológicos conhecidos de emoção.

Significância e Alegações
O artigo afirma que o framework proposto combina efetivamente o aprendizado autossupervisionado preditivo, a adaptação de domínio livre de fonte e o refinamento em tempo de teste para alcançar o reconhecimento de emoções via EEG robusto sob severos desvios de domínio. Ao eliminar a necessidade de dados de origem e abordar a instabilidade de pseudo-rótulos através de uma abordagem de múltiplos estágios baseada em consistência, o método oferece uma solução prática para aplicações de computação afetiva sensíveis à privacidade. Os autores posicionam este trabalho como um passo significativo para preencher a lacuna entre datasets experimentais controlados e a implantação no mundo real, onde o compartilhamento de dados é restrito e a variabilidade de domínio é alta. Direções futuras identificadas pelos autores incluem explorar a adaptação contínua para distribuições de alvo em evolução e estender o framework para outros sinais fisiológicos e fusão multimodal.