Resumo Técnico: Aumentação Generativa para Classificação de Imagética Motora de EEG

Declaração do Problema

As Interfaces Cérebro-Computador (BCI) baseadas em eletroencefalografia (EEG), particularmente aquelas que utilizam Imagética Motora (MI), enfrentam desafios significativos devido à natureza demorada da coleta de dados e à alta variabilidade dos sinais entre diferentes sessões e sujeitos. Essa variabilidade dificulta o treinamento de classificadores robustos. Embora a aumentação de dados seja uma estratégia de mitigação promissora, as abordagens generativas existentes frequentemente carecem de restrições explícitas sobre a estrutura de covariância dos sinais de EEG, o que é crítico para classificadores baseados em geometria riemanniana. Além disso, a combinação de Autoencoders Variacionais (VAEs) condicionais à classe com objetivos de covariância explícitos permanece amplamente inexplorada.

Metodologia

Arquitetura do Modelo

Os autores propõem um Autoencoder Variacional Condicional à Classe (CVAE) com um classificador latente integrado, projetado para EEG de imagética motora de cinco canais e três classes (pés, mão esquerda, mão direita).

• Encoder: Mapeia ensaios de entrada ($1 \times 5 \times 500$) para uma posterior gaussiana usando convoluções temporais e espaciais, seguidas por convoluções agrupadas e separáveis.
• Decoder: Reconstrói os ensaios a partir de vetores latentes usando camadas de upsampling e convolução.
• Classificador Latente: Uma pequena rede neural operando no espaço latente para impor a separação de classes.
• Prior Condicional à Classe: Parâmetros gaussianos aprendíveis ($\mu_p(y), \sigma^2_p(y)$) para cada classe, servindo tanto como alvo da divergência KL durante o treinamento quanto como distribuição de amostragem para gerar dados sintéticos.

Objetivos de Treinamento

O modelo otimiza uma soma ponderada de quatro termos:

1. Reconstrução (Soft-DTW): Utiliza Soft-Dynamic Time Warping em vez de MSE para tolerar pequenos deslocamentos temporais e distorções locais comuns no EEG.
2. Regularização Latente (KL Condicional): Incentiva as representações latentes a formar distribuições compactas e específicas de classe, próximas de seus priors aprendidos.
3. Correspondência de Covariância Espacial (Log-Euclidiana): Uma restrição que impõe que a matriz de covariância de canais do sinal reconstruído corresponda ao sinal de entrada no espaço tangente Log-Euclidiano. Isso preserva a estrutura de Matriz Positiva Definida Simétrica (SPD) sem exigir que o VAE opere diretamente no manifold.
4. Classificação (Entropia Cruzada): Garante que o classificador latente identifique corretamente a classe da amostra codificada.

Procedimento de Treinamento: Refinamento de Consistência de Ciclo

Para abordar a discrepância entre a posterior do encoder (usada durante o treinamento) e o prior condicional à classe (usado durante a geração), os autores empregam um cronograma de treinamento alternado:

• Fase Padrão: Otimização conjunta de todos os componentes.
• Fase Focada no Decoder: O encoder, o prior e o classificador são congelados. O decoder é treinado em amostras extraídas diretamente dos priors condicionais à classe. O objetivo é minimizar o MSE entre a amostra latente original e a representação re-codificada (consistência de ciclo) e preservar o rótulo da classe. Isso refina a via generativa especificamente para aumentação.

Principais Contribuições

1. Arquitetura: Introdução de um CVAE para MI-EEG de 5 canais que otimiza conjuntamente reconstrução, restrições de covariância Log-Euclidiana e um prior treinável por classe.
2. Estratégia de Treinamento: Implementação de uma fase de refinamento de decoder de consistência de ciclo que alterna entre treinamento conjunto e decodificação focada no prior para melhorar a qualidade dos dados de aumentação gerados.
3. Avaliação Abrangente: Avaliação empírica de dados sintéticos através de quatro pipelines descendentes (CSP+LDA, TGSP+SVM, MDM, EEGNet) sob dois protocolos: dentro do usuário (divisão agrupada 60/20/20) e entre usuários (Leave-One-Subject-Out).
4. Estudos de Ablação: Sete estudos de ablação de fator único isolando as contribuições do cronograma de treinamento, funções de perda e restrições.

Resultados

Impacto da Aumentação

• Descobertas Gerais: O EEG sintético do CVAE é mais crível como uma fonte de dados com estrutura de classe e similar à covariância do que como um substituto para o EEG bruto.
• Dependência do Classificador:
  • MDM (Distância Mínima para a Média Riemanniana): Mostra o aumento positivo mais consistente, embora pequeno, quando aumentada. Em configurações dentro do usuário, o desempenho do MDM aumentou cerca de 1,4% a 3,8% dependendo do volume de aumentação. No entanto, esses ganhos não foram estatisticamente significativos (ICs de 95% incluíram zero) e não se transferiram de forma confiável para configurações entre usuários.
  • CSP+LDA, TGSP+SVM, EEGNet: Não mostraram melhoria mensurável; em alguns casos, o desempenho degradou levemente. Os intervalos de confiança para a mudança na acurácia incluíram consistentemente o zero.
• Volume de Aumentação: O aumento do volume de dados sintéticos (0,5x a 5x) não gerou melhorias estatisticamente significativas sobre o baseline para nenhum classificador, embora o MDM tenha mostrado uma tendência consistente de estimativas pontuais positivas.
• Desempenho de Apenas-Aumentação (Aug-Only): Classificadores treinados apenas em dados sintéticos atingiram acurácia bem acima do acaso (ex: MDM > 0,7), confirmando que o gerador aprende uma estrutura de classe significativa. No entanto, classificadores no espaço latente treinados apenas em dados sintéticos performaram quase tão bem quanto aqueles treinados em dados reais, sugerindo que a representação latente é discriminativa mesmo que a reconstrução do sinal seja imperfeita.

Análise da Qualidade dos Dados

• Espaço Latente: Visualizações t-SNE e classificação pela média do prior mais próximo (aprox. 0,8 de acurácia) confirmam que o espaço latente aprendido captura uma estrutura de classe significativa que generaliza para dados não vistos.
• Fidelidade do Sinal:
  • Domínio do Tempo: As reconstruções preservam padrões oscilatórios, mas falham em corresponder a formas de onda de ensaios específicos (alta distância Soft-DTW entre pares reais e reconstruídos).
  • Domínio da Frequência: Os sinais gerados capturam o poder da banda mu (8–15 Hz), mas exibem diferenças na forma espectral e picos de amplitude mais altos em comparação aos dados reais.
  • Covariância Espacial: A restrição de covariância recupera parcialmente a estrutura espacial. Para as classes "pés" e "mão direita", as topografias geradas correlacionaram-se bem com os dados reais (0,91 e 0,865, respectivamente). A classe "mão esquerda" mostrou inconsistência pobre mesmo em divisões de dados reais, e o gerador falhou em rastrear seu padrão espacial.

Significância e Alegações

O artigo conclui que o CVAE proposto é uma ferramenta viável para gerar EEG sintético com estrutura de classe e consistência de covariência. Sua utilidade primária reside em sondar o que os pipelines descendentes podem extrair da estrutura de nível de classe sozinha, em vez de servir como um substituto ou suplemento de uso geral para gravações reais.

Os autores mantêm uma postura modesta sobre os benefícios práticos da aumentação de dados:

• Os ganhos observados na acurácia de classificação descendente são pequenos e dependentes do classificador.
• Os dados sintéticos não parecem introduzir uma nova variabilidade que complemente os dados reais; em vez disso, eles replicam amplamente a estrutura de classe já presente no conjunto de treinamento.
• A restrição de covariância Log-Euclidiana e a perda Soft-DTW são identificadas como componentes essenciais para a capacidade do gerador de produzir dados utilizáveis e discriminativos de classe, particularmente para classificadores baseados em covariância como o MDM.
• O estudo destaca que, embora o espaço latente seja altamente discriminativo, a incapacidade do decoder de reconstruir perfeitamente a dinâmica temporal específica limita a utilidade dos sinais gerados para modelos de deep learning como o EEGNet, que dependem de características temporais finas.

O trabalho não afirma resolver o problema da escassez de dados para MI-BCI, mas sim define os limites do que os modelos generativos atuais podem alcançar na preservação das propriedades geométricas e estatísticas dos sinais de EEG.