E-Taste Signal Encoding and Classification via Multi- Attention Residual Networks Using sEMG Streams in Virtual Sensory Systems

Resumo Técnico: Codificação e Classificação de Sinais de E-Taste via Redes Residuais de Multi-Atenção Usando Fluxos de sEMG

Definição do Problema
O estudo aborda o desafio de categorizar com precisão sensações de gosto eletrônico (E-Taste) utilizando dados de eletromiografia de superfície (sEMG). Embora a percepção do paladar seja fundamental para a fisiologia humana, sua perda devido a condições médicas (ex.: anorexia, diabetes, COVID-19) e o crescente interesse em sistemas sensoriais virtuais tornam necessária a existência de métodos de detecção não invasivos e confiáveis. Abordagens anteriores para classificação de sEMG para o paladar basearam-se em características estatísticas projetadas manualmente ou em arquiteturas de aprendizado profundo padrão (como CNNs e LSTMs) que frequentemente têm dificuldade em lidar com os padrões de ativação muscular sutis e altamente sobrepostos associados a diferentes categorias de sabor. A dificuldade específica reside em distinguir entre sinais de sEMG induzidos por sabores semelhantes (ex.: amargo vs. azedo) sem procedimentos invasivos, exigendo um modelo capaz de extrair características discriminativas de biossinais complexos e multicanais.

Metodologia
Os autores propõem o MACB-ResNet, uma arquitetura de aprendimento profundo projetada para reconhecer seis classes de sensações de E-Taste: sem sabor, salgado, sprite, amargo, menta e azedo.

• Aquisição de Dados: Sinais de sEMG foram registrados dos músculos faciais (masseter, depressor anguli oris e depressor labii inferioris) de oito participantes saudáveis usando uma configuração de 10 eletrodos (seis canais de registro). Os estímulos de sabor foram entregues via um dispositivo de E-Taste customizado usando eletrodos de prata e estimulação térmica/elétrica na ponta da língua.
• Pré-processamento: Os sinais de sEMG brutos foram segmentados em intervalos de 7 segundos, sofreram detrendização, filtragem passa-alta (corte de 10 Hz) e foram submetidos a filtragem notch adaptativa para remover interferência de rede elétrica.
• Representação de Características: Os sinais pré-processados foram convertidos em espectrogramas usando a Transformada de Fourier de Curto Prazo (STFT). Os espectrogramas de 6 canais resultantes (tamanho 6 × 129 × 63) serviram como o tensor de entrada.
• Arquitetura do Modelo: O modelo MACB-ResNet integra um codificador ResNet50 com um Bloco de Multi-Atenção de Canal (MACB).
  • Aprendizado Residual: Utiliza conexões residuais para facilitar o treinamento estável e a propagação eficiente de gradientes em camadas profundas.
  • Mecanismo de Multi-Atenção: O módulo MACB emprega mecanismos de atenção tanto por canal quanto espaciais. Ele calcula pontuações de atenção usando pooling médio e máximo seguidos por camadas totalmente conectadas e ativação sigmoid. Isso permite que a rede pondere canais informativos e regiões espaciais, ao mesmo tempo em que suprime características irrelevantes, visando especificamente os padrões de sEMG fracos e sobrepostos de diferentes sabores.
• Treinamento: O modelo foi treinado por 30 épocas com uma divisão de 90/10 para treino-teste, utilizando uma taxa de aprendizado de 0.0001 e um tamanho de lote (batch size) de 8.

Principais Contribuições

1. Arquitetura Inovadora: Este é o primeiro estudo a aplicar uma estrutura de CNN de dual-atenção residual (MACB-ResNet) especificamente para o reconhecimento de seis classes de E-Taste usando dados de sEMG.
2. Melhoria de Características: A introdução do módulo MACB, que modela conjuntamente as dependências de canal e espaciais, melhora significativamente a representação de características discriminativas de sEMG que são frequentemente perdidas em tarefas de classificação padrão.
3. Avaliação Abrangente: O estudo fornece uma avaliação rigorosa incluindo métricas por classe, análise de matriz de confusão, visualizações de redução de dimensionalidade (PCA e t-SNE) e estudos de ablação para quantificar a contribuição de cada componente arquitetônico.

Resultos

• Desempenho de Classificação: O modelo MACB-ResNet alcançou uma acurácia de validação de 86,32%, superando o KNN (65,11%), Random Forest (78,35%) e DenseNet-201 (81,93%).
• Análise Específica por Classe: O modelo demonstrou desempenho robusto na maioria das classes, com o maior F1 score (0,92) para a classe "sem sabor". No entanto, observou-se confusão entre categorias semelhantes, particularmente entre "amargo" e "azedo", bem como "sprite", "menta" e "amargo", indicando que as distribuições de características para essas classes permanecem parcialmente sobrepostas.
• Estudo de Ablação: A análise quantitativa confirmou a necessidade dos componentes propostos. Remover as conexões residuais reduziu a acurácia em 7,18%, remover a atenção de canal reduziu em 5,09%, e remover o módulo MACB completo resultou em uma queda de 9,74% na acurácia.
• Visualização: Visualizações de PCA e t-SNE apoiaram a capacidade do modelo de separar classes, mostrando agrupamentos compactos para sabores distintos, embora alguma sobreposição tenha persistido para as categorias mais similares.
• Custo Computacional: O modelo contém aproximadamente 27,91 milhões de parâmetros. A latência de inferência foi estimada em cerca de 5,4 ms por janela de espectrograma em uma CPU padrão, sugerindo viabilidade para aplicações em tempo real.

Significância e Alegações
O artigo alega que a estrutura MACB-ResNet oferece uma melhoria significativa na precisão da classificação de E-Taste baseada em sEMG em comparação com as linhas de base existentes de aprendizado de máquina e aprendizado profundo. Ao lidar efetivamente com os padrões de ativação muscular sutis e sobrepostos inerentes à percepção do paladar, o modelo proposto aumenta a confiabilidade da avaliação do paladar não invasiva.

Os autores posicionam este trabalho como um passo fundamental para futuras aplicações em:

• Nutrição Pessoal e Saúde Digital: Monitoramento da ingestão dietética e saúde gustativa.
• Tecnologia de Alimentos e Neuromarketing: Analisar as respostas de sabor dos consumidores.
• Sistemas de Interface Cérebro-Computador (BCI): Permitir experiências sensoriais virtuais e tecnologias assistivas para indivíduos com deficiência de paladar.

O estudo reconhece modestamente limitações, incluindo o tamanho moderado do conjunto de dados, a demografia específica dos participantes (jovens adultos) e o uso de representações de tempo-frequência fixas (STFT), que podem não capturar todas as variações temporais dinâmicas. Os autores sugerem que trabalhos futuros devam envolver conjuntos de dados maiores e mais diversos e explorar modelos temporais (ex.: Transformers, BiLSTMs) para refinar ainda mais as capacidades de classificação.