EEG-SSFormer: Towards a Robust Mamba-Based Architecture for Dementia Detection from Resting State Electroencephalography

本文提出了一种基于状态空间模型（Mamba）的 EEG-SSFormer 架构，通过解耦通道表示学习与跨通道交互建模，利用大规模公开数据集实现了从静息态脑电信号中有效检测轻度认知障碍和痴呆，并展示了其在可解释性与临床扩展性方面的潜力。

要点

这篇论文介绍了一种名为 EEG-SSFormer 的新人工智能模型，它的任务是通过大脑的“脑电波”来早期发现痴呆症。

为了让你更容易理解，我们可以把这项技术想象成给大脑做“听诊”，而不仅仅是传统的“拍片子”。

1. 为什么要做这个？（背景故事）

想象一下，痴呆症（比如阿尔茨海默病）就像是大脑这个“超级计算机”慢慢生锈、变慢的过程。

• 传统方法（MRI、PET 扫描）：就像是用昂贵的、巨大的 CT 机去给大脑拍高清照片。虽然很清晰，但机器太贵、太笨重，而且有些检查还需要打针（侵入性），对于很多偏远地区或经济不发达的地方的人来说，根本用不起。
• 新方法（脑电图 EEG）：就像给大脑戴上一个轻便的“耳机”，记录它发出的微弱电流声音（脑电波）。它便宜、便携、无创，而且反应极快。
• 难题：大脑发出的声音（脑电波）非常嘈杂，而且数据量巨大（就像一首长达几小时、有 19 个乐器同时演奏的交响乐）。以前的 AI 模型要么记不住这么长的旋律（处理不了长序列），要么把不同乐器的声音混在一起听，导致听不清谁在演奏什么（无法区分不同脑区的特征）。

2. 他们的解决方案：EEG-SSFormer（新主角登场）

作者团队设计了一个基于 Mamba 架构的新 AI 模型。我们可以用几个生动的比喻来理解它的核心创新：

A. “分而治之”的指挥家（通道独立学习）

以前的 AI 模型像是一个笨拙的指挥家，他试图同时听清 19 个乐器（19 个电极）的声音，结果声音混成一团，听不清细节。

• EEG-SSFormer 的做法：它像是一个超级指挥家，先把每个乐器（每个电极通道）单独拿出来听，学习每个乐器自己的独奏风格（通道独立特征）。
• 好处：这样能更清晰地捕捉到每个脑区独特的“性格”，不会被其他脑区的噪音干扰。

B. “拥有超强记忆的侦探”（Mamba 状态空间模型）

大脑的脑电波是连续不断的，就像一条长长的河流。

• 旧模型（如 Transformer）：像是一个记性不好的侦探，他试图把整条河的水都倒进脑子里一起分析。如果河太长，他的脑子就炸了（计算量太大），或者只能记住最近的一段，忘了上游发生了什么。
• EEG-SSFormer (Mamba)：像是一个拥有“无限记忆卷轴”的侦探。它能一边听，一边把重要的信息压缩在卷轴里，既不会忘记很久以前的线索，又能快速处理当前的信息。它能在处理超长数据时，保持极高的效率，而且不需要像旧模型那样消耗巨大的算力。

C. “混合大师”（解耦混合）

在听清每个乐器的独奏后，指挥家还需要把它们合起来，看看它们是如何配合的。

• 这个模型把“听独奏”和“看合奏”分成了两步。先让每个通道自己学习，然后再专门有一个步骤把它们联系起来。这就像先让每个乐手练好基本功，再让他们合练，比一上来就乱哄哄地一起练要高效得多。

3. 他们做了什么实验？（实战演练）

• 数据集：他们使用了目前世界上最大的公开脑电波数据集（CAUEEG），包含了 1,155 名 受试者的数据。这些人被分为三类：
  1. **健康人 **(HC)：大脑运转正常。
  2. **轻度认知障碍 **(MCI)：大脑开始有点“生锈”，是痴呆的前兆。
  3. **痴呆症患者 **(Dementia)：大脑已经明显受损。
• 挑战：要把这三类人准确区分开，尤其是区分“健康”和“轻度障碍”，这非常难，就像区分“稍微有点感冒”和“完全健康”一样困难。
• 结果：
  • 他们的模型在测试中达到了 57.65% 的准确率（在如此困难的任务中，这已经超越了之前最好的 CNN 模型）。
  • 最惊人的是：这个新模型只有 380 万 个参数（相当于大脑中的神经元连接数），而之前最好的模型（1D-VGG）有 2020 万 个参数。它用四分之一的“大脑容量”，做到了比对手更好的效果！

4. 模型发现了什么秘密？（可解释性）

这个 AI 不仅是个“黑盒子”，作者还通过“遮挡实验”（就像蒙住眼睛的一部分看东西）来观察模型到底在看哪里：

• 对于健康人：模型主要关注大脑的前额和中央区域（就像关注大脑的“指挥中心”）。
• 对于轻度障碍者 (MCI)：模型开始注意到右脑后部和中央区域的异常（就像发现某些特定区域开始“掉线”）。
• 对于痴呆症患者：模型发现后脑勺（枕叶）的信号变得非常重要。
• 频率秘密：模型发现，θ波（Theta 波，一种慢波）是判断痴呆的关键线索。如果把这个频率的声音过滤掉，模型识别痴呆的能力就会大幅下降。这完全符合医学界已有的发现：痴呆症患者的脑电波通常会变慢。

5. 总结：这意味着什么？

这篇论文就像是在说：

“我们发明了一种更聪明、更轻便、更省钱的 AI 医生。它不需要昂贵的设备，只需要一个普通的脑电帽，就能通过‘听’大脑的声音，敏锐地捕捉到痴呆症的早期信号。而且，它比以前的 AI 更懂大脑的‘方言’，能更精准地分辨出谁只是‘有点累’，谁是真的‘生病了’。”

未来的愿景：这项技术如果普及，未来在偏远地区的社区医院，甚至在家里，医生就能用这种便携设备快速筛查痴呆症，让患者能更早地得到治疗，延缓病情发展。

技术摘要

这是一份关于论文 《EEG-SSFormer: Towards a Robust Mamba-Based Architecture for Dementia Detection from Resting State Electroencephalography》 的详细技术总结。

1. 研究背景与问题 (Problem)

• 临床需求：痴呆症（Dementia）和轻度认知障碍（MCI）的早期诊断至关重要，但现有的诊断方法（如 MRI、PET、脑脊液检测）往往昂贵、侵入性强且缺乏便携性，难以在低收入地区或偏远社区普及。
• EEG 的优势与挑战：静息态脑电图（rs-EEG）具有低成本、便携、非侵入性和高时间分辨率的优势。然而，利用深度学习从原始 rs-EEG 信号中学习鲁棒特征极具挑战性：
  • 长序列依赖：rs-EEG 数据序列长，传统的循环神经网络（RNN/LSTM）受限于记忆容量且难以并行化；Transformer 模型虽然能捕捉长距离依赖，但其自注意力机制的计算复杂度随序列长度呈二次方增长，且需要大量数据，容易过拟合。
  • 通道建模误区：传统深度学习模型通常将所有输入通道（电极）混合在一起处理，假设它们来自同一底层过程。但在 EEG 中，不同电极捕捉的是不同的神经过程。直接混合所有通道可能引入噪声并降低性能。
  • 现有方法的局限：现有的基于 CNN 或 Transformer 的方法在处理长序列 rs-EEG 时，往往难以平衡计算效率、长距离依赖建模能力以及通道间的独立特征提取。

2. 方法论 (Methodology)

作者提出了 EEG-SSFormer，一种基于状态空间模型（State Space Model, SSM），特别是 Mamba 架构的新型深度学习模型。

核心架构设计

1. 通道独立特征学习 (Channel-Independent Feature Learning)：

   • 分块 (Patching)：将输入的时间序列解析为长度为 $P$ 的离散片段。
   • 独立投影：每个电极通道被视为独立的单变量时间序列，分别投影到 $D$ 维特征空间。
   • 倒置层归一化 (Inverted LayerNorm)：不同于传统的按特征归一化，该方法在时间步维度上进行归一化。这能更好地处理非平稳信号，减少分布偏移，并保留通道间的差异。
   • Mamba SSM 层：利用 Mamba 的选择性扫描算法（Selective Scan），独立地对每个通道的序列片段进行全局时间依赖建模。Mamba 能够根据输入动态调整参数，有效过滤无关信息并捕捉长距离模式，且计算复杂度随序列长度线性增长。

2. 解耦的通道与特征混合 (Decoupled Channel-and-Feature Mixing)：

   • 模型将“特征混合”（在通道内部）和“通道混合”（跨通道交互）解耦。
   • 空间域通道混合器 (Spatial Channel Mixer)：在 Mamba 处理完时间序列后，使用点卷积（Point-wise Convolution）在空间域（即电极通道维度）进行交互。这比传统的耦合混合方式参数更少，效率更高。
   • 消融实验对比：作者还测试了频域混合器（EinFFT），但发现空间域混合在验证集上表现更优。

3. 辅助信息融合：

   • 将参与者的年龄作为辅助特征，在平均池化后与特征向量拼接，共同输入到分类层。

4. 可解释性分析：

   • 通道遮挡敏感性 (Channel Occlusion)：通过依次遮挡不同电极，观察分类概率的变化，生成头皮地形图以识别关键脑区。
   • 频带分析：通过带阻滤波器依次移除 $\delta, \theta, \alpha, \beta, \gamma$ 频段，分析各频段对分类任务的贡献。

3. 数据集与实验设置 (Dataset & Setup)

• 数据集：使用了 CAUEEG (Chung-Ang University EEG) 数据集，这是目前最大的公开 rs-EEG 痴呆症数据集，包含 1,155 名 受试者（健康对照组 HC、轻度认知障碍组 MCI、痴呆组 Dementia）。
• 划分策略：采用严格的受试者级划分 (Subject-wise split)，即训练集、验证集和测试集的受试者完全互不重叠，避免了数据泄露，确保评估的泛化能力。
• 基线模型：对比了该数据集上表现最好的 CNN 模型（1D-ResNet-18 和 1D-VGG-19）。
• 评估指标：宏平均准确率 (Macro Accuracy)、宏平均 AUROC、各类别的 F1 分数。

4. 关键结果 (Key Results)

• 分类性能：
  • 在测试集上，EEG-SSFormer-PW + Age 模型达到了 58.37% 的宏平均准确率，EEG-SSFormer-PW 达到了 57.65%。
  • 该性能显著优于基线模型：比 1D-VGG-19 (54.01%) 高出约 3.64%，比 1D-ResNet-18 (51.88%) 高出近 6%。
  • 尽管 MCI 组是分类难点（所有模型在此类上表现最差），EEG-SSFormer 仍取得了相对最好的结果。
• 模型效率：
  • EEG-SSFormer 仅包含约 380 万 可训练参数。
  • 相比之下，1D-VGG-19 有 2020 万参数，1D-ResNet-18 有 1130 万参数。EEG-SSFormer 在性能提升的同时，参数量减少了约 4 倍，证明了其极高的参数效率。
• 消融实验：
  • 空间域 vs. 频域混合：空间域混合器（Spatial Mixer）在验证集上比频域混合器（EinFFT）高出 5.28% 的准确率。
  • 归一化：使用倒置层归一化（Inverted LayerNorm）比传统 LayerNorm 提升了 2.48% 的准确率。
  • 年龄特征：加入年龄信息后，模型性能进一步提升，且对 HC 组的分类更加稳健。
• 可解释性发现：
  • 脑区重要性：模型识别出的关键脑区与临床文献一致。例如，MCI 组的关键区域集中在中央、前额中央和右顶枕区；痴呆组则更依赖枕叶和左颞叶。
  • 频段重要性：$\theta$ 波段 对痴呆检测最为关键（移除后痴呆组准确率下降 43%），这与阿尔茨海默病中 $\theta$ 功率增加的临床发现一致。$\delta$ 波段 的移除反而提高了痴呆组的分类准确率（可能是去除了混淆信号），但降低了 HC 和 MCI 的区分度。

5. 主要贡献与意义 (Contributions & Significance)

1. 架构创新：首次将 Mamba (SSM) 架构成功应用于基于 rs-EEG 的痴呆症鉴别诊断，解决了长序列建模的效率和可扩展性问题。
2. 策略优化：提出了通道独立建模结合解耦混合的策略，有效解决了多变量时间序列中通道异质性问题，显著提升了特征提取的鲁棒性。
3. 大规模基准测试：在迄今为止最大的公开 rs-EEG 痴呆数据集（CAUEEG）上进行了严格的受试者级验证，建立了新的性能基准。
4. 临床可解释性：通过可解释性技术，模型学习到的特征（如关键脑区和频段）与现有的神经影像学和临床文献高度吻合，证明了模型并非“黑盒”，而是捕捉到了具有生理意义的生物标志物。
5. 实际应用价值：该模型以极低的参数量实现了超越大型 CNN 的性能，结合 EEG 的便携性，为开发低成本、可部署的痴呆症早期筛查工具提供了强有力的技术支撑，特别适用于医疗资源匮乏的地区。

总结：EEG-SSFormer 通过结合 Mamba 的长序列建模能力和通道独立的特征学习策略，在痴呆症检测任务中实现了性能与效率的双重突破，为基于 EEG 的神经退行性疾病诊断开辟了新路径。