SPERA: modello fondazionale per EEG con prior sferico e predizione nello spazio latente sensibile a geometria e frequenza

Abstract degli autori

L’elettroencefalografia (EEG) fornisce una misura non invasiva dell’attività neurale in corso, ma realizzare modelli EEG per uso generale resta difficile a causa dell’eterogeneità dei soggetti, dei dispositivi e delle configurazioni degli elettrodi. Gli attuali modelli fondazionali per EEG si basano prevalentemente su obiettivi di ricostruzione definiti sul segnale osservato, che contiene componenti neurali e non neurali. Presentiamo SPERA (Spherical Prior EEG Representation Architecture), un modello fondazionale per EEG che adotta l’architettura predittiva a incorporamento congiunto (JEPA) per effettuare previsioni nello spazio latente. SPERA introduce un prior spaziale basato su polinomi di Legendre, integrato nel meccanismo di attenzione per codificare le diverse geometrie degli elettrodi sul cuoio capelluto. Altri due componenti adattano il modello all’EEG: l’attenzione temporale e spaziale fattorizzata, intervallata da blocchi periodici di attenzione completa, e un regolarizzatore spettrale relazionale che allinea la struttura di similarità latente con le viste spettrali. Preaddestrato su circa 80.000 ore di EEG raccolte da 29.048 soggetti in 106 dataset, SPERA raggiunge la più alta accuratezza bilanciata media in nove attività downstream che spaziano dalle applicazioni cliniche e cognitive a quelle BCI. SPERA mostra inoltre un’elevata efficienza parametrica nel linear probing e robustezza in diverse condizioni di registrazione, suggerendo il suo potenziale come backbone per analisi EEG di vario tipo.