[論文レビュー] Data Augmentation for Seizure Prediction with Generative Diffusion Model

Kai Shu, Wu Le+4 more|arXiv (Cornell University)|Jun 14, 2023

EEG and Brain-Computer Interfaces被引用数 4

ひとこと要約

本稿では、生成的拡散モデルを用いて多様で高品質なマルチチャネルEEG信号を合成することで、てんかん発作予測のための新しいデータ拡張手法DiffEEGを提案する。ノイズ除去プロセスを通じて元のデータ分布を学習することで、DiffEEGはより多様で一般化性の高い前発作サンプルを生成し、ベンチマークデータセット上で複数のディープラーニング分類器の性能を顕著に向上させ、CHB-MITデータセットで95.4%の感受性と0.932のAUCを達成し、最先端の結果をもたらした。

ABSTRACT

Data augmentation (DA) can significantly strengthen the electroencephalogram (EEG)-based seizure prediction methods. However, existing DA approaches are just the linear transformations of original data and cannot explore the feature space to increase diversity effectively. Therefore, we propose a novel diffusion-based DA method called DiffEEG. DiffEEG can fully explore data distribution and generate samples with high diversity, offering extra information to classifiers. It involves two processes: the diffusion process and the denoised process. In the diffusion process, the model incrementally adds noise with different scales to EEG input and converts it into random noise. In this way, the representation of data can be learned. In the denoised process, the model utilizes learned knowledge to sample synthetic data from random noise input by gradually removing noise. The randomness of input noise and the precise representation enable the synthetic samples to possess diversity while ensuring the consistency of feature space. We compared DiffEEG with original, down-sampling, sliding windows and recombination methods, and integrated them into five representative classifiers. The experiments demonstrate the effectiveness and generality of our method. With the contribution of DiffEEG, the Multi-scale CNN achieves state-of-the-art performance, with an average sensitivity, FPR, AUC of 95.4%, 0.051/h, 0.932 on the CHB-MIT database and 93.6%, 0.121/h, 0.822 on the Kaggle database.

研究の動機と目的

• てんかん発作予測における前発作状態と間発作状態の間で深刻なクラス不均衡が生じる問題に対処すること。
• 従来のデータ拡張手法（スライディングウィンドウや再結合）が元のデータ分布に依存するため、重複が多く多様性に欠けるサンプルを生成するという制限を克服すること。
• 生成的拡散モデルが、複数チャネルにわたる複雑な時間的・空間的パターンを捉えた高品質で多様な合成EEGデータを生成する可能性を検証すること。
• 提案手法の有効性と一般化能力を、複数のディープラーニングアーキテクチャ（MLP、CNN、Transformer）および実世界のデータセット（CHB-MIT、Kaggle）を用いて評価すること。
• 拡散ベースのデータ拡張を用いたEEGベースのてんかん発作予測のための新しい最先端のベースラインを確立すること。

提案手法

• 本手法は、前向きプロセスで実際のEEGサンプルに段階的にノイズを追加し、逆方向プロセスを学習することで合成データを生成するノイズ除去拡散確率モデル（DDPM）を採用する。
• モデルは各拡散ステップにおける予測ノイズと実際の追加ノイズの再構成損失を最小化するように学習され、真のデータ分布を学習できる。
• 推論時、標準正規分布から開始して段階的にノイズ除去を繰り返すことで、新しい前発作に類似したEEGサンプルを生成する。
• アーキテクチャは、チャネル間相関関係と時間的ダイナミクスを保持するように設計され、30秒間の18チャネルの完全なマルチチャネルEEG信号を直接生成する。
• 生成された合成データは、手動での特徴工学を伴わず、少数派の前発作クラスのデータバランスを改善するために使用される。
• 本手法は、MLP、CNN、Transformerの3つのディープラーニングバックボーンに統合され、包括的な評価が行われた。

実験結果

リサーチクエスチョン

• RQ1 従来のデータ拡張手法（スライディングウィンドウや再結合）と比較して、拡散モデルはより多様で代表的な前発作EEGサンプルを生成できるか？
• RQ2 拡散モデルで生成された合成データを用いることで、異なるディープラーニングアーキテクチャにおけるてんかん発作予測性能が向上するか？
• RQ3 実際のEEGデータセットにおいて、提案手法DiffEEGの性能は、感受性、誤検出率、AUCという観点から、既存のデータ拡張戦略と比較して優れているか？
• RQ4 変動が大きいてんかん性EEGパターンを考慮しても、生成された合成EEGデータは未観測の発作や新しい患者に一般化可能か？
• RQ5 特にモード崩壊を回避し、サンプルの多様性を保証する観点から、GANに比べて拡散モデルはEEGデータ拡張においてより安定的で効果的であるか？

主な発見

• DiffEEGは、MLP、CNN、Transformerの3つのディープラーニングバックボーンにおいて、従来のデータ拡張手法（ダウンサンプリング、スライディングウィンドウ、再結合）を顕著に上回った。
• CHB-MITデータセットでは、DiffEEGとマルチスケールCNNの組み合わせが、感受性95.4%、誤検出率0.05/h、AUC 0.932を達成し、最先端の性能を示した。
• Kaggleデータセットでは、同じ設定で感受性93.6%、誤検出率0.12/h、AUC 0.822を達成し、再び最先端レベルの性能を達成した。
• 生成された合成EEGサンプルは視覚的に妥当で、時間的・空間的パターンを適切に含んでおり、定性的な検査と定量的評価によって裏付けられた。
• GANとは異なり、拡散モデルは安定した訓練を示し、損失の継続的な低下が確認された。
• 本手法は一般化性を示し、異なるネットワークアーキテクチャにおいて性能向上をもたらしたため、てんかん発作予測パイプラインへの強靭で広範な適用可能性が示された。