[論文レビュー] EEG Synthetic Data Generation Using Probabilistic Diffusion Models

Giulio Tosato, Cesare Maria Dalbagno+1 more|arXiv (Cornell University)|Mar 6, 2023

EEG and Brain-Computer Interfaces被引用数 8

ひとこと要約

この論文は、電極周波数分布マップに基づくデノイジング拡散確率モデルで合成EEGデータを生成し、感情分類の訓練データを拡張して分類器の精度を向上させることを提案します。

ABSTRACT

Electroencephalography (EEG) plays a significant role in the Brain Computer Interface (BCI) domain, due to its non-invasive nature, low cost, and ease of use, making it a highly desirable option for widespread adoption by the general public. This technology is commonly used in conjunction with deep learning techniques, the success of which is largely dependent on the quality and quantity of data used for training. To address the challenge of obtaining sufficient EEG data from individual participants while minimizing user effort and maintaining accuracy, this study proposes an advanced methodology for data augmentation: generating synthetic EEG data using denoising diffusion probabilistic models. The synthetic data are generated from electrode-frequency distribution maps (EFDMs) of emotionally labeled EEG recordings. To assess the validity of the synthetic data generated, both a qualitative and a quantitative comparison with real EEG data were successfully conducted. This study opens up the possibility for an open extendash source accessible and versatile toolbox that can process and generate data in both time and frequency dimensions, regardless of the number of channels involved. Finally, the proposed methodology has potential implications for the broader field of neuroscience research by enabling the creation of large, publicly available synthetic EEG datasets without privacy concerns.

研究の動機と目的

• EEG-BCIにおけるデータ不足と高品質な合成データの必要性を動機づける。
• EFDMsからEEG様のサンプルを生成する拡散ベースの手法を開発する。
• 時系列・周波数領域のEEGデータを処理できるオープンソースツールボックスを作成する。
• 合成データが元のデータセットを超える新たな情報を追加するかを評価する。
• 実データのみ vs 実データ+合成データでの分類器性能を評価する。

提案手法

• 128チャネル・128x128のEFDM由来画像を生成するためにOpenAIの改良拡散モデルを適用する。
• EEGデータのSTFT（最大100 Hz）から電極周波数分布マップ（EFDMs）を構築する。
• 実データでCrossEntropyLossを用いてPyTorchの分類器を訓練し、次に拡張効果を評価する。
• diffusion_steps=1000と線形ノイズスケジュールで拡散モデルを訓練。画像サイズ=128、バッチサイズ=32。
• 見知らぬ実データ上での分類器性能を比較して拡散生成データが実データを再現するか、または補完するかを評価する。
• GitHubにホストされたツールボックスを提供し、将来の最適化の可能性を議論する。

Figure 1: Progressive addition of Gaussian noise.

実験結果

リサーチクエスチョン

• RQ1 拡散生成されたEEGサンプルは元の訓練データには存在しない情報を提供できるか。
• RQ2 データ拡張として拡散生成サンプルを用いると、実データのみの場合と比べて分類器の性能が向上するか。
• RQ3 拡散モデルは訓練データを覚え込むのではなく、新規のEEG様サンプルを生成できるか。
• RQ4 EFDMベースのデータ表現は拡散ベースのEEG合成にどれほど効果的か。
• RQ5 拡散ベースのEEGデータ拡張の実用的影響と制約は何か。

主な発見

Classifier Type	Max Average Accuracy
Original	91.434
Augmented 40 epochs	92.634
Augmented 60 epochs	92.984

• 実データで訓練した分類器は合成サンプル上で平均精度が90%を超えた。
• 実データに拡散生成サンプルを加えると最大平均精度が92.634%（40エポック）、92.984%（60エポック）まで向上する。
• ハイブリッド訓練（実データ＋合成データ）は実データのみで訓練したモデルより一貫して上回った。
• 合成データは元のデータセットを超える新規情報を含むことを示唆し、拡張の有用性を支持する。
• 60エポク程度までの拡散モデル訓練は実データのみの訓練より良好な性能を示す。
• 合成データは個人からの直接サンプルではないため、プライバシー上の懸念なしに共有可能である。

Figure 2: Progressive subtraction of Gaussian noise.