SCDM: Aprendizaje de Representación Unificada para la Generación Cruzada de EEG a fNIRS en MI-BCIs

Las interfaces cerebro-computadora de imaginación motora híbrida (MI-BCIs), que integran tanto electroencefalografía (EEG) como espectroscopía funcional en el infrarrojo cercano (fNIRS), superan a las basadas únicamente en EEG. Sin embargo, grabar simultáneamente señales de EEG y fNIRS es altamente desafiante debido a la dificultad de colocar ambos tipos de sensores en la misma superficie del cuero cabelludo. Esta restricción física complica la adquisición de señales híbridas de alta calidad, limitando así la aplicación generalizada de las MI-BCIs híbridas. Para facilitar la adquisición de señales híbridas de EEG-fNIRS, este estudio propone el modelo de difusión controlada espacio-temporal (SCDM) como un marco para la generación cruzada de EEG a fNIRS. El modelo utiliza dos módulos centrales, el módulo de generación cruzada espacial (SCG) y el módulo de representación temporal multiescalar (MTR), que aprenden de manera adaptativa las respectivas representaciones temporales y espaciales latentes de ambas señales en un espacio de representación unificado. El módulo SCG mapea además representaciones de EEG a representaciones de fNIRS al aprovechar sus relaciones espaciales. Los resultados experimentales muestran una alta similitud entre las señales fNIRS sintéticas y reales. El rendimiento de clasificación conjunto de las señales de EEG y fNIRS sintéticas es comparable o incluso mejor que el de EEG con señales fNIRS reales. Además, las señales sintéticas exhiben características espacio-temporales similares a las señales reales mientras preservan relaciones espaciales con las señales de EEG. Los resultados experimentales sugieren que el SCDM puede representar un paradigma prometedor para la adquisición de señales híbridas de EEG-fNIRS en sistemas MI-BCI.