Jeden krok v přípravě dat změní AI čtoucí mozkové vlny z náhody na 89 %

Co přesně výzkumníci z L'Aquily testovali

Enrico Mattei a Daniele Lozzi z italské University of L'Aquila publikovali práci v odborném časopise Multimedia Tools and Applications, ve které systematicky prozkoumali, jak normalizace Z-score ovlivňuje neuronové sítě založené na architektuře Transformer při čtení elektroencefalografie (EEG). Tedy mozkových vln, které snímají elektrody přiložené na hlavu. Plné znění studie je volně dostupné přes DOI 10.1007/s11042-026-21929-9 a zprávu o ní shrnul server Bioengineer.org.

Klíčové je, že vědci pracovali s datovou sadou Upper Limb Movement EEG Dataset z univerzity v Grazu, která je v tomto ohledu výjimečná. Obsahuje záznamy patnácti zdravých lidí ve věku 22 až 40 let, kteří prováděli šest různých pohybů pravé ruky – od ohnutí a natažení lokte přes otáčení předloktí až po otevírání a zavírání dlaně. Snímalo je 61 aktivních elektrod při frekvenci 512 Hz, a co je nejdůležitější, data jsou uložená v čistě surové podobě. Mnoho populárních EEG benchmarků totiž dorazí už s předem provedenou úpravou signálu, takže pak nejde poznat, co se naučil samotný model a co za něj už udělal autor datové sady. Tady má výzkumník plnou kontrolu nad každým krokem.

Testovaly se čtyři architektury: kompaktní konvoluční síť EEGNet a tři modely typu Transformer určené pro EEG – ContraNet, Conformer a EEGDeformer. Každý z nich dostal jednodušší úlohu (rozlišit pohyb od klidu) a pak těžší úlohu na tři třídy (otevření dlaně, zavření dlaně, klid).

Proč zrovna normalizace udělá takový rozdíl

Normalizace Z-score je matematicky triviální: od každé hodnoty odečtete průměr a výsledek vydělíte směrodatnou odchylkou. V praxi to znamená, že se signály z jednotlivých elektrod „srovnají“ do stejného měřítka – střed na nulu, rozptyl na jedničku. Proč na tom ale Transformeru tolik záleží?

Odpověď se skrývá v samotném mechanismu pozornosti (attention), na kterém tyhle modely stojí. Ten počítá „váhy“ pozornosti přes funkci softmax, a když na vstup přijdou čísla s divoce odlišnou velikostí, výsledné součiny se rozletí do extrémů. Softmax se pak „zahltí“ a skoro veškerou váhu soustředí na jediný vzorek, zatímco zbytek časoprostorové sekvence ignoruje. Model tak oslepne vůči rozptýleným vzorcům mozkové aktivity, které pohyb charakterizují.

Přirovnání z běžného života: je to, jako byste fotografovi dali tisíc fotek, z nichž každá má úplně jiný jas a kontrast, a chtěli, aby na nich našel stejný objekt. Než začne hledat, musí je nejdřív sjednotit. A amplituda EEG se mezi lidmi skutečně dramaticky liší – kvůli tloušťce lebky, impedanci elektrod nebo síle nervové aktivity. Bez sjednocení model „vidí“ hlavně tyto rozdíly, ne samotný pohyb.

Samotná normalizace nestačí

A tady přichází nejzajímavější zjištění celé studie: když vědci použili normalizaci Z-score na surový, nevyčištěný signál plný artefaktů (mrkání, svalové napětí, elektrický šum), nepomohla skoro vůbec a občas věci i zhoršila. Důvod je takzvaná proporční komprese – pokud artefakty ovládají celkovou variabilitu signálu, normalizační parametry se počítají spíš ze šumu než ze skutečné nervové aktivity, a tím se poměr signálu k šumu ještě zhorší.

Nejprve proto musí přijít pořádné čištění: odstranění a interpolace zašuměných kanálů (postup PREP), robustní průměrování přes elektrody, pásmová filtrace mezi 1 a 100 Hz, odfiltrování síťového šumu a jeho harmonických a nakonec odstranění artefaktů pomocí analýzy nezávislých komponent (ICA). Až teprve po tomto úklidu dává normalizace smysl. Předúprava a normalizace tak fungují jako dvojice – nejdřív vyčistit, pak sjednotit měřítko. Žádný z kroků samostatně nestačí, dohromady posunou každý model nad hranici statistické významnosti.

Čísla, která si zapamatujete

Hlavní čísla z binární klasifikace pohybu (pohyb vs. klid) hovoří jasně. Bez normalizace a předúpravy se modely pohybovaly kolem 51 až 55 %, tedy v pásmu náhody – práh statistické významnosti byl stanoven na 56 %. Po aplikaci obou kroků se výsledky skokově zvedly:

U EEGDeformeru jde o relativní zlepšení zhruba o 75 %, u konvolučního EEGNetu o 51 %. Studie přitom rozlišila dva režimy ověření. V tom přísnějším – kdy se pětina účastníků vyčlenila jako testovací skupina, kterou model nikdy neviděl, a normalizační parametry se počítaly jen z tréninkových dat – se zlepšení udrželo: EEGDeformer dosáhl 0,85. To je důležité, protože to simuluje reálnou situaci nového uživatele rozhraní mozek-počítač, který si projde kalibrací. U těžší úlohy na tři třídy byl nejlepší ContraNet s 0,66, přičemž představa pohybu (tzv. motor imagery) byla vždy výrazně těžší než skutečný pohyb.

Co to znamená pro protézy a rozhraní mozek-počítač

Než si začnete představovat protézu ovládanou myšlenkou u vás doma, ujasněme si, co to je a co není. Tohle je základní výzkum, nikoli produkt v prodeji. V češtině ani na českém trhu si dnes žádné komerční rozhraní mozek-počítač založené na tomto postupu nekoupíte. Data pocházejí z rakouského Grazu, takže evropský výzkum v této oblasti běží, ale výsledek je metodický návod pro laboratoře, ne spotřební zboží.

Poselství je přesto praktické a platí i daleko za hranicemi neurovědy: nejskromnější krok v celé pipeline si může zasloužit největší pozornost. V oboru, který se žene za stále většími a složitějšími modely, tato studie ukazuje, že obyčejné sjednocení měřítka vstupních dat má na výsledek stejný vliv jako samotná volba architektury. Autoři jsou přitom upřímní k limitům: pracovali s jedinou datovou sadou, testovali jen zapnutí/vypnutí Z-score (ne alternativy jako min-max či robustní škálování) a předpokládají offline zpracování či kalibrační vyrovnávací paměť. Plně online adaptivní normalizace zůstává otevřenou otázkou.