被験者間のEEGストレス検出には長年の課題がある。ストレスに関連する判別的なパターンは被験者に依存するだけでなく、周波数特異的でもあるからだ。従来のリーマン幾何学的手法は主に時間領域で空間共分散をモデル化しており、高次の認知状態のデコードに不可欠な神経振動を見落としていた。さらに標準的な時間トークン化は、スライス間の時間的コヒーレンスを断片化しがちである。これらの限界に対処するため、研究者らはEEGベースのストレス検出のためのIntra-Interリーマン多様体注意ネットワーク、I²RiMAを提案した。
この手法の中心的な設計はスペクトルレベルでの幾何学的モデリングにある。I²RiMAは共分散を時間領域に限定せず、各周波数点で独立に空間共分散行列を構築し、対称正定値（SPD）行列の接空間に写像する。これによりチャネル間の幾何構造と周波数帯域固有の判別手がかりの両方を保持し、空間トポロジーと神経振動の情報を同時に活用できる。
スペクトルの冗長性に対処するため、I²RiMAは周波数クラスタ集約機構を導入する。この機構はデータ駆動型でコンパクトな周波数クラスタを形成し、それを脳波リズムに整列させることで、情報量の多いスペクトル成分を選択し、無関係または重複する周波数点を抑制する。この設計は表現効率を高めるだけでなく、被験者間のロバスト性も強化する。
時間次元では、スライス内・間注意モジュールを採用する。このモジュールは局所的なスライスレベルのスペクトル動態とEEG系列全体のグローバルな時間的文脈を適応的に統合し、標準的なトークン化による時間的断片化を回避して、ストレス状態の時間的推移をより完全に捉える。
実験は3つのデータセットで行われ、I²RiMAは5つの最先端ベースラインを一貫して上回り、最大82.78%の平衡精度を達成した。同時にモデルは効率性を維持し、パラメータ数はわずか1.60M、計算量は31.95M FLOPsである。本研究は、周波数特異的なリーマン幾何学と階層的な時間注意を組み合わせることが、被験者間EEGストレス検出の性能向上に有効な道であることを示している。