الاضطرابات النومية يمكن أن تؤدي إلى عواقب صحية خطيرة. يمكن أن يبسط التشخيص التلقائي لمرحلات النوم، أي تصنيف سلسلة مراحل النوم من السجلات الفسيولوجية للمريض، عملية التشخيص. حققت الدراسات السابقة في مجال التشخيص التلقائي لمرحلات النوم نتائج ممتازة، معتمدة بشكل أساسي على إشارة EEG (الكهرطيسية الدماغية). ومع ذلك، غالبًا ما تكون هناك مصادر متعددة للمعلومات تتجاوز EEG. يمكن أن يكون هذا مفيدًا بشكل خاص عندما تكون تسجيلات EEG ضوضائية أو حتى غائبة تمامًا. في هذه الورقة البحثية، نقترح CoRe-Sleep (شبكة الاندماج متعددة الوسائط ذات التمثيل المنسق)، وهي شبكة اندماج متعددة الوسائط تركز بشكل خاص على تحسين صلابة تحليل الإشارات على البيانات غير الكاملة. نوضح كيف يمكن أن يكون التعامل المناسب مع المعلومات متعددة الوسائط هو المفتاح لتحقيق مثل هذه الصلابة. يتحمل CoRe-Sleep الأقسام الضوضائية أو الغائبة من الوسائط المتعددة، مما يسمح بالتدريب على بيانات غير كاملة. بالإضافة إلى ذلك، فإنه يظهر أداءً رائدًا عند اختباره على كل من البيانات متعددة الوسائط والبيانات أحادية الوسيلة باستخدام نموذج واحد في SHHS-1 (دراسة الصحة القلبية الرئوية للنوم - 1)، وهي أكبر دراسة متاحة للجمهور تتضمن تصنيفات مرحلة النوم. تشير النتائج إلى أن تدريب النموذج على البيانات متعددة الوسائط يؤثر إيجابيًا على الأداء عند اختباره على البيانات أحادية الوسيلة. يهدف هذا العمل إلى جسر الهوة بين أدوات التحليل التلقائي واستخدامها السريري.