睡眠研究は、不眠症、ナルコレプシー、または睡眠時無呼吸症候群などの睡眠障害の診断に重要です。これらの研究では、原始的なポリソムノグラフィ信号から手動で睡眠ステージをスコアリングする必要があり、これは熟練した専門家による労力が必要な面倒な視覚的作業です。そのため、近年では機械学習技術に基づく自動的なステージスコアリングの研究が進められています。本研究では、マルチターパースペクトル解析を使用して、EEG信号から視覚的に解釈可能な睡眠パターンの画像を作成し、これを深層畳み込みニューラルネットワークの入力として用いて視覚認識タスクを解決するように訓練しました。転移学習の一例として、新しい未知の患者の睡眠ステージを正確に分類できるシステムが紹介されています。広く使用されている公開データセットでの評価結果は、最先端の手法と比較しても優れていることを示しており、同時に結果の視覚的解釈のためのフレームワークも提供しています。