自動睡眠ステージ分類のための共同分類および予測CNNフレームワーク

睡眠段階の正確な識別は、睡眠障害の診断と治療において重要である。本研究では、自動睡眠段階判定のためのCNN（畳み込みニューラルネットワーク）を基盤とする分類および予測の統合フレームワークを提案し、その後、このフレームワークを支える単純かつ効率的なCNNアーキテクチャを導入する。単一の入力エポックに対して、新規フレームワークはそのラベル（分類）と周辺エポックのラベル（予測）をコンテキスト出力で同時決定する。提案されたフレームワークは、一般的に採用されている分類スキームとは直交しており、これらのスキームでは1つまたは複数のエポックがコンテキスト入力として使用され、ターゲットエポックに対する単一の分類決定が行われる。しかし、我々は以下の点でその優位性を示している。第一に、連続する睡眠エポック間の依存関係を利用しつつ、一般的な分類スキームで経験される問題を超えることができる。第二に、単一モデルでも複数の決定を行う能力があり、アンサンブル・オブ・モデル手法と同様に高い性能を得るために必要な複数の決定を行いながらも計算負荷が非常に少ない。さらに、確率的集約技術を提案して複数の決定を利用する方法について述べる。我々は2つの公開データセットを使用して実験を行った：20人の被験者からなるSleep-EDF Extendedデータセットと200人の被験者からなるモントリオール睡眠研究アーカイブデータセットである。提案されたフレームワークはそれぞれ全体的な分類精度82.3%と83.6%を達成した。また、提案されたフレームワークが一般的な分類スキームに基づくベースラインだけでなく既存の深層学習手法よりも優れていることを示している。当該研究者の知る限りでは、これは標準的な単一出力分類を超えて自動睡眠段階判定のためにマルチタスク神経망を考えた最初の研究である。このフレームワークは異なる神経網アーキテクチャによる自動睡眠段階判定に関するさらなる研究への道を開くものである。