SLEEPER: 専門家ルールからのプロトタイプを用いた解釈可能な睡眠ステージング

睡眠ステージングは、睡眠障害の診断において重要な役割を果たします。この作業は煩雑で複雑であり、訓練を受けた専門家が1人の患者の1晩分のポリソムノグラム（PSG）を注釈するのに数時間かかることがあります。深層学習モデルは自動化された睡眠ステージングにおいて最先端の性能を示していますが、解釈可能性という他の要件についてはほとんど研究されていません。本研究では、専門家ルールからプロトタイプを生成する睡眠ステージング（SLEEPER）を提案します。SLEEPERは、深層学習モデルと専門家定義のルールをプロトタイプ学習フレームワークを使用して組み合わせることで、単純かつ解釈可能なモデルを生成します。特に、SLEEPERは睡眠スコアリングルールと専門家定義の特徴量を使用して、畳み込みニューラルネットワークを通じてPSGデータ断片の埋め込みとしてプロトタイプを導出します。最終的なモデルは、これらの表型に基づいて定義された浅い決定木のような単純な解釈可能なモデルです。私たちは2つのPSGデータセットを使用してSLEEPERを評価し、SLEEPERが約85%のROC-AUCと0.7のカッパ値で人間の専門家や深層ニューラルネットワークに匹敵する正確な睡眠ステージ分類を提供できることを示しました。