睡眠ステージの正確な分類は、睡眠健康評価において重要な役割を果たします。近年、機械学習を基盤とする睡眠ステージ分類アルゴリズムが数多く開発され、特に深層学習を基盤とするアルゴリズムは人間のアノテーションと同等の性能を達成しています。性能向上にもかかわらず、多くの深層学習ベースのアルゴリズムにはブラックボックス特性という制約があり、これが臨床現場での使用を制限してきました。本研究では、睡眠ステージ分類に用いるクロスモーダルトランスフォーマー（cross-modal transformer）を提案します。この提案手法は、新しいクロスモーダルトランスフォーマーエンコーダー構造と自動表現学習のために多尺度1次元畳み込みニューラルネットワーク（multi-scale one-dimensional convolutional neural network）から構成されています。当手法は最先端の方法よりも優れた性能を示し、注意モジュール（attention modules）の解釈可能性を利用することで深層学習モデルのブラックボックス特性を排除します。さらに、当手法はパラメータ数や学習時間においても大幅な削減を提供しており、最先端の方法と比較して効率的です。当研究のコードは以下のURLで公開されています: https://github.com/Jathurshan0330/Cross-Modal-Transformer。また、当研究のデモンストレーションは以下のURLでご覧いただけます: https://bit.ly/Cross_modal_transformer_demo。