SleePyCo: 特徴ピラミッドとコントラスティブ学習を用いた自動睡眠スコアリング

自動睡眠スコアリングは、睡眠障害の診断と治療に不可欠であり、家庭環境での長期的な睡眠追跡を可能にします。従来、単一チャンネル電気脳波（EEG）を用いた学習ベースの自動睡眠スコアリングが積極的に研究されてきました。これは、睡眠中に多チャンネル信号を得ることが困難なためです。しかし、生のEEG信号から表現を学習することは以下の問題により困難です：1) 睡眠に関連するEEGパターンは異なる時間スケールと周波数スケールで発生し、2) 睡眠ステージは類似したEEGパターンを共有しています。これらの問題に対処するために、我々は1) 特徴ピラミッドと2) 監督付き対照学習を組み込んだ深層学習フレームワークであるSleePyCoを提案します。特徴ピラミッドについては、異なる時間スケールと周波数スケールにおける複数の特徴シーケンスを考慮するためのバックボーンネットワークであるSleePyCo-backboneを提案します。監督付き対照学習は、クラス内の特徴間の距離を最小化しながら、クラス間の距離を最大化することで、ネットワークがクラス識別可能な特徴を抽出することを可能にします。4つの公開データセットに対する比較分析では、SleePyCoが単一チャンネルEEGに基づく既存のフレームワークよりも一貫して優れていることが示されました。広範な削減実験では、SleePyCoが全体的な性能向上を示し、特にN1ステージと急速眼球運動（REM）ステージの識別において著しい改善が見られました。