MC2SleepNet：睡眠ステージ分類のためのマルチモーダルクロスマスキングとコントラスト学習

睡眠は健康に深く関与しており、睡眠不足や睡眠障害は身体的・精神的な問題を引き起こすことがある。これまでの研究で多くの重要な知見が得られてきたものの、特に高精度な睡眠段階分類に向けたマルチモーダル学習において、深層学習モデルの最適化という課題は依然として残っている。本研究では、対照学習（contrastive learning）とクロスマスキング（cross-masking）を活用し、畳み込みニューラルネットワーク（CNN）とTransformerアーキテクチャの間で効果的な協調を実現することを目的とした、MC2SleepNet（Multi-modal Cross-masking with Contrastive learning for Sleep stage classification Network）を提案する。本手法では、生の単一チャネルEEG信号とその対応するスペクトログラムデータを、異なる特徴を持つモダリティとしてマルチモーダル学習に活用している。MC2SleepNetは、SleepEDF-78データセットにおいて84.6%、Sleep Heart Health Study（SHHS）データセットにおいて88.6%の精度を達成し、最先端の性能を示した。これらの結果は、本研究で提案するネットワークが小規模および大規模なデータセットの両方において優れた汎化能力を有していることを示している。