깊은 합성곱 신경망을 이용한 EEG 수면 단계 점수의 해석 가능한 분석

수면 연구는 불면증, 난소성 수면장애(narcolepsy), 수면 무호흡증(sleep apnea) 등의 수면 장애를 진단하는 데 중요한 역할을 합니다. 이러한 연구들은 원시 폴리소ム노그래피(polisomnography) 신호에서 수면 단계를 수동으로 채점하는데 의존하고 있으며, 이는 고도로 훈련된 전문가들의 많은 작업량을 필요로 하는 복잡한 시각적 작업입니다. 따라서 최근 몇 년 동안 머신 러닝 기술을 활용한 자동화된 수면 단계 채점에 대한 연구가 진행되어 왔습니다. 본 연구에서는 멀티테이퍼 스펙트럼 분석(multitaper spectral analysis)을 이용하여 EEG 신호로부터 시각적으로 해석 가능한 수면 패턴 이미지를 생성하고, 이를 시각 인식 작업을 수행하도록 훈련된 딥 컨볼루션 네트워크의 입력으로 사용하였습니다. 전이 학습(transfer learning)의 예시로서, 새로운 미확인 환자의 수면 단계를 정확히 분류할 수 있는 시스템이 제시되었습니다. 공개적으로 널리 사용되는 데이터셋에서의 평가는 최신 연구 결과와 유리하게 비교되며, 결과의 시각적 해석을 위한 프레임워크를 제공합니다.