SleePyCo: 특징 피라미드와 대조 학습을 이용한 자동 수면 점수 매기기

자동 수면 점수화는 수면 장애의 진단과 치료에 필수적이며, 가정 환경에서의 종단적 수면 추적을 가능하게 합니다. 전통적으로, 다중 채널 신호를 수면 중에 얻는 것이 어려우므로 단일 채널 뇌전도(EEG)를 기반으로 하는 학습 기반 자동 수면 점수화가 활발히 연구되고 있습니다. 그러나 원시 EEG 신호에서 표현을 학습하는 것은 다음과 같은 문제들로 인해 도전적입니다: 1) 수면 관련 EEG 패턴은 서로 다른 시간 및 주파수 스케일에서 발생하며, 2) 수면 단계들은 유사한 EEG 패턴을 공유합니다. 이러한 문제들을 해결하기 위해, 우리는 자동 수면 점수화를 위한 딥러닝 프레임워크인 SleePyCo를 제안합니다. 이 프레임워크는 1) 피처 피라미드와 2) 지도된 대조 학습을 통합합니다. 피처 피라미드에 대해, 우리는 서로 다른 시간 및 주파수 스케일에서 여러 피처 시퀀스를 고려할 수 있는 네트워크인 SleePyCo-backbone을 제안합니다. 지도된 대조 학습은 네트워크가 클래스 간 차이점을 구분할 수 있는 특징을 추출하도록 하며, 이는 동일 클래스 내의 특징 간 거리를 최소화하면서 동시에 다른 클래스 간의 거리를 최대화함으로써 이루어집니다. 네 개의 공개 데이터셋에 대한 비교 분석 결과, SleePyCo는 단일 채널 EEG 기반 기존 프레임워크보다 일관성 있게 우월한 성능을 보임을 입증하였습니다. 광범위한 아블레이션 실험은 SleePyCo가 전반적인 성능 향상뿐만 아니라 N1과 빠른 안구 운동(REM) 단계 사이의 차별화에서도 상당한 개선을 보이는 것을 확인하였습니다.