CoRe-Sleep: 불완전한 모달에 견디는 시계열 다중모달 융합 프레임워크

수면 이상은 심각한 건강 문제를 초래할 수 있습니다. 환자의 생리적 기록에서 수면 단계의 시퀀스를 라벨링하는 자동화된 수면 단계 분류는 진단 과정을 간소화할 수 있습니다. 이전의 자동화된 수면 단계 분류 연구에서는 주로 EEG 신호에 의존하여 우수한 결과를 달성하였습니다. 그러나, 종종 EEG 외에도 여러 정보 출처가 사용 가능합니다. 특히 EEG 기록이 노이즈가 많거나 아예 누락되는 경우 이러한 추가 정보가 유용할 수 있습니다. 본 논문에서는 이러한 불완전한 데이터에서 신호 분석의 견고성을 개선하기 위해 CoRe-Sleep이라는 조정된 표현 다중모달 융합 네트워크를 제안합니다. 우리는 적절히 다중모달 정보를 처리하는 것이 이러한 견고성을 달성하는 데 중요한 역할을 할 수 있음을 보여줍니다. CoRe-Sleep은 노이즈가 많은 또는 누락된 모달 세그먼트를 용인하며, 불완전한 데이터로도 학습이 가능합니다. 또한, SHHS-1(최대 규모의 공개적으로 이용 가능한 수면 단계 라벨을 포함한 연구)에서 다중모달 및 단일모달 데이터 모두에 대해 하나의 모델로 테스트할 때 최신 성능을 보여줍니다. 결과는 다중모달 데이터로 모델을 학습시키면 단일모달 데이터 테스트 시 성능에 긍정적인 영향을 미친다는 것을 나타냅니다. 본 연구는 자동화된 분석 도구와 그 임상적 활용 사이의 간극을 좁히는 것을 목표로 합니다.