MC2SleepNet: 수면 단계 분류를 위한 다중 모달 크로스 마스킹과 대조 학습

수면은 우리의 건강에 깊이 영향을 미치며, 수면 부족이나 수면 장애는 신체적·정신적 문제를 유발할 수 있다. 기존 연구에서 많은 성과가 있었음에도 불구하고, 특히 고정확도의 수면 단계 분류를 위한 다중 모달러 학습에서 딥러닝 모델을 최적화하는 데 여전히 도전 과제가 존재한다. 본 연구에서는 대조 학습(contrastive learning)과 크로스 마스킹(cross-masking)을 활용하여 합성곱 신경망(Convolutional Neural Networks, CNNs)과 트랜스포머 아키텍처 간의 효과적인 협업을 촉진하기 위한 MC2SleepNet(Multi-modal Cross-masking with Contrastive learning for Sleep stage classification Network)을 제안한다. 원시의 단일 채널 뇌파 신호(EEG)와 해당 스펙트로그램 데이터는 다중 모달러 학습을 위한 서로 다른 특성의 모달리티를 제공한다. 제안한 MC2SleepNet은 SleepEDF-78 데이터셋에서 84.6%의 정확도, Sleep Heart Health Study(SHHS) 데이터셋에서는 88.6%의 정확도를 달성하여 최신 기술 수준의 성능을 보였다. 이러한 결과는 제안된 네트워크가 소규모 및 대규모 데이터셋 모두에서 우수한 일반화 능력을 갖추고 있음을 입증한다.