A Time-Series Deep Learning Approach for EEG-Based Sleep Stage Classification

Abstract

수면단계분류는수면의질평가및수면장애의조기진단에필수적인과정으로,기 존에는 전문가의 수작업에 의존해 많은 시간과 비용이 소요된다. 그래서 본 연구에서는 다양한 머신러닝 및 딥러닝 기법을 활용하여 수면 단계를 자동으로 분류하고자 한다. 연령에따른모델성능분석결과,전반적으로 LightGBM이가장높은정확도를보였 으나, 나이에 따라 성능의 차이가 나타났다. 이는 연령 증가에 따른 수면 구조의 변화와 EEG 특성 차이에서 기인한 것으로 해석된다. 수면 시간 흐름에 따른 성능 분석에서는, 과거 데이터를 활용한 시계열 기반 모델이 그렇지 않은 모델에 비해 더 나은 성능을 보였다. 그러나 개인 간 성능 편차가 크게 나타났으며, 특히 수면 단계의 변화가 잦은 피험자일수록예측정확도가낮은경향을보였다.이는수면단계간지속시간의차이와 개인별 생리적 특성이 모델 성능에 영향을 미친다는 점을 시사한다. 본 연구는 두 가지의 방법을 통해 수면의 단계를 분류하였다. 첫번째 연구에서 우리 는 연령에 따라서 그룹을 나누어 모델을 학습하는 것이 그렇지 않은 모델에 비해서 더 좋은 성능을 보이는 것을 입증했다. 또한 두번째 연구에서 우리는 시간에 대한 정보를 학습한 모델이 그렇지 않은 것에 비해 성능의 향상을 보이는 것을 확인했다. 이 연구를 통해 수면의 단계를 분류하는 학습에서 나이 및 시간에 대한 정보를 고려하는 것은 필요 함을 제시하였다. 하지만 여러 한계점들이 여전히 해결해야 할 과제로 남아 있고, 향후 연구에서는 이러한 한계를 해결하기 위한 추가 연구가 필요하다.