수면 데이터 사전 학습이 수면 외 생체 신호 작업 성능 향상

요약

본 연구는 수면 생체 신호에서 사전 학습된 모델이 수면 외의 다른 임상적 생체 신호 작업(예: EEG, ECG 분석)으로 효과적으로 지식을 전이할 수 있는지 탐구합니다. 기존에 수면 기반 모델들이 다양한 수면 관련 작업에서 강력한 성능을 보였던 것에 이어, 연구진은 수면 데이터를 활용하여 사전 학습된 표현 분포가 다른 도메인에서도 유용한지 검증했습니다. 그 결과, 수면 사전 학습은 EEG 및 ECG와 같은 여러 모달리티의 다운스트림 작업에서 초기 훈련 대비 일관되게 성능을 향상시켰으며, 일부 작업에서는 기존 최고 성능 모델과 경쟁하거나 이를 능가하는 결과를 보여주었습니다.

핵심 포인트

• 수면 기반 사전 학습(Sleep pretraining)이 수면 외의 다른 생체 신호 도메인으로 지식 전이가 가능함을 입증했습니다.
• EEG 및 ECG와 같은 여러 모달리티에 걸쳐 8개의 다운스트림 작업에서 성능 향상을 보였습니다.
• 수면 사전 학습은 초기부터 모델을 훈련하는 것보다 일관되게 우수한 성능을 제공합니다.
• 일부 다운스트림 작업에서는 수면 기반 사전 학습이 기존의 최고 성능(SOTA) 모델과 경쟁하거나 이를 능가했습니다.