근적외선 비디오를 활용한 독립적인 수면 단계 추정 연구
Subject-Relative Micro-Motion and Sleep Dynamics for Near-Infrared Video Sleep Staging
arXiv근적외선(NIR) 비디오만을 활용하여 수면 단계를 추정하는 새로운 프레임워크 'ViNUSS'를 개발했습니다.
- ViNUSS는 주체별 미세 움직임 학습과 밤 전체 수면 역학 모델링을 결합하여, 475건의 기록에서 높은 정확도(0.80)를 달성했습니다.
- 이 연구는 NIR 비디오가 단순히 생체 신호 추정을 위한 보조 자료를 넘어, 독립적으로 수면 단계를 파악할 수 있음을 입증했다는 점에서 중요합니다.
- 본 모델은 수면다원검사(PSG) 기반의 라벨을 활용하지만, 미세 움직임과 큰 몸의 변화 등 독립적인 신호를 분석하여 보완적 가치를 제공합니다.
본 연구는 근적외선(NIR) 비디오만을 사용하여 수면 단계를 추정하는 방법을 다루며, 기존의 영상 기반 수면 단계 추정 방식들이 종종 재구성된 호흡/심장 대리 지표나 다른 양식간 생리학적 표현에 의존했던 한계점을 극복하고자 했습니다. 연구진은 폴리솜노그래피(PSG)로 정의된 라벨을 활용하여, 명시적인 생리학적 대리 지표의 재구성이나 보조 신호 감독 없이 NIR 비디오 자체만으로 수면 단계를 추론하는 것을 목표로 삼았습니다.
이를 위해 ViNUSS(Video-Native Unmediated Sleep Staging)라는 프레임워크를 제안했습니다. 이 모델은 주체 상대 미세 움직임 학습과 밤 전체 수면 역학 모델링을 결합한 것이 특징입니다. 구체적으로, 공간적으로 고정된 사전 공간적 미세 움직임 인코딩(Spatially anchored pre-spatial micro-motion encoding)을 통해 국소적인 시간 변화와 공간적 맥락을 보존하며, 주체 내 단계 대비 학습(Within-subject stage contrast)을 통해 각 피험자의 밤별 기준선에 따른 수면 단서(stage cues)를 파악합니다.
475건의 야간 NIR 녹화 데이터를 대상으로 한 실험 결과, ViNUSS는 4가지 클래스 수면 단계 추정에서 0.80의 정확도와 0.78의 매크로-F1 점수를 달성했습니다. 해석 가능성 분석에 따르면, 이 모델은 뇌파 활동과 관련된 흉복부 주기적 움직임 및 큰 몸의 움직임 변화에 주목하는 것으로 나타났습니다. 이러한 결과는 NIR 비디오가 PSG 기반 수면 단계 추정에 있어 독립적으로 정보를 제공할 수 있는 보완적인 양식임을 뒷받침합니다.