본 논문은 의료 시계열 데이터에서 도메인 간 적응을 위한 새로운 틀을 제시합니다. 기존 방법들이 개별 특징 표현에 초점을 맞춰 시간적 역동성을 제대로 포착하지 못하는 한계를 극복하고자, 다중 관점 대조 학습을 활용하여 시간 패턴, 도함수 기반 역동성, 주파수 영역 특징을 통합합니다. 독립적인 인코더와 계층적 융합 메커니즘을 통해 도메인 간 전이가 가능하면서 시간적 일관성을 유지하는 특징 불변 표현을 학습합니다. EEG, ECG, EMG 등 다양한 의료 데이터셋에서의 실험 결과, 제시된 방법이 최첨단 방법들을 능가하는 성능을 보임을 확인하였습니다. 이는 다양한 의료 환경에서 신뢰할 수 있는 AI 시스템 구축을 위한 실용적인 방안을 제시합니다.
