본 논문은 웨어러블 EEG 장치를 이용한 수면 단계 분류에 대한 자기 지도 학습(SSL)의 활용을 최초로 체계적으로 평가합니다. 라벨 부족 문제를 해결하고 주석 작업 노력을 줄이기 위해, 다양한 SSL 방법을 연구하고 Ikon Sleep 웨어러블 EEG 헤드밴드로 수집된 두 개의 수면 데이터베이스 (BOAS 및 HOGAR)를 대상으로 평가합니다. 결과는 SSL이 지도 학습 기반 모델보다 최대 10%까지 분류 성능을 향상시키고, 소량의 라벨 데이터를 사용하여 임상 수준의 정확도를 달성하며, 다양한 데이터셋 환경에서 강건함을 보임을 보여줍니다.
