의료 시계열 데이터에서 도메인 간 적응을 위한 기존 머신러닝 모델의 어려움은 복잡한 시간적 의존성과 동적 분포 변화 때문이다. 본 논문에서는 시간 패턴, 도함수 기반 역동성 및 주파수 도메인 특징을 통합하는 다중 관점 대조 학습 프레임워크를 제안한다. 독립적인 인코더와 계층적 융합 메커니즘을 사용하여 도메인 간에 전달 가능하면서 시간적 일관성을 유지하는 특징 불변 표현을 학습한다. EEG, ECG, EMG 등 다양한 의료 데이터셋에 대한 실험 결과, 제안된 방법이 최첨단 전이 학습 방법보다 성능이 우수함을 보여준다. 이 프레임워크는 다양한 의료 환경에서 신뢰할 수 있는 AI 시스템을 배포하기 위한 실용적인 방법을 제공한다.
