본 논문은 수면 단계 자동 분류를 위한 새로운 프레임워크인 MetaSTH-Sleep을 제안합니다. 기존의 심층 학습 기반 수면 단계 분류는 대규모의 라벨링된 데이터를 필요로 하고, 개인 간 생체 신호의 차이로 인한 일반화 성능 저하, 생체 신호 간 고차원 관계 무시 등의 문제점을 가지고 있습니다. MetaSTH-Sleep은 공간-시간 초그래프를 활용한 메타 러닝 기반의 소수 샷 학습 프레임워크로, 소량의 라벨링된 데이터만으로 새로운 피험자에게 빠르게 적응하고, EEG 신호의 복잡한 공간적 상호 연결과 시간적 동역학을 동시에 효과적으로 모델링합니다. 실험 결과, MetaSTH-Sleep은 다양한 피험자에 대해 성능 향상을 보임을 보여줍니다.
