人の睡眠はレム睡眠などのステージから構成される．脳波等からのステージ判定は睡眠臨床における重要な検査であり，深層学習による自動化が試みられている．一方，判定根拠の提示が不充分という課題が残されている．
本研究は既存手法であるSleep-CAMを改善し，判定根拠区間に含まれる特徴波（特定のステージに出現する典型的な信号波形パターン）の種類を具体的に提示することを目指した．判定根拠区間に対応する特徴抽出層出力には，睡眠ステージ分離に関して有用な情報が特に多く含まれていることを示した．また，ノンレム2ステージを対象に，特徴量のクラスタリングを通じて詳細な特徴波の認識と検出を試みた．