Este artículo se centró en crear un modelo interpretable para la puntuación automática de las etapas de sueño de movimiento rápido de los ojos (REM) y no REM para un electroencefalograma (EEG) de un solo canal. Muchos métodos intentan extraer información significativa para proporcionar a un algoritmo de aprendizaje. Este método intenta permitir que el modelo extraiga la información interpretable significativa al proporcionar un número menor de filtros de señal invariables en el tiempo para cinco rangos de frecuencia utilizando cinco algoritmos de CNN. Se aplicó un algoritmo GRU bidireccional a la salida para incorporar información de transición en el tiempo. Se realizaron entrenamientos y pruebas en la conocida base de datos ampliada de sueño-EDF. Los mejores resultados produjeron una precisión del 97%, una precisión del 93% y una sensibilidad del 89%.