CN100372498C - 生物睡眠状态确定装置和方法 - Google Patents

生物睡眠状态确定装置和方法 Download PDF

Info

Publication number
CN100372498C
CN100372498C CNB2005100539516A CN200510053951A CN100372498C CN 100372498 C CN100372498 C CN 100372498C CN B2005100539516 A CNB2005100539516 A CN B2005100539516A CN 200510053951 A CN200510053951 A CN 200510053951A CN 100372498 C CN100372498 C CN 100372498C
Authority
CN
China
Prior art keywords
data
body movement
pulsation interval
sleep state
series
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Active
Application number
CNB2005100539516A
Other languages
English (en)
Other versions
CN1676094A (zh
Inventor
铃木琢治
龟山研一
大内一成
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
TDK Corp
Original Assignee
Toshiba Corp
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Toshiba Corp filed Critical Toshiba Corp
Publication of CN1676094A publication Critical patent/CN1676094A/zh
Application granted granted Critical
Publication of CN100372498C publication Critical patent/CN100372498C/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/103—Detecting, measuring or recording devices for testing the shape, pattern, colour, size or movement of the body or parts thereof, for diagnostic purposes
    • A61B5/11—Measuring movement of the entire body or parts thereof, e.g. head or hand tremor, mobility of a limb
    • A61B5/1123—Discriminating type of movement, e.g. walking or running
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/02—Detecting, measuring or recording pulse, heart rate, blood pressure or blood flow; Combined pulse/heart-rate/blood pressure determination; Evaluating a cardiovascular condition not otherwise provided for, e.g. using combinations of techniques provided for in this group with electrocardiography or electroauscultation; Heart catheters for measuring blood pressure
    • A61B5/0205—Simultaneously evaluating both cardiovascular conditions and different types of body conditions, e.g. heart and respiratory condition
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/02—Detecting, measuring or recording pulse, heart rate, blood pressure or blood flow; Combined pulse/heart-rate/blood pressure determination; Evaluating a cardiovascular condition not otherwise provided for, e.g. using combinations of techniques provided for in this group with electrocardiography or electroauscultation; Heart catheters for measuring blood pressure
    • A61B5/024—Detecting, measuring or recording pulse rate or heart rate
    • A61B5/02438—Detecting, measuring or recording pulse rate or heart rate with portable devices, e.g. worn by the patient
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/103—Detecting, measuring or recording devices for testing the shape, pattern, colour, size or movement of the body or parts thereof, for diagnostic purposes
    • A61B5/11—Measuring movement of the entire body or parts thereof, e.g. head or hand tremor, mobility of a limb
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/40—Detecting, measuring or recording for evaluating the nervous system
    • A61B5/4029—Detecting, measuring or recording for evaluating the nervous system for evaluating the peripheral nervous systems
    • A61B5/4035—Evaluating the autonomic nervous system
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/48—Other medical applications
    • A61B5/4806—Sleep evaluation
    • A61B5/4809—Sleep detection, i.e. determining whether a subject is asleep or not
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/48—Other medical applications
    • A61B5/4806—Sleep evaluation
    • A61B5/4812—Detecting sleep stages or cycles
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/68—Arrangements of detecting, measuring or recording means, e.g. sensors, in relation to patient
    • A61B5/6801—Arrangements of detecting, measuring or recording means, e.g. sensors, in relation to patient specially adapted to be attached to or worn on the body surface
    • A61B5/6802—Sensor mounted on worn items
    • A61B5/681—Wristwatch-type devices
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B2562/00—Details of sensors; Constructional details of sensor housings or probes; Accessories for sensors
    • A61B2562/02—Details of sensors specially adapted for in-vivo measurements
    • A61B2562/0219—Inertial sensors, e.g. accelerometers, gyroscopes, tilt switches
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/68—Arrangements of detecting, measuring or recording means, e.g. sensors, in relation to patient
    • A61B5/6887—Arrangements of detecting, measuring or recording means, e.g. sensors, in relation to patient mounted on external non-worn devices, e.g. non-medical devices
    • A61B5/6892—Mats
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/72—Signal processing specially adapted for physiological signals or for diagnostic purposes
    • A61B5/7235—Details of waveform analysis
    • A61B5/7239—Details of waveform analysis using differentiation including higher order derivatives

Abstract

一种根据一系列显示被测对象的脉动波的一个周期的时间间隔的脉动间隔数据以及根据显示被测对象身体活动的身体活动数据确定被测对象的睡眠状态的生物睡眠状态确定装置，所述的装置包括：如果身体活动数据的起伏量大于第一预定阈值时确定发生身体活动的身体活动确定单元；如果身体活动确定单元确定发生身体活动，在将和身体活动数据一起测量的脉动间隔数据从一系列脉动间隔数据中去除后处理该一系列脉动间隔数据的脉动间隔数据处理器，以及根据从一系列经过脉动间隔数据处理器处理的脉动间隔数据获得的自主神经指数确定睡眠状态的睡眠状态确定单元。

Description

生物睡眠状态确定装置和方法
相关申请的交互引用
本申请以2004年3月30日所提出的其日本专利申请号No.2004-101397的在先申请为基础并要求优先权；该申请的所有内容通过引用而结合在本文中。
技术领域
本发明涉及一种确定生物睡眠状态的技术。
背景技术
常规已知的一种睡眠状态确定装置根据记录被测对象脉搏起伏周期的数据的被测对象的脉动间隔周期数据，以及表明被测对象的身体活动的身体活动数据来确定被测对象的睡眠状态。这种确定睡眠状态的装置与其他复杂装置相比，可以方便地在日常生活中确定睡眠状态，因此受到关注。所谓的复杂装置也就是指”多导睡眠描记仪”，它需要根据诸如脑电波、眼动、肌肉的电活动和心脏的电活动的生物信号图形来确定睡眠状态。
在这种睡眠状态确定装置中，作为在睡眠状态中自主神经活动的心跳的跳动间隔被视为脉动波的脉动间隔，然后根据通过脉动间隔的起伏获得的自主神经指数来确定睡眠状态。例如，作为手的血管中血流起伏的脉动波与心跳同步起伏，所以心跳的跳动间隔就可以通过脉动波的脉动间隔来获得。根据已在如日本专利特许公开号(JP-A)No.2002-291710和JP-ANo.H07-143972中揭示的常规技术，睡眠状态根据由脉动波数据的频谱分量得出的自主神经指数来确定。也就是说，从脉动波数据中先获取一系列脉动间隔数据，然后再将脉动间隔数据转换成为频谱分布。从转换成频谱分布的一系列脉动间隔数据得出低频区(从0.05到0.15赫兹左右)能谱和高频区(从0.15至0.4赫兹左右)能谱，从该低频区能谱和高频区能谱获得自主神经指数。睡眠状态根据所得到的自主神经指数确定。根据在JP-ANo.2002-34955中揭示的常规技术，不仅测量脉动波数据还测量身体活动数据，来确定被测对象究竟是处于清醒状态，快速眼动睡眠状态(REM)，非快速眼动睡眠状态(NREM)，或是整夜入睡困难(中度觉醒)的睡眠状态。
然而，上述几个申请所揭示的常规技术具有下面所述的一些缺陷。这些装置虽然可确定清醒状态，REM睡眠状态，NREM睡眠状态，和中度觉醒状态，但是其确定往往会受到诸如四肢活动的身体活动的影响，从而降低确定睡眠状态的准确率。这是因为脉动波数据是通过测量作为手血管中的血流起伏的脉动波得出的。而且，脉动波数据也容易受到诸如心律不齐或呼吸暂停引起的不正常脉动波的影响，从而降低确定睡眠状态的准确率。
发明内容
本发明的目的在于至少解决常规技术所存在的问题。
根据本发明的一个方面，基于指示被测对象的脉动波的一个周期的时间间隔的一系列脉动间隔数据，以及基于指示被测对象身体活动的身体活动数据确定被测对象的睡眠状态的生物睡眠状态确定装置包括：如果身体活动数据的起伏量大于第一预定阈值则确定发生身体活动的身体活动确定单元；如果身体活动确定单元确定发生身体活动，在将和身体活动数据一起测量的脉动间隔数据从一系列脉动间隔数据中去除后处理该一系列脉动间隔数据的脉动间隔数据处理器；从一系列经过脉动间隔数据处理器处理的脉动间隔数据获得自主神经指数、通过比较所获得的自主神经指数与预先设定的用于确定各种睡眠状态的确定阈值来确定睡眠的状态的睡眠状态确定单元；以及时间测量单元，其用于测量时间，其中所述睡眠状态确定单元将根据时间测量单元所测得的时间考虑到被测对象的生理节奏的影响而改变用于确定各种睡眠状态的确定阈值。
根据本发明的另一个方面，基于指示被测对象的脉动波的一个周期的时间间隔的一系列脉动间隔数据，以及基于指示被测对象身体活动的身体活动数据确定被测对象的睡眠状态的生物睡眠状态确定方法包括：如果身体活动数据的起伏量大于第一预定阈值则确定发生身体活动；如果确定发生身体活动，在将和身体活动数据一起测量的脉动间隔数据从一系列脉动间隔数据中去除后处理该一系列脉动间隔数据；从经过处理的该一系列脉动间隔数据获得自主神经指数，通过比较所获得的自主神经指数与预先设定的用于确定各种睡眠状态的确定阈值来确定睡眠的状态；以及根据所测得的时间考虑到被测对象的生理节奏的影响而改变用于确定各种睡眠状态的确定阈值。
附图说明
图1显示根据本发明的第一实施例的睡眠状态确定装置构造的功能框图；
图2显示附接睡眠状态确定装置的一个实例；
图3显示附接睡眠状态确定装置的另一个实例；
图4显示由脉动间隔数据获取单元计算脉动间隔数据的计算方法；
图5显示一系列脉动间隔数据的一个实例，那些确定身体活动发生的脉动间隔数据由非正常数据去除器从该一系列脉动间隔数据去除；
图6显示通过脉动间隔数据***单元***一系列脉动间隔数据的一个实例；
图7显示通过自主神经指数数据处理器从能谱获得自主神经指数的一个实例；
图8显示由等式2所表示的标准深度睡眠率和标准REM睡眠率；
图9显示将睡眠状态确定单元作出的睡眠状态确定结果显示出来的一个实例；
图10显示将睡眠状态确定单元作出的睡眠状态确定结果显示出来的另一个实例；
图11显示睡眠状态确定装置进行的睡眠状态确定过程的流程图；
图12显示根据自主神经指数确定睡眠状态的更详细过程的流程图；
图13显示根据本发明的第二实施例的睡眠状态确定装置构造的功能框图；
图14显示睡眠状态确定单元作出的睡眠状态确定结果的一个实例；
图15显示睡眠状态确定单元作出的睡眠状态确定结果的另一个实例；
图16显示睡眠状态确定装置进行的睡眠状态确定过程的流程图；
图17显示根据本发明的第三实施例的睡眠状态确定装置构造的功能框图；
图18显示睡眠状态确定装置中的垫式传感器的设置的实例；
图19显示根据本发明的第四实施例的睡眠状态确定装置构造的功能框图。
具体实施方式
下文将结合附图对根据本发明的睡眠状态确定装置的几个示例性的实施例作详细说明。然而，应当注意的是，本发明不限于这些实施例。
在第一实施例中，睡眠状态确定装置用于减小身体活动对使用加速传感器的脉动波传感器的影响。在第二实施例中，睡眠状态确定装置用于探测诸如睡眠中心律不齐或呼吸暂停等非正常情况。在第三实施例中，睡眠状态确定装置用于采用垫式传感器作为身体活动传感器的实例。在第四实施例中，睡眠状态确定装置用于采用垫式传感器作为身体活动传感器和脉动波传感器的实例。
第一实施例中，将说明睡眠状态确定装置减小身体活动对采用加速传感器的脉动波传感器的影响的实例。首先将说明根据本发明的睡眠状态确定装置的具体构造。图1是显示根据本发明的第一实施例的睡眠状态确定装置的构造的功能框图。睡眠状态确定装置10包括输入单元11、显示单元12、存储单元13、身体活动测量单元14、脉动波测量单元15、数据通讯单元16、时间测量单元17、供电单元18、清醒/睡眠确定单元19、身体活动取样数据处理器20、脉动波取样数据处理器21、脉动间隔数据处理器22、自主神经指数数据处理器23、睡眠状态确定单元24和控制器25。
结合图2和图3，对图1所示的睡眠状态确定装置10的附接的一个实例进行说明。图2中，脉动波传感器151被附接到一个手指上，睡眠状态确定装置10像腕表一样被戴在手腕上。或者，脉动波传感器151也可用橡皮膏固定在手掌上。进一步地，如图3所示，采用红外线发光二极管(LED)或红色LED的脉动波传感器151与睡眠状态确定装置10互相整合在一起并被附接到手腕的动脉上。
图1中，输入单元11为一个使使用者可以进行电源的开关动作或是发出显示请求或指令的开关装置。显示单元12显示睡眠状态的最终确定结果，例如，可以是一个液晶显示屏(LED)。存储单元13用于存储诸如脉动波数据、身体活动数据的测量数据、诸如脉动间隔数据的经过处理的数据以及诸如阈值的用于确定睡眠状态的数据等。特别地，存储单元13可以是闪存或类似的存储器。
身体活动测量单元14测量作为指示被测对象身体活动的身体移动数据的加速数据，并进行数据转换。身体活动测量单元14包括一个加速传感器141。加速传感器141测量在三个轴向方向上从-2g到2g的加速度，且其被安装在睡眠状态确定装置10中。身体活动测量单元14应用调整电路调整由加速传感器141测出的模拟数据的增益和偏置，通过10位模数转换器(A/D)将经过调整的数据转换成为数字量，然后将数字量输入到控制器25中。
脉动波测量单元15测量被测对象的脉动波数据并对其进行转换。脉动波测量单元15包括脉动波传感器151。脉动波传感器151由一个蓝色二极管和一个光敏二级管组成，它将光照射到手指皮肤上，用光敏二极管探测根据毛细血管内血流的起伏而改变的反射光的起伏，从而测量脉动波。脉动波测量单元15采用电流一电压转换器将来自脉动波传感器151的光敏二极管的输出电流转换成电压。另外，脉动波测量单元15用放大器放大所述电压，采用高通滤波器(其截止频率为0.1赫兹)和低通滤波器(其截止频率为50赫兹)对放大的电压进行滤波，通过10位A/D转换器将经过滤波的电压转换成为数字量，然后将数字量输入到控制器25中。
数据通讯单元16通过无线局域网络(LAN)采用个人电脑或个人数字助理(PDA)终端进行数据通讯。具体地说，数据通讯单元16为根据蓝牙技术的单元。时间测量单元17测量时间。具体地说，所述时间测量单元17为实时时钟IC等。供电单元18为睡眠状态确定装置10供电。具体地说，供电单元为电池。
清醒/睡眠确定单元19根据被测对象的身体活动数据确定被测对象是否处于清醒状态。清醒/睡眠确定单元19包括身体活动确定单元191和清醒确定单元192。如果身体活动数据的起伏量大于第一预定阈值，身体活动确定单元191就确定发生了身体活动。例如采用身体活动测量装置中所记录的微小身体活动的最小值0.01G作为第一预定阈值。清醒确定单元192在如果由身体活动确定单元191确定的身体活动的发生频率等于或超过第二预定阈值的时候确定身体活动发生在清醒状态下。清醒确定单元192在如果由身体活动确定单元191确定的身体活动的发生频率小于第二预定阈值的时候也确定身体活动发生在睡眠状态下。如果由身体活动确定单元191确定的身体活动的发生频率等于或大于第二预定阈值且脉动间隔数据小于过去在睡眠状态的脉动间隔数据的平均值时，清醒确定单元192确定身体活动发生在清醒状态下。例如，可从在清醒状态下的过去的身体活动频率中选20次/分钟的频率作为第二预定阈值。
身体活动单元取样数据处理器20，将由身体活动测量单元14获得的三个轴向的加速数据对时间进行微分，从而获得在三个方向上的加速数据的导数。另外，身体活动单元取样数据处理器20获得三个方向上的加速数据的导数的平方和的平方根的身体活动数据的起伏量，以及在脉动间隔内的身体活动数据的起伏量的平均值的身体活动量。身体活动单元取样数据处理器20将身体活动数据的起伏量和身体活动量作为身体活动确定的数据提供给身体活动确定单元191。
脉动波取样数据处理器21从被测对象的脉动波中进行脉动波数据的取样，并获得脉动间隔数据。脉动波取样数据处理器21包括脉动间隔数据获取单元211，它获取脉动间隔数据，脉动间隔数据即在被测对象一个脉动波周期上的时间间隔数据。
具体地说，脉动间隔数据获取单元211从脉动波中取样脉动波数据，将这样取样的一系列的脉动数据对时间进行微分，将直流起伏分量从一系列的脉动数据中去除。脉动间隔数据获取单元211在已从中去除直流起伏分量的一系列脉动波数据中的一个处理点之前和之后的大约一秒的时间间隔内获取最大和最小的脉动波数据。另外，脉动间隔数据获取单元211在最大和最小值中设定一个预定值作为第三预定阈值。例如，可采用幅度为最大值和最小值的之间的差即为最小值幅度90％的值作为第三预定阈值。进一步地，当与第三预定阈值相一致的一系列脉动波数据出现时，脉动间隔数据获取单元211从已去除直流起伏分量的一系列脉动波数据中计算出时间周期。另外，脉动间隔数据获取单元211从经过计算的时间周期间隔内获取脉动间隔数据。图1中显示的脉动间隔数据获取单元211计算脉动间隔数据的方法将结合图4作更具体的说明。
在一系列脉动波数据中，正好超过第三预定阈值之前的数据设为y1，所述数据y1显示的时间设为t1。在一系列脉动波数据中正好超过第三预定阈值之后的数据设为y2，所述数据y2显示的时间设为t2。在一系列脉动波数据中与第三预定阈值相一致的数据设为y0，所述数据y0显示的时间设为t。根据这些假设，一系列脉动波数据中的数据与第三预定阈值相一致的时间t根据下面的等式1来计算
t＝t1+(t2-t1)x(y0-y1)/(y2-y1)          (1)
因此，如果这样计算的一系列脉动波数据中的数据与第三预定阈值相一致上一次出现的时间显示为t0，则所获得的脉动间隔数据为时间间隔(t-t0)。
回到图1，脉动间隔数据处理器22从脉动波取样数据处理器21获取的脉动间隔数据中产生一系列脉动间隔数据，例如一组一分钟内的数据组，然后处理这一系列的脉动间隔数据。脉动间隔数据处理器22包括非正常波形探测器221，非正常数据去除器222，和脉动间隔数据***单元223。非正常波形探测器221确定身体活动数量为大，条件是身体活动确定单元191确定身体活动发生且确定发生身体活动的身体活动数据的身体活动数量等于或大于第五预定阈值。另外，非正常波形探测器221将和确定在睡眠状态发生身体活动的身体活动数据一同测量的脉动间隔数据探测为非正常波形。例如，可采用1G作为第五预定阈值。
非正常数据去除器222是一个将被非正常波形探测器221探测为非正常波形的脉动间隔数据从一系列的脉动间隔数据中去除的处理器。脉动间隔数据***单元223是一个采用高次多项式***由非正常波形去除器222探测为非正常波形从中去除的一系列脉动间隔数据的处理器。具体地说，确定身体活动发生的脉动间隔数据由图1所示的非正常波形去除器222从中去除的一系列脉动数据的一个例子将予以说明。另外，用图1所示的脉动间隔数据***单元223***一系列脉动间隔数据的例子也将予以说明。图5是确定身体活动发生的脉动间隔数据由图1所示的非正常波形去除器222从中去除的一系列脉动数据的一个例子。图6是用图1所示的脉动间隔数据***单元223***一系列脉动间隔数据的一个例子。
如图5所示，脉动间隔数据处理器22处理的脉动间隔数据是那些最初的非等距数据，由身体活动和非正常波形引起的非正常数据从该脉动间隔数据去除。因此，如图6所示，脉动间隔数据***单元223***并重新取样非等距脉动间隔数据，从而产生等距脉动间隔数据。例如，脉动间隔数据***单元223应用在用三次方多项式***法***数据的点之前和之后的三个取样点产生等距脉动间隔数据。当脉动间隔数据处理器22这样从一系列非等距脉动间隔数据中产生等距脉动间隔数据之后，自主神经指数数据处理器23将等距脉动间隔数据转换成频谱分布。
回到图1中，自主神经指数数据处理器23获得两个自主神经指数，即在低频区(接近0.05至0.15赫兹)中的指数LF和高频区(接近0.15至0.4赫兹)中的指数HF，用以确定睡眠状态。自主神经指数数据处理器23包括频谱转换器231和自主神经指数获取单元232。频谱转换器231是一个采用诸如快速傅立叶变换(FFT)法的分析方法将经过脉动间隔数据处理器22处理的一系列脉动间隔数据转换成为频谱分布的数据处理器。自主神经指数获取单元232是一个从一系列被频谱转换器231转换成频谱分布的脉动间隔数据的多个能谱中获取自主神经指数LF和HF的处理器。具体地说，自主神经指数获取单元232可通过平均三个点获得自主神经指数LF和HF，该三个点即为能谱中的一个峰值和该峰值前后的两个等距点。
一个通过图1所示的自主神经指数数据处理器23从能谱中获取自主神经指数LF和HF的实例将结合图7加以说明。脉动间隔数据处理器22产生等距脉动间隔数据时，自主神经指数数据处理器23用FFT方法进行频率分析将一系列脉动间隔数据转换成频谱分布。虽然可采用自动回归(AR)模型，最大熵方法(a maximum entropy method)，小波方法等作为频率分析的方法，但本实施例中采用具有较小数据处理量的FFT方法。
图1中，睡眠状态确定单元24分别根据能谱中的低频区(约0.05至0.15赫兹)的能谱的指数LF，和能谱中的高频区(约0.15至0.4赫兹)的能谱的指数HF来确定被测对象的睡眠状态。具体地说，如果LF/HF小于第一确定阈值且HF大于第二确定阈值，睡眠状态确定单元24确定被测对象处于深度睡眠状态。如果LF/HF大于第三确定阈值，HF小于第四确定阈值且指数LF和HF的标准导数的和大于第五确定阈值，则睡眠状态确定单元24确定被测对象处于REM睡眠状态。否则，睡眠状态确定单元24确定被测对象处于轻度睡眠状态。
作为第一至第五确定阈值，例如，在每个被验者的每晚测量的LF，HF，LF/HF和LF与HF的标准导数的和之间选取分布集中度较高的两点。可将在两个LF/HF点之间的一个中点设为第一确定阈值(等于第三确定阈值)，将在两个HF点之间的一个中点设为第二确定阈值(等于第四确定阈值)，将在两个LF和HF的标准导数的和之间的一个中点设为第五确定阈值。
如果LF和HF的标准导数的和比第五确定阈值小且HF比第二确定阈值大，睡眠状态确定单元24就可确定被测对象处于深度睡眠状态。或者，如果LF/HF比第一确定阈值小且HF比第二确定阈值小，睡眠状态确定单元24就可确定被测对象处于深度睡眠状态。
如果LF/HF大于第三确定阈值，且LF和HF的标准导数的和大于第五确定阈值，睡眠状态确定单元24可确定被测对象处于REM睡眠状态。或者，如果LF/HF大于第三确定阈值，LF和HF的标准导数的和大于第五确定阈值且一个脉动波周期内的平均时间间隔等于或小于第六确定阈值，睡眠状态确定单元24可确定被测对象处于REM睡眠状态。
在此，一个脉动波周期内的平均时间间隔是指，例如包含于一分钟内的脉动波的时间间隔的平均值。
第六确定阈值，例如根据预先测量的被验者的一晚的脉动波数据，选取一个脉动波周期内的平均时间间隔的分布集中度较高的两点，将其中点设为第六确定阈值。
考虑到被测对象的根据时间而变化的生理节奏的影响，睡眠状态确定单元24可以改变第一到第六确定阈值。已知的是，自主神经***的起伏受到生物体的睡眠状态变化和生理节奏的影响。为了减少这种影响，睡眠状态确定装置10包括随着时间改变第一至第六确定阈值的时间测量单元17。这样一来，就可能减少生理节奏的影响从而提高睡眠状态确定的准确率。
睡眠状态确定单元24计算并显示由下面的等式(2)所表述的良好睡眠率，以便基于上述确定对睡眠状态进行归纳。等式(2)中，符号abs表示绝对值的运算符。
良好睡眠率(％)＝[1-(常数A)Xabs{(深度睡眠率)-(标准深度睡眠率)}/(标准深度睡眠率)-(常数B)Xabs{(REM睡眠率)-(标准REM睡眠率)}/(标准REM睡眠率)]X100                                              (2)
等式(2)中显示的标准深度睡眠率和标准REM睡眠率将结合图8加以说明。标准深度睡眠率和标准REM睡眠率可由每个年龄和性别根据统计获知，因此这些睡眠率可以根据已知的睡眠率进行固定地设置。由于这些睡眠率还会根据时区或进入睡眠后的时间流逝情况改变，所以获取根据每个时区的良好睡眠率并可计算平均良好睡眠率。另外，被测对象的过去数据的平均睡眠率可以被用作标准深度睡眠率和标准REM睡眠率。进一步地，可加入身体活动量作为参数计算良好睡眠率。
下面将参考图9和图10说明一个显示由图1中的睡眠状态确定单元24作出的睡眠状态确定结果的实例。
如图9所示，睡眠状态确定结果根据良好睡眠率和睡眠时间归纳了睡眠状态，显示出深度睡眠率，REM睡眠率，身体活动率和中间唤醒率和其各自的标准率的不同。即，图9显示了深度睡眠率比标准深度睡眠率高了5％。另外，深度睡眠对应的括号中的35％表示深度睡眠在总的睡眠时间7.5个小时内的比例为35％。如图10所示，睡眠状态确定结果以图形的方式表示，图形中身体活动频率根据各个时间区域来显示。
回到图1，控制器25控制睡眠状态确定装置10的整体。控制器25接收被测对象发出的请求或指令，并控制各个处理器的处理请求和数据流。具体地说，控制器25根据被测对象发出的请求控制处理器开启或关闭电源，开始执行确定睡眠状态的功能，显示睡眠状态确定的结果等。
下面将要解释图1所示的睡眠状态确定装置10进行睡眠状态确定的过程。图11为睡眠状态确定过程的流程图。当被测对象在睡前戴上睡眠状态确定装置10，并开启装置10的电源，用输入单元11激活睡眠状态确定功能(在步骤S1101中)，睡眠状态确定装置10分别采用加速传感器141和脉动波传感器151开始测量加速数据和脉动波数据(在步骤S1102和S1110中)。
身体活动取样数据处理器20将对身体活动测量单元14获得的三个轴向方向上的加速数据对时间进行微分，获得在三个轴向方向上的加速的导数(在步骤S1103中)。身体活动取样数据处理器20得出三个轴向加速的导数的平方和的平方根(在步骤S1104中)。身体活动确定单元191接收身体活动取样数据处理器20得出的三个轴向加速的导数的平方和的平方根，并进行等待直到身体活动发生(在步骤S1105中)。具体地说，如果身体活动数据的起伏量，即身体活动取样数据处理器20得出的三个轴向加速的导数的平方和的平方根，大于第一预定阈值，身体活动确定单元191就确定发生身体活动。例如，在身体活动测量仪器中使用的最小身体活动的0.01G可被用作第一预定阈值。
如果身体活动发生(步骤S1105为“是”)，身体活动确定单元191将告知非正常波形探测器221此次身体活动的发生。如果身体活动发生(步骤S1105为“是”)，清醒确定单元192获取设定的例如一分钟的时间间隔的身体活动发生频率(在步骤S1106中)，并确定被测对象在清醒状态身体活动是否发生(在步骤S1107中)。具体地说，如果身体活动确定单元191确定的身体活动发生频率等于或大于第二预定阈值，清醒确定单元192确定身体活动发生在被测对象清醒的时候。如果身体活动发生频率小于第二预定阈值，清醒确定单元192确定身体活动发生在被测对象睡眠的时候。例如，在过去清醒时的身体活动频率中选择的20次/分钟的频率可以作为第二预定阈值。
结果，如果清醒确定单元192确定被测对象在清醒状态(步骤S1107为“是”)，清醒确定单元192使存储单元13保持睡眠开始时间，清醒时间，中途醒来的次数(在步骤S1108中)。如果清醒确定单元192确定在睡眠中发生身体活动(步骤S1107为“否)，清醒确定单元192通知非正常波形探测器211被确定为身体活动的身体活动数据是一个发生在睡眠中的身体活动。清醒确定单元192使存储单元13保持睡眠中的身体活动量(在步骤S1109中)。
脉动波取样数据处理器21从脉动波中取样脉动波数据，将这一系列这样取样的脉动波数据对时间进行微分，并从这一系列脉动波数据中去除直流起伏分量(在步骤S1111)。脉动波取样数据处理器21在直流起伏分量从中去除的一系列脉动波数据中的一个预定的时间间隔内获得最大和最小的脉动波数据，并在最大和最小值之间确定预定值作为第三预定阈值(在步骤S1112中)。例如，可采用具有最大值和最小值之间的差值的幅度即最小值幅度的90％的值作为第三预定阈值。进一步地，从直流起伏分量从中去除的一系列脉动波数据中计算和第三预定阈值一致的一系列脉动波数据得到显示的时间周期，从计算出的时间周期的间隔中获取脉动间隔数据(在步骤S1113中)。
非正常波形探测器221根据身体活动确定单元191和清醒确定单元192的通知从身体活动中识别睡眠状态中的身体活动。如果被确定为睡眠中的身体活动的在脉动间隔中的平均值的身体活动数据的量等于或大于第五预定阈值，则非正常波形探测器221确定身体活动量为大，并且将与被确定为发生在睡眠状态的身体活动的身体活动数据一同测量的脉动间隔数据探测为非正常波形。进一步地，非正常数据去除器222将与确定为发生在清醒时的身体活动的身体活动数据一同测量的脉动间隔数据和被非正常波形探测器221探测为非正常波形的的脉动间隔数据从一系列的脉动间隔数据中去除(在步骤S1114中)。
脉动间隔数据处理器22用非正常波形由非正常数据去除器222从中去除的一系列脉动间隔数据产生一分钟数据组(在步骤S1115中)。脉动间隔数据***单元223，对由非正常数据去除器222从中去除非正常波形的脉动间隔数据进行样条***，即，采用高次多项式进行脉动间隔数据的***，从而产生等距脉动间隔数据(在步骤S1116中)。
频谱转换器231用诸如FFT方法的频率分析方法将经过脉动间隔数据处理器22处理的一系列脉动间隔数据转换成为频谱分布(在步骤S1117中)。自主神经指数获取单元232从频谱转换器231转换成频谱分布的一系列脉动间隔数据的多个能谱中获取自主神经指数LF和HF(在步骤S1118中)。具体地说，自主神经指数获取单元232通过对三个点，即能谱的峰值和峰值之前及之后的两个等距点，求平均值来获得自主神经指数LF和HF。
睡眠状态确定单元24根据自主神经指数LF和HF来确定被测对象的睡眠状态，并使存储单元13保持确定结果(在步骤S1119中)。睡眠状态确定单元24计算良好睡眠率以归纳被测对象的睡眠状态，并使存储单元13保持计算的良好睡眠率(在步骤S1120中)。良好睡眠率在清醒确定的过程中自动显示。睡眠状态确定单元24也确定被测对象是否发出显示睡眠状态确定结果的请求(在步骤S1121中)。如果被测对象发出睡眠状态确定结果的显示请求(步骤S1121为“是”)，则睡眠状态确定单元24根据被测对象的请求将存储单元13中保持的睡眠状态确定结果显示在显示单元12上(在步骤S1122中)。如果被测对象没有发出请求(步骤S1121为“否”)，则处理过程回到步骤S1102，重新进行直至步骤S1120的流程。
图11所示的以自主神经指数LF和HF为基础的睡眠状态确定流程将更为详细地进行解释。图12为根据自主神经指数LF和HF确定睡眠状态更详细的过程的流程图。睡眠状态确定单元24获取用于睡眠状态的确定的自主神经指数LF和HF的标准导数的和(在步骤S1201中)，并获得LF/HF(在步骤S1202中)。
睡眠状态确定单元24确定LF/HF是否小于第一确定阈值(在步骤S1203中)。如果LF/HF小于第一确定阈值(步骤S1203为“是”)，则睡眠状态确定单元24确定HF是否大于第二确定阈值(在步骤S1205中)。如果HF大于第二确定阈值(步骤S1205为“是”)，则睡眠状态确定单元24确定被测对象在深度睡眠状态中(在步骤S1209中)。
如果LF/HF等于或大于第一确定阈值(步骤S1203为“否”)，则睡眠状态确定单元24确定LF/HF是否大于第三确定阈值(在步骤S1204中)。如果LF/HF大于第三确定阈值(步骤1204为“是”)，则睡眠状态确定单元24确定HF是否大于第二确定阈值(在步骤S1205中)，如果HF等于或小于第二确定阈值(步骤S1205为“否”)，则睡眠状态确定单元24确定HF是否小于第四确定阈值(在步骤S1206中)。如果HF小于第四确定阈值(步骤S1206为“是”)，则睡眠状态确定单元24确定LF和HF的标准导数的和是否大于第五确定阈值(在步骤S1207中)。如果LF和HF的标准导数的和大于第五确定阈值(步骤S1207为“是”)，则睡眠状态确定单元24确定被测对象在REM睡眠状态中(在步骤S1208中)。
如果LF/HF等于或小于第二确定阈值(步骤1204为“否”)，如果HF等于或大于第四确定阈值(步骤S1206为“否”)，或如果LF和HF的标准导数的和等于或小于第五确定阈值(步骤S1207为“否”)，则睡眠状态确定单元24确定被测对象在轻度睡眠状态中(在步骤S1210中)。
作为第一至第五确定阈值，例如选择每个被测对象的一个夜晚中所测得的每个LF，HF和LF/HF的分布集中度高的两点。可将在两个LF/HF点之间的中点设为第一确定阈值(等于第三确定阈值)，将在两个HF点之间的中点设为第二确定阈值(等于第四确定阈值)，将在两个LF点之间的中点设为第五确定阈值。
如到此处为止的解释，根据第一实施例，如果身体活动数据的起伏大于第一预确定阈值，则确定身体活动发生。如果确定身体活动发生，和被确定为身体活动的身体活动数据一同测量的脉动间隔数据从中去除的一系列的脉动间隔数据被进行处理。睡眠状态就根据从该一系列脉动间隔数据中获得的自主神经指数确定。因此，身体活动对脉动波的影响和诸如心律不齐和呼吸暂停的非正常脉动波对脉动波的影响可以被减小，从而可提高确定睡眠状态的准确率。
如果确定睡眠中发生身体活动，和被确定为身体活动的身体活动数据一同测量的脉动间隔数据从中去除的一系列脉动间隔数据被进行处理，并且，睡眠状态根据从该一系列脉动间隔数据中获得的自主神经指数来确定。因此，身体活动对脉动波的影响和诸如心律不齐和呼吸暂停的非正常脉动波对脉动波的影响可以被减小，从而可提高确定睡眠状态的准确率。
和被确定为身体活动的身体活动数据一同测量的脉动间隔数据从中去除的一系列脉动间隔数据采用高次多项式进行***。因此，由于从数据中去除非正常数据而非等距的一系列脉动间隔数据可转换成为频谱分布，可以获得确定睡眠状态必须的自主神经指数。这样，身体活动对脉动波的影响和诸如心律不齐和呼吸暂停的非正常脉动波对脉动波的影响可以被减小，从而可提高确定睡眠状态的准确率。
假设指数LF和HF分别为能谱中低频区的能谱和高频区的能谱。如果LF/HF小于第一确定阈值且HF大于第二确定阈值，则睡眠状态确定单元24确定被测对象处于深度睡眠状态。如果LF/HF大于第三确定阈值，指数HF小于第四确定阈值且指数LF和HF的标准导数的和大于第五确定阈值，则睡眠状态确定单元24确定被测对象处于REM睡眠状态。否则，睡眠状态确定单元24确定被测对象处于轻度睡眠状态。因此，身体活动对脉动波的影响和诸如心律不齐和呼吸暂停的非正常脉动波对脉动波的影响可以被减小，从而可提高确定睡眠状态的准确率。
由于三个轴向上的加速数据作为身体活动数据被测量到，身体活动可被精确而又方便地测出。因此，身体活动对脉动波的影响和诸如心律不齐和呼吸暂停的非正常脉动波对脉动波的影响可以被减小，从而可提高确定睡眠状态的准确率。
在第一实施例中，解释了睡眠状态确定装置10使用加速传感器141减小身体活动对脉动波传感器151的影响的例子。然而，睡眠状态确定装置10还可被用于探测睡眠中诸如心律不齐或呼吸暂停等非正常情况。因此，在第二实施例中，将要解释睡眠状态确定装置10探测睡眠中诸如心律不齐或呼吸暂停等非正常情况的例子。需要注意，第一实施例和第二实施例共同的组成要素在这里将不作解说。
首先解释根据第二实施例的睡眠状态确定装置30的配置。图13是根据本发明的第二实施例的睡眠状态确定装置构造配置的功能框图。除了脉动间隔数据处理器31的非正常波形探测器311的功能外，这个功能框图在配置上与图1中的根据第一实施例的功能框图相同。
根据第二实施例的睡眠状态确定装置30中的非正常波形探测器311是计算所获得的脉动间隔数据的波形和正常脉动间隔数据的波形之间的符合度，如果符合度小于第四预定阈值，则探测所获得的脉动间隔数据的波形为非正常的处理器。具体地说，非正常波形探测器311计算所获取的脉动间隔数据的波形和正常脉动间隔数据的波形之间的相关系数。如果相关系数小于第四预定阈值，则非正常波形探测器311探测脉动间隔数据的非正常波形。举个例子，采用0.5作为第四预定阈值。非正常波形探测器311还可进行获得的脉动间隔数据的波形和非正常的脉动间隔数据的波形之间的动态编程(DP)匹配，并探测波形的识别特征和发生频率。图13中显示的睡眠状态确定单元24进行的睡眠状态确定的结果的一个实例将结合图14和图15作解释。
如图14所示，呼吸暂停率和心律不齐率被加到在图9中显示的睡眠状态确定结果中。这个结果显示了由非正常波形探测器311探测出的非正常情况。如图15所示，可采用每个时间区域内清醒，REM睡眠，深度睡眠或轻度睡眠，身体活动，呼吸暂停的频率和心律不齐的频率的睡眠状态的图表的形式显示睡眠状态确定结果。
下面将解释由图13中的睡眠状态确定装置30执行的睡眠状态的确定过程。图16为睡眠状态确定过程的流程图。这些过程除了步骤S1614至S1617外，与根据第一实施例中的过程相同。所以，在这里只对步骤S1614至S1617进行解释。
非正常波形探测器311计算由清醒确定单元192确定在睡眠状态发生身体活动的脉动间隔数据的波形和正常脉动间隔数据的波形之间的符合度。如果符合度小于第四预定阈值，则非正常波形探测器311确定获得的脉动间隔数据的波形为非正常的(在步骤S1614中)。具体地说，非正常波形探测器311计算由清醒确定单元192确定在睡眠状态发生身体活动的脉动间隔数据的波形和正常脉动间隔数据的波形之间的相关系数。如果相关系数小于第四预定阈值，则非正常波形探测器311探测到脉动间隔数据发生非正常波形。举例说明，以0.5作为第四预定阈值。
非正常波形探测器311进行由清醒确定单元192确定在睡眠状态发生身体活动的脉动间隔数据的波形和睡眠中诸如心律不齐和呼吸暂停的非正常脉动间隔数据的波形之间的DP匹配。非正常波形探测器311探测和计算波形的识别特征和非正常波形的发生频率(在步骤S1615中)。脉动间隔数据处理器31获得由非正常波形探测器311得到的非正常波形的发生频率，并确定是否能作出睡眠状态的确定(在步骤S1616中)。
如果结果的非正常波形的发生频率为高，预定的数据数不能被确保，因此不能作出睡眠状态的确定(步骤S1616为“否”)，睡眠状态确定单元24确定发生身体活动或发生非正常波形(在步骤S1624中)。如果非正常波形的发生频率为低，能保证预确定的数据数，因此可以作出睡眠状态的确定(步骤S1616为“是”)，然后进行步骤S1617的流程和后续的流程。
如所说明的，根据第二实施例，计算由清醒确定单元192确定在睡眠状态发生身体活动的脉动间隔数据的波形和正常脉动间隔数据的波形之间的符合度。如果符合度小于第四预定阈值，则由清醒确定单元192确定在睡眠状态发生身体活动的脉动间隔数据被探测为非正常波形。因此，身体活动对脉动波的影响和诸如心律不齐和呼吸暂停的非正常脉动波对脉动波的影响可以被减小，从而可提高确定睡眠状态的准确率。
计算由清醒确定单元192确定在睡眠状态发生身体活动的脉动间隔数据的波形和正常脉动间隔数据的波形之间的相关系数。如果相关系数小于第四预定阈值，则由清醒确定单元192确定在睡眠状态发生身体活动的脉动间隔数据的波形被探测为非正常波形。因此，身体活动对脉动波的影响和诸如心律不齐和呼吸暂停的非正常脉动波对脉动波的影响可以被减小，从而可提高确定睡眠状态的准确率。
进一步地，进行由清醒确定单元192确定在睡眠状态发生身体活动的脉动间隔数据的波形和非正常脉动间隔数据的波形之间的DP匹配，并且探测波形的识别特征和非正常波形的发生频率。因此，身体活动对脉动波的影响和诸如心律不齐和呼吸暂停的非正常脉动波对脉动波的影响可以被减小，从而可提高确定睡眠状态的准确率。
在第一实施例和第二实施例中解释了睡眠状态确定装置10，30应用加速传感器141作为身体活动传感器的实例。然而，睡眠状态确定装置也可采用垫式传感器作为身体活动传感器。下面将解释睡眠状态确定装置采用垫式传感器作为身体活动传感器的实例。需要注意第一实施例和第三实施例共同的构成部件在这里不进行解释。
根据第三实施例的睡眠状态确定装置40的配置将结合图17进行解释。除了身体活动测量单元26和垫式传感器261外，这个功能流程图在配置上与图1中显示的根据第一实施例的功能框图相同。下面将解释图17显示的睡眠状态确定装置40中的垫式传感器的设置。图18显示了图17所示的睡眠状态确定装置40中的垫式传感器设置的一个实例。
如图18所示，垫式传感器261装置在床27的床垫28的表面上，并探测被测对象是否在床上，和探测身体活动。具体地说，垫式传感器261是一种通过将诸如聚偏二氟乙烯等高聚合物压电材料形成薄膜，将弹性的电极膜粘附在薄膜的两个表面上，并将结果的薄膜形成为带状而获得的压电元件。身体活动测量单元26采用A/D转换器通过滤波器和放大器将垫式传感器261的输出信号转换成为数字量。
根据第三实施例的睡眠状态确定装置40可在身体活动测量单元26将垫式传感器261的输出信号转化成数字量后，以和根据第一实施例和第二实施例的相同的处理步骤确定被测对象的睡眠状态。根据每个第一实施例和第二实施例的睡眠状态确定装置10，30都采用加速传感器141作为身体活动传感器。然而，根据本发明的身体活动传感器不仅限于加速传感器141，还可采用诸如垫式传感器261的其他身体活动传感器。
参考图19，将解释根据第四实施例的睡眠状态确定装置50的配置。图19为根据第四实施例的睡眠状态确定装置50的配置的功能框图。睡眠状态确定装置50中的垫式传感器261中设置身体活动提取单元2611和脉动波提取单元2612的配置可应用于本发明中。身体活动提取单元2611从如上所述的设置在床27的床垫28表面上并探测身体活动等的传感器中提取身体活动分量。脉动波提取单元2612通过频率分析等方法从垫式传感器的输出中提取脉动波分量。被提取的身体活动分量和脉动波分量分别被输入至身体活动测量单元26和脉动波测量单元15中，然后以与第一实施例和第二实施例相同的处理程序进行睡眠状态的确定。
根据上面所述的实施例，如果身体活动数据的起伏量大于第一预确定阈值，则确定身体活动发生。如果确定身体活动发生，则处理与身体活动数据同时测量的被确定为发生身体活动的脉动间隔数据从中去除的一系列脉动间隔数据。根据从已经数据处理的一系列脉动间隔数据得出的自主神经指数作出睡眠状态的确定。因此，身体活动对脉动波的影响和诸如心律不齐和呼吸暂停的非正常脉动波对脉动波的影响可以被减小，从而可提高确定睡眠状态的准确率。

Claims (15)

1.一种生物睡眠状态确定装置，其特征在于，该装置根据一系列显示被测对象脉动波的一个周期的时间间隔的脉动间隔数据以及根据显示被测对象身体活动的身体活动数据确定被测对象的睡眠状态，所述装置包括：
身体活动确定单元，其构型成如果身体活动数据的起伏量大于第一预定阈值时确定发生身体活动；
脉动间隔数据处理器，如果身体活动确定单元确定发生身体活动，脉动间隔数据处理器在将和身体活动数据一起测量的脉动间隔数据从一系列脉动间隔数据去除后处理该一系列脉动间隔数据；
睡眠状态确定单元，其构型成从一系列经过脉动间隔数据处理器处理的脉动间隔数据获得自主神经指数，通过比较所获得的自主神经指数与预先设定的用于确定各种睡眠状态的确定阈值来确定睡眠的状态；以及
时间测量单元，其用于测量时间，其中所述睡眠状态确定单元将根据时间测量单元所测得的时间考虑到被测对象的生理节奏的影响而改变用于确定各种睡眠状态的确定阈值。
2.如权利要求1所述的生物睡眠状态确定装置，其特征在于，进一步包括：
清醒确定单元，其构型成如果身体活动确定单元确定的身体活动的发生频率等于或大于第二预定阈值，所述的清醒确定单元就确定所述身体活动发生在清醒期间，而如果身体活动的发生频率小于第二预确定阈值，所述的清醒确定单元就确定所述身体活动发生在睡眠状态期间，其中
如果清醒确定单元确定所述身体活动发生在在睡眠期间，所述脉动间隔数据处理器在将和被确定为在睡眠中发生身体活动的身体活动数据一起测量的脉动间隔数据从一系列脉动间隔数据去除之后处理该一系列脉动间隔数据。
3.如权利要求2所述的生物睡眠状态确定装置，其特征在于，其中：
如果身体活动确定单元确定的身体活动的发生频率等于或大于第二预定阈值，以及如果脉动间隔数据比过去在睡眠状态中的脉动间隔数据的平均值小，所述的清醒确定单元就确定所述身体活动发生在清醒期间。
4.如权利要求2所述的生物睡眠状态确定装置，其特征在于，进一步包括：
非正常数据去除器，如果清醒确定单元确定身体活动发生，非正常数据去除器将与被清醒确定单元确定为身体活动的身体活动数据一同测量的脉动间隔数据从一系列脉动间隔数据中去除，和
所述脉动间隔数据处理器在非正常数据去除器将与被确定为身体活动的身体活动数据一同测量的脉动间隔数据从一系列脉动间隔数据去除后再处理所述的一系列脉动间隔数据。
5.如权利要求4所述的生物睡眠状态确定装置，其特征在于，进一步包括：
脉动间隔数据***单元，其构型成***非正常数据去除器将与被确定为身体活动的身体活动数据一同测量的脉动间隔数据从中去除的一系列脉动间隔数据，其中，
所述脉动间隔数据处理器在脉动间隔数据***单元***的一系列脉动间隔数据的基础上处理时间上等距的一系列脉动间隔数据。
6.如权利要求5所述的生物睡眠状态确定装置，其特征在于，进一步包括：
自主神经指数获取单元，其构型成将由脉动间隔数据***单元***的一系列脉动间隔数据转换成频谱分布，并从转换为所述频谱分布的一系列脉动间隔数据的多个能谱中获得自主神经指数，其中，
所述睡眠状态确定单元根据自主神经指数获取单元获取的自主神经指数确定睡眠状态。
7.如权利要求6所述的生物睡眠状态确定装置，其特征在于，其中，
所述睡眠状态确定单元构型成如果LF/HF小于第一确定阈值且HF大于第二确定阈值则确定被测对象处于深度睡眠状态，如果LF/HF大于第三确定阈值、HF小于第四确定阈值且LF和HF的标准导数之和大于第五确定阈值则确定被测对象处于快速眼动的REM睡眠状态，否则，则确定被测对象处于轻度睡眠状态，其中LF指所述能谱中低频区的能谱，HF指所述能谱中高频区的能谱。
8.如权利要求1所述的生物睡眠状态确定装置，进一步包括，
直流起伏分量去除器，它从脉动波中取样一系列脉动波数据，将这样取样的一系列脉动波数据对时间进行微分，并从一系列脉动波数据中将直流起伏分量去除；
阈值获取单元，其构型成在预定的时间间隔内从一系列直流起伏分量去除器从中去除直流起伏分量的脉动波数据中获取最大脉动波数据和最小脉动波数据，在最大脉动波数据和最小脉动波数据之间设定一个预定值作为第三预定阈值；和
脉动间隔数据获取单元，其构型成从由直流起伏分量去除器从中去除直流起伏分量的一系列脉动波数据计算出现与阈值获取单元获取的第三预定阈值相一致的一系列脉动波数据的各时间周期，并且从计算出的各时间周期的时间间隔获取脉动间隔数据，其中，
所述脉动间隔数据处理器从脉动间隔数据获取单元获取的脉动间隔数据产生一系列脉动间隔数据，并对这一系列脉动间隔数据进行处理。
9.如权利要求8所述的生物睡眠状态确定装置，其特征在于，其中，
如果在一系列脉动波数据中，正好超过第三预定阈值之前的脉动波数据和所述脉动波数据的时间分别假设为y1和t1，在一系列脉动波数据中正好超过第三预定阈值之后的脉动波数据和所述脉动波数据的时间分别假设为y2和t2，以及在一系列脉动波数据中与第三预定阈值相一致的脉动波数据和所述脉动波数据的时间分别假设为y0和t，则所述脉动间隔数据获取单元根据等式t＝t1+(t2-t1)×(y0-y1)/(y2-y1)，计算一系列脉动波数据中与第三预定阈值相一致的脉动波数据发生的时间t。
10.如权利要求1所述的生物睡眠状态确定装置，其特征在于，进一步包括：
非正常波形探测器，它计算被身体活动确定单元确定为身体活动的脉动间隔数据的波形和正常脉动间隔数据的波形之间的符合度，如果符合度小于第四预定阈值，将被确定为身体活动的脉动间隔数据探测为非正常波形，其中，
所述脉动间隔数据处理器在将被非正常波形探测器探测为非正常波形的脉动间隔数据从一系列脉动间隔数据中去除后，对该一系列脉动间隔数据进行处理。
11.如权利要求1所述的生物睡眠状态确定装置，其特征在于，其中，
如果清醒确定单元确定身体活动发生在睡眠状态时，所述脉动间隔数据处理器在将被非正常波形探测器探测为非正常波形的脉动间隔数据从一系列脉动间隔数据中去除后，对一系列脉动间隔数据进行处理。
12.如权利要求10所述的生物睡眠状态确定装置，其特征在于，其中，
所述非正常波形探测器计算被清醒确定单元确定为身体活动发生在睡眠状态中的脉动间隔数据的波形和正常脉动间隔数据的波形之间的相关系数，如果该相关系数比第四预定阈值小，则将所述的脉动间隔数据探测为非正常波形。
13.如权利要求10所述的生物睡眠状态确定装置，其特征在于，其中，
所述非正常波形探测器在被清醒确定单元确定为身体活动在睡眠状态中的脉动间隔数据的波形和不正常脉动间隔数据的波形之间进行匹配，并探测波形的识别特征和发生频率。
14.如权利要求1所述的生物睡眠状态确定装置，其特征在于，进一步包括：
身体活动测量单元，其构型成将三个轴向的加速数据测量为身体活动数据；和
身体活动取样数据处理器，它将由身体活动测量单元测量出的三个轴向的加速数据对时间进行微分，获得三个轴向上的加速数据的导数，并计算身体活动数据的起伏量，所述的身体活动数据的起伏量为三个轴向上的加速数据的导数的平方和的平方根，其中，
所述的身体活动确定单元构型成如果身体活动取样数据处理器计算出的身体活动数据的起伏量大于第一预定阈值则确定发生身体活动。
15.一种根据显示被测对象的脉动波的一个周期的时间间隔的一系列脉动间隔数据以及根据显示被测对象身体活动的身体活动数据确定被测对象的睡眠状态的方法，所述的方法包括：
如果身体活动数据的起伏量大于第一预定阈值则确定发生身体活动；
如果发生身体活动，在将和身体活动数据一起测量的脉动间隔数据从一系列脉动间隔数据中去除后处理该一系列脉动间隔数据；
从经处理的一系列脉动间隔数据获得自主神经指数，通过比较所获得的自主神经指数与预先设定的用于确定各种睡眠状态的确定阈值来确定睡眠状态；以及
根据所测得的时间考虑到被测对象的生理节奏的影响而改变用于确定各种睡眠状态的确定阈值。
CNB2005100539516A 2004-03-30 2005-03-09 生物睡眠状态确定装置和方法 Active CN100372498C (zh)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
JP2004101397 2004-03-30
JP2004101397A JP3987053B2 (ja) 2004-03-30 2004-03-30 睡眠状態判定装置および睡眠状態判定方法

Publications (2)

Publication Number Publication Date
CN1676094A CN1676094A (zh) 2005-10-05
CN100372498C true CN100372498C (zh) 2008-03-05

Family

ID=35048953

Family Applications (1)

Application Number Title Priority Date Filing Date
CNB2005100539516A Active CN100372498C (zh) 2004-03-30 2005-03-09 生物睡眠状态确定装置和方法

Country Status (3)

Country Link
US (2) US7351206B2 (zh)
JP (1) JP3987053B2 (zh)
CN (1) CN100372498C (zh)

Families Citing this family (150)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20060177852A1 (en) * 2001-12-12 2006-08-10 Do-Coop Technologies Ltd. Solid-fluid composition
IL155955A0 (en) * 2003-05-15 2003-12-23 Widemed Ltd Adaptive prediction of changes of physiological/pathological states using processing of biomedical signal
US7396331B2 (en) * 2003-10-27 2008-07-08 Home Guardian, Llc System and process for non-invasive collection and analysis of physiological signals
US8491492B2 (en) 2004-02-05 2013-07-23 Earlysense Ltd. Monitoring a condition of a subject
US10194810B2 (en) 2004-02-05 2019-02-05 Earlysense Ltd. Monitoring a condition of a subject
US7077810B2 (en) 2004-02-05 2006-07-18 Earlysense Ltd. Techniques for prediction and monitoring of respiration-manifested clinical episodes
US9131891B2 (en) 2005-11-01 2015-09-15 Earlysense Ltd. Monitoring a condition of a subject
US8403865B2 (en) 2004-02-05 2013-03-26 Earlysense Ltd. Prediction and monitoring of clinical episodes
US20070118054A1 (en) * 2005-11-01 2007-05-24 Earlysense Ltd. Methods and systems for monitoring patients for clinical episodes
US8942779B2 (en) 2004-02-05 2015-01-27 Early Sense Ltd. Monitoring a condition of a subject
JP4406464B2 (ja) * 2004-03-30 2010-01-27 株式会社東芝 生体情報計測装置
JP3987053B2 (ja) 2004-03-30 2007-10-03 株式会社東芝 睡眠状態判定装置および睡眠状態判定方法
JP3976752B2 (ja) * 2004-07-07 2007-09-19 三洋電機株式会社 睡眠状態推定装置及びプログラム
US7578793B2 (en) * 2004-11-22 2009-08-25 Widemed Ltd. Sleep staging based on cardio-respiratory signals
JP2006192152A (ja) * 2005-01-14 2006-07-27 Toshiba Corp 睡眠状態判定装置、睡眠状態判定方法および睡眠状態判定プログラム
US20080269583A1 (en) * 2005-02-07 2008-10-30 Widemed Ltd. Detection and Monitoring of Stress Events During Sleep
JP4595651B2 (ja) * 2005-04-25 2010-12-08 株式会社デンソー 生体センサ、睡眠情報処理方法、及び睡眠情報処理装置
US7848792B2 (en) * 2005-07-05 2010-12-07 Ela Medical S.A.S. Detection of apneae and hypopneae in an active implantable medical device
JP2007130182A (ja) * 2005-11-09 2007-05-31 Toshiba Corp 照明制御装置、照明制御システム、照明制御方法および照明制御プログラム
JP4528710B2 (ja) * 2005-11-09 2010-08-18 株式会社東芝 睡眠状態計測装置、睡眠状態計測方法及び睡眠状態計測システム
JP2007151979A (ja) * 2005-12-08 2007-06-21 Hitachi Engineering & Services Co Ltd 被験者健康状態見守り装置
US20070156016A1 (en) * 2005-12-29 2007-07-05 Ido Betesh Method and system for communication with an ingestible imaging device
US20090253613A1 (en) * 2006-01-04 2009-10-08 Do-Coop Technologies Ltd. Solid-Fluid Composition
US20090004296A1 (en) * 2006-01-04 2009-01-01 Do-Coop Technologies Ltd. Antiseptic Compositions and Methods of Using Same
WO2007077562A2 (en) * 2006-01-04 2007-07-12 Do-Coop Technologies Ltd. Antiseptic compositions and methods of using same
JP4659646B2 (ja) * 2006-03-01 2011-03-30 学校法人自治医科大学 血圧測定装置
US8920343B2 (en) * 2006-03-23 2014-12-30 Michael Edward Sabatino Apparatus for acquiring and processing of physiological auditory signals
JP4357503B2 (ja) * 2006-06-28 2009-11-04 株式会社東芝 生体情報計測装置、生体情報計測方法および生体情報計測プログラム
JP2008073456A (ja) * 2006-09-25 2008-04-03 Toshiba Corp 生体情報計測システム、計測装置、生体情報計測方法および生体情報計測プログラム
JP4915568B2 (ja) * 2006-11-17 2012-04-11 パナソニック株式会社 生体情報検出装置及び睡眠環境制御システム
JP5383200B2 (ja) * 2006-11-29 2014-01-08 富士通株式会社 覚醒度判定方法および覚醒度判定プログラム
JP2008206596A (ja) * 2007-02-23 2008-09-11 Matsushita Electric Works Ltd 睡眠状態判別装置
JP4468398B2 (ja) * 2007-03-27 2010-05-26 株式会社東芝 自律神経指標計測装置および自律神経指標計測方法
JP5109027B2 (ja) * 2007-03-30 2012-12-26 国立大学法人京都大学 血管状態評価装置、血管状態評価方法および血管状態評価プログラム
US20080243005A1 (en) * 2007-03-30 2008-10-02 Searete Llc, A Limited Liability Corporation Of The State Of Delaware Computational user-health testing
JP5036383B2 (ja) * 2007-04-18 2012-09-26 株式会社デルタツーリング 睡眠状態判定装置、睡眠状態判定方法及びコンピュータプログラム
DE102007020038A1 (de) * 2007-04-27 2008-10-30 Fraunhofer-Gesellschaft zur Förderung der angewandten Forschung e.V. Nachweis einer Apnoe mit blutdruckabhängig erfassten Signalen
US8585607B2 (en) 2007-05-02 2013-11-19 Earlysense Ltd. Monitoring, predicting and treating clinical episodes
US20080300500A1 (en) * 2007-05-30 2008-12-04 Widemed Ltd. Apnea detection using a capnograph
US11330988B2 (en) 2007-06-12 2022-05-17 Sotera Wireless, Inc. Body-worn system for measuring continuous non-invasive blood pressure (cNIBP)
US8602997B2 (en) 2007-06-12 2013-12-10 Sotera Wireless, Inc. Body-worn system for measuring continuous non-invasive blood pressure (cNIBP)
US11607152B2 (en) 2007-06-12 2023-03-21 Sotera Wireless, Inc. Optical sensors for use in vital sign monitoring
US8419649B2 (en) 2007-06-12 2013-04-16 Sotera Wireless, Inc. Vital sign monitor for measuring blood pressure using optical, electrical and pressure waveforms
JP5060186B2 (ja) * 2007-07-05 2012-10-31 株式会社東芝 脈波処理装置及び方法
JP2009072417A (ja) * 2007-09-21 2009-04-09 Toshiba Corp 生体情報処理装置及び方法
JP5139106B2 (ja) 2008-02-12 2013-02-06 株式会社東芝 脈波間隔計測装置及び計測方法
US8152745B2 (en) * 2008-02-25 2012-04-10 Shriners Hospitals For Children Activity monitoring
JP5127526B2 (ja) 2008-03-25 2013-01-23 株式会社東芝 脈波計測装置及び脈波計測方法
RU2548791C2 (ru) * 2008-04-14 2015-04-20 Итамар Медикал Лтд. Неинвазивный способ и устройство для определения стадий поверхностного и глубокого сна
US9883809B2 (en) 2008-05-01 2018-02-06 Earlysense Ltd. Monitoring, predicting and treating clinical episodes
US8882684B2 (en) 2008-05-12 2014-11-11 Earlysense Ltd. Monitoring, predicting and treating clinical episodes
CN102113034A (zh) 2008-05-12 2011-06-29 阿列森斯有限公司 监测、预测和处理临床发作
JP2009297455A (ja) * 2008-06-17 2009-12-24 Panasonic Electric Works Co Ltd 睡眠状態推定装置
CN101612431B (zh) * 2008-06-27 2011-11-30 魏赞 一种发出灯光的装置
JP5336803B2 (ja) * 2008-09-26 2013-11-06 株式会社東芝 脈波計測装置
JP5210264B2 (ja) * 2009-05-12 2013-06-12 徳雄 齋藤 生体情報を収集し伝達する装置
US11896350B2 (en) 2009-05-20 2024-02-13 Sotera Wireless, Inc. Cable system for generating signals for detecting motion and measuring vital signs
US11589754B2 (en) 2009-05-20 2023-02-28 Sotera Wireless, Inc. Blood pressure-monitoring system with alarm/alert system that accounts for patient motion
US8180440B2 (en) 2009-05-20 2012-05-15 Sotera Wireless, Inc. Alarm system that processes both motion and vital signs using specific heuristic rules and thresholds
US10085657B2 (en) 2009-06-17 2018-10-02 Sotera Wireless, Inc. Body-worn pulse oximeter
US11253169B2 (en) 2009-09-14 2022-02-22 Sotera Wireless, Inc. Body-worn monitor for measuring respiration rate
US20110066008A1 (en) 2009-09-14 2011-03-17 Matt Banet Body-worn monitor for measuring respiration rate
US8527038B2 (en) 2009-09-15 2013-09-03 Sotera Wireless, Inc. Body-worn vital sign monitor
US10806351B2 (en) 2009-09-15 2020-10-20 Sotera Wireless, Inc. Body-worn vital sign monitor
US10420476B2 (en) 2009-09-15 2019-09-24 Sotera Wireless, Inc. Body-worn vital sign monitor
US20110066044A1 (en) 2009-09-15 2011-03-17 Jim Moon Body-worn vital sign monitor
US20110224556A1 (en) 2010-03-10 2011-09-15 Sotera Wireless, Inc. Body-worn vital sign monitor
US9339209B2 (en) 2010-04-19 2016-05-17 Sotera Wireless, Inc. Body-worn monitor for measuring respiratory rate
US9173593B2 (en) 2010-04-19 2015-11-03 Sotera Wireless, Inc. Body-worn monitor for measuring respiratory rate
US8747330B2 (en) 2010-04-19 2014-06-10 Sotera Wireless, Inc. Body-worn monitor for measuring respiratory rate
US9173594B2 (en) 2010-04-19 2015-11-03 Sotera Wireless, Inc. Body-worn monitor for measuring respiratory rate
US8979765B2 (en) 2010-04-19 2015-03-17 Sotera Wireless, Inc. Body-worn monitor for measuring respiratory rate
US8888700B2 (en) 2010-04-19 2014-11-18 Sotera Wireless, Inc. Body-worn monitor for measuring respiratory rate
US8798703B2 (en) * 2010-09-07 2014-08-05 Cnsystems Medizintechnik Ag Disposable and detachable sensor for continuous non-invasive arterial blood pressure monitoring
ITGE20100100A1 (it) * 2010-09-15 2012-03-16 Michele Bellin Strumento da polso e procedimento per la determinazione della qualita' del sonno e del livello di rilassamento di una persona
JP5562805B2 (ja) * 2010-11-05 2014-07-30 オータックス株式会社 脈拍数測定方法及び血中酸素飽和度測定方法
US10292625B2 (en) 2010-12-07 2019-05-21 Earlysense Ltd. Monitoring a sleeping subject
US10722132B2 (en) 2010-12-28 2020-07-28 Sotera Wireless, Inc. Body-worn system for continuous, noninvasive measurement of cardiac output, stroke volume, cardiac power, and blood pressure
WO2012112885A1 (en) 2011-02-18 2012-08-23 Sotera Wireless, Inc. Optical sensor for measuring physiological properties
SG10201601164SA (en) 2011-02-18 2016-03-30 Sotera Wireless Inc Modular wrist-worn processor for patient monitoring
EP2524647A1 (en) 2011-05-18 2012-11-21 Alain Gilles Muzet System and method for determining sleep stages of a person
JP5673351B2 (ja) * 2011-05-25 2015-02-18 富士通株式会社 体動検出装置、体動検出方法及び体動検出プログラム
US20130194066A1 (en) * 2011-06-10 2013-08-01 Aliphcom Motion profile templates and movement languages for wearable devices
US10108783B2 (en) 2011-07-05 2018-10-23 Saudi Arabian Oil Company Systems, computer medium and computer-implemented methods for monitoring health of employees using mobile devices
CA2840804C (en) 2011-07-05 2018-05-15 Saudi Arabian Oil Company Floor mat system and associated, computer medium and computer-implemented methods for monitoring and improving health and productivity of employees
US9844344B2 (en) 2011-07-05 2017-12-19 Saudi Arabian Oil Company Systems and method to monitor health of employee when positioned in association with a workstation
US9962083B2 (en) 2011-07-05 2018-05-08 Saudi Arabian Oil Company Systems, computer medium and computer-implemented methods for monitoring and improving biomechanical health of employees
US9710788B2 (en) 2011-07-05 2017-07-18 Saudi Arabian Oil Company Computer mouse system and associated, computer medium and computer-implemented methods for monitoring and improving health and productivity of employees
US9526455B2 (en) * 2011-07-05 2016-12-27 Saudi Arabian Oil Company Systems, computer medium and computer-implemented methods for monitoring and improving health and productivity of employees
US9492120B2 (en) 2011-07-05 2016-11-15 Saudi Arabian Oil Company Workstation for monitoring and improving health and productivity of employees
US10307104B2 (en) 2011-07-05 2019-06-04 Saudi Arabian Oil Company Chair pad system and associated, computer medium and computer-implemented methods for monitoring and improving health and productivity of employees
JP6060563B2 (ja) * 2012-08-24 2017-01-18 セイコーエプソン株式会社 心房細動判定装置、心房細動判定方法およびプログラム
JP5776939B2 (ja) * 2011-10-12 2015-09-09 アイシン精機株式会社 睡眠状態判別装置および睡眠状態判別方法
JP2014530735A (ja) * 2011-10-25 2014-11-20 コーニンクレッカ フィリップス エヌ ヴェ 幼児用の睡眠段階アノテーションシステム
US9734304B2 (en) 2011-12-02 2017-08-15 Lumiradx Uk Ltd Versatile sensors with data fusion functionality
US9700222B2 (en) 2011-12-02 2017-07-11 Lumiradx Uk Ltd Health-monitor patch
WO2013082436A1 (en) * 2011-12-02 2013-06-06 Fitlinxx, Inc. Intelligent activity monitoring
JP5534255B2 (ja) 2011-12-20 2014-06-25 株式会社タニタ 在床判定装置および睡眠測定装置
TWI487503B (zh) * 2012-02-01 2015-06-11 Univ Nat Cheng Kung 自動睡眠分期裝置
US20130204572A1 (en) * 2012-02-07 2013-08-08 Seiko Epson Corporation State detection device, electronic apparatus, and program
ITGE20120020A1 (it) 2012-02-16 2013-08-17 Michele Bellin Dispositivo per la rilevazione del sonno e supporto per la sua applicazione
JP5998516B2 (ja) * 2012-02-23 2016-09-28 セイコーエプソン株式会社 拍動検出装置、電子機器及びプログラム
WO2013140523A1 (ja) * 2012-03-19 2013-09-26 富士通株式会社 覚醒度判定装置、覚醒度判定プログラムおよび覚醒度判定方法
JP6275109B2 (ja) * 2012-03-21 2018-02-07 コーニンクレッカ フィリップス エヌ ヴェＫｏｎｉｎｋｌｉｊｋｅ Ｐｈｉｌｉｐｓ Ｎ．Ｖ． Ｅｃｇ信号に基づいて睡眠の質の視覚的表現を提供するための方法及び装置
JP6003487B2 (ja) * 2012-09-28 2016-10-05 オムロンヘルスケア株式会社 血圧測定装置、血圧測定方法、血圧測定プログラム
RU2522400C1 (ru) * 2013-04-05 2014-07-10 Общество С Ограниченной Ответственностью "Хилби" Способ определения фазы сна человека, благоприятной для пробуждения
US9722472B2 (en) 2013-12-11 2017-08-01 Saudi Arabian Oil Company Systems, computer medium and computer-implemented methods for harvesting human energy in the workplace
US10980473B2 (en) 2014-01-02 2021-04-20 Intel Corporation Identifying and characterizing nocturnal motion and stages of sleep
JP2015150095A (ja) * 2014-02-12 2015-08-24 株式会社エー・アンド・デイ 血圧計
JP6173249B2 (ja) * 2014-03-28 2017-08-02 株式会社デンソーアイティーラボラトリ ドライバ状態判定装置及びドライバ状態判定プログラム
AT515702A1 (de) * 2014-04-17 2015-11-15 Human Res Inst Für Gesundheitstechnologie Und Präventionsforschung Gmbh Schlafanalysesystem und Verfahren zur Schlafüberwachung eines schlafenden Probanden
JP2014195710A (ja) * 2014-05-27 2014-10-16 セイコーエプソン株式会社 生体情報測定装置、生体情報測定方法、および生体情報測定プログラム
US20150342481A1 (en) * 2014-05-30 2015-12-03 Microsoft Corporation Motion compensation for optical heart rate sensors
JP2016016144A (ja) * 2014-07-09 2016-02-01 セイコーエプソン株式会社 生体情報処理システム及び生体情報処理システムの制御方法
US10172593B2 (en) 2014-09-03 2019-01-08 Earlysense Ltd. Pregnancy state monitoring
US10575829B2 (en) 2014-09-03 2020-03-03 Earlysense Ltd. Menstrual state monitoring
JP2016073527A (ja) * 2014-10-08 2016-05-12 セイコーエプソン株式会社 睡眠状態判定装置、睡眠状態判定方法および睡眠管理システム
CN107249443A (zh) * 2014-12-05 2017-10-13 苹果公司 睡眠测量计算机***
CN104615851B (zh) * 2014-12-31 2019-06-11 深圳市元征科技股份有限公司 一种睡眠监控方法及终端
JP6451326B2 (ja) * 2015-01-08 2019-01-16 アイシン精機株式会社 睡眠判定装置
JP6766052B2 (ja) 2015-01-27 2020-10-07 アップル インコーポレイテッドＡｐｐｌｅ Ｉｎｃ． 睡眠の質を決定するためのシステム及び方法
WO2016136011A1 (ja) * 2015-02-24 2016-09-01 シャープ株式会社 光センサおよび電子機器
JP6586557B2 (ja) * 2015-04-20 2019-10-09 株式会社スリープシステム研究所 睡眠段階判定装置及び睡眠段階判定方法
JP6052332B2 (ja) * 2015-04-28 2016-12-27 セイコーエプソン株式会社 脈波計、信号処理方法、およびプログラム
CN105125338A (zh) * 2015-08-06 2015-12-09 成都康拓邦科技有限公司 一种缓解眼底血管病变的医疗装置及其控制方法
US9889311B2 (en) 2015-12-04 2018-02-13 Saudi Arabian Oil Company Systems, protective casings for smartphones, and associated methods to enhance use of an automated external defibrillator (AED) device
US10642955B2 (en) 2015-12-04 2020-05-05 Saudi Arabian Oil Company Devices, methods, and computer medium to provide real time 3D visualization bio-feedback
US10475351B2 (en) 2015-12-04 2019-11-12 Saudi Arabian Oil Company Systems, computer medium and methods for management training systems
US10628770B2 (en) 2015-12-14 2020-04-21 Saudi Arabian Oil Company Systems and methods for acquiring and employing resiliency data for leadership development
WO2017179693A1 (ja) 2016-04-15 2017-10-19 オムロン株式会社 生体情報分析装置、生体情報分析システム、プログラム、及び、生体情報分析方法
CN106264465B (zh) * 2016-08-10 2019-08-09 佳禾智能科技股份有限公司 一种基于三轴G-sensor的睡眠检测方法
WO2018031898A2 (en) 2016-08-12 2018-02-15 Apple Inc. Vital signs monitoring system
WO2018035818A1 (zh) * 2016-08-25 2018-03-01 深圳市沃特沃德股份有限公司 宠物睡眠的判断方法和装置
CN106361276A (zh) * 2016-08-25 2017-02-01 深圳市沃特沃德股份有限公司 宠物睡眠的判断方法和装置
CN106175696B (zh) * 2016-09-14 2019-02-01 广州视源电子科技股份有限公司 睡眠状态监测方法和***
JP2018061662A (ja) * 2016-10-12 2018-04-19 株式会社デンソー 生体情報計測装置及び診断支援システム
CN108430309A (zh) * 2016-11-30 2018-08-21 华为技术有限公司 一种睡眠监测方法、装置及终端
JP6829880B2 (ja) * 2017-03-27 2021-02-17 公立大学法人名古屋市立大学 入眠評価システム、プログラムおよび記憶媒体
WO2018217585A1 (en) 2017-05-22 2018-11-29 Apple Inc. Multi-element piezo sensors for physiological measurements
KR102036987B1 (ko) * 2017-06-07 2019-10-25 한국전자통신연구원 생체 및 움직임 정보를 이용한 수면 상태 감지 방법 및 장치
JP6932630B2 (ja) * 2017-12-07 2021-09-08 パラマウントベッド株式会社 睡眠状態判定装置及びプログラム
US10824132B2 (en) 2017-12-07 2020-11-03 Saudi Arabian Oil Company Intelligent personal protective equipment
KR102237466B1 (ko) * 2018-02-21 2021-04-15 연세대학교 원주산학협력단 맥박산소측정기를 이용한 수면단계 분류 장치 및 방법
JP2019180823A (ja) * 2018-04-10 2019-10-24 セイコーエプソン株式会社 生体解析装置および生体解析方法
CN108992053B (zh) * 2018-06-21 2020-10-23 河北工业大学 一种实时的无束缚检测心率和心跳间隔的方法
JP7288333B2 (ja) * 2019-04-03 2023-06-07 帝人株式会社 睡眠状態表示装置の作動方法及び睡眠状態表示プログラム
JP7159099B2 (ja) * 2019-04-03 2022-10-24 帝人株式会社 睡眠状態検出装置、睡眠状態検出方法及び睡眠状態検出プログラム
CN113613552A (zh) 2019-04-03 2021-11-05 帝人株式会社 睡眠状态检测装置、睡眠状态检测方法及睡眠状态检测程序
CN110623652B (zh) * 2019-09-17 2021-10-19 荣耀终端有限公司 数据显示方法及电子设备
CN111568368B (zh) * 2020-05-25 2023-06-06 歌尔科技有限公司 一种眼球运动异常检测的方法、装置及设备

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH07143972A (ja) * 1993-11-25 1995-06-06 Matsushita Electric Works Ltd 睡眠状態判定方法及びその装置
JPH08112270A (ja) * 1994-10-18 1996-05-07 Matsushita Electric Works Ltd 睡眠状態判定方法
JP2002034955A (ja) * 2000-07-26 2002-02-05 Matsushita Electric Works Ltd 睡眠状態および中途覚醒の判定システム、睡眠状態および中途覚醒の判定方法、睡眠状態および中途覚醒の判定用プログラムを記録した記録媒体
JP2002291710A (ja) * 2001-03-30 2002-10-08 Denso Corp 睡眠解析装置及びプログラム並びに記録媒体

Family Cites Families (14)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US268509A (en) * 1882-12-05 Washer-cutter
US265090A (en) * 1882-09-26 Jacob jacobs
JP3293213B2 (ja) * 1993-01-26 2002-06-17 松下電工株式会社 生体リズム曲線測定装置
JP3243970B2 (ja) * 1995-05-12 2002-01-07 セイコーエプソン株式会社 健康状態解析装置
US5902250A (en) * 1997-03-31 1999-05-11 President And Fellows Of Harvard College Home-based system and method for monitoring sleep state and assessing cardiorespiratory risk
JP2000000215A (ja) * 1998-06-15 2000-01-07 Arata Nemoto 睡眠深さ判定方法および判定装置
JP2001204694A (ja) * 2000-01-26 2001-07-31 Matsushita Electric Works Ltd 生体情報検出装置
JP3846844B2 (ja) * 2000-03-14 2006-11-15 株式会社東芝 身体装着型生活支援装置
JP2001327482A (ja) * 2000-05-25 2001-11-27 Matsushita Electric Ind Co Ltd 在床状態検知装置
JP2001344352A (ja) * 2000-05-31 2001-12-14 Toshiba Corp 生活支援装置および生活支援方法および広告情報提供方法
JP2002219116A (ja) * 2001-01-26 2002-08-06 Matsushita Electric Ind Co Ltd 睡眠周期検出装置
JP3600586B2 (ja) 2002-02-18 2004-12-15 株式会社東芝 空気調節システム
US20040072802A1 (en) * 2002-10-09 2004-04-15 Jingwu Duan Beta-amino acid derivatives as inhibitors of matrix metalloproteases and TNF-alpha
JP3987053B2 (ja) * 2004-03-30 2007-10-03 株式会社東芝 睡眠状態判定装置および睡眠状態判定方法

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH07143972A (ja) * 1993-11-25 1995-06-06 Matsushita Electric Works Ltd 睡眠状態判定方法及びその装置
JPH08112270A (ja) * 1994-10-18 1996-05-07 Matsushita Electric Works Ltd 睡眠状態判定方法
JP2002034955A (ja) * 2000-07-26 2002-02-05 Matsushita Electric Works Ltd 睡眠状態および中途覚醒の判定システム、睡眠状態および中途覚醒の判定方法、睡眠状態および中途覚醒の判定用プログラムを記録した記録媒体
JP2002291710A (ja) * 2001-03-30 2002-10-08 Denso Corp 睡眠解析装置及びプログラム並びに記録媒体

Also Published As

Publication number Publication date
JP2005279113A (ja) 2005-10-13
US7608046B2 (en) 2009-10-27
JP3987053B2 (ja) 2007-10-03
US20050234314A1 (en) 2005-10-20
CN1676094A (zh) 2005-10-05
US20080027331A1 (en) 2008-01-31
US7351206B2 (en) 2008-04-01

Similar Documents

Publication Publication Date Title
CN100372498C (zh) 生物睡眠状态确定装置和方法
JP4528710B2 (ja) 睡眠状態計測装置、睡眠状態計測方法及び睡眠状態計測システム
CN108882868B (zh) 生物体信息分析装置、***以及程序
JP6516846B2 (ja) 睡眠監視のデバイス及び方法
US8622921B2 (en) Sleep evaluation device and sleep evaluation method therefor
JP4468398B2 (ja) 自律神経指標計測装置および自律神経指標計測方法
US20090240155A1 (en) Sleep condition measuring apparatus and method
JP2006271897A (ja) 眠気予測装置及びその方法
JP5799581B2 (ja) 生体リズムの乱れ度算出装置、生体リズムの乱れ度算出システム、生体リズムの乱れ度算出方法、プログラム、及び記録媒体
JP5139106B2 (ja) 脈波間隔計測装置及び計測方法
CN101095612A (zh) 监测生物学信息的设备和方法
CN102764111A (zh) 生物体信息处理装置
US20060189855A1 (en) Device for detecting a sleeping state judging device, method of detecting a sleeping state judging method, and computer program product
JPH0341926A (ja) 睡眠の状態変化検出装置および睡眠状態制御装置
JP6079824B2 (ja) 睡眠評価装置およびプログラム
JP3658580B2 (ja) 睡眠深度推定装置及びこれを具えた布団
CN111657855B (zh) 睡眠评估和睡眠唤醒方法及装置和电子设备
JP5017414B2 (ja) 睡眠状態計測装置、睡眠状態計測方法及び睡眠状態計測システム
JP2015150034A (ja) 睡眠状態判定装置、および睡眠状態判定方法、睡眠状態判定システム
US20050137470A1 (en) Method and apparatus for low blood glucose level detection
CN110292372B (zh) 检测装置
CN113017559A (zh) 一种基于压电薄膜传感器的生命体征提取算法及***
De Giovanni et al. Ultra-low power estimation of heart rate under physical activity using a wearable photoplethysmographic system
JP2016202603A (ja) 生体情報処理システム、プログラム、生体情報処理システムの制御方法
JP6702559B2 (ja) 電子機器、方法及びプログラム

Legal Events

Date Code Title Description
C06 Publication
PB01 Publication
C10 Entry into substantive examination
SE01 Entry into force of request for substantive examination
C14 Grant of patent or utility model
GR01 Patent grant
C41 Transfer of patent application or patent right or utility model
TR01 Transfer of patent right

Effective date of registration: 20160830

Address after: Tokyo,, Japan

Patentee after: TDK Corp.

Address before: Kanagawa County, Japan

Patentee before: Toshiba Corp