JP2005066027A - Detection system of body response information during sleeping - Google Patents
Detection system of body response information during sleeping Download PDFInfo
- Publication number
- JP2005066027A JP2005066027A JP2003300090A JP2003300090A JP2005066027A JP 2005066027 A JP2005066027 A JP 2005066027A JP 2003300090 A JP2003300090 A JP 2003300090A JP 2003300090 A JP2003300090 A JP 2003300090A JP 2005066027 A JP2005066027 A JP 2005066027A
- Authority
- JP
- Japan
- Prior art keywords
- sound
- stability
- fluctuation
- data
- digital data
- 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.)
- Granted
Links
Images
Landscapes
- Measurement Of The Respiration, Hearing Ability, Form, And Blood Characteristics Of Living Organisms (AREA)
- Measuring And Recording Apparatus For Diagnosis (AREA)
Abstract
Description
この発明は、人が就寝中に発する呼吸器系の音から、生体情報を検出するシステムに関する。 The present invention relates to a system for detecting biological information from sounds of a respiratory system that a person emits while sleeping.
従来から、就寝中の鼾や寝言などは、その人の身体のコンディションに関係すると考えられ、特に鼾についての研究が行われている。
例えば、鼾をかきやすい人は肥満気味の人が多いとか、同じ人でも、疲れているときや、寝苦しいときには鼾をかくといったことが言われている。それだけでなく、呼吸器や神経系の病気を持っている人が、ひどく大きな鼾をかくこともあり、鼾の測定から、隠された重大な病気や発作の予兆を発見しようとする試みもなされている。
Traditionally, sleeping habits and sleep are considered to be related to the condition of the person's body, and studies on wrinkles have been conducted.
For example, it is said that many people who are prone to scratching are often obese, or even the same person is struggling when tired or hard to sleep. Not only that, but people with respiratory and nervous system illnesses can develop terribly large epilepsy, and attempts to discover hidden serious diseases and signs of seizures from sputum measurements are also made. ing.
また、無意識な身体反応情報は、就寝時に表れやすい。なぜなら、覚醒時には、大脳機能による意識的な身体制御なされていたかめに、上記無意識な身体反応情報が隠されてしまうからである。上記意識的な身体制御は、無意識な身体反応に比べて、その動きの範囲やスピードなど、ダイナミックレンジがはるかに大きいため、覚醒時には、このような大きな変化によって、無意識の身体反応情報が隠されてしまう可能性がある。これに対して、就寝中は、大脳機能が休止あるいは低下しているため、無意識な身体反応が表れやすいはずである。そして、このような無意識な身体反応には、医学的に価値のある身体の本質的な情報が含まれていると考えられる。 In addition, unconscious body reaction information is likely to appear at bedtime. This is because the unconscious body reaction information is hidden at the time of awakening because of the conscious body control by the cerebral function. The above conscious body control has a much larger dynamic range such as the range and speed of movement than the unconscious body reaction, so the unconscious body reaction information is hidden by such a large change at awakening. There is a possibility that. In contrast, during sleep, cerebral function is paused or reduced, so an unconscious physical reaction should be likely to appear. Such unconscious body reactions are thought to contain essential information of the body that is medically valuable.
例えば、健康に係わる身体的な重要な問題に関連した身体反応情報も、覚醒時には、大脳機能による意識的な反応によって隠されてしまう可能性がある。このような、無意識下での身体反応情報を検出するために、鼾や寝息に関する研究が行われている。
そして、どのような鼾がどのような病気に関係するのかというようなことを研究するために、実際の鼾を収集し、それを解析して、被検者がどのような鼾をかいているのかを知る試みがなされている。具体的には、マイクロホンを用いて収録した鼾音を、人が聞いて判断したり、周波数分析したりして、鼾の種類を分類するというようなことを行っている。
このようなシステムについては、実際に行われているので、特に、先行技術文献調査は行っていない。
For example, body reaction information related to important physical problems related to health may be hidden by a conscious reaction due to cerebral function when awakened. In order to detect such unconscious body reaction information, research has been conducted on sneezing and sleeping.
And in order to study what kind of hemorrhoids are related to what kind of disease, we collect actual hemorrhoids, analyze it, and what kind of hemorrhoids the subject uses Attempts have been made to find out. Specifically, a person hears and judges a roaring sound recorded using a microphone and performs frequency analysis to classify the type of the roar.
Since such a system is actually conducted, no prior art literature search is conducted.
しかし、鼾音を収集するために、被検者のベッドの近くにマイクロホンを設置しても、就寝中の被検者の顔が、マイクロホンとは反対方向に向いてしまった場合には、マイクロホンで取り込める鼾音が小さくなり、必要なデータを収集できないことがあった。
つまり、被検者の顔が、マイクロホンと反対側を向いたときには鼾の収録音が小さくなり、マイクロホン側に向いたときには鼾の収録音が大きくなるので、収録音の強弱からは、実際の鼾音の強弱を判断することはできない。また、就寝中には、寝返りの音や、寝具のすれる音などが発生し、それらが鼾の音と一緒に収録されることになるので、その中で、鼾音が、他の音にかき消されてしまうこともある。
However, if a microphone is placed near the patient's bed to collect stuttering, but the face of the subject who is sleeping is facing away from the microphone, the microphone In some cases, the noise that can be captured by the computer becomes smaller, and the necessary data cannot be collected.
In other words, when the subject's face is facing away from the microphone, the recorded sound of 鼾 decreases, and when the face of the subject faces the microphone, the recorded sound of 鼾 increases. The strength of the sound cannot be judged. Also, during bedtime, the sound of turning over and the sound of bedclothes are generated, and these are recorded together with the sound of the kite. It may be worn out.
一方、鼾音の中には、通常の会話音声や、他の音にはほとんど含まれないような高周波数成分が含まれることがわかっている。そのため、収録した音声データの中から、鼾音以外の雑音を除去するために、高周波領域だけを残して、他の周波数量域の音声データを削除してしまうことも考えられる。しかし、高周波成分は、鼾音全体の中でも、わずかな割合であるうえ、上記したようにマイクロホンに対する被検者の顔の向きによって、収録できる音のレベルが低くなってしまうと、高周波成分を抽出し難くなる。特に、高周波音は、寝具などに吸収され易いので、顔の向きがマイクロホンから離れた場合には、ほとんど、マイクロホンによって高周波成分を収集することができないのが現実であった。 On the other hand, it is known that stuttering includes a normal conversation voice and high frequency components that are hardly included in other sounds. For this reason, in order to remove noise other than stuttering from the recorded audio data, it may be possible to leave only the high frequency region and delete the audio data in other frequency amount regions. However, the high-frequency component is a small percentage of the total stuttering and, as described above, the high-frequency component is extracted when the level of sound that can be recorded becomes low depending on the orientation of the subject's face relative to the microphone. It becomes difficult to do. In particular, since high-frequency sound is easily absorbed by bedding and the like, it has been practically impossible to collect high-frequency components with the microphone when the face is away from the microphone.
また、寝返りを打つなどして、顔の向きを変える被検者を監視して、その動きに合わせてマイクロホンを移動させるようにしたり、顔の周りに、多数のマイクロホンを設置して、被検者がどちらを向いても鼾を収録できるようにした装置を用いることも考えられるが、そのためには、大がかりな装置が必要になってしまう。大がかりな装置を用いた場合、その装置コストが高くなるだけでなく、大げさな装置に取り囲まれた被検者は、緊張してしまって安眠できないこともある。また、被検者にマイクロホンを装着させた場合にも、被検者は安眠できない場合が多い。 Also, monitor the subject who changes the direction of the face, such as by turning over, and move the microphone according to the movement, or install many microphones around the face, Although it is conceivable to use a device that allows a person to record a song regardless of the direction, a large-scale device is required. When a large-scale device is used, not only does the device cost increase, but the subject surrounded by the oversized device may be tense and unable to sleep. In addition, when a subject is put on a microphone, the subject often cannot sleep.
この発明の目的は、被検者にストレスを与えない状態で、就寝中の被検者の呼吸音や鼾音などの呼吸器系の音から、身体反応情報を正確に収集することができるシステムを提供することである。 An object of the present invention is a system capable of accurately collecting body reaction information from respiratory sounds such as breathing sounds and stuttering of a subject who is sleeping in a state in which the subject is not stressed. Is to provide.
第１の発明は、就寝中の呼吸器系の音を取り込む音の取り込み手段と、この音の取り込み手段が取り込んだ音をデジタルデータに変換するデジタルデータ変換手段と、上記デジタルデータを解析するデータ処理手段とを備え、データ処理手段は、上記デジタルデータから経時的に揺らぎの安定度を算出する機能と、それを出力する機能とを備えた点に特徴を有する。
上記呼吸器系の音は、鼻や口から肺までの気道から発する音で、被験者の寝息や鼾などである。
According to a first aspect of the present invention, there is provided a sound capturing means for capturing a sound of a respiratory system while sleeping, a digital data converting means for converting the sound captured by the sound capturing means into digital data, and data for analyzing the digital data. The data processing means is characterized in that it has a function of calculating the stability of fluctuation over time from the digital data and a function of outputting the function.
The sound of the respiratory system is a sound emitted from the respiratory tract from the nose or mouth to the lungs, such as a subject's sleep or phlegm.
第２の発明は、第１の発明を前提とし、データ解析手段は、デジタルデータに対して処理単位を設定して、その処理単位毎に第１リアプノフ指数を算出するアルゴリズムを適応して揺らぎの安定度を算出し、それを出力する機能を備えた点に特徴を有する。 The second invention is premised on the first invention, and the data analysis means sets a processing unit for the digital data, and adapts an algorithm for calculating the first Lyapunov exponent for each processing unit. It is characterized in that it has a function of calculating the stability and outputting it.
第３の発明は、第１の発明を前提とし、データ処理手段は、デジタルデータを、就寝中の身体状態の変化に対応するように拡張した拡張カオス論的手法によって解析し、この拡張カオス論で定義した脳機能指数から揺らぎの安定度を算出し、それを出力する機能を備えた点に特徴を有する。 The third invention is based on the first invention, and the data processing means analyzes the digital data by an extended chaos theory method extended so as to correspond to a change in the physical state during sleep, and this extended chaos theory. It is characterized in that it has the function of calculating the stability of fluctuation from the brain function index defined in, and outputting it.
第４の発明は、上記１〜３の発明を前提とし、揺らぎの安定度の基準レベルや、揺らぎの安定度の経時変化の基準パターンなどを予め記憶させたデータ記憶手段を備え、データ処理手段は、音の取り込み手段から入力された音に基づいて算出した揺らぎの安定度と、上記データ記憶手段に記憶している基準レベルや基準パターンとを対比して、身体状態の変化を判定する点に特徴を有する。
The fourth invention is based on the
第１〜第４の発明によれば、被検者に、測定することによるストレスを与えないで、必要な身体反応情報を検出することができる。 According to the first to fourth inventions, it is possible to detect necessary body reaction information without applying stress due to measurement to a subject.
特に、第３の発明では、揺らぎの安定度の細かい変化を、リアルタイムに把握することができるようになる。従って、睡眠障害などを予測して、それを未然に防ぐこともできる。
第４の発明によれば、就寝中の身体反応情報を自動的に判定することができる。
In particular, in the third invention, it becomes possible to grasp in real time a fine change in the stability of fluctuation. Therefore, it is possible to predict sleep disorder and prevent it.
According to the fourth invention, it is possible to automatically determine the body reaction information during sleeping.
図１、図２を用いて、この発明の第１実施例を説明する。
このシステムは、コンピュータ１に、就寝中の生体音を取り込む音の取り込み手段であるマイクロホン２を接続している。このマイクロホン２は、被検者のベッドの枕元であって、被検者が寝返りを打つ際に、じゃまにならない位置に固定しておく。
A first embodiment of the present invention will be described with reference to FIGS.
In this system, a
また、上記コンピュータ１には、マイクロホン２から入力された音をデジタル音データに変換するデジタルデータ変換手段３と、このデジタルデータ変換手段３で変換されたデジタル音データを記憶しておく音データ記憶手段４と、この音データを解析処理するデータ処理手段５とを備えている。データ処理手段５には、プログラム記憶手段６が接続されていて、このプログラム記憶手段６に記憶されている解析プログラムによって、上記音データを解析する。
The
さらに、データ処理手段５には、データ出力手段としてディスプレイ７を接続している。
なお、上記音データを記憶する音データ記憶手段４を設けないで、デジタル変換前の収録音を記憶させておく生データ記憶手段をマイクロホン２とデジタルデータ変換手段３との間に設けるようにしても良い。また、音の取り込み手段とデジタルデータ変換手段とが一体になったものを用いてもよい。
Further, a display 7 is connected to the data processing means 5 as data output means.
Note that the sound data storage means 4 for storing the sound data is not provided, and raw data storage means for storing the recorded sound before digital conversion is provided between the
以下に、上記図１に示すシステムを用いて、被検者の就寝中の生体音を収集する手順を説明する。
まず、上記コンピュータ１およびマイクロホン２の電源をオンにすると、被検者の寝息や鼾音が、上記マイクロホン２によって、コンピュータ１へ入力される。
コンピュータ１ではデジタルデータ変換手段３によって、デジタルの音データを生成する。このデジタル音データを、音データ記憶手段４に記憶させ、さらにデータ処理手段５で解析処理する。
Hereinafter, a procedure for collecting biological sounds while the subject is sleeping using the system shown in FIG. 1 will be described.
First, when the
In the
データ処理手段５では、第１リアプノフ指数を算出するアルゴリズムを適用して、上記音データの揺らぎの安定度を算出する。第１リアプノフ指数とは、カオス性を有する時系列データから作成したアトラクタの広がりを表す指標である。そして、この第１リアプノフ指数を算出するカオス理論では、ダイナミクスが安定であると想定している。つまり、この第１実施例では、上記音データを発する身体の状態が安定であると想定しなければならない。 The data processing means 5 applies an algorithm for calculating the first Lyapunov exponent and calculates the stability of fluctuation of the sound data. The first Lyapunov exponent is an index representing the spread of attractors created from time-series data having chaotic properties. In the chaos theory for calculating the first Lyapunov exponent, it is assumed that the dynamics is stable. That is, in the first embodiment, it must be assumed that the state of the body that emits the sound data is stable.
しかし、この第１実施例におけるダイナミクス、すなわち、就寝中の被検者の身体状態は、カオス理論で想定するほど安定なものではなく、人が発する寝息などの音データは、もともと収束するデータではない。そのため、厳密には、上記音データから第１リアプノフ指数を算出することはできないことになる。そこで、この第１実施例では、上記経時的な音データを、予め設定した処理単位で区切って、その単位の範囲で、第１リアプノフ指数と全く同じ手法で算出した結果をこの発明の揺らぎの安定度としている。 However, the dynamics in this first embodiment, that is, the physical state of the subject who is sleeping is not as stable as assumed by the chaos theory, and sound data such as sleep that a person emits is originally converged data. Absent. Therefore, strictly speaking, the first Lyapunov exponent cannot be calculated from the sound data. Therefore, in the first embodiment, the sound data over time is divided by a preset processing unit, and the result calculated by the same method as the first Lyapunov exponent in the unit range is used for the fluctuation of the present invention. Stability is assumed.
第１リアプノフ指数とは、カオス性を有する時系列データの揺らぎの程度を示すものである。ただし、就寝中に収集した音データは、完全にカオス性を有するものではなく、そのデータには、カオス的ではない様々なノイズが含まれる。本来、就寝中の呼吸は周期的なもので、その振る舞いをカオスと考える場合もあるが、詳細にみれば、騒音や気温などの外部環境や、被検者の体調などによって与えられる脳に対する刺激に基づいたノイズが付加されて、上記音データには、脳機能に基づく身体状況が反映すると考えられる。 The first Lyapunov exponent indicates the degree of fluctuation of chaotic time-series data. However, the sound data collected during sleep is not completely chaotic, and the data includes various types of noise that are not chaotic. In nature, breathing during sleep is periodic, and the behavior may be considered as chaos, but in detail, the stimulation to the brain given by the external environment such as noise and temperature, the physical condition of the subject, etc. It is considered that the body condition based on the brain function is reflected in the sound data.
一方、ノイズが含まれたデータから、第１リアプノフ指数を算出すると、その値は、ノイズが無いときに比べて大きく算出されることが分かっている。従って、この第１実施例のシステムでは、第１リアプノフ指数の計算アルゴリズムを用いて算出した値を、カオスの指標としてではなく、揺らぎの安定度としている。この揺らぎの安定度の値が大きいほど、揺らぎは不安定で、ノイズが多いと見なす。
従って、この揺らぎの安定度を算出することによって、そのときの、被検者の身体反応情報として、脳にかかっている負荷を推測することができる。
安定度の値が大きな場合、カオス論的な揺らぎに多くのノイズが含まれていることになり、脳に負荷がかかっていると判断する。
On the other hand, when the first Lyapunov exponent is calculated from data including noise, it is known that the value is calculated larger than when there is no noise. Therefore, in the system of the first embodiment, the value calculated using the first Lyapunov exponent calculation algorithm is not the chaos index but the fluctuation stability. The larger the stability value of this fluctuation is, the more unstable the fluctuation is.
Therefore, by calculating the stability of the fluctuation, it is possible to estimate the load on the brain as the body reaction information of the subject at that time.
When the value of stability is large, a lot of noise is included in chaotic fluctuation, and it is determined that the brain is loaded.
このことを検証する実験結果について、次に説明する。
上記のようにして、就寝中の被検者からマイクロホン２によって取り込んだ寝息や鼾音を解析処理して、揺らぎの安定度の値を算出した結果を図２のグラフＡに示している。ただし、この実験においては、赤外線カメラとマイクロホンを用いて、被検者の動きや室内の音を、被検者が寝ている部屋とは別の監視室において、リアルタイムに監視している。そして、被検者の動きや、鼾の状態を記録し、その被検者の状態と揺らぎの安定度の値とを対応させることができるようにしている。
The experimental results for verifying this will be described next.
Graph A in FIG. 2 shows the result of calculating the value of the stability of fluctuation by analyzing the sleep and stuttering captured by the
なお、図２に示す実験結果は、サンプリング周波数４４．１ｋＨｚの時の演算結果であり、この発明の処理単位を１秒間として、６分間の移動平均を算出したものである。つまり、上記揺らぎの安定度の値を算出することと、それを６分間の幅をもって平均処理することとを、１秒ずつずらして行っている。
このように、サンプリング周期よりもはるかに長い処理単位で処理する場合、その処理タイミングによって、算出された安定の値が変化してしまう恐れがある。そのため、６分間という長い幅で平均値を算出して、変化の傾向をみることにしている。
The experimental results shown in FIG. 2 are the calculation results when the sampling frequency is 44.1 kHz, and the 6-minute moving average is calculated with the processing unit of the present invention as 1 second. That is, the calculation of the stability value of the fluctuation and the averaging process with a width of 6 minutes are performed with a shift of 1 second.
As described above, when processing is performed in a processing unit much longer than the sampling period, the calculated stable value may change depending on the processing timing. Therefore, the average value is calculated over a long period of 6 minutes, and the tendency of the change is observed.
図２のグラフＡを、安定度の値が低い状態が続いている第１期（１）と、徐々に安定度の値が高くなっていく第２期（２）と、やや高い状態が安定している第３期（３）と、急激に上昇した第４期（４）とに区分している。
これらのグラフの変化に対応した被検者の状態は、第１期（１）と、第２期（２）のでは、特に変わった様子はなく、寝息も静かで、安眠しているように見えた。しかし、第３期（３）に入ったとたんに、鼾と無呼吸とが繰り返され、第４期（４）では、激しい鼾が続いた。つまり、第２期（２）と第３期（３）とは、算出した安定度の値ではなく、被検者の様子で区分している。
In graph A of FIG. 2, the first period (1) in which the stability value continues to be low, the second period (2) in which the stability value gradually increases, and a slightly higher state is stable. It is divided into the third period (3) and the fourth period (4), which has risen sharply.
The state of the subject corresponding to the change in these graphs is not changed in the first period (1) and the second period (2), so that the sleep is quiet and the patient is resting. Looked. However, as soon as the third period (3) was entered, sputum and apnea were repeated, and in the fourth period (4), severe sputum continued. In other words, the second period (2) and the third period (3) are divided not by the calculated stability value but by the state of the subject.
上記のことから、揺らぎの安定度の値と、就寝中の被検者の様子には関連がありそうなことがわかる。
実際に、第４期（４）のように、安定度の値が、非常に高くなったときには、激しい鼾をかいている。ここでいう、激しい鼾とは、激しい呼吸のもとで発生した鼾のことで、録音レベルでの音の大小とは関係がない。つまり、揺らぎの値を算出することによって、就寝中の状態を、目視で観察していなくても、ある程度推測することができる。しかも、従来の、鼾音収集のように、音データの収録レベル、つまり録音の大小に関わりなく、身体状況を検出することができる。
From the above, it can be seen that the value of the stability of fluctuation is likely to be related to the state of the subject sleeping.
Actually, as in the fourth period (4), when the value of the stability becomes very high, the player is stroking intensely. In this case, intense drought refers to drought that occurs under intense breathing and has nothing to do with the magnitude of the sound at the recording level. That is, by calculating the value of fluctuation, the sleeping state can be estimated to some extent even if it is not visually observed. Moreover, it is possible to detect the physical condition regardless of the recording level of sound data, that is, the size of recording, as in the conventional collection of stuttering.
一方、第３期（３）では、実際には無呼吸と鼾とが交互に発生していて、第２期（２）とは、明らかに異なる状態である。しかし、第２期（２）の後半と、第３期（３）の安定度の値とでは、安定度の値はほとんど同じなので、第３期（３）での変化は、安定度のデータだけからは分かりにくい。
このように、第３期（３）の状態が、図２のグラフから読みとれないのは、以下の理由による。この第１実施例における揺らぎの安定度が、処理単位を決めて算出され、６分間という長い幅での平均値であるため、図２のグラフには、値の変化の傾向は表れても細かな変動が表れないためと考えられる。
On the other hand, in the third period (3), apnea and sputum actually occur alternately, which is clearly different from the second period (2). However, the stability value is almost the same in the second half of the second period (2) and the stability value in the third period (3), so the change in the third period (3) is the stability data. It is difficult to understand only from it.
As described above, the state of the third period (3) cannot be read from the graph of FIG. 2 for the following reason. The fluctuation stability in the first embodiment is calculated by determining the processing unit, and is an average value over a long period of 6 minutes. Therefore, the graph of FIG. This is thought to be due to the fact that no significant fluctuation appears.
しかし、同様の実験を繰り返し、安定度の変化と被検者を観察した様子とを対応付けておけば、グラフＡの第１期（１）のように、安定度の値が低く安定している時と比べて、値が上昇した時に、呼吸状態が変化していることを予測することもできるようになる。
呼吸音の収録レベルに係わらず、激しい鼾をかいた場合には、安定度の値が高くなり、脳の負荷が大きいといえる。このような状態が続けば、就寝時間が長くても、体が休まっていないことが想定できる。
However, if the same experiment is repeated and the change in stability is associated with the observation of the subject, the stability value is low and stable as in the first period (1) of graph A. It is also possible to predict that the breathing state has changed when the value increases compared to when the person is.
Regardless of the recording level of the breathing sound, it can be said that if the person is striking hard, the stability value is high and the load on the brain is large. If such a state continues, it can be assumed that the body is not resting even if the bedtime is long.
図３は、第２実施例のシステムによって、就寝中の呼吸音から揺らぎの安定度を算出した結果である。
第２実施例のシステムは、図１に示す第１実施例のシステムと全体構成は同じである。従って、この第２実施例の説明にも図１を用いる。
ただし、プログラム記憶手段６に記憶している解析プログラムが、第１実施例とは異なる。
この第２実施例でも、マイクロホン２から、寝息や鼾などの呼吸音を取り込んで、デジタル化したデータを音データ記憶手段４に取り込む方法は、上記第１実施例と同じである。
FIG. 3 shows the result of calculating the stability of fluctuation from the breathing sound while sleeping by the system of the second embodiment.
The system of the second embodiment has the same overall configuration as the system of the first embodiment shown in FIG. Therefore, FIG. 1 is also used to explain the second embodiment.
However, the analysis program stored in the program storage means 6 is different from that in the first embodiment.
Also in the second embodiment, the method for taking in breath sounds such as sleep and snoring from the
この第２実施例の解析プログラムは、音データ記憶手段４に記憶している音データから、後で説明する脳機能指数を算出して、これを揺らぎの安定度の値として出力するプログラムである。
脳機能指数とは、本来、ダイナミクスが変化する現象を想定してないカオス理論を、ダイナミクスが変化する現象にも対応するように拡張した拡張カオス理論で定義した指数である。
なお、拡張カオス論は、この発明の発明者らが出願した特願２００３−０４５３８６において定義されている。
The analysis program of the second embodiment is a program that calculates a brain function index, which will be described later, from sound data stored in the sound data storage means 4, and outputs this as a fluctuation stability value. .
The brain function index is an index defined by an extended chaos theory that is originally extended from a chaos theory that does not assume a phenomenon in which dynamics change, to cope with a phenomenon in which dynamics change.
The extended chaos theory is defined in Japanese Patent Application No. 2003-045386 filed by the inventors of the present invention.
そして、上記脳機能指数をＳｉＣＥＣＡ（ｓ（ｔ））、音データをｓ（ｔ）とすると、この脳機能指数は、数１で与えられる。
上記数１中のＴ（ｔ）は、発話のダイナミクスと対応する値であるが、就寝中に関しては、一定と考えてもかまわない。ただし、被検者の就寝中の姿勢などによって、分類することも考えられる。
また、上記数１におけるεＳは、数２によって与えられるシセカ近傍距離である。
In addition, ε S in the
なお、脳機能指数、シセカ近傍距離についても、上記特願２００３−０４５３８６内で詳細に説明している。
そして、第２実施例のシステムでは、データ処理手段５が、収集した音データに基づいて、上記脳機能指数を算出して出力する。その際、サンプリング周波数４４．１ｋＨｚでサンプリングした全てのデータについて、上記シセカ近傍距離を演算し、脳機能指数を算出している。図３のグラフＢは、算出した脳機能指数を移動平均幅３０秒、移動間隔１秒として、平均処理した結果である。
In addition, the brain function index and the Shiseka vicinity distance are also described in detail in the Japanese Patent Application No. 2003-045386.
In the system of the second embodiment, the data processing means 5 calculates and outputs the brain function index based on the collected sound data. At that time, for all data sampled at the sampling frequency of 44.1 kHz, the above Siseka vicinity distance is calculated to calculate the brain function index. Graph B in FIG. 3 shows the result of averaging the calculated brain function index with a moving average width of 30 seconds and a moving interval of 1 second.
図３の実験結果は、上記第１実施例と同じ被検者から収集した音データを解析したものである。
図３のグラフＢも、図２示す第１実施例の実験結果のグラフＡと同様に、音データを基にして算出した揺らぎの安定度を示したグラフであり、４つの期に区分している。各期における被検者の外面的な様子は、第１実施例と同じである。
ただし、この第２実施例のグラフＢでは、第１実施例のグラフＡに比べて、揺らぎの安定度の細かい変化が表れている。このグラフＢによれば、第１期（１）に比べて、高めに推移している第２期（２）と、全体のレベルは第２期（２）とそれほど代わらないが、変動が激しい第３期（３）と、非常に高いレベルで変化も激しい第４期（４）とが、明確に区別できる。
The experimental results in FIG. 3 are obtained by analyzing sound data collected from the same subject as in the first embodiment.
Graph B in FIG. 3 is also a graph showing the stability of fluctuation calculated based on sound data, similar to graph A of the experimental results of the first embodiment shown in FIG. 2, and is divided into four periods. Yes. The external appearance of the subject in each period is the same as in the first example.
However, the graph B of the second embodiment shows a fine change in the stability of fluctuation compared to the graph A of the first embodiment. According to this graph B, compared to the first period (1), the second period (2), which is higher than the first period (1), and the overall level is not much different from the second period (2), but the fluctuation is severe The third period (3) can be clearly distinguished from the fourth period (4), which is very high and changes rapidly.
特に、図２のグラフＡでは、区別し難かった第２期（２）と第３期（３）とがはっきりと区別でき、第３期（３）と無呼吸が発生している状態とを対応付けることができる。
このように、グラフＢには、グラフＡに比べて細かい変化が表れている。このような結果になったのは、第２実施例でのデータ処理手段５の演算で、サンプリングした全てのデータについて解析を行い、小さな幅での平均処理をしているためである。
ここでは、実験なので、音データ記憶手段４に記憶させた音データを解析処理しているが、実際には、呼吸音を収集しながら、データ処理を行うようにしてもよい。呼吸音を収集しながらデータ処理を行うようにすれば、意味のあるデータをリアルタイムに得ることができるので、上記揺らぎの安定度の変化から、身体反応情報を検出して、先の状態を予測することもできる。
In particular, in the graph A in FIG. 2, the second period (2) and the third period (3), which were difficult to distinguish, can be clearly distinguished, and the third period (3) and the state in which apnea has occurred. Can be associated.
Thus, the graph B shows a fine change compared to the graph A. The reason for this was that all the sampled data was analyzed by the calculation of the data processing means 5 in the second embodiment, and the average processing was performed with a small width.
Here, since it is an experiment, the sound data stored in the sound
例えば、第２期（２）は、被検者に対する目視観察では、寝息が静かで第１期（１）と変わっていない。しかし、図３に示すように、第２期（２）では、脳機能指数を基にした揺らぎの安定度が、そのレベルも変動幅も、第１期（１）とは異なる。
そして、上記脳機能指数は、音データの揺らぎに含まれるノイズであると考えている。このようなノイズが含まれるのは、被検者の脳に刺激が与えられて、安眠時の呼吸を制御する以外の信号が出ているためと考えられる。つまり、外見上は、安眠中のように見えても、第１期（１）と比べて、第２期（２）では、脳に負荷がかかっていると考えられる。
このような負荷が作用した状態が一定時間続くと、次に、無呼吸が起こる可能性が高いことがわかっていれば、鼾と無呼吸とを繰り返す第３期（３）の状態を、第２期（２）の段階で予測することもできる。
For example, in the second period (2), in the visual observation with respect to the subject, the sleep is quiet and is not different from the first period (1). However, as shown in FIG. 3, in the second period (2), the stability of fluctuation based on the brain function index is different from that in the first period (1) in both level and fluctuation range.
The brain function index is considered to be noise included in the fluctuation of sound data. Such noise is included because the subject's brain is stimulated and a signal other than controlling breathing during sleep is output. In other words, even if it looks as if it is a good night's sleep, it is considered that the brain is more stressed in the second period (2) than in the first period (1).
If it is known that there is a high possibility that apnea will occur after such a load has been applied for a certain period of time, the state of the third period (3) in which sputum and apnea are repeated, Prediction can also be made in the second stage (2).
上記第１、第２実施例のように、揺らぎの安定度を算出すれば、録音データの音量レベルに係わらずに、生体のカオス的な定性を乱すノイズを検出することができる。これによって、安眠時の寝息と、異常な鼾とを区別するとともに、身体反応情報を検出することができる。
従来のように、取り込んだ音データを周波数解析する場合には、音の大小が解析結果に影響してしまうので、就寝中の呼吸音から身体反応情報を収集することが困難であったが、この発明のシステムによれば、被検者にストレスを与えないで、身体反応情報を検出することができる。
If the stability of fluctuation is calculated as in the first and second embodiments, noise that disturbs the chaotic qualitative nature of the living body can be detected regardless of the volume level of the recorded data. As a result, it is possible to distinguish between sleep at rest and abnormal sputum and to detect body reaction information.
As in the past, when frequency analysis of captured sound data, the magnitude of the sound affects the analysis result, so it was difficult to collect body reaction information from the sleeping sound while sleeping, According to the system of the present invention, body reaction information can be detected without applying stress to the subject.
また、揺らぎの安定度を算出して、そのレベルから、寝息と鼾とを区別するだけでなく、各被検者の、安静時の寝息の揺らぎの安定度を予め算出しておいて、それと対比するようにすれば、特定個人の、就寝中の異常の発生を、より的確に予測することができる。従って、異常に対して予防策をとることもできるようになる。例えば、無呼吸状態に入る直前に、起こしてしまったり、ベッドを揺らして刺激を与えたりすれば、無呼吸状態に入るのを止めることができる。 In addition, by calculating the stability of fluctuation and not only distinguishing sleep and mania from the level, but also calculating the stability of fluctuation of sleep at rest of each subject in advance, By contrasting, it is possible to more accurately predict the occurrence of abnormalities during sleep of a specific individual. Therefore, it becomes possible to take preventive measures against the abnormality. For example, if the patient wakes up immediately before entering the apnea state or gives a stimulus by shaking the bed, the apnea state can be stopped.
さらに、揺らぎの安定度の絶対値そのものだけでなく、揺らぎの安定度の変化パターンなどに応じて、就寝中の異常を判定することも考えられる。
従って、予め、病気などの異常に対応した揺らぎの安定度の基準レベルや、基準変化パターンなどを、データ処理手段５に連係して設けたデータ記憶手段に記憶させておけば、データ処理部５が、就寝中の被検者のデータと上記基準とを対比して異常をいち早く発見できるようになる。
Furthermore, it is conceivable to determine an abnormality during sleeping according to not only the absolute value of the stability of fluctuation itself but also a change pattern of the stability of fluctuation.
Accordingly, if the reference level of fluctuation stability corresponding to an abnormality such as a disease, the reference change pattern, and the like are stored in advance in the data storage means provided in association with the data processing means 5, the
また、無呼吸や、激しい鼾などの睡眠障害は、本人も気が付かないことが多く、睡眠障害があった場合には、長時間睡眠をとっているのにもかかわらず、身体的な疲れがとれなかったっり、仕事中に、激しい眠気におそわれたりすることがある。しかし、この発明のシステムでは、被検者にストレスを与えないで、上記のような睡眠障害を、診断することができる。従って、特に、パイロットや列車の運転士など人命を預かる職業の人たちの適性判断やや健康管理に有効である。 In addition, sleep disorders such as apnea and severe hemorrhoids are often not noticed by the person himself. If you don't, you may be afraid of sleepiness during your work. However, in the system of the present invention, the sleep disorder as described above can be diagnosed without applying stress to the subject. Therefore, it is particularly effective in determining the suitability and health management of people in occupations that save lives, such as pilots and train drivers.
１ コンピュータ
２ マイクロホン
３ デジタルデータ変換手段
４ 音データ記憶手段
５ データ処理手段
７ ディスプレイ
1
Claims (4)
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP2003300090A JP3780273B2 (en) | 2003-08-25 | 2003-08-25 | Body reaction information detection system while sleeping |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP2003300090A JP3780273B2 (en) | 2003-08-25 | 2003-08-25 | Body reaction information detection system while sleeping |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| JP2005066027A true JP2005066027A (en) | 2005-03-17 |
| JP3780273B2 JP3780273B2 (en) | 2006-05-31 |
Family
ID=34405130
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| JP2003300090A Expired - Fee Related JP3780273B2 (en) | 2003-08-25 | 2003-08-25 | Body reaction information detection system while sleeping |
Country Status (1)
| Country | Link |
|---|---|
| JP (1) | JP3780273B2 (en) |
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2008104528A (en) * | 2006-10-23 | 2008-05-08 | Rokko Bussan:Kk | Sleep evaluating method, sleep evaluating apparatus, and sleep evaluating system |
| JP2009240683A (en) * | 2008-03-31 | 2009-10-22 | Railway Technical Res Inst | Driver sleepiness detector |
| JP2014518729A (en) * | 2011-05-30 | 2014-08-07 | コーニンクレッカ フィリップス エヌ ヴェ | Apparatus and method for detection of body posture while sleeping |
-
2003
- 2003-08-25 JP JP2003300090A patent/JP3780273B2/en not_active Expired - Fee Related
Cited By (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2008104528A (en) * | 2006-10-23 | 2008-05-08 | Rokko Bussan:Kk | Sleep evaluating method, sleep evaluating apparatus, and sleep evaluating system |
| JP2009240683A (en) * | 2008-03-31 | 2009-10-22 | Railway Technical Res Inst | Driver sleepiness detector |
| JP2014518729A (en) * | 2011-05-30 | 2014-08-07 | コーニンクレッカ フィリップス エヌ ヴェ | Apparatus and method for detection of body posture while sleeping |
| US10159429B2 (en) | 2011-05-30 | 2018-12-25 | Koninklijke Philips N.V. | Apparatus and method for the detection of the body position while sleeping |
Also Published As
| Publication number | Publication date |
|---|---|
| JP3780273B2 (en) | 2006-05-31 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| JP6516846B2 (en) | Device and method for sleep monitoring | |
| CN102481121B (en) | Consciousness monitoring | |
| US8493220B2 (en) | Arrangement and method to wake up a sleeping subject at an advantageous time instant associated with natural arousal | |
| JP6585074B2 (en) | System and method for monitoring physiological activity of a subject | |
| TW201528198A (en) | Fatigue monitoring and management system and the method thereof | |
| JP4867215B2 (en) | Physiological / psychological state determination device, physiological / psychological state determination method, reference data generation device, and reference data generation method. | |
| JP4935931B2 (en) | Apnea detection program and apnea detection device | |
| JP2005118151A (en) | Sleeping state estimating device | |
| JP2006271897A (en) | Apparatus and method for predicting sleepiness | |
| JP2010540067A (en) | Self-monitoring method and system for respiratory diseases related to the environment | |
| JP4993980B2 (en) | Apparatus and method capable of outputting expiration time | |
| JP2007289660A (en) | Sleeping judgment device | |
| US20170071533A1 (en) | Systems and methods for detecting and diagnosing sleep disordered breathing | |
| KR20180046354A (en) | Method for snoring detection using low power motion sensor | |
| Dafna et al. | Sleep-quality assessment from full night audio recordings of sleep apnea patients | |
| JP4915568B2 (en) | Biological information detection apparatus and sleep environment control system | |
| US20180064404A1 (en) | System and Method for Correcting Sleep Aberrations | |
| KR101647431B1 (en) | A real-time sleep monitoring system using a smartphone | |
| JP6845404B2 (en) | Sleep stage determination method, sleep stage determination device, and sleep stage determination program | |
| JP2013153820A (en) | Device and method for predicting excretion | |
| JP3780273B2 (en) | Body reaction information detection system while sleeping | |
| US11382534B1 (en) | Sleep detection and analysis system | |
| JP2008080071A (en) | Evaluation device for quality of sleep | |
| US20230141685A1 (en) | Systems and methods for snoring detection and prevention | |
| JP4868514B2 (en) | Apparatus and method for outputting result of estimation of biological state |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20051108 |
|
| A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20051115 |
|
| A521 | Written amendment |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20060116 |
|
| TRDD | Decision of grant or rejection written | ||
| A01 | Written decision to grant a patent or to grant a registration (utility model) |
Free format text: JAPANESE INTERMEDIATE CODE: A01 Effective date: 20060207 |
|
| A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20060306 |
|
| R150 | Certificate of patent or registration of utility model |
Ref document number: 3780273 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 Free format text: JAPANESE INTERMEDIATE CODE: R150 |
|
| FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20100310 Year of fee payment: 4 |
|
| R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
| FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20110310 Year of fee payment: 5 |
|
| R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
| R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
| FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20130310 Year of fee payment: 7 |
|
| R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
| FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20140310 Year of fee payment: 8 |
|
| R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
| R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
| R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
| S533 | Written request for registration of change of name |
Free format text: JAPANESE INTERMEDIATE CODE: R313533 |
|
| R350 | Written notification of registration of transfer |
Free format text: JAPANESE INTERMEDIATE CODE: R350 |
|
| R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
| S111 | Request for change of ownership or part of ownership |
Free format text: JAPANESE INTERMEDIATE CODE: R313115 |
|
| R350 | Written notification of registration of transfer |
Free format text: JAPANESE INTERMEDIATE CODE: R350 |
|
| R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
| R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
| R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
| R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
| LAPS | Cancellation because of no payment of annual fees |