JP2010148605A - 睡眠判定装置 - Google Patents
睡眠判定装置 Download PDFInfo
- Publication number
- JP2010148605A JP2010148605A JP2008328440A JP2008328440A JP2010148605A JP 2010148605 A JP2010148605 A JP 2010148605A JP 2008328440 A JP2008328440 A JP 2008328440A JP 2008328440 A JP2008328440 A JP 2008328440A JP 2010148605 A JP2010148605 A JP 2010148605A
- Authority
- JP
- Japan
- Prior art keywords
- heartbeat
- sleep
- calculated
- return map
- feature amount
- 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.)
- Pending
Links
Images
Landscapes
- Measuring Pulse, Heart Rate, Blood Pressure Or Blood Flow (AREA)
- Measurement Of The Respiration, Hearing Ability, Form, And Blood Characteristics Of Living Organisms (AREA)
Abstract
【課題】被験者の心拍情報に基づいて精度よく睡眠段階を判定できる睡眠判定装置を提供すること。
【解決手段】被験者の心拍を取得し(S10)、取得された心拍に基づいて心拍ごとの心拍周期を演算し(S12)、連続して演算された二つの値を座標値とする座標点を演算してリターンマップを生成し(S14)、そのリターンマップの特徴量を演算し(S16)、特徴量に基づいて被験者の睡眠段階を判定する(S18)。これにより、睡眠段階に応じて変化する心拍周期の特徴量を用いて被験者の睡眠段階を精度よく判定することができる。
【選択図】図4
【解決手段】被験者の心拍を取得し(S10)、取得された心拍に基づいて心拍ごとの心拍周期を演算し(S12)、連続して演算された二つの値を座標値とする座標点を演算してリターンマップを生成し(S14)、そのリターンマップの特徴量を演算し(S16)、特徴量に基づいて被験者の睡眠段階を判定する(S18)。これにより、睡眠段階に応じて変化する心拍周期の特徴量を用いて被験者の睡眠段階を精度よく判定することができる。
【選択図】図4
Description
本発明は、被験者の睡眠段階を判定する睡眠判定装置に関するものである。
従来、被験者の睡眠段階を判定するものとして、特開2005−152310号公報に記載されるように、エアマットに設けた通気部を流れる流体の流速、流量センサで測定される生体の心拍変動情報及び体動情報に基づいて睡眠の段階を推定するものが知られている。この推定装置は、エアマットで横たわる被験者を無拘束状態で睡眠段階を推定しようとするものである。
特開2005−152310号公報
しかしながら、このような睡眠段階の推定装置にあっては、睡眠段階の推定にあたりエアマットなどの特別な器具が必要となり、体動情報の取得も必要となる。エアマットなどの特別な装置を用いて睡眠段階を判定できない場合や体動情報が得られない場合など、心拍情報だけで被験者の睡眠段階をできるだけ正確に判定できる装置の開発が望まれている。
そこで本発明は、このような問題点を解決するためになされたものであって、被験者の心拍情報に基づいて精度よく睡眠段階を判定できる睡眠判定装置を提供することを目的とする。
すなわち、本発明に係る睡眠判定装置は、被験者の心拍を取得する心拍取得手段と、前記心拍取得手段により取得された心拍に基づいて心拍ごとの心拍周期、その心拍周期の前後の差分値、又はその差分値の前後の差分値について、少なくとも一つを演算する差分演算手段と、前記差分演算手段により演算された心拍周期及び差分値について、連続して演算された二つの値を座標値とする座標点を繰り返し演算してリターンマップを生成するリターンマップ生成手段と、前記リターンマップ生成手段により生成されたリターンマップの特徴量を演算する特徴量演算手段と、前記特徴量演算手段により演算された特徴量に基づいて前記被験者の睡眠段階を判定する睡眠判定手段とを備えて構成されている。
この発明によれば、被験者の心拍周期及びその差分値を座標値とする座標点を心拍ごとに繰り返し演算してリターンマップを生成し、そのリターンマップから生成される特徴量に基づいて被験者の睡眠段階を判定することにより、睡眠段階に応じて変化する心拍周期又はその差分値の特徴量を用いて被験者の睡眠段階を精度よく判定することができる。
また本発明に係る睡眠判定装置において、前記差分演算手段は、前記心拍取得手段により取得された心拍に基づいて心拍ごとの心拍周期を演算し、前記リターンマップ生成手段は、前記差分演算手段により連続して演算された二つの心拍周期の値を座標値とする座標点を繰り返し演算し、前記特徴量演算手段は、前記リターンマップ生成手段により演算される座標点の変動量を前記特徴量として演算し、前記睡眠判定手段は、前記特徴量演算手段により演算された前記座標点の変動量のバラツキが小さいほど睡眠状態が深いとして睡眠段階を判定することが好ましい。
この発明によれば、リターンマップの座標点の変動量を演算し、その座標点の変動量のバラツキが小さいほど睡眠状態が深いとして睡眠段階を判定することにより、睡眠段階によって変化する心拍周期のリターンマップの座標点の変動量を用いて、被験者の睡眠段階を精度よく判定することができる。
また本発明に係る睡眠判定装置において、前記差分演算手段は、前記心拍取得手段により取得された心拍に基づいて心拍ごとの心拍周期を演算し、前記リターンマップ生成手段は、前記差分演算手段により連続して演算された二つの心拍周期の値を座標値とする座標点を繰り返し演算し、前記特徴量演算手段は、前記リターンマップ生成手段により演算される座標点の変動量を前記特徴量として演算し、前記睡眠判定手段は、前記特徴量演算手段により演算された前記座標点の変動量のヒストグラムにおける分散が小さいほど睡眠状態が深いとして睡眠段階を判定することが好ましい。
この発明によれば、リターンマップの座標点の変動量を演算し、その座標点の変動量のヒストグラムにおける歪度が小さいほど睡眠状態が深いとして睡眠段階を判定することにより、睡眠段階によって変化する心拍周期のリターンマップの座標点の変動量のヒストグラムにおける歪度を用いて、被験者の睡眠段階を精度よく判定することができる。
また本発明に係る睡眠判定装置において、前記差分演算手段は、前記心拍取得手段により取得された心拍に基づいて心拍ごとの心拍周期を演算し、前記リターンマップ生成手段は、前記差分演算手段により連続して演算された二つの心拍周期の値を座標値とする座標点を繰り返し演算し、前記特徴量演算手段は、前記リターンマップ生成手段により演算される複数の座標点における集積度を前記特徴量として演算し、前記睡眠判定手段は、前記特徴量演算手段により演算された前記座標点の集積度が高いほど睡眠状態が深いとして睡眠段階を判定することが好ましい。
この発明によれば、リターンマップの複数の座標点の集積度を演算し、その座標点の集積度が高いほど睡眠状態が深いとして睡眠段階を判定することにより、睡眠段階によって変化する座標点の集積度を用いて被験者の睡眠段階を精度よく判定することができる。
また本発明に係る睡眠判定装置において、前記差分演算手段は、前記心拍取得手段により取得された心拍に基づいて心拍ごとの心拍周期を演算し、前記リターンマップ生成手段は、前記差分演算手段により連続して演算された二つの心拍周期の値を座標値とする座標点を繰り返し演算し、前記特徴量演算手段は、前記リターンマップ生成手段により連続して演算される三つの座標点により形成される三角形の重心位置の変動量を前記特徴量として繰り返し演算し、前記睡眠判定手段は、前記特徴量演算手段により演算された前記三角形の重心位置の変動量が小さいほど睡眠状態が深いとして睡眠段階を判定することが好ましい。
この発明によれば、リターンマップ生成手段により連続して演算される三つの座標点によって形成される三角形の重心位置の変動量を演算し、その演算された三角形の重心位置の変動量が小さいほど睡眠状態が深いとして睡眠段階を判定する。これにより、睡眠段階によって変化するリターンマップ上の多角形の重心位置の変動量を用いて、被験者の睡眠段階を精度よく判定することができる。
また本発明に係る睡眠判定装置において、前記差分演算手段は、前記心拍取得手段により取得された心拍に基づいて心拍ごとの心拍周期の前後の差分値を演算し、前記リターンマップ生成手段は、前記差分演算手段により連続して演算された二つの差分値を座標値とする座標点を繰り返し演算し、前記特徴量演算手段は、前記リターンマップ生成手段により連続して演算される三つの座標点により形成される三角形の頂点の変動量を前記特徴量として演算し、前記睡眠判定手段は、前記特徴量演算手段により演算された前記変動量が小さいほど睡眠状態が深いとして睡眠段階を判定することが好ましい。
この発明によれば、心拍に基づいて心拍ごとの心拍周期の前後の差分値を演算し、連続して演算された二つの差分値を座標値とする座標点を繰り返し演算してリターンマップを生成し、連続して演算される三つの座標点により形成される三角形の頂点の変動量を特徴量として演算し、演算された変動量が小さいほど睡眠状態が深いとして睡眠段階を判定する。これにより、睡眠段階に応じて変化するリターンマップに形成される三角形の頂点の変動量を用いて、被験者の睡眠段階を精度よく判定することができる。
また本発明に係る睡眠判定装置において、前記差分演算手段は、前記心拍取得手段により取得された心拍に基づいて心拍ごとの心拍周期の前後の差分値を演算し、前記リターンマップ生成手段は、前記差分演算手段により連続して演算された二つの差分値を座標値とする座標点を繰り返し演算し、前記特徴量演算手段は、前記リターンマップ生成手段により連続して演算される三つの座標点により形成される三角形の辺の傾きを前記特徴量として演算し、前記睡眠判定手段は、前記特徴量演算手段により演算された前記三角形の辺の傾きのバラツキが小さいほど睡眠状態が深いとして睡眠段階を判定することが好ましい。
この発明によれば、心拍に基づいて心拍ごとの心拍周期の前後の差分値を演算し、連続して演算された二つの差分値を座標値とする座標点を繰り返し演算してリターンマップを生成し、連続して演算される三つの座標点により形成される三角形の辺の傾きを特徴量として演算し、演算された三角形の辺の傾きのバラツキが小さいほど睡眠状態が深いとして睡眠段階を判定する。これにより、睡眠段階に応じて変化するリターンマップに形成される三角形の辺の傾きのバラツキ度合いを用いて、被験者の睡眠段階を精度よく判定することができる。
本発明によれば、被験者の心拍情報に基づいて精度よく被験者の睡眠段階を判定することができる。
以下、添付図面を参照して本発明の実施の形態を詳細に説明する。なお、図面の説明において同一の要素には同一の符号を付し、重複する説明を省略する。
(第一実施形態)
(第一実施形態)
図1は本発明の第一実施形態に係る睡眠判定装置の概略構成図である。
図1に示すように、本実施形態に係る睡眠判定装置1は、被験者の睡眠状態を判定する装置であって、例えば車両に設置され、駐車場等で安静中の被験者である運転者の睡眠段階、すなわち睡眠の深さレベル(睡眠レベル)の判定に適用されるものである。
この睡眠判定装置1は、例えば心拍検出部2、ECU(ElectronicControl Unit)3及び出力部4を備えて構成される。心拍検出部2は、被験者の心拍を取得する心拍取得手段として機能するものであって、例えば心電図検査器に用いられる電極部のように心拍に対応した微弱な電流を検知するものが用いられる。なお、この心拍検出部2としては、被験者の心電図波形などの心拍状態を検出できるものであればいずれのものを用いてもよい。また、車両の運転者の心拍状態を検出する場合、例えば心拍検出部2が運転シートに設置されることが好ましい。なお、ここでいう心拍とは、心拍に関連する脈拍を含むものである。例えば、心拍検出部2としては、被験者の脈拍を心拍として検出するものであってもよい。
ECU3は、睡眠判定装置1全体の制御を行うものであって、例えばCPU、ROM、RAMを含むコンピュータを主体として構成されている。ECU3は、差分演算部31、リターンマップ生成部32、特徴量演算部33、睡眠判定部34、データベース35を備えている。
差分演算部31は、心拍検出部2から出力される心拍信号に基づいて心拍ごとの心拍周期を演算する差分演算手段と機能するものである。
例えば、図2に示すように、心拍検出部2から所定の周期でR波を生ずる心拍信号が入力される。この心拍信号を信号処理することによってR波が抽出され、R波とR波の時間X(RRI)が一つの心拍周期として演算され、連続して心拍周期X0、X1、…、Xnが演算される。
図1において、リターンマップ生成部32は、差分演算部31により演算された心拍周期について、連続して演算された二つの値を座標値とする座標点を繰り返し演算してリターンマップを生成するものであって、リターンマップ生成手段として機能するものである。ここでリターンマップとは、二つの値の座標点を打点した地図のことである。
図3は、連続して得られた心拍周期Xk−1、Xkを座標値(パラメータ)とする座標点からなる心拍周期(0次差分値)のリターンマップの一例を示したものである。例えば、Xk−1を横軸の座標値とし、Xkを縦軸の座標値とする座標点pをプロットして心拍周期のリターンマップが生成される。このとき、予め設定された所定時間(例えば、計測時間30秒)における心拍周期についてリターンマップを生成すればよい。
図3において、座標点p、pの間の線分Lは、座標点pの推移を示すものである。この線分Lの長さを演算することにより、リターンマップにおける座標点の変動量を取得することができる。
なお、このリターンマップ生成部32において、連続して演算された二つの心拍周期の値を座標値とする座標点を繰り返し演算するものであれば、その座標点をリターンマップとしてプロットしない場合もある。例えば、連続して演算された二つの心拍周期の値を座標値とする座標点を繰り返し演算した座標点のデータが実質的にリターンマップとして機能する場合、複数の座標軸を有するリターンマップの形で生成しなくてもよい。
図1において、特徴量演算部33は、リターンマップ生成部32により生成されたリターンマップの特徴量を演算するものであって、特徴量演算手段と機能するものである。リターンマップの特徴量として、例えばリターンマップを構成する座標点の変動量(ステップサイズ)が演算される。具体的には、図3において、連続して演算される座標点p、pの間の距離、すなわち線分Lの長さが座標点の変動量として演算される。
図1において、睡眠判定部34は、リターンマップの特徴量に基づいて被験者の睡眠段階を判定するものであって、睡眠判定手段として機能するものである。例えば、睡眠判定部34は、特徴量演算部33により演算された座標点の変動量のバラツキが小さいほど睡眠状態が深いとして睡眠段階を判定する。
具体的には、現在から過去における所定の時間(例えば30秒)以内の座標点の変動量又は現在から過去における所定のデータ数の(例えば30個)の座標点の変動量についてバラツキを演算し、その変動量のバラツキに応じて睡眠段階S0〜S4を判定する。この睡眠段階の判定は、新たな座標点のデータが演算されるごとに行うことが好ましい。睡眠段階S0は覚醒状態の段階であり、S1、S2、S3、S4の順に睡眠が深い状態になっていく。
座標点の変動量のバラツキは、例えば座標点の変動量のデータについて、偏差や分散を算出して演算すればよい。また、睡眠段階S0〜S4の判定は、座標点の変動量のバラツキの閾値を睡眠段階ごとに予め設定しておき、その閾値との大小関係に応じて行えばよい。
図1において、データベース35は、睡眠判定に用いられるデータを記録するものであり、例えばリターンマップの座標点データ、特徴量データ、睡眠判定に用いられる閾値データを記録している。出力部4は、ECU3により判定された被験者の睡眠段階を出力するものであり、例えば表示モニタなどが用いられる。
次に本実施形態に係る睡眠判定装置の動作について説明する。
図4は、本実施形態に係る睡眠判定装置の動作を示すフローチャートである。この図4の制御処理は、例えばECU3によって所定の周期を繰り返し実行される。
まず、図1において、心拍検出部2により被験者の心拍信号が検出される。そして、この心拍信号に基づいて図4の睡眠判定処理により被験者の睡眠段階の判定が行われる。
図4のステップS10(以下、単に「S10」という。ステップS12以下についても同じ。)に示すように、心拍信号の読み込み処理が行われる。心拍信号の読み込み処理は、心拍検出部2により出力される被験者の心拍信号を読み込む処理である。心拍信号は、図2に示すように心拍に応じて繰り返しR波を生じる波形で入力される。
そして、図4のS12に移行し、差分演算処理が行われる。差分演算処理は、心拍信号に基づいて心拍ごとの心拍周期を演算する処理である。例えば、心拍周期は、心拍信号からR波を検出し、繰り返し検出されるR波とR波の間の時間として算出される。
そして、S14に移行し、リターンマップ生成処理が行われる。リターンマップ生成処理は、S12の差分演算処理により連続して演算された二つの心拍周期の値を座標値とする座標点を繰り返し演算してリターンマップを生成する処理である。
例えば、図3に示すように、連続して得られた心拍周期Xk−1、Xkを座標値(パラメータ)とする座標点pが繰り返し演算される。すなわち、Xk−1を横軸の座標値とし、Xkを縦軸の座標値とする座標点p(Xk−1、Xk)をプロットして心拍周期のリターンマップが生成される。このとき、予め設定された所定時間(例えば、計測時間30秒)以内における心拍周期についてリターンマップが生成される。
なお、このリターンマップ生成処理において、連続して演算された二つの心拍周期の値を座標値とする座標点を繰り返し演算するものであれば、その座標点をリターンマップとしてプロットしない場合もある。例えば、連続して演算された二つの心拍周期の値を座標値とする座標点を繰り返し演算した座標点のデータが実質的にリターンマップとして機能する場合、複数の座標軸を有するリターンマップの形で生成しなくてもよい。
そして、図4のS16に移行し、特徴量演算処理が行われる。特徴量演算処理は、S14のリターンマップ生成処理により生成されたリターンマップの特徴量を演算する処理である。リターンマップの特徴量として、例えばリターンマップを構成する座標点の変動量(ステップサイズ)が演算される。具体的には、図3において、連続して演算される座標点p、pの間の距離、すなわち線分Lの長さが座標点の変動量として演算される。演算された座標点の変動量は、データベース35に記録される。座標点の変動量は、心拍信号の入力されるごとに演算され、随時データベースに記録される。
そして、図4のS18に移行し、睡眠段階判定処理が行われる。睡眠段階判断処理は、S16にて演算されたリターンマップの特徴量に基づいて被験者の睡眠段階を判定する処理である。例えば、S16にて演算された座標点の変動量のバラツキが小さいほど睡眠状態が深いとして睡眠段階が判定される。
具体的に説明すると、今回演算された座標点の変動量と過去に演算された所定回数の座標点の変動量(例えば過去30回分の変動量)について、座標点の変動量のバラツキを示す値として標準偏差又は分散値が演算され、その標準偏差又は分散値に応じて睡眠段階が判定される。
睡眠段階の判定しきい値として、睡眠段階S0と睡眠段階S1を判別するためのしきい値、睡眠段階S1と睡眠段階S2を判別するためのしきい値、睡眠段階S2と睡眠段階S3を判別するためのしきい値、睡眠段階S3と睡眠段階S4を判別するためのしきい値がそれぞれ設定される。そして、座標点の変動量のバラツキを示す値とこれらの判別のしきい値とが比較され、被験者の睡眠段階がS0〜S4のいずれであるかが判定される。判定された睡眠段階の結果は、出力部4を通じて出力される。そして、S18の睡眠段階判定処理を終えたら、一連の制御処理を終了する。
以上のように、本実施形態に係る睡眠判定装置によれば、被験者の心拍周期を座標値とする座標点を心拍ごとに繰り返し演算してリターンマップを生成し、そのリターンマップの特徴量に基づいて被験者の睡眠段階を判定することにより、睡眠段階に応じて変化する心拍周期の特徴量を用いて被験者の睡眠段階を精度よく判定することができる。
また、本実施形態に係る睡眠判定装置においては、リターンマップの座標点の変動量を演算し、その座標点の変動量のバラツキが小さいほど睡眠状態が深いとして睡眠段階を判定することにより、睡眠段階によって変化する心拍周期のリターンマップの座標点の変動量を用いて、被験者の睡眠段階を精度よく判定することができる。
図5〜9は、被験者の心拍周期のリターンマップ(0次リターンマップ:心拍周期の0次差分のリターンマップ)を睡眠段階S0〜S4ごとに示したものである。図5は覚醒状態の睡眠段階S0のリターンマップ、図6は睡眠段階S1のリターンマップ、図7は睡眠段階S2のリターンマップ、図8は睡眠段階S3のリターンマップ、図9は睡眠段階S4のリターンマップである。この図5〜9において、横軸のXk−1は心拍周期の前回値であり、縦軸のXkは心拍周期の今回値である。また、図5〜9において、座標点のみならず、座標点から次回値の座標点への線分も図示している。
図5〜9に示されるように、睡眠段階がS0からS4へ深くなるに連れて、座標点から次回値の座標点への線分の長さ、すなわち座標点の変動量が一定の値に近づく傾向がある。つまり、睡眠状態がS0からS4へ深くなるほど、座標点の変動量のバラツキが小さくなることが分かる。
このため、被験者の心拍周期についてリターンマップを生成し座標点の変動量のバラツキ度合いを演算することにより、その座標点の変動量のバラツキ度合いに応じて睡眠段階を精度よく判定することが可能となる。
また、本実施形態に係る睡眠判定装置においては、被験者の心拍状態のみに基づいて判定するため、心電図や呼吸のデータがなくても被験者の睡眠段階を判定が可能である。
さらに、心拍信号を受けるごとに心拍周期を更新してリアルタイムで被験者の睡眠段階を判定することができる。
(第二実施形態)
(第二実施形態)
次に本発明の第二実施形態に係る睡眠判定装置について説明する。
本実施形態に係る睡眠判定装置は、図1に示す第一実施形態に係る睡眠判定装置とほぼ同様な構成を備え、図4に示す第一実施形態に係る睡眠判定装置とほぼ同様な睡眠判定処理を実行するものであって、座標点の変動量のヒストグラムにおける歪度に基づいて睡眠段階の判定を行う点で、座標点の変動量のバラツキに基づいて睡眠段階の判定を行う第一実施形態に係る睡眠判定装置と異なっている。
すなわち、本実施形態に係る睡眠判定装置は、被験者の心拍に基づいて心拍ごとの心拍周期を演算し、連続して演算された二つの心拍周期の値を座標値とする座標点を繰り返し演算し、座標点の変動量(ステップサイズ)を特徴量として演算し、座標点の変動量のヒストグラムにおける歪度が小さいほど睡眠状態が深いとして睡眠段階を判定するものである。
本実施形態に係る睡眠判定装置は、図1に示す第一実施形態に係る睡眠判定装置と同様に、心拍検出部2、ECU3及び出力部4を備えて構成される。心拍検出部2及び出力部4は、第一実施形態に係る睡眠判定装置と同様なものが用いられる。本実施形態に係る睡眠判定装置のECU3は、特徴量演算部33と睡眠判定部34の機能が第一実施形態に係る睡眠判定装置のものと異なっている。
特徴量演算部33は、リターンマップ生成部32により生成されたリターンマップの特徴量を演算するものであって、特徴量演算手段と機能するものである。この特徴量演算部33は、リターンマップの特徴量として、座標点の変動量の分布特性を演算する。
例えば、リターンマップを構成する座標点の変動量(ステップサイズ)が演算され、現在から過去における所定の時間(例えば30秒)以内に演算される座標点の変動量についてヒストグラムが生成され、そのヒストグラムにおける分布特性をとらえた統計量が演算される。
具体的に示すと、図10に示すように、所定時間に演算される座標点の変動量ごとの頻度を示すヒストグラムHが生成され、このヒストグラムHの統計量が演算される。この統計量は、ヒストグラムの非対称性の度合いを示すものであり、左右対称の場合にはゼロとなり、左右対称性が低いほど大きな値となる。具体的な統計量の値は、例えば統計学の公知の手法により算出すればよい。
睡眠判定部34は、リターンマップの特徴量に基づいて被験者の睡眠段階を判定するものであって、リターンマップの座標点の変動量におけるヒストグラム統計量に基づいて睡眠段階を判定する。
例えば、睡眠判定部34は、特徴量演算部33により演算された座標点の変動量におけるヒストグラムの統計量が小さいほど睡眠状態が深いとして睡眠段階を判定する。
具体的には、睡眠段階S0、S1を判別する統計量しきい値、睡眠段階S1、S2を判別する統計量しきい値、睡眠段階S2、S3を判別する統計量しきい値、睡眠段階S3、S4を判別する統計量しきい値を予め設定しておき、特徴量演算部33により演算された統計量の値を統計量しきい値を比較することにより、被験者の睡眠段階が判定される。
次に、本実施形態に係る睡眠判定装置の動作を説明する。
まず、図1において、心拍検出部2により被験者の心拍信号が検出される。そして、この心拍信号に基づいて図4の睡眠判定処理により被験者の睡眠段階の判定が行われる。
そして、図4に示すように、心拍信号の読み込み処理、差分演算処理、リターンマップ生成処理が行われる(S10、S12、S14)。これらの処理は、第一実施形態に説明した処理と同様に行われる。
そして、S16に移行し、特徴量演算処理が行われる。特徴量演算処理は、S14のリターンマップ生成処理により生成されたリターンマップの特徴量を演算する処理である。リターンマップの特徴量として、座標点の変動量のヒストグラムにおける統計量が演算される。例えば、リターンマップを構成する座標点の変動量(ステップサイズ)が演算され、今回演算された座標点の変動量と過去に演算された所定回数の座標点の変動量(例えば過去30回分の変動量)について、図10に示すようなヒストグラムが生成され、そのヒストグラムの統計量が演算される。
そして、図4のS18に移行し、睡眠段階判定処理が行われる。睡眠段階判断処理は、S16にて演算されたリターンマップの特徴量に基づいて被験者の睡眠段階を判定する処理である。例えば、S16にて演算された座標点の変動量のヒストグラムの統計量が小さいほど睡眠状態が深いとして睡眠段階が判定される。
具体的に説明すると、演算されたヒストグラムの統計量の値と予め設定された統計量しきい値が比較される。そして、演算されたヒストグラムの統計量の値が睡眠段階S0、S1を判別する統計量しきい値より大きい場合は、被験者の睡眠段階がS0であると判定される。
演算されたヒストグラムの統計量の値が睡眠段階S0、S1を判別する統計量しきい値以下であり睡眠段階S1、S2を判別する統計量しきい値より大きい場合は、被験者の睡眠段階がS1であると判定される。演算されたヒストグラムの統計量の値が睡眠段階S1、S2を判別する統計量しきい値以下であり睡眠段階S2、S3を判別する統計量しきい値より大きい場合は、被験者の睡眠段階がS2であると判定される。
演算されたヒストグラムの統計量の値が睡眠段階S2、S3を判別する統計量しきい値以下であり睡眠段階S3、S4を判別する統計量しきい値より大きい場合は、被験者の睡眠段階がS3であると判定される。演算されたヒストグラムの統計量の値が睡眠段階S3、S4を判別する統計量しきい値以下である場合は、被験者の睡眠段階がS4であると判定される。そして、S18の睡眠段階判定処理を終えたら、一連の制御処理を終了する。
以上のように、本実施形態に係る睡眠判定装置によれば、第一実施形態に係る睡眠判定装置と同様に、被験者の心拍周期を座標値とする座標点を心拍ごとに繰り返し演算してリターンマップを生成し、そのリターンマップの特徴量に基づいて被験者の睡眠段階を判定することにより、睡眠段階に応じて変化する心拍周期の特徴量を用いて被験者の睡眠段階を精度よく判定することができる。
また、本実施形態に係る睡眠判定装置においては、リターンマップの座標点の変動量の分布状態(ヒストグラム)の統計量を演算し、その統計量が小さいほど睡眠状態が深いとして睡眠段階を判定することにより、睡眠段階によって変化する心拍周期のリターンマップの座標点の変動状態を用いて、被験者の睡眠段階を精度よく判定することができる。
図11は、睡眠段階ごとのリターンマップの座標点の変動量のヒストグラムを示したものである。図11(a)は睡眠段階S0におけるリターンマップの座標点の変動量のヒストグラム、図11(b)は睡眠段階S1におけるリターンマップの座標点の変動量のヒストグラム、図11(c)は睡眠段階S2におけるリターンマップの座標点の変動量のヒストグラム、図11(d)は睡眠段階S3におけるリターンマップの座標点の変動量のヒストグラム、図11(e)は睡眠段階S4におけるリターンマップの座標点の変動量のヒストグラムである。
この図11(a)〜(e)のヒストグラムを見ると、睡眠段階S0からS4へ行くほどヒストグラムの左右対称性が高くなることが分かる。このため、ヒストグラムの非対称性を示す指標となるヒストグラムの統計量に基づいて睡眠段階の判定を行うことにより、精度の高い睡眠段階の判定が行える。
なお、本実施形態では、リターンマップの座標点の変動量における分布状態の統計量に基づいて被験者の睡眠段階を判定する場合について説明したが、リターンマップの座標点の変動量における分布状態の尖度に基づいて被験者の睡眠段階を判定してもよい。
図11を見ると、睡眠段階S0からS4へ行くほど変動量の分布状態(ヒストグラム)の尖度が高くなることが分かる。このため、ヒストグラムの尖度が高いほど被験者の睡眠状態が深いとして睡眠段階の判定を行うことができる。
(第三実施形態)
(第三実施形態)
次に本発明の第三実施形態に係る睡眠判定装置について説明する。
本実施形態に係る睡眠判定装置は、図1に示す第一実施形態に係る睡眠判定装置とほぼ同様な構成を備え、図4に示す第一実施形態に係る睡眠判定装置とほぼ同様な睡眠判定処理を実行するものであって、リターンマップの座標点の集積度に基づいて睡眠段階の判定を行う点で、座標点の変動量のバラツキに基づいて睡眠段階の判定を行う第一実施形態に係る睡眠判定装置と異なっている。
すなわち、本実施形態に係る睡眠判定装置は、被験者の心拍に基づいて心拍ごとの心拍周期を演算し、連続して演算された二つの心拍周期の値を座標値とする座標点を繰り返し演算し、座標点の集積度を特徴量として演算し、その座標点の集積度が高いほど睡眠状態が深いとして睡眠段階を判定するものである。
本実施形態に係る睡眠判定装置は、図1に示す第一実施形態に係る睡眠判定装置と同様に、心拍検出部2、ECU3及び出力部4を備えて構成される。心拍検出部2及び出力部4は、第一実施形態に係る睡眠判定装置と同様なものが用いられる。本実施形態に係る睡眠判定装置のECU3は、特徴量演算部33と睡眠判定部34の機能が第一実施形態に係る睡眠判定装置のものと異なっている。
特徴量演算部33は、リターンマップ生成部32により生成されたリターンマップの特徴量を演算するものであって、特徴量演算手段と機能するものである。この特徴量演算部33は、リターンマップの特徴量として、座標点の集積度を演算する。
例えば、図12に示すように、リターンマップを構成する複数の座標点pが演算され、それらの座標点pについて重心位置Gが演算され、その重心位置Gを中心とする所定の半径の円Cの内部に含まれる座標点pの数が座標点の集積度として演算される。円Cの半径は、睡眠段階を判別しやすい大きさに設定され、実際の座標点データの分布状態に応じて設定することが好ましい。
なお、座標点の集積度の度合いを算出することができれば、座標点の集積度の算出の仕方は上述したものに限られるものではない。例えば、所定の数の座標点を含む円の半径に応じて集積度を算出するなどしてもよい。
睡眠判定部34は、リターンマップの特徴量に基づいて被験者の睡眠段階を判定するものであって、リターンマップの座標点の集積度が高いほど睡眠状態が深いとして被験者の睡眠段階を判定する。
例えば、睡眠段階S0、S1を判別する集積しきい値、睡眠段階S1、S2を判別する集積しきい値、睡眠段階S2、S3を判別する集積しきい値、睡眠段階S3、S4を判別する集積しきい値が予め設定され、特徴量演算部33により演算された集積度の値と集積しきい値を比較することにより、被験者の睡眠段階が判定される。
次に、本実施形態に係る睡眠判定装置の動作を説明する。
まず、図1において、心拍検出部2により被験者の心拍信号が検出される。そして、この心拍信号に基づいて図4の睡眠判定処理により被験者の睡眠段階の判定が行われる。
そして、図4に示すように、心拍信号の読み込み処理、差分演算処理、リターンマップ生成処理が行われる(S10、S12、S14)。これらの処理は、第一実施形態に説明した処理と同様に行われる。
そして、S16に移行し、特徴量演算処理が行われる。特徴量演算処理は、S14のリターンマップ生成処理により生成されたリターンマップの特徴量を演算する処理である。リターンマップの特徴量として、座標点の集積度が演算される。
例えば、図12に示すように、リターンマップを構成する複数の座標点pが演算され、それらの座標点pについて重心位置Gが演算され、その重心位置Gを中心とする所定の半径の円Cの内部に含まれる座標点pの数が座標点の集積度として演算される。このとき、座標点pとしては、例えば所定時間内に演算されたもの又は所定回数演算されたものが用いられる。
なお、座標点の集積度の度合いを算出することができれば、座標点の集積度の算出の仕方は上述したものに限られるものではない。例えば、所定の数の座標点を含む円の半径に応じて集積度を算出するなどしてもよい。
そして、図4のS18に移行し、睡眠段階判定処理が行われる。睡眠段階判断処理は、S16にて演算されたリターンマップの特徴量に基づいて被験者の睡眠段階を判定する処理である。例えば、S16にて演算された座標点の集積度が高いほど睡眠状態が深いとして睡眠段階が判定される。
具体的には、図12に示すように、重心位置Gを中心とする所定の半径の円Cの内部に含まれる座標点pの数と集積しきい値を比較し、被験者の睡眠段階が判定される。そして、S18の睡眠段階判定処理を終えたら、一連の制御処理を終了する。
以上のように、本実施形態に係る睡眠判定装置によれば、第一実施形態に係る睡眠判定装置と同様に、被験者の心拍周期を座標値とする座標点を心拍ごとに繰り返し演算してリターンマップを生成し、そのリターンマップの特徴量に基づいて被験者の睡眠段階を判定することにより、睡眠段階に応じて変化する心拍周期の特徴量を用いて被験者の睡眠段階を精度よく判定することができる。
また、本実施形態に係る睡眠判定装置においては、リターンマップの座標点の集積度を演算し、その集積度が小さいほど睡眠状態が深いとして睡眠段階を判定することにより、睡眠段階によって変化する心拍周期のリターンマップの座標点の変動状態を用いて、被験者の睡眠段階を精度よく判定することができる。
すなわち、図5〜9のリターンマップを見ると、睡眠状態がS0からS4へ深くなるに連れてリターンマップの座標点の集積度が徐々に高くなることが分かる。このため、リターンマップの座標点の集積度に基づいて睡眠段階を判定することにより、被験者の睡眠段階を精度よく判定することができる。
(第四実施形態)
(第四実施形態)
次に本発明の第四実施形態に係る睡眠判定装置について説明する。
本実施形態に係る睡眠判定装置は、図1に示す第一実施形態に係る睡眠判定装置とほぼ同様な構成を備え、図4に示す第一実施形態に係る睡眠判定装置とほぼ同様な睡眠判定処理を実行するものであって、リターンマップにおいて連続する三つの座標点により形成される三角形の重心位置の変動量に基づいて睡眠段階の判定を行う点で、座標点の変動量のバラツキに基づいて睡眠段階の判定を行う第一実施形態に係る睡眠判定装置と異なっている。
すなわち、本実施形態に係る睡眠判定装置は、被験者の心拍に基づいて心拍ごとの心拍周期を演算し、連続して演算された二つの心拍周期の値を座標値とする座標点を繰り返し演算し、連続する三つの座標点により形成される三角形の重心位置の変動量を特徴量として演算し、その重心位置の変動量が小さいほど睡眠状態が深いとして睡眠段階を判定するものである。
本実施形態に係る睡眠判定装置は、図1に示す第一実施形態に係る睡眠判定装置と同様に、心拍検出部2、ECU3及び出力部4を備えて構成される。心拍検出部2及び出力部4は、第一実施形態に係る睡眠判定装置と同様なものが用いられる。本実施形態に係る睡眠判定装置のECU3は、特徴量演算部33と睡眠判定部34の機能が第一実施形態に係る睡眠判定装置のものと異なっている。
特徴量演算部33は、リターンマップ生成部32により生成されたリターンマップの特徴量を演算するものであって、特徴量演算手段と機能するものである。この特徴量演算部33は、リターンマップの特徴量として、リターンマップにおいて連続する三つの座標点により形成される三角形の重心位置の変動量を演算する。
例えば、図13に示すように、リターンマップにおいて連続して演算される三つの座標点p1〜p3の座標値に基づいてその三つの座標点p1〜p3により形成される三角形の重心座標が演算される。そして、次の座標点p4が演算されると、三つの座標点p2〜p4の座標値に基づいて三つの座標点p2〜p4により形成される三角形の重心座標が演算される。そして、三角形の重心位置が演算されるごとに前回演算された重心位置からの変動量が特徴量として演算される。
睡眠判定部34は、リターンマップの特徴量に基づいて被験者の睡眠段階を判定するものであって、リターンマップにおける三つの座標点により形成される三角形の重心位置の変動量が小さいほど睡眠状態が深いとして睡眠段階を判定するものである。
次に、本実施形態に係る睡眠判定装置の動作を説明する。
まず、図1において、心拍検出部2により被験者の心拍信号が検出される。そして、この心拍信号に基づいて図4の睡眠判定処理により被験者の睡眠段階の判定が行われる。
そして、図4に示すように、心拍信号の読み込み処理、差分演算処理、リターンマップ生成処理が行われる(S10、S12、S14)。これらの処理は、第一実施形態に説明した処理と同様に行われる。
そして、S16に移行し、特徴量演算処理が行われる。特徴量演算処理は、S14のリターンマップ生成処理により生成されたリターンマップの特徴量を演算する処理である。リターンマップの特徴量として、リターンマップにおいて連続する三つの座標点により形成される三角形の重心位置の変動量が演算される。
例えば、図13に示すように、リターンマップにおいて連続して演算される三つの座標点p1〜p3の座標値に基づいてその三つの座標点p1〜p3により形成される三角形の重心座標が演算される。そして、次の座標点p4が演算されると、三つの座標点p2〜p4の座標値に基づいて三つの座標点p2〜p4により形成される三角形の重心座標が演算される。このように、三角形の重心位置が演算されるごとに前回演算された重心位置からの変動量が特徴量として演算される。
そして、図4のS18に移行し、睡眠段階判定処理が行われる。睡眠段階判断処理は、S16にて演算されたリターンマップの特徴量に基づいて被験者の睡眠段階を判定する処理である。例えば、S16にて演算された三角形の重心位置の変動量が小さいほど睡眠状態が深いとして睡眠段階が判定される。
例えば、所定時間内の三角形の重心位置の変動量又は所定回数の三角形の重心位置の変動量をヒストグラムとし、三角形の重心位置の変動量の分布状態に基づいてその変動量が小さいほど睡眠状態が深いと判定する。また、所定時間内の三角形の重心位置の変動量又は所定回数の三角形の重心位置の変動量について平均値を算出し、その平均値を予め設定されるしきい値と比較して睡眠段階を判定してもよい。そして、S18の睡眠段階判定処理を終えたら、一連の制御処理を終了する。
以上のように、本実施形態に係る睡眠判定装置によれば、第一実施形態に係る睡眠判定装置と同様に、被験者の心拍周期を座標値とする座標点を心拍ごとに繰り返し演算してリターンマップを生成し、そのリターンマップの特徴量に基づいて被験者の睡眠段階を判定することにより、睡眠段階に応じて変化する心拍周期の特徴量を用いて被験者の睡眠段階を精度よく判定することができる。
また、本実施形態に係る睡眠判定装置においては、リターンマップにおいて連続する三つの座標点により形成される三角形の重心位置の変動量を演算し、その変動量が小さいほど睡眠状態が深いとして睡眠段階を判定することにより、睡眠段階によって変化する心拍周期のリターンマップの座標点の変動状態を用いて、被験者の睡眠段階を精度よく判定することができる。
すなわち、図5〜9のリターンマップを見ると、睡眠状態がS0からS4へ深くなるに連れてリターンマップの座標点により形成される三角形の重心位置の変動量が徐々に小さくなることが分かる。このため、リターンマップの座標点により形成される三角形の重心位置の変動量に基づいて睡眠段階を判定することにより、被験者の睡眠段階を精度よく判定することができる。
(第五実施形態)
(第五実施形態)
次に本発明の第五実施形態に係る睡眠判定装置について説明する。
本実施形態に係る睡眠判定装置は、図1に示す第一実施形態に係る睡眠判定装置とほぼ同様な構成を備え、図4に示す第一実施形態に係る睡眠判定装置とほぼ同様な睡眠判定処理を実行するものであって、被験者の心拍周期の差分値を演算し、連続して演算された二つの差分値を座標値とする座標点を繰り返し演算し、連続して演算される三つの座標点により形成される三角形の頂点の変動量を特徴量として演算し、演算された三角形の頂点の変動量が小さいほど睡眠状態が深いとして睡眠段階を判定するものである。
本実施形態に係る睡眠判定装置は、図1に示す第一実施形態に係る睡眠判定装置と同様に、心拍検出部2、ECU3及び出力部4を備えて構成される。心拍検出部2及び出力部4は、第一実施形態に係る睡眠判定装置と同様なものが用いられる。本実施形態に係る睡眠判定装置のECU3は、差分演算部31、リターンマップ生成部32、特徴量演算部33、睡眠判定部34及びデータベース35を備えている。
差分演算部31は、心拍検出部2から出力される心拍信号に基づいて心拍ごとの心拍周期の前後の差分値を演算する差分演算手段と機能するものである。
例えば、図2に示すように、心拍検出部2から所定の周期でR波を生ずる心拍信号が入力される。この心拍信号を信号処理することによってR波が抽出され、R波とR波の時間X(RRI)が一つの心拍周期として演算され、連続して心拍周期X0、X1、…、Xnが演算される。
そして、図14に示すように、心拍周期の前後の差分値X0(1)、X1(1)…が演算される。心拍周期の差分値Xk(1)は、次の式(1)により算出される。
Xk(1)=Xk+1−Xk … (1)
Xk+1、Xkは、連続して演算される心拍周期の値である。このXk+1、Xkの差として、Xk(1)が演算される。
図1において、リターンマップ生成部32は、差分演算部31により演算された心拍周期の差分値について、連続して演算された二つの値を座標値とする座標点を繰り返し演算してリターンマップを生成するものであって、リターンマップ生成手段として機能するものである。
図15は、連続して得られた心拍周期Xk−1(1)、Xk(1)を座標値(パラメータ)とする座標点からなる心拍周期の差分値(1次差分値)のリターンマップの一例を示したものである。例えば、Xk−1(1)を横軸の座標値とし、Xk(1)を縦軸の座標値とする座標点pをプロットして心拍周期のリターンマップが生成される。このとき、予め設定された所定時間(例えば、計測時間30秒)における心拍周期の差分値についてリターンマップを生成すればよい。図15において、座標点p、pの間の線分Lは、座標点pの推移を示すものである。
なお、このリターンマップ生成部32において、連続して演算された二つの心拍周期の差分値を座標値とする座標点を繰り返し演算するものであれば、その座標点をリターンマップとしてプロットしない場合もある。例えば、連続して演算された二つの差分値を座標値とする座標点を繰り返し演算した座標点のデータが実質的にリターンマップとして機能する場合、複数の座標軸を有するリターンマップの形で生成しなくてもよい。
図1において、特徴量演算部33は、リターンマップ生成部32により生成されたリターンマップの特徴量を演算するものであって、特徴量演算手段と機能するものである。リターンマップの特徴量として、リターンマップにおいて連続して演算される三つの座標点により形成される三角形の頂点の変動量が演算される。
例えば、三つの座標点のpk、pk+1、pk+2を頂点とする三角形において、各頂点の座標値をpk(Xk、Xk+1)、pk+1(Xk+1、Xk+2)、pk+2(Xk+2、Xk+3)とすると、三角形の頂点の変動量Zは、次の式(2)により演算される。
この式(2)において、iは演算時の現時点を示す数値である。この式(2)は、30個の座標値を演算した際の変動量Zを算出した場合の数式を示したものである。なお、三角形の頂点の変動量の演算の仕方は、上述したものに限られるものではない。
睡眠判定部34は、リターンマップの特徴量に基づいて被験者の睡眠段階を判定するものであって、睡眠判定手段として機能するものである。例えば、睡眠判定部34は、特徴量演算部33により演算された三角形の頂点の変動量が小さいほど睡眠状態が深いとして睡眠段階を判定する。例えば、式(2)により算出された変動量Zに応じて被験者の睡眠段階が判定される。このとき、睡眠段階を判定するための判定しきい値を予め設定しておくことが好ましい。
また、睡眠判定の手法として、三角形の頂点の変動量のヒストグラムを生成し、そのヒストグラムの位置と形状によって睡眠段階の判定を行ってもよい。この場合、三角形の頂点の変動量の分布状態を加味して睡眠段階の判定を行えるため、より精度のよい睡眠段階の判定が行える。
次に、本実施形態に係る睡眠判定装置の動作を説明する。
まず、図1において、心拍検出部2により被験者の心拍信号が検出される。そして、この心拍信号に基づいて図4の睡眠判定処理により被験者の睡眠段階の判定が行われる。
そして、図4に示すように、心拍信号の読み込み処理が行われる(S10)。これらの処理は、第一実施形態に説明した処理と同様に行われる。
そして、S12に移行し、差分演算処理が行われる。差分演算処理は、心拍信号に基づいて心拍ごとの心拍周期の差分値を演算する処理である。例えば、心拍信号からR波を検出し、繰り返し検出されるR波とR波の間の時間として心拍周期を算出し、連続して算出される心拍周期の差として差分値が演算される。
そして、S14に移行し、リターンマップ生成処理が行われる。リターンマップ生成処理は、S12の差分演算処理により連続して演算された二つの心拍周期の差分値を座標値とする座標点を繰り返し演算してリターンマップを生成する処理である。
そして、S16に移行し、特徴量演算処理が行われる。特徴量演算処理は、S14のリターンマップ生成処理により生成されたリターンマップの特徴量を演算する処理である。リターンマップの特徴量として、リターンマップにおいて連続して演算される三つの座標点により形成される三角形の頂点の変動量が演算される。演算された座標点の変動量は、データベース35に記録される。三角形の頂点の変動量は、心拍信号の入力されるごとに演算され、随時データベースに記録される。
そして、S18に移行し、睡眠段階判定処理が行われる。睡眠段階判断処理は、S16にて演算されたリターンマップの特徴量に基づいて被験者の睡眠段階を判定する処理である。例えば、S16にて演算された三角形の頂点の変動量が小さいほど睡眠状態が深いとして睡眠段階が判定される。そして、S18の睡眠段階判定処理を終えたら、一連の制御処理を終了する。
以上のように、本実施形態に係る睡眠判定装置によれば、被験者の心拍周期の差分値を座標値とする座標点を心拍ごとに繰り返し演算してリターンマップを生成し、そのリターンマップの特徴量に基づいて被験者の睡眠段階を判定することにより、睡眠段階に応じて変化する心拍周期の差分値の特徴量を用いて被験者の睡眠段階を精度よく判定することができる。
また、本実施形態に係る睡眠判定装置においては、リターンマップにおいて連続して演算される三つの座標点により形成される三角形の頂点の変動量を演算し、その変動量が小さいほど睡眠状態が深いとして睡眠段階を判定することにより、睡眠段階によって変化する心拍周期の差分値のリターンマップの座標点の変動状態を用いて、被験者の睡眠段階を精度よく判定することができる。
図16〜20は、被験者の心拍周期の差分値のリターンマップ(1次リターンマップ:心拍周期の1次差分のリターンマップ)を睡眠段階S0〜S4ごとに示したものである。図16は覚醒状態の睡眠段階S0のリターンマップ、図17は睡眠段階S1のリターンマップ、図18は睡眠段階S2のリターンマップ、図19は睡眠段階S3のリターンマップ、図20は睡眠段階S4のリターンマップである。この図16〜20において、横軸のXk−1(1)は心拍周期の差分値の前回値であり、縦軸のXk(1)は心拍周期の差分値の今回値である。また、図16〜20において、座標点のみならず、座標点から次回値の座標点への線分も図示している。
図16〜20に示されるように、睡眠段階がS0からS4へ深くなるに連れて、連続する三つの座標点により形成される三角形の頂点が所定の箇所に集まってくる。つまり、睡眠状態がS0からS4へ深くなるほど、三角形の頂点の変動量が小さくなることが分かる。
このため、被験者の心拍周期の差分値についてリターンマップを生成し座標点により形成される三角形の頂点の変動量を演算することにより、その変動量に応じて睡眠段階を精度よく判定することが可能となる。
また、本実施形態に係る睡眠判定装置においては、被験者の心拍状態のみに基づいて判定するため、心電図や呼吸のデータがなくても被験者の睡眠段階を判定が可能である。
さらに、心拍信号を受けるごとに心拍周期の差分値を更新してリアルタイムで被験者の睡眠段階を判定することができる。
(第六実施形態)
(第六実施形態)
次に本発明の第六実施形態に係る睡眠判定装置について説明する。
本実施形態に係る睡眠判定装置は、図1に示す第一実施形態に係る睡眠判定装置とほぼ同様な構成を備え、図4に示す第一実施形態に係る睡眠判定装置とほぼ同様な睡眠判定処理を実行するものであって、被験者の心拍周期の差分値を演算し、連続して演算された二つの差分値を座標値とする座標点を繰り返し演算し、連続して演算される三つの座標点により形成される三角形の辺の傾きのバラツキを特徴量として演算し、演算された三角形の辺の傾きのバラツキが小さいほど睡眠状態が深いとして睡眠段階を判定するものである。
本実施形態に係る睡眠判定装置は、図1に示す第一実施形態に係る睡眠判定装置と同様に、心拍検出部2、ECU3及び出力部4を備えて構成される。心拍検出部2及び出力部4は、第一実施形態に係る睡眠判定装置と同様なものが用いられる。本実施形態に係る睡眠判定装置のECU3は、差分演算部31、リターンマップ生成部32、特徴量演算部33、睡眠判定部34及びデータベース35を備えている。
差分演算部31及びリターンマップ生成部32は、第五実施形態に係る睡眠判定装置と同様なものが用いられる。
特徴量演算部33は、リターンマップ生成部32により生成されたリターンマップの特徴量を演算するものであって、特徴量演算手段と機能するものである。リターンマップの特徴量として、リターンマップにおいて連続して演算される三つの座標点により形成される三角形の辺の傾きのバラツキ量が演算される。
例えば、リターンマップの座標点が演算されるごとに座標点から座標点への傾きを演算していき、図21に示すように、所定時間又は所定演算回数における傾きデータのヒストグラムを生成する。このヒストグラムにおいて三峰性が表れるので、この三峰性が際立つ度合いに応じて三角形の辺の傾きのバラツキ量を演算すればよい。この三峰性が際立つ度合いが大きいほど三角形の辺の傾きのバラツキ量が小さくなることとなる。なお、三角形の辺の傾きのバラツキ量の演算の仕方は、上述したものに限られるものではない。
睡眠判定部34は、リターンマップの特徴量に基づいて被験者の睡眠段階を判定するものであって、睡眠判定手段として機能するものである。例えば、睡眠判定部34は、特徴量演算部33により演算された三角形の辺の傾きのバラツキ量が小さいほど睡眠状態が深いとして睡眠段階を判定する。例えば、睡眠段階を判定するための判定しきい値を予め設定しておき、そのしきい値と三角形の辺の傾きのバラツキ量を大小比較することにより、睡眠段階を判定すればよい。
次に、本実施形態に係る睡眠判定装置の動作を説明する。
まず、図1において、心拍検出部2により被験者の心拍信号が検出される。そして、この心拍信号に基づいて図4の睡眠判定処理により被験者の睡眠段階の判定が行われる。
そして、図4に示すように、心拍信号の読み込み処理が行われる(S10)。これらの処理は、第一実施形態に説明した処理と同様に行われる。
そして、差分演算処理、リターンマップ生成処理が順次行われる(S12、S14)。この差分演算処理及びリターンマップ生成処理は、第五実施形態に係る睡眠判定装置と同様に行えばよい。
そして、S16に移行し、特徴量演算処理が行われる。特徴量演算処理は、S14のリターンマップ生成処理により生成されたリターンマップの特徴量を演算する処理である。リターンマップの特徴量として、リターンマップにおいて連続して演算される三つの座標点により形成される三角形の辺の傾きのバラツキ量が演算される。演算された三角形の辺の傾きのバラツキ量は、データベース35に記録される。三角形の辺の傾きのバラツキ量は、心拍信号の入力されるごとに演算され、随時データベースに記録される。
そして、S18に移行し、睡眠段階判定処理が行われる。睡眠段階判断処理は、S16にて演算されたリターンマップの特徴量に基づいて被験者の睡眠段階を判定する処理である。例えば、S16にて演算された三角形の辺の傾きのバラツキ量が小さいほど睡眠状態が深いとして睡眠段階が判定される。そして、S18の睡眠段階判定処理を終えたら、一連の制御処理を終了する。
以上のように、本実施形態に係る睡眠判定装置によれば、被験者の心拍周期の差分値を座標値とする座標点を心拍ごとに繰り返し演算してリターンマップを生成し、そのリターンマップの特徴量に基づいて被験者の睡眠段階を判定することにより、睡眠段階に応じて変化する心拍周期の差分値の特徴量を用いて被験者の睡眠段階を精度よく判定することができる。
また、本実施形態に係る睡眠判定装置においては、リターンマップにおいて連続して演算される三つの座標点により形成される三角形の辺の傾きのバラツキ量を演算し、そのバラツキ量が小さいほど睡眠状態が深いとして睡眠段階を判定することにより、睡眠段階によって変化する心拍周期の差分値のリターンマップの座標点の変動状態を用いて、被験者の睡眠段階を精度よく判定することができる。
すなわち、図16〜20に示されるように、睡眠段階がS0からS4へ深くなるに連れて、連続する三つの座標点により形成される三角形の辺の傾きのバラツキが小さくなることが分かる。
このため、被験者の心拍周期の差分値についてリターンマップを生成し座標点により形成される三角形の辺の傾きのバラツキ量を演算することにより、そのバラツキ量に応じて睡眠段階を精度よく判定することが可能となる。
なお、上述した各実施形態は本発明に係る睡眠判定装置の実施形態を説明したものであり、本発明に係る睡眠判定装置は本実施形態に記載したものに限定されるものではない。本発明に係る睡眠判定装置は、各請求項に記載した要旨を変更しないように実施形態に係る睡眠判定装置を変形し、又は他のものに適用したものであってもよい。
例えば、実施形態においては、被験者が車両の運転者である場合について説明したが、被験者が車両の運転者以外の者であってもよく、車両に乗車していないものであってもよい。
1…睡眠判定装置、2…心拍検出部、3…ECU、4…出力部、31…差分演算部、32…リターンマップ生成部、33…ヒストグラム生成部、34…睡眠判定部、35…データベース。
Claims (7)
- 被験者の心拍を取得する心拍取得手段と、
前記心拍取得手段により取得された心拍に基づいて心拍ごとの心拍周期、その心拍周期の前後の差分値、又はその差分値の前後の差分値について、少なくとも一つを演算する差分演算手段と、
前記差分演算手段により演算された心拍周期及び差分値について、連続して演算された二つの値を座標値とする座標点を繰り返し演算してリターンマップを生成するリターンマップ生成手段と、
前記リターンマップ生成手段により生成されたリターンマップの特徴量を演算する特徴量演算手段と、
前記特徴量演算手段により演算された特徴量に基づいて前記被験者の睡眠段階を判定する睡眠判定手段と、
を備えた睡眠判定装置。 - 前記差分演算手段は、前記心拍取得手段により取得された心拍に基づいて心拍ごとの心拍周期を演算し、
前記リターンマップ生成手段は、前記差分演算手段により連続して演算された二つの心拍周期の値を座標値とする座標点を繰り返し演算し、
前記特徴量演算手段は、前記リターンマップ生成手段により演算される座標点の変動量を前記特徴量として演算し、
前記睡眠判定手段は、前記特徴量演算手段により演算された前記座標点の変動量のバラツキが小さいほど睡眠状態が深いとして睡眠段階を判定する、
請求項1に記載の睡眠判定装置。 - 前記差分演算手段は、前記心拍取得手段により取得された心拍に基づいて心拍ごとの心拍周期を演算し、
前記リターンマップ生成手段は、前記差分演算手段により連続して演算された二つの心拍周期の値を座標値とする座標点を繰り返し演算し、
前記特徴量演算手段は、前記リターンマップ生成手段により演算される座標点の変動量を前記特徴量として演算し、
前記睡眠判定手段は、前記特徴量演算手段により演算された前記座標点の変動量のヒストグラムにおける歪度が小さいほど睡眠状態が深いとして睡眠段階を判定する、
請求項1に記載の睡眠判定装置。 - 前記差分演算手段は、前記心拍取得手段により取得された心拍に基づいて心拍ごとの心拍周期を演算し、
前記リターンマップ生成手段は、前記差分演算手段により連続して演算された二つの心拍周期の値を座標値とする座標点を繰り返し演算し、
前記特徴量演算手段は、前記リターンマップ生成手段により演算される複数の座標点における集積度を前記特徴量として演算し、
前記睡眠判定手段は、前記特徴量演算手段により演算された前記座標点の集積度が高いほど睡眠状態が深いとして睡眠段階を判定する、
請求項1に記載の睡眠判定装置。 - 前記差分演算手段は、前記心拍取得手段により取得された心拍に基づいて心拍ごとの心拍周期を演算し、
前記リターンマップ生成手段は、前記差分演算手段により連続して演算された二つの心拍周期の値を座標値とする座標点を繰り返し演算し、
前記特徴量演算手段は、前記リターンマップ生成手段により連続して演算される三つの座標点により形成される三角形の重心位置の変動量を前記特徴量として繰り返し演算し、
前記睡眠判定手段は、前記特徴量演算手段により演算された前記三角形の重心位置の変動量が小さいほど睡眠状態が深いとして睡眠段階を判定する、
請求項1に記載の睡眠判定装置。 - 前記差分演算手段は、前記心拍取得手段により取得された心拍に基づいて心拍ごとの心拍周期の前後の差分値を演算し、
前記リターンマップ生成手段は、前記差分演算手段により連続して演算された二つの差分値を座標値とする座標点を繰り返し演算し、
前記特徴量演算手段は、前記リターンマップ生成手段により連続して演算される三つの座標点により形成される三角形の頂点の変動量を前記特徴量として演算し、
前記睡眠判定手段は、前記特徴量演算手段により演算された前記変動量が小さいほど睡眠状態が深いとして睡眠段階を判定する、
請求項1に記載の睡眠判定装置。 - 前記差分演算手段は、前記心拍取得手段により取得された心拍に基づいて心拍ごとの心拍周期の前後の差分値を演算し、
前記リターンマップ生成手段は、前記差分演算手段により連続して演算された二つの差分値を座標値とする座標点を繰り返し演算し、
前記特徴量演算手段は、前記リターンマップ生成手段により連続して演算される三つの座標点により形成される三角形の辺の傾きを前記特徴量として演算し、
前記睡眠判定手段は、前記特徴量演算手段により演算された前記三角形の辺の傾きのバラツキが小さいほど睡眠状態が深いとして睡眠段階を判定する、
請求項1に記載の睡眠判定装置。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2008328440A JP2010148605A (ja) | 2008-12-24 | 2008-12-24 | 睡眠判定装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2008328440A JP2010148605A (ja) | 2008-12-24 | 2008-12-24 | 睡眠判定装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
JP2010148605A true JP2010148605A (ja) | 2010-07-08 |
Family
ID=42568388
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2008328440A Pending JP2010148605A (ja) | 2008-12-24 | 2008-12-24 | 睡眠判定装置 |
Country Status (1)
Country | Link |
---|---|
JP (1) | JP2010148605A (ja) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US8594774B2 (en) | 2008-09-01 | 2013-11-26 | Toyota Jidosha Kabushiki Kaisha | Sleep determination device and sleep determination method |
CN103761032A (zh) * | 2013-12-31 | 2014-04-30 | 上海斐讯数据通信技术有限公司 | 一种用于移动终端的解锁方法及移动终端 |
-
2008
- 2008-12-24 JP JP2008328440A patent/JP2010148605A/ja active Pending
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US8594774B2 (en) | 2008-09-01 | 2013-11-26 | Toyota Jidosha Kabushiki Kaisha | Sleep determination device and sleep determination method |
CN103761032A (zh) * | 2013-12-31 | 2014-04-30 | 上海斐讯数据通信技术有限公司 | 一种用于移动终端的解锁方法及移动终端 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US8608671B2 (en) | Gait change determination device | |
EP2389109B1 (en) | Determining energy expenditure of a user | |
US7088250B2 (en) | Apparatus and method for estimating fatigue level | |
JP5417779B2 (ja) | 活動量計 | |
JP2006118909A (ja) | 歩行計 | |
US8594774B2 (en) | Sleep determination device and sleep determination method | |
WO2008035611A1 (fr) | Dispositif de traitement de données, procédé de traitement de données et programme de traitement de données | |
US20200110111A1 (en) | Method and system for characterizing, predicting, and optimizing movements of complex systems | |
JP5612627B2 (ja) | 身体能力判定装置及びデータ処理方法 | |
JP2010148605A (ja) | 睡眠判定装置 | |
JP2005087312A (ja) | 重心動揺計 | |
EP3659505A1 (en) | Most relevant x-ray image selection for hemodynamic simulation | |
JP2021003380A (ja) | 生体データ処理装置、生体データ計測システム、及びプログラム | |
JP2008220556A (ja) | 心拍測定システム及び方法 | |
CN106264478A (zh) | 监护***、体温监测仪及其人体体温数据处理方法及装置 | |
JP3600312B2 (ja) | エネルギー消費量測定装置 | |
JP2009028085A (ja) | 生体状態評価装置 | |
CN114340483B (zh) | 一种血压标定选择方法及其建模方法 | |
JP2018064759A (ja) | 覚醒状態判定装置、覚醒状態判定方法及びプログラム | |
JP2020141744A (ja) | 人の体格指数推定装置 | |
TWI555508B (zh) | 無氧閾心率偵測方法及系統 | |
JP2020174905A (ja) | 情報処理装置、危険状況検出システム、および危険状況検出方法 | |
JP5970712B2 (ja) | 生体情報測定回路、装置、プログラム及び方法 | |
JP2019063503A (ja) | 重心動揺解析装置及び方法 | |
JP6146519B2 (ja) | 生体情報測定装置、生体情報測定方法、及び生体情報測定システム |