JP2021026329A - 睡眠改善システム、睡眠改善方法、睡眠改善装置及びコンピュータプログラム - Google Patents
睡眠改善システム、睡眠改善方法、睡眠改善装置及びコンピュータプログラム Download PDFInfo
- Publication number
- JP2021026329A JP2021026329A JP2019141599A JP2019141599A JP2021026329A JP 2021026329 A JP2021026329 A JP 2021026329A JP 2019141599 A JP2019141599 A JP 2019141599A JP 2019141599 A JP2019141599 A JP 2019141599A JP 2021026329 A JP2021026329 A JP 2021026329A
- Authority
- JP
- Japan
- Prior art keywords
- sleep
- person
- unit
- lifestyle
- state
- 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
- Invalid Beds And Related Equipment (AREA)
- Medical Treatment And Welfare Office Work (AREA)
- Measurement Of The Respiration, Hearing Ability, Form, And Blood Characteristics Of Living Organisms (AREA)
Abstract
【課題】睡眠時の呼吸状態に応じて、睡眠を改善するために推奨される生活習慣を出力する睡眠改善システム、睡眠改善方法、睡眠改善装置及びコンピュータプログラムを提供する。【解決手段】人の睡眠を改善するためのシステムであって、人の睡眠時に人体の活動に応じて変動する生体信号を取得する取得部と、前記生体信号に基づいて前記人の睡眠時の呼吸状態を判定する判定部と、前記呼吸状態に応じて、前記人に推奨される生活習慣の情報を出力する出力部とを備えることを特徴とする睡眠改善システム。【選択図】図1
Description
本開示は、睡眠改善システム、睡眠改善方法、睡眠改善装置及びコンピュータプログラムに関する。
特許文献1には、心電図を記録するための心電信号を取得する取得部と、心電信号に基づいて人の呼吸状態を判定する判定部とを備え、人の睡眠時の呼吸状態を判定する装置が開示されている。
人の呼吸状態の1つとして、無呼吸の状態がある。一般的に無呼吸の状態とは10秒以上呼吸が休止している状態を表す。睡眠時に無呼吸の状態になることは人体に好ましくないため、無呼吸の状態を改善することが望ましい。特許文献1の装置を用いれば、人の呼吸状態が睡眠時に無呼吸の状態になっているか否かを知ることができる。しかし睡眠時に無呼吸の状態となっていることがわかったとしても、睡眠を改善することは困難である。
本開示は、睡眠時の呼吸状態に応じて、睡眠を改善するために推奨される生活習慣を出力する睡眠改善システム、睡眠改善方法、睡眠改善装置及びコンピュータプログラムを提供することを目的とする。
本開示に係る睡眠改善システムは、人の睡眠を改善するためのシステムであって、人の睡眠時に人体の活動に応じて変動する生体信号を取得する取得部と、前記生体信号に基づいて前記人の睡眠時の呼吸状態を判定する判定部と、前記呼吸状態に応じて、前記人に推奨される生活習慣の情報を出力する出力部とを備えることを特徴とする。
本開示に係る睡眠改善システムは、前記生体信号は、心電図を記録するための心電信号、及び人体の複数点の間のインピーダンスを示す信号の一方又は両方であることを特徴とする。
本開示に係る睡眠改善システムは、前記呼吸状態を表す呼吸データに応じて、予め定められた複数の生活習慣の情報の中から、前記推奨される生活習慣の情報を選択する選択部と、前記呼吸データを前記選択部へ送信し、前記選択部が選択した前記生活習慣の情報を受信する送受信部とを更に備え、前記出力部は、前記送受信部が受信した前記生活習慣の情報を出力することを特徴とする。
本開示に係る睡眠改善システムは、前記選択部は、前記呼吸データが入力された場合に前記複数の生活習慣の情報の夫々の推奨度を出力する学習モデルを含み、前記送受信部から送信された前記呼吸データを前記学習モデルへ入力し、前記学習モデルにより出力された推奨度に基づいて、前記推奨される生活習慣の情報を選択することを特徴とする。
本開示に係る睡眠改善システムは、睡眠時の前記人の姿勢を変化させるように動作する寝具と、前記生体信号に基づいて、前記呼吸状態が無呼吸の状態になることを予測する予測部と、前記呼吸状態が無呼吸の状態になることを前記予測部が予測した場合に、前記寝具を動作させる動作制御部とを更に備えることを特徴とする。
本開示に係る睡眠改善システムは、生活の内容の入力を受け付ける受付部と、前記生活の内容及び前記呼吸状態の履歴を記憶する記憶部と、前記履歴に応じて、次の睡眠時における前記人の呼吸状態の予報を行う予報部とを更に備えることを特徴とする。
本開示に係る睡眠改善システムは、前記人が睡眠を行う家屋内の環境を調整する調整部と、前記人の就寝時刻を設定する設定部と、前記就寝時刻に前記家屋内の環境が予め定められた環境になるように、前記調整部に前記家屋内の環境を段階的に調整させる環境制御部とを更に備えることを特徴とする。
本開示に係る睡眠改善方法は、人の睡眠を改善させる方法であって、人の睡眠時に人体の活動に応じて変動する生体信号を取得し、前記生体信号に基づいて前記人の睡眠時の呼吸状態を判定し、前記呼吸状態に応じて、前記人に推奨される生活習慣の情報を出力することを特徴とする。
本開示に係る睡眠改善装置は、人の睡眠を改善するための処理を行う装置であって、人の睡眠時に人体の活動に応じて変動する生体信号が入力される入力部と、前記生体信号に基づいて前記人の睡眠時の呼吸状態を判定する判定部と、前記呼吸状態に応じて、前記人に推奨される生活習慣の情報を出力する出力部とを備えることを特徴とする。
本開示に係るコンピュータプログラムは、コンピュータに、人の睡眠を改善するための処理を実行させるコンピュータプログラムであって、コンピュータに、人の睡眠時に取得され、人体の活動に応じて変動する生体信号に基づいて、前記人の睡眠時の呼吸状態を判定し、前記呼吸状態に応じて、前記人に推奨される生活習慣の情報を出力する処理を実行させることを特徴とする。
本開示においては、生体信号に基づいて、人の睡眠時の呼吸状態が判定される。呼吸状態に応じた推奨される生活習慣の情報が提案(出力)される。人は、提案された推奨される生活習慣の情報に従った生活を行うことにより、睡眠を改善することができる。
本開示においては、生体信号として心電信号、及びインピーダンスを示す信号の一方又は両方が用いられる。心電信号及びインピーダンスを示す信号は、無呼吸の状態と無呼吸でない状態とで特徴的な違いを有するので、呼吸状態の判定を良好に行うことができる。
本開示においては、複数の生活習慣の情報の中から、呼吸データに応じて、人に推奨される生活習慣の情報が選択される。人は、選択された生活習慣の情報に従った生活を行うことにより、効果的に睡眠を改善することができる。
本開示においては、呼吸データの入力により学習モデルによって出力された複数の生活習慣の情報の推奨度に基づいて、複数の生活習慣の情報の中から推奨される生活習慣の情報が選択される。人は、選択された生活習慣の情報に従った生活を行うことにより、より効果的に睡眠を改善することができる。
本開示においては、睡眠時の人の呼吸状態が無呼吸の状態になることを予測し、寝具を動作させて、睡眠時の人の姿勢を、例えば、仰向けの状態から横向きの状態に変化させる。人の呼吸状態が無呼吸の状態になることを防ぐこと、又は睡眠時における無呼吸の状態を軽減することができる。
本開示においては、生活の内容及び呼吸状態の履歴に応じて次の睡眠時の呼吸状態が予報される。次の睡眠時に無呼吸の状態になることが予報された場合、人は、次の睡眠の前に無呼吸の状態になることへの対策を行い、睡眠時に無呼吸の状態なることを防ぐこと、又は睡眠時における無呼吸の状態を軽減することができる。
本開示においては、家屋内の環境は、就寝時刻に予め定められた環境、例えば家屋内の温度が睡眠に適した温度になるように、段階的に調整される。人は、睡眠に適した環境で睡眠を行うことできる。家屋内の環境が段階的に睡眠に適した環境に調整されることにより、人は眠気を覚え、就寝時刻に就寝しやすい。
本開示によれば、睡眠時の呼吸状態に応じて、睡眠を改善するために推奨される生活習慣を出力することができる。
(実施の形態1)
以下、本発明の実施の形態を図面に基づき説明する。図1は、実施の形態1に係る睡眠改善システム100の構成を示す模式図である。睡眠改善システム100は、睡眠改善方法を実行する。本実施形態では、家屋7内において、人4が睡眠を行う例を主に説明する。家屋7は、例えば人4の自宅である。またホテル、又は病院等の建物であってもよい。睡眠改善システム100は、判定装置1と、人4の睡眠時に人体の活動に応じて変動する生体信号を取得するセンサ2と、選択装置3とを備える。本実施形態における睡眠時には、人4は厳密には眠っていなくてもよい。例えば人4が眠るために横になっている状態が、人4の睡眠時に含まれてもよい。詳細は後述するが、判定装置1は、人4の睡眠時の呼吸状態を判定する。選択装置3は、判定装置1が判定した呼吸状態を表す呼吸データに応じて、生活習慣の情報を選択する。
以下、本発明の実施の形態を図面に基づき説明する。図1は、実施の形態1に係る睡眠改善システム100の構成を示す模式図である。睡眠改善システム100は、睡眠改善方法を実行する。本実施形態では、家屋7内において、人4が睡眠を行う例を主に説明する。家屋7は、例えば人4の自宅である。またホテル、又は病院等の建物であってもよい。睡眠改善システム100は、判定装置1と、人4の睡眠時に人体の活動に応じて変動する生体信号を取得するセンサ2と、選択装置3とを備える。本実施形態における睡眠時には、人4は厳密には眠っていなくてもよい。例えば人4が眠るために横になっている状態が、人4の睡眠時に含まれてもよい。詳細は後述するが、判定装置1は、人4の睡眠時の呼吸状態を判定する。選択装置3は、判定装置1が判定した呼吸状態を表す呼吸データに応じて、生活習慣の情報を選択する。
判定装置1とセンサ2とは、互いに無線通信を行うように構成されており、互いに通信を行う。判定装置1とセンサ2とは、例えば、Bluetooth(登録商標)等の通信規格の通信を行う。判定装置1と選択装置3とは、インターネット等の通信ネットワークNを介して互いに通信可能である。判定装置1と選択装置3とは、無線通信を用いて互いに通信を行ってもよい。判定装置1とセンサ2とは、通信ネットワークNを介して、互いに通信を行ってもよい。
センサ2は、睡眠改善システム100を使用する人4の胸部に取り付けられ、人4の睡眠時における生体信号を取得する。生体信号は、例えば心電図を記録するための心電信号、及び人体の複数点の間のインピーダンスを示す信号の一方又は両方である。心電信号は、心臓の収縮に伴い心臓に生じる電気の電位を電気信号として取得したものである。インピーダンスを示す信号は、微弱な交流電流を人体の複数点の間に流し、人体の複数点の間の電気抵抗値(インピーダンス)を電気信号として取得したものである。
図2は、センサ2の内部構成を示すブロック図である。センサ2は、測定部21と、通信部22とを備える。通信部22は、判定装置1が備える通信部16と相互に無線通信を行う。測定部21は、例えば複数の電極と、電極と接続された電流計及び電圧計とを備える。測定部21は、人4の生体信号を取得する。生体信号として心電信号を取得する場合、測定部21は、人4の心臓に生じる電気の電位を測定し、電気信号として取得する。センサ2は、例えばECG(Electrocardiogram)センサである。
生体信号としてインピーダンスを示す信号を取得する場合、測定部21は、電極から人体の複数点の間に微弱な交流電流を流す。また、人体の複数点の間の電圧値を測定する。測定部21は、人体に流された電流値及び測定された電圧値に基づいてインピーダンスを導出する。電流値及び電圧値は、判定装置1へ送信されてもよい。判定装置1において、インピーダンスは導出される。2つの電極が電流の付与と電圧値の測定とを行う場合、測定された電圧値には、人体と電極との間の接触抵抗(入力インピーダンス)による電圧降下が含まれる。電流付与用の電極と、電圧値測定用の電極とが、異なる電極であると好ましい。センサ2は、例えば、電流付与用の2つの電極と、電圧値測定用の2つの電極とを備えていると好ましい。電流付与用の電極と電圧値測定用の電極とが異なる電極である場合、電圧値測定用の電極と人体との間の接触抵抗は、電圧計の内部抵抗に比べて小さく、無視できる。電流付与用の電極と人体との接触抵抗は、電圧値の測定に影響しない。従って入力インピーダンスの影響を排除した人体のインピーダンスを導出することができる。この電圧値の測定方法は、4端子法と呼ばれている。
センサ2は、人4の胸部以外に取り付けられてもよい。センサ2は、生体信号が取得可能である人体の部位に取り付けられていればよい。センサ2は、例えば、人4の首部に取り付けられてもよい。複数のセンサ2が、人体の複数の部位の夫々に取り付けられてもよい。センサ2は、取得した人4の生体信号を、通信部22を介して、判定装置1へ送信する。
図3は、判定装置1の内部構成を示すブロック図である。判定装置1は、スマートフォン、携帯電話機、タブレット端末又は可搬型のPC(Personal Computer)等の可搬型のコンピュータである。また、デスクトップPC等の据置型のコンピュータでもよい。判定装置1は、演算部11と、メモリ12と、不揮発性の記憶部13とを備えている。演算部11は、例えばCPU(Central Processing Unit)、GPU(Graphics Processing Unit)、又はマルチコアCPUを用いて構成されている。メモリ12は、例えばRAM(Random Access Memory)である。記憶部13は、例えばハードディスク又は不揮発性半導体メモリである。
更に判定装置1は、メッセージ、又は画像を表示する表示部14と、人4からの操作を受け付ける操作部15と、通信部16と、時計部17とを備えている。表示部14は、例えば液晶ディスプレイ又は有機ELディスプレイ(Electroluminescent Display)である。操作部15は、例えばキーボード又はタッチパネルである。表示部14と操作部15とは、一体化したタッチパネルで構成されていてもよい。通信部16は、無線通信により、通信ネットワークNを介して通信を行う。また、センサ2の通信部22と無線通信を行い、センサ2から送信された生体信号を受信する。すなわち生体信号が入力される。時計部17は、時刻を計測し、タイマとしても機能する。
記憶部13には、プログラム131が記憶されている。プログラム131はコンピュータプログラムである。判定装置1は、演算部11がプログラム131に従った処理を実行することによって、睡眠改善のための処理を実行する。例えば、プログラム131は、睡眠改善のためのアプリケーションプログラムである。判定装置1は、プログラム131を通信部16によりダウンロードする。ダウンロードされたプログラム131は記憶部13に記憶される。例えば、プログラム131は選択装置3からダウンロードされる。記憶部13に記憶されたプログラム131は、判定装置1が読み取り可能な記録媒体132から読み出されたプログラム131を記憶したものであってもよい。
記憶部13には、予定取得時間が記憶されている。予定取得時間は、睡眠時の人4の生体信号を取得する時間であり、例えば人4の操作部15の操作により入力された予定している睡眠時間である。例えば、予定取得時間が6時間である場合、生体信号の取得を開始した時点から6時間が経過するまでの間、一定の周期で生体信号が取得される。
演算部11は、通信部16により受信された生体信号に基づいて、後述の方法で人4の睡眠時の呼吸状態を判定し、呼吸状態を表す呼吸データを、通信部16を介して選択装置3へ送信する。また、通信部16により受信された後述する推奨される生活習慣の情報を表示部に表示(出力)させる。演算部11は、判定装置1の各構成部を制御する。
図4は、選択装置3の内部構成を示すブロック図である。選択装置3は、例えばサーバコンピュータ、又はPCである。選択装置3は、演算部31と、メモリ32と、不揮発性の記憶部33と、通信部34とを備える。演算部31は、例えばCPU、GPU、又はマルチコアCPUを用いて構成されている。メモリ32は、例えばRAMである。記憶部33は、例えばハードディスク又は不揮発性半導体メモリである。通信部34は、通信ネットワークNに接続され、通信ネットワークNを介した通信を行う。
記憶部33には、生活習慣DB(DataBase)332が記憶されている。図5は、生活習慣DB332の内容例を示す概念図である。生活習慣DB332には、予め定められた複数の生活習慣の情報が記録されている。複数の生活習慣の情報には、複数の生活習慣と、各生活習慣の実施を推奨するメッセージ(以下、推奨メッセージ)とが記録されている。複数の生活習慣の情報は、例えば、食習慣の情報と、運動に関する習慣の情報と、その他の習慣の情報との3つに大別される。食習慣の情報には、例えば、食べ過ぎない、及び就寝前に食事をしない等の生活習慣が記録されている。運動に関する習慣の情報には、例えば、就寝前にストレッチをする、及び散歩をする等の生活習慣が記録されている。その他の習慣の情報には、例えば、横向きの姿勢で寝る、就寝前の飲酒をしない、及び喫煙をしない等の生活習慣が記録されている。就寝前とは、例えば就寝の1時間前のことである。具体的に就寝の何時間前かという情報が生活習慣の情報に記録されていてもよい。推奨メッセージは、各生活習慣に対応付けて、生活習慣DB332に記録されている。例えば、食べ過ぎないという生活習慣に対応付けて、「食べ過ぎないようにしましょう。」という推奨メッセージが記録されている。
更に記憶部33には、学習モデル333が記憶されている。学習モデル333は、呼吸データが入力された場合、生活習慣DB332に記録されている複数の生活習慣の情報の夫々の推奨度を出力する。推奨度は、睡眠改善のために行うとよい生活習慣の度合いであり、例えば、確率で表される。学習モデル333は、例えば深層学習(ディープラーニング)によって学習された多層の畳み込みニューラルネットワーク(CNN、Convolutional Neural Network)を用いることができる。また、CNN以外のニューラルネットワーク、例えば再帰型ニューラルネットワーク(RNN、Recurrent Neural Network)を用いてもよい。また、他の機械学習で学習したものであってもよい。
図6は、学習モデル333の模式図である。学習モデル333は、入力層と出力層との間に中間層を備える。中間層は、複数段からなる畳み込み層及びプーリング層、並びに最終段の全結合層を備える。畳み込み層、プーリング層及び全結合層の数は適宜決定できる。
入力層、中間層及び出力層夫々には、1又は複数のノードが存在する。各層のノードは、前後の層に存在するノードと一方向に所望の重み及びバイアスで結合されている。入力層の各ノードに入力されたデータは、最初の中間層に入力される。この中間層において、
重み及びバイアスを含む活性化関数を用いて、出力が算出される。算出された出力が次の中間層に入力される。以下同様にして、出力層の出力が求められるまで次々と後の層に伝達される。
重み及びバイアスを含む活性化関数を用いて、出力が算出される。算出された出力が次の中間層に入力される。以下同様にして、出力層の出力が求められるまで次々と後の層に伝達される。
学習モデル333は、呼吸データ、例えば、人4の睡眠時における無呼吸の状態の回数、及び無呼吸の状態になった時刻を入力とし、ある生活習慣を行うことにより無呼吸の状態になることが改善される確率を出力とする。ある生活習慣は、生活習慣DB332に記録されている夫々の生活習慣である。出力層の各出力ノードが出力する確率は0〜1.0の値である。全ての出力ノードが出力する確率の合計は、例えば、1.0である。全ての出力ノードが出力する確率の合計は、1.0に限らず、1.0未満でもよく、1.0よりも大きくてもよい。
学習モデル333は、教師データ334を用いて、呼吸データが入力された場合に、生活習慣DB332の生活習慣の情報ごとに、各生活習慣を行うことにより無呼吸の状態が改善される確率(推奨度)を出力するように学習されたモデルである。
図7は、教師データ334の内容例を示す概念図である。通常、医師は、睡眠時に無呼吸の状態になることが疑われる患者を診断する場合、患者の睡眠時の生体信号に基づいて、患者の睡眠時の呼吸状態を判定する。医師は、呼吸状態として、例えば、患者の睡眠における無呼吸の状態の回数、及び無呼吸の状態になった時刻を判定する。医師は、呼吸状態の判定内容に応じて、患者へ無呼吸の状態になることを改善するための生活を指導する。患者は、指導された生活を行う。一定の期間が経過した後、医師は、改めて患者の睡眠時の呼吸状態を判定し、指導した生活の効果、すなわち無呼吸の状態になることが改善されたか否かを確認する。教師データ334には、医師が判定した呼吸状態と、医師が患者へ指導した生活の内容と、患者が指導された生活を行ったことによる効果とが、ID(Identification)ナンバーごとに記録されている。図7において、医師が判定した呼吸状態として、患者の睡眠時における無呼吸の状態の回数、及び無呼吸の状態になった時刻が示されている。患者が指導された生活を行ったことによる効果は、無呼吸の状態になることが改善されたか否かであり、例えば、無呼吸の状態になる回数が診断時に比べて半分以下の回数になった場合、改善効果ありと記録される。また、無呼吸の状態になる回数が診断時に比べて半分以下の回数にならなかった場合、改善効果なしと記録される。指導した生活の内容と対応する生活習慣が、生活習慣DB332の生活習慣の情報に記録されている。
学習モデル333の学習の一例について説明する。学習モデル333は、PC等のコンピュータで構成された学習装置で学習されたモデルである。この学習装置には、学習モデル333、及び教師データ334が記憶されている。教師データ334には、指導した生活の内容と対応する生活習慣を行うことにより無呼吸の状態が改善される確率(推奨度)の正解の値(正解値)が、IDナンバーごとに付与されている。例えば、図7のIDナンバー(1)においては、指導した生活の内容が、食べすぎないである。また、効果は、改善効果ありである。IDナンバー(1)には、食べすぎないという生活習慣の推奨度の正解値として1.0が付与されている。IDナンバー(1)以外の効果が改善効果ありであるIDナンバーにおいては、夫々の指導した生活内容に対応する生活習慣の推奨度の正解値として、1.0が付与されている。図7のIDナンバー(2)においては、指導した生活の内容が、就寝前に食事をしないである。また、効果は、改善効果なしである。IDナンバー(2)には、就寝前に食事をしないという生活習慣の推奨度の正解値として0が付与されている。IDナンバー(2)以外の効果が改善効果なしであるIDナンバーにおいては、夫々の指導した生活内容に対応する生活習慣の推奨度の正解値として、0が付与されている。
学習装置は、学習モデル333の入力層に、IDナンバー(1)の患者の睡眠時における無呼吸の状態の回数、及び無呼吸の状態になった時刻を入力する。また、無呼吸の状態になった時刻のみを入力してもよい。中間層での演算処理を経て、出力層から各生活習慣の推奨度が出力される。学習装置は、出力された推奨度のうち、IDナンバー(1)の指導した生活の内容に対応する生活習慣、すなわち食べすぎないという生活習慣の推奨度を、IDナンバー(1)の正解値と比較する。また、IDナンバー(1)の指導した生活の内容に対応する生活習慣の推奨度が正解値に近づくように、中間層での演算処理に用いるノード間を結合する重み及びバイアス等の各種パラメータを最適化する。学習装置は、IDナンバー(2)以降の情報に関しても、同様に、無呼吸の状態の回数及び時刻を入力層に入力する。また、出力された推奨度のうち、入力と同じIDナンバーの指導した生活の内容に対応する生活習慣の推奨度と、入力と同じIDナンバーの正解値とを比較し、パラメータを最適化する。パラメータの最適化の方法は特に限定されないが、学習装置は、例えば誤差逆伝播方(バックプロパゲーション)を用いて各種パラメータの最適化を行う。学習装置がパラメータの最適化を行うことにより、学習モデル333の学習は行われる。
学習モデル333は、例えば学習装置で学習された後に、通信部34によりダウンロードされて記憶部33に記憶される。記憶部33に記憶された学習モデル333は、選択装置3が読み取り可能な記録媒体から読み出された学習モデル333を記憶したものであってもよい。
記憶部33には、プログラム331が記憶されている。プログラム331は、コンピュータプログラムである。選択装置3は、演算部31がプログラム331に従った処理を実行することによって、選択装置3に必要な処理を実行する。
演算部31は、判定装置1から送信された呼吸データを学習モデル333へ入力する。また、学習モデル333により出力された推奨度に基づいて、予め定められた複数の生活習慣の情報の中から、推奨される生活習慣の情報を選択する。演算部31は、選択装置3の各構成部を制御する。
判定装置1は、睡眠改善装置を構成する。また、判定部と、出力部と、送受信部と、入力部とを構成する。センサ2は、取得部を構成する。選択装置3は、選択部を構成する。
図8は、睡眠改善システム100が行う睡眠改善処理の手順を示すフローチャートである。以下、ステップをSと略す。判定装置1の演算部11は、プログラム131に従って以下の処理を実行する。人4は就寝前に胸部等の人体の特定の部位にセンサ2を取り付け、判定装置1の操作部15を操作し、演算部11にプログラム131を実行させる。演算部11は、操作部15の操作から所定の時間、例えば1分が経過した場合、通信部16を介して、センサ2へ送信信号を送信する。送信信号は、センサ2に人4の生体信号の取得及び判定装置1への送信を開始させる信号である。すなわち、演算部11は、センサ2に判定装置1への人4の生体信号の送信を要求する(S101)。また、時計部17に取得時間の計測を開始させる。取得時間は、生体信号の取得が開始された時点(送信信号がセンサ2へ送信された時点)から、周期的に取得される生体信号が取得された夫々の時点までの時間である。演算部11は、プログラム131が実行された直後に、センサ2に判定装置1への人4の生体信号の送信を要求してもよい。
センサ2の通信部22は、判定装置1から送信された送信信号を受信する(S102)。センサ2は、測定部21により人4の睡眠時の生体信号を取得し(S103)、通信部22を介して、取得した人4の睡眠時の生体信号を判定装置1へ送信する(S104)。通信部22は、判定装置1から送信された送信信号を受信せずに、生体信号の取得、及び生体信号の判定装置1への送信を行ってもよい。例えばセンサ2は、スイッチを備え、人4がスイッチをオン状態にすることにより、生体信号の取得、及び生体信号の判定装置1への送信を行う。センサ2は、人4に取り付けられたことを検知してもよい。センサ2が人4に取り付けられたことを検知した場合、生体信号の取得、及び生体信号の判定装置1への送信は行われる。
判定装置1の演算部11は、センサ2から送信された人4の睡眠時の生体信号を受信し(S105)、記憶部13に記憶させる(S106)。S106において生体信号は、時計部17により計測されている取得時間と対応付けて記憶部13に記憶される。S103からS106までの処理は、取得時間が予定取得時間を超えるまで順次繰り返される。
取得時間が予定取得時間を超えた場合、すなわち生体信号の取得が終わった場合、演算部11は、記憶部13に記憶されている人4の生体信号に基づいて、人4の睡眠時の呼吸状態を判定する(S107)。時計部17による取得時間の計測の代わりに、演算部11は、記憶部13に記憶されている生体信号に基づいて定期的に人4が起床したか否かを判定してもよい。演算部11は、人4が起床したと判定した場合、S107の処理を行う。又は、起床した人4による操作部15の操作を受け付けて、S107の処理を行ってもよい。操作部15の操作は、例えば表示部14と操作部15とが一体となったタッチパネルである場合、表示部14に表示された「起床」の表示のタップである。
以下、生体信号に基づいて呼吸状態を判定する方法の一例を説明する。生体信号が人体の複数点の間のインピーダンスを示す信号である場合の例を説明する。図9は、睡眠時の人4のインピーダンスの経時変化を示す線グラフの模式図である。図9において、横軸は取得時間[秒]を示し、縦軸はインピーダンス[Ω]を示す。インピーダンスの経時変化を示す線グラフは波形である。センサ2が胸部に取り付けられている場合、センサ2により測定されるインピーダンスは、肺内部の空気量により変動する。肺内部の空気量が多い場合、すなわち息を吸った場合、肺内部の空気の抵抗が大きいので、インピーダンスは大きい。肺内部の空気量が少ない場合、すなわち息を吐いた場合、肺内部の空気の抵抗が小さいので、インピーダンスは小さい。呼吸により肺内部の空気量が変動するので、インピーダンスは、呼吸に応じて変動する。図9におけるグラフの山の部分が、息を吸っている状態に相当する。グラフの谷の部分が、息を吐いている状態に相当する。
センサ2が首部に取り付けられている場合、測定されるインピーダンスは、気道内の空気量により変動する。息を吸う場合、又は息を吐く場合、気道内の空気量が多いので、インピーダンスは大きい。図9におけるグラフの山の部分が、息を吸っている状態、又は吐いている状態に相当する。グラフの谷の部分は、息を吸っている状態から息を吐いている状態への切り替わり、又は息を吐いている状態から息を吸っている状態への切り替わりを示す。従ってインピーダンスは、人4の呼吸に応じて変動する。
演算部11は、インピーダンスの取得開始から一定の時間、例えば30秒の間に取得されたインピーダンスの極大値の平均値及び極小値の平均値を導出し、極大値の平均値と極小値の平均値との差(基準振幅)を導出する。演算部11は、記憶部13に記憶されているインピーダンスを参照し、所定の時間、例えば10秒間におけるインピーダンスの最大値と最小値との差(睡眠時呼吸振幅)を順次導出する。一般的に無呼吸の状態とは10秒以上呼吸が休止している状態を表す。この呼吸状態の判定の一例においては、基準振幅に対し、睡眠時呼吸振幅が半分以下になった状態が10秒以上検出された場合を無呼吸の状態として定義する。演算部11は、睡眠時呼吸振幅が、基準振幅に対して半分以下になった状態が10秒以上検出された回数、すなわち無呼吸の状態の回数をカウントし、無呼吸の状態の回数を記憶部13に記憶させる。また、無呼吸の状態になった夫々の時刻、例えば、無呼吸の状態と判定した期間の最初のインピーダンスの取得時間を、記憶部13に記憶させる。
生体信号が心電信号である場合、演算部11は、従来知られている方法、例えば特許文献1に記載の方法を用いて、人4の睡眠時の呼吸状態を判定する。無呼吸の状態において不整脈が発生しやすいことが知られている。演算部11は、公知の方法で、心電信号から得られた心電図より不整脈を検出してもよい。演算部11は、不整脈が所定の時間以上続いた状態を、無呼吸の状態とみなし、無呼吸の状態の回数をカウントしてもよい。
呼吸状態を判定する方法は他の公知の方法であってもよい。生体信号は、判定装置1又はセンサ2において、ディジタルフィルタ処理により呼吸に関する成分が抽出されていると好ましい。呼吸状態の判定の精度が向上する。心電信号及びインピーダンスを示す信号は、無呼吸の状態と無呼吸でない状態とで特徴的な違いを有する。生体信号として、心電信号、人体の複数点の間のインピーダンスを示す信号を用いることにより呼吸状態の判定が良好に行われる。心電信号を用いた呼吸状態の判定と、インピーダンスを示す信号を用いた呼吸状態の判定との両方の判定が行われてもよい。一方の判定により無呼吸の状態を判定できなかった場合、他方の判定により無呼吸の状態を判定することができるので、より確実に無呼吸の状態を判定することができる。演算部11は、生体信号の受信と並行して、呼吸状態の判定を行ってもよい。
演算部11は、判定した呼吸状態を表す呼吸データを、通信部16を介して、選択装置3へ送信する(S108)。呼吸データは、例えば、無呼吸の状態の回数、及び無呼吸の状態となった時刻である。また、所定の時間ごと、例えば1時間ごとの無呼吸の状態の回数を含むデータであってもよい。取得時間が0から1時間までの間に無呼吸の状態になった回数をa1、取得時間が1から2時間までの間に無呼吸の状態になった回数をa2、取得時間がn−1からn時間までの間に無呼吸になった回数をanとする。なおnは自然数である。所定の時間ごとの無呼吸の状態の回数を含むデータは、(a1、a2、・・・、an)=(0、3、・・・、1)のように表される。記憶部13に記憶されている生体信号が、呼吸データと共に、選択装置3へ送信されてもよい。人4に関する情報、例えば年齢、性別、身長、及び体重が、予め判定装置1へ入力されており、呼吸データと共に、選択装置3へ送信されてもよい。
選択装置3の演算部31は、判定装置1から送信された呼吸データを、通信部34を介して受信し(S109)、受信した呼吸データを記憶部33に記憶させる。演算部31は、記憶部33に記憶された呼吸データを学習モデル333へ入力する(S110)。学習モデル333には、呼吸データとして、例えば、無呼吸の状態の回数、及び無呼吸の状態となった時刻が入力される。学習モデル333は、記憶部33の生活習慣DB332に記録されている複数の生活習慣の情報の夫々の推奨度を出力する(S111)。すなわち、学習モデル333は、人4が生活習慣DB332の複数の生活習慣の情報に記録されている各生活習慣を行うことにより無呼吸の状態になることが改善される確率(推奨度)を、生活習慣ごとに出力する。学習モデル333の入力及び出力は、上記の入力及び出力に限らない。呼吸データに加えて、他のデータ、例えば人4に関する情報、又は呼吸状態の判定に用いられた生体信号(記憶部13に記憶されている生体信号)が、学習モデル333に入力されてもよい。
呼吸データと人4に関する情報とが入力される場合、学習モデル333は、無呼吸の状態の回数及び時刻等の呼吸データに加えて、人4に関する情報を入力とする。また生活習慣DB332の各生活習慣を行うことにより無呼吸の状態が改善される確率(推奨度)を出力とする。この学習モデル333は、教師データ334を用いて、呼吸データ及び人4に関する情報が入力された場合に、生活習慣DB332の生活習慣の情報ごとに、各生活習慣を行うことにより無呼吸の状態が改善される確率を出力するように学習されたモデルである。この場合における学習装置による学習モデル333の学習の一例を説明する。学習装置には、学習モデル333、及び教師データ334が記憶されている。教師データ334には、無呼吸の状態の回数及び時刻と、医師が指導した生活の内容と、生活の効果とに加えて、患者の情報がIDナンバーごとに記録されている。患者の情報は、例えば患者の年齢、性別、身長、及び体重である。教師データ334には、前述のようにして推奨度の正解値が、IDナンバーごとに付与されている。学習装置は、学習モデル333の入力層に、IDナンバー(1)の無呼吸の状態の回数及び時刻、並びに患者の情報を入力する。また、中間層での演算処理を経て、出力層から出力された各生活習慣の推奨度のうち、IDナンバー(1)の指導した生活の内容に対応する生活習慣の推奨度を、IDナンバー(1)の正解値と比較する。また、IDナンバー(1)の指導した生活の内容に対応する生活習慣の推奨度が正解値に近づくように、中間層での演算処理に用いる各種パラメータを最適化する。学習装置は、IDナンバー(2)以降の情報に関しても、同様に、無呼吸の状態の回数及び時刻、並びに患者の情報を入力層に入力する。また、出力された推奨度のうち、入力と同じIDナンバーの指導した生活の内容に対応する生活習慣の推奨度と、入力と同じIDナンバーの正解値とを比較し、パラメータを最適化する。学習装置がパラメータの最適化を行うことにより、学習モデル333の学習は行われる。
呼吸データと、呼吸状態の判定に用いられた生体信号とが入力される場合、学習モデル333は、無呼吸の状態の回数及び時刻等の呼吸データに加えて、呼吸状態の判定に用いられた生体信号を入力とする。また生活習慣DB332の各生活習慣を行うことにより無呼吸の状態が改善される確率(推奨度)を出力とする。この学習モデル333は、教師データ334を用いて、呼吸データ及び生体信号が入力された場合に、生活習慣DB332の生活習慣の情報ごとに、各生活習慣を行うことにより無呼吸の状態が改善される確率を出力するように学習されたモデルである。この場合の学習モデル333の学習は、呼吸データと人4に関する情報とが入力される場合の学習モデル333の学習と同様にして行われる。但し、教師データ334には、患者の情報の代わりに、医師が患者の呼吸状態の判定に用いた患者の睡眠時の生体信号がIDナンバーごとに記録されている。学習装置は、学習モデル333の入力層に、IDナンバーごとに無呼吸の状態の回数及び時刻、並びに患者の生体信号を入力する。また、中間層での演算処理を経て、出力層から出力された各生活習慣の推奨度のうち、入力と同じIDナンバーの指導した生活の内容に対応する生活習慣の推奨度と、入力と同じIDナンバーの正解値とを比較し、パラメータを最適化する。このパラメータの最適化により、呼吸データと、呼吸状態の判定に用いられた生体信号とが入力される場合の学習モデル333の学習は行われる。
出力される推奨度は、無呼吸の状態になることが改善される確率に限らない。出力される推奨度は、例えば、人4が生活習慣DB332の複数の生活習慣の情報に記録されている各生活習慣を行うことにより深い睡眠を行うことができる確率であってもよい。人4が深い睡眠を行うことにより、人4の脳及び体を休ませることができる。
演算部31は、学習モデル333により出力された推奨度に基づいて、推奨される生活習慣の情報を選択する(S112)。演算部31は、例えば、食習慣の情報の中から、推奨度が最も高い生活習慣の情報を選択する。演算部31は、食習慣の情報の中から、複数の生活習慣の情報を選択してもよい。演算部31は、食習慣の情報と同様、運動に関する習慣の情報、及びその他の習慣の情報の中から、推奨度が最も高い生活習慣の情報を夫々選択する。演算部31は、推奨度が所定値以上の生活習慣の情報を選択してもよい。演算部31は、選択した生活習慣の情報の夫々を、通信部34を介して判定装置1へ送信する(S113)。
判定装置1の演算部11は、通信部16を介して、選択装置3から送信された推奨される生活習慣の情報(選択装置3が選択した生活習慣の情報)を受信する(S114)。演算部11は、受信した推奨される生活習慣の情報を表示部14に表示(出力)させ(S115)、処理を終了する。表示部14には、人4の睡眠時の呼吸データに応じて選択された推奨される生活習慣の情報に記録されている推奨メッセージが表示される。
表示部14に表示される推奨メッセージの一例を説明する。この一例においては、食習慣の情報、運動に関する習慣の情報、及びその他の習慣の情報の中から生活習慣が1つずつ推奨(選択)されている。食習慣の情報の中から、食べ過ぎないという生活習慣が推奨されている。運動に関する習慣の情報から、散歩をするという生活習慣が推奨されている。その他の習慣の情報から、横向きの姿勢で寝るという生活習慣が推奨されている。表示部14には、夫々の推奨される生活習慣に対応する3つの推奨メッセージが表示される。表示部14には、食べ過ぎないという推奨された生活習慣に対応する「食べ過ぎないようにしましょう。」という推奨メッセージが表示される。更に表示部14には、散歩をするという推奨された生活習慣に対応する「毎日、散歩をするようにしましょう。」という推奨メッセージが表示される。無呼吸の状態の発生と肥満との間には関係があることが知られているので、人4は、食べ過ぎない、及び散歩をするという適度な食事及び運動によって適正な体型を維持することにより、睡眠時に無呼吸の状態になりにくい。人4の身長及び体重が予め入力されている場合、人4の適正体重を導出する関数が記憶部13に記憶されていてもよい。推奨メッセージに加えて人4の適正体重が表示部14に出力される。更に表示部14には、横向きの姿勢で寝るという推奨された生活習慣に対応する「抱き枕等を使用し、横向きの姿勢で寝るようにしましょう。」という推奨メッセージが表示される。横向きの姿勢で寝ることにより、人4の気道が圧迫されにくいので、人4は、睡眠時に無呼吸になることを改善できる。推奨メッセージに加えて、睡眠時に無呼吸状態になっていたことを人4に知らせるメッセージが表示されていると好ましい。無呼吸の状態になる回数が多い場合、病院での診断を促すメッセージが表示されてもよい。これらのメッセージは、例えば、生活習慣DB332に記録されており、推奨される生活習慣の情報と一緒に選択装置3から判定装置1へ送信される。また、記憶部13に記憶されていてもよい。推奨メッセージに加えて、睡眠時の呼吸データ、例えば無呼吸の状態の回数が表示されてもよい。
人4は、表示部14に表示された生活習慣の情報に従った生活を行うことにより、睡眠を改善することができる。
予め定められた複数の生活習慣の情報の中から、人4の呼吸データに応じて、人4の睡眠の改善のために推奨される生活習慣の情報が選択される。人4は、選択された生活習慣の情報に従った生活を行うことにより、効果的に睡眠を改善することができる。
学習モデル333により出力された生活習慣の情報の推奨度に基づいて、人4の睡眠の改善のために推奨される生活習慣の情報が選択される。人4は、選択された生活習慣の情報に従った生活を行うことにより、より効果的に睡眠を改善することができる。
選択装置3の演算部31は、人4の呼吸データに応じて、予め定められた複数の生活習慣の情報の中から、推奨される生活習慣の情報を選択すればよい。例えば、演算部31は、学習モデル333により出力された推奨度の代わりに、予め定められた複数の生活習慣の情報の中から、人4の呼吸データに応じて、ルールベースで推奨される生活習慣の情報を選択してもよい。
睡眠改善システム100は、選択装置3の演算部31が生活習慣の情報を選択する構成としたが、判定装置1の演算部11が呼吸データに応じて生活習慣の情報を選択する構成でもよい。この場合、記憶部13に、生活習慣DB332と、学習モデル333とが記憶される。通信ネットワークNとの通信ができない環境であっても生活習慣の情報を選択し、出力することができる。判定装置1は、汎用のコンピュータに限らず、睡眠改善処理専用の装置であってもよい。
睡眠改善システム100は、選択装置3の演算部31が生活習慣の情報を選択する構成としたが、医師が呼吸データに応じて、生活習慣の情報を選択する構成としてもよい。呼吸データは、判定装置1から医師のもつ通信端末へ送信される。医師は、判定装置1から送信された呼吸データに応じて、生活習慣の情報を選択し、選択した生活習慣の情報を、通信端末を介して判定装置1へ送信する。医師は送信された呼吸データに応じて、新たに生活習慣の情報を作成してもよい。
(実施の形態2)
図10は、実施の形態2に係る睡眠改善システム100の構成を示すブロック図である。実施の形態2に係る構成の内、実施の形態1と同様な構成部については同じ符号を付し、その詳細な説明を省略する。
図10は、実施の形態2に係る睡眠改善システム100の構成を示すブロック図である。実施の形態2に係る構成の内、実施の形態1と同様な構成部については同じ符号を付し、その詳細な説明を省略する。
実施の形態2における睡眠改善システム100は、睡眠時の人4の姿勢を変化させるように動作する寝具5を備える。寝具5は、例えば枕、又はマットレスである。本実施形態における睡眠時には、実施の形態1と同様、人4は厳密には眠っていなくてもよい。
寝具5は、動作部51と、通信部52と、電源53とを備える。通信部52は、判定装置1の通信部16と通信可能であり、通信部16と無線通信を行う。動作部51は、判定装置1から送信される動作信号を通信部52が受信することにより、動作を行う。動作部51は、例えばモータである。動作部51がモータである場合、モータが振動することにより、寝具5は振動する。寝具5の動作による睡眠時の人4の姿勢の変化に関しては後述する。電源53は、例えば電池であり、動作部51へ動作のための電気を供給する。寝具5は、電源コードを備え、電源コードをコンセントに接続することにより、動作部51へ電気が供給される構成でもよい。
実施の形態2の判定装置1において、演算部11は、センサ2から送信される睡眠時の人4の生体信号に基づいて、人4の呼吸状態が無呼吸の状態になることを予測する。また、人4の呼吸状態が無呼吸の状態になることを予測した場合、通信部16を介して寝具5へ動作信号を送信し、寝具5を動作させる。判定装置1は、予測部と、動作制御部とを構成する。
図11は、判定装置1の演算部11が行う呼吸改善処理の手順を示すフローチャートである。実施の形態1の睡眠改善処理に加えて、呼吸改善処理は行われる。人4は就寝前に胸部等の人体の特定の部位にセンサ2を取り付け、判定装置1の操作部15を操作し、演算部11にプログラム131を実行させる。演算部11は、通信部16を介して、センサ2に判定装置1への人4の生体信号の送信を要求する(S201)。また、時計部17に取得時間の計測を開始させる。演算部11は、センサ2から送信された人4の生体信号を受信し(S202)、記憶部13に記憶させる(S203)。
演算部11は、記憶部13に記憶された生体信号に基づいて、人4の呼吸状態が無呼吸の状態になることを予測し(S204)、人4の呼吸状態が無呼吸の状態になるか否かを判定する(S205)。生体信号に基づいて、人4の呼吸状態が無呼吸の状態になることを予測する方法の一例を説明する。生体信号は、一定の周期、例えば0.5秒ごとに取得され、センサ2から判定装置1へ送信される。演算部11は、センサ2から送信された生体信号と、記憶部13に記憶されている前回センサ2から送信された生体信号との変化量を導出し、変化量を記憶部13に記憶させる。演算部11は、変化量が一定値以下である状態が一定期間、例えば7秒以上続いた場合に、人4が無呼吸の状態になると予測する。無呼吸の状態になることを予測する方法は他の公知の方法であってもよい。
演算部11は、人4が無呼吸にならないと予測した場合(S205:NO)、後述するS207の処理を行う。演算部11は、人4が無呼吸の状態になると予測した場合(S205:YES)、寝具5へ動作信号を送信する(S206)。寝具5は、通信部52により動作信号を受信し、動作を行う。寝具5の動作は、例えば振動である。寝具5は、振動することにより、睡眠時の人4の姿勢を変化させようとする。人4は、寝具5が振動していると寝づらく、寝やすい姿勢になるために寝返り等の動作を行い、姿勢を変化させる。例えば、人4の姿勢が仰向けの状態から横向きの状態へ変化することにより、無呼吸の状態になることを防止することができる。又は、無呼吸の状態が軽減される。寝具5は、振動により人4の目覚めを促してもよい。無呼吸の状態になる前に目覚めることにより、睡眠時に無呼吸の状態になることを防ぐことができる。
寝具5の動作は、振動に限らず、変形であってもよい。例えば、寝具5がマットレスである場合、人4の上半身が起き上がるようにマットレスは変形する。上半身が起き上がることにより、人4の気道が圧迫されず、人4が無呼吸の状態になることを防ぐことができる。
判定装置1の演算部11は、取得時間が予定取得時間以上であるか否かを判定する(S207)。取得時間が予定取得時間以上でない場合(S207:NO)、すなわち取得時間が予定取得時間未満である場合、演算部11は、S202の処理を行う。取得時間が予定取得時間以上である場合(S207:YES)、演算部11は、処理を終了する。実施の形態1の睡眠改善処理は、呼吸改善処理と並行して行われるので、呼吸改善処理の後も継続して行われる。
睡眠時の人4の呼吸状態が無呼吸の状態になることを予測した場合、睡眠時の人4の姿勢を変化させるように寝具5が動作する。睡眠時の人4の姿勢が変化することにより、人が無呼吸の状態になることを防ぐこと、又は無呼吸の状態を軽減することができる。
(実施の形態3)
図12は、実施の形態3に係る睡眠改善システム100の構成を示すブロック図である。実施の形態3に係る構成の内、実施の形態1と同様な構成部については同じ符号を付し、その詳細な説明を省略する。
図12は、実施の形態3に係る睡眠改善システム100の構成を示すブロック図である。実施の形態3に係る構成の内、実施の形態1と同様な構成部については同じ符号を付し、その詳細な説明を省略する。
実施の形態3の判定装置1において、記憶部13には、人4の生活の内容及び過去の睡眠時における呼吸状態の履歴133が記憶される。本実施形態における睡眠時には、実施の形態1と同様、人4は厳密には眠っていなくてもよい。図13は、履歴133の内容例を示す概念図である。履歴133には、人4の生活の内容が入力されている。人4の生活の内容には、例えば、食事の内容、喫煙の本数、飲酒量、及び運動量が含まれ、食事、喫煙、及び飲酒をした時刻と対応付けて記録されている。人4の生活の内容の入力は、人4による操作部15の操作により受け付けられる。運動量は、例えば人4が携行している万歩計(登録商標)の歩数である。万歩計は、判定装置1と通信可能であり、歩数を判定装置1へ送信してもよい。人4は、過去に睡眠改善システム100を使用したことがある。実施の形態1の睡眠改善処理により、人4の睡眠時の呼吸状態の判定、及び推奨される生活習慣の出力が行われている。この過去の睡眠改善処理において判定された呼吸状態を表す呼吸データ、例えば無呼吸の状態の回数が、履歴133に記録されている。履歴133には、過去の睡眠改善処理において出力された推奨される生活習慣の情報が記録されていてもよい。
演算部11は、記憶部13に記憶されている履歴133に応じて、次の睡眠時における人4の呼吸状態を推測し、推測した呼吸状態を表示部14に表示させる。すなわち演算部11は、履歴133に応じて、次の睡眠時における人4の呼吸状態の予報を行う。判定装置1は、受付部及び予報部を構成する。
図14は、判定装置1の演算部11が行う呼吸状態の予報処理の手順を示すフローチャートである。人4は判定装置1の操作部15を操作し、演算部11にプログラム131を実行させる。演算部11は、人4の操作部15の操作による生活の内容の入力を受け付け(S301)、受け付けた生活の内容を記憶部13に記憶させる(S302)。
演算部11は、記憶部13に記憶されている履歴133に応じて、人4の次の睡眠時における呼吸状態を推測する(S303)。演算部11は、例えば、履歴133の生活の内容の夫々に対して、点数を付与する。履歴133に記録された生活の内容のうち、睡眠時に無呼吸の状態になりにくい生活の内容には、1点が付与される。睡眠時に無呼吸の状態になりやすい生活習慣には、−1点が付与される。履歴133に記録された生活の内容が、過去に出力された推奨される生活習慣と同じである場合、2点が付与される。生活の内容に応じて、2点以上又は−2点以下の点数が付与されてもよい。睡眠時に無呼吸の状態になりやすい生活の内容は、例えば人4が喫煙、又は就寝前の飲酒を行っていることである。喫煙により、人4の気道に炎症が起きる。炎症により気道がむくみ、狭くなるので、人4は無呼吸の状態になりやすい。アルコールにより気道を支える筋肉が弛緩することにより、気道が狭くなるので、人4は無呼吸の状態になりやすい。睡眠時に無呼吸の状態になりにくい生活の内容は、例えば人4が喫煙、又は飲酒を行っていないことである。演算部11は、生活の内容に付与された点数を合計し、合計点数及び過去の呼吸状態に応じて、次の睡眠時の呼吸状態を推測する。
図15は、合計点数及び過去の呼吸状態に応じた次の睡眠時における呼吸状態の推定例を示すデータテーブルである。図15において、履歴133の無呼吸の状態の回数が0回であった場合を、無呼吸の状態なしと表現している。履歴133の無呼吸の状態の回数が1回以上であった場合を、無呼吸の状態ありと表現している。過去の呼吸状態が無呼吸の状態なしであり、合計点数が一定値以上である場合、演算部11は、次の睡眠時における呼吸状態が無呼吸の状態になる可能性が低いと推測する。過去の呼吸状態が無呼吸の状態なしであり、合計点数が一定値未満である場合、演算部11は、次の睡眠時における呼吸状態が無呼吸の状態になる可能性があると推測する。過去の呼吸状態が無呼吸の状態ありであり、合計点数が一定値以上である場合、演算部11は、次の睡眠時における呼吸状態が無呼吸の状態になる可能性があると推測する。過去の呼吸状態が無呼吸の状態ありであり、合計点数が一定値未満である場合、演算部11は、次の睡眠時における呼吸状態が無呼吸の状態になる可能性が高いと推測する。
履歴133に応じて次の睡眠時における人4の呼吸状態を推測する方法は、他の公知の方法であってもよい。例えば記憶部13には、学習モデル333と異なり、履歴133が入力された場合に次の睡眠時における人4の呼吸状態、例えば無呼吸の状態になる確率を出力する学習モデル335が記憶されていてもよい。演算部11は、学習モデル335により次の睡眠時における人4の呼吸状態を推測する。図16は、学習モデル335の模式図である。学習モデル335には、学習モデル333と同様、CNNを用いることができる。学習モデル335は、履歴133に記録されている人4の生活の内容、並びに過去の睡眠改善処理において判定された人4の呼吸状態を表す呼吸データ、例えば無呼吸の状態の回数、及び無呼吸の状態になった時刻を入力とする。また、次の睡眠時において人4が無呼吸の状態になる確率、及び次の睡眠時において人4が無呼吸の状態にならない確率を出力とする。
学習モデル335は、教師データ336を用いて、生活の内容、並びに過去の睡眠時に無呼吸の状態になった回数及び時刻を入力された場合に、次の睡眠時に無呼吸の状態になる確率、及び無呼吸の状態にならない確率を出力するように学習されたモデルである。
図17は、教師データ336の内容例を示す概念図である。教師データ336は、例えば、医師により作成され、ある日の患者の生活の内容、並びに、ある日よりも以前の日(過去)の患者の睡眠時における無呼吸の状態の回数、及び無呼吸の状態になった時刻がIDナンバーごとに記録されている。また、ある日の患者の睡眠時における無呼吸の状態の有無がIDナンバーごとに記憶されている。
学習モデル335の学習の一例を説明する。学習モデル335は、PC等のコンピュータで構成された学習装置で学習されたモデルである。この学習装置には、学習モデル335、及び教師データ336が記憶されている。教師データ336には、ある日の患者の睡眠時における無呼吸の状態の有無の情報に対し、無呼吸の状態になる確率、及び無呼吸の状態にならない確率の正解の値(正解値)が夫々付与されている。教師データ336の無呼吸の状態の有無が有の場合、無呼吸の状態になる確率の正解値として1.0が付与され、無呼吸の状態にならない確率の正解値として0が付与されている。また、無呼吸の状態の有無が無の場合、無呼吸の状態になる確率の正解値として0が付与され、無呼吸の状態にならない確率の正解値として1.0が付与されている。
学習装置は、学習モデル335の入力層に、教師データ336に記録されているIDナンバー(1)のある日の患者の生活の内容、並びに、過去の患者の睡眠時における無呼吸の状態の回数、及び無呼吸の状態になった時刻を入力する。中間層での演算処理を経て、出力層から無呼吸の状態になる確率、及び無呼吸の状態にならない確率が出力される。学習装置は、出力層から出力された無呼吸の状態になる確率、及び無呼吸の状態にならない確率を、IDナンバー(1)の夫々の正解値と比較する。また、出力層から出力される無呼吸の状態になる確率、及び無呼吸の状態にならない確率が正解値に近づくように、中間層での演算処理に用いるノード間を結合する重み及びバイアス等の各種パラメータを最適化する。学習装置は、教師データ336に記録されているIDナンバー(2)以降の情報に関しても、同様に、ある日の患者の生活の内容、並びに、過去の患者の睡眠時における無呼吸の状態の回数、及び無呼吸の状態になった時刻を入力層に入力する。また、出力された無呼吸の状態になる確率、及び無呼吸の状態にならない確率と入力と同じIDナンバーの正解値とを比較し、パラメータを最適化する。パラメータの最適化の方法は特に限定されないが、学習装置は、例えば、誤差逆伝播法を用いて各種パラメータの最適化を行う。学習装置がパラメータの最適化を行うことにより、学習モデル335の学習が行われる。
判定装置1の演算部11は、推測した呼吸状態の情報を表示部14に表示させ(S304)、処理を終了する。推測した呼吸状態の情報は、例えば、次の睡眠時における呼吸状態の推測結果を示すメッセージである。表示部14には、S303における推測結果に応じて、例えば、「無呼吸の状態になる可能性が高いです。」、「無呼吸の状態になる可能性があります。」、又は「無呼吸の状態になる可能性が低いです。」のようなメッセージが表示される。無呼吸の状態になりやすい生活の内容が入力されていた場合、生活の内容の改善を促すメッセージが表示されてもよい。これらのメッセージは、メッセージ用ファイルに記録されている。メッセージ用ファイルは、例えば、記憶部13に記憶されている。また、プログラム131に記録されていてもよい。学習モデル335により呼吸状態が推測された場合、演算部11は、メッセージに加えて、学習モデル335が出力した確率を表示部14に表示させてもよい。
人4は、次の睡眠時における呼吸状態の予報を知ることにより、睡眠を改善するための行動を行うことができる。無呼吸の状態になる可能性が高いと予報された場合、人4は、睡眠時の無呼吸の状態を防止又は軽減するための対策を行うことができる。無呼吸の状態を防止又は軽減する対策は、例えば、マウスピース、若しくは無呼吸改善用の枕等の無呼吸対策器具の使用、又は睡眠時の姿勢の変更である。
睡眠改善システム100は、演算部11が記憶部13に記憶されている履歴133に応じて、次の睡眠時における呼吸状態を推測する構成としたが、選択装置3が履歴133に応じて呼吸状態を推測する構成としてもよい。演算部11は、呼吸状態を推測する代わりに、履歴133を選択装置3へ送信する。選択装置3は、判定装置1から送信された履歴133に応じて次の睡眠時における呼吸状態を推測し、推測した次の睡眠時における呼吸状態の情報を判定装置1へ送信する。演算部11は、選択装置3から送信された次の睡眠時における呼吸状態の情報を表示部14へ出力する。選択装置3の記憶部33に前述の学習モデル335が記憶されていてもよい。
(実施の形態4)
図18は、実施の形態4に係る睡眠改善システム100の構成を示すブロック図である。実施の形態4に係る構成の内、実施の形態1と同様な構成部については同じ符号を付し、その詳細な説明を省略する。
図18は、実施の形態4に係る睡眠改善システム100の構成を示すブロック図である。実施の形態4に係る構成の内、実施の形態1と同様な構成部については同じ符号を付し、その詳細な説明を省略する。
実施の形態4における睡眠改善システム100は、人4が睡眠を行う家屋7内の環境を調整する家庭用電気器具6と、家庭用電気器具6を制御する制御装置8とを備える。家屋7内の環境は、例えば、家屋7内の明るさ、温度、又は湿度である。家庭用電気器具6は、例えば照明器具、冷房器具、暖房器具、加湿器、又は空気清浄機である。制御装置8には、家庭用電気器具6が接続されている。複数の家庭用電気器具6が、制御装置8に接続されていてもよい。家庭用電気器具6と制御装置8とは、無線通信可能であってもよい。
制御装置8は、演算部81と、メモリ82と、不揮発性の記憶部83と、通信部84とを備える。演算部81は、例えばCPU、GPU、又はマルチコアCPUを用いて構成されている。メモリ82は、例えばRAMである。記憶部83は、例えばハードディスク又は不揮発性半導体メモリである。記憶部83には、プログラム831が記憶されている。プログラム831はコンピュータプログラムである。制御装置8は、演算部81がプログラム831に従った処理を実行することによって、家庭用電気器具6を制御するための処理を実行する。通信部84は、判定装置1の通信部16と無線通信を行う。また、家庭用電気器具6と接続されている。
演算部81は、後述する調整内容に従って、通信部84を介して家庭用電気器具6を制御し、就寝時刻に家屋7内の環境が予め定められた環境になるように、家庭用電気器具6に家屋7内の環境を段階的に調整させる。演算部81は、制御装置8の各構成部を制御する。
判定装置1の記憶部13には、就寝時刻と、家屋7内を睡眠に適した環境に調整するための環境調整情報134とが記憶されている。環境調整情報134は、例えば後述する調整内容及び調整を開始する時刻である。就寝時刻は、人4の操作部15の操作により設定され、記憶部13に記憶される。
図19は、環境調整情報134の内容例を示す概念図である。図19において、2段階に分けて、家屋7内の温度を調整する場合の環境調整情報が示してある。環境調整情報には、例えば、1段階目及び2段階目の調整を開始する時刻と、1段階目及び2段階目の調整における温度の目標値とが、月ごとに記憶されている。この場合、温度の目標値が、各段階の調整における調整内容に相当する。2段階目の調整における温度の目標値は、例えば各月での睡眠に適した家屋7内の温度である。1段階目の調整における温度の目標値は、例えば2段階目の調整における温度の目標値に比べて1℃高い値である。1段階目及び2段階目の調整を開始する時刻は、例えば、就寝時刻の何時間前として記録されている。1段階目の調整を開始する時刻は、2段階目の調整を開始する時刻までに家屋7内の1段階目の環境の調整が完了する時刻であり、例えば就寝時刻の1時間前である。2段階目の調整を開始する時刻は、就寝時刻までに家屋7内の環境の2段階目の調整が完了する時刻であり、例えば就寝時刻の0.5時間前である。
判定装置1は、設定部を構成する。家庭用電気器具6は、調整部を構成する。判定装置1及び制御装置8は、環境制御部を構成する。
図20は、判定装置1の演算部11が行う家屋7内の環境を調整する処理の手順を示すフローチャートである。家屋7内の環境の調整の一例として、2段階に分けて、家屋7内の温度を28℃から25℃に調整する場合について説明する。
人4は、判定装置1の操作部15を操作し、演算部11にプログラム131を実行させる。人4は、操作部15を操作し就寝時刻を入力する。演算部11は、入力された就寝時刻を記憶部13に記憶させる。すなわち就寝時刻が設定される(S401)。
演算部11は、環境調整情報134を参照し、1段階目及び2段階目の調整における調整内容、並びに1段階目及び2段階目の調整を開始する時刻を記憶部13に記憶させる。すなわち調整内容及び調整の開始時刻が設定される(S402)。例えば1段階目の調整において、家屋7の温度を26℃に調整し、2段階目の調整において、家屋7の温度を25℃に調整するという調整内容が記憶部13に記憶される。最終の調整内容、ここでは2段階目の調整内容により調整された環境が、予め定められた環境に相当する。
演算部11は、1段階目の調整の開始時刻になった場合、制御装置8へ1段階目の調整内容を送信する(S403)。制御装置8の演算部81は、1段階目の調整内容を受信し、記憶部83に記憶する。演算部81は、1段階目の調整内容に従い、家庭用電気器具6を制御する。すなわち、演算部81は、家庭用電気器具6に家屋7内の温度を26℃に調整させる。
演算部11は、2段階目の調整の開始時刻になった場合、制御装置8へ2段階目の調整内容を送信し(S404)、処理を終了する。制御装置8の演算部81は、2段階目の調整内容を受信し、記憶部83に記憶する。演算部81は、2段階目の調整内容に従い、家庭用電気器具6を制御する。すなわち、演算部81は、家庭用電気器具6に家屋7内の温度を25℃に調整させる。就寝時刻になった場合、実施の形態1の睡眠改善処理が行われる。人4は、就寝時刻までにセンサ2を胸部等の人体の特定の部位に取り付ける。
段階的に家屋7内の環境を睡眠に適した環境へと調整することにより、人4は眠気を覚え、就寝時刻に就寝することができる。家屋7内の環境が睡眠に適した環境に調整されているので、人4は、快適な睡眠を行うことができる。
調整内容には、複数の環境の調整内容が含まれていてもよい。例えば、2段階目の調整内容に、家屋7内の温度を25℃にする調整内容に加え、家屋7内の明るさを下げる調整内容が含まれてもよい。調整内容を受信した制御装置8は、冷房器具に家屋7内の温度を25℃に調整させ、照明器具に明るさを下げさせる。
制御装置8が、時計を備える場合、判定装置1の演算部11は、S402の処理の後、1段階目及び2段階目の調整内容、並びに1段階目及び2段階目の調整の開始時刻を制御装置8へ送信してもよい。制御装置8の演算部81は、1段階目の調整の開始時刻になった場合、1段階目の調整内容に従い、家庭用電気器具6を制御する。演算部81は、2段階目の調整の開始時刻になった場合、2段階目の調整内容に従い、家庭用電気器具6を制御する。
家庭用電気器具6と制御装置8とが一体となっていてもよい。判定装置1と家庭用電気器具6とが通信可能であり、判定装置1が家庭用電気器具6を制御してもよい。家屋7内の環境の調整は、3段階以上に分けて行われてもよい。
判定装置1は、家屋7内の環境を検知する検知部を備えていてもよい。検知部は、例えば照度計、温度計、又は湿度計であり、家屋7内の照度、温度、又は湿度を検知する。演算部11は、検知部の検知結果に基づいて、調整内容を設定してもよい。
今回開示した実施の形態は、全ての点で例示であって、制限的なものではないと考えられるべきである。各実施例にて記載されている技術的特徴は互いに組み合わせることができ、本発明の範囲は、特許請求の範囲内での全ての変更及び特許請求の範囲と均等の範囲が含まれることが意図される。
1 判定装置
2 センサ
3 選択装置
4 人
5 寝具
6 家庭用電気器具
7 家屋
8 制御装置
11 演算部
13 記憶部
100 睡眠改善システム
133 履歴
332 生活習慣DB
333 学習モデル
2 センサ
3 選択装置
4 人
5 寝具
6 家庭用電気器具
7 家屋
8 制御装置
11 演算部
13 記憶部
100 睡眠改善システム
133 履歴
332 生活習慣DB
333 学習モデル
Claims (10)
- 人の睡眠を改善するためのシステムであって、
人の睡眠時に人体の活動に応じて変動する生体信号を取得する取得部と、
前記生体信号に基づいて前記人の睡眠時の呼吸状態を判定する判定部と、
前記呼吸状態に応じて、前記人に推奨される生活習慣の情報を出力する出力部と
を備えることを特徴とする睡眠改善システム。 - 前記生体信号は、心電図を記録するための心電信号、及び人体の複数点の間のインピーダンスを示す信号の一方又は両方であること
を特徴とする請求項1に記載の睡眠改善システム。 - 前記呼吸状態を表す呼吸データに応じて、予め定められた複数の生活習慣の情報の中から、前記推奨される生活習慣の情報を選択する選択部と、
前記呼吸データを前記選択部へ送信し、前記選択部が選択した前記生活習慣の情報を受信する送受信部とを更に備え、
前記出力部は、前記送受信部が受信した前記生活習慣の情報を出力すること
を特徴とする請求項1又は請求項2に記載の睡眠改善システム。 - 前記選択部は、前記呼吸データが入力された場合に前記複数の生活習慣の情報の夫々の推奨度を出力する学習モデルを含み、
前記送受信部から送信された前記呼吸データを前記学習モデルへ入力し、
前記学習モデルにより出力された推奨度に基づいて、前記推奨される生活習慣の情報を選択すること
を特徴とする請求項3に記載の睡眠改善システム。 - 睡眠時の前記人の姿勢を変化させるように動作する寝具と、
前記生体信号に基づいて、前記呼吸状態が無呼吸の状態になることを予測する予測部と、
前記呼吸状態が無呼吸の状態になることを前記予測部が予測した場合に、前記寝具を動作させる動作制御部と
を更に備えることを特徴とする請求項1から請求項4のいずれか1項に記載の睡眠改善システム。 - 生活の内容の入力を受け付ける受付部と、
前記生活の内容及び前記呼吸状態の履歴を記憶する記憶部と、
前記履歴に応じて、次の睡眠時における前記人の呼吸状態の予報を行う予報部と
を更に備えることを特徴とする請求項1から請求項5のいずれか1項に記載の睡眠改善システム。 - 前記人が睡眠を行う家屋内の環境を調整する調整部と、
前記人の就寝時刻を設定する設定部と、
前記就寝時刻に前記家屋内の環境が予め定められた環境になるように、前記調整部に前記家屋内の環境を段階的に調整させる環境制御部と
を更に備えることを特徴とする請求項1から請求項6のいずれか1項に記載の睡眠改善システム。 - 人の睡眠を改善させる方法であって、
人の睡眠時に人体の活動に応じて変動する生体信号を取得し、
前記生体信号に基づいて前記人の睡眠時の呼吸状態を判定し、
前記呼吸状態に応じて、前記人に推奨される生活習慣の情報を出力すること
を特徴とする睡眠改善方法。 - 人の睡眠を改善するための処理を行う装置であって、
人の睡眠時に人体の活動に応じて変動する生体信号が入力される入力部と、
前記生体信号に基づいて前記人の睡眠時の呼吸状態を判定する判定部と、
前記呼吸状態に応じて、前記人に推奨される生活習慣の情報を出力する出力部と
を備えることを特徴とする睡眠改善装置。 - コンピュータに、人の睡眠を改善するための処理を実行させるコンピュータプログラムであって、
コンピュータに、
人の睡眠時に取得され、人体の活動に応じて変動する生体信号に基づいて、前記人の睡眠時の呼吸状態を判定し、
前記呼吸状態に応じて、前記人に推奨される生活習慣の情報を出力する
処理を実行させることを特徴とするコンピュータプログラム。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2019141599A JP2021026329A (ja) | 2019-07-31 | 2019-07-31 | 睡眠改善システム、睡眠改善方法、睡眠改善装置及びコンピュータプログラム |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2019141599A JP2021026329A (ja) | 2019-07-31 | 2019-07-31 | 睡眠改善システム、睡眠改善方法、睡眠改善装置及びコンピュータプログラム |
Publications (1)
Publication Number | Publication Date |
---|---|
JP2021026329A true JP2021026329A (ja) | 2021-02-22 |
Family
ID=74664676
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2019141599A Pending JP2021026329A (ja) | 2019-07-31 | 2019-07-31 | 睡眠改善システム、睡眠改善方法、睡眠改善装置及びコンピュータプログラム |
Country Status (1)
Country | Link |
---|---|
JP (1) | JP2021026329A (ja) |
-
2019
- 2019-07-31 JP JP2019141599A patent/JP2021026329A/ja active Pending
Similar Documents
Publication | Publication Date | Title |
---|---|---|
KR102057463B1 (ko) | 강화학습을 이용한 수면 환경 조절 장치 | |
JP6423802B2 (ja) | 情報処理システム、情報処理サーバ、情報処理プログラム、および疲労評価方法 | |
KR101850855B1 (ko) | 평가 및 조정을 위한 삶의 질 변수의 비접촉 및 최소접촉 모니터링 | |
JP2007505412A (ja) | 対話式及び個人専用の計画、介入及び報告能力を含む体重及び他の生理学的状態のモニター及び管理システム | |
JP2009233027A (ja) | 睡眠改善装置及び睡眠改善プログラム | |
JP2011036649A (ja) | ユーザの睡眠を管理するための方法およびシステム | |
KR20170028247A (ko) | 수면 관리 방법 | |
US20220370757A1 (en) | Personalized sleep wellness score for treatment and/or evaluation of sleep conditions | |
US9968293B1 (en) | Detecting and estimating sleep stages | |
JP2014039586A (ja) | 睡眠改善支援装置 | |
JP2018149190A (ja) | 情報処理装置、情報処理方法及びそのプログラム | |
JP7276787B2 (ja) | 解析システム及び解析方法 | |
JP2018509270A (ja) | 精神的苦痛モニタリングシステム | |
US10888224B2 (en) | Estimation model for motion intensity | |
JP2018088966A (ja) | 気分推定システム | |
JP2021026329A (ja) | 睡眠改善システム、睡眠改善方法、睡眠改善装置及びコンピュータプログラム | |
JP7233032B2 (ja) | 環境制御システム及び環境制御方法 | |
JP7126651B2 (ja) | 睡眠深度測定装置、睡眠深度測定方法、コンピュータプログラム及び学習済みモデル | |
JP6746508B2 (ja) | ユーザ端末装置およびデータ送信方法 | |
JP2021026477A (ja) | 支援装置及び支援プログラム | |
WO2023074283A1 (ja) | 健康状態判定方法、及び、健康状態判定システム | |
JP6989992B1 (ja) | 情報処理システム、サーバ、情報処理方法及びプログラム | |
WO2023074284A1 (ja) | 健康状態判定方法、及び、健康状態判定システム | |
JP7042541B1 (ja) | 情報処理システム、サーバ、情報処理方法及びプログラム | |
WO2023189853A1 (ja) | 健康状態判定方法、及び、健康状態判定システム |