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

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。

国際公開第２０１８／１６３４４７号

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に係る睡眠改善システムの構成を示す模式図である。 センサの内部構成を示すブロック図である。 判定装置の内部構成を示すブロック図である。 選択装置の内部構成を示すブロック図である。 生活習慣ＤＢの内容例を示す概念図である。 学習モデルの模式図である。 教師データの内容例を示す概念図である。 睡眠改善システム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。 睡眠時の人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。 実施の形態２に係る睡眠改善システムの構成を示すブロック図である。 判定装置の演算部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３に係る睡眠改善システムの構成を示すブロック図である。 履歴の内容例を示す概念図である。 判定装置の演算部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。 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。 学習モデルの模式図である。 教師データの内容例を示す概念図である。 実施の形態４に係る睡眠改善システムの構成を示すブロック図である。 環境調整情報の内容例を示す概念図である。 判定装置の演算部が行う家屋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。

（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。

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。

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。

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。

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。

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

Claims (10)

1. 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。
2. 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。
3. 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。
4. 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。
5. 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。
6. 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。
7. 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。
8. 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。
9. 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。
10. 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。

Images