JP3788126B2 - Sleep state determination device - Google Patents
Sleep state determination device Download PDFInfo
- Publication number
- JP3788126B2 JP3788126B2 JP24053299A JP24053299A JP3788126B2 JP 3788126 B2 JP3788126 B2 JP 3788126B2 JP 24053299 A JP24053299 A JP 24053299A JP 24053299 A JP24053299 A JP 24053299A JP 3788126 B2 JP3788126 B2 JP 3788126B2
- Authority
- JP
- Japan
- Prior art keywords
- sleep state
- time
- calculation unit
- biological information
- unit
- 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.)
- Expired - Fee Related
Links
Description
【０００１】
【発明の属する技術分野】
本発明は、心拍数や脈拍数のような比較的容易に得られる生体の活動情報に基づいて、生体の睡眠状態の変化を検出するようにした睡眠状態判定装置に関するものである。
【０００２】
【従来の技術】
一般に、心拍信号はその人間の状態、例えば、睡眠・覚醒、安静・運動、姿勢の変化、摂食、さらには情動や精神的なリラックスやストレス等によって絶えず変化している。また、睡眠に関しても人間の睡眠状態は一晩を通じて一様ではなく、ノンレム睡眠期とレム睡眠期とのサイクルが周期的に数回出現し、その周期が１００分程度（８０〜１２０分）であることが従来より知られている。各サイクルでは、ノンレム睡眠期において浅い睡眠から深い睡眠へと睡眠状態が次第に移行し、深い睡眠状態が持続した後、再び浅い睡眠状態となり、その後、レム睡眠期が出現するという変化のしかたが一般的である。また、各サイクルにおけるノンレム睡眠期の睡眠の深さの変化は相対的であり、入眠から覚醒にかけてサイクル毎に睡眠深度が浅くなる。従って、上述のような睡眠の状態変化を検出すれば、その状態に応じて入眠を促進したり、より深い睡眠状態に誘うように、また心地よく目覚めさせたりするように適宜の刺激を与えることができる。
【０００３】
そこで睡眠の状態変化を検出することが従来から種々試みられており、例えば脳波、眼球運動、筋電などを含む睡眠ポリグラフを用いれば良い。しかしこのものは、装置が大がかりであり、研究室や病院などの計測設備を備えた場所でしか利用できず、健康機器のように日常的に使用する用途には不向きである。そこで、睡眠ポリグラフに代わる手段によって睡眠の状態変化を精度良く検出することが望まれている。このような要求に応えるために、心拍数や脈拍数に着目し、これらの変化から人間の状態変化を検出する事が考えられている。
【０００４】
すなわち、夜間睡眠においては、単位時間あたりの心拍数は入眠とともに減少し、朝方に最低値を示し、覚醒時期が近付くにつれて増加することが知られている。また、ノンレム睡眠期では単位時間当たりの心拍数は比較的安定しているがレム睡眠期には自律神経の活動状態に乱れが生じるから心拍数が著しく変動し、多くの場合に増加傾向が見られるということが知られている。さらに、ノンレム睡眠期の中でも睡眠深度が浅い場合は単位時間当たりの心拍数は比較的多めで睡眠深度が深い場合は単位時間当たりの心拍数は比較的少なめで非常に安定している。図１４（ａ）に覚醒状態、レム睡眠期、ノンレム睡眠期の浅い睡眠状態、ノンレム睡眠期の深い睡眠状態の、４通りの睡眠状態の一晩での推移の一例を示し、また図１４（ｂ）にこのときの心拍数の推移の一例を示す。ここで図１４において、「ＷＡＫＥ」は覚醒状態、「ＲＥＭ」はレム睡眠期、「ｎｏｎ−ＲＥＭ」はノンレム睡眠期の浅い睡眠状態、「ＳＷＳ」はノンレム睡眠期の深い睡眠状態を示している。
【０００５】
そしてこのような知見に基づいて、睡眠状態を検出する構成が従来から種々提供されており、例えば特開昭６３−２０５５９２号公報に開示されているように、脈拍数の増減を指標としてレム睡眠期を検出するものがある。また、特開平３−４１９２６号公報に開示されているように、脈拍数や呼吸数の増減傾向と時間的変動とを織り込んだ睡眠指数を用いることにより睡眠の状態変化を精度良く検出できるようにしたものがある。
【０００６】
【発明が解決しようとする課題】
しかしながら、上記の従来のものでは、脈拍数や呼吸数の増減傾向と時間的変動とを織り込んだ睡眠指数を用いることにより、入眠を判別し、レム睡眠期を検出していたものであるから、実際の睡眠の状態変化との一致率に個人差がかなりあり、睡眠ポリグラフに比較して精度がかなり悪く、深い睡眠状態と浅い睡眠状態を判別できないという問題を有していた。
【０００７】
本発明は上記問題点の解決を目的とするものであり、睡眠状態を精度良く検出することができる睡眠状態判定装置を提供しようとするものである。
【０００８】
【課題を解決するための手段】
本発明の請求項１に係る睡眠状態判定装置は、単位時間あたりの心拍数または脈拍数などの生体情報値を測定して各時刻の生体情報計測値とする計測部１と、測定時刻を設定する測定時刻設定部２と、生体情報値の時系列の時間変化の傾向を表すように設定したトレンド曲線を算出するトレンド曲線算出部３と、上記生体情報値とトレンド曲線から各測定時刻での生体情報値の増加度合いを算出する増分算出部４と、上記各測定時刻の前の一定時間内での上記生体情報値のばらつき度合いを算出するばらつき度算出部５と、この算出された生体情報値の増分とばらつき度の組み合わせから、予め設定された睡眠状態出現確率密度分布表６をもとに各睡眠状態の出現確率を算出する睡眠状態出現確率算出部７と、睡眠状態出現確率算出部７で算出された各睡眠状態の出現確率のなかで最も大きな数値を採った状態をその測定時刻の睡眠状態と推定する睡眠状態推定部８とを具備して成ることを特徴とするものである。
【０００９】
本発明の請求項２に係る睡眠状態判定装置は、単位時間あたりの心拍数または脈拍数などの生体情報値を測定して各時刻の生体情報計測値とする計測部１と、測定時刻を設定する測定時刻設定部２と、生体情報値の時系列の時間変化の傾向を表すように設定したトレンド曲線を算出するトレンド曲線算出部３と、上記生体情報値とトレンド曲線から各測定時刻での生体情報値の増加度合いを算出する増分算出部４と、上記各測定時刻の前の一定時間内での上記生体情報値のばらつき度合いを算出するばらつき度算出部５と、この算出された生体情報値の増分とばらつき度の組み合わせから、予め設定された睡眠状態出現確率密度分布表６をもとに各睡眠状態の出現確率を算出する睡眠状態出現確率算出部７と、動作開始時からの経過時間から、予め設定された各睡眠状態の出現割合表９をもとに各睡眠状態の出現割合を算出する睡眠状態出現割合算出部１０と、上記各睡眠状態出現確率と上記各睡眠状態出現割合を掛け合わせて各睡眠状態出現比率を算出する睡眠状態出現比率算出部１１と、上記各睡眠状態出現比率のなかで最も大きな数値を採った状態をその測定時刻の睡眠状態と推定する睡眠状態推定部８とを具備して成ることを特徴とするものである。
【００１０】
本発明の請求項３に係る睡眠状態判定装置は、単位時間あたりの心拍数または脈拍数などの生体情報値を測定して各時刻の生体情報計測値とする計測部１と、測定時刻を設定する測定時刻設定部２と、上記生体情報値の時系列の進行方向の時間変化の傾向を表すように設定した前トレンド曲線を算出する前トレンド曲線算出部１２と、上記生体情報値の時系列の逆行方向の時間変化の傾向を表すように設定した後トレンド曲線を算出する後トレンド曲線算出部１３と、上記前トレンド曲線と上記後トレンド曲線のうち各測定時刻において大きいほうの値を採用してトレンド曲線を算出するトレンド曲線算出部１４と、上記生体情報値とトレンド曲線から各測定時刻での生体情報値の増加度合いを算出する増分算出部４と、上記各測定時刻の前の一定時間内での上記生体情報値のばらつき度合いを算出するばらつき度算出部５と、この算出された生体情報値の増分とばらつき度の組み合わせから、予め設定された睡眠状態出現確率密度分布表６をもとに各睡眠状態の出現確率を算出する睡眠状態出現確率算出部７と、上記各睡眠状態の出現確率のなかで最も大きな数値を採った状態をその測定時刻の睡眠状態と推定する睡眠状態推定部８とを具備して成ることを特徴とするものである。
【００１１】
本発明の請求項４に係る睡眠状態判定装置は、単位時間あたりの心拍数または脈拍数などの生体情報値を測定して各時刻の生体情報計測値とする計測部１と、測定時刻を設定する測定時刻設定部２と、上記生体情報値の時系列の進行方向の時間変化の傾向を表すように設定した前トレンド曲線を算出する前トレンド曲線算出部１２と、上記生体情報値の時系列の逆行方向の時間変化の傾向を表すように設定した後トレンド曲線を算出する後トレンド曲線算出部１３と、上記前トレンド曲線と上記後トレンド曲線のうち各測定時刻において大きなほうの値を採用してトレンド曲線を算出するトレンド曲線算出部１４と、上記生体情報値とトレンド曲線から各測定時刻での生体情報値の増加度合いを算出する増分算出部４と、上記各測定時刻の前の一定時間内での上記生体情報値のばらつき度合いを算出するばらつき度算出部５と、この算出された生体情報値の増分とばらつき度の組み合わせから、予め設定された睡眠状態出現確率密度分布表６をもとに各睡眠状態の出現確率を算出する睡眠状態出現確率算出部７と、動作開始時からの経過時間から、予め設定された睡眠状態の出現割合表９をもとに各睡眠状態の出現割合を算出する睡眠状態出現割合算出部１０と、上記各睡眠状態出現確率と上記各睡眠状態出現割合を掛け合わせて各睡眠状態出現比率を算出する睡眠状態出現比率算出部１１と、上記各睡眠状態出現比率のなかで最も大きな数値を採った状態をその測定時刻の睡眠状態と推定する睡眠状態推定部８とを具備して成ることを特徴とするものである。
【００１２】
また請求項５の発明は、請求項１〜４において、上記睡眠状態推定部８より出力された推定結果に対して、入眠と推定した後、予め設定された時間の間は深い睡眠状態にならないように推定結果を訂正する睡眠判定調整部１５を具備して成ることを特徴とするものである。
【００１３】
また請求項６の発明は、請求項１〜５において、上記睡眠状態推定部８より出力された推定結果に対して、入眠と推定した後、ばらつき度が予め設定された閾値未満である状態が連続して予め設定された時間の間持続した場合に、深い睡眠状態となるように推定結果を訂正する睡眠判定調整部１６を具備して成ることを特徴とするものである。
【００１４】
【発明の実施の形態】
以下、本発明の実施の形態を説明する。尚、以下の各実施の形態では、生体の活動状況の指標となる生体情報値として、心拍数を用いているが、脈拍数でも同様の処理を行なうことができるのはもちろんのことである。
【００１５】
図１は請求項１の発明を実施するための装置の制御部の基本構成の一例を示すものである。心拍の計測は、電極を用いたり電波を用いたりして心臓の拍動を検出する心拍センサを使用して行なうことができるものであり、心拍センサからの出力は無線伝送あるいは有線伝送により本装置に伝送され、心拍センサから伝送された心拍信号は計測部１に入力されるようになっている。計測部１では、波形整形を行うことによりパルス状の信号を得た後、単位時間毎のパルス数を計数し、計数値を単位時間あたりの心拍数Ｈ（ｔ）として出力するようになっている。パルス数を計数する単位時間は、たとえば１分である。計測部１から出力される単位時間あたりの心拍数Ｈ（ｔ）は、トレンド曲線算出部３と増分算出部４とばらつき度算出部５に入力される。
【００１６】
トレンド曲線算出部３では、生体情報値の時系列の時間変化での増減傾向を表すように設定したトレンド曲線を算出するようにしてある。すなわち、トレンド曲線算出部３は図２のフローチャートに示すように動作し、入力された単位時間あたりの心拍数Ｈ（ｔ）より次式のようにトレンド曲線ＦＴ（ｔ）を定義する。
【００１７】
ｔ＝１の時
ＦＴ（１）＝Ｈ（１）
ｔ＞１の時
Ｈ（ｔ）≧ＦＴ（ｔ−１）の時 ＦＴ（ｔ）＝ＦＴ（ｔ−１）
Ｈ（ｔ）＜ＦＴ（ｔ−１）の時 ＦＴ（ｔ）＝Ｈ（ｔ）
このようにして求められるトレンド曲線ＦＴ（ｔ）は、たとえば、図３のようになる。この図３において、心拍数は黒細線で、トレンド曲線は黒太線で表している。
【００１８】
このようにしてトレンド曲線算出部３で算出されて出力されたトレンド曲線ＦＴ（ｔ）は各測定時刻での生体情報値の増加度合いである増分を算出する増分算出部４に入力される。増分算出部４では、トレンド曲線ＦＴ（ｔ）からの心拍数Ｈ（ｔ）の増加度合いを表す指標である増分ＺＯＵ（ｔ）が算出される。すなわち、増分ＺＯＵ（ｔ）を心拍数Ｈ（ｔ）とトレンド曲線ＦＴ（ｔ）を用いて次式のように定義する。
【００１９】
ＺＯＵ（ｔ）＝Ｈ（ｔ）−ＦＴ（ｔ）
このようにして求められる増分ＺＯＵ（ｔ）は、たとえば、図４のようになる。図４は、図３の心拍数Ｈ（ｔ）とトレンド曲線ＦＴ（ｔ）から得られる一晩の増分の推移を示すものである。
【００２０】
またばらつき度算出部５では、計測部１より入力された心拍数Ｈ（ｔ）のばらつき度合いを算出するようになっている。まず、計測された心拍数Ｈ（ｔ）とその１分前に計測された心拍数Ｈ（ｔ−１）の差の絶対値（差分ＳＡＢＵＮ（ｔ）とする）を算出する。差分ＳＡＢＵＮ（ｔ）の算出式は次式のように定義する。
【００２１】
ａｂｓ（Ｈ（ｔ）−Ｈ（ｔ−１））＜６の場合
ＳＡＢＵＮ（ｔ）＝ａｂｓ（Ｈ（ｔ）−Ｈ（ｔ−１））
ａｂｓ（Ｈ（ｔ）−Ｈ（ｔ−１））≧６の場合
ＳＡＢＵＮ（ｔ）＝６
さらに、差分ＳＡＢＵＮ（ｔ）を用いてばらつき度ＢＡＲＡ（ｔ）を次式のように算出する。
【００２２】
ｔ＝１の場合
ＢＡＲＡ（１）＝ＳＡＢＵＮ（１）
ｔ＝２の場合
ＢＡＲＡ（１）＝ＳＡＢＵＮ（１）＋ＳＡＢＵＮ（２）
ｔ＝３の場合
ＢＡＲＡ（１）＝ＳＡＢＵＮ（１）＋ＳＡＢＵＮ（２）＋ＳＡＢＵＮ（３）
ｔ＝４の場合
ＢＡＲＡ（１）＝ＳＡＢＵＮ（１）＋ＳＡＢＵＮ（２）＋ＳＡＢＵＮ（３）
＋ＳＡＢＵＮ（４）
ｔ≧５の場合
ＢＡＲＡ（ｔ）＝ＳＡＢＵＮ（ｔ−４）＋ＳＡＢＵＮ（ｔ−３）
＋ＳＡＢＵＮ（ｔ−２）＋ＳＡＢＵＮ（ｔ−１）
＋ＳＡＢＵＮ（ｔ）
このようにして求めたばらつき度ＢＡＲＡ（ｔ）は、例えば図５のようになる。
【００２３】
そして上記のようにして、増分算出部４で算出されて出力された増分ＺＯＵ（ｔ）と、ばらつき度算出部５で算出されて出力されたばらつき度ＢＡＲＡ（ｔ）は、睡眠状態出現確率密度分布表６をもとに各睡眠状態の出現確率を算出する睡眠状態出現確率算出部７に入力される。睡眠状態出現確率算出部７では、増分算出部４から出力された増分ＺＯＵ（ｔ）とばらつき度算出部５から出力されたばらつき度ＢＡＲＡ（ｔ）の組み合わせから、各睡眠状態ごとの睡眠状態出現確率密度分布表６をもとにして、覚醒状態、レム睡眠期、ノンレム睡眠期の浅い睡眠状態、ノンレム睡眠期の深い睡眠状態の、４種類の各睡眠状態の出現確率を算出するようになっている。
【００２４】
睡眠状態出現確率密度分布表６は、たとえば８９夜分（時間では約４万２０００分）の夜間の睡眠状態のデータを基に作成されているものである。すなわち、この約４万２０００分のデータの１分１分ごとに心拍数の増分とばらつき度が計算されており、その１分１分ごとに睡眠状態が脳波のデータから判定されている。そしてこれらのデータから、１分の心拍数の増分とばらつき度の組み合わせと、睡眠状態の種類との関係を解析することによって、その１分の睡眠状態が、ノンレム睡眠期の浅い睡眠状態である確率、レム睡眠期である確率、ノンレム睡眠期の深い睡眠状態である確率、覚醒状態である確率をそれぞれ算出することができる。睡眠状態出現確率密度分布表６はこれらの確率をまとめたものであって、図６にその一例を示すように、ノンレム睡眠期の浅い睡眠状態（ｎｏｎ−ＲＥＭ）、レム睡眠期（ＲＥＭ）、ノンレム睡眠期の深い睡眠状態（ＳＷＳ）、覚醒状態（ＷＡＫＥ）の各睡眠状態ごとの出現確率密度分布表６ａ，６ｂ，６ｃ，６ｄからなるものであり、各睡眠状態ごとの睡眠状態出現確率密度分布表６ａ，６ｂ，６ｃ，６ｄには増分とばらつき度の組み合わせからその睡眠状態の出現確率が求められるように２次元の表になっている。例えば図６にみられるように、増分が「３」、ばらつきが「５」であると、ノンレム睡眠期の浅い睡眠状態（ｎｏｎ−ＲＥＭ）の出現確率は６８．５％になる。そしてこのように睡眠状態出現確率算出部７で算出されて出力された各睡眠状態ごとの出現確率は、睡眠状態推定部８に入力される。
【００２５】
睡眠状態推定部８では、睡眠状態出現確率算出部７から出力された４つの各睡眠状態ごとの出現確率を比べ、最も大きな値を示した睡眠状態をその時刻の睡眠状態と推定するようにしてあり、覚醒状態、レム睡眠期、ノンレム睡眠期の浅い睡眠状態、ノンレム睡眠期の深い睡眠状態の、４種類のいずれの睡眠状態であるかを推定することができるものである。
【００２６】
次に、図７は請求項２の発明に係る装置の制御部の基本構成の一例を示すものである。計測部１、トレンド曲線算出部３、増分算出部４、ばらつき度算出部５、睡眠状態出現確率算出部７は上記の図１の場合と同じである。そして睡眠状態出現確率算出部７で算出されて出力された各睡眠状態ごとの出現確率は、睡眠状態出現比率算出部１１に入力される。
【００２７】
睡眠状態出現割合算出部１０では、睡眠の動作開始時からの経過時間から、各睡眠状態の出現割合表９をもとに、覚醒状態、レム睡眠期、ノンレム睡眠期の浅い睡眠状態、ノンレム睡眠期の深い睡眠状態の、４種類の各睡眠状態の出現割合を算出するようになっている。この睡眠状態出現割合表９は、前記と同様な夜間の睡眠状態のデータを基にして入床からの経過時間と睡眠状態の種類との関係を解析することによって、４種類の各睡眠状態の出現割合を算出して作成されたものであって、睡眠の開始時から所定時間経過したときの睡眠状態が、覚醒状態、レム睡眠期、ノンレム睡眠期の浅い睡眠状態、ノンレム睡眠期の深い睡眠状態のいずれであるかの割合を示すものであり、図８に覚醒状態（ＷＡＫＥ）、レム睡眠期（ＲＥＭ）、ノンレム睡眠期の浅い睡眠状態（ｎｏｎ−ＲＥＭ）、ノンレム睡眠期の深い睡眠状態（ＳＷＳ）の、４通りの各睡眠状態の出現割合表９をグラフ化したものを示す。睡眠状態出現割合算出部６で算出されて出力された各睡眠状態の出現割合は、睡眠状態出現比率算出部１１に入力される。
【００２８】
睡眠状態出現比率算出部１１では、睡眠状態出現確率算出部７から出力された各睡眠状態ごとの出現確率と、睡眠状態出現割合算出部１０から出力された各睡眠状態の出現割合とを掛け合わせて、各睡眠状態の出現比率を算出するようになっている。そして睡眠状態出現比率算出部１１で算出されて出力された各睡眠状態の出現比率は、睡眠状態推定部８に入力される。
【００２９】
睡眠状態推定部８では、睡眠状態出現比率算出部１１から出力された各睡眠状態ごとの出現比率を比べ、最も大きな値を示した状態をその時刻の睡眠状態と推定するようにしてあり、覚醒状態、レム睡眠期、ノンレム睡眠期の浅い睡眠状態、ノンレム睡眠期の深い睡眠状態の、４種類のいずれの睡眠状態であるかを推定することができるものである。
【００３０】
次に、図９は請求項３の発明に係る装置の制御部の基本構成の一例を示すものである。計測部１は上記の図１の場合と同じである。そして計測部１から出力された単位時間あたりの心拍数Ｈ（ｔ）は、前トレンド曲線算出部１２、後トレンド曲線算出部１３、増分算出部４、ばらつき度算出部５に出力される。
【００３１】
前トレンド曲線算出部１２では、生体情報値の時系列の進行方向の時間変化での増減傾向を表すように設定した前トレンド曲線ＦＴ（ｔ）を算出するようにしてある。この前トレンド曲線ＦＴ（ｔ）を算出する動作は図１でのトレンド曲線算出部３の動作と同じである。そして前トレンド曲線算出部１２から出力された前トレンド曲線ＦＴ（ｔ）は、トレンド曲線算出部１４に入力される。
【００３２】
また後トレンド曲線算出部１３では、生体情報値の時系列の逆行方向の時間変化での増減傾向を表すように設定した後トレンド曲線ＲＴ（ｔ）を算出するようにしてある。すなわち、後トレンド曲線算出部１３は図１０のフローチャートに示すように動作し、入力された単位時間あたりの心拍数Ｈ（ｔ）より次式のように後トレンド曲線ＲＴ（ｔ）を定義する。
【００３３】
ｄｓ：最終の計測時間
ｔ＝ｄｓの時
ＲＴ（ｄｓ）＝Ｈ（ｄｓ）
ｔ＜ｄｓの時
Ｈ（ｔ）≧ＲＴ（ｔ＋１）の時 ＲＴ（ｔ）＝ＲＴ（ｔ＋１）
Ｈ（ｔ）＜ＲＴ（ｔ＋１）の時 ＲＴ（ｔ）＝Ｈ（ｔ）
そして後トレンド曲線算出部１３で算出されて出力された後トレンド曲線ＲＴ（ｔ）は、トレンド曲線算出部１４に入力される。
【００３４】
トレンド曲線算出部１４では、前トレンド曲線算出部１２から出力された前トレンド曲線ＦＴ（ｔ）と、後トレンド曲線算出部１３から出力された後トレンド曲線ＲＴ（ｔ）のうち、各測定時刻においてより大きな値を採るほうを採用し、トレンド曲線ＴＲＥ（ｔ）を算出するようにしてある。このようにしてトレンド曲線算出部１４で算出されて出力されたトレンド曲線ＴＲＥ（ｔ）は、各測定時刻での生体情報値の増加度合いを算出する増分算出部４に入力される。
【００３５】
増分算出部４では、トレンド曲線ＴＲＥ（ｔ）からの心拍数Ｈ（ｔ）の増加度合いを表す指標である増分ＺＯＵ（ｔ）を算出する。すなわち、増分ＺＯＵ（ｔ）を心拍数Ｈ（ｔ）とトレンド曲線ＴＲＥ（ｔ）を用いて次式のように定義する。
【００３６】
ＺＯＵ（ｔ）＝Ｈ（ｔ）−ＴＲＥ（ｔ）
ばらつき度算出部５については、図１のものと同じである。
【００３７】
そして、増分算出部４で算出されて出力された増分ＺＯＵ（ｔ）と、ばらつき度算出部５で算出されて出力されたばらつき度ＢＡＲＡ（ｔ）は、睡眠状態出現確率密度分布表６をもとに各睡眠状態の出現確率を算出する睡眠状態出現確率算出部７に入力され、各睡眠状態ごとの出現確率が算出される。この各睡眠状態ごとの出現確率は睡眠状態推定部８に入力され、覚醒状態、レム睡眠期、ノンレム睡眠期の浅い睡眠状態、ノンレム睡眠期の深い睡眠状態の、４種類のいずれの睡眠状態であるかを推定する。睡眠状態出現確率算出部７と睡眠状態推定部８については図１のものと同じである。
【００３８】
次に、図１１は請求項４の発明に係る装置の制御部の基本構成の一例を示すものである。計測部１、前トレンド曲線算出部１２、後トレンド曲線算出部１３、トレンド曲線算出部１４、増分算出部４、ばらつき度算出部５、睡眠状態出現確率算出部７については、図９のものと同じである。また睡眠状態出現割合算出部１０、睡眠状態出現比率算出部１１、睡眠状態推定部８については図１０のものと同じである。
【００３９】
そして睡眠状態出現確率算出部７で算出されて出力された各睡眠状態の出現確率と、睡眠状態出現割合算出部１０で算出されて出力された各睡眠状態の出現割合は、それぞれ睡眠状態出現比率算出部１１に入力され、各睡眠状態の出現比率が算出される。この各睡眠状態の出現比率は睡眠状態推定部８に入力され、覚醒状態、レム睡眠期、ノンレム睡眠期の浅い睡眠状態、ノンレム睡眠期の深い睡眠状態の、４種類のいずれの睡眠状態であるかを推定する。
【００４０】
次に図１２は請求項５の発明に係る装置の制御部の基本構成の一例を示すものである。計測部１から睡眠状態推定部８までについては図１のものと同じである。
【００４１】
そして睡眠状態推定部８で推定された睡眠状態の推定結果は、睡眠状態推定部８から出力されて睡眠判定調整部１５に入力される。睡眠判定調整部１５では、入力された睡眠状態の推定結果をもとに、入眠と推定した後、予め設定してあった時間（例えば１０分）の間は深い睡眠状態と判定しないように推定結果を訂正するようになっている。
【００４２】
次に図１３は請求項６の発明に係る装置の制御部の基本構成の一例を示すものである。計測部１から睡眠状態推定部８までについては図１のものと同じである。
【００４３】
そして睡眠状態推定部８で推定された睡眠状態の推定結果は、睡眠状態推定部８から出力されて睡眠判定調整部１６に入力される。睡眠判定調整部１６では、入力された睡眠状態の推定結果をもとに、入眠と推定した後、ばらつき度が予め設定してある閾値未満である状態が、連続して予め設定してある時間の間持続した場合には、深い睡眠状態と判定するように推定結果を訂正するようになっている。
【００４４】
【発明の効果】
本発明の請求項１に係る睡眠状態判定装置は、単位時間あたりの心拍数または脈拍数などの生体情報値を測定して各時刻の生体情報計測値とする計測部と、測定時刻を設定する測定時刻設定部と、生体情報値の時系列の時間変化の傾向を表すように設定したトレンド曲線を算出するトレンド曲線算出部と、上記生体情報値とトレンド曲線から各測定時刻での生体情報値の増加度合いを算出する増分算出部と、上記各測定時刻の前の一定時間内での上記生体情報値のばらつき度合いを算出するばらつき度算出部と、この算出された生体情報値の増分とばらつき度の組み合わせから、予め設定された睡眠状態出現確率密度分布表をもとに各睡眠状態の出現確率を算出する睡眠状態出現確率算出部と、睡眠状態出現確率算出部で算出された各睡眠状態の出現確率のなかで最も大きな数値を採った状態をその測定時刻の睡眠状態と推定する睡眠状態推定部とを具備するので、生体情報値の増加度合いとばらつき度合いとから各睡眠状態の出現確率を算出することができ、睡眠状態を精度良く、しかもリアルタイムで検出することができるものである。
【００４５】
本発明の請求項２に係る睡眠状態判定装置は、単位時間あたりの心拍数または脈拍数などの生体情報値を測定して各時刻の生体情報計測値とする計測部と、測定時刻を設定する測定時刻設定部と、生体情報値の時系列の時間変化の傾向を表すように設定したトレンド曲線を算出するトレンド曲線算出部と、上記生体情報値とトレンド曲線から各測定時刻での生体情報値の増加度合いを算出する増分算出部と、上記各測定時刻の前の一定時間内での上記生体情報値のばらつき度合いを算出するばらつき度算出部と、この算出された生体情報値の増分とばらつき度の組み合わせから、予め設定された睡眠状態出現確率密度分布表をもとに各睡眠状態の出現確率を算出する睡眠状態出現確率算出部と、動作開始時からの経過時間から、予め設定された各睡眠状態の出現割合表をもとに各睡眠状態の出現割合を算出する睡眠状態出現割合算出部と、上記各睡眠状態出現確率と上記各睡眠状態出現割合を掛け合わせて各睡眠状態出現比率を算出する睡眠状態出現比率算出部と、上記各睡眠状態出現比率のなかで最も大きな数値を採った状態をその測定時刻の睡眠状態と推定する睡眠状態推定部とを具備するので、生体情報値の増加度合いとばらつき度合いに加えて、睡眠状態出現割合表から各睡眠状態の出現割合を算出することができ、時間経過の概念を加えることができて、睡眠状態を精度良く、しかもリアルタイムで検出することができるものである。
【００４６】
本発明の請求項３に係る睡眠状態判定装置は、単位時間あたりの心拍数または脈拍数などの生体情報値を測定して各時刻の生体情報計測値とする計測部と、測定時刻を設定する測定時刻設定部と、上記生体情報値の時系列の進行方向の時間変化の傾向を表すように設定した前トレンド曲線を算出する前トレンド曲線算出部と、上記生体情報値の時系列の逆行方向の時間変化の傾向を表すように設定した後トレンド曲線を算出する後トレンド曲線算出部と、上記前トレンド曲線と上記後トレンド曲線のうち各測定時刻において大きいほうの値を採用してトレンド曲線を算出するトレンド曲線算出部と、上記生体情報値とトレンド曲線から各測定時刻での生体情報値の増加度合いを算出する増分算出部と、上記各測定時刻の前の一定時間内での上記生体情報値のばらつき度合いを算出するばらつき度算出部と、この算出された生体情報値の増分とばらつき度の組み合わせから、予め設定された睡眠状態出現確率密度分布表をもとに各睡眠状態の出現確率を算出する睡眠状態出現確率算出部と、上記各睡眠状態の出現確率のなかで最も大きな数値を採った状態をその測定時刻の睡眠状態と推定する睡眠状態推定部とを具備するので、前トレンド曲線と後トレンド曲線から算出されるトレンド曲線をもとにして生体情報値の増加度合いをより生体の状態を正確に反映した値として算出することができ、この生体情報値の増加度合いとばらつき度合いとから各睡眠状態の出現確率を算出することができるものであり、睡眠状態を精度良く、しかもリアルタイムで検出することができるものである。
【００４７】
本発明の請求項４に係る睡眠状態判定装置は、単位時間あたりの心拍数または脈拍数などの生体情報値を測定して各時刻の生体情報計測値とする計測部と、測定時刻を設定する測定時刻設定部と、上記生体情報値の時系列の進行方向の時間変化の傾向を表すように設定した前トレンド曲線を算出する前トレンド曲線算出部と、上記生体情報値の時系列の逆行方向の時間変化の傾向を表すように設定した後トレンド曲線を算出する後トレンド曲線算出部と、上記前トレンド曲線と上記後トレンド曲線のうち各測定時刻において大きなほうの値を採用してトレンド曲線を算出するトレンド曲線算出部と、上記生体情報値とトレンド曲線から各測定時刻での生体情報値の増加度合いを算出する増分算出部と、上記各測定時刻の前の一定時間内での上記生体情報値のばらつき度合いを算出するばらつき度算出部と、この算出された生体情報値の増分とばらつき度の組み合わせから、予め設定された睡眠状態出現確率密度分布表をもとに各睡眠状態の出現確率を算出する睡眠状態出現確率算出部と、動作開始時からの経過時間から、予め設定された睡眠状態の出現割合表をもとに各睡眠状態の出現割合を算出する睡眠状態出現割合算出部と、上記各睡眠状態出現確率と上記各睡眠状態出現割合を掛け合わせて各睡眠状態出現比率を算出する睡眠状態出現比率算出部と、上記各睡眠状態出現比率のなかで最も大きな数値を採った状態をその測定時刻の睡眠状態と推定する睡眠状態推定部とを具備するので、前トレンド曲線と後トレンド曲線から算出されるトレンド曲線をもとにして生体情報値の増加度合いをより生体の状態を正確に反映した値として算出することができ、しかもこの生体情報値の増加度合いとばらつき度合いに加えて、睡眠状態出現割合表から各睡眠状態の出現割合を算出することができ、時間経過の概念を加えることができて、睡眠状態を精度良く、しかもリアルタイムで検出することができるものである。
【００４８】
また請求項５の発明は、上記睡眠状態推定部より出力された推定結果に対して、入眠と推定した後、予め設定された時間の間は深い睡眠状態にならないように推定結果を訂正する睡眠判定調整部を具備するので、睡眠状態を精度良く検出することができるものである。
【００４９】
また請求項６の発明は、上記睡眠状態推定部より出力された推定結果に対して、入眠と推定した後、ばらつき度が予め設定された閾値未満である状態が連続して予め設定された時間の間持続した場合に、深い睡眠状態となるように推定結果を訂正する睡眠判定調整部を具備するので、睡眠状態を精度良く検出することができるものである。
【図面の簡単な説明】
【図１】 請求項１の発明の実施の形態の一例における制御部のブロック図である。
【図２】 同上のトレンド曲線算出部の動作を示すフローチャートである。
【図３】 同上の一晩の心拍数の推移とそれに対応するトレンド曲線を示すグラフである。
【図４】 同上の一晩の心拍数の増分の推移を示すグラフである。
【図５】 同上の一晩の心拍数のばらつき度を示すグラフである。
【図６】 同上の睡眠状態出現確率密度分布表を示す図である。
【図７】 請求項２の発明の実施の形態の一例における制御部のブロック図である。
【図８】 同上の睡眠状態の出現割合表のグラフである。
【図９】 請求項３の発明の実施の形態の一例における制御部のブロック図である。
【図１０】 同上の後トレンド曲線算出部の動作を示すフローチャートである。
【図１１】 請求項４の発明の実施の形態の一例における制御部のブロック図である。
【図１２】 請求項５の発明の実施の形態の一例における制御部のブロック図である。
【図１３】 請求項６の発明の実施の形態の一例における制御部のブロック図である。
【図１４】 （ａ）は一晩の睡眠状態の推移の一例を示すグラフ、（ｂ）は一晩の心拍数の推移の一例を示すグラフである。
【符号の説明】
１ 計測部
２ 測定時刻設定部
３ トレンド曲線算出部
４ 増分算出部
５ ばらつき度算出部
６ 睡眠状態出現確率密度分布表
７ 睡眠状態出現確率算出部
８ 睡眠状態推定部
９ 睡眠状態出現割合表
１０ 睡眠状態出現割合算出部
１１ 睡眠状態出現比率算出部
１２ 前トレンド曲線算出部
１３ 後トレンド曲線算出部
１４ トレンド曲線算出部
１５ 睡眠判定調整部
１６ 睡眠判定調整部[0001]
BACKGROUND OF THE INVENTION
The present invention relates to a sleep state determination apparatus that detects a change in a sleep state of a living body based on activity information of the living body that is relatively easily obtained, such as a heart rate and a pulse rate.
[0002]
[Prior art]
In general, the heartbeat signal is constantly changing due to the human condition such as sleep / wake, rest / exercise, posture change, eating, and emotion, mental relaxation and stress. As for sleep, the human sleep state is not uniform throughout the night, and the cycle between the non-REM sleep period and the REM sleep period appears periodically several times, and the period is about 100 minutes (80 to 120 minutes). It has been known for some time. In each cycle, the sleep state gradually shifts from shallow sleep to deep sleep in the non-REM sleep phase, and after the deep sleep state persists, the sleep state becomes shallow again, and then the REM sleep phase appears. Is. Moreover, the change of the sleep depth in the non-REM sleep period in each cycle is relative, and the sleep depth becomes shallow for each cycle from sleep onset to awakening. Therefore, if a change in the state of sleep as described above is detected, an appropriate stimulus can be given so as to promote sleep onset according to the state, or to wake up comfortably and to wake up comfortably. it can.
[0003]
Therefore, various attempts have been made to detect a change in sleep state. For example, a polysomnogram including an electroencephalogram, eye movement, myoelectricity, etc. may be used. However, this device has a large-scale apparatus, can be used only in a place equipped with a measurement facility such as a laboratory or a hospital, and is not suitable for daily use such as a health device. Therefore, it is desired to detect a change in sleep state with high accuracy by means in place of the polysomnograph. In order to meet such demands, it is considered to detect a human state change from these changes by focusing on the heart rate and the pulse rate.
[0004]
That is, in nighttime sleep, it is known that the heart rate per unit time decreases with falling asleep, shows a minimum value in the morning, and increases as the awakening time approaches. In non-REM sleep, the heart rate per unit time is relatively stable, but in REM sleep, the activity of the autonomic nerves is disturbed, so the heart rate fluctuates significantly. It is known that Furthermore, even in the non-REM sleep period, when the sleep depth is shallow, the heart rate per unit time is relatively large, and when the sleep depth is deep, the heart rate per unit time is relatively small and very stable. Figure 14 (A) shows an example of transition of four sleep states overnight in the awake state, the REM sleep phase, the shallow sleep state in the non-REM sleep phase, and the deep sleep state in the non-REM sleep phase. 14 (B) shows an example of the transition of the heart rate at this time. Figure here 14 “WAKE” indicates an awake state, “REM” indicates a REM sleep period, “non-REM” indicates a shallow sleep state in a non-REM sleep period, and “SWS” indicates a deep sleep state in a non-REM sleep period.
[0005]
Based on such knowledge, various configurations for detecting a sleep state have been conventionally provided. For example, as disclosed in Japanese Patent Application Laid-Open No. 63-205592, REM sleep is used with an increase / decrease in pulse rate as an index. Some detect the period. Further, as disclosed in Japanese Patent Laid-Open No. 3-41926, a sleep state change can be accurately detected by using a sleep index that incorporates an increase / decrease tendency of a pulse rate or a respiratory rate and a temporal variation. There is what I did.
[0006]
[Problems to be solved by the invention]
However, in the above-mentioned conventional one, by using a sleep index that incorporates the increase and decrease tendency of pulse rate and respiratory rate and temporal fluctuation, it is determined sleep onset, and the REM sleep period is detected. The coincidence rate with the actual sleep state change is considerably different from each other, the accuracy is considerably lower than that of the polysomnogram, and the deep sleep state and the shallow sleep state cannot be distinguished.
[0007]
The present invention is intended to solve the above-described problems, and an object of the present invention is to provide a sleep state determination device that can accurately detect a sleep state.
[0008]
[Means for Solving the Problems]
Book Claims of the invention 1 The sleep state determination apparatus according to the present invention includes a measurement unit 1 that measures a biological information value such as a heart rate or a pulse rate per unit time to obtain a biological information measurement value at each time, and a measurement time setting unit 2 that sets a measurement time A trend curve calculation unit 3 that calculates a trend curve that is set to represent a time-series temporal change trend of the biological information value, and a degree of increase of the biological information value at each measurement time from the biological information value and the trend curve An increment calculation unit 4 that calculates the degree of variation of the biological information value within a certain time before each measurement time, and an increment and variation degree of the calculated biological information value The sleep state appearance probability calculation unit 7 that calculates the appearance probability of each sleep state based on the sleep state appearance probability density distribution table 6 set in advance, and each of the sleep state appearance probability calculation unit 7 calculated from the combination of Sleep Is the most large numbers took state which is characterized by comprising; and a sleep state estimating unit 8 for estimating the sleep state of the measurement time among the probability of occurrence.
[0009]
Claims of the invention 2 The sleep state determination apparatus according to the present invention includes a measurement unit 1 that measures a biological information value such as a heart rate or a pulse rate per unit time to obtain a biological information measurement value at each time, and a measurement time setting unit 2 that sets a measurement time A trend curve calculation unit 3 that calculates a trend curve that is set to represent a time-series temporal change trend of the biological information value, and a degree of increase of the biological information value at each measurement time from the biological information value and the trend curve An increment calculation unit 4 that calculates the degree of variation of the biological information value within a certain time before each measurement time, and an increment and variation degree of the calculated biological information value The sleep state appearance probability calculating unit 7 that calculates the appearance probability of each sleep state based on the preset sleep state appearance probability density distribution table 6 and the elapsed time from the start of the operation are set in advance. The The sleep state appearance ratio calculating unit 10 that calculates the appearance ratio of each sleep state based on the sleep state appearance ratio table 9 is multiplied by each sleep state appearance probability and each sleep state appearance ratio. A sleep state appearance ratio calculating unit 11 that calculates a ratio, and a sleep state estimation unit 8 that estimates a state taking the largest value among the sleep state appearance ratios as a sleep state at the measurement time. It is characterized by this.
[0010]
Claims of the invention 3 The sleep state determination apparatus according to the present invention includes a measurement unit 1 that measures a biological information value such as a heart rate or a pulse rate per unit time to obtain a biological information measurement value at each time, and a measurement time setting unit 2 that sets a measurement time A pre-trend curve calculation unit 12 that calculates a pre-trend curve that is set so as to represent a time change trend of the biological information value in the time series in the time series direction, and a time change in the reverse direction of the time series of the biological information value. A trend curve is calculated by adopting a larger value at each measurement time among the previous trend curve and the rear trend curve, after calculating the trend curve after setting the trend curve so as to represent the tendency of A trend curve calculation unit 14; an increment calculation unit 4 that calculates a degree of increase of the biometric information value at each measurement time from the biometric information value and the trend curve; and a predetermined time before each measurement time Based on a preset sleep state appearance probability density distribution table 6 from a variation degree calculation unit 5 for calculating the degree of variation of the biometric information value and a combination of the calculated increment and variation degree of the biometric information value. A sleep state appearance probability calculation unit 7 that calculates the appearance probability of a sleep state, a sleep state estimation unit 8 that estimates a state taking the largest value among the appearance probabilities of each sleep state as a sleep state at the measurement time, and It is characterized by comprising.
[0011]
Claims of the invention 4 The sleep state determination apparatus according to the present invention includes a measurement unit 1 that measures a biological information value such as a heart rate or a pulse rate per unit time to obtain a biological information measurement value at each time, and a measurement time setting unit 2 that sets a measurement time A pre-trend curve calculation unit 12 that calculates a pre-trend curve that is set so as to represent a time change trend of the biological information value in the time series in the time series direction, and a time change in the reverse direction of the time series of the biological information value. A trend curve is calculated by adopting a larger value at each measurement time among the previous trend curve and the rear trend curve, after the trend curve calculation unit 13 for calculating a trend curve after setting to represent the trend of A trend curve calculation unit 14; an increment calculation unit 4 that calculates a degree of increase of the biometric information value at each measurement time from the biometric information value and the trend curve; and a predetermined time before each measurement time Based on a preset sleep state appearance probability density distribution table 6 from a variation degree calculation unit 5 for calculating the degree of variation of the biometric information value and a combination of the calculated increment and variation degree of the biometric information value. From the sleep state appearance probability calculation unit 7 that calculates the sleep state appearance probability and the elapsed time from the start of the operation, the appearance ratio of each sleep state is calculated based on the preset sleep state appearance ratio table 9. The sleep state appearance ratio calculation unit 10, the sleep state appearance ratio calculation unit 11 that calculates each sleep state appearance ratio by multiplying each sleep state appearance probability and each sleep state appearance ratio, and each sleep state appearance ratio The sleep state estimation unit 8 estimates the state having the largest numerical value as the sleep state at the measurement time.
[0012]
And claims 5 The invention of claim 1-4 The sleep determination adjustment unit 15 that corrects the estimation result so as not to enter a deep sleep state for a preset time after the sleep result is estimated for the estimation result output from the sleep state estimation unit 8. It is characterized by comprising.
[0013]
And claims 6 The invention of claim 1-5 In the case where, after estimating the sleep result with respect to the estimation result output from the sleep state estimation unit 8, a state in which the degree of variation is less than a preset threshold value continues continuously for a preset time period And a sleep determination adjustment unit 16 that corrects the estimation result so as to be in a deep sleep state.
[0014]
DETAILED DESCRIPTION OF THE INVENTION
Embodiments of the present invention will be described below. In each of the following embodiments, the heart rate is used as the biological information value that is an indicator of the biological activity status, but it goes without saying that the same processing can be performed with the pulse rate.
[0015]
FIG. 1 claims 1's An example of the basic composition of the control part of the device for carrying out the invention is shown. Heart rate can be measured using a heart rate sensor that detects the heartbeat using electrodes or radio waves. ,heart The output from the beat sensor is transmitted to the apparatus by wireless transmission or wired transmission, and the heartbeat signal transmitted from the heartbeat sensor is input to the measuring unit 1. The measuring unit 1 obtains a pulse signal by performing waveform shaping, then counts the number of pulses per unit time, and outputs the counted value as a heart rate H (t) per unit time. Yes. The unit time for counting the number of pulses is, for example, 1 minute. The heart rate H (t) per unit time output from the measurement unit 1 is input to the trend curve calculation unit 3, the increment calculation unit 4, and the variation degree calculation unit 5.
[0016]
The trend curve calculation unit 3 calculates a trend curve that is set so as to represent an increase / decrease tendency in the time series of biometric information values. That is, the trend curve calculation unit 3 2 The trend curve FT (t) is defined by the following equation from the input heart rate H (t) per unit time.
[0017]
When t = 1
FT (1) = H (1)
When t> 1
When H (t) ≧ FT (t−1) FT (t) = FT (t−1)
When H (t) <FT (t−1) FT (t) = H (t)
The trend curve FT (t) thus obtained is, for example, 3 become that way. This figure 3 , The heart rate is represented by a thin black line, and the trend curve is represented by a thick black line.
[0018]
Thus, the trend curve FT (t) calculated and output by the trend curve calculation unit 3 is input to the increment calculation unit 4 that calculates an increment that is the degree of increase of the biological information value at each measurement time. The increment calculation unit 4 calculates an increment ZOU (t) that is an index representing the degree of increase in the heart rate H (t) from the trend curve FT (t). That is, the increment ZOU (t) is defined as follows using the heart rate H (t) and the trend curve FT (t).
[0019]
ZOU (t) = H (t) -FT (t)
The increment ZOU (t) obtained in this way is, for example, 4 become that way. Figure 4 The figure 3 The change in the overnight increment obtained from the heart rate H (t) and the trend curve FT (t) is shown.
[0020]
In addition, the variation degree calculation unit 5 calculates the variation degree of the heart rate H (t) input from the measurement unit 1. First, the absolute value of the difference between the measured heart rate H (t) and the heart rate H (t−1) measured one minute before that is calculated as the difference SABUN (t). The calculation formula of the difference SABUN (t) is defined as follows.
[0021]
abs (H (t) −H (t−1)) <6
SABUN (t) = abs (H (t) −H (t−1))
abs (H (t) −H (t−1)) ≧ 6
SABUN (t) = 6
Further, the degree of variation BARA (t) is calculated as follows using the difference SABUN (t).
[0022]
When t = 1
BARA (1) = SABUN (1)
When t = 2
BARA (1) = SABUN (1) + SABUN (2)
When t = 3
BARA (1) = SABUN (1) + SABUN (2) + SABUN (3)
When t = 4
BARA (1) = SABUN (1) + SABUN (2) + SABUN (3)
+ SABUN (4)
When t ≧ 5
BARA (t) = SABUN (t-4) + SABUN (t-3)
+ SABUN (t-2) + SABUN (t-1)
+ SABUN (t)
The variation degree BARA (t) obtained in this way is, for example, illustrated in FIG. 5 become that way.
[0023]
As described above, the increment ZOU (t) calculated and output by the increment calculation unit 4 and the variation degree BARA (t) calculated and output by the variation degree calculation unit 5 are the sleep state appearance probability density. Based on the distribution table 6, the sleep state appearance probability calculation unit 7 that calculates the appearance probability of each sleep state is input. In the sleep state appearance probability calculation unit 7, the sleep state appearance for each sleep state is determined from the combination of the increment ZOU (t) output from the increment calculation unit 4 and the variation degree BARA (t) output from the variation degree calculation unit 5. Based on the probability density distribution table 6, the appearance probabilities of each of four types of sleep states are calculated: awake state, REM sleep period, shallow sleep state in non-REM sleep period, and deep sleep state in non-REM sleep period. ing.
[0024]
The sleep state appearance probability density distribution table 6 is created based on, for example, nighttime sleep state data for 89 nights (about 42,000 minutes in time). That is, the increment and variation of the heart rate are calculated every minute of the 42,000-minute data, and the sleep state is determined from the electroencephalogram data every minute and one minute. And from these data, by analyzing the relationship between the combination of the increment of heart rate of 1 minute and the degree of variation and the type of sleep state, the sleep state of 1 minute is a shallow sleep state in the non-REM sleep period. The probability, the probability of being in a REM sleep period, the probability of being in a deep sleep state in a non-REM sleep period, and the probability of being in an awake state can be calculated. Sleep state appearance probability density distribution table 6 summarizes these probabilities. 6 As shown in FIG. 1, for each sleep state of a shallow sleep state (non-REM), a REM sleep phase (REM), a deep sleep state (SWS) of a non-REM sleep phase, and a wakefulness state (WAKE). The appearance probability density distribution tables 6a, 6b, 6c, and 6d are provided. The sleep state appearance probability density distribution tables 6a, 6b, 6c, and 6d for each sleep state include the sleep state based on the combination of the increment and the variation degree. It is a two-dimensional table so that the appearance probability can be obtained. For example 6 As can be seen, when the increment is “3” and the variation is “5”, the appearance probability of the shallow sleep state (non-REM) in the non-REM sleep period is 68.5%. The appearance probability for each sleep state calculated and output by the sleep state appearance probability calculation unit 7 in this way is input to the sleep state estimation unit 8.
[0025]
In the sleep state estimation unit 8, the appearance probabilities for each of the four sleep states output from the sleep state appearance probability calculation unit 7 are compared, and the sleep state showing the largest value is estimated as the sleep state at that time. Yes, it is possible to estimate one of four types of sleep states: awake state, REM sleep period, shallow sleep state in non-REM sleep period, and deep sleep state in non-REM sleep period.
[0026]
Next, figure 7 Claims 2 2 shows an example of a basic configuration of a control unit of the apparatus according to the invention. The measurement unit 1, the trend curve calculation unit 3, the increment calculation unit 4, the variation degree calculation unit 5, and the sleep state appearance probability calculation unit 7 are shown in the above diagram. 1 Is the same as The appearance probability for each sleep state calculated and output by the sleep state appearance probability calculation unit 7 is input to the sleep state appearance ratio calculation unit 11.
[0027]
In the sleep state appearance ratio calculation unit 10, from the elapsed time from the start of sleep operation, based on the appearance ratio table 9 of each sleep state, the awake state, the REM sleep period, the shallow sleep state of the non-REM sleep period, the non-REM sleep The appearance ratio of each of the four types of sleep states in the deep sleep state is calculated. This sleep state appearance ratio table 9 analyzes the relationship between the elapsed time from entering the floor and the type of sleep state based on the sleep state data at night as described above. It is created by calculating the appearance ratio, and the sleep state when a predetermined time has elapsed from the start of sleep is awake state, REM sleep period, shallow sleep state of non-REM sleep period, deep sleep of non-REM sleep period It shows the percentage of the state, 8 Table 9: Appearance ratio of each of four types of sleep states: awake state (WAKE), REM sleep period (REM), shallow sleep state in non-REM sleep period (non-REM), deep sleep state in non-REM sleep period (SWS) Is a graph. The appearance ratio of each sleep state calculated and output by the sleep state appearance ratio calculation unit 6 is input to the sleep state appearance ratio calculation unit 11.
[0028]
In the sleep state appearance ratio calculation unit 11, the appearance probability for each sleep state output from the sleep state appearance probability calculation unit 7 is multiplied by the appearance ratio of each sleep state output from the sleep state appearance ratio calculation unit 10. Thus, the appearance ratio of each sleep state is calculated. Then, the appearance ratio of each sleep state calculated and output by the sleep state appearance ratio calculation unit 11 is input to the sleep state estimation unit 8.
[0029]
The sleep state estimation unit 8 compares the appearance ratios of the respective sleep states output from the sleep state appearance ratio calculation unit 11 and estimates the state showing the largest value as the sleep state at that time. It is possible to estimate one of four types of sleep states: a state, a REM sleep period, a shallow sleep state in a non-REM sleep period, and a deep sleep state in a non-REM sleep period.
[0030]
Next, figure 9 Claims 3 2 shows an example of a basic configuration of a control unit of the apparatus according to the invention. Measuring unit 1 is the above figure 1 Is the same as The heart rate H (t) per unit time output from the measurement unit 1 is output to the front trend curve calculation unit 12, the rear trend curve calculation unit 13, the increment calculation unit 4, and the variation degree calculation unit 5.
[0031]
The previous trend curve calculation unit 12 calculates a previous trend curve FT (t) that is set so as to represent an increasing / decreasing tendency with a time change in the traveling direction of the biological information value in time series. The operation for calculating the previous trend curve FT (t) is illustrated in FIG. 1 This is the same as the operation of the trend curve calculation unit 3 in FIG. The previous trend curve FT (t) output from the previous trend curve calculation unit 12 is input to the trend curve calculation unit 14.
[0032]
Further, the post-trend curve calculation unit 13 calculates a post-trend curve RT (t) that is set so as to represent an increasing / decreasing tendency with time change in the retrograde direction of the biometric information value. That is, the rear trend curve calculation unit 13 10 The post-trend curve RT (t) is defined by the following equation from the inputted heart rate H (t) per unit time.
[0033]
ds: last measurement time
When t = ds
RT (ds) = H (ds)
When t <ds
When H (t) ≧ RT (t + 1) RT (t) = RT (t + 1)
When H (t) <RT (t + 1) RT (t) = H (t)
The post-trend curve RT (t) calculated and output by the post-trend curve calculation unit 13 is input to the trend curve calculation unit 14.
[0034]
In the trend curve calculation unit 14, at each measurement time among the previous trend curve FT (t) output from the previous trend curve calculation unit 12 and the rear trend curve RT (t) output from the rear trend curve calculation unit 13. The trend curve TRE (t) is calculated by adopting a larger value. The trend curve TRE (t) calculated and output in this way by the trend curve calculation unit 14 is input to the increment calculation unit 4 that calculates the increase degree of the biological information value at each measurement time.
[0035]
The increment calculation unit 4 calculates an increment ZOU (t) that is an index representing the degree of increase in the heart rate H (t) from the trend curve TRE (t). That is, the increment ZOU (t) is defined as follows using the heart rate H (t) and the trend curve TRE (t).
[0036]
ZOU (t) = H (t) -TRE (t)
For the degree-of-variation calculation unit 5, see FIG. 1 Is the same as
[0037]
The increment ZOU (t) calculated and output by the increment calculation unit 4 and the variation degree BARA (t) calculated and output by the variation degree calculation unit 5 include the sleep state appearance probability density distribution table 6. Are input to the sleep state appearance probability calculation unit 7 that calculates the appearance probability of each sleep state, and the appearance probability for each sleep state is calculated. The appearance probability for each sleep state is input to the sleep state estimation unit 8, and is in any of the four types of sleep states: awake state, REM sleep period, shallow sleep state in non-REM sleep period, and deep sleep state in non-REM sleep period. Estimate if there is. About sleep state appearance probability calculation unit 7 and sleep state estimation unit 8 1 Is the same as
[0038]
Next, figure 11 Claims 4 2 shows an example of a basic configuration of a control unit of the apparatus according to the invention. For the measurement unit 1, the front trend curve calculation unit 12, the rear trend curve calculation unit 13, the trend curve calculation unit 14, the increment calculation unit 4, the variation degree calculation unit 5, and the sleep state appearance probability calculation unit 7, FIG. 9 Is the same as The sleep state appearance ratio calculation unit 10, the sleep state appearance ratio calculation unit 11, and the sleep state estimation unit 8 are the same as those in FIG.
[0039]
The appearance probability of each sleep state calculated and output by the sleep state appearance probability calculation unit 7 and the appearance ratio of each sleep state calculated and output by the sleep state appearance rate calculation unit 10 are respectively the sleep state appearance ratio. Input to the calculation unit 11, the appearance ratio of each sleep state is calculated. The appearance ratio of each sleep state is input to the sleep state estimation unit 8, and is any one of four types of sleep states: an awake state, a REM sleep phase, a shallow sleep state in a non-REM sleep phase, and a deep sleep state in a non-REM sleep phase. Estimate.
[0040]
Next figure 12 Claims 5 2 shows an example of a basic configuration of a control unit of the apparatus according to the invention. About the measurement part 1 to the sleep state estimation part 8, it is a figure. 1 Is the same as
[0041]
The sleep state estimation result estimated by the sleep state estimation unit 8 is output from the sleep state estimation unit 8 and input to the sleep determination adjustment unit 15. The sleep determination adjustment unit 15 estimates based on the input sleep state estimation result, and then estimates that the sleep state will not be determined to be a deep sleep state for a preset time (for example, 10 minutes). The result is corrected.
[0042]
Next figure 13 Claims 6 2 shows an example of a basic configuration of a control unit of the apparatus according to the invention. About the measurement part 1 to the sleep state estimation part 8, it is a figure. 1 Is the same as
[0043]
Then, the sleep state estimation result estimated by the sleep state estimation unit 8 is output from the sleep state estimation unit 8 and input to the sleep determination adjustment unit 16. In the sleep determination adjustment unit 16, after estimating sleep on the basis of the input sleep state estimation result, a state in which a state in which the degree of variation is less than a preset threshold is continuously set in advance When it lasts for a while, the estimation result is corrected so as to determine that it is a deep sleep state.
[0044]
【The invention's effect】
Claims of the invention 1 The sleep state determination apparatus according to the present invention includes a measurement unit that measures a biological information value such as a heart rate or a pulse rate per unit time to obtain a biological information measurement value at each time, a measurement time setting unit that sets a measurement time, A trend curve calculation unit that calculates a trend curve that is set to represent a time-series temporal change tendency of the biological information value, and calculates an increase degree of the biological information value at each measurement time from the biological information value and the trend curve. From the combination of the increment calculation unit, the variation degree calculation unit for calculating the degree of variation of the biological information value within a certain time before each measurement time, and the combination of the calculated increment and variation degree of the biological information value, The sleep state appearance probability calculation unit that calculates the appearance probability of each sleep state based on the set sleep state appearance probability density distribution table, and the appearance probability of each sleep state calculated by the sleep state appearance probability calculation unit The sleep state estimation unit that estimates the state having the largest value as the sleep state at the measurement time is included, so that the appearance probability of each sleep state can be calculated from the degree of increase and variation of the biological information value. The sleep state can be accurately detected in real time.
[0045]
Claims of the invention 2 The sleep state determination apparatus according to the present invention includes a measurement unit that measures a biological information value such as a heart rate or a pulse rate per unit time to obtain a biological information measurement value at each time, a measurement time setting unit that sets a measurement time, A trend curve calculation unit that calculates a trend curve that is set to represent a time-series temporal change tendency of the biological information value, and calculates an increase degree of the biological information value at each measurement time from the biological information value and the trend curve. From the combination of the increment calculation unit, the variation degree calculation unit for calculating the degree of variation of the biological information value within a certain time before each measurement time, and the combination of the calculated increment and variation degree of the biological information value, Based on the set sleep state appearance probability density distribution table, the sleep state appearance probability calculation unit that calculates the appearance probability of each sleep state, and the output of each sleep state set in advance from the elapsed time from the start of operation. A sleep state appearance ratio calculating unit that calculates an appearance ratio of each sleep state based on the ratio table, and a sleep state that calculates each sleep state appearance ratio by multiplying each sleep state appearance probability and each sleep state appearance ratio Since it includes an appearance ratio calculation unit and a sleep state estimation unit that estimates the state having the largest value among the sleep state appearance ratios as the sleep state at the measurement time, the degree of increase and variation in the biological information value In addition to the degree, the appearance ratio of each sleep state can be calculated from the sleep state appearance ratio table, the concept of time passage can be added, and the sleep state can be accurately detected in real time It is.
[0046]
Claims of the invention 3 The sleep state determination apparatus according to the present invention includes a measurement unit that measures a biological information value such as a heart rate or a pulse rate per unit time to obtain a biological information measurement value at each time, a measurement time setting unit that sets a measurement time, A pre-trend curve calculation unit that calculates a pre-trend curve that is set to represent a time-change trend of the biometric information value in the time series, and a time-change trend trend of the bio-information value in the time series reverse direction. A post-trend curve calculation unit that calculates a post-trend curve that is set to represent, and a trend curve calculation unit that calculates a trend curve by adopting the larger value at each measurement time of the previous trend curve and the rear trend curve An increment calculation unit that calculates the increase degree of the biometric information value at each measurement time from the biometric information value and the trend curve, and the biometric information value within a certain time before each measurement time. Based on a preset sleep state appearance probability density distribution table, the appearance probability of each sleep state is calculated from the variation degree calculation unit for calculating the degree of sticking and the combination of the calculated biometric information value and the variation degree. A sleep state appearance probability calculation unit, and a sleep state estimation unit that estimates a sleep state at the measurement time as a sleep state estimation unit that takes the largest value among the appearance probabilities of the respective sleep states. Based on the trend curve calculated from the post-trend curve, the increase degree of the biometric information value can be calculated as a value that more accurately reflects the state of the biometric information. The appearance probability of each sleep state can be calculated, and the sleep state can be accurately detected in real time.
[0047]
Claims of the invention 4 The sleep state determination apparatus according to the present invention includes a measurement unit that measures a biological information value such as a heart rate or a pulse rate per unit time to obtain a biological information measurement value at each time, a measurement time setting unit that sets a measurement time, A pre-trend curve calculation unit that calculates a pre-trend curve that is set to represent a time-change trend of the biometric information value in the time series, and a time-change trend trend of the bio-information value in the time series reverse direction. A post-trend curve calculation unit that calculates a post-trend curve that is set to represent, and a trend curve calculation unit that calculates a trend curve by adopting the larger value at each measurement time of the previous trend curve and the rear trend curve An increment calculation unit that calculates the increase degree of the biometric information value at each measurement time from the biometric information value and the trend curve, and the biometric information value within a certain time before each measurement time. Based on a preset sleep state appearance probability density distribution table, the appearance probability of each sleep state is calculated from the variation degree calculation unit for calculating the degree of sticking and the combination of the calculated biometric information value and the variation degree. The sleep state appearance probability calculating unit, the sleep state appearance rate calculating unit for calculating the appearance rate of each sleep state based on a preset sleep state appearance rate table from the elapsed time from the start of the operation, and the above The sleep state appearance ratio calculation unit that calculates each sleep state appearance ratio by multiplying each sleep state appearance probability and each sleep state appearance ratio, and the state that takes the largest numerical value among the respective sleep state appearance ratios Since it has a sleep state estimation unit that estimates the sleep state at the measurement time, the degree of increase in the biological information value can be further increased based on the trend curve calculated from the front trend curve and the rear trend curve. It can be calculated as a value accurately reflecting the state of the body, and in addition to the increase degree and variation degree of this biological information value, the appearance ratio of each sleep state can be calculated from the sleep state appearance ratio table, The concept of time passage can be added, and the sleep state can be detected accurately and in real time.
[0048]
And claims 5 The invention further includes a sleep determination adjustment unit that corrects the estimation result so as not to enter a deep sleep state for a preset time after estimating sleep on the estimation result output from the sleep state estimation unit. Since it comprises, it can detect a sleep state accurately.
[0049]
And claims 6 According to the invention, after estimating sleep on the estimation result output from the sleep state estimation unit, a state in which the degree of variation is less than a preset threshold value continues continuously for a preset time. In this case, since the sleep determination adjustment unit that corrects the estimation result so as to be in a deep sleep state is provided, the sleep state can be accurately detected.
[Brief description of the drawings]
FIG. 1 Claim 1 It is a block diagram of a control part in an example of an embodiment of the invention.
FIG. 2 is a flowchart showing the operation of the trend curve calculation unit.
FIG. 3 is a graph showing the change in the overnight heart rate and the corresponding trend curve.
FIG. 4 is a graph showing the transition of the increase in the heart rate overnight.
FIG. 5 is a graph showing the variation in the heart rate overnight.
FIG. 6 is a diagram showing a sleep state appearance probability density distribution table as described above.
FIG. 7 Claim 2 It is a block diagram of a control part in an example of an embodiment of the invention.
FIG. 8 is a graph of an appearance ratio table of sleep states as described above.
FIG. 9 Claim 3 It is a block diagram of a control part in an example of an embodiment of the invention.
FIG. 10 is a flowchart showing the operation of the rear trend curve calculation unit of the above.
FIG. 11 claims 4 It is a block diagram of a control part in an example of an embodiment of the invention.
FIG. 12 Claim 5 It is a block diagram of a control part in an example of an embodiment of the invention.
FIG. 13 claims 6 It is a block diagram of a control part in an example of an embodiment of the invention.
FIGS. 14A and 14B are graphs showing an example of a transition of an overnight sleep state, and FIG. 14B is a graph showing an example of a transition of an overnight heart rate.
[Explanation of symbols]
1 Measurement unit
2 Measurement time setting section
3 Trend curve calculator
4 Increment calculation part
5 Variation calculation unit
6 Sleep state appearance probability density distribution table
7 Sleep state appearance probability calculation unit
8 Sleep state estimation unit
9 Sleep state appearance ratio table
10 Sleep state appearance ratio calculation unit
11 Sleep state appearance ratio calculation unit
12 Previous trend curve calculation part
13 Rear trend curve calculation part
14 Trend curve calculator
15 Sleep determination adjustment unit
16 Sleep determination adjustment unit
Claims (6)
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP24053299A JP3788126B2 (en) | 1999-08-26 | 1999-08-26 | Sleep state determination device |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP24053299A JP3788126B2 (en) | 1999-08-26 | 1999-08-26 | Sleep state determination device |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| JP2001061820A JP2001061820A (en) | 2001-03-13 |
| JP3788126B2 true JP3788126B2 (en) | 2006-06-21 |
Family
ID=17060941
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| JP24053299A Expired - Fee Related JP3788126B2 (en) | 1999-08-26 | 1999-08-26 | Sleep state determination device |
Country Status (1)
| Country | Link |
|---|---|
| JP (1) | JP3788126B2 (en) |
Families Citing this family (20)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP3829544B2 (en) * | 1999-08-26 | 2006-10-04 | 松下電工株式会社 | Sleep detection device |
| JP3536043B2 (en) * | 2001-08-10 | 2004-06-07 | 川崎重工業株式会社 | Care receiver monitoring device |
| JP3877615B2 (en) * | 2002-03-11 | 2007-02-07 | 三洋電機株式会社 | Sleep depth estimation device |
| US7189204B2 (en) * | 2002-12-04 | 2007-03-13 | Cardiac Pacemakers, Inc. | Sleep detection using an adjustable threshold |
| WO2004107978A1 (en) * | 2003-06-03 | 2004-12-16 | Cb System Co. | Sleep stage judgment method and judgment device |
| JP4848616B2 (en) * | 2004-01-15 | 2011-12-28 | セイコーエプソン株式会社 | Biological information analyzer |
| JP4483862B2 (en) * | 2004-03-01 | 2010-06-16 | 株式会社スリープシステム研究所 | Sleep stage determination device |
| JP2006192152A (en) * | 2005-01-14 | 2006-07-27 | Toshiba Corp | Sleep state determination device, method and program |
| JP5632986B2 (en) * | 2010-09-24 | 2014-12-03 | 株式会社スリープシステム研究所 | Sleep stage determination device and sleep stage determination method |
| EP2524647A1 (en) * | 2011-05-18 | 2012-11-21 | Alain Gilles Muzet | System and method for determining sleep stages of a person |
| JP5613922B2 (en) * | 2012-02-23 | 2014-10-29 | 株式会社タニタ | Blood pressure measuring device and blood pressure measuring method |
| JP6439729B2 (en) * | 2016-03-24 | 2018-12-19 | トヨタ自動車株式会社 | Sleep state estimation device |
| US20210068747A1 (en) * | 2018-01-30 | 2021-03-11 | Kyocera Corporation | Electronic apparatus, estimation system, control method, and control program |
| JP7110701B2 (en) * | 2018-04-23 | 2022-08-02 | セイコーエプソン株式会社 | Pulse analysis device and pulse analysis method |
| JP7088153B2 (en) | 2019-09-19 | 2022-06-21 | カシオ計算機株式会社 | CAP (Periodic EEG Activity) Detection Device, CAP (Periodic EEG Activity) Detection Method and Program |
| CN111248857A (en) * | 2019-09-19 | 2020-06-09 | 听枫智能科技(深圳)有限公司 | Sleep quality monitoring method and device, computer equipment and storage medium |
| CN116035536B (en) * | 2023-03-14 | 2023-06-30 | 安徽星辰智跃科技有限责任公司 | Method, system and device for detecting and quantifying sleep activity level |
| CN116392085B (en) * | 2023-06-06 | 2023-09-12 | 安徽星辰智跃科技有限责任公司 | Sleep stability quantification and adjustment method, system and device based on trend analysis |
| CN116392087B (en) * | 2023-06-06 | 2023-09-01 | 安徽星辰智跃科技有限责任公司 | Sleep stability quantification and adjustment method, system and device based on modal decomposition |
| CN116509336B (en) * | 2023-06-27 | 2024-05-03 | 安徽星辰智跃科技有限责任公司 | Sleep periodicity detection and adjustment method, system and device based on waveform analysis |
Family Cites Families (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JPH0341926A (en) * | 1989-07-07 | 1991-02-22 | Matsushita Electric Works Ltd | Detector for change in sleeping state and sleeping state controller |
| JPH05159173A (en) * | 1991-12-04 | 1993-06-25 | Matsushita Electric Ind Co Ltd | Sleeping device |
| JP3293213B2 (en) * | 1993-01-26 | 2002-06-17 | 松下電工株式会社 | Biological rhythm curve measuring device |
| JPH06285031A (en) * | 1993-03-31 | 1994-10-11 | Nec San-Ei Instr Co Ltd | Sleep analyzing system |
-
1999
- 1999-08-26 JP JP24053299A patent/JP3788126B2/en not_active Expired - Fee Related
Also Published As
| Publication number | Publication date |
|---|---|
| JP2001061820A (en) | 2001-03-13 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| JP3788126B2 (en) | Sleep state determination device | |
| JP3733133B2 (en) | Sleep state estimation device | |
| JP3976752B2 (en) | Sleep state estimation apparatus and program | |
| US8608655B2 (en) | Sleep evaluation device | |
| JPH0341926A (en) | Detector for change in sleeping state and sleeping state controller | |
| JP5740006B2 (en) | Respiration measurement system and REM sleep determination system | |
| JP6414393B2 (en) | Sleep evaluation device | |
| JP5632986B2 (en) | Sleep stage determination device and sleep stage determination method | |
| JP5760351B2 (en) | Sleep evaluation apparatus, sleep evaluation system, and program | |
| JP6079824B2 (en) | Sleep evaluation apparatus and program | |
| WO2005082252A1 (en) | Method for judging stage of sleep | |
| JP2006271897A (en) | Apparatus and method for predicting sleepiness | |
| JP2008229248A (en) | Sleep controlling apparatus, method, and program | |
| DE112018003005T5 (en) | FATIGUE RECOVERY SUPPORT DEVICE | |
| JP2016107095A (en) | Sleep stage determination device, sleep stage determination method, sleep stage determination program, and stress degree determination method | |
| JP2004254827A (en) | Sleeping state judging device | |
| JP6040874B2 (en) | Sleep stage estimation device | |
| JP2016016144A (en) | Biological information processing system and method of controlling biological information processing system | |
| JP6127739B2 (en) | Sleep state determination device | |
| JP2004089267A (en) | Sleeping depth estimation device and bedding equipped with the same | |
| JP2006271474A (en) | Apparatus for estimating sleeping state | |
| JP6304050B2 (en) | Biological state estimation device | |
| JP3829544B2 (en) | Sleep detection device | |
| JP2004358179A (en) | Method for modifying life rhythm | |
| JP2018126422A (en) | Electronic apparatus, method, and program |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20050721 |
|
| A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20050809 |
|
| A521 | Written amendment |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20051011 |
|
| A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20051122 |
|
| A521 | Written amendment |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20060123 |
|
| TRDD | Decision of grant or rejection written | ||
| A01 | Written decision to grant a patent or to grant a registration (utility model) |
Free format text: JAPANESE INTERMEDIATE CODE: A01 Effective date: 20060307 |
|
| A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20060320 |
|
| FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20090407 Year of fee payment: 3 |
|
| S533 | Written request for registration of change of name |
Free format text: JAPANESE INTERMEDIATE CODE: R313533 |
|
| FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20090407 Year of fee payment: 3 |
|
| R350 | Written notification of registration of transfer |
Free format text: JAPANESE INTERMEDIATE CODE: R350 |
|
| FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20100407 Year of fee payment: 4 |
|
| FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20100407 Year of fee payment: 4 |
|
| FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20110407 Year of fee payment: 5 |
|
| FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20130407 Year of fee payment: 7 |
|
| LAPS | Cancellation because of no payment of annual fees |