JP4956137B2 - Sleep evaluation method, sleep evaluation device, sleep evaluation system - Google Patents
Sleep evaluation method, sleep evaluation device, sleep evaluation system Download PDFInfo
- Publication number
- JP4956137B2 JP4956137B2 JP2006288062A JP2006288062A JP4956137B2 JP 4956137 B2 JP4956137 B2 JP 4956137B2 JP 2006288062 A JP2006288062 A JP 2006288062A JP 2006288062 A JP2006288062 A JP 2006288062A JP 4956137 B2 JP4956137 B2 JP 4956137B2
- Authority
- JP
- Japan
- Prior art keywords
- sleep
- brain
- sleepiness
- analysis
- pulse wave
- 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
Images
Landscapes
- Measuring Pulse, Heart Rate, Blood Pressure Or Blood Flow (AREA)
- Measurement Of The Respiration, Hearing Ability, Form, And Blood Characteristics Of Living Organisms (AREA)
Description
本発明は、特に睡眠中の生体情報に基づいて睡眠状態を推定し該睡眠状態を表示する睡眠評価方法、睡眠評価装置、睡眠評価システムに関する。 The present invention particularly relates to a sleep evaluation method, a sleep evaluation apparatus, and a sleep evaluation system that estimate a sleep state based on biological information during sleep and display the sleep state.
近年の脳科学の進歩により、睡眠の重要性が広く認識されるようになってきた。質のよい睡眠は、脳機能だけでなく身体諸機能を健常に保つために必要不可欠であり、生活の質を向上させるために重要である。「よりよく眠る」ことは「よりよく生きる」ことに通ずる。
そこで、一般の家庭でも日々の睡眠の質について評価をして、質の良い睡眠を行いたいというニーズが生まれてきた。
Due to recent advances in brain science, the importance of sleep has become widely recognized. Good quality sleep is indispensable for maintaining not only brain functions but also various body functions, and is important for improving the quality of life. “Sleeping better” leads to “living better”.
Therefore, there has been a need to evaluate the quality of daily sleep in ordinary households and to have good quality sleep.
ここで、ヒトの睡眠について説明する。
人間の大脳は非常に発達しているためにレム睡眠とノンレム睡眠が分化し、それぞれが異なる役割を分担している。
レム睡眠は、閉じたまぶたの下で眼球がきょろきょろ動く急速眼球運動（Rapid Eye Movement）という言葉から由来している。レム睡眠時の脳は、覚醒に近い状態になっていて夢を見ていることが多いが、身体の動作は抑制されている状態である。また、脈拍、呼吸、血圧などの自律神経機能が不規則に変化することから、身体は覚醒時とは異なる様式で活動している。
ノンレム睡眠は、レム睡眠ではない眠りのことであり、いわゆる安らかな眠りである。このノンレム睡眠中は、身体の筋肉の緊張は比較的保たれており、脈拍、呼吸、血圧などの自律神経機能は安定している。
さらに細かく調べると、ノンレム睡眠は、脳波をもとに４段階に分けられ、それぞれ浅いまどろみの状態からぐっすり熟睡している状態に対応していることが分かっている。
Here, human sleep will be described.
Since the human cerebrum is so developed, REM sleep and non-REM sleep are differentiated, and each plays a different role.
REM sleep stems from the term Rapid Eye Movement, which moves the eyeballs under a closed eyelid. The brain at the time of REM sleep is in a state close to awakening and often has a dream, but the movement of the body is suppressed. In addition, since the autonomic nervous functions such as pulse, respiration, and blood pressure change irregularly, the body is active in a manner different from that at awakening.
Non-REM sleep is sleep that is not REM sleep, and is so-called restful sleep. During this non-REM sleep, body muscle tension is relatively maintained, and autonomic nerve functions such as pulse, respiration and blood pressure are stable.
A closer examination reveals that non-REM sleep is divided into four stages based on brain waves, each of which corresponds to a state of deep sleep from shallow slumber.
現在、医学的に認められ、臨床応用されている睡眠状態を判定する方法は、睡眠ポリグラフ（Polysomnography：ＰＳＧ）法である。睡眠ポリグラフ法では、脳波、眼球運動とオトガイ筋電を測定し、それらの波形から睡眠状態を判定することができる。
しかしながら、脳波、筋電等を測定する方法は、被験者の身体に電極を装着する必要があり、被験者にとっての負担は非常に大きい。このため、一般家庭で脳波、筋電等を測定することは不可能である。
Currently, a method of determining a sleep state that is medically accepted and clinically applied is a polysomnography (PSG) method. In the polysomnography method, electroencephalogram, eye movement and mental electromyogram can be measured, and the sleep state can be determined from those waveforms.
However, methods for measuring electroencephalograms, myoelectricity, etc. require electrodes to be attached to the body of the subject, and the burden on the subject is very large. For this reason, it is impossible to measure an electroencephalogram, myoelectricity, etc. in a general household.
そこで、睡眠ポリグラフに代わる簡易的方法で睡眠状態を推測する方法が、いくつか考案されている。
そのような方法として、脈拍数から算出されたトレンドから推定する方法、心拍のゆらぎを解析し交感神経活動と副交感神経活動の自律神経活動に基づいて睡眠状態を判定する方法（特許文献１を参照）等がある。
As such a method, a method of estimating from a trend calculated from a pulse rate, a method of analyzing a heartbeat fluctuation, and determining a sleep state based on autonomic nerve activity of sympathetic nerve activity and parasympathetic nerve activity (see Patent Document 1) ) Etc.
しかしながら、特許文献１の方法（以下、従来手法１とする。）においては、色々な改善が行われているが、睡眠ポリグラフ法に比べると、精度的には大きく劣っているという問題を有していた。
さらに、推定した睡眠状態について、被験者に分かりやすく表示する方法が存在しなかった。
However, in the method of Patent Document 1 (hereinafter referred to as Conventional Method 1), various improvements have been made, but there is a problem that it is greatly inferior in accuracy compared to the polysomnographic method. It was.
Furthermore, there has been no method for displaying the estimated sleep state in an easy-to-understand manner for the subject.
本発明は、上記に鑑みてなされたものであって、上記問題点を解決する技術を提供することを課題とする。 This invention is made | formed in view of the above, Comprising: It aims at providing the technique which solves the said problem.
請求項１に記載の発明は、検出手段より得られた原信号から脈波拍動成分データを抽出し、前記脈波拍動成分データからカオス解析し、該カオス解析の結果からリアプノフ指数又は該リアプノフ指数の変化パターンから脳の眠り度を測定し、前記脈波拍動成分データから心拍数時系列データの心拍数変動性ＨＲＶ解析し、該ＨＲＶ解析の結果からＬＦ／ＨＦ成分から体の眠り度を測定し、前記体の眠り度と、前記脳の眠り度について、前記体の眠り度が高く、前記脳の眠り度が低い場合にレム睡眠に相当する睡眠状態と判定し、それ以外の場合はノンレム睡眠に相当する睡眠状態と判定する睡眠評価方法であることを特徴とする。
請求項２に記載の発明は、前記睡眠状態の判定は、リアルタイムで、又は保存された前記脈波拍動成分データをもとに所定の時刻について行うことを特徴とする請求項１に記載の睡眠評価方法であることを特徴とする。
請求項３に記載の発明は、前記カオス解析によるアトラクタ表示又はリカレンスプロット表示を、睡眠の質又は睡眠状態としてイメージ描画することを特徴とする請求項１又は２に記載の睡眠評価方法であることを特徴とする。
請求項４に記載の発明は、検出手段より得られた原信号から脈波拍動成分データを抽出する脈波拍動成分データ抽出手段と、カオス解析をするカオス解析手段と、リアプノフ指数又は該リアプノフ指数の変化パターンから脳の眠り度を評価する脳の眠り度測定手段と、心拍数時系列データの心拍変動性ＨＲＶ解析をする心拍変動性ＨＲＶ解析手段と、体の眠り度を測定する体の眠り度測定手段と、前記体の眠り度と前記脳の眠り度を表示する表示手段と、前記体の眠り度と、前記脳の眠り度について、前記体の眠り度が高く、前記脳の眠り度が低い時にレム睡眠に相当する睡眠状態と判定し、それ以外の場合はノンレム睡眠に相当する睡眠状態と判定する睡眠状態評価手段とを含む睡眠評価装置であることを特徴とする。
請求項５に記載の発明は、前記カオス解析によるアトラクタ表示又はリカレンスプロット表示を、睡眠の質又は睡眠状態としてイメージ描画するイメージ描画手段をさらに含むことを特徴とする請求項４に記載の睡眠評価装置であることを特徴とする。
請求項６に記載の発明は、請求項４又は５に記載の睡眠評価装置を含む睡眠評価システムであることを特徴とする。
請求項７に記載の発明は、ネットワーク手段とサーバ手段をさらに含む請求項６に記載の睡眠評価システムであることを特徴とする。
The invention according to claim 1 extracts pulse wave pulsation component data from the original signal obtained from the detection means, performs chaos analysis from the pulse wave pulsation component data, and determines the Lyapunov exponent or the The degree of sleep in the brain is measured from the change pattern of the Lyapunov exponent, the heart rate variability HRV analysis of the heart rate time-series data from the pulse wave pulsation component data, and the body sleep from the LF / HF component based on the result of the HRV analysis The degree of sleep of the body and the sleep degree of the brain are determined to be a sleep state corresponding to REM sleep when the sleep degree of the body is high and the sleep degree of the brain is low, In this case, the sleep evaluation method determines that the sleep state corresponds to non-REM sleep .
The invention according to
According to a third aspect of the invention, the attractor display or recurrence plot displayed by the chaos analysis is the sleep evaluation method according to
The invention according to
Invention of
A sixth aspect of the present invention is a sleep evaluation system including the sleep evaluation device according to the fourth or fifth aspect.
The invention according to claim 7 is the sleep evaluation system according to
本発明の睡眠評価方法、睡眠評価装置、睡眠評価システムによれば、睡眠状態を表す体の眠り度と脳の眠り度を判定することにより、レム睡眠とノンレム睡眠に関する判定を行うことができる。
また、カオス理論によるアトラクタ表示、リカレンスプロット表示によるイメージ画像で、眠りの質を視覚的に表現することができる。
According to the sleep evaluation method, the sleep evaluation apparatus, and the sleep evaluation system of the present invention, it is possible to make a determination regarding REM sleep and non-REM sleep by determining the sleepiness level of the body and the sleepiness level of the brain representing the sleep state.
In addition, it is possible to visually express the quality of sleep with an image displayed by attractor display and recurrence plot display by chaos theory.
以下、本発明の実施の形態について図面を参照して詳しく説明する。
まずは、図１に示すように、マットレスやベッド、布団、枕、クッション、座布団、ソファーなどである寝具２に、圧電センサ１が装備されており、該圧電センサの原信号の出力が、測定装置３に入力される。測定装置３は、脈波信号から各種処理を行い、被験者の睡眠の評価を行って、表示部であるパソコン４に該評価を表示する。
Hereinafter, embodiments of the present invention will be described in detail with reference to the drawings.
First, as shown in FIG. 1, a
次に、図２に示すように、圧電センサ１は、被験者の脈波を取得することができる圧電センサであり、アナログ回路において、電源ノイズ等をカットして、生体の心臓の拍動による成分、すなわち１Ｈｚ付近を通過させるハイパスフィルタとローパスフィルタを通しながら増幅した後、５００Ｈｚ、１２bitでＡ／Ｄ（アナログ／デジタル）変換を行う。
測定装置３は、脈波拍動成分データ抽出部１１と、カオス解析部１２と、脳の眠り度測定部１３と、ＨＲＶ解析部１４と、体の眠り度測定部１５と、睡眠状態評価部１６から構成される。また、図示されない制御部や記憶部により各部のデータが制御され、一時的に蓄積される。脈波拍動成分データ抽出部１１は、圧電センサ１より得られた原信号から脈波拍動成分データを抽出する。カオス解析部１２は、各種のカオス解析を行う。脳の眠り度測定部１３は、このカオス解析の結果であるリアプノフ指数又は該リアプノフ指数の変化パターンから脳の眠り度を評価する。ＨＲＶ解析部１４は、心拍数時系列データの心拍変動性ＨＲＶ（heart rate variability）解析をする。体の眠り度測定部１５は、このＨＲＶ解析の結果より体の眠り度を定量的に評価する。睡眠状態評価部１６は、脳の眠り度と体の眠り度とから睡眠状態を判定する。
また、睡眠の評価を表示する表示部４は、ＰＣ等のインテリジェントな表示機能を持った装置であり、グラフィカルで視覚効果が高い睡眠評価の表示を行う。
Next, as shown in FIG. 2, the
The
The
次に、本発明の実施の形態における睡眠評価装置のデータ解析時における動作について、図３のフローチャートを参照して詳しく説明する。
まず、ステップＳ１において、脈波拍動成分データ抽出部１１が、圧電センサの原信号に対して、フィルタ処理を行う。この処理においては、測定装置３がデジタル化されたデータに対して０．７Ｈｚ〜１．４Ｈｚを通過させるＦＩＲバンドパスフィルタを通して、１Ｈｚ付近の心臓の拍動による脈波拍動成分データを抽出する。
Next, the operation | movement at the time of the data analysis of the sleep evaluation apparatus in embodiment of this invention is demonstrated in detail with reference to the flowchart of FIG.
First, in step S1, the pulse wave pulsation component
ここからフローチャートでは、ターケンスの定理による多次元相空間へ埋め込むカオス解析と、ピーク検出を行うピーク解析の２つに大きく分かれるが、紙面右側の流れであるカオス解析から先に説明する。 From here, the flowchart is broadly divided into chaos analysis embedded in a multidimensional phase space according to the Turkens theorem and peak analysis for peak detection. The chaos analysis that is the flow on the right side of the page will be described first.
ステップＳ２においては、カオス解析部１２が、ターケンスの定理により多次元相空間に脈波拍動成分データを埋め込むカオス解析を行う。
ターケンスの定理とはカオス解析で一般的に用いられる手法である。図４にターケンスの埋め込みの概要を示す。時系列データをｘ(k) （k=0,1,2,3…）とし、m個の状態変数を復元しようとするとき、遅れ時間τを用いて、ベクトルx(i)={x(i),x(i+τ),x(i+2τ),……x(i+mτ)}を作る。例えば、状態変数の個数が３個の場合は、 x(i)={x(i),x(i+τ),x(i+2τ)}となる。
この、τはパラメータであり、埋込遅延時間と呼ばれる。このベクトルx(i)を、３次元状態空間内（座標軸はx(i), x(i+τ)および x(i+2τ)）に順次プロットしていくと（ｉ=0,1,2,…,n）、図４の右側のような軌道が得られる。この軌道の形がアトラクタと呼ばれる。
ここで計算された軌道については、後述する本発明の他の実施形態で、「眠りアート」を表示するのに使用することができる。
In step S <b> 2, the
The Turkens theorem is a method commonly used in chaos analysis. FIG. 4 shows an outline of turnens embedding. When the time series data is x (k) (k = 0,1,2,3...) And m state variables are to be restored, the vector x (i) = {x ( i), x (i + τ), x (i + 2τ), ... x (i + mτ)}. For example, when the number of state variables is 3, x (i) = {x (i), x (i + τ), x (i + 2τ)}.
This τ is a parameter and is called an embedding delay time. When this vector x (i) is sequentially plotted in the three-dimensional state space (coordinate axes are x (i), x (i + τ) and x (i + 2τ)) (i = 0,1,2) ,..., N), the trajectory as shown on the right side of FIG. The shape of this orbit is called an attractor.
The calculated trajectory can be used to display “sleeping art” in another embodiment of the present invention described later.
次に、ステップＳ３において、カオス解析部１２がリアプノフ指数λを計算する。
リアプノフ指数は、カオス指標の一つであり、カオスの初期値依存性の程度を指数で示した数値で、アトラクタが描く軌道のうち、近接した２本の軌道間の距離が、時間経過に伴って離れていく度合いを示す量である。
Next, in step S3, the
The Lyapunov exponent is one of the chaos indices, and is a numerical value indicating the degree of dependence of the chaos on the initial value. The distance between two adjacent trajectories drawn by the attractor increases with time. It is an amount indicating the degree of separation.
リアプノフ指数λの計算には、Ｗｏｌｆ法、Ｋａｎｔｚ法などがあるが、計算スピードと精度の面から、Ｓａｎｏ−Ｓａｗａｄａ（佐野−沢田）法による近似的な計算手法を用いる。
図５にＳａｎｏ−Ｓａｗａｄａ（佐野−沢田）法のリアプノフ指数計算アルゴリズムについて、３次元の場合の概念図を示す。３次元のカオス力学系に初期値として半径εの微小球（超球）を与えたとすると、最初は球であったものが１回写像されることによって、ｅ１ 方向に引き延ばされ、ｅ３ 方向に押し潰される結果、楕円体となる。このときのｅ１、ｅ２、ｅ３ 方向に対する単位時間当たりの拡大率の対数をλ１、λ２、λ３ とすると、このλ１、λ２、λ３ をリアプノフ指数といい、これらの組をリアプノフスペクトルという。実際には、アトラクタの全点について、この超球を計算する操作を繰り返し、それらの総和の平均よりリアプノフスペクトルを算出する。
リアプノフ指数とは、通常、リアプノフスペクトルの第一成分のことを意味し、リアプノフスペクトルの第一成分であるので「第一リアプノフ指数」、「最大リアプノフ指数」とも呼ばれるが、本発明では「リアプノフ指数」と表現する。
For the calculation of the Lyapunov exponent λ, there are a Wolf method, a Kantz method, and the like. From the viewpoint of calculation speed and accuracy, an approximate calculation method by the Sano-Sawada (Sano-Sawada) method is used.
FIG. 5 shows a conceptual diagram of the three-dimensional case of the Lyapunov exponent calculation algorithm of the Sano-Sawada (Sano-Sawada) method. Assuming that a microsphere (hypersphere) with a radius ε is given as an initial value to a three-dimensional chaotic dynamical system, what was initially a sphere is stretched in the e1 direction by being mapped once, and the e3 direction The result is an ellipsoid. If the logarithms of the enlargement rates per unit time in the e1, e2, and e3 directions are λ1, λ2, and λ3, these λ1, λ2, and λ3 are called Lyapunov exponents, and these sets are called Lyapunov spectra. In practice, the operation of calculating the hypersphere is repeated for all points of the attractor, and the Lyapunov spectrum is calculated from the average of the sum of these.
The Lyapunov exponent usually means the first component of the Lyapunov spectrum, and is called the “first Lyapunov exponent” or the “maximum Lyapunov exponent” because it is the first component of the Lyapunov spectrum. ".
また、本発明の実施形態に係る睡眠評価装置においては、スライディング計算により、リアプノフ指数λの計算を行う。
図６のスライディング計算の例を参照すると、スライディング計算とは、時間幅としてウィンドウ幅Ｗ、スライド点数Ｓとして、データの最初の点からスタートしてＷ点のすべてのデータを用いてある処理を行い、次に、データの最初の点からＳ点スライドした点からＷ点のすべてのデータを用いて同じ処理を行うということを繰り返す処理である。これにより、ウィンドウ幅Ｗの約半分の時間遅れで、計算結果を表示することができる。
In the sleep evaluation device according to the embodiment of the present invention, the Lyapunov exponent λ is calculated by sliding calculation.
Referring to the example of the sliding calculation in FIG. 6, the sliding calculation is performed by using a window width W as the time width and the number S of sliding points, starting from the first point of the data and using all data at the W point. Next, it is a process of repeating the same process using all the data of the W point from the point slid by the S point from the first point of the data. Thereby, the calculation result can be displayed with a time delay of about half of the window width W.
次に、ステップＳ４において、脳の眠り度測定部１３が、リアプノフ指数λから「脳の眠り度」を計算する。
最近の指先脈波カオス解析の研究成果では、脈波拍動成分データのカオス解析によるリアプノフ指数λの値は、中枢である脳の情動、興奮、抑制の働きを反映していることが示唆されている。
すなわち、脈波拍動成分データのリアプノフ指数λの値が大きいほど脳が興奮していて、リアプノフ指数λの値が小さいほど、脳の活動が抑制されていると考えられる。
ゆえに、リアプノフ指数λが小さいほど「脳の眠り度」は深く、リアプノフ指数λが大きいほど、「脳の眠り度」は浅いとする。
本発明の実施形態に係る装置においては、この「脳の眠り度」について、上述のリアプノフ指数λを３つの閾値を設けて４段階で計算して、測定結果とする。
図７は、この４段階で表した「脳の眠り度」の計算例を示す。後述の表示部においては、この計算例の通りに「脳の眠り度」を表示することも可能である。
Next, in step S <b> 4, the brain sleep level measuring unit 13 calculates “brain sleep level” from the Lyapunov exponent λ.
Recent research results of fingertip pulse wave chaos analysis suggest that the Lyapunov exponent λ value by chaos analysis of pulse wave pulsation component data reflects the central brain emotion, excitement, and suppression. ing.
That is, it is considered that the greater the Lyapunov exponent λ value of the pulse wave pulsation component data, the more excited the brain, and the smaller the Lyapunov exponent λ value, the more suppressed the brain activity.
Therefore, it is assumed that the smaller the Lyapunov exponent λ, the deeper the “sleeping degree of the brain”, and the higher the Lyapunov exponent λ, the shallower the “sleeping degree of the brain”.
In the apparatus according to the embodiment of the present invention, the above-mentioned Lyapunov exponent λ is calculated in four steps with respect to the “degree of sleep of the brain” by providing three threshold values to obtain a measurement result.
FIG. 7 shows a calculation example of the “brain sleep level” expressed in these four stages. In the display unit described later, it is also possible to display “brain sleep level” as in this calculation example.
次に、図３のフローチャートにおいて、紙面の左の流れであるピーク解析について説明する。
まず、ステップＳ５において、ＨＲＶ解析部１４が脈波拍動成分データからピークを検出し、心電図のＲ−Ｒ間隔に相当するＰ−Ｐ間隔データを作成する。
このＲ−Ｒ間隔とＰ−Ｐ間隔との関係について、図８を参照して説明すると、心電図上の一拍であるＲ−Ｒ間隔とＰ−Ｐ間隔は、ピークの位置はずれるもののお互いに対応している。
このＰ−Ｐ間隔データを用いて心拍数変動性ＨＲＶ解析のＨＦ、ＬＦ解析のスライディング計算を行う。スライディング計算に関しては、上述のリアプノフ指数λのスライディング計算と同様に行う。
Next, peak analysis, which is the flow on the left side of the page, in the flowchart of FIG. 3 will be described.
First, in step S5, the
The relationship between the RR interval and the PP interval will be described with reference to FIG. 8. The RR interval and PP interval, which are one beat on the electrocardiogram, correspond to each other although their peak positions are off. is doing.
Using this P-P interval data, sliding calculation of HF and LF analysis of heart rate variability HRV analysis is performed. The sliding calculation is performed in the same manner as the sliding calculation of the Lyapunov exponent λ described above.
次に、ステップＳ６において、ＨＲＶ解析部１４が上述の脈波拍動成分データについてピーク解析のＨＲＶ解析を行う。ＨＲＶ解析とは、心拍変動解析のことである。
まず、Ｐ−Ｐ間隔の離散値を線形補間により補間して、補間後の曲線にＦＦＴ（高速フーリエ変換）処理を施してスペクトル分析を行い、心拍変動成分を周波数軸上のピークとして取り出す。
図９（ａ）を参照すると、Ｐ−Ｐ間隔の変動波形、およびＲ−Ｒ間隔から変動波形を上記３つの周波数成分に分解した場合の各変動成分の波形を示している。このＲ−Ｒ間隔の変動波形と同様に、Ｐ−Ｐ間隔からも各周波数成分が取り出せる。
Next, in step S6, the
First, the discrete values of the P-P interval are interpolated by linear interpolation, FFT (Fast Fourier Transform) processing is performed on the interpolated curve, spectrum analysis is performed, and the heartbeat fluctuation component is extracted as a peak on the frequency axis.
Referring to FIG. 9A, there are shown a fluctuation waveform at the PP interval and a waveform of each fluctuation component when the fluctuation waveform is decomposed into the above three frequency components from the RR interval. Similarly to the fluctuation waveform of the RR interval, each frequency component can be extracted from the PP interval.
ここで、ＨＲＶ解析部１４は上記のピークから「ＬＦ／ＨＦ」を取り出す。
まず、上述の心拍変動のスペクトル分析を行うと、変動が複数の周波数の波から構成されていることがわかる。これらは以下に示す３種類の変動成分に区分される。
１．呼吸に一致した変動であるＨＦ（High Frequency）成分
２．１０秒前後の周期で変動するＬＦ（Low Frequency）成分
３．測定限界よりも低い周波数で変動するトレンド（Trend）成分
図９（ｂ）は、図９（ａ）に示したＰ−Ｐ間隔の変動波形に対するスペクトル分析の結果である。
この図からわかるように、０．０７Ｈｚ付近、０．２５Ｈｚ付近の２つの周波数においてピークが見られる。前者がＬＦ成分であり後者がＨＦ成分である。なお、トレンドの成分は測定限界以下であるため図からは読み取れない。
Here, the
First, when the spectrum analysis of the heartbeat variability described above is performed, it can be seen that the variability is composed of waves of a plurality of frequencies. These are classified into the following three types of fluctuation components.
1. HF (High Frequency) component, which is a fluctuation that coincides with
As can be seen from this figure, peaks are observed at two frequencies near 0.07 Hz and 0.25 Hz. The former is the LF component and the latter is the HF component. Note that the trend component cannot be read from the figure because it is below the measurement limit.
次に、ステップＳ７において、体の眠り度測定部１５が、このＬＦ成分とＨＦ成分より、「体の眠り度」を計算する。
まず、上述のＬＦ成分は交感神経の緊張度の度合いを表しており、本成分の振幅が大きいほど緊張度が増していることとなる。
一方、ＨＦ成分は副交感神経の緊張度の度合いを表しており、本成分の振幅が大きいほどリラックスしていることを意味する。
ＬＦ成分およびＨＦ成分の振幅値には個人差があるので、このことを考慮した場合、ＬＦ成分とＨＦ成分の振幅比であるＬＦ／ＨＦが、被験者の緊張度の推定に有用である。
つまり、ＬＦ／ＨＦの値が大きいほど緊張の度合いが高く、ＬＦ／ＨＦの値が小さいほど緊張の度合いは低くリラックスしていると言える。
Next, in step S <b> 7, the body sleep
First, the above-described LF component represents the degree of sympathetic nerve tension, and the greater the amplitude of this component, the greater the tension.
On the other hand, the HF component represents the degree of tension of the parasympathetic nerve, and the larger the amplitude of this component, the more relaxed it is.
Since there are individual differences in the amplitude values of the LF component and the HF component, LF / HF, which is the amplitude ratio of the LF component and the HF component, is useful for estimating the tension of the subject.
That is, it can be said that the greater the LF / HF value, the higher the degree of tension, and the smaller the LF / HF value, the lower the degree of tension and the more relaxed.
ここで、ＬＦ／ＨＦの値が小さいほどリラックスしているので「体の眠り度」が深いとし、ＬＦ／ＨＦの値が大きいほど緊張しているので「体の眠り度」は浅いとする。
本発明の実施形態に係る装置においては、この「体の眠り度」について、「脳の眠り度」と同様に、ＬＦ／ＨＦを３つの閾値を設けて４段階で計算して測定結果とする。
この「体の眠り度」について、４段階のレベルで表示した例を図１０に示す。
Here, the smaller the LF / HF value is, the more relaxed it is, so the “body sleepiness” is deeper, and the higher the LF / HF value, the more nervous, so “body sleepiness” is shallower.
In the apparatus according to the embodiment of the present invention, as for the “sleeping degree of the body”, LF / HF is calculated in four stages by setting three thresholds as the “sleeping degree of the brain” to obtain a measurement result. .
FIG. 10 shows an example in which the “degree of sleep” is displayed at four levels.
最後に、ステップＳ８において、睡眠状態評価部１６が「体の眠り度」と「脳の眠り度」を用いて、レム睡眠、ノンレム睡眠に対応する睡眠状態の評価を行う。
一般的に、ノンレム睡眠は、身体の姿勢を保つ筋肉（抗重力筋、姿勢筋）の緊張は保たれていて体は起きているのに脳が眠っている状態で、夢はほとんど見ていない状態である。
逆に、レム睡眠は、身体の姿勢を保つ筋肉の緊張がほとんどなくなって体は眠っているのに、脳が起きているような状態で、夢を見ている状態だと言われている。
そこで、「体の眠り度」が小さく「脳の眠り度」が大きい時がノンレム睡眠、逆に「体の眠り度」が大きく「脳の眠り度」が小さい時がレム睡眠であると推測できる。
このようなノンレム睡眠とレム睡眠に対応する睡眠状態の評価を、睡眠状態評価部１６が表示部４に出力する。
これにより、睡眠状態評価の一連のシーケンスが終了する。
Finally, in step S8, the sleep state evaluation unit 16 evaluates the sleep state corresponding to the REM sleep and the non-REM sleep using the “body sleep” and “brain sleep”.
In general, non-REM sleep is a state where the muscles that maintain the body posture (anti-gravity muscles, posture muscles) are maintained, the body is awake, but the brain is sleeping, and almost no dreams are seen State.
On the other hand, REM sleep is said to be a dreaming state in which the brain is awake while the body is asleep with almost no muscle tension maintaining the body posture.
Therefore, it can be inferred that non-REM sleep is when “sleepiness” is small and “sleepiness” is high, and REM sleep is when “sleepiness” is large and “brain sleep” is low. .
The sleep state evaluation unit 16 outputs the sleep state evaluation corresponding to the non-REM sleep and the REM sleep to the
Thereby, a series of sequences of sleep state evaluation is completed.
以上のステップは、リアルタイムで、又は保存された前記脈波拍動成分データをもとに所定の時刻について行うことができる。 The above steps can be performed in real time or for a predetermined time based on the stored pulse wave component data.
以上のように構成することにより、以下のような顕著な効果が生じる。
まず、従来の方法では自律神経の働きのみから、眠りの深さ、睡眠状態、レム睡眠、ノンレム睡眠を推定していた。
しかし、本発明の実施の形態に係る睡眠評価装置においては、自律神経の緊張／リラックスから「体の眠り度」、中枢である脳の情動／興奮／抑制から「脳の眠り度」を数値化し、両者の関係から、レム睡眠、ノンレム睡眠を推定する。
つまり、「体の眠り度」だけでなく「脳の眠り度」という指標を導入したことにより、被験者に負担をかけることなく、これまでより精度が高く睡眠状態の判定をすることができる。
By configuring as described above, the following remarkable effects occur.
First, in the conventional method, the sleep depth, sleep state, REM sleep, and non-REM sleep are estimated only from the function of the autonomic nerve.
However, in the sleep evaluation device according to the embodiment of the present invention, the “sleeping degree of the body” is calculated from the tension / relaxation of the autonomic nerve, and the “sleeping degree of the brain” is numerically expressed from the emotion / excitement / suppression of the central brain. From the relationship between the two, REM sleep and non-REM sleep are estimated.
That is, by introducing an index of “brain sleep level” as well as “body sleep level”, it is possible to determine the sleep state with higher accuracy than before without imposing a burden on the subject.
また、従来技術のカオス理論のリアプノフ指数計算は心拍数の時系列に対してのものであり、１つの指標を算出するのに、１５分程度の長さのデータが必要であったため、リアルタイムに結果を算出することはできなかった。
実際、リアプノフ指数の計算を行うには十分な数の測定点が必要で、１つのリアプノフ指数λを求めるためには、約１５分間のデータが必要であった。このため、リアルタイムに結果を算出することは困難であった。
しかし、本発明の実施の形態に係る手法では、スライディング計算を行うことにより、リアルタイムに、任意の単位時間ごとに睡眠の評価をすることができる。
In addition, the Lyapunov exponent calculation of the chaos theory of the prior art is for the time series of heart rate, and in order to calculate one index, data of a length of about 15 minutes was required, so in real time The result could not be calculated.
Actually, a sufficient number of measurement points are required to calculate the Lyapunov exponent, and about 15 minutes of data are required to obtain one Lyapunov exponent λ. For this reason, it was difficult to calculate a result in real time.
However, in the method according to the embodiment of the present invention, it is possible to evaluate sleep for every arbitrary unit time in real time by performing sliding calculation.
また、生体データのカオス解析はＰ−Ｐ間隔時系列データを対象とするだけでなく、脈波拍動成分の時系列データや心電の時系列データなどを直接用いて計算することができることがわかっている。
そこで、脈波拍動成分データのリアプノフ指数λの計算を行えば、1分〜２分程度の時系列データでひとつの指数を算出することが可能である。すなわち、スライディング計算による時間遅れを１分程度に抑えることができる。
なお、このスライディング計算においては、ノイズの多いデータについては、５分以下のデータは破棄して計算を行うことが望ましい。また、５分以上のデータに関しては、前後のデータから補完することができる。さらに、ノイズの多いデータは寝返りを打った際に記録されることが多いので、このノイズの回数を数えることで寝返り回数を測定することができる。
In addition, the chaos analysis of the biological data can be calculated not only on the P-P interval time series data but also directly using the time series data of the pulse wave pulsation component or the time series data of the electrocardiogram. know.
Therefore, if the Lyapunov exponent λ of the pulse wave pulsation component data is calculated, it is possible to calculate one exponent with time series data of about 1 minute to 2 minutes. That is, the time delay due to the sliding calculation can be suppressed to about 1 minute.
In this sliding calculation, it is desirable to perform calculation by discarding data of 5 minutes or less for data with a lot of noise. In addition, data of 5 minutes or more can be supplemented from previous and subsequent data. Furthermore, since data with a lot of noise is often recorded when turning over, the number of turning over can be measured by counting the number of times of noise.
さらに、「体の眠り度」と「脳の眠り度」を同時に計算することができるため、この結果をグラフとして描き、睡眠の状態をさらに詳しく判定することができる。
図１１は、このグラフの例であり、体の眠り度を４段階として横軸に取り、脳の眠り度を４段階として縦軸に取って描いた。
該グラフの右下（脳の眠り度が１〜２で、体の眠り度が３〜４）の象限がレム睡眠となり、これ以外の数値の場合がノンレム睡眠となる。
Furthermore, since “the sleep level of the body” and “the sleep level of the brain” can be calculated at the same time, the result can be drawn as a graph to determine the sleep state in more detail.
FIG. 11 is an example of this graph. The horizontal axis represents the sleep level of the body as four levels, and the vertical axis represents the sleep level of the brain as four levels.
The quadrant in the lower right of the graph (the brain sleep level is 1-2 and the body sleep level is 3-4) is REM sleep, and other values are non-REM sleep.
ここで、本発明の実施の形態に係る装置では、上述のようにリアルタイムで「体の眠り度」と「脳の眠り度」の測定をすることができるため、睡眠の状態が変化した場合、通報するシステムを作成することができる。
さらに、上述のグラフのノンレム睡眠は３つの象限に渡っているため、これらを別々の眠りの状態として評価することで、睡眠に対する新たな知見を得られる可能性がある。
また、このグラフを見ることにより、被験者がどういう睡眠の状態なのかを、観察者がチェックすることができる。これにより、たとえば、夫の睡眠状態を妻がチェックする、あるいは、妻の睡眠状態を夫がチェックすることができる。
妻の、快適な目覚めの時間に起こしたり、睡眠の質についてチェックすることができる。
さらに、脈波拍動成分データのカオス理論によるリアプノフ指数は、上位中枢である脳の情動に関する活動を反映していることも解ってきたため（清野健、山本義春著『ゆらぎの科学と技術―フラクチュオマティクス入門―』東北大学出版会 ２００４年発行、Ｐ７１〜Ｐ９０、参照）、被験者の心理状態について知る手がかりも得られる。
すなわち、良い夢を見るように、レム睡眠中に匂い等の刺激を与えるシステムも作ることができる。
Here, in the apparatus according to the embodiment of the present invention, as described above, it is possible to measure the "body sleep" and "brain sleep" in real time, so when the sleep state changes, You can create a reporting system.
Furthermore, since the non-REM sleep of the above-mentioned graph is spread over three quadrants, there is a possibility that new knowledge about sleep can be obtained by evaluating these as separate sleep states.
Also, by looking at this graph, the observer can check what sleep state the subject is in. Thereby, for example, the wife can check the sleeping state of the husband, or the husband can check the sleeping state of the wife.
You can wake up at a comfortable waking time or check the quality of your sleep.
Furthermore, it has been understood that the Lyapunov exponent based on the chaotic theory of pulse wave pulsation component data reflects the activity related to the brain emotion, which is the upper center (Ken Seino, Yoshiharu Yamamoto, Fluctuation Science and Technology- Introducing Chuomatics-”Tohoku University Press 2004, P71-P90, see), and you can get clues about the subject's psychological state.
That is, it is possible to create a system that gives a stimulus such as an odor during REM sleep so as to have a good dream.
さらに、一晩の「体の眠り度」と「脳の眠り度」の平均から、ノンレム睡眠とレム睡眠に相当する睡眠の量を測定することで、被験者の睡眠が快適であったかを知る手がかりが得られる。
また、上述のグラフがリアルタイムに変化する様子を時間重層的に描くこともでき、このパターンから睡眠の質の変化を評価するシステムを構築することも考えられる。
たとえば、レム睡眠とノンレム睡眠は、９０分サイクルで一晩に４回あることが健康的に望ましいと一般的に言われているが、これが正しいかどうか、データを簡単に取ることができる。
In addition, by measuring the amount of sleep equivalent to non-REM sleep and REM sleep from the average of "sleepiness of the body" and "sleepiness of the brain" overnight, a clue to know whether the subject's sleep was comfortable can get.
In addition, it is possible to draw a state in which the above-mentioned graph changes in real time in a layered manner, and it is conceivable to construct a system for evaluating changes in sleep quality from this pattern.
For example, it is generally said that REM sleep and non-REM sleep are healthy four times a night in a 90 minute cycle, but data can be easily taken to determine if this is correct.
＜他の実施の形態＞
上述の本発明の実施の形態に係る睡眠評価装置の出力は、図７と図１０のように、グラフを表示できれば十分であるが、これをさらにグラフィカルで変化に富んだかたちで出力することができる。この表示方法の例を本発明の他の実施の形態に係る例として図１２を参照して説明する。
図１２の上の３つは、アトラクタ表示の例である。多次元のアトラクタ軌道データを３次元へ投影し、第３の次元の値を暖色〜寒色の色の情報としてカラーでグラフィック表示する。
図１２の下の３つは、リカレンスプロット表示と呼ばれるものであり、アトラクタの構造を可視化する手法である。リカレンスプロットとは、アトラクタ上の各点間の相関関係を視覚化するものであり時系列信号の持つ非定常性の検出にも優れている方法である。
リカレンスプロットを作るためには、まず、一辺の長さがアトラクタ上の点の総数Ｎとなるような２次元画像を用意する。次に、アトラクタ上の２点間距離D(i, j) = |v(i) - v(j)| を計算する。このD(i, j) に基づいて作成されるＮ×Ｎ画素の画像がリカレンスプロットである。このリカレンスプロットを暖色〜寒色のカラーの色でグラフィック表示する。
上述のアトラクタ表示とリカレンスプロット表示もスライディング計算を行い、リアルタイムに任意の時間における情報を表示する。
<Other embodiments>
As for the output of the sleep evaluation apparatus according to the above-described embodiment of the present invention, it is sufficient if a graph can be displayed as shown in FIGS. 7 and 10, but this can be output in a more graphical and varied manner. it can. An example of this display method will be described with reference to FIG. 12 as an example according to another embodiment of the present invention.
The upper three in FIG. 12 are examples of attractor display. Multi-dimensional attractor trajectory data is projected to three dimensions, and the value of the third dimension is graphically displayed in color as warm color to cold color information.
The bottom three in FIG. 12 are called recurrence plot displays, which are techniques for visualizing the structure of attractors. The recurrence plot is a method for visualizing the correlation between each point on the attractor, and is an excellent method for detecting non-stationarity of a time series signal.
In order to create a recurrence plot, first, a two-dimensional image in which the length of one side is the total number N of points on the attractor is prepared. Next, the distance D (i, j) = | v (i) −v (j) | between the two points on the attractor is calculated. An image of N × N pixels created based on D (i, j) is a recurrence plot. This recurrence plot is displayed graphically in warm to cold colors.
The above-mentioned attractor display and recurrence plot display also perform sliding calculation and display information at an arbitrary time in real time.
以上のように構成することにより、以下のような顕著な効果が生じる。
まず、アトラクタ表示の画像とリカレンスプロット表示を数値的ではなく画像として示すことにより、イメージとして人間の感覚に訴えることができる。いわば、眠りの美術、「眠りアート」を表現できる。
例えば、図１２の場合、覚醒が近く「体の眠り」と「脳の眠り」がそれぞれ浅い「浅いねむり」、ノンレム睡眠に相当する「深いねむり」、レム睡眠に相当する「夢見のねむり」の状態のときにそれぞれアトラクタ表示とリカレンスプロット表示を行った。この３つの睡眠状態の表示は、それぞれ、まったく違うパターンを描いていることが分かる。
このような表示の変化のおもしろさにより、被験者の睡眠への興味を引きつけ、睡眠と健康に関して考えるきっかけとなることが期待できる。
さらに、この「眠りアート」は慣れれば直感的に睡眠の状態が理解できるという実用性がある。すなわち、日常的に「眠りアート」を観察していると、睡眠状態が異常であればすぐに気づくため、予防医療に関する効果が期待できる。
また、この「眠りアート」には、上述の睡眠評価の時間的な変化のグラフを付け加えて表示することができる。
By configuring as described above, the following remarkable effects occur.
First, by showing the attractor display image and recurrence plot display as images rather than numerical values, it is possible to appeal to the human sense as an image. In other words, it can express sleep art, "sleep art".
For example, in the case of FIG. 12, the awakening is close to “body sleep” and “brain sleep” are shallow “shallow sleep”, “deep sleep” corresponding to non-REM sleep, and “dream sleep” corresponding to REM sleep. Attractor and recurrence plots were displayed for each state. It can be seen that the three sleep states are displayed in completely different patterns.
Such interesting display changes can be expected to attract the subject's interest in sleep and provide an opportunity to think about sleep and health.
Furthermore, this “sleep art” has the practicality that if you get used to it, you can intuitively understand the state of sleep. That is, when “sleep art” is observed on a daily basis, if the sleep state is abnormal, it is immediately noticed, so an effect on preventive medicine can be expected.
In addition, the “sleep art” can be displayed with the graph of the temporal change in sleep evaluation described above.
なお、上記実施の形態の構成及び動作は例であって、本発明の趣旨を逸脱しない範囲で適宜変更して実行することができることは言うまでもない。
例えば、本発明の実施の形態では寝具に装備したセンサは圧電センサとしたが、他の種類の圧力センサ、脈波センサ、又は心電センサであってもよい。また、寝具も、毛布や羽毛布団等の様々な素材を用いることができる。
Note that the configuration and operation of the above-described embodiment are examples, and it is needless to say that the configuration and operation can be appropriately changed and executed without departing from the gist of the present invention.
For example, in the embodiment of the present invention, the sensor provided in the bedding is a piezoelectric sensor, but another type of pressure sensor, pulse wave sensor, or electrocardiogram sensor may be used. Also, various materials such as blankets and duvets can be used for the bedding.
以上、本発明に係る睡眠評価方法、睡眠評価装置、睡眠評価システムは、日常生活で手軽に使用でき、精度の高い睡眠状態推定に有用であり、寝具メーカーなどでは寝心地が良い寝具の開発、改良に役立つ。
また、毎日の睡眠時のデータから健康度を推定できるので、測定者が手間を取られることがなく健康チェックを行うことができる。さらに、一般の家庭で、日々の睡眠の質について評価を行い、質の良い睡眠を行う手助けとなる。
また、健常者の健康度チェックだけでなく、病院施設の入院患者のデータを測定し、データを解析しながら、投薬することにより、医学的にも新しい治療法として利用できる可能性がある。
さらに、「眠りアート」により眠りの状態を視覚に訴えることができる。
As described above, the sleep evaluation method, the sleep evaluation device, and the sleep evaluation system according to the present invention can be easily used in daily life, are useful for high-precision sleep state estimation, and bedding manufacturers and the like develop and improve bedding that is comfortable to sleep. To help.
In addition, since the health level can be estimated from the data at the time of daily sleep, the health check can be performed without taking the trouble of the measurer. In addition, the quality of daily sleep is evaluated in a general home, and it helps to perform good quality sleep.
Moreover, there is a possibility that it can be used as a new medical treatment method not only by checking the health level of healthy persons but also by measuring the data of inpatients in hospital facilities and administering the data while analyzing the data.
Furthermore, it is possible to visually appeal the state of sleep by “sleep art”.
１ 圧電センサ （検出手段）
２ 寝具
３ 測定装置
４ 表示部 （表示手段、イメージ描画手段）
１１ 脈波拍動成分データ抽出部 （脈波拍動成分データ抽出手段）
１２ カオス解析部 （カオス解析手段）
１３ 脳の眠り度測定部 （脳の眠り度測定手段）
１４ ＨＲＶ解析部 （心拍変動性ＨＲＶ解析手段）
１５ 体の眠り度測定部 （体の眠り度測定手段）
１６ 睡眠状態評価部 （睡眠状態評価手段）
1 Piezoelectric sensor (detection means)
2
11 Pulse wave pulsation component data extraction unit (Pulse wave pulsation component data extraction means)
12 Chaos analysis part (chaos analysis means)
13 Brain sleep level measuring unit (Brain sleep level measuring means)
14 HRV analysis unit (Heart rate variability HRV analysis means)
15 Body sleep level measuring unit (Body sleep level measuring means)
16 Sleep state evaluation part (sleep state evaluation means)
Claims (7)
前記脈波拍動成分データからカオス解析し、
該カオス解析の結果からリアプノフ指数又は該リアプノフ指数の変化パターンから脳の眠り度を測定し、
前記脈波拍動成分データから心拍数時系列データの心拍数変動性ＨＲＶ解析し、
該ＨＲＶ解析の結果からＬＦ／ＨＦ成分から体の眠り度を測定し、
前記体の眠り度と、前記脳の眠り度について、前記体の眠り度が高く、前記脳の眠り度が低い場合にレム睡眠に相当する睡眠状態と判定し、それ以外の場合はノンレム睡眠に相当する睡眠状態と判定する
ことを特徴とする睡眠評価方法。 Extract pulse wave pulsation component data from the original signal obtained from the detection means,
Chaos analysis from the pulse wave pulsation component data,
Measure the sleepiness of the brain from the Lyapunov exponent or the change pattern of the Lyapunov exponent from the result of the chaos analysis,
Heart rate variability HRV analysis of heart rate time-series data from the pulse wave pulsation component data,
From the result of the HRV analysis, the sleepiness of the body is measured from the LF / HF component ,
Regarding the sleep level of the body and the sleep level of the brain, when the sleep level of the body is high and the sleep level of the brain is low, it is determined as a sleep state corresponding to REM sleep, and in other cases, it is determined as non-REM sleep. A sleep evaluation method characterized by determining a corresponding sleep state .
カオス解析をするカオス解析手段と、
リアプノフ指数又は該リアプノフ指数の変化パターンから脳の眠り度を評価する脳の眠り度測定手段と、
心拍数時系列データの心拍変動性ＨＲＶ解析をする心拍変動性ＨＲＶ解析手段と、
体の眠り度を測定する体の眠り度測定手段と、
前記体の眠り度と前記脳の眠り度を表示する表示手段と、
前記体の眠り度と、前記脳の眠り度について、前記体の眠り度が高く、前記脳の眠り度が低い時にレム睡眠に相当する睡眠状態と判定し、それ以外の場合はノンレム睡眠に相当する睡眠状態と判定する睡眠状態評価手段とを含む
ことを特徴とする睡眠評価装置。 Pulse wave pulsation component data extraction means for extracting pulse wave pulsation component data from the original signal obtained from the detection means;
Chaos analysis means for chaos analysis,
A means of measuring the sleepiness of the brain for evaluating the sleepiness of the brain from the Lyapunov exponent or a change pattern of the Lyapunov exponent;
Heart rate variability HRV analysis means for performing heart rate variability HRV analysis of heart rate time series data;
A means for measuring sleepiness of the body for measuring sleepiness of the body;
Display means for displaying the sleepiness of the body and sleepiness of the brain ;
Regarding the sleep level of the body and the sleep level of the brain, it is determined that the sleep state corresponding to REM sleep when the sleep level of the body is high and the sleep level of the brain is low, otherwise it corresponds to non-REM sleep The sleep evaluation apparatus characterized by including the sleep state evaluation means to determine with the sleep state to do.
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP2006288062A JP4956137B2 (en) | 2006-10-23 | 2006-10-23 | Sleep evaluation method, sleep evaluation device, sleep evaluation system |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP2006288062A JP4956137B2 (en) | 2006-10-23 | 2006-10-23 | Sleep evaluation method, sleep evaluation device, sleep evaluation system |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| JP2008104528A JP2008104528A (en) | 2008-05-08 |
| JP4956137B2 true JP4956137B2 (en) | 2012-06-20 |
Family
ID=39438393
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| JP2006288062A Expired - Fee Related JP4956137B2 (en) | 2006-10-23 | 2006-10-23 | Sleep evaluation method, sleep evaluation device, sleep evaluation system |
Country Status (1)
| Country | Link |
|---|---|
| JP (1) | JP4956137B2 (en) |
Families Citing this family (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP5540402B2 (en) * | 2009-10-23 | 2014-07-02 | 国立大学法人鳥取大学 | Biological signal analysis apparatus, biological signal analysis method, biological signal analysis program |
| JP5776939B2 (en) * | 2011-10-12 | 2015-09-09 | アイシン精機株式会社 | Sleep state determination device and sleep state determination method |
| JP5911840B2 (en) * | 2013-11-25 | 2016-04-27 | 株式会社カオテック研究所 | Diagnostic data generation device and diagnostic device |
| JP6627112B2 (en) * | 2015-09-29 | 2020-01-08 | 株式会社Ｔａｏｓ研究所 | Biological function testing device, method of operating biological function testing device, and program |
| RU180056U1 (en) * | 2017-05-31 | 2018-05-31 | Федеральное государственное бюджетное учреждение науки Научно-исследовательский центр "Арктика" Дальневосточного отделения Российской академии наук (НИЦ "Арктика" ДВО РАН) | Brain rhythmic activity spectrum recorder |
| CN109044290A (en) * | 2018-06-29 | 2018-12-21 | 苗铁军 | A kind of physical function check device, physical function inspection method and system |
| RU202454U1 (en) * | 2020-08-04 | 2021-02-18 | Федеральное государственное бюджетное учреждение науки Научно-исследовательский центр "Арктика" Дальневосточного отделения Российской академии наук | Brain microvibration spectrum recorder |
| WO2024034072A1 (en) * | 2022-08-10 | 2024-02-15 | 三菱電機株式会社 | Brain activity estimating device, apparatus provided with brain activity estimating device, and air conditioning device |
Family Cites Families (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP4461388B2 (en) * | 2003-06-03 | 2010-05-12 | 株式会社スリープシステム研究所 | Sleep stage determination method and determination apparatus |
| JP3780273B2 (en) * | 2003-08-25 | 2006-05-31 | テクサス株式会社 | Body reaction information detection system while sleeping |
| JP4329690B2 (en) * | 2004-12-28 | 2009-09-09 | ダイキン工業株式会社 | Body movement measuring device |
| KR100646868B1 (en) * | 2004-12-29 | 2006-11-23 | 삼성전자주식회사 | Home control system and method using information of galvanic skin response and heart rate |
-
2006
- 2006-10-23 JP JP2006288062A patent/JP4956137B2/en not_active Expired - Fee Related
Also Published As
| Publication number | Publication date |
|---|---|
| JP2008104528A (en) | 2008-05-08 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| JP4956137B2 (en) | Sleep evaluation method, sleep evaluation device, sleep evaluation system | |
| JP3987053B2 (en) | Sleep state determination device and sleep state determination method | |
| JP5961235B2 (en) | Sleep / wake state evaluation method and system | |
| JP5241598B2 (en) | Psychological state evaluation device | |
| JP5632986B2 (en) | Sleep stage determination device and sleep stage determination method | |
| Hadjileontiadis | EEG-based tonic cold pain characterization using wavelet higher order spectral features | |
| Kar et al. | Effect of sleep deprivation on functional connectivity of EEG channels | |
| JP4993980B2 (en) | Apparatus and method capable of outputting expiration time | |
| US20160007868A1 (en) | Biological information processing system and method of controlling biological information processing system | |
| JPWO2009150744A1 (en) | Sleep state monitoring device, monitoring system, and computer program | |
| JP2007125337A (en) | Method and apparatus for measuring mental healthiness | |
| JP6785136B2 (en) | Alertness processing method and alertness processing device | |
| JP2017063997A (en) | Biological function examination device, biological function examination method and program | |
| Szypulska et al. | Prediction of fatigue and sleep onset using HRV analysis | |
| JPWO2004107978A1 (en) | Sleep stage determination method and determination apparatus | |
| CN116013470A (en) | Method, system and device for dynamically adjusting sleep behavior activity level | |
| JP6586557B2 (en) | Sleep stage determination device and sleep stage determination method | |
| JP6209395B2 (en) | Biological state estimation device and computer program | |
| JP4822796B2 (en) | Sleep meter and sleep state determination method | |
| Ye et al. | A non-invasive sleep analysis approach based on a fuzzy inference system and a finite state machine | |
| Cheng et al. | An intelligent sleep quality detection system based on wearable device | |
| Tsuboi et al. | Relationship between heart rate variability using Lorenz plot and sleep level | |
| KR101771835B1 (en) | Method for inter-sleep analysis based on biomedical signal | |
| JP4868514B2 (en) | Apparatus and method for outputting result of estimation of biological state | |
| Bao et al. | Study on heartbeat information acquired from pressure cushion based on body sensor network |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20091019 |
|
| A711 | Notification of change in applicant |
Free format text: JAPANESE INTERMEDIATE CODE: A711 Effective date: 20091019 |
|
| A521 | Written amendment |
Free format text: JAPANESE INTERMEDIATE CODE: A821 Effective date: 20091019 |
|
| A521 | Written amendment |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20091201 |
|
| A521 | Written amendment |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20091224 |
|
| A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20111213 |
|
| A521 | Written amendment |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20120203 |
|
| 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: 20120221 |
|
| A01 | Written decision to grant a patent or to grant a registration (utility model) |
Free format text: JAPANESE INTERMEDIATE CODE: A01 |
|
| A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20120316 |
|
| R150 | Certificate of patent or registration of utility model |
Free format text: JAPANESE INTERMEDIATE CODE: R150 |
|
| FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20150323 Year of fee payment: 3 |
|
| R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
| R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
| R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
| LAPS | Cancellation because of no payment of annual fees |