JP7125087B2 - Sleep stage estimation device, sleep stage estimation method and sleep stage estimation program - Google Patents

Sleep stage estimation device, sleep stage estimation method and sleep stage estimation program Download PDF

Info

Publication number
JP7125087B2
JP7125087B2 JP2018057505A JP2018057505A JP7125087B2 JP 7125087 B2 JP7125087 B2 JP 7125087B2 JP 2018057505 A JP2018057505 A JP 2018057505A JP 2018057505 A JP2018057505 A JP 2018057505A JP 7125087 B2 JP7125087 B2 JP 7125087B2
Authority
JP
Japan
Prior art keywords
frequency component
sleep stage
sleep
heartbeat
intermediate frequency
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.)
Active
Application number
JP2018057505A
Other languages
Japanese (ja)
Other versions
JP2019166195A (en
Inventor
圭樹 ▲高▼玉
明里 桃原
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
THE UNIVERSITY OF ELECTRO-COMUNICATINS
Original Assignee
THE UNIVERSITY OF ELECTRO-COMUNICATINS
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by THE UNIVERSITY OF ELECTRO-COMUNICATINS filed Critical THE UNIVERSITY OF ELECTRO-COMUNICATINS
Priority to JP2018057505A priority Critical patent/JP7125087B2/en
Publication of JP2019166195A publication Critical patent/JP2019166195A/en
Application granted granted Critical
Publication of JP7125087B2 publication Critical patent/JP7125087B2/en
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Description

本発明は、被験者の睡眠段階を推定する睡眠段階推定装置、睡眠段階推定方法および睡眠段階推定プログラムに関する。 The present invention relates to a sleep stage estimation device, a sleep stage estimation method, and a sleep stage estimation program for estimating sleep stages of a subject.

医療現場では、睡眠障害などによる睡眠の質の低下を診断するために、被測定者の睡眠段階を測定することが行われている。人間の睡眠段階は、睡眠の深さの観点で６段階に分類したものが知られており、その６つの睡眠段階は、眠りが浅い段階から順に、覚醒、レム睡眠、ノンレム睡眠（ステージ１～４）と呼ばれている。これらの６段階の睡眠段階の判定は、従来、例えば被計測者の顔や頭部に多数の電極を装着して、その多数の電極から脳波、眼球運動、及び顎筋電を測定し、測定結果の解析により行われていた。 In medical practice, the sleep stage of a person being measured is measured in order to diagnose deterioration of sleep quality due to sleep disorder or the like. It is known that the human sleep stage is classified into six stages from the viewpoint of the depth of sleep, and the six sleep stages are wakefulness, REM sleep, non-REM sleep (stage 1 to 4). Conventionally, these six sleep stages are determined by attaching a large number of electrodes to the subject's face and head, for example, and measuring electroencephalograms, eye movements, and jaw electromyograms from the large number of electrodes. Analysis of the results was done.

このような顔や頭部に多数の電極を装着した状態での睡眠段階の検査は、通常、医療機関に宿泊して、長時間連続して電極を身体に装着して行う検査であり、日常と異なる状況での睡眠であるため、被測定者（患者）に精神的な負担と肉体的な負担を強いることになる。また、電極を使って取得したデータは、専門知識と経験を持つ医師が解析して判定する必要があり、睡眠状態を簡単に判定できるものではないという問題があった。 Such a sleep stage examination with a large number of electrodes attached to the face and head is usually performed by staying at a medical institution and attaching electrodes to the body continuously for a long time. Since it is sleep in a different situation from normal, it imposes a mental burden and a physical burden on the person (patient) to be measured. In addition, the data obtained using the electrodes must be analyzed and determined by a doctor with specialized knowledge and experience, and there is a problem that the sleep state cannot be easily determined.

これらの問題を解決するために、専門医師による診断を不要とする睡眠段階推定手法が従来から数多く提案されている。
例えば、特許文献１には、遺伝的アルゴリズムによる学習手法を改良したDatabase-based Compact Genetic Algorithmと称される手法で、マットレス型圧力センサの検出データから睡眠段階を推定する技術が記載されている。この特許文献１に記載された技術は、マットレス型圧力センサが検出した被測定者の体動と心拍に基づいて、睡眠段階を推定するものである。このようなマットレス型圧力センサを使って睡眠段階を推定することで、被測定者に負担を強いることなく、被測定者の睡眠状態を推定することができる。 In order to solve these problems, conventionally, many sleep stage estimation methods that do not require diagnosis by a specialist have been proposed.
For example, Patent Document 1 describes a technique called Database-based Compact Genetic Algorithm, which is an improved learning technique based on a genetic algorithm, to estimate a sleep stage from detection data of a mattress-type pressure sensor. The technique described in this Patent Document 1 estimates a sleep stage based on the subject's body motion and heart rate detected by a mattress-type pressure sensor. By estimating the sleep stage using such a mattress type pressure sensor, it is possible to estimate the sleep state of the person to be measured without imposing a burden on the person to be measured.

特開２０１４－２３９７８９号公報JP 2014-239789 A

ところで、上述した６段階の睡眠段階を考えた場合に、眠りが浅い段階から順に、覚醒、レム睡眠、４つのノンレム睡眠（ステージ１～４）が存在するが、これら６つの段階を、マットレス型圧力センサのような検出手段を使って精度良く判定することは、非常に難しいという問題があった。 By the way, when considering the six stages of sleep described above, there are wakefulness, REM sleep, and four non-REM sleeps (stages 1 to 4) in order from the light sleep stage. There is a problem that it is very difficult to make an accurate determination using a detection means such as a pressure sensor.

図１４は、マットレス型圧力センサの出力を使って睡眠段階を判定する従来手法の１つである、非拘束的睡眠段階推定法(Real-time Sleep Stage Estimation:以下、「ＲＳＳＥ法」と称する)の概要を示す。
ＲＳＳＥ法では、まず、被験者の下のマットレスに圧力センサを設け、その圧力センサの出力として、検出信号Ｓａを得る。検出信号Ｓａには、被験者の心拍の成分が含まれている。
ＲＳＳＥ法では、圧力センサの検出信号Ｓａから、複数の三角関数の和で近似することで、近似心拍中周波成分Ｓｂを取り出し、取り出した近似心拍中周波成分Ｓｂと、その近似心拍中周波成分Ｓｂと平均値Ｓｃとの差のレベルを判断する。図１４の下段は、近似心拍中周波成分Ｓｂと平均値Ｓｃとの差の値の変化を示す。ＲＳＳＥ法では、この近似心拍中周波成分Ｓｂと平均値Ｓｃとの差の値から、覚醒Ｗ、レム睡眠Ｒ、ステージ１～４のノンレム睡眠ＮＲ１，ＮＲ２，ＮＲ３，ＮＲ４の６段階を判定する。 FIG. 14 shows a non-restrictive sleep stage estimation method (Real-time Sleep Stage Estimation: hereinafter referred to as “RSSE method”), which is one of the conventional methods for determining sleep stages using the output of a mattress-type pressure sensor. provides an overview of
In the RSSE method, first, a pressure sensor is provided on the mattress under the subject, and the detection signal Sa is obtained as the output of the pressure sensor. The detection signal Sa contains the heartbeat component of the subject.
In the RSSE method, by approximating the detection signal Sa of the pressure sensor with a sum of a plurality of trigonometric functions, an approximate heartbeat intermediate frequency component Sb is extracted, and the extracted approximate heartbeat intermediate frequency component Sb and the approximate heartbeat intermediate frequency component Sb and the average value Sc. The lower part of FIG. 14 shows changes in the value of the difference between the approximate heartbeat middle frequency component Sb and the average value Sc. In the RSSE method, six stages of wakefulness W, REM sleep R, and stages 1 to 4 non-REM sleep NR1, NR2, NR3, and NR4 are determined from the difference between the approximate heartbeat intermediate frequency component Sb and the average value Sc.

このように、従来から、マットレス組み込み型の圧力センサを使って、ＲＳＳＥ法により睡眠段階を判定できることが知られている。しかしながら、このようにして得られる睡眠段階は、被験者によっては、判定精度が高くない場合があり、より高い精度で簡単に睡眠段階を判定できることが望まれていた。 Thus, it is conventionally known that sleep stages can be determined by the RSSE method using mattress-embedded pressure sensors. However, depending on the subject, the sleep stages obtained in this way may not be determined with high accuracy, and it has been desired to be able to easily determine sleep stages with higher accuracy.

本発明の目的は、被測定者に負担をかけずに、被測定者の睡眠段階を精度よく推定できるようにすることにある。 An object of the present invention is to enable accurate estimation of the sleep stages of a person to be measured without imposing a burden on the person to be measured.

上記課題を解決するため、本発明の睡眠段階推定装置は、被測定者の睡眠中の体動または圧力変化に基づいた生体データを得る生体データ取得部と、生体データ取得部が取得した生体データを周波数解析して、近似心拍中周波成分を検出すると共に、生体データの近似心拍中周波成分よりも低い近似心拍低周波成分を検出し、近似心拍中周波成分から近似心拍低周波成分を減算して補正中周波成分を得るデータ処理部と、データ処理部で得られた補正中周波成分に基づいて睡眠段階を判定する睡眠段階判定部と、を備える。 In order to solve the above problems, the sleep stage estimation device of the present invention includes a biological data acquisition unit that acquires biological data based on body movements or pressure changes during sleep of the subject, and the biological data acquired by the biological data acquisition unit. is frequency-analyzed to detect approximate heart-beat medium-frequency components, detect approximate heart-rate low-frequency components that are lower than the approximate heart-rate medium-frequency components of the biometric data, and subtract the approximate heart-rate low-frequency components from the approximate heart-rate medium-frequency components. a data processing unit that obtains a corrected intermediate frequency component by using the data processing unit; and a sleep stage determination unit that determines a sleep stage based on the corrected intermediate frequency component obtained by the data processing unit.

また、本発明の睡眠段階推定方法は、被測定者の睡眠中の体動または圧力変化に基づいた生体データを生体データ取得部により得る生体データ取得処理と、生体データ取得処理により取得した生体データを周波数解析して、近似心拍中周波成分を検出すると共に、生体データの近似心拍中周波成分よりも低い近似心拍低周波成分をデータ処理部により検出し、近似心拍中周波成分から近似心拍低周波成分を減算して補正中周波成分を得るデータ処理と、データ処理で得られた補正中周波成分で得られた補正中周波成分に基づいて睡眠段階判定部により睡眠段階を判定する睡眠段階判定処理と、を含む。 In addition, the sleep stage estimation method of the present invention includes a biological data acquisition process for obtaining biometric data based on body movements or pressure changes during sleep of the subject by a biodata acquisition unit, and biodata acquired by the biodata acquisition process. is frequency-analyzed to detect an approximate heartbeat medium-frequency component, a data processing unit detects an approximate heartbeat low-frequency component lower than the approximate heartbeat medium-frequency component of the biological data, and a data processing unit detects the approximate heartbeat low-frequency component from the approximate heartbeat medium-frequency Data processing to obtain a corrected medium frequency component by subtracting the component, sleep stage determination processing to determine the sleep stage by the sleep stage determination unit based on the corrected medium frequency component obtained by the corrected medium frequency component obtained by the data processing and including.

また、本発明の睡眠段階推定プログラムは、上記睡眠段階判定方法の生体データ取得処理とデータ処理と睡眠段階判定処理とを実行する手順を、コンピュータに実行させるものである。 Further, the sleep stage estimation program of the present invention causes a computer to execute a procedure for executing the biological data acquisition process, the data processing, and the sleep stage determination process of the sleep stage determination method.

本発明によると、近似心拍低周波成分を検出する処理を行うことで、サーカディアンリズムに相当する成分を検出することになり、サーカディアンリズムに基づいて補正した心拍成分から睡眠段階を判定するため、被測定者の体調などを考慮した正確な睡眠段階判定が可能になる。 According to the present invention, a component corresponding to a circadian rhythm is detected by performing a process of detecting an approximate heartbeat low-frequency component. It is possible to accurately determine the sleep stage in consideration of the physical condition of the measurer.

本発明の一実施の形態例による睡眠段階判定装置の構成例を示すブロック図である。1 is a block diagram showing a configuration example of a sleep stage determination device according to an embodiment of the present invention; FIG. 本発明の一実施の形態例による睡眠段階の判定状態の例を示す図である。It is a figure which shows the example of the determination state of the sleep stage by one embodiment of this invention. 本発明の一実施の形態例の睡眠段階判定装置のハードウェア構成例を示すブロック図である。1 is a block diagram showing a hardware configuration example of a sleep stage determination device according to an embodiment of the present invention; FIG. 本発明の一実施の形態例による睡眠段階判定処理の全体の流れを示すフローチャートである。It is a flowchart which shows the flow of the whole sleep stage determination process by one embodiment of this invention. サーカディアンリズムの例を示す特性図である。FIG. 4 is a characteristic diagram showing an example of circadian rhythm; 本発明の一実施の形態例による心拍中周波の定義とパラメータ推定の例を示す図である。FIG. 4 is a diagram showing an example of heartbeat mid-frequency definition and parameter estimation according to an embodiment of the present invention; 本発明の一実施の形態例によるパラメータ推定の計算式の導出の例を示す図である。FIG. 4 is a diagram showing an example of derivation of a parameter estimation calculation formula according to an embodiment of the present invention; 本発明の一実施の形態例によるパラメータ推定の概念図である。FIG. 4 is a conceptual diagram of parameter estimation according to an embodiment of the present invention; 本発明の一実施の形態例による心拍中周波成分、心拍低周波成分の検出と、睡眠段階の判定手法（RSSE－CR手法）の概要を示す原理図である。FIG. 2 is a principle diagram showing an outline of detection of heartbeat medium-frequency components and heartbeat low-frequency components and sleep stage determination method (RSSE-CR method) according to an embodiment of the present invention. 本発明の一実施の形態例による判定手法（RSSE－CR手法）による睡眠段階判定状態と従来の判定手法（RSSE手法）による睡眠段階判定状態とを比較した図である。It is a diagram comparing the sleep stage determination state by the determination method (RSSE-CR method) according to the embodiment of the present invention and the sleep stage determination state by the conventional determination method (RSSE method). 本発明の一実施の形態例による判定手法（RSSE－CR手法）による一致率と、従来の判定手法（RSSE手法）による一致率とを比較した図である。FIG. 10 is a diagram comparing the match rate by a determination method (RSSE-CR method) according to an embodiment of the present invention and the match rate by a conventional determination method (RSSE method); 本発明の一実施の形態例による生体データ（心拍データ）の検出処理例を示すフローチャートである。4 is a flowchart showing an example of biometric data (heartbeat data) detection processing according to an embodiment of the present invention. 図１２のフローチャートでの判別状態の例を示す特性図である。FIG. 13 is a characteristic diagram showing an example of a determination state in the flowchart of FIG. 12; 従来手法（RSSE手法）による判定処理の概要を示す図である。FIG. 10 is a diagram showing an overview of determination processing by a conventional method (RSSE method);

以下、本発明の一実施の形態例（以下、「本例」と称する）について、添付図面を参照して説明する。なお、以下の説明では、本例の睡眠段階の判定手法を、RSSE－CR（Realtime Sleep Stage Estimation with Circadian Rhythm）手法と称する。
［１．睡眠段階判定装置の構成］
図１は、本例の睡眠段階判定装置１０の構成を示すブロック図である。図２は、本例の睡眠段階判定装置１０を使って睡眠段階の判定を行う状態の例を示す図である。
本例の睡眠段階判定装置１０は、被測定者の体動をマットレスセンサ２で圧力データとして取得する。マットレスセンサ２は、例えば図２に示すように、被測定者Ａが睡眠を行うベッド１のマットレスの上に敷いて、被測定者Ａの睡眠中の上半身の体動を圧力の変化として検出する。被測定者Ａの下側になるマットレスの上にマットレスセンサ２を配置するのは一例であり、例えばマットレスの中にマットレスセンサ２を内蔵させてもよい。
図２では、ベッド１の脇に睡眠段階判定装置１０を設置し、マットレスセンサ２と睡眠段階判定装置１０をケーブルで接続した例を示すが、例えばマットレスセンサ２が取得した圧力データを、無線伝送で別の部屋の睡眠段階判定装置１０に伝送するようにしてもよい。 An embodiment of the present invention (hereinafter referred to as "this example") will now be described with reference to the accompanying drawings. In the following description, the sleep stage determination method of this example is referred to as an RSSE-CR (Realtime Sleep Stage Estimation with Circadian Rhythm) method.
[1. Configuration of sleep stage determination device]
FIG. 1 is a block diagram showing the configuration of the sleep stage determination device 10 of this example. FIG. 2 is a diagram showing an example of a state in which sleep stage determination is performed using the sleep stage determination device 10 of this example.
The sleep stage determination device 10 of this example acquires the subject's body movement as pressure data with the mattress sensor 2 . For example, as shown in FIG. 2, the mattress sensor 2 is laid on the mattress of the bed 1 where the subject A sleeps, and detects body movements of the subject A's upper body during sleep as changes in pressure. . Arranging the mattress sensor 2 on the mattress under the subject A is an example, and the mattress sensor 2 may be built in the mattress, for example.
FIG. 2 shows an example in which the sleep stage determination device 10 is installed beside the bed 1 and the mattress sensor 2 and the sleep stage determination device 10 are connected with a cable. may be transmitted to the sleep stage determination device 10 in another room.

睡眠段階判定装置１０は、図１に示すように、生体データ取得部１１と、生体データ処理部１２と、睡眠段階判定部１３と、出力部１４とを備える。
生体データ取得部１１は、マットレスセンサ２が出力する圧力データを取得する取得処理を行う。生体データ取得部１１が取得した圧力データは、生体データ処理部１２に供給される。生体データ処理部１２は、供給される圧力データの解析処理を行う。具体的には、圧力データをサンプリングしてデジタルデータ化し、そのデジタルデータ化された圧力データを高速フーリエ変換処理（以下、「ＦＦＴ処理」と称する）することにより、各周波数の成分を取得する。そして、取得したそれぞれの周波数成分の状態から、心拍成分を取得する。本例の場合には、近似心拍中周波と近似心拍低周波を取得する。これらの近似心拍中周波と近似心拍低周波の詳細については後述する。 The sleep stage determination device 10 includes a biological data acquisition unit 11, a biological data processing unit 12, a sleep stage determination unit 13, and an output unit 14, as shown in FIG.
The biological data acquisition unit 11 performs acquisition processing for acquiring pressure data output by the mattress sensor 2 . The pressure data acquired by the biometric data acquiring unit 11 is supplied to the biometric data processing unit 12 . The biological data processing unit 12 analyzes the supplied pressure data. Specifically, the pressure data is sampled and digitized, and the digitized pressure data is subjected to fast Fourier transform processing (hereinafter referred to as “FFT processing”) to acquire each frequency component. Then, a heartbeat component is acquired from the acquired state of each frequency component. In the case of this example, the approximate heartbeat middle frequency and the approximate heartbeat low frequency are acquired. The details of these approximate heartbeat middle frequency and approximate heartbeat low frequency will be described later.

そして、生体データ処理部１２で得られた近似心拍中周波と近似心拍低周波に基づいて、睡眠段階判定部１３が被測定者Ａの睡眠段階を判定する。睡眠段階判定部１３は、覚醒、レム睡眠、ノンレム睡眠（ステージ１～４）の６段階の判定を行う。なお、ノンレム睡眠のステージ１～４は、ステージ１から４の順に睡眠が深くなることを示す。例えば、ステージ２はステージ１よりも睡眠が深い状態を示す。 Then, the sleep stage determination unit 13 determines the sleep stage of the subject A based on the approximate middle frequency heartbeat and the approximate low heartbeat frequency obtained by the biological data processing unit 12 . The sleep stage determination unit 13 performs six stages of determination of wakefulness, REM sleep, and non-REM sleep (stages 1 to 4). Stages 1 to 4 of non-REM sleep indicate that sleep becomes deeper in the order of stages 1 to 4. For example, stage 2 indicates a state of deeper sleep than stage 1.

出力部１４は、睡眠段階判定部１３が判定した睡眠段階を出力する。出力部１４は、例えば表示装置により構成され、睡眠段階を表示する。あるいは、出力部１４を記録装置として構成して、一晩の睡眠状態を記録するようにしてもよい。 The output unit 14 outputs the sleep stages determined by the sleep stage determination unit 13 . The output unit 14 is configured by, for example, a display device, and displays sleep stages. Alternatively, the output unit 14 may be configured as a recording device to record the state of sleep for one night.

［２．睡眠段階判定装置のハードウェア構成例］
図３は、睡眠段階判定装置１０をコンピュータ装置で構成した場合のハードウェア構成例を示す。
コンピュータ装置Ｃは、バスＣ８に接続されたＣＰＵ（Central Processing Unit：中央処理装置）Ｃ１、ＲＯＭ（Read Only Memory）Ｃ２、及びＲＡＭ（Random Access Memory）Ｃ３を備える。さらに、コンピュータ装置Ｃは、不揮発性ストレージＣ４、ネットワークインターフェイスＣ５、入力装置Ｃ６、及び表示装置Ｃ７を備える。 [2. Hardware configuration example of sleep stage determination device]
FIG. 3 shows a hardware configuration example when the sleep stage determination device 10 is configured by a computer device.
The computer device C includes a CPU (Central Processing Unit) C1, a ROM (Read Only Memory) C2, and a RAM (Random Access Memory) C3 connected to a bus C8. Further, computer device C includes non-volatile storage C4, network interface C5, input device C6, and display device C7.

ＣＰＵ Ｃ１は、睡眠段階判定装置１０の生体データ処理部１２や睡眠段階判定部１３が備える各機能を実現するソフトウェアのプログラムコードをＲＯＭ Ｃ２から読み出して実行する。圧力データを周波数解析するＦＦＴ処理についても、該当する処理を実行するプログラムをＲＯＭ Ｃ２から読み出して、ＣＰＵ Ｃ１が実行する。ＲＡＭ Ｃ３には、演算処理の途中に発生した変数やパラメータ等が一時的に書き込まれる。 The CPU C1 reads from the ROM C2 and executes software program codes that implement the functions of the biological data processing unit 12 and the sleep stage determination unit 13 of the sleep stage determination device 10 . Also for the FFT processing for frequency analysis of the pressure data, a program for executing the corresponding processing is read from the ROM C2 and executed by the CPU C1. Variables, parameters, etc. generated during the arithmetic processing are temporarily written in the RAM C3.

不揮発性ストレージＣ４としては、例えば、ＨＤＤ（Hard disk drive）、ＳＳＤ（Solid State Drive）、フレキシブルディスク、光ディスク、光磁気ディスク、ＣＤ－ＲＯＭ、ＣＤ－Ｒ、磁気テープ、不揮発性のメモリ等が用いられる。この不揮発性ストレージＣ４には、ＯＳ（Operating System）、各種のパラメータの他に、コンピュータ装置Ｃを睡眠段階判定装置１０として機能させるためのプログラムが記録されている。また、睡眠段階判定部１３が判定した睡眠段階についてのデータが、不揮発性ストレージＣ４に記録される。 As the non-volatile storage C4, for example, HDD (Hard disk drive), SSD (Solid State Drive), flexible disk, optical disk, magneto-optical disk, CD-ROM, CD-R, magnetic tape, non-volatile memory, etc. are used. be done. The nonvolatile storage C4 stores an OS (Operating System), various parameters, and a program for causing the computer device C to function as the sleep stage determination device 10 . Moreover, the data about the sleep stage which the sleep stage determination part 13 determined is recorded on the non-volatile storage C4.

ネットワークインターフェイスＣ５には、例えば、ＮＩＣ（Network Interface Card）等が用いられ、端子が接続されたＬＡＮ（Local Area Network）、専用線等を介して各種のデータを送受信することが可能である。例えば、コンピュータ装置Ｃは、マットレスセンサ２が出力する圧力データを、ネットワークインターフェイスＣ５を介して取得する。入力装置Ｃ６は、例えばキーボード等の機器で構成され、この入力装置Ｃ６により、睡眠段階判定装置１０で睡眠段階を判定する期間の設定や、睡眠段階の表示形態の指示等が行われる。表示装置Ｃ７は、睡眠段階判定装置１０で判定された睡眠段階を表示する。
なお、睡眠段階判定装置１０をコンピュータ装置から構成するのは一例であり、例えばＦＦＴ処理などのデータ処理を、専用のハードウェアを用意して行うようにしてもよい。 For the network interface C5, for example, a NIC (Network Interface Card) or the like is used, and various data can be transmitted and received via a LAN (Local Area Network) to which terminals are connected, a dedicated line, or the like. For example, the computer device C acquires pressure data output by the mattress sensor 2 via the network interface C5. The input device C6 is configured by, for example, a device such as a keyboard, and the input device C6 is used to set the period for determining the sleep stages by the sleep stage determination device 10, instruct the display form of the sleep stages, and the like. The display device C7 displays the sleep stages determined by the sleep stage determination device 10 .
It should be noted that configuring the sleep stage determination device 10 from a computer device is an example, and data processing such as FFT processing, for example, may be performed by preparing dedicated hardware.

［３．睡眠段階判定処理の全体の流れ］
図４は、本例の睡眠段階判定装置１０が行う睡眠段階判定処理手順の全体の流れを示すフローチャートである。
まず、睡眠段階判定装置１０の生体データ取得部１１は、被測定者の就寝開始から所定のＹ分間にわたり生体データを取得し、生体データ処理部１２は取得したＹ分間の生体データを記録する（ステップＳ１１）。この生体データを記録するＹ分間は、生体データから睡眠段階を判定するＸ分間よりも長い時間とする。被測定者の就寝開始は、被測定者が就寝を開始した時点であり、管理者の指示入力により判断するほか、マットレスセンサ２の信号変化や他のセンサ等により自動判断するようにしてもよい。最初に寝始めから睡眠段階を判定するＸ分間よりも長いＹ分間にわたり生体データを取得するのは、生体データがある程度の数だけ集まらないと充分な推定が行えないからである。Ｙ分間の経過前は充分な推定が行えないが、長時間を要するものではないため、その意味では充分なリアルタイム性を確保することができる。 [3. Overall flow of sleep stage determination processing]
FIG. 4 is a flowchart showing the overall flow of the sleep stage determination processing procedure performed by the sleep stage determination device 10 of this example.
First, the biological data acquisition unit 11 of the sleep stage determination device 10 acquires biological data for a predetermined Y minutes from the start of sleep of the subject, and the biological data processing unit 12 records the acquired biological data for Y minutes ( step S11). Y minutes for recording the biometric data is longer than X minutes for judging the sleep stages from the biometric data. The start of sleep of the subject is the point in time when the subject begins to sleep, and it may be determined by an instruction input by the administrator, or may be automatically determined by a signal change of the mattress sensor 2 or other sensors. . The reason why biometric data is first acquired for Y minutes, which is longer than X minutes for judging sleep stages, is that sufficient estimation cannot be performed unless a certain number of biometric data are collected. Sufficient estimation cannot be performed before the elapse of Y minutes, but since it does not require a long time, sufficient real-time performance can be ensured in that sense.

次いで、生体データ処理部１２は、記録した生体データから、心拍の周波数成分に相当する近似心拍中心周波を算出し、その近似心拍中心周波の成分を取得する（ステップＳ１２）。近似心拍中心周波を算出する処理については、図６～図８で後述する。
そして、生体データ処理部１２は、記録した生体データから、近似心拍中心周波を算出し、その近似心拍低周波の成分を取得する（ステップＳ１３）。ここでの近似心拍低周波は、ステップＳ１２で算出した近似心拍中心周波よりも低い周波数成分であり、具体的には、サーカディアンリズムに相当する２４時間を周期とした低周波成分である。近似心拍低周波を算出する処理についても後述する。なお、ステップＳ１２とステップＳ１３は、順番を入れ替えて行ってもよく、また、同時に行っても良い。 Next, the biological data processing unit 12 calculates an approximate heartbeat central frequency corresponding to the heartbeat frequency component from the recorded biological data, and obtains the component of the approximate heartbeat central frequency (step S12). Processing for calculating the approximate heartbeat center frequency will be described later with reference to FIGS.
Then, the biological data processing unit 12 calculates the approximate heartbeat central frequency from the recorded biological data, and acquires the approximate heartbeat low frequency component (step S13). The approximate heartbeat low frequency here is a frequency component lower than the approximate heartbeat center frequency calculated in step S12, specifically, a low frequency component with a 24-hour period corresponding to the circadian rhythm. The processing for calculating the approximate heartbeat low frequency will also be described later. Steps S12 and S13 may be performed in a different order, or may be performed at the same time.

ここで、サーカディアンリズムについて説明する。
サーカディアンリズムは、人間の１日の生活リズムの指標であり、一般的には約２４時間を１周期とした波形で表現される。サーカディアンリズムは、人間の体温の変化から計測できることが知られている。 Here, the circadian rhythm will be explained.
A circadian rhythm is an index of a person's daily life rhythm, and is generally represented by a waveform having a period of about 24 hours. It is known that the circadian rhythm can be measured from changes in human body temperature.

図５は、２４時間の体温変化から検出されるサーカディアンリズムＣＲを示す図である。図５に示すように、体温に現れるサーカディアンリズムＣＲは、非活性時（すなわち睡眠中）に最低値となり、活性時に最高値となるサインカーブ状の特性である。サーカディアンリズムＣＲが午前３時から午前４時頃にかけて最低値になり、夕方に最高値にある。そして、夕方の最高値から徐々に値が低下し、就寝することで最低値まで低下する。
但し、図５に示すサーカディアンリズムＣＲは、正常な状態であり、例えば時差ボケがある場合や、夜更かしをした場合には、サーカディアンリズムＣＲが正常状態からずれてしまう。 FIG. 5 is a diagram showing a circadian rhythm CR detected from changes in body temperature over 24 hours. As shown in FIG. 5, the circadian rhythm CR that appears in the body temperature has a sine curve-like characteristic that has the lowest value when inactive (that is, during sleep) and the highest value when active. The circadian rhythm CR reaches its lowest value around 3:00 am to 4:00 am and reaches its highest value in the evening. Then, the value gradually decreases from the highest value in the evening, and decreases to the lowest value by going to bed.
However, the circadian rhythm CR shown in FIG. 5 is in a normal state, and the circadian rhythm CR deviates from the normal state if, for example, there is jet lag or if one stays up late.

図４のフローチャートの説明に戻ると、ステップＳ１３では、このサーカディアンリズムＣＲに相当する約２４時間を周期とした近似心拍低周波を算出する処理が行われる。
そして、生体データ処理部１２は、近似心拍中心周波から近似心拍低周波を減算して、補正中周波を算出する（ステップＳ１４）。さらに、生体データ処理部１２は、算出された補正中周波に、パラメータβを乗算して補正中周波の調整処理を行う（ステップＳ１５）。パラメータβは、１以下の値である。 Returning to the description of the flowchart of FIG. 4, in step S13, a process of calculating an approximate heartbeat low frequency with a period of about 24 hours corresponding to this circadian rhythm CR is performed.
Then, the biological data processing unit 12 subtracts the approximate heartbeat low frequency from the approximate heartbeat central frequency to calculate a corrected intermediate frequency (step S14). Furthermore, the biological data processing unit 12 multiplies the calculated corrected intermediate frequency by the parameter β to adjust the corrected intermediate frequency (step S15). The parameter β is a value of 1 or less.

そして、睡眠段階判定部１３が、ステップＳ１５で生体データ処理部１２により調整された補正中周波を使って、直近のＸ分間の睡眠段階を推定し、その推定した睡眠段階を出力部１４が出力する（ステップＳ１６）。その後、生体データ取得部１１が、前回のデータ取得から続いたＸ分間の生体データの取得処理を行い、取得したＸ分間の生体データを記録する（ステップＳ１７）。Ｘ分間の生体データを記録した後、ステップＳ１２に戻って、記録したＸ分間の生体データについての処理を繰り返す。 Then, the sleep stage determination unit 13 uses the corrected intermediate frequency adjusted by the biological data processing unit 12 in step S15 to estimate the sleep stage for the last X minutes, and the output unit 14 outputs the estimated sleep stage. (step S16). After that, the biometric data acquiring unit 11 performs the process of acquiring the biometric data for X minutes, which continued from the previous data acquisition, and records the acquired biometric data for X minutes (step S17). After recording the biometric data for X minutes, the process returns to step S12 and repeats the process for the recorded biometric data for X minutes.

［４．近似心拍中周波及び近似心拍低周波の検出処理］
次に、図６～図８を参照して、生体データ処理部１２が、マットレスセンサ２の検出データから近似心拍中周波を検出する処理の一例について説明する。
ここでは、まず、心拍の波を定義した数式ｆ（ｔ）のパラメータｃ、ａｎ、ｂｎを推定する。 [4. Detection processing of approximate heartbeat middle frequency and approximate heartbeat low frequency]
Next, with reference to FIGS. 6 to 8, an example of processing performed by the biological data processing unit 12 to detect the approximate heartbeat medium frequency from the detection data of the mattress sensor 2 will be described.
First, the parameters c, a n , b n of the formula f(t) defining the heartbeat wave are estimated.

図６の上段には、数式ｆ（ｔ）の定義式の例を示しており、基本周期Ｌ（寝始めから起床までの就寝時間に対応）とそのｎ分の１の周期の波の合成として表している。パラメータｃは定数項、パラメータａｎは余弦成分の係数、パラメータｂｎは正弦成分の係数である。なお、時間ｔとして秒を単位とした場合、基本周期Ｌは例えば２１５秒（約９時間）、ｎの下限値は１、ｎの上限値Ｎは例えば２５として固定で与えるが、これらの値は一例であり、変更することができる。 The upper part of FIG. 6 shows an example of the definition formula of the formula f(t). represent. The parameter c is the constant term, the parameter an is the cosine component coefficient, and the parameter bn is the sine component coefficient. When the unit of time t is seconds, the basic period L is, for example, 215 seconds (about 9 hours), the lower limit of n is 1, and the upper limit of n is 25, for example. is an example and can be changed.

図６の下段には、パラメータｃ、ａｎ、ｂｎの計算式を示している。ＨＲ（ｔ）は生体データの時間ｔにおける値である。ｍは、計算式の下に示すように、表記を簡略化するためのものである。Ｔは寝始めから現時点までの時間である。 The lower part of FIG. 6 shows calculation formulas for the parameters c , an, and bn . HR(t) is the value of biometric data at time t. The m is for notational simplification, as shown below the formula. T is the time from the beginning of sleep to the present time.

ここで、パラメータの計算式（図６の下段）の導出について、図７を用いて説明する。図７において、心拍の波の値ｆ（ｔ）と、実測値である生体データの値ＨＲ（ｔ）との差の二乗の総和を時間Ｔで割り、正則項を加えたものを尤度関数Ｊとする。正則項は生体データＨＲ（ｔ）の数が少ない場合のオーバーフィットを抑制するものであり、係数λは例えば１というように、適切な値を与える。 Derivation of the parameter calculation formula (lower part of FIG. 6) will now be described with reference to FIG. In FIG. 7, the sum of the squares of the difference between the heartbeat wave value f(t) and the biometric data value HR(t), which is the actual measurement value, is divided by the time T, and a regular term is added to obtain the likelihood function Let J. The regular term suppresses overfitting when the number of biometric data HR(t) is small, and the coefficient λ gives an appropriate value such as 1, for example.

心拍の波を定義した数式ｆ（ｔ）が実測値である生体データの値ＨＲ（ｔ）と最も一致するパラメータｃ、ａｎ、ｂｎを求めるため、尤度関数Ｊをパラメータｃ、ａｎ、ｂｎのそれぞれで偏微分したものを０とおく。これにより、パラメータｃ、ａｎ、ｂｎと同数の式を得ることができ、その連立式の解の行列式がパラメータの計算式（図６の下段）となる。 In order to obtain the parameters c, a n , b n that best match the biological data value HR(t), which is the measured value, to the equation f(t) defining the heartbeat wave, the likelihood function J is set to the parameters c, a n , b n are set to 0. As a result, the same number of equations as the parameters c , an, and bn can be obtained, and the determinant of the solution of the simultaneous equations becomes the parameter calculation equation (lower part of FIG. 6).

図８は上述したパラメータ推定の概念図を示しており、基本周期Ｌとそのｎ分の１の周期の波の合成として表したｆ（ｔ）が実測値である生体データの値ＨＲ（ｔ）に最も一致する際のパラメータｃ、ａｎ、ｂｎを求めることになる。なお、寝始めから起床までの就寝時間に対応する時間Ｌに対し、実際に計算を行うのは、寝始めからＹ分間を経過した後であり、寝始めからその時点までの期間Ｔの実測値である生体データの値ＨＲ（ｔ）に基づいて時間Ｌの全期間に有効なｆ（ｔ）を求めることになる。 FIG. 8 shows a conceptual diagram of the parameter estimation described above, and f(t) expressed as a combination of waves with a fundamental period L and a period of 1/n thereof is the measured value HR(t) of biological data. parameters c, a n , and b n that best match . Note that the time L corresponding to the bedtime from the beginning of sleep until waking up is actually calculated after Y minutes have passed since the beginning of sleep, and the measured value of the period T from the beginning of sleep to that time. f(t) valid for the entire period of time L is obtained based on the biometric data value HR(t).

続いて、生体データ処理部１２が、マットレスセンサ２の検出データから近似心拍低周波を検出する処理の一例について説明する。
近似心拍低周波を検出する処理は、上述の近似心拍中周波を検出する処理と同様であり、図６及び図７の計算式のパラメータについて、Ｎを１とし、Ｌを２１７秒（約３６時間）とすることで、周期が約３６時間になるような心拍低周波を求める。
近似心拍低周波は、先に説明したように、約２４時間を周期としたサーカディアンリズムに相当する成分を取り出すものであるが、生体データ処理部１２では、フーリエ変換における計算を２の累乗で行うことで、計算の簡易化が図れるため、本例の場合には、Ｌを２１７秒とした約３６時間を周期とした心拍低周波を取り出す処理を行う。 Next, an example of processing in which the biological data processing unit 12 detects the approximate heartbeat low frequency from the detection data of the mattress sensor 2 will be described.
The process of detecting the approximate heartbeat low frequency is the same as the above-described process of detecting the approximate heartbeat medium frequency. Regarding the parameters of the calculation formulas in FIGS. time), a heartbeat low frequency with a period of about 36 hours is obtained.
As described above, the approximate heartbeat low frequency extracts a component corresponding to a circadian rhythm with a period of about 24 hours. Therefore, in the case of this example, a process of extracting a low heartbeat frequency with a cycle of about 36 hours with L being 217 seconds is performed.

近似心拍中周波と近似心拍低周波が得られた後、補正中周波を得る。
補正中周波は、近似心拍中周波と心拍低周波の差分によって、次の式に示すように求められる。ここで、ｈ（ｔ，φＭＦ）は近似心拍中周波、ｈ（ｔ，φＬＦ）は近似心拍低周波を示し、近似心拍中周波と近似心拍低周波のパラメータφは、それぞれφＭＦ，φＬＦとして最適に計算されているものとする。例えば、近似心拍中周波の場合、上述のとおりＮ＝２５、Ｌ＝２１５秒とすることが挙げられ、近似心拍低周波の場合、上述のとおりＮ＝１、Ｌ＝２１７秒とすることが挙げられる。なお、先に説明した図６の式では、心拍の波をｆ（ｔ）として示したが、ここではｆをｈに替えて、ｈの式として示す。 After obtaining the approximate heartbeat mid-frequency and the approximate heartbeat low-frequency, a corrected mid-frequency is obtained.
The corrected intermediate frequency is obtained by the following formula from the difference between the approximate heartbeat intermediate frequency and the heartbeat low frequency. Here, h(t, φ MF ) is the approximate heart rate medium frequency, h(t, φ LF ) is the approximate heart rate low frequency, and the parameters φ of the approximate heart rate medium frequency and the approximate heart rate low frequency are φ MF , φ It is assumed that LF is optimally calculated. For example, in the case of approximate heartbeat medium frequency, N = 25 and L = 215 seconds as described above, and in the case of approximate heartbeat low frequency, N = 1 and L = 217 seconds as described above. is mentioned. In addition, although the heartbeat wave is indicated as f(t) in the above-described formula of FIG.

Figure 0007125087000001
Figure 0007125087000001

このようにして、標準化するための基準線を、RSSE手法で示した近似心拍中周波の平均値から、RSSE－CR手法ではサーカディアンリズムに置き換えて、睡眠段階を判定するための値（補正中周波）を得る処理が行われる。
補正中周波を得る際には、次式に示すように、適切な値に設定したパラメータβを乗算して、サーカディアンリズムの重み付け処理を行う。 In this way, the reference line for standardization is replaced with the circadian rhythm in the RSSE-CR method from the average value of the approximate heart rate shown in the RSSE method, and the value for determining the sleep stage (corrected middle frequency ) is performed.
When obtaining the corrected intermediate frequency, as shown in the following equation, a parameter β set to an appropriate value is multiplied to carry out weighting processing of the circadian rhythm.

Figure 0007125087000002
Figure 0007125087000002

パラメータβは、例えば０．１から１までの０．１刻みでの適切な値として、そのように設定されたパラメータβを、近似心拍中周波と近似心拍低周波の差に乗算することで、サーカディアンリズムの勾配を調整することが行われる。 The parameter β is, for example, an appropriate value from 0.1 to 1 in increments of 0.1. Adjusting the slope of the circadian rhythm is done.

［５．睡眠段階の判定手法の概要］
次に、本例の睡眠段階判定装置１０で、上述した補正中周波から睡眠段階を判定する手法の概要を説明する。
既に図４のフローチャートで説明したように、本例の睡眠段階の判定手法では、近似心拍中周波と近似心拍低周波（サーカディアンリズム成分）とを取得して、近似心拍中周波を補正した補正中周波を得て、睡眠段階を判定するようにした。 [5. Overview of sleep stage determination method]
Next, an outline of a method of determining a sleep stage from the above-described corrected intermediate frequency with the sleep stage determination device 10 of this example will be described.
As already described in the flowchart of FIG. 4, in the sleep stage determination method of this example, the approximate heartbeat medium frequency and the approximate heartbeat low frequency (circadian rhythm component) are acquired, and the approximate heartbeat medium frequency is corrected. The frequency was obtained to determine sleep stages.

この睡眠段階の判定を行うために、補正中周波を次式に示すように離散化する。この［数３］式において、ｈ（ｔ，φ）は補正中周波（上述の［数１］式）を示し、ｓ（ｔ）は、時間ｔにおける睡眠段階を示す。ｓ（ｔ）が離散化時に０以下の値となった場合は０とし、５以上の値になった場合は５とすることで、０から５までの６段階で睡眠を推定する（小数点以下は切り捨て）。
この［数３］式において、aveは平均値、stedevは標準偏差を示す。ここでの平均値aveと標準偏差stedevは、パラメータβ＝１．０として求めた値である。 In order to determine this sleep stage, the corrected medium frequency is discretized as shown in the following equation. In this [equation 3], h(t, φ) indicates the corrected medium frequency (the above [equation 1]), and s(t) indicates the sleep stage at time t. If s(t) has a value of 0 or less during discretization, it is set to 0, and if it has a value of 5 or more, it is set to 5, thereby estimating sleep in six stages from 0 to 5 (below the decimal point is truncated).
In this [Math. 3] formula, ave indicates an average value, and stedev indicates a standard deviation. The average value ave and the standard deviation stedev here are values obtained with the parameter β=1.0.

Figure 0007125087000003
Figure 0007125087000003

この［数３］式に示すように離散化して得られたｓ（ｔ）の値、すなわち、０から５までの６段階で、覚醒（Ｗ）、レム睡眠（Ｒ）、ノンレム睡眠のステージ１（ＮＲ１）～ノンレム睡眠のステージ４（ＮＲ４）の６段階の睡眠段階を判定する。具体的には、ｓ（ｔ）＝０のときノンレム睡眠のステージ４（ＮＲ４）、ｓ（ｔ）＝１のときノンレム睡眠のステージ３（ＮＲ３）、ｓ（ｔ）＝２のときノンレム睡眠のステージ２（ＮＲ２）、ｓ（ｔ）＝３のときノンレム睡眠のステージ１（ＮＲ１）、ｓ（ｔ）＝４のときレム睡眠（Ｒ）、ｓ（ｔ）＝５のとき覚醒（Ｗ）、と判定する。 The value of s(t) obtained by discretization as shown in this [Equation 3] formula, that is, in six stages from 0 to 5, stage 1 of wakefulness (W), REM sleep (R), and non-REM sleep Six sleep stages from (NR1) to stage 4 (NR4) of non-REM sleep are determined. Specifically, when s(t) = 0, stage 4 (NR4) of NREM sleep, when s(t) = 1, stage 3 (NR3) of NREM sleep, and when s(t) = 2, NREM sleep stage 2 (NR2), stage 1 of non-REM sleep (NR1) when s(t)=3, REM sleep (R) when s(t)=4, wakefulness (W) when s(t)=5, I judge.

図９は、RSSE－CR手法の概要を示す図である。
まず、マットレスセンサ２の出力として、生体データ取得部が検出信号Ｓａを得る。このマットレスセンサ２の検出信号Ｓａから、生体データ処理部１２が、心拍成分に相当する近似心拍中周波Ｓｂを得ると共に、サーカディアンリズム成分に相当する約２４時間周期の近似心拍低周波Ｓｄを得る。
そして、生体データ処理部１２は、近似心拍中周波Ｓｂと近似心拍低周波Ｓｄとの差分を、補正中周波として取得する。 FIG. 9 is a diagram showing an overview of the RSSE-CR technique.
First, as an output of the mattress sensor 2, the biometric data acquiring section obtains a detection signal Sa. From the detection signal Sa of the mattress sensor 2, the biological data processing unit 12 obtains an approximate heartbeat middle frequency Sb corresponding to a heartbeat component and an approximate heartbeat low frequency Sd corresponding to a circadian rhythm component with a period of about 24 hours.
Then, the biological data processing unit 12 acquires the difference between the approximate heartbeat middle frequency Sb and the approximate heartbeat low frequency Sd as a corrected middle frequency.

得られた補正中周波には、パラメータβが乗算され、振幅が調整された補正中周波とされる。例えばパラメータβを最大の１とした補正中周波Ｂ１や、パラメータβを０．６とした補正中周波Ｂ２が、図９に示すように得られる。パラメータβとしていずれの値を使用するかは、例えば睡眠段階判定時の調整により決定する。 The obtained corrected intermediate frequency is multiplied by a parameter β to obtain a corrected intermediate frequency whose amplitude is adjusted. For example, a corrected intermediate frequency B1 with a parameter β of 1 and a corrected intermediate frequency B2 with a parameter β of 0.6 are obtained as shown in FIG. Which value to use as the parameter β is determined, for example, by adjustment when determining sleep stages.

そして、睡眠段階判定部１３は、補正中周波（例えば補正中周波Ｂ１またはＢ２）の値から、睡眠段階を判定する。ここでは、覚醒Ｗ、レム睡眠Ｒ、ステージ１～４のノンレム睡眠ＮＲ１，ＮＲ２，ＮＲ３，ＮＲ４の６段階を判定する。 Then, the sleep stage determination unit 13 determines the sleep stage from the value of the corrected intermediate frequency (for example, the corrected intermediate frequency B1 or B2). Here, six stages of awakening W, REM sleep R, and stages 1 to 4 of non-REM sleep NR1, NR2, NR3, and NR4 are determined.

［６．RSSE－CR手法とRSSE手法との比較］
図１０および図１１は、本例の睡眠段階判定装置１０で行われる睡眠段階の判定手法であるRSSE－CR手法を、従来手法であるRSSE手法と比較した図である。
図１０（Ａ）は、RSSE－CR手法によって取り出した心拍中周波Ｓｂと、心拍低周波（サーカディアンリズム成分）Ｓｄとを示す。
図１０（Ｂ）は、従来手法であるRSSE手法によって取り出した心拍中周波Ｓｂと、その心拍中周波の平均Ｓｃとを示す。
図１０（Ａ）および図１０（Ｂ）のいずれの場合も、各周波を取り出す元の生体データＳａは同じ信号である。 [6. Comparison between RSSE-CR method and RSSE method]
10 and 11 are diagrams comparing the RSSE-CR method, which is a sleep stage determination method performed by the sleep stage determination device 10 of this example, with the RSSE method, which is a conventional method.
FIG. 10(A) shows heartbeat middle frequency Sb and heartbeat low frequency (circadian rhythm component) Sd extracted by the RSSE-CR method.
FIG. 10B shows the heartbeat intermediate frequency Sb extracted by the conventional RSSE method and the average heartbeat frequency Sc.
In both cases of FIG. 10(A) and FIG. 10(B), the original biological data Sa from which each frequency is extracted is the same signal.

図１０（Ｃ）は、図１０（Ａ）に示すRSSE－CR手法で得た補正中周波から、６段階（覚醒Ｗ、レム睡眠Ｒ、ノンレム睡眠ＮＲ１～ＮＲ４）の睡眠段階を判定した例を示す。
図１０（Ｄ）は、図１０（Ｂ）に示すRSSE手法で得た補正中周波から、６段階の睡眠段階を判定した例を示す。
この図１０（Ｃ）と図１０（Ｄ）を比較すると分かるように、例えば図１０（Ａ）の範囲ａ１から判別した睡眠段階の判定値（範囲ｃ１の判定値）と、図１０（Ｂ）の同じ範囲ｂ１から判別した判定値（範囲ｄ１の判定値）には、大きな相違がある。同様に、例えば図１０（Ａ）の範囲ａ２から判別した睡眠段階の判定値（範囲ｃ２の判定値）と、図１０（Ｂ）の同じ範囲ｂ２から判別した判定値（範囲ｄ２の判定値）についても、大きな相違がある。 FIG. 10(C) shows an example of determining sleep stages of 6 stages (waking W, REM sleep R, non-REM sleep NR1 to NR4) from the corrected medium frequency obtained by the RSSE-CR method shown in FIG. 10(A). show.
FIG. 10(D) shows an example of determining six sleep stages from the corrected intermediate frequencies obtained by the RSSE method shown in FIG. 10(B).
As can be seen by comparing FIG. 10 (C) and FIG. 10 (D), for example, the sleep stage determination value (range c1 determination value) determined from the range a1 in FIG. 10 (A) and FIG. 10 (B) There is a large difference in the determination values (determination values of range d1) determined from the same range b1 of . Similarly, for example, the determination value of the sleep stage determined from the range a2 of FIG. 10 (A) (the determination value of the range c2) and the determination value determined from the same range b2 of FIG. There is also a big difference in

これはRSSE－CR手法が、サーカディアンリズムを考慮して補正を行うようにしたため、従来手法であるRSSE手法よりもより正確に、被測定者の睡眠段階を判別できていることを示す。 This indicates that the RSSE-CR method can determine the subject's sleep stages more accurately than the conventional RSSE method, because correction is performed in consideration of the circadian rhythm.

図１１は、予め睡眠段階が既知の９種類の生体データ［０１］～［０９］に対して、従来手法であるRSSE手法で得た睡眠段階の一致度と、RSSE－CR手法で補正パラメータβを１．０とした場合の睡眠段階の一致度と、RSSE－CR手法で補正パラメータβを０．６とした場合の睡眠段階の一致度とを示す。ここでの既知の睡眠段階は、脳波計を使って得た睡眠段階である。
図１１から分かるように、補正パラメータβが０．６と１．０のいずれの場合でも、全体的には従来手法（RSSE手法）より一致度が高くなるが、補正パラメータβが１．０の場合には、従来手法より一致度が若干低くなるケースもある。また、補正パラメータβが０．６の場合には、全ての生体データ［０１］～［０９］で、従来手法より一致度が高くなっていることが分かる。 FIG. 11 shows the degree of matching of sleep stages obtained by the conventional RSSE method and the correction parameter β by the RSSE-CR method for nine types of biological data [01] to [09] whose sleep stages are known in advance. is set to 1.0, and the matching degree of sleep stages is shown when the correction parameter β in the RSSE-CR method is set to 0.6. Known sleep stages here are sleep stages obtained using an electroencephalograph.
As can be seen from FIG. 11, when the correction parameter β is either 0.6 or 1.0, the degree of matching is generally higher than that of the conventional method (RSSE method), but when the correction parameter β is 1.0 In some cases, the degree of matching is slightly lower than that of the conventional method. Further, when the correction parameter β is 0.6, it can be seen that the degree of matching is higher than that of the conventional method for all the biometric data [01] to [09].

以上説明したように、本例の睡眠段階判定装置１０によると、睡眠段階を従来よりも正確に判別できるようになる。すなわち、本例の睡眠段階判定装置１０によると、図２に示すように被測定者が睡眠を行うベッド１の下に敷いたマットレスセンサ２から得たセンサ値の解析のみで、被測定者の頭部に電極を装着して行う測定手法とほぼ同等の高精度の睡眠段階の判別ができるようになる。したがって、被測定者の体に電極を装着するなどの負担を強いることなく、精度の良い測定ができ、日常的に睡眠している状態と全く同じ状態で、被測定者の睡眠状態を測定できるようになる。 As described above, according to the sleep stage determination device 10 of the present example, sleep stages can be determined more accurately than before. That is, according to the sleep stage determination device 10 of this example, as shown in FIG. It will be possible to discriminate sleep stages with high accuracy, which is almost the same as the measurement method performed by wearing electrodes on the head. Therefore, accurate measurement can be performed without imposing a burden such as attaching electrodes to the subject's body, and the sleep state of the subject can be measured in exactly the same state as the subject's sleeping state on a daily basis. become.

［７．生体データ（心拍データ）の検出処理］
本発明は、マットレスセンサより得られる圧力センサのデータより生体データとしての心拍データが取得できることを前提としている。
ここで、図１２は、ステップＳ１１（図４）で取得される生体データ（心拍データ）の取得に関する処理の例を示すものである。
まず、生体データ処理部１２は、取得した圧力センサのデータをＦＦＴ処理する（ステップＳ２１）。そして、生体データ処理部１２は、ＦＦＴ処理して得られた各周波数帯を比較して、パワースペクトルのピークが１つか否かを判断する（ステップＳ２２）。 [7. Detection processing of biological data (heartbeat data)]
The present invention is based on the premise that heartbeat data as biological data can be obtained from pressure sensor data obtained from a mattress sensor.
Here, FIG. 12 shows an example of processing related to acquisition of biometric data (heartbeat data) acquired in step S11 (FIG. 4).
First, the biological data processing unit 12 performs FFT processing on the acquired pressure sensor data (step S21). Then, the biological data processing unit 12 compares each frequency band obtained by the FFT processing, and determines whether or not there is one peak in the power spectrum (step S22).

ここで、パワースペクトルのピークが１つであり、かつピークの左右に偏りが無い場合には（ステップＳ２２のＹＥＳ）、そのパワースペクトルのピーク位置の周波数成分の値を、心拍の値に決定する（ステップＳ２３）。このピーク位置の周波数を心拍とする処理を、最大値手法と称する。
また、ステップＳ２２の判断でパワースペクトルのピークが１つでない場合、又はピークの左右に偏りができる場合には（ステップＳ２２のＮＯ）、全ての周波数成分を並べたパワースペクトルを展開して、そのパワースペクトルの面積が半分になる位置の周波数成分の値を、心拍の値に決定する（ステップＳ２４）。この面積が半分になる周波数を心拍とする処理を、面積手法と称する。 Here, if the power spectrum has one peak and there is no bias to the left and right of the peak (YES in step S22), the value of the frequency component at the peak position of the power spectrum is determined as the heartbeat value. (Step S23). The process of using the frequency of this peak position as the heart rate is called a maximum value method.
Further, if the determination in step S22 shows that the power spectrum has more than one peak, or if there is a bias to the left and right of the peak (NO in step S22), the power spectrum in which all frequency components are arranged is expanded, and The value of the frequency component at the position where the area of the power spectrum is halved is determined as the heartbeat value (step S24). The process of setting the frequency at which the area is halved as the heart rate is called an area method.

図１３は、最大値手法と面積手法の概要を示す図である。図１３（Ａ）および図１３（Ｂ）において、横軸はＦＦＴ処理をした周波数帯域の番号であり、左側が低い周波数帯域である。また、縦軸は各周波数帯域の成分の値である。
図１３（Ａ）は、最大値手法で心拍データを得る場合である。この場合には、パワースペクトルのピーク位置ｆ１が明確で１つに定まり、そのピーク位置ｆ１を与える周波数を心拍の値に決定する。 FIG. 13 is a diagram showing an overview of the maximum value method and the area method. In FIGS. 13(A) and 13(B), the horizontal axis is the number of the FFT-processed frequency band, and the left side is the low frequency band. The vertical axis is the value of the component in each frequency band.
FIG. 13A shows the case of obtaining heart rate data by the maximum value method. In this case, the peak position f1 of the power spectrum is clearly defined as one, and the frequency giving the peak position f1 is determined as the heartbeat value.

図１３（Ｂ）は、面積手法で心拍データを得る場合である。この場合には、パワースペクトルのピーク位置が不明確であり、最大値手法で心拍の値を得ることができない。この面積手法には、図１３（Ｂ）に示すように、ＦＦＴ処理で得られた周波数帯域と各帯域の値を展開したグラフ上で、低い周波数成分の面積ｘ１と、高い周波数成分の面積ｘ２とが等しくなる、面積上の中点に相当する周波数帯域の位置ｆ２を算出する。
この面積上の中点に相当する位置ｆ２を与える周波数を心拍の値に決定する。
生体データ処理部１２はこうして得られた心拍データに基づいて、上述のとおり近似心拍中周波及び近似心拍低周波を算出する。なお、もちろん、心拍データの検出処理は、生体データ処理部１２で行われる必要はなく、マットレスセンサ２側で行われ、心拍データが生体データ処理部１２に送信される構成でもよい。 FIG. 13B shows the case of obtaining heartbeat data by the area method. In this case, the peak position of the power spectrum is ambiguous, and the maximum value method cannot obtain the heart rate value. In this area method, as shown in FIG. 13B, an area x1 of a low frequency component, an area x2 of a high frequency component, and an area x2 is equal to the frequency band position f2 corresponding to the midpoint on the area.
The frequency that gives the position f2 corresponding to the midpoint on this area is determined as the heartbeat value.
Based on the heartbeat data thus obtained, the biological data processing unit 12 calculates the approximate heartbeat middle frequency and the approximate heartbeat low frequency as described above. Of course, the heartbeat data detection process need not be performed by the biological data processing unit 12 , and may be performed on the mattress sensor 2 side and the heartbeat data may be transmitted to the biological data processing unit 12 .

［８．変形例］
なお、上述した実施の形態例では、覚醒、レム睡眠、ステージ１～ステージ４のノンレム睡眠の６段階の睡眠段階の判定を行うようにしたが、例えばステージ４のノンレム睡眠などの一部の睡眠段階の判定は省略して、５段階や４段階などのより少ない段数での判定を行うようにしてもよい。 [8. Modification]
It should be noted that, in the above-described embodiment, six sleep stages of wakefulness, REM sleep, stage 1 to stage 4 non-REM sleep are determined, but for example, some sleep such as stage 4 non-REM sleep It is also possible to omit the step determination and perform the determination in a smaller number of steps, such as 5 or 4 steps.

また、上述した実施の形態例では、近似心拍中周波及び近似心拍低周波を検出する処理として、図１４に示した三角関数近似法により算出しているが、リアルタイムに睡眠段階を判定する必要が無く、就寝から起床までの心拍データがそろっている場合には、ＦＦＴ処理をして所定の周波数帯域の成分のみを抽出することで、これら近似心拍中周波及び近似心拍低周波を検出してもよい。 Further, in the above-described embodiment, as the processing for detecting the approximate heartbeat middle frequency and the approximate heartbeat low frequency, calculation is performed by the trigonometric function approximation method shown in FIG. If the heartbeat data from going to bed to waking up is available, FFT processing is performed to extract only the components in a predetermined frequency band, and these approximate heartbeat middle frequencies and approximate heartbeat low frequencies can be detected. good.

１…ベッド、２…マットレスセンサ、１０…睡眠段階判定装置、１１…生体データ取得部、１２…生体データ処理部、１３…睡眠段階判定部、１４…出力部、Ａ…被測定者、Ｃ…コンピュータ装置、Ｃ１…ＣＰＵ、Ｃ２…ＲＯＭ、Ｃ３…ＲＡＭ、Ｃ４…不揮発性ストレージ、Ｃ５…ネットワークインターフェイス表示部、Ｃ６…入力装置、Ｃ７…表示装置、Ｃ８…バス DESCRIPTION OF SYMBOLS 1... Bed, 2... Mattress sensor, 10... Sleep stage determination apparatus, 11... Biological data acquisition part, 12... Biological data processing part, 13... Sleep stage determination part, 14... Output part, A... Subject, C... Computer device, C1... CPU, C2... ROM, C3... RAM, C4... Non-volatile storage, C5... Network interface display unit, C6... Input device, C7... Display device, C8... Bus

Claims (5)

被測定者の睡眠中の体動または圧力変化に基づいた生体データを得る生体データ取得部と、
前記生体データ取得部が取得した前記生体データを周波数解析して、近似心拍中周波成分を検出すると共に、前記生体データの前記近似心拍中周波成分よりも低い近似心拍低周波成分を検出し、前記近似心拍中周波成分から前記近似心拍低周波成分を減算して補正中周波成分を得るデータ処理部と、
前記データ処理部で得られた補正中周波成分に基づいて睡眠段階を判定する睡眠段階判定部と、を備えた
睡眠段階推定装置。 a biological data acquisition unit that obtains biological data based on body movements or pressure changes during sleep of the subject;
frequency-analyzing the biological data acquired by the biological data acquisition unit to detect an approximate heartbeat intermediate frequency component, detect an approximate heartbeat low frequency component lower than the approximate heartbeat intermediate frequency component of the biological data , and a data processing unit that subtracts the approximate heartbeat low frequency component from the approximate heartbeat intermediate frequency component to obtain a corrected intermediate frequency component;
A sleep stage estimation device comprising: a sleep stage determination unit that determines a sleep stage based on the corrected intermediate frequency component obtained by the data processing unit. 前記データ処理部は、前記補正中周波成分に補正係数を乗算し、
前記睡眠段階判定部は、前記補正係数が乗算された前記補正中周波成分と判定用閾値との比較で、睡眠段階を判定する
請求項１に記載の睡眠段階推定装置。 The data processing unit multiplies the corrected intermediate frequency component by a correction coefficient,
The sleep stage estimation device according to claim 1 , wherein the sleep stage determination unit determines a sleep stage by comparing the corrected intermediate frequency component multiplied by the correction coefficient with a determination threshold. 生体データ取得部は、睡眠中の前記被測定者の圧力変化を検出する圧力検出マットから、生体データを取得するようにした
請求項１～２のいずれか１項に記載の睡眠段階推定装置。 The sleep stage estimation device according to any one of claims 1 and 2 , wherein the biometric data acquisition unit acquires biometric data from a pressure detection mat that detects pressure changes of the subject during sleep. 被測定者の睡眠中の体動または圧力変化に基づいた生体データを生体データ取得部により得る取得処理と、
前記取得処理により取得した前記生体データを周波数解析して、近似心拍中周波成分を検出すると共に、前記生体データの前記近似心拍中周波成分よりも低い近似心拍低周波成分をデータ処理部により検出し、前記近似心拍中周波成分から前記近似心拍低周波成分を減算して補正中周波成分を得るデータ処理と、
前記データ処理で得られた補正中周波成分に基づいて睡眠段階判定部により睡眠段階を判定する睡眠段階判定処理と、を含む
睡眠段階推定方法。 Acquisition processing for obtaining biometric data based on body movements or pressure changes of the subject during sleep by the biodata acquisition unit;
A frequency analysis is performed on the biometric data acquired by the acquisition process to detect an approximate heartbeat intermediate frequency component, and a data processing unit detects an approximate heartbeat low frequency component that is lower than the approximate heartbeat intermediate frequency component of the biodata. data processing for obtaining a corrected intermediate frequency component by subtracting the approximate heartbeat low frequency component from the approximate heartbeat intermediate frequency component ;
a sleep stage determination process for determining a sleep stage by a sleep stage determination unit based on the corrected intermediate frequency component obtained by the data processing; and a sleep stage estimation method. 被測定者の睡眠中の体動または圧力変化に基づいた生体データを得る生体データ取得手順と、
前記生体データ取得手順により取得した前記生体データを周波数解析して、近似心拍中周波成分を検出すると共に、前記生体データの前記近似心拍中周波成分よりも低い近似心拍低周波成分を検出し、前記近似心拍中周波成分から前記近似心拍低周波成分を減算して補正中周波成分を得るデータ処理手順と、
前記データ処理手順で得られた補正中周波成分に基づいて睡眠段階を判定する睡眠段階判定手順と、
をコンピュータに実行させる睡眠段階推定プログラム。 a biological data acquisition procedure for obtaining biological data based on body movements or pressure changes during sleep of the subject;
frequency-analyzing the biometric data acquired by the biodata acquisition procedure to detect an approximate heartbeat intermediate frequency component, detect an approximate heartbeat low frequency component that is lower than the approximate heartbeat intermediate frequency component of the biodata, and a data processing procedure for obtaining a corrected intermediate frequency component by subtracting the approximate heartbeat low frequency component from the approximate heartbeat intermediate frequency component ;
A sleep stage determination procedure for determining a sleep stage based on the corrected intermediate frequency component obtained in the data processing procedure;
A sleep stage estimation program that causes a computer to run
JP2018057505A 2018-03-26 2018-03-26 Sleep stage estimation device, sleep stage estimation method and sleep stage estimation program Active JP7125087B2 (en)

Priority Applications (1)

Application Number Priority Date Filing Date Title
JP2018057505A JP7125087B2 (en) 2018-03-26 2018-03-26 Sleep stage estimation device, sleep stage estimation method and sleep stage estimation program

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
JP2018057505A JP7125087B2 (en) 2018-03-26 2018-03-26 Sleep stage estimation device, sleep stage estimation method and sleep stage estimation program

Publications (2)

Publication Number Publication Date
JP2019166195A JP2019166195A (en) 2019-10-03
JP7125087B2 true JP7125087B2 (en) 2022-08-24

Family

ID=68106016

Family Applications (1)

Application Number Title Priority Date Filing Date
JP2018057505A Active JP7125087B2 (en) 2018-03-26 2018-03-26 Sleep stage estimation device, sleep stage estimation method and sleep stage estimation program

Country Status (1)

Country Link
JP (1) JP7125087B2 (en)

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2003079587A (en) 2001-09-13 2003-03-18 Tama Tlo Kk Method for determining sleep phase
JP2006192152A (en) 2005-01-14 2006-07-27 Toshiba Corp Sleep state determination device, method and program
JP2007105111A (en) 2005-10-11 2007-04-26 Daikin Ind Ltd Sleeping state detector
WO2016148111A1 (en) 2015-03-18 2016-09-22 国立大学法人電気通信大学 Sleep stage estimation device, biological data estimation device, sleep stage estimation method, biological data estimation method, sleep stage estimation program, and biological data estimation program

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2003079587A (en) 2001-09-13 2003-03-18 Tama Tlo Kk Method for determining sleep phase
JP2006192152A (en) 2005-01-14 2006-07-27 Toshiba Corp Sleep state determination device, method and program
JP2007105111A (en) 2005-10-11 2007-04-26 Daikin Ind Ltd Sleeping state detector
WO2016148111A1 (en) 2015-03-18 2016-09-22 国立大学法人電気通信大学 Sleep stage estimation device, biological data estimation device, sleep stage estimation method, biological data estimation method, sleep stage estimation program, and biological data estimation program

Also Published As

Publication number Publication date
JP2019166195A (en) 2019-10-03

Similar Documents

Publication Publication Date Title
JP4573149B2 (en) System and method for assisting clinical judgment
AU2002251604B2 (en) Device, method and system for monitoring pressure in body cavities
US20030093002A1 (en) Function indicator for autonomic nervous system based on phonocardiogram
US20200121207A1 (en) Method of processing a signal representing a physiological rhythm
US11234613B2 (en) Respiration estimation method and apparatus
Natarajan et al. Photoplethysmography fast upstroke time intervals can be useful features for cuff-less measurement of blood pressure changes in humans
WO2009150744A1 (en) Sleeping state monitoring device, monitoring system, and computer program
US10149647B2 (en) Weaning readiness indicator, sleeping status recording device, and air providing system applying nonlinear time-frequency analysis
Mesin et al. Non-invasive estimation of right atrial pressure using inferior vena cava echography
JP2009207763A (en) Biological signal relevance measuring apparatus and biological signal relevance measuring method
WO2015178439A2 (en) Device and method for supporting diagnosis of central/obstructive sleep apnea, and computer-readable medium having stored thereon program for supporting diagnosis of central/obstructive sleep apnea
JP6957011B2 (en) Sleep stage determination device, sleep stage determination method and program
JP7125087B2 (en) Sleep stage estimation device, sleep stage estimation method and sleep stage estimation program
JP7019951B2 (en) Blood pressure data processor, blood pressure data processing method, and program
JP6932351B2 (en) Sleep stage determination device, sleep stage determination method and program
US20200337570A1 (en) Physiological signal processing apparatus and method
WO2023048158A1 (en) Sleep apnea syndrome determination device, sleep apnea syndrome determination method, and program
US20220361798A1 (en) Multi sensor and method
US11412942B2 (en) Apparatus, system and method for obtaining hemodynamic data of an individual
JP7087267B2 (en) Blood pressure data processor, blood pressure data processing method, and program
CN117062565A (en) System and method for non-invasively determining intracranial pressure
JP2023066909A (en) Sleep apnea determination device, sleep apnea determination method, and sleep apnea determination program
KR20200078431A (en) Method and apparatus for obtaining heart and lung sounds
JP2021129896A (en) Sympathetic nerve activity estimation device, sympathetic nerve activity estimation method, and program
EP3014501A1 (en) Measuring respiration or other periodic physiological processes

Legal Events

Date Code Title Description
A621 Written request for application examination

Free format text: JAPANESE INTERMEDIATE CODE: A621

Effective date: 20210119

A977 Report on retrieval

Free format text: JAPANESE INTERMEDIATE CODE: A971007

Effective date: 20211008

A131 Notification of reasons for refusal

Free format text: JAPANESE INTERMEDIATE CODE: A131

Effective date: 20211012

A601 Written request for extension of time

Free format text: JAPANESE INTERMEDIATE CODE: A601

Effective date: 20211213

A521 Request for written amendment filed

Free format text: JAPANESE INTERMEDIATE CODE: A523

Effective date: 20220214

A131 Notification of reasons for refusal

Free format text: JAPANESE INTERMEDIATE CODE: A131

Effective date: 20220517

A521 Request for written amendment filed

Free format text: JAPANESE INTERMEDIATE CODE: A523

Effective date: 20220719

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: 20220802

A61 First payment of annual fees (during grant procedure)

Free format text: JAPANESE INTERMEDIATE CODE: A61

Effective date: 20220804

R150 Certificate of patent or registration of utility model

Ref document number: 7125087

Country of ref document: JP

Free format text: JAPANESE INTERMEDIATE CODE: R150