JP7125087B2

JP7125087B2 - 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

Info

Publication number: JP7125087B2
Application number: JP2018057505A
Authority: JP
Inventors: 圭樹 ▲高▼玉; 明里桃原
Original assignee: THE UNIVERSITY OF ELECTRO-COMUNICATINS
Current assignee: THE UNIVERSITY OF ELECTRO-COMUNICATINS
Priority date: 2018-03-26
Filing date: 2018-03-26
Publication date: 2022-08-24
Anticipated expiration: 2038-03-26
Also published as: JP2019166195A

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。

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。

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。

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。

特開２０１４－２３９７８９号公報

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。

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。

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。

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。

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。

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。

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。

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。

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。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。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。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。サーカディアンリズムの例を示す特性図である。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。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。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。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。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。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。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。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。従来手法（RSSE手法）による判定処理の概要を示す図である。

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。

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。

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。

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。

［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。

ＣＰＵＣ１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ＲＯＭＣ２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ＲＯＭＣ２から読み出して、ＣＰＵＣ１が実行する。ＲＡＭＣ３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。

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。

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。

［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。

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。

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。

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。

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。

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。

［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、ａ_ｎ、ｂ_ｎを推定する。

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ａ_ｎは余弦成分の係数、パラメータｂ_ｎ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２^１５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。

図６の下段には、パラメータｃ、ａ_ｎ、ｂ_ｎ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。

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。

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、ａ_ｎ、ｂ_ｎを求めるため、尤度関数Ｊをパラメータｃ、ａ_ｎ、ｂ_ｎ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、ａ_ｎ、ｂ_ｎ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。

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、ａ_ｎ、ｂ_ｎ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。

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２^１７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２^１７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。

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，φ_ＭＦ）は近似心拍中周波、ｈ（ｔ，φ_ＬＦ）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φ_ＭＦ，φ_ＬＦ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＝２^１５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＝２^１７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。

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。

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。

［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。

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。

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。

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。

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。

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。

［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。

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。

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。

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。

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。

［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）。

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。

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。

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。

［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。

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。

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

Claims

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。
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。
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。
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。
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。