JP2001503667A - 睡眠プロファイルを求める装置と方法 - Google Patents

Abstract

(57)【要約】 この発明は睡眠プロファイルを求める装置と方法に関する。この発明の課題は、居住環境内で付加的な技術手段により睡眠者に全く影響を与えないで（自動的と手動で作成した睡眠プロファイルの間の相互相関関数により測定された）約85％の良さで睡眠段階の分類を自動的に発生する睡眠プロファイルを求める装置と方法を開発することにある。この発明による装置は、ただ一つの正面ＥＥＧチャンネルに基づき動作する初段増幅器を持つ電極バンド（能動電極）を額の領域の鼻の根元に対称に置き、自立動作するマイクロプロセッサ制御の測定変換と分析を行うユニットにこの電極バンドを接続することに特徴がある。この方法は、ＥＥＧ信号を特徴に合わせて圧縮し、記憶し、この前処理の後、電算機に送り、この電算機内で神経網の分により睡眠段階に従って分類を行う点に特徴がある。

Description

【発明の詳細な説明】 睡眠プロファイルを求める装置と方法 この発明は、睡眠プロファイルを求める装置と方法に関する。 現状の研究と療法では、慢性の重い睡眠障害の診断を確実にするため、ＥＥＧ 増幅器により夜間のポリグラフ誘導法がこの方法のために特別に準備された実験 室で行われる。これ等の実験室の面倒を見るには、訓練され経験を積んだ人物が 必要である。これ等は、取り分けポリグラフ補助員や睡眠段階記録係である。後 者は中央ＥＥＧ誘導法、ＥＭＧ誘導法およびＥＯＧ誘導法の少なくとも一つに基 づきレヒトシャッフェン（Rechtschaffen）とカレス（Kales）の規則に応じて睡 眠段階の視覚的な分類を行う。 米国特許第5,154,180号明細書には、古典的な中央誘導位置を有するただ一つ のＥＥＧチャンネルに基づく睡眠分析装置が開示されている。この方法では、使 用者自身により発生するクラスの数と、それにより生じる睡眠段階の数に重要な 影響を与えるしきい値を実験的に与える必要がある。 この解決策の他の重要な難点は、米国特許第5,154,180号明細書に開示されて いる方法はクラスター法に対応し、この方法は類似特性からのみ診断の目的に利 用できる睡眠プロファイルを発生できるので、当然ＥＥＧ期間を睡眠段階に線形 対応させることができない点にある。それ故、米国特許第5,154,180号明細書に 開示されているこの解決策に基礎を置くと、睡眠専門家により得られる睡眠プロ ファイルと比較できる睡眠プロファイルを作成できない。 米国特許第5,299,118号明細書には、前記の難点のない睡眠段階を自動的に分 類する方法が開示されている。この場合、潜在的に利用できる全ての情報を提示 し、最高の要請を満たすシステムを提供するに苦労している。特徴の抽出に関し ては全てが含まれ、これは1991年のシステム分析の国際基準に一致している。こ の方法自体は64個の類似のチャンネルに基礎を置き、記憶容量や計算能力に関し て非常に大きな経費でもって動作する。従って、この解決策を実現させるにはコ ストがかなり高くなるので、主に睡眠実験室で常時使用されている。 更に、この装置を使用する場合、患者側にも変化する睡眠実験室の環境条件や 頭蓋上や顔面に多数の電極を置くことに関して慣れ親しむ期間が必要である。 しかし、睡眠実験室の数が非常に少なく、加えて睡眠実験室内の研究は大変コ ストが集中するので、患者を費用のかかる睡眠実験室に入れる前に、患者に対し て予備診断を行う必要がある。 今日の技術水準では、開業医には睡眠の質を客観的に評価する巡回装置が利用 できないので、医師は患者の主観的な供述に頼らざるを得ない。 つまり、例えば予備診断の現状は既往歴（病歴）に関する主観的な供述に対し 、特に睡眠障害のタイプに対する調査用紙の質問の答えにある。他の場合には、 予備診断は持ち運び可能なアクトメータ（Aktometer）で行われる。これは、腕 の動きを記録し、睡眠期間中の活動期間と休止期間に関する情報を与える。これ 等の方法も睡眠の質の客観的な評価を与えない。正確な診断とこの診断から導か れる、例えば医薬品による療法には客観的な評価が前提となる。現状では、患者 は主観的に感じる苦痛に対する客観的な相関に関して利用することなく、眠りに 導く手段にしばしば頼っている。睡眠プロファイルは時系列の睡眠段階として、 適当に解釈して、睡眠の質の客観的な写像を与え、病理学的な処理に対する明確 な証拠を与える。 それ故、現状では居住環境内で睡眠者の充分無視できる被害で技術的な補助手 段によりできる限り小さな影響にして自動的な睡眠プロファイルを発生させ、睡 眠の質に関する客観的な尺度を用意し、巡回診断を可能にする要請が世界的に生 じている。更に、巡回診断のコストはできる限り低くすべきである。これは、取 り分け、電極の取付に対して医療技術的に構成される専門家集団や、データ収集 と評価用の装置を操作する必要がない場合に成功している。 更に、従来の技術では、夜間睡眠が主に生理学的な方法により、これに対して 目覚めている状態が主に挙動や精神状態の心因性のパラメータにより把握される ことを確認するできる。ただ非常に高価なMultiple Sleep Latency Test（ＭＳ ＬＴ）（多重睡眠潜在性試験）を用いて昼間の睡眠挙動や機能を評価できる。 それ故、この発明の課題は、普段の環境で付加的な技術補助手段により睡眠者 の影響が全く無視できる状態で（自動的に設定された睡眠プロファイルと手動で 設定された睡眠プロファイルの間の相関関数について測定し）約85％の良さで 睡眠段階の分類を自動的に発生させ、巡回診断を可能にする、睡眠プロファイル を求める装置と方法を開発することにあり、その場合、新たに開発すべき装置は 更に最小の製造コストと、各患者自身で簡単に操作でき、使用安全性や信頼性の 高い実際的な装置技術で優れていて、更に、２４時間の連続性自体も簡単で低コ ストで客観的に生理学的に登録できるように構成すべきである。 この発明によれば、上記の課題はただ一つのＥＥＧチャンネルに基づき動作し 、自立動作し、マイクロプロセッサで制御される測定変換と分析を行うユニット に接続しているスチン（Stin）に取り付ける初段増幅器を有する電極バンド（能 動電極）から成る、睡眠プロファイルを求める装置によって解決されている。バ ッテリーから電力供給を受ける前記ユニットは、アナログフィルタ、最終段増幅 器、アナログ・デジタル変換器、内部システムソフトウェヤを持つマイクロ制御 器、記憶器、表示器および操作キーボードから成り、更にデータを分析するため 、シリーズインターフェースを介して光導波路ケーブルにより（電位分離）神経 網の群により適応的に分類し、脳電位と睡眠や覚醒のプロファイルを目視化する 特別なソフトウェヤを保有する市販のＰＣに接続している。 前記の脳電位はマイクロプロセッサ制御される測定変換、記憶と分析を行う装 置によりリアルタイムで処理される。この発明によれば、前記装置は二つのモー ド、つまり所謂オフライン・モードとオンライン・モードで動作する。これ等の 用語は、前記ユニットが電算機、主にラップトップに潜在的に結合可能であるこ とに関連している。オフライン・モードとは、このユニットが自立動作し、その 場合、脳電位を検出し、分類に重要な特徴を導出し、記憶し、必要な場合、リア ルタイム（30秒を前提として）睡眠段階を分類し、これを時間に合わせて記憶す ることである。 上記のように睡眠プロファイルをリアルタイムで発生させて、守ることに関し てデータ圧縮の最高段階が達成される。オフライン・モードは一時動作モードで ある。夜の終わりの一時的な電算機との接続は睡眠プロファイルを設定し図形表 示するために使用される。オンライン・モードでは、最初の脳電位を記憶するた め独立したユニットに常時結合することが必要である。この独立したユニットは 市販のコンピュータであるか、あるいはマイクロ制御器で制御される記憶・送信 ユニットである。両方の動作モードでは、睡眠段階の分類は神経網の群により行 われ、これ等の形態的なパラメータはシステムＳＡＳＣＩＡ（Sleep Analysis S ystem to Challenge Innovative Artificial neural networks；革新的な人工神 経網に挑む睡眠分析システム）を用いる並列コンピュータに対する進化性で遺伝 学的なアルゴリズムにより最適化される。 額の電位を取り出す部品に対して特徴のあることは、電極がＥＥＧ信号の初段 増幅器を含む柔軟な電極バンドに固定されていることにある。 この発明による構成に基づき、組み込まれた初段増幅器を備えたこの電極バン ドは簡単に、しかも他の助けなしに額に固定できる。 この発明の基本的な構想の一つは、電位を額の位置で取り出せるように、電位 の評価を制限していて、その場合、鼻に対して対称な位置にある電極のことろで 検出できるように、二つの額電位の差を形成してなる情報チャンネルのみを使用 することに実質上ある。 この発明の核心となる考えは、睡眠プロファイルの発生に関して電極を設置す る今日常識となっている学説に基本的に矛盾する。 この矛盾は、特に最も強い電気的な影響を持つこの誘導位置で目の動きにより 計算する必要があることに基礎を置いている。 目の動きの人為構造としてしばしば称される上記の影響のため、額に置いた初 段増幅器を有する電極バンド（能動電極）を用いたこの発明による解決策により 睡眠プロファイルを発生させる条件として必要な睡眠段階の分類を行うことがで きる。 しかしながら、更にこの発明による額の位置は睡眠期間中の大幅な動きの自由 度を可能にする。 従って、この発明による解決策に基づき、医者には装置を自由にでき、この装 置が従来の技術で使用される装置に比べて患者に乱れていないと感知される。 重要なことは、データ収集のために、電気設備や装置の擾乱の影響を最小に低 減するそのような能動的な電極配置のみを使用することにもある。 この発明の決定的な構成は、従来の技術が実際に必要とするように、筋肉の電 位と目の動きを個別に検出することを意識して省き、専ら鼻に対して対称に配置 された電極の電位差から患者の額の領域で取り出せる情報のみを利用する点にあ る。 更に、特徴となる点は、ＥＥＧ信号をアナログ信号としてその誘導位置の近く で既に増幅し、信号源を取り分けインピーダンス変換に掛ける点にある。 乱れのばらつきをできる限り小さく維持するため、３個の電極を持つ差動増幅 器を使用した。一つの電極、主に中央の電極が基準点を形成するが、他の二つの 電極の差を係数100の回路で増幅する。電極のそれぞれシリーズ接続されている 高域通過フィルタ（f_g＝0.03Hz）は評価に重要でない両方の信号の直流成分を除 去する。 測定電極と基準電極、および初段増幅器と双極性の差を求める電極を置くため 、既に説明したように、この発明によれば、正面位置を額に選んだ。 測定電極と基準電極を取り付ける指針としては、額位置は髪の生え際にできる 限り近づけた鼻の上を使用する。その場合、双極性の差を求める電極を水平線上 に基準電極の左右に一定間隔にして装着する。 前記ＥＥＧ信号をバッテリー駆動する携帯装置、測定変換、記憶および分析の 装置に供給する。この携帯装置中でこれ等の信号は先ず濾波され、次いで増幅さ れ、その後に後処理のためにデジタル化され、次いで特性について圧縮されて記 憶されるか、オンラインでＰＣに送られる。 睡眠分析に重要なＥＥＧの信号成分は大体0.5〜60Hzの間にある。この発明に よれば、直流電圧成分（０Hz成分）は睡眠の評価のためでなく、睡眠プロファイ ルを発生させるために使用される。 直流電圧成分は注目する周波数成分に比べてかなりな値を占めるので、増幅の 前に抑制する。 ＥＥＧの最大信号電圧Ｕ_ss（直流成分なし）はミリボルトの範囲にあり、正面 の取出位置で約１mVである。 この発明による他の評価で重要な意義は、特に特徴のある時間経過を持ち、こ の経過の振幅は１μVである。 この睡眠分析器を家庭環境で使用すたいので、著しい商用電源の乱れ必ず計算 に入れておかなければならい。従って、この技術的に生じる人為的な傷は除去さ れる。 ＥＥＧ信号と特徴のある特性に基づき、この発明による以下の処置がアナログ 成分に変換される。高域通過濾波で０Hz成分を消去すること、50Hzの商用回路の ばらつきを濾波すること、上限周波数64Hzで信号を低域通過濾波することは、後 続するアナログ・デジタル変換と128Hzの等間隔サンプリングによるエイリアス 効果を大幅に低減し、できる限り雑音のない増幅を行うためのものである。この 場合、アナログ成分は、既に説明した能動電極の外に、電圧源、低圧遮断部、実 質上フィルタ・バンク（低域通過フィルタ、50Hzフィルタおよび高域通過フィル タ）と最終増幅器を有する。 この発明によれば、フィルタ・バンクは50Hzフィルタ、低域通過フィルタおよ び高域通過フィルタから成り、合成回路はf_u＝0.5Hzとf_o＝64Hzを持つ帯域通過 領域を与える。 50Hzフィルタはジャイロ回路として形成され、取り出した信号の商用電源の ばらつきを最小にする。30dB以上の減衰と10Hzの帯域により、大きなリップル電 圧でも未だ使用可能な信号を供給する。 この発明により毎秒128個の値を伴う次に行く必要な信号のデジタル化に応じ て、エイリアス効果を避けるため、シャノンのサンプリング理論で表せる最大周 波数（64Hz）以上の周波数範囲をほぼ完全に抑制する必要がある。 ＥＥＧ信号の出力は30Hz以上で急激に低下するので、この発明による作用を得 るためには二次の低域通過フィルタを使用する。このフィルタの限界周波数は64 Hzに設定した。 次の増幅を可能にするため、信号に未だ残っている直流電圧成分を除去する必 要かある。これには、低域通過フィルタと同じ回路パターンにより二次の高域通 過フィルタを用いた。0.3Hzであるこのフィルタの限界周波数はＥＥＧ信号の重 要な周波数範囲に切断されている。 このフィルタには最終段増幅器が接続し、この発明によれば最終段増幅器は信 号を係数50だけ増幅する。接続しているオフセットバランスによりこの発明によ る信号レベルはアナログ・デジタル変換器に使用できる範囲となる。 数値的に更に処理して有効に記憶するため、増幅されたこの信号をデジタル化 し、前処理する。 この発明によれば、信号を毎秒128個の値で等間隔にサンプリングした。振幅 は、この発明によれば、10ビット（最大振幅１mV,最小分解能１μV→1000デジッ ト＝10ビットの分解能）で符号化され、1024段に分割することで十分と見なせる 。 一昼夜の時間信号を記憶する場合、圧縮しない約７メガバイト（２バイト/値 ×128値/秒×60秒/分×60分/時×８時間）のデータを使用したので、この範囲の 装置の記憶器は最終価格が余りにも高くなる。 必ず必要な記憶箇所を最小にすることに関連してこの発明による装置により立 ったままの動作で更に行われる睡眠プロファイルのオンライン発生に基づき、信 号は語義上の圧縮を受ける。 その場合、この信号は特徴の抽出を受ける。この発明の前段で行われる研究の 範囲内で特徴の抽出時に使用される分類上重要な特徴か生じる。各期間の特徴値 を計算する基礎は各期間の30の個別秒にわたるスペクトルの和を形成する。その 場合、高域通過フィルタにより時間領域（第一差分の形成）内で低周波領域の出 力成分を減少させる。その時、スペクトルを１〜63Hzの範囲で１Hzの分解能を用 いて高速フーリエ変換により求める。 睡眠プロファイルには約1000の30秒期間がある。 この発明によれば期間の各々に対して分類上重要なＥＥＧ特徴の現れ方のみを 記憶する。この発明の前段で実施する広範囲な試験の範囲内で15〜20の重要な特 徴の現れ方が生じる。これは、約50キロバイト程度の記憶器を必要とする。この 記憶器を管理するため、必要な前処理を行うため、８ビットマイクロ制御器で十 分である。これ等の制御器は価格と能力の比が非常に良好で、更に非常に柔軟に 使用できる。 この発明による装置では、例えはマイクロ制御器80517Aを使用している。これ は8051ファミリーと完全に下位両立し、能力的には製品パレットの上位に位置す る。12MHzでタイミング制御されるこの制御器は内部の10ビットアナログ・デジ タル変換器を使用する。使用しているマイクロ制御器のマルチプレクされた12の 同じチャンネルの二つを必要とする。一つのチャンネルはＥＥＧ信号 を可変し、第二のチャンネルは動作電圧の監視に使用される。4.5Vの許容動作電 圧を下回ると、制御器は監視状態になり、全回路の「休止状態」に対する信号を 出力する。表示器はただ動作状態になっていて、動作電圧以下になったことを信 号化する（「バッテリー放電」）。 データや指令に対して直接アドルス指定できる64キロバイトの記憶領域はこの 発明の応用にとって充分である。制御器の可変クロック周波数（最大で18MHzが 可能）により、より高いクロック周波数を省くなら、その時の要請に対して電流 消費を少なく設定できる。動作期間を制限された充電容量に基づき長くするため 、所謂この睡眠モードを利用する。 実際の動作状態を知らせるＬＣＤ表示器の制御には問題かない。睡眠データの 記憶は二つのＲＡＭ記憶器中でそれぞれ32キロバイトで行われる。ＲＡＭの内容 は、この発明による装置が止まった時でも、蓄電池のバッファーにより得られて いる。 測定値の収集のために、制御器のタイマー２は、この発明により7.812ms毎に 中断を作動させ、その中断の操作プログラムがアナログ・デジタル変換を行い、 測定値を記憶するようにプログラムさている。中断操作ブログラムにより、この 発明による装置がオンラインモードで動作にある限り、測定値は直ちにシリアル インターフェースのところで出力する。 この発明で重要なことは、この発明によりそのようにして得られたデータが、 商用電源から電位を完全に分離させるため、インターフェースからガラス繊維ケ ーブルを介してＰＣにシリアルに伝達される。この伝送自体は、単方向に9600バ ウで行われる。このため、ＰＣ側には信号を再び合わせるアダプター（光トラン ジスタと増幅器から成る）が必要となる。 ＰＣから得られたデータをＰＣで目視できるようにしてハードディスクに記憶 する。 睡眠プロファイルを求める方法は、特に次のことに特徴がある。つまり、額の 領域で鼻の根元に対して対称に三つのセンサにより患者から取り出す電子脳造影 図的に検出されたアナログ信号をこの発明による装置で濾波し、増幅し、次の処 理のためにデジタル化し、次いで特徴に応じて圧縮して記憶するか、あるいはこ の前処理の後に直接オンラインで電算機に送り、電算機中で遺伝的および進化的 なアルゴリズムにより形態的に最適化する神経網の群で、睡眠段階により分類を 行い、身体信号とプロファイルの目視化が行われ、同時に対話的な処理が可能で ある。 この発明によればアナログ増幅し濾波されたＥＥＧ信号をデジタル化してフー リエ変換した後、以下の１４の特徴を求め、分類器に導入する。即ち、 −全出力密度に関して１〜４Hzの範囲に蓄積された出力密度(特徴ｍ1)， −全出力密度に関して５〜７Hzの範囲に蓄積された出力密度(特徴ｍ2)， −全出力密度に関して８〜11Hzの範囲に蓄積された出力密度(特徴ｍ3)， −全出力密度に関して12〜14Hzの範囲に蓄積された出力密度(特徴ｍ4)， −全出力密度に関して15〜30Hzの範囲に蓄積された出力密度(特徴ｍ5)， −全出力密度に関して31〜63Hzの範囲に蓄積された出力密度(特徴ｍ6)， −全出力密度の25％の周波数(特徴ｍ7)， −全出力密度の50％の周波数(特徴ｍ8)， −全出力密度の75％の周波数(特徴ｍ9)， −１〜４Hzの範囲の最大密度値の周波数（特徴ｍ10）， −８〜14Hzの範囲の最大密度値の周波数（特徴ｍ11）， −21〜30Hzの範囲の最大密度値の周波数（特徴ｍ12）， −全出力密度に関して50〜60Hzの範囲に蓄積された出力密度（特徴ｍ13）， −期間の全数に関する期間の個数（特徴ｍ14）， である。 オフライン・モードでは特徴の抽出はこの発明によるユニットで行われるが、 オンライン・モードではラップトップがこの特徴の抽出を引き受ける。その場合 、同じアルゴリズムを使用し、それ等のアルゴリズムはこの発明によるユニット の制御器によっても行われる。 次の処理に適当な基礎を提供するため、計算された特徴値を全体内で規格化す る。この規格化は分類に使用される神経網のパラメータと狭い関係で見る必要か ある。調整された規格化が不充分な場合、ユニットの過剰制御あるいは少なくと も望ましくない制御を計算を入れる必要かある。これは、学習させた神経網によ る分類を著しく悪化させる。ＥＥＧ特徴の現れ方の内部個別偏差により個々の特 徴、特に相対出力密度の極端なずれが可能になる。 この発明による規格化は、ここで神経網の一般化能力を改善させる。これに応 じて、どの特徴の現れ方も全ての期間にわたり−2.0と＋2.0の間の値に写像され 、神経網に入力データとして提供される。その場合、外れに鈍感に反応する写像 規則を使用する必要がある。 各期間のこれ等の特徴の現れ方に基づき睡眠段階を割り振るため、学習能力の あり同時に頑丈な分類器を必要として、この分類器は相当な内部個別のずれかあ っても睡眠段階分析の非線形分類問題を解決できる。この発明によれば、上記の 目的のため、神経網の群を使用し、これ等はエラーバック・プロパゲーション（ ＥＢＰ；Error-Back-Propagation）アルゴリズムで学習し、遺伝的で進化的なア ルゴリズムにより形態パラメータを最適化する。 この発明で重要なことは、神経網が７クラスの問題を解決する必要があり、４ つの睡眠段階（睡眠段階１〜４），つまり段階「ＲＥＭ」、段階「覚醒」および 段階「動き」を区別することにある。 神経網の学習は一つまたは複数の手動分類された夜のデータを用いて並列電算 機で行われる。ここのユニットの重みは、ＥＢＰ法で入力パターンに対して望む 出力に対する実際の出力値のずれを全てのパターンに対して平均して最小値とす る目的を持って、特徴（入力パターン）を入力端に加えて、発生した出力値を望 む各出力値（学習基準）と比較して改善される。 この発明による方法を用いると、神経網を学習データの組のその重さにバラン スさせることができる。学習データの組に神経網を合わせることは、できる限り 良好の一般化の能力を達成させる手段だけである。一般化の能力は、重みを合わ せることには利用されない試験データの組ありは検査データの組だけにより予測 できる。 即ち、この発明によれば、実施される学習ステップの数に関して、一般化の誤 差を最小する神経網の重みを使用する。更に、この発明で重要なことは、神経網 の群の大多数が学習に使用されることにある。 神経網の形態と学習パラメータは、遺伝アルゴリズムで選択された特徴ベクト ルに関してシュミレーションされた展開により最適化される。その場合、系ＳＡ ＳＣＩＡ（Sleep Analysis System to Challenge Artificial neural networks ）を利用する。 更に、この発明で重要なことは、学習した神経網が各期間で段階の割り振りを 行うことにある。 その場合、この発明で重要なことは、それぞれｎ＝８の神経網の３つの群を同 時に使用し、それぞれ神経網が夜のデータで学習していることにある。この発明 の前段では、一つの群の神経網の最適な共同作用とクラスの割り振りに重要な意 味で群を相互に見つけるため、種々の方法を比較している。 この発明によれば、以下の方法により分類されている。即ち、 分類を先ず各神経網の群で別々に実行し、神経網の群は12の特徴（特徴ｍ1〜 ｍ12），13の特徴（特徴ｍ1〜ｍ13）および14の特徴に基づき学習することによ り区別される。従って、群１の神経網は12の入力ユニットを、群２の神経網は13 の入力ユニットを、また群３の神経網は14の入力ユニットを使用する。出力ユニ ットの数は全ての神経網に対して分類の数に応じて７に固定されている。階層的 に結合する神経網の圧縮された二つの中間層内で隠されたユニットの個数は見出 された最良の再分類能力に従い変わる。二つのステップが群固有に行われる。即 ち、 １．どの期間の間でも、各神経網に対する最大励起を持つ出力ユニットを求め る。 ２．神経網固有な判定全てに対する中央値は各期間に付属するクラスを与える 。 中央値形成は睡眠段階を７つの自然数に写像することを前提とする。 各群に対して判定を行うなら、これ等の判定は中央値形成の意味で一緒に行わ れる。神経網の三つの群と全部で24の神経網の共同効果により、病気の被検査者 も含めて額の電位の大きな内部個別変化を処理する強靭な分類器が生じる。 この発明による上記の分類器に基づき発生する睡眠プロファイルには、専門家 のプロファイルに比べて、別な観点から個々の期間による睡眠段階の間に付加的 な移行かある。 睡眠専門家は、個々のＥＥＧパターンに関する知覚の外に、分と秒の流域の時 間範囲に関連する知覚も入れる。従って、睡眠段階を個々の期間に割り当てるこ とはそれ等の期間を埋め込む前後関係にも影響される。この前後の相対関係は、 個々の期間が偶然的な順番で神経網に学習させるなら、この神経網は負担になら ない。ここに、この発明による前後関係の規則が関連し、平滑化アルゴリズムに より睡眠プロファイルを改善させる。 それ故、この発明による神経網により自動的に設定される一つの睡眠プロファ イルと専門家のプロファイルの間の最小にすべき差を前提として、この発明によ る方法では、この発明による以下の規則を使用する。即ち、 ・破られた睡眠段階、プロファイルのＲＥＭ期間、は一つの一体ブロックに変換 される。 ・睡眠段階ＲＥＭに埋め込まれた期間の間隔が40秒より短いか等しいなら、この 時間は睡眠段階ＲＥＭに加算される。 ・寝入り期間中に生じる睡眠段階ＲＥＭは睡眠段階１に属する。 ・分類器が最大80秒の時間間隔にわたり睡眠段階ＲＥＭを持ち出せば、この間隔 も睡眠段階１に属する。 ・睡眠段階１の間隔が１分以上の間隔にならず、この間隔が睡眠段階２，３また は４に入るなら、睡眠段階１の割り当ては睡眠段階２への割り当てに変換され る。 ・睡眠段階１の期間が２分以上続かず、睡眠段階２とＲＥＭの間にあるなら、そ れらの期間は睡眠段階２に加算される。 これにより、この発明で重要なことは、 規則１：プロファイルの破られたＲＥＭ期間を選び出し、以下の規定、 ｒｅｍ，[ｒｅｍ]，...＜＝ｒｅｍ，[段階1]，...に従い一体のブロ ックに変換される。ここで、＜＝は「となる」演算子として、また[] ...は繰返演算子である。繰返の中断は集合、 ｛覚醒，段階２，段階３，段階４，ＭＴ｝ の段階の一つと伴う神経網の検査結果により行われる。 規則２：以下のシーケンスに対して時間に関連する変換規定が当てはまる。つ まり、間隔に対してｒｅｍに埋め込まれた期間＜＝30秒が当てはま るなら、 ｒｅｍ，ｒｅｍ，ｒｅｍ＜＝ｒｅｍ，覚醒，ｒｅｍ， ｒｅｍ，ｒｅｍ，ｒｅｍ＜＝ｒｅｍ，段階１，ｒｅｍ， ｒｅｍ，ｒｅｍ，ｒｅｍ＜＝ｒｅｍ，段階２，ｒｅｍ， ｒｅｍ，ｒｅｍ，ｒｅｍ＜＝ｒｅｍ，未定，ｒｅｍ， により変換される。 規則３：神経網が最大90秒の時間間隔にわたりのみ段階remを提示するなら、 規則 段階１＜＝ｒｅｍ が変換される。 規則４：条件が以下の規則、 段階２，段階２，段階２＜＝段階２，段階１，段階２， 段階３，段階２，段階３＜＝段階３，段階１，段階３， 段階４，段階２，段階４＜＝段階４，段階１，段階４， となり、段階１の期間が１分以上継続しないなら、段階１の割り振り が段階２の割り振りに変換される。 規則５：段階１の期間が２分以上継続しないなら、以下の規則 段階２，段階２，ｒｅｍ＜＝段階２，段階１，ｒｅｍ ｒｅｍ，段階２，段階２＜＝ｒｅｍ，段階１，段階２ を使用する。 この発明による規則はリストしたシーケンスで処理される。 以下、この発明による解決策を８つの図面に結び付けて一つの実施例に基づき より詳しく説明する。 ここに示すのは、 図１：被検査者の額領域の能動電極（初段増幅器を伴う電極バンド）の配置、 図２：この発明による装置のブロック回路、 図３：睡眠プロファイルを発生する重要なプログラムブロックの処理経過図、 図４：濾波されたおよび濾波されていない出力スペクトルとこの発明による解 決策の対応するスペクトルの比較、 図５：専門家あるいは睡眠段階記録係により作成された被試験体Ｋ１１５１０ の睡眠プロファイル、 図６：この発明による解決策により作成された被試験体Ｋ１１５１０の睡眠プ ロファイル、 図７：専門家あるいは睡眠段階記録係により作成された被試験体Ｋ４０３２２ の睡眠プロファイル、 図８：この発明による解決策により作成された被試験体Ｋ４０３２２の睡眠プ ロファイル、 である。 図１に示すように、能動電極を電極バンド１の形にして被検査者の額の領域に 配置する。 この発明によるデザインによれば、この電極バンド１を簡単に特別な手段なし に頭蓋に固定できる。このバンドは睡眠中に充分な動きの自由度を可能にし、こ の発明によるデザインと配置のため邪魔に感じられない。 乱れのばらつきをできる限り少なく保つため、図１に示すように、差動増幅器 の原理を採用している。これには三つの電極が必要である。接地・基準電極２で ある中央の電極は基準点を決めるが、他の両方の電極３の差分は係数100の回路 により増幅される。それぞれ前置接続されている高域通過フィルタ（f_g＝0.03Hz ）は評価にとって重要でない両方の信号の直流電圧成分を除去する。 接地・基準電極２とこの電極に接続する初段増幅器部分の取り付け指針として 、鼻の上のできる限り毛髪の生え際の近くの額位置が使用される。その場合、水 平線上で接地・基準電極２の左右に約3.5cmの一定間隔で双極で電位取出のため に電極３を取り付ける。 睡眠中の長時間電位取出には自己接着性のＥＫＧ電極が特に適している。ゲル は10時間後でも未だ乾燥しない。そして、電極は全時間中に額に素晴らしく付着 する。 上に述べたこれ等のＥＥＧ信号は、例えばケーブルを介してバッテリー駆動す る携帯装置４，測定変換、記憶および分析の装置に供給される。 図２には、この発明による装置のブロック回路図が示してある。ＥＥＧ信号は 、 被検査者の額の電極バンド１にある能動電極からキーボードと表示器を備えたフ ィルタ５，増幅器６，アナログ・デジタル変換器７，マイロク制御器８および記 憶器９を持つ携帯装置４に達する。インターフェースを介して携帯装置４は電算 機、例えばパーソナルコンピュータ１０に、主にガラス繊維ケーブルを経由して 接続されている。 図３には、睡眠プロファイルを発生する主要プログラムブロックの処理経過図 が示してある。既に取り出した特徴、あるいはＥＥＧの生データはＥＥＧ誘導部 １１として携帯装置からＰＣに伝達される。生データを伝達する場合、ＰＣ側で 特徴の抽出１２が行われる。次いで、学習させた神経網により夜間睡眠の個々の 期間の各々の分類１３が行われる。得られた睡眠プロファイルは規則で決められ たアルゴリズムにより前後関係分析にかけられ、段階割り振り１４の平滑の形の それに応じた修正に掛けられる。最後のステップは計算された睡眠経過を図形、 実際の睡眠プロファイルに変換すること１５を残している。 図４には、標準装置の濾波されていないおよび濾波された出力スペクトルがこ の発明による解決策の対応する出力スペクトルと段階、覚醒に対して比較されて いる。標準装置は「日本光電ニューロファクス２１」である。この発明による装 置は「ＱＵＩＳＩ」と称される。両方の装置で表示されるスペクトルは、緊張の 解けた覚醒状態に対して典型的なアルファーピークを８Hzで顕著に示す。 図５〜８には、比較すべき睡眠プロファイルが示してある。これ等の睡眠プロ ファイルは一方で専門家により、また他方でこの発明による解決策ＱＵＩＳＩで 選択された二つの夜に発生させたものである。図５と７には、専門家で作成され たようにプロファイルが示しある。この発明による解決策（「ＱＵＩＳＩ」）で 自動的に発生させたプロファイルは図６と８から読み取れる。対応しているプロ ファイルは何れもその変化でもパーセント分布でも非常に良く一致している。 この非常に良好な一致は、過去の週でこの発明による解決策で作成したプロフ ァイルを専門家で求めたプロファイルと比較する場合、６０人以上の患者に関す る比較試験の範囲内デ新たに検証できる。 従って、この発明による解決策を用いて、居住環境内で補助技術手段により睡 眠者に充分無視できる影響で約85％の良さ（内部相関）で睡眠段階分類を自動 的に発生させ、非常に良好な巡回診断を可能にする、睡眠プロファイルを求める 装置と方法を開発することに初めて成功している。その場合、新しく開発された この装置は更に最小の製造コストと、使用安全性と信頼性の高い各患者自身で操 作できる実用的な装置技術の点で優れている。更に、この装置技術は２４時間連 続記録を簡単に、しかも低コストで客観的な生理学的に登録できるように構成さ れている。

【手続補正書】特許法第１８４条の８第１項 【提出日】平成１０年１１月３０日（１９９８．１１．３０） 【補正内容】 更に最小の製造コストと、各患者自身で簡単に操作でき、使用安全性と信頼性の 高い実際的な装置技術で優れていて、更に、２４時間連続性自体も簡単で低コス トで客観的に生理学的に登録できるように構成すべきである。 この発明によれば、上記の課題はただ一つのＥＥＧチャンネルに基づき動作し 、自立動作し、マイクロプロセッサで制御される測定変換と分析を行うユニット に接続している額に取り付ける初段増幅器を有する電極バンド（能動電極）から 成る、睡眠プロファイルを求める装置によって解決されている。バッテリーから 電力供給を受ける前記ユニットは、アナログフィルタ、最終段増幅器、アナログ ・デジタル変換器、内部システムソフトウェヤを持つマイクロ制御器、記憶器、 表示器および操作キーボードから成り、更にデータを分析するため、シリーズイ ンターフェースを介して光導波路ケーブルにより（電位分離）神経網の群により 適応的に分類し、脳電位と睡眠や覚醒のプロファイルを目視化する特別なソフト ウェヤを保有する市販のＰＣに接続している。 前記の脳電位はマイクロプロセッサ制御される測定変換、記憶と分析を行う装 置によりリアルタイムで処理される。この発明によれば、前記装置は二つのモー ド、つまり所謂オフライン・モードとオンライン・モードで動作する。これ等の 用語は、前記ユニットが電算機、主にラップトップに潜在的に結合可能であるこ とに関連している。オフライン・モードとは、このユニットが自立動作し、その 場合、脳電位を検出し、分類に重要な特徴を導出し、記憶し、必要な場合、リア ルタイム（30秒を前提として）睡眠段階を分類し、これを時間に合わせて記憶す ることである。 上記のように睡眠プロファイルをリアルタイムで発生させて、守ることに関し てデータ圧縮の最高段階が達成される。オフライン・モードは一時動作モードで 請求の範囲 1．睡眠プロファイルを求める装置において、患者の額に初段増幅器を備えた電 極バンド（１）（能動電極）を配置し、この電極バンドがただ一つの正面ＥＥ Ｇチャンネルに基づき動作し、フィルタバンク、最終段増幅器、アナログ・ デジタル変換器、内部ソフトウェヤのあるマイクロ制御器、記憶器、操作キ ーボードと表示器を備えた蓄電池を介して電力の供給を受け、自立動作する マイクロプロセッサ制御の測定変換と分析のユニットに接続され、前記測定 変換と分析を行うユニットに電位の加わらないシリーズＰＣインターフェー スが配置され、このインターフェースを介してこの測定変換と分析を行うユ ニットが神経網の群により適応分類し、額の電位や睡眠プロファイルと覚醒 プロファイルを目視化する特別なソフトウェヤを持つ市販のＰＣに接続して いることを特徴とする睡眠プロファイルを求める装置。 2．初段増幅器を備えた電極バンド（１）は額のところで鼻の根元に対して対称 に配置されていて、患者の額の領域の前記電極位置で電位差として取り出し た前記情報のみが睡眠プロファイルと覚醒プロファイルを求めるために更に 処理されることを特徴とする請求項１に記載の睡眠プロファイルを求める装 置。 3．オンライン・モードでは、最初の額電位を記憶する独立したユニットが電極 バンド（１）に接続していることを特徴とする請求項１または２に記載の睡 眠プロファイルを求める装置。

Claims (1)

1. 【特許請求の範囲】 1．睡眠プロファイルを求める装置において、ただ一つの正面ＥＥＧチャンネル に基づき動作する初段増幅器を備えた電極バンド（能動電極）を額に置き、 フィルタバンク、最終段増幅器、アナログ・デジタル変換器、内部ソフトウ ェヤのあるマイクロ制御器、記憶器、操作キーボードと表示器を備えた蓄電 池を介して電力の供給を受け、自立動作するマイクロプロモッサ制御の測定 変換と分析を行うユニットに前記電極バンドを接続し、前記測定変換と分析 を行うユニットに電位の加わらないシリーズＰＣインターフェースを配置し ているため、この測定変換と分析を行うユニットが導波路ケーブルを介して 神経網の群により適応分類し、額の電位や睡眠プロファイルと覚醒プロファ イルを目視化する特別なソフトウェヤを持つ市販のＰＣに接続していること を特徴とする睡眠プロファイルを求める装置。 2．初段増幅器を備えた電極バンドは額のところで鼻の根元に対して対称に配置 されていて、患者の額の領域の前記電極位置で電位差として取り出した情報 のみを利用することを特徴とする請求項１に記載の睡眠プロファイルを求め る装置。 3．オンライン・モードでは、最初の額電位を記憶するため、例えば市販の電算 機、もしくはマイクロ制御器で操作される記憶・送信ユニットである独立し たユニットを使用することを特徴とする請求項１または２に記載の睡眠プロ ファイルを求める装置。 4．電極バンドの中央電極には初段増幅器が配置されているので、ＥＥＧ信号が アナログ信号として取出位置の近くで既に増幅を受け、信号源が取り分けイ ンピーダンス変換を受けることを特徴とする請求項１〜３の何れか１項に記 載の睡眠プロファイルを求める装置。 5．フィルタバンクは、50Hzフィルタ、低域通過フィルタ、高域通過フィルタで 構成され、それ等の合成回路はf_u＝0.5Hzとｆ_o＝64Hzを持つ帯域通過フィル タとなることを特徴とする請求項１〜４の何れか１項に記載の睡眠プロファ イルを求める装置。 6．信号を更に処理するため、好ましくは少なくとも10ビットアナログ・デジ タル変換器を８ビットマイクロ制御器と関連させて使用することを特徴とす る請求項１〜５の何れか１項に記載の睡眠プロファイルを求める装置。 7．睡眠プロファイルを求める方法において、鼻の根元に対して対称な額領域で 三つのセンサにより患者から取り出す電子脳波図的に検出されたアナログ信 号をこの発明による装置で濾波し、増幅し、更に処理するためデジタル化し 、次いで特徴に関連して圧縮し、記憶し、この前処理の後に電算機に送り、 遺伝的で進化論的なアルゴリズムにより形態的に最適化された神経網の群に より電算機内で睡眠段階による分類を行い、身体信号とプロファイルの目視 化を行い、同時に対話処理が可能であることを特徴とする睡眠プロファイル を求める方法。 8．毎秒128個の値をデジタル化するため10ビットの最小分解能に設定されている ことを特徴とする請求項７に記載の睡眠プロファイルを求める方法。 9．この発明によりアナログ増幅し、濾波したＥＥＧ信号をデジタル化してフー リエ変換した後、以下の１４の特徴を求め、 −全出力密度に関して１〜４Hzの範囲に蓄積された出力密度(特徴ｍ1)， −全出力密度に関して５〜７Hzの範囲に蓄積された出力密度(特徴ｍ2)， −全出力密度に関して８〜11Hzの範囲に蓄積された出力密度(特徴ｍ3)， −全出力密度に関して12〜14Hzの範囲に蓄積された出力密度(特徴ｍ4)， −全出力密度に関して15〜30Hzの範囲に蓄積された出力密度(特徴ｍ5)， −全出力密度に関して31〜63Hzの範囲に蓄積された出力密度(特徴ｍ6), −全出力密度の25％の周波数(特徴ｍ7)， −全出力密度の50％の周波数(特徴ｍ8)， −全出力密度の75％の周波数(特徴ｍ9)， −１〜４Hzの範囲の最大密度値の周波数（特徴ｍ10）， −８〜14Hzの範囲の最大密度値の周波数（特徴ｍ11）， −21〜30Hzの範囲の最大密度値の周波数（特徴ｍ12）， −全出力密度に関して50〜60Hzの範囲に蓄積された出力密度（特徴ｍ13）， −期間の全数に関する期間の個数（特徴ｍ14）， 期間の前後関係を分類に取り込む学習した神経網の８〜30個の群と規則から 成る分類器に導入することを特徴とする請求項７または８に記載の睡眠プロ ファイルを求める方法。 10．神経網の一般能力を改善するため規格化を行い、全ての期間に関する各特徴 の現れ方を−2.0と＋2.0の値の範囲に写像し、神経網に入力データとして提 示することを特徴とする請求項７〜９の何れか１項に記載の睡眠プロファイ ルを求める方法。 11．学習した神経網は各期間に対して段階の割り振りを行うことを特徴とする請 求項７〜１０の何れか１項に記載の睡眠プロファイルを求める方法。 12．それぞれｎ＝８の神経網の三つの群を同時に使用し、一つの神経網はいずれ も一昼夜のデータで学習していることを特徴とする請求項７〜１１の何れか １項に記載の睡眠プロファイルを求める方法。 13．分類は先ず神経網の各群で別々に行われ、12の特徴（特徴ｍ1〜ｍ12），13 の特徴（特徴ｍ1〜ｍ13）および14の特徴に基づき神経網の群が学習してい るので、群１の神経網が12の入力ユニットを、群２の神経網が13の入力ユニ ットを、そして群３の神経網が14の入力ユニットを使用することで神経網の 群が区別され、その場合、全ての神経網の入力ユニットの個数はクラスの個 数に応じて７に固定されていることを特徴とする請求項７〜１２の何れか１ 項に記載の睡眠プロファイルを求める方法。 14．各神経網に対して最大の励起を持つ出力ユニットを求めることを特徴とする 請求項７〜１３の何れか１項に記載の睡眠プロファイルを求める方法。 15．睡眠段階を７つの自然数に写像し、神経網に特有な判定に関する平均は各期 間の入るクラスを与えることを特徴とする請求項７〜１４の何れか１項に記 載の睡眠プロファイルを求める方法。 16．神経網の三つの群の遺伝的な効果により、三つの群の判定の平均値を形成す ることにより頑丈な分類器が生じることを特徴とする請求項７〜１５の何れ か１項に記載の睡眠プロファイルを求める方法。 17．平滑化アルゴリズムにより睡眠プロファイルを改善する前後関係規則を使用 することを特徴とする請求項７〜１６の何れか１項に記載の睡眠プロファイ ルを求める方法。