JP2006192152A - 睡眠状態判定装置、睡眠状態判定方法および睡眠状態判定プログラム - Google Patents

Abstract

【課題】被験者への負担を大きくすることなく、高精度に睡眠状態の判定を行うことのできる睡眠状態判定装置を提供する。
【解決手段】被験者の睡眠状態を判定する睡眠状態判定装置１０であって、任意の単位時間ごとに、睡眠中の被験者の脳の活動状態の変化の程度を示す脳活動を反映する指標を計測する脳活動計測手段２３，２４と、睡眠の１サイクルを含む時間枠内の単位時間ごとに前記脳活動計測手段が計測した脳活動を反映する指標に基づいて、当該時間枠に含まれる任意の時刻における睡眠状態を判定する睡眠状態判定手段２６とを備えた。
【選択図】 図１

Description

本発明は、被験者の睡眠状態を判定する睡眠状態判定装置、睡眠状態判定方法および睡眠状態判定プログラムに関するものである。

従来、睡眠状態を特定する方法として、睡眠ポリグラフを使い脳波、筋電等を記録し、記録された脳波、筋電等に基づいて睡眠状態を判定する方法が知られている。しかしながら、脳波、筋電等を計測する方法においては、体に電極を装着する必要がある。このため、被験者にとっての負担が大きくなる。

電極の装着が不要な方法としては、脈波のＲ−Ｒ間隔を基に心拍のゆらぎを解析し自律神経状態を判定する方法が知られている。この技術により得られる交感神経活動と副交感神経活動とに基づいて、睡眠状態を判定するものである（例えば「特許文献１」）。これにより、１回の睡眠中の所定の時刻における睡眠状態を判定することができる。

特開平７−１４３９７２号公報

しかし、脈波のＲ−Ｒ間隔に基づいて睡眠状態を判定する方法においては、１．５〜２．０時間といわれている人の睡眠サイクルが考慮されていない。また、サーカディアンリズムや個人差といった事も考慮されていない。サーカディアンリズムによりＲ−Ｒ間隔はベースが変動する。したがって、睡眠状態判定において利用する閾値を一意に定めたのでは、正確に睡眠状態を判定することができない。

このように、脳波のＲ−Ｒ間隔はサーカディアンリズム等の影響を含んでいるため、Ｒ−Ｒ間隔に基づいて睡眠状態を判定した場合には正確性に欠けるという問題があった。

本発明は、上記に鑑みてなされたものであって、被験者への負担を大きくすることなく、高精度に睡眠状態の判定を行うことのできる技術の提供が望まれている。

上述した課題を解決し、目的を達成するために、本発明は、被験者の睡眠状態を判定する睡眠状態判定装置であって、任意の単位時間ごとに、睡眠中の被験者の脳の活動状態の変化の程度を示す脳活動を反映する指標を計測する脳活動計測手段と、睡眠の１サイクルを含む時間枠内の前記単位時間ごとに前記脳活動計測手段が計測した前記脳活動を反映する指標に基づいて、当該時間枠に含まれる任意の時刻における睡眠状態を判定する睡眠状態判定手段とを備えたことを特徴とする。

任意の単位時間ごとに、睡眠中の被験者の脳の活動状態の変化の程度を示す脳活動を反映する指標を計測する脳活動計測ステップと、睡眠の１サイクルを含む時間枠内の前記単位時間ごとに前記脳活動計測ステップにおいて計測した前記脳活動を反映する指標に基づいて、当該時間枠に含まれる任意の時刻における睡眠状態を判定する睡眠状態判定ステップとを有することを特徴とする。

また、本発明の他の形態は、被験者の睡眠状態を判定する睡眠状態判定処理をコンピュータに実行させる睡眠状態判定プログラムであって、任意の単位時間ごとに計測された、睡眠中の被験者の脳の活動状態の変化の程度を示す脳活動を反映する指標を取得する脳活動取得ステップと、前記脳活動取得ステップにおいて取得した前記脳活動を反映する指標のうち、睡眠の１サイクルを含む時間枠内の前記単位時間ごとに計測された前記脳活動を反映する指標に基づいて、当該時間枠に含まれる任意の時刻における睡眠状態を判定する睡眠状態判定ステップとを有することを特徴とする。

本発明にかかる睡眠状態判定装置は、脳活動計測手段が、任意の単位時間ごとに、睡眠中の被験者の脳の活動状態の変化の程度を示す脳活動を反映する指標を計測し、睡眠状態判定手段が、睡眠の１サイクルを含む時間枠内の前記単位時間ごとに脳活動計測手段が計測した脳活動を反映する指標に基づいて、当該時間枠に含まれる任意の時刻における睡眠状態を判定するので、被験者への負担を大きくすることなく、サーカディアンリズムなどに起因する誤差の影響を低減し、より精度よく睡眠状態を判定することができるという効果を奏する。

以下に、本発明にかかる睡眠状態判定装置、睡眠状態判定方法および睡眠状態判定プログラムの実施の形態を図面に基づいて詳細に説明する。なお、この実施の形態によりこの発明が限定されるものではない。

（実施の形態１）
実施の形態１においては、被験者の睡眠中の睡眠状態を判定し、さらに、快適な目覚め感のあるレム睡眠中に目覚ましアラームを鳴らことのできる睡眠状態判定装置について説明する。

図１は、実施の形態１にかかる睡眠状態判定装置の全体構成を示すブロック図である。同図に示すように、睡眠状態判定装置１０は、入力部１１と、表示部１２と、記憶部１３と、体動計測部１４と、脈波計測部１５と、データ通信部１６と、時刻計測部１７と、電力供給部１８と、スピーカ１９と、睡眠／覚醒判定部２１と、体動サンプリングデータ処理部２２と、脈拍間隔データ算出部２３と、自律神経指標データ処理部２４と、脈拍標準偏差算出部２５と、睡眠状態判定部２６と、時間窓設定部２７と、制御部３０とを有する。

ここで、図１に示す睡眠状態判定装置１０の装着の例について説明する。図２は、図１に示す睡眠状態判定装置１０の装着の一例を示す図である。また、図３は、図１に示す睡眠状態判定装置１０の装着の別の例を示す図である。図２では、脈波センサ１５１は指に、睡眠状態判定装置本体１０は腕時計のように手首に装着されているが、脈波センサ１５１は、手のひらにバンソウ膏で装着することもできる。また、図３に示すように、赤外や赤色ＬＥＤを用いた脈波センサ１５１と睡眠状態判定装置本体１０とを一体化して手首の動脈上に装着することもできる。

再び説明を図１に戻す。入力部１１は、ユーザが電源をＯＮ／ＯＦＦする、または表示を切り替える要求や指示を行うスイッチである。表示部１２は、睡眠状態判定結果を表示する表示装置であり、具体的には、ＬＣＤなどである。

記憶部１３は、脈波データ、体動データなどの計測データ、脈拍間隔データなど処理後のデータ、睡眠状態を判定する閾値などのデータを記憶する。記憶部１３は、具体的にはフラッシュメモリなどである。

体動計測部１４は、被験者の体動を示す体動データとして加速度データを計測し、データ変換をする。体動計測部１４は、加速度センサ１４１を有する。加速度センサ１４１は、３軸方向の−２ｇ〜２ｇの加速度を計測する加速度計であり、睡眠状態判定装置本体１０内に搭載されている。体動計測部１４は、加速度センサ１４１のアナログデータのゲイン、オフセットを調整回路で調整する。そして、調整後のアナログデータを１０ビットＡ／Ｄ変換器でデジタル量に変換して制御部３０に出力する。

脈波計測部１５は、被験者の脈波データを計測し、データ変換をする。脈波計測部１５は、脈波センサ１５１を有する。脈波センサ１５１は、青色ＬＥＤとフォトダイオードからなる。指の皮膚表面に光を照射し、毛細血管内の血流変化により変化する反射光の変動をフォトダイオードで捉えることで脈波を計測する。脈波計測部１５は、さらに脈波センサ１５１のフォトダイオードからの出力電流を電流電圧変換器で電圧に変換する。そして、増幅器で電圧を増幅し、ハイパスフィルタ（カットオフ周波数：０．１Ｈｚ）とローパスフィルタ（カットオフ周波数：５０Ｈｚ）を施す。その後、電圧を１０ビットＡ／Ｄ変換器でデジタル量に変換して制御部３０に出力する。

データ通信部１６は、無線ＬＡＮなどでパソコンやＰＤＡ端末とデータ通信を行う通信部であり、具体的には、Ｂｌｕｅｔｏｏｔｈ（ＴＭ）などである。また、時刻計測部１７は、時刻を計測する装置であり、具体的には、リアルクロックＩＣなどである。また、電力供給部１８は、睡眠状態判定装置１０の電力を供給する電源であり、具体的には、バッテリである。スピーカ１９は、アラーム機能により任意の時刻にアラームを鳴らす。

睡眠／覚醒判定部２１は、被験者の体動データに基づいて被験者が覚醒しているか否かを判定する。睡眠／覚醒判定部２１は、体動判定部２１１と覚醒判定部２１２を有する。体動判定部２１１は、体動データの変動量が予め定めた閾値より大きい場合に体動と判定する。覚醒判定部２１２は、体動判定部２１１によって判定された体動の発生頻度が閾値以上である場合に覚醒中の体動と判定し、体動の発生頻度が閾値未満である場合は睡眠中の体動と判定する。

体動サンプリングデータ処理部２２は、体動計測部１４から取得した３軸方向の加速度データを時間微分して３軸方向の加速度の微係数を求め、３軸方向の加速度のそれぞれの微係数の二乗和の平方根である体動データの変動量および脈拍間隔内の体動データの変動量の平均である体動量を求める。体動サンプリングデータ処理部２２は、体動データの変動量および体動量を体動判定のためのデータとして体動判定部２１１に提供する。

脈拍間隔データ算出部２３は、被験者の脈波から脈波データをサンプリングし、当該脈波データを処理することにより脈拍間隔データを得る。ここで、脈拍間隔データとは、被験者の脈波の一周期の時間間隔データである。

具体的には、脈拍間隔データ算出部２３は、脈波から脈波データをサンプリングする。そして、サンプリングした一連の脈波データを時間微分して、一連の脈波データから直流変動成分を除去する。さらに、直流変動成分を除去された一連の脈波データの処理ポイントを中心とした前後約１秒の脈波データの最大値と最小値を取得し、最大値と最小値との間の任意の値を閾値とする。例えば、所定の閾値として最大値、最小値の差を振幅として、最小値から振幅の９割の値を用いる。

さらに、直流変動成分を除去された一連の脈波データから閾値に一致する一連の脈波データの値が現れた時刻を算出し、算出された時刻の間隔から脈拍間隔データを取得する。

ここで、さらに具体的に、図１に示す脈拍間隔データ算出部２３が脈拍間隔データを算出する算出方法について説明する。図４は、図１に示す脈拍間隔データ算出部２３が脈拍間隔データを算出する算出方法を説明するための図である。

図４に示すように、閾値ｙ０における時刻をｔ０とする。また、閾値ｙ０を越える直前の脈波データの値をｙ１とし、このときの時刻をｔ１とする。さらに、閾値ｙ０を超えた直後の脈波データの値をｙ２とし、このときの時刻をｔ２とする。そして、式１により、閾値に一致するデータの値をとる時刻ｔを算出する。
ｔ＝ｔ１＋（ｔ２−ｔ１）×（ｙ０−ｙ１）／（ｙ２−ｙ１） （式１）

脈拍間隔は、このときの時間間隔「ｔ−ｔ０」に対応する。したがって、「ｔ−ｔ０」を脈拍間隔データとして算出する。

再び説明を図１に戻す。自律神経指標データ処理部２４は、睡眠状態を判定する低周波数領域（０．０５〜０，１５Ｈｚ付近）の指標ＬＦと高周波数領域（０．１５〜０．４Ｈｚ付近）の指標ＨＦという二つの自律神経指標を取得する。

自律神経指標データ処理部２４は、周波数スペクトル変換部２４１と自律神経指標取得部２４２とを有する。周波数スペクトル変換部２４１は、脈拍間隔データ算出部２３によって処理された一連の脈拍間隔データをＦＦＴ（Ｆａｓｔ Ｆｏｕｒｉｅｒ Ｔｒａｎｓｆｏｒｍ）法などの解析手法によって周波数スペクトル分布に変換する。

自律神経指標取得部２４２は、周波数スペクトル変換部２４１によって周波数スペクトル分布に変換された一連の脈拍間隔データの複数のパワースペクトルの値から自律神経指標ＬＦ，ＨＦを算出する。具体的には、複数のパワースペクトルのピーク値とピーク値を中心として前後等間隔の１点との３点の合計値の算術平均をとってＬＦ、ＨＦとする。

ここで、図１に示す自律神経指標データ処理部２４がパワースペクトルの値から自律神経指標ＬＦ，ＨＦを算出する処理について説明する。図５は、図１に示す自律神経指標データ処理部２４がパワースペクトルの値から自律神経指標ＬＦ，ＨＦを取得する処理を説明するための図である。自律神経指標データ処理部２４は、脈拍間隔データ算出部２３が生成した等間隔の脈拍間隔データに対し、ＦＦＴ法を用いて周波数解析を行う。これにより、一連の脈拍間隔データを周波数スペクトル分布に変換する。

図５上段のグラフは、脈拍間隔データ算出部２３によって得られた脈拍間隔データを示している。図５下段のグラフは、図５上段に示す脈拍間隔データの周波数解析の結果得られたパワースペクトルのスペクトル分布を示している。図５に示すように、パワースペクトル分布に基づいて、自律神経指標となるＬＦ，ＨＦを取得することができる。

周波数解析法としては、データ処理の負担を軽減する観点からは、ＦＦＴ法が好ましい。なお、他の例としては、周波数解析法として、ＡＲモデル、最大エントロピー法、ウェーブレット法などを用いてもよい。

なお、本実施の形態にかかる脈拍間隔データ算出部２３および自律神経指標データ処理部２４は、特許請求の範囲に記載の脳活動計測手段に対応する。また、本実施の形態にかかる自律神経指標は、特許請求の範囲に記載の脳活動を反映する指標に対応する。すなわち、本実施の形態においては、睡眠時の脳の活動状態の変化に伴う指標として、自律神経指標を算出する。

再び説明を図１に戻す。脈拍標準偏差算出部２５は、１分間の脈拍データの標準偏差を算出する。睡眠状態判定部２６は、自律神経指標データ処理部２４によって得られた自律神経指標と脈拍標準偏差算出部２５によって算出された脈拍標準偏差とに基づいて、睡眠状態を判定する。時間窓設定部２７は、自律神経指標取得部２４２等の処理対象となるデータの検出時刻を設定する。

制御部３０は、睡眠状態判定装置１０全体を制御する制御部であり、被験者の要求および指示を受け付けて各処理部に対する処理要求およびデータの流れを制御する。具体的には、被験者の要求を受け付けて電源のＯＮ／ＯＦＦ、睡眠状態判定機能の起動、および睡眠状態判定結果の表示などを制御する。

図６は、本実施の形態にかかる睡眠状態判定装置１０による睡眠状態判定処理を示すフローチャートである。まず、被験者は、睡眠状態判定装置１０の入力部１１を操作して、電源をＯＮにし、睡眠状態判定機能を起動する。さらに、希望する起床時刻を入力する。起床時刻は、例えば６時から８時など、睡眠の１サイクル以上の幅をもつ値を入力するのが好ましい。

睡眠状態判定装置１０の脈波計測部１５は、脈波センサ１５１からの脈波データの取得を開始する（ステップＳ１００）。そして、脈拍間隔データ算出部２３は、脈波計測部１５が取得した脈波データに基づいて、脈拍間隔データを算出する（ステップＳ１０２）。同時に、体動計測部１４は、体動データの取得を開始する（ステップＳ１０４）。具体的には、加速度センサ１４１によって検出された加速度データに基づいて体動データを算出する。

なお、本実施の形態においては、１分ごとに脈波データを検出する。また１秒ごとに加速度データを検出する。さらに、時間窓設定部２７は、１００分の時間窓を設定する。

睡眠／覚醒判定部２１は、体動判定部２１１により算出された体動発生頻度に基づいて、被験者が睡眠状態にあるか覚醒状態にあるかを判定する（ステップＳ１０６）。なお、睡眠状態にあるか覚醒状態にあるかの判定方法については、後述する。

覚醒状態にある場合には（ステップＳ１０８，覚醒）、覚醒状態にある旨を示す覚醒データを、当該覚醒状態を検出した検出時刻に対応付けて蓄積する（ステップＳ１１０）。

睡眠状態にある場合には、（ステップＳ１０８，睡眠）、自律神経指標データ処理部２４は、自律神経指標を算出する（ステップＳ１２０）。そして、算出した自律神経指標を、当該自律神経指標に対応する脈波データの検出時刻に対応付けて蓄積する。さらに、脈拍標準偏差算出部２５は、１分間の脈波データの標準偏差を算出する（ステップＳ１２２）。そして、算出した脈拍標準偏差を、当該脈拍標準偏差に対応する脈波データの検出時刻に対応付けて蓄積する。

そして、以上の処理の対象となるデータが閾値以上のデータ数だけ蓄積されると（ステップＳ１３０，Ｙｅｓ）、睡眠状態判定部２６は、時間窓設定部２７によって設定された時間窓内の時刻を検出時刻とし、当該検出時刻に対応付けて蓄積されている自律神経指標、脈拍標準偏差および覚醒データに基づいて、睡眠状態を判定する（ステップＳ１３２）。次に、判定した睡眠状態を対応する検出時刻に対応付けて蓄積する。さらに、表示部１２は、判定結果を表示してもよい。

次に、現在時刻が起床時刻であり、かつこのときの睡眠状態がレム睡眠であると判定されると（ステップＳ１３４，Ｙｅｓ、ステップＳ１３６，Ｙｅｓ）、アラームを鳴らす（ステップＳ１３８）。

例えば、起床時刻として、朝６時〜８時の間が設定されている場合には、この時間内にレム睡眠と判定されたデータの検出時刻に、スピーカ１９にてアラームを鳴らすことができる。以上により、睡眠状態判定装置１０の睡眠状態判定処理が完了する。

図７は、図６を参照しつつ説明した体動データ取得処理（ステップＳ１０４）における詳細な処理を示すフローチャートである。

まず、加速度センサ１４１は、３軸方向の加速度を検出する（ステップＳ２００）。次に、体動計測部１４は、加速度センサ１４１が検出した加速度に基づいて、３軸方向の加速度データを時間微分し、３軸方向の加速度の微係数を算出する（ステップＳ２０２）。次に、３軸方向の加速度のそれぞれの微係数の二乗和の平方根である体動データの変動量を算出する（ステップＳ２０４）。次に、体動判定部２１１は、体動サンプリングデータ処理部２２から体動データを受け取り、体動の有無を判定する（ステップＳ２０６）。

具体的には、体動判定部２１１は、体動データの変動量が閾値より大きい場合に体動と判定する。閾値としては、例えば、体動計に使用されている微小な体動の最小値である０．０１Ｇを用いるのが好ましい。

任意の時間間隔である設定区間内に検出された加速度に対し、ステップＳ２００からステップＳ２０６の処理が完了すると（ステップＳ２０８，Ｙｅｓ）、体動判定部２１１は、設定区間における体動発生頻度を算出する（ステップＳ２１０）。ここで、本実施の形態においては、設定区間を１分間とする。

そして、覚醒判定部２１２は、体動判定部２１１によって判定された体動の発生頻度が閾値以上である場合に覚醒中の体動と判定する。また、体動の発生頻度が閾値未満である場合は睡眠中の体動と判定する。このときの閾値は、例えば２０回／分とするのが好ましい。なお、このときの閾値は、過去の覚醒時における体動発生頻度に基づいて決定してもよい。

次に、図６を参照しつつ説明したステップＳ１３０以降の処理について詳述する。Ｓ１３０において利用するデータ数に対する閾値は、時間窓設定部２７によって設定された時間窓に対応する値である。本実施の形態においては、１分間ごとに脈波を検出することとし、かつ時間窓として１００分が設定されている。したがって、ステップＳ１３０におけるデータ数の閾値は、１００である。すなわち、１００分間分の脈波データが蓄積されると、蓄積された１００分間分の脈波データに基づいて、睡眠状態の判定を行う。

図８は、時間窓について説明するための図である。本実施の形態にかかる時間窓設定部２７は、睡眠の１サイクルが入る時間間隔を時間窓として設定する。睡眠の１サイクルは９０分である。したがって、時間窓設定部２７は、９０分以上の時間間隔を時間窓として設定する。なお、図８に示す時間窓は１００分である。

睡眠状態判定部２６は、時刻ｔ１２が経過したときに、時刻ｔ１０を開始時刻とし時刻ｔ１２を終了時刻とする時間窓３１０内の自律神経指標に基づいて時間窓３１０の終了時刻であるｔ１２における睡眠状態を判定する。同様に、時刻ｔ２０を開始時刻とする時間窓３２０内の自律神経指標に基づいて時間窓３２０の終了時刻であるｔ２２における睡眠状態を判定する。本実施の形態においては、この睡眠状態を判定する時間間隔を２５分とする。

このように、２５分ごとに睡眠状態を判定することによりリアルタイムに睡眠状態を判定することができる。なお、リアルタイム性を重視する観点からは、睡眠状態を判定する時間間隔は、時間窓の間隔よりも小さくすることが好ましい。

図８において説明したように、本実施の形態においては時間窓よりも狭い時間間隔で時間窓を設定した場合には、任意の検出時刻における睡眠状態は、複数の時間窓に対する処理それぞれから判定されることとなる。この場合、各判定結果は異なる可能性がある。しかし、リアルタイム性を重視する観点からは、複数の時間窓に対する処理それぞれから判定される睡眠状態のうち、より遅い時刻を含む時間窓に対する処理により判定された睡眠状態を、当該時刻に対する睡眠状態とすることとするのが好ましい。すなわち、任意の時刻が経過したときに当該時刻を終了時刻とする時間窓における処理に基づいて当該時刻の睡眠状態を判定する。

図９は、睡眠中に得られた自律神経指標を示す図である。レム睡眠とノンレム睡眠は、自律神経指標と閾値との大小関係によって判別される。しかし、図９に示す例においては、時間の経過とともにレム睡眠およびノンレム睡眠のそれぞれに対応する自律神経指標の値が徐々に増加している。これは、サーカディアンリズムの影響によるものである。このように、自律神経指標のベース自体が増加している場合には、一定の値を閾値としてレム睡眠かノンレム睡眠かを判定したのでは、判定誤差が生じる可能性が高い。

また、自律神経の指標は、個人差の影響も受ける。したがって、この場合、２３時から５時までの自律神経指標の値を、すべて同一の閾値と比較することによりレム睡眠かノンレム睡眠かを判定したのでは、正確な睡眠状態を判別することができない。

そこで、本実施の形態においては、前述のように、一連の睡眠状態を、少なくとも睡眠の１サイクルを含む複数の時間窓単位ごとに閾値を定め、当該閾値に基づいて睡眠状態を判定することとする。これにより、サーカディアンリズムの影響等を排除し、より精度よく睡眠状態を判定することができる。

図１０は、図６において説明した睡眠状態判定処理（ステップＳ１３２）における睡眠状態判定部２６の詳細な処理を示すフローチャートである。なお、本実施の形態にかかる睡眠状態判定部２６は、特許請求の範囲に記載のクラスタリング手段および睡眠状態判定手段に対応する。

なお、本実施の形態においては、時間窓として１００分が設定されているので、１００分間分のデータに対する処理が行われる。すなわち、１００回の処理が行われる。

まず、ステップＳ１２２において任意の検出時刻に対応付けて蓄積された自律神経指標データと、ステップＳ１２６において同一の検出時刻に対応付けて蓄積された脈拍標準偏差とを平面座標に散布図プロットする（ステップＳ３００）。このプロットに対応する検出時刻と同一の検出時刻に対応付けてステップＳ１１０において蓄積された覚醒データがある場合には（ステップＳ３０２，Ｙｅｓ）、対応するプロットを散布図から削除する（ステップＳ３０４）。これにより、睡眠中のデータのみを対象として睡眠状態を判定することができる。したがって、より精度よく睡眠状態を判定することができる。

時間窓内のすべてのデータを散布図にプロットするまでステップＳ３００からステップＳ３０４までの処理を繰り返す（ステップＳ３０６，Ｙｅｓ）。本実施の形態においては、１００のデータを散布図にプロットするまで繰り返す。そして、散布図中のプロットをクラスタリングすることにより、睡眠状態を判定する（ステップＳ３０８）。

図１１は、クラスタリングによる睡眠状態判定処理（ステップＳ３０８）における詳細な処理を示すフローチャートである。

まず、Ｋ−平均アルゴリズムを用いて散布図を２クラスタに分割する（ステップＳ４００）。そして、クラスタの中心が原点に近い方のクラスタのクラスタＩＤを第１クラスタとする。また、クラスタの中心が原点から遠い方のクラスタのクラスタＩＤを第２クラスタとする。

そして、散布図にプロットされた各データに対し、クラスタＩＤを付与する（ステップＳ４０２）。このとき、クラスタＩＤの付与されないデータに対しては、覚醒データである旨を示すクラスタＩＤを付与する（ステップＳ４０４）。次に、クラスタＩＤが付与された１００のデータを時系列にソートする（ステップＳ４０６）。

時系列にソートされた各データに付与されたクラスタＩＤに基づいて、睡眠状態を判定する（ステップＳ４０８）。具体的には、第１クラスタのクラスタＩＤが付与されたデータに対応する検出時刻はノンレム睡眠の状態にあると判定される。また、第２クラス他のクラスタＩＤが付与されたデータに対応する検出時刻はレム睡眠の状態にあると判定される。

なお、本実施の形態にかかる睡眠状態判定処理は、例えば記憶部１３に格納されている睡眠状態判定プログラムにより実現されてもよい。睡眠状態判定プログラムは、インストール可能な形式又は実行可能な形式のファイルでＣＤ−ＲＯＭ、フロッピー（Ｒ）ディスク（ＦＤ）、ＤＶＤ等のコンピュータで読み取り可能な記録媒体に記録されて提供されてもよい。

この場合には、睡眠状態判定プログラムは、睡眠状態判定装置１０において上記記録媒体から読み出して実行することにより主記憶装置上にロードされ、上記ソフトウェア構成で説明した各部が主記憶装置上に生成されるようになっている。

また、本実施の形態の睡眠状態判定プログラムを、インターネット等のネットワークに接続されたコンピュータ上に格納し、ネットワーク経由でダウンロードさせることにより提供するように構成しても良い。

以上、本発明を実施の形態を用いて説明したが、上記実施の形態に多様な変更または改良を加えることができる。

そうした第１変更例としては、本実施の形態においては、睡眠状態判定として、レム睡眠とノンレム睡眠のいずれの状態であるかを判定したが、レム睡眠と、深いノンレム睡眠と、浅いノンレム睡眠の３つの睡眠状態を判定してもよい。

具体的には、散布図プロットを２つのクラスタに分割し、ノンレム睡眠にクラスタリングされたデータに対し、再度Ｋ−平均アルゴリズムを適用する。具体的には、ノンレム睡眠にクラスタリングされたデータについて、縦軸横軸共に自律神経指標データを用いてＫ−平均クラスタリングを行い平面座標上にプロットする。そして、原点に近い重心以下のプロットに対して、深いノンレム睡眠に対応するクラスタＩＤを付与する。また、これ以外のプロットに対して、浅いノンレム睡眠に対応するクラスタＩＤを付与する。

そして、クラスタＩＤが付与されたデータを時系列にソートすることにより、各検出時刻における睡眠状態を、レム睡眠、浅いノンレム睡眠、および深いノンレム睡眠のいずれであるか判定することができる。

なお、判定すべき睡眠状態は本実施の形態に限定されるものでなく、さらにノンレム睡眠をより細かく段階分けし、ノンレム睡眠の各段階まで判定してもよい。

また、第２の変更例としては、本実施の形態においては、Ｋ−平均アルゴリズムを用いたクラスタリングにより睡眠状態を判定したが、他の例としては、時間窓ごとに閾値を設定し、当該閾値との大小関係に基づいて、睡眠状態を判定してもよい。このとき、時間窓内のデータの平均値を閾値としてもよい。また他の例としては、時間窓内のデータの標準偏差に基づいて閾値を決定してもよい。

このように、時間窓ごとにデータを２つのグループに分割すればよく、その方法は、本実施の形態に限定されるものではない。

また、第３の変更例としては、本実施の形態においては、脳の活動状態の変化の程度を示す脳活動を反映する指標として自律神経の活動状態を示す自律神経指標を算出したが、これにかえて、心拍間隔を算出してもよい。

（実施の形態２）
次に、実施の形態２にかかる睡眠状態判定装置１０について説明する。図１２は、実施の形態２にかかる睡眠状態判定装置１０の時間窓設定部２７により設定された時間窓を示す図である。

実施の形態１にかかる睡眠状態判定装置１０は、リアルタイム性を考慮し、時間窓の時間間隔よりも短い時間間隔おきに時間窓を設定したが、実施の形態２においては、図１２に示すように、任意の時間窓の終了時刻が次の時間窓の開始時刻となるように時間窓を設定する。すなわち、本実施の形態においては、所定の時間窓に含まれる開始時刻についても、当該時間窓内のデータによる判定結果により睡眠状態を判定する。

これにより、実施の形態２にかかる睡眠状態判定装置１０は、実施の形態１にかかる睡眠状態判定装置１０に比べて処理量を軽減することができる。

なお、実施の形態２にかかる睡眠状態判定装置１０のこれ以外の構成および処理は、実施の形態１にかかる睡眠状態判定装置１０の構成および処理と同様である。

実施の形態１にかかる睡眠状態判定装置の全体構成を示すブロック図である。 睡眠状態判定装置１０の装着の一例を示す図である。 睡眠状態判定装置１０の装着の別の例を示す図である。 脈拍間隔データ算出部２３が脈拍間隔データを算出する算出方法を説明するための図である。 自律神経指標データ処理部２４がパワースペクトルの値から自律神経指標ＬＦ，ＨＦを取得する処理を説明するための図である。 本実施の形態にかかる睡眠状態判定装置１０による睡眠状態判定処理を示すフローチャートである。 図６を参照しつつ説明した体動データ取得処理（ステップＳ１０４）における詳細な処理を示すフローチャートである。 時間窓について説明するための図である。 睡眠中に得られた自律神経指標を示す図である。 図６において説明した睡眠状態判定処理（ステップＳ１３２）における詳細な処理を示すフローチャートである。 クラスタリングによる睡眠状態判定処理（ステップＳ３０８）における詳細な処理を示すフローチャートである。 実施の形態２にかかる睡眠状態判定装置１０の時間窓設定部２７により設定された時間窓を示す図である。

符号の説明

１０ 睡眠状態判定装置
１１ 入力部
１２ 表示部
１３ 記憶部
１４ 体動計測部
１５ 脈波計測部
１６ データ通信部
１７ 時刻計測部
１８ 電力供給部
１９ スピーカ
２１ 睡眠／覚醒判定部
２２ 体動サンプリングデータ処理部
２３ 脈拍間隔データ算出部
２４ 自律神経指標データ処理部
２５ 脈拍標準偏差算出部
２６ 睡眠状態判定部
２７ 時間窓設定部
３０ 制御部
１４１ 加速度センサ
１５１ 脈波センサ
２１１ 体動判定部
２１２ 覚醒判定部
２４１ 周波数スペクトル変換部
２４２ 自律神経指標取得部

Claims (13)

1. 被験者の睡眠状態を判定する睡眠状態判定装置であって、
   任意の単位時間ごとに、睡眠中の被験者の脳の活動状態の変化の程度を示す脳活動を反映する指標を計測する脳活動計測手段と、
   睡眠の１サイクルを含む時間枠内の前記単位時間ごとに前記脳活動計測手段が計測した前記脳活動を反映する指標に基づいて、当該時間枠に含まれる任意の時刻における睡眠状態を判定する睡眠状態判定手段と
   を備えたことを特徴とする睡眠状態判定装置。
2. 睡眠の１サイクルを含む前記時間枠内の前記単位時間ごとに前記脳活動計測手段が計測した複数の前記脳活動を反映する指標に基づいて、当該脳活動を反映する指標を２つのクラスタに分配するクラスタリング手段をさらに備え、
   前記睡眠状態判定手段は、前記時間枠に含まれる前記任意の時刻において前記脳活動計測手段によって計測された前記脳活動を反映する指標が前記クラスタリング手段によって分配されたクラスタに基づいて、前記任意の時刻における睡眠状態を判定することを特徴とする請求項１に記載の睡眠状態判定装置。
3. 前記脳活動計測手段は、前記脳活動を反映する指標として、被験者の自律神経活動状態を計測することを特徴とする請求項１または２に記載の睡眠状態判定装置。
4. 前記脳活動計測手段は、前記脳活動を反映する指標として、被験者の心拍の間隔を計測することを特徴とする請求項１または２に記載の睡眠状態判定装置。
5. 前記睡眠状態計測手段は、前記脳活動を反映する指標に基づいて、レム睡眠とノンレム睡眠のいずれの睡眠状態にあるかを計測することを特徴とする請求項１から４のいずれか一項に記載の睡眠状態判定装置。
6. 被験者が覚醒状態にあるか睡眠状態にあるかを判定する睡眠覚醒判定手段をさらに備え、
   前記睡眠状態計測手段は、前記単位時間のうち前記睡眠覚醒判定手段が前記睡眠状態にあると判定した時刻と同一の時刻に、前記脳活動計測手段が計測した前記脳活動を反映する指標に基づいて、睡眠状態を判定することを特徴とする請求項１から５のいずれか一項に記載の睡眠状態判定装置。
7. 被験者の体の動きを検出する体動検出手段をさらに備え、
   前記睡眠判定手段は、前記体動検出手段の検出結果に基づいて覚醒状態にあるか睡眠状態にあるかを判定することを特徴とする請求項６に記載の睡眠状態判定装置。
8. 前記体動検出手段は、被験者の動作の加速度を測定する加速度センサであることを特徴とする請求項７に記載の睡眠状態判定装置。
9. 前記体動検出手段は、被験者の動作により生じる圧力を測定する圧力センサであることを特徴とする請求項７に記載の睡眠状態判定装置。
10. 前記時間枠よりも狭い時間間隔おきに複数の時間枠を設定する時間枠設定手段をさらに備え、
    前記睡眠状態判定手段は、任意の時刻が複数の時間枠に含まれている場合には、当該複数の時間枠のうち最も遅い時刻を含む時間枠内において前記脳活動計測手段が計測した前記脳活動を反映する指標に基づいて前記任意の時刻における睡眠状態を判定することを特徴とする請求項１から９のいずれか一項に記載の睡眠状態判定装置。
11. 前記時間枠よりも狭い時間間隔おきに複数の時間枠を設定する時間枠設定手段をさらに備え、
    前記睡眠状態判定手段は、前記任意の時刻が経過したときに、当該任意の時刻を時間枠の最も遅い時刻とする時間枠内の前記単位時間ごとに前記脳活動計測手段が計測した前記脳活動を反映する指標に基づいて、当該所任意の時刻における睡眠状態を判定することを特徴とする請求項１から９のいずれか一項に記載の睡眠状態判定装置。
12. 被験者の睡眠状態を判定する睡眠状態判定方法であって、
    任意の単位時間ごとに、睡眠中の被験者の脳の活動状態の変化の程度を示す脳活動を反映する指標を計測する脳活動計測ステップと、
    睡眠の１サイクルを含む時間枠内の前記単位時間ごとに前記脳活動計測ステップにおいて計測した前記脳活動を反映する指標に基づいて、当該時間枠に含まれる任意の時刻における睡眠状態を判定する睡眠状態判定ステップと
    を有することを特徴とする睡眠状態判定方法。
13. 被験者の睡眠状態を判定する睡眠状態判定処理をコンピュータに実行させる睡眠状態判定プログラムであって、
    任意の単位時間ごとに計測された、睡眠中の被験者の脳の活動状態の変化の程度を示す脳活動を反映する指標を取得する脳活動指標取得ステップと、
    前記脳活動指標取得ステップにおいて取得した前記脳活動を反映する指標のうち、睡眠の１サイクルを含む時間枠内の前記単位時間ごとに計測された前記脳活動を反映する指標に基づいて、当該時間枠に含まれる任意の時刻における睡眠状態を判定する睡眠状態判定ステップと
    を有することを特徴とする睡眠状態判定プログラム。

Images