JP2008104528A - 睡眠評価方法、睡眠評価装置、睡眠評価システム - Google Patents

Abstract

【課題】睡眠中に被験者への負担を大きくすることなく、睡眠状態を高精度に、リアルタイムに推定する。
【解決手段】圧電センサより収集した心拍データより、フィルタ処理を行い、脈波拍動成分データを抽出する（Ｓ１）。次に、脈波拍動成分のカオス解析によるリアプノフ指数により「脳の眠り度」を測定する（Ｓ４）。また、心拍数変動性ＨＲＶ（Heart Rate Variability）解析により「体の眠り度」を測定する（Ｓ７）。この結果、両者の相対的関係からレム睡眠とノンレム睡眠に相当する睡眠状態を推定する（Ｓ８）。さらに、脈波拍動成分データのカオス理論によるアトラクタ表示とリカレンスプロット表示により睡眠の質をグラフィカルなイメージとして表示する。
【選択図】図３

Description

本発明は、特に睡眠中の生体情報に基づいて睡眠状態を推定し該睡眠状態を表示する睡眠評価方法、睡眠評価装置、睡眠評価システムに関する。

近年の脳科学の進歩により、睡眠の重要性が広く認識されるようになってきた。質のよい睡眠は、脳機能だけでなく身体諸機能を健常に保つために必要不可欠であり、生活の質を向上させるために重要である。「よりよく眠る」ことは「よりよく生きる」ことに通ずる。
そこで、一般の家庭でも日々の睡眠の質について評価をして、質の良い睡眠を行いたいというニーズが生まれてきた。

ここで、ヒトの睡眠について説明する。
人間の大脳は非常に発達しているためにレム睡眠とノンレム睡眠が分化し、それぞれが異なる役割を分担している。
レム睡眠は、閉じたまぶたの下で眼球がきょろきょろ動く急速眼球運動（Rapid Eye Movement）という言葉から由来している。レム睡眠時の脳は、覚醒に近い状態になっていて夢を見ていることが多いが、身体の動作は抑制されている状態である。また、脈拍、呼吸、血圧などの自律神経機能が不規則に変化することから、身体は覚醒時とは異なる様式で活動している。
ノンレム睡眠は、レム睡眠ではない眠りのことであり、いわゆる安らかな眠りである。このノンレム睡眠中は、身体の筋肉の緊張は比較的保たれており、脈拍、呼吸、血圧などの自律神経機能は安定している。
さらに細かく調べると、ノンレム睡眠は、脳波をもとに４段階に分けられ、それぞれ浅いまどろみの状態からぐっすり熟睡している状態に対応していることが分かっている。

現在、医学的に認められ、臨床応用されている睡眠状態を判定する方法は、睡眠ポリグラフ（Polysomnography：ＰＳＧ）法である。睡眠ポリグラフ法では、脳波、眼球運動とオトガイ筋電を測定し、それらの波形から睡眠状態を判定することができる。
しかしながら、脳波、筋電等を測定する方法は、被験者の身体に電極を装着する必要があり、被験者にとっての負担は非常に大きい。このため、一般家庭で脳波、筋電等を測定することは不可能である。

そこで、睡眠ポリグラフに代わる簡易的方法で睡眠状態を推測する方法が、いくつか考案されている。
そのような方法として、脈拍数から算出されたトレンドから推定する方法、心拍のゆらぎを解析し交感神経活動と副交感神経活動の自律神経活動に基づいて睡眠状態を判定する方法（特許文献１を参照）等がある。
特開２００６−１９２１５２号公報

しかしながら、特許文献１の方法（以下、従来手法１とする。）においては、色々な改善が行われているが、睡眠ポリグラフ法に比べると、精度的には大きく劣っているという問題を有していた。
さらに、推定した睡眠状態について、被験者に分かりやすく表示する方法が存在しなかった。

本発明は、上記に鑑みてなされたものであって、上記問題点を解決する技術を提供することを課題とする。

請求項１に記載の発明は、検出手段より得られた原信号から脈波拍動成分データを抽出し、前記脈波拍動成分データからカオス解析し、該カオス解析の結果からリアプノフ指数又は該リアプノフ指数の変化パターンから脳の眠り度を測定し、前記脈波拍動成分データから心拍数時系列データの心拍数変動性ＨＲＶ解析し、該ＨＲＶ解析の結果からＬＦ／ＨＦ成分から体の眠り度を測定することを特徴とする睡眠評価方法であることを特徴とする。
請求項２に記載の発明は、前記体の眠り度と、前記脳の眠り度について、前記体の眠り度が高く、前記脳の眠り度が低い場合にレム睡眠に相当する睡眠状態と判定し、それ以外の場合はノンレム睡眠に相当する睡眠状態と判定することを特徴とする請求項１に記載の睡眠評価方法であることを特徴とする。
請求項３に記載の発明は、前記睡眠状態の判定は、リアルタイムで、又は保存された前記脈波拍動成分データをもとに所定の時刻について行うことを特徴とする請求項２に記載の睡眠評価方法であることを特徴とする。
請求項４に記載の発明は、前記カオス解析によるアトラクタ表示又はリカレンスプロット表示を、睡眠の質又は睡眠状態としてイメージ描画することを特徴とする請求項１乃至３のいずれか１つに記載の睡眠評価方法であることを特徴とする。
請求項５に記載の発明は、検出手段より得られた原信号から脈波拍動成分データを抽出する脈波拍動成分データ抽出手段と、カオス解析をするカオス解析手段と、リアプノフ指数又は該リアプノフ指数の変化パターンから脳の眠り度を評価する脳の眠り度測定手段と、心拍数時系列データの心拍変動性ＨＲＶ解析をする心拍変動性ＨＲＶ解析手段と、体の眠り度を測定する体の眠り度測定手段と、前記体の眠り度と前記脳の眠り度を表示する表示手段を含むことを特徴とする睡眠評価装置であることを特徴とする。
請求項６に記載の発明は、前記体の眠り度と、前記脳の眠り度について、前記体の眠り度が高く、前記脳の眠り度が低い時にレム睡眠に相当する睡眠状態と判定し、それ以外の場合はノンレム睡眠に相当する睡眠状態と判定する睡眠状態評価手段をさらに含むことを特徴とする請求項５に記載の睡眠評価装置であることを特徴とする。
請求項７に記載の発明は、前記カオス解析によるアトラクタ表示又はリカレンスプロット表示を、睡眠の質又は睡眠状態としてイメージ描画するイメージ描画手段をさらに含むことを特徴とする請求項５又は６に記載の睡眠評価装置であることを特徴とする。
請求項８に記載の発明は、請求項５乃至７のいずれか１つに記載の睡眠評価装置を含むことを特徴とする睡眠評価システムであることを特徴とする。
請求項９に記載の発明は、ネットワーク手段とサーバ手段をさらに含むことを特徴とする請求項８に記載の睡眠評価システムであることを特徴とする。

本発明の睡眠評価方法、睡眠評価装置、睡眠評価システムによれば、睡眠状態を表す体の眠り度と脳の眠り度を判定することにより、レム睡眠とノンレム睡眠に関する判定を行うことができる。
また、カオス理論によるアトラクタ表示、リカレンスプロット表示によるイメージ画像で、眠りの質を視覚的に表現することができる。

以下、本発明の実施の形態について図面を参照して詳しく説明する。
まずは、図１に示すように、マットレスやベッド、布団、枕、クッション、座布団、ソファーなどである寝具２に、圧電センサ１が装備されており、該圧電センサの原信号の出力が、測定装置３に入力される。測定装置３は、脈波信号から各種処理を行い、被験者の睡眠の評価を行って、表示部であるパソコン４に該評価を表示する。

次に、図２に示すように、圧電センサ１は、被験者の脈波を取得することができる圧電センサであり、アナログ回路において、電源ノイズ等をカットして、生体の心臓の拍動による成分、すなわち１Ｈｚ付近を通過させるハイパスフィルタとローパスフィルタを通しながら増幅した後、５００Ｈｚ、１２bitでＡ／Ｄ（アナログ／デジタル）変換を行う。
測定装置３は、脈波拍動成分データ抽出部１１と、カオス解析部１２と、脳の眠り度測定部１３と、ＨＲＶ解析部１４と、体の眠り度測定部１５と、睡眠状態評価部１６から構成される。また、図示されない制御部や記憶部により各部のデータが制御され、一時的に蓄積される。脈波拍動成分データ抽出部１１は、圧電センサ１より得られた原信号から脈波拍動成分データを抽出する。カオス解析部１２は、各種のカオス解析を行う。脳の眠り度測定部１３は、このカオス解析の結果であるリアプノフ指数又は該リアプノフ指数の変化パターンから脳の眠り度を評価する。ＨＲＶ解析部１４は、心拍数時系列データの心拍変動性ＨＲＶ（heart rate variability）解析をする。体の眠り度測定部１５は、このＨＲＶ解析の結果より体の眠り度を定量的に評価する。睡眠状態評価部１６は、脳の眠り度と体の眠り度とから睡眠状態を判定する。
また、睡眠の評価を表示する表示部４は、ＰＣ等のインテリジェントな表示機能を持った装置であり、グラフィカルで視覚効果が高い睡眠評価の表示を行う。

次に、本発明の実施の形態における睡眠評価装置のデータ解析時における動作について、図３のフローチャートを参照して詳しく説明する。
まず、ステップＳ１において、脈波拍動成分データ抽出部１１が、圧電センサの原信号に対して、フィルタ処理を行う。この処理においては、測定装置３がデジタル化されたデータに対して０．７Ｈｚ〜１．４Ｈｚを通過させるＦＩＲバンドパスフィルタを通して、１Ｈｚ付近の心臓の拍動による脈波拍動成分データを抽出する。

ここからフローチャートでは、ターケンスの定理による多次元相空間へ埋め込むカオス解析と、ピーク検出を行うピーク解析の２つに大きく分かれるが、紙面右側の流れであるカオス解析から先に説明する。

ステップＳ２においては、カオス解析部１２が、ターケンスの定理により多次元相空間に脈波拍動成分データを埋め込むカオス解析を行う。
ターケンスの定理とはカオス解析で一般的に用いられる手法である。図４にターケンスの埋め込みの概要を示す。時系列データをｘ(k) （k=0,1,2,3…）とし、m個の状態変数を復元しようとするとき、遅れ時間τを用いて、ベクトルx(i)={x(i),x(i+τ),x(i+2τ),……x(i+mτ)}を作る。例えば、状態変数の個数が３個の場合は、 x(i)={x(i),x(i+τ),x(i+2τ)}となる。
この、τはパラメータであり、埋込遅延時間と呼ばれる。このベクトルx(i)を、３次元状態空間内（座標軸はx(i), x(i+τ)および x(i+2τ)）に順次プロットしていくと（ｉ=0,1,2,…,n）、図４の右側のような軌道が得られる。この軌道の形がアトラクタと呼ばれる。
ここで計算された軌道については、後述する本発明の他の実施形態で、「眠りアート」を表示するのに使用することができる。

次に、ステップＳ３において、カオス解析部１２がリアプノフ指数λを計算する。
リアプノフ指数は、カオス指標の一つであり、カオスの初期値依存性の程度を指数で示した数値で、アトラクタが描く軌道のうち、近接した２本の軌道間の距離が、時間経過に伴って離れていく度合いを示す量である。

リアプノフ指数λの計算には、Ｗｏｌｆ法、Ｋａｎｔｚ法などがあるが、計算スピードと精度の面から、Ｓａｎｏ−Ｓａｗａｄａ（佐野−沢田）法による近似的な計算手法を用いる。
図５にＳａｎｏ−Ｓａｗａｄａ（佐野−沢田）法のリアプノフ指数計算アルゴリズムについて、３次元の場合の概念図を示す。３次元のカオス力学系に初期値として半径εの微小球（超球）を与えたとすると、最初は球であったものが１回写像されることによって、ｅ１ 方向に引き延ばされ、ｅ３ 方向に押し潰される結果、楕円体となる。このときのｅ１、ｅ２、ｅ３ 方向に対する単位時間当たりの拡大率の対数をλ１、λ２、λ３ とすると、このλ１、λ２、λ３ をリアプノフ指数といい、これらの組をリアプノフスペクトルという。実際には、アトラクタの全点について、この超球を計算する操作を繰り返し、それらの総和の平均よりリアプノフスペクトルを算出する。
リアプノフ指数とは、通常、リアプノフスペクトルの第一成分のことを意味し、リアプノフスペクトルの第一成分であるので「第一リアプノフ指数」、「最大リアプノフ指数」とも呼ばれるが、本発明では「リアプノフ指数」と表現する。

また、本発明の実施形態に係る睡眠評価装置においては、スライディング計算により、リアプノフ指数λの計算を行う。
図６のスライディング計算の例を参照すると、スライディング計算とは、時間幅としてウィンドウ幅Ｗ、スライド点数Ｓとして、データの最初の点からスタートしてＷ点のすべてのデータを用いてある処理を行い、次に、データの最初の点からＳ点スライドした点からＷ点のすべてのデータを用いて同じ処理を行うということを繰り返す処理である。これにより、ウィンドウ幅Ｗの約半分の時間遅れで、計算結果を表示することができる。

次に、ステップＳ４において、脳の眠り度測定部１３が、リアプノフ指数λから「脳の眠り度」を計算する。
最近の指先脈波カオス解析の研究成果では、脈波拍動成分データのカオス解析によるリアプノフ指数λの値は、中枢である脳の情動、興奮、抑制の働きを反映していることが示唆されている。
すなわち、脈波拍動成分データのリアプノフ指数λの値が大きいほど脳が興奮していて、リアプノフ指数λの値が小さいほど、脳の活動が抑制されていると考えられる。
ゆえに、リアプノフ指数λが小さいほど「脳の眠り度」は深く、リアプノフ指数λが大きいほど、「脳の眠り度」は浅いとする。
本発明の実施形態に係る装置においては、この「脳の眠り度」について、上述のリアプノフ指数λを３つの閾値を設けて４段階で計算して、測定結果とする。
図７は、この４段階で表した「脳の眠り度」の計算例を示す。後述の表示部においては、この計算例の通りに「脳の眠り度」を表示することも可能である。

次に、図３のフローチャートにおいて、紙面の左の流れであるピーク解析について説明する。
まず、ステップＳ５において、ＨＲＶ解析部１４が脈波拍動成分データからピークを検出し、心電図のＲ−Ｒ間隔に相当するＰ−Ｐ間隔データを作成する。
このＲ−Ｒ間隔とＰ−Ｐ間隔との関係について、図８を参照して説明すると、心電図上の一拍であるＲ−Ｒ間隔とＰ−Ｐ間隔は、ピークの位置はずれるもののお互いに対応している。
このＰ−Ｐ間隔データを用いて心拍数変動性ＨＲＶ解析のＨＦ、ＬＦ解析のスライディング計算を行う。スライディング計算に関しては、上述のリアプノフ指数λのスライディング計算と同様に行う。

次に、ステップＳ６において、ＨＲＶ解析部１４が上述の脈波拍動成分データについてピーク解析のＨＲＶ解析を行う。ＨＲＶ解析とは、心拍変動解析のことである。
まず、Ｐ−Ｐ間隔の離散値を線形補間により補間して、補間後の曲線にＦＦＴ（高速フーリエ変換）処理を施してスペクトル分析を行い、心拍変動成分を周波数軸上のピークとして取り出す。
図９（ａ）を参照すると、Ｐ−Ｐ間隔の変動波形、およびＲ−Ｒ間隔から変動波形を上記３つの周波数成分に分解した場合の各変動成分の波形を示している。このＲ−Ｒ間隔の変動波形と同様に、Ｐ−Ｐ間隔からも各周波数成分が取り出せる。

ここで、ＨＲＶ解析部１４は上記のピークから「ＬＦ／ＨＦ」を取り出す。
まず、上述の心拍変動のスペクトル分析を行うと、変動が複数の周波数の波から構成されていることがわかる。これらは以下に示す３種類の変動成分に区分される。
１．呼吸に一致した変動であるＨＦ（High Frequency）成分
２．１０秒前後の周期で変動するＬＦ（Low Frequency）成分
３．測定限界よりも低い周波数で変動するトレンド（Trend）成分
図９（ｂ）は、図９（ａ）に示したＰ−Ｐ間隔の変動波形に対するスペクトル分析の結果である。
この図からわかるように、０．０７Ｈｚ付近、０．２５Ｈｚ付近の２つの周波数においてピークが見られる。前者がＬＦ成分であり後者がＨＦ成分である。なお、トレンドの成分は測定限界以下であるため図からは読み取れない。

次に、ステップＳ７において、体の眠り度測定部１５が、このＬＦ成分とＨＦ成分より、「体の眠り度」を計算する。
まず、上述のＬＦ成分は交感神経の緊張度の度合いを表しており、本成分の振幅が大きいほど緊張度が増していることとなる。
一方、ＨＦ成分は副交感神経の緊張度の度合いを表しており、本成分の振幅が大きいほどリラックスしていることを意味する。
ＬＦ成分およびＨＦ成分の振幅値には個人差があるので、このことを考慮した場合、ＬＦ成分とＨＦ成分の振幅比であるＬＦ／ＨＦが、被験者の緊張度の推定に有用である。
つまり、ＬＦ／ＨＦの値が大きいほど緊張の度合いが高く、ＬＦ／ＨＦの値が小さいほど緊張の度合いは低くリラックスしていると言える。

ここで、ＬＦ／ＨＦの値が小さいほどリラックスしているので「体の眠り度」が深いとし、ＬＦ／ＨＦの値が大きいほど緊張しているので「体の眠り度」は浅いとする。
本発明の実施形態に係る装置においては、この「体の眠り度」について、「脳の眠り度」と同様に、ＬＦ／ＨＦを３つの閾値を設けて４段階で計算して測定結果とする。
この「体の眠り度」について、４段階のレベルで表示した例を図１０に示す。

最後に、ステップＳ８において、睡眠状態評価部１６が「体の眠り度」と「脳の眠り度」を用いて、レム睡眠、ノンレム睡眠に対応する睡眠状態の評価を行う。
一般的に、ノンレム睡眠は、身体の姿勢を保つ筋肉（抗重力筋、姿勢筋）の緊張は保たれていて体は起きているのに脳が眠っている状態で、夢はほとんど見ていない状態である。
逆に、レム睡眠は、身体の姿勢を保つ筋肉の緊張がほとんどなくなって体は眠っているのに、脳が起きているような状態で、夢を見ている状態だと言われている。
そこで、「体の眠り度」が小さく「脳の眠り度」が大きい時がノンレム睡眠、逆に「体の眠り度」が大きく「脳の眠り度」が小さい時がレム睡眠であると推測できる。
このようなノンレム睡眠とレム睡眠に対応する睡眠状態の評価を、睡眠状態評価部１６が表示部４に出力する。
これにより、睡眠状態評価の一連のシーケンスが終了する。

以上のステップは、リアルタイムで、又は保存された前記脈波拍動成分データをもとに所定の時刻について行うことができる。

以上のように構成することにより、以下のような顕著な効果が生じる。
まず、従来の方法では自律神経の働きのみから、眠りの深さ、睡眠状態、レム睡眠、ノンレム睡眠を推定していた。
しかし、本発明の実施の形態に係る睡眠評価装置においては、自律神経の緊張／リラックスから「体の眠り度」、中枢である脳の情動／興奮／抑制から「脳の眠り度」を数値化し、両者の関係から、レム睡眠、ノンレム睡眠を推定する。
つまり、「体の眠り度」だけでなく「脳の眠り度」という指標を導入したことにより、被験者に負担をかけることなく、これまでより精度が高く睡眠状態の判定をすることができる。

また、従来技術のカオス理論のリアプノフ指数計算は心拍数の時系列に対してのものであり、１つの指標を算出するのに、１５分程度の長さのデータが必要であったため、リアルタイムに結果を算出することはできなかった。
実際、リアプノフ指数の計算を行うには十分な数の測定点が必要で、１つのリアプノフ指数λを求めるためには、約１５分間のデータが必要であった。このため、リアルタイムに結果を算出することは困難であった。
しかし、本発明の実施の形態に係る手法では、スライディング計算を行うことにより、リアルタイムに、任意の単位時間ごとに睡眠の評価をすることができる。

また、生体データのカオス解析はＰ−Ｐ間隔時系列データを対象とするだけでなく、脈波拍動成分の時系列データや心電の時系列データなどを直接用いて計算することができることがわかっている。
そこで、脈波拍動成分データのリアプノフ指数λの計算を行えば、1分〜２分程度の時系列データでひとつの指数を算出することが可能である。すなわち、スライディング計算による時間遅れを１分程度に抑えることができる。
なお、このスライディング計算においては、ノイズの多いデータについては、５分以下のデータは破棄して計算を行うことが望ましい。また、５分以上のデータに関しては、前後のデータから補完することができる。さらに、ノイズの多いデータは寝返りを打った際に記録されることが多いので、このノイズの回数を数えることで寝返り回数を測定することができる。

さらに、「体の眠り度」と「脳の眠り度」を同時に計算することができるため、この結果をグラフとして描き、睡眠の状態をさらに詳しく判定することができる。
図１１は、このグラフの例であり、体の眠り度を４段階として横軸に取り、脳の眠り度を４段階として縦軸に取って描いた。
該グラフの右下（脳の眠り度が１〜２で、体の眠り度が３〜４）の象限がレム睡眠となり、これ以外の数値の場合がノンレム睡眠となる。

ここで、本発明の実施の形態に係る装置では、上述のようにリアルタイムで「体の眠り度」と「脳の眠り度」の測定をすることができるため、睡眠の状態が変化した場合、通報するシステムを作成することができる。
さらに、上述のグラフのノンレム睡眠は３つの象限に渡っているため、これらを別々の眠りの状態として評価することで、睡眠に対する新たな知見を得られる可能性がある。
また、このグラフを見ることにより、被験者がどういう睡眠の状態なのかを、観察者がチェックすることができる。これにより、たとえば、夫の睡眠状態を妻がチェックする、あるいは、妻の睡眠状態を夫がチェックすることができる。
妻の、快適な目覚めの時間に起こしたり、睡眠の質についてチェックすることができる。
さらに、脈波拍動成分データのカオス理論によるリアプノフ指数は、上位中枢である脳の情動に関する活動を反映していることも解ってきたため（清野健、山本義春著『ゆらぎの科学と技術―フラクチュオマティクス入門―』東北大学出版会 ２００４年発行、Ｐ７１〜Ｐ９０、参照）、被験者の心理状態について知る手がかりも得られる。
すなわち、良い夢を見るように、レム睡眠中に匂い等の刺激を与えるシステムも作ることができる。

さらに、一晩の「体の眠り度」と「脳の眠り度」の平均から、ノンレム睡眠とレム睡眠に相当する睡眠の量を測定することで、被験者の睡眠が快適であったかを知る手がかりが得られる。
また、上述のグラフがリアルタイムに変化する様子を時間重層的に描くこともでき、このパターンから睡眠の質の変化を評価するシステムを構築することも考えられる。
たとえば、レム睡眠とノンレム睡眠は、９０分サイクルで一晩に４回あることが健康的に望ましいと一般的に言われているが、これが正しいかどうか、データを簡単に取ることができる。

＜他の実施の形態＞
上述の本発明の実施の形態に係る睡眠評価装置の出力は、図７と図１０のように、グラフを表示できれば十分であるが、これをさらにグラフィカルで変化に富んだかたちで出力することができる。この表示方法の例を本発明の他の実施の形態に係る例として図１２を参照して説明する。
図１２の上の３つは、アトラクタ表示の例である。多次元のアトラクタ軌道データを３次元へ投影し、第３の次元の値を暖色〜寒色の色の情報としてカラーでグラフィック表示する。
図１２の下の３つは、リカレンスプロット表示と呼ばれるものであり、アトラクタの構造を可視化する手法である。リカレンスプロットとは、アトラクタ上の各点間の相関関係を視覚化するものであり時系列信号の持つ非定常性の検出にも優れている方法である。
リカレンスプロットを作るためには、まず、一辺の長さがアトラクタ上の点の総数Ｎとなるような２次元画像を用意する。次に、アトラクタ上の２点間距離D(i, j) = |v(i) - v(j)| を計算する。このD(i, j) に基づいて作成されるＮ×Ｎ画素の画像がリカレンスプロットである。このリカレンスプロットを暖色〜寒色のカラーの色でグラフィック表示する。
上述のアトラクタ表示とリカレンスプロット表示もスライディング計算を行い、リアルタイムに任意の時間における情報を表示する。

以上のように構成することにより、以下のような顕著な効果が生じる。
まず、アトラクタ表示の画像とリカレンスプロット表示を数値的ではなく画像として示すことにより、イメージとして人間の感覚に訴えることができる。いわば、眠りの美術、「眠りアート」を表現できる。
例えば、図１２の場合、覚醒が近く「体の眠り」と「脳の眠り」がそれぞれ浅い「浅いねむり」、ノンレム睡眠に相当する「深いねむり」、レム睡眠に相当する「夢見のねむり」の状態のときにそれぞれアトラクタ表示とリカレンスプロット表示を行った。この３つの睡眠状態の表示は、それぞれ、まったく違うパターンを描いていることが分かる。
このような表示の変化のおもしろさにより、被験者の睡眠への興味を引きつけ、睡眠と健康に関して考えるきっかけとなることが期待できる。
さらに、この「眠りアート」は慣れれば直感的に睡眠の状態が理解できるという実用性がある。すなわち、日常的に「眠りアート」を観察していると、睡眠状態が異常であればすぐに気づくため、予防医療に関する効果が期待できる。
また、この「眠りアート」には、上述の睡眠評価の時間的な変化のグラフを付け加えて表示することができる。

なお、上記実施の形態の構成及び動作は例であって、本発明の趣旨を逸脱しない範囲で適宜変更して実行することができることは言うまでもない。
例えば、本発明の実施の形態では寝具に装備したセンサは圧電センサとしたが、他の種類の圧力センサ、脈波センサ、又は心電センサであってもよい。また、寝具も、毛布や羽毛布団等の様々な素材を用いることができる。

以上、本発明に係る睡眠評価方法、睡眠評価装置、睡眠評価システムは、日常生活で手軽に使用でき、精度の高い睡眠状態推定に有用であり、寝具メーカーなどでは寝心地が良い寝具の開発、改良に役立つ。
また、毎日の睡眠時のデータから健康度を推定できるので、測定者が手間を取られることがなく健康チェックを行うことができる。さらに、一般の家庭で、日々の睡眠の質について評価を行い、質の良い睡眠を行う手助けとなる。
また、健常者の健康度チェックだけでなく、病院施設の入院患者のデータを測定し、データを解析しながら、投薬することにより、医学的にも新しい治療法として利用できる可能性がある。
さらに、「眠りアート」により眠りの状態を視覚に訴えることができる。

本発明の実施の形態に係る睡眠評価装置の説明する図である。 本発明の実施の形態に係る睡眠評価装置のブロック図である。 本発明の実施の形態に係る解析時の動作を示すフローチャートである。 本発明の実施の形態に係るターケンスの定理によるアトラクタ埋め込みを説明する図である。 本発明の実施の形態に係るリアプノフ指数計算アルゴリズムの説明する図である。 本発明の実施の形態に係るスライディング計算を説明する図である。 本発明の実施の形態に係る「脳の眠り度」結果グラフの例を示す図である。 本発明の実施の形態に係るＲ−Ｒ間隔とＰ−Ｐ間隔の説明する図である。 本発明の実施の形態に係る（ａ）Ｒ−Ｒ間隔変動と該変動を構成する周波数成分の関係を示す図である。（ｂ）Ｒ−Ｒ間隔変動のスペクトル分析を行った結果を示す図である。 本発明の実施の形態に係る「体の眠り度」結果グラフの例を示す図である。 本発明の実施の形態に係る「脳の眠り度」と「体の眠り度」のグラフの例を示す図である。 本発明の他の実施の形態に係る「眠りアート」の表示例を示す図である。

符号の説明

１ 圧電センサ （検出手段）
２ 寝具
３ 測定装置
４ 表示部 （表示手段、イメージ描画手段）
１１ 脈波拍動成分データ抽出部 （脈波拍動成分データ抽出手段）
１２ カオス解析部 （カオス解析手段）
１３ 脳の眠り度測定部 （脳の眠り度測定手段）
１４ ＨＲＶ解析部 （心拍変動性ＨＲＶ解析手段）
１５ 体の眠り度測定部 （体の眠り度測定手段）
１６ 睡眠状態評価部 （睡眠状態評価手段）

Claims (9)

1. 検出手段より得られた原信号から脈波拍動成分データを抽出し、
   前記脈波拍動成分データからカオス解析し、
   該カオス解析の結果からリアプノフ指数又は該リアプノフ指数の変化パターンから脳の眠り度を測定し、
   前記脈波拍動成分データから心拍数時系列データの心拍数変動性ＨＲＶ解析し、
   該ＨＲＶ解析の結果からＬＦ／ＨＦ成分から体の眠り度を測定する
   ことを特徴とする睡眠評価方法。
2. 前記体の眠り度と、前記脳の眠り度について、前記体の眠り度が高く、前記脳の眠り度が低い場合にレム睡眠に相当する睡眠状態と判定し、それ以外の場合はノンレム睡眠に相当する睡眠状態と判定することを特徴とする請求項１に記載の睡眠評価方法。
3. 前記睡眠状態の判定は、リアルタイムで、又は保存された前記脈波拍動成分データをもとに所定の時刻について行うことを特徴とする請求項２に記載の睡眠評価方法。
4. 前記カオス解析によるアトラクタ表示又はリカレンスプロット表示を、睡眠の質又は睡眠状態としてイメージ描画することを特徴とする請求項１乃至３のいずれか１つに記載の睡眠評価方法。
5. 検出手段より得られた原信号から脈波拍動成分データを抽出する脈波拍動成分データ抽出手段と、
   カオス解析をするカオス解析手段と、
   リアプノフ指数又は該リアプノフ指数の変化パターンから脳の眠り度を評価する脳の眠り度測定手段と、
   心拍数時系列データの心拍変動性ＨＲＶ解析をする心拍変動性ＨＲＶ解析手段と、
   体の眠り度を測定する体の眠り度測定手段と、
   前記体の眠り度と前記脳の眠り度を表示する表示手段とを含む
   ことを特徴とする睡眠評価装置。
6. 前記体の眠り度と、前記脳の眠り度について、前記体の眠り度が高く、前記脳の眠り度が低い時にレム睡眠に相当する睡眠状態と判定し、それ以外の場合はノンレム睡眠に相当する睡眠状態と判定する睡眠状態評価手段をさらに含む
   ことを特徴とする請求項５に記載の睡眠評価装置。
7. 前記カオス解析によるアトラクタ表示又はリカレンスプロット表示を、睡眠の質又は睡眠状態としてイメージ描画するイメージ描画手段をさらに含むことを特徴とする請求項５又は６に記載の睡眠評価装置。
8. 請求項５乃至７のいずれか１つに記載の睡眠評価装置を含むことを特徴とする睡眠評価システム。
9. ネットワーク手段とサーバ手段をさらに含むことを特徴とする請求項８に記載の睡眠評価システム。

Images