JP2010162341A - 睡眠段階自動判定システム及び睡眠段階自動判定方法 - Google Patents

Abstract

【課題】被験体の睡眠段階の自動判定において、その判定精度の向上を実現する。
【解決手段】被験体２００の頭部に設置された電極１１１を介して当該被験体の脳波を測定する脳波計１１０と、脳波計１１０で測定された脳波の時系列データに対して周波数解析を行って、当該脳波の各周波数におけるスペクトルを求める周波数解析部１２２と、周波数解析部１２２で求められたスペクトルに基づいて、被験体２００の脳波の所定周波数領域における指数スペクトルの傾きを算出する算出部１２３と、算出部１２３で算出された指数スペクトルの傾きに基づいて、脳波計１１０で脳波を測定した際の被験体２００における睡眠段階を判定する睡眠段階判定部１２５を具備する。
【選択図】図２

Description

本発明は、被験体の睡眠段階を自動で判定する睡眠段階自動判定システム及び睡眠段階自動判定方法に関するものである。

被験体（被験者）の睡眠段階の判定における最も一般的な方法としては、国際判定基準（下記の非特許文献１参照）に基づいて、測定者が、被験体の脳波などの被験体情報の特徴的な波形を視覚的に定量化する方法、即ち、視覚判定法がある。この視覚判定方法では、終夜睡眠ポリグラフ（ＰＳＧ）などの高価な機器を用いて、被験体から睡眠中の脳波や、表面筋電位、眼球運動、心拍、体位などの被験体情報を同期して採得し、これを睡眠認定検査技師や専門医などの測定者が膨大な労力と時間を費やして解析する必要があった。しかも、この視覚判定方法の場合、測定者による判定のばらつき等があり、安定した結果が得られないという問題もあった。

そこで、従来、これらの問題を解決するために、いわゆるシミュレーションを用いた睡眠段階自動判定方法の開発が進められてきた（例えば、下記の非特許文献２、非特許文献３等参照）。そして、従来の睡眠段階自動判定方法では、例えば、脳波の時系列データの前処理法として、フーリエ変換（ＦＦＴ）法や自己回帰（ＡＲ）法が用いられてきた。

通常、睡眠段階自動判定の精度の検証には、上述した視覚判定との一致率が用いられるが、上述した従来の睡眠段階自動判定方法では、視覚判定との一致率が、測定者間の一致率より低く、その精度が不十分であった。特に、上述したフーリエ変換（ＦＦＴ）法や自己回帰（ＡＲ）法を用いた睡眠段階自動判定方法では、脳波の時系列データが連続的で且つ無限長であるという仮定が必要であるため、離散的で且つ有限長である実際の脳波の時系列データとの差異による精度が問題となっていた。

即ち、従来の睡眠段階自動判定方法では、その精度が不十分であったため、実用化することが困難であるという問題があった。

Rechtschaffen A, Kales A: A Mannual of Standardized Terminology, Techniques and Scoring System for Sleep Stages of Human Subjects. US Government Printing Office, Washington DC, 1968. Penzel T, Conradt R.: Computer based sleep recording and analysis. Sleep Med Rev 2000; 4(2): 131-148. Pittman SD, MacDonald MM, Fogel RB, Malhotra A, Todros K, Levy B, Geva AB, White DP: Assessment of automated scoring of polysomnographic recordings in a population with suspected sleep-disordered breathing. Sleep 2004; 27: 1394-403.

本発明は、このような問題点に鑑みてなされたものであり、被験体の睡眠段階の自動判定において、その判定精度の向上を実現する睡眠段階自動判定システム及び睡眠段階自動判定方法を提供することを目的とする。

本発明の睡眠段階自動判定システムは、被験体の頭部に設置された電極を介して当該被験体の脳波を測定する測定手段と、前記測定手段で測定された脳波の時系列データに対して周波数解析を行って、当該脳波の各周波数におけるスペクトル（具体的には、パワースペクトル密度）を求める周波数解析手段と、前記周波数解析手段で求められたスペクトル（具体的には、パワースペクトル密度）に基づいて、前記脳波の所定周波数領域における指数スペクトルの傾きを算出する算出手段と、前記算出手段で算出された指数スペクトルの傾きに基づいて、前記測定手段で脳波を測定した際の前記被験体における睡眠段階を判定する睡眠段階判定手段とを有する。

本発明の睡眠段階自動判定方法は、被験体の頭部に設置された電極を介して当該被験体の脳波を測定する測定手段を備えた睡眠段階自動判定システムによる睡眠段階自動判定方法であって、前記測定手段で測定された脳波の時系列データに対して周波数解析を行って、当該脳波の各周波数におけるスペクトル（具体的には、パワースペクトル密度）を求める周波数解析ステップと、前記周波数解析ステップで求められたスペクトル（具体的には、パワースペクトル密度）に基づいて、前記脳波の所定周波数領域における指数スペクトルの傾きを算出する算出ステップと、前記算出ステップで算出された指数スペクトルの傾きに基づいて、前記測定手段で脳波を測定した際の前記被験体における睡眠段階を判定する睡眠段階判定ステップとを有する。

本発明によれば、被験体の睡眠段階の自動判定において、その判定精度の向上を実現することができる。

本発明の実施形態に係る睡眠段階自動判定システムの外観の一例を示す模式図である。 本発明の実施形態に係る睡眠段階自動判定システムの機能構成の一例を示す模式図である。 図１及び図２に示す脳波計で測定される被験体の脳波の時系列データの一例を示す模式図である。 図１及び図２に示す被験体の脳波の各周波数におけるスペクトルの一例を示す模式図である。 図２に示す睡眠段階判定基準情報記憶部に記憶されている、被験体の各睡眠段階と指数スペクトルの傾きとの関係を示す睡眠段階判定基準情報の一例を示す模式図である。 図２に示す睡眠経過集計部の集計処理により得られた睡眠経過情報の一例を示す模式図である。 図１及び図２に示す情報処理装置のハードウエア構成の一例を示す模式図である。 本発明の実施形態に係る睡眠段階自動判定システムによる睡眠段階自動判定方法の処理手順の一例を示すフローチャートである。 本発明の実施形態に係る睡眠段階自動判定方法により算出された指数スペクトルの傾き（Ｔｒｅｎｄ）と、睡眠認定検査技師による視覚判定法を用いた睡眠経過の判定結果との相関を示す模式図である。 ＲＥＭ及びＮｏｎ−ＲＥＭにおける眼電図のスペクトル密度の一例を示す模式図である。 眼電図のスペクトル密度と、眼電図の指数スペクトルの傾きと、睡眠段階の経過チャートとを示す模式図である。

以下、本発明を実施するための最良の形態について添付図面を参照して説明する。

図１は、本発明の実施形態に係る睡眠段階自動判定システムの外観の一例を示す模式図である。
図１に示すように、睡眠段階自動判定システム１００は、脳波計１１０と、情報処理装置１２０と、表示装置１３０と、操作入力装置１４０を有して構成されている。なお、本実施形態においては、情報処理装置１２０は、通信線を介して、脳波計１１０、表示装置１３０及び操作入力装置１４０とそれぞれ接続されているものとする。

脳波計１１０は、情報処理装置１２０による制御に基づいて、被験体２００の頭部（図１に示す例では、被験体の額２０１）に貼り付けられて設置された電極１１１を介して当該被験体２００の脳波を測定する脳波測定手段を構成する。また、脳波計１１０の内部には、測定した脳波の時系列データを記憶する脳波データ記憶部１１２が設けられている。さらに、脳波計１１０の内部には、被験体２００の頭部の動きまたは傾きを少なくとも測定するための３軸（Ｘ軸、Ｙ軸、Ｚ軸）の加速度センサー１１３が内蔵されている。具体的に、３軸の加速度センサー１１３により被験体２００の頭部の動きや傾き等を検出することにより、被験体２００の頭部の位置や向き、或いは、被験体２００の寝返りなどの体動を測定することができる。そして、この場合、脳波データ記憶部１１２には、測定した脳波の時系列データに加えて、３軸の加速度センサー１１３で測定された、被験体２００の頭部の動きや傾きに係る時系列データも記憶される。

なお、本実施形態では、脳波データ記憶部１１２は、脳波計１１０の内部に設けられたものとしているが、この態様に限定されるものではなく、例えば、ＳＤメモリカード等の着脱可能な記憶媒体の場合であっても、本実施形態に適用可能である。また、脳波データ記憶部１１２を着脱可能な記憶媒体として構成する場合には、必ずしも脳波計１１０と情報処理装置１２０とを通信線を介して接続する必要は無く、この場合には、当該着脱可能な記憶媒体（脳波データ記憶部１１２）を脳波計１１０から取り外して情報処理装置１２０に装着することにより、情報処理装置１２０側において、脳波計１１０で測定された脳波の時系列データの処理を行うことができる。

また、図１には、脳波計１１０に２つの電極１１１を接続して、１ｃｈで被験体２００の脳波を測定する例について示しているが、例えば、脳波計１１０に３つ（或いは４つ以上）の電極１１１を接続して、２ｃｈ（或いは３ｃｈ以上）で同時に被験体２００の脳波或いは眼球運動（眼電図）を測定する態様であってもよい。この場合、例えば脳波計１１０において、複数ｃｈで測定した脳波の時系列データに所定のデータ処理を行って、同時刻における１つの脳波の時系列データとして脳波データ記憶部１１２に記憶する態様を採ることができる。

情報処理装置１２０は、睡眠段階自動判定システム１００における動作を統括的に制御するものである。

表示装置１３０は、情報処理装置１２０による制御に基づいて、例えば、脳波計１１０で測定された被験体２００の脳波の時系列データや、睡眠段階自動判定の結果得られた情報、当該睡眠段階自動判定システム１００の動作状態を示す情報など、各種のデータや各種の情報を表示する。

操作入力装置１４０は、例えば睡眠段階自動判定システム１００における測定者等の操作者が情報処理装置１２０に対して情報の入力を行う際に操作されるものである。この操作入力装置１４０は、例えば、キーボード１４０ａや、ポインティング・デバイスであるマウス１４０ｂを具備して構成されている。

図２は、本発明の実施形態に係る睡眠段階自動判定システムの機能構成の一例を示す模式図である。ここで、図２において、図１と同様の構成については、同じ符号を付しており、その詳細な説明は省略する。

情報処理装置１２０は、脳波データ記憶部１２１と、周波数解析部１２２と、算出部１２３と、睡眠段階判定基準情報記憶部１２４と、睡眠段階判定部１２５と、睡眠経過集計部１２６と、睡眠経過情報記憶部１２７と、表示制御部１２８の各機能構成を有して構成されている。

図２に示す脳波データ記憶部１２１には、被験体２００の頭部に設置された電極１１１を介して脳波計１１０で測定された被験体２００の脳波の時系列データ、即ち、脳波データ記憶部１１２に記憶されている被験体２００の脳波の時系列データが記憶されている。さらに、脳波データ記憶部１１２に、３軸の加速度センサー１１３で測定された、被験体２００の頭部の動きや傾きに係る時系列データが記憶されている場合には、図２に示す脳波データ記憶部１２１には、被験体２００の頭部の動きや傾きに係る時系列データも必要に応じて記憶されている。ここで、本実施形態では、情報処理装置１２０が脳波計１１０と通信線を介して通信を行うことにより、脳波計１１０の脳波データ記憶部１１２に記憶されている脳波の時系列データ（更には、被験体２００の頭部の動きや傾きに係る時系列データ）を取得して脳波データ記憶部１２１に記憶するものとするが、例えば、脳波データ記憶部１１２を着脱可能な記憶媒体として構成する場合には、当該着脱可能な記憶媒体を脳波データ記憶部１２１として適用することも可能である。

ここで、脳波計１１０で測定される被験体２００の脳波の時系列データの一例について説明する。

図３は、図１及び図２に示す脳波計１１０で測定される被験体２００の脳波の時系列データの一例を示す模式図である。
図３には、覚醒時及び睡眠時の各睡眠段階における脳波の時系列データの一例が示されており、具体的に、図３（ａ）に覚醒時（ＷＡＫＥ）における脳波の時系列データの一例が示され、図３（ｂ）にレム睡眠状態（ＲＥＭ）における脳波の時系列データの一例が示され、図３（ｃ）〜図３（ｆ）に、それぞれ、ノンレム睡眠状態の睡眠段階１（Stage I）、睡眠段階２（Stage II）、睡眠段階３（Stage III）、睡眠段階４（Stage IV）における脳波の時系列データの一例が示されている。

そして、図３に示すような脳波の時系列データが脳波計１１０で取得されて、上述した方法により、情報処理装置１２０の脳波データ記憶部１２１に記憶される。

図２に示す周波数解析部１２２は、脳波計１１０で測定され、脳波データ記憶部１２１に記憶されている被験体２００の脳波の時系列データに対して周波数解析を行って、当該脳波の各周波数におけるスペクトル（具体的には、パワースペクトル密度）を求める処理を行う。この各周波数におけるスペクトルについては、図４を用いて後述する。具体的に、周波数解析部１２２は、まず、脳波データ記憶部１２１に記憶されている被験体２００の脳波の時系列データのノイズ処理を行った後、周波数解析として最大エントロピー法（具体的には、修正型の最大エントロピー法）に基づく周波数解析を用いた解析を行う。また、本実施形態の周波数解析部１２２では、脳波データ記憶部１２１に記憶されている被験体２００の脳波の時系列データを複数のセグメントに分けて、セグメントごとに上述した周波数解析を行うようにしている。

図２に示す算出部１２３は、周波数解析部１２２で求められたスペクトル（具体的には、パワースペクトル密度）に基づいて、被験体２００の脳波の所定周波数領域における指数スペクトルの傾き（Ｔｒｅｎｄ）を算出する処理を行う。具体的に、算出部１２３は、周波数解析部１２２で求められたパワースペクトル密度に基づく指数スペクトルを、所定の近似法（例えば、所定周波数領域の範囲内での最小二乗法）により近似して、指数スペクトルの傾き（Ｔｒｅｎｄ）を算出する。また、本実施形態では、周波数解析部１２２において脳波の時系列データを複数のセグメントに分けて、セグメントごとに処理を行っているため、算出部１２３においても、脳波の時系列データのセグメントごとに指数スペクトルの傾きの算出処理を行う。

図４は、図１及び図２に示す被験体２００の脳波の各周波数におけるスペクトルの一例を示す模式図である。図４において、横軸は、被験体２００の脳波の周波数を示し、縦軸は、脳波のスペクトル（具体的には、パワースペクトルデンシティ（ＰＳＤ））の対数を示している。

図４に示すように、周波数解析部１２２で求められた脳波の各周波数におけるスペクトル４０１は、片対数表示で直線的に減衰する、いわゆる指数スペクトルである。ここで、スペクトル４０１で示された領域の面積は、元々の脳波データの振動の平均エネルギーに相当する。そして、算出部１２３では、周波数解析部１２２で求められたスペクトルに基づく指数スペクトル４０１を所定周波数領域（図４に示す例では、１Ｈｚ〜３０Ｈｚ）の範囲内で最小二乗法により近似して、指数スペクトルの傾き４０２を算出するようにしている。なお、本例では、最小二乗法による近似を行っているが、これに限定されるものではなく、他の既知の近似法を用いて、指数スペクトルの傾き４０２を算出することも本実施形態に適用可能である。

図２に示す睡眠段階判定基準情報記憶部１２４には、被験体２００の各睡眠段階と、算出部１２３で算出される指数スペクトルの傾き（Ｔｒｅｎｄ）との関係を示す睡眠段階判定基準情報が予め記憶されている。

図５は、図２に示す睡眠段階判定基準情報記憶部１２４に記憶されている、被験体２００の各睡眠段階と指数スペクトルの傾きとの関係を示す睡眠段階判定基準情報の一例を示す模式図である。

図５には、被験体２００の各睡眠段階（ＷＡＫＥ、ＲＥＭ、Ｎｏｎ−ＲＥＭ（Stage I〜Stage IV））と、算出部１２３で算出される指数スペクトルの傾き（Ｔｒｅｎｄ）との関係を示す睡眠段階判定基準情報が示されている。図５に示す睡眠段階判定基準情報は、被験体２００等に対する実験により予め設定されるものであり、本発明者らの実験により、図５に示すように、ＷＡＫＥ、ＲＥＭ、Ｎｏｎ−ＲＥＭのStage I〜Stage IVの順に、指数スペクトルの傾きがほぼ一定の傾きで低下する特性となることが分かっている。

この睡眠段階判定基準情報は、測定対象の被験体２００ごとに設定することが好適であるが、例えば、各被験体２００の被験体情報に基づいて代表となる１つの睡眠段階判定基準情報に修正を加えて、これを当該被験体における睡眠段階判定基準情報として用いる態様であっても良い。
この場合、例えば、（睡眠時の指数スペクトルの傾き）＝（覚醒時（ＷＡＫＥ）における指数スペクトルの傾き：被験体（被験者）によって異なる）−Ａ×（睡眠段階）のような対応関係として睡眠段階判定基準情報を適用することが考えられる。なお、この場合、Ａは定数である。

ここで、定数Ａの決定法の一例について説明する。ＲＥＭでは、眼球運動がＮｏｎ−ＲＥＭに比べて明らかに大きいことは周知の事実である。つまり、脳波と同様に最大エントロピー法に基づいて眼電図を周波数解析してパワースペクトル密度を求めると、図１０に示すように、ＲＥＭにおける眼電図のスペクトル密度は、Ｎｏｎ−ＲＥＭより明らかに大きくなる。このため、睡眠段階のうちＲＥＭの判定だけはスペクトル密度から容易に判定が可能である。このようにＲＥＭと容易に判定することができることから、定数Ａは、覚醒時（ＷＡＫＥ）の指数スペクトルのＴｒｅｎｄ(脳波の記録を開始した最初の時点のＴｒｅｎｄ）とＲＥＭの指数スペクトルのＴｒｅｎｄ(眼電図のスペクトル密度からＲＥＭと判定した時点のＴｒｅｎｄ）との差によって求めることも可能である。

図２に示す睡眠段階判定部１２５は、算出部１２３で算出された指数スペクトルの傾き（Ｔｒｅｎｄ）に基づいて、脳波計１１０で脳波を測定した際の被験体２００における睡眠段階を判定する処理を行う。具体的に、睡眠段階判定部１２５は、睡眠段階判定基準情報記憶部１２４に記憶されている図５に示す睡眠段階判定基準情報を用いて、算出部１２３で算出された指数スペクトルの傾きに対応する睡眠段階（ＷＡＫＥ、ＲＥＭ、Ｎｏｎ−ＲＥＭのStage I〜Stage IV）を検出することにより、被験体２００における睡眠段階を判定する。例えば、睡眠段階判定部１２５は、算出部１２３で算出された指数スペクトルの傾きが図５に示すＴｓであった場合には、被験体２００における睡眠段階をＲＥＭと判定する。また、本実施形態では、脳波の時系列データを複数のセグメントに分けて、セグメントごとに処理を行っているため、睡眠段階判定部１２５においても、脳波の時系列データのセグメントごとに睡眠段階の判定処理を行う。

図２に示す睡眠経過集計部１２６は、睡眠段階判定部１２５で判定されたセグメントごとの睡眠段階の判定結果を集計する処理を行う。この睡眠経過集計部１２６による集計処理により、被験体２００の睡眠段階の経過を示す睡眠経過情報が生成される。

図６は、図２に示す睡眠経過集計部１２６の集計処理により得られた睡眠経過情報の一例を示す模式図である。

図６に示す睡眠経過情報において、横軸は、脳波計１１０で測定した脳波の測定時間の経過を示し、縦軸は、被験体２００の各睡眠段階を示している。このように、睡眠経過集計部１２６は、睡眠段階判定部１２５で判定されたセグメントごとの睡眠段階の判定結果を集計する処理を行うことにより、図６に示すような睡眠段階の経過チャートを示す睡眠経過情報が得られる。そして、この図６に示す睡眠経過情報から、被験体２００における睡眠のリズム解析（周期解析）を行うことができる。さらに、睡眠経過集計部１２６は、測定時間に対する睡眠段階ごとの割合（図６に示す例では、例えばＲＥＭが２０％）を求め、続いて、睡眠段階ごとの積算時間を集計する処理を行う。例えば、図６に示す例では、ＲＥＭが２０％であるため、その積算時間は、１．４時間と集計されることになる。

図２に示す睡眠経過情報記憶部１２７には、睡眠経過集計部１２６で集計処理された睡眠経過情報等が記憶される。

図２に示す表示制御部１２８は、必要に応じて、睡眠経過集計部１２６で集計処理された図６に示す睡眠経過情報や、睡眠段階判定部１２５で判定された睡眠段階の判定結果の情報、算出部１２３で算出された指数スペクトルの傾きの情報、周波数解析部１２２で求められたスペクトルの情報、脳波データ記憶部１２１に記憶されている被験体２００の脳波の時系列データなどを表示装置１３０に表示する制御を行う。これにより、図３に示す脳波の時系列データや、図４に示すスペクトル及び指数スペクトルの傾きの情報、図６に示す被験体２００の睡眠経過情報等が表示装置１３０に表示される。さらに、図２に示す表示制御部１２８は、必要に応じて、脳波データ記憶部１２１に記憶されている、被験体２００の頭部の動きや傾きに係る時系列データを表示装置１３０に表示する制御を行う。

次に、情報処理装置１２０のハードウエア構成について説明する。
図７は、図１及び図２に示す情報処理装置１２０のハードウエア構成の一例を示す模式図である。
図７に示すように、情報処理装置１２０は、ＣＰＵ７０１、ＲＡＭ７０２、ＲＯＭ７０３、外部メモリ７０４、着脱可能な記憶媒体７０５、操作入力装置７０６、通信インタフェース（以下、「通信Ｉ／Ｆ」と称する）７０７、及び、バスの各ハードウエア構成を有して構成されている。

ここで、本実施形態においては、例えば、図７に示すＣＰＵ７０１がＲＯＭ７０３に記憶されたプログラム７０３ａを実行することにより、図２に示す周波数解析部１２２、算出部１２３、睡眠段階判定部１２５、睡眠経過集計部１２６及び表示制御部１２８が構成される。また、例えば、図７に示す外部メモリ７０４或いは着脱可能な記憶媒体７０５に、図２に示す脳波データ記憶部１２１、睡眠段階判定基準情報記憶部１２４及び睡眠経過情報記憶部１２７が構成される。

図７に示すＣＰＵ７０１は、情報処理装置１２０における動作を統括的に制御するものであり、バスを介して、情報処理装置１２０の各構成部（７０２〜７０７）を制御する。

図７に示すＲＡＭ７０２は、ＣＰＵ７０１の主メモリ、ワークエリア等として機能する。ＣＰＵ７０１は、処理の実行に際して、ＲＯＭ７０３から必要なプログラム７０３ａ等をＲＡＭ７０２にロードし、当該プログラム７０３ａ等を実行することで各種の機能動作を実現する。

図７に示すＲＯＭ７０３には、ＣＰＵ７０１が、後述する図８の処理を実行するために必要なプログラム７０３ａ等が記憶されている。なお、プログラム７０３ａは、外部メモリ７０４或いは着脱可能な記憶媒体７０５に記憶されていてもよい。

図７に示す外部メモリ７０４及び着脱可能な記憶媒体７０５には、例えば、ＣＰＵ７０１がプログラム７０３ａ等を用いた処理を行う際に必要な各種のデータや各種の情報が記憶されている。また、外部メモリ７０４及び着脱可能な記憶媒体７０５には、例えば、ＣＰＵ７０１がプログラム７０３ａ等を用いた処理を行うことにより得られた各種のデータや各種の情報が記憶される。

図７に示す操作入力装置７０６は、操作者が情報処理装置１２０に対して情報の入力を行う際に操作されるものである。なお、この操作入力装置７０６は、例えば、操作入力装置１４０として構成される場合には、情報処理装置１２０の内部に構成する必要はない。

図７に示す通信Ｉ／Ｆ７０７は、外部装置との通信を司るものである。また、バスは、ＣＰＵ７０１と、ＲＡＭ７０２、ＲＯＭ７０３、外部メモリ７０４、着脱可能な記憶媒体７０５、操作入力装置７０６及び通信Ｉ／Ｆ７０７とを通信可能に接続するためのものである。

なお、図１及び図２に示す脳波計１１０のハードウエア構成についても、図７に示すハードウエア構成の一例を適用することが可能である。

次に、睡眠段階自動判定システム１００による睡眠段階自動判定方法の処理手順について説明する。

図８は、本発明の実施形態に係る睡眠段階自動判定システムによる睡眠段階自動判定方法の処理手順の一例を示すフローチャートである。具体的に、図８に示すフローチャートは、情報処理装置１２０における処理のフローチャートを示している。

まず、図８に示すフローチャートにおける処理の前段階で行われる、被験体２００の脳波の測定について説明する。

まず、測定対象である被験体２００の頭部（図１に示す例では、被験体の額２０１）に、脳波計１１０に接続された電極１１１を貼り付けて、脳波計１１０及び電極１１１を設置する。続いて、脳波計１１０の電源を入れて、被験体２００の脳波の測定を開始する。例えば、被験体（被験者）２００を横にさせて目を閉じた安静状態で脳波の測定を開始し、その後、被験体（被験者）２００が就寝した際の当該被験体の脳波の測定を、予め設定された時間行う。これにより、脳波計１１０の脳波データ記憶部１１２には、脳波計１１０で所定時間測定した被験体２００の脳波の時系列データが記憶される。さらに、この際、必要に応じて、脳波計１１０の３軸の加速度センサー１１３を用いて、被験体２００の頭部の動きや傾きに係る時系列データを測定し、これを脳波データ記憶部１１２に記憶するようにしてもよい。

そして、図８のステップＳ１０１において、情報処理装置１２０のＣＰＵ７０１は、脳波計１１０と通信を行って、脳波データ記憶部１１２に記憶されている被験体２００の脳波の時系列データ（更に必要に応じて、被験体２００の頭部の動きや傾きに係る時系列データ）を取得する処理を行う。そして、情報処理装置１２０のＣＰＵ７０１は、取得した被験体２００の脳波の時系列データ（更に必要に応じて、被験体２００の頭部の動きや傾きに係る時系列データ）を、外部メモリ７０４或いは着脱可能な記憶媒体７０５（図２の脳波データ記憶部１２１）に記憶する。

ここで、本実施形態では、脳波計１１０と通信を行って被験体２００の脳波等の時系列データを取得するようにしているが、例えば、脳波データ記憶部１１２を着脱可能な記憶媒体として構成する場合には、当該着脱可能な記憶媒体が情報処理装置１２０に装着された際に、当該着脱可能な記憶媒体に記憶されている、被験体２００の脳波等の時系列データを取得する形態を採る。

続いて、ステップＳ１０２において、情報処理装置１２０のＣＰＵ７０１は、例えば、測定者からの操作入力装置１４０を介した入力に基づいて、ステップＳ１０１で取得した被験体２００の脳波の時系列データを複数のセグメント（Ｓ）に分割し、そのセグメント数Ｎを設定する。例えば、被験体２００の脳波の時系列データが７時間（４２０分）である場合に、１つのセグメント（Ｓ）を３０秒とする場合には、セグメント数Ｎは８４０と設定されることになる。

続いて、ステップＳ１０３において、情報処理装置１２０のＣＰＵ７０１は、処理対象のセグメントＳを１に設定する。

続いて、ステップＳ１０４において、情報処理装置１２０のＣＰＵ７０１（図２の周波数解析部１２２）は、セグメントＳの脳波の時系列データに対して、ノイズ処理を行った後、最大エントロピー法に基づく周波数解析処理を行って、当該脳波の各周波数におけるスペクトル（具体的には、パワースペクトル密度）を求める処理を行う。これにより、例えば、図４に示すスペクトル４０１が得られる。

続いて、ステップＳ１０５において、情報処理装置１２０のＣＰＵ７０１（図２の算出部１２３）は、ステップＳ１０４で求められたスペクトル（具体的には、パワースペクトル密度）に基づく指数スペクトルを、所定の近似法（例えば、所定周波数領域の範囲内での最小二乗法）により近似して、指数スペクトルの傾き（Ｔｒｅｎｄ）を算出する。これにより、例えば、図４に示す指数スペクトルの傾き４０２が算出される。

続いて、ステップＳ１０６において、情報処理装置１２０のＣＰＵ７０１（図２の睡眠段階判定部１２５）は、外部メモリ７０４或いは着脱可能な記憶媒体７０５（図２の睡眠段階判定基準情報記憶部１２４）に記憶されている図５に示す睡眠段階判定基準情報を用いて、ステップＳ１０５で算出された指数スペクトルの傾きに対応する睡眠段階（ＷＡＫＥ、ＲＥＭ、Ｎｏｎ−ＲＥＭのStage I〜Stage IV）を検出して、被験体２００における睡眠段階を判定する。例えば、ステップＳ１０５で算出された指数スペクトルの傾きが図５に示すＴｓであった場合には、被験体２００における睡眠段階がＲＥＭと判定される。

続いて、ステップＳ１０７において、情報処理装置１２０のＣＰＵ７０１は、現在の処理対象であるセグメントＳが、ステップＳ１０２で設定したＮ未満であるか否かを判断する。即ち、このステップＳ１０７では、ステップＳ１０１で取得した被験体２００の脳波の時系列データをＮ個のセグメントに分割した際に、未だ処理を行っていないセグメントがあるか否かが判断される。

ステップＳ１０７の判断の結果、現在の処理対象であるセグメントＳがステップＳ１０２で設定したＮ未満である場合には、未だ処理を行っていないセグメントがあると判断して、ステップＳ１０８に進む。ステップＳ１０８に進むと、情報処理装置１２０のＣＰＵ７０１は、Ｓに１を加算して、処理対象のセグメントＳを変更する。その後、ステップＳ１０４に戻り、ステップＳ１０８で新たに設定したセグメントＳの脳波の時系列データに対して、ステップＳ１０４以降の処理が行われる。

一方、ステップＳ１０７の判断の結果、現在の処理対象であるセグメントＳがステップＳ１０２で設定したＮ未満でない場合には、全てのセグメントにおける処理が終了したと判断して、ステップＳ１０９に進む。

ステップＳ１０９に進むと、情報処理装置１２０のＣＰＵ７０１（図２の睡眠経過集計部１２６）は、ステップＳ１０６で判定されたセグメントごとの睡眠段階の判定結果を集計する処理を行う。この集計処理により、図６に示すような睡眠段階の経過チャートを示す睡眠経過情報が得られる。そして、この図６に示す睡眠経過情報から、被験体２００における睡眠のリズム解析（周期解析）を行うことができる。さらに、情報処理装置１２０のＣＰＵ７０１（図２の睡眠経過集計部１２６）は、測定時間に対する睡眠段階ごとの割合（図６に示す例では、ＲＥＭが２０％等）を求め、続いて、睡眠段階ごとの積算時間を集計する処理を行う。例えば、図６に示す例では、ＲＥＭが２０％であるため、その積算時間は、１．４時間と集計される。そして、情報処理装置１２０のＣＰＵ７０１（図２の睡眠経過集計部１２６）は、ステップＳ１０９の処理の結果得られた睡眠経過情報を、外部メモリ７０４或いは着脱可能な記憶媒体７０５（図２の睡眠経過情報記憶部１２７）に記憶する。

続いて、ステップＳ１１０において、情報処理装置１２０のＣＰＵ７０１（図２の表示制御部１２８）は、ステップＳ１０９の処理の結果得られた睡眠経過情報を、表示装置１３０に表示する表示制御処理を行う。これにより、表示装置１３０には、例えば、図６に示す睡眠経過情報が表示されることになる。さらに、情報処理装置１２０のＣＰＵ７０１（図２の表示制御部１２８）は、例えば、測定者からの操作入力装置１４０を介した入力に基づいて、睡眠段階判定部１２５で判定された睡眠段階の判定結果の情報、算出部１２３で算出された指数スペクトルの傾きの情報、周波数解析部１２２で求められたスペクトルの情報、脳波データ記憶部１２１に記憶されている被験体２００の脳波の時系列データや被験体２００の頭部の動きや傾きに係る時系列データを表示装置１３０に表示する制御を行う。

そして、ステップＳ１１０の処理が終了すると、図８に示すフローチャートの処理が終了する。

次に、上述した本実施形態の睡眠段階自動判定方法により算出された指数スペクトルの傾き（Ｔｒｅｎｄ）と、睡眠認定検査技師による視覚判定法を用いた睡眠経過の判定結果との相関について、実験結果を以下に説明する。

図９は、本発明の実施形態に係る睡眠段階自動判定方法により算出された指数スペクトルの傾き（Ｔｒｅｎｄ）と、睡眠認定検査技師による視覚判定法を用いた睡眠経過の判定結果との相関を示す模式図である。

図９において、図９（ａ）は、被験体２００として睡眠時無呼吸症が認められるがデルタ睡眠への移行が認められる患者（５４歳男性）を適用したものを示し、図９（ｂ）は、被験体２００として睡眠時無呼吸症は認められずデルタ睡眠への移行は認められる患者（３２歳男性）を適用したものを示している。

図９（ａ）及び図９（ｂ）には、それぞれ、本実施形態の睡眠段階自動判定方法により算出された指数スペクトルの傾き９０１及び９０３が実線で示され、睡眠認定検査技師による視覚判定法を用いた睡眠段階の経過チャート９０２及び９０４が破線で示されている。また、図９（ａ）及び図９（ｂ）において、横軸は経過時間を示し、縦軸は指数スペクトルの傾き（及び図６に示す睡眠段階のレベル）を示している。即ち、図９（ａ）及び図９（ｂ）は、ステップＳ１０５で算出された指数スペクトルの傾きに、睡眠認定検査技師による視覚判定法を用いた睡眠段階の経過チャートを重ね合わせたものである。

この図９（ａ）及び図９（ｂ）から、脳波の指数スペクトルの傾き９０１及び９０３は、睡眠認定検査技師の判定による睡眠段階の経過チャートとほぼ同期して増減していることが分かる。このことは、本実施形態の睡眠段階自動判定方法により算出される脳波の指数スペクトルの傾きが睡眠認定検査技師の判定による睡眠段階と相関関係があることを示している。具体的には、脳波の指数スペクトルの傾きが小さくなると、図６に示す睡眠段階の経過チャートが下の段階になることを示しており、換言すれば、図５に示す関係が成立することが実証されたと考えることができる。

また、図１１は、被験体２００について、ステップＳ１０４と同様の手順で算出した眼電図のスペクトル密度と、ステップＳ１０５と同様の手順で算出した眼電図の指数スペクトルの傾きとに、睡眠認定検査技師による視覚判定法を用いた睡眠段階の経過チャートを重ね合わせたものである。
図１１に示すように、眼電図のスペクトル密度は、睡眠認定検査技師の判定によるＲＥＭの時に、Ｎｏｎ−ＲＥＭの時より大きいことがわかる。したがって、脳波の指数スペクトルの傾き（Ｔｒｅｎｄ）と眼電図とを併用すれば、さらに判定の精度を向上することが可能である。

したがって、図５に示す睡眠段階判定基準情報を用いて睡眠段階を判定することは、この図９に示す実験結果から有効であると考えられる。

以上説明したように、本実施形態によれば、脳波の時系列データに対して周波数解析を行って当該脳波の各周波数におけるスペクトルを求め、当該スペクトルに基づいて脳波の所定周波数領域における指数スペクトルの傾きを算出し、算出された指数スペクトルの傾きに基づいて被験体における睡眠段階を判定するようにしたので、被験体の睡眠段階の自動判定における判定精度の向上を実現することが可能となる。

（本発明の他の実施形態）
前述した本発明の実施形態における睡眠段階自動判定システム１００に含まれる情報処理装置１２０を構成する図２の各機能構成部（各手段）、並びに、図８に示す各ステップは、コンピュータのＣＰＵ（７０１）がＲＯＭ（７０３）に記憶されたプログラム（７０３ａ）を実行することによって実現できる。このプログラム及び前記プログラムを記録したコンピュータ読み取り可能な記録媒体は本発明に含まれる。

また、本発明は、例えば、システム、装置、方法、プログラム若しくは記憶媒体等としての実施形態も可能であり、具体的には、複数の機器から構成されるシステムに適用してもよいし、また、１つの機器からなる装置に適用してもよい。

なお、本発明は、前述した実施形態の機能を実現するソフトウェアのプログラム（実施形態ではプログラム７０３ａ）を、システムあるいは装置に直接、あるいは遠隔から供給するものを含む。そして、そのシステムあるいは装置のコンピュータが前記供給されたプログラムコードを読み出して実行することによっても達成される場合も本発明に含まれる。

したがって、本発明の機能処理をコンピュータで実現するために、前記コンピュータにインストールされるプログラムコード自体も本発明を実現するものである。つまり、本発明は、本発明の機能処理を実現するためのコンピュータプログラム自体も含まれる。

その場合、プログラムの機能を有していれば、オブジェクトコード、インタプリタにより実行されるプログラム、ＯＳに供給するスクリプトデータ等の形態であってもよい。

プログラムを供給するための記録媒体としては、例えば、フロッピー（登録商標）ディスク、ハードディスク、光ディスク、光磁気ディスク、ＭＯ、ＣＤ−ＲＯＭ、ＣＤ−Ｒ、ＣＤ−ＲＷなどがある。また、磁気テープ、不揮発性のメモリカード、ＲＯＭ、ＤＶＤ（ＤＶＤ−ＲＯＭ，ＤＶＤ−Ｒ）などもある。

その他、プログラムの供給方法としては、クライアントコンピュータのブラウザを用いてインターネットのホームページに接続する。そして、前記ホームページから本発明のコンピュータプログラムそのもの、若しくは圧縮され自動インストール機能を含むファイルをハードディスク等の記録媒体にダウンロードすることによっても供給できる。

また、本発明のプログラムを構成するプログラムコードを複数のファイルに分割し、それぞれのファイルを異なるホームページからダウンロードすることによっても実現可能である。つまり、本発明の機能処理をコンピュータで実現するためのプログラムファイルを複数のユーザに対してダウンロードさせるＷＷＷサーバも、本発明に含まれるものである。

また、本発明のプログラムを暗号化してＣＤ−ＲＯＭ等の記憶媒体に格納してユーザに配布し、所定の条件をクリアしたユーザに対し、インターネットを介してホームページから暗号化を解く鍵情報をダウンロードさせる。そして、ダウンロードした鍵情報を使用することにより暗号化されたプログラムを実行してコンピュータにインストールさせて実現することも可能である。

また、コンピュータが、読み出したプログラムを実行することによって、前述した実施形態の機能が実現される。その他、そのプログラムの指示に基づき、コンピュータ上で稼動しているＯＳなどが、実際の処理の一部又は全部を行い、その処理によっても前述した実施形態の機能が実現され得る。

さらに、記録媒体から読み出されたプログラムが、コンピュータに挿入された機能拡張ボードやコンピュータに接続された機能拡張ユニットに備わるメモリに書き込まれる。その後、そのプログラムの指示に基づき、その機能拡張ボードや機能拡張ユニットに備わるＣＰＵなどが実際の処理の一部又は全部を行い、その処理によっても前述した実施形態の機能が実現される。

なお、前述した各実施形態は、何れも本発明を実施するにあたっての具体化の例を示したものに過ぎず、これらによって本発明の技術的範囲が限定的に解釈されてはならないものである。即ち、本発明はその技術思想、又はその主要な特徴から逸脱することなく、様々な形で実施することができる。

１００ 睡眠段階自動判定システム
１１０ 脳波計
１１１ 電極
１１２ 脳波データ記憶部
１１３ ３軸の加速度センサー
１２０ 情報処理装置
１２１ 脳波データ記憶部
１２２ 周波数解析部
１２３ 算出部
１２４ 睡眠段階判定基準情報記憶部
１２５ 睡眠段階判定部
１２６ 睡眠経過集計部
１２７ 睡眠経過情報記憶部
１２８ 表示制御部
１３０ 表示装置
１４０ 操作入力装置
１４０ａ キーボード
１４０ｂ マウス
２００ 被験体
２０１ 被験体の額

Claims (8)

1. 被験体の頭部に設置された電極を介して当該被験体の脳波を測定する測定手段と、
   前記測定手段で測定された脳波の時系列データに対して周波数解析を行って、当該脳波の各周波数におけるスペクトルを求める周波数解析手段と、
   前記周波数解析手段で求められたスペクトルに基づいて、前記脳波の所定周波数領域における指数スペクトルの傾きを算出する算出手段と、
   前記算出手段で算出された指数スペクトルの傾きに基づいて、前記測定手段で脳波を測定した際の前記被験体における睡眠段階を判定する睡眠段階判定手段と
   を有することを特徴とする睡眠段階自動判定システム。
2. 前記周波数解析手段は、前記周波数解析として、最大エントロピー法に基づく周波数解析を行うものであり、前記スペクトルとして、パワースペクトル密度を求めることを特徴とする請求項１に記載の睡眠段階自動判定システム。
3. 前記算出手段は、前記周波数解析手段で求められたパワースペクトル密度に基づいて、前記指数スペクトルの傾きを算出することを特徴とする請求項２に記載の睡眠段階自動判定システム。
4. 被験体の各睡眠段階と前記指数スペクトルの傾きとの関係を示す睡眠段階判定基準情報を記憶する睡眠段階判定基準情報記憶手段を更に有し、
   前記睡眠段階判定手段は、前記睡眠段階判定基準情報を用いて、前記算出手段で算出された指数スペクトルの傾きに対応する睡眠段階を検出することにより、前記睡眠段階を判定することを特徴とする請求項１に記載の睡眠段階自動判定システム。
5. 前記周波数解析手段は、前記脳波の時系列データを複数のセグメントに分けて、セグメントごとに前記周波数解析を行うものであり、
   前記算出手段は、前記セグメントごとに前記指数スペクトルの傾きを算出し、
   前記睡眠段階判定手段は、前記セグメントごとに前記被験体における睡眠段階を判定することを特徴とする請求項１に記載の睡眠段階自動判定システム。
6. 前記睡眠段階判定手段で判定されたセグメントごとの睡眠段階の判定結果を集計して、前記被験体の睡眠段階の経過を示す睡眠経過情報を生成する睡眠経過集計手段と、
   前記睡眠経過情報を表示装置に表示する制御を行う表示制御手段と
   を更に有することを特徴とする請求項５に記載の睡眠段階自動判定システム。
7. 前記測定手段は、前記被験体の脳波を測定することに加えて、更に、前記被験体の頭部の動きまたは傾きを少なくとも測定する３軸の加速度センサーを内蔵していることを特徴とする請求項１に記載の睡眠段階自動判定システム。
8. 被験体の頭部に設置された電極を介して当該被験体の脳波を測定する測定手段を備えた睡眠段階自動判定システムによる睡眠段階自動判定方法であって、
   前記測定手段で測定された脳波の時系列データに対して周波数解析を行って、当該脳波の各周波数におけるスペクトルを求める周波数解析ステップと、
   前記周波数解析ステップで求められたスペクトルに基づいて、前記脳波の所定周波数領域における指数スペクトルの傾きを算出する算出ステップと、
   前記算出ステップで算出された指数スペクトルの傾きに基づいて、前記測定手段で脳波を測定した際の前記被験体における睡眠段階を判定する睡眠段階判定ステップと
   を有することを特徴とする睡眠段階自動判定方法。

Images