JP2016096886A - 睡眠状態判定システム - Google Patents

Abstract

【課題】睡眠深度の微妙な違いを精度良く推定する睡眠状態判定装置を提供する。【解決手段】振動を検出し電圧として出力する振動センサ、並びに、振動センサからの出力信号の読取及び分析を行う制御部を備えた睡眠状態判定システムにおいて、制御部は、振動センサからの出力値Ｅに対して、Ａ＜Ｂの関係を満たす閾値Ａ及びＢを設定し、Ａ≦Ｅ＜Ｂの単位時間当たりのデータ個数を集計したＳ、及びＢ≦Ｅの単位時間当たりのデータ個数を集計したＨを算出し、算出されたＳ及びＨを用いて、４つのパラメータを算出すると共に、４つのパラメータに基づいて睡眠状態の判定結果を出力することを特徴としている。【選択図】図３

Description

本発明は、睡眠状態判定システムに関し、特に、睡眠中に測定されるパラメータを用いて睡眠状態を判定するための睡眠状態判定システムに関する。

現代社会では、多くの人々が、睡眠不足等の睡眠の質の低下に関する問題を抱えている。睡眠の質が低下すると、それは生活の質の低下に繋がり、仕事における能力低下をもたらすことになる。より深刻な場合には、鬱等の精神疾患となることもある。また、交通機関の運転手等のように、事故の危険性を負う仕事を行っている人にとって、睡眠の質の低下に伴う眠気は、重大な事故を引き起こす要因にもなり得る。

睡眠の質の低下を防ぐためにも、人々は自らの睡眠状態を把握する必要があるが、外観から詳細な睡眠状態を判別することは困難である。そこで、一般的な方法として、脳波、眼球運動、筋電、及び脈波等の生体信号を測定して、詳細な睡眠状態を判別している。しかしながら、これらの生体信号を検出するためには、検出手段である電極等を人体の頭皮や皮膚に直接装着する必要があるため、装着による違和感等によって睡眠が阻害され、通常とは異なる睡眠状態となる可能性がある。

そこで、より簡便に睡眠状態を測定する必要があるが、そのような睡眠状態判定装置として、次のものが開示されている。

図９は、特許文献１に開示された睡眠状態判定装置１００のブロック図である。睡眠状態判定装置１００は、図示しないマットレスの表面に固定される圧電素子１０１、タイマー１０６及び回路ユニットを備える。回路ユニットは、フィルター１０２、増幅手段１０３、平滑化手段１０４、第１の判定手段１０５、第２の判定手段１１０、及び推定手段１１１を内蔵している。尚、圧電素子１０１及び回路ユニットは、シードル線で接続されている。

そして、圧電素子１０１が変形を受けると、その変形の程度に応じて圧電素子１０１より電圧が発生する。圧電素子１０１の出力信号は、フィルター１０２で約１〜１０Ｈｚの成分が通過し、増幅手段１０３により増幅された後、平滑化手段１０４により平滑化される。第１の判定手段１０５では、平滑化手段１０４からの出力信号に応じて、「不在」又は「体動」が判定される。体動判定がある場合、第２の判定手段１１０では、体動強度Ｂ１が判定される。体動判定の後、タイマー１０６により体動静止時間Ｔの計時動作が開始される。推定手段１１１では、体動強度Ｂ１及び体動静止時間Ｔに基づいて睡眠状態が推定される。推定手段１１１での推定としては、まず、体動が発生した時点での覚醒度Ｗをそのときの体動強度Ｂ１から求め、次に、覚醒度Ｗ及び体動静止時間Ｔから睡眠深度Ｓを求めている。

特許第２７１８３０３号公報

しかしながら、特許文献１に開示された睡眠状態判定装置では、睡眠状態を高精度で推定するためには不十分である。特許文献１では、体動強度及び体動静止時間から覚醒度を求め、覚醒度及び体動静止時間から睡眠深度を求めているため、睡眠深度の差が大きな値である場合には推定可能であるが、睡眠深度の微妙な違いについては精度良く推定することは困難である。つまり、深い睡眠又は覚醒の様な推定は再現性が高いが、浅い睡眠を含めて識別しようとすると推定は困難となる。特に、ＲＥＭ睡眠期を高精度で判定することは大変困難である。

本発明は、上記の問題に鑑みてなされたものであり、その目的は、睡眠状態を高精度で推定するための睡眠状態判定システムを提供することにある。

本発明に係る睡眠状態判定システムは、振動を検出し電圧として出力する振動センサ、並びに、振動センサからの出力信号の読取及び分析を行う制御部を備えた睡眠状態判定システムにおいて、制御部は、振動センサからの出力値Ｅに対して、Ａ＜Ｂの関係を満たす閾値Ａ及びＢを設定し、Ａ≦Ｅ＜Ｂの単位時間当たりのデータ個数を集計したＳ、及びＢ≦Ｅの単位時間当たりのデータ個数を集計したＨを算出し、算出されたＳ及びＨを用いて、
（１）Ｈの個数
（２）Ｓの個数の５点移動平均＝Ｌ
（３）Ｈの個数の５点移動平均＝Ｍ
（４）（（１−（Ｌ−０．５）^２）×（１−（Ｍ−０．５）^２））×２０の２０点移動平均×２
となる４つのパラメータを算出すると共に、４つのパラメータに基づいて睡眠状態の判定結果を出力することを特徴としている。

本発明の一実施態様においては、制御部は、前記振動センサの定常出力値Ｐを中心値として、Ｄ＜Ｃ＜Ｐ＜Ａ＜Ｂの関係を満たす閾値Ａ、Ｂ、Ｃ及びＤを設定し、Ａ≦Ｅ＜Ｂ及びＤ＜Ｅ≦Ｃの単位時間当たりのデータ個数を集計したＳ、並びにＢ≦Ｅ及びＥ≦Ｄの単位時間当たりのデータ個数を集計したＨを算出しても良い。

本発明の一実施態様においては、制御部は、脳波による睡眠状態の判定結果と相関を持ったニューラルネットワークを有し、ニューラルネットワークは、４つのパラメータを入力し、睡眠状態の判定結果を出力しても良い。

本発明の一実施態様においては、ニューラルネットワークは、バックプロパゲーション法を用いて構築しても良い。

本発明の一実施態様においては、睡眠状態判定システムは、振動センサとなるピエゾケーブルをマット上に敷設しても良い。

本発明に係る睡眠状態判定システムは、短い瞬時覚醒も検出可能であるし、脳波を測定すること以外では推定しにくいとされるＲＥＭ睡眠期も推定可能であるため、睡眠状態を高精度で推定することが可能となる。

実施形態１のマット型振動センサ装置及びその周辺部の概略斜視図である。 実施形態１のマット型振動センサ装置の概略上面図である。 実施形態１のマット型振動センサ装置で計測した振動の変化を示す図である。 実施形態１の制御部で構築されるニューラルネットワークを説明するための図である。 実施形態１のマット型振動センサ装置で睡眠状態を判定することを説明するためのフローチャートである 実施形態１のマット型振動センサ装置において、睡眠状態の判定結果が得られることを示すための一連の解析図である。 実施形態２のマット型振動センサ装置の概略斜視図である。 実施形態３のマット型振動センサ装置の概略上面図である。 特許文献１の睡眠状態判定装置のブロック図である。

〔実施形態１〕
実施形態１に係る睡眠状態判定システムとなるマット型振動センサ装置１について、図面を参照して説明すれば、以下の通りである。

図１は、本実施形態に用いられるマット型振動センサ装置１及びその周辺部の概略斜視図である。図２は、本実施形態に用いられるマット型振動センサ装置１の概略上面図である。

本実施形態のマット型振動センサ装置１は、マット２上にピエゾケーブル３及び制御部４を敷設している。ピエゾケーブル３は、振動センサであり、振動を検出し電圧として出力する。制御部４は、ピエゾケーブル３からの出力信号の読取及び分析を行う。

図１において、マット型振動センサ装置１は、マットレス５及びベッド６の間に設けられ、睡眠状態を検知される対象者の振動を適切に検出できるように、例えばベッド６上のほぼ中央の位置に配置される。そして、マット型振動センサ装置１の上方に対象者が横たわることによって、体動がマットレス５に伝わり、振動としてマット型振動センサ装置１に到達し、計測されることになる。

ここで、図２に示すように、ピエゾケーブル３は、マット２上で縦及び横のそれぞれに平行となる部分を有することによって、マット型振動センサ装置１の縦方向及び横方向の両方の変形を検出することが可能となる。

また、図２では、マット型振動センサ装置１の大きさを縦５９０ｍｍ×横４００ｍｍとしているが、大きすぎるとピエゾケーブル３の長さが長くなり、ピエゾケーブル３からの出力信号が平均化されて振動の変化が小さくなってしまう。一方、人の胴体に対応する大きさにすることを考慮すると、ある一定以上の長さは必要である。そのことを考慮すると、マット型振動センサ装置１の大きさは、縦及び横共に３００ｍｍ〜９００ｍｍの長さとすることが好ましい。

図３は、本実施形態に用いられるマット型振動センサ装置１で計測した振動の変化を示す図である。図４は、本実施形態に用いられる制御部４で構築されるニューラルネットワーク７を説明するための図である。

本実施形態では、図３に示すように、ピエゾケーブル３の定常出力値を１．２５Ｖとしており、振動が生じるたびに出力値が変化している。そして、ピエゾケーブル３が屈曲すると１．２５Ｖより大きい出力値となり、伸長すると１．２５Ｖより小さい出力値となる。

その後、ピエゾケーブル３の出力値は制御部４に送付される。制御部４では、ピエゾケーブル３の出力値に基づいて分析を行う。出力値をＥとし、閾値をＡ＝１．２６Ｖ、Ｂ＝１．５Ｖ、Ｃ＝１．２２Ｖ及びＤ＝１．０Ｖとすると、Ａ≦Ｅ＜Ｂ及びＤ＜Ｅ≦Ｃの３０秒毎のデータ個数を集計したＳ’、並びにＢ≦Ｅ及びＥ≦Ｄの３０秒毎のデータ個数を集計したＨ’を算出する。Ｓ’及びＨ’は、３０以上を１と規格し、それぞれを集計したＳ及びＨを算出する。算出されたＳ及びＨを用いて、下記に示す４つのパラメータを算出する。

（１）Ｈの個数
（２）Ｓの個数の５点移動平均＝Ｌ
（３）Ｈの個数の５点移動平均＝Ｍ
（４）（（１−（Ｌ−０．５）^２）×（１−（Ｍ−０．５）^２））×２０の２０点移動平均×２
また、制御部４では、図４に示すように、算出した４つのパラメータ（１）〜（４）を入力信号とし、入力層Ｉｎ１〜Ｉｎ４、中間層ｈ１〜ｈ４、及び出力層ｏ１〜ｏ４の３層構造であり、出力信号は睡眠状態を識別するための信号であるニューラルネットワーク７を有している。ニューラルネットワーク７では、睡眠状態として、Ｗａｋｅ：起きている状態、ＲＥＭ：浅い眠りの状態、及びＮｏｎ−ＲＥＭ：深い眠りの状態の３段階の識別を行っている。尚、出力層ｏ１〜ｏ４のうち、出力層ｏ１はＷａｋｅ，出力層ｏ２はＲＥＭ、並びに、出力層ｏ３及びｏ４はＮｏｎ−ＲＥＭに対応している。

ここで、ニューラルネットワーク７は、脳波による睡眠状態の判定結果と相関を持ったものを構築するために、バックプロパゲーション法を用いたニューラルネットワーク学習を行っている。まず、脳波計で測定して、脳波による睡眠状態の判定結果を得る。そして、その睡眠状態の判定結果であるＷａｋｅ、ＲＥＭ及びＮｏｎ−ＲＥＭに該当する信号を教師信号として、ニューラルネットワーク７の出力信号との差の二乗の総和を誤差関数として定義する。この誤差関数を小さくし、誤差が極小値をとるように、中間層から出力層までの結合係数を変えていく学習を行っている。尚、本実施形態では、学習回数として１０００回を繰り返して、脳波による睡眠状態の判定結果と相関を持ったニューラルネットワークを構築している。

図５は、本実施形態に用いられるマット型振動センサ装置１で睡眠状態を判定することを説明するためのフローチャートである。

Ｓ０ステップでは、就寝する前に電源をオンして、マット型振動センサ装置１の動作が開始となる。

Ｓ１ステップでは、対象者の体動をピエゾケーブル３が振動として検出し、その出力信号を制御部４へ送付する。

Ｓ２ステップでは、制御部４において、閾値Ａ〜Ｄに対して、Ａ≦Ｅ＜Ｂ及びＤ＜Ｅ≦Ｃの３０秒毎のデータ個数を集計したＳ’、並びにＢ≦Ｅ及びＥ≦Ｄの３０秒毎のデータ個数を集計したＨ’を算出する。そして、Ｓ’及びＨ’は、３０以上を１と規格し、それぞれを集計したＳ及びＨを算出する。

Ｓ３ステップでは、制御部４において、Ｓ２ステップで算出されたＳ及びＨを用いて、４つのパラメータ（１）〜（４）を算出する。

Ｓ４ステップでは、制御部４のニューラルネットワーク７において、４つのパラメータ（１）〜（４）から睡眠状態を判定し、睡眠状態を識別するための信号が出力される。ニューラルネットワーク７の出力信号は、制御部４内に設けられるメモリ内に記録される。尚、ニューラルネットワーク７による睡眠状態の判定結果は、マット型振動センサ装置１にディスプレイを設けて、対象者の起床後に表示させるようにしても良い。また、ニューラルネットワーク７による睡眠状態の判定結果は、マット型振動センサ装置１の外部へデータとして取り出せるようにしても良い。

Ｓ５ステップでは、起床した後に電源をオフして、マット型振動センサ装置１の動作が終了となる。

ここで、マット型振動センサ装置１では、Ｓ０〜Ｓ５ステップとは別に、ニューラルネットワーク７として、脳波による睡眠状態の判定結果と相関を持ったものを構築するためのステップを有している。

Ｔ１ステップでは、脳波計で測定して、脳波による睡眠状態の判定結果を得る。その睡眠状態の判定結果であるＷａｋｅ、ＲＥＭ及びＮｏｎ−ＲＥＭに該当する信号を教師信号として、制御部４へ送付する。

Ｔ２ステップでは、制御部４のニューラルネットワーク７において、Ｓ３ステップで算出された４つのパラメータ（１）〜（４）を入力し、バックプロパゲーション法を用いたニューラルネットワーク学習を行う。その結果、脳波による睡眠状態の判定結果と相関を持ったニューラルネットワーク７を構築することができる。Ｓ４ステップでは、このようにして構築されたニューラルネットワーク７が用いられている。

尚、Ｔ１及びＴ２ステップは、マット型振動センサ装置１を商品化する前に実施して、商品化されたマット型振動センサ装置１の制御部４には、脳波による睡眠状態の判定結果と相関を持ったニューラルネットワーク７を構築済としておけば良い。ニューラルネットワーク７を構築する際には、同一人物の脳波による、睡眠状態の判定結果及び４つのパラメータ（１）〜（４）が必要となるが、ニューラルネットワーク７を一旦構築しておけば、それを使って任意の人の睡眠状態を判定することができる。

図６は、本実施形態に用いられるマット型振動センサ装置１において、睡眠状態の判定結果が得られることを示すための一連の解析図である。

図６（ａ）は、図３と同様のものであり、Ｓ１ステップにおけるピエゾケーブル３の出力信号の測定結果を示している。

図６（ｂ）では、Ｓ１ステップでのピエゾケーブル３の出力信号について、その測定結果を小振動及び大振動に分けて示している。Ａ≦Ｅ＜Ｂ及びＤ＜Ｅ≦Ｃである出力値Ｅが小振動に該当し、Ｂ≦Ｅ及びＥ≦Ｄである出力値Ｅが大振動に該当する。これに基づいて、Ｓ’、Ｈ’Ｓ及びＨを算出している。

図６（ｃ）は、マット型振動センサ装置１における睡眠状態の判定結果、及び脳波計で測定した脳波による睡眠状態の判定結果を比較して示している。図６（ｃ）では、Ｓ２〜Ｓ４ステップより得られたマット型振動センサ装置１における睡眠状態の判定結果である、Ｗａｋｅ、ＲＥＭ及びＮｏｎ−ＲＥＭを点で示している。また、図６（ｃ）では、脳波計で測定した脳波による睡眠状態の判定結果である、Ｗａｋｅ、ＲＥＭ及びＮｏｎ−ＲＥＭが変化していることを線で示している。

ここで、本実施形態におけるマット型振動センサ装置１における睡眠状態の判定結果、及び脳波計で測定した脳波による睡眠状態の判定結果を比較したところ、単純一致率として７２．６％という高い一致率となったことを確認している。

尚、本実施形態では、マット型振動センサ装置１は、マットレス５及びベッド６の間に設けられるが、それに限定されない。例えば、マットレス５上に設けても良い。

また、本実施形態では、ピエゾケーブル３は、マット２上で縦及び横のそれぞれに平行となる部分を有しているが、それに限定されない。例えば、縦及び横のそれぞれで斜めとなる部分を有しても良い。

さらに、本実施形態では、睡眠状態判定システムとして、マット２上にピエゾケーブル３を敷設したマット型振動センサ装置１を用いているが、それに限定されず、マット２を有さない振動センサ装置であっても良い。

さらに、本実施形態では、振動センサとしてピエゾケーブル３を用いているが、それに限定されない。

さらに、本実施形態では、制御部４のニューラルネットワーク７において、バックプロパゲーション法を用いたニューラルネットワーク学習を行っているが、それに限定されない。

さらに、本実施形態では、制御部４において、脳波による睡眠状態の判定結果と相関を持ったニューラルネットワークを構築することにより、睡眠状態の判定結果を得ているが、それに限定されない。４つのパラメータ（１）〜（４）の入力信号に対して、ニューラルネットワーク以外のやり方で睡眠状態の判定結果を得ても良い。但し、判定結果の精度を考えると、ニューラルネットワークを使ったやり方で睡眠状態の判定結果を得ることが好ましい。

さらに、本実施形態では、ピエゾケーブル３からの出力値は、定常出力値に対し、振動が生じるたびに上下に出力値が変化しているが、それに限定されない。例えば、出力値が上方向だけに変化しても良い。その場合、閾値としてＡ及びＢのみが必要となる。

さらに、本実施形態では、制御部４において、閾値Ａ〜Ｄに対して、Ａ≦Ｅ＜Ｂ及びＤ＜Ｅ≦Ｃの３０秒毎のデータ個数を集計したＳ’、並びにＢ≦Ｅ及びＥ≦Ｄの３０秒毎のデータ個数を集計したＨ’を算出し、Ｓ’及びＨ’は、３０以上を１と規格し、それぞれを集計したＳ及びＨを算出するが、それに限定されない。例えば、Ａ≦Ｅ＜Ｂ及びＤ＜Ｅ≦Ｃの６０秒毎のデータ個数を集計したＳ’、並びにＢ≦Ｅ及びＥ≦Ｄの６０秒毎のデータ個数を集計したＨ’を算出し、Ｓ’及びＨ’は、６０以上を１と規格し、それぞれを集計したＳ及びＨを算出しても良い。出力値が定常出力値に対し一方側のみに変化する場合も考慮すると、制御部４では、Ａ＜Ｂの関係を満たす２段階の閾値Ａ及びＢを設定し、Ａ≦Ｅ＜Ｂの単位時間当たりのデータ個数を集計したＳ、及びＢ≦Ｅの単位時間当たりのデータ個数を集計したＨを算出していると考えれば良い。

〔実施形態２〕
実施形態２に係る睡眠状態判定システムとなるマット型振動センサ装置１ａについて、図面を参照して説明すれば、以下の通りである。本実施形態は、マット型振動センサ装置１ａが折り曲げ可能であることが、実施形態１とは異なる。本実施形態では、実施形態１とは異なる部分を中心に説明を行う。

図７は、本実施形態に用いられるマット型振動センサ装置１ａの概略斜視図である。本実施形態のマット型振動センサ装置１ａは、マット２ａ上にピエゾケーブル３ａ及び制御部４を敷設している。マット２ａは長方形の６枚の板を繋ぎ合せており、繋ぎ目で折り曲げ可能となっている。尚、ピエゾケーブル３ａは、マット２ａを折り曲げた際にも、繋ぎ目で接続されており、信号の伝達が行われている。折り曲げ可能とすることにより、マット型振動センサ装置１ａは携帯性に優れたものとなる。

尚、本実施形態では、マット２ａは長方形の６枚の板を繋ぎ合せているが、それに限定されず、２〜５及び７枚以上の板を繋ぎ合せていても良い。

〔実施形態３〕
実施形態３に係る睡眠状態判定システムとなるマット型振動センサ装置１ｂについて、図面を参照して説明すれば、以下の通りである。本実施形態は、マット型振動センサ装置１ｂが制御部４を信号読取部４ａ及び演算部４ｂに分けていることが、実施形態１とは異なる。本実施形態では、実施形態１とは異なる部分を中心に説明を行う。

図８は、本実施形態に用いられるマット型振動センサ装置１ｂの概略上面図である。制御部４は、信号読取部４ａ及び演算部４ｂから構成される。信号読取部４ａは、ピエゾケーブル３からの出力信号の読取を行うが、分析は行わない。そして、信号読取部４ａから出力信号を演算部４ｂに無線で送信し、演算部４ｂにおいて、Ｓ’、Ｈ’、Ｓ、Ｈ及び４つのパラメータ（１）〜（４）の算出、並びに、脳波による睡眠状態の判定結果と相関を持ったニューラルネットワーク７による睡眠状態の判定を行う。つまり、演算部４ｂは、ピエゾケーブル３の出力値に基づいて分析を行っている。また、演算部４ｂは、ニューラルネットワーク７を構築する等、複雑な演算を行ったりするが、マット２上から離れた位置に存在し、対象者が演算部４ｂの上に横たわる恐れがないため、故障が生じにくくなる。

尚、本実施形態では、信号読取部４ａから出力信号を演算部４ｂに無線で送信しているが、それに限定されず、有線で送信しても良い。

また、本実施形態では、演算部４ｂにおいて、Ｓ’、Ｈ’、Ｓ、Ｈ及び４つのパラメータ（１）〜（４）の算出、並びに、脳波による睡眠状態の判定結果と相関を持ったニューラルネットワーク７による睡眠状態の判定を行っているが、それに限定されない。例えば、Ｓ’、Ｈ’、Ｓ、Ｈ及び４つのパラメータ（１）〜（４）の算出は信号読取部４ａで行い、ニューラルネットワーク７による睡眠状態の判定を演算部４ｂで行っても良い。

以上、実施形態１〜３について具体的に説明を行ったが、本発明はそれらに限定されるものではない。上述した３つ実施形態にそれぞれ開示された技術的手段を適宜組み合せて得られる実施形態についても本発明の技術的範囲に含まれる。

本発明に係る睡眠状態判定システムは、睡眠中に測定されるパラメータを用いて睡眠状態を判定するための睡眠状態判定システム全般に広く適用することができる。

１ マット型振動センサ装置
２ マット
３ ピエゾケーブル
４ 制御部
５ マットレス
６ ベッド
７ ニューラルネットワーク

Claims (5)

1. 振動を検出し電圧として出力する振動センサ、並びに、該振動センサからの出力信号の読取及び分析を行う制御部を備えた睡眠状態判定システムにおいて、
   前記制御部は、
   前記振動センサからの出力値Ｅに対して、Ａ＜Ｂの関係を満たす閾値Ａ及びＢを設定し、
   Ａ≦Ｅ＜Ｂの単位時間当たりのデータ個数を集計したＳ、及びＢ≦Ｅの単位時間当たりのデータ個数を集計したＨを算出し、
   算出されたＳ及びＨを用いて、
   （１）Ｈの個数
   （２）Ｓの個数の５点移動平均＝Ｌ
   （３）Ｈの個数の５点移動平均＝Ｍ
   （４）（（１−（Ｌ−０．５）^２）×（１−（Ｍ−０．５）^２））×２０の２０点移動平均×２
   となる４つのパラメータを算出すると共に、前記４つのパラメータに基づいて睡眠状態の判定結果を出力することを特徴とする睡眠状態判定システム。
2. 前記制御部は、
   前記振動センサの定常出力値Ｐを中心値として、Ｄ＜Ｃ＜Ｐ＜Ａ＜Ｂの関係を満たす閾値Ａ、Ｂ、Ｃ及びＤを設定し、
   Ａ≦Ｅ＜Ｂ及びＤ＜Ｅ≦Ｃの単位時間当たりのデータ個数を集計したＳ、並びにＢ≦Ｅ及びＥ≦Ｄの単位時間当たりのデータ個数を集計したＨを算出することを特徴とする請求項１に記載の睡眠状態判定システム。
3. 前記制御部は、脳波による睡眠状態の判定結果と相関を持ったニューラルネットワークを有し、
   前記ニューラルネットワークは、前記４つのパラメータを入力し、睡眠状態の判定結果を出力することを特徴とする請求項１又は２に記載の睡眠状態判定システム。
4. 前記ニューラルネットワークは、バックプロパゲーション法を用いて構築したことを特徴とする請求項３に記載の睡眠状態判定システム。
5. 前記睡眠状態判定システムは、前記振動センサとなるピエゾケーブルをマット上に敷設したことを特徴とする請求項１から４のいずれかに記載の睡眠状態判定システム。

Images