JP2020022732A - 睡眠状態判定装置、睡眠状態判定システム及び睡眠状態判定プログラム - Google Patents

Abstract

【課題】睡眠の状態を手軽に判定する。【解決手段】睡眠状態判定装置は、被験者の脈波を示す脈波情報と、被験者の体の一部の加速度を示す加速度情報とを取得する取得部と、脈波情報を睡眠深さ学習部に対して与えることにより、被験者の睡眠の深さの瞬時値を算出する瞬時値算出部と、脈波情報と加速度情報とを睡眠段階学習部に対して与えることにより、被験者の睡眠段階を判定する睡眠段階判定部と、被験者の睡眠の深さの瞬時値と被験者の睡眠段階とに基づいて、被験者の入眠後所定期間の瞬時値の積分値を睡眠深さとして算出する睡眠深さ算出部と、睡眠深さ算出部が算出する被験者の睡眠深さに基づいて、被験者の睡眠の質の種類を判定する睡眠質判定部とを備える。【選択図】図１

Description

本発明は、睡眠状態判定装置、睡眠状態判定システム及び睡眠状態判定プログラムに関する。

従来、睡眠の状態を判定して推奨行動を提案する技術が開示されている（例えば、特許文献１を参照）。

特開２０１６−１２２３４７号公報

特許文献１に示すような技術によると、就寝時刻、起床時刻、睡眠時間などの情報に基づいて睡眠の状態を判定する。しかしながら、特許文献１に示すような技術によると、睡眠の状態を判定するための情報の取得手段が一般的には煩雑になり、手軽に測定することができないという課題があった。

本発明の一実施形態は、被験者の脈波を示す脈波情報と、前記被験者の体の一部の加速度を示す加速度情報とを取得する取得部と、脈波の波形に基づいて睡眠の深さの瞬時値を出力する睡眠深さ学習部に対して、前記取得部が取得する前記脈波情報を与えることにより、前記被験者の睡眠の深さの瞬時値を算出する瞬時値算出部と、脈波の波形と体の一部の加速度の値とに基づいてレム睡眠段階とノンレム睡眠段階とを含む睡眠段階を出力する睡眠段階学習部に対して、前記取得部が取得する前記脈波情報と前記加速度情報とを与えることにより、前記被験者の前記睡眠段階を判定する睡眠段階判定部と、前記瞬時値算出部が算出する前記被験者の睡眠の深さの瞬時値と、前記睡眠段階判定部が判定する前記被験者の前記睡眠段階とに基づいて、前記被験者の入眠後所定期間の前記瞬時値の積分値を睡眠深さとして算出する睡眠深さ算出部と、前記睡眠深さ算出部が算出する前記被験者の前記睡眠深さに基づいて、前記被験者の睡眠の質の種類を判定する睡眠質判定部と、前記睡眠質判定部によって判定された結果に基づく情報を出力する出力部と、を備える睡眠状態判定装置である。

本発明の一実施形態は、上述の睡眠状態判定装置において前記瞬時値算出部が算出する前記被験者の睡眠の深さの瞬時値と、前記睡眠段階判定部が判定する前記睡眠段階とに基づいて、前記被験者の睡眠の状態を判定する睡眠状態判定部をさらに備え、前記睡眠質判定部は、前記睡眠状態判定部が睡眠の状態を判定した結果にさらに基づいて、前記被験者の睡眠の質の種類を判定する。

本発明の一実施形態は、上述の睡眠状態判定装置において前記睡眠状態判定部は、前記瞬時値算出部が算出する前記被験者の睡眠の深さの瞬時値と、前記睡眠段階判定部が判定する前記睡眠段階とに基づいて算出される前記被験者の寝つきの良さの程度を、前記睡眠の状態として判定する。

本発明の一実施形態は、上述の睡眠状態判定装置において前記睡眠状態判定部は、前記瞬時値算出部が算出する前記被験者の睡眠の深さの瞬時値と、前記睡眠段階判定部が判定する前記睡眠段階とに基づいて算出される入眠後の前記被験者の覚醒の程度を、前記睡眠の状態として判定する。

本発明の一実施形態は、上述の睡眠状態判定装置において前記睡眠状態判定部は、前記瞬時値算出部が算出する前記被験者の睡眠の深さの瞬時値と、前記睡眠段階判定部が判定する前記睡眠段階とに基づいて算出される前記被験者の睡眠時間を、前記睡眠の状態として判定する。

本発明の一実施形態は、上述の睡眠状態判定装置において前記睡眠深さ学習部とは、被験者の脳波と当該被験者の脈波との関係が学習された学習済みモデルであり、前記睡眠段階学習部とは、被験者の脳波と当該被験者の脈波及び体の一部の加速度との関係が学習された学習済みモデルである。

本発明の一実施形態は、上述の睡眠状態判定装置において、前記出力部は、前記睡眠質判定部が判定する前記被験者の睡眠の質の種類に基づいて、睡眠の質の種類に応じた提案情報を前記被験者に提示する提示装置に対して出力する。

本発明の一実施形態は、請求項１から請求項６のいずれか一項に記載の睡眠状態判定装置と、被験者の脈波を測定して前記脈波情報を生成する脈波測定部と、当該被験者の体の一部の加速度を測定して前記加速度情報を生成する加速度測定部と、前記脈波測定部が生成する前記脈波情報と、前記加速度測定部が生成する前記加速度情報とを前記睡眠状態判定装置に送信する端末装置と、前記睡眠状態判定装置が判定した結果を提示する提示装置とを備える睡眠状態判定システムである。

本発明の一実施形態は、上述の睡眠状態判定システムにおいて前記脈波測定部と、前記加速度測定部とが、リストバンド型である測定装置に備えられる。

本発明の一実施形態は、睡眠状態判定装置が備えるコンピュータに、被験者の脈波を示す脈波情報と、前記被験者の体の一部の加速度を示す加速度情報とを取得する取得ステップと、脈波の波形に基づいて睡眠の深さの瞬時値を出力する睡眠深さ学習部に対して、前記取得ステップにおいて取得される前記脈波情報を与えることにより、前記被験者の睡眠の深さの瞬時値を算出する瞬時値算出ステップと、脈波の波形と体の一部の加速度の値とに基づいてレム睡眠段階とノンレム睡眠段階とを含む睡眠段階を出力する睡眠段階学習部に対して、前記取得ステップにおいて取得される前記脈波情報と前記加速度情報とを与えることにより、前記被験者の前記睡眠段階を判定する睡眠段階判定ステップと、前記瞬時値算出ステップにおいて算出される前記被験者の睡眠の深さの瞬時値と、前記睡眠段階判定ステップにおいて判定される前記被験者の前記睡眠段階とに基づいて、前記被験者の入眠後所定期間の前記瞬時値の積分値を睡眠深さとして算出する睡眠深さ算出ステップと、前記睡眠深さ算出ステップにおいて算出される前記被験者の前記睡眠深さに基づいて、前記被験者の睡眠の質の種類を判定する睡眠質判定ステップと、前記睡眠質判定ステップにおいて判定された結果に基づく情報を出力する出力ステップと、を実行させるための睡眠状態判定プログラムである。

本発明の一実施形態は、被験者の脈波を示す脈波情報と、前記被験者の体の一部の加速度を示す加速度情報と、前記被験者の皮膚温度を示す皮膚温度情報と、前記被験者の就寝前の血圧を示す血圧測定情報とを取得する取得部と、皮膚温度と血圧とのうち少なくとも一方及び脈波の波形に基づいて睡眠の深さの瞬時値を出力する睡眠深さ学習部に対して、前記取得部が取得する前記皮膚温度情報と前記血圧測定情報とのうち少なくとも一方及び前記脈波情報を与えることにより、前記被験者の睡眠の深さの瞬時値を算出する瞬時値算出部と、皮膚温度と血圧とのうち少なくとも一方と脈波の波形と体の一部の加速度の値とに基づいてレム睡眠段階とノンレム睡眠段階とを含む睡眠段階を出力する睡眠段階学習部に対して、前記取得部が取得する前記皮膚温度情報と前記血圧測定情報とのうち少なくとも一方と前記脈波情報と前記加速度情報とを与えることにより、前記被験者の前記睡眠段階を判定する睡眠段階判定部と、前記瞬時値算出部が算出する前記被験者の睡眠の深さの瞬時値と、前記睡眠段階判定部が判定する前記被験者の前記睡眠段階とに基づいて、前記被験者の入眠後所定期間の前記瞬時値の積分値を睡眠深さとして算出する睡眠深さ算出部と、前記睡眠深さ算出部が算出する前記被験者の前記睡眠深さに基づいて、前記被験者の睡眠の質の種類を判定する睡眠質判定部と、前記睡眠質判定部によって判定された結果に基づく情報を出力する出力部と、を備える睡眠状態判定装置である。

本発明の一実施形態は、被験者の脈波を示す脈波情報と、前記被験者の体の一部の加速度を示す加速度情報とを取得する取得部と、脈波の波形及び前日の睡眠の質の種類に基づいて睡眠の深さの瞬時値を出力する睡眠深さ学習部に対して、前記取得部が取得する前記脈波情報及び前記被験者の前日の睡眠の質の種類を与えることにより、前記被験者の睡眠の深さの瞬時値を算出する瞬時値算出部と、脈波の波形と体の一部の加速度の値と前日の睡眠の質の種類とに基づいてレム睡眠段階とノンレム睡眠段階とを含む睡眠段階を出力する睡眠段階学習部に対して、前記取得部が取得する前記脈波情報と前記加速度情報と前記被験者の前日の睡眠の質の種類とを与えることにより、前記被験者の前記睡眠段階を判定する睡眠段階判定部と、前記瞬時値算出部が算出する前記被験者の睡眠の深さの瞬時値と、前記睡眠段階判定部が判定する前記被験者の前記睡眠段階とに基づいて、前記被験者の入眠後所定期間の前記瞬時値の積分値を睡眠深さとして算出する睡眠深さ算出部と、前記睡眠深さ算出部が算出する前記被験者の前記睡眠深さに基づいて、前記被験者の睡眠の質の種類を判定する睡眠質判定部と、前記睡眠質判定部によって判定された結果に基づく情報を出力する出力部と、を備える睡眠状態判定装置である。

本発明の一実施形態は、上述の睡眠状態判定装置において前記取得部が取得した前記被験者の睡眠時の脈波の波形と、前記睡眠質判定部が判定した結果の前記被験者の睡眠の質の種類とに基づいて、前記被験者の健康状態を推定する健康状態算出部をさらに備える。

本発明の一実施形態は、上述の睡眠状態判定装置において前記出力部は、前記睡眠質判定部によって判定された結果の睡眠の質状態を前記被験者と同じ年代、性別又は職種の人の平均値と比較して、前記被験者の目標値を提案する情報を出力する。

本発明の一実施形態は、上述の睡眠状態判定装置において前記被験者が主観的な睡眠の状態を示す主観的睡眠状態データを入力する入力部と、前記主観的睡眠状態データと、前記睡眠質判定部が判定した結果の被験者の睡眠の質の種類との日々の変動及び乖離を解析して学習する解析学習部と、をさらに備え、前記出力部は、当該解析及び学習の結果に基づいて、主観よりも客観的な睡眠状態がよい時及び悪い時を提示する情報を出力する。

本発明の一実施形態は、上述の睡眠状態判定装置において前記出力部は、前記睡眠質判定部によって判定された結果に基づく「眠りの深さ」「寝つきの良さ」「眠りの維持」「睡眠時間」の中から２つ以上を組合わせてレーダーチャート形式で表示する表示情報を出力する。

本発明の一実施形態は、上述の睡眠状態判定装置において前記出力部は、前記「眠りの深さ」「寝つきの良さ」「眠りの維持」「睡眠時間」のうち前記レーダーチャート形式で表示される値の合計値を前記表示情報に含める。

本発明によれば、睡眠の状態を手軽に判定することができる睡眠状態判定装置、睡眠状態判定システム及び睡眠状態判定プログラムを提供することができる。

本実施形態の睡眠状態判定システムの機能構成の一例を示す図である。 本実施形態の睡眠深さ学習部の学習過程の一例を示す図である。 本実施形態の睡眠段階学習部の学習過程の一例を示す図である。 本実施形態の睡眠状態判定システムの動作の一例を示す図である。 本実施形態の睡眠の深さの瞬時値及び睡眠段階の具体例を示す図である。 本実施形態の睡眠質判定部が行う睡眠の質の種類の判定動作の一例を示す図である。 本実施形態の提案情報の一例を示す図である。 本実施形態の提案情報出力部が参照する提案候補情報の一例を示す図である。 本実施形態の睡眠状態判定システムの機能構成の一変形例を示す図である。 本実施形態の睡眠充足度評価表の一構成例を示す図である。 本実施形態の提案情報ＰＰの一例を示す図である。

［実施形態］
以下、図面を参照して本実施形態の睡眠状態判定システム１について説明する。
図１は、本実施形態の睡眠状態判定システム１の機能構成の一例を示す図である。

［睡眠状態判定システム１の機能構成]
睡眠状態判定システム１は、測定装置１０と、端末装置２０と、睡眠状態判定装置３０とを備える。この睡眠状態判定システム１は、測定装置１０によって測定された脈波情報ＰＷ及び加速度情報ＡＣに基づいて、睡眠状態判定装置３０が被験者の睡眠の状態を判定し、判定結果に応じた提案を行う。この一例では、測定装置１０が測定した脈波情報ＰＷ及び加速度情報ＡＣは、端末装置２０を介して睡眠状態判定装置３０に供給される。
以下、これら各装置の機能構成の具体例について説明する。

［測定装置１０の機能構成］
測定装置１０は、脈波測定部１１０と、加速度測定部１２０とを備える。測定装置１０は、例えばリストバンド型（腕時計型）のウエアラブル装置であって、被験者の腕の一部に装着される。すなわち、この一例では、脈波測定部１１０と、加速度測定部１２０とが、被験者の腕の一部に装着される測定装置１０に備えられる。これら脈波測定部１１０と、加速度測定部１２０とは、一体型の装置として構成されることが好ましい。

なお、この一例では、測定装置１０は、リストバンド型のウエアラブル装置であるとして説明するが、これに限られない。測定装置１０は、マットレス型や反射波を取得する据置型の装置として構成されてもよい。

脈波測定部１１０は、例えば、加速度、圧力、光、心電位、反射波などを捉えるセンサ（例えば、光学式赤外線センサ）を備えており、被験者の手首の脈の振れの波形（すなわち、脈波）を測定する。脈波測定部１１０は、測定した被験者の脈波を示す脈波情報ＰＷを生成する。なお、脈波測定部１１０は、例示した測定対象のうち、特に光又は心電位を捉えるセンサを備えることがより好ましい。
加速度測定部１２０は、加速度、反射波などを捉えるセンサ（例えば、加速度センサ）を備えており、被験者の体動（例えば、手首の加速度）を測定する。加速度測定部１２０は、測定した被験者の手首の加速度を示す加速度情報ＡＣを生成する。
これら被験者の脈波及び体動は、例えば、１０Ｈｚ以上のサンプリング周波数によって測定される。
測定装置１０は、脈波測定部１１０が生成する脈波情報ＰＷと、加速度測定部１２０が生成する加速度情報ＡＣとを対応付けて、端末装置２０に供給する。
なお、脈波情報ＰＷは、脈波パワースペクトル（例えば、ＶＬＦ、ＨＦ／（ＶＬＦ＋ＬＦ＋ＨＦ）、ＨＦ／（ＬＦ＋ＨＦ）、ＭＦ／ＬＦ、ＭＦ、ＨＦ、ＩＢＩ ＨＲ、ＬＦ、ＬＦ／ＨＦ）、ＩＢＩ（例えば、測定値、測定値の平均値、ＣＶ ＮＮ、ＲＭＳ ＳＤ、ＳＤＮＮ、ＲＭＳ ＳＤ／ＳＤＮＮ、ＰＮＮ ５０）などによって被験者の脈波を示す。なお、ＶＬＦとは超低周波帯域、ＬＦとは低周波帯域、ＭＦとは中周波数帯域、ＨＦとは高周波数帯域である。また、ＩＢＩとは、脈拍間隔である。ＣＶ ＮＮとは単位時間内の心拍間隔の変動係数、ＲＭＳ ＳＤとは平自乗根の標準偏差、ＳＤＮＮとは心拍間隔の標準偏差、ＰＮＮ ５０とは単位時間内の心拍間隔が５０ｍｓ以上の割合（又は回数）である。
また、加速度情報ＡＣは、Ｚｅｒｏ Ｃｒｏｓｓ（ゼロ・クロス）値、Ｍａｘ（最大値）、Ｍｉｎ（最小値）、Ｍｅｄｉａｎ（中央値）、Ｍｅａｎ（平均値）、ＳＤ（標準偏差）などによって被験者の体動を表す。

［端末装置２０の機能構成］
端末装置２０は、例えば、スマートフォンやタブレット、パーソナルコンピュータなどのコンピュータ装置であって、通信部２１０と、操作部２２０と、提示部２３０とを備える。
通信部２１０は、無線や有線などの通信手段により、測定装置１０及び睡眠状態判定装置３０との情報通信を行う。
操作部２２０は、例えば、タッチパネルなどの操作検出デバイスを備えており、端末装置２０を操作する者（例えば、被験者）による操作を検出する。
提示部２３０は、例えば、液晶ディスプレイなどの表示デバイスや、スピーカーなどの音響デバイスを備えており、端末装置２０を操作する者（例えば、被験者）に対して情報を提示する。なお、上述したように端末装置２０が提示部２３０を備える場合には、端末装置２０は提示装置としても機能する。

［睡眠状態判定装置３０の機能構成］
睡眠状態判定装置３０は、例えば、クラウドサーバとして構成される。睡眠状態判定装置３０は、取得部３１０と、瞬時値算出部３２０と、睡眠段階判定部３３０と、睡眠深さ算出部３４０と、睡眠状態判定部３５０と、睡眠質判定部３６０と、提案情報出力部３７０と、睡眠深さ学習部４１０と、睡眠段階学習部４２０とを備える。

睡眠深さ学習部４１０は、脈波の波形、すなわち脈波情報ＰＷに基づいて睡眠の深さの瞬時値ＤＩを出力する。ここで、睡眠の深さの瞬時値ＤＩとは、所定時間ごとに算出される被験者の睡眠の深さである。ここで、被験者の睡眠の深さが算出される所定時間は、３０秒から６０秒ごとであることが好ましい。以下では、所定時間が３０秒である場合を一例として説明する。この睡眠深さ学習部４１０とは、例えば、いわゆる機械学習済みモデルであって、被験者の脳波と当該被験者の脈波との関係が学習された学習済みモデルである。この睡眠深さ学習部４１０の学習過程について、図２を参照して説明する。

［睡眠深さ学習部４１０の学習過程］
図２は、本実施形態の睡眠深さ学習部４１０の学習過程の一例を示す図である。
一般に、被験者の脳波の状態と、当該被験者の睡眠の深さとには所定の関係があることが知られている。例えば、被験者の睡眠の深さが比較的深い場合には、被験者の脳波には特徴的な波形パターンが現れ、被験者の睡眠の深さが比較的浅い場合には、深い場合の波形パターンとは異なる波形パターンが現れることが知られている。
睡眠深さ学習部４１０は、その学習過程において、与えられた脳波情報ＢＷと、脈波情報ＰＷとの関係を学習する。具体的には、睡眠深さ学習部４１０は、被験者の脳波の波形を示す脳波情報ＢＷと、この脳波と同時に計測された当該被験者の脈波の波形を示す脈波情報ＰＷとが与えられ、睡眠の深さの瞬時値ＤＩを出力する。ここで、脳波情報ＢＷとこの脳波情報ＢＷによって計算される睡眠の深さの瞬時値ＤＩＢとの関係は既知である。脳波情報ＢＷによって計算される睡眠の深さの瞬時値ＤＩＢを正解データとして、脈波情報ＰＷと睡眠の深さの瞬時値ＤＩＢとの関係を学習する。この結果、睡眠深さ学習部４１０は、脈波情報ＰＷが供給されると、この脈波情報ＰＷに対応する睡眠の深さの瞬時値ＤＩを出力するように学習される。

なお、睡眠深さ学習部４１０の学習過程においては、被験者の脳波の状態を表す指標としてデルタ波パワー値が用いられる。

図１に戻り、睡眠段階学習部４２０は、脈波の波形（脈波情報ＰＷ）と、加速度の波形（加速度情報ＡＣ）とに基づいて睡眠段階ＳＧを出力する。睡眠段階学習部４２０とは、例えば、いわゆる機械学習済みモデルであって、被験者の脳波と当該被験者の脈波及び体の一部の加速度との関係が学習された学習済みモデルである。

［睡眠の段階］
睡眠段階ＳＧには、睡眠の深さが浅いほうから深いほうへ順に、「覚醒ＡＷ」「レム睡眠ＲＭ」「ノンレム睡眠ＮＲ」がある。またこの「ノンレム睡眠ＮＲ」には、浅いノンレム睡眠ＮＲである「ノンレム睡眠（浅）ＮＲＬ」と、深いノンレム睡眠ＮＲである「ノンレム睡眠（深）ＮＲＤ」とがある。すなわち、睡眠段階ＳＧには、「覚醒ＡＷ」「レム睡眠ＲＭ」「ノンレム睡眠（浅）ＮＲＬ」「ノンレム睡眠（深）ＮＲＤ」の４段階がある。 すなわち、睡眠段階学習部４２０は、脈波の波形（脈波情報ＰＷ）と、被験者の体の一部の加速度の値（加速度情報ＡＣ）とに基づいて、レム睡眠ＲＭの段階とノンレム睡眠ＮＲの段階とを含む睡眠段階ＳＧを出力する。この睡眠段階学習部４２０の学習過程について、図３を参照して説明する。

［睡眠段階学習部４２０の学習過程］
図３は、本実施形態の睡眠段階学習部４２０の学習過程の一例を示す図である。一般に、被験者の脳波の状態と、当該被験者の睡眠段階ＳＧとには所定の関係があることが知られている。例えば、被験者の睡眠がレム睡眠ＲＭの段階である場合には、被験者の脳波には特徴的な波形パターンが現れ、被験者の睡眠がノンレム睡眠ＮＲの段階である場合には、レム睡眠ＲＭの場合の波形パターンとは異なる波形パターンが現れることが知られている。また、一般に、被験者が覚醒している場合には、体動（例えば、腕を動かすなど）の程度が大きく、被験者が睡眠している場合には、体動の程度が小さいことが知られている。
睡眠段階学習部４２０は、その学習過程において、与えられた脳波情報ＢＷと、脈波情報ＰＷおよび加速度情報ＡＣとの関係を学習する。具体的には、睡眠段階学習部４２０は、被験者の脳波の波形を示す脳波情報ＢＷと、この脳波と同時に計測された当該被験者の脈波の波形を示す脈波情報ＰＷ及び加速度情報ＡＣが与えられ、睡眠段階ＳＧを出力する。ここで、脳波情報ＢＷとこの脳波情報ＢＷによって計算される睡眠段階ＳＧＢとの関係は既知である。脳波情報ＢＷによって算出される睡眠段階ＳＧＢを正解データとして、脈波情報ＰＷおよび加速度情報ＡＣと睡眠段階ＳＧＢとの関係を学習する。この結果、睡眠段階学習部４２０は、脈波情報ＰＷ及び加速度情報ＡＣが供給されると、この脈波情報ＰＷおよび加速度情報ＡＣに対応する睡眠段階ＳＧを出力するように学習される。なお、睡眠段階学習部４２０は、睡眠周期ごとに学習することができる。一例として、起床前は脈拍間変動が大きくなることが知られている。睡眠段階学習部４２０は、睡眠周期ごとに個別に学習することにより、ある睡眠周期における判定精度（例えば、起床前、早朝の睡眠段階の判定精度）を向上させることができる。

図１に戻り、睡眠状態判定装置３０の機能構成の説明を続ける。
取得部３１０は、被験者の脈波を示す脈波情報ＰＷと、被験者の体の一部の加速度を示す加速度情報ＡＣとを取得する。
瞬時値算出部３２０は、睡眠深さ学習部４１０に対して、取得部３１０が取得する脈波情報ＰＷを与えることにより、被験者の睡眠の深さの瞬時値ＤＩを算出する。
睡眠段階判定部３３０は、睡眠段階学習部４２０に対して、取得部３１０が取得する脈波情報ＰＷと加速度情報ＡＣとを与えることにより、ノンレム睡眠ＮＲ、レム睡眠ＲＭ及び覚醒ＡＷである確率を算出し、最も確率が高いものを被験者の睡眠段階ＳＧとして判定する。

ここで、睡眠段階判定部３３０は、睡眠段階ＳＧの継続確率又は睡眠段階ＳＧの遷移確率のいずれか一方又は両方によって、被験者の睡眠段階ＳＧを判定する。具体的には、睡眠段階判定部３３０は、３０秒ごとに１回、睡眠段階ＳＧを判定する。この判定結果は、睡眠段階ＳＧの継続確率と、睡眠段階ＳＧの遷移確率とに依存する。
睡眠段階ＳＧの継続確率について説明する。睡眠段階ＳＧの判定結果は、過去の睡眠段階ＳＧの継続時間に依存している。例えば、ノンレム睡眠ＮＲであると判定された回数の継続数（つまり、何回連続してノンレム睡眠ＮＲであると判定されたのか）によって、次回の判定（すなわち３０秒後の判定）においてノンレム睡眠ＮＲであると判定される確率が、入眠してからの経過時間（すなわち睡眠経過時間）ごとに予め求められている。つまり、ノンレム睡眠ＮＲの継続確率が、睡眠経過時間ごとに予め求められている。
なお、上述と同様にして、レム睡眠ＲＭの継続確率及び覚醒ＡＷの継続確率についても、睡眠経過時間ごとに予め求められている。
睡眠段階ＳＧの遷移確率について説明する。睡眠段階ＳＧの判定結果は、過去のある睡眠段階ＳＧから他の（又は同一の）睡眠段階ＳＧへの遷移する確率に依存している。例えば、前回の判定結果がノンレム睡眠ＮＲであった場合に、今回の睡眠段階ＳＧがノンレム睡眠ＮＲ、レム睡眠ＲＭ及び覚醒ＡＷに遷移するそれぞれの確率が、入眠してからの経過時間（すなわち睡眠経過時間）ごとに予め求められている。
なお、上述と同様にして、レム睡眠ＲＭからノンレム睡眠ＮＲ、レム睡眠ＲＭ及び覚醒ＡＷに遷移するそれぞれの確率、覚醒ＡＷからノンレム睡眠ＮＲ、レム睡眠ＲＭ及び覚醒ＡＷに遷移するそれぞれの確率についても、睡眠経過時間ごとに予め求められている。 睡眠段階判定部３３０は、上述理論に基づいて、睡眠経過時間に応じた睡眠段階ＳＧの継続確率と、睡眠経過時間に応じた睡眠段階ＳＧの遷移確率とを組み合わせて参照することにより、睡眠段階ＳＧを判定する。
つまり、睡眠段階判定部３３０は、過去の睡眠段階ＳＧを参照して現在の睡眠段階ＳＧを判定する。また、睡眠段階判定部３３０は、過去の睡眠段階ＳＧから他の（又は同一の）睡眠段階ＳＧへの遷移確率に基づいて、睡眠段階ＳＧを判定する。また、睡眠段階判定部３３０は、同一の睡眠段階ＳＧの継続時間に基づいて、睡眠段階ＳＧを判定する。また、睡眠段階判定部３３０は、睡眠段階ＳＧの継続確率と遷移確率とを組み合わせて、睡眠段階ＳＧを判定する。また、睡眠段階判定部３３０は、睡眠経過時間に応じて継続確率及び遷移確率を補正することにより、睡眠段階ＳＧを判定する。
このように構成されることにより、睡眠段階判定部３３０は、ノンレム睡眠ＮＲの判定だけでなく、レム睡眠ＲＭ及び覚醒ＡＷの各睡眠段階ＳＧについても高精度に判定することができる。

睡眠段階判定部３３０は、睡眠段階学習部４２０に対して、取得部３１０が取得する脈波情報ＰＷと加速度情報ＡＣとを与えることにより、ノンレム睡眠ＮＲである確率、レム睡眠ＲＭである確率及び覚醒ＡＷである確率をそれぞれ算出し、最も確率が高いものを被験者の睡眠段階ＳＧとして判定する。ここで、睡眠段階判定部３３０は、入眠後から所定の時間が経過するまでの期間（以下、入眠後所定期間とも記載する。）について、被験者の睡眠段階ＳＧがレム睡眠ＲＭであるとは判定できない場合がある。例えば、入眠後所定期間のうちの、ある時間帯においてはレム睡眠ＲＭである確率が高まっているものの、レム睡眠ＲＭである確率がノンレム睡眠ＮＲである確率を下回っている場合がある。この場合には、入眠後所定期間において確率が最も高いものはノンレム睡眠ＮＲであるため、睡眠段階判定部３３０は、入眠後所定期間の睡眠段階ＳＧがノンレム睡眠ＮＲであると判定する。
上述の場合、睡眠段階判定部３３０は、入眠後所定期間において被験者の睡眠段階ＳＧがレム睡眠ＲＭであるとは判定できない場合には、最大で入眠時点まで時間を遡り、算出されたレム睡眠ＲＭである確率が最も高い時間帯について、その睡眠段階ＳＧをレム睡眠ＲＭであると判定する。例えば、入眠後所定の時間（例えば２００分）内にレム睡眠ＲＭが生じることが知られているが、睡眠段階判定部３３０は、入眠から所定の時間（例えば２００分）経過後、レム睡眠ＲＭの判定がされていなかった場合には、所定の時間（例えば２００分）を遡り、入眠後所定期間のうち、レム睡眠ＲＭである確率が最も高かった時間帯の睡眠段階ＳＧをレム睡眠ＲＭであると判定する。
つまり、睡眠段階判定部３３０は、入眠後所定期間における被験者の睡眠段階ＳＧの判定結果に基づいて、入眠後所定期間のうちの一部又は全部の時間帯の睡眠段階ＳＧを再判定する。
また、睡眠段階判定部３３０は、入眠後所定期間における被験者の睡眠段階ＳＧを、レム睡眠ＲＭである確率とノンレム睡眠ＮＲである確率とを含む複数の確率の比較によって判定する第１の判定手順と、レム睡眠ＲＭである確率のみによって判定する第２の判定手順とによって判定する。
このように構成された睡眠段階判定部３３０によれば、睡眠段階ＳＧの判定精度をより高めることができる。

睡眠深さ算出部３４０は、瞬時値算出部３２０が算出する被験者の睡眠の深さの瞬時値ＤＩと、睡眠段階判定部３３０が判定する被験者の睡眠段階ＳＧとに基づいて、被験者の入眠後所定期間の瞬時値ＤＩの積分値を睡眠深さＳＤとして算出する。
なお、被験者の体動が比較的大きい場合には、脈波情報ＰＷには体動によるノイズが重畳される。加速度情報ＡＣは、被験者の体動の大きさを示している。加速度情報ＡＣが示す体動の大きさが所定値を超える場合には、加速度情報ＡＣと同じタイミングにおいて取得される脈波情報ＰＷにはノイズが重畳している場合がある。したがって、加速度情報ＡＣは、睡眠段階ＳＧの判定に用いられるだけでなく、ノイズが含まれる脈波情報ＰＷの除去に用いられることもできる。すなわち、睡眠段階判定部３３０は、睡眠段階ＳＧの判定に加速度情報ＡＣを用いることに加え、ノイズが含まれる脈波情報ＰＷの除去のために加速度情報ＡＣを用いてもよい。睡眠段階判定部３３０は、加速度情報ＡＣを、睡眠段階ＳＧの判定に用いることに加え、ノイズが含まれる脈波情報ＰＷの除去のために用いることにより、睡眠段階ＳＧの判定精度を向上させることができる。

睡眠状態判定部３５０は、瞬時値算出部３２０が算出する被験者の睡眠の深さの瞬時値ＤＩと、睡眠段階判定部３３０が判定する睡眠段階ＳＧとに基づいて、被験者の睡眠の状態ＳＴを判定する。
睡眠質判定部３６０は、睡眠深さ算出部３４０が算出する被験者の睡眠深さＳＤに基づいて、被験者の睡眠の質ＳＱの種類を判定する。また、睡眠質判定部３６０は、睡眠状態判定部３５０が睡眠の状態ＳＴを判定した結果にさらに基づいて、被験者の睡眠の質ＳＱの種類を判定する。

提案情報出力部３７０は、睡眠質判定部３６０が判定する被験者の睡眠の質ＳＱの種類に基づいて、睡眠の質ＳＱの種類に応じた提案情報ＰＰを被験者に提示する端末装置２０（提示装置）に対して出力する。
次に、これら各装置の具体的な動作について、図４を参照して説明する。

［睡眠状態判定システム１の動作］
図４は、本実施形態の睡眠状態判定システム１の動作の一例を示す図である。
（ステップＳ１０）睡眠状態判定装置３０の取得部３１０は、測定装置１０が出力する脈波情報ＰＷ及び加速度情報ＡＣを取得する。
（ステップＳ２０）瞬時値算出部３２０は、睡眠の深さの瞬時値ＤＩを算出する。具体的には、瞬時値算出部３２０は、ステップＳ１０において取得された脈波情報ＰＷを睡眠深さ学習部４１０に供給する。睡眠深さ学習部４１０は、脈波情報ＰＷが供給されると、この脈波情報ＰＷに対応する睡眠の深さの瞬時値ＤＩを出力する。瞬時値算出部３２０は、睡眠深さ学習部４１０が出力する睡眠の深さの瞬時値ＤＩを取得する。ここで、睡眠の深さの瞬時値ＤＩとは、所定時間（例えば、３０秒）ごとの睡眠の深さを示す値である。 （ステップＳ３０）睡眠段階判定部３３０は、睡眠段階ＳＧを判定する。具体的には、睡眠段階判定部３３０は、ステップＳ１０において取得された脈波情報ＰＷ及び加速度情報ＡＣを、睡眠段階学習部４２０に供給する。睡眠段階学習部４２０は、脈波情報ＰＷ及び加速度情報ＡＣが供給されると、この脈波情報ＰＷ及び加速度情報ＡＣに対応する睡眠段階ＳＧを出力する。
ここで、瞬時値算出部３２０が算出するＤＩ及び睡眠段階判定部３３０が判定する睡眠段階ＳＧの具体例について、図５を参照して説明する。

［睡眠の深さの瞬時値ＤＩ及び睡眠段階ＳＧの具体例］
図５は、本実施形態の睡眠の深さの瞬時値ＤＩ及び睡眠段階ＳＧの具体例を示す図である。同図に示す具体例において、被験者の睡眠段階ＳＧは、時刻ｔ０から時刻ｔ１において覚醒ＡＷからノンレム睡眠（深）ＮＲＤに変化する。つまりこの場合、被験者は時刻ｔ０において入眠している。また、被験者は時刻ｔ１において、この一例で最も深い睡眠状態になっている。
また、被験者の睡眠段階ＳＧは、時刻ｔ２においてレム睡眠ＲＭとなり、時刻ｔ３においてノンレム睡眠（浅）ＮＲＬとなり、時刻ｔ４においてノンレム睡眠（深）ＮＲＤとなる。この一例において、被験者の睡眠段階ＳＧは、時刻ｔ３以降、レム睡眠ＲＭとノンレム睡眠ＮＲとを周期的に繰り返して、時刻ｔ１１において覚醒ＡＷ状態となり起床する。 なお、この一例では、時刻ｔ７の前後において覚醒ＡＷ、すなわち中途覚醒の状態になっている。

（ステップＳ４０）図４に戻り、睡眠深さ算出部３４０は、入眠１周期目の睡眠深さを算出する。ここで、入眠１周期目とは、入眠後、最初のノンレム睡眠ＮＲを経てレム睡眠ＲＭに変化し、レム睡眠ＲＭから再びノンレム睡眠ＮＲに移行するまでの睡眠段階ＳＧの周期である。例えば、図５に示す一例では、入眠１周期目とは、時刻ｔ０から時刻ｔ３までの期間である。
具体的には、睡眠深さ算出部３４０は、時刻ｔ０から時刻ｔ２までの睡眠の深さの瞬時値ＤＩを時間軸で積分することにより、入眠１周期目の睡眠深さの積分値を算出する。なお、以下の説明において、入眠１周期目の睡眠深さの瞬時値ＤＩの時間積分値を、睡眠の深さの瞬時値ＤＩと区別して「睡眠深さＳＤ」と記載する。
睡眠深さ算出部３４０は、算出した睡眠深さＳＤをスコア化して、睡眠質判定部３６０に出力する。

（ステップＳ５０）睡眠状態判定部３５０は、被験者の寝つきの良さの程度を判定する。具体的には、睡眠状態判定部３５０は、加速度情報ＡＣが示す被験者の加速度が所定のしきい値未満になった後、被験者の睡眠段階ＳＧが覚醒ＡＷからノンレム睡眠ＮＲに変化し始めるまでの時間を、寝つきの時間として算出する。つまり、睡眠状態判定部３５０は、被験者が安静状態になってから入眠するまでの時間を、寝つきの時間として算出する。例えば、図５に示す一例では、寝つきの時間とは、時刻ｔａから時刻ｔ０までの時間である。睡眠状態判定部３５０は、寝つきの時間の長短をスコア化することにより、被験者の寝つきの良さの程度を判定する。

この一例の場合、睡眠状態判定部３５０は、瞬時値算出部３２０が算出する睡眠の深さの瞬時値ＤＩと、睡眠段階判定部３３０が判定する睡眠段階ＳＧとに基づいて、寝つきの時間を算出する。睡眠状態判定部３５０は、算出した寝つきの時間に基づくスコアを、睡眠の状態ＳＴとして出力する。すなわち、瞬時値算出部３２０が算出する被験者の睡眠の深さの瞬時値ＤＩと、睡眠段階判定部３３０が判定する睡眠段階ＳＧとに基づいて算出される被験者の寝つきの良さの程度を、睡眠の状態ＳＴとして判定する。

（ステップＳ６０）睡眠状態判定部３５０は、被験者の中途覚醒の程度を算出する。具体的には、睡眠状態判定部３５０は、被験者が入眠後、睡眠段階ＳＧが覚醒ＡＷになった場合に、中途覚醒したと判定する。睡眠状態判定部３５０は、ひと晩のうちに、被験者が入眠してから、覚醒ＡＷと睡眠（ノンレム睡眠ＮＲ又はレム睡眠ＲＭ）とを繰り返した回数を、中途覚醒の回数として算出する。睡眠状態判定部３５０は、算出した中途覚醒の回数をスコア化することにより、被験者の中途覚醒の程度を判定する。なお、睡眠状態判定部３５０は、中途覚醒の回数に代えて（又は加えて）、中途覚醒の継続時間をスコア化してもよい。また、睡眠状態判定部３５０は、被験者が入眠後、加速度情報ＡＣが示す被験者の加速度が所定のしきい値以上になった場合に、被験者が中途覚醒したと判定してもよい。

この一例の場合、睡眠状態判定部３５０は、瞬時値算出部３２０が算出する睡眠の深さの瞬時値ＤＩと、睡眠段階判定部３３０が判定する睡眠段階ＳＧとに基づいて、中途覚醒の回数（又は中途覚醒の継続時間）を算出する。睡眠状態判定部３５０は、算出した中途覚醒の回数（又は中途覚醒の継続時間）をスコア化し、睡眠の状態ＳＴとして出力する。すなわち、睡眠状態判定部３５０は、瞬時値算出部３２０が算出する被験者の睡眠の深さの瞬時値ＤＩと、睡眠段階判定部３３０が判定する睡眠段階ＳＧとに基づいて算出される入眠後の被験者の覚醒の程度を、睡眠の状態ＳＴとして判定する。

（ステップＳ７０）睡眠状態判定部３５０は、被験者の睡眠時間を算出する。具体的には、睡眠状態判定部３５０は、被験者の睡眠段階ＳＧが覚醒ＡＷから睡眠状態（ノンレム睡眠ＮＲ又はレム睡眠ＲＭ）に変化した後、起床するまでの時間を、睡眠時間として算出する。なお、被験者が入眠してから起床するまでの間に覚醒ＡＷ（中途覚醒）している時間帯がある場合には、睡眠状態判定部３５０は、被験者の睡眠段階ＳＧが覚醒ＡＷから睡眠状態（ノンレム睡眠ＮＲ又はレム睡眠ＲＭ）に変化した後、起床するまでの時間から、中途覚醒している時間を差し引いた時間を、睡眠時間として算出する。
例えば、図５に示す一例では、睡眠時間とは、時刻ｔ０から時刻ｔ１１までの時間から、時刻ｔ７付近の覚醒ＡＷ（中途覚醒）の継続時間を差し引いた時間である。
なお、睡眠状態判定部３５０は、中途覚醒と起床とを区別するために、覚醒ＡＷの時間帯や、覚醒ＡＷの継続時間を参照してもよい。例えば、睡眠状態判定部３５０は、所定時刻（例えば、午前５時）以前に覚醒ＡＷになった場合には中途覚醒と判定し、所定時刻（例えば、午前５時）以降に覚醒ＡＷになった場合には起床と判定してもよい。また、睡眠状態判定部３５０は、覚醒ＡＷの継続時間が所定時間（例えば、１時間）を超えない場合には中途覚醒と判定し、覚醒ＡＷの継続時間が所定時間（例えば、１時間）を超える場合には起床と判定してもよい。
睡眠状態判定部３５０は、睡眠時間の長短をスコア化することにより、被験者の睡眠時間の良さの程度を判定する。

この一例の場合、睡眠状態判定部３５０は、瞬時値算出部３２０が算出する睡眠の深さの瞬時値ＤＩと、睡眠段階判定部３３０が判定する睡眠段階ＳＧとに基づいて、睡眠時間を算出する。睡眠状態判定部３５０は、算出した睡眠時間をスコア化し、睡眠の状態ＳＴとして出力する。すなわち、睡眠状態判定部３５０は、瞬時値算出部３２０が算出する被験者の睡眠の深さの瞬時値ＤＩと、睡眠段階判定部３３０が判定する睡眠段階ＳＧとに基づいて算出される被験者の睡眠時間を、睡眠の状態ＳＴとして判定する。

（ステップＳ８０）睡眠質判定部３６０は、睡眠深さ算出部３４０が出力する睡眠深さＳＤと、睡眠状態判定部３５０が出力する睡眠の状態ＳＴとに基づいて、睡眠の質ＳＱの種類を判定する。睡眠の質ＳＱの種類には、例えば、寝つきの良さの程度として「寝つきの悪いタイプ」、眠りの深さの程度として「熟睡できていないタイプ」、中途覚醒の程度として「朝までしっかり眠れていないタイプ」、睡眠時間の程度として「睡眠不足タイプ」がある。ここで、睡眠質判定部３６０が行う睡眠の質ＳＱの種類の判定動作の詳細について、図６を参照して説明する。

［睡眠の質ＳＱの種類の判定動作］
図６は、本実施形態の睡眠質判定部３６０が行う睡眠の質ＳＱの種類の判定動作の一例を示す図である。
（ステップＳ８１０）睡眠質判定部３６０は、上述したステップＳ７０までに算出された睡眠の状態ＳＴのスコア及び睡眠深さＳＤのスコアを取得する。なお、この一例では、各スコアは、互いに対比可能なように正規化されている。
（ステップＳ８２０）睡眠質判定部３６０は、ステップＳ８１０において取得した各スコアのうちの最低スコアが「寝つき時間」のスコアであるか否かを判定する。睡眠質判定部３６０は、寝つき時間のスコアが、各スコアのうちの最低スコアであると判定した場合（ステップＳ８２０；ＹＥＳ）には、被験者の睡眠の質ＳＱの種類が「寝つきの悪いタイプ」であると判定する（ステップＳ８３０）。睡眠質判定部３６０は、寝つき時間のスコアが、各スコアのうちの最低スコアでないと判定した場合（ステップＳ８２０；ＮＯ）には、処理をステップＳ８４０に進める。

（ステップＳ８４０）睡眠質判定部３６０は、ステップＳ８１０において取得した各スコアのうちの最低スコアが「睡眠深さ」のスコアであるか否かを判定する。睡眠質判定部３６０は、睡眠深さのスコアが、各スコアのうちの最低スコアであると判定した場合（ステップＳ８４０；ＹＥＳ）には、被験者の睡眠の質ＳＱの種類が「熟睡できていないタイプ」であると判定する（ステップＳ８５０）。睡眠質判定部３６０は、睡眠深さのスコアが、各スコアのうちの最低スコアでないと判定した場合（ステップＳ８４０；ＮＯ）には、処理をステップＳ８６０に進める。

（ステップＳ８６０）睡眠質判定部３６０は、ステップＳ８１０において取得した各スコアのうちの最低スコアが「中途覚醒」のスコアであるか否かを判定する。睡眠質判定部３６０は、中途覚醒のスコアが、各スコアのうちの最低スコアであると判定した場合（ステップＳ８６０；ＹＥＳ）には、被験者の睡眠の質ＳＱの種類が「朝までしっかり眠れていないタイプ」であると判定する（ステップＳ８７０）。睡眠質判定部３６０は、中途覚醒のスコアが、各スコアのうちの最低スコアでないと判定した場合（ステップＳ８６０；ＮＯ）には、被験者の睡眠の質ＳＱの種類が「睡眠不足タイプ」であると判定する（ステップＳ８８０）。
図４に戻り、睡眠状態判定装置３０の動作の説明を続ける。

（ステップＳ９０）提案情報出力部３７０は、ステップＳ８０において判定された睡眠の質ＳＱの種類に基づいて、睡眠の質ＳＱの種類に応じた提案情報ＰＰを生成する。提案情報出力部３７０は、生成した提案情報ＰＰを端末装置２０の提示部２３０に出力する。この結果、提示部２３０には、提案情報ＰＰの内容を示す画像や音が提示される。
ここで、図７を参照して、提示部２３０に提示される提案情報ＰＰの一例について説明する。

［提案情報ＰＰの一例］
図７は、本実施形態の提案情報ＰＰの一例を示す図である。端末装置２０の提示部２３０には、提案情報ＰＰが提示（表示）される。この一例では、提案情報ＰＰには、コメントＰＰＣと、グラフＰＰＧとが含まれる。例えば、睡眠質判定部３６０が、ある被験者について「寝つきの悪いタイプ」であると判定した場合には、提示部２３０には、「寝るまでに時間がかかったようです」の文字情報がコメントＰＰＣとして表示される。また、この場合、提示部２３０には、「眠りの深さ」「寝つきのよさ」「眠りの維持（中途覚醒の少なさ）」「睡眠時間」の各スコアを示すレーダーチャートがグラフＰＰＧとして表示される。

また、提案情報出力部３７０は、睡眠の質ＳＱの種類に応じて、睡眠の質ＳＱを改善する商品の提案や、生活習慣を改善する行動の提案を、提示部２３０に対して提示してもよい。この場合において、提案情報出力部３７０が参照する情報の一例を、図８を参照して説明する。

図８は、本実施形態の提案情報出力部３７０が参照する提案候補情報ＰＤの一例を示す図である。この提案候補情報ＰＤは、睡眠状態判定装置３０の記憶部（不図示）に記憶されている。提案候補情報ＰＤには、「ＴＹ１；寝つきの悪いタイプ」「ＴＹ２；熟睡できていないタイプ」「ＴＹ３；朝までしっかり眠れていないタイプ」「ＴＹ４；睡眠不足タイプ」が不具合タイプとして記憶されている。また、提案候補情報ＰＤには、各不具合タイプに対応するタイプ別ソリューションの情報と、生活習慣改善提案の情報とが記憶されている。提案情報出力部３７０は、睡眠質判定部３６０が判定した睡眠の質ＳＱの種類に対応する情報を、提案候補情報ＰＤから取得する。提案情報出力部３７０は、取得した情報を提案情報ＰＰとして端末装置２０に出力する。この結果、端末装置２０の提示部２３０には、睡眠の質ＳＱを改善する商品の提案や、生活習慣を改善する行動の提案が提示される。
なお、提案情報出力部３７０は、睡眠質判定部３６０が判定した睡眠の質ＳＱの種類に加えて、被験者に対して予め行われたアンケートの結果に基づいて、提案情報ＰＰを被験者に提示してもよい。このアンケートには、被験者の年齢、性別、就寝時刻（平日及び休日）、起床時刻（平日及び休日）、睡眠時間（平日及び休日）、主観的な睡眠不満、日中の不具合等の項目が含まれる。睡眠状態判定システム１には、被験者のクラスター別、年代別、性別による関心の程度や奏効率を示す情報が蓄積されている。提案情報出力部３７０は、被験者に対して予め行われたアンケート結果に基づいて被験者のクラスター分類を行い、被験者の属するクラスターについて、複数の提案候補情報ＰＤのそれぞれについて提案確率（関心の程度や奏効率）を算出する。
また、提案情報出力部３７０は、アンケートによるクラスター分類だけでなく、睡眠に特異的な主観と客観の乖離も踏まえたクラスター分析を行ってもよい。提案情報出力部３７０は、アンケートと併せて睡眠質判定部３６０の判定結果を用いたクラスター分類の結果を得る。アンケートと本クラスター分類結果を機械学習させ、アンケート結果のみからクラスターを予測できるようにする。これにより予測したクラスター内で関心の程度や奏効率が高いソリューションの提案確率が高くなる。一般に、主観的な主訴と客観的な睡眠の質が一致するとは限らないので、提案情報出力部３７０を上述のように構成することは有用である。
提案情報出力部３７０は、算出された提案確率に基づいて、複数の提案候補情報ＰＤから提案情報ＰＰを選択することにより、提案情報ＰＰを被験者に提示する。睡眠状態判定システム１によれば、不具合タイプ別に提案すべきソリューション群が選択され、さらにソリューション群内のソリューションごとに算出された提案確率に基づいて提案情報ＰＰが選択される。このように構成された睡眠状態判定システム１によれば、被験者個人に適した（例えば、最適化された）ソリューションを提示することができる。

［実施形態のまとめ］
以上説明したように、本実施形態の睡眠状態判定システム１は、脈波情報ＰＷと加速度情報ＡＣとに基づいて、被験者の睡眠の状態を判定する。ここで仮に、被験者の脳波を参照して睡眠の状態を判定しようとすれば、被験者に脳波計用のヘッドギアを取り付ける必要が生じるため、手軽に測定することが困難になる。
本実施形態の睡眠状態判定システム１が参照する脈波情報ＰＷ及び加速度情報ＡＣは、例えばリストバンド型のウエアラブル装置や、マットレス型や反射波を取得する据置型の装置によって測定可能である。したがって、睡眠状態判定システム１によれば、脳波を参照する場合に比べて、いずれも被験者にかかる負担が低減されるため、手軽に測定することができる。

また、本実施形態の睡眠状態判定システム１は、睡眠の深さ、寝つきの良さ、入眠後の被験者の覚醒（中途覚醒）の程度、睡眠時間に基づいて、睡眠の状態を判定する。したがって、睡眠状態判定システム１によれば、例えば、単に睡眠時間のみに基づく従来技術では判定することが困難な、睡眠の質ＳＱの種類を判定することができる。
また、本実施形態の睡眠状態判定システム１は、睡眠の深さ、寝つきの良さ、入眠後の被験者の覚醒（中途覚醒）の程度、睡眠時間をそれぞれ比較可能に正規化したスコアとして算出する。したがって、睡眠状態判定システム１によれば、被験者の睡眠の質ＳＱの種類をスコアに基づいて客観的に判定することができる。
また、本実施形態の睡眠状態判定システム１は、判定した睡眠の質ＳＱの種類に応じた内容の提案情報ＰＰを端末装置２０に提示する。したがって、被験者は自身の睡眠の質ＳＱの種類に応じた内容の提案情報ＰＰを入手することができる。
また、本実施形態の睡眠状態判定システム１は、提案情報ＰＰとして、睡眠の質ＳＱの種類に応じたコメントＰＰＣやグラフＰＰＧを提示する。これにより、睡眠状態判定システム１は、単に文字だけによって提示する場合に比べ、被験者の睡眠の状態をよりわかりやすい形態にして提示することができる。

以上、本発明の実施形態を、図面を参照して詳述してきたが、具体的な構成はこの実施形態に限られるものではなく、本発明の趣旨を逸脱しない範囲で適宜変更を加えることができる。

［睡眠状態判定システムの変形例]
以下、本実施形態の睡眠状態判定システムの変形例を説明する。
図９は、本実施形態の睡眠状態判定システムの機能構成の一変形例を示す図である。図９において、図１の各部に対応する部分には同一の符号を付け、その説明を省略する。
図９に示される測定装置１０ａは、脈波測定部１１０と加速度測定部１２０とに加えて、さらに皮膚温度測定部１３０を備える。皮膚温度測定部１３０は、被験者の皮膚温度を測定する。皮膚温度測定部１３０は、測定した皮膚温度を示す皮膚温度情報ＴＳを生成する。測定装置１０ａは、脈波測定部１１０が生成する脈波情報ＰＷと、加速度測定部１２０が生成する加速度情報ＡＣと、皮膚温度測定部１３０が生成する皮膚温度情報ＴＳとを対応付けて、端末装置２０に供給する。測定装置１０ａが測定した脈波情報ＰＷ、加速度情報ＡＣ及び皮膚温度情報ＴＳは、端末装置２０を介して、睡眠状態判定装置３０ａに経時的に供給される。
図９に示される睡眠状態判定装置３０ａは、図１に示される睡眠状態判定装置３０の機能構成に加えてさらに健康状態算出部５００を備える。また、取得部３１０ａは、被験者の就寝前の血圧を示す血圧測定情報６００を取得する。また、取得部３１０ａは、測定装置１０ａが測定した脈波情報ＰＷ、加速度情報ＡＣ及び皮膚温度情報ＴＳを、端末装置２０を介して取得する。

（瞬時値算出部及び睡眠段階判定部の変形例１）
取得部３１０ａは、皮膚温度情報ＴＳを瞬時値算出部３２０ａ及び睡眠段階判定部３３０ａへ与える。
瞬時値算出部３２０ａは、睡眠深さ学習部４１０ａに対して、取得部３１０ａが取得する脈波情報ＰＷに加えてさらに皮膚温度情報ＴＳを与えることにより、被験者の睡眠の深さの瞬時値ＤＩを算出する。
睡眠深さ学習部４１０ａは、脈波情報ＰＷに加えてさらに皮膚温度情報ＴＳに基づいて睡眠の深さの瞬時値ＤＩを出力する。睡眠深さ学習部４１０ａは、被験者の脳波と当該被験者の脈波との関係に加えてさらに被験者の脳波と当該被験者の皮膚温度との関係が例えば機械学習により学習された学習済みモデルである。
睡眠段階判定部３３０ａは、睡眠段階学習部４２０ａに対して、取得部３１０ａが取得する脈波情報ＰＷと加速度情報ＡＣとに加えてさらに皮膚温度情報ＴＳを与えることにより、ノンレム睡眠ＮＲ、レム睡眠ＲＭ及び覚醒ＡＷである確率を算出し、最も確率が高いものを被験者の睡眠段階ＳＧとして判定する。
睡眠段階学習部４２０ａは、脈波の波形（脈波情報ＰＷ）と、加速度の波形（加速度情報ＡＣ）とに加えてさらに皮膚温度情報ＴＳに基づいて睡眠段階ＳＧを出力する。睡眠段階学習部４２０ａは、被験者の脳波と当該被験者の脈波及び体の一部の加速度との関係に加えてさらに被験者の脳波と当該被験者の皮膚温度との関係が例えば機械学習により学習された学習済みモデルである。
本変形例１によれば、瞬時値算出部３２０ａ及び睡眠段階判定部３３０ａの各推定の精度を向上させることができる。

（瞬時値算出部及び睡眠段階判定部の変形例２）
取得部３１０ａは、血圧測定情報６００を瞬時値算出部３２０ａ及び睡眠段階判定部３３０ａへ与える。
血圧測定情報６００は、被験者の就寝前の血圧であって収縮期血圧及び拡張期血圧を示す。
瞬時値算出部３２０ａは、睡眠深さ学習部４１０ａに対して、取得部３１０ａが取得する脈波情報ＰＷに加えてさらに血圧測定情報６００が示す収縮期血圧及び拡張期血圧を与えることにより、被験者の睡眠の深さの瞬時値ＤＩを算出する。
睡眠深さ学習部４１０ａは、脈波情報ＰＷに加えてさらに血圧測定情報６００が示す収縮期血圧及び拡張期血圧に基づいて睡眠の深さの瞬時値ＤＩを出力する。睡眠深さ学習部４１０ａは、被験者の脳波と当該被験者の脈波との関係に加えてさらに被験者の脳波と当該被験者の収縮期血圧及び拡張期血圧との関係が例えば機械学習により学習された学習済みモデルである。
睡眠段階判定部３３０ａは、睡眠段階学習部４２０ａに対して、取得部３１０ａが取得する脈波情報ＰＷと加速度情報ＡＣとに加えてさらに血圧測定情報６００が示す収縮期血圧及び拡張期血圧を与えることにより、ノンレム睡眠ＮＲ、レム睡眠ＲＭ及び覚醒ＡＷである確率を算出し、最も確率が高いものを被験者の睡眠段階ＳＧとして判定する。
睡眠段階学習部４２０ａは、脈波の波形（脈波情報ＰＷ）と、加速度の波形（加速度情報ＡＣ）とに加えてさらに血圧測定情報６００が示す収縮期血圧及び拡張期血圧に基づいて睡眠段階ＳＧを出力する。睡眠段階学習部４２０ａは、被験者の脳波と当該被験者の脈波及び体の一部の加速度との関係に加えてさらに被験者の脳波と当該被験者の収縮期血圧及び拡張期血圧との関係が例えば機械学習により学習された学習済みモデルである。
本変形例２によれば、瞬時値算出部３２０ａ及び睡眠段階判定部３３０ａの各推定の精度を向上させることができる。これは、高血圧者は脈拍変動のパターンが健常者とは異なるので、当該各推定の精度向上につながるものである。よって、精度を向上させることにより、高血圧者は血圧を効率的に改善する効果を得やすい。
なお、瞬時値算出部及び睡眠段階判定部の変形例２において、さらに皮膚温度情報ＴＳを使用するようにしてもよい。この変形例において、瞬時値算出部３２０ａは、睡眠深さ学習部４１０ａに対して、取得部３１０ａが取得する脈波情報ＰＷに加えてさらに皮膚温度情報ＴＳ及び血圧測定情報６００が示す収縮期血圧及び拡張期血圧を与えることにより、被験者の睡眠の深さの瞬時値ＤＩを算出する。睡眠深さ学習部４１０ａは、脈波情報ＰＷに加えてさらに皮膚温度情報ＴＳ及び血圧測定情報６００が示す収縮期血圧及び拡張期血圧に基づいて睡眠の深さの瞬時値ＤＩを出力する。睡眠深さ学習部４１０ａは、被験者の脳波と当該被験者の脈波との関係に加えてさらに被験者の脳波と当該被験者の皮膚温度との関係及び被験者の脳波と当該被験者の収縮期血圧及び拡張期血圧との関係が例えば機械学習により学習された学習済みモデルである。睡眠段階判定部３３０ａは、睡眠段階学習部４２０ａに対して、取得部３１０ａが取得する脈波情報ＰＷと加速度情報ＡＣとに加えてさらに皮膚温度情報ＴＳ及び血圧測定情報６００が示す収縮期血圧及び拡張期血圧を与えることにより、ノンレム睡眠ＮＲ、レム睡眠ＲＭ及び覚醒ＡＷである確率を算出し、最も確率が高いものを被験者の睡眠段階ＳＧとして判定する。睡眠段階学習部４２０ａは、脈波の波形（脈波情報ＰＷ）と、加速度の波形（加速度情報ＡＣ）とに加えてさらに皮膚温度情報ＴＳ及び血圧測定情報６００が示す収縮期血圧及び拡張期血圧に基づいて睡眠段階ＳＧを出力する。睡眠段階学習部４２０ａは、被験者の脳波と当該被験者の脈波及び体の一部の加速度との関係に加えてさらに被験者の脳波と当該被験者の皮膚温度情との関係及び被験者の脳波と当該被験者の収縮期血圧及び拡張期血圧との関係が例えば機械学習により学習された学習済みモデルである。

（瞬時値算出部及び睡眠段階判定部の変形例３）
前日の睡眠時間や睡眠の深さによって、当日の睡眠の深さが変化する。このことから、睡眠質判定部３６０が前日に判定した結果の被験者の睡眠の質ＳＱの種類を、瞬時値算出部３２０ａ及び睡眠段階判定部３３０ａに与える。
瞬時値算出部３２０ａは、睡眠質判定部３６０が前日に判定した結果の被験者の睡眠の質ＳＱの種類をさらに使用して、被験者の睡眠の深さの瞬時値ＤＩを算出する。
睡眠段階判定部３３０ａは、睡眠質判定部３６０が前日に判定した結果の被験者の睡眠の質ＳＱの種類をさらに使用して、ノンレム睡眠ＮＲ、レム睡眠ＲＭ及び覚醒ＡＷである確率を算出し、最も確率が高いものを被験者の睡眠段階ＳＧとして判定する。
本変形例３によれば、瞬時値算出部３２０ａ及び睡眠段階判定部３３０ａの各推定の精度を向上させることができる。

（健康状態算出部）
健康状態算出部５００は、取得部３１０ａが取得した被験者の睡眠時の脈波の波形と、睡眠質判定部３６０が判定した結果の被験者の睡眠の質ＳＱの種類とに基づいて、当該被験者の健康状態と、当該健康状態が将来悪化するリスク（健康状態悪化リスク）とを推定する。健康状態は、例えば、血圧、ストレス、うつ症状などを含む精神状態、無呼吸症候群、血糖値、肥満、認知機能などの人の健康に関わる状態である。それらの人の健康に関わる状態うち少なくとも一つの状態と当該状態に関する健康状態悪化リスクとが健康状態算出部５００によって推定される。提案情報出力部３７０は、健康状態算出部５００が推定した結果の健康状態及び健康状態悪化リスクを含む推定結果情報５１０を端末装置２０（提示装置）に対して出力する。端末装置２０（提示装置）の提示部２３０には、健康状態算出部５００が推定した結果の健康状態及び健康状態悪化リスクが提示される。これにより、健康状態算出部によって推定された結果の健康状態や健康状態悪化リスク（他の健康指標）に基づいた、被験者の睡眠が十分かどうかを示すことができる。
なお、瞬時値算出部及び睡眠段階判定部の一変形例として、健康状態算出部５００が推定した結果の健康状態（推定健康状態）を使用するようにしてもよい。この変形例において、瞬時値算出部３２０ａは、睡眠深さ学習部４１０ａに対して、取得部３１０ａが取得する脈波情報ＰＷに加えてさらに推定健康状態を与えることにより、被験者の睡眠の深さの瞬時値ＤＩを算出する。睡眠深さ学習部４１０ａは、脈波情報ＰＷに加えてさらに推定健康状態に基づいて睡眠の深さの瞬時値ＤＩを出力する。睡眠深さ学習部４１０ａは、被験者の脳波と当該被験者の脈波との関係に加えてさらに被験者の脳波と当該被験者の健康状態との関係が例えば機械学習により学習された学習済みモデルである。睡眠段階判定部３３０ａは、睡眠段階学習部４２０ａに対して、取得部３１０ａが取得する脈波情報ＰＷと加速度情報ＡＣとに加えてさらに推定健康状態を与えることにより、ノンレム睡眠ＮＲ、レム睡眠ＲＭ及び覚醒ＡＷである確率を算出し、最も確率が高いものを被験者の睡眠段階ＳＧとして判定する。睡眠段階学習部４２０ａは、脈波の波形（脈波情報ＰＷ）と、加速度の波形（加速度情報ＡＣ）とに加えてさらに推定健康状態に基づいて睡眠段階ＳＧを出力する。睡眠段階学習部４２０ａは、被験者の脳波と当該被験者の脈波及び体の一部の加速度との関係に加えてさらに被験者の脳波と当該被験者の健康状態との関係が例えば機械学習により学習された学習済みモデルである。

（提案情報の変形例１：無呼吸状態のリスク）
通常、ノンレム睡眠ＮＲ時には脈拍間隔が大きくなる。例えば、ノンレム睡眠ＮＲ時には、脈波パワースペクトルのＬＦ（低周波帯域）の値が下がる、又は、ＳＤＮＮ（心拍間隔の標準偏差）が低くなる。このため、被験者がノンレム睡眠ＮＲ時であるにもかかわらず、脈波パワースペクトルのＬＦやＳＤＮＮの上昇が検出された場合、当該被験者が無呼吸状態になっている可能性がある。そこで、睡眠状態判定装置３０ａは、被験者がノンレム睡眠ＮＲ時における脈波パワースペクトルのＬＦやＳＤＮＮのスパイク信号の検出回数をカウントし、当該カウント値が当該被験者と同年代又は同世代の一般の平均値と比較する。提案情報出力部３７０は、当該比較結果に基づいて、当該被験者が無呼吸状態になっている可能性を示す情報を出力する。なお、使用する特徴量は２つ以上の特徴量（例えば、脈波パワースペクトルのＬＦとＳＤＮＮ）を組合わせてもよい。無呼吸状態になっている可能性（リスク）は例えば５段階で示してもよい。

（提案情報の変形例２：高血圧のリスク）
通常、睡眠段階ＳＧに従って、脈波パワースペクトルのＬＦやＩＢＩ（脈拍間隔）が上下するが、高血圧者はこの変動が健常者よりも小さい。また、寝付いた際に健常者は脈波パワースペクトルのＬＦやＩＢＩの著しい低下がみられるが、高血圧者ではこれがみられない。このため、例えば、睡眠状態判定装置３０ａは、被験者が寝付き時の脈波パワースペクトルのＬＦと、入眠１周期目のノンレム睡眠ＮＲ時の脈波パワースペクトルのＬＦと、レム睡眠ＲＭ時の脈波パワースペクトルのＬＦとの各変化量を算出する。提案情報出力部３７０は、当該算出結果の変化量に基づいて、当該被験者の高血圧のリスクを示す情報を出力する。なお、使用する特徴量は１つ以上の特徴量の変化量（例えば、脈波パワースペクトルのＬＦの変化量とＩＢＩの変化量）を用いてもよい。高血圧のリスクは例えば５段階で示してもよい。

（提案情報の変形例３：認知機能や肥満のリスク）
被験者の年齢、性別、睡眠の質状態（寝つき、睡眠の維持、睡眠の深さ、睡眠時間）と認知機能テストの結果及び肥満度を学習した認知機能・肥満度学習部を睡眠状態判定装置３０ａに設ける。睡眠状態判定装置３０ａは、被験者の年齢及び性別と、睡眠質判定部３６０が判定した結果の被験者の睡眠の質ＳＱの種類とを認知機能・肥満度学習部に与えることにより、認知機能の低下リスクや肥満リスクを示す情報を取得する。提案情報出力部３７０は、当該取得結果の認知機能の低下リスクや肥満リスクを示す情報を出力する。認知機能の低下リスクや肥満リスクは、例えば５段階で示してもよい。

（提案情報の変形例４）
あらかじめ被験者の年齢や性別や職種などの情報を入力することにより、被験者と同じ特徴の人の睡眠の質状態と比較して、提案情報出力部３７０により睡眠の充足度や目標値を提示する。これにより、被験者は、自分に適した睡眠改善目標値を知ることができる。
睡眠状態判定装置３０ａは、睡眠のリファレンスデータを予め備える。睡眠のリファレンスデータは、被験者の年齢、性別、職種などの分類条件で分類された睡眠の質状態（寝つき、睡眠の維持、睡眠の深さ、睡眠時間）の各平均値と各標準偏差ＳＤがデータベース化されたものである。なお、分類条件は、例えば、性別だけで分類するものであってもよく、又は、性別と年代を組み合わせて分類するものであってもよい。
提案情報出力部３７０は、睡眠の充足度を評価する。睡眠の充足度評価方法の例として、ある日又はある期間の睡眠の質状態（寝つき、睡眠の維持、睡眠の深さ、睡眠時間）の各評価結果の平均値を睡眠のリファレンスデータの各平均値（データベース平均値）と比較する。次いで、この比較の結果の「データベース平均値との差」を、図１０に例示される睡眠充足度評価表に基づいて点数化する。次いで、睡眠の質状態（寝つき、睡眠の維持、睡眠の深さ、睡眠時間）の各点数の合計点を睡眠の充足度に決定する。
提案情報出力部３７０は、睡眠の質状態（寝つき、睡眠の維持、睡眠の深さ、睡眠時間）の各々について、データベース平均値との比較の結果に基づいた図１０の睡眠の質よりも一段階上の睡眠の質を目標値に決定する。

（提案情報の変形例５：客観的睡眠状態）
人は、自分では（主観的には）眠れていると思っていても、客観的には十分な睡眠がとれていない場合がある。このため、主観的な睡眠の状態と客観的な睡眠の状態との各データを解析し、両データの乖離を算出する。被験者が主観的な睡眠の状態を示す主観的睡眠状態データを入力する入力部を睡眠状態判定装置３０ａに設ける。睡眠状態判定装置３０ａは、主観的睡眠状態データと、睡眠質判定部３６０が判定した結果の被験者の睡眠の質ＳＱの種類との日々の変動及び乖離を解析して学習する。提案情報出力部３７０は、当該解析及び学習の結果に基づいて、主観よりも客観的な睡眠状態がよい時及び悪い時を提示する情報を出力する。これにより、被験者における睡眠がとれなかったという不安の解消や、被験者が睡眠不足を認識することによるリスクの低減などの効果が得られる。

（提案情報の変形例６：表示方法）
図１１は、本実施形態の提案情報ＰＰの一例を示す図である。図１１の例では、図７に例示されるレーダーチャートと同様に、提示部２３０には、「眠りの深さ」「寝つきのよさ」「眠りの維持（中途覚醒の少なさ）」「睡眠時間」の各スコアを示すレーダーチャートがグラフＰＰＧａとして表示される。さらに、図１１の例では、本日の睡眠における各値を示すグラフ７１０と、任意期間の睡眠における各平均値を示すグラフ７２０とが表示される。任意期間は、例えば、昨日、１週間、１か月などである。これにより、睡眠の変化が分かりやすくなる。
なお、グラフ７１０とグラフ７２０とは、選択的に表示されてもよく、又は、同時に表示されてもよい。
また、「眠りの深さ」「寝つきの良さ」「眠りの維持」「睡眠時間」の各値は、測定値であってもよく、又は、測定値がスコア化された値であってもよい。
また、睡眠の質に重要な「眠りの深さ」「寝つきの良さ」「眠りの維持」「睡眠時間」の中から２つ以上が組合わせて表示されるものであってもよい。
また、レーダーチャート上に示される「眠りの深さ」「寝つきの良さ」「眠りの維持」「睡眠時間」の各値として、被験者の年齢や性別等ごとに計算された各平均値と各標準偏差を用いてスコア化された値を表示してもよい。これにより、睡眠の質が十分かどうかが判別しやすくなる。
また、「眠りの深さ」「寝つきの良さ」「眠りの維持」「睡眠時間」のスコア化した各点数を合計した合計点を、図１１に例示されるように睡眠の質指標として示してもよい。これにより、睡眠の質が十分かどうかがより判別しやすくなる。
また、被験者の過去の睡眠状態を同年代や同性別の一般の人と比較し、この比較結果に基づいて、被験者の過去の睡眠状態が良好であれば例えばパラメーター名称（「眠りの深さ」「寝つきの良さ」「眠りの維持」「睡眠時間」）の表示色を変えるようにしてもよい。これにより、睡眠の質の過不足が分かりやすくなる。

また、「眠りの深さ」「寝つきの良さ」「眠りの維持」「睡眠時間」ごとに、任意の期間の測定値又はスコア化した点数を、棒グラフや線グラフやイラストを用いて示してもよい。これにより、被験者が睡眠の変化を理解しやすくなる。
例えば、昨夜の「眠りの深さ」を「睡眠深度」としてダイバーの潜水深度に似せるようにダイバーのイラスト画像を使用して表示してもよい。また、日毎の「眠りの深さ」を「睡眠深度」としてダイバーの潜水深度に似せるようにダイバーのイラスト画像を使用して表示してもよい。提案情報出力部３７０は、提案情報ＰＰにおいて、各日付の「眠りの深さ」に対応する「睡眠深度」に応じた表示位置に、各日付のダイバーのイラスト画像を配置する。

以上が本実施形態の睡眠状態判定システムの変形例の説明である。

なお、上述の各装置は内部にコンピュータを有している。そして、上述した各装置の各処理の過程は、プログラムの形式でコンピュータ読み取り可能な記録媒体に記憶されており、このプログラムをコンピュータが読み出して実行することによって、上記処理が行われる。ここでコンピュータ読み取り可能な記録媒体とは、磁気ディスク、光磁気ディスク、ＣＤ−ＲＯＭ、ＤＶＤ−ＲＯＭ、半導体メモリ等をいう。また、このコンピュータプログラムを通信回線によってコンピュータに配信し、この配信を受けたコンピュータが当該プログラムを実行するようにしてもよい。

また、上記プログラムは、前述した機能の一部を実現するためのものであってもよい。さらに、前述した機能をコンピュータシステムにすでに記録されているプログラムとの組み合わせで実現できるもの、いわゆる差分ファイル（差分プログラム）であってもよい。

１…睡眠状態判定システム、１０…測定装置、１１０…脈波測定部、１２０…加速度測定部、１３０…皮膚温度測定部、２０…端末装置、２１０…通信部、２２０…操作部、２３０…提示部、３０，３０ａ…睡眠状態判定装置、３１０，３１０ａ…取得部、３２０，３２０ａ…瞬時値算出部、３３０，３３０ａ…睡眠段階判定部、３４０…睡眠深さ算出部、３５０…睡眠状態判定部、３６０…睡眠質判定部、３７０…提案情報出力部、４１０，４１０ａ…睡眠深さ学習部、４２０，４２０ａ…睡眠段階学習部、５００…健康状態算出部

Claims (17)

1. 被験者の脈波を示す脈波情報と、前記被験者の体の一部の加速度を示す加速度情報とを取得する取得部と、
   脈波の波形に基づいて睡眠の深さの瞬時値を出力する睡眠深さ学習部に対して、前記取得部が取得する前記脈波情報を与えることにより、前記被験者の睡眠の深さの瞬時値を算出する瞬時値算出部と、
   脈波の波形と体の一部の加速度の値とに基づいてレム睡眠段階とノンレム睡眠段階とを含む睡眠段階を出力する睡眠段階学習部に対して、前記取得部が取得する前記脈波情報と前記加速度情報とを与えることにより、前記被験者の前記睡眠段階を判定する睡眠段階判定部と、
   前記瞬時値算出部が算出する前記被験者の睡眠の深さの瞬時値と、前記睡眠段階判定部が判定する前記被験者の前記睡眠段階とに基づいて、前記被験者の入眠後所定期間の前記瞬時値の積分値を睡眠深さとして算出する睡眠深さ算出部と、
   前記睡眠深さ算出部が算出する前記被験者の前記睡眠深さに基づいて、前記被験者の睡眠の質の種類を判定する睡眠質判定部と、
   前記睡眠質判定部によって判定された結果に基づく情報を出力する出力部と、
   を備える睡眠状態判定装置。
2. 前記瞬時値算出部が算出する前記被験者の睡眠の深さの瞬時値と、前記睡眠段階判定部が判定する前記睡眠段階とに基づいて、前記被験者の睡眠の状態を判定する睡眠状態判定部
   をさらに備え、
   前記睡眠質判定部は、
   前記睡眠状態判定部が睡眠の状態を判定した結果にさらに基づいて、前記被験者の睡眠の質の種類を判定する
   請求項１に記載の睡眠状態判定装置。
3. 前記睡眠状態判定部は、
   前記瞬時値算出部が算出する前記被験者の睡眠の深さの瞬時値と、前記睡眠段階判定部が判定する前記睡眠段階とに基づいて算出される前記被験者の寝つきの良さの程度を、前記睡眠の状態として判定する
   請求項２に記載の睡眠状態判定装置。
4. 前記睡眠状態判定部は、
   前記瞬時値算出部が算出する前記被験者の睡眠の深さの瞬時値と、前記睡眠段階判定部が判定する前記睡眠段階とに基づいて算出される入眠後の前記被験者の覚醒の程度を、前記睡眠の状態として判定する
   請求項２又は請求項３に記載の睡眠状態判定装置。
5. 前記睡眠状態判定部は、
   前記瞬時値算出部が算出する前記被験者の睡眠の深さの瞬時値と、前記睡眠段階判定部が判定する前記睡眠段階とに基づいて算出される前記被験者の睡眠時間を、前記睡眠の状態として判定する
   請求項２から請求項４のいずれか一項に記載の睡眠状態判定装置。
6. 前記睡眠深さ学習部とは、被験者の脳波と当該被験者の脈波との関係が学習された学習済みモデルであり、
   前記睡眠段階学習部とは、被験者の脳波と当該被験者の脈波及び体の一部の加速度との関係が学習された学習済みモデルである
   請求項１から請求項５のいずれか一項に記載の睡眠状態判定装置。
7. 前記出力部は、
   前記睡眠質判定部が判定する前記被験者の睡眠の質の種類に基づいて、睡眠の質の種類に応じた提案情報を前記被験者に提示する提示装置に対して出力する
   請求項１から請求項６のいずれか一項に記載の睡眠状態判定装置。
8. 請求項１から請求項７のいずれか一項に記載の睡眠状態判定装置と、
   被験者の脈波を測定して前記脈波情報を生成する脈波測定部と、
   当該被験者の体の一部の加速度を測定して前記加速度情報を生成する加速度測定部と、 前記脈波測定部が生成する前記脈波情報と、前記加速度測定部が生成する前記加速度情報とを前記睡眠状態判定装置に送信する端末装置と、
   前記睡眠状態判定装置が判定した結果を提示する提示装置と
   を備える睡眠状態判定システム。
9. 前記脈波測定部と、前記加速度測定部とが、リストバンド型である測定装置に備えられる
   請求項８に記載の睡眠状態判定システム。
10. 睡眠状態判定装置が備えるコンピュータに、
    被験者の脈波を示す脈波情報と、前記被験者の体の一部の加速度を示す加速度情報とを取得する取得ステップと、
    脈波の波形に基づいて睡眠の深さの瞬時値を出力する睡眠深さ算出部に対して、前記取得ステップにおいて取得される前記脈波情報を与えることにより、前記被験者の睡眠の深さの瞬時値を算出する瞬時値算出ステップと、
    脈波の波形と体の一部の加速度の値とに基づいてレム睡眠段階とノンレム睡眠段階とを含む睡眠段階を出力する睡眠段階学習部に対して、前記取得ステップにおいて取得される前記脈波情報と前記加速度情報とを与えることにより、前記被験者の前記睡眠段階を判定する睡眠段階判定ステップと、
    前記瞬時値算出ステップにおいて算出される前記被験者の睡眠の深さの瞬時値と、前記睡眠段階判定ステップにおいて判定される前記被験者の前記睡眠段階とに基づいて、前記被験者の入眠後所定期間の前記瞬時値の積分値を睡眠深さとして算出する睡眠深さ算出ステップと、
    前記睡眠深さ算出ステップにおいて算出される前記被験者の前記睡眠深さに基づいて、前記被験者の睡眠の質の種類を判定する睡眠質判定ステップと、
    前記睡眠質判定ステップにおいて判定された結果に基づく情報を出力する出力ステップと、
    を実行させるための睡眠状態判定プログラム。
11. 被験者の脈波を示す脈波情報と、前記被験者の体の一部の加速度を示す加速度情報と、前記被験者の皮膚温度を示す皮膚温度情報と、前記被験者の就寝前の血圧を示す血圧測定情報とを取得する取得部と、
    皮膚温度と血圧とのうち少なくとも一方及び脈波の波形に基づいて睡眠の深さの瞬時値を出力する睡眠深さ学習部に対して、前記取得部が取得する前記皮膚温度情報と前記血圧測定情報とのうち少なくとも一方及び前記脈波情報を与えることにより、前記被験者の睡眠の深さの瞬時値を算出する瞬時値算出部と、
    皮膚温度と血圧とのうち少なくとも一方と脈波の波形と体の一部の加速度の値とに基づいてレム睡眠段階とノンレム睡眠段階とを含む睡眠段階を出力する睡眠段階学習部に対して、前記取得部が取得する前記皮膚温度情報と前記血圧測定情報とのうち少なくとも一方と前記脈波情報と前記加速度情報とを与えることにより、前記被験者の前記睡眠段階を判定する睡眠段階判定部と、
    前記瞬時値算出部が算出する前記被験者の睡眠の深さの瞬時値と、前記睡眠段階判定部が判定する前記被験者の前記睡眠段階とに基づいて、前記被験者の入眠後所定期間の前記瞬時値の積分値を睡眠深さとして算出する睡眠深さ算出部と、
    前記睡眠深さ算出部が算出する前記被験者の前記睡眠深さに基づいて、前記被験者の睡眠の質の種類を判定する睡眠質判定部と、
    前記睡眠質判定部によって判定された結果に基づく情報を出力する出力部と、
    を備える睡眠状態判定装置。
12. 被験者の脈波を示す脈波情報と、前記被験者の体の一部の加速度を示す加速度情報とを取得する取得部と、
    脈波の波形及び前日の睡眠の質の種類に基づいて睡眠の深さの瞬時値を出力する睡眠深さ学習部に対して、前記取得部が取得する前記脈波情報及び前記被験者の前日の睡眠の質の種類を与えることにより、前記被験者の睡眠の深さの瞬時値を算出する瞬時値算出部と、
    脈波の波形と体の一部の加速度の値と前日の睡眠の質の種類とに基づいてレム睡眠段階とノンレム睡眠段階とを含む睡眠段階を出力する睡眠段階学習部に対して、前記取得部が取得する前記脈波情報と前記加速度情報と前記被験者の前日の睡眠の質の種類とを与えることにより、前記被験者の前記睡眠段階を判定する睡眠段階判定部と、
    前記瞬時値算出部が算出する前記被験者の睡眠の深さの瞬時値と、前記睡眠段階判定部が判定する前記被験者の前記睡眠段階とに基づいて、前記被験者の入眠後所定期間の前記瞬時値の積分値を睡眠深さとして算出する睡眠深さ算出部と、
    前記睡眠深さ算出部が算出する前記被験者の前記睡眠深さに基づいて、前記被験者の睡眠の質の種類を判定する睡眠質判定部と、
    前記睡眠質判定部によって判定された結果に基づく情報を出力する出力部と、
    を備える睡眠状態判定装置。
13. 前記取得部が取得した前記被験者の睡眠時の脈波の波形と、前記睡眠質判定部が判定した結果の前記被験者の睡眠の質の種類とに基づいて、前記被験者の健康状態を推定する健康状態算出部をさらに備える、
    請求項１、１１又は１２に記載の睡眠状態判定装置。
14. 前記出力部は、前記睡眠質判定部によって判定された結果の睡眠の質状態を前記被験者と同じ年代、性別又は職種の人の平均値と比較して、前記被験者の目標値を提案する情報を出力する、
    請求項１、１１又は１２に記載の睡眠状態判定装置。
15. 前記被験者が主観的な睡眠の状態を示す主観的睡眠状態データを入力する入力部と、
    前記主観的睡眠状態データと、前記睡眠質判定部が判定した結果の被験者の睡眠の質の種類との日々の変動及び乖離を解析して学習する解析学習部と、をさらに備え、
    前記出力部は、当該解析及び学習の結果に基づいて、主観よりも客観的な睡眠状態がよい時及び悪い時を提示する情報を出力する、
    請求項１、１１又は１２に記載の睡眠状態判定装置。
16. 前記出力部は、前記睡眠質判定部によって判定された結果に基づく「眠りの深さ」「寝つきの良さ」「眠りの維持」「睡眠時間」の中から２つ以上を組合わせてレーダーチャート形式で表示する表示情報を出力する、
    請求項１、１１又は１２に記載の睡眠状態判定装置。
17. 前記出力部は、前記「眠りの深さ」「寝つきの良さ」「眠りの維持」「睡眠時間」のうち前記レーダーチャート形式で表示される値の合計値を前記表示情報に含める、
    請求項１６に記載の睡眠状態判定装置。

Images