JP2023133265A - 睡眠質を点数化する装置、方法及びコンピュータプログラム - Google Patents

睡眠質を点数化する装置、方法及びコンピュータプログラム Download PDF

Info

Publication number
JP2023133265A
JP2023133265A JP2023037711A JP2023037711A JP2023133265A JP 2023133265 A JP2023133265 A JP 2023133265A JP 2023037711 A JP2023037711 A JP 2023037711A JP 2023037711 A JP2023037711 A JP 2023037711A JP 2023133265 A JP2023133265 A JP 2023133265A
Authority
JP
Japan
Prior art keywords
sleep
target object
scoring
information
sleep quality
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Granted
Application number
JP2023037711A
Other languages
English (en)
Other versions
JP7521836B2 (ja
Inventor
タク チェ，ソン
Sun Taag Choe
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Bitsensing Inc
Original Assignee
Bitsensing Inc
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Priority claimed from KR1020230021306A external-priority patent/KR20230133198A/ko
Application filed by Bitsensing Inc filed Critical Bitsensing Inc
Publication of JP2023133265A publication Critical patent/JP2023133265A/ja
Application granted granted Critical
Publication of JP7521836B2 publication Critical patent/JP7521836B2/ja
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/48—Other medical applications
    • A61B5/4806—Sleep evaluation
    • A61B5/4815—Sleep quality
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/05—Detecting, measuring or recording for diagnosis by means of electric currents or magnetic fields; Measuring using microwaves or radio waves 
    • A61B5/0507—Detecting, measuring or recording for diagnosis by means of electric currents or magnetic fields; Measuring using microwaves or radio waves  using microwaves or terahertz waves
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/72—Signal processing specially adapted for physiological signals or for diagnostic purposes
    • A61B5/7235—Details of waveform analysis
    • A61B5/7264—Classification of physiological signals or data, e.g. using neural networks, statistical classifiers, expert systems or fuzzy systems
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
    • G16H40/00—ICT specially adapted for the management or administration of healthcare resources or facilities; ICT specially adapted for the management or operation of medical equipment or devices
    • G16H40/60—ICT specially adapted for the management or administration of healthcare resources or facilities; ICT specially adapted for the management or operation of medical equipment or devices for the operation of medical equipment or devices
    • G16H40/63—ICT specially adapted for the management or administration of healthcare resources or facilities; ICT specially adapted for the management or operation of medical equipment or devices for the operation of medical equipment or devices for local operation
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
    • G16H50/00—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics
    • G16H50/30—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for calculating health indices; for individual health risk assessment
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/0002—Remote monitoring of patients using telemetry, e.g. transmission of vital signals via a communication network
    • A61B5/0015—Remote monitoring of patients using telemetry, e.g. transmission of vital signals via a communication network characterised by features of the telemetry system
    • A61B5/0022—Monitoring a patient using a global network, e.g. telephone networks, internet
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/02—Detecting, measuring or recording pulse, heart rate, blood pressure or blood flow; Combined pulse/heart-rate/blood pressure determination; Evaluating a cardiovascular condition not otherwise provided for, e.g. using combinations of techniques provided for in this group with electrocardiography or electroauscultation; Heart catheters for measuring blood pressure
    • A61B5/0205—Simultaneously evaluating both cardiovascular conditions and different types of body conditions, e.g. heart and respiratory condition
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/08—Detecting, measuring or recording devices for evaluating the respiratory organs
    • A61B5/0826—Detecting or evaluating apnoea events
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/103—Detecting, measuring or recording devices for testing the shape, pattern, colour, size or movement of the body or parts thereof, for diagnostic purposes
    • A61B5/11—Measuring movement of the entire body or parts thereof, e.g. head or hand tremor, mobility of a limb
    • A61B5/1113—Local tracking of patients, e.g. in a hospital or private home
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/103—Detecting, measuring or recording devices for testing the shape, pattern, colour, size or movement of the body or parts thereof, for diagnostic purposes
    • A61B5/11—Measuring movement of the entire body or parts thereof, e.g. head or hand tremor, mobility of a limb
    • A61B5/113—Measuring movement of the entire body or parts thereof, e.g. head or hand tremor, mobility of a limb occurring during breathing
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/103—Detecting, measuring or recording devices for testing the shape, pattern, colour, size or movement of the body or parts thereof, for diagnostic purposes
    • A61B5/11—Measuring movement of the entire body or parts thereof, e.g. head or hand tremor, mobility of a limb
    • A61B5/113—Measuring movement of the entire body or parts thereof, e.g. head or hand tremor, mobility of a limb occurring during breathing
    • A61B5/1135—Measuring movement of the entire body or parts thereof, e.g. head or hand tremor, mobility of a limb occurring during breathing by monitoring thoracic expansion
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/48—Other medical applications
    • A61B5/4806—Sleep evaluation
    • A61B5/4818—Sleep apnoea
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/72—Signal processing specially adapted for physiological signals or for diagnostic purposes
    • A61B5/7271—Specific aspects of physiological measurement analysis
    • A61B5/7282—Event detection, e.g. detecting unique waveforms indicative of a medical condition

Landscapes

  • Health & Medical Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Engineering & Computer Science (AREA)
  • Biomedical Technology (AREA)
  • Public Health (AREA)
  • Medical Informatics (AREA)
  • General Health & Medical Sciences (AREA)
  • Pathology (AREA)
  • Physics & Mathematics (AREA)
  • Heart & Thoracic Surgery (AREA)
  • Molecular Biology (AREA)
  • Surgery (AREA)
  • Animal Behavior & Ethology (AREA)
  • Biophysics (AREA)
  • Veterinary Medicine (AREA)
  • Artificial Intelligence (AREA)
  • Signal Processing (AREA)
  • Physiology (AREA)
  • Psychiatry (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Primary Health Care (AREA)
  • Epidemiology (AREA)
  • Mathematical Physics (AREA)
  • Radiology & Medical Imaging (AREA)
  • Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
  • Data Mining & Analysis (AREA)
  • Databases & Information Systems (AREA)
  • Fuzzy Systems (AREA)
  • Evolutionary Computation (AREA)
  • Business, Economics & Management (AREA)
  • General Business, Economics & Management (AREA)
  • Measurement Of The Respiration, Hearing Ability, Form, And Blood Characteristics Of Living Organisms (AREA)

Abstract

【課題】レーダを利用して人の睡眠状態を分析し、分析された結果を通じて睡眠質に対する点数の判定を自動化することによって、睡眠質の測定に所要される時間を最小化する。【解決手段】睡眠質を点数化する装置において、複数の睡眠ポリグラフ検査対象者に対する睡眠ポリグラフ検査結果情報に基づいて睡眠ポリグラフ検査の要素別に分布モデルを生成し、分布モデル別に点数化関数を生成する点数化関数生成部と、対象客体に向けてレーダ信号を送信し、対象客体から反射されたレーダ信号を受信する送受信部と、レーダ信号に基づいて対象客体に対する睡眠時間情報及び複数の睡眠項目に関するイベント発生情報を導出する情報導出部と、睡眠時間情報及びイベント発生情報を点数化関数に適用して要素別点数を計算する要素別点数計算部と、計算された前記要素別点数に基づいて対象客体に対する睡眠質点数を計算する睡眠質点数計算部とを含んでいても良い。【選択図】図１

Description

本発明は、睡眠の質を測定して点数化する装置、方法及びコンピュータプログラムに関する。
睡眠ポリグラフ検査（PSG：polysomnography）は、睡眠障害を診断するための検査であって、睡眠中の脳波、眼球運動、筋肉の動き、呼吸、心電図などを総合的に測定すると同時に睡眠状態をビデオで録画した後、測定及び録画された記録を分析することで、睡眠と係わる疾患を診断し、治療方針を決めるのに使用されている。
上述した睡眠ポリグラフ検査は、睡眠時無呼吸症、睡眠障害、睡眠時遊行症などの症状を診断することができ、このような疾患を判断するための指数として、睡眠ステップ（Ｓｌｅｅｐ ｓｔａｇｅ）、無呼吸指数（Ａｐｎｅａ－ｈｙｐｏｐｎｅａ ｉｎｄｅｘ、ＡＨＩ）、呼吸障害指数（Ｒｅｓｐｉｒａｔｏｒｙ Ｄｉｓｔｕｒｂａｎｃｅ Ｉｎｄｅｘ、ＲＤＩ）などが使用されている。
一方、睡眠ポリグラフ検査は、専門家が様々なセンサにより測定された患者の生体データを組み合わせて上述した指数を判断するマニュアル睡眠スコアリング（Ｍａｎｕａｌ ｓｌｅｅｐ ｓｃｏｒｉｎｇ）法を利用している。
言い換えれば、現在の睡眠ポリグラフ検査は、睡眠スコアリング（Ｓｌｅｅｐ ｓｃｏｒｉｎｇ）を各専門家の主観的な判断基準に従って進行しており、スコアリング結果の正確度や信頼度が低いという問題がある。
具体的に、睡眠ポリグラフ検査は、睡眠スコアリングのための判定基準が非常に明確なように見えるが、患者毎に生体信号の形態や大きさが異なっており、生体信号に示される非定型性によって、専門家の間でも多くの誤差がある。実際に、専門家らが同じ患者の同じ生体データにて睡眠スコアリングを行えば、１０％程度のスコアリング偏差が表れると知られている。
しかし、睡眠スコアリングは専門家によって手作業で進行されるので、所要時間が長すぎるという問題がある。実際に熟練の専門家が一人の患者に対して睡眠スコアリングを進行する際の所要時間は、約３～４時間であると知られている。
一方、睡眠の質と量を測定する基礎的な方法は、手首活動量計（Ｗｒｉｓｔ Ａｃｔｉｇｒａｐｈｙ）を利用して睡眠時間を測定することである。具体的に、手首活動量計を着用した着用者の活動状態を基に着用者の睡眠時間を測定し、睡眠中の寝返り（Ｔｏｓｓ）などを検出する。そして、手首に着用する光電容積脈波（Ｐｈｏｔｏｐｌｅｔｈｙｓｍｏｇｒａｐｈｙ、ＰＰＧ）測定装置を利用し、着用者の睡眠中の心拍数及び心拍変動度を測定することができる。具体的に、着用者の睡眠段階を区別し、酸素飽和度（ＳｐＯ２）を測定することで、無呼吸による酸素飽和度の低下（Ｄｅｓａｔｕｒａｔｉｏｎ）を検出する。
しかし、従来技術による検査方法は、人の身体一部に検査装置を取り付けた状態で検査を進行しなければならないという不便が存在し、睡眠疾患をより精密に検査するためには、高コストの検査装置のみに依存しなければならないという限界が存在する。
韓国登録特許公報第１０－２３２１９９１号（２０２１年１０月２９日付にて登録） 韓国公開特許公報第１０－２０１８－００７７４５３号（２０１８年７月９日付にて公開）
本発明は、上述した従来技術の問題点を解決するためのものであり、レーダを利用して人の睡眠状態を分析し、分析された結果を通じて睡眠質に対する点数の判定を自動化することによって、睡眠質の測定に所要される時間を最小化することができる睡眠質を点数化する装置、方法及びそのコンピュータプログラムを提供することを目的としている。
また、本発明は、検査対象者の状態に応じて異なる分布モデルと点数化関数を通じて睡眠質を判断し、導出された睡眠質点数に対する正確性及び信頼性を向上させることができる睡眠質を点数化する装置、方法及びそのコンピュータプログラムを提供することを目的としている。
但し、本実施例が解決しようとする技術的課題は、上記したような技術的課題に限定されるものではなく、また他の技術的課題が存在し得る。
上述した技術的課題を解決するための技術的手段として、本発明の一実施例は、睡眠質を点数化する装置において、複数の睡眠ポリグラフ検査対象者に対する睡眠ポリグラフ検査結果情報に基づいて睡眠ポリグラフ検査の要素別に分布モデルを生成し、前記分布モデル別に点数化関数を生成する点数化関数生成部と、対象客体に向けてレーダ信号を送信し、前記対象客体から反射されたレーダ信号を受信する送受信部と、前記レーダ信号に基づいて前記対象客体に対する睡眠時間情報及び複数の睡眠項目に関するイベント発生情報を導出する情報導出部と、前記睡眠時間情報及び前記イベント発生情報を前記点数化関数に適用して要素別点数を計算する要素別点数計算部と、計算された前記要素別点数に基づいて前記対象客体に対する睡眠質点数を計算する睡眠質点数計算部とを含んでいても良い。
上述した課題を解決するための手段は、単なる例示であり、本発明を制限する意図で解釈されてはならない。上述した例示的な実施例の他にも、図面及び発明の詳細な説明に記載された追加の実施例が存在し得る。
上述した本発明の課題を解決するための手段の何れか一つによれば、レーダを利用して人の睡眠状態を分析し、分析された結果を通じて睡眠質に対する点数の判定を自動化することによって、睡眠質の測定に所要される時間を最小化することができる睡眠質を点数化する装置、方法及びそのコンピュータプログラムを提供することができる。
また、本発明は、検査対象者の状態に応じて異なる分布モデルと点数化関数を通じて睡眠質を判断し、導出された睡眠質点数に対する正確性及び信頼性を向上させることができる睡眠質を点数化する装置、方法及びそのコンピュータプログラムを提供することができる。
本発明の一実施例に係る睡眠質を点数化するシステムの構成図である。 本発明の一実施例に係る睡眠質を点数化する装置の構成図である。 本発明の一実施例に係る平均呼吸信号を算出する過程を説明するための例示的な図である。 本発明の一実施例に係る時間感度因子及び振幅感度因子を説明するための例示的な図である。 本発明の一実施例に係る第１の睡眠呼吸パターン情報及び第２の睡眠呼吸パターン情報を説明するための例示的な図である。 本発明の一実施例に係る第１の睡眠呼吸イベント及び第２の睡眠呼吸イベントを説明するための例示的な図である。 本発明の一実施例に係る複数の睡眠項目に対する最適なパラメータを説明するための例示的な図である。 本発明の一実施例に係る睡眠ポリグラフ検査に関するデータセットの例示的な図である。 本発明の一実施例に係る睡眠関連病症の分布情報に関する例示的な図である。 本発明の一実施例に係る対象客体が睡眠関連病症に当たるか否かを判断する過程を説明するための例示的な図である。 本発明の一実施例に係る睡眠質を点数化する過程を例示して説明するための図である。 本発明の一実施例に係る睡眠質を点数化する過程を例示して説明するための図である。 本発明の一実施例に係る分布モデルを例示して説明するための図である。 本発明の一実施例に係る分布モデルを例示して説明するための図である。 本発明の一実施例に係る点数化関数を例示して説明するための図である。 本発明の一実施例に係る点数化関数を例示して説明するための図である。 図１４の点数化関数によって睡眠質を点数化する過程を例示して説明するための図である。 本発明の一実施例によって睡眠ポリグラフ検査の要素別に計算された点数を基に睡眠質点数を計算することを例示して説明するための図である。 本発明の一実施例によって睡眠ポリグラフ検査の要素別に計算された点数を加重値に基づいて睡眠質点数を計算することを例示して説明するための図である。 本発明の一実施例に係る睡眠質の点数化方法のフローチャートである。
以下では、添付した図面を参照しながら、本発明の属する技術分野において通常の知識を有する者が容易に実施できるように本発明の実施例を詳しく説明する。ところが、本発明は、様々な異なる形態で具現されることができ、ここで説明する実施例に限定されるものではない。そして、図面において、本発明を明確に説明するために、説明とは関係ない部分は省略しており、明細書全体に亘って類似した部分に対しては類似した図面符号を付けている。
明細書全体において、ある部分が他の部分と「連結」されているという場合、これは「直接的に連結」されている場合だけでなく、その中間に他の素子を挟んで「電気的に連結」されている場合も含む。また、ある部分がある構成要素を「含む」という場合、これは、特に反対の記載がない限り、他の構成要素を除くのではなく、他の構成要素をさらに含み得ることを意味し、１つ又はそれ以上の他の特徴や数字、段階、動作、構成要素、部分又はこれらを組み合わせたものの存在又は付加可能性を予め排除するものではないと理解されなければならない。
本明細書において「部」とは、ハードウェアによって実現されるユニット（ｕｎｉｔ）、ソフトウェアによって実現されるユニット、両方を利用して実現されるユニットを含む。また、１つのユニットが２つ以上のハードウェアを利用して実現されても良く、２つ以上のユニットが１つのハードウェアによって実現されても良い。
本明細書において、端末又はデバイスが行うと記述された動作や機能のうち一部は、当該端末又はデバイスと連結されたサーバにおいて代わりに行われても良い。それと同様に、サーバが行うと記述された動作や機能のうち一部も、当該サーバと連結された端末又はデバイスにおいて行われても良い。
以下、添付された図面を参照しながら、本発明の一実施例を詳しく説明することとする。
図１は、本発明の一実施例に係る睡眠質を点数化する装置の構成図である。
図１を参照すると、睡眠質を点数化するシステム１は、睡眠質を点数化する装置１００と、レーダ１１０とを含んでいても良い。
図１の睡眠質を点数化するシステム１の各構成要素は、一般的にネットワーク（ｎｅｔｗｏｒｋ）を介して連結される。例えば、図１に示すように、睡眠質を点数化する装置１００及びレーダ１１０は、同時に又は時間間隔を空けて連結されても良い。ネットワークは、端末及びサーバのようなそれぞれのノードの相互間に情報交換が可能な連結構造を意味するものであり、構内通信網（ＬＡＮ：Ｌｏｃａｌ Ａｒｅａ Ｎｅｔｗｏｒｋ）、広域通信網（ＷＡＮ：Ｗｉｄｅ Ａｒｅａ Ｎｅｔｗｏｒｋ）、インターネット（ＷＷＷ：Ｗｏｒｌｄ Ｗｉｄｅ Ｗｅｂ）、有無線データ通信網、電話網、有無線テレビ通信網などを含む。無線データ通信網の一例には、３Ｇ、４Ｇ、５Ｇ、３ＧＰＰ（３ｒｄ Ｇｅｎｅｒａｔｉｏｎ Ｐａｒｔｎｅｒｓｈｉｐ Ｐｒｏｊｅｃｔ）、ＬＴＥ（Ｌｏｎｇ Ｔｅｒｍ Ｅｖｏｌｕｔｉｏｎ）、ＷＩＭＡＸ（Ｗｏｒｌｄ Ｉｎｔｅｒｏｐｅｒａｂｉｌｉｔｙ ｆｏｒ Ｍｉｃｒｏｗａｖｅ Ａｃｃｅｓｓ）、ワイファイ（Ｗｉ－Ｆｉ）、ブルートゥース通信、赤外線通信、超音波通信、可視光通信（ＶＬＣ：Ｖｉｓｉｂｌｅ Ｌｉｇｈｔ Ｃｏｍｍｕｎｉｃａｔｉｏｎ）、ライファイ（ＬｉＦｉ）などが含まれるが、これに限定されるものではない。
睡眠質を点数化する装置１００は、対象客体１１１の睡眠中にレーダ１１０を利用して対象客体１１１の呼吸信号を分析しても良い。睡眠質を点数化する装置１００は、対象客体１１１の呼吸信号を利用して対象客体１１１の睡眠障害を検出し、睡眠関連疾患を判断しても良い。
例えば、睡眠質を点数化する装置１００は、睡眠中の対象客体１１１と所定距離を維持した位置に配置され、レーダ１１０を介して対象客体１１１に向けてレーダ信号を送信しても良く、対象客体１１１から反射されるレーダ信号を受信しても良い。
睡眠質を点数化する装置１００は、レーダ１１０を利用して対象客体１１１の閉塞性睡眠時無呼吸症、中枢性睡眠時無呼吸症及び混合性睡眠時無呼吸症などを含む睡眠関連病症を判断しても良い。
よって、睡眠質を点数化する装置１００を利用すれば、睡眠ポリグラフ検査を進行しなくても、睡眠ポリグラフ検査のように対象客体１１１の睡眠関連病症を精密に判断し、原因を分析することができる。
これにより、睡眠質を点数化する装置１００は、レーダ１１０を利用して対象客体１１１の睡眠と係わる呼吸信号を分析することで、従来の睡眠ポリグラフ検査を進行する過程における煩雑さを簡素化することができる。また、睡眠質を点数化する装置１００は、日常生活で簡便に対象客体１１１の睡眠呼吸を持続的に分析することができ、睡眠関連病症の追跡観察を進行することができる。また、非対面で対象客体１１１の睡眠呼吸を分析することができるという効果もある。
以下、睡眠質を点数化する装置１００の各構成要素を検討することとする。
図２は、本発明の一実施例に係る睡眠質を点数化する装置の構成図である。図２を参照すると、睡眠質を点数化する装置１００は、送受信部２１０と、情報導出部２２０と、指数導出部２３０と、病症判断部２４０と、点数化関数生成部２５０と、要素別点数計算部２６０と、睡眠質点数計算部２７０とを含んでいても良い。但し、上記の構成要素２１０～２７０は、睡眠質を点数化する装置１００によって制御され得る構成要素を例示的に示したものに過ぎない。上記した送受信部２１０は、図１のレーダ１１０に対応する構成として理解されても良い。
以下、睡眠質を点数化する装置１００の各構成要素を検討することとする。
送受信部２１０は、対象客体に向けてレーダ信号を送信しても良い。送受信部２１０は、対象客体から反射されるレーダ信号を受信しても良い。例えば、送受信部２１０は、レーダを利用して対象客体に向けてレーダ信号を送信し、対象客体から反射されるレーダ信号を受信しても良い。
情報導出部２２０は、対象客体から反射されるレーダ信号を利用して対象客体の平均呼吸信号を導出し、平均呼吸信号に基づいて対象客体の睡眠呼吸パターン情報を生成し、睡眠中に発生する睡眠呼吸イベントを検出しても良い。
情報導出部２２０は、平均呼吸信号導出部２２１と、睡眠呼吸パターン情報生成部２２２と、睡眠呼吸イベント検出部２２３とを含んでいても良い。平均呼吸信号導出部２２１は、レーダ信号に基づいて対象客体に対する平均呼吸信号を導出しても良い。例えば、平均呼吸信号導出部２２１は、対象客体から反射されるレーダ信号のパターン、信号の振幅の変化を利用し、対象客体の通常の呼吸に当たる信号を算出しても良い。
平均呼吸信号導出部２２１は、対象客体から反射されるレーダ信号と２つの感度因子を利用し、対象客体に対する平均呼吸信号を算出しても良い。
以下、図３及び図４を参照しながら平均呼吸信号を算出する過程を検討することとする。
図３は、本発明の一実施例に係る平均呼吸信号を算出する過程を説明するための例示的な図である。図３を参照すると、平均呼吸信号導出部２２１は、対象客体から反射されるレーダ信号３１０を利用して対象客体の平均呼吸信号３１１を導出し、対象客体の睡眠呼吸に関する状態情報３１２を生成しても良い。
例えば、平均呼吸信号導出部２２１は、レーダ信号３１０に基づき、時間感度因子及び振幅感度因子を利用して平均呼吸信号３１１を導出しても良い。平均呼吸信号導出部２２１は、下記数学式１を利用しても良い。
数学式１において、ｍは、対象客体の平均呼吸信号であり、ｘは、対象客体から反射されて受信したレーダ信号である。Lは、特定連続区間の時間長さを意味する時間感度因子であり、シーケンス単位でレーダ信号の周波数と秒単位の長さを掛けた整数である。そして、Ｆは、特定連続区間の振幅に反応する振幅感度因子である。
例えば、平均呼吸信号導出部２２１は、時間感度因子及び振幅感度因子を利用して対象客体に対する平均呼吸信号を算出しても良い。数学式１を参照すると、対象客体に対する平均呼吸信号は、時間感度因子が大きくなるほど、振幅感度因子が小さくなるほど、時間に応じた信号の波形が鈍り、時間感度因子が小さくなるほど、振幅感度因子が大きくなるほど、時間に応じた信号の波形が急変し得る。
平均呼吸信号導出部２２１は、対象客体から受信したレーダ信号３１０と平均呼吸信号３１１とを比較しても良い。例えば、平均呼吸信号導出部２２１は、レーダ信号３１０のうち平均呼吸信号３１１よりも小さい区間を検出しても良い。平均呼吸信号導出部２２１は、レーダ信号３１０のうち平均呼吸信号３１１よりも小さい区間を検出し、睡眠呼吸に関する状態情報３１２を生成しても良い。
平均呼吸信号導出部２２１は、レーダ信号３１０のうち平均呼吸信号３１１よりも小さい区間に対して「１」を付与し、それ以外の区間に対して「０」を付与しても良い。例えば、平均呼吸信号導出部２２１は、検出結果に基づいて対象客体の睡眠呼吸に関する呼吸状態情報を生成しても良い。つまり、対象客体の睡眠呼吸に関する状態情報３１２は、「１」又は「０」の値で表現されても良い。
図４は、本発明の一実施例に係る時間感度因子及び振幅感度因子を説明するための例示的な図である。例えば、平均呼吸信号導出部２２１は、対象客体から受信したレーダ信号に基づいて対象客体に対する平均呼吸信号を算出しても良い。このとき、平均呼吸信号導出部２２１は、時間感度因子及び振幅感度因子を活用しても良い。
図４の（ａ）は、レーダ信号４１０から導出された時間感度因子の変化に応じた平均呼吸信号を示すグラフであり、（ｂ）は、レーダ信号４１０から導出された振幅感度因子の変化に応じた平均呼吸信号を示すグラフである。
図４の（ａ）に示された例示及び上述した数学式１を参照すると、時間感度因子の周期が短くなるほど、当該時間感度因子に対応する平均呼吸信号の波形は急変し得る。例えば、１０秒周期の時間感度因子に対応する平均呼吸信号の波形４１１と、２０秒周期の時間感度因子４１２に対応する平均呼吸信号の波形と、３０秒周期の時間感度因子４１３に対応する平均呼吸信号の波形とを比較すると、１０秒周期の時間感度因子に対応する平均呼吸信号の波形４１１の方が最も急変し得る。
図４の（ｂ）に示された例示及び上述した数学式１を参照すると、振幅感度因子の周期が短くなるほど、当該振幅感度因子に対応する平均呼吸信号の波形は鈍り得る。例えば、０．５周期の振幅感度因子に対応する平均呼吸信号の波形４１４と、１．０周期の振幅感度因子４１５に対応する平均呼吸信号の波形と、１．５周期の振幅感度因子４１６に対応する平均呼吸信号の波形とを比較すると、０．５周期の振幅感度因子に対応する平均呼吸信号の波形４１１の方が最も鈍り得る。
睡眠呼吸パターン情報生成部２２２は、平均呼吸信号とレーダ信号とを比較することで対象客体に対する睡眠呼吸パターン情報を生成しても良い。例えば、睡眠呼吸パターン情報生成部２２２は、対象客体から受信したレーダ信号のうち対象客体の平均呼吸信号よりも小さい区間を検出しても良い。
睡眠呼吸パターン情報生成部２２２は、レーダ信号のうち平均呼吸信号よりも小さい場合を検出し、対象客体の睡眠呼吸に関する呼吸状態情報を生成しても良い。つまり、睡眠呼吸パターン情報生成部２２２は、レーダを利用して対象客体の現在の睡眠呼吸と通常の睡眠呼吸とを比較した対象客体の睡眠呼吸状態情報を生成しても良い。例えば、睡眠呼吸パターン情報生成部２２２は、下記数学式２を利用しても良い。
数学式２において、ａ１は、対象客体の睡眠呼吸に関する呼吸状態情報であり、ｘ［ｉ］は、対象客体から反射されて受信したレーダ信号であり、ｍ［ｉ］は、対象客体の平均呼吸信号である。
例えば、睡眠呼吸パターン情報生成部２２２は、睡眠中に対象客体から受信したレーダ信号と対象客体の平均呼吸信号とを比較しても良い。睡眠呼吸パターン情報生成部２２２は、対象客体から受信したレーダ信号のうち対象客体の平均呼吸信号よりも小さい区間を検出しても良い。
睡眠呼吸パターン情報生成部２２２は、対象客体の睡眠呼吸に関する呼吸状態情報を利用し、対象客体の睡眠状態の連続性を表現する第１の睡眠呼吸パターン情報及び第２の睡眠呼吸パターン情報を生成しても良い。
以下、図５を参照しながら対象客体の睡眠呼吸パターン情報を生成する過程を検討することとする。
図５は、本発明の一実施例に係る第１の睡眠呼吸パターン情報及び第２の睡眠呼吸パターン情報を説明するための例示的な図である。図５を参照すると、先ず、睡眠呼吸パターン情報生成部２２２は、対象客体の平均呼吸信号を生成しても良い。例えば、レーダ信号のうち平均呼吸信号よりも小さい場合は、対象客体の現在の呼吸状態情報が「１」と導出され（図５の図面符号５１０に当たる）、レーダ信号のうち平均呼吸信号よりも大きい場合は、対象客体の現在の呼吸状態情報が「０」と導出されても良い（図５の図面符号５１２に当たる）。
そして、睡眠呼吸パターン情報生成部２２２は、対象客体から反射されるレーダ信号を対象客体の平均呼吸信号と比較し、第１の睡眠呼吸パターン情報５１１及び第２の睡眠呼吸パターン情報５１２を含む睡眠呼吸パターン情報を生成しても良い。
睡眠呼吸パターン情報生成部２２２は、呼吸状態情報の持続有無に基づいて対象客体の睡眠呼吸に関する第１の睡眠呼吸パターン情報５１１を生成しても良い。睡眠呼吸パターン情報生成部２２２は、対象客体の現在の睡眠呼吸が通常の睡眠呼吸よりも小さい際に増加する値を有する第１の睡眠呼吸パターン情報５１１を生成しても良い。例えば、睡眠呼吸パターン情報生成部２２２は、下記数学式３を利用して第１の睡眠呼吸パターン情報５１１を生成しても良い。
数学式３において、ｃ１１は、第１の睡眠呼吸パターン情報５１１である。例えば、睡眠呼吸パターン情報生成部２２２は、数学式３及び図５を参照すると、対象客体から反射されるレーダ信号、即ち、対象客体の現在の呼吸が対象客体の平均呼吸信号よりも小さく、当該値が維持される場合に増加する値である第１の睡眠呼吸パターン情報５１１を算出しても良い。つまり、第１の睡眠呼吸パターン情報５１１は、対象客体の現在の呼吸状態情報が「１」に維持される場合に（図５の図面符号５１０に当たる）増加し得る値であり、対象客体の睡眠中平均呼吸信号よりも小さい区間全体を意味しても良い。
他の例において、睡眠呼吸パターン情報生成部２２２は、数学式３及び図５を参照すると、対象客体の現在の呼吸が対象客体の平均呼吸信号よりも高くなれば第１の睡眠呼吸パターン情報５１１を初期化しても良い。つまり、第１の睡眠呼吸パターン情報５１１は、対象客体の呼吸状態情報が「１」ではない場合に（図５の図面符号５２０に当たる）初期化されても良い。
睡眠呼吸パターン情報生成部２２２は、呼吸状態情報の持続有無及び予め設定された閾値に基づいて第２の睡眠呼吸パターン情報５１２を生成しても良い。睡眠呼吸パターン情報生成部２２２は、対象客体の現在の睡眠呼吸が通常の睡眠呼吸よりも小さい際に増加するが、特定臨界時間に到逹すれば初期化され、再び増加する値を有する第２の睡眠呼吸パターン情報５１２を生成しても良い。例えば、睡眠呼吸パターン情報生成部２２２は、下記数学式４を利用して第２の睡眠呼吸パターン情報５１２を生成しても良い。
数学式４において、ｃ１２は、第２の睡眠呼吸パターン情報５１２であり、Ｔは、予め設定された閾値であって、特定臨界時間５３０である。例えば、睡眠呼吸パターン情報生成部２２２は、数学式４及び図５を参照すると、第１の睡眠呼吸パターン情報５１１と同様に、対象客体から反射されるレーダ信号、即ち、対象客体の現在の呼吸が対象客体の平均呼吸信号よりも小さく、当該値が維持される場合に増加する値であるが、特定臨界時間（数学式４のＴ、５３０）に到逹すれば初期化し、再び増加する第２の睡眠呼吸パターン情報５１２を算出しても良い。
例えば、睡眠呼吸パターン情報生成部２２２は、数学式４及び図５を参照すると、対象客体の現在の呼吸状態情報が「１」に維持される場合（５１０）、第２の睡眠呼吸パターン情報５１２の値を増加させても良いが、特定臨界時間５３０に到逹すれば第２の睡眠呼吸パターン情報５１２の値を初期化させ、再び増加させても良い。
また、睡眠呼吸パターン情報生成部２２２は、レーダ信号のうち平均呼吸信号よりも大きい場合を検出し、対象客体の睡眠呼吸に関する動き状態情報を生成しても良い。例えば、睡眠呼吸パターン情報生成部２２２は、対象客体の睡眠中に感知される動きに関する動き状態情報を利用し、対象客体の睡眠動き状態の連続性を表現する第１の睡眠動きパターン情報及び第２の睡眠動きパターン情報を生成しても良い。
先ず、睡眠呼吸パターン情報生成部２２２は、レーダ信号のうち平均呼吸信号よりも大きい場合を検出し、対象客体の睡眠呼吸に関する動き状態情報を生成しても良い。つまり、睡眠呼吸パターン情報生成部２２２は、レーダを利用して対象客体の現在の睡眠呼吸と通常の睡眠呼吸とを比較した対象客体の睡眠動き状態情報を生成しても良い。例えば、睡眠呼吸パターン情報生成部２２２は、下記数学式５を利用しても良い。
数学式５において、ａ２は、対象客体の睡眠呼吸に関する動き状態情報であり、ｘ［ｉ］は、対象客体から反射されて受信したレーダ信号であり、ｍ［ｉ］は、対象客体の平均呼吸信号である。
例えば、睡眠呼吸パターン情報生成部２２２は、数学式５を参照すると、睡眠中に対象客体から受信したレーダ信号のうち対象客体の平均呼吸信号よりも大きい区間を検出しても良く、検出結果に基づき、対象客体の睡眠呼吸に関する動き状態情報、第１の睡眠動きパターン情報及び第２の睡眠動きパターン情報を生成しても良い。
睡眠呼吸パターン情報生成部２２２は、動き状態情報の持続有無に基づいて対象客体の睡眠動きに関する第１の睡眠動きパターン情報を生成しても良い。
睡眠呼吸パターン情報生成部２２２は、対象客体の現在の睡眠呼吸が通常の睡眠呼吸よりも大きい際に増加する値を有する第１の睡眠動きパターン情報を生成しても良い。
例えば、睡眠呼吸パターン情報生成部２２２は、下記数学式６を利用しても良い。
数学式６において、ｃ２１は、第１の睡眠動きパターン情報であり、ａ２は、対象客体の睡眠呼吸に関する動き状態情報である。例えば、睡眠呼吸パターン情報生成部２２２は、数学式６を参照すると、対象客体から反射されるレーダ信号が対象客体の平均呼吸信号よりも大きく、当該値が維持される場合に増加する値である第１の睡眠動きパターン情報を算出しても良い。つまり、第１の睡眠動きパターン情報は、対象客体の睡眠中平均呼吸信号よりも大きい区間全体を意味しても良い。
睡眠呼吸パターン情報生成部２２２は、動き状態情報の持続有無及び予め設定された閾値に基づいて第２の睡眠動きパターン情報を生成しても良い。睡眠呼吸パターン情報生成部２２２は、対象客体の現在の睡眠呼吸が通常の睡眠呼吸よりも大きい際に増加するが、特定臨界時間に到逹すれば初期化され、再び増加する値を有する第２の睡眠動きパターン情報を生成しても良い。例えば、睡眠呼吸パターン情報生成部２２２は、下記数学式７を利用しても良い。
数学式７において、ｃ２２は、第２の睡眠動きパターン情報であり、Ｔは、予め設定された閾値であって、特定臨界時間である。例えば、睡眠呼吸パターン情報生成部２２２は、数学式７を参照すると、第１の睡眠動きパターン情報と同様に、対象客体から反射されるレーダ信号が大きく、当該値が維持される場合に増加する値であるが、特定臨界時間に到逹すれば初期化し、再び増加する第２の睡眠動きパターン情報を算出しても良い。
睡眠呼吸イベント検出部２２３は、睡眠呼吸パターン情報に基づいて睡眠呼吸イベントを検出しても良い。例えば、睡眠呼吸イベント検出部２２３は、第１の睡眠呼吸パターン情報及び第２の睡眠呼吸パターン情報を利用し、対象客体の睡眠中に第１の睡眠呼吸イベント及び第２の睡眠呼吸イベントを検出しても良い。以下、図６を参照しながら対象客体の睡眠呼吸パターン情報を生成する過程を検討することとする。
図６は、本発明の一実施例に係る第１の睡眠呼吸イベント及び第２の睡眠呼吸イベントを説明するための例示的な図である。図６を参照すると、睡眠質を点数化する装置１００は、第１の睡眠呼吸パターン情報６１０及び第２の睡眠呼吸パターン情報６２０から尖頭値６４０、６５０を検出し、第１の睡眠呼吸イベント及び第２の睡眠呼吸イベントを検出しても良い。
睡眠呼吸イベント検出部２２３は、第１の睡眠呼吸パターン情報６１０のうち閾値以上に当たる値に基づいて第１の睡眠呼吸イベントを検出しても良い。睡眠呼吸イベント検出部２２３は、対象客体の睡眠中に特定臨界時間よりも大きい範囲において対象客体の睡眠呼吸が通常よりも小さい場合の睡眠呼吸イベントが発生した回数を検出した第１の睡眠呼吸イベントを検出しても良い。例えば、睡眠呼吸イベント検出部２２３は、下記数学式８を利用して第１の睡眠呼吸イベントを検出しても良い。
数学式８において、ｄ１１は、第１の睡眠呼吸イベントであり、ｃ１１は、第１の睡眠呼吸パターン情報６１０であり、Ｔは、予め設定された閾値であって、特定臨界時間６３０である。数学式８及び図６を参照すると、睡眠質を点数化する装置１００は、第１の睡眠呼吸パターン情報６１０のうち特定臨界時間６３０を超える区間において尖頭値（Ｐｅａｋ）６４０を検出し、カウントすることによって、第１の睡眠呼吸イベントが発生した回数を検出しても良い。
睡眠呼吸イベント検出部２２３は、第２の睡眠呼吸パターン情報６２０のうち閾値に到逹する値に基づいて第２の睡眠呼吸イベントを検出しても良い。睡眠呼吸イベント検出部２２３は、対象客体の睡眠中に特定臨界時間に到逹した睡眠呼吸イベントの発生回数を検出した第２の睡眠呼吸イベントを検出しても良い。例えば、睡眠質を点数化する装置１００は、下記数学式９を利用して第２の睡眠呼吸イベントを検出しても良い。
数学式９において、ｄ１２は、第２の睡眠呼吸イベントであり、ｃ１２は、第２の睡眠呼吸パターン情報６２０であり、Ｔは、予め設定された閾値であって、特定臨界時間６３０である。数学式９及び図６を参照すると、睡眠質を点数化する装置１００は、第２の睡眠呼吸パターン情報６２０のうち特定臨界時間６３０に到逹した尖頭値６５０を検出し、カウントすることによって、第２の睡眠呼吸イベントが発生した回数を検出しても良い。
つまり、睡眠呼吸イベント検出部２２３は、第１の睡眠呼吸イベント及び第２の睡眠呼吸イベントを混合して検出することにより、無呼吸／低呼吸イベントの持続時間に応じた様態を表現することができる。
また、睡眠呼吸イベント検出部２２３は、睡眠動きパターン情報に基づいて睡眠動きイベントを検出しても良い。睡眠呼吸イベント検出部２２３は、第１の睡眠動きパターン情報のうち閾値以上に当たる値に基づいて第１の睡眠動きイベントを検出しても良い。睡眠呼吸イベント検出部２２３は、対象客体の睡眠中に特定臨界時間よりも大きい範囲において対象客体の睡眠呼吸が通常よりも大きい場合の睡眠動きイベントが発生した回数を検出した第１の睡眠動きイベントを検出しても良い。
例えば、睡眠呼吸イベント検出部２２３は、下記数学式１０を利用しても良い。
数学式１０において、ｄ２１は、第１の睡眠動きイベントであり、ｃ２１は、第１の睡眠動きパターン情報であり、Ｔは、予め設定された閾値であって、特定臨界時間である。数学式１０を参照すると、睡眠呼吸イベント検出部２２３は、第１の睡眠動きパターン情報のうち特定臨界時間を超える区間において尖頭値（Ｐｅａｋ）を検出し、カウントすることによって、第１の睡眠動きイベントが発生した回数を検出しても良い。
睡眠呼吸イベント検出部２２３は、第２の睡眠動きパターン情報のうち閾値に到逹する値に基づいて第２の睡眠動きイベントを検出しても良い。睡眠呼吸イベント検出部２２３は、対象客体の睡眠中に特定臨界時間に到逹した睡眠動きイベントの発生回数を検出した第２の睡眠動きイベントを検出しても良い。例えば、睡眠呼吸イベント検出部２２３は、下記数学式１１を利用して第２の睡眠動きイベントを検出しても良い。
数学式１１において、ｄ２２は、第２の睡眠動きイベントであり、ｃ２２は、第２の睡眠動きパターン情報であり、Ｔは、予め設定された閾値であって、特定臨界時間である。数学式１１を参照すると、睡眠呼吸イベント検出部２２３は、第２の睡眠動きパターン情報のうち特定臨界時間に到逹した尖頭値を検出し、カウントすることによって、第２の睡眠動きイベントが発生した回数を検出しても良い。
つまり、睡眠呼吸イベント検出部２２３は、第１の睡眠動きイベント及び第２の睡眠動きイベントを混合して検出することにより、睡眠呼吸イベントに対する誤探知を防止することができる。
睡眠呼吸イベント検出部２２３は、複数の睡眠項目（又は睡眠検査項目）に対する最適なパラメータを設定しても良い。例えば、睡眠呼吸イベント検出部２２３は、レーダを利用して抽出できる睡眠検査項目を設定しても良い。睡眠呼吸イベント検出部２２３は、人の腹腔（Ａｂｄｏｍｉｎａｌ）及び四肢（Ｌｉｍｂ）の動きなどに基づき、無呼吸（Ａｐｎｅａ）、低呼吸（Ｈｙｐｏｐｎｅａ）、無呼吸と低呼吸の原因となる中枢性（Ｃｅｎｔｒａｌ）及び各種の一時的な覚醒（Ａｒｏｕｓａｌ）及び睡眠段階などを含む各種の睡眠検査項目を設定しても良い。
最適なパラメータは、イベント発生関連パラメータと、信号処理パラメータとを含んでいても良い。例えば、イベント発生関連パラメータは、対象客体の睡眠中に検出された第１の睡眠呼吸パターン情報、第２の睡眠呼吸パターン情報、第１の睡眠動きパターン情報、及び第２の睡眠動きパターン情報に関する回帰係数であっても良く、信号処理パラメータは、例えば、数学式１のＦ、Ｔ、Ｌに当たり、複数の睡眠項目のそれぞれを検出するためのパラメータであっても良い。
睡眠呼吸イベント検出部２２３は、最適なパラメータに基づいて複数の睡眠項目に関するイベント発生情報を導出しても良い。例えば、睡眠呼吸イベント検出部２２３は、信号処理パラメータを変化させ、複数の睡眠項目のそれぞれに対するイベント発生回数を算出しても良い。
例えば、睡眠呼吸イベント検出部２２３は、下記数学式１２を利用して複数の睡眠項目に関するイベント発生情報を導出しても良い。
例えば、数学式１２において、Ｙは、イベント発生情報に当たるイベントの総発生回数であっても良く、ｂ０乃至ｂ４は、イベント発生関連パラメータであって、最小自乗法を利用して算出されても良い。Ｎ１１乃至Ｎ２２は、上述した方法により検出された第１の睡眠呼吸イベント、第２の睡眠呼吸イベント、第１の睡眠動きイベント及び第２の睡眠動きイベント、それぞれに当たるイベント発生回数であり、ｅは、誤差項であっても良い。
例えば、睡眠呼吸イベント検出部２２３は、無呼吸に関し、中枢性項目に対して予め設定された信号処理パラメータ（Ｆ、Ｌ、Ｔ）に基づき、中枢性項目に関する第１の睡眠呼吸イベント、第２の睡眠呼吸イベント、第１の睡眠動きイベント、及び第２の睡眠動きイベントを検出しても良く、予め設定されたイベント発生関連パラメータと中枢性項目に対して検出された第１の睡眠呼吸イベントが発生した総回数、第２の睡眠イベントが発生した総回数、第１の睡眠動きイベントが発生した総回数、及び第２の睡眠動きイベントが発生した総回数を数学式１２に代入し、無呼吸での中枢性項目に関するイベント発生情報を導出しても良い。
指数導出部２３０は、睡眠時間情報及び複数の睡眠項目に関するイベント発生情報に基づいて呼吸関連指数情報を導出しても良い。例えば、睡眠時間情報は、検査対象者の総睡眠時間に当たる。指数導出部２３０は、複数の睡眠項目に対して導出されたイベント発生情報の総回数を睡眠時間情報で分けることで、呼吸関連指数情報を導出しても良い。
指数導出部２３０は、無呼吸－低呼吸指数情報及び呼吸障害指数情報を含む呼吸関連指数情報を算出しても良い。指数導出部２３０は、複数の睡眠項目のうち無呼吸項目に関するイベント発生情報及び低呼吸項目に関するイベント発生情報に基づいて無呼吸－低呼吸指数情報を導出しても良い。例えば、指数導出部２３０は、下記数学式１３を利用しても良い。
数学式１３において、ＡＨＩは、無呼吸－低呼吸指数（Ａｐｎｅａ－Ｈｙｐｏｐｎｅａ Ｉｎｄｅｘ、ＡＨＩ）情報であり、Σ無呼吸回数は、無呼吸と関連して検出された検出項目に関するイベント発生情報の総合であり、Σ低呼吸回数は、低呼吸と関連して検出された検出項目に関するイベント発生情報の総合であっても良い。
例えば、数学式１３を参照すると、指数導出部２３０は、無呼吸と関連して検出された中枢性項目に関するイベント発生情報、混合性項目に関するイベント発生情報、及び閉塞性項目に関するイベント発生情報を合わせることで無呼吸回数を算出しても良く、低呼吸と関連して検出された中枢性項目に関するイベント発生情報、混合性項目に関するイベント発生情報、及び閉塞性項目に関するイベント発生情報を合わせることで低呼吸回数を算出しても良い。
例えば、指数導出部２３０は、対象客体から受信したレーダ信号を基に動きを分析することによって対象客体の睡眠時間を推定しても良い。指数導出部２３０は、無呼吸回数と低呼吸回数を対象客体の総睡眠時間で分けることで無呼吸－低呼吸指数情報を算出しても良い。
指数導出部２３０は、複数の睡眠項目のうち無呼吸項目に関するイベント発生情報、低呼吸項目に関するイベント発生情報、及び呼吸努力関連項目に関するイベント発生情報に基づいて呼吸障害指数情報を導出しても良い。例えば、指数導出部２３０は、下記数学式１４を利用しても良い。
数学式１４において、ＲＤＩは、呼吸障害指数（Ｒｅｓｐｉｒａｔｉｏｎ Ｄｉｓｔｕｒｂａｎｃｅ Ｉｎｄｅｘ、ＲＤＩ）情報であり、Σ無呼吸回数、Σ低呼吸回数及びΣ呼吸努力関連覚醒は、無呼吸、低呼吸及び呼吸努力関連覚醒と関連して各検出された検出項目に関するイベント発生情報の総合であっても良い。
例えば、数学式１４を参照すると、指数導出部２３０は、対象客体から受信したレーダ信号から検出された無呼吸回数、低呼吸回数及び呼吸努力関連覚醒回数を対象客体の総睡眠時間で分けることで、呼吸障害指数情報を算出しても良い。
病症判断部２４０は、呼吸関連指数情報に基づいて睡眠関連病症に当たるか否かを判断しても良い。病症判断部２４０は、睡眠関連病症に関する疾病群分布情報及び対照群分布情報と呼吸関連指数情報を比較することで睡眠関連病症に当たるか否かを判断しても良い。一例において、病症判断部２４０は、ディープラーニングモデルを利用して呼吸関連指数情報と睡眠関連病症に関する疾病群分布情報又は対照群分布情報を比較しても良い。この場合、本発明の疾病群及び対照群は、アルツハイマー型認知症に対する疾病群及び対照群を含んでいても良い。
例えば、病症判断部２４０は、睡眠関連病症に対する疾病群の睡眠要素の分布値及び対照群の睡眠要素の分布値を活用しても良い。一例において、病症判断部２４０は、疾病群及び対照群の睡眠要素の分布値として平均及び標準偏差を利用しても良い。病症判断部２４０は、無呼吸－低呼吸指数情報を関連病症に対する疾病群の平均及び標準偏差と比較しても良く、無呼吸－低呼吸指数情報を対照群の平均及び標準偏差と比較しても良い。
例えば、病症判断部２４０は、比較結果に基づいて対象客体が睡眠関連病症に当たるか否かを判断しても良い。病症判断部２４０は、対象客体に対する無呼吸－低呼吸指数情報を無呼吸の疾病群の分布情報又は無呼吸の対照群の分布情報とそれぞれ比較しても良く、比較結果に基づいて対象客体が睡眠時無呼吸症であるか否かを判断しても良い。図７ａは、本発明の一実施例に係る複数の睡眠項目に対する最適なパラメータを説明するための例示的な図であり、図７ｂは、睡眠ポリグラフ検査に関するデータセットの例示的な図である。
図７ａ及び図７ｂを参照すると、病症判断装置１００は、レーダを利用して検出できる複数の睡眠項目７１０を設定しても良く、各項目に対する最適なパラメータを設定しても良い。病症判断装置１００は、複数の睡眠項目７１０に対して設定された最適なパラメータに基づいてイベント発生情報を導出しても良い。
先ず、図７ａに示された例示のように、病症判断装置１００は、無呼吸７１１、低呼吸７１２、及び一時的な覚醒７１３などと関連した複数の睡眠項目のそれぞれに対する検出項目７１０を設定しても良い。病症判断装置１００は、無呼吸７１１に関し、無呼吸７１１の原因となる中枢性項目７１１ａ、混合性項目７１１ｂ、及び閉塞性項目７１１ｃを検出項目７１０として設定しても良く、低呼吸７１２に関し、低呼吸７１２の原因となる中枢性項目、混合性項目、及び閉塞性項目を検出項目７１０として設定しても良く、一時的な覚醒７１３に関し、一時的な覚醒７１３の原因となる四肢の動きによる覚醒項目、呼吸努力関連覚醒項目、無呼吸／低呼吸覚醒項目、いびきによる覚醒項目、及び自発的な覚醒項目を検出項目７１０として設定しても良い。
例えば、睡眠質を点数化する装置１００は、複数の睡眠項目のそれぞれに設定された検出項目７１０に対して信号処理パラメータ７２０及びイベント発生関連パラメータ７３０を含む最適なパラメータを設定しても良い。
図７ａに示された例示のように、睡眠質を点数化する装置１００は、特定連続区間の時間長さを意味する時間感度因子、Ｌ７２１と、特定連続区間の振幅に反応する振幅感度因子、Ｆ７２２と、特定臨界時間、Ｔ７２３とを含む信号処理パラメータ７２０を設定しても良い。
睡眠質を点数化する装置１００は、対象客体から反射されるレーダ信号から検出された第１の睡眠呼吸イベントに対する回帰係数、ｂ１（７３２）と、第２の睡眠呼吸イベントに対する回帰係数、ｂ２（７３３）と、第１の睡眠動きイベントに対する回帰係数、ｂ３（７３４）と、第２の睡眠動きイベントに対する回帰係数、ｂ４（７３５）と、その他の回帰係数、ｂ０（７３１）とを含むイベント発生関連パラメータ７３０を設定しても良い。
例えば、睡眠質を点数化する装置１００は、複数の睡眠項目に対して信号処理パラメータ７２０を変化させながらイベント発生情報を算出し、回帰分析により各睡眠項目に対する最適な因子と回帰係数を導出しても良い。一例において、信号処理パラメータ７２０の変化のために、Ｌ７２１は、１０ｓ、２０ｓ、３０ｓ、４０ｓ、５０ｓ、及び６０ｓのうち１つであっても良く、Ｆ７２２は、０．５、０．７５、１、１．２５、１．５、１．７５、及び２のうち１つであっても良く、Ｔ７２３は、５ｓ、７．５ｓ、１０ｓ、１２．５ｓ、１５ｓ、１７．５ｓ、及び２０ｓのうち１つであっても良い。
図７ｂを参照すると、睡眠質を点数化する装置１００は、睡眠ポリグラフ検査に関するデータセット７４０に基づいて複数の睡眠項目に対する最適なパラメータを設定しても良い。
例えば、睡眠質を点数化する装置１００は、図７ｂに例示されたデータセット７４０に基づき、図７ａに例示された無呼吸７１１において中枢性項目７１１ａに対する信号処理パラメータ７２０及びイベント発生関連パラメータ７３０を含む最適なパラメータを設定しても良い。
例えば、図７ａ及び図７ｂを参照すると、睡眠質を点数化する装置１００は、データセット７４０において、睡眠ポリグラフ検査により測定された睡眠時無呼吸症７５０の原因となる中枢性項目７５１に関する情報を基に無呼吸７１１の中枢性項目７１１ａに対する信号パラメータ７２０及びイベント発生関連パラメータ７３０を設定しても良く、睡眠ポリグラフ検査により測定された睡眠時無呼吸症７５０の原因となる混合性項目７５２に関する情報を基に無呼吸７１１の混合性項目７１１ｂに対する信号パラメータ７２０及びイベント発生関連パラメータ７３０を設定しても良い。
また、睡眠質を点数化する装置１００は、睡眠ポリグラフ検査により測定された睡眠時無呼吸症７５４に関する情報を基に無呼吸７１１に対する信号パラメータ７２０及びイベント発生関連パラメータ７３０を設定しても良い。
例えば、図７ａ及び図７ｂを参照すると、睡眠質を点数化する装置１００は、データセット７４０を参照して睡眠ポリグラフ検査で測定された正解値と相関係数が最も高い因子を最適因子に決定することにより、無呼吸７１１の検出項目７１０、中枢性項目７１１ａに対して、時間感度因子、Ｌ７２１は「３０ｓ」、振幅感度因子、Ｆ７２２は「１．５」、及び特定臨界時間、Ｔ７２３は「１７．５ｓ」を含む信号処理パラメータ７２０を最適なパラメータに設定しても良く、回帰係数、ｂ０（７３１）は「－３．２１」、ｂ１（７３２）は「１．２８」、ｂ２（７３３）は「－１．３８」、ｂ３（７３４）は「０．０５」、ｂ４（７３５）は「－０．０５」を含むイベント発生関連パラメータ７３０を設定しても良い。
例えば、睡眠質を点数化する装置１００は、複数の睡眠項目に対して設定された最適なパラメータに基づき、複数の睡眠項目に関するイベント発生情報を導出しても良い（上述した数学式１２を参照）。具体的に、睡眠質を点数化する装置１００は、無呼吸７１１の中枢性７１１ａと関連して検出された情報、第１の睡眠呼吸イベント、第２の睡眠呼吸イベント、第１の睡眠動きイベント、及び第２の睡眠動きイベントと、無呼吸７１１の中枢性項目７１１ａに対して設定された最適なパラメータ７２０、７３０を利用して対象客体の無呼吸症の中枢性項目に関するイベント発生情報を導出しても良い。
図８は、本発明の一実施例に係る睡眠関連病症の分布情報に関する例示的な図である。図８の（ａ）は、アルツハイマー疾病群及び対照群の総睡眠時間（Ｔｏｔａｌ Ｓｌｅｅｐ Ｔｉｍｅ、ＴＳＴ）に関する分布情報であり、（ｂ）は、アルツハイマー疾病群及び対照群の無呼吸－低呼吸に関する分布情報であり、（ｃ）は、アルツハイマー疾病群及び対照群の呼吸障害に関する分布情報である。図８の（ａ）～（ｃ）に例示された分布情報は、アルツハイマーに対する総睡眠時間、無呼吸－低呼吸指数及び呼吸障害指数に関するデータを加工し、図式化した分布情報であっても良く、平均値及び標準偏差を含んでいても良い。
例えば、睡眠質を点数化する装置１００は、対象客体の呼吸関連指数情報と睡眠関連病症の分布情報とを比較することで対象客体が当該睡眠関連病症の疾病群に含まれるか否かを判断しても良い。
例えば、図８の（ａ）を参照すると、病症判断装置１００は、対象客体の総睡眠時間とアルツハイマー疾病群の総睡眠時間との分布情報８１０を比較しても良く、対象客体の総睡眠時間と対照群の総睡眠時間との分布情報８２０を比較しても良い。睡眠質を点数化する装置１００は、比較結果に基づいて対象客体の総睡眠時間分布情報がアルツハイマー疾病群に当たるか否かを判断しても良い。
例えば、図８の（ｂ）を参照すると、睡眠質を点数化する装置１００は、対象客体から導出された無呼吸－低呼吸指数情報とアルツハイマー疾病群の無呼吸－低呼吸に関する分布情報８３０とを比較しても良く、対象客体の無呼吸－低呼吸指数情報と対照群の無呼吸－低呼吸に関する分布情報８４０とを比較しても良い。睡眠質を点数化する装置１００は、比較結果に基づいて対象客体の無呼吸－低呼吸指数情報がアルツハイマー疾病群に当たるか否かを判断しても良い。
例えば、図８の（ｃ）を参照すると、睡眠質を点数化する装置１００は、対象客体から導出された呼吸障害指数情報とアルツハイマー疾病群の呼吸障害に対する分布情報８５０とを比較しても良く、対象客体の呼吸障害指数情報と対照群の呼吸障害に関する分布情報８６０とを比較しても良い。睡眠質を点数化する装置１００は、比較結果に基づいて対象客体の呼吸障害指数情報がアルツハイマー疾病群に当たるか否かを判断しても良い。
図９は、本発明の一実施例に係る対象客体が睡眠関連病症に当たるか否かを判断する過程を説明するための例示的な図である。図９を参照すると、睡眠質を点数化する装置１００は、複数の呼吸関連指数項目９１０に関して対象客体から導出された呼吸関連指数情報９２０を睡眠関連病症に関する疾病群の分布情報及び対照群の分布情報とそれぞれ比較しても良く、比較結果に基づき、対象客体が確率分布上で睡眠関連病症に当たるか否かを判断した予測情報９５０を生成しても良い。
例えば、睡眠質を点数化する装置１００は、複数の呼吸関連指数項目９１０に関する対象客体の指数情報９２０を睡眠関連病症に関する疾病群分布情報と比較することで対象客体が疾病群に属する確率情報９３０を導出しても良く、複数の呼吸関連指数項目９１０に関する対象客体の指数情報９２０を睡眠関連病症に関する対照群分布情報と比較することで対象客体が正常群に属する確率情報９４０を導出しても良い。睡眠質を点数化する装置１００は、導出された確率情報９３０、９４０に基づき、対象客体が睡眠関連病症の疾病群に当たるか否かを判断した予測情報９５０を生成しても良い。
図９に示された例示を参照すると、睡眠質を点数化する装置１００は、対象客体の総睡眠時間９１１に関する指数情報「１８３（９２１）」と疾病群の総睡眠時間の分布情報及び対照群の総睡眠時間の分布情報とを比較した結果に基づき、疾病群に属する確率情報「０．８６９２（９３１）」及び対照群に属する確率情報「０．１３０８（９４１）」を導出しても良い。これにより、睡眠質を点数化する装置１００は、対象客体の総睡眠時間から対象客体が確率分布上で睡眠関連病症の疾病群に当たると判断した予測情報「ＡＤ（９５１）」を生成しても良い。
睡眠質を点数化する装置１００は、対象客体の無呼吸－低呼吸指数９１２に関する指数情報「１０．４９（９２２）」と疾病群の無呼吸－低呼吸に関する分布情報及び対照群の無呼吸－低呼吸に関する分布情報とを比較した結果に基づき、疾病群に属する確率情報「０．２１７９（９３２）」及び対照群に属する確率情報「０．７８２１（９４２）」を導出しても良い。これにより、睡眠質を点数化する装置１００は、対象客体の無呼吸－低呼吸指数情報から対象客体が確率分布上で正常群に当たると判断した予測情報「Ｃｏｎｔｒｏｌ（９５２）」を生成しても良い。
睡眠質を点数化する装置１００は、対象客体の呼吸障害指数９１３に関する指数情報「１４．４３（９２３）」と疾病群の呼吸障害に関する分布情報及び対照群の呼吸障害に関する分布情報とを比較した結果に基づき、疾病群に属する確率情報「０．９８０１（９３３）」及び対照群に属する確率情報「０．０１９９（９４３）」を導出しても良い。これにより、睡眠質を点数化する装置１００は、対象客体の呼吸障害指数情報から対象客体が確率分布上で疾病群に当たると判断した予測情報「ＡＤ（９５３）」を生成しても良い。
この場合、各項目毎に疾病群／正常群に対する最終判断結果を投票（Ｖｏｔｔｉｎｇ）により決定しても良い。例えば、対象客体の総睡眠時間９１１及び呼吸障害指数９１３は疾病群と判断され、無呼吸－低呼吸指数９１２では正常群と判断されたので、対象客体は各項目別に疾病群という判定が優勢であり、最終的に疾病群と判定することで病症を判断することができる。
このように、本発明は、対象客体に対する睡眠中レーダ信号分析結果を利用して病症判断を行っても良く、このような病症判断に関する情報を提供する病症判断サービスを対象客体に提供しても良い。
その他に、病症判断の後に判断の根拠となった情報を収合しても良い。収合された情報は、サービスの時点でユーザに病症判断の根拠を共に提供しても良い。
単に検査に使用された項目と項目別の病症判断の尺度を製錬し、特定のドメイン情報上において対象客体の位置と確率を表現しても良い。
また、より詳しい情報を派生させて対象客体に提供することもできる。当該検査者（対象客体）の場合、ＡＨＩ（無呼吸－低呼吸指数９１２）は正常群であったものの、ＲＥＲＡ（呼吸努力による覚醒）に関する平均回数が加えられたＲＤＩ（呼吸障害指数９１３）は非常に高い確率で疾病群と算出された。つまり、ＲＥＲＡの回数がＲＤＩの増加に大いに寄与しており、ＲＥＲＡは一般的に中枢性無呼吸と深い関係がある。よって、複数の睡眠検査項目のうち「中枢性項目」と関連した項目の結果を共に対象客体に提供することができる。
このような情報と共に後日様々な事例データが蓄積されれば、類似した年齢群；家庭環境群；基底疾病群などにおける疾病の位置のような統計的情報を共に提供することができる。
以下、睡眠質を点数化する装置１００が睡眠ポリグラフ検査結果情報から分布モデルと点数化関数を生成し、レーダ信号から生成された情報を点数化関数に代入して睡眠質点数を導出する過程を説明することとする。
図１には示されていないが、睡眠質を点数化する装置１００は、外部の睡眠ポリグラフ検査装置（未図示）と連結され、睡眠ポリグラフ検査装置から睡眠ポリグラフ検査結果情報を受信しても良い。
ここで、睡眠ポリグラフ検査装置は、睡眠ポリグラフ検査を行う装置であり、睡眠障害を診断するために、睡眠中の脳波、眼球運動、筋肉の動き、呼吸、心電図のような生体データを睡眠ポリグラフ検査対象者から測定する装置を意味しても良い。
睡眠ポリグラフ検査装置は、ＥＥＧ（Ｅｌｅｃｔｒｏｅｎｃｅｐｈａｌｏｇｒａｍ）センサ、ＥＯＧ（Ｅｌｅｃｔｒｏｏｃｕｌｏｇｒａｐｈｙ）センサ、ＥＭＧ（Ｅｌｅｃｔｒｏｍｙｏｇｒａｍ）センサ、ＥＫＧ（Ｅｌｅｃｔｒｏｋａｒｄｉｏｇｒａｍｍｅ）センサ、ＰＰＧ（Ｐｈｏｔｏｐｌｅｔｈｙｓｍｏｇｒａｐｈｙ）センサ、チェストベルト（Ｃｈｅｓｔ ｂｅｌｔ）、腹部ベルト（Ａｂｄｏｍｅｎ ｂｅｌｔ）、サーミスタ（Ｔｈｅｒｍｉｓｔｅｒ）、流量（Ｆｌｏｗ）センサ、及びマイク（Ｍｉｃｒｏｐｈｏｎｅ）のうち少なくとも１つの感知手段により測定された睡眠ユーザの生体データを生成しても良い。
つまり、睡眠ポリグラフ検査装置は、脳波を測定するためのＥＥＧセンサ、眼球の動きを測定するためのＥＯＧセンサ、筋肉の動きを測定するためのＥＭＧセンサ、心臓の拍動を測定するためのＥＫＧセンサ、酸素飽和度及び心拍数を測定するためのＰＰＧセンサ、呼吸を測定するためのサーミスタと流量センサ、腹部と胸の動きを測定するためのチェストベルトと腹部ベルト、及びいびき（Ｓｎｏｒｉｎｇ）を測定するためのマイクにより測定される少なくとも１つの睡眠ポリグラフ検査対象者の生体データを生成しても良い。そして、睡眠ポリグラフ検査装置は、上記した生体データから睡眠ポリグラフ検査結果情報を生成しても良い。
睡眠質を点数化する装置１００は、睡眠ポリグラフ検査装置から上記した睡眠ポリグラフ検査結果情報を受信し、データベース（未図示）に保存しても良い。そして、データベースは、上記した睡眠ポリグラフ検査結果情報及び後述する分布モデルと点数化関数に関する情報を保存しても良い。
このとき、データベースに保存される睡眠ポリグラフ検査結果情報は、複数の睡眠ポリグラフ検査対象者に対してそれぞれ生成された睡眠ポリグラフ検査結果の集合に当たっても良い。上記した睡眠ポリグラフ検査結果情報は、睡眠ポリグラフ検査装置から生成されてデータベースに送信されても良いが、他のデータベースにて加工されてファイル形態で保存されても良い。このような場合、データベースは、睡眠ポリグラフ検査装置ではなく他のデータベースから予め生成された睡眠ポリグラフ検査結果情報を受信しても良い。
上記したデータベースは、睡眠質を点数化する装置１００の内部だけでなく外部に位置しても良く、このような場合、睡眠質を点数化する装置１００と外部のデータベースとは有線又は無線で連結されてデータや情報を送受信しても良い。
点数化関数生成部２５０は、複数の睡眠ポリグラフ検査対象者に対する睡眠ポリグラフ検査結果情報に基づいて睡眠ポリグラフ検査の要素別に分布モデルを生成し、前記分布モデル別に点数化関数を生成しても良い。
ここで、睡眠ポリグラフ検査の要素は、睡眠時間関連要素と呼吸イベント関連要素とを含んでいても良い。睡眠時間関連要素は、総睡眠時間、総覚醒回数、総覚醒時間及び入眠潜時を含んでいても良く、呼吸イベント関連要素は、中枢性無呼吸回数、閉塞性無呼吸回数、低呼吸回数、呼吸努力関連覚醒回数を含んでいても良い。
さらに具体的に、睡眠時間関連要素のうち総睡眠時間（Ｔｏｔａｌ Ｓｌｅｅｐ Ｔｉｍｅ）は、睡眠ポリグラフ検査対象者の睡眠時間に応じて決定されても良く、総覚醒時間（ＷＡＳＯ、Ｗａｋｅ Ａｆｔｅｒ Ｓｌｅｅｐ Ｏｎｓｅｔ）と総覚醒回数（＃ｏｆ ｗａｋｅ）は、睡眠ポリグラフ検査対象者の睡眠中に覚醒した回数と時間に応じて決定されても良い。そして、入眠潜時（Ｓｌｅｅｐ Ｌａｔｅｎｃｙ）は、睡眠ポリグラフ検査対象者が寝床に入ってから眠りに入るまでの所要時間を意味しても良い。
呼吸イベント関連要素のうち中枢性無呼吸回数（Ｃｅｎｔｒａｌ Ａｐｎｅａ）、閉塞性無呼吸回数（Ｏｂｓｔｒｕｃｔｉｖｅ Ａｐｎｅａ）は、睡眠中の呼吸停止が１０秒以上持続する際に、呼吸調節系の問題で呼吸努力が消失して発生する場合と、上気道が狭くなって呼吸努力があるにもかかわらず呼吸が停止する場合とに分けて決定されても良く、低呼吸回数（Ｈｙｐｏｐｎｅａ）は、呼吸数には変化が殆どないが呼吸の深さが浅くなって一回換気量が減少する状態の回数に応じて決定されても良い。呼吸努力関連覚醒回数（ＲＥＲＡ、Ｒｅｓｐｉｒａｔｏｒｙ Ｅｆｆｏｒｔ Ｒｅｌａｔｅｄ Ａｒｏｕｓａｌ）は、呼吸努力の増加によって睡眠中に覚醒する回数を意味しても良い。
分布モデルは、点数化関数生成部２５０によって睡眠ポリグラフ検査の要素別に生成されても良い。さらに具体的に、分布モデルは、睡眠ポリグラフ検査の要素のうち睡眠時間関連要素である総睡眠時間、総覚醒回数、総覚醒時間及び入眠潜時に対してそれぞれ生成されても良く、呼吸イベント関連要素である中枢性無呼吸回数、閉塞性無呼吸回数、低呼吸回数、呼吸努力関連覚醒回数に対してそれぞれ生成されても良い。
つまり、分布モデルは、収集された睡眠ポリグラフ検査結果情報に基づいて各要素別に生成されても良く、そのために、データベースに保存された多数の検査対象者を対象にした睡眠ポリグラフ検査結果情報が使用されても良い。多数の睡眠ポリグラフ検査対象者から測定された各睡眠ポリグラフ検査項目別の点数から分布表を生成すれば、分布度合に応じて睡眠ポリグラフ検査項目別の正常数値に含まれるか否かを判断できるようになる。つまり、点数化関数生成部２５０は、複数の睡眠ポリグラフ検査対象者に対してそれぞれ測定された睡眠ポリグラフ検査結果情報から各要素別ヒストグラムを生成し、前記要素別ヒストグラムに基づいて分布モデルを生成しても良い。
例えば、総睡眠時間に関する分布モデルは、大多数の検査対象者が特定の睡眠時間範囲（例えば、３００分～４５０分）に分布しても良く、このような分布を反映して当該時間範囲の値が高くなるように分布モデルが生成されても良い。他の例において、総覚醒時間、総覚醒回数、入眠潜時の場合、睡眠健康が正常な殆どの検査対象者からその数値が小さく表れるので、より小さい数値に対して高い分布度合を有するように分布モデルが生成されても良い。それに対し、睡眠健康が正常な殆どの検査対象者において呼吸関連イベントの発生回数がないか、少ないので、それに関する分布モデルは、少ない回数においてより高い分布度合を有するように分布モデルが生成されても良い。
また、点数化関数生成部２５０は、睡眠ポリグラフ検査対象者の年齢又は疾病群に応じて互いに異なる分布モデルを生成しても良い。さらに具体的に、検査対象者の身体的特性又は疾患の特徴を考慮してより正確な睡眠質点数を算出するために、一貫した分布モデルではなく、検査対象者の年齢又は検査対象者が持つ疾病群別に異なる分布モデルを使用しても良い。さらに具体的に、睡眠ポリグラフ検査対象者又は睡眠ポリグラフ検査者から入力される情報を活用して分布モデルを設定しても良い。例えば、点数化関数生成部２５０は、睡眠ポリグラフ検査対象者の性別や年齢を区分して測定される睡眠ポリグラフ検査結果を活用し、各性別や年齢帯に合わせた分布モデルを生成しても良い。あるいは、点数化関数生成部２５０は、高血圧患者又は睡眠薬を服用している患者によって異なる分布モデルを生成しても良く、このような性別、年齢、疾患などに関する情報は、データベースに保存された睡眠ポリグラフ検査結果からフィルタリング過程を行うことで導出された睡眠ポリグラフ検査結果に基づくものであっても良い。
点数化関数生成部２５０は、生成された分布モデルの各々に対して点数化関数を生成しても良い。各々の分布モデル別に生成される点数化関数は、上記に生成された分布モデルを基にそれぞれの要素値に対応する点数に変換する関数であっても良い。つまり、点数化関数は、睡眠ポリグラフ検査の要素別に生成され、各要素に対応する睡眠時間情報又はイベント発生情報が入力されれば、前記睡眠時間情報又はイベント発生情報の数値を前記分布モデル内の位置による点数に変換する関数であっても良い。
点数化関数は、基本的にガウス分布を使用しても良いが、全ての要素の値が負数になることはできないので、追加の点数変換過程が求められる。睡眠時間要素に対する点数化関数の場合、特に総覚醒時間、総覚醒回数及び入眠潜時は、最高点を基準に、それより低い値を有する場合、何れも最高点を算出するように設定されても良い。
そして、呼吸イベント要素に対する点数化関数の場合、ガウス分布の平均を０にして標準偏差を計算するように設定されても良い。
上記したように、睡眠質を点数化する装置１００は、送受信部２１０を利用して対象客体の閉塞性睡眠時無呼吸症、中枢性睡眠時無呼吸症及び混合性睡眠時無呼吸症などを含む睡眠関連病症を判断することができる。
また、上記した閉塞性睡眠時無呼吸症、中枢性睡眠時無呼吸症及び混合性睡眠時無呼吸症などを含む睡眠関連病症を判断する過程において、情報導出部２２０は、中枢性無呼吸回数、閉塞性無呼吸回数、低呼吸回数及び呼吸努力関連覚醒回数を把握することができる。
よって、睡眠質を点数化する装置１００を利用すれば、睡眠ポリグラフ検査を進行しなくても、睡眠ポリグラフ検査のように対象客体の睡眠関連病症を精密に判断し、原因を分析することができる。
また、睡眠質を点数化する装置１００は、送受信部２１０を通じて対象客体が睡眠を開始した時点と睡眠を終了した時点を把握することができ、睡眠中に覚醒した時点と覚醒した時間を把握することができる。
その後、情報導出部２２０は、上記した睡眠開始時点と睡眠終了時点との差から総睡眠時間を導出しても良い。また、情報導出部２２０は、睡眠中に覚醒した時点と当該覚醒が維持された時間を通じて総覚醒回数と総覚醒時間を導出しても良い。また、情報導出部２２０は、睡眠開始時点とレーダ信号に基づく動き分析を通じて入眠潜時を導出しても良い。
つまり、情報導出部２２０が導出する睡眠時間情報は、前記睡眠ポリグラフ検査の要素のうち総睡眠時間、総覚醒回数、総覚醒時間及び入眠潜時のうち少なくとも１つに対応する要素を含んでいても良く、情報導出部２２０が導出するイベント発生情報は、前記睡眠ポリグラフ検査の要素のうち中枢性無呼吸回数、閉塞性無呼吸回数、低呼吸回数及び呼吸努力関連覚醒回数のうち少なくとも１つに対応する要素を含んでいても良い。
要素別点数計算部２６０は、情報導出部２２０が導出した情報を前記点数化関数に適用して要素別点数を計算しても良い。さらに具体的に、要素別点数計算部２６０は、対象客体に対し情報導出部２２０により生成された測定値に対して点数化関数を適用しても良く、これにより、０～１００の範囲内の結果値に各睡眠ポリグラフ検査の要素別点数を導出しても良い。
睡眠質点数計算部２７０は、要素別点数計算部２６０により計算された前記要素別点数に基づいて前記対象客体に対する睡眠質点数を計算しても良い。さらに具体的に、睡眠質点数計算部２７０は、睡眠ポリグラフ検査要素別に計算された点数を全て平均し、睡眠質点数を導出しても良い。
このような睡眠質点数は、睡眠質を点数化する装置１００の出力装置により、別途のディスプレイ装置を介して表示されるか、連結された他の装置に提供されても良い。
また、睡眠質点数計算部２７０は、対象客体から入力されるフィードバック情報に基づいて計算された要素別点数に加重値を与え、与えられた加重値を反映して睡眠質点数を計算しても良い。ここで、フィードバック情報は、対象客体が睡眠後に睡眠質を点数化する装置１００に去る睡眠に対するフィードバックを入力することで生成される情報に当たっても良い。
さらに具体的に、フィードバック情報は、毎日又は間欠的に行われる睡眠質を点数化する装置１００による睡眠検査中の睡眠満足度についてのアンケート結果に対して対象客体が入力する情報を含んでいても良い。睡眠質を点数化する装置１００は、フィードバックを受ける日付に算出された各睡眠検査対象項目の要素に対する値と、フィードバックを受けた満足度との間の相関分析を通じて、フィードバックの変動と要素値の変動との間の一致度を把握し、加重値を生成しても良い。ここで、より高い加重値が与えられた睡眠検査対象項目は、その分対象客体が睡眠の質において敏感に反応する項目を意味し得る。よって、加重値が反映された睡眠質点数は、より対象客体の状態を表現するのに適合であり、対象客体の睡眠質をより正確に測定することができる。
図１０は、本発明の一実施例に係る睡眠質を点数化する過程を例示して説明するための図である。
図１０を参照すると、睡眠質を点数化する装置が、データベース１０１０から抽出されたデータに基づいて分布モデル１０５０と点数化関数１０６０を生成し、レーダ信号が保存されたデータベース１０１１から抽出された情報に基づいて睡眠時間測定１０２０と呼吸イベント分類１０３０が行われることが分かる。そして、睡眠質を点数化する装置１００は、睡眠時間測定１０２０により各睡眠時間関連要素１０４１に関する情報を生成し、呼吸イベント分類１０３０により呼吸イベント関連要素１０４２に関する情報を生成することが分かる。その後、睡眠質を点数化する装置１００は、各々の要素１０４０に関する情報に分布モデル１０５０と点数化関数１０６０を適用して各要素別に睡眠時間関連要素別点数１０７０と呼吸イベント関連要素別点数１０８０を計算し、これらを総合して睡眠質点数１０９０を計算することが分かる。
図１１を参照すると、睡眠ポリグラフ検査結果１１１０から要素別に分布モデルと点数化関数１１２０を生成し、睡眠関連要素と呼吸関連要素１１３０に対して点数化関数を適用することで要素別点数化１１４０を行い、これらを合算１１５０する過程を通じて睡眠質点数を導出することが分かる。
図１２及び図１３は、本発明の一実施例に係る分布モデルを例示して説明するための図である。図１２は、睡眠時間関連要素に対して生成された分布モデルを例示し、図１３は、呼吸イベント関連要素に対して生成された分布モデルを例示している。図１２において、総睡眠時間に対する分布モデルは３００分～４５０分の範囲で高い分布度合を有することが分かり、それに対し、総覚醒時間は０分～１００分の高い分布度合を有することが分かる。
図１３は、呼吸イベント関連要素に対する分布モデルを例示しており、各呼吸イベントの場合、その頻度が少ないほどより高い分布度合を有することが分かる。
図１４及び図１５は、本発明の一実施例に係る点数化関数を例示して説明するための図である。
図１４は、睡眠時間関連要素に対する点数化関数を例示し、図１５は、呼吸イベント関連要素に対する点数化関数を例示している。さらに具体的に、図１４において、点数化関数は、図１２の分布モデルを基に分布モデル上で分布度合の高い範囲に対してより高い点数が与えられるように決定されることが分かる。但し、総覚醒時間（ＷＡＳＯ）、総覚醒回数（＃ｏｆ Ｗａｋｅ）、入眠潜時（Ｓｌｅｅｐ Ｌａｔｅｎｃｙ）の点数化関数は、最高点を基準に、それより低い値を有する場合、何れも最高点を算出するように設定されても良い。
図１５において、点数化関数は、図１３の分布モデルを基により少ない回数に対してより高い点数が与えられるように決定されることが分かる。ここで、図１５の点数化関数は、ガウス分布の平均を０にして標準偏差を再算出し、負の領域（第２象限）に対称の分布があると仮定しても良い。
図１６は、図１４の点数化関数に対し測定値を入力して要素別点数を計算する過程を例示して説明するための図である。
さらに具体的に、図１６は、図１４の点数化関数のうち総覚醒時間に対する点数化関数を例示している。要素別点数計算部は、対象客体の総覚醒時間を対応する点数化関数に代入することで総覚醒時間に対する点数を計算しても良い。図１６は、対象客体の総覚醒時間が７０分の場合に８９点、総覚醒時間が１２０分の場合に３０点が計算されるように点数化関数が生成されたことを例示している。図８は、各要素別点数化関数を通じて点数を計算する過程の一部を例示するものであり、図８に例示された総覚醒時間以外の要素に対しても図１６のように点数が計算されても良い。
図１７は、本発明の一実施例によって睡眠ポリグラフ検査の要素別に計算された点数を基に睡眠質点数を計算することを例示して説明するための図である。図１７を参照すると、睡眠質を点数化する装置が各要素別に計算された点数に対する平均値にて睡眠質点数を計算したことが分かる。
図１８は、本発明の一実施例によって睡眠ポリグラフ検査の要素別に計算された点数に加重値を与えて睡眠質点数を計算することを例示して説明するための図である。図１８の左側の図は、睡眠質点数を計算する過程で各睡眠ポリグラフ検査の要素別に計算された点数に対して均等な加重値（０．２５）に設定した上で睡眠質点数を計算したことを例示している。それに対し、図１８の右側の図は、フィードバックデータを通じて加重値を再調整し、睡眠ポリグラフ検査の要素別に異なる加重値を与えて睡眠質点数を計算したことを例示している。
図１９は、本発明の一実施例に係る睡眠質点数化方法のフローチャートである。図１９を参照すると、本発明の一実施例に係る睡眠質を点数化する方法は、複数の睡眠ポリグラフ検査対象者に対する睡眠ポリグラフ検査結果情報に基づいて睡眠ポリグラフ検査の要素別に分布モデルを生成し、前記分布モデル別に点数化関数を生成する点数化関数生成ステップＳ１００と、対象客体に向けてレーダ信号を送信し、前記対象客体から反射されたレーダ信号を受信する送受信ステップＳ２００と、前記レーダ信号に基づいて前記対象客体に対する睡眠時間情報及び複数の睡眠項目に関するイベント発生情報を導出する導出ステップＳ３００と、前記睡眠時間情報及びイベント発生情報を前記点数化関数に適用して前記要素別点数を計算する要素別点数計算ステップＳ４００と、計算された前記要素別点数に基づいて前記対象客体に対する睡眠質点数を計算するステップＳ５００とを含んでいても良い。
睡眠質を点数化する方法は、上記に図１乃至図１８を通じて説明された実施例によって追加のステップにさらに分割されたり、より少ないステップに組み合わせられても良い。また、一部のステップは必要に応じて省略されても良く、ステップ間の順番が切り替えられても良い。
上述した睡眠質を点数化する方法はコンピュータにより実行されるコンピュータ読み取り可能な記録媒体に格納されたコンピュータプログラム又はコンピュータにより実行可能な命令語を含む記録媒体の形態に具現されても良い。また、上述した睡眠質を点数化する方法は、コンピュータにより実行されるコンピュータ読み取り可能な記録媒体に格納されたコンピュータプログラムの形態に具現されても良い。
コンピュータ読み取り可能な媒体は、コンピュータによってアクセスできる任意の可用媒体であっても良く、揮発性及び不揮発性の媒体、分離型及び非分離型の媒体を全て含む。また、コンピュータ読み取り可能な媒体は、コンピュータ格納媒体を含んでいても良い。ンピュータ格納媒体は、コンピュータ読み取り可能な命令語、データ構造、プログラムモジュール、又はその他のデータのような情報格納のための任意の方法又は技術に具現された揮発性及び不揮発性、分離型及び非分離型の媒体を全て含む。
上述した本発明の説明は例示のためのものであり、本発明の属する技術分野において通常の知識を有する者であれば、本発明の技術的思想や必須の特徴を変更せずに他の具体的な形態に容易に変形可能であるということを理解できるはずである。それゆえ、上記した実施例は全ての面において例示的なものであり、限定的なものではないと理解すべきである。例えば、単一型で説明されている各構成要素は分散して実施されても良く、同様に、分散したものと説明されている構成要素も結合された形態で実施されても良い。
本発明の範囲は、上記詳細な説明よりは後述する特許請求の範囲によって示され、特許請求の範囲の意味及び範囲、並びにその均等概念から導出される全ての変更又は変形された形態が本発明の範囲に含まれると解釈されなければならない。
１００: 睡眠質を点数化する装置
２１０: 送受信部
２２０: 情報導出部
２３０: 指数導出部
２４０: 病症判断部
２５０: 点数化関数生成部
２６０: 要素別点数計算部
２７０: 睡眠質点数計算部

Claims (15)

  1. 睡眠質を点数化する装置において、
    複数の睡眠ポリグラフ検査（PSG：polysomnography）対象者に対する睡眠ポリグラフ検査結果情報に基づいて睡眠ポリグラフ検査の要素別に分布モデルを生成し、前記分布モデル別に点数化関数を生成する点数化関数生成部と、
    対象客体に向けてレーダ信号を送信し、前記対象客体から反射されたレーダ信号を受信する送受信部と、
    前記レーダ信号に基づいて前記対象客体に対する睡眠時間情報及び複数の睡眠項目に関するイベント発生情報を導出する情報導出部と、
    前記睡眠時間情報及び前記イベント発生情報を前記点数化関数に適用して要素別点数を計算する要素別点数計算部と、
    計算された前記要素別点数に基づいて前記対象客体に対する睡眠質点数を計算する睡眠質点数計算部と
    を含むことを特徴とする睡眠質を点数化する装置。
  2. 前記対象客体の前記睡眠時間情報は、
    前記睡眠ポリグラフ検査の要素のうち総睡眠時間、総覚醒回数、総覚醒時間及び入眠潜時のうち少なくとも１つに対応する要素を含むことを特徴とする、請求項１に記載の睡眠質を点数化する装置。
  3. 前記対象客体の前記イベント発生情報は、
    前記睡眠ポリグラフ検査の要素のうち中枢性無呼吸回数、閉塞性無呼吸回数、低呼吸回数及び呼吸努力関連覚醒回数のうち少なくとも１つに対応する要素を含むことを特徴とする、請求項１に記載の睡眠質を点数化する装置。
  4. 前記点数化関数生成部は、
    前記複数の睡眠ポリグラフ検査対象者に対してそれぞれ測定された睡眠ポリグラフ検査結果情報から各要素別ヒストグラムを生成し、前記要素別ヒストグラムに基づいて前記分布モデルを生成することを特徴とする、請求項１に記載の睡眠質を点数化する装置。
  5. 前記点数化関数生成部は、
    睡眠ポリグラフ検査対象者の年齢及び疾病群のうち少なくとも１つ以上の分類基準に応じて互いに異なる分布モデルを生成することを特徴とする、請求項１に記載の睡眠質を点数化する装置。
  6. 前記点数化関数は、
    前記分布モデル別に生成され、各分布モデルが基づく前記要素によって入力される睡眠時間情報又はイベント発生情報の数値を前記分布モデル内の位置による点数に変換する関数であることを特徴とする、請求項１に記載の睡眠質を点数化する装置。
  7. 前記睡眠質点数計算部は、
    前記要素別点数に加重値を与え、与えられた加重値を反映して前記睡眠質点数を計算し、前記加重値は、前記対象客体から入力されるフィードバック情報に基づいて計算されることを特徴とする、請求項１に記載の睡眠質を点数化する装置。
  8. 睡眠質を点数化する装置を利用する睡眠質の点数化方法において、
    複数の睡眠ポリグラフ検査対象者に対する睡眠ポリグラフ検査結果情報に基づいて睡眠ポリグラフ検査の要素別に分布モデルを生成し、前記分布モデル別に点数化関数を生成する点数化関数生成ステップと、
    対象客体に向けてレーダ信号を送信し、前記対象客体から反射されたレーダ信号を受信する送受信ステップと、
    前記レーダ信号に基づいて前記対象客体に対する睡眠時間情報及び複数の睡眠項目に関するイベント発生情報を導出する導出ステップと、
    前記睡眠時間情報及び前記イベント発生情報を前記点数化関数に適用して要素別点数を計算する要素別点数計算ステップと、
    計算された前記要素別点数に基づいて前記対象客体に対する睡眠質点数を計算する睡眠質点数計算ステップと
    を含むことを特徴とする睡眠質の点数化方法。
  9. 前記対象客体の前記睡眠時間情報は、
    前記睡眠ポリグラフ検査の要素のうち総睡眠時間、総覚醒回数、総覚醒時間及び入眠潜時のうち少なくとも１つに対応する要素を含むことを特徴とする、請求項８に記載の睡眠質の点数化方法。
  10. 前記対象客体の前記イベント発生情報は、
    前記睡眠ポリグラフ検査の要素のうち中枢性無呼吸回数、閉塞性無呼吸回数、低呼吸回数及び呼吸努力関連覚醒回数のうち少なくとも１つに対応する要素を含むことを特徴とする、請求項８に記載の睡眠質の点数化方法。
  11. 前記点数化関数生成ステップは、
    前記複数の睡眠ポリグラフ検査対象者に対してそれぞれ測定された睡眠ポリグラフ検査結果情報から各要素別ヒストグラムを生成し、前記要素別ヒストグラムに基づいて前記分布モデルを生成するステップであることを特徴とする、請求項８に記載の睡眠質の点数化方法。
  12. 前記点数化関数生成ステップは、
    睡眠ポリグラフ検査対象者の年齢及び疾病群のうち少なくとも１つ以上の分類基準に応じて互いに異なる分布モデルを生成するステップであることを特徴とする、請求項８に記載の睡眠質の点数化方法。
  13. 前記点数化関数は、
    前記分布モデル別に生成され、各分布モデルが基づく前記要素によって入力される睡眠時間情報又はイベント発生情報の数値を前記分布モデル内の位置による点数に変換する関数であることを特徴とする、請求項８に記載の睡眠質の点数化方法。
  14. 前記睡眠質点数計算ステップは、
    前記要素別点数に加重値を与え、与えられた加重値を反映して前記睡眠質点数を計算し、前記加重値は、前記対象客体から入力されるフィードバック情報に基づいて計算されることを特徴とする、請求項８に記載の睡眠質の点数化方法。
  15. 睡眠質を点数化する命令語のシーケンスを含むコンピュータ読み取り可能な記録媒体に格納されたコンピュータプログラムにおいて、
    複数の睡眠ポリグラフ検査対象者に対する睡眠ポリグラフ検査結果情報に基づいて睡眠ポリグラフ検査の要素別に分布モデルを生成し、前記分布モデル別に点数化関数を生成し、
    対象客体に向けてレーダ信号を送信し、前記対象客体から反射されたレーダ信号を受信し、
    前記レーダ信号に基づいて前記対象客体に対する睡眠時間情報及び複数の睡眠項目に関するイベント発生情報を導出し、
    前記睡眠時間情報及び前記イベント発生情報を前記点数化関数に適用して要素別点数を計算し、
    計算された前記要素別点数に基づいて前記対象客体に対する睡眠質点数を計算する命令語のシーケンスを含む、コンピュータ読み取り可能な記録媒体に格納されたコンピュータプログラム。
JP2023037711A 2022-03-10 2023-03-10 睡眠質を点数化する装置、方法及びコンピュータプログラム Active JP7521836B2 (ja)

Applications Claiming Priority (4)

Application Number Priority Date Filing Date Title
KR20220030033 2022-03-10
KR10-2022-0030033 2022-03-10
KR10-2023-0021306 2023-02-17
KR1020230021306A KR20230133198A (ko) 2022-03-10 2023-02-17 수면 질을 점수화하는 장치, 방법 및 컴퓨터 프로그램

Publications (2)

Publication Number Publication Date
JP2023133265A true JP2023133265A (ja) 2023-09-22
JP7521836B2 JP7521836B2 (ja) 2024-07-24

Family

ID=85556706

Family Applications (1)

Application Number Title Priority Date Filing Date
JP2023037711A Active JP7521836B2 (ja) 2022-03-10 2023-03-10 睡眠質を点数化する装置、方法及びコンピュータプログラム

Country Status (3)

Country Link
US (1) US20230284971A1 (ja)
EP (1) EP4241657A1 (ja)
JP (1) JP7521836B2 (ja)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN118105037B (zh) * 2024-03-06 2024-08-23 嘉兴元贝贝科技有限公司 一种婴儿睡眠记录和哄睡机构及其使用方法

Family Cites Families (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP3822796B2 (ja) 2001-02-08 2006-09-20 シャープ株式会社 情報処理装置、情報処理プログラムおよび記録媒体
KR20180077453A (ko) 2016-12-29 2018-07-09 주식회사 올비 동작 패턴 분석에 기반한 수면중 호흡 분석 시스템
WO2019070939A1 (en) 2017-10-04 2019-04-11 NeuroGeneces LLC SLEEP PERFORMANCE SYSTEM AND METHOD OF USE
US20200367810A1 (en) * 2017-12-22 2020-11-26 Resmed Sensor Technologies Limited Apparatus, system, and method for health and medical sensing
JP7139688B2 (ja) 2018-05-25 2022-09-21 凸版印刷株式会社 睡眠評価レポート生成装置、及び睡眠評価レポート生成方法
US20200388287A1 (en) * 2018-11-13 2020-12-10 CurieAI, Inc. Intelligent health monitoring
EP4143849A1 (en) * 2020-04-30 2023-03-08 ResMed Sensor Technologies Limited Systems and methods for promoting a sleep stage of a user

Also Published As

Publication number Publication date
EP4241657A1 (en) 2023-09-13
US20230284971A1 (en) 2023-09-14
JP7521836B2 (ja) 2024-07-24

Similar Documents

Publication Publication Date Title
JP6721156B2 (ja) 生体情報分析装置、システム、及び、プログラム
KR102090968B1 (ko) 개인의 수면 및 수면 단계들을 결정하기 위한 시스템 및 방법
US11998347B2 (en) Sleep apnea detection system and method
JP7393405B2 (ja) 睡眠呼吸障害のスクリーニング、診断および監視のためのシステムおよび方法
KR101850859B1 (ko) 만성 질환 모니터링용 장치, 시스템 및 방법
CA2809764C (en) Systems and methods for respiratory event detection
JP7104076B2 (ja) 睡眠統計を決定する方法及び装置
EP3875026A1 (en) Sleep apnea detection system and method
CN111246798A (zh) 呼吸紊乱的自动检测
JP2013533021A (ja) 睡眠障害分析のための方法およびシステム
JP7521836B2 (ja) 睡眠質を点数化する装置、方法及びコンピュータプログラム
WO2016053103A2 (en) Device and method for assessing respiratory data in a monitored subject
JP7301275B2 (ja) 睡眠状態推定システム
AU2011203044C1 (en) Systems and methods for respiratory event detection
JP7478473B2 (ja) レーダを利用して病症を判断する装置、方法及びコンピュータプログラム
JP7507501B2 (ja) レーダを利用して睡眠呼吸を分析する装置、方法及びコンピュータプログラム
KR20230133198A (ko) 수면 질을 점수화하는 장치, 방법 및 컴퓨터 프로그램
EP4388985A1 (en) System for estimating uncertainty of overnight sleep parameters through a stochastic neural network
KR20230037420A (ko) 레이더를 이용하여 수면 호흡을 분석하는 장치, 방법 및 컴퓨터 프로그램
عباس سليمان Sleep Apnea Detection Methods: A Review
Nishida et al. Estimation of Oxygen Desaturation by Analyzing Breath Curve
Baek et al. Computer-aided detection with a portable electrocardiographic recorder and acceleration sensors for monitoring obstructive sleep apnea
TWI462725B (zh) 依據比對基準判斷睡眠障礙嚴重程度之系統及其方法
Sen Newer Technology for Screening of Obstructive Sleep Apnea

Legal Events

Date Code Title Description
A621 Written request for application examination

Free format text: JAPANESE INTERMEDIATE CODE: A621

Effective date: 20230518

A977 Report on retrieval

Free format text: JAPANESE INTERMEDIATE CODE: A971007

Effective date: 20240226

A131 Notification of reasons for refusal

Free format text: JAPANESE INTERMEDIATE CODE: A131

Effective date: 20240305

A521 Request for written amendment filed

Free format text: JAPANESE INTERMEDIATE CODE: A523

Effective date: 20240604

TRDD Decision of grant or rejection written
A01 Written decision to grant a patent or to grant a registration (utility model)

Free format text: JAPANESE INTERMEDIATE CODE: A01

Effective date: 20240611

A61 First payment of annual fees (during grant procedure)

Free format text: JAPANESE INTERMEDIATE CODE: A61

Effective date: 20240704

R150 Certificate of patent or registration of utility model

Ref document number: 7521836

Country of ref document: JP

Free format text: JAPANESE INTERMEDIATE CODE: R150