JP3658580B2 - 睡眠深度推定装置及びこれを具えた布団 - Google Patents
睡眠深度推定装置及びこれを具えた布団 Download PDFInfo
- Publication number
- JP3658580B2 JP3658580B2 JP2002251394A JP2002251394A JP3658580B2 JP 3658580 B2 JP3658580 B2 JP 3658580B2 JP 2002251394 A JP2002251394 A JP 2002251394A JP 2002251394 A JP2002251394 A JP 2002251394A JP 3658580 B2 JP3658580 B2 JP 3658580B2
- Authority
- JP
- Japan
- Prior art keywords
- sleep
- probability
- sleep depth
- biological information
- state
- 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.)
- Expired - Fee Related
Links
Images
Landscapes
- Measuring Pulse, Heart Rate, Blood Pressure Or Blood Flow (AREA)
- Measurement Of The Respiration, Hearing Ability, Form, And Blood Characteristics Of Living Organisms (AREA)
Description
【０００１】
【発明の属する技術分野】
本発明は、睡眠深度が所定の複数段階の睡眠状態の何れに分類されるのかを推定する睡眠深度推定装置、及び該睡眠深度推定装置を具えた布団に関するものである。
【０００２】
【従来の技術】
近年、健康管理の意識が高まる中で、一般の家庭において睡眠の深度を測定して、体調を管理したいというニーズが生まれている。睡眠には、眠りの浅いレム睡眠と、眠りの深いノンレム睡眠とがあり、この様な睡眠状態を判定する方法として、脳波、筋電、眼球運動等を検出し、その検出波形から睡眠深度を推定する方法(睡眠ポリグラフ法)が知られている。
【０００３】
【発明が解決しようとする課題】
しかしながら、従来の睡眠深度推定方法においては、複数の電極を直接肌に貼り付ける必要があり、各電極から計測器本体へ伸びるコードによって長時間の拘束状態を強いられるという欠点があった。
この問題に対して、心拍数と体動数を検出し、学習済みの結合重み付け係数を内部に持つ神経回路網によって、心拍数と体動数から睡眠深度を推定せんとする装置が提案されている(特開平５−１１１４７４号)。しかし、心拍数や体動数の変動には個人差があるため、睡眠深度推定の精度が低い問題があった。
【０００４】
そこで本発明の目的は、睡眠深度を無拘束且つ高精度で推定することが出来る睡眠深度推定装置を提供することである。
【０００５】
【発明が解決しようとする課題】
本発明に係る睡眠深度推定装置は、生体情報を検出する生体情報センサー(２)と、該生体情報センサー(２)の出力信号から心拍数、心拍数の標準偏差、呼吸数、呼吸数の標準偏差、及び体動数を含む複数の睡眠深度基礎データを検知する生体情報処理回路(３)と、生体情報処理回路(３)から得られる複数の睡眠深度基礎データに基づいて睡眠深度推定処理を繰り返す睡眠深度推定回路(４)とを具えている。
睡眠深度推定回路(４)は、
各睡眠状態について、同じ睡眠状態を維持する確率と他の睡眠状態へ遷移する確率とが保持されている状態遷移確率保持手段と、
生体情報処理回路(３)から得られる複数の睡眠深度基礎データに判別分析を施して、該睡眠深度基礎データが各睡眠段階に属する確率を導出する第１演算処理手段と、
各睡眠段階について、前記状態遷移確率保持手段を参照して、前回の睡眠深度推定処理によって推定された睡眠状態から当該睡眠状態への遷移確率を導出し、該遷移確率を第１演算処理手段から得られる確率に乗算して、各睡眠状態に属する確率を算出する第２演算処理手段と、
第２演算処理手段から得られる各睡眠状態に属する確率の内、最大の確率を示す睡眠状態を、睡眠深度の推定値として出力する睡眠深度出力手段
とを具えている。
又、本発明に係る布団は、上記本発明に係る睡眠深度推定装置を具えたものである。
【０００６】
具体的構成において、生体情報処理回路(３)には、生体情報センサー(２)の出力信号から心拍数成分及び呼吸数成分を抽出するためのフィルター手段が設けられると共に、該出力信号から体動数を検出するための閾値手段が設けられている。
尚、生体情報センサー(２)は、加速度センサーによって構成することが出来る。
【０００７】
上記本発明に係る睡眠深度推定装置においては、先ず、睡眠深度に応じて変化すると考えられている心拍数、心拍数の標準偏差、呼吸数、呼吸数の標準偏差、及び体動数を含む睡眠深度基礎データに基づいて判別分析が実行され、これらの睡眠深度基礎データが何れの睡眠状態(レム睡眠、ステージ１又は２、ステージ３又は４)に属するかが推定される。
尚、判別分析においては、睡眠状態間の距離を各睡眠状態のばらつきで補正したマハラノビス汎距離を用いることによって、生体情報処理回路(３)から得られる睡眠深度基礎データが何れの睡眠状態に属するかが、高精度で推定される。
【０００８】
次に、睡眠深度は過去の履歴に関連して決まる傾向が強いことに鑑み、状態遷移確率モデルを睡眠深度推定に適用することにより、推定精度を向上させる。即ち、各睡眠状態について、同じ睡眠状態を維持する確率と他の睡眠状態へ遷移する確率とを予め実験的に求めておく。そして、各睡眠段階について、前回の睡眠深度推定処理によって推定された睡眠状態から当該睡眠状態への遷移確率を前記推定された確率に乗算することによって、過去の履歴を加味した確率を導出するのである。
この様にして得られた各睡眠状態に属する確率の内、最大の確率を示す睡眠状態が、睡眠深度の推定値となる。
【０００９】
【発明の効果】
本発明に係る睡眠深度推定装置によれば、生体情報センサーは心拍数、呼吸数及び体動数を検出すればよいので、例えば掛け布団に取り付けた加速度センサー等、周知の種々の生体情報センサーによって構成することが出来、これによって無拘束での推定が可能となる。又、判別分析に状態遷移確率モデルを組み合わせた推定方式によって高精度の推定結果が得られる。
【００１０】
【発明の実施の形態】
以下、本発明の実施の形態につき、図面に沿って具体的に説明する。
本発明に係る睡眠深度推定装置においては、図１及び図２に示す如く、掛け布団(１)に生体情報センサー(２)が取り付けられており、該生体情報センサー(２)は、人体の心拍動、呼吸動、及び体動を検知するものであって、加速度センサーによって構成されている。
【００１１】
図１の如く、生体情報センサー(２)の出力信号は、生体情報処理回路(３)へ供給されて、心拍数、心拍数の標準偏差、呼吸数、呼吸数の標準偏差、及び体動数からなる５種類の睡眠深度基礎データが算出され、これらの睡眠深度基礎データは睡眠深度推定回路(４)へ供給されて、後述する如く睡眠深度が算出される。
尚、睡眠深度の推定は、そのときの睡眠状態が、レム睡眠、ステージ１、２(浅い睡眠)、或いはステージ３、４(深い睡眠)の３種類の睡眠状態の何れの段階にあるかを推定するものとする。
【００１２】
図３〜図５は、本発明に係る睡眠深度推定装置における処理の流れを表わしている。
図３のステップＳ１では、生体情報センサー(２)によって生体情報信号が検出され、該生体情報信号は、ステップＳ２にて雑音除去フィルターによる処理を受けた後、ステップＳ３にて増幅され、更にステップＳ４にてＡ／Ｄ変換される。この様にして得られた生体情報データは、ステップＳ５にて所定の閾値と比較されて、閾値よりも大きいデータ(体動成分データ)と、閾値よりも小さいデータ(心拍動成分データ及び呼吸動成分データ)に分離される。閾値よりも小さいデータはステップＳ６にてデジタルバンドパスフィルタによる処理を受けて、心拍動成分データと呼吸動成分データに分離される。
【００１３】
図４のステップＳ７では、前記生体情報データから分離された心拍動成分データから、単位時間当たりの心拍数と、心拍数のゆらぎを表わす標準偏差とが算出される。又、呼吸動成分データからは、単位時間当たりの呼吸数と、呼吸数のゆらぎを表わす標準偏差とが算出される。更に、体動成分データからは、一定時間の平均値としての体動数が算出される。
上記の心拍数、心拍数標準偏差、呼吸数、呼吸数標準偏差、及び体動数の５種類のデータが、睡眠深度基礎データとして、図８のマハラノビス距離を用いた判別分析に供される。
【００１４】
図６及び図７は、上記８種類の睡眠深度基礎データを算出する具体的な手続きを表わしている。尚、生体情報データのサンプリングは例えば１００Ｈｚの周波数で行なわれる。
【００１５】
心拍数についての手続き
図６(ａ)に示す如く、カウンターｉを０に初期化し、３０秒間に検出された心拍数検出データＲＲを記憶した後、これらのＲＲ値の平均値を算出してＲＲ[ｉ]とする処理を、ｉをカウントアップしながら繰り返す。そして、５分間に検出されたＲＲ[ｉ](ｉ＝１〜９)の平均値を算出し、ｘ１とする。
又、図６(ｂ)に示す如く、カウンターｉを０に初期化し、３０秒間に検出された心拍数検出データＲＲを記憶した後、これらのＲＲ値の標準偏差を算出してＲＲＳＤ[ｉ]とする処理を、ｉをカウントアップしながら繰り返す。そして、５分間に検出されたＲＲＳＤ[ｉ](ｉ＝１〜９)の平均値を算出し、ｘ２とする。
【００１６】
呼吸数についての手続き
図７(ｃ)に示す如く、カウンターｉを０に初期化し、３０秒間に検出された呼吸数検出データＰＰを記憶した後、これらのＰＰ値の平均値を算出してＰＰ[ｉ]とする処理を、ｉをカウントアップしながら繰り返す。そして、５分間に検出されたＰＰ[ｉ](ｉ＝１〜９)の平均値を算出し、ｘ３とする。
又、図７(ｄ)に示す如く、カウンターｉを０に初期化し、３０秒間に検出された呼吸数検出データＰＰを記憶した後、これらのＰＰ値の標準偏差を算出してＰＰＳＤ[ｉ]とする処理を、ｉをカウントアップしながら繰り返す。そして、５分間に検出されたＰＰＳＤ[ｉ](ｉ＝１〜９)の平均値を算出し、ｘ４とする。
【００１７】
体動数についての手続き
図７(ｅ)に示す如く、カウンターｉを０に初期化し、３０秒間に検出された体動回数を記憶し、体動数検出データＭＶ[ｉ]とした後、ｉが９であるか否かを判断し、ノーの場合はｉをカウントアンプして体動回数の記憶を繰り返し、イエスの場合は、５分間に検出された体動数検出データＭＶ[ｉ](ｉ＝０〜９)の平均値を算出して体動数ｘ５とする。
【００１８】
判別分析
図４に示すステップＳ８では、５種類の睡眠深度基礎データに基づいて睡眠深度推定処理が実行される。
睡眠深度推定処理においては、先ずマハラノビスの汎距離が算出される(「多変量解析の実践(上)」現代数学社発行、第８８頁〜第１０４頁参照)。即ち、図８(ａ)の式から群(レム)に対するマハラノビス距離を用いた判別距離Ｄ２ｉ(ｘ１，ｘ２，ｘ３，ｘ４，ｘ５)が算出される。又、図８(ｂ)の式から群(ステージ１、２)に対するマハラノビス距離を用いた判別距離Ｄ２ｊ(ｘ１，ｘ２，ｘ３，ｘ４，ｘ５)が算出される。更に、図８(ｃ)の式から群(ステージ３、４)に対するマハラノビス距離を用いた判別距離Ｄ２ｋ(ｘ１，ｘ２，ｘ３，ｘ４，ｘ５)が算出される。
但し、図９の如く、群(レム)の平均、群(ステージ１、２)の平均、及び群(ステージ３、４)の平均、各睡眠状態についての分散、共分散、及び分散共分散行列を定義する。
【００１９】
次に、マハラノビスの汎距離を用いて、睡眠深度基礎データが各睡眠状態に属する確率を算出する(「多変量解析の実践(上)」現代数学社発行、第１２１頁〜第１２２参照)。即ち、図１０に示す様に、上記の分散共分散行列Ｓ(ｉ)、Ｓ(ｊ)、Ｓ(ｋ)との加重平均Ｓを算出し、この値から、各睡眠状態に属する確率ｆｉ、ｆｊ、ｆｋを求める。更に、これらの値から合計が１となる構成比としての確率ｒｉ、ｒｊ、ｒｋを求めるのである。
【００２０】
状態遷移確率モデル
図１１に示す如く、レム、ステージ１、２、ステージ３、４の３つの睡眠状態についてそれぞれ、同じ睡眠状態が維持される確率ａ、ｄ、ｇと、１つの睡眠状態から他の睡眠状態へ遷移する確率ｂ、ｃ、ｅ、ｆ、ｈ、ｉを定義し、予め実験的に求めておく。尚、これらの確率には下記数１の関係が成立する。
【００２１】
【数１】
０≦ａ，ｂ，ｃ，ｄ，ｅ，ｆ，ｇ，ｈ，ｉ≦１
ａ＋ｂ＋ｃ＝１
ｄ＋ｅ＋ｆ＝１
ｇ＋ｈ＋ｉ＝１
【００２２】
図４に示すステップＳ８の判別分析の後、レムについての状態推移確率モデルによる確率の算出(ステップＳ９〜Ｓ１４)と、ステージ１、２についての状態推移確率モデルによる確率の算出(ステップＳ１５〜Ｓ２０)と、ステージ３、４についての状態推移確率モデルによる確率の算出(ステップＳ２１〜Ｓ２６)とが実行される。
【００２３】
レムついての確率計算
ステップＳ９にて、レムの推定確率ｒｉを取り込んだ後、ステップＳ１０では、時刻(ｎ−１)の推定ステージがレムであったかどうかを判断し、ここでイエスと判断されたときは、ステップＳ１２にてレムの推定確率ｒｉに状態遷移確率ａを乗算して、時刻(ｎ−１)の推定ステージがレムであったときの時刻ｎのレムに属する確率ｒｉを得る。ステップＳ１０にてノーと判断されたときは、ステップＳ１１に移行して、時刻(ｎ−１)の推定ステージが１、２であったかどうかを判断し、ここでイエスと判断されたときは、ステップＳ１３にてレムの推定確率ｒｉに状態遷移確率ｅを乗算して、時刻(ｎ−１)の推定ステージが１、２であったときの時刻ｎのレムに属する確率ｒｉを得る。ステップＳ１１にてノーと判断されたときは、ステップＳ１４に移行して、レムの推定確率ｒｉに状態遷移確率ｉを乗算して、時刻(ｎ−１)の推定ステージが３、４であったときの時刻ｎのレムに属する確率ｒｉを得る。
【００２４】
ステージ１、２ついての確率計算
ステップＳ１５にて、ステージ１、２の推定確率ｒｊを取り込んだ後、ステップＳ１６では、時刻(ｎ−１)の推定ステージがレムであったかどうかを判断し、ここでイエスと判断されたときは、ステップＳ１８にてステージ１、２の推定確率ｒｊに状態遷移確率ｂを乗算して、時刻(ｎ−１)の推定ステージがレムであったときの時刻ｎのステージ１、２に属する確率ｒｊを得る。ステップＳ１６にてノーと判断されたときは、ステップＳ１７に移行して、時刻(ｎ−１)の推定ステージが１、２であったかどうかを判断し、ここでイエスと判断されたときは、ステップＳ１９にてステージ１、２の推定確率ｒｊに状態遷移確率ｄを乗算して、時刻(ｎ−１)の推定ステージが１、２であったときの時刻ｎのステージ１、２に属する確率ｒｊを得る。ステップＳ１７にてノーと判断されたときは、ステップＳ２０に移行して、ステージ１、２の推定確率ｒｊに状態遷移確率ｈを乗算して、時刻(ｎ−１)の推定ステージが３、４であったときの時刻ｎのステージ１、２に属する確率ｒｊを得る。
【００２５】
ステージ３、４ついての確率計算
ステップＳ２１にて、ステージ３、４の推定確率ｒｋを取り込んだ後、ステップＳ２２では、時刻(ｎ−１)の推定ステージがレムであったかどうかを判断し、ここでイエスと判断されたときは、ステップＳ２４にてステージ３、４の推定確率ｒｋに状態遷移確率ｃを乗算して、時刻(ｎ−１)の推定ステージがレムであったときの時刻ｎのステージ３、４に属する確率ｒｋを得る。ステップＳ２２にてノーと判断されたときは、ステップＳ２３に移行して、時刻(ｎ−１)の推定ステージが１、２であったかどうかを判断し、ここでイエスと判断されたときは、ステップＳ２５にてステージ３、４の推定確率ｒｊに状態遷移確率ｆを乗算して、時刻(ｎ−１)の推定ステージが１、２であったときの時刻ｎのステージ３、４に属する確率ｒｋを得る。ステップＳ２３にてノーと判断されたときは、ステップＳ２６に移行して、ステージ３、４の推定確率ｒｋに状態遷移確率ｇを乗算して、時刻(ｎ−１)の推定ステージが３、４であったときの時刻ｎのステージ３、４に属する確率ｒｋを得る。
【００２６】
睡眠深度の推定
その後、図５のステップＳ２７では、レムに属する確率ｒｉが、ステージ１、２に属する確率ｒｊ及びステージ３、４に属する確率ｒｋよりも大きいかどうかを判断し、イエスと判断されたとき、ステップＳ２９にて睡眠状態はレムであると推定する。
ステップＳ２７にノーと判断されたときは、ステップＳ２８に移行して、ステージ１、２に属する確率ｒｊがステージ３、４に属する確率ｒｋよりも大きいかどうかを判断し、イエスと判断されたときは、ステップＳ３０にて睡眠状態はステージ１、２であると推定する。
更に、ステップＳ２８にてノーと判断されたときは、ステップＳ３１に移行して、睡眠状態はステージ３、４であると推定する。
【００２７】
図１２のグラフは、ある被験者について、本発明の睡眠深度推定装置によって算出した睡眠深度の推定値と、睡眠ポリグラフによる睡眠深度の実測値との比較を表わしている。図示の如く、睡眠深度の推定値と実測値とは、極めて近似した変動を示しており、これによって、本発明の睡眠深度推定装置が高い精度を有していることが実証される。
【００２８】
上述の如く、本発明に係る睡眠深度推定装置は、人体を拘束することなく、精度の高い睡眠深度の推定結果を得ることが出来るので、特に一般の家庭における睡眠深度測定装置として好適である。
又、判別分析に状態遷移確率モデルを組み合わせることによって、睡眠深度が過去の履歴に大きく左右されるという特性を加味した推定が行なわれるので、高精度の推定結果が得られる。
【図面の簡単な説明】
【図１】本発明に係る睡眠深度推定装置を具えた布団の構成を表わすブロック図である。
【図２】生体情報センサーの取り付け例を示す図である。
【図３】該睡眠深度推定装置の睡眠深度推定手続きの第１部を表わすフローチャートである。
【図４】該睡眠深度推定手続きの第２部を表わすフローチャートである。
【図５】該睡眠深度推定手続きの第３部を表わすフローチャートである。
【図６】心拍数についての算出手続きを示すフローチャートである。
【図７】呼吸数及び体動数についての算出手続きを表わすフローチャートである。
【図８】マハラノビスの汎距離を算出する数式を表わす図である。
【図９】分散共分散行列を表わす図である。
【図１０】各睡眠深度の算出式を表わす図である。
【図１１】睡眠状態遷移モデルを表わす図である。
【図１２】睡眠深度の推定値と実測値を比較したグラフである。
【符号の説明】
(１) 布団
(２) 生体情報センサー
(３) 生体情報処理回路
(４) 睡眠深度推定回路
【発明の属する技術分野】
本発明は、睡眠深度が所定の複数段階の睡眠状態の何れに分類されるのかを推定する睡眠深度推定装置、及び該睡眠深度推定装置を具えた布団に関するものである。
【０００２】
【従来の技術】
近年、健康管理の意識が高まる中で、一般の家庭において睡眠の深度を測定して、体調を管理したいというニーズが生まれている。睡眠には、眠りの浅いレム睡眠と、眠りの深いノンレム睡眠とがあり、この様な睡眠状態を判定する方法として、脳波、筋電、眼球運動等を検出し、その検出波形から睡眠深度を推定する方法(睡眠ポリグラフ法)が知られている。
【０００３】
【発明が解決しようとする課題】
しかしながら、従来の睡眠深度推定方法においては、複数の電極を直接肌に貼り付ける必要があり、各電極から計測器本体へ伸びるコードによって長時間の拘束状態を強いられるという欠点があった。
この問題に対して、心拍数と体動数を検出し、学習済みの結合重み付け係数を内部に持つ神経回路網によって、心拍数と体動数から睡眠深度を推定せんとする装置が提案されている(特開平５−１１１４７４号)。しかし、心拍数や体動数の変動には個人差があるため、睡眠深度推定の精度が低い問題があった。
【０００４】
そこで本発明の目的は、睡眠深度を無拘束且つ高精度で推定することが出来る睡眠深度推定装置を提供することである。
【０００５】
【発明が解決しようとする課題】
本発明に係る睡眠深度推定装置は、生体情報を検出する生体情報センサー(２)と、該生体情報センサー(２)の出力信号から心拍数、心拍数の標準偏差、呼吸数、呼吸数の標準偏差、及び体動数を含む複数の睡眠深度基礎データを検知する生体情報処理回路(３)と、生体情報処理回路(３)から得られる複数の睡眠深度基礎データに基づいて睡眠深度推定処理を繰り返す睡眠深度推定回路(４)とを具えている。
睡眠深度推定回路(４)は、
各睡眠状態について、同じ睡眠状態を維持する確率と他の睡眠状態へ遷移する確率とが保持されている状態遷移確率保持手段と、
生体情報処理回路(３)から得られる複数の睡眠深度基礎データに判別分析を施して、該睡眠深度基礎データが各睡眠段階に属する確率を導出する第１演算処理手段と、
各睡眠段階について、前記状態遷移確率保持手段を参照して、前回の睡眠深度推定処理によって推定された睡眠状態から当該睡眠状態への遷移確率を導出し、該遷移確率を第１演算処理手段から得られる確率に乗算して、各睡眠状態に属する確率を算出する第２演算処理手段と、
第２演算処理手段から得られる各睡眠状態に属する確率の内、最大の確率を示す睡眠状態を、睡眠深度の推定値として出力する睡眠深度出力手段
とを具えている。
又、本発明に係る布団は、上記本発明に係る睡眠深度推定装置を具えたものである。
【０００６】
具体的構成において、生体情報処理回路(３)には、生体情報センサー(２)の出力信号から心拍数成分及び呼吸数成分を抽出するためのフィルター手段が設けられると共に、該出力信号から体動数を検出するための閾値手段が設けられている。
尚、生体情報センサー(２)は、加速度センサーによって構成することが出来る。
【０００７】
上記本発明に係る睡眠深度推定装置においては、先ず、睡眠深度に応じて変化すると考えられている心拍数、心拍数の標準偏差、呼吸数、呼吸数の標準偏差、及び体動数を含む睡眠深度基礎データに基づいて判別分析が実行され、これらの睡眠深度基礎データが何れの睡眠状態(レム睡眠、ステージ１又は２、ステージ３又は４)に属するかが推定される。
尚、判別分析においては、睡眠状態間の距離を各睡眠状態のばらつきで補正したマハラノビス汎距離を用いることによって、生体情報処理回路(３)から得られる睡眠深度基礎データが何れの睡眠状態に属するかが、高精度で推定される。
【０００８】
次に、睡眠深度は過去の履歴に関連して決まる傾向が強いことに鑑み、状態遷移確率モデルを睡眠深度推定に適用することにより、推定精度を向上させる。即ち、各睡眠状態について、同じ睡眠状態を維持する確率と他の睡眠状態へ遷移する確率とを予め実験的に求めておく。そして、各睡眠段階について、前回の睡眠深度推定処理によって推定された睡眠状態から当該睡眠状態への遷移確率を前記推定された確率に乗算することによって、過去の履歴を加味した確率を導出するのである。
この様にして得られた各睡眠状態に属する確率の内、最大の確率を示す睡眠状態が、睡眠深度の推定値となる。
【０００９】
【発明の効果】
本発明に係る睡眠深度推定装置によれば、生体情報センサーは心拍数、呼吸数及び体動数を検出すればよいので、例えば掛け布団に取り付けた加速度センサー等、周知の種々の生体情報センサーによって構成することが出来、これによって無拘束での推定が可能となる。又、判別分析に状態遷移確率モデルを組み合わせた推定方式によって高精度の推定結果が得られる。
【００１０】
【発明の実施の形態】
以下、本発明の実施の形態につき、図面に沿って具体的に説明する。
本発明に係る睡眠深度推定装置においては、図１及び図２に示す如く、掛け布団(１)に生体情報センサー(２)が取り付けられており、該生体情報センサー(２)は、人体の心拍動、呼吸動、及び体動を検知するものであって、加速度センサーによって構成されている。
【００１１】
図１の如く、生体情報センサー(２)の出力信号は、生体情報処理回路(３)へ供給されて、心拍数、心拍数の標準偏差、呼吸数、呼吸数の標準偏差、及び体動数からなる５種類の睡眠深度基礎データが算出され、これらの睡眠深度基礎データは睡眠深度推定回路(４)へ供給されて、後述する如く睡眠深度が算出される。
尚、睡眠深度の推定は、そのときの睡眠状態が、レム睡眠、ステージ１、２(浅い睡眠)、或いはステージ３、４(深い睡眠)の３種類の睡眠状態の何れの段階にあるかを推定するものとする。
【００１２】
図３〜図５は、本発明に係る睡眠深度推定装置における処理の流れを表わしている。
図３のステップＳ１では、生体情報センサー(２)によって生体情報信号が検出され、該生体情報信号は、ステップＳ２にて雑音除去フィルターによる処理を受けた後、ステップＳ３にて増幅され、更にステップＳ４にてＡ／Ｄ変換される。この様にして得られた生体情報データは、ステップＳ５にて所定の閾値と比較されて、閾値よりも大きいデータ(体動成分データ)と、閾値よりも小さいデータ(心拍動成分データ及び呼吸動成分データ)に分離される。閾値よりも小さいデータはステップＳ６にてデジタルバンドパスフィルタによる処理を受けて、心拍動成分データと呼吸動成分データに分離される。
【００１３】
図４のステップＳ７では、前記生体情報データから分離された心拍動成分データから、単位時間当たりの心拍数と、心拍数のゆらぎを表わす標準偏差とが算出される。又、呼吸動成分データからは、単位時間当たりの呼吸数と、呼吸数のゆらぎを表わす標準偏差とが算出される。更に、体動成分データからは、一定時間の平均値としての体動数が算出される。
上記の心拍数、心拍数標準偏差、呼吸数、呼吸数標準偏差、及び体動数の５種類のデータが、睡眠深度基礎データとして、図８のマハラノビス距離を用いた判別分析に供される。
【００１４】
図６及び図７は、上記８種類の睡眠深度基礎データを算出する具体的な手続きを表わしている。尚、生体情報データのサンプリングは例えば１００Ｈｚの周波数で行なわれる。
【００１５】
心拍数についての手続き
図６(ａ)に示す如く、カウンターｉを０に初期化し、３０秒間に検出された心拍数検出データＲＲを記憶した後、これらのＲＲ値の平均値を算出してＲＲ[ｉ]とする処理を、ｉをカウントアップしながら繰り返す。そして、５分間に検出されたＲＲ[ｉ](ｉ＝１〜９)の平均値を算出し、ｘ１とする。
又、図６(ｂ)に示す如く、カウンターｉを０に初期化し、３０秒間に検出された心拍数検出データＲＲを記憶した後、これらのＲＲ値の標準偏差を算出してＲＲＳＤ[ｉ]とする処理を、ｉをカウントアップしながら繰り返す。そして、５分間に検出されたＲＲＳＤ[ｉ](ｉ＝１〜９)の平均値を算出し、ｘ２とする。
【００１６】
呼吸数についての手続き
図７(ｃ)に示す如く、カウンターｉを０に初期化し、３０秒間に検出された呼吸数検出データＰＰを記憶した後、これらのＰＰ値の平均値を算出してＰＰ[ｉ]とする処理を、ｉをカウントアップしながら繰り返す。そして、５分間に検出されたＰＰ[ｉ](ｉ＝１〜９)の平均値を算出し、ｘ３とする。
又、図７(ｄ)に示す如く、カウンターｉを０に初期化し、３０秒間に検出された呼吸数検出データＰＰを記憶した後、これらのＰＰ値の標準偏差を算出してＰＰＳＤ[ｉ]とする処理を、ｉをカウントアップしながら繰り返す。そして、５分間に検出されたＰＰＳＤ[ｉ](ｉ＝１〜９)の平均値を算出し、ｘ４とする。
【００１７】
体動数についての手続き
図７(ｅ)に示す如く、カウンターｉを０に初期化し、３０秒間に検出された体動回数を記憶し、体動数検出データＭＶ[ｉ]とした後、ｉが９であるか否かを判断し、ノーの場合はｉをカウントアンプして体動回数の記憶を繰り返し、イエスの場合は、５分間に検出された体動数検出データＭＶ[ｉ](ｉ＝０〜９)の平均値を算出して体動数ｘ５とする。
【００１８】
判別分析
図４に示すステップＳ８では、５種類の睡眠深度基礎データに基づいて睡眠深度推定処理が実行される。
睡眠深度推定処理においては、先ずマハラノビスの汎距離が算出される(「多変量解析の実践(上)」現代数学社発行、第８８頁〜第１０４頁参照)。即ち、図８(ａ)の式から群(レム)に対するマハラノビス距離を用いた判別距離Ｄ２ｉ(ｘ１，ｘ２，ｘ３，ｘ４，ｘ５)が算出される。又、図８(ｂ)の式から群(ステージ１、２)に対するマハラノビス距離を用いた判別距離Ｄ２ｊ(ｘ１，ｘ２，ｘ３，ｘ４，ｘ５)が算出される。更に、図８(ｃ)の式から群(ステージ３、４)に対するマハラノビス距離を用いた判別距離Ｄ２ｋ(ｘ１，ｘ２，ｘ３，ｘ４，ｘ５)が算出される。
但し、図９の如く、群(レム)の平均、群(ステージ１、２)の平均、及び群(ステージ３、４)の平均、各睡眠状態についての分散、共分散、及び分散共分散行列を定義する。
【００１９】
次に、マハラノビスの汎距離を用いて、睡眠深度基礎データが各睡眠状態に属する確率を算出する(「多変量解析の実践(上)」現代数学社発行、第１２１頁〜第１２２参照)。即ち、図１０に示す様に、上記の分散共分散行列Ｓ(ｉ)、Ｓ(ｊ)、Ｓ(ｋ)との加重平均Ｓを算出し、この値から、各睡眠状態に属する確率ｆｉ、ｆｊ、ｆｋを求める。更に、これらの値から合計が１となる構成比としての確率ｒｉ、ｒｊ、ｒｋを求めるのである。
【００２０】
状態遷移確率モデル
図１１に示す如く、レム、ステージ１、２、ステージ３、４の３つの睡眠状態についてそれぞれ、同じ睡眠状態が維持される確率ａ、ｄ、ｇと、１つの睡眠状態から他の睡眠状態へ遷移する確率ｂ、ｃ、ｅ、ｆ、ｈ、ｉを定義し、予め実験的に求めておく。尚、これらの確率には下記数１の関係が成立する。
【００２１】
【数１】
０≦ａ，ｂ，ｃ，ｄ，ｅ，ｆ，ｇ，ｈ，ｉ≦１
ａ＋ｂ＋ｃ＝１
ｄ＋ｅ＋ｆ＝１
ｇ＋ｈ＋ｉ＝１
【００２２】
図４に示すステップＳ８の判別分析の後、レムについての状態推移確率モデルによる確率の算出(ステップＳ９〜Ｓ１４)と、ステージ１、２についての状態推移確率モデルによる確率の算出(ステップＳ１５〜Ｓ２０)と、ステージ３、４についての状態推移確率モデルによる確率の算出(ステップＳ２１〜Ｓ２６)とが実行される。
【００２３】
レムついての確率計算
ステップＳ９にて、レムの推定確率ｒｉを取り込んだ後、ステップＳ１０では、時刻(ｎ−１)の推定ステージがレムであったかどうかを判断し、ここでイエスと判断されたときは、ステップＳ１２にてレムの推定確率ｒｉに状態遷移確率ａを乗算して、時刻(ｎ−１)の推定ステージがレムであったときの時刻ｎのレムに属する確率ｒｉを得る。ステップＳ１０にてノーと判断されたときは、ステップＳ１１に移行して、時刻(ｎ−１)の推定ステージが１、２であったかどうかを判断し、ここでイエスと判断されたときは、ステップＳ１３にてレムの推定確率ｒｉに状態遷移確率ｅを乗算して、時刻(ｎ−１)の推定ステージが１、２であったときの時刻ｎのレムに属する確率ｒｉを得る。ステップＳ１１にてノーと判断されたときは、ステップＳ１４に移行して、レムの推定確率ｒｉに状態遷移確率ｉを乗算して、時刻(ｎ−１)の推定ステージが３、４であったときの時刻ｎのレムに属する確率ｒｉを得る。
【００２４】
ステージ１、２ついての確率計算
ステップＳ１５にて、ステージ１、２の推定確率ｒｊを取り込んだ後、ステップＳ１６では、時刻(ｎ−１)の推定ステージがレムであったかどうかを判断し、ここでイエスと判断されたときは、ステップＳ１８にてステージ１、２の推定確率ｒｊに状態遷移確率ｂを乗算して、時刻(ｎ−１)の推定ステージがレムであったときの時刻ｎのステージ１、２に属する確率ｒｊを得る。ステップＳ１６にてノーと判断されたときは、ステップＳ１７に移行して、時刻(ｎ−１)の推定ステージが１、２であったかどうかを判断し、ここでイエスと判断されたときは、ステップＳ１９にてステージ１、２の推定確率ｒｊに状態遷移確率ｄを乗算して、時刻(ｎ−１)の推定ステージが１、２であったときの時刻ｎのステージ１、２に属する確率ｒｊを得る。ステップＳ１７にてノーと判断されたときは、ステップＳ２０に移行して、ステージ１、２の推定確率ｒｊに状態遷移確率ｈを乗算して、時刻(ｎ−１)の推定ステージが３、４であったときの時刻ｎのステージ１、２に属する確率ｒｊを得る。
【００２５】
ステージ３、４ついての確率計算
ステップＳ２１にて、ステージ３、４の推定確率ｒｋを取り込んだ後、ステップＳ２２では、時刻(ｎ−１)の推定ステージがレムであったかどうかを判断し、ここでイエスと判断されたときは、ステップＳ２４にてステージ３、４の推定確率ｒｋに状態遷移確率ｃを乗算して、時刻(ｎ−１)の推定ステージがレムであったときの時刻ｎのステージ３、４に属する確率ｒｋを得る。ステップＳ２２にてノーと判断されたときは、ステップＳ２３に移行して、時刻(ｎ−１)の推定ステージが１、２であったかどうかを判断し、ここでイエスと判断されたときは、ステップＳ２５にてステージ３、４の推定確率ｒｊに状態遷移確率ｆを乗算して、時刻(ｎ−１)の推定ステージが１、２であったときの時刻ｎのステージ３、４に属する確率ｒｋを得る。ステップＳ２３にてノーと判断されたときは、ステップＳ２６に移行して、ステージ３、４の推定確率ｒｋに状態遷移確率ｇを乗算して、時刻(ｎ−１)の推定ステージが３、４であったときの時刻ｎのステージ３、４に属する確率ｒｋを得る。
【００２６】
睡眠深度の推定
その後、図５のステップＳ２７では、レムに属する確率ｒｉが、ステージ１、２に属する確率ｒｊ及びステージ３、４に属する確率ｒｋよりも大きいかどうかを判断し、イエスと判断されたとき、ステップＳ２９にて睡眠状態はレムであると推定する。
ステップＳ２７にノーと判断されたときは、ステップＳ２８に移行して、ステージ１、２に属する確率ｒｊがステージ３、４に属する確率ｒｋよりも大きいかどうかを判断し、イエスと判断されたときは、ステップＳ３０にて睡眠状態はステージ１、２であると推定する。
更に、ステップＳ２８にてノーと判断されたときは、ステップＳ３１に移行して、睡眠状態はステージ３、４であると推定する。
【００２７】
図１２のグラフは、ある被験者について、本発明の睡眠深度推定装置によって算出した睡眠深度の推定値と、睡眠ポリグラフによる睡眠深度の実測値との比較を表わしている。図示の如く、睡眠深度の推定値と実測値とは、極めて近似した変動を示しており、これによって、本発明の睡眠深度推定装置が高い精度を有していることが実証される。
【００２８】
上述の如く、本発明に係る睡眠深度推定装置は、人体を拘束することなく、精度の高い睡眠深度の推定結果を得ることが出来るので、特に一般の家庭における睡眠深度測定装置として好適である。
又、判別分析に状態遷移確率モデルを組み合わせることによって、睡眠深度が過去の履歴に大きく左右されるという特性を加味した推定が行なわれるので、高精度の推定結果が得られる。
【図面の簡単な説明】
【図１】本発明に係る睡眠深度推定装置を具えた布団の構成を表わすブロック図である。
【図２】生体情報センサーの取り付け例を示す図である。
【図３】該睡眠深度推定装置の睡眠深度推定手続きの第１部を表わすフローチャートである。
【図４】該睡眠深度推定手続きの第２部を表わすフローチャートである。
【図５】該睡眠深度推定手続きの第３部を表わすフローチャートである。
【図６】心拍数についての算出手続きを示すフローチャートである。
【図７】呼吸数及び体動数についての算出手続きを表わすフローチャートである。
【図８】マハラノビスの汎距離を算出する数式を表わす図である。
【図９】分散共分散行列を表わす図である。
【図１０】各睡眠深度の算出式を表わす図である。
【図１１】睡眠状態遷移モデルを表わす図である。
【図１２】睡眠深度の推定値と実測値を比較したグラフである。
【符号の説明】
(１) 布団
(２) 生体情報センサー
(３) 生体情報処理回路
(４) 睡眠深度推定回路
Claims (4)
- 睡眠深度が所定の複数段階の睡眠状態の何れに分類されるのかを推定する睡眠深度推定装置であって、生体情報を検出する生体情報センサーと、該生体情報センサーの出力信号から心拍数、心拍数の標準偏差、呼吸数、呼吸数の標準偏差、及び体動数を含む複数の睡眠深度基礎データを検知する生体情報処理回路と、生体情報処理回路から得られる複数の睡眠深度基礎データに基づいて睡眠深度推定処理を繰り返す睡眠深度推定回路とを具えた睡眠深度推定装置において、睡眠深度推定回路は、
各睡眠状態について、同じ睡眠状態を維持する確率と他の睡眠状態へ遷移する確率とが保持されている状態遷移確率保持手段と、
生体情報処理回路から得られる複数の睡眠深度基礎データに判別分析を施して、該睡眠深度基礎データが各睡眠段階に属する確率を導出する第１演算処理手段と、
各睡眠段階について、前記状態遷移確率保持手段を参照して、前回の睡眠深度推定処理によって推定された睡眠状態から当該睡眠状態への遷移確率を導出し、該遷移確率を第１演算処理手段から得られる確率に乗算して、各睡眠状態に属する確率を算出する第２演算処理手段と、
第２演算処理手段から得られる各睡眠状態に属する確率の内、最大の確率を示す睡眠状態を、睡眠深度の推定値として出力する睡眠深度出力手段
とを具えていることを特徴とする睡眠深度推定装置。 - 生体情報処理回路には、生体情報センサーの出力信号から心拍数成分及び呼吸数成分を抽出するためのフィルター手段が設けられると共に、該出力信号から体動数を検出するための閾値手段が設けられている請求項２に記載の睡眠深度推定装置。
- 睡眠深度が所定の複数段階の睡眠状態の何れに分類されるのかを推定する睡眠深度推定装置を具えた布団であって、該睡眠深度推定装置は、生体情報を検出する生体情報センサー(２)と、該生体情報センサー(２)の出力信号から心拍数、心拍数の標準偏差、呼吸数、呼吸数の標準偏差、及び体動数を含む複数の睡眠深度基礎データを検知する生体情報処理回路(３)と、生体情報処理回路(３)から得られる複数の睡眠深度基礎データに基づいて睡眠深度推定処理を繰り返す睡眠深度推定回路(４)とを具え、睡眠深度推定回路(４)は、
各睡眠状態について、同じ睡眠状態を維持する確率と他の睡眠状態へ遷移する確率とが保持されている状態遷移確率保持手段と、
生体情報処理回路(４)から得られる複数の睡眠深度基礎データに判別分析を施して、該睡眠深度基礎データが各睡眠段階に属する確率を導出する第１演算処理手段と、
各睡眠段階について、前記状態遷移確率保持手段を参照して、前回の睡眠深度推定処理によって推定された睡眠状態から当該睡眠状態への遷移確率を導出し、該遷移確率を第１演算処理手段から得られる確率に乗算して、各睡眠状態に属する確率を算出する第２演算処理手段と、
第２演算処理手段から得られる各睡眠状態に属する確率の内、最大の確率を示す睡眠状態を、睡眠深度の推定値として出力する睡眠深度出力手段
とを具えていることを特徴とする布団。 - 生体情報センサー(２)は、加速度センサーによって構成される請求項３に記載の布団。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP2002251394A JP3658580B2 (ja) | 2002-08-29 | 2002-08-29 | 睡眠深度推定装置及びこれを具えた布団 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP2002251394A JP3658580B2 (ja) | 2002-08-29 | 2002-08-29 | 睡眠深度推定装置及びこれを具えた布団 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| JP2004089267A JP2004089267A (ja) | 2004-03-25 |
| JP3658580B2 true JP3658580B2 (ja) | 2005-06-08 |
Family
ID=32057985
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| JP2002251394A Expired - Fee Related JP3658580B2 (ja) | 2002-08-29 | 2002-08-29 | 睡眠深度推定装置及びこれを具えた布団 |
Country Status (1)
| Country | Link |
|---|---|
| JP (1) | JP3658580B2 (ja) |
Families Citing this family (21)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP3733133B2 (ja) | 2003-10-14 | 2006-01-11 | 三洋電機株式会社 | 睡眠状態推定装置 |
| JP3976752B2 (ja) | 2004-07-07 | 2007-09-19 | 三洋電機株式会社 | 睡眠状態推定装置及びプログラム |
| JP4551148B2 (ja) * | 2004-07-21 | 2010-09-22 | 株式会社ジェピコ | 睡眠分析装置 |
| KR100712198B1 (ko) * | 2005-02-17 | 2007-04-30 | 재단법인서울대학교산학협력재단 | 무구속 무게감지 기반 수면구조 분석 장치 |
| JP4582642B2 (ja) * | 2005-04-01 | 2010-11-17 | 株式会社タニタ | 睡眠段階判定装置 |
| US7766841B2 (en) | 2005-05-18 | 2010-08-03 | Panasonic Electric Works Co., Ltd. | Sleep diagnosis device |
| JP4518048B2 (ja) * | 2006-06-30 | 2010-08-04 | パナソニック電工株式会社 | 睡眠検査装置および睡眠時無呼吸検査装置 |
| EP2124747B1 (en) | 2007-02-22 | 2018-09-12 | Philips Intellectual Property & Standards GmbH | Ballistocardiographic sensor system with a sensor arrangement and method of ballistocardiographic detection of body movements |
| WO2009150744A1 (ja) * | 2008-06-13 | 2009-12-17 | ハートメトリクス株式会社 | 睡眠状態モニタリング装置、モニタリングシステムおよびコンピュータプログラム |
| JP2011115188A (ja) * | 2008-06-13 | 2011-06-16 | Heart Metrics Kk | 睡眠状態モニタリング装置、モニタリングシステムおよびコンピュータプログラム |
| JP4680289B2 (ja) * | 2008-10-17 | 2011-05-11 | 株式会社タニタ | 睡眠評価装置及び睡眠評価方法 |
| JP5652764B2 (ja) * | 2011-02-09 | 2015-01-14 | 公立大学法人首都大学東京 | 睡眠状態判定装置及び睡眠状態判定プログラム |
| CN105559751B (zh) * | 2015-12-14 | 2018-06-12 | 安徽华米信息科技有限公司 | 监测微活动状态的方法、装置及可穿戴设备 |
| KR101853102B1 (ko) * | 2016-05-16 | 2018-05-02 | 연세대학교 산학협력단 | 가속도 센서 기반 수면분류 정보 측정기 |
| KR20180135505A (ko) * | 2017-06-12 | 2018-12-21 | 주식회사 라이프사이언스테크놀로지 | 패치형전극을 이용한 수면상태 판단장치 |
| JP7002076B2 (ja) * | 2017-12-18 | 2022-01-20 | 学校法人甲南学園 | 見守りシステム |
| US11457875B2 (en) * | 2018-03-08 | 2022-10-04 | Panasonic Intellectual Property Corporation Of America | Event prediction system, sensor signal processing system, event prediction method, and non-transitory storage medium |
| JP7419719B2 (ja) * | 2019-09-24 | 2024-01-23 | カシオ計算機株式会社 | 睡眠ステージ推定装置、睡眠ステージ推定方法及びプログラム |
| CN112294263B (zh) * | 2020-10-27 | 2022-07-29 | 杭州云睡吧健康管理有限公司 | 一种基于脑波频率的非稳定睡眠状态评估方法模型 |
| US20240032859A1 (en) * | 2021-06-25 | 2024-02-01 | Health Sensing Co., Ltd | Sleep state prediction system |
| CN114469040A (zh) * | 2022-03-08 | 2022-05-13 | 中国科学技术大学 | 心率检测方法及装置、存储介质及电子设备 |
-
2002
- 2002-08-29 JP JP2002251394A patent/JP3658580B2/ja not_active Expired - Fee Related
Also Published As
| Publication number | Publication date |
|---|---|
| JP2004089267A (ja) | 2004-03-25 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| JP3658580B2 (ja) | 睡眠深度推定装置及びこれを具えた布団 | |
| JP3877615B2 (ja) | 睡眠深度推定装置 | |
| US7429247B2 (en) | Sleep state estimating device and program product | |
| US8568330B2 (en) | Composite human physiological stress index based on heart beat and sleep and/or activity history data including actigraphy | |
| Paalasmaa et al. | Adaptive heartbeat modeling for beat-to-beat heart rate measurement in ballistocardiograms | |
| US7150718B2 (en) | Sleep state estimation device and program product for providing a computer with a sleep state estimation function | |
| EP2087841B1 (en) | Arousal level judging method and arousal level judging program | |
| JP2008006005A (ja) | 生体情報計測装置、生体情報計測方法および生体情報計測プログラム | |
| WO2009150744A1 (ja) | 睡眠状態モニタリング装置、モニタリングシステムおよびコンピュータプログラム | |
| JP5352814B2 (ja) | 自律神経成分指標推定装置及び自律神経成分指標推定方法 | |
| KR101706197B1 (ko) | 압전센서를 이용한 폐쇄성수면무호흡 선별검사를 위한 장치 및 방법 | |
| JP2011115188A (ja) | 睡眠状態モニタリング装置、モニタリングシステムおよびコンピュータプログラム | |
| JPH07143972A (ja) | 睡眠状態判定方法及びその装置 | |
| JP2006271474A (ja) | 睡眠状態推定装置 | |
| JP2006247055A (ja) | 覚醒度判定装置 | |
| CN116369888B (zh) | 一种非接触式心率变异性数据获取方法和装置 | |
| JP2022063926A (ja) | 睡眠状態推定システム | |
| WO2019000337A1 (zh) | 生理信息测量方法、存储介质及生理信息监测装置、设备 | |
| JP3829544B2 (ja) | 入眠判定装置 | |
| CN106361327B (zh) | 睡眠状态分析中清醒状态检测方法和系统 | |
| KR101034886B1 (ko) | 짧은 심장박동 주기의 변화를 이용한 졸음상태 판정 시스템 및 방법 | |
| JP2020048622A (ja) | 生体状態推定装置 | |
| CN106344008B (zh) | 睡眠状态分析中清醒状态检测方法和系统 | |
| JPH06217946A (ja) | 生体リズム曲線測定装置 | |
| KR102053329B1 (ko) | 생체 및 운동 신호 기반의 스트레스 분석 방법 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20050201 |
|
| 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: 20050215 |
|
| A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20050314 |
|
| R150 | Certificate of patent or registration of utility model |
Free format text: JAPANESE INTERMEDIATE CODE: R150 |
|
| FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20090318 Year of fee payment: 4 |
|
| FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20100318 Year of fee payment: 5 |
|
| LAPS | Cancellation because of no payment of annual fees |