JP5073371B2

JP5073371B2 - 睡眠評価装置

Info

Publication number: JP5073371B2
Application number: JP2007150646A
Authority: JP
Inventors: 周一和泉
Original assignee: Tanita Corp
Current assignee: Tanita Corp
Priority date: 2007-06-06
Filing date: 2007-06-06
Publication date: 2012-11-14
Anticipated expiration: 2027-06-06
Also published as: DE602008003952D1; US20080306351A1; EP2000090A3; EP2000090A2; US8608655B2; JP2008301951A; EP2000090B1

Description

本発明は、睡眠の質を評価する装置に関する。

従来の睡眠段階の判定は、特に医療現場において、脳波、眼球運動及びオトガイ筋電図の各データを取得し、これらデータに基づいて睡眠段階を判定する睡眠ポリグラフによってなされてきたが、前記データの取得において、人体に電極を貼り付けなければならないため、測定が煩わしい上に、測定装置の操作など専門的な知識が要求され、一般家庭において測定できるものではなかった。

そこで、寝具の下に圧電素子などの振動センサを配し、寝具上の人体の粗体動又は心拍数の内、少なくとも一方を検出し、検出された各データに基づき粗体動発生回数又は心拍数変動を算出し、これらと睡眠周期との相関から睡眠段階を判定する装置が開示されている（例えば、特許文献１参照）。
また、睡眠の段階を、より高い精度で判定するために、呼吸信号に基づいて睡眠段階を判定する装置が知られている（特許文献２）。
特開２００２−２１９１１６特開２００６−２８０６８６

しかしながら、従来の睡眠段階を判定する装置においては、睡眠の段階を知ることができても、睡眠の質の程度を総合的に評価することができなかった。
本発明は、睡眠の質の程度を総合的に評価することができる睡眠評価装置を提供することを解決課題とする。

上記課題を解決するために本発明は、生体の状態を検出して生体信号として出力する生体信号検出手段と、前記生体信号に基づいて、睡眠の状態を示すｎ（ｎは２以上の自然数）個の異なる第１パラメータを生成する第１パラメータ生成手段と、前記ｎ個の第１パラメータの各々に固有ベクトルを第１係数として乗算して得た積和値から、前記ｎ個の第１パラメータのうちいずれか２つの相関係数よりも互いの相関係数が小さいｍ（ｍは、ｎ≧ｍを満たす自然数）個の第２パラメータを選定する第２パラメータ生成手段と、前記ｍ個の第２パラメータの各々に第２係数を乗算した結果を加算して睡眠の質の程度を示す睡眠指標を算出する睡眠指標生成手段とを備えることを特徴とする。
この発明によれば、睡眠指標を生成するために用いるｍ個の第２パラメータは、互いの相関係数がｎ個の第１パラメータよりも小さい。したがって、ｍ個の第２パラメータの方が、第１パラメータよりも的確に人体の睡眠に関する状態を表すことができる。よって、この睡眠評価装置によれば、睡眠の質を的確に評価することができる。
なお、ｍ個の第２パラメータは、一次独立となるように第１係数を定めることが好ましい。また、前記第２係数は、前記第１係数に固有値の平方根を乗算した値であることが好ましい。この場合には、第２係数を因子負荷量とすることができる。よって、個々の第２パラメータの睡眠に与える影響の大きさに応じた大きさの係数値となる。

ここで、前記第１パラメータ生成手段は、前記生体信号に基づいて、前記ｎ個の第１パラメータとして、入眠潜時、睡眠効率、中途覚醒回数、深睡眠潜時、深睡眠時間、寝返り回数、総就床時間、離床潜時、睡眠時間、総睡眠時間、中途覚醒時間、REM睡眠潜時、浅睡眠時間、REM睡眠時間、睡眠段階移行回数、浅睡眠出現数、REM睡眠出現数、深睡眠出現数、REM睡眠持続時間、REM睡眠間隔時間、REM睡眠周期、睡眠周期、前半と後半の浅睡眠の割合、前半と後半のREM睡眠の割合、前半と後半の深睡眠の割合の中から少なくとも３つを生成することが好ましい。
特に、前記第１パラメータ生成手段は、前記生体信号に基づいて、前記ｎ個の第１パラメータとして、入眠潜時、睡眠効率、中途覚醒回数、深睡眠潜時、深睡眠時間、および寝返り回数を生成し、前記第２パラメータ生成手段は、前記ｍ個の第２パラメータとして、４個の第２パラメータを選定することが好ましい。この場合には、パラメータの数を４個に集約して削減することがでできる。

また、上述した睡眠評価装置において、被験者の生体の特徴を入力する入力手段を備え、前記第１パラメータ生成手段は、生体の特徴で分類された複数の母集団の各々に対応する前記第１係数を記憶しており、前記入力手段によって入力された前記被験者の生体の特徴に対応する前記第１係数を用いて前記第１パラメータを算出し、前記第２パラメータ生成手段は、生体の特徴で分類された複数の母集団の各々に対応する前記第２係数を記憶しており、前記入力手段によって入力された前記被験者の生体の特徴に対応する前記第２係数を用いて前記第２パラメータを算出することが好ましい。例えば、年齢や性別といった生体の特徴に応じて、睡眠時間や入眠潜時といったパラメータの大きさは相違する。一方、第１係数と第２係数とは、ある母集団に基づいて生成される。したがって、人体の特徴に応じて母集団を選択することによって、より正確に睡眠の質の程度を知ることができる。

加えて、前記生体信号検出手段は、人体の呼吸の変動を検出して呼吸信号を前記生体信号として出力することが好ましい。呼吸信号には体動や呼吸数などが反映されるので、これらを呼吸信号から抽出することによって、睡眠の段階を検知することができ、これによって各種の第１パラメータを生成することができる。なお、生体信号検出手段は、心拍を検出する心拍検出手段を備え、検出された心拍に基づいて呼吸信号を補正してもよい。例えば、睡眠中に無呼吸となる無呼吸症候群と呼ばれる病気がある。この病気を患う被験者の場合、連続して呼吸信号を検出できないことがある。そのような場合に検出された心拍数に基づいて、睡眠段階の検知結果を補正することにより、正確に睡眠の質を知ることができる。

本発明の実施形態は、呼吸信号を検出して、睡眠の段階を判定し、判定結果に応じて睡眠の質を評価する睡眠評価装置である。以下図面を用いて睡眠評価装置を説明する。

まず、図１及び図２を用いて、実施例１の睡眠評価装置の構成を説明する。図１は、睡眠評価装置１の使用時の外観図であり、図２は、そのブロック図を示す。図１において、睡眠評価装置１は、寝具に横臥した人体の生体信号を検出するためのセンサ部２と、センサ部２に接続され睡眠段階の判定及び睡眠の質の評価を行なう制御ボックス３とを備える。制御ボックス３は、睡眠段階の判定結果及び睡眠の評価指標などのガイダンス表示などを行なう表示部４及び電源オン／オフ又は測定開始／終了などの操作を行なう操作部５を備える。

ここで、センサ部２は、例えば、非圧縮性の流体を内封したマットレスの圧力変動を、マイクロホン（例えば、コンデンサマイクロホン）を用いて検出するものであり、図示したようにマットレスを、寝具の下に敷くことにより、仰臥位の被験者の生体信号や姿勢の変化を検出するものである。

また、図２において、制御ボックス３において、センサ部２、表示部４及び操作部５はＣＰＵ６に接続される。また、ＣＰＵ６は、センサ部２で検出された生体信号から呼吸信号を検出する呼吸検出部７、睡眠段階判定および睡眠評価のための各種判定および演算を行なう判定部８、睡眠段階判定および睡眠評価のための各種条件式や判定結果および演算結果を記憶しておく記憶部９と、睡眠の質を評価する評価部２０と、睡眠評価装置１に電力を供給する電源１０とに接続される。この場合において、ＣＰＵ６は、睡眠評価装置１を制御する制御部と時間を計測する計時部とを内部に備えるものであり、また、判定部８は、睡眠段階を判定するための次の８つの判定部を含む。すなわち、入床・離床判定部１１、体動判定部１２、覚醒判定部１３、入眠判定部１４、深睡眠判定部１５、REM・浅睡眠判定部１６、中途覚醒判定部１７及び起床判定部１８（図示略）である。ここで、本実施例においては、各判定部によって判定される睡眠段階は、覚醒段階、深睡眠段階、浅睡眠段階、REM睡眠段階の４段階を判定するものとする。なお、これら８つの判定部については、各々フローチャートを用いて後述する。

さらに、判定部８は、睡眠の一次的なパラメータを演算するための第１パラメータ演算部３０（図示略）と、主成分分析法を用いて、第１パラメータ演算部の演算結果から睡眠の二次的な第２パラメータを演算するための第２次パラメータ演算部４０（図示略）と、を有する。本実施形態では、上記第１パラメータとして、「入眠潜時（ＳＬ）」、「睡眠効率（ＳＥ）」、「中途覚醒回数（ＷＮ）」、「深睡眠潜時（ＤＬ）」、「深睡眠時間（ＤＴ）」、「寝返り回数（ＭＮ）」を演算し、第２次パラメータとして「効率性（Efficiency）」、「寝つき（Latency）」、「中途覚醒（Wake）」、「寝返り（Move）」の各パラメータを演算する。よって、第１パラメータ演算部３０として、入眠潜時演算部と、睡眠効率演算部と、中途覚醒回数演算部と、深睡眠潜時演算部と、深睡眠時間演算部と、寝返り回数演算部とを有し、第２パラメータ演算部４０として、効率性演算部、寝つき演算部と、中途覚醒演算部と、寝返り演算部とを有する（いずれも図示略）。

評価部２０は、各第２パラメータ演算部が演算したスコアに基づいて、総合睡眠点数を演算し、評価の結果を表示部４に表示する。
各パラメータ演算部３０，４０および評価部２０が実行する処理については、各フローチャートを用いて後述する。なお、呼吸検出部７、判定部８、評価部２０、第１パラメータ演算部３０、第２パラメータ演算部４０は、ＣＰＵ６が所定のプログラムを実行することによって、それらの機能を実現してもよい。

次に図３及び図４のフローチャートを用いて、睡眠評価装置１の主な動作を説明する。図３はメイン動作を示すフローチャートであり、図４は前記各判定部１１から１８を用いた睡眠段階判定の流れを示すフローチャートである。

まず図３に示すように、前記操作部５の電源オン操作により睡眠評価装置１の電源をオンすると、ステップＳ１において、就寝姿勢を取り、前記操作部５の測定開始の操作を行なうように指示するガイダンスが表示部４に表示され、測定開始操作がされたか否かを判定する。測定開始操作がされなければＮＯに進み、ステップＳ１において前記ガイダンスを表示し続ける。また、測定開始操作がされたらＹＥＳに進み、ステップＳ２において、センサ部２により生体信号が検出され、ＣＰＵ６に内蔵の計時部で計測した時刻と共に生体信号データとして記憶部９に記憶される。

ステップＳ３において、測定終了の操作がされたか否かが判断され、測定終了操作がされなければＮＯに進み、ステップＳ２の生体信号の検出及び記憶を続け、測定終了操作がされたらＹＥＳに進み、ステップＳ４において、ＣＰＵ６内の制御部により前記検出した生体信号の処理をするよう各部を制御する。すなわち、前記記憶部９に記憶した生体信号データを読み出し、呼吸検出部７において呼吸信号を検出し、この呼吸信号により得られる波形の振幅及び周期が演算され、呼吸データとして前記記憶部９に記憶する。このとき、前記呼吸データは、所定時間（例えば３０秒を１単位とする単位区間毎に記憶されるものとする（以下、この単位区間を「エポック」という）。なお、前記呼吸信号の波形の振幅及び周期の演算に関しては、既に公知であるため省略する。また、エポックの長さは３０秒に限られるものではなく、判定の精度を損なわない範囲で任意の値に設定することができる。

記憶部９に記憶された全ての生体信号データに対して、呼吸データが検出され記憶されると、ステップＳ５において、前記呼吸データを用いて、判定部８内の各判定部１１から１８により、後述する睡眠段階判定が行なわれる。

ステップＳ６において、前記睡眠段階判定の判定結果を前記表示部４に表示すると共に、ステップＳ７において、操作部５の電源オフ操作がされたか否かが判断され、電源オフ操作がされていなければＮＯに進み、ステップＳ６の表示を続け、電源オフ操作された場合にはＹＥＳに進み、睡眠評価装置１の電源をオフし終了となる。

次に図４のフローチャートを用いて、前記判定部８内における各判定部１１から１８を用いた睡眠段階判定の流れを説明する。
判定部８は、ＣＰＵ６に制御され、前記図３のステップＳ４において記憶部９に前記エポック毎に記憶された呼吸データに基づいて、以下の判定処理を順次行なうものである。

すなわち、前記各判定処理は、ステップＳ１１において、前記入床離床判定部１１により、前記呼吸データ変動に基づいて、測定開始から測定終了までの間の入床又は離床の判定を行なう。ステップＳ１２において、体動判定部１２により、呼吸データから得られる波形の振幅又は周期などに基づいて、寝返りなどの大きな動きである粗体動、いびきなどの小さな動きである細体動及び安定した呼吸状態のときに得られる無体動の各状態の内、各エポックがどの状態にあるかを判定する。ステップＳ１３において、覚醒判定部１３により、前記判定された体動の状態に基づいて明らかな覚醒状態であるか否かを判定する。ステップＳ１４において、入眠判定部１４により、入床直後の覚醒状態から、どのエポックにおいて睡眠状態へ移行したか（以下、入眠区間、または、入眠潜時と言う。）を判定する。ステップＳ１５において、深睡眠判定部１５により、呼吸データの変動と前記判定された体動の状態とから、深い睡眠状態にあるか否か判定する。ステップＳ１６において、REM・浅睡眠判定部１６により、前記深睡眠判定部１５により深睡眠状態と判定されなかった各エポックに対して、REM睡眠状態又は浅い睡眠状態のいずれかを判定する。ステップＳ１７において、中途覚醒判定部１７により、体動の継続期間に基づいて入眠状態途中での覚醒状態の有無を判定する。ステップＳ１８において、起床判定部１８により、どのエポックにおいて睡眠状態から起床状態へ移行したか（以下、起床区間と言う。）を判定する。

以上全判定が終了すると、図３のメイン動作を示すフローチャートに戻り、ステップ７における睡眠点数の演算処理を実行したのち、ステップＳ７において、各判定処理により判定された、覚醒状態、深い睡眠状態、浅い睡眠状態及びREM睡眠状態は、各々前記覚醒段階、深睡眠段階、浅睡眠段階及びREM睡眠段階として結果表示されるものである。

前記各判定部１１乃至１８の処理を、各々図５乃至図１６の各フローチャートを用いて順を追って説明する。ただし、以下アルファベットなどで示された各定数は、睡眠ポリグラフ検査のデータによる睡眠段階判定と睡眠評価装置１による実測データとの相関に基づいて設定されるものであるとする。

図５のフローチャートを用いて入床・離床判定部１１の処理を説明する。
ステップＳ２１において、記憶部９に記憶された呼吸データに対して設定した各エポックの総数をｎｍａｘ区間とし、ｎ＝１区間目からｎ＝ｎｍａｘ区間目までの各エポック毎に処理するため、ｎ＝０として初期設定する。続いてステップＳ２２において、ｎ＝ｎ＋１として１エポック分進め記憶部９の該当するエポックの呼吸データを読み込む。

ステップＳ２３において、人が通常の仰臥位でいるときに認められる呼吸振幅の大きさの最小値をＡとし、前記エポックｎ内の呼吸波形の振幅について、大きさＡ以上の振幅がｔ（ｓｅｃ）以上継続しているかどうか判定される（図６参照）。ここで、Ａ及びｔは定数であり、ｔ＜単位時間である。これに当たる場合には、呼吸が検出されていると判断しＹＥＳに進み、ステップＳ２４において、被験者は入床状態にあるとして、前記エポックｎを入床区間と判定し、ステップＳ２５において、該当するエポックｎに関連付けて記憶部９に記憶する。また、前記ステップＳ２３の条件に当てはまらない場合には、呼吸は検出されていないと判断しＮＯに進み、ステップＳ２７において、被験者は離床状態であるとして、前記エポックｎを離床区間と判定し、ステップＳ２５において、前記と同様にして記憶される。ステップＳ２６において、全エポックｎｍａｘにおいて前記入床・離床判定がなされたか否か、すなわちｎ＝ｎｍａｘかが判断され、全エポックの判定がなされていなければＮＯに進み再びステップＳ２２において、ｎ＝ｎ＋１として入床・離床判定を繰り返し、全エポックの判定がなされるとＹＥＳに進み、図４のフローチャートに戻り、次の判定に進む。

図７のフローチャートを用いて体動判定部１２の処理を説明する。
体動判定部の処理は、まず、前記エポックｎに関わらず、呼吸信号の波形の振幅から体動の大きさを判定し、次に、エポックｎ内における前記判定された体動の有無により、各エポックｎの体動状態を判定するものである。

よって、ステップＳ３１において、測定開始から測定終了までの総呼吸数をｉｍａｘ回とし、ｉ＝０として初期設定する。続いてステップＳ３２において、ｉ＝ｉ＋１として１呼吸数分進め、記憶部９のｉ＝１回目からｉ＝ｉｍａｘ回目までの各呼吸数ｉに該当する呼吸波形を読み込む。

ステップＳ３２において、更にｉ＝ｉ＋２回目とｉ＝ｉ＋３回目の呼吸波形を読み込み、この連続する３つの呼吸波形の振幅のばらつきにより体動の有無を判定する。すなわち、前記３つの呼吸波形の振幅の標準偏差≧Ｂ１（ここで、Ｂ１は、呼吸波形が安定しているか否かの閾値をしめす定数である。）かどうかを判定する。前記標準偏差＜Ｂ１であった場合、呼吸のばらつきは小さいため呼吸波形が安定していると判断しＮＯに進み、ステップＳ３８において、前記連続する３つの呼吸波形の内、ｉ＝ｉ＋１回目の呼吸は無体動状態を示すものと判定する（図８参照）。

また、標準偏差≧Ｂ１であった場合、呼吸のばらつきが大きいため体動有り、と判断しＹＥＳに進み、ステップＳ３４において、前記ｉ＝ｉ＋１回目の呼吸波形の振幅の大きさ≧Ｂ２（ここで、Ｂ２は、人が通常の仰臥位でいるときに認められる呼吸振幅の最大値であり、Ｂ２＞Ａなる定数である。）かどうかを判定する。前記振幅の大きさ≧Ｂ２であった場合ＹＥＳに進み、ステップＳ３５において、ｉ＝ｉ＋１回目の呼吸は粗体動状態であると判定する（図９参照）。また、前記振幅の大きさ＜Ｂ２であった場合ＮＯに進み、ステップＳ３６において、呼吸波形の周期により体動の大きさを判定する。すなわち、前記ｉ＝ｉ＋１回目の呼吸周期≧Ｂ３であるかどうかを判定する。前記呼吸周期≧Ｂ３であった場合ＹＥＳに進み、粗体動と状態であると判定する。また、呼吸周期＜Ｂ３であった場合ＮＯに進み、ステップＳ３７において、呼吸波形の振幅及び周期共に小さいが変動が大きいと判断され、細体動状態であると判定される（図１０参照）。

このように、粗体動、細体動及び無体動の各体動の状態が判定されると、ステップＳ３９において、該当する呼吸数ｉに関連付けて記憶部９に記憶され、ステップＳ４０において、全呼吸数ｉｍａｘにおいて前記体動判定がなされたか否か、すなわちｉ＝ｉｍａｘかが判断され、全エポックの判定がなされていなければＮＯに進み、再びステップＳ３２からｉ＝ｉ＋１として体動判定を繰り返し、全呼吸数の判定がなされるとＹＥＳに進み、今度は、ステップＳ４１以降のエポックｎ毎の体動判定を行なう（図１１参照）。

すなわち、図５のステップＳ２１及びステップＳ２２と同様にして、ステップＳ４１においてエポックｎ＝０と初期設定し、ステップＳ４２において、ｎ＝ｎ＋１として該当するエポックの呼吸データを読み込む。続くステップＳ４３において、前記読み込んだエポックｎ内に、前記粗体動状態と判定された呼吸波形が有るかどうか判定され、有る場合にはＹＥＳに進み、ステップＳ４４において、このエポックｎを粗体動区間と判定する。また、無い場合にはＮＯに進み、ステップＳ４５において、同エポックｎに、前記細体動状態と判定された呼吸波形が有るかどうか判定され、有る場合にはＹＥＳに進み、ステップＳ４６において、このエポックｎを細体動区間と判定する。また、無い場合にはＮＯに進み、ステップＳ４７において、このエポックｎを無体動区間と判定する。

このように、粗体動区間、細体動区間及び無体動区間の判定がなされると、ステップＳ４８において、該当するエポックｎに関連付けて記憶部９に記憶され、ステップＳ４９において、全エポックｎｍａｘにおいて上記判定がなされたか否か判断され、全エポックの判定がなされていなければＮＯに進み、再びステップＳ４２からｎ＝ｎ＋１としてエポック毎の体動判定を繰り返し、全エポックの判定がなされるとＹＥＳに進み、図４のフローチャートに戻り、次の判定に進む。

図１２のフローチャートを用いて覚醒判定部１３の処理を説明する。
前述と同様にエポック毎の判定を行なうため、ステップＳ５１において、エポックｎ＝０と初期設定し、ステップＳ５２において、ｎ＝ｎ＋１として該当するエポックｎの呼吸データを読み込む。以下、図１１に示すように、続くステップＳ５３において、例えば、前記読み込んだエポックｎの前後各±２区間の合計５区間のエポックが記憶部９内に存在するかどうか判断される。存在しない場合にはＮＯに進み、再びステップＳ５２に戻りｎ＝ｎ＋１として進める。また前記５区間が存在する場合にはＹＥＳに進み、５区間を記憶部９より読み込む。続くステップＳ５５において、前記５区間の各エポックの体動値Ｚを求める。前記体動値Ｚは、前記図７を用いて詳述した体動判定部１２の体動区間の判定に基づき、粗体動区間であればＺ＝２、細体動区間であればＺ＝１、無体動区間であればＺ＝０として定義される値である。これと共に、前記各エポックの体動値Ｚに基づいて５区間の体動値Ｚの総和（ここで、０≦Ｚの総和≦１０であり、以下、Ｚの総和をΣＺと言う場合がある。）も求める。

ステップＳ５６において、前記５区間の体動値Ｚの総和＝１０であるか否かが判定される。前記Ｚの総和＝１０であった場合ＹＥＳに進み、ステップＳ５７において、前記５区間全てが粗体動区間であることから、前記ステップＳ５２で読み込んだエポックｎ（５区間の中央のエポック）を覚醒状態にある覚醒区間と判定する。また、体動値Ｚの総和が１０に満たない場合ＮＯに進み、ステップＳ５８において、ステップＳ５６と同様にして、５≦前記体動値Ｚの総和≦９であるか否かが判定される。前記Ｚの総和がこの範囲内にあった場合にはＹＥＳに進み、ステップＳ５９において、前記エポックｎを、呼吸状態が比較的不安定であるREM睡眠又は浅睡眠状態の可能性が高い不安定区間と判定する。また、Ｚの総和が前記範囲になかった場合、すなわちＺの総和≦４であった場合にはＮＯに進み、前記エポックｎを呼吸状態が比較的安定している深睡眠又は浅睡眠状態の可能性が高い安定区間と判断する。

このように、覚醒区間、不安定区間及び安定区間の判定がなされると、ステップＳ６１において、該当するエポックｎに関連付けて記憶部９に記憶され、ステップＳ６２において、エポックｎｍａｘが前記５区間の中に存在したかどうか判断され、存在していなければＮＯに進み、再びステップＳ５２に戻りｎ＝ｎ＋１としてエポック毎の覚醒判定を繰り返し、存在していた場合にはＹＥＳに進み、図４のフローチャートに戻り、次の判定に進む。

図１３のフローチャートを用いて入眠判定部１４の処理を説明する。
入床直後の初期の覚醒状態から睡眠状態へ移行するエポック（以下、入眠区間と言う。）を判定するために、前記図１２に詳述した覚醒判定部１３により、体動値Ｚによる覚醒判定に加えて、人の入眠の傾向に基づいて、より詳細に初期の覚醒区間を判定していくことによって前記入眠区間を定義するものである。

前述と同様にエポック毎の判定を行なうため、ステップＳ７１において、エポックｎ＝０と初期設定し、ステップＳ７２おいて、ｎ＝ｎ＋１として該当するエポックｎの呼吸データを読み込む。続くステップＳ７３において、読み込んだエポックｎが、前記図１２で詳述した不安定区間であるか否かを判定する。ただし、この不安定区間は初期の覚醒区間の継続後に初めて出現する不安定区間である。よって、前記不安定区間でない場合にはＮＯに進み、このエポックを改めて覚醒区間として置き換えて記憶し、再びステップＳ７２からの処理を前記不安定区間を読み込むまで繰り返す。このとき、前記エポックが安定区間であった場合であっても、通常の人の呼吸においては、入床直後の初期の覚醒状態から不安定状態を経ずに、突如として安定状態が現れることは考えにくい。従って、この安定区間は信頼性の低いデータであると容易に推定可能であり、覚醒区間として置き換えることは妥当であると言える。

また、前記エポックｎが不安定区間であった場合にはＹＥＳに進み、前記エポックｎから一定区間数Ｃ１までの間に覚醒区間と判定されたエポックが存在するか否かが判定される。ここで、前記エポックｎが入眠区間であるとした場合、人の睡眠において、入眠直後に覚醒することは考えにくいことから、前記一定区間数Ｃ１は、人が通常入眠直後に覚醒しないとされる範囲を設定した定数である。従って、前記エポックｎから一定区間数Ｃ１までの間に覚醒区間が存在した場合にはＮＯに進み、前記エポックｎを覚醒区間と置き換えて記憶し、再びステップＳ７２からの処理を繰り返す。また、覚醒区間が存在しなかった場合にはＹＥＳに進み、ステップＳ７５において前記エポックｎを入眠（仮）区間として、ステップＳ７７以降の処理によって、より厳密に入眠区間を判定する。

ステップＳ７７以降の処理は、発明者が実測により見出した、人の入眠付近の３つの呼吸変動傾向に基づいて、前記入眠（仮）区間以降の不安定区間と判定されたエポックの内、どのエポックまでを覚醒区間と見なして置換すべきかを判定することにより、その直後のエポックを入眠区間として定義するものである。

まず、ステップＳ７７において、図５を用いて詳述した入床・離床判定部１１により入床区間と判定された各エポックの内、測定開始後最も早く入床区間と判定されたエポックから前記入眠（仮）区間の直前のエポックまでを基準範囲として設定し、この基準範囲において、各エポック毎の呼吸数に対する分散σ^２を求める。また、前記基準範囲を含み、前記入眠（仮）区間から一定区間数α、β及びγ（ここで、α、β及びγは、α＜β＜γとして設定される定数であり、前記３つの呼吸変動傾向を判別するために適した時間間隔を実測から割り出して設定されるものである。）分増加させた範囲までを、各々α範囲、β範囲及びγ範囲とし、各範囲を設定するエポックを各々α区間、β区間及びγ区間として定義し、前記基準範囲と同様にして、これら各範囲の呼吸数の分散を求め、各々σα^２、σβ^２及びσγ^２とする。これら分散σ^２、σα^２、σβ^２及びσγ^２に基づいて、前記３つの呼吸変動傾向を各々条件Ｄ、条件Ｅ及び条件Ｆとして判定する。

１つ目の呼吸変動傾向は、被験者の呼吸のばらつきが急速に低減して睡眠状態に至るものである。従って、ステップＳ７８において、「σα^２＞σβ^２（式１）」且つ「σβ^２≦Ｃ２（式２）」なる式により定義される条件Ｄにより判定される。すなわち、前記式１に示すように、範囲の増加に従って急速に呼吸数のばらつきが減少し、且つ、前記式２に示すように、母集団の増加に伴う分散が一定数Ｃ２よりも小さくなるものである。ここで、前記Ｃ２は、入眠後に現れる呼吸数のばらつきに有意に近しいと判定可能な定数である。この条件Ｄに該当する場合には、β区間はすでに睡眠状態にあると判定できる。

これに従い、条件Ｄに該当する場合にはＹＥＳに進み、ステップＳ７９において、少なくとも、α区間までは覚醒区間であると判定し、このα区間の直後のエポックを入眠区間として決定する。また、条件Ｄに該当しない場合にはＮＯに進み、ステップＳ８０において、２つ目の呼吸変動傾向の判定を行なう。

２つめの呼吸変動傾向は、被験者の呼吸のばらつきが徐々に低減して睡眠状態に至るものである。従って、「σ^２×Ｃ３≧σα^２≧σβ^２（式３）」なる式により定義される条件Ｅにより判定される。ここで、前記Ｃ３は、Ｃ３＜１なる定数であり、基準範囲のばらつきに対して何割か低減させるものである。ただし、前記式２のＣ２との間にはσ^２×Ｃ３＞Ｃ２なる関係が存在する。従って、式３に示すように、前記Ｃ３により低減した基準範囲のばらつきに対し、α範囲のばらつきが小さく、β範囲のばらつきは更に小さくなるものである。

これに従い、条件Ｅに該当する場合にはＹＥＳに進み、ステップＳ７９において、ばらつきは非常に緩やかではあるが減少傾向にあることから、前記β区間までを覚醒区間であると判定し、このβ区間の直後のエポックを入眠区間として決定する。また条件Ｅに該当しない場合にはＮＯに進み、ステップＳ８１において、３つ目の呼吸変動傾向の判定を行なう。

３つ目の呼吸変動傾向は、被験者の呼吸のばらつきが、基準範囲の呼吸のばらつきに比べて一旦ばらつきが増大した後に、再び減少するものである。従って、「σ^２＜σβ^２（式４）」且つ「σγ^２＜σβ^２（式５）」なる式により定義される条件Ｆにより判定される。ここで、この傾向は条件Ｄ及びＥに比べ、比較的長いスパンで見られる現象であることから、上記β範囲及びγ範囲を用いた条件としたものである。

これに従い、条件Ｆに該当する場合にはＹＥＳに進み、ステップＳ７９において、前記γ範囲の内、少なくとも前記ばらつきが増大したβ区間までは覚醒区間であると判定し、β区間の直後のエポックを入眠区間として決定する。

また条件Ｆに該当しない場合にはＮＯに進む。これは、前記条件Ｄ、Ｅ及びＦの何れの条件にも該当しなかった場合であり、ステップＳ８２において、前記区間数α、β及びγを各々区間数δだけ増加して、α範囲、β範囲及びγ範囲を各々再設定した上で、再びステップＳ７８に戻り、前記条件Ｄ、条件Ｅ及び条件Ｆを、入眠区間が決定するまで繰り返す。

また、前記ステップＳ７９において、入眠区間が決定されると、ステップＳ８３において、該当するエポックｎに関連付けて、前記覚醒区間及び入眠区間を記憶した後、図４のフローチャートに戻り、次の判定に進む。

図１４のフローチャートを用いて深睡眠判定部１５の処理を説明する。
ここで、深睡眠状態において、呼吸は穏やかな一定リズムになり、体動はほぼ起こらなくなることから、以下の判定を行なうものである。

前述と同様にエポック毎の判定を行なうため、ステップＳ９１において、エポックｎ＝０と初期設定し、ステップＳ９２おいて、ｎ＝ｎ＋１として該当するエポックｎの呼吸データを読み込む。続くステップＳ９３において、読み込んだエポックｎが、前記図１２で詳述した安定区間であるか否かを判定する。安定区間でない場合には、再びステップＳ９２に戻りｎ＝ｎ＋１として安定区間に該当するまで繰り返す。また安定区間であった場合にはＹＥＳに進み、ステップＳ９４において、多数の判定条件を複合した条件Ｇの判定を行なう。

前記条件Ｇは、「エポックｎ内の呼吸数≦Ｈ１」且つ「エポックｎ内の呼吸波形の周期の標準偏差≦Ｈ２」且つ「エポックｎとエポックｎの±１区間との呼吸数の差≦Ｈ３」且つ「エポックｎは無体動区間である」の条件を満たすときに、前記エポックｎを深睡眠区間として判定するものである（ここで、Ｈ１、Ｈ２及びＨ３は、実測により求められる定数である。）。

従って、ステップＳ９４において、読み込んだエポックｎが条件Ｇを満たした場合にはＹＥＳに進み、ステップＳ９５において、前記エポックｎを深睡眠区間と判定し、ステップＳ９６において記憶部９に記憶する。また、条件Ｇを満たさなかった場合にはＮＯに進み、ステップＳ９７において、不安定区間であると判断し、ステップＳ９６において、前記安定区間を不安定区間として置きかえて記憶部９に記憶する。ステップＳ９８において、全エポックｎｍａｘにおいて上記判定がなされたか否か判断され、全エポックの判定がなされていなければＮＯに進み、再びステップＳ９２からのステップを繰り返し、全エポックの判定がなされるとＹＥＳに進み、図４のフローチャートに戻り、次の判定に進む。

図１５のフローチャートを用いて、REM・浅睡眠判定部１６の処理を説明する。
ここで、REM睡眠状態においては、呼吸数の増加及び変動が継続して起こり、体動も多くなることから、以下の判定を行なうものである。

前述と同様にエポック毎の判定を行なうため、ステップＳ１０１において、エポックｎ＝０と初期設定し、ステップＳ１０２において、ｎ＝ｎ＋１として該当するエポックｎの呼吸データを読み込む。

ステップＳ１０３において、読み込んだエポックｎが、ｎ≠ｎｍａｘであるか且つ前記図１２で詳述した不安定区間であるか否かを判定する。エポックｎがｎ≠ｎｍａｘ且つ不安定区間であった場合にはＹＥＳに進み、ステップＳ１０４において、不安定区間の継続回数をｊ＝ｊ＋１としてカウントし、続くステップＳ１０５において、「全入床区間における各エポック内の呼吸数の平均値≦エポックｎの呼吸数」なる、条件Ｉの判定を行なう。すなわち、前述したように、REM睡眠においては呼吸数の増加が見られることから、睡眠中の平均的な呼吸数よりも前記エポックｎの呼吸数の方が多いか否かを判定するものである。

この条件Ｉを満たさない場合にはＮＯに進み、ステップＳ１０６において、前記継続回数ｊ＝１からｊ＝ｊまでの各エポックを浅睡眠区間と判定する。また、条件Ｉを満たす場合にはＹＥＳに進み、再びステップＳ１０２においてｎ＝ｎ＋１として不安定区間の検出を行う。

前記ステップＳ１０３において、エポックｎが、ｎ＝ｎｍａｘであるか又は不安定区間でない場合にはＮＯに進み、ステップＳ１１０において、不安定区間の継続回数ｊ＝０か否かを判断しｊ＝０であればＹＥＳに進み、再びステップＳ１０２に戻ってｎ＝ｎ＋１として不安定区間に該当するまで繰り返す。またｊ＝０でない場合にはＮＯに進み、ステップＳ１１１において、前記条件Ｉを満たす、継続回数ｊ＝１からｊ＝ｊまでの不安定区間に対して、継続回数ｊが一定回数ｊｘ以上か否か、ｊ≧ｊｘ（ここで、ｊｘは、REM睡眠状態の可能性を示唆する継続数である。）の判定がなされる。超えていない場合にはＮＯに進み、前記ステップＳ１０６に示したｊ＝１からｊ＝ｊまでの各エポックを浅睡眠区間と判定する。また、超えた場合にはＹＥＳに進み、ステップＳ１１２において、前記継続回数ｊ＝１からｊまではREM睡眠状態である可能性が高いとして、各エポックをREM睡眠（仮）区間と判定する。

ここで、睡眠時無呼吸症候群などによる無呼吸状態があった場合には、努力性呼吸が起きるため、前記ステップＳ１０５における条件Ｉの「エポックｎの呼吸数」は増加することになり、この異常値に基づいて前記条件Ｉが判定され、浅睡眠区間と判定されるべき区間がREM（仮）区間と判定されてしまう。そこで、ステップＳ１１３において、「全入床区間における安定区間数／（全入床区間数−覚醒区間）≧ｋ」なる条件Ｋの判定により、睡眠中の安定区間（すなわち深睡眠状態又は浅睡眠状態）が、所定の割合ｋ以上出現しているか否かを判定することにより、少なくとも一般的に正常とされる睡眠が保たれているかどうか判定するものである。前記条件Ｋを満たす場合には、睡眠は正常であり、条件Ｉの判定は妥当であると判断しＹＥＳに進み、ステップＳ１１５において、継続回数ｊ＝１からｊまでの各エポックをREM睡眠区間と決定する。また、前記条件Ｋを満たさない場合、異常な睡眠状態があったと判断しＮＯに進み、ステップＳ１１４において、条件Ｌによる判定を行なう。

条件Ｌは、継続回数ｊ＝１からｊまでのREM睡眠（仮）区間において、「（各区間の最大呼吸数−各区間の最小呼吸数）／REM睡眠（仮）区間数≧Ｌｘ」の判定により、呼吸数にばらつきがあってもそれが正常な範囲か否かを判定するものであり、Ｌｘは、呼吸が異常であると定義する最小値である。すなわち、前記継続回数ｊ＝１からｊまでのREM睡眠（仮）区間のいずれかに無呼吸状態が出現したとするものである。従って、条件Ｌを満たす場合、すなわち呼吸に異常がある場合にはＹＥＳに進み、ステップＳ１０６において、前記REM睡眠（仮）区間とした継続回数ｊ＝１からｊまでの各エポックを前記浅睡眠区間として決定する。また、条件Ｌを満たさない場合、すなわち呼吸が正常である場合にはＮＯに進み、ステップＳ１１５において、前記REM睡眠（仮）区間とした継続回数ｊ＝１からｊまでの各エポックを前記REM睡眠区間と決定する。

前記REM睡眠区間及び浅睡眠区間が決定されると、ステップＳ１０７において各エポックｎに関連付けて記憶部９に記憶され、ステップＳ１０８において、継続回数ｊを一旦０に戻し、ステップＳ１０９において、全エポックｎｍａｘにおいて上記判定がなされたか否か判断され、全エポックの判定がなされていなければＮＯに進み、再びステップＳ１０２からのステップを繰り返し、全エポックの判定がなされるとＹＥＳに進み、図４のフローチャートに戻り、次の判定に進む。

図１６のフローチャートを用いて、中途覚醒判定部１７の処理を説明する。
睡眠状態にあっても、体動がある一定時間以上継続した場合には、途中で目覚めたと解することができ、以下の判定を行なうものである。

前述と同様にエポック毎の判定を行なうため、ステップＳ１２１において、エポックｎ＝０と初期設定し、ステップＳ１２２おいて、ｎ＝ｎ＋１として該当するエポックｎの呼吸データを読み込む。ステップＳ１２３において、読み込んだエポックｎが、ｎ≠ｎｍａｘであるか、且つ、図７に詳述した体動判定部１２で判定した、粗体動、細体動及び無体動の内、粗体動区間又は細体動区間のいずれか一方（以下、体動区間と言う）であるかを判定する。

エポックｎがｎ≠ｎｍａｘ且つ体動区間であった場合にはＹＥＳに進み、ステップＳ１２４において、継続回数ｍ＝ｍ＋１としてカウントし、再びステップＳ１２２においてｎ＝ｎ＋１として体動区間の検出を繰り返す。また、エポックｎが、ｎ＝ｎｍａｘであるか又は体動区間であった場合にはＮＯに進み、ステップＳ１２５において、前記継続回数ｍがｍ≧ｍｘ（ここで、ｍｘは、中途覚醒の可能性を含む体動区間継続数である。）であるか否かが判断され、ｍ≧ｍｘの場合にはＹＥＳに進み、ステップＳ１２６において、ｍ＝１からｍ＝ｍまでの各エポックは覚醒状態にあると判定し、各エポックが深睡眠区間、浅睡眠区間及びREM睡眠区間として記憶されている場合であっても、各エポックを覚醒区間と置きなおして記憶部９に記憶し、ステップＳ１２７において、継続回数ｍを一旦０に戻す。

また、継続回数ｍがｍｘを超えていない場合にはＮＯに進み、そのまま前記ステップＳ１２７において、継続回数ｍ＝０とする。ステップＳ１２８において、全エポックｎｍａｘにおいて上記判定がなされたか否か判断され、全エポックの判定がなされていなければＮＯに進み、再びステップＳ１０２からのステップを繰り返し、全エポックの判定がなされるとＹＥＳに進み、図１７に詳述する中途覚醒条件判定において、発明者が実測により見出した、人の中途覚醒時の傾向に基づいて定義した各条件により詳細に中途覚醒を判定する。この判定がなされた後に、図４のフローチャートに戻り、次の判定に進む。

ここで、図１７のフローチャートを用いて、前記中途覚醒条件判定を説明する。前記中途覚醒条件判定は、ステップＳ１３１において、エポックｎ＝０と初期設定し、ステップＳ１３２において、ｎ＝ｎ＋１として該当するエポックｎの呼吸データを読み込む。

ステップＳ１３３においては、まず、各エポックｎ毎の体動の状態を求める。すなわち、前述の体動判定部１２の説明において、図７のフローチャートのステップＳ３９において、１呼吸ｉに関連付けて記憶した粗体動、細体動及び無体動の各状態に対して、前記粗体動状態であればＵ＝２とし、同様にして細体動状態であればＵ＝１、無体動状態であればＵ＝０として、前記読み込んだエポックｎ内の各呼吸ｉに応じて前記体動の状態を前記Ｕの総和（以下、ΣＵと言う）として求める。

次に、前記エポックｎにおいてΣＵ≧２か否かが判断される。ΣＵ≧２の場合にはＹＥＳに進み、ステップＳ１３４において、継続回数ｍ＝ｍ＋１としてカウントする。また、ΣＵ≧２でなかった場合にはＮＯに進み、継続回数をカウントせずにステップＳ１３５において、前回までカウントした継続回数がｍ≧ｍｐ（ここで、ｍｐは、中途覚醒の可能性を含む体動区間継続数を示す定数であり、ｍｐ＜ｍｘなる定数である。）であるか否かを判断する。ｍ≧ｍｐでなかった場合には、中途覚醒の可能性はないとしてＮＯに進み、ステップＳ１４０において継続回数をｍ＝０に戻す。また、ｍ≧ｍｐであった場合には、継続回数ｍ＝１からｍ＝ｍまでの各エポックｎが覚醒状態にある可能性があるといえるためＹＥＳに進み、次の条件判定を行なう。

すなわち、ステップＳ１３６において、前記継続回数ｍ＝１からｍ＝ｍまでのエポックの内、「（ΣＵ≧１０のエポックｎの数）≧ｍ１％」（ここで、ｍ１は全継続回数ｍに対する割合を示す定数である。）に該当するか否かを判定する。この条件に該当する場合にはＹＥＳに進み、ステップＳ１３９において、前記継続回数ｍ＝１からｍ＝ｍまでの各エポックｎを覚醒区間として置きなおし、記憶部９に記憶する。また、前記条件に該当しない場合にはＮＯに進み、次の条件判定を行なう。

すなわち、ステップＳ１３７において、「（ΣＵ≧１０のエポックｎの数）≧ｍ２％」（ここで、ｍ２は全継続回数ｍに対する割合を示す定数であり、ｍ２＜ｍ１なる定数である。）に該当するか否かを判定する。この条件に該当しない場合には、ｍ＝１からｍ＝ｍまでの間に中途覚醒の可能性はないものとしてＮＯに進み、ステップＳ１４０において継続回数をｍ＝０に戻す。前記条件に該当する場合には、中途覚醒の可能性ありと判定しＹＥＳに進み、更に条件を加える。

すなわち、ステップＳ１３８において、「（ｍ＝１からｍ＝ｍまでの全エポックの平均呼吸数）≧（ｎ＝１からｎ＝ｎｍａｘまでの全エポックの平均呼吸数）×ｍｑ」に該当するか否かを判定する。ここで、ｍｑはｍｑ＞１なる定数であり、一般的に睡眠状態での呼吸数に比べて覚醒状態での呼吸数の方が多いとされていることから、睡眠状態を含むｎ＝１からｎ＝ｎｍａｘまでのエポックの平均呼吸数のｍｑ倍よりも、ｍ＝１からｍ＝ｍまでのエポックの平均呼吸数が多ければ、明らかに覚醒状態にあると判定できると言える。

前記条件を満たしていなければ、ｍ＝１からｍ＝ｍまでの間に中途覚醒の可能性はないとしてＮＯに進み、ステップＳ１４０において継続回数をｍ＝０に戻す。また、前記条件を満たしている場合にはＹＥＳに進み、ステップＳ１３９において、前記継続回数ｍ＝１からｍ＝ｍまでの各エポックｎを覚醒区間として置きなおし、記憶部９に記憶した後、ステップＳ１４０において継続回数がｍ＝０に戻す。ステップＳ１４１において、全エポックｎｍａｘにおいて上記判定がなされたか否か判断され、全エポックの判定がなされていなければＮＯに進み、再びステップＳ１３２からのステップを繰り返し、全エポックの判定がなされるとＹＥＳに進み、図１６のフローチャートに戻る。

図１８のフローチャートを用いて、起床判定部１８の処理を説明する。
ステップＳ１５１において、エポックｎ＝ｎｍａｘとし、ステップＳ１５２において、ｎ＝ｎ−１として時間的に遡って、該当するエポックｎを読み込む。ステップＳ１５３において、読み込んだエポックｎが、睡眠状態と判定されているか否か、すなわち、深睡眠区間、浅睡眠区間及びREM睡眠区間の内いずれか（以下、睡眠区間と言う。）に該当するか否かを判定する。睡眠区間に該当しない場合にはＮＯに進み、再びステップＳ１５２においてｎ＝ｎ−１として睡眠区間の検出を繰り返す。また前記エポックｎが睡眠区間であった場合にはＹＥＳに進み、ステップＳ１５４において、このエポックｎを起床（仮）区間として定義する。続くステップＳ１５５において、前記起床（仮）区間から更に一定区間数Ｒまで遡った各エポックにおいて、覚醒区間が存在するか否かを判定する。ここで、人の通常の睡眠において、目覚める一定時間前に覚醒が起こることはないと見なせることから、前記一定区間数Ｒは、前記一定時間を定義するものである。前記覚醒区間が存在した場合にはＹＥＳに進み、ステップＳ１５８において、この検出された覚醒区間から前記起床（仮）区間までの各エポックを覚醒区間として定義し、ステップＳ１５４において、前記検出された覚醒区間の一つ前のエポックを新たに起床（仮）区間として再定義し、再びステップＳ１５５において、前記一定区間数Ｒを設定する。また、前記ステップＳ１５５において、一定区間数Ｒまでの間に覚醒区間が存在しなかった場合にはＮＯに進み、ステップＳ１５６において、前記起床（仮）区間を起床区間として決定し、ステップＳ１５７において、該当するエポックｎに関連付けて記憶部９に記憶して、図３のメイン動作を示すフローチャートに戻る。

続いて、ＣＰＵ６は、図３のステップＳ６に進み、睡眠点数演算処理を実行する。睡眠点数演算処理では、睡眠の質の程度を総合的に示す睡眠点数（睡眠指標）を演算により算出する。被験者が就寝姿勢を取ってから起床するまでの１回の睡眠において、上述した覚醒、REM睡眠、浅睡眠、および深睡眠といった睡眠段階を判別することによって、図２９に示すように、入眠潜時、深眠潜時、深睡眠時間、中途覚醒回数、寝返り回数、および睡眠効率といった睡眠の状態を示す第１パラメータを得ることができる。これらの第１パラメータは、単体でも睡眠の質をある程度評価することができる。
しかしながら、単体での評価は、睡眠の状態のある一部を評価しているに過ぎない。例えば、深睡眠時間が長いことは、睡眠の質が高いことを意味するが、深睡眠時間が長くても入眠潜時が長ければ、寝つきが悪いことを意味する。この場合、深睡眠時間のみに着目したのでは、睡眠の質を総合的に評価することはできない。
そこで、本実施形態では、睡眠の質を総合的に評価するために、評価指標である睡眠点数を導くのに第２パラメータを主成分分析法に従って選定する。

第１に、ある母集団について、複数の第１パラメータを測定する。この例では、入眠潜時、深眠潜時、深睡眠時間、中途覚醒回数、寝返り回数、および睡眠効率を第１パラメータとする。

第２に、複数の第１パラメータの相互の相関係数を算出し、相関行列を求める。６個の第１パラメータに基づく相関行列は、以下の式（１）に示す行列式で与えられる。但し、ｒ１１〜ｒ６６は相関係数である。

第３に、相関行列に基づいて、第１乃至第６主成分Ｚ１〜Ｚ６、固有ベクトルａ１１〜ａ６６を算出する。これらは、以下の式（２）〜（７）で与えられる。
Ｚ１＝ａ11Ｘ1+ａ12Ｘ2+ａ13Ｘ3+ａ14Ｘ4+ａ15Ｘ5+ａ16Ｘ6…式（２）
Ｚ２＝ａ21Ｘ1+ａ22Ｘ2+ａ23Ｘ3+ａ24Ｘ4+ａ25Ｘ5+ａ26Ｘ6…式（３）
Ｚ３＝ａ31Ｘ1+ａ32Ｘ2+ａ33Ｘ3+ａ34Ｘ4+ａ35Ｘ5+ａ36Ｘ6…式（４）
Ｚ４＝ａ41Ｘ1+ａ42Ｘ2+ａ43Ｘ3+ａ44Ｘ4+ａ45Ｘ5+ａ46Ｘ6…式（５）
Ｚ５＝ａ51Ｘ1+ａ52Ｘ2+ａ53Ｘ3+ａ54Ｘ4+ａ55Ｘ5+ａ56Ｘ6…式（６）
Ｚ６＝ａ61Ｘ1+ａ62Ｘ2+ａ63Ｘ3+ａ64Ｘ4+ａ65Ｘ5+ａ66Ｘ6…式（７）
但し、Ｘ１〜Ｘ６は、上述した６個の第１パラメータである。第１乃至第６主成分Ｚ１〜Ｚ６は互いに直交するように固有ベクトルａ１１〜ａ６６が定められる。直交するとは互いに独立であり、両者の間に相関がないことを意味する。

第４に、固有ベクトルａ１１〜ａ６６が適切に第１乃至第６主成分Ｚ１〜Ｚ６の意味を反映しているかを判定する。例えば、入眠潜時がＸ１であり、ａ１１＞０、ａ２１＜０であるとする。この場合には、第１主成分Ｚ１については、入眠潜時が大きくなると、値が大きくなり、それだけ睡眠の質の程度が向上することを意味する。一方、第２主成分Ｚ２については、入眠潜時が大きくなると、値が小さくなり、それだけ睡眠の質の程度が低下することを意味する。これは、睡眠の質の程度を正確に反映していない。このように固有ベクトルａ１１〜ａ６６が適切に第１乃至第６主成分Ｚ１〜Ｚ６の意味を反映していないのは、第１パラメータの選定に誤りがある。このため、第１パラメータの組を棄却して、他の第１パラメータの組を採用する。

第５に、次の行列式から第１乃至第６主成分Ｚ１〜Ｚ６の固有値λ１〜λ６を求める。

固有値λ１〜λ６は、第１乃至第６主成分Ｚ１〜Ｚ６の分散と関係があり、固有値が大きい程、分散が大きくなり、固有値が小さい程、分散が小さくなる。そして、分散が大きい程、対応する主成分の重要度が高くなる。すなわち、固有値が大きい程、対応する主成分が全体をより適切に表現していることになる。

第６に、第１乃至第６主成分Ｚ１〜Ｚ６の寄与率を算出する。寄与率は各主成分の固有値が全ての固有値の合計に占める割合である。なお、相関行列に基づいて固有値を算出した場合には、寄与率は各固有値λ１〜λ６を主成分数である「６」で割って得られる。

第７に、第１主成分Ｚ１〜Ｚ６を寄与率が大きいものから順に並べ、累積寄与率が０．８を超えた時点で、それまでの主成分を第２パラメータとして採用する。例えば、主成分の分析が下記の表で与えられ、Ｋ３＜０．８＜Ｋ４である場合、第４主成分までを第２パラメータとして採用する。

第８に、固有ベクトルに固有値の平方根を乗じて因子負荷量を算出し、所定の基準値（例えば，０．５）以下のものを削除する。なお、削除せずにそのまま用いてよいことは勿論である。
以上、第１乃至第８のステップを経て、４個の第２パラメータが選定され、後述する式（１４）〜式（１７）が導かれる。

ここで、４個の第２パラメータは、６個の第１パラメータＸ１〜Ｘ６の各々と式（２）〜（５）に示す第１係数ａ１１〜ａ４６の積和算によって得られる。第１係数ａ１１〜ａ４６は固有ベクトルであるから、４個の第２パラメータＺ１〜Ｚ４は、互いに一次独立の関係にある。すなわち、６個の第１パラメータのうちいずれか２つの相関係数よりも、互いの相関係数が小さい４個の第２パラメータを生成する。したがって、第２パラメータは第１パラメータを睡眠の観点から集約したものであって、各々が睡眠の特徴を端的にあらわしている。よって、第２パラメータを用いて睡眠を評価することによって、第１パラメータの単体や、これらを適当に組み合わせたものと比較して、より的確な評価指標を得ることができる。

図１９は、睡眠点数演算処理における各演算の流れを示すフローチャートであり、図２０〜図２８は、ステップＳ１６１〜Ｓ１６９における各演算処理の詳細な流れを示すフローチャートである。また、図２９は、当該演算処理で演算されるパラメータを説明するためのタイムチャートである。なお、以下の説明では、これらの処理をＣＰＵ６が所定のプログラムに従って実行するものとする。

この睡眠点数演算処理は、被験者が完全に覚醒（すなわち、起床）した後に実行される。被験者が完全に覚醒した状態とは、所定期間、被験者の呼吸が検出されない状態が継続した場合に完全覚醒状態であると判断してもよいし、電源１０とは別個に測定開始／終了ボタン（図示略）を設けて、終了ボタンが押し下げされた場合に、完全覚醒状態であると判断してもよい。そして、記憶部９には、測定が開始（図２９の時刻ｔ０）されてから終了（時刻ｔｅ）するまでの各エポックにおける状態（すなわち、ステップＳ５における睡眠段階判定処理の結果）が記憶されており、睡眠点数演算処理に利用される。

図１９に示されるように、睡眠点数演算処理においては、まず、入眠潜時算出処理（ステップＳ１６１）が実行される。センサ部２による測定を開始して最初のエポックにおいては、被験者は覚醒状態にある。よって、入眠潜時算出処理においては、図２０に示されるように、まず、ステップＳ１７１において、次のエポックに進む。続いて、当該エポックが覚醒状態であるか否か判定する（ステップＳ１７２）。この判定が肯定された場合、入眠潜時ＳＬの値をインクリメントし（ステップＳ１７３）、ステップＳ１７１の処理およびステップＳ１７２の判定を繰り返す。ここで、図２９に示されるように、入眠潜時Ｓは、被験者が測定を開始（時刻ｔ０）してから入眠（時刻ｔｘ）するまでに要したエポック数であり、その初期値は、ＳＬ＝１に設定される。そして、ステップＳ１７３の処理が実行される度に、１だけ増分されて、記憶部９に記憶される。一方、ステップＳ１７２の判定が否定された場合、入眠潜時算出処理は終了し、図１９のフローチャートに戻る。すなわち、最後にステップＳ１７３の処理が実行された結果が、入眠潜時ＳＬの演算値として記憶される。

続いて、ＣＰＵ６は、図１９における睡眠効率算出処理（ステップＳ１６２）に進み、図２１に示す睡眠効率算出処理を実行する。睡眠効率ＳＥは、測定が開始（図２９の時刻ｔ０）されてから終了（時刻ｔｅ）するまでの総エポック数をＩＡとし、後述の判定ステップＳ１８３において覚醒状態であると判定されたエポックの数（覚醒エポック数）をＩとした場合に、（ＩＡ−Ｉ）／ＩＡで求められる値である。よって、当該睡眠効率算出処理において、最初のエポックは覚醒状態であるので、覚醒エポック数（Ｉ）の初期値は１に設定され、ステップＳ１８３において、判定対象のエポックが覚醒であると判定される度にインクリメントされる（ステップＳ１８４）。

図２１に示されるように、ステップＳ１８１において、ＣＰＵ６は、まず、次のエポックに進む。続いて、ステップＳ１８２において、当該エポックが完全覚醒状態に遷移する直前のエポック（図２９の最終エポックＥｅ）であるか否か判定する。この判定が否定された場合、当該エポックは覚醒状態であるか否か判定する（ステップＳ１８３）。この判定結果が肯定的された場合、ステップＳ１８４に進み、覚醒エポック数（Ｉ）の値がインクリメントされ、ステップＳ１８１に戻り、次のエポックに進む。一方、ステップＳ１８３の判定条件が否定された場合、覚醒エポック数（Ｉ）の値をインクリメントすることなく、ステップＳ１８１に戻る。ＣＰＵ６は、ステップＳ１８２の判定結果が肯定的にならない限り、ステップＳ１８１〜Ｓ１８３あるいはステップＳ１８１〜Ｓ１８４の処理を繰り返す。

一方、ステップＳ１８２の判定が肯定された場合、ルーチンはＳ１８５に進み、睡眠効率ＳＥを演算する。すなわち、上記式ＳＥ＝（ＩＡ−Ｉ）／ＩＡに、覚醒エポック数Ｉの最終値および総エポック数ＩＡの数値が代入されて、睡眠効率ＳＥが求められ、当該睡眠効率算出処理は終了し、図１９のフローチャートに戻る。

続いて、ＣＰＵ６は、ステップＳ１６３における中途覚醒回数算出処理を実行する。図２２に示されるように、中途覚醒回数算出処理においては、まず、最初のエポックの次のエポックに進む（ステップＳ１９１）。次に、ステップＳ１９２において、当該エポックが最終エポックＥｅであるか否か判定する。この判定条件が否定された場合、続いて、ステップＳ１９３において、Ｔ分以上継続する覚醒か否か判定する。上述したように、本実施形態においては１エポック＝３０秒であるから、Ｔ＝５の場合、覚醒エポックが連続して１０個以上継続した場合には、覚醒状態であるとみなされる。したがって、ＣＰＵ６は、覚醒状態であるエポックが所定数（例えば、１０個以上）連続した場合にのみ、ステップＳ１９３の判定を肯定する。続いて、ルーチンはステップＳ１９４に進み、中途覚醒回数（ＷＮ；但し、初期値ＷＮ＝０）をインクリメントする。続いて、ステップＳ１９５において、覚醒が継続した数だけエポックを進め、ステップＳ１９１に戻る。
一方、ステップＳ１９３の判定条件が否定された場合、ステップＳ１９１に戻る。
ステップＳ１９１〜Ｓ１９５あるいはステップＳ１９１〜Ｓ１９３の処理は、ステップＳ１９２の判定において、判定対象のエポックが最終エポックＥｅであると判定されるまで繰り返される。ステップＳ１９２の判定条件が肯定されると、中途覚醒回数算出処理は終了し、ルーチンは、図１９のフローチャートに戻る。

続いて、ＣＰＵ６は、図１９における深睡眠潜時算出処理（ステップＳ１６４）に進み、図２３に示す深睡眠潜時算出処理を実行する。図２３に示されるように、深睡眠潜時算出処理においては、まず、ステップＳ２０１において、最初のエポックの次のエポックに進む。続いて、ステップＳ２０２において、当該エポックが深睡眠状態であるか否か判定する。この判定条件が否定された場合、ステップＳ２０３に進み、深睡眠潜時ＤＬの値をインクリメントする（但し、初期値ＤＬ＝０）。ここで、深睡眠潜時ＤＬとは、被験者が測定を開始（図２９の時刻ｔ０）してから、深睡眠状態に入る（時刻ｔｄ）までに要するエポック数である。

一方、ステップＳ２０２の判定条件が肯定された場合、ＣＰＵ６は、ステップＳ２０４において、ＤＬ’＝ＤＬ−ＳＬの演算を実行し、入眠潜時から深睡眠状態への遷移が開始（図２９の時刻ｔｘ）してから深睡眠状態に至る（時刻ｔｄ）までに要するエポック数ＤＬ’を求める。次に、ステップＳ２０５において、ＤＬ’＜ＤＬ0の場合、深睡眠潜時ＤＬ＝０（ステップＳ２０６）と定める（ＤＬ0は所定の基準値）。一方、ステップＳ２０５において、ＤＬ’＜ＤＬ0ではない場合、処理はステップＳ２０７において、ＤＬ’＜ＤＬ1か否かが判定される。その判定条件が肯定された場合、ＤＬ＝１と判定され、否定的な場合、ステップＳ２０９に進む。以降、同様にして、ＤＬ’の値と各基準値ＤＬ0〜ＤＬ4とに基づいて、深睡眠潜時ＤＬの値が２〜５のいずれかに決定される（ステップＳ２０９〜Ｓ２１５）。深睡眠潜時ＤＬの値が決定されると、処理は図１９のフローチャートに戻る。

続いて、ＣＰＵ６は、ステップＳ１６５における深睡眠時間算出処理を実行する。深睡眠時間ＤＴとは、図２９に示されるように、測定を開始してから終了するまでの間（時刻ｔ０〜ｔｅ）における深睡眠時間の合計エポック数である。よって、図２９に示されるように、時刻ｔ０〜ｔｅの期間中に深睡眠時間ＤＴ１とＤＴ２が測定された場合、深睡眠時間ＤＴ＝ＤＴ１＋ＤＴ２となる。

図２４に示されるように、深睡眠時間算出処理においては、まず、最初のエポックの次のエポックに進む（ステップＳ２２１）。次に、ステップＳ２２２において、当該エポックが最終エポックＥｅであるか否か判定する。この判定条件が否定された場合、続いて、ステップＳ２２３において、当該エポックが深睡眠状態であるか否か判定する。この判定条件が肯定された場合、ステップＳ２２４において深睡眠時間ＤＴがインクリメントされ（ただし、ＤＴの初期値ＤＴ＝０）、処理はステップＳ２２１に戻る。一方、ステップＳ２２３の判定条件が否定された場合、深睡眠時間ＤＴはインクリメントされることなく、処理はステップＳ２２１に戻る。ステップＳ２２１〜Ｓ２２４までの処理、あるいはステップＳ２２１〜Ｓ２２３までの処理は、ステップＳ２２２の判定条件が肯定されるまで繰り返される。ステップＳ２２２の判定条件が肯定されると、処理は図１９のフローチャートに戻る。

続いて、ＣＰＵ６は、ステップＳ１６６における寝返り回数算出処理を実行する。図２５に示されるように、寝返り回数算出処理においては、まず、最初のエポックの次のエポックに進む（ステップＳ２３１）。次に、ステップＳ２３２において、当該エポックが最終エポックＥｅであるか否かを判定する。この判定条件が否定された場合、続いて、ステップＳ２３３において、Ｔ分未満継続する覚醒か否か判定する。上述したように、本実施形態においては１エポック＝３０秒であるから、Ｔ＝１．５の場合、連続する覚醒エポックが３個未満である場合には、寝返りであるとみなされる。したがって、ＣＰＵ６は、連続する覚醒エポックの数が所定数（例えば、３個）未満である場合にのみ、ステップＳ２３３の判定を肯定する。続いて、ルーチンはステップＳ２３４に進み、寝返り回数（ＭＮ；但し、初期値ＭＮ＝０）をインクリメントする。続いて、ステップＳ２３５において、覚醒が継続した数だけエポックを進め、ステップＳ２３１に戻る。一方、ステップＳ２３３の判定が否定された場合、ステップＳ２３１に戻る。
ステップＳ２３１〜Ｓ２３５あるいはステップＳ２３１〜Ｓ２３３の処理は、ステップＳ２３２の判定において、判定対象のエポックが最終エポックＥｅであると判定されるまで繰り返される。ステップＳ２３２の判定が肯定されると、寝返り回数算出処理は終了し、ルーチンは、図１９のフローチャートに戻る。

続いて、ＣＰＵ６は、ステップＳ１６７における各データ標準化処理を実行する。図２６に示されるように、各データ標準化処理においては、上述のステップＳ１６１〜Ｓ１６６で取得された各パラメータ値の標準化処理が実行される。まず、ステップＳ２４１において、入眠潜時ＳＬの標準値ＳＬ(st)は、ＳＬ(st)＝（ＳＬ−平均ＳＬ）／標準偏差ＳＬにより求められる。ここで、各平均ＳＬおよび標準偏差ＳＬは、母集団における入眠潜時ＳＬの各平均値および標準偏差値（各々固定値）である。母集団は、例えば、被験者の年齢が２０代の場合、２０代のＸ人の集団である。被験者は、操作部５を用いて自己のパラメータ（例えば、年齢、性別）を予め入力しておくことにより、適切な母集団に関するデータが選択されて、当該標準化処理に利用される。この母集団に関するデータは、記憶部９に予め記憶されている。ＣＰＵ６は、記憶部９から平均値および標準偏差を読み出してステップＳ２４１の演算を実行する。なお、ステップＳ２４２〜Ｓ２４６の処理でも同様である。

同様にして、各ステップＳ２４２〜Ｓ２４６において、各パラメータの標準化処理が行われる。各パラメータの標準値は、下記式（９）〜式（１３）により求められる（ステップＳ２４２〜Ｓ２４６）。
睡眠効率ＳＥ(st)＝（ＳＥ−平均ＳＥ）／標準偏差ＳＥ…式（９）
中途覚醒回数ＷＮ(st)＝（ＷＮ−平均ＷＮ）／標準偏差ＷＮ…式（１０）
深睡眠潜時ＤＬ(st)＝（ＤＬ−平均ＤＬ）／標準偏差ＤＬ…式（１１）
深睡眠時間ＤＴ(st)＝（ＤＴ−平均ＤＴ）／標準偏差ＤＴ…式（１２）
寝返り回数ＭＮ(st)＝（ＭＮ−平均ＭＮ）／標準偏差ＭＮ…式（１３）
この標準化の処理によって、異なるスケールの入眠潜時ＳＬ、睡眠効率ＳＥ、中途覚醒回数ＷＮ、深睡眠潜時ＤＬ、深睡眠時間ＤＴ、および寝返り回数ＭＮを同一の処理で取り扱うことが可能となる。ステップＳ２４６の処理が終了すると、ルーチンは、図１９のフローチャートに戻る。

続いて、ＣＰＵ６は、ステップＳ１６８における各主成分スコア演算処理を実行する。図２７に示されるように、各主成分スコア演算処理においては、上述のステップＳ１６８で取得された各パラメータの標準値が演算に利用される。主成分スコア演算処理では、６個の第１パラメータである入眠潜時ＳＬ、睡眠効率ＳＥ、中途覚醒回数ＷＮ、深睡眠潜時ＤＬ、深睡眠時間ＤＴ、および寝返り回数ＭＮから、４個の第２パラメータである効率性Efficiency、寝つきLatency、中途覚醒Wake、および寝返りMoveを算出する。
ＣＰＵ６は、効率性Efficiency、寝つきLatency、中途覚醒Wake、および寝返りMoveを以下に示す式（１４）〜式（１７）に従って算出する（ステップＳ２５１〜Ｓ２５４）。
Efficiency = {SL(st) * SL(v)} + {SE(st) * SE(v)} + {WN(st) * WN(v)} + {DL(st) * DL(v)} + {DT(st) * DT(v)} + {MN(st) * MN(v)}…式（１４）
Latency = SL(st) * SL(v) …式（１５）
Wake = WN(st) * WN(v) …式（１６）
Move = MN(st) * MN(v) …式（１７）
ここで、SL(v)、SE(v)、WN(v)、DL(v)、DT(v)、MN(v)は固有ベクトル値であり、ある母集団の主成分分析法から求めた固定値であり、記憶部９に記憶されている。CPU６は、これらの固定値を記憶部９から読み出して、演算処理を実行する。

この後、CPU６は、ステップS169の睡眠点数演算処理を実行する。まず、ＣＰＵ６は、const1*Efficiency +const2*Latency+const3*Wake+const4*Move≧０であるか否かを判定する（ステップＳ２６１）。ここで、const1〜const4はある母集団の主成分分析法から求めた固定値である。

ステップＳ２６１の判定条件が肯定される場合、ＣＰＵ６は処理をステップＳ２６２に進め、以下の演算を実行して睡眠点数Scoreを算出する（ステップＳ２６２）。
Score = 50 + Trunc [ 50 * { (const1* Efficiency) + (const2 * Latency) + (const3 * Wake) + (const4 * Move) } / const5 ] …式（１８）
一方、ステップＳ２６１の判定条件が肯定される場合、ＣＰＵ６は処理をステップＳ２６２に進め、以下の演算を実行して睡眠点数Scoreを算出する（ステップＳ２６３）。
Score = 50 − Trunc [ 50 * { (const1* Efficiency) + (const2 * Latency) + (const3 * Wake) + (const4 * Move) } / const6 ] …式（１９）
ここで、const5はある母集団における睡眠点数Scoreの最大値であり、const6はある母集団における睡眠点数Scoreの最小値である。これらの固定値は記憶部９に記憶されており、ＣＰＵ６が読み出して演算に用いる。
ＣＰＵ６は、ステップＳ２６２またはＳ２６３で得られた睡眠点数Scoreを記憶部９に記憶する（ステップＳ１７０、図１９参照）。

次に、評価結果表示処理について説明する。図３０は、ＣＰＵ６が実行する評価結果表示処理の内容を示すフローチャートであり、図３１は、睡眠評価画面の一例であり、図３２は睡眠点数推移画面の一例である。

まず、ＣＰＵ６は、睡眠点数比較処理を実行する（ステップＳ２７１）。この睡眠点数比較処理では、睡眠点数演算処理で得られた睡眠点数Scoreを第１基準値Ｗ、第２基準値Ｙと比較して、睡眠点数Scoreを３段階に分ける。具体的には、ある母集団に含まれていた睡眠異常群の睡眠点数平均値+分散値を第１基準値Ｗ、睡眠健常群の睡眠点数平均値+分散値を第２基準値Ｙとしたとき、睡眠点数Scoreが第１基準値Ｗ以下の場合には第１区分、睡眠点数Scoreが第１基準値Ｗ上回り第２基準値Ｙ以下の場合には第２区分、睡眠点数Scoreが第２基準値Ｙを上回る場合には、睡眠点数Scoreを第３区分に分類する。ここで、第１基準値Ｗは、ある母集団に含まれていた睡眠異常群の睡眠点数平均値+分散値であり、第２基準値Ｙは睡眠健常群の睡眠点数平均値+分散値である。これらの固定値Ｗ，Ｙは記憶部９に記憶されており、睡眠点数比較処理において読み出される。

次に、ＣＰＵ６は、睡眠点数Scoreが第１区分に分類された場合には、表示部４に「悪い睡眠です」と表示し、睡眠点数Scoreが第２区分に分類された場合には「普通の睡眠です」と表示し、睡眠点数Scoreが第３区分に分類された場合には「普通の睡眠です」と表示する（ステップＳ２７２）。例えば、良い睡眠の場合は、図３１に示す睡眠評価画面が、表示部４に表示される。この場合、ＣＰＵ６は、睡眠点数比較処理の処理結果の他、ステップＳ５およびステップＳ６の処理結果を用いて、一回の睡眠の段階の遷移を併せて表示する。睡眠点数Scoreの他にその区分を表示することによって、利用者は睡眠の質の大まかな良否を知ることができる。さらに、覚醒、浅い、深いといった睡眠の段階の時間経過が表示されるので、自己の体調管理などに役立てることが可能となる。

次に、ＣＰＵ６は、次画面を表示する操作がなされたか否かを判定し（ステップＳ２７３）、操作がなされた場合には、記憶部９に記憶された睡眠点数Scoreに基づいてその平均値と分散値とを演算し（ステップＳ２７４）、さらに睡眠点数推移画面を表示部４に表示する（ステップＳ２７５）。例えば、図３２に示すように縦軸に睡眠点数Score、横軸に日付を取った棒グラフとする。この場合、睡眠点数ScoreがステップＳ２７４で算出した平均値＋分散値以下であれば、棒グラフに色を付けて表示する。これによって、利用者は睡眠の質が悪かった日を知ることができ、体調管理に役立てることができる。

次に、ＣＰＵ６は、次画面を表示する操作がなされたか否かを判定し（ステップＳ２７６）、操作がなされた場合には、処理を終了する。

なお、上述した実施形態においては、６つの第１パラメータから４つの第２パラメータを選定したが、本発明はこれに限定されるものではなく、睡眠の状態を示すｎ（ｎは２以上の自然数）個の第１パラメータから、独立した関係にあるｍ（ｍは、ｎ＞ｍを満たす自然数）個の第２パラメータを算出し、ｍ個の第２パラメータに基づいて、睡眠点数を算出しても良い。この場合、第１パラメータとしては、入眠潜時ＳＬ、睡眠効率ＳＥ、中途覚醒回数ＷＮ、深睡眠潜時ＤＬ、深睡眠時間ＤＴ、寝返り回数ＭＮ、総就床時間、離床潜時、睡眠時間、総睡眠時間、中途覚醒時間、REM睡眠潜時、浅睡眠時間、REM睡眠時間、睡眠段階移行回数、浅睡眠出現数、REM睡眠出現数、深睡眠出現数、REM睡眠持続時間、REM睡眠間隔時間、REM睡眠周期、睡眠周期、前半と後半の浅睡眠の割合、前半と後半のREM睡眠の割合、前半と後半の深睡眠の割合の中から少なくとも３つを選定してもよい。これらの第１パラメータは、いずれも睡眠の状態を規定するものであるから、総合的な睡眠の質の程度を示す指標を適切に導出することができる。

また、上述した実施形態では、睡眠点数の推移を表示部４に表示したが、ＣＰＵ６は操作部5の操作を検知して、効率性、寝つき、中途覚醒、寝返りなどの睡眠点数の元となる第２パラメータを表示してもよい。

ところで、年齢や性別といった生体の特徴に応じて、睡眠の質の程度は変化する。例えば、老人は子供と比較して睡眠時間が短く、睡眠が浅いのが通常である。したがって、老人と子供を同一の尺度で評価するよりも、異なる尺度で評価する方が適切である。そこで、第２パラメータを算出する際に用いる第１係数（固有ベクトル）と睡眠点数を演算するために用いる第２係数（因子負荷量）とを、生体の特徴で分類された複数の母集団の各々に対応付けて記憶部９に記憶し、被験者が操作部５を操作して生体の特徴を入力すると、入力された生体の特徴に対応する第１係数と第２係数の組を記憶部９から読み出して、これを用いて第２パラメータと睡眠点数の演算に用いてもよい。この場合は、生体の特徴を睡眠の質の程度を示す睡眠点数に反映させることができるので、より的確な評価を行うことができる。

なお、本実施例においては、睡眠評価装置１として、マットレスとコンデンサマイクロホンセンサによる呼吸信号の検出を例としたが、マットレスの下に配して人体の圧力変動を直接検出するものとして、ピエゾケーブルなどの圧電素子、静電容量式センサ、フィルムセンサ又は歪ゲージなどを用いても良いし、呼吸信号が検出できるものであれば、腹部や胸部に抵抗線を貼付して呼吸動態を測定する装置又は呼気分析用のマスクを装着して直接呼吸測定する装置などの公知装置を用いても良い。

また、入眠判定部１４を説明した図１３のフローチャートのステップＳ７７以降においては、呼吸数の分散σ^２、σα^２、σβ^２及びσγ^２を用いた各条件Ｄ、Ｅ及びＦによる判定を行なったが、呼吸振幅の分散又は呼吸周期の分散を用いても良い。

また、図１７のフローチャートを用いて説明した中途覚醒条件判定のステップＳ１３８において、「（ｍ＝１からｍ＝ｍまでの全エポックの平均呼吸数）≧（ｎ＝１からｎ＝ｎｍａｘまでの全エポックの平均呼吸数）×ｍｑ」なる条件で、呼吸数による中途覚醒判定を行なったが、心拍に関する指標を検出する心拍信号検出手段と、前記心拍に関する指標を用いて、前記睡眠段階を補正する補正手段とを更に備えることにより、例えば、「（ｍ＝１からｍ＝ｍまでの全エポックの平均心拍数）≧（ｎ＝１からｎ＝ｎｍａｘまでの全エポックの平均心拍数）×ｍｖ」（ここで、ｍｖは、ｍｖ＞１なる定数である。）とする条件を加えて、この条件を満たす場合を覚醒状態と判定しても良く、より精度の高い覚醒判定が可能となる。

更に、睡眠評価装置１の判定結果の推移と、心拍信号検出手段により検出された心拍に関する指標の推移とを用いて、公知の相関を取ることにより、前記判定結果を補正しても良い。
また、上述した実施形態では、６個の第１パラメータと４個の第２パラメータを一例として説明したが、本発明はこれに限定されるものではなく、ｎ（２以上の自然数）個の第１パラメータを集約したｍ（ｎ≧ｍ、ｍは自然数）個の第２パラメータを用いて睡眠点数を算出してもよい。

実施例の睡眠評価装置の使用時外観斜視図である。実施例の睡眠評価装置の電気ブロック図である。メイン動作を示すフローチャートである。睡眠段階判定の流れを示すフローチャートである。入床・離床判定を示すフローチャートである。離床状態の呼吸波形を示す図である。体動判定を示すフローチャートである。無体動状態の呼吸波形を示す図である。粗体動状態の呼吸波形を示す図である。細体動状態の呼吸波形を示す図である。体動判定及び覚醒判定の関係を示す図である。覚醒判定を示すフローチャートである。入眠判定を示すフローチャートである。深睡眠判定示すフローチャートである。 REM・浅睡眠判定を示すフローチャートである。中途覚醒判定を示すフローチャートである。中途覚醒条件判定を示すフローチャートである。起床判定を示すフローチャートである。睡眠点数演算を示すフローチャートである。入睡潜時算出を示すフローチャートである。睡眠効率算出を示すフローチャートである。中途覚醒回数算出を示すフローチャートである。深睡眠潜時算出を示すフローチャートである。深睡眠時間算出を示すフローチャートである。寝返り回数算出を示すフローチャートである。データの標準化を示すフローチャートである。主成分スコア演算を示すフローチャートである。睡眠点数演算を示すフローチャートである。第１パラメータを説明するためのタイムチャートである。判定結果表示を示すフローチャートである。判定結果の画面を示す説明図である。判定結果の画面を示す説明図である。

符号の説明

１睡眠評価装置
２センサ部
３制御ボックス
４表示部
５操作部
６ＣＰＵ
７呼吸検出部
８判定部
９記憶部
１０電源
２０評価部

Claims

生体の状態を検出して生体信号として出力する生体信号検出手段と、
前記生体信号に基づいて、睡眠の状態を示すｎ（ｎは２以上の自然数）個の異なる第１パラメータを生成する第１パラメータ生成手段と、
前記ｎ個の第１パラメータの各々に固有ベクトルを第１係数として乗算して得た積和値から、前記ｎ個の第１パラメータのうちいずれか２つの相関係数よりも互いの相関係数が小さいｍ（ｍは、ｎ≧ｍを満たす自然数）個の第２パラメータを選定する第２パラメータ生成手段と、
前記ｍ個の第２パラメータの各々に第２係数を乗算した結果を加算して睡眠の質の程度を示す睡眠指標を算出する睡眠指標生成手段とを備える、
ことを特徴とする睡眠評価装置。
前記第２係数は、前記第１係数に固有値の平方根を乗算した値であることを特徴とする請求項１に記載の睡眠評価装置。
前記第１パラメータ生成手段は、前記生体信号に基づいて、前記ｎ個の第１パラメータとして、入眠潜時、睡眠効率、中途覚醒回数、深睡眠潜時、深睡眠時間、寝返り回数、総就床時間、離床潜時、睡眠時間、総睡眠時間、中途覚醒時間、REM睡眠潜時、浅睡眠時間、REM睡眠時間、睡眠段階移行回数、浅睡眠出現数、REM睡眠出現数、深睡眠出現数、REM睡眠持続時間、REM睡眠間隔時間、REM睡眠周期、睡眠周期、前半と後半の浅睡眠の割合、前半と後半のREM睡眠の割合、前半と後半の深睡眠の割合の中から少なくとも３つを生成することを特徴とする請求項１または２に記載の睡眠評価装置。
前記第１パラメータ生成手段は、前記生体信号に基づいて、前記ｎ個の第１パラメータとして、入眠潜時、睡眠効率、中途覚醒回数、深睡眠潜時、深睡眠時間、および寝返り回数を生成し、
前記第２パラメータ生成手段は、前記ｍ個の第２パラメータとして、４個の第２パラメータを選定することを特徴とする請求項３に記載の睡眠評価装置。
被験者の生体の特徴を入力する入力手段を備え、
前記第１パラメータ生成手段は、生体の特徴で分類された複数の母集団の各々に対応する前記第１係数を記憶しており、前記入力手段によって入力された前記被験者の生体の特徴に対応する前記第１係数を用いて前記第１パラメータを算出し、
前記第２パラメータ生成手段は、生体の特徴で分類された複数の母集団の各々に対応する前記第２係数を記憶しており、前記入力手段によって入力された前記被験者の生体の特徴に対応する前記第２係数を用いて前記第２パラメータを算出する、
ことを特徴とする請求項１乃至４のうちいずれか１項に記載の睡眠評価装置。
前記生体信号検出手段は、人体の呼吸の変動を検出して呼吸信号を前記生体信号として出力することを特徴とする請求項１乃至５のうちいずれか１項に記載の睡眠評価装置。