JP5442318B2 - 荷重データを解析する装置、その装置の制御方法およびプログラム - Google Patents

Description

本発明は、荷重データを解析する装置、その装置の制御方法およびプログラムに関するものである。

特許文献１には、複数の感圧素子を有するセンサーシートにより、被験者の寝具に加わる荷重変化を捉えた荷重信号から呼吸信号を抽出し、さらに、その呼吸信号から無呼吸低呼吸指数を精度良く求めることができる解析装置を提供することが記載されている。解析装置は、呼吸信号に含まれる複数の振幅の平均値により、有意な呼吸障害パターンを判定して、呼吸障害の数をカウントする第１のカウンタ部と、この第１のカウンタ部によりカウントされた、単位時間当たりの呼吸障害の数が所定の数より多いときに、呼吸信号に含まれる単振幅の値により、有意な呼吸障害パターンを判定して、再度、呼吸障害の数をカウントする第２のカウンタ部とを有する。重症の患者に対して、より精度の高い無呼吸低呼吸指数を求め、ポリソムノグラフィー（ＰＳＧ）のスクリーニング検査としての精度を向上できる。

睡眠時無呼吸症候群の重症度は、ＡＨＩ（無呼吸低呼吸指数（Apnea Hypopnea Index））が用いられる。このＡＨＩは、睡眠１時間当たりの無呼吸と低呼吸とを合わせた回数を示す。ＡＨＩの測定には、ポリソムノグラフィー（ＰＳＧ）が用いられる。ＰＳＧでは、脳波、眼球の動き、心電図、筋肉の動きなどの様々な生理学的変化を一夜の睡眠を通して記録し、その結果を解析することにより睡眠時無呼吸症候群のタイプおよび重症度の評価を行なう。ＰＳＧによる検査は、多種多様な生理学的変化を記録するために、精度は高いと考えられている。しかしながら、ＰＳＧでは、多種多様なセンサーを患者に取り付ける必要があるために、就眠中の患者の負担は大きく、自然な就眠中の状況が検出されにくいという問題もあり、さらに、検査結果の解析に時間を要し、その費用も高額になるという問題もある。

センサーシートにより得られる荷重信号により呼吸信号を取得する方法は、手軽で、就眠中の患者への負担はほとんどなく、自然な就眠中の状況を検出でき、検査結果の解析も比較的容易であり、そのための費用も安くなる。したがって、この呼吸信号を解析する装置および方法は、ＰＳＧによる測定を必要とする患者か否かを判断するためのスクリーニング用の測定装置あるいは過程として適している。さらには、睡眠時無呼吸症候群の重症度の判定装置あるいは過程への適用も検討されている。

特開２００７−１８１６１３号公報

呼吸信号を用いて呼吸状態を精度よく判定するためには、センサーシートから得られる呼吸信号に含まれるノイズを除去する必要がある。呼吸信号には、たとえば、周期性四肢運動によるノイズが含まれており、特許文献１には、呼吸信号における複数の振幅の平均値を算出し、その平均値の差から呼吸信号の振幅の変化を判断することにより、ノイズ成分を除去する方法が開示されている。

睡眠時無呼吸症候群（ＳＡＳ）とは、１０秒以上続く無呼吸が、一晩の睡眠中（７時間）に３０回以上、もしくは１時間に平均５回以上認められ、かつ、その一部は脳波上覚醒している睡眠時にも認められる場合を言うとされている。したがって、脳波上覚醒している状態でも呼吸障害の有無を判定することが要求され、脳波上覚醒している場合は呼吸以外の体動が多いので、それによるノイズを除去する方法が従来から検討されている。

睡眠時の障害は無呼吸症候群に限られない。たとえば、足がピクつく睡眠障害として周期性四肢運動障害（Periodic Limb Movement Disorder，ＰＬＭＤ）が知られている。ＰＬＭＤは、すでに睡眠に入っているときに起きる疾患で、むずむず足症候群と高い確率で合併して発症することが知られている。ＰＬＭＤが発症すると、眠りが浅くなり昼間の眠気の発生につながる。ＳＡＳを発症している患者とＰＬＭＤを発症している患者とは多くのケース異なっている。したがって、睡眠障害の診断には、ＳＡＳに限らず、ＰＬＭＤも簡易に精度よく検出できることが要望されている。

また、近年、２歳から１０歳程度の小児がＳＡＳを発症することが報告されている。小児ＳＡＳは小児の発育に悪影響を与えることが問題になっており、小児ＳＡＳの早期発見が要望されている。小児ＳＡＳの簡易検査機器を用いた方法としては、鼻の下や胸、腹、指先等にセンサーを取りつける方法がある。小児は、センサーを取り付けていることによる不快感が我慢できずにセンサーを外してしまったり、睡眠後も体動が多いためセンサーが外れてしまったりという問題があり、これらの方法で有効な検査を行うことが難しい。一方、センサーシートは敷いてその上で小児が寝るだけなので被験者の体にセンサーを直に付ける必要がない。このため、小児の睡眠を妨げることなく、小児ＳＡＳを精度よく判定できる方法として有望であるが、小児ＳＡＳ特有の体動もあり、まだ解決すべき課題がある。

したがって、睡眠時の呼吸以外の身体あるいは四肢の周期的な動きを検出できることが要望されており、本発明は、これらの要望の１つおよび／または複数に応えようとするものである。

本発明の一態様は、被験者の下に、被験者の荷重分布の変化を検出するように配置された複数の検出素子のそれぞれから得られる荷重変動データを解析する装置である。この装置は、複数の検出素子それぞれの荷重変動データの微分した第１の微分値の絶対値をさらに微分した第２の微分値の第１の値を求め、第１の時間間隔で定期的に、複数の検出素子の第１の値を合計した成分を含む第１のデータを得る第１のユニットと、第１のデータに基づき、被験者の睡眠時の通常の呼吸によらない周期的な体動または周期性四肢運動の有無を判断する第２のユニットとを有する。

呼吸信号を得る場合は、呼吸周波数帯（０．２〜０．５Ｈｚ程度）の信号強度の最も高い、限られた検出素子からの信号を用いる。その検出素子の上に、被験者（就寝者、ユーザ）の胸部が載っており、限られた検出素子からの信号が、呼吸による体動を最も反映していると考えられるからである。

本発明の装置においては、被験者の下に、被験者の荷重分布の変化を検出するように配置された複数の検出素子のすべての検出素子から得られた第１の値を合計した成分を含む第１のデータを取得する。第１のデータは、合計した値であっても、平均した値であってもよい。さらに、第１の値は、それぞれの検出素子から得られた交流成分の絶対値に基づいており、第１の値を合計した成分には、四肢あるいは体の移動により位相が反転する、移動先および移動元に位置する複数の検出素子の荷重変動データが反映される。さらに、第１の値は、絶対値の変化量（微分値）を用いており、通常呼吸にともなう穏やかな体動よりも四肢の動きのような体動に対して敏感である。

したがって、第１のユニットにより得られる、複数の検出素子全ての第１の値を第１の時間間隔で定期的に合計した成分を含む第１のデータは、通常呼吸のような穏やかな体動ではなく、体あるいは四肢の運動あるいは移動を伴ったり、身体が大きく上下に動くような衝撃的な体動（体動量）の時間による変動を示すデータとなる。すなわち、第１のデータにより、特定の検出素子に限らず、荷重分布の変化を検出するように配置されたすべての検出素子の情報を合計することにより、いっそう広範囲な体あるいは四肢の動きを信号として捉えることができる。このため、第２のユニットにより、第１のデータに基づき、被験者の周期的な体動または周期性四肢運動の有無を判断することができる。

第１のユニットは、第１の値として、複数の検出素子それぞれの荷重変動データの微分した第１の微分値の絶対値をさらに微分した第２の微分値を求める。第１の微分値により荷重変動データの交流成分を抽出できる。

第２のユニットは、第１のデータを、第１の時間間隔より長い第２の時間間隔の第１のデータの移動時間平均値に変換するサブユニットを含むことが望ましい。移動時間平均値を得ることにより第１のデータの高周波成分をノイズとして除去できる。

第２のユニットは、第１のデータの高低を繰り返す複数の周期的時間の標準偏差を得るサブユニットを含むことが望ましい。ある周期的時間を、その周期的時間を含む前後の２つから６つの周期的時間、さらに好ましくは、３つから５つの周期的時間、さらに好ましくは４つの周期的時間の標準偏差が判定値より小さければ周期性があると判断できる。

第２のユニットは、被験者が小児であり、標準偏差が第１の判定値より小さく、第１のデータの高低の１つの繰り返しに含まれる、値の低い時間が第２の判定値より長いことが所定の時間あたり（たとえば、一晩当たり）所定の回数（たとえば１００回）以上あると、陥没呼吸があると判定する第１の判定ユニットを含むことが望ましい。複数の検出素子の一部の荷重変動データより被験者の呼吸数に対応する周波数帯域の信号成分を含む呼吸信号を生成し、無呼吸状態を判定する呼吸モニターユニットをさらに有する装置においては、呼吸モニターユニットが、第１の判定ユニットにより陥没呼吸があると判定されると、呼吸信号を生成する際の振幅許容値として通常値よりも大きな値を採用することにより小児ＳＡＳをさらに精度よく判断できる。

第２のユニットは、標準偏差が第１の判定値より小さく、第１のデータの高低の１つの繰り返しに含まれる、値の低い時間が第３の判定値内であり、第１のデータの高低の１つの繰り返しに含まれる、値の高い時間が第４の判定値より短いと、周期性四肢運動があると判定する第２の判定ユニットを含むことが望ましい。ＰＬＭＤの有無を判断できる装置を提供できる。

本発明の異なる態様の１つは、上記に記載の装置と、複数の検出素子が所定のパターンで配置されたセンサーユニットとを有する生体情報検出システムである。睡眠障害の要因となる周期的な四肢あるいは体の動きの有無を検出できる生体情報検出システムを提供できる。

本発明の他の態様の１つは、被験者の下に、被験者の荷重分布の変化を検出するように配置された複数の検出素子のそれぞれから得られる荷重変動データを解析する装置を制御する方法である。解析する装置は、ＣＰＵと、メモリとを含む。この方法は、以下の工程を有する。
１．ＣＰＵが複数の検出素子それぞれの荷重変動データの微分した第１の微分値の絶対値をさらに微分した第２の微分値の第１の値を求め、第１の時間間隔で定期的に、複数の検出素子の第１の値を合計した成分を含む第１のデータをメモリに格納すること。
２．第１のデータに基づき、被験者の睡眠時の通常の呼吸によらない周期的な体動または周期性四肢運動の有無を判断すること。

第１のデータを得ること（第１の工程）は、第１の値として、複数の検出素子それぞれの荷重変動データの微分した第１の微分値の絶対値をさらに微分した第２の微分値を求める。

判断すること（第２の工程）は、第１のデータを、第１の時間間隔より長い第２の時間間隔の第１のデータの移動時間平均値に変換することを含むことが望ましい。

また、判断すること（第２の工程）は、第１のデータの高低を繰り返す複数の周期的時間の標準偏差を得ることを含むことが望ましい。

さらに、判断すること（第２の工程）は、被験者が小児であり、標準偏差が第１の判定値より小さく、第１のデータの高低の１つの繰り返しに含まれる、値の低い時間が第２の判定値より長いことが所定の時間あたり所定の回数以上あると、陥没呼吸があると判定することを含むことが望ましい。

この方法は、複数の検出素子の一部の荷重変動データより被験者の呼吸数に対応する周波数帯域の信号成分を含む呼吸信号を生成し、無呼吸状態を判定すること（第３の工程）をさらに有し、第３の工程では、陥没呼吸があると判定されると、呼吸信号を生成する際の振幅許容値として通常値よりも大きな値を採用することが望ましい。小児ＳＡＳ患者の場合は胸郭が柔らかいため、無呼吸になると胸が大きくへこむ「陥没呼吸」と呼ばれる呼吸になる。陥没呼吸が発生すると、胸部下における検出素子の変化量が大人の呼吸に比べて１０倍以上にもなる。呼吸信号を生成する振幅許容値を大きくすることにより小児ＳＡＳにおける無呼吸に伴う陥没呼吸を「体動」と認識して除外されることを抑制でき、無呼吸判定の精度を向上できる。

また、判断すること（第２の工程）は、標準偏差が第１の判定値より小さく、第１のデータの高低の１つの繰り返しに含まれる、値の低い時間が第３の判定値内であり、第１のデータの高低の１つの繰り返しに含まれる、値の高い時間が第４の判定値より短いと、周期性四肢運動があると判定することを含むことが望ましい。

本発明のさらに異なる態様の１つは、被験者の下に、被験者の荷重分布の変化を検出するように配置された複数の検出素子のそれぞれから得られる荷重変動データを解析する装置としてコンピュータを機能させるためのプログラムである。解析する装置は、複数の検出素子それぞれの荷重変動データの微分した第１の微分値の絶対値をさらに微分した第２の微分値の第１の値を求め、第１の時間間隔で定期的に、複数の検出素子の第１の値を合計した成分を含む第１のデータを得る第１のユニットと、第１のデータに基づき、被験者の睡眠時の通常の呼吸によらない周期的な体動または周期性四肢運動の有無を判断する第２のユニットとを含む。このプログラム（プログラム製品）は、ＣＤ−ＲＯＭなどの適当な記録媒体に記録して提供できる。また、このプログラム（プログラム製品）は、インターネットなどのコンピュータネットワークを介して提供することも可能である。

センサーシートの概要を示す図。 生体検出システムの一例の構成を示す図。 解析装置の処理の概要を示すフローチャート。 解析処理における信号処理の一例を示すタイミングチャート。 異なる生体検出システムの構成を示す図。 異なる解析装置の処理の概要を示すフローチャート。 異なる解析処理における信号処理の一例を示すタイミングチャート。

以下、本発明の実施形態について図に基づいて説明する。図１に、生体情報検出システムに用いられているセンサーシート２の概要を示している。図２に、被験者９の下に敷かれたセンサーシート２からの信号を解析する生体情報検出システム１の一例を示している。センサーシート２は、複数のサブシート２ａ、２ｂ、２ｃを備え、それぞれのサブシート２ａ、２ｂ、２ｃは、薄いプラスチック製のシート４を母材として含む。それぞれのシート４に検出素子である複数の感圧センサー（圧力センサー）７が適当な間隔で規則的に取り付けられている。このため、シート４を被験者９の下に敷くことにより、被験者９の下側に複数の感圧センサー７のアレイあるいはマトリクスを簡単に構築できる。サブシート２ａ、２ｂおよび２ｃには、複数の感圧センサー７から信号を出力するための配線８ａおよび８ｂが設けられており、センサーシート２の端に設置された制御ボックス３より複数の感圧センサー７により得られた信号を出力することができる。

図２に示すように、センサーシート２をベッド６などに敷くことにより、多数の感圧センサー７をベッド６の上に配置できる。このため、ベッド６の上に横たわる被験者９に直に感圧センサーを取り付けなくても、被験者９の様々な体動を、寝具に加わる荷重変化として感圧センサー７からの信号（荷重信号）５に変換して捉えることができる。このため、感圧センサー７からの荷重信号５を解析することにより、被験者９の就寝中の呼吸状態やその他の状態を監視できる。

生体情報検出システム１は、センサーシート２と、センサーシート２の複数の感圧センサー７からの信号を解析するための解析装置１０とを備えている。解析装置１０は、適当なハードウェア資源を備えたコンピュータ２０を備えている。コンピュータ２０は、データおよびプログラムなどを記憶するためのメモリ２１と、プログラムをダウンロードして処理を実行するＣＰＵ２２と、データ処理に要求されるその他の資源とを備えている。メモリ２１は、入出力可能な記録媒体、例えば、ハードディスクあるいは半導体メモリである。メモリ２１には、解析用プログラム２５が格納されており、ＣＰＵ２２が適当なタイミングでプログラム２５をロードすることによりコンピュータ２０を解析装置１０として機能させる。解析用プログラム（プログラム製品）２５は、フラッシュメモリやＣＤ−ＲＯＭなどの適当な記録媒体に記録して提供することができる。また、解析用プログラム（プログラム製品）２５は、インターネットなどのコンピュータネットワークを介して提供することも可能である。

解析装置１０は、第１の時間間隔Ｔ１でセンサーシート２の複数の感圧センサー７から荷重信号５を取得するサンプリングユニット１１を含む。感圧センサー７から出力される荷重信号５は、センサーシート２の側の制御ボックス３またはサンプリングユニット１１によりデジタルデータ（荷重変動データ）１２に変換され、感圧センサー７毎のデータとしてメモリ２１に格納される。

解析装置１０は、さらに、荷重変動データ１２から周期的な体動の有無を判断する体動判定ユニット３０と、複数の感圧センサー７の一部の荷重変動データ１２より被験者９の呼吸数に対応する周波数帯域の信号成分を含む呼吸信号を生成し、無呼吸状態を判定する呼吸モニターユニット１７を含む。呼吸モニターユニット１７は、荷重変動データ１２から呼吸信号１４を生成する呼吸信号生成ユニット１５と、呼吸信号１４から無呼吸低呼吸指数（ＡＨＩ）を求めるＡＨＩ解析ユニット１６とを含む。荷重変動データ１２の解析は、被験者９である患者の状態をモニタするのであればオンタイム（オンライン）で行なわれる。無呼吸症候群の検査は、通常、オンタイムで解析することは要求されず、睡眠中のデータが全て揃った段階あるいはデータがある程度用意できた段階でバッチ的に行なわれる。

体動判定ユニット３０は、荷重変動データ１２から体動量（第１のデータ）１３を生成する第１のユニット３１と、体動量１３から周期的な体動または周期性四肢運動の有無を判断する第２のユニット３２とを含む。第２のユニット３２は、体動量１３を移動時間平均値１３ａに変換するサブユニット３３と、移動時間平均値１３ａの高低を繰り返す複数の周期的時間の標準偏差を求めるサブユニット３４と、陥没呼吸の有無を判断する第１の判定ユニット３５とを含む。

図３に、解析装置１０の主な処理をフローチャートにより示している。この解析装置１０のサンプリングユニット１１は、ステップ５１において、サンプリング周波数１０Ｈｚ、すなわち、第１の時間間隔Ｔ１が１００ｍｓで全感圧センサー７から荷重信号５を取得し、ステップ５２で、荷重変動データ１２を生成する。センサーシート２に配置されている感圧センサー７の数は１６２個である。

ステップ５３において、体動判定ユニット３０の第１のユニット３１は、第１の時間間隔Ｔ１毎の荷重変動データ１２の交流成分の絶対値を感圧センサー７毎に求める。具体的には、荷重変動データ１２の第１の微分値、すなわち、直前にサンプリングされた荷重変動データ１２との差分の絶対値を求める。荷重変動データ１２の第１の微分値は、直後にサンプリングされる荷重変動データ１２との差分でもよく、また、サンプリングされた荷重変動データ１２を補間して微分した値であってもよい。

ステップ５４において、第１のユニット３１は、さらに、第１の微分値の絶対値の変化量に対応した第１の値Ｖ１を、感圧センサー７毎に求める。第１の値Ｖ１は、具体的には、第１の微分値の絶対値のさらなる微分値（第２の微分値）、すなわち、直前にサンプリングされた荷重変動データ１２の第１の微分値の絶対値と、今回サンプリングされた荷重変動データ１２の第１の微分値の絶対値との差分である。荷重変動データ１２の第１の微分値の絶対値のさらなる微分値（第２の微分値、第１の値）Ｖ１は、直後にサンプリングされる荷重変動データ１２の第１の微分値の絶対値との差分でもよく、また、サンプリングされた荷重変動データ１２の第１の微分値の絶対値を補間して微分した値であってもよい。

ステップ５５において、第１のユニット３１は、さらに、全感圧センサー７の第１の値Ｖ１を加算する。これにより、第１の時間間隔Ｔ１で定期的に、全ての感圧センサー（測定点の全点）７の第１の値Ｖ１を合計した成分を含む第１のデータ（体動量）１３を得ることができる。体動量１３は、すべての感圧センサー７の第１の値Ｖ１の合計値でもよく、合計値を感圧センサー７の数で割った平均値でもよい。この例では、１００ｍｓ毎にセンサーシート２の単位で体動量１３が得られ、第１のユニット３１により体動量１３はメモリ２１に配列データとして格納される。

体動量（第１のデータ）１３は、呼吸体動を検出する際のように特定の感圧センサー７の測定結果を反映した量（データ）ではなく、被験者９の荷重分布の変化を検出するようにマトリクスあるいはアレイ状にセンサーシート２に配置されたすべての感圧センサー７から得られた情報を合計したものである。したがって、この段階で得られる体動量１３は、センサーシート２の上での被験者９の広範囲な体あるいは四肢の動きに関する情報を含むデータである。このため、体動量１３に適当な処理を施すことにより、被験者９の周期的な体動または周期性四肢運動の有無を判断することができる。

体動判定ユニット３０の第２のユニット３２は、得られた体動量１３の周期性を確認して周期的な体動の有無を判断する。ステップ５６において、一晩の体動量１３が得られると、第２のユニット３２のサブユニット３３は、ステップ５７において、体動量１３のサンプリング時間（第１の時間間隔）Ｔ１より長い第２の時間間隔Ｔ２で移動時間平均値１４ａを計算する。この例では、１００ｍｓの間隔Ｔ１で得られた体動量１３を、１秒分（１０データ分）の間隔Ｔ２で移動時間平均値１３ａを計算する。体動量１３に含まれる高周波分のノイズを除去できる。

第２のユニット３２のサブユニット３４は、図４に示すように、ステップ５８において、体動量の移動時間平均値１３ａを適当な値をしきい値Ｖｔｈとして、しきい値Ｖｔｈ以上の領域（値の高い時間帯、体動フラグ（ｆ＝１））８１と、しきい値Ｖｔｈ未満の領域（値の低い時間帯、体動フラグ（ｆ＝０））８０とに分ける。体動量の移動時間平均値１３ａの相対的な値は、感圧センサー７からの信号強度またはデジタル変換後の荷重変動データ１２の強度に依存し、しきい値Ｖｔｈも変わる。発明者らの測定によると、大人の通常呼吸が反映される体動量の移動時間平均値１３ａの最大値に対して、５０〜１５０倍程度、さらに好ましくは８０〜１２０倍程度、さらに好ましくは１００倍程度の値をしきい値Ｖｔｈに設定することにより、呼吸に起因しない、四肢または体動の周期的な動きを捉えやすいことが分かっている。

サブユニット３４は、さらに、ステップ５８において、体動量の移動時間平均値１３ａの高低の１つの繰り返しに含まれるｎ番目の周期的時間ＴＣ_ｎを抽出する。ｎ番目の周期的時間ＴＣ_ｎは、値の高い時間帯８１と、値の低い時間帯８０とを１つずつ含む。さらに、サブユニット３４は、ｎ番目の周期的時間ＴＣ_ｎを含む前後４つの他の周期的時間の標準偏差σを計算する。すなわち、サブユニット３４はステップ５８において（ＴＣ_ｎ−３、ＴＣ_ｎ−２、ＴＣ_ｎ−１、ＴＣ_ｎ）、（ＴＣ_ｎ−２、ＴＣ_ｎ−１、ＴＣ_ｎ、ＴＣ_ｎ＋１）、（ＴＣ_ｎ−１、ＴＣ_ｎ、ＴＣ_ｎ＋１、ＴＣ_ｎ＋２）、（ＴＣ_ｎ、ＴＣ_ｎ＋１、ＴＣ_ｎ＋２、ＴＣ_ｎ＋３）の４つの組み合わせの標準偏差σ１〜σ４を計算する。

陥没呼吸の有無を判断する第１の判定ユニット３５は、ステップ５９において、標準偏差σ１〜σ４のいずれかが第１の判定値ＶＤ１より小さいか否かを判断する。陥没呼吸を伴う小児ＳＡＳを発症している場合、無呼吸の後に陥没呼吸を伴う努力呼吸が発生する。したがって、値の低い時間帯８０の開始時刻ｔ１およびｔ３が無呼吸発生時刻であり、値の低い時間帯（時間Ｔｎｎ）８０が無呼吸区間に相当する。また、値の高い時間帯８１の開始時刻ｔ２が努力呼吸開始時刻であり、値の高い時間帯（時間Ｔｅｎ）８１が努力呼吸区間に相当する。１組の時間Ｔｎｎおよび時間Ｔｅｎを含む周期的時間ＴＣ_ｎが無呼吸発生間隔に相当する。

被験者９が小児ＳＡＳを発症している場合、無呼吸発生間隔に周期性があり、周期性は標準偏差σで判断できる。小児ＳＡＳの場合、周期性の標準偏差は３０未満であり、２０未満であることが望ましく、１０未満であることがさらに好ましい。したがって、判定値（第１の判定値）ＶＤ１は４回で３０であり、判定精度を高めるためには、第１の判定値ＶＤ１が２０であることがさらに好ましく、第１の判定値ＶＤ１が１０であることがさらに好ましい。標準偏差σを得る際に計算する周期的時間ＴＣ_ｎの前後の数は４に限定されず、３から６であってもよい。

第１の判定ユニット３５は、ステップ５９において、標準偏差σ１〜σ４のいずれかが第１の判定値ＶＤ１より小さいか否かを確認する。標準偏差σ１〜σ４のいずれかが第１の判定値ＶＤ１より小さいときは、ｎ番目の周期的時間ＴＣ_ｎに周期性、特に、小児ＳＡＳに関連する周期性があると判断する。

さらに、第１の判定ユニット３５は、ステップ６０において、周期的時間ＴＣ_ｎが第２の判定値ＶＤ２より長いか否かを判断する。無呼吸の場合、その発生間隔は通常１０秒以上である。したがって、第２の判定値ＶＤ２は、８秒程度が望ましく、１０秒程度がさらに好ましい。第１の判定ユニット３５は、周期的時間ＴＣ_ｎが第２の判定値ＶＤ２以上であると無呼吸に伴う陥没呼吸があると判断する。陥没呼吸（努力呼吸）の持続時間Ｔｅｎは判断しない。

第１の判定ユニット３５は、ステップ５９およびステップ６０の条件が満足されると、無呼吸に伴う陥没呼吸が発生したと判断する。さらに、ステップ６１および６２において、第１の判定ユニット３５は、一晩の体動量１３に含まれる陥没呼吸の数をカウントする。このカウントが陥没呼吸指数Ｉｒｅとなる。第１の判定ユニット３５は、ステップ６３において、陥没呼吸指数Ｉｒｅが１００以上であれば、陥没呼吸がある患者である、すなわち、ＳＡＳ判定に影響を与える陥没呼吸があると判定する。

さらに、第１の判定ユニット３５は、陥没呼吸がある患者であると判定されると、ステップ６４で、呼吸信号生成ユニット１５において呼吸信号１４を生成する際の振幅許容値を通常値よりも大きくする。

解析装置１０の呼吸信号生成ユニット１５は、荷重変動データ１２から、ＦＦＴなどの手法を用いて、被験者９の呼吸数に対応する周波数帯域の信号成分を呼吸信号として取得する。さらに、呼吸信号生成ユニット１５は、呼吸信号の頂点データを取得し、これを解析用の呼吸信号１４としてメモリ２１に記録する。呼吸信号１４は、呼吸による体動、例えば胸の上下動に伴うものを反映しており、ほぼ一定の周期で脈動する信号になる。無呼吸症候群の患者９の呼吸信号１４は、脈動の振幅が一定ではなく、低振幅の信号の後に高振幅の信号が現れる呼吸障害パターンを備えたものとなる。呼吸信号生成ユニット１５は、脈動する信号の各頂点のデータ（振幅と時刻あるいは周期など）を抽出し、振幅包絡線を描くデータを抽出し、それらの頂点データ（ピークデータ）の各値の集合を呼吸信号（呼吸データ、単振幅データ）１８として出力する。ＡＨＩ解析ユニット１６は、呼吸信号１４に含まれる呼吸障害パターンをカウントし、ＡＨＩを求め、無呼吸症候群であるか否かを判定または事前判定する。

呼吸信号生成ユニット１５は、所定の間隔で被験者９が載っていると判断される感圧センサー７の位置を判断し、最も被験者９の胸の動きを反映している感圧センサー７から得られる荷重変動データ１２から呼吸信号１４を生成する。その際、従来の呼吸信号生成ユニットでは、載っていると判断される感圧センサー７の位置が数１０％以上変化すれば、体動中と判定され、ＡＨＩカウント用の呼吸信号１４は生成されない。また、５分間の呼吸信号１４に含まれる振幅の非常に大きなピーク（ＰＬＭ）をカウントし、所定の回数以上のＰＬＭが見つかると、ＡＨＩカウント用の呼吸信号１４は生成されない。ＰＬＭは、呼吸信号１４に含まれる単発的なピークを示し、呼吸信号１４に含まれるあるピークの振幅が前後のピークの振幅の２倍以上であると、そのピークをＰＬＭと判定してカウントする。

従来の呼吸信号生成ユニットでは、体動率が３５％以上、または、ＰＬＭ回数が８回以上であれば、それらを覚醒の可能性を示す信号とし、患者９が覚醒している可能性が高いと判定する。さらに、体動率が２５％以上で、かつ、ＰＬＭ回数が４回以上の場合も患者９が覚醒している可能性が高いと判定する。さらに、従来の呼吸信号生成ユニットは、呼吸信号１４に含まれるピークの振幅値が所定の値を超えると呼吸以外の体動による信号であるとして、ＡＨＩカウント用の呼吸信号１４を生成しない。これらの処理により、センサーシート２からの信号を解析する従来のシステムでは、小児ＳＡＳを発症している小児患者において発生しやすい陥没呼吸は単発的な体動と判断され、ＡＨＩカウント用の呼吸信号１４が生成されず、ＡＨＩ解析ユニット１６における小児ＳＡＳの検出確率が低いという問題があった。

本例の解析装置１０においては、体動判定ユニット３０により、呼吸を反映した体動よりも衝撃の大きな体動に対して、呼吸数に対応する周波数帯域に限らず、周期性の有無を判断することができる。特に、体動判定ユニット３０の第１のユニット３１においては、荷重変動データ１２に含まれる交流成分を第１の微分値として抽出し、さらに、その第１の微分値の絶対値をさらに微分した値（第２の微分値）を第１の値Ｖ１として生成している。したがって、呼吸体動のような比較的滑らかな動きの成分よりも、衝撃的な体の動きや四肢の動きが第１の値Ｖ１に大きく反映される。

さらに、体動量１３は、センサーシート２に配置されている感圧センサー７の全点の情報を、絶対値の微分を利用し位相を揃えて合算したデータである。このため、被験者９の体の移動や、衝撃的な体または四肢の動きにより圧力が急激に増加したり、急激に減少したりする感圧センサー７の情報が重畳され、いっそう、衝撃的な体の動きや四肢の動きが強く反映された体動量１３を得ることができる。したがって、体動量１３は、被験者９の荷重分布の変化を検出するように複数の感圧センサー７がマトリクス状に配置されたセンサーシート２の特性あるいは特徴が活かされたデータである。センサーシート２の面積的な効果を活かし、体動量１３により、被験者９のより広範囲な体あるいは四肢の動きを判断することができる。

小児ＳＡＳに伴う陥没呼吸は、努力呼吸ではあるが、呼吸数に対応する周波数帯域（０．２〜０．５Ｈｚ程度）ではなく、無呼吸発生間隔の周波数帯域（０．１Ｈｚ程度以下）で現れる動き（体動）であり、さらに、その振幅は、通常の呼吸体動の振幅の１０倍以上になることが多い。本例の解析装置１０の体動判定ユニット３０は、体動をオンオフで判断するのでなく、時間に依存して量が変動する体動量１３として取得できる。このため、体動量１３に載っているノイズを除去したり、適当なしきい値Ｖｔｈを設定することにより、解析した体動に合致した現象を抽出し、その周期性を判断できる。したがって、パラメータを適当に設定することにより、体動判定ユニット３０により小児ＳＡＳに伴う陥没呼吸の有無を高い確率で判断できる。

被験者９が陥没呼吸を伴う患者であることが判断できれば、従来、呼吸信号１４のピークが大きすぎて単発的な体動として除去されていた呼吸信号１４を、振幅許容値を通常値よりも大きく設定することにより、ＡＨＩカウント用の呼吸信号１４としてＡＨＩ解析ユニット１６に供給できる。また、陥没呼吸を伴う患者は、寝苦しいために睡眠中でもＰＬＭに似た動作を頻発することが知られており、上述したＰＬＭの条件を緩和したり、あるいは無効にすることにより、従来は除去されていた呼吸信号１４をＡＨＩカウント用の呼吸信号１４としてＡＨＩ解析ユニット１６に供給できる。呼吸信号生成ユニット１５におけるその他の呼吸信号１４の生成条件および／またはＡＨＩ解析ユニット１６における睡眠時無呼吸症候群（ＳＡＳ）の重症度の判定条件を、陥没呼吸を伴う患者であることを前提とした条件に変更することができる。したがって、センサーシート２を用いた生体情報検出システム１における、陥没呼吸を伴う小児ＳＡＳの重症度の判定精度を向上でき、ＰＳＧによる判定結果との相関性を向上できる。

図５は、生体情報検出システムの異なる例を示している。この生体情報検出システム１ａは、被験者９の脚部の下にセンサーシート２を敷き、センサーシート２からの信号を解析装置１０ａにより解析し、周期性四肢運動障害（ＰＬＭＤ）の有無を判断する。センサーシート２の構成は上記と同様につき省略する。また、以下の生体情報検出システム１ａの構成で、上記のシステム１と共通する部分には共通の符号を付して説明を省略する。

解析装置１０ａはコンピュータ２０を含み、メモリ２１に格納された解析用プログラム２５ａをＣＰＵ２２が適当なタイミングでロードすることによりコンピュータ２０を解析装置１０ａとして機能させる。

解析装置１０ａは、第１の時間間隔Ｔ１でセンサーシート２の複数の感圧センサー７から荷重信号５を取得するサンプリングユニット１１を含み、感圧センサー７毎の荷重変動データ１２がメモリ２１に格納される。解析装置１０ａは、さらに、荷重変動データ１２から周期的な体動の有無を判断する体動判定ユニット３０を含む。体動判定ユニット３０は、荷重変動データ１２から体動量（第１のデータ）１３を生成する第１のユニット３１と、体動量１３から周期性四肢運動（ＰＬＭＤ）の有無を判断する第２のユニット３２とを含む。第２のユニット３２は、体動量１３を移動時間平均値１３ａに変換するサブユニット３３と、移動時間平均値１３ａの高低を繰り返す複数の周期的時間の標準偏差を求めるサブユニット３４と、ＰＬＭＤの有無を判断する第２の判定ユニット３６とを含む。

図６に、解析装置１０ａの主な処理をフローチャートにより示している。サンプリングユニット１１および体動判定ユニット３０の第１のユニット３１の処理、すなわち、ステップ５１からステップ５６については、図３に示した解析装置１０の処理と共通する。また、第２のユニット３２のサブユニット３３により移動時間平均値１３ａを求める処理（ステップ５７）も共通する。

解析装置１０ａの第２のユニット３２のサブユニット３４は、図７に示すように、ステップ５８において、体動量の移動時間平均値１３ａに対し、第１のしきい値Ｖｔｈ１と、第１のしきい値Ｖｔｈ１より小さな第２のしきい値Ｖｔｈ２を設定する。サブユニット３４は、体動量の移動時間平均値１３ａが第１のしきい値Ｖｔｈ１以上になると、値の高い時間帯９１を認識し、微動フラグをセットする（ｆ＝１）。サブユニット３４は、体動量の移動時間平均値１３ａが第２のしきい値Ｖｔｈ２以下になると、値の低い時間帯９０を認識し、微動フラグを解除する（ｆ＝０）。この処理により、体動量の移動時間平均値１３ａの高低の繰り返しを示す波形９５が得られる。２つのしきい値Ｖｔｈ１およびＶｔｈ２を用いてヒステリシスを定義して体動量の移動時間平均値１３ａの高低を判断する方法は、体動量１３を移動時間平均値１３ａに変換しても高周波成分が残りやすい周期性四肢運動の有無を判断するのに適している。

四肢運動を認識するための第１のしきい値Ｖｔｈ１は、陥没呼吸による体動量の判定とほぼかわらず、大人の通常呼吸が反映される体動量の移動時間平均値１３ａの最大値に対して、５０〜１５０倍程度、さらに好ましくは８０〜１２０倍程度、さらに好ましくは１００倍程度の値を設定することにより捉えやすい。四肢運動が収まった、すなわち、安静状態を判断する第２のしきい値Ｖｔｈ２は、第１のしきい値Ｖｔｈ１の半分あるいはそれ以下であることが望ましい。この例では、第２のしきい値Ｖｔｈ２を第１のしきい値Ｖｔｈ１の４０％に設定している。たとえば、第１のしきい値Ｖｔｈ１は２０００、第２のしきい値Ｖｔｈ２は８００である。

サブユニット３４は、さらに、ステップ５８において、体動量の移動時間平均値１３ａの高低の１つの繰り返しに含まれるｎ番目の周期的時間ＴＤ_ｎを抽出する。ｎ番目の周期的時間ＴＤ_ｎは、値の高い時間帯９１と、値の低い時間帯９０とを１つずつ含む。さらに、サブユニット３４は、ｎ番目の周期的時間ＴＤ_ｎを含む前後４つの他の周期的時間の標準偏差σを計算する。すなわち、サブユニット３４はステップ５８において（ＴＤ_ｎ−３、ＴＤ_ｎ−２、ＴＤ_ｎ−１、ＴＤ_ｎ）、（ＴＤ_ｎ−２、ＴＤ_ｎ−１、ＴＤ_ｎ、ＴＤ_ｎ＋１）、（ＴＤ_ｎ−１、ＴＤ_ｎ、ＴＤ_ｎ＋１、ＴＤ_ｎ＋２）、（ＴＤ_ｎ、ＴＤ_ｎ＋１、ＴＤ_ｎ＋２、ＴＤ_ｎ＋３）の４つの組み合わせの標準偏差σ１〜σ４を計算する。

ＰＬＭＤの有無を判断する第２の判定ユニット３６は、ステップ７０において、標準偏差σ１〜σ４のいずれかが第１の判定値ＶＤ１より小さいか否かを判断する。第１の判定値ＶＤ１は、周期性の体動の有無を判断する値である。第１の判定値ＶＤ１は、上述した陥没呼吸を伴う小児ＳＡＳと同じ値を採用してもよく、この装置１０ａにおいて検出しようとしているＰＬＭＤも周期性があり、その症状に適した周期性の判定値があれば、その値を採用できる。ここでは、上述した小児ＳＡＳの判定と同じ値ＶＤ１（４回で３０、好ましくは４回で２０、さらに好ましくは４回で１０）を採用している。標準偏差σを得る際に計算する周期的時間ＴＤ_ｎの前後の数は４に限定されず、３から６であってもよい。

検出された周期性のある体動がＰＬＭＤであれば、値の低い時間帯９０の開始時刻ｔ１１およびｔ１３が安静開始時刻であり、値の低い時間帯（時間ＴＡｎ）９０が安静区間に相当する。また、値の高い時間帯９１の開始時刻ｔ１２が微動発生時刻であり、値の高い時間帯（時間ＴＢｎ）９１が微動発生区間に相当する。１組の時間ＴＡｎおよび時間ＴＢｎを含む周期的時間ＴＤ_ｎが微動発生間隔である。

第２の判定ユニット３６は、ステップ７０において、標準偏差σ１〜σ４のいずれかが第１の判定値ＶＤ１より小さいか否かを確認する。標準偏差σ１〜σ４のいずれかが第１の判定値ＶＤ１より小さいときは、ｎ番目の周期的時間ＴＤ_ｎに周期性、特に、ＰＬＭＤに関連する周期性があると判断する。

さらに、第２の判定ユニット３６は、ステップ７１において、値の低い時間帯（安静区間）９０の時間ＴＡｎが以下の条件（第３の判定値）を満足するか否かを判断する。
４秒＜ＴＡｎ＜９０秒 ・・・（１）
ＰＬＭＤの発生間隔は４秒から９０秒と定義されているので、この条件に準じてＰＬＭＤの発生の有無を判断するためである。

さらに、第２の判定ユニット３６は、ステップ７２において、値の高い時間帯（微動発生区間）９１の時間ＴＢｎが以下の条件（第４の判定値）を満足するか否かを判断する。
ＴＢｎ＜５秒 ・・・（２）
ＰＬＭＤの持続時間は０．５秒から５秒と定義されているので、この条件に準じてＰＬＭＤの発生の有無を判断するためである。

第２の判定ユニット３６は、ステップ７０〜７２の条件が満足されると、ＰＬＭＤが発生したと判断する。さらに、ステップ７３および７４において、第２の判定ユニット３６は、一晩の体動量１３に含まれるＰＬＭＤの発生回数をカウントする。このカウントがＰＬＭＤ指数となり、被験者９のＰＬＭＤの症状を判断するための有効な情報となる。

本例の解析装置１０ａにおいては、体動判定ユニット３０により、呼吸を反映した体動よりも衝撃の大きな体動の周期性の有無を判断できる。したがって、ＰＬＭＤのような周期性四肢運動障害の有無の判断には適している。周期性四肢運動障害（ＰＬＭＤ）は、睡眠時ミオクローヌス症候群とも呼ばれ、脚に限らず、手などの身体の各部位のぴくつきとして現れることがある。本例の生体情報検出システム１ａは、センサーシート２を敷く場所により、脚に限らず手などに現れる周期性四肢運動障害を検出することも可能である。また、センサーシート２は、身体の上半身あるいは下半身に限らず、被験者９の全身をカバーするように被験者９の下に敷くことも可能であり、オンタイムあるいはバッチジョブにより被験者９のＰＬＭＤおよびＳＡＳの有無あるいは症状の度合を合わせて判断することも可能である。

なお、上述した各判定値および条件は一例であり、これらの値および条件は、センサーシート２の仕様、荷重信号５の測定条件などにより、適切に決められるものである。

１、１ａ 生体情報検出システム
２ センサーシート、 ７ 感圧センサー（圧力センサー）
１０、１０ａ 解析装置
１７ 呼吸モニターユニット
３０ 体動判定ユニット

Claims (17)

1. 被験者の下に、前記被験者の荷重分布の変化を検出するように配置された複数の検出素子のそれぞれから得られる荷重変動データを解析する装置であって、
   前記複数の検出素子それぞれの前記荷重変動データの微分した第１の微分値の絶対値をさらに微分した第２の微分値の第１の値を求め、第１の時間間隔で定期的に、前記複数の検出素子の前記第１の値を合計した成分を含む第１のデータを得る第１のユニットと、
   前記第１のデータに基づき、前記被験者の睡眠時の通常の呼吸によらない周期的な体動または周期性四肢運動の有無を判断する第２のユニットとを有する装置。
2. 請求項１において、
   前記第２のユニットは、前記第１のデータを、前記第１の時間間隔より長い第２の時間間隔の前記第１のデータの移動時間平均値に変換するサブユニットを含む、装置。
3. 請求項１または２において、前記第２のユニットは、前記第１のデータの高低を繰り返す複数の周期的時間の標準偏差を得るサブユニットを含む、装置。
4. 請求項３において、前記第２のユニットは、前記被験者が小児であり、前記標準偏差が第１の判定値より小さく、前記第１のデータの高低の１つの繰り返しに含まれる、値の低い時間が第２の判定値より長いことが所定の時間あたり所定の回数以上あると、陥没呼吸があると判定する第１の判定ユニットを含む、装置。
5. 請求項４において、前記複数の検出素子の一部の前記荷重変動データより前記被験者の呼吸数に対応する周波数帯域の信号成分を含む呼吸信号を生成し、無呼吸状態を判定する呼吸モニターユニットをさらに有し、
   前記呼吸モニターユニットは、前記第１の判定ユニットにより陥没呼吸があると判定されると、前記呼吸信号を生成する際の振幅許容値として通常値よりも大きな値を採用する、装置。
6. 請求項３において、前記第２のユニットは、前記標準偏差が第１の判定値より小さく、前記第１のデータの高低の１つの繰り返しに含まれる、値の低い時間が第３の判定値内であり、前記第１のデータの高低の１つの繰り返しに含まれる、値の高い時間が第４の判定値より短いと、周期性四肢運動があると判定する第２の判定ユニットを含む、装置。
7. 請求項１ないし６のいずれかに記載の装置と、
   前記複数の検出素子が所定のパターンで配置されたセンサーユニットとを有する、生体情報検出システム。
8. 被験者の下に、前記被験者の荷重分布の変化を検出するように配置された複数の検出素子のそれぞれから得られる荷重変動データを解析する装置を制御する方法であって、
   前記解析する装置は、ＣＰＵと、メモリとを含み、
   当該方法は、
   前記ＣＰＵが前記複数の検出素子それぞれの前記荷重変動データの微分した第１の微分値の絶対値をさらに微分した第２の微分値の第１の値を求め、第１の時間間隔で定期的に、前記複数の検出素子の前記第１の値を合計した成分を含む第１のデータを前記メモリに格納することと、
   前記ＣＰＵが前記第１のデータに基づき、前記被験者の睡眠時の通常の呼吸によらない周期的な体動または周期性四肢運動の有無を判断することとを有する方法。
9. 請求項８において、
   前記判断することは、前記第１のデータを、前記第１の時間間隔より長い第２の時間間隔の前記第１のデータの移動時間平均値に変換することを含む、方法。
10. 請求項８または９において、前記判断することは、前記第１のデータの高低を繰り返す複数の周期的時間の標準偏差を得ることを含む、方法。
11. 請求項１０において、前記判断することは、前記被験者が小児であり、前記標準偏差が第１の判定値より小さく、前記第１のデータの高低の１つの繰り返しに含まれる、値の低い時間が第２の判定値より長いことが所定の時間あたり所定の回数以上あると、陥没呼吸があると判定することを含む、方法。
12. 請求項１１において、前記複数の検出素子の一部の前記荷重変動データより前記被験者の呼吸数に対応する周波数帯域の信号成分を含む呼吸信号を生成し、無呼吸状態を判定することをさらに有し、
    前記無呼吸状態を判定することは、陥没呼吸があると判定されると、前記呼吸信号を生成する際の振幅許容値として通常値よりも大きな値を採用する、方法。
13. 請求項１０において、前記判断することは、前記標準偏差が第１の判定値より小さく、前記第１のデータの高低の１つの繰り返しに含まれる、値の低い時間が第３の判定値内であり、前記第１のデータの高低の１つの繰り返しに含まれる、値の高い時間が第４の判定値より短いと、周期性四肢運動があると判定することを含む、方法。
14. 被験者の下に、前記被験者の荷重分布の変化を検出するように配置された複数の検出素子のそれぞれから得られる荷重変動データを解析する装置としてコンピュータを機能させるためのプログラムであって、
    前記解析する装置は、
    前記複数の検出素子それぞれの前記荷重変動データの微分した第１の微分値の絶対値をさらに微分した第２の微分値の第１の値を求め、第１の時間間隔で定期的に、前記複数の検出素子の前記第１の値を合計した成分を含む第１のデータを得る第１のユニットと、
    前記第１のデータに基づき、前記被験者の睡眠時の通常の呼吸によらない周期的な体動または周期性四肢運動の有無を判断する第２のユニットとを含む、プログラム。
15. 請求項１４において、
    前記第２のユニットは、前記第１のデータを、前記第１の時間間隔より長い第２の時間間隔の前記第１のデータの移動時間平均値に変換するサブユニットと、
    前記移動時間平均値の高低を繰り返す複数の周期的時間の標準偏差を得るサブユニットとを含む、プログラム。
16. 請求項１５において、前記第２のユニットは、前記被験者が小児であり、前記標準偏差が第１の判定値より小さく、前記第１のデータの高低の１つの繰り返しに含まれる、値の低い時間が第２の判定値より長いことが所定の時間あたり所定の回数以上あると、陥没呼吸があると判定する第１の判定ユニットを含む、プログラム。
17. 請求項１５において、前記第２のユニットは、前記標準偏差が第１の判定値より小さく、前記第１のデータの高低の１つの繰り返しに含まれる、値の低い時間が第３の判定値内であり、前記第１のデータの高低の１つの繰り返しに含まれる、値の高い時間が第４の判定値より短いと、周期性四肢運動があると判定する第２の判定ユニットを含む、プログラム。

Images