JP5748290B2 - 睡眠評価装置及び睡眠評価システム - Google Patents

Description

本発明は、睡眠の質を評価する睡眠評価装置及び睡眠評価システムに関する。

一般的に、睡眠の質の判定は、脳波、眼球運動及びオトガイ筋電図の各データを取得し、これらのデータに基づいて判定する睡眠ポリグラフ（ｐｏｌｙｓｏｍｎｏｇｒａｐｈｙ：ＰＳＧ）によりなされている。しかしながら、そのデータの取得に際しては、医療機関への入院検査、人体への電極の貼り付け等が必要となり、被験者の負担が大きい上に、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いため、簡便に一般家庭においても睡眠の質を評価することができる睡眠評価装置が開発されている（例えば、特許文献１参照）。そのような睡眠評価装置では、被験者の睡眠の質を評価する指標として、客観的な数値である睡眠点数を算出し、表示部に表示するものが知られている。被験者は、そのような睡眠点数をみて、その日の睡眠状態の質の良し悪しを知ることができる。

特開２００８−３０１９５１

しかしながら、被験者はその睡眠点数を確認し、その数値が高ければ「良い睡眠」、低ければ「悪い睡眠」であったと知ることができても、いかなる要因のために睡眠点数が良かったのか（又は悪かったのか）、を一見して把握することはできない。
また、睡眠深度、睡眠周期、睡眠時間などが日によって異なる場合もあるため、例えば、一昨日の睡眠点数と昨日の睡眠点数とが結果的にはほぼ同じような値であったとしても、前記一昨日の睡眠の質と昨日の睡眠の質とが同じとは限らない。そのため、被験者は、睡眠点数の確認だけではその質の差異を見出すことができない。
上記のような睡眠点数が良かった（又は悪かった）要因や睡眠の質がいかなるものであったかを知るためには、被験者が自ら、睡眠ステージグラフその他の情報から読み取って判断する必要があった。このため、睡眠判定に関する正確・詳細な知識を有しない被験者にとっては、感覚的な評価となりやすく、正確な評価及びそれに対する対処が適正に行われない場合がある。
特に一般家庭用の睡眠評価装置における被験者は、正確な評価を自ら行うのに十分な知識を有しない場合も多いため、そのような者にとっても睡眠の質の判定結果を理解しやすい結果表示形式が求められている。
本発明は、睡眠の質の判定結果を確認しやすい睡眠評価装置及び睡眠評価システムを提供することを目的とする。

上記課題を解決するために、本発明に係る睡眠評価装置は、被験者の生体情報を検出して生体信号として出力する生体情報検出手段と、前記生体信号に基づいて前記被験者の睡眠状態を判定する判定部と、を有する睡眠評価装置であって、前記判定部は、前記生体信号に基づいて前記被験者の睡眠指数を演算するとともに、前記被験者の所定期間における睡眠に関する集計データである睡眠記録から、所定日数の間に観測された最も多い就寝時刻及び起床時刻を求めると共に、前記所定日数の間に観測された、前記最も多い就寝時刻及び起床時刻における就寝の回数及び起床の回数と、当該最も多い就寝時刻及び起床時刻それぞれの直前の時刻及び直後の時刻における就寝及び起床の回数とに基づくパターンから就寝時刻スコア及び起床時刻スコアを算出して、前記就寝時刻スコア及び前記起床時刻スコアに基づいて前記被験者の睡眠習慣スコアを決定し、少なくとも、睡眠の深さに係る項目と、睡眠のリズムに係る項目と、中途覚醒に係る項目と、前記睡眠習慣スコアと、を含む複数種類の所定項目ごとに睡眠評価スコアを算出し、前記被験者の睡眠状態が、睡眠内容の特徴に応じて予め記憶されている種別としての所定の睡眠タイプのいずれに該当するかを、前記睡眠評価スコアに基づいて判定することを特徴とする。

また、本発明に係る睡眠評価装置において、前記判定部は、算出された前記睡眠評価スコアを用いて前記睡眠タイプごとの判定値を算出し、該判定値に基づいて、前記所定の睡眠タイプのいずれに該当するかを判定することを特徴とする。

また、本発明に係る睡眠評価装置において、前記所定の睡眠タイプのいずれに該当するかの判定に用いる睡眠評価スコアには、少なくとも睡眠深度スコアと睡眠周期スコアと中途覚醒スコアとを含み、又は、これらに加えて睡眠時間スコアを更に含むことを特徴とする。

また、本発明に係る睡眠評価装置は、前記複数種類の所定項目ごとに算出される前記睡眠評価スコアを一括表示可能な表示部を有することを特徴とする。

また、本発明に係る睡眠評価装置において、前記表示部に一括表示される睡眠評価スコアには、前記所定の睡眠タイプのいずれに該当するかの判定に用いた睡眠評価スコアを含み、又は、これらに加えて体動頻度スコア及び／又は睡眠習慣スコアを更に含むことを特徴とする。

また、本発明に係る睡眠評価装置において、前記複数種類の所定項目ごとに算出される前記睡眠評価スコアをレーダーチャートで表示可能な表示部を有することを特徴とする。

また、本発明に係る睡眠評価システムは、被験者の生体情報を検出して生体信号として出力する生体情報検出手段を含む測定装置と、前記生体信号に基づいて前記被験者の睡眠状態を判定する情報処理端末と、を有する睡眠評価システムであって、前記情報処理端末は、前記生体信号に基づいて前記被験者の睡眠指数を演算するとともに、前記被験者の所定期間における睡眠に関する集計データである睡眠記録から所定日数の間に観測された最も多い就寝時刻及び起床時刻を求めると共に、前記所定日数の間に観測された、前記最も多い就寝時刻及び起床時刻における就寝の回数及び起床の回数と、当該最も多い就寝時刻及び起床時刻それぞれの直前の時刻及び直後の時刻における就寝及び起床の回数とに基づくパターンから、就寝時刻スコア及び起床時刻スコアを算出して、前記就寝時刻スコア及び前記起床時刻スコアに基づいて前記被験者の睡眠習慣スコアを決定し、少なくとも睡眠の深さに係る項目と、睡眠のリズムに係る項目と、中途覚醒に係る項目と、前記睡眠習慣スコアと、を含む複数種類の所定項目ごとに睡眠評価スコアを算出し、前記被験者の睡眠状態が、睡眠内容の特徴に応じて予め記憶されている種別としての所定の睡眠タイプのいずれに該当するかを、前記睡眠評価スコアに基づいて判定することを特徴とする。

本発明によれば、所定の睡眠タイプのいずれに該当するかを判定するので、被験者自身は自己の睡眠がいかなるものであったのかを極めて容易に理解できるものとなる

特に、睡眠評価スコアは、睡眠深度スコア、睡眠周期スコア、及び中途覚醒スコアに加えて、睡眠時間スコア及び／又は体動頻度スコアを含むので、睡眠深度、睡眠周期、睡眠時間、中途覚醒、体動頻度等の各観点から、何を改善すれば睡眠の評価の向上に繋がるのか、といった改善点を見出しやすくなる。

また、睡眠評価スコアを一括表示可能、特にレーダーチャートで表示可能であるので、睡眠の評価に影響を及ぼしているスコアが可視化され、睡眠内容の分析・自己評価が容易となる。

また、睡眠タイプは、睡眠内容の特徴に応じて予め記憶されている種別であり、算出された前記睡眠評価スコアを用いて前記睡眠タイプごとの判定値を算出するので、睡眠タイプの自動判別が可能となる。その結果、睡眠タイプごとのアドバイスの提供も自動化できるものとなる。

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。 深睡眠出現量算出を示すフローチャートである。 中長時間覚醒回数算出を示すフローチャートである。 短時間覚醒回数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。 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。 睡眠障害判別確率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。 所定項目を説明するためのタイムチャートである。 第１睡眠タイプの例を示すレーダーチャートである。 第２睡眠タイプの例を示すレーダーチャートである。 第３睡眠タイプの例を示すレーダーチャートである。 第４睡眠タイプの例を示すレーダーチャートである。 第５睡眠タイプの例を示すレーダーチャートである。 体動頻度スコア演算を示すフローチャートである。 睡眠タイプ判定を示すフローチャートである。 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。 判定結果の画面を示す説明図である。 睡眠点数に関する従来技術と本発明との比較を示すグラフであり、（ａ）は、従来の睡眠点数と深睡眠率との相関を示すグラフ、（ｂ）は、本発明の睡眠点数と深睡眠率との相関を示すグラフである。 睡眠点数に関する従来技術と本発明との比較を示すグラフである。 睡眠日誌ＳＤ_１の例を示す図である。 就寝時間テーブルＳＴ_１及び起床時間テーブルＷＴ_１の例を示す図である。 睡眠習慣パターンテーブルの例を示す図である。 睡眠日誌ＳＤ_２の例を示す図である。 就寝時間テーブルＳＴ_２及び起床時間テーブルＷＴ_２の例を示す図である。 睡眠日誌ＳＤ_３の例を示す図である。 就寝時間テーブルＳＴ_３及び起床時間テーブルＷＴ_３の例を示す図である。 睡眠日誌ＳＤ_４の例を示す図である。 就寝時間テーブルＳＴ_４及び起床時間テーブルＷＴ_４の例を示す図である。 判定結果の画面を示す説明図である。

（第１実施形態）
以下、図面を参照して、本発明による第１実施形態である睡眠評価装置を実施するための形態について説明する。

まず、図１及び図２を用いて、本実施形態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、図２は、睡眠評価装置１のブロック図である。図１に示すように、睡眠評価装置１は、寝具に横臥した被験者の生体情報を検出して生体信号として出力するセンサ部２（生体情報検出手段）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。

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１に示すように、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に示すように、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、体動信号、心拍信号のそれぞれを検出する生体データ検出部７、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。判定部８は、より具体的には、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）を含む。なお、これらの各判定部については、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、睡眠判定データ演算部３０（図示略）と、睡眠評価スコア演算部４０（図示略）と、判別確率算出部５０（図示略）と、睡眠タイプ判定部６０（図示略）と、を有する。

睡眠判定データ演算部３０は、睡眠評価スコア（後述）を算出するための基礎となる睡眠判定データ（複数の変数データ）を演算するものである。睡眠判定データは、深睡眠率（％）、差分睡眠周期スコア、総就床時間（分）、睡眠周期（分）、深睡眠出現量（分）、差分総就床時間スコア、中長時間覚醒回数（回）、短時間覚醒回数（回）、睡眠効率（％）の９種類のデータを用いるのが好適である。よって、睡眠判定データ算出部３０として、深睡眠率演算部、差分睡眠周期スコア演算部、総就床時間演算部、睡眠周期演算部、深睡眠出現量演算部、差分総就床時間スコア演算部、中長時間覚醒回数演算部、短時間覚醒回数演算部、睡眠効率演算部を有する（いずれも図示略）。本実施形態では、これらの９種類の睡眠判定データを用いる睡眠評価システム及び睡眠評価装置を説明するが、これら以外の睡眠判定データ（変数データ）を更に追加しても良い。

ここで、複数の変数データである前記９種類の睡眠判定データについて更に説明する。深睡眠率（％）は、睡眠時間における深い睡眠の割合を意味し、「（深い睡眠の時間／睡眠時間）×１００」、すなわち「（深い睡眠の時間／（入眠から最終覚醒までの時間））×１００」として求めることができる。差分睡眠周期スコアは、睡眠周期（分）が基準時間（例えば９０分）に対してどの程度の差があるかを表すスコアである。「−｜睡眠周期−所定基準時間｜」（｜｜は絶対値を表す。）により求めることができる。従って、基準時間を９０分と設定した場合に、被験者の睡眠周期が９０分であれば、差分睡眠周期スコアの値は０になり最大値を示し、睡眠周期が１２０分又は６０分であれば、差分睡眠周期スコアの値は−３０となる。総就床時間（分）は、就床から離床までの時間を意味する。睡眠周期（分）は、ＲＥＭ睡眠の終了から次のＲＥＭ睡眠の終了までを１周期とした場合の、当該周期の平均値を意味する。但し、第１周期は、入眠してから最初に現れるＲＥＭ睡眠の終了までとする。深睡眠出現量（分）は、深い睡眠の時間の総和を意味する。差分総就床時間スコアは、総就床時間（分）が基準時間（例えば６．５時間（３９０分））に対してどの程度の差があるかを表すスコアである。「−｜総就床時間−基準時間｜」（｜｜は絶対値を表す。）により求めることができる。従って、基準時間を３９０分と設定した場合に、被験者の総就床時間が３９０分であれば、差分総就床時間スコアの値は０になり最大値を示し、総就床時間が４２０分又は３６０分であれば、差分総就床時間スコアの値は−３０となる。中長時間覚醒回数（回）は、睡眠中に現れる基準時間（例えば、２分３０秒）以上の覚醒の回数を意味する。短時間覚醒回数（回）は、睡眠中に現れる基準時間（例えば２分）以内の覚醒の回数を意味する。睡眠効率（％）は、総就床時間に対する実際に眠っていた時間の割合を意味し、「（総睡眠時間／総就床時間）×１００」、すなわち「（（総就床時間−睡眠中に覚醒した時間の総和)／総就床時間）×１００」として求めることができる。

本発明においては、前記９種類の睡眠判定データ（所定項目）は、ＰＳＧの測定データと既存の睡眠評価装置の測定データとの相関がよいものとして抽出されている上に、特に（一例として９０分基準の）差分睡眠周期スコアや、（一例として６．５時間（３９０分）基準の）差分総就床時間スコアを有しているため、従来技術にはない、睡眠時間や睡眠周期をも考慮した睡眠の質の評価、すなわち睡眠点数を演算することが可能であり、ＰＳＧの睡眠判定の結果に対して、睡眠点数の相関を向上させることができる。

睡眠評価スコア演算部４０は、睡眠の質の評価の基礎となる睡眠評価スコアを演算するものである。睡眠評価スコアは、一例として、第１主成分スコアとして睡眠深度スコア、第２主成分スコアとして睡眠周期スコア、第３主成分スコアとして睡眠時間スコア、第４主成分スコアとして中途覚醒スコアの４成分スコアで構成するのが好適である。さらに、睡眠中に生じる体動の発生頻度に関するスコアとしての体動頻度スコアをも睡眠評価スコアの１つとして加えるのが好適である。よって、睡眠評価スコア演算部４０は、睡眠深度スコア演算部、睡眠周期スコア演算部、睡眠時間スコア演算部、中途覚醒スコア演算部、体動頻度スコア演算部を有する（いずれも図示略）。より正確に睡眠の質を評価する際には、睡眠の深さ、睡眠の周期、睡眠の時間、中途覚醒、体動頻度の程度が重要な指標となるため、本実施形態では前記５種類の成分スコアを用いる睡眠評価装置を説明するが、これら以外の睡眠評価スコアを更に追加しても良い。

判別確率算出部５０は、ＳＡＳ患者のような睡眠障害者である確率を示す判別確率（後述）を演算するものである。

睡眠タイプ判定部６０は、予め設定されている複数の睡眠タイプ（後述）のうち、いずれの睡眠タイプに該当する睡眠であったかを判定するものである。

評価部２０は、睡眠評価スコア演算部４０が睡眠判定データに基づいて演算した睡眠評価スコアと、判別確率算出部５０が演算した判別確率と、に基づいて睡眠点数（睡眠指数）を演算する。また、睡眠タイプ判定部６０は、被験者の睡眠がいずれの睡眠タイプに該当するかを判定する。このような睡眠点数や睡眠タイプを含む睡眠の質の評価の結果を表示部４に表示する。睡眠判定データ演算部３０、睡眠評価スコア演算部４０、判別確率算出部５０、睡眠タイプ判定部６０、及び、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、生体データ検出部７、判定部８、評価部２０、睡眠判定データ演算部３０と、睡眠評価スコア演算部４０と、判別確率算出部５０と、睡眠タイプ判定部６０とは、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、図４は、前記各判定部１１〜１８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、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、操作部５の測定開始の操作を行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、記憶部９に記憶した生体信号データを読み出し、生体データ検出部７において呼吸信号、体動信号、心拍信号を検出し、これらの呼吸信号、体動信号、心拍信号により得られるそれぞれの波形の振幅及び周期が演算され、呼吸データ、体動データ、心拍データとして記憶部９に記憶する。このとき、呼吸データ、体動データ、心拍データは、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、呼吸信号、体動信号、心拍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に記憶された総ての生体信号データに対して、呼吸データ、体動データ、心拍データが検出され記憶されると、ステップＳ５において、それらの呼吸データ、体動データ、心拍データを用いて、判定部８内の各判定部１１〜１８により、睡眠段階判定（後述）が行なわれる。

ステップＳ６において、睡眠段階判定の結果に基づいて睡眠判定データ（複数の変数データ）の演算、睡眠評価スコアの演算、判別確率の演算を行い、睡眠点数が演算される。ステップＳ７において、被験者の睡眠が、予め設定されている複数の睡眠タイプのうち、いずれの睡眠タイプに該当する睡眠であったかが判定される。ステップＳ８において、睡眠点数や睡眠タイプを含む睡眠の質の評価の結果が表示部４に表示される。ステップＳ９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Ｓ８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の電源をオフにし終了となる。

次に図４のフローチャートを用いて、判定部８内における各判定部１１〜１８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、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、体動データ、心拍データに基づいて、以下の判定処理を順次行なうものである。

ステップＳ１１（入床・離床判定ステップ）において、入床・離床判定部１１は、呼吸データ、体動データ、心拍データの変動に基づいて、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（体動判定ステップ）において、体動判定部１２は、呼吸データ、体動データ、心拍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・心拍・体動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（覚醒判定ステップ）において、覚醒判定部１３は、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（入眠判定ステップ）において、入眠判定部１４は、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（深睡眠判定ステップ）において、深睡眠判定部１５は、呼吸データ及び心拍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（ＲＥＭ・浅睡眠判定ステップ）において、ＲＥＭ・浅睡眠判定部１６は、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（中途覚醒判定ステップ）において、中途覚醒判定部１７は、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（起床判定ステップ）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。

以上の総ての判定が終了すると、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６における睡眠点数の演算処理、ステップ７における睡眠タイプ判定が実行されたのち、ステップＳ８において、睡眠点数や睡眠タイプを含む睡眠の質の評価の結果が表示されるものである。

前記各判定部１１〜１８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、体動データ、心拍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。なお、呼吸データを用いる例を説明したが、体動データ、心拍データを用いても良いことは言うまでもない。この入床・離床判定部１１の処理結果に基づいて、前記総就床時間演算部及び差分総就床時間スコア演算部は、前記睡眠判定データとしての総就床時間（分）及び差分総就床時間スコアを演算することが可能となる。また、入床・離床判定部１１の処理結果に基づいて、睡眠効率演算部は、睡眠効率（％）を演算するために必要な「総就床時間」を演算することが可能となる。

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、ステップＳ３３において、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。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。

また、ステップＳ３３において標準偏差≧Ｂ１であった場合、呼吸のばらつきが大きいため体動有り、と判断して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、図７のステップ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に関連付けて判定結果が記憶部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１２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。体動値Ｚは、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、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、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、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、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。以上の覚醒判定部１３及び入眠判定部１４の処理結果に基づいて、前記深睡眠率演算部は、深睡眠率（％）を演算するために必要な「睡眠時間」すなわち「入眠から最終覚醒までの時間」を演算することが可能となる。また、覚醒判定部１３及び入眠判定部１４の処理結果に基づいて、睡眠効率演算部は、睡眠効率（％）を演算するために必要な「睡眠中に覚醒した時間の総和」を演算することが可能となる。

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、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において判定結果を記憶部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。この深睡眠判定部１５の処理結果に基づいて、前記深睡眠出現量演算部は、前記睡眠判定データとしての深睡眠出現量（分）を演算することが可能となる。また、この深睡眠判定部１５の処理結果に基づいて、深睡眠率演算部は、深睡眠率（％）を演算するために必要な「深い睡眠の時間」を演算することが可能となる。

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。このＲＥＭ・浅睡眠判定部１６の処理結果に基づいて、前記睡眠周期演算部及び差分睡眠周期スコア演算部は、前記睡眠判定データとしての睡眠周期（分）及び差分睡眠周期スコアを演算することが可能となる。

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。この中途覚醒判定部１７の処理結果に基づいて、前記中長時間覚醒回数演算部及び短時間覚醒回数演算部は、前記睡眠判定データとしての中長時間覚醒回数（回）及び短時間覚醒回数（回）を演算することが可能となる。

ここで、図１７のフローチャートを用いて、中途覚醒条件判定を説明する。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。以上の起床判定部１８の処理結果に基づいて、前記深睡眠率演算部は、深睡眠率（％）を演算するために必要な「睡眠時間」すなわち「入眠から最終覚醒までの時間」を演算することが可能となる。

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、上述した入床・離床判定、体動判定、覚醒判定、入眠判定、深睡眠判定、ＲＥＭ・浅睡眠判定、中途覚醒判定、起床判定によって、睡眠の状態を示す睡眠判定データ（例えば深睡眠時間、中途覚醒回数）を得ることができる。これらの睡眠判定データは、単体でも睡眠の質をある程度評価することができるが、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。そこで、本実施形態では、ＰＳＧの測定データのうち、睡眠の「深さ」、「周期」、「時間」、「中途覚醒」を反映する複数の所定項目（変数）を抽出し、既存の睡眠評価装置と相関のある変数として、深睡眠率（％）、差分睡眠周期スコア、総就床時間（分）、睡眠周期（分）、深睡眠出現量（分）、差分総就床時間スコア、中長時間覚醒回数（回）、短時間覚醒回数（回）、睡眠効率（％）を選定した。さらに、これらの所定項目（変数）を集約した睡眠点数を導くために、主成分分析を実施して睡眠評価スコアを開発すると共に、この睡眠評価スコアと睡眠時無呼吸症候群リスクとを反映する、睡眠点数の回帰式を開発した。なお、本実施形態における回帰式作成に際して解析したＰＳＧの測定データの対象は、健常者４９名、ＳＡＳ患者１１２名であった。
上記の様に、本実施形態では、睡眠の質を総合的に評価するための評価指数である睡眠点数を導くために、睡眠評価スコアを主成分分析法によって選定する。

第１に、ある母集団について、ＰＳＧによって複数の所定項目（変数）を測定する。この例では、複数の所定項目として、深睡眠率（％）、差分睡眠周期スコア、総就床時間（分）、睡眠周期（分）、深睡眠出現量（分）、差分総就床時間スコア、中長時間覚醒回数（回）、短時間覚醒回数（回）、睡眠効率（％）とする。

第２に、前記複数の所定項目の相互の相関係数を算出し、相関行列を求める。９個の項目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〜ｒ９９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９主成分Ｚ１〜Ｚ９、固有ベクトルａ１１〜ａ９９を算出する。これらは、以下の式（２）〜（１０）で与えられる。
Ｚ１＝ａ11Ｘ1＋ａ12Ｘ2＋ａ13Ｘ3＋ａ14Ｘ4＋ａ15Ｘ5＋ａ16Ｘ6＋ａ17Ｘ7＋ａ18Ｘ8＋ａ19Ｘ9…式（２）
Ｚ２＝ａ21Ｘ1＋ａ22Ｘ2＋ａ23Ｘ3＋ａ24Ｘ4＋ａ25Ｘ5＋ａ26Ｘ6＋ａ27Ｘ7＋ａ28Ｘ8＋ａ29Ｘ9…式（３）
Ｚ３＝ａ31Ｘ1＋ａ32Ｘ2＋ａ33Ｘ3＋ａ34Ｘ4＋ａ35Ｘ5＋ａ36Ｘ6＋ａ37Ｘ7＋ａ38Ｘ8＋ａ39Ｘ9…式（４）
Ｚ４＝ａ41Ｘ1＋ａ42Ｘ2＋ａ43Ｘ3＋ａ44Ｘ4＋ａ45Ｘ5＋ａ46Ｘ6＋ａ47Ｘ7＋ａ48Ｘ8＋ａ49Ｘ9…式（５）
Ｚ５＝ａ51Ｘ1＋ａ52Ｘ2＋ａ53Ｘ3＋ａ54Ｘ4＋ａ55Ｘ5＋ａ56Ｘ6＋ａ57Ｘ7＋ａ58Ｘ8＋ａ59Ｘ9…式（６）
Ｚ６＝ａ61Ｘ1＋ａ62Ｘ2＋ａ63Ｘ3＋ａ64Ｘ4＋ａ65Ｘ5＋ａ66Ｘ6＋ａ67Ｘ7＋ａ68Ｘ8＋ａ69Ｘ9…式（７）
Ｚ７＝ａ71Ｘ1＋ａ72Ｘ2＋ａ73Ｘ3＋ａ74Ｘ4＋ａ75Ｘ5＋ａ76Ｘ6＋ａ77Ｘ7＋ａ78Ｘ8＋ａ79Ｘ9…式（８）
Ｚ８＝ａ81Ｘ1＋ａ82Ｘ2＋ａ83Ｘ3＋ａ84Ｘ4＋ａ85Ｘ5＋ａ86Ｘ6＋ａ87Ｘ7＋ａ88Ｘ8＋ａ89Ｘ9…式（９）
Ｚ９＝ａ91Ｘ1＋ａ92Ｘ2＋ａ93Ｘ3＋ａ94Ｘ4＋ａ95Ｘ5＋ａ96Ｘ6＋ａ97Ｘ7＋ａ98Ｘ8＋ａ99Ｘ9…式（１０）
但し、Ｘ１〜Ｘ９は、上述した９個の項目である。第１乃至第９主成分Ｚ１〜Ｚ９は互いに直交するように固有ベクトルａ１１〜ａ９９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〜ａ９９が適切に第１乃至第９主成分Ｚ１〜Ｚ９の意味を反映しているかを判定する。固有ベクトルａ１１〜ａ９９が適切に第１乃至第９主成分Ｚ１〜Ｚ９の意味を反映していないのは、項目の選定に誤りがある。このため、項目の組を棄却して、他の項目の組を採用する。

第５に、次の行列式から第１乃至第９主成分Ｚ１〜Ｚ９の固有値λ１〜λ９を求める。

固有値λ１〜λ９は、第１乃至第９主成分Ｚ１〜Ｚ９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９主成分Ｚ１〜Ｚ９の寄与率を算出する。寄与率は各主成分の固有値が総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〜λ９を主成分数である「９」で割って得られる。

第７に、第１主成分Ｚ１〜Ｚ９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睡眠評価スコアとして採用する。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主成分までを睡眠評価スコアとして採用する。

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個の睡眠評価スコアが選定され、後述する式（２０）〜式（２３）が導かれる。

ここで、４個の睡眠評価スコアは、９個の項目Ｘ１〜Ｘ９の各々と式（２）〜（１０）に示す第１係数ａ１１〜ａ９９の積和算によって得られる。第１係数ａ１１〜ａ９９は固有ベクトルであるから、４個の睡眠評価スコアは、互いに一次独立の関係にある。すなわち、９個の項目のうちいずれか２つの相関係数よりも、互いの相関係数が小さい４個の睡眠評価スコアを生成する。したがって、睡眠評価スコアは複数（本実施形態では９個）の所定項目（変数）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、睡眠評価スコアを用いて睡眠を評価することによって、前記所定項目の単体や、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。本実施形態においては、所定項目として深睡眠率（％）、差分睡眠周期スコア、総就床時間（分）、睡眠周期（分）、深睡眠出現量（分）、差分総就床時間スコア、中長時間覚醒回数（回）、短時間覚醒回数（回）、睡眠効率（％）を選定し、これらに基づいて４個の睡眠評価スコアを主成分分析法によって選定し、第１主成分として「睡眠深度スコア」、第２主成分として「睡眠周期スコア」、第３主成分として「睡眠時間スコア」、第４主成分として「中途覚醒スコア」、を得ることができた。「睡眠深度スコア」は深い睡眠を示す項目、「睡眠周期スコア」は睡眠周期を示す項目、「睡眠時間スコア」は睡眠時間を示す項目、「中途覚醒スコア」は中途覚醒を示す項目である。

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２６は、ステップＳ１６５、ステップＳ１６７、ステップＳ１６８、ステップＳ１６９、ステップＳ１７０、ステップＳ１７１、ステップＳ１７２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２８は、当該演算処理で演算される所定項目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２８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、深睡眠率算出処理（ステップＳ１６１）が実行される。深睡眠率（％）は、睡眠時間における深い睡眠の割合を意味し、「（深い睡眠の時間／睡眠時間）×１００」、すなわち「（深い睡眠の時間／（入眠から最終覚醒までの時間））×１００」として求めることができる。深睡眠率（％）を演算するために必要な「睡眠時間」即ち「入眠から最終覚醒までの時間」は、入眠判定部１４により入眠区間と判定されて関連付けられているエポックを読み出して、覚醒判定部１３により覚醒区間と判定されて関連付けられているエポックまでインクリメントして算出する。また、「深い睡眠の時間」は、図２８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り、後述の睡眠出現量ＤＴ（分）と同様にして算出すればよい。

続いて、ＣＰＵ６は、図１９のステップＳ１６２における差分睡眠周期スコア算出処理を実行する。差分睡眠周期スコアは、睡眠周期（分）が基準時間（例えば９０分）に対してどの程度の差があるかを表すスコアである。「−｜睡眠周期−所定基準時間｜」（｜｜は絶対値を表す。）により求めることができる。睡眠周期は、ＲＥＭ睡眠の終了から次のＲＥＭ睡眠の終了までを１周期とした場合の平均値であるので、ＲＥＭ・浅睡眠判定部１６によりＲＥＭ睡眠区間と判定されて関連付けられているエポックに基づいて前記平均値を算出すればよい。なお、基準時間としては、例えば９０分とすればよいが、特に限定されるものではない。

続いて、ＣＰＵ６は、図１９のステップＳ１６３における総就床時間算出処理を実行する。総就床時間（分）は、就床から離床までの時間を意味する。入床・離床判定部１１により入床状態と判定されて関連付けられているエポックの合計として算出すればよい。

続いて、ＣＰＵ６は、図１９のステップＳ１６４における睡眠周期算出処理を実行する。睡眠周期は、前記差分睡眠周期スコア算出処理と同様に、ＲＥＭ・浅睡眠判定部１６によりＲＥＭ睡眠区間と判定されて関連付けられているエポックに基づいて前記平均値を算出すればよい。

続いて、ＣＰＵ６は、図１９のステップＳ１６５における深睡眠出現量算出処理に進み、図２０に示す深睡眠出現量算出処理を実行する。深睡眠出現量ＤＴ（分）は、深い睡眠の時間の総和を意味し、より具体的には、図２８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）における深睡眠出現量の合計エポック数である。よって、図２８に示されるように、時刻ｔ０〜ｔｅの期間中に深睡眠出現量ＤＴ１とＤＴ２が測定された場合、深睡眠出現量ＤＴ＝ＤＴ１＋ＤＴ２となる。

図２０に示されるように、深睡眠出現量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において深睡眠出現量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、深睡眠出現量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、図１９のステップＳ１６６における差分総就床時間スコア算出処理を実行する。差分総就床時間スコアは、総就床時間（分）が基準時間（例えば６．５時間（３９０分））に対してどの程度の差があるかを表すスコアであり、「−｜総就床時間−基準時間｜」（｜｜は絶対値を表す。）により求めることができる。総就床時間（分）は、前記総就床時間算出処理と同様に、入床・離床判定部１１により入床状態と判定されて関連付けられているエポックの合計として算出すればよい。

続いて、ＣＰＵ６は、図１９のステップＳ１６７における中長時間覚醒回数算出処理に進み、図２１に示す中長時間覚醒回数算出処理を実行する。中長時間覚醒回数（回）は、睡眠中に現れる基準時間（例えば、２分３０秒）以上の覚醒の回数を意味する。図２１に示されるように、中長時間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＝２．５の場合、覚醒エポックが連続して５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、５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、中長時間覚醒回数（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、中長時間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のステップＳ１６８における短時間覚醒回数算出処理に進み、図２２に示す短時間覚醒回数算出処理を実行する。短時間覚醒回数（回）は、睡眠中に現れる基準時間（例えば２分）以内の覚醒の回数を意味する。図２２に示されるように、短時間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＝２．５の場合、連続する覚醒エポックが５個未満である場合には、短時間覚醒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、５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、短時間覚醒回数（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、短時間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のステップＳ１６９における睡眠効率算出処理に進み、図２３に示す睡眠効率算出処理を実行する。睡眠効率（％）は、総就床時間に対する実際に眠っていた時間の割合を意味し、「（総睡眠時間／総就床時間）×１００」、すなわち「（（総就床時間−睡眠中に覚醒した時間の総和）／総就床時間）×１００」として求めることができる。すなわち、睡眠効率ＳＥは、測定が開始（図２８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２３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２８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、ルーチンはステップ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、図１９のステップＳ１７０における各データ標準化処理を実行する。図２４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〜Ｓ１６９で取得された睡眠判定データの値の標準化処理が実行される。まず、ステップＳ２４１において、深睡眠率Ｚａの標準値Ｚａ(st)は、Ｚａ(st)＝（Ｚａ−平均Ｚａ）／標準偏差Ｚａにより求められる。ここで、各平均Ｚａおよび標準偏差Ｚａは、ＰＳＧの測定データに基づいた母集団における深睡眠率Ｚａ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〜Ｓ２４９の処理でも同様である。

同様にして、各ステップＳ２４２〜Ｓ２４９において、各睡眠判定データの標準化処理が行われる。各睡眠判定データの標準値は、下記式（１２）〜式（１９）により求められる（ステップＳ２４２〜Ｓ２４９）。
差分睡眠周期スコアＺｂ(st)＝（Ｚｂ−平均Ｚｂ）／標準偏差Ｚｂ…式（１２）
総就床時間Ｚｃ(st)＝（Ｚｃ−平均Ｚｃ）／標準偏差Ｚｃ…式（１３）
睡眠周期Ｚｄ(st)＝（Ｚｄ−平均Ｚｄ）／標準偏差Ｚｄ…式（１４）
深睡眠出現量Ｚｅ(st)＝（Ｚｅ−平均Ｚｅ）／標準偏差Ｚｅ…式（１５）
差分総就床時間スコアＺｆ(st)＝（Ｚｆ−平均Ｚｆ）／標準偏差Ｚｆ…式（１６）
中長時間覚醒回数Ｚｇ(st)＝（Ｚｇ−平均Ｚｇ）／標準偏差Ｚｇ…式（１７）
短時間覚醒回数Ｚｈ(st)＝（Ｚｈ−平均Ｚｈ）／標準偏差Ｚｈ…式（１８）
睡眠効率Ｚｉ(st)＝（Ｚｉ−平均Ｚｉ）／標準偏差Ｚｉ…式（１９）
この標準化の処理によって、異なるスケールの深睡眠率Ｚａ、差分睡眠周期スコアＺｂ、総就床時間Ｚｃ、睡眠周期Ｚｄ、深睡眠出現量Ｚｅ、差分総就床時間スコアＺｆ、中長時間覚醒回数Ｚｇ、短時間覚醒回数Ｚｈ、及び睡眠効率Ｚｉを同一の処理で取り扱うことが可能となる。ステップＳ２４９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、図１９のステップＳ１７１における各主成分スコア演算処理を実行する。図２５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Ｓ１７０で取得された各睡眠判定デ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、ＰＳＧの測定データに基づいて抽出された、少なくとも睡眠の深さに係る項目と、睡眠のリズムに係る項目と、中途覚醒に係る項目と、を含む複数種類の所定項目について主成分分析を行って得られる睡眠評価スコアの前記所定項目ごとの主成分係数と、前記被験者の前記生体信号から算出された前記所定項目に対応する睡眠判定データと、を乗算して睡眠評価スコアを算出する。より具体的には、９個の睡眠判定データである深睡眠率Ｚａ、差分睡眠周期スコアＺｂ、総就床時間Ｚｃ、睡眠周期Ｚｄ、深睡眠出現量Ｚｅ、差分総就床時間スコアＺｆ、中長時間覚醒回数Ｚｇ、短時間覚醒回数Ｚｈ、及び睡眠効率Ｚｉから、４個の睡眠評価スコアである「睡眠深度スコア」、「睡眠周期スコア」、「睡眠時間スコア」、「中途覚醒スコア」を算出する。ＣＰＵ６は、「睡眠深度スコア」、「睡眠周期スコア」、「睡眠時間スコア」、「中途覚醒スコア」を以下に示す式（２０）〜式（２３）に従って算出する（ステップＳ２５１〜Ｓ２５４）。

第１主成分スコア（睡眠深度スコア）
= 係数C1a * 標準値Za(st) + 係数C1b * 標準値Zb(st) + 係数C1c * 標準値Zc(st) + 係数C1d * 標準値Zd(st) + 係数C1e * 標準値Ze(st) + 係数C1f * 標準値Zf(st) + 係数C1g * 標準値Zg(st) + 係数C1h * 標準値Zh(st) + 係数C1i * 標準値Zi(st) …式（２０）

第２主成分スコア（睡眠周期スコア）
= 係数C2a * 標準値Za(st) + 係数C2b * 標準値Zb(st) + 係数C2c * 標準値Zc(st) + 係数C2d * 標準値Zd(st) + 係数C2e * 標準値Ze(st) + 係数C2f * 標準値Zf(st) + 係数C2g * 標準値Zg(st) + 係数C2h * 標準値Zh(st) + 係数C2i * 標準値Zi(st) …式（２１）

第３主成分スコア（睡眠時間スコア）
= 係数C3a * 標準値Za(st) + 係数C3b * 標準値Zb(st) + 係数C3c * 標準値Zc(st) + 係数C3d * 標準値Zd(st) + 係数C3e * 標準値Ze(st) + 係数C3f * 標準値Zf(st) + 係数C3g * 標準値Zg(st) + 係数C3h * 標準値Zh(st) + 係数C3i * 標準値Zi(st) …式（２２）

第４主成分スコア（中途覚醒スコア）
= 係数C4a * 標準値Za(st) + 係数C4b * 標準値Zb(st) + 係数C4c * 標準値Zc(st) + 係数C4d * 標準値Zd(st) + 係数C4e * 標準値Ze(st) + 係数C4f * 標準値Zf(st) + 係数C4g * 標準値Zg(st) + 係数C4h * 標準値Zh(st) + 係数C4i * 標準値Zi(st) …式（２３）

ここで、前記式（２０）乃至式（２３）における各係数は、９個の所定項目に基づく主成分分析法から求めた定数であり、記憶部９に記憶されている。ＣＰＵ６は、それぞれの係数を記憶部９から読み出して、演算処理を実行する。９個の所定項目と主成分スコアとの主成分得点係数行列は、表２に示す通りである。

ステップＳ２５４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、図１９のステップＳ１７２における睡眠障害判別確率演算処理を実行する。ここで、睡眠障害判別確率とは、ＳＡＳ患者のような睡眠障害者である確率をいう。図２６に示すように、睡眠障害判別確率演算処理においては、睡眠評価スコアについてロジスティック回帰分析を行って得られる睡眠障害判別確率を算出する。ＣＰＵ６は、ステップＳ１７１において演算された第１主成分スコア（睡眠深度スコア）、第２主成分スコア（睡眠周期スコア）、第３主成分スコア（睡眠時間スコア）、第４主成分スコア（中途覚醒スコア）を用いて、以下の式（２４）により変数Ｐを演算する（ステップＳ２６１）。なお、この時、第３主成分スコア（睡眠時間スコア）、第４主成分スコア（中途覚醒スコア）の符号を反転させる処理を適宜行ってもよい。
変数Ｐ
= 固定値F1 * 第１主成分スコア + 固定値F2 * 第２主成分スコア + 固定値F3 * 第３主成分スコア + 固定値F4 * 第４主成分スコア …式（２４）
ここで、固定値F1〜F4は、ある母集団の主成分分析法から求めた固定値である。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。

次に、ＣＰＵ６は、ステップＳ２６１で演算した変数Ｐを用いて、以下の式（２５）により睡眠障害判別確率を演算する（ステップＳ２６２）。
睡眠障害判別確率 = １／（１＋（ｅｘｐ−（Ｐ））） …式（２５）
ステップＳ２６２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。

この後、ＣＰＵ６は、図１９のステップＳ１７３の睡眠点数演算処理を実行する。図２７に示すように、睡眠点数演算処理においては、ＣＰＵ６は、ステップＳ２６２により演算された睡眠障害判別確率を用いて、以下の式（２６）により睡眠点数（睡眠指数）を演算する（ステップＳ２６３）。
睡眠点数 = １００ - (睡眠障害判別確率 * １００) …式（２６）
ＣＰＵ６は、ステップＳ２６３で得られた睡眠点数を記憶部９に記憶する（ステップＳ１７４、図１９参照）。

このように、本発明における睡眠点数を求める回帰式は、上記説明した以下の３式に集約されることとなる。
変数Ｐ = 固定値F1 * 第１主成分スコア + 固定値F2 * 第２主成分スコア + 固定値F3 * 第３主成分スコア + 固定値F4 * 第４主成分スコア …式（２４）
判別確率 = １／（１＋（ｅｘｐ−（Ｐ））） …式（２５）
睡眠点数 = １００ - (睡眠障害判別確率 * １００) …式（２６）

次に、睡眠タイプ判定処理を説明する。
本発明にかかる睡眠評価装置１が実行する睡眠タイプ判定処理は、予め設定されている複数の睡眠タイプのうち、被験者の睡眠がいずれの睡眠タイプに該当するものであったのかを判定するものである。睡眠タイプは、睡眠評価スコアの各値の高低に基づき、睡眠内容の特徴に応じて分類化された種別である。睡眠タイプは、上記の通り演算された睡眠評価スコアである、睡眠深度スコア（第１スコア）、睡眠周期スコア（第２スコア）、睡眠時間スコア（第３スコア）、中途覚醒スコア（第４スコア）の他、更に体動頻度スコア（第５スコア）の程度に基づいて予め設定・記憶させておくのが好適である。体動頻度スコアとは、睡眠中に生じる体動の発生頻度に関するスコアである。

睡眠タイプは、一例として、睡眠深度スコア、睡眠周期スコア、睡眠時間スコア、中途覚醒スコア、及び、体動頻度スコアのそれぞれの値を考慮して、図２９乃至図３３に示すような５種類の睡眠タイプを設定する。図２９乃至図３３は、第１睡眠タイプ乃至第５睡眠タイプの例を示すレーダーチャートである。図２９に示す第１睡眠タイプは、睡眠時間は標準的だが、体動が多く深睡眠・リズムがない、という睡眠タイプである。図３０に示す第２睡眠タイプは、睡眠時間が短く、中途覚醒が多く、睡眠リズムが悪い、という睡眠タイプである。図３１に示す第３睡眠タイプは、睡眠時間・リズムはほぼ標準だが，体動・中途覚醒が多く、深睡眠が少ない、という睡眠タイプである。図３２に示す第４睡眠タイプは、いずれのスコアも標準的、という睡眠タイプである。図３３に示す第５睡眠タイプは、睡眠時間・深睡眠が少なく、途中覚醒・体動が多い、という睡眠タイプである。本実施形態では、予め設定されている複数の睡眠タイプとして、５種類の睡眠タイプを説明するが、睡眠タイプの内容や種類を適宜変更してもよいことは言うまでもない。

まず、図３４に示すように、体動頻度スコアの演算を実施する。図３４は、体動頻度スコア演算を示すフローチャートである。なお、この処理は、体動頻度スコア演算部としてのＣＰＵ６が、所定のプログラムに従って実行するものとして説明する。図３４に示すように、ＣＰＵ６は、以下の式（２７）により体動頻度スコアを演算し、記憶部９に記憶する（ステップＳ２６４）。
体動頻度スコア＝体動回数／総就床時間 …（２７）
ここで、総就床時間は、上述した通り、図１９のステップＳ１６３における総就床時間算出処理の実行によって既に算出されている値を用いることができる。

体動回数は、体動によりセンサ部２における出力が所定の閾値よりも大きかった部分を検出することによって求めればよい。その求め方は特に限定されるものではないが、一例としては次の通りである。
（１）センサ部２から検出された信号の中央値を基準にして折り返す（全波整流）。
（２）前記（１）の波形に対して所定のフィルタ処理を行う。例えば、無限インパルス応答（infinite impulse response；IIR）フィルタを用い、低域側０．０１Ｈｚ、高域側０．１Ｈｚの４次のバンドパスフィルタ（band pass filter；BPF）を、順方向及び逆方向の両方でフィルタ処理する。
（３）前記（２）の波形について所定の閾値を設定する。例えば、前記（２）の波形の全データの平均値と標準偏差とを求め、その両者の和を閾値として設定する。
（４）前記（２）の波形について、前記（３）の閾値を超えた点が存在するエポックの数をカウントし、これを体動回数とする。

続いて、ＣＰＵ６は、図３のステップＳ７における睡眠タイプ判定処理を実行する。なお、この処理は、睡眠タイプ判定部６０としてのＣＰＵ６が、所定のプログラムに従って実行するものとして説明する。睡眠タイプ判定処理の一例を、図３５を参照して説明する。図３５は、睡眠タイプ判定を示すフローチャートである。
図３５に示すように、睡眠タイプ判定処理においては、上述のステップＳ２５１〜Ｓ２５４で取得された４個の睡眠評価スコアである、睡眠深度スコア（第１主成分スコア）、睡眠周期スコア（第２主成分スコア）、睡眠時間スコア（第３主成分スコア）、中途覚醒スコア（第４主成分スコア）を、以下に示す式（２８）〜式（３２）に代入し、第１判定値乃至第５判定値を算出する（ステップＳ２６５〜Ｓ２６９）。なお、第１判定値は第１睡眠タイプの該当性を判定するための値、第２判定値は第２睡眠タイプの該当性を判定するための値、第３判定値は第３睡眠タイプの該当性を判定するための値、第４判定値は第４睡眠タイプの該当性を判定するための値、第５判定値は第５睡眠タイプの該当性を判定するための値である。

第１判定値
= 係数V1a * 第１主成分スコア + 係数V2a * 第２主成分スコア + 係数V3a * 第３主成分スコア + 係数V4a * 第４主成分スコア …式（２８）

第２判定値
= 係数V1b * 第１主成分スコア + 係数V2b * 第２主成分スコア + 係数V3b * 第３主成分スコア + 係数V4b * 第４主成分スコア …式（２９）

第３判定値
= 係数V1c * 第１主成分スコア + 係数V2c * 第２主成分スコア + 係数V3c * 第３主成分スコア + 係数V4c * 第４主成分スコア …式（３０）

第４判定値
= 係数V1d * 第１主成分スコア + 係数V2d * 第２主成分スコア + 係数V3d * 第３主成分スコア + 係数V4d * 第４主成分スコア …式（３１）

第５判定値
= 係数V1e * 第１主成分スコア + 係数V2e * 第２主成分スコア + 係数V3e * 第３主成分スコア + 係数V4e * 第４主成分スコア …式（３２）

ここで、前記式（２８）乃至式（３２）における各係数は、上記の５種類の睡眠タイプのいずれに最も近いのかを判定するために予め設定された定数であり、記憶部９に記憶されている。ＣＰＵ６は、それぞれの係数を記憶部９から読み出して、演算処理を実行する。第１乃至第５判定値と主成分スコアとの係数行列は、表３に示す通りである。

第１判定値乃至第５判定値を算出した後（ステップＳ２６５〜Ｓ２６９）、最も大きな値である判定値を選定し、その判定値に対応する睡眠タイプを特定することによって、被験者の睡眠タイプが、第１睡眠タイプ乃至第５睡眠タイプのうちいずれに該当するのかを決定し（ステップＳ２７０）、記憶部９に記憶する。ステップＳ２７０の処理が終了すると、ルーチンは、図３のフローチャートに戻る。

次に、評価結果表示処理（ステップ８、図３参照）について説明する。図３６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３７は、睡眠評価画面の一例であり、図３８は、睡眠タイプ及びグラフ表示の表示画面の一例であり、図３９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「良い睡眠です」と表示する（ステップＳ２７２）。例えば、良い睡眠の場合は、図３７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及びステップ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のが好適である。睡眠点数Ｓｃｏｒｅの外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、上記の通り演算されて記憶部９に記憶されている睡眠評価スコア、即ち、睡眠深度スコア（第１スコア）、睡眠周期スコア（第２スコア）、睡眠時間スコア（第３スコア）、中途覚醒スコア（第４スコア）、体動頻度スコア（第５スコア）のグラフ表示と、該当する睡眠タイプを表示部４に表示する（ステップＳ２７４）。グラフ表示は特に限定されるものではなく、一例としては、図３８に示すように、中央から放射状に睡眠深度スコア（第１スコア）、睡眠周期スコア（第２スコア）、睡眠時間スコア（第３スコア）、中途覚醒スコア（第４スコア）、体動頻度スコア（第５スコア）の軸をとったレーダーチャートとする。このように、複数のスコアの状態を可視化して、睡眠点数の分析及び自己評価を容易に行うことができるものとなる。即ち、睡眠点数という数値がいかなる要因によって低いものであったのか（又は高いものであったのか）を、睡眠深度、睡眠周期、睡眠時間、中途覚醒、体動頻度等の各観点から判断でき、何を改善すれば睡眠点数の向上に繋がるのか、といった改善点を見出しやすくなる。更に、予め複数設定されている代表的な睡眠タイプのうち、被験者の睡眠がいずれの睡眠タイプに該当するものであったか、という評価を表示することにより、被験者自身は自己の睡眠がいかなるものであったのかを極めて容易に理解できるものとなる。また、睡眠タイプの名称として、直感的に分かり易い名称を採用して表示するようにすれば、被験者は自身の睡眠状態をイメージしやすくなるので好適である。例えば、中途覚醒スコアが高い睡眠タイプについて「ギラギラ」、体動頻度スコアが高い睡眠タイプに「ゴロゴロ」、睡眠深度スコアの高低に応じて「ぐっすり」又は「ウトウト」、睡眠時間スコアの高低に応じて「長時間」又は「短時間」としたり、これらを適宜組み合わせた名称を採択してもよい。

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、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Ｓ２７６）、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Ｓ２７７）。例えば、図３９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Ｓ２７６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Ｓ２７８）、操作がなされた場合には、処理を終了する。

本発明によれば、所定項目の１つとして深睡眠率（％）を選定したため、睡眠の質を評価するための回帰式に深睡眠率が反映されており、睡眠の深さに係る評価能力が向上される。図４０は、睡眠点数に関する従来技術と本発明との比較を示すグラフであり、（ａ）は、従来の睡眠点数と深睡眠率との相関を示すグラフ、（ｂ）は、本発明の睡眠点数と深睡眠率との相関を示すグラフである。従来技術による睡眠点数としては出願人製品の睡眠評価装置（スリープスキャンＳＬ−５０１）を用いた。また、縦軸の深睡眠率（％）は、（ａ）及び（ｂ）共に、前記出願人製品の睡眠評価装置による測定結果を用いている。従来の睡眠点数と深睡眠率との相関（図４０（ａ））よりも、本発明の睡眠点数と深睡眠率との相関（図４０（ｂ））の方がよいことが明らかであり、睡眠の質の評価において重要な、睡眠の深さに係る項目、睡眠のリズムに係る項目、中途覚醒に係る項目のうち、睡眠の深さに係る項目の評価能力を向上することができる。

本発明によれば、ＳＡＳ患者のような睡眠障害者である確率（睡眠障害判別確率）を算出し、これを反映して睡眠点数を演算するので、睡眠障害者と健常者とで、睡眠の質の評価結果に違いを持たせることができる。図４１は、睡眠点数に関する従来技術と本発明との比較を示すグラフである。従来技術としては出願人製品の睡眠評価装置（スリープスキャンＳＬ−５０１）を用いた。本発明によれば、ＳＡＳ患者の睡眠点数と健常者の睡眠点数との違いが、従来技術の場合よりも顕著に表れていることがみてとれる。

（第１実施形態の変形例１）
上記の第１実施形態では、睡眠深度スコア（第１スコア）、睡眠周期スコア（第２スコア）、睡眠時間スコア（第３スコア）、中途覚醒スコア（第４スコア）、体動頻度スコア（第５スコア）の５つのスコアを求め、これらに基づいて睡眠タイプを決定し、一例として５角形のレーダーチャート及び該当する睡眠タイプを表示するものを説明した（図３８）。これに対して、睡眠深度スコア（第１スコア）、睡眠周期スコア（第２スコア）、睡眠時間スコア（第３スコア）、中途覚醒スコア（第４スコア）の４つのスコアを求め、これらに基づいて睡眠タイプを決定し、菱形のレーダーチャート及び該当する睡眠タイプを表示するようにしてもよい。

（第１実施形態の変形例２）
また、睡眠深度スコア（第１スコア）、睡眠周期スコア（第２スコア）、睡眠時間スコア（第３スコア）、中途覚醒スコア（第４スコア）、体動頻度スコア（第５スコア）に加え、第６スコアとして睡眠習慣スコアをも含めた６つのスコアを求め、６角形のレーダーチャートを表示するようにしてもよい。以下、これについて説明する。

睡眠習慣スコアとは、所定日数分の睡眠記録における各日の就寝時刻及び起床時刻に基づいて算出されるスコアである。この睡眠習慣スコアは、より具体的には、一例として後述のようにして決定される就寝時刻スコアと起床時刻スコアとの平均値として求める。図４２乃至図５０に基づいて、睡眠習慣スコア、就寝時刻スコア、起床時刻スコアについて説明する。図４２、図４５、図４７、図４９は、睡眠日誌の例を示す図、図４３、図４６、図４８、図５０は、就寝時間テーブル及び起床時間テーブルの例を示す図、図４４は、睡眠習慣パターンテーブルの例を示す図である。

本発明による睡眠評価装置１は、被験者について測定した睡眠に関するデータを、睡眠日誌（睡眠記録）として集計して、記憶部９に記憶しておく。睡眠日誌の一例としては、図４２に示すような睡眠日誌ＳＤ_１が挙げられる。第１日の記録である項番１の行を参照すると、この被験者は、２３時から２４時までの間に就寝し、翌日の６時から７時までの間に起床したことを示しており、同様に、その後も、就寝時刻及び起床時刻は一定していることが分かる。睡眠評価装置１は、このような睡眠日誌ＳＤ_１に沿って、就寝時刻スコア及び起床時刻スコアを算出する。

就寝時刻スコア及び起床時刻スコアを算出するために、睡眠日誌ＳＤ_１の結果を反映する就寝時刻テーブルＳＴ_１及び起床時刻テーブルＷＴ_１（図４３参照）に示す要領で、所定日数の間に観測された最も多い就寝時刻及び起床時刻を求める。本実施例では、睡眠習慣スコアを決定する所定日数として直近７日間である例を示し、そのため、図４３に示すように、就寝時刻テーブルＳＴ_１及び起床時刻テーブルＷＴ_１は、いずれも、２４時間を示す２４列と、７日間を示す７行と、により構成されている。

睡眠日誌ＳＤ_１において、直近７日分が記録された後、睡眠評価装置１は、その直近７日分の記録に沿って、就寝時刻スコア及び起床時刻スコアを算出する。即ち、睡眠日誌ＳＤ_１の項番１乃至項番７までが記録された後、睡眠評価装置１は、その項番１乃至項番７までの記録に沿って、就寝時刻テーブルＳＴ_１及び起床時刻テーブルＷＴ_１に入力を行う。なお、次の日には、睡眠日誌ＳＤ_１には項番８までが記録されるため、睡眠評価装置１は、最も古い項番１の記録を除外して、項番２乃至項番８までの記録に沿って、就寝時刻スコア及び起床時刻スコアを算出することとする。

睡眠日誌ＳＤ_１の項番１によれば、就寝時間は２３時から２４時の間であるので、図４３に示すように、睡眠評価装置１は、就寝時刻テーブルＳＴ_１の項番１の、２３時から２４時の時間帯に対応した列１２に「１」を入力する。同様に、睡眠日誌ＳＤ_１の項番１によれば、起床時間は６時から７時の間であるので、睡眠評価装置１は、起床時刻テーブルＷＴ_１の項番１の、６時から７時の時間帯に対応した列１９に「１」を入力する。同様にして、睡眠評価装置１は、睡眠日誌ＳＤ_１の項番２から項番７までの記録に対応させて、就寝時刻テーブルＳＴ_１及び起床時刻テーブルＷＴ_１の項番２から項番７に入力を行う。

就寝時刻テーブルＳＴ_１及び起床時刻テーブルＷＴ_１の項番１乃至項番７への入力後、睡眠評価装置１は、各列の合計値ｓｕｍＳＴ、ｓｕｍＷＴを算出し、また、それらのｓｕｍＳＴ、ｓｕｍＷＴの中から最大値を検出する。図４３に示す例によれば、ｓｕｍＳＴの最大値は列１２の「７」、ｓｕｍＷＴの最大値は列１９の「７」、と検出される。更に、睡眠評価装置１は、検出された最大値を示す列の直前の列及び直後の列におけるｓｕｍＳＴ、ｓｕｍＷＴをも検出する。この結果、図４３の就寝時刻テーブルＳＴ_１では、列１１、１２、１３より「０−７−０」（３値の合計値は「７」）というパターンのｓｕｍＳＴが検出され、同様に、起床時刻テーブルＷＴ_１では、列１８、１９、２０より「０−７−０」（３値の合計値は「７」）というパターンのｓｕｍＷＴが検出されることとなる。ここで、ｓｕｍＳＴ、ｓｕｍＷＴの最大値を検出することにより、所定日数（例えば７日間）において、最も多かった就寝時刻及び起床時刻、を把握することが可能となる。また、ｓｕｍＳＴ、ｓｕｍＷＴの最大値を示す列の直前の列及び直後の列のｓｕｍＳＴ、ｓｕｍＷＴをも検出して睡眠習慣スコアの基礎とするのは、就寝時刻や起床時刻の１時間以内の差異は、睡眠習慣を検討する上では許容可能な範囲であるからである。毎日規則正しい就寝及び起床をしている被験者の場合、ｓｕｍＳＴ及びｓｕｍＷＴの各最大値は、それぞれ所定日数に相当する数（図４３では「７」）となる。しかしながら、不規則な就寝及び起床をしている被験者の場合は、ばらつきが生じるため、ｓｕｍＳＴ及びｓｕｍＷＴの各最大値は、所定日数に相当する数（図４３では「７」）に満たないことになる。

睡眠評価装置１は、前記のように検出された、ｓｕｍＳＴの最大値、その直前の列におけるｓｕｍＳＴ、及び、直後の列におけるｓｕｍＳＴからなるパターン（前記例によれば「０−７−０」（３値の合計値は「７」））を、予め記憶部９に記憶されている睡眠習慣パターンテーブルと照合し、一致するパターンに対応する点数を「就寝時刻スコア」として決定する。同様に、睡眠評価装置１は、ｓｕｍＷＴの最大値、その直前の列におけるｓｕｍＷＴ、及び、直後の列におけるｓｕｍＷＴからなるパターン（前記例によれば「０−７−０」（３値の合計値は「７」））を、睡眠習慣パターンテーブルと照合し、一致するパターンに対応する点数を「起床時刻スコア」として決定する。

ここで、図４４を参照して、睡眠習慣パターンテーブルについて説明する。図４４に示すように、睡眠習慣パターンテーブルは、ｓｕｍＳＴ（ｓｕｍＷＴ）の最大値、その直前の列におけるｓｕｍＳＴ（ｓｕｍＷＴ）、及び、直後の列におけるｓｕｍＳＴ（ｓｕｍＷＴ）からなる総てのパターンに対応させて、「起床時刻スコア」である点数が定まるように設定されている。テーブルの上位に位置するパターンは、就寝時刻（起床時刻）が一定して規則正しい睡眠習慣と評価でき、これらに対しては点数が高く設定されている。一方、テーブルの下位に位置するパターンは、就寝時刻（起床時刻）にばらつきがあり不規則な睡眠習慣と評価でき、これらに対しては点数が低く設定されている。

睡眠評価装置１は、ｓｕｍＳＴの最大値、その直前の列におけるｓｕｍＳＴ、及び、直後の列におけるｓｕｍＳＴからなるパターン（前記例によれば「０−７−０」（３値の合計値は「７」））を、睡眠習慣パターンテーブルと照合し、パターンナンバー１と一致するため、これに対応する点数「１０」を「就寝時刻スコア」として決定する。同様に、睡眠評価装置１は、ｓｕｍＷＴの最大値、その直前の列におけるｓｕｍＷＴ、及び、直後の列におけるｓｕｍＷＴからなるパターン（前記例によれば「０−７−０」（３値の合計値は「７」））を、睡眠習慣パターンテーブルと照合し、パターンナンバー１と一致するため、これに対応する点数「１０」を「起床時刻スコア」として決定する。

睡眠評価装置１は、以上のように決定した、就寝時刻スコア（前記例では「１０」）と起床時刻スコア（前記例では「１０」）との平均値を算出し、その平均値（前記例では「１０」）を「睡眠習慣スコア」として決定し、記憶部９に記憶する。

図４２の睡眠日誌ＳＤ_１、図４３の就寝時間テーブルＳＴ_１及び起床時間テーブルＷＴ_１に基づいて上述した例は、最も規則正しい睡眠習慣を実践している被験者の場合である。以下、別の睡眠習慣の被験者の例を説明する。

図４５に示す睡眠日誌ＳＤ_２は、一般的に休日であることが多い土曜日及び日曜日における就寝及び起床が、月曜日乃至金曜日における就寝及び起床よりも遅くなる被験者の例を示している。このような睡眠日誌ＳＤ_２において、項番８までの記録がなされた後に、直近７日間の（即ち項番２乃至項番８の）記録に沿って、就寝時刻スコア及び起床時刻スコアを算出する例を説明する。

睡眠日誌ＳＤ_２の項番２によれば、就寝時間は２３時から２４時の間であるので、図４６に示すように、睡眠評価装置１は、就寝時刻テーブルＳＴ_２の項番１の、２３時から２４時の時間帯に対応した列１２に「１」を入力する。同様に、睡眠日誌ＳＤ_２の項番２によれば、起床時間は６時から７時の間であるので、睡眠評価装置１は、起床時刻テーブルＷＴ_２の項番１の、６時から７時の時間帯に対応した列１９に「１」を入力する。同様にして、睡眠評価装置１は、睡眠日誌ＳＤ_２の項番３から項番５までの記録に対応させて、就寝時刻テーブルＳＴ_２及び起床時刻テーブルＷＴ_２の項番２から項番４に入力を行う。睡眠日誌ＳＤ_２の項番６によれば、就寝時間は１時から２時の間であるので、睡眠評価装置１は、就寝時刻テーブルＳＴ_２の項番５の、１時から２時の時間帯に対応した列１４に「１」を入力する。同様に、睡眠日誌ＳＤ_２の項番６によれば、起床時間は８時から９時の間であるので、睡眠評価装置１は、起床時刻テーブルＷＴ_２の項番５の、８時から９時の時間帯に対応した列２１に「１」を入力する。同様にして、睡眠評価装置１は、睡眠日誌ＳＤ_２の項番７、項番８の記録に対応させて、就寝時刻テーブルＳＴ_２及び起床時刻テーブルＷＴ_２の項番６、項番７に入力を行う。

就寝時刻テーブルＳＴ_２及び起床時刻テーブルＷＴ_２の項番１乃至項番７への入力後、睡眠評価装置１は、各列の合計値ｓｕｍＳＴ、ｓｕｍＷＴを算出し、また、それらのｓｕｍＳＴ、ｓｕｍＷＴの中から最大値を検出する。図４６に示す例によれば、ｓｕｍＳＴの最大値は列１２の「５」、ｓｕｍＷＴの最大値は列１９の「５」、と検出される。更に、睡眠評価装置１は、検出された最大値を示す列の直前の列及び直後の列におけるｓｕｍＳＴ、ｓｕｍＷＴをも検出する。この結果、図４６の就寝時刻テーブルＳＴ_２では、列１１、１２、１３より「０−５−０」（３値の合計値は「５」）というパターンのｓｕｍＳＴが検出され、同様に、起床時刻テーブルＷＴ_２では、列１８、１９、２０より「０−５−０」（３値の合計値は「５」）というパターンのｓｕｍＷＴが検出されることとなる。

睡眠評価装置１は、ｓｕｍＳＴの最大値、その直前の列におけるｓｕｍＳＴ、及び、直後の列におけるｓｕｍＳＴからなるパターン「０−５−０」（３値の合計値は「５」）を、睡眠習慣パターンテーブルと照合し、パターンナンバー２５と一致するため、これに対応する点数「６」を「就寝時刻スコア」として決定する。同様に、睡眠評価装置１は、ｓｕｍＷＴの最大値、その直前の列におけるｓｕｍＷＴ、及び、直後の列におけるｓｕｍＷＴからなるパターン「０−５−０」（３値の合計値は「５」）を、睡眠習慣パターンテーブルと照合し、パターンナンバー２５と一致するため、これに対応する点数「６」を「起床時刻スコア」として決定する。睡眠評価装置１は、以上のように決定した、就寝時刻スコア「６」と起床時刻スコア「６」との平均値を算出し、その平均値「６」を「睡眠習慣スコア」として決定し、記憶部９に記憶する。

図４７に示す睡眠日誌ＳＤ_３は、就寝及び起床が日毎に遅くなる被験者の例を示している。このような睡眠日誌ＳＤ_３において、項番７までの記録がなされた後に、直近７日間の（即ち項番１乃至項番７の）記録に沿って、就寝時刻スコア及び起床時刻スコアを算出する例を説明する。

睡眠日誌ＳＤ_３の項番１乃至項番７に沿って、図４８に示すように、睡眠評価装置１は、就寝時刻テーブルＳＴ_３の項番１乃至項番７、起床時刻テーブルＷＴ_３の項番１乃至項番７に入力する。

図４８に示す例によれば、ｓｕｍＳＴの最大値は列１２乃至列１８の「１」、ｓｕｍＷＴの最大値は列１９乃至列２４及び列１の「１」、と検出される。更に、睡眠評価装置１は、検出された最大値を示す列の直前の列及び直後の列におけるｓｕｍＳＴ、ｓｕｍＷＴをも検出する。この結果、図４８の就寝時刻テーブルＳＴ_３及び起床時刻テーブルＷＴ_３では、「０−１−１」（３値の合計値は「２」）、「１−１−１」（３値の合計値は「３」）、「１−１−０」（３値の合計値は「２」）のいずれかのパターンのｓｕｍＳＴ、ｓｕｍＷＴが検出されることとなる。

睡眠評価装置１は、ｓｕｍＳＴ（ｓｕｍＷＴ）の最大値、その直前の列におけるｓｕｍＳＴ（ｓｕｍＷＴ）、及び、直後の列におけるｓｕｍＳＴ（ｓｕｍＷＴ）からなるパターン「０−１−１」、「１−１−１」、「１−１−０」を、睡眠習慣パターンテーブルと照合し、少なくともパターンナンバー４２、４４、４５のいずれかと一致すると判断する。このように、複数のパターンナンバーと一致する場合においては、睡眠習慣パターンテーブルの上位の条件（３値の合計値の高いパターン）を優先して適用する、という条件付けを行っておく。これにより、パターンナンバー４２が適用されて、これに対応する点数「０」を「就寝時刻スコア」（「起床時刻スコア」）として決定する。睡眠評価装置１は、以上のように決定した、就寝時刻スコア「０」と起床時刻スコア「０」との平均値を算出し、その平均値「０」を「睡眠習慣スコア」として決定し、記憶部９に記憶する。

図４９に示す睡眠日誌ＳＤ_４は、就寝及び起床が日毎にランダムな被験者の例を示している。このような睡眠日誌ＳＤ_４において、項番８までの記録がなされた後に、直近７日間の（即ち項番２乃至項番８の）記録に沿って、就寝時刻スコア及び起床時刻スコアを算出する例を説明する。

睡眠日誌ＳＤ_４の項番２乃至項番８に沿って、図５０に示すように、睡眠評価装置１は、就寝時刻テーブルＳＴ_４の項番１乃至項番７、起床時刻テーブルＷＴ_４の項番１乃至項番７に入力する。

図５０に示す例によれば、ｓｕｍＳＴの最大値は列１１、列１２、列１４の「２」、ｓｕｍＷＴの最大値は列１９の「４」、と検出される。更に、睡眠評価装置１は、検出された最大値を示す列の直前の列及び直後の列におけるｓｕｍＳＴ、ｓｕｍＷＴをも検出する。この結果、図４８の就寝時刻テーブルＳＴ_４では、「０−２−２」（３値の合計値は「４」）、「２−２−１」（３値の合計値は「５」）、「１−２−０」（３値の合計値は「３」）のいずれかのパターンのｓｕｍＳＴが検出され、起床時刻テーブルＳＴ_４では、「０−４−１」のパターンのｓｕｍＷＴが検出されることとなる。

睡眠評価装置１は、ｓｕｍＳＴの最大値、その直前の列におけるｓｕｍＳＴ、及び、直後の列におけるｓｕｍＳＴからなるパターン「０−２−２」、「２−２−１」、「１−２−０」を、睡眠習慣パターンテーブルと照合し、少なくともパターンナンバー３６、３２、４１のいずれかと一致すると判断する。複数のパターンナンバーと一致する場合においては、睡眠習慣パターンテーブルの上位の条件を優先して適用する、という条件付けにより、パターンナンバー３２が適用される。
ここで、「２−２−１」のようなパターンの場合には、就寝時刻テーブルＳＴにおいて、ｓｕｍＳＴの最大値の列の直前の列や直後の列よりも離れた列に、ｓｕｍＳＴが「２」となっている列がある可能性もある。そこで、そのように離れた列にｓｕｍＳＴが「２」となっている列があるか否かに応じて、点数を「（ａ）３」としたり「（ｂ）２」とするなど、点数に差を設けるのが好適である。より具体的には、就寝時刻テーブルＳＴ（又は起床時刻テーブルＷＴ）において、（ａ）ｓｕｍＳＴの最大値の列、その直前の列、直後の列、の３列以外には、ｓｕｍＳＴが「２」である列がない場合は点数を「３」とし、（ｂ）ｓｕｍＳＴの最大値の列から２列以上離れた列に、ｓｕｍＳＴが「２」である列がある場合には点数を「２」とする条件を付加する。なお、同様の条件を、パターンナンバー３１、３４乃至４１についても付加するのが好適である。
上記の例では、パターンナンバー３２が適用される「２−２−１」というパターンは、就寝時刻テーブルＳＴ_４の列１１（直前の列）、列１２（最大値の列）、列１３（直後の列）のｓｕｍＳＴに基づいている。ｓｕｍＳＴの最大値の列１２から２列後（即ち、列１４）のｓｕｍＳＴが「２」となっているので、パターンナンバー３２の点数は「（ｂ）２」が適用されることになる。一方、睡眠評価装置１は、ｓｕｍＷＴの最大値、その直前の列におけるｓｕｍＷＴ、及び、直後の列におけるｓｕｍＷＴからなるパターン「０−４−１」を、睡眠習慣パターンテーブルと照合し、パターンナンバー２６と一致するため、これに対応する点数「５」を「起床時刻スコア」として決定する。睡眠評価装置１は、以上のように決定した、就寝時刻スコア「２」と起床時刻スコア「５」との平均値を算出し、その平均値「３．５」を「睡眠習慣スコア」として決定し、記憶部９に記憶する。

このように決定した睡眠習慣スコア（第６スコア）は、上記第１実施形態で説明した睡眠評価スコア、即ち、睡眠深度スコア（第１スコア）、睡眠周期スコア（第２スコア）、睡眠時間スコア（第３スコア）、中途覚醒スコア（第４スコア）、体動頻度スコア（第５スコア）とともに、グラフ表示すればよい（ステップＳ２７４参照）。グラフ表示は特に限定されるものではないが、一例としては、図５１に示すように、中央から放射状に睡眠深度スコア（第１スコア）、睡眠周期スコア（第２スコア）、睡眠時間スコア（第３スコア）、中途覚醒スコア（第４スコア）、体動頻度スコア（第５スコア）、睡眠習慣スコア（第６スコア）の軸をとった６角形のレーダーチャートとする。

なお、第１実施形態の変形例２としては、第１実施形態で説明した５種類のスコア（睡眠深度スコア（第１スコア）、睡眠周期スコア（第２スコア）、睡眠時間スコア（第３スコア）、中途覚醒スコア（第４スコア）、体動頻度スコア（第５スコア））に、睡眠習慣スコア（第６スコア）を加えた、全６種類のスコアを算出し、表示可能な睡眠評価装置を説明したが、例えば、第１実施形態で説明したスコアのうち、体動頻度スコア（第５スコア））に代えて、睡眠習慣スコア（第６スコア）を採用し、全５種類のスコアを算出・表示可能な睡眠評価装置としてもよい。

（第２実施形態）
以下、本発明による第２実施形態である睡眠評価システムを実施するための形態について説明する。上記第１実施形態の睡眠評価装置１は、図１の外観図に示す通り、センサ部２と制御ボックス３とを備えた一つの装置として成立しており、制御ボックス３には、本発明における睡眠点数を求めるための回帰式を含む一連の処理プログラムが、既に組み込まれているものであるため、睡眠評価装置１のみで睡眠判定データの取得及び睡眠点数演算が実現できるものである。
一方、第２実施形態である睡眠評価システムは、被験者の生体信号を取得する測定装置と、本発明における睡眠点数（睡眠指数）を求めるための回帰式を含む一連の処理プログラムを実行するための情報処理端末と、から構成されるシステムである。前記生体信号に基づいて睡眠段階判定等を行う判定部（第１実施形態の判定部８に相当）は、測定装置及び情報処理端末のうちいずれかに構成されていればよい。測定装置で測定されたデータ等の情報処理端末への出力は、例えば有線又は無線の接続手段を用いるなど、特に限定されるものではない。
本発明によれば、睡眠の質を評価するための回帰式はＰＳＧの測定データに基づいて作成されるので、このような回帰式を含む一連の処理プログラムを前記情報処理端末（例えばパーソナルコンピュータ）に導入すると共に、前記測定装置が被験者から検出した生体信号に基づいて、複数の変数データである睡眠判定データを算出して、被験者の睡眠の質の評価、即ち睡眠点数の算出が可能となる。しかも、本発明の睡眠の質を評価するための回帰式はＰＳＧの測定データに基づいて作成されるので、前記取得装置は、所定項目（睡眠判定データ）を算出可能な生体情報を測定できるものであれば特に限定されるものではない。そのため、例えば、ＰＳＧ測定装置を測定装置として、その睡眠判定データをそのまま代入して睡眠の質の評価に用いることもでき、医療機関における睡眠の質の評価においても有用である。具体的な処理の流れは、前記第１実施形態の睡眠測定装置１と同様であるので、詳細な説明は省略する。

上述した実施形態においては、９つの睡眠判定データから４つの睡眠評価成分を選定したが、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）個の睡眠判定データから、独立した関係にあるｍ（ｍは、ｎ＞ｍを満たす自然数）個の睡眠評価スコアを算出し、ｍ個の睡眠評価スコアに基づいて、睡眠点数を算出しても良い。この場合、睡眠判定データとしては、入眠潜時、睡眠効率、中長時間覚醒回数、深睡眠潜時、深睡眠時間、短時間覚醒回数、深睡眠率、差分睡眠周期スコア、差分総就床時間スコア、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、睡眠の深さに係る項目（例えば深睡眠率又は深睡眠出現量の少なくとも一つ）と、睡眠のリズムに係る項目（例えば睡眠周期又は差分睡眠周期スコアの少なくとも一つ）と、中途覚醒に係る項目（例えば睡眠効率又は中長時間覚醒回数の少なくとも一つ）とを任意に選定してもよい。睡眠の質の評価において重要な指標となる睡眠の深さ、睡眠のリズム、中途覚醒に係る項目を選定すれば、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、睡眠評価スコアは、睡眠深度スコア、睡眠周期スコア、睡眠時間スコア、及び、中途覚醒スコアのいずれか１以上を含むように構成してもよい。

なお、第１実施形態においては、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、呼吸信号や体動信号や心拍信号が検出できるものであれば、公知装置を用いても良い。

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、９個の所定項目と４個の睡眠評価スコア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）個の所定項目を集約したｍ（ｎ≧ｍ、ｍは自然数）個の睡眠評価スコアを用いて睡眠点数を算出してもよい。

また、上述した実施形態では、睡眠の質を評価するための回帰式は、ＰＳＧの測定データに基づいて作成されるものを説明したが、例えば、本発明による睡眠評価装置１によって測定される睡眠判定データ（例えば、寝付き時間の長さ、途中の覚醒の多さ、深い睡眠の多さ、体動の多さなど）に関する、不特定多数の被験者のサンプルデータを収集・解析し、睡眠の質を判定するための回帰式を作成して用いても良い。

また、睡眠評価スコア（睡眠深度スコア（第１スコア）、睡眠周期スコア（第２スコア）、睡眠時間スコア（第３スコア）、中途覚醒スコア（第４スコア）、体動頻度スコア（第５スコア）、睡眠習慣スコア（第６スコア））のグラフ表示については、上述した実施形態のようなレーダーチャートの他、棒グラフその他のグラフ表示を適用してもよい。また、グラフ表示に代えて、各スコアに設定されたアイコンによって表してもよい。例えば、キャラクターのアイコンとして、そのキャラクターの異なる表情やポーズに応じてスコアの高低を表示したり、手のアイコンとして、指の折り曲げ状態（人差し指と親指の指先を付けたＯＫのポーズ、親指を上に立てて握るＧＯＯＤのポーズなど）に応じてスコアの高低を表示したりしてもよい。

また、上述した実施形態では、睡眠点数や一回の睡眠の段階の遷移（図３７参照）、睡眠点数推移（図３９参照）を表示する例を説明したが、必ずしもこれらを表示しなければならないものではない。

１ 睡眠評価装置
２ センサ部（生体情報検出手段）
３ 制御ボックス
４ 表示部
５ 操作部
６ ＣＰＵ
７ 生体データ検出部
８ 判定部
９ 記憶部
１０ 電源
２０ 評価部

Claims (7)

1. 被験者の生体情報を検出して生体信号として出力する生体情報検出手段と、前記生体信号に基づいて前記被験者の睡眠状態を判定する判定部と、を有する睡眠評価装置であって、
   前記判定部は、
   前記生体信号に基づいて前記被験者の睡眠指数を演算するとともに、
   前記被験者の所定期間における睡眠に関する集計データである睡眠記録から、所定日数の間に観測された最も多い就寝時刻及び起床時刻を求めると共に、前記所定日数の間に観測された、前記最も多い就寝時刻及び起床時刻における就寝の回数及び起床の回数と、当該最も多い就寝時刻及び起床時刻それぞれの直前の時刻及び直後の時刻における就寝及び起床の回数とに基づくパターンから就寝時刻スコア及び起床時刻スコアを算出して、前記就寝時刻スコア及び前記起床時刻スコアに基づいて前記被験者の睡眠習慣スコアを決定し、
   少なくとも、睡眠の深さに係る項目と、睡眠のリズムに係る項目と、中途覚醒に係る項目と、前記睡眠習慣スコアと、を含む複数種類の所定項目ごとに睡眠評価スコアを算出し、
   前記被験者の睡眠状態が、睡眠内容の特徴に応じて予め記憶されている種別としての所定の睡眠タイプのいずれに該当するかを、前記睡眠評価スコアに基づいて判定すること
   を特徴とする睡眠評価装置。
2. 前記判定部は、算出された前記睡眠評価スコアを用いて前記睡眠タイプごとの判定値を算出し、該判定値に基づいて、前記所定の睡眠タイプのいずれに該当するかを判定することを特徴とする請求項１に記載の睡眠評価装置。
3. 前記所定の睡眠タイプのいずれに該当するかの判定に用いる睡眠評価スコアには、少なくとも睡眠深度スコアと睡眠周期スコアと中途覚醒スコアとを含み、又は、これらに加えて睡眠時間スコアを更に含むことを特徴とする請求項１又は請求項２に記載の睡眠評価装置。
4. 前記複数種類の所定項目ごとに算出される前記睡眠評価スコアを一括表示可能な表示部を有することを特徴とする請求項１乃至請求項３のうち、いずれか１に記載の睡眠評価装置。
5. 前記表示部に一括表示される睡眠評価スコアには、前記所定の睡眠タイプのいずれに該当するかの判定に用いた睡眠評価スコアを含み、又は、これらに加えて体動頻度スコア及び／又は睡眠習慣スコアを更に含むことを特徴とする請求項４に記載の睡眠評価装置。
6. 前記複数種類の所定項目ごとに算出される前記睡眠評価スコアをレーダーチャートで一括表示可能な表示部を有することを特徴とする請求項１乃至請求項５のうち、いずれか１に記載の睡眠評価装置。
7. 被験者の生体情報を検出して生体信号として出力する生体情報検出手段を含む測定装置と、前記生体信号に基づいて前記被験者の睡眠状態を判定する情報処理端末と、を有する睡眠評価システムであって、
   前記情報処理端末は、
   前記生体信号に基づいて前記被験者の睡眠指数を演算するとともに、
   前記被験者の所定期間における睡眠に関する集計データである睡眠記録から所定日数の間に観測された最も多い就寝時刻及び起床時刻を求めると共に、前記所定日数の間に観測された、前記最も多い就寝時刻及び起床時刻における就寝の回数及び起床の回数と、当該最も多い就寝時刻及び起床時刻それぞれの直前の時刻及び直後の時刻における就寝及び起床の回数とに基づくパターンから、就寝時刻スコア及び起床時刻スコアを算出して、前記就寝時刻スコア及び前記起床時刻スコアに基づいて前記被験者の睡眠習慣スコアを決定し、
   少なくとも睡眠の深さに係る項目と、睡眠のリズムに係る項目と、中途覚醒に係る項目と、前記睡眠習慣スコアと、を含む複数種類の所定項目ごとに睡眠評価スコアを算出し、
   前記被験者の睡眠状態が、睡眠内容の特徴に応じて予め記憶されている種別としての所定の睡眠タイプのいずれに該当するかを、前記睡眠評価スコアに基づいて判定すること
   を特徴とする睡眠評価システム。

Images