JP6233837B2 - 睡眠段階判定装置、睡眠段階判定プログラムおよび睡眠段階判定方法 - Google Patents
睡眠段階判定装置、睡眠段階判定プログラムおよび睡眠段階判定方法 Download PDFInfo
- Publication number
- JP6233837B2 JP6233837B2 JP2013238927A JP2013238927A JP6233837B2 JP 6233837 B2 JP6233837 B2 JP 6233837B2 JP 2013238927 A JP2013238927 A JP 2013238927A JP 2013238927 A JP2013238927 A JP 2013238927A JP 6233837 B2 JP6233837 B2 JP 6233837B2
- Authority
- JP
- Japan
- Prior art keywords
- subject
- determination
- sleep stage
- sleep
- determining
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
Images
Landscapes
- Measurement Of The Respiration, Hearing Ability, Form, And Blood Characteristics Of Living Organisms (AREA)
Description
本発明は、被験者の睡眠の段階を判定する睡眠段階判定装置、睡眠段階判定プログラムおよび睡眠段階判定方法に関する。
従来、人間の睡眠段階を調べるためには、睡眠時ポリソムノグラフィ（Polysomnography: PSG）を使用し、睡眠中の脳波、眼球電図、筋電図を測定して判定しており、これらの測定結果から４段階からなるノンレム睡眠と、レム睡眠および覚醒の６段階に分類している。一般に人間の睡眠は脳の休息のためのノンレム睡眠と休息から覚醒させるための準備段階であるレム睡眠とが約１時間半の周期で繰り返されており、一晩に３〜４回の睡眠周期が現れる。人間にとっては脳を十分に休息させるために深いノンレム睡眠が十分にあること、そして、睡眠からさわやかに目覚めるためにレム睡眠が周期的に出現することの両方が必要と言われている。
多くの現代人は睡眠に悩みを抱えている。また、睡眠の質は、精神的肉体的ストレス度合、昼間の運動の有無、就寝直前の入浴などの様々な要因により左右されるものであり、一晩の睡眠状態だけで個人の通常時の睡眠の質を判断することは困難である。従って、良質な睡眠を確保するには、日ごろから睡眠深度等を定量的に計測し、自己管理することが望まれる。
多くの現代人は睡眠に悩みを抱えている。また、睡眠の質は、精神的肉体的ストレス度合、昼間の運動の有無、就寝直前の入浴などの様々な要因により左右されるものであり、一晩の睡眠状態だけで個人の通常時の睡眠の質を判断することは困難である。従って、良質な睡眠を確保するには、日ごろから睡眠深度等を定量的に計測し、自己管理することが望まれる。
ところが、この睡眠深度や睡眠周期の検出は一般に人体の脳波等を採取するために人体に多数の電極を貼り付ける事が必要であり、準備が大変わずらわしく、また、睡眠をも妨げるという課題もあり、自宅で日頃から測定することができなかった。
このような課題に対応するため、脳波、筋電図、眼球電図を用いることなく睡眠段階や睡眠周期を検出する方法として、特許文献１〜８に記載の技術が公知である。
このような課題に対応するため、脳波、筋電図、眼球電図を用いることなく睡眠段階や睡眠周期を検出する方法として、特許文献１〜８に記載の技術が公知である。
特許文献１（特開２００２−２１９１１６号公報）には、敷き布団（１）の下に振動センサ（２）を配置して、振動センサ（２）の検出信号から、寝返り等の粗体動と、心拍を判定し、一定時間中の粗体動の発生回数や心拍数の変動の大小に基づいて、レム睡眠やノンレム睡眠の段階を判定する技術が記載されている。
特許文献２（特開２００６−２８０６８６号公報）や特許文献３（特開２００８−３０１９５１号公報）、特許文献４（特開２００９−１６０００１号公報）、特許文献５（特開２０１０−９４３７９号公報）には、人体の生体信号を取得するセンサとして、非圧縮性の流体を内封したマットレスの圧力変動を検出するコンデンサマイクロホンを使用し、隣接する３つの区間の呼吸の波形の振幅の標準偏差から、寝返り等の粗体動、いびき等の細体動、呼吸が安定した無体動の判定を行う技術、そして体動が無く且つ、呼吸数、呼吸数のばらつきおよび呼吸周期のばらつきが閾値以下の場合に深睡眠状態と判定したりする技術が記載されている。
特許文献２（特開２００６−２８０６８６号公報）や特許文献３（特開２００８−３０１９５１号公報）、特許文献４（特開２００９−１６０００１号公報）、特許文献５（特開２０１０−９４３７９号公報）には、人体の生体信号を取得するセンサとして、非圧縮性の流体を内封したマットレスの圧力変動を検出するコンデンサマイクロホンを使用し、隣接する３つの区間の呼吸の波形の振幅の標準偏差から、寝返り等の粗体動、いびき等の細体動、呼吸が安定した無体動の判定を行う技術、そして体動が無く且つ、呼吸数、呼吸数のばらつきおよび呼吸周期のばらつきが閾値以下の場合に深睡眠状態と判定したりする技術が記載されている。
特許文献６（特開２０１２−１７０６２４号公報）や特許文献７（特開２０１２−１８７２９９号公報）、特許文献８（特開２０１２−１８７３４９号公報）には、人物の枕元に離して配置されたドップラーセンサー（３１）で人の体動を測定し、測定された波形から、呼吸波形と体動波形を分離し、予め規定された期間（３０秒や１分）における周期のばらつきが、予め設定された閾値よりも小さい場合に、周期性がある（安定している）と判定し、呼吸の安定性と、体動の無し／単発的／連続的と、から、睡眠の段階や覚醒を判定する技術が記載されている。
"離床センサー"、「online」、株式会社テクノスジャパン、「２０１３年１１月１８日検索」、インターネット＜ＵＲＬ：http://technosjapan.jp/product/sensor/index.html＞
（従来技術の問題点）
特許文献１に記載の技術のように、圧電センサを使用して体動および心拍を測定する構成では、寝具シーツや布団が人体とセンサの間に存在する間接的振動検知であり、その圧電センサの信号は弱く、またノイズの影響を受けやすいため、睡眠段階や睡眠周期を検出する精度が十分に向上しない問題があった。特に、心拍は、人体表面の非常に微小な振動の脈波をセンシングするものであり、人の姿勢や寝相等の個人差、就寝環境等で検出精度が変動しやすい問題もある。
また、特許文献２〜５に記載の技術では、特殊なマットレスを使用しており、既存のベッドやマットレスにそのまま適用しにくく、マットレスの交換等を行えばコストが上昇する問題がある。また、隣接する３つの区間の標準偏差を使用するため、短期間における波形の振幅の変動しか判定できない。すなわち、人の呼吸には、脳の活動状態によって、呼吸が安定していても、長周期の変動（長周期の「ゆらぎ」）と短周期の変動（短周期の「ゆらぎ」）が存在するが、特許文献２〜５に記載の技術では、隣接する３つの区間における短周期のゆらぎにしか対応できず、長周期のゆらぎに対応できず、検出精度が十分ではない問題がある。
特許文献１に記載の技術のように、圧電センサを使用して体動および心拍を測定する構成では、寝具シーツや布団が人体とセンサの間に存在する間接的振動検知であり、その圧電センサの信号は弱く、またノイズの影響を受けやすいため、睡眠段階や睡眠周期を検出する精度が十分に向上しない問題があった。特に、心拍は、人体表面の非常に微小な振動の脈波をセンシングするものであり、人の姿勢や寝相等の個人差、就寝環境等で検出精度が変動しやすい問題もある。
また、特許文献２〜５に記載の技術では、特殊なマットレスを使用しており、既存のベッドやマットレスにそのまま適用しにくく、マットレスの交換等を行えばコストが上昇する問題がある。また、隣接する３つの区間の標準偏差を使用するため、短期間における波形の振幅の変動しか判定できない。すなわち、人の呼吸には、脳の活動状態によって、呼吸が安定していても、長周期の変動（長周期の「ゆらぎ」）と短周期の変動（短周期の「ゆらぎ」）が存在するが、特許文献２〜５に記載の技術では、隣接する３つの区間における短周期のゆらぎにしか対応できず、長周期のゆらぎに対応できず、検出精度が十分ではない問題がある。
さらに、特許文献６〜８に記載の技術では、予め規定された期間内での周期のばらつきに基づいて呼吸の安定性や体動を判定しているため、やはり、短周期のゆらぎにしか対応できず、検出精度が十分ではない問題がある。
本発明は、被験者の睡眠の段階を精度よく判定することを技術的課題とする。
前記技術的課題を解決するために、請求項１に記載の発明の睡眠段階判定装置は、
被験者に非接触な状態で配置され、前記被験者の表面の振動を検知する検知部材と、
前記検知部材により検知された振動と、予め設定された体動判定用の第１の閾値と、に基づいて、前記被験者の体動の有無を判定する体動判定手段と、
前記被験者の体動の頻度に基づいて、前記被験者が覚醒しているか、睡眠しているかの判定を行う覚醒判定手段と、
前記検知部材により検知された振動に基づいて、前記被験者の呼吸の間隔を抽出する呼吸間隔の抽出手段と、
予め設定された期間における呼吸の間隔の偏差累積と、前記期間を分割した各区間における呼吸の変動の傾向とに基づいて、フラクタル次元を演算するフラクタル次元の演算手段と、
前記覚醒判定手段により、前記被験者が睡眠していると判定された場合に、前記フラクタル次元と、予め設定された睡眠段階判定用の閾値と、に基づいて、前記被験者の睡眠の段階を判定する睡眠段階の判定手段と、
を備えたことを特徴とする。
被験者に非接触な状態で配置され、前記被験者の表面の振動を検知する検知部材と、
前記検知部材により検知された振動と、予め設定された体動判定用の第１の閾値と、に基づいて、前記被験者の体動の有無を判定する体動判定手段と、
前記被験者の体動の頻度に基づいて、前記被験者が覚醒しているか、睡眠しているかの判定を行う覚醒判定手段と、
前記検知部材により検知された振動に基づいて、前記被験者の呼吸の間隔を抽出する呼吸間隔の抽出手段と、
予め設定された期間における呼吸の間隔の偏差累積と、前記期間を分割した各区間における呼吸の変動の傾向とに基づいて、フラクタル次元を演算するフラクタル次元の演算手段と、
前記覚醒判定手段により、前記被験者が睡眠していると判定された場合に、前記フラクタル次元と、予め設定された睡眠段階判定用の閾値と、に基づいて、前記被験者の睡眠の段階を判定する睡眠段階の判定手段と、
を備えたことを特徴とする。
請求項２に記載の発明は、請求項１に記載の睡眠段階判定装置において、
前記被験者が横たわった寝具の下に設置された１つのマイクロ波レーダーにより構成された前記検知部材、
を備えたことを特徴とする。
前記被験者が横たわった寝具の下に設置された１つのマイクロ波レーダーにより構成された前記検知部材、
を備えたことを特徴とする。
請求項３に記載の発明は、請求項１または２に記載の睡眠段階判定装置において、
前記呼吸の間隔の偏差累積から前記呼吸の変動の傾向を除去したフラクタル値を、前記分割した区間の分割幅を変動させる毎に算出し、前記フラクタル値の対数値の前記分割幅の対数値に対する予め設定された範囲の近似直線の傾きに基づいて、前記フラクタル次元を演算する前記フラクタル次元の演算手段、
を備えたことを特徴とする。
前記呼吸の間隔の偏差累積から前記呼吸の変動の傾向を除去したフラクタル値を、前記分割した区間の分割幅を変動させる毎に算出し、前記フラクタル値の対数値の前記分割幅の対数値に対する予め設定された範囲の近似直線の傾きに基づいて、前記フラクタル次元を演算する前記フラクタル次元の演算手段、
を備えたことを特徴とする。
請求項４に記載の発明は、請求項１ないし３のいずれかに記載の睡眠段階判定装置において、
前記被験者の睡眠段階の判定を行う全期間に対し、覚醒と判定された期間における前記フラクタル次元の平均値と、全期間における呼吸数の平均値とに基づいて、レム睡眠判定用の閾値を設定するレム閾値設定手段と、
前記被験者の睡眠段階の判定を行う全期間に対し、睡眠と判定された期間における前記フラクタル次元の最大値および最小値に基づいて、ノンレム睡眠の段階を判定する閾値を設定するノンレム閾値設定手段と、
前記レム睡眠判定用の閾値およびノンレム睡眠の段階を判定する閾値により構成された前記睡眠段階判定用の閾値を使用して、前記被験者の睡眠の段階を判定する前記睡眠段階の判定手段と、
を備えたことを特徴とする。
前記被験者の睡眠段階の判定を行う全期間に対し、覚醒と判定された期間における前記フラクタル次元の平均値と、全期間における呼吸数の平均値とに基づいて、レム睡眠判定用の閾値を設定するレム閾値設定手段と、
前記被験者の睡眠段階の判定を行う全期間に対し、睡眠と判定された期間における前記フラクタル次元の最大値および最小値に基づいて、ノンレム睡眠の段階を判定する閾値を設定するノンレム閾値設定手段と、
前記レム睡眠判定用の閾値およびノンレム睡眠の段階を判定する閾値により構成された前記睡眠段階判定用の閾値を使用して、前記被験者の睡眠の段階を判定する前記睡眠段階の判定手段と、
を備えたことを特徴とする。
前記技術的課題を解決するために、請求項５に記載の発明の睡眠段階判定プログラムは、
コンピュータを、
被験者に非接触な状態で配置され且つ前記被験者の表面の振動を検知する検知部材により検知された振動と、予め設定された体動判定用の第１の閾値と、に基づいて、前記被験者の体動の有無を判定する体動判定手段、
前記被験者の体動の頻度に基づいて、前記被験者が覚醒しているか、睡眠しているかの判定を行う覚醒判定手段、
前記検知部材により検知された振動に基づいて、前記被験者の呼吸の間隔を抽出する呼吸間隔の抽出手段、
予め設定された期間における呼吸の間隔の偏差累積と、前記期間を分割した各区間における呼吸の変動の傾向とに基づいて、フラクタル次元を演算するフラクタル次元の演算手段、
前記覚醒判定手段により、前記被験者が睡眠していると判定された場合に、前記フラクタル次元と、予め設定された睡眠段階判定用の閾値と、に基づいて、前記被験者の睡眠の段階を判定する睡眠段階の判定手段、
として機能させることを特徴とする。
コンピュータを、
被験者に非接触な状態で配置され且つ前記被験者の表面の振動を検知する検知部材により検知された振動と、予め設定された体動判定用の第１の閾値と、に基づいて、前記被験者の体動の有無を判定する体動判定手段、
前記被験者の体動の頻度に基づいて、前記被験者が覚醒しているか、睡眠しているかの判定を行う覚醒判定手段、
前記検知部材により検知された振動に基づいて、前記被験者の呼吸の間隔を抽出する呼吸間隔の抽出手段、
予め設定された期間における呼吸の間隔の偏差累積と、前記期間を分割した各区間における呼吸の変動の傾向とに基づいて、フラクタル次元を演算するフラクタル次元の演算手段、
前記覚醒判定手段により、前記被験者が睡眠していると判定された場合に、前記フラクタル次元と、予め設定された睡眠段階判定用の閾値と、に基づいて、前記被験者の睡眠の段階を判定する睡眠段階の判定手段、
として機能させることを特徴とする。
前記技術的課題を解決するために、請求項６に記載の発明の睡眠段階判定方法は、
被験者に非接触な状態で配置され且つ前記被験者の表面の振動を検知する検知部材により検知された振動と、予め設定された体動判定用の第１の閾値と、に基づいて、前記被験者の体動の有無を判定する体動判定工程と、
前記被験者の体動の頻度に基づいて、前記被験者が覚醒しているか、睡眠しているかの判定を行う覚醒判定工程と、
前記検知部材により検知された振動に基づいて、前記被験者の呼吸の間隔を抽出する呼吸間隔の抽出工程と、
予め設定された期間における呼吸の間隔の偏差累積と、前記期間を分割した各区間における呼吸の変動の傾向とに基づいて、フラクタル次元を演算するフラクタル次元の演算工程と、
前記覚醒判定工程において、前記被験者が睡眠していると判定された場合に、前記フラクタル次元と、予め設定された睡眠段階判定用の閾値と、に基づいて、前記被験者の睡眠の段階を判定する睡眠段階の判定工程と、
を実行することを特徴とする。
被験者に非接触な状態で配置され且つ前記被験者の表面の振動を検知する検知部材により検知された振動と、予め設定された体動判定用の第１の閾値と、に基づいて、前記被験者の体動の有無を判定する体動判定工程と、
前記被験者の体動の頻度に基づいて、前記被験者が覚醒しているか、睡眠しているかの判定を行う覚醒判定工程と、
前記検知部材により検知された振動に基づいて、前記被験者の呼吸の間隔を抽出する呼吸間隔の抽出工程と、
予め設定された期間における呼吸の間隔の偏差累積と、前記期間を分割した各区間における呼吸の変動の傾向とに基づいて、フラクタル次元を演算するフラクタル次元の演算工程と、
前記覚醒判定工程において、前記被験者が睡眠していると判定された場合に、前記フラクタル次元と、予め設定された睡眠段階判定用の閾値と、に基づいて、前記被験者の睡眠の段階を判定する睡眠段階の判定工程と、
を実行することを特徴とする。
請求項１，５，６に記載の発明によれば、フラクタル次元を使用しない場合に比べて、被験者の年齢による違いや体調の変動などに関係なく睡眠の段階を精度よく判定することができる。
請求項２に記載の発明によれば、マイクロ波レーダを使用しない場合に比べて、布団や寝間着等の悪影響を低減して、寝返り等の体動と呼吸運動と脈波振動を明確に分離検出することが可能となり、被験者の睡眠の段階を精度よく判定することができる。
請求項３に記載の発明によれば、短周期の「ゆらぎ」だけでなく長周期の「ゆらぎ」、そして短周期の「ゆらぎ」から長周期の「ゆらぎ」への変化の程度を表すフラクタル次元を演算することができ、その結果として睡眠段階を精度よく判定できる。
請求項４に記載の発明によれば、フラクタル次元や呼吸数の平均値に基づいて閾値を設定しない場合に比べて、被験者の個人差や日々の体調に応じて、睡眠段階を精度よく判定することができる。
請求項２に記載の発明によれば、マイクロ波レーダを使用しない場合に比べて、布団や寝間着等の悪影響を低減して、寝返り等の体動と呼吸運動と脈波振動を明確に分離検出することが可能となり、被験者の睡眠の段階を精度よく判定することができる。
請求項３に記載の発明によれば、短周期の「ゆらぎ」だけでなく長周期の「ゆらぎ」、そして短周期の「ゆらぎ」から長周期の「ゆらぎ」への変化の程度を表すフラクタル次元を演算することができ、その結果として睡眠段階を精度よく判定できる。
請求項４に記載の発明によれば、フラクタル次元や呼吸数の平均値に基づいて閾値を設定しない場合に比べて、被験者の個人差や日々の体調に応じて、睡眠段階を精度よく判定することができる。
次に図面を参照しながら、本発明の実施の形態の具体例（以下、実施例と記載する）を説明するが、本発明は以下の実施例に限定されるものではない。
なお、以下の図面を使用した説明において、理解の容易のために説明に必要な部材以外の図示は適宜省略されている。
なお、以下の図面を使用した説明において、理解の容易のために説明に必要な部材以外の図示は適宜省略されている。
図１は本発明の実施例１の睡眠段階判定装置の全体説明図である。
図１において、本発明の実施例１の睡眠段階判定装置Ｓは、被験者の一例としての人間（被検体）が横たわるベッド（寝台）１を有する。前記ベッド１は、ベッド本体としてのマットレス支持体１ａと、前記マットレス支持体１ａに支持されたマットレス１ｂとを有する。実施例１の前記マットレス１ｂは、マットレス支持体１ａの上に乗せて寝心地を良くするためのクッション性を有する。マットレス１ｂはウレタン製もしくは内部に空気が封入された、いわゆる、エアマットレス（エアマット、エアベッド）、もしくは布団等の寝具によって構成されている。
図１において、本発明の実施例１の睡眠段階判定装置Ｓは、被験者の一例としての人間（被検体）が横たわるベッド（寝台）１を有する。前記ベッド１は、ベッド本体としてのマットレス支持体１ａと、前記マットレス支持体１ａに支持されたマットレス１ｂとを有する。実施例１の前記マットレス１ｂは、マットレス支持体１ａの上に乗せて寝心地を良くするためのクッション性を有する。マットレス１ｂはウレタン製もしくは内部に空気が封入された、いわゆる、エアマットレス（エアマット、エアベッド）、もしくは布団等の寝具によって構成されている。
また、前記マットレス１ｂの下面には、検知部材の一例としてのマイクロ波レーダＳＮ１が支持されている。実施例１のマイクロ波レーダＳＮ１は、マイクロ波（電磁波）を送受信して、被験者の体表面の振動を検出可能である。
なお、実施例１では、マイクロ波レーダＳＮ１は、ベッド１において、被験者の上半身、特に、胸部に対応する位置に１つ配置されている。なお、マイクロ波レーダＳＮ１の数は、部品点数およびコストの削減の観点から１つとすることが望ましいが、例えば、キングサイズベッドやダブルベッド等の大型のベッドの場合には、検出可能な範囲との関係で、複数個配置する構成とすることも可能である。
なお、実施例１では、マイクロ波レーダＳＮ１は、ベッド１において、被験者の上半身、特に、胸部に対応する位置に１つ配置されている。なお、マイクロ波レーダＳＮ１の数は、部品点数およびコストの削減の観点から１つとすることが望ましいが、例えば、キングサイズベッドやダブルベッド等の大型のベッドの場合には、検出可能な範囲との関係で、複数個配置する構成とすることも可能である。
また、実施例１の前記各マイクロ波の周波数は、公衆に開放されて特定の免許等が不要であり、且つ、前記マットレス１ｂの外表面や前記被検体の衣服等を透過して、前記被検体の体表面まで送信可能で前記被検体からの反射波が受信可能な周波数を採用することが望ましい。したがって、実施例１では、マイクロ波の周波数が、２４［ＧＨｚ］程度に予め設定されている。
なお、前記マットレス１ｂについても、マイクロ波の送受信に悪影響を及ぼすおそれがあるコイルバネ等が使用されておらず、例えば、前記ウレタン製の低反発マットレスやエアマットレス等であることが望ましい。
なお、前記マットレス１ｂについても、マイクロ波の送受信に悪影響を及ぼすおそれがあるコイルバネ等が使用されておらず、例えば、前記ウレタン製の低反発マットレスやエアマットレス等であることが望ましい。
また、マットレス１ｂの上面には、マットレス１ｂ上で横たわる被験者を検知する被験者検知部材ＳＮ３が支持されている。実施例１の被験者検知部材ＳＮ３は、重量（体重）に基づいて、被験者がベッド１から離れているか否かを検知するシート状のセンサ、いわゆる、離床センサ（徘徊センサ）によって構成されている。なお、前記離床センサについては、例えば、非特許文献１等に記載されている公知の製品を使用することが可能である。
また、図１において、実施例１の睡眠段階判定装置Ｓは、マイクロ波レーダＳＮ１および被験者検知部材ＳＮ３が接続された情報端末としてのクライアントパソコン（睡眠段階判定装置本体、パーソナルコンピュータ）ＰＣａを有する。実施例１のクライアントパソコンＰＣａは、いわゆる、コンピュータ装置により構成されており、コンピュータ本体Ｈ１と、ディスプレイＨ２と、キーボードＨ３やマウスＨ４等の入力装置、図示しないＨＤドライブ（ハードディスクドライブ）等により構成されている。
ベッド１や各センサＳＮ１、ＳＮ３、クライアントパソコンＰＣａ等により、実施例１の睡眠段階判定装置Ｓが構成されている。
ベッド１や各センサＳＮ１、ＳＮ３、クライアントパソコンＰＣａ等により、実施例１の睡眠段階判定装置Ｓが構成されている。
（実施例１の制御部の説明）
図２は本発明の実施例１の睡眠段階判定装置の機能をブロック図（機能ブロック図）で示した説明図である。
図２において、クライアントパソコンＰＣａのコンピュータ本体Ｈ１は、外部との信号の入出力および入出力信号レベルの調節等を行うＩ／Ｏ（入出力インターフェース）、必要な処理を行うためのプログラムおよびデータ等が記憶されたＲＯＭ（リードオンリーメモリ、記録媒体）、必要なデータ及びプログラムを一時的に記憶するためのＲＡＭ（ランダムアクセスメモリ、記録媒体）、ＲＯＭ等に記憶されたプログラムに応じた処理を行うＣＰＵ（中央演算処理装置）、ならびにクロック発振器等を有しており、ＲＯＭ及びＲＡＭ等に記憶されたプログラムを実行することにより種々の機能を実現することができる。
前記構成のクライアントパソコンＰＣａは、ハードディスクやＲＯＭ等に記憶されたプログラムを実行することにより種々の機能を実現することができる。
図２は本発明の実施例１の睡眠段階判定装置の機能をブロック図（機能ブロック図）で示した説明図である。
図２において、クライアントパソコンＰＣａのコンピュータ本体Ｈ１は、外部との信号の入出力および入出力信号レベルの調節等を行うＩ／Ｏ（入出力インターフェース）、必要な処理を行うためのプログラムおよびデータ等が記憶されたＲＯＭ（リードオンリーメモリ、記録媒体）、必要なデータ及びプログラムを一時的に記憶するためのＲＡＭ（ランダムアクセスメモリ、記録媒体）、ＲＯＭ等に記憶されたプログラムに応じた処理を行うＣＰＵ（中央演算処理装置）、ならびにクロック発振器等を有しており、ＲＯＭ及びＲＡＭ等に記憶されたプログラムを実行することにより種々の機能を実現することができる。
前記構成のクライアントパソコンＰＣａは、ハードディスクやＲＯＭ等に記憶されたプログラムを実行することにより種々の機能を実現することができる。
（クライアントパソコンＰＣａのコンピュータ本体Ｈ１に接続された信号入力要素）
クライアントパソコンＰＣａのコンピュータ本体Ｈ１には、次の信号出力要素ＳＮ１，ＳＮ３等の出力信号が入力されている。
ＳＮ１：マイクロ波レーダ
マイクロ波レーダＳＮ１は、ベッド１の上面に向けてマイクロ波を照射すると共に、被験者からの反射波を受信し、受信した反射波に応じた出力信号を制御部に入力する。
ＳＮ３：被験者検知部材
被験者検知部材ＳＮ３は、重量（体重）に基づいて、被験者がマットレス１ｂに横たわっているか否かを検知し、その検知信号を制御部に入力する。
クライアントパソコンＰＣａのコンピュータ本体Ｈ１には、次の信号出力要素ＳＮ１，ＳＮ３等の出力信号が入力されている。
ＳＮ１：マイクロ波レーダ
マイクロ波レーダＳＮ１は、ベッド１の上面に向けてマイクロ波を照射すると共に、被験者からの反射波を受信し、受信した反射波に応じた出力信号を制御部に入力する。
ＳＮ３：被験者検知部材
被験者検知部材ＳＮ３は、重量（体重）に基づいて、被験者がマットレス１ｂに横たわっているか否かを検知し、その検知信号を制御部に入力する。
（クライアントパソコンＰＣａのコンピュータ本体Ｈ１の機能の説明）
クライアントパソコンＰＣａのハードディスクドライブには、クライアントパソコンＰＣａの基本動作を制御する基本ソフト（オペレーティングシステム）ＯＳや、アプリケーションプログラムとしての睡眠段階判定プログラムＡＰ１、その他の図示しないソフトウェアが記憶されている。
クライアントパソコンＰＣａのハードディスクドライブには、クライアントパソコンＰＣａの基本動作を制御する基本ソフト（オペレーティングシステム）ＯＳや、アプリケーションプログラムとしての睡眠段階判定プログラムＡＰ１、その他の図示しないソフトウェアが記憶されている。
（睡眠段階判定プログラムＡＰ１）
睡眠段階判定プログラムＡＰ１は、下記の機能手段（プログラムモジュール）を有する。
Ｃ１：着床判別手段
着床判別手段Ｃ１は、被験者検知部材ＳＮ３からの信号に基づいて、被験者が着床しているか、離床しているかを判別する。
睡眠段階判定プログラムＡＰ１は、下記の機能手段（プログラムモジュール）を有する。
Ｃ１：着床判別手段
着床判別手段Ｃ１は、被験者検知部材ＳＮ３からの信号に基づいて、被験者が着床しているか、離床しているかを判別する。
Ｃ２：信号履歴記憶手段
信号履歴記憶手段Ｃ２は、マイクロ波レーダＳＮ１から出力された出力信号の履歴を記憶する。レーダの出力信号は通常は数mV単位の微小な連続アナログ信号であり、この出力信号を100倍程度に増幅し、コンピュータ処理に適した単位時間ごとのサンプリング離散データにアナログ・ディジタル変換する。なお、実施例１の信号履歴記憶手段Ｃ２では、着床判別手段Ｃ１により被験者がベッド１に着床したと判定されると、マイクロ波レーダＳＮ１の出力信号Ｖ１の記憶を開始する。なお、マイクロ波レーダＳＮ１の出力信号Ｖ１は、単位時間の一例としての10ms（100分の１秒）毎に記憶される。また、実施例１の信号履歴記憶手段Ｃ２では、被験者がベッド１から離床したと判定されると、マイクロ波レーダＳＮ１の信号の記憶を終了する。したがって、実施例１の信号履歴記憶手段Ｃ２では、被験者の睡眠時間、より正確には、着床してから離床するまでの時間により、信号が検出される時間が異なる。すなわち、被験者の個人差や体調、一日ごとの睡眠時間の長短に応じた検出が行われる。
信号履歴記憶手段Ｃ２は、マイクロ波レーダＳＮ１から出力された出力信号の履歴を記憶する。レーダの出力信号は通常は数mV単位の微小な連続アナログ信号であり、この出力信号を100倍程度に増幅し、コンピュータ処理に適した単位時間ごとのサンプリング離散データにアナログ・ディジタル変換する。なお、実施例１の信号履歴記憶手段Ｃ２では、着床判別手段Ｃ１により被験者がベッド１に着床したと判定されると、マイクロ波レーダＳＮ１の出力信号Ｖ１の記憶を開始する。なお、マイクロ波レーダＳＮ１の出力信号Ｖ１は、単位時間の一例としての10ms（100分の１秒）毎に記憶される。また、実施例１の信号履歴記憶手段Ｃ２では、被験者がベッド１から離床したと判定されると、マイクロ波レーダＳＮ１の信号の記憶を終了する。したがって、実施例１の信号履歴記憶手段Ｃ２では、被験者の睡眠時間、より正確には、着床してから離床するまでの時間により、信号が検出される時間が異なる。すなわち、被験者の個人差や体調、一日ごとの睡眠時間の長短に応じた検出が行われる。
Ｃ３：信号値増幅手段
信号値増幅手段Ｃ３は、信号履歴記憶手段Ｃ２に記憶された各信号の値Ｖ１を増幅する。実施例１のマイクロ波レーダＳＮ１では、出力信号Ｖ１は、呼吸信号は、±０．２［Ｖ］〜±０．４［Ｖ］程度の信号として出力される一方で、体動信号は、±０．７［Ｖ］以上であり、通常、体動信号は±１［Ｖ］以上の信号となっている。したがって、実施例１の信号値増幅手段Ｃ３は、各信号Ｖ１の値を２乗することで、正負の区別をなくすることと同時に信号を増幅する。すなわち、±１［Ｖ］よりも十分に小さい呼吸信号は、二乗することで、小さな値になり、±１［Ｖ］以上の通常の体動信号は、大きな値となり、呼吸信号と体動信号との差が顕著になる。
Ｃ４：体動判定用の閾値記憶手段
第１の閾値記憶手段の一例としての体動判定用の閾値記憶手段Ｃ４は、第１の閾値の一例としての体動判定用の閾値Ｖａを記憶する。実施例１では、体動判定用の閾値Ｖａとして、体動信号の下限値である０．７［Ｖ］を２乗した０．４９［Ｖ2］に余裕を持たせて、０．５［Ｖ2］が設定されている。すなわち、Ｖａ＝０．５に設定されている。
信号値増幅手段Ｃ３は、信号履歴記憶手段Ｃ２に記憶された各信号の値Ｖ１を増幅する。実施例１のマイクロ波レーダＳＮ１では、出力信号Ｖ１は、呼吸信号は、±０．２［Ｖ］〜±０．４［Ｖ］程度の信号として出力される一方で、体動信号は、±０．７［Ｖ］以上であり、通常、体動信号は±１［Ｖ］以上の信号となっている。したがって、実施例１の信号値増幅手段Ｃ３は、各信号Ｖ１の値を２乗することで、正負の区別をなくすることと同時に信号を増幅する。すなわち、±１［Ｖ］よりも十分に小さい呼吸信号は、二乗することで、小さな値になり、±１［Ｖ］以上の通常の体動信号は、大きな値となり、呼吸信号と体動信号との差が顕著になる。
Ｃ４：体動判定用の閾値記憶手段
第１の閾値記憶手段の一例としての体動判定用の閾値記憶手段Ｃ４は、第１の閾値の一例としての体動判定用の閾値Ｖａを記憶する。実施例１では、体動判定用の閾値Ｖａとして、体動信号の下限値である０．７［Ｖ］を２乗した０．４９［Ｖ2］に余裕を持たせて、０．５［Ｖ2］が設定されている。すなわち、Ｖａ＝０．５に設定されている。
図３は実施例１の体動判定の説明図であり、横軸に時間、縦軸に出力値を２乗した値を取ったグラフの説明図である。体動判定用の閾値は０．５［Ｖ2］でグラフが示されている。
Ｃ５：体動判定手段
体動判定手段Ｃ５は、マイクロ波レーダＳＮ１の検出信号と、体動判定用の閾値Ｖａとに基づいて、体動の判定を行う。図３において、実施例１の体動判定手段Ｃ５は、信号値増幅手段Ｃ３で増幅された信号値（（Ｖ１）２）が、体動判定用の閾値Ｖａ以上の場合に、体動が発生したと判定する。
Ｃ６：判定区間割り振り手段
判定区間割り振り手段Ｃ６は、覚醒や睡眠の判定を行う体動判定区間と、睡眠段階の判定を行う段階判定区間の割り振りを行う（以降は、睡眠段階の判定区間のことを単に判定区間と呼ぶ）。実施例１では、３０秒間が、１つの体動判定区間として予め設定されており、信号履歴記憶手段Ｃ２に記憶された全期間を、検出開始から３０秒毎の体動判定区間に分割する。また、実施例１では、睡眠段階の判定区間として、３分間分の期間が設定される。なお、実施例１では、１つの睡眠段階判定用の判定区間として３分間分の期間が設定される構成を例示したが、これに限定されず、短い周期のゆらぎ、長い周期のゆらぎが検出可能な任意の時間に設定することが可能であり、例えば、３分〜５分が好適である。また、体動判定区間も３０秒間に限定されず、体動が判定可能な任意の時間に設定することが可能である。
Ｃ５：体動判定手段
体動判定手段Ｃ５は、マイクロ波レーダＳＮ１の検出信号と、体動判定用の閾値Ｖａとに基づいて、体動の判定を行う。図３において、実施例１の体動判定手段Ｃ５は、信号値増幅手段Ｃ３で増幅された信号値（（Ｖ１）２）が、体動判定用の閾値Ｖａ以上の場合に、体動が発生したと判定する。
Ｃ６：判定区間割り振り手段
判定区間割り振り手段Ｃ６は、覚醒や睡眠の判定を行う体動判定区間と、睡眠段階の判定を行う段階判定区間の割り振りを行う（以降は、睡眠段階の判定区間のことを単に判定区間と呼ぶ）。実施例１では、３０秒間が、１つの体動判定区間として予め設定されており、信号履歴記憶手段Ｃ２に記憶された全期間を、検出開始から３０秒毎の体動判定区間に分割する。また、実施例１では、睡眠段階の判定区間として、３分間分の期間が設定される。なお、実施例１では、１つの睡眠段階判定用の判定区間として３分間分の期間が設定される構成を例示したが、これに限定されず、短い周期のゆらぎ、長い周期のゆらぎが検出可能な任意の時間に設定することが可能であり、例えば、３分〜５分が好適である。また、体動判定区間も３０秒間に限定されず、体動が判定可能な任意の時間に設定することが可能である。
Ｃ７：体動指標演算手段
体動指標演算手段Ｃ７は、被験者の体動の頻度である体動指標を演算する。実施例１の体動指標演算手段Ｃ７は、各体動判定区間における体動が発生した回数Ｍ１を体動指標として演算する。
Ｃ８：覚醒判定用の閾値記憶手段
覚醒判定用の閾値記憶手段Ｃ８は、覚醒判定用の閾値Ｍａを記憶する。実施例１の覚醒判定用の閾値Ｍａは、一例として、Ｍａ＝４回が設定されている。すなわち、覚醒判定用の閾値Ｍａは、各判定区間において覚醒時に発生する体動の回数Ｍ１の平均的な下限値を設定可能であるが、被験者の個人差やセンサＳＮ１の感度等に応じて、任意の値に適宜変更可能である。
体動指標演算手段Ｃ７は、被験者の体動の頻度である体動指標を演算する。実施例１の体動指標演算手段Ｃ７は、各体動判定区間における体動が発生した回数Ｍ１を体動指標として演算する。
Ｃ８：覚醒判定用の閾値記憶手段
覚醒判定用の閾値記憶手段Ｃ８は、覚醒判定用の閾値Ｍａを記憶する。実施例１の覚醒判定用の閾値Ｍａは、一例として、Ｍａ＝４回が設定されている。すなわち、覚醒判定用の閾値Ｍａは、各判定区間において覚醒時に発生する体動の回数Ｍ１の平均的な下限値を設定可能であるが、被験者の個人差やセンサＳＮ１の感度等に応じて、任意の値に適宜変更可能である。
Ｃ９：覚醒判定手段
覚醒判定手段Ｃ９は、体動の頻度に基づいて、被験者が覚醒しているか否かを判定する。実施例１の覚醒判定手段Ｃ９は、体動指標Ｍ１が、体動判定用の閾値Ｍａ以上である場合に、覚醒していると判定し、体動指標Ｍ１が体動判定用の閾値Ｍａ未満である場合に、睡眠していると判定する。なお、この覚醒判定において、全ての体動判定区間（３０秒間）ごとに覚醒、睡眠の仮判定をし、特異区間の円滑処理を行うことが望ましい。すなわち、前２区間、後２区間と判定結果が異なる１区間は特異区間とし、覚醒もしくは睡眠判定の仮判定を反転し覚醒、睡眠判定が連続するように補正することも可能である。
Ｃ１０：覚醒・睡眠期間の記憶手段
覚醒・睡眠期間の記憶手段Ｃ１０は、覚醒判定手段Ｃ９による判定結果を記憶する。実施例１の覚醒・睡眠期間の記憶手段Ｃ１０は、覚醒と判定された体動判定区間を「覚醒期間」と記憶し、睡眠と判定された判定区間を「睡眠期間」と記憶する。
覚醒判定手段Ｃ９は、体動の頻度に基づいて、被験者が覚醒しているか否かを判定する。実施例１の覚醒判定手段Ｃ９は、体動指標Ｍ１が、体動判定用の閾値Ｍａ以上である場合に、覚醒していると判定し、体動指標Ｍ１が体動判定用の閾値Ｍａ未満である場合に、睡眠していると判定する。なお、この覚醒判定において、全ての体動判定区間（３０秒間）ごとに覚醒、睡眠の仮判定をし、特異区間の円滑処理を行うことが望ましい。すなわち、前２区間、後２区間と判定結果が異なる１区間は特異区間とし、覚醒もしくは睡眠判定の仮判定を反転し覚醒、睡眠判定が連続するように補正することも可能である。
Ｃ１０：覚醒・睡眠期間の記憶手段
覚醒・睡眠期間の記憶手段Ｃ１０は、覚醒判定手段Ｃ９による判定結果を記憶する。実施例１の覚醒・睡眠期間の記憶手段Ｃ１０は、覚醒と判定された体動判定区間を「覚醒期間」と記憶し、睡眠と判定された判定区間を「睡眠期間」と記憶する。
Ｃ１１：フィルタ手段
周波数成分の抽出手段の一例としてのフィルタ手段Ｃ１１は、信号履歴記憶手段Ｃ２に記憶された履歴データに基づいて、呼吸の信号を抽出する。実施例１のフィルタ手段Ｃ１１は、信号履歴記憶手段Ｃ２に記憶された履歴データの波形に対して、フィルタリングを実行する。実施例１では、呼吸の周波数に対応する０．１［Ｈｚ］〜０．５［Ｈｚ］の帯域を通過させる帯域通過フィルタ（バンドパスフィルタ）をかけることで、歪みのない滑らかな呼吸波形のみを抽出する。
周波数成分の抽出手段の一例としてのフィルタ手段Ｃ１１は、信号履歴記憶手段Ｃ２に記憶された履歴データに基づいて、呼吸の信号を抽出する。実施例１のフィルタ手段Ｃ１１は、信号履歴記憶手段Ｃ２に記憶された履歴データの波形に対して、フィルタリングを実行する。実施例１では、呼吸の周波数に対応する０．１［Ｈｚ］〜０．５［Ｈｚ］の帯域を通過させる帯域通過フィルタ（バンドパスフィルタ）をかけることで、歪みのない滑らかな呼吸波形のみを抽出する。
図４は実施例１の呼吸間隔の抽出の一例の説明図であり、横軸に時間を取り、縦軸に信号値を取ったグラフである。
Ｃ１２：呼吸間隔の抽出手段
呼吸間隔の抽出手段Ｃ１２は、呼吸の間隔を抽出する。図４において、実施例１の呼吸間隔の抽出手段Ｃ１２は、フィルタ手段Ｃ１１を通過した呼吸波形のみのデータに基づいて、呼吸波形のあるピークから次のピークまでの間隔を呼吸間隔Ｂ（ｉ）として取得する。すなわち、被験者の吸気から呼気に切り替わる山頂（ピーク）から次の山頂（ピーク）までの間隔を呼吸間隔Ｂ（ｉ）として取得する。
Ｃ１２：呼吸間隔の抽出手段
呼吸間隔の抽出手段Ｃ１２は、呼吸の間隔を抽出する。図４において、実施例１の呼吸間隔の抽出手段Ｃ１２は、フィルタ手段Ｃ１１を通過した呼吸波形のみのデータに基づいて、呼吸波形のあるピークから次のピークまでの間隔を呼吸間隔Ｂ（ｉ）として取得する。すなわち、被験者の吸気から呼気に切り替わる山頂（ピーク）から次の山頂（ピーク）までの間隔を呼吸間隔Ｂ（ｉ）として取得する。
図５は実施例１の呼吸間隔の変動の説明図であり、図５Ａは横軸に呼吸間隔の番号を取り縦軸に呼吸間隔を取った呼吸間隔の変動の説明図、図５Ｂは横軸に偏差の加算範囲を取り縦軸に偏差の累積を取った呼吸間隔の偏差累積の説明図である。
Ｃ１３：平均呼吸間隔の演算手段
平均呼吸間隔の演算手段Ｃ１３は、判定区間における呼吸間隔Ｂ（ｉ）の平均値である平均呼吸間隔Ｂavgを演算する。実施例１の平均呼吸間隔の演算手段Ｃ１３は、判定区間においてＮ個の呼吸間隔が抽出された場合に、ｋ番目（ｋ≦Ｎ）の呼吸間隔までを対象とし、ｉを、１〜ｋの値とし、ｉ番目の呼吸間隔をＢ（ｉ）として、Ｂavgは、以下の式（１）で導出される。
Ｂavg＝｛ΣN i=1Ｂ（ｉ）｝／N …式（１）
Ｃ１３：平均呼吸間隔の演算手段
平均呼吸間隔の演算手段Ｃ１３は、判定区間における呼吸間隔Ｂ（ｉ）の平均値である平均呼吸間隔Ｂavgを演算する。実施例１の平均呼吸間隔の演算手段Ｃ１３は、判定区間においてＮ個の呼吸間隔が抽出された場合に、ｋ番目（ｋ≦Ｎ）の呼吸間隔までを対象とし、ｉを、１〜ｋの値とし、ｉ番目の呼吸間隔をＢ（ｉ）として、Ｂavgは、以下の式（１）で導出される。
Ｂavg＝｛ΣN i=1Ｂ（ｉ）｝／N …式（１）
Ｃ１４：偏差累積関数の算出手段
偏差累積関数の算出手段Ｃ１４は、各呼吸間隔と判定区間内の呼吸間隔の平均値との差（すなわち偏差）を配列１から配列ｋまで累積する偏差累積関数ｙ（ｋ）を算出する。実施例１の偏差累積関数の算出手段Ｃ１４は、各判定区間において、１番目からｋ番目までの呼吸間隔の偏差の総和を取った関数である偏差累積関数ｙ（ｋ）を演算する。実施例１の偏差累積関数の算出手段Ｃ１４は、以下の式（２）により、偏差累積関数ｙ（ｋ）を演算する。
ｙ（ｋ）＝Σｋ i=1［Ｂ（ｉ）−Ｂavg］ …式（２）
偏差累積関数ｙ（ｋ）は、図５Ｂに示すように、初期値はゼロであり、サンプル数ｋが大きくなるにつれて、偏差が累積して上下に変化する（図の例ではマイナスの値を取る）が、ｋが最大値、すなわち、全計測データの総数Nになると、y(N)は、当然であるがゼロになる。
偏差累積関数の算出手段Ｃ１４は、各呼吸間隔と判定区間内の呼吸間隔の平均値との差（すなわち偏差）を配列１から配列ｋまで累積する偏差累積関数ｙ（ｋ）を算出する。実施例１の偏差累積関数の算出手段Ｃ１４は、各判定区間において、１番目からｋ番目までの呼吸間隔の偏差の総和を取った関数である偏差累積関数ｙ（ｋ）を演算する。実施例１の偏差累積関数の算出手段Ｃ１４は、以下の式（２）により、偏差累積関数ｙ（ｋ）を演算する。
ｙ（ｋ）＝Σｋ i=1［Ｂ（ｉ）−Ｂavg］ …式（２）
偏差累積関数ｙ（ｋ）は、図５Ｂに示すように、初期値はゼロであり、サンプル数ｋが大きくなるにつれて、偏差が累積して上下に変化する（図の例ではマイナスの値を取る）が、ｋが最大値、すなわち、全計測データの総数Nになると、y(N)は、当然であるがゼロになる。
図６は実施例１の分割区間の説明図であり、図６Ａは刻み幅が小さい場合の説明図、図６Ｂは刻み幅が大きい場合の説明図である。図６Ａ、図６Ｂの偏差の加算範囲は、一例として最大３００としてグラフ表示しているが、この加算範囲最大は判定区間に対応して４０〜３００（３分間から１０分間）まで変化する。
Ｃ１５：トレンド直線の演算手段
トレンド直線の演算手段Ｃ１５は、偏差累積関数ｙ（ｋ）の各分割区間の呼吸の変動の傾向の一例としてのトレンド直線を演算する。実施例１のトレンド直線の演算手段Ｃ１５は、各判定区間を刻み幅（分割幅）ｎで分割した各分割区間におけるトレンド直線を演算する。実施例１のトレンド直線の演算手段Ｃ１５は、刻み幅ｎの分割区間における偏差累積関数ｙ（ｋ）の波形の近似直線ｙｎ（ｋ）を最小二乗法で演算する。すなわち、図６において、実線で示す呼吸間隔の偏差累積の波形に対して、各分割区間毎に、破線で示す近似直線ｙｎ（ｋ）を演算する。すなわち、トレンドは各分割区間内では直線であるが、判定区間全域では繋がった曲線となる。なお、実施例１では、刻み幅ｎは、最小値ｎ０から最大値ｎ１まで変動し、トレンド直線ｙｎ（ｋ）は、各刻み幅ｎ毎に演算される。また、実施例１では、最小値ｎ０は、ｎ０＝１０に設定され、最大値ｎ１は、ｎ１＝３０に設定されている。さらに、刻み幅ｎの変動幅ｎａは、ｎａ＝１に設定されている。
Ｃ１５：トレンド直線の演算手段
トレンド直線の演算手段Ｃ１５は、偏差累積関数ｙ（ｋ）の各分割区間の呼吸の変動の傾向の一例としてのトレンド直線を演算する。実施例１のトレンド直線の演算手段Ｃ１５は、各判定区間を刻み幅（分割幅）ｎで分割した各分割区間におけるトレンド直線を演算する。実施例１のトレンド直線の演算手段Ｃ１５は、刻み幅ｎの分割区間における偏差累積関数ｙ（ｋ）の波形の近似直線ｙｎ（ｋ）を最小二乗法で演算する。すなわち、図６において、実線で示す呼吸間隔の偏差累積の波形に対して、各分割区間毎に、破線で示す近似直線ｙｎ（ｋ）を演算する。すなわち、トレンドは各分割区間内では直線であるが、判定区間全域では繋がった曲線となる。なお、実施例１では、刻み幅ｎは、最小値ｎ０から最大値ｎ１まで変動し、トレンド直線ｙｎ（ｋ）は、各刻み幅ｎ毎に演算される。また、実施例１では、最小値ｎ０は、ｎ０＝１０に設定され、最大値ｎ１は、ｎ１＝３０に設定されている。さらに、刻み幅ｎの変動幅ｎａは、ｎａ＝１に設定されている。
Ｃ１６：トレンド除去手段
フラクタル値の算出手段の一例としてのトレンド除去手段Ｃ１６は、前記偏差累積関数ｙ（ｋ）から前記呼吸の変動の傾向（トレンド）を除去したフラクタル値Ｆ（ｎ）を算出する。実施例１のトレンド除去手段Ｃ１６は、フラクタル値Ｆ（ｎ）を、以下の式（３）で導出する。
Ｆ（ｎ）＝｛（ΣＮ ｋ＝１［ｙ（ｋ）−ｙｎ（ｋ）］２）／Ｎ｝１／２ …式（３）
なお、実施例１のトレンド除去手段Ｃ１６は、刻み幅ｎが、ｎ０〜ｎ１のそれぞれに対して、フラクタル値Ｆ（ｎ）を演算する。なお、フラクタル値Ｆ（ｎ）も、刻み幅ｎを変動させる毎に算出する。図６Aと図６Bの比較から分かるようにＦ（ｎ）はｎが大きくなると必ず増加する。
フラクタル値の算出手段の一例としてのトレンド除去手段Ｃ１６は、前記偏差累積関数ｙ（ｋ）から前記呼吸の変動の傾向（トレンド）を除去したフラクタル値Ｆ（ｎ）を算出する。実施例１のトレンド除去手段Ｃ１６は、フラクタル値Ｆ（ｎ）を、以下の式（３）で導出する。
Ｆ（ｎ）＝｛（ΣＮ ｋ＝１［ｙ（ｋ）−ｙｎ（ｋ）］２）／Ｎ｝１／２ …式（３）
なお、実施例１のトレンド除去手段Ｃ１６は、刻み幅ｎが、ｎ０〜ｎ１のそれぞれに対して、フラクタル値Ｆ（ｎ）を演算する。なお、フラクタル値Ｆ（ｎ）も、刻み幅ｎを変動させる毎に算出する。図６Aと図６Bの比較から分かるようにＦ（ｎ）はｎが大きくなると必ず増加する。
図７は実施例１のフラクタル次元の説明図であり、横軸に刻み幅を取り縦軸にフラクタル値を取ったグラフである。
Ｃ１７：フラクタル次元の演算手段
フラクタル次元の演算手段Ｃ１７は、トレンド除去手段Ｃ１６で演算されたフラクタル値に基づいて、フラクタル次元を演算する。実施例１のフラクタル次元の演算手段Ｃ１７は、各判定区間毎に、フラクタル値Ｆ（ｎ）の常用対数値ｌｏｇ１０Ｆ（ｎ）の分割幅ｎの常用対数値ｌｏｇ１０ｎに対する分割幅ｎの範囲の近似直線を最小二乗法で演算する。なお、実施例１では、分割幅ｎは、最小値ｎ０から最大値ｎ１の間で変更される。そして、演算された近似直線の傾きをフラクタル次元Ａとして算出する。ここで、分割幅ｎのｎ０からｎ１の範囲を「あてはめ範囲（フィッティング・レンジ）」と呼ぶ。すなわち、以下の式（４）で示される近似式からフラクタル次元Ａが導出される。
ｌｏｇ１０Ｆ（ｎ）＝Ａ×ｌｏｇ１０ｎ＋Ｂ …式（４）
Ｃ１７：フラクタル次元の演算手段
フラクタル次元の演算手段Ｃ１７は、トレンド除去手段Ｃ１６で演算されたフラクタル値に基づいて、フラクタル次元を演算する。実施例１のフラクタル次元の演算手段Ｃ１７は、各判定区間毎に、フラクタル値Ｆ（ｎ）の常用対数値ｌｏｇ１０Ｆ（ｎ）の分割幅ｎの常用対数値ｌｏｇ１０ｎに対する分割幅ｎの範囲の近似直線を最小二乗法で演算する。なお、実施例１では、分割幅ｎは、最小値ｎ０から最大値ｎ１の間で変更される。そして、演算された近似直線の傾きをフラクタル次元Ａとして算出する。ここで、分割幅ｎのｎ０からｎ１の範囲を「あてはめ範囲（フィッティング・レンジ）」と呼ぶ。すなわち、以下の式（４）で示される近似式からフラクタル次元Ａが導出される。
ｌｏｇ１０Ｆ（ｎ）＝Ａ×ｌｏｇ１０ｎ＋Ｂ …式（４）
Ｃ１８：ノンレム閾値設定手段
ノンレム閾値設定手段Ｃ１８は、被験者の睡眠段階の判定を行う全期間に対し、睡眠と判定された期間におけるフラクタル次元Ａの最大値Ａ１および最小値Ａ２に基づいて、ノンレム睡眠の段階を判定する閾値Ｆ，Ｇ，Ｈを設定する。なお、実施例１のノンレム閾値設定手段Ｃ１８は、「睡眠」と判定された体動判定区間が５個以上継続する睡眠段階の判定区間におけるフラクタル次元Ａの最大値Ａ１および最小値Ａ２に基づいて、閾値Ｆ，Ｇ，Ｈを設定する。そして、実施例１のノンレム閾値設定手段Ｃ１８は、最大値Ａ１と最小値Ａ２との間を４等分する値を、小さい方から順に、第１のノンレム睡眠の段階判定用の閾値Ｆ、第２のノンレム睡眠の段階判定用の閾値Ｇ、第３のノンレム睡眠の段階判定用の閾値Ｈ、として演算して、設定する。すなわち、ノンレム睡眠の段階判定用の閾値Ｆ，Ｇ，Ｈは、以下の式（５）〜（７）で演算される。
Ｆ＝Ａ２＋（Ａ１−Ａ２）／４ …式（５）
Ｇ＝Ａ２＋（Ａ１−Ａ２）／２ …式（６）
Ｈ＝Ａ２＋（Ａ１−Ａ２）×（３／４） …式（７）
ノンレム閾値設定手段Ｃ１８は、被験者の睡眠段階の判定を行う全期間に対し、睡眠と判定された期間におけるフラクタル次元Ａの最大値Ａ１および最小値Ａ２に基づいて、ノンレム睡眠の段階を判定する閾値Ｆ，Ｇ，Ｈを設定する。なお、実施例１のノンレム閾値設定手段Ｃ１８は、「睡眠」と判定された体動判定区間が５個以上継続する睡眠段階の判定区間におけるフラクタル次元Ａの最大値Ａ１および最小値Ａ２に基づいて、閾値Ｆ，Ｇ，Ｈを設定する。そして、実施例１のノンレム閾値設定手段Ｃ１８は、最大値Ａ１と最小値Ａ２との間を４等分する値を、小さい方から順に、第１のノンレム睡眠の段階判定用の閾値Ｆ、第２のノンレム睡眠の段階判定用の閾値Ｇ、第３のノンレム睡眠の段階判定用の閾値Ｈ、として演算して、設定する。すなわち、ノンレム睡眠の段階判定用の閾値Ｆ，Ｇ，Ｈは、以下の式（５）〜（７）で演算される。
Ｆ＝Ａ２＋（Ａ１−Ａ２）／４ …式（５）
Ｇ＝Ａ２＋（Ａ１−Ａ２）／２ …式（６）
Ｈ＝Ａ２＋（Ａ１−Ａ２）×（３／４） …式（７）
Ｃ１９：レム閾値設定手段
レム閾値設定手段Ｃ１９は、被験者の睡眠段階の判定を行う全期間に対し、覚醒と判定された期間におけるフラクタル次元Ａの平均値Ａ３と、全期間における呼吸数の平均値ｉａとに基づいて、レム睡眠判定用の閾値Ｉ，Ｊを設定する。なお、実施例１のレム閾値設定手段Ｃ１９は、「覚醒」と判定された体動判定区間が２個以上継続する睡眠段階の判定区間におけるフラクタル次元Ａの平均値Ａ３を演算する。実施例１のレム閾値設定手段Ｃ１９は、前記フラクタル次元Ａの平均値Ａ３を、レム睡眠判定用の第１閾値Ｉに設定し、前記呼吸数の平均値ｉａを、レム睡眠判定用の第２閾値Ｊに設定する。
Ｃ２０：睡眠段階の判定手段
睡眠段階の判定手段Ｃ２０は、覚醒判定手段Ｃ９により、被験者が睡眠していると判定された場合に、フラクタル次元Ａと、予め設定された睡眠段階判定用の閾値Ｆ，Ｇ，Ｈ，Ｉ，Ｊと、に基づいて、被験者の睡眠の段階を判定する。実施例１の睡眠段階の判定手段Ｃ２０は、レム睡眠判定用の閾値Ｉ，Ｊおよびノンレム睡眠の段階を判定する閾値Ｆ，Ｇ，Ｈにより構成された前記睡眠段階判定用の閾値Ｆ〜Ｊを使用して、被験者の睡眠の段階を判定する。
レム閾値設定手段Ｃ１９は、被験者の睡眠段階の判定を行う全期間に対し、覚醒と判定された期間におけるフラクタル次元Ａの平均値Ａ３と、全期間における呼吸数の平均値ｉａとに基づいて、レム睡眠判定用の閾値Ｉ，Ｊを設定する。なお、実施例１のレム閾値設定手段Ｃ１９は、「覚醒」と判定された体動判定区間が２個以上継続する睡眠段階の判定区間におけるフラクタル次元Ａの平均値Ａ３を演算する。実施例１のレム閾値設定手段Ｃ１９は、前記フラクタル次元Ａの平均値Ａ３を、レム睡眠判定用の第１閾値Ｉに設定し、前記呼吸数の平均値ｉａを、レム睡眠判定用の第２閾値Ｊに設定する。
Ｃ２０：睡眠段階の判定手段
睡眠段階の判定手段Ｃ２０は、覚醒判定手段Ｃ９により、被験者が睡眠していると判定された場合に、フラクタル次元Ａと、予め設定された睡眠段階判定用の閾値Ｆ，Ｇ，Ｈ，Ｉ，Ｊと、に基づいて、被験者の睡眠の段階を判定する。実施例１の睡眠段階の判定手段Ｃ２０は、レム睡眠判定用の閾値Ｉ，Ｊおよびノンレム睡眠の段階を判定する閾値Ｆ，Ｇ，Ｈにより構成された前記睡眠段階判定用の閾値Ｆ〜Ｊを使用して、被験者の睡眠の段階を判定する。
具体的には、実施例１の睡眠段階の判定手段Ｃ２０は、連続する６個の体動判定区間の中の例えば２個以上の体動判定区間が「覚醒」と判定されている場合には、その睡眠段階の判定区間（３分）を「覚醒状態」と判定する。また、実施例１の睡眠段階の判定手段Ｃ２０は、睡眠段階の判定区間（３分）の中の５個以上の体動判定区間（３０秒）が「睡眠」と判定され且つ、睡眠段階の判定区間のフラクタル次元Ａが第１のノンレム睡眠の段階判定用の閾値Ｆ未満の場合には、睡眠段階の判定区間を最も眠りの深い「ノンレム３」と判定する。ここで２個以上の体動判定区間としたのは、睡眠段階判定区間（３分）内に体動判定区間（３０秒）が６個存在することを前提にしている。
さらに、実施例１の睡眠段階の判定手段Ｃ２０は、睡眠段階の判定区間の中の例えば５個以上の体動判定区間が「睡眠」と判定され且つ、睡眠段階の判定区間のフラクタル次元Ａが第１のノンレム睡眠の段階判定用の閾値Ｆ以上第２のノンレム睡眠の段階判定用の閾値Ｇ未満の場合には、睡眠段階の判定区間を２番目に眠りの深い「ノンレム２」と判定する。
さらに、実施例１の睡眠段階の判定手段Ｃ２０は、睡眠段階の判定区間の中の例えば５個以上の体動判定区間が「睡眠」と判定され且つ、睡眠段階の判定区間のフラクタル次元Ａが第１のノンレム睡眠の段階判定用の閾値Ｆ以上第２のノンレム睡眠の段階判定用の閾値Ｇ未満の場合には、睡眠段階の判定区間を２番目に眠りの深い「ノンレム２」と判定する。
また、実施例１の睡眠段階の判定手段Ｃ２０は、睡眠段階の判定区間の中の例えば５個以上の体動判定区間が「睡眠」と判定され且つ、睡眠段階の判定区間のフラクタル次元Ａが第２のノンレム睡眠の段階判定用の閾値Ｇ以上第３のノンレム睡眠の段階判定用の閾値Ｈ未満の場合には、睡眠段階の判定区間を３番目に眠りの深い「ノンレム１」と判定する。さらに、実施例１では、睡眠段階の判定区間の中の例えば５個以上の体動判定区間が「睡眠」と判定され且つ、睡眠段階の判定区間のフラクタル次元Ａがレム睡眠判定用の第１閾値Ｉ未満、且つ、睡眠段階の判定区間の呼吸数ｉ１がレム睡眠判定用の第２閾値Ｊ未満の場合にも、「ノンレム１」と判定する。
また、実施例１の睡眠段階の判定手段Ｃ２０は、睡眠段階の判定区間の中の例えば５個以上の体動判定区間が「睡眠」と判定され且つ、睡眠段階の判定区間のフラクタル次元Ａがレム睡眠判定用の第１閾値Ｉ以上、または、睡眠段階の判定区間の呼吸数ｉ１がレム睡眠判定用の第２閾値Ｊ以上の場合には、眠りの浅い「レム睡眠状態」と判定する。
また、実施例１の睡眠段階の判定手段Ｃ２０は、睡眠段階の判定区間の中の例えば５個以上の体動判定区間が「睡眠」と判定され且つ、睡眠段階の判定区間のフラクタル次元Ａがレム睡眠判定用の第１閾値Ｉ以上、または、睡眠段階の判定区間の呼吸数ｉ１がレム睡眠判定用の第２閾値Ｊ以上の場合には、眠りの浅い「レム睡眠状態」と判定する。
（実施例１のフローチャートの説明）
次に、実施例１のクライアントパソコンＰＣａの各プログラムＡＰ１の処理の流れをフローチャートを使用して説明する。なお、被験者の着床が被験者検知部材ＳＮ３で検出されるとマイクロ波レーダＳＮ１の信号の記憶を開始し、被験者の離床が被験者検知部材ＳＮ３で検出されるとマイクロ波レーダＳＮ１の信号の記憶を終了する処理は、簡単のため、図示および詳細な説明は省略する。
次に、実施例１のクライアントパソコンＰＣａの各プログラムＡＰ１の処理の流れをフローチャートを使用して説明する。なお、被験者の着床が被験者検知部材ＳＮ３で検出されるとマイクロ波レーダＳＮ１の信号の記憶を開始し、被験者の離床が被験者検知部材ＳＮ３で検出されるとマイクロ波レーダＳＮ１の信号の記憶を終了する処理は、簡単のため、図示および詳細な説明は省略する。
（実施例１の睡眠段階判定プログラムＡＰ１の覚醒判定処理のフローチャートの説明）
図８は実施例１の睡眠段階判定プログラムＡＰ１の覚醒判定処理のフローチャートである。
図８のフローチャートの各ＳＴ（ステップ）の処理は、前記制御部のＲＯＭ等に記憶されたプログラムに従って行われる。また、この処理は前記制御部の他の各種処理と並行してマルチタスクで実行される。
図８は実施例１の睡眠段階判定プログラムＡＰ１の覚醒判定処理のフローチャートである。
図８のフローチャートの各ＳＴ（ステップ）の処理は、前記制御部のＲＯＭ等に記憶されたプログラムに従って行われる。また、この処理は前記制御部の他の各種処理と並行してマルチタスクで実行される。
図８に示すフローチャートは、睡眠段階判定プログラムＡＰ１が起動された場合に開始される。
図８のＳＴ１において、信号履歴記憶手段Ｃ２に記憶された信号データを取得する。そして、ＳＴ２に進む。
ＳＴ２において、各信号の値Ｖ１を二乗した値Ｖ１２を計算し、ＳＴ３に進む。
ＳＴ３において、全信号データを体動判定区間に分割して、区間番号Ｎ０を１からＮａまで割り振る。そして、ＳＴ４に進む。
ＳＴ４において、全ての二乗した値Ｖ１２に対して、体動判定用の閾値Ｖａ以上であるか否かを判定する。そして、体動判定用の閾値Ｖａ以上である信号を、体動発生と判定する。そして、ＳＴ５に進む。
図８のＳＴ１において、信号履歴記憶手段Ｃ２に記憶された信号データを取得する。そして、ＳＴ２に進む。
ＳＴ２において、各信号の値Ｖ１を二乗した値Ｖ１２を計算し、ＳＴ３に進む。
ＳＴ３において、全信号データを体動判定区間に分割して、区間番号Ｎ０を１からＮａまで割り振る。そして、ＳＴ４に進む。
ＳＴ４において、全ての二乗した値Ｖ１２に対して、体動判定用の閾値Ｖａ以上であるか否かを判定する。そして、体動判定用の閾値Ｖａ以上である信号を、体動発生と判定する。そして、ＳＴ５に進む。
ＳＴ５において、区間番号Ｎ０を１に設定する。そして、ＳＴ６に進む。
ＳＴ６において、体動判定区間Ｎ０に含まれる体動発生回数Ｍ１をカウントする。そして、ＳＴ７に進む。
ＳＴ７において、体動発生回数Ｍ１が覚醒判定用の閾値Ｍａ以上であるか否かを判別する。イエス（Ｙ）の場合はＳＴ８に進み、ノー（Ｎ）の場合はＳＴ９に進む。
ＳＴ８において、体動判定区間Ｎ０を「覚醒」区間と判定する。そして、ＳＴ１０に進む。
ＳＴ９において、体動判定区間Ｎ０を「睡眠」区間と判定する。そして、ＳＴ１０に進む。
ＳＴ１０において、体動判定区間の番号Ｎ０が最大値Ｎａであるか否かを判別する。ノー（Ｎ）の場合はＳＴ１１に進み、イエス（Ｙ）の場合はＳＴ覚醒判定処理を終了する。
ＳＴ１１において、判定区間の番号Ｎ０を１加算する。すなわち、Ｎ０＝Ｎ０＋１とする。そして、ＳＴ６に戻る。
ＳＴ６において、体動判定区間Ｎ０に含まれる体動発生回数Ｍ１をカウントする。そして、ＳＴ７に進む。
ＳＴ７において、体動発生回数Ｍ１が覚醒判定用の閾値Ｍａ以上であるか否かを判別する。イエス（Ｙ）の場合はＳＴ８に進み、ノー（Ｎ）の場合はＳＴ９に進む。
ＳＴ８において、体動判定区間Ｎ０を「覚醒」区間と判定する。そして、ＳＴ１０に進む。
ＳＴ９において、体動判定区間Ｎ０を「睡眠」区間と判定する。そして、ＳＴ１０に進む。
ＳＴ１０において、体動判定区間の番号Ｎ０が最大値Ｎａであるか否かを判別する。ノー（Ｎ）の場合はＳＴ１１に進み、イエス（Ｙ）の場合はＳＴ覚醒判定処理を終了する。
ＳＴ１１において、判定区間の番号Ｎ０を１加算する。すなわち、Ｎ０＝Ｎ０＋１とする。そして、ＳＴ６に戻る。
（実施例１の睡眠段階判定プログラムＡＰ１のフラクタル次元演算処理のフローチャートの説明）
図９は実施例１の睡眠段階判定プログラムＡＰ１のフラクタル次元演算処理のフローチャートである。
図９のフローチャートの各ＳＴ（ステップ）の処理は、前記制御部のＲＯＭ等に記憶されたプログラムに従って行われる。また、この処理は前記制御部の他の各種処理と並行してマルチタスクで実行される。
図９は実施例１の睡眠段階判定プログラムＡＰ１のフラクタル次元演算処理のフローチャートである。
図９のフローチャートの各ＳＴ（ステップ）の処理は、前記制御部のＲＯＭ等に記憶されたプログラムに従って行われる。また、この処理は前記制御部の他の各種処理と並行してマルチタスクで実行される。
図９に示すフローチャートは、覚醒判定処理が終了された場合に開始される。
図９のＳＴ２１において、信号履歴記憶手段Ｃ２に記憶された信号データを取得する。そして、ＳＴ２２に進む。
ＳＴ２２において、信号データの波形にフィルタ処理をして、呼吸信号の波形を取得する。そして、ＳＴ２３に進む。
ＳＴ２３において、全区間の呼吸信号の波形のピークから呼吸間隔を取得する。そして、ＳＴ２４に進む。
ＳＴ２４において、全区間を睡眠段階の判定区間に分割して、区間に番号Ｎ１を１からＮｂまで割り振る。そして、ＳＴ２５に進む。
ＳＴ２５において、睡眠段階の判定区間Ｎ１を１に設定する。そして、ＳＴ２６に進む。
図９のＳＴ２１において、信号履歴記憶手段Ｃ２に記憶された信号データを取得する。そして、ＳＴ２２に進む。
ＳＴ２２において、信号データの波形にフィルタ処理をして、呼吸信号の波形を取得する。そして、ＳＴ２３に進む。
ＳＴ２３において、全区間の呼吸信号の波形のピークから呼吸間隔を取得する。そして、ＳＴ２４に進む。
ＳＴ２４において、全区間を睡眠段階の判定区間に分割して、区間に番号Ｎ１を１からＮｂまで割り振る。そして、ＳＴ２５に進む。
ＳＴ２５において、睡眠段階の判定区間Ｎ１を１に設定する。そして、ＳＴ２６に進む。
ＳＴ２６において、睡眠段階の判定区間Ｎ１に含まれる各呼吸間隔に番号ｉを０からｉ１まで割り振る。そして、ＳＴ２７に進む。
ＳＴ２７において、次の処理（１）、（２）を実行して、ＳＴ２８に進む。
（１）式（１）に基づいて、判定区間Ｎ１の全データの平均呼吸間隔Ｂavgを演算する。
（２）式（２）に基づいて、偏差累積関数ｙ（ｋ）を演算する。
ＳＴ２８において、刻み幅ｎを初期値ｎ０にセットする。そして、ＳＴ２９に進む。
ＳＴ２９において、全呼吸間隔Ｎを刻み幅ｎで分割した分割区間毎に、最小２乗法で近似直線ｙｎ（ｋ）を演算する。そして、ＳＴ３０に進む。
ＳＴ３０において、刻み幅ｎにおけるフラクタル値Ｆ（ｎ）を、式（３）に基づいて演算する。そして、ＳＴ３１に進む。
ＳＴ２７において、次の処理（１）、（２）を実行して、ＳＴ２８に進む。
（１）式（１）に基づいて、判定区間Ｎ１の全データの平均呼吸間隔Ｂavgを演算する。
（２）式（２）に基づいて、偏差累積関数ｙ（ｋ）を演算する。
ＳＴ２８において、刻み幅ｎを初期値ｎ０にセットする。そして、ＳＴ２９に進む。
ＳＴ２９において、全呼吸間隔Ｎを刻み幅ｎで分割した分割区間毎に、最小２乗法で近似直線ｙｎ（ｋ）を演算する。そして、ＳＴ３０に進む。
ＳＴ３０において、刻み幅ｎにおけるフラクタル値Ｆ（ｎ）を、式（３）に基づいて演算する。そして、ＳＴ３１に進む。
ＳＴ３１において、刻み幅ｎが最終値ｎ１以上であるか否かを判別する。ノー（Ｎ）の場合はＳＴ３２に進み、イエス（Ｙ）の場合はＳＴ３３に進む。
ＳＴ３２において、刻み幅ｎに幅変更値ｎａを加算する。すなわち、ｎ＝ｎ＋ｎａとする。そして、ＳＴ２９に戻る。
ＳＴ３３において、刻み幅ｎとフラクタル値Ｆ（ｎ）の両対数グラフにおける近似直線の傾きであるフラクタル次元Ａを演算する。そして、ＳＴ３４に進む。
ＳＴ３４において、判定区間Ｎ１が最大値Ｎｂであるか否かを判別する。ノー（Ｎ）の場合はＳＴ３５に進み、イエス（Ｙ）の場合はフラクタル次元演算処理を終了する。
ＳＴ３５において、判定区間の番号Ｎ１を１加算する。すなわち、Ｎ１＝Ｎ１＋１とする。そして、ＳＴ２６に戻る。
ＳＴ３２において、刻み幅ｎに幅変更値ｎａを加算する。すなわち、ｎ＝ｎ＋ｎａとする。そして、ＳＴ２９に戻る。
ＳＴ３３において、刻み幅ｎとフラクタル値Ｆ（ｎ）の両対数グラフにおける近似直線の傾きであるフラクタル次元Ａを演算する。そして、ＳＴ３４に進む。
ＳＴ３４において、判定区間Ｎ１が最大値Ｎｂであるか否かを判別する。ノー（Ｎ）の場合はＳＴ３５に進み、イエス（Ｙ）の場合はフラクタル次元演算処理を終了する。
ＳＴ３５において、判定区間の番号Ｎ１を１加算する。すなわち、Ｎ１＝Ｎ１＋１とする。そして、ＳＴ２６に戻る。
（実施例１の睡眠段階判定プログラムＡＰ１の睡眠段階判定処理のフローチャートの説明）
図１０は実施例１の睡眠段階判定プログラムの睡眠段階判定処理のフローチャートである。
図１０のフローチャートの各ＳＴ（ステップ）の処理は、前記制御部のＲＯＭ等に記憶されたプログラムに従って行われる。また、この処理は前記制御部の他の各種処理と並行してマルチタスクで実行される。
図１０は実施例１の睡眠段階判定プログラムの睡眠段階判定処理のフローチャートである。
図１０のフローチャートの各ＳＴ（ステップ）の処理は、前記制御部のＲＯＭ等に記憶されたプログラムに従って行われる。また、この処理は前記制御部の他の各種処理と並行してマルチタスクで実行される。
図１０に示すフローチャートは、フラクタル次元演算処理が終了された場合に開始される。
図１０のＳＴ５１において、次の処理（１）〜（３）を実行して、ＳＴ５２に進む。
（１）「睡眠」と判定された区間が５個以上継続する判定区間Ｎ１のフラクタル次元Ａの最大値Ａ１および最小値Ａ２を抽出する。
（２）「覚醒」と判定された区間が２個以上継続する判定区間Ｎ１のフラクタル次元Ａの平均値Ａ３を演算する。
（３）全ての区間の呼吸数ｉ１の平均値ｉａを演算する。
ＳＴ５２において、次の処理（１）〜（３）を実行して、ＳＴ５３に進む。
（１）最大値Ａ１および最小値Ａ２から、ノンレム睡眠の段階判定用の閾値Ｆ，Ｇ，Ｈを、式（５）〜式（７）に基づいて演算して設定する。
（２）平均値Ａ３をレム睡眠判定用の第１閾値Ｉに設定する。
（３）平均値ｉａをレム睡眠判定用の第２閾値Ｊに設定する。
図１０のＳＴ５１において、次の処理（１）〜（３）を実行して、ＳＴ５２に進む。
（１）「睡眠」と判定された区間が５個以上継続する判定区間Ｎ１のフラクタル次元Ａの最大値Ａ１および最小値Ａ２を抽出する。
（２）「覚醒」と判定された区間が２個以上継続する判定区間Ｎ１のフラクタル次元Ａの平均値Ａ３を演算する。
（３）全ての区間の呼吸数ｉ１の平均値ｉａを演算する。
ＳＴ５２において、次の処理（１）〜（３）を実行して、ＳＴ５３に進む。
（１）最大値Ａ１および最小値Ａ２から、ノンレム睡眠の段階判定用の閾値Ｆ，Ｇ，Ｈを、式（５）〜式（７）に基づいて演算して設定する。
（２）平均値Ａ３をレム睡眠判定用の第１閾値Ｉに設定する。
（３）平均値ｉａをレム睡眠判定用の第２閾値Ｊに設定する。
ＳＴ５３において、判定区間Ｎ１をＮ１＝１とする。そして、ＳＴ５４に進む。
ＳＴ５４において、判定区間Ｎ１は、「覚醒」が２個以上と判定されているか否かを判別する。イエス（Ｙ）の場合はＳＴ５５に進み、ノー（Ｎ）の場合はＳＴ５６に進む。
ＳＴ５５において、判定区間Ｎ１を「覚醒状態」と判定する。そして、ＳＴ６５に進む。
ＳＴ５６において、判定区間Ｎ１のフラクタル次元Ａが、第１のノンレム睡眠の段階判定用の閾値Ｆ未満であるか否かを判別する。イエス（Ｙ）の場合はＳＴ５７に進み、ノー（Ｎ）の場合はＳＴ５８に進む。
ＳＴ５７において、判定区間Ｎ１を「ノンレム３」と判定する。そして、ＳＴ６５に進む。
ＳＴ５４において、判定区間Ｎ１は、「覚醒」が２個以上と判定されているか否かを判別する。イエス（Ｙ）の場合はＳＴ５５に進み、ノー（Ｎ）の場合はＳＴ５６に進む。
ＳＴ５５において、判定区間Ｎ１を「覚醒状態」と判定する。そして、ＳＴ６５に進む。
ＳＴ５６において、判定区間Ｎ１のフラクタル次元Ａが、第１のノンレム睡眠の段階判定用の閾値Ｆ未満であるか否かを判別する。イエス（Ｙ）の場合はＳＴ５７に進み、ノー（Ｎ）の場合はＳＴ５８に進む。
ＳＴ５７において、判定区間Ｎ１を「ノンレム３」と判定する。そして、ＳＴ６５に進む。
ＳＴ５８において、判定区間Ｎ１のフラクタル次元Ａが、第２のノンレム睡眠の段階判定用の閾値Ｇ未満であるか否かを判別する。イエス（Ｙ）の場合はＳＴ５９に進み、ノー（Ｎ）の場合はＳＴ６０に進む。
ＳＴ５９において、判定区間Ｎ１を「ノンレム２」と判定する。そして、ＳＴ６５に進む。
ＳＴ６０において、判定区間Ｎ１のフラクタル次元Ａが、第３のノンレム睡眠の段階判定用の閾値Ｈ未満であるか否かを判別する。イエス（Ｙ）の場合はＳＴ６１に進み、ノー（Ｎ）の場合はＳＴ６２に進む。
ＳＴ６１において、判定区間Ｎ１を「ノンレム１」と判定する。そして、ＳＴ６５に進む。
ＳＴ５９において、判定区間Ｎ１を「ノンレム２」と判定する。そして、ＳＴ６５に進む。
ＳＴ６０において、判定区間Ｎ１のフラクタル次元Ａが、第３のノンレム睡眠の段階判定用の閾値Ｈ未満であるか否かを判別する。イエス（Ｙ）の場合はＳＴ６１に進み、ノー（Ｎ）の場合はＳＴ６２に進む。
ＳＴ６１において、判定区間Ｎ１を「ノンレム１」と判定する。そして、ＳＴ６５に進む。
ＳＴ６２において、判定区間Ｎ１のフラクタル次元Ａが、レム睡眠判定用の第１閾値Ｉ未満であるか否かを判別する。イエス（Ｙ）の場合はＳＴ６３に進み、ノー（Ｎ）の場合はＳＴ６４に進む。
ＳＴ６３において、判定区間Ｎ１の呼吸数ｉ１が、レム睡眠判定用の第２閾値Ｊ未満であるか否かを判別する。イエス（Ｙ）の場合はＳＴ６１に戻り、ノー（Ｎ）の場合はＳＴ６４に進む。
ＳＴ６４において、判定区間Ｎ１を「レム睡眠状態」と判定する。そして、ＳＴ６５に進む。
ＳＴ６３において、判定区間Ｎ１の呼吸数ｉ１が、レム睡眠判定用の第２閾値Ｊ未満であるか否かを判別する。イエス（Ｙ）の場合はＳＴ６１に戻り、ノー（Ｎ）の場合はＳＴ６４に進む。
ＳＴ６４において、判定区間Ｎ１を「レム睡眠状態」と判定する。そして、ＳＴ６５に進む。
ＳＴ６５において、判定区間の番号Ｎ１が最大値Ｎｂ以上であるか否かを判別する。ノー（Ｎ）の場合はＳＴ６６に進み、イエス（Ｙ）の場合はＳＴ６７に進む。
ＳＴ６６において、判定区間の番号Ｎ１を１加算する。すなわち、Ｎ１＝Ｎ１＋１とする。そして、ＳＴ５４に戻る。
ＳＴ６７において、判定結果をディスプレイＨ２に出力する。そして、睡眠段階判定処理を終了する。
ＳＴ６６において、判定区間の番号Ｎ１を１加算する。すなわち、Ｎ１＝Ｎ１＋１とする。そして、ＳＴ５４に戻る。
ＳＴ６７において、判定結果をディスプレイＨ２に出力する。そして、睡眠段階判定処理を終了する。
（実施例１の作用）
図１１は実施例１の睡眠段階判定装置での判定結果の一例の説明図である。
前記構成を備えた実施例１の睡眠段階判定装置Ｓでは、マイクロ波レーダＳＮ１で被験者の体動や呼吸に伴う振動が検出される。そして、マイクロ波レーダＳＮ１の出力信号に基づいて、体動指標Ｍ１が算出され、体動の頻度に基づいて、覚醒または睡眠の判定が体動判定区間毎に行われる。また、マイクロ波レーダＳＮ１の出力信号から、呼吸の波形が抽出され、フラクタル次元Ａが睡眠段階の判定区間Ｎ１ごとに算出される。そして、フラクタル次元Ａに基づいて、睡眠と判定された睡眠段階の判定区間Ｎ１に対して、図１１に示すように、レム睡眠やノンレム１〜ノンレム３の睡眠の段階が判定される。
図１１は実施例１の睡眠段階判定装置での判定結果の一例の説明図である。
前記構成を備えた実施例１の睡眠段階判定装置Ｓでは、マイクロ波レーダＳＮ１で被験者の体動や呼吸に伴う振動が検出される。そして、マイクロ波レーダＳＮ１の出力信号に基づいて、体動指標Ｍ１が算出され、体動の頻度に基づいて、覚醒または睡眠の判定が体動判定区間毎に行われる。また、マイクロ波レーダＳＮ１の出力信号から、呼吸の波形が抽出され、フラクタル次元Ａが睡眠段階の判定区間Ｎ１ごとに算出される。そして、フラクタル次元Ａに基づいて、睡眠と判定された睡眠段階の判定区間Ｎ１に対して、図１１に示すように、レム睡眠やノンレム１〜ノンレム３の睡眠の段階が判定される。
ここで、フラクタル次元Ａを算出する際に、刻み幅ｎが初期値ｎ０から最終値ｎ１まで変動する。そして、各刻み幅ｎ毎に、トレンド直線ｙｎ（ｋ）が演算され、式（３）では、トレンド直線ｙｎ（ｋ）が、偏差累積関数ｙ（ｋ）から減算されている。すなわち、偏差累積関数ｙ（ｋ）から、刻み幅ｎの分割区間における傾向（トレンド）が除去されている。この呼吸の間隔のトレンドは、刻み幅ｎにおける周期的な呼吸間隔のベースラインに相当する。したがって、刻み幅ｎが小さい場合には、短周期（高周波）のベースラインが除去され、刻み幅ｎが大きい場合には、長周期（低周波）のベースラインが除去されることとなる。すなわち、刻み幅ｎが初期値ｎ０から最終値ｎ１まで変動されることで、短周期のゆらぎから長周期のゆらぎまで考慮された呼吸間隔のゆらぎの変化の様子がフラクタル次元Ａには反映される。実施例では、「あてはめ範囲（フィッティング・レンジ）」をｎ０（１０）、ｎ１（３０）としたが、１０呼吸間隔を対象にすることは中周期のゆらぎに着目し、３０呼吸間隔を対象にすることは長周期のゆらぎに着目することに相当している。
図１２は横軸に刻み幅を取り縦軸にフラクタル値をとった両対数グラフであり、図１２Ａはレム睡眠時のフラクタル値の変化のグラフ、図１２Ｂはノンレム１の睡眠時のフラクタル値の変化のグラフ、図１２Ｃはノンレム２の睡眠時のフラクタル値の変化のグラフ、図１２Ｄはノンレム３の睡眠時のフラクタル値の変化のグラフである。
図１２Ａ〜図１２Ｄに示すように、眠りが深くなるにつれて、フラクタル値の変化の傾斜が小さくなる、すなわち、フラクタル次元Ａが小さくなることがわかる。これは、睡眠状態でも眠りが深くなるほど、呼吸がより安定し、呼吸間隔のゆらぎが脳の制御機構から解き放されてゆらぎが小さくかつ不規則になるためと考えられている。その結果、短周期と長周期でも呼吸間隔の変動が少なくなり（呼吸間隔のゆらぎの短周期相関、長周期相関の両方が共に弱くなる）、フラクタル値の傾斜が小さくなる。
よって、実施例１の睡眠段階判定装置Ｓは、フラクタル次元Ａに基づいて睡眠段階の判定を行っており、標準偏差を使用する従来の技術に比べて、睡眠段階の判定の精度を向上させることができる。
図１２Ａ〜図１２Ｄに示すように、眠りが深くなるにつれて、フラクタル値の変化の傾斜が小さくなる、すなわち、フラクタル次元Ａが小さくなることがわかる。これは、睡眠状態でも眠りが深くなるほど、呼吸がより安定し、呼吸間隔のゆらぎが脳の制御機構から解き放されてゆらぎが小さくかつ不規則になるためと考えられている。その結果、短周期と長周期でも呼吸間隔の変動が少なくなり（呼吸間隔のゆらぎの短周期相関、長周期相関の両方が共に弱くなる）、フラクタル値の傾斜が小さくなる。
よって、実施例１の睡眠段階判定装置Ｓは、フラクタル次元Ａに基づいて睡眠段階の判定を行っており、標準偏差を使用する従来の技術に比べて、睡眠段階の判定の精度を向上させることができる。
また、実施例１では、睡眠段階を判定するための閾値Ｆ〜Ｊを、フラクタル次元Ａの最大値Ａ１や最小値Ａ２等に基づいて設定している。従来の技術では、閾値が予め設定されており、個人差や日々の体調の変化等に対応できず、睡眠段階の判定の精度が向上しない問題があった。これに対して、実施例１の睡眠段階判定装置Ｓでは、着床から離床までの１回の睡眠における最大値Ａ１や最小値Ａ２等から設定されており、個人差や日々の体調が反映された閾値Ｆ〜Ｊとなる。よって、従来の技術に比べて、睡眠段階の判定の精度を向上させることができる。
さらに、実施例１では、マイクロ波レーダＳＮ１を使用して、非接触で被験者の体動を検出している。したがって、電極を貼り付けるＰＳＧに比べて、被験者に対する負担が軽減される。また、マットレス１ｂの下面に設置されたマイクロ波レーダＳＮ１を使用しており、圧電センサ等を使用する場合に比べて、寝間着や敷布団等の影響を受けることなく、被験者の体表面の振動を検出可能である。よって、睡眠段階の判定の精度を向上させることが可能である。
（変更例）
以上、本発明の実施例を詳述したが、本発明は、前記実施例に限定されるものではなく、特許請求の範囲に記載された本発明の要旨の範囲内で、種々の変更を行うことが可能である。本発明の変更例（Ｈ01）〜（Ｈ08）を下記に例示する。
（Ｈ01）前記実施例では、被験者を人間としたが、これに限定されず、例えば、その他の動物等の生体についても本発明を適用可能である。
（Ｈ02）前記実施例において、例示した具体的な数値は、例示した数値に限定されず、設計や仕様等に応じて適宜変更可能である。
（Ｈ03）前記実施例において、覚醒判定の際に、信号の値を２乗する演算を行ったが、必要に応じて３乗以上に増幅することも可能であり、２乗しなくても十分に覚醒と睡眠の判定が可能であれば、増幅しない構成とすることも可能である。
以上、本発明の実施例を詳述したが、本発明は、前記実施例に限定されるものではなく、特許請求の範囲に記載された本発明の要旨の範囲内で、種々の変更を行うことが可能である。本発明の変更例（Ｈ01）〜（Ｈ08）を下記に例示する。
（Ｈ01）前記実施例では、被験者を人間としたが、これに限定されず、例えば、その他の動物等の生体についても本発明を適用可能である。
（Ｈ02）前記実施例において、例示した具体的な数値は、例示した数値に限定されず、設計や仕様等に応じて適宜変更可能である。
（Ｈ03）前記実施例において、覚醒判定の際に、信号の値を２乗する演算を行ったが、必要に応じて３乗以上に増幅することも可能であり、２乗しなくても十分に覚醒と睡眠の判定が可能であれば、増幅しない構成とすることも可能である。
（Ｈ04）前記実施例において、マイクロ波レーダＳＮ１は、前記マットレス１ｂの下面に支持、すなわち、張付けられているが、これに限定されず、前記マットレス１ｂの内部に内蔵させることも可能である。また、マイクロ波レーダＳＮ１は、前記マットレス１ｂの下面に固定支持されているが、これに限定されず、例えば、前記マットレス支持体１ａと前記マットレス１ｂとの間に、マットレス１ｂの前後方向および左右方向に移動可能なスライダ等を設けることにより、任意の位置に可変で設定できるように構成することも可能である。他にも、マイクロ波レーダＳＮ１は、ベッド１に支持せず、例えば、被験者の寝間着のポケットに収容したり、寝間着に縫い付けたり、ベッド１の上方の天井に設置したり等の変更も可能である。
（Ｈ05）前記実施例において、検知部材の一例としてマイクロ波を照射するマイクロ波レーダＳＮ１を例示したが、これに限定されず、人体の表面の振動を検出可能な任意の構成に変更可能である。例えば、使用する電磁波の波長域を変更することも可能であるが、マットレス１ｂ等を透過できない波長域を選択した場合には、マットレス１ｂに電磁波通過用の開口を形成したり、法的規制のある波長域を選択した場合には、認可や許可を取得する必要があるため、マイクロ波を使用することが望ましい。
（Ｈ06）前記実施例において、センサＳＮ１，ＳＮ３とクライアントパソコンＰＣａとの接続を、有線のケーブルにより構成したが、これに限定されず、例えば、無線通信等により構成することも可能である。
（Ｈ06）前記実施例において、センサＳＮ１，ＳＮ３とクライアントパソコンＰＣａとの接続を、有線のケーブルにより構成したが、これに限定されず、例えば、無線通信等により構成することも可能である。
（Ｈ07）前記実施例において、被験者検知部材ＳＮ３は、いわゆる、離床センサ（徘徊センサ）によって構成されているが、これに限定されず、例えば、歪ゲージや圧電センサ等により構成し、前記マットレス１ｂに圧力がかかっているか否かを判別することにより、被験者を検知することも可能である。また、被験者検知部材ＳＮ３を省略して、信号が所定時間検出されなくなった場合に、離床と判別し、信号が検出されない状態から検出される状態となった場合に、着床と判別することも可能である。
（Ｈ08）前記実施例において、睡眠段階判定プログラムＡＰ１が単一の睡眠段階判定装置Ｓで集中処理をする構成を例示したが、これに限定されない。例えば、ネットワーク接続された複数のコンピュータ装置に睡眠段階判定プログラムＡＰ１の全てまたは一部を記憶させておき、ネットワークを介して、分散処理、いわゆるクラウド型の構成とすることも可能である。
（Ｈ08）前記実施例において、睡眠段階判定プログラムＡＰ１が単一の睡眠段階判定装置Ｓで集中処理をする構成を例示したが、これに限定されない。例えば、ネットワーク接続された複数のコンピュータ装置に睡眠段階判定プログラムＡＰ１の全てまたは一部を記憶させておき、ネットワークを介して、分散処理、いわゆるクラウド型の構成とすることも可能である。
Ａ…フラクタル次元、
Ａ１…フラクタル次元の最大値、
Ａ２…フラクタル次元の最小値、
Ａ３…フラクタル次元の平均値、
ＡＰ１…睡眠段階判定プログラム、
Ｃ５…体動判定手段、
Ｃ９…覚醒判定手段、
Ｃ１２…呼吸間隔の抽出手段、
Ｃ１７…フラクタル次元の演算手段、
Ｃ１８…ノンレム閾値設定手段、
Ｃ１９…レム閾値設定手段、
Ｃ２０…睡眠段階の判定手段、
Ｆ，Ｇ，Ｈ…ノンレム睡眠の段階を判定する閾値、
Ｆ，Ｇ，Ｈ，Ｉ，Ｊ…睡眠段階判定用の閾値、
F(n)…フラクタル値、
Ｉ，Ｊ…レム睡眠判定用の閾値、
ｉａ…呼吸数の平均値、
log10F(n)…フラクタル値の対数値、
log10n…分割幅の対数値、
Ｍ１…体動の頻度、
ｎ…分割幅、
ＰＣａ…コンピュータ、
Ｓ…睡眠段階判定装置、
ＳＮ１…検知部材、マイクロ波レーダ、
Ｖａ…体動判定用の第１の閾値、
y（k）…偏差累積、
yn(k)…呼吸の変動の傾向。
Ａ１…フラクタル次元の最大値、
Ａ２…フラクタル次元の最小値、
Ａ３…フラクタル次元の平均値、
ＡＰ１…睡眠段階判定プログラム、
Ｃ５…体動判定手段、
Ｃ９…覚醒判定手段、
Ｃ１２…呼吸間隔の抽出手段、
Ｃ１７…フラクタル次元の演算手段、
Ｃ１８…ノンレム閾値設定手段、
Ｃ１９…レム閾値設定手段、
Ｃ２０…睡眠段階の判定手段、
Ｆ，Ｇ，Ｈ…ノンレム睡眠の段階を判定する閾値、
Ｆ，Ｇ，Ｈ，Ｉ，Ｊ…睡眠段階判定用の閾値、
F(n)…フラクタル値、
Ｉ，Ｊ…レム睡眠判定用の閾値、
ｉａ…呼吸数の平均値、
log10F(n)…フラクタル値の対数値、
log10n…分割幅の対数値、
Ｍ１…体動の頻度、
ｎ…分割幅、
ＰＣａ…コンピュータ、
Ｓ…睡眠段階判定装置、
ＳＮ１…検知部材、マイクロ波レーダ、
Ｖａ…体動判定用の第１の閾値、
y（k）…偏差累積、
yn(k)…呼吸の変動の傾向。
Claims (6)
- 被験者に非接触な状態で配置され、前記被験者の表面の振動を検知する検知部材と、
前記検知部材により検知された振動と、予め設定された体動判定用の第１の閾値と、に基づいて、前記被験者の体動の有無を判定する体動判定手段と、
前記被験者の体動の頻度に基づいて、前記被験者が覚醒しているか、睡眠しているかの判定を行う覚醒判定手段と、
前記検知部材により検知された振動に基づいて、前記被験者の呼吸の間隔を抽出する呼吸間隔の抽出手段と、
予め設定された期間における呼吸の間隔の偏差累積と、前記期間を分割した各区間における呼吸の変動の傾向とに基づいて、フラクタル次元を演算するフラクタル次元の演算手段と、
前記覚醒判定手段により、前記被験者が睡眠していると判定された場合に、前記フラクタル次元と、予め設定された睡眠段階判定用の閾値と、に基づいて、前記被験者の睡眠の段階を判定する睡眠段階の判定手段と、
を備えたことを特徴とする睡眠段階判定装置。 - 前記被験者が横たわった寝具の下に設置された１つのマイクロ波レーダーにより構成された前記検知部材、
を備えたことを特徴とする請求項１に記載の睡眠段階判定装置。 - 前記呼吸の間隔の偏差累積から前記呼吸の変動の傾向を除去したフラクタル値を、前記分割した区間の分割幅を変動させる毎に算出し、前記フラクタル値の対数値の前記分割幅の対数値に対する予め設定された範囲の近似直線の傾きに基づいて、前記フラクタル次元を演算する前記フラクタル次元の演算手段、
を備えたことを特徴とする請求項１または２に記載の睡眠段階判定装置。 - 前記被験者の睡眠段階の判定を行う全期間に対し、覚醒と判定された期間における前記フラクタル次元の平均値と、全期間における呼吸数の平均値とに基づいて、レム睡眠判定用の閾値を設定するレム閾値設定手段と、
前記被験者の睡眠段階の判定を行う全期間に対し、睡眠と判定された期間における前記フラクタル次元の最大値および最小値に基づいて、ノンレム睡眠の段階を判定する閾値を設定するノンレム閾値設定手段と、
前記レム睡眠判定用の閾値およびノンレム睡眠の段階を判定する閾値により構成された前記睡眠段階判定用の閾値を使用して、前記被験者の睡眠の段階を判定する前記睡眠段階の判定手段と、
を備えたことを特徴とする請求項１ないし３のいずれかに記載の睡眠段階判定装置。 - コンピュータを、
被験者に非接触な状態で配置され且つ前記被験者の表面の振動を検知する検知部材により検知された振動と、予め設定された体動判定用の第１の閾値と、に基づいて、前記被験者の体動の有無を判定する体動判定手段、
前記被験者の体動の頻度に基づいて、前記被験者が覚醒しているか、睡眠しているかの判定を行う覚醒判定手段、
前記検知部材により検知された振動に基づいて、前記被験者の呼吸の間隔を抽出する呼吸間隔の抽出手段、
予め設定された期間における呼吸の間隔の偏差累積と、前記期間を分割した各区間における呼吸の変動の傾向とに基づいて、フラクタル次元を演算するフラクタル次元の演算手段、
前記覚醒判定手段により、前記被験者が睡眠していると判定された場合に、前記フラクタル次元と、予め設定された睡眠段階判定用の閾値と、に基づいて、前記被験者の睡眠の段階を判定する睡眠段階の判定手段、
として機能させることを特徴とする睡眠段階判定プログラム。 - 被験者に非接触な状態で配置され且つ前記被験者の表面の振動を検知する検知部材により検知された振動と、予め設定された体動判定用の第１の閾値と、に基づいて、前記被験者の体動の有無を判定する体動判定工程と、
前記被験者の体動の頻度に基づいて、前記被験者が覚醒しているか、睡眠しているかの判定を行う覚醒判定工程と、
前記検知部材により検知された振動に基づいて、前記被験者の呼吸の間隔を抽出する呼吸間隔の抽出工程と、
予め設定された期間における呼吸の間隔の偏差累積と、前記期間を分割した各区間における呼吸の変動の傾向とに基づいて、フラクタル次元を演算するフラクタル次元の演算工程と、
前記覚醒判定工程において、前記被験者が睡眠していると判定された場合に、前記フラクタル次元と、予め設定された睡眠段階判定用の閾値と、に基づいて、前記被験者の睡眠の段階を判定する睡眠段階の判定工程と、
を実行することを特徴とする睡眠段階判定方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP2013238927A JP6233837B2 (ja) | 2013-11-19 | 2013-11-19 | 睡眠段階判定装置、睡眠段階判定プログラムおよび睡眠段階判定方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP2013238927A JP6233837B2 (ja) | 2013-11-19 | 2013-11-19 | 睡眠段階判定装置、睡眠段階判定プログラムおよび睡眠段階判定方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| JP2015097636A JP2015097636A (ja) | 2015-05-28 |
| JP6233837B2 true JP6233837B2 (ja) | 2017-11-22 |
Family
ID=53374696
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| JP2013238927A Active JP6233837B2 (ja) | 2013-11-19 | 2013-11-19 | 睡眠段階判定装置、睡眠段階判定プログラムおよび睡眠段階判定方法 |
Country Status (1)
| Country | Link |
|---|---|
| JP (1) | JP6233837B2 (ja) |
Families Citing this family (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| RU2749068C2 (ru) * | 2015-12-01 | 2021-06-03 | Конинклейке Филипс Н.В. | Система и способ исследования сна |
| EP3383261B1 (en) | 2015-12-01 | 2020-06-03 | Koninklijke Philips N.V. | Sleep study system and method |
| WO2017098609A1 (ja) * | 2015-12-09 | 2017-06-15 | 富士通株式会社 | センサシステム、センサ情報処理装置、センサ情報処理プログラム、及び、ベッド |
| KR101924327B1 (ko) * | 2017-04-27 | 2018-12-03 | 김영수 | 마이크로웨이브 센서를 이용한 알람 시스템 |
| JP6963996B2 (ja) * | 2017-12-27 | 2021-11-10 | 株式会社東海理化電機製作所 | 制御装置、バイタル検出方法、プログラム、およびバイタル検出装置 |
| JP7429898B2 (ja) * | 2019-10-08 | 2024-02-09 | パナソニックＩｐマネジメント株式会社 | 在床検知装置及び在床検知方法 |
| CN114159024B (zh) * | 2021-11-17 | 2023-10-31 | 青岛海信日立空调系统有限公司 | 一种睡眠分期方法及装置 |
| CN114098645B (zh) * | 2021-11-25 | 2023-11-07 | 青岛海信日立空调系统有限公司 | 一种睡眠分期方法及装置 |
| CN117224090B (zh) * | 2023-11-09 | 2024-02-02 | 北京大众益康科技有限公司 | 一种睡眠胃食管反流监测系统 |
Family Cites Families (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| NZ554417A (en) * | 2004-10-06 | 2011-04-29 | Resmed Ltd | Air delivery system including pulse oximeter configured to determine a measure of patient effort |
| JP4952162B2 (ja) * | 2006-09-19 | 2012-06-13 | 三菱化学株式会社 | データ処理装置，データ処理方法及びデータ処理プログラム |
| JP2009028085A (ja) * | 2007-07-24 | 2009-02-12 | Nissan Motor Co Ltd | 生体状態評価装置 |
| JP5224462B2 (ja) * | 2009-02-06 | 2013-07-03 | 公立大学法人首都大学東京 | 身体情報測定装置および身体情報測定システム |
| JP5409148B2 (ja) * | 2009-07-10 | 2014-02-05 | 三菱電機株式会社 | 生体状態取得装置、生体状態取得プログラム、生体状態取得装置を備えた機器及び空気調和機 |
| RU2630596C2 (ru) * | 2011-03-30 | 2017-09-12 | Конинклейке Филипс Н.В. | Бесконтактная система скрининга нарушений сна |
-
2013
- 2013-11-19 JP JP2013238927A patent/JP6233837B2/ja active Active
Also Published As
| Publication number | Publication date |
|---|---|
| JP2015097636A (ja) | 2015-05-28 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| JP6233837B2 (ja) | 睡眠段階判定装置、睡眠段階判定プログラムおよび睡眠段階判定方法 | |
| JP6767059B2 (ja) | 生体情報取得装置及び信号処理方法 | |
| EP2265173B1 (en) | Method and system for sleep/wake condition estimation | |
| CN108042108B (zh) | 一种基于体震信号的睡眠质量监测方法与系统 | |
| JP6602657B2 (ja) | 生体情報の取得装置、生体情報の取得プログラムおよび生体情報の取得方法 | |
| EP2712300B1 (en) | System and method for determining sleep and sleep stages of a person | |
| Enayati et al. | Sleep posture classification using bed sensor data and neural networks | |
| JP5857609B2 (ja) | 睡眠状態判別装置 | |
| JP5929020B2 (ja) | 意識状態推定装置及びプログラム | |
| WO2011009085A2 (en) | Method and apparatus for assessment of sleep disorders | |
| JP7018621B2 (ja) | 生体信号解析装置、生体信号解析方法及び生体信号解析システム | |
| JP5776939B2 (ja) | 睡眠状態判別装置および睡眠状態判別方法 | |
| JP2016107095A (ja) | 睡眠段階判定装置、睡眠段階判定方法、及び睡眠段階判定プログラム、並びにストレス度判定方法 | |
| CN113473910A (zh) | 睡眠监测系统和方法 | |
| US20150157258A1 (en) | Method and apparatus for assessment of sleep apnea | |
| CN112155560B (zh) | 基于实时心冲击信号的呼吸暂停检测方法及系统 | |
| JP5070701B2 (ja) | 寝具に加わる被験者の荷重変化により得られる呼吸信号の解析方法および装置 | |
| Hwang et al. | Unconstrained sleep stage estimation based on respiratory dynamics and body movement | |
| JP6127739B2 (ja) | 睡眠状態判定装置 | |
| JP2000325315A (ja) | 睡眠段階判定方法および睡眠段階判定装置 | |
| JP7158641B1 (ja) | 無呼吸低呼吸指標推定装置、方法およびプログラム | |
| JP4993980B2 (ja) | 呼気時間を出力可能な装置および方法 | |
| Gaiduk et al. | Embedded system for non-obtrusive sleep apnea detection | |
| Pérez-Ávila et al. | Smartphone-based and non-invasive sleep stage identification system with piezo-capacitive sensors | |
| JP5442318B2 (ja) | 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 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20160815 |
|
| A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20170711 |
|
| A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20170714 |
|
| A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20170726 |
|
| TRDD | Decision of grant or rejection written | ||
| A01 | Written decision to grant a patent or to grant a registration (utility model) |
Free format text: JAPANESE INTERMEDIATE CODE: A01 Effective date: 20170919 |
|
| A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20171018 |
|
| R150 | Certificate of patent or registration of utility model |
Ref document number: 6233837 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |
|
| S533 | Written request for registration of change of name |
Free format text: JAPANESE INTERMEDIATE CODE: R313533 |
|
| R350 | Written notification of registration of transfer |
Free format text: JAPANESE INTERMEDIATE CODE: R350 |
|
| R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
| R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |