JP6247393B2 - 睡眠モニタリングデバイス、睡眠モニタリングシステム、睡眠モニタリング方法及び対応するコンピュータプログラム - Google Patents

Description

本発明は、睡眠モニタリングデバイスに関する。本発明は更に、睡眠モニタリング方法及び対応するコンピュータプログラムに関する。

健康的な睡眠習慣は、新生児の発育の最初の１か月の間に極めて重要なことである。したがって、両親や他の介護者が、乳児、乳幼児及び新生児の睡眠をモニタできるようにするデバイスが提案されている。従来より、これは、いわゆる新生児突然死症候群（ＳＩＤＳ）又は新生児無呼吸症候群に特に関係していた。

公知のモニタリングデバイスの例は、「Infant condition monitoring system and method using load cell sensor sheet」という名称の特許文献１（米国特許第6,280,392号明細書）により与えられる。

公知の乳児モニタリングシステムは、ベビーベッド上に配置されるセンサシートを含む。センサシートは、複数のその中に等間隔で配置される複数の感圧素子を有し、ベッド台のマットレスの下に配置されている。制御ユニットは、センサシートから得られるデジタル信号から、乳幼児の呼吸及び就寝姿勢を判断する。

制御ユニットは、乳幼児の呼吸に伴う横隔膜の上下移動に起因する荷重分布の変化から乳幼児の呼吸信号を生成する。各感圧素子からの荷重信号は、呼吸状態に対応した特定の周波数領域を通過帯域とするバンドパスフィルタを通るフィルタリングの対象となる。乳幼児が無呼吸若しくは息をしていない状態、あるいは異常な呼吸状態である場合、呼吸数に対応する呼吸信号は生成されないことになる。したがって、乳幼児の呼吸状態が、異常である旨を判断することができる。

制御ユニットは、荷重信号から乳幼児の就寝姿勢も判断する。

ケア提供者（育児者）によって装着されるモニタ装置は、制御ユニットから乳幼児の呼吸、寝姿及び呼吸数を受け取る。表示器は、呼吸数及び寝姿を表示する。したがって、表示器上に表示される呼吸数及び寝姿を通して、乳幼児から離れた場所で乳幼児の状態をモニタすることが可能になる。必要であれば、ケア提供者は、応答可能に予防措置や緊急又は応急処置をとることができる。

米国特許第6,280,392号明細書

改善された睡眠モニタデバイスを有することは有利であろう。

人の睡眠状態をモニタリングするための睡眠モニタリングデバイスであって、睡眠モニタリングデバイスは、休息している人の運動データ（movement data）を、運動測定デバイスから受け取るように構成される。睡眠モニタリングデバイスは、運動データから、少なくとも心拍データと呼吸データを計算するよう構成される運動データ分析器と、ある時間間隔内の心拍データの心拍数規則性評価（heart rate regularity valuation）を決定し、時間間隔内の呼吸データの呼吸規則性評価（respiration regularity valuation）を決定するよう構成されるデータ分類器と、少なくとも呼吸規則性評価と心拍数規則性評価から、その時間間隔についての睡眠状態を取得するよう構成される睡眠分類器を備える。

新生児の親は、彼らの赤ちゃんの発達が、典型的な発達段階に合っていることを確かめて安心することを望む。さらに、彼らは、赤ちゃんが良く眠っていることを確かめて安心することを望む。心拍数の規則性及び呼吸の規則性を分類し、任意選択により時間間隔内における運動量を分類することにより、その時間間隔についても睡眠状態が得られるであろう。公知のベビーモニタは、ＳＩＤＳの検出に対してのみ焦点を当てており、これは睡眠状態を判断することに関連しない。実施形態において、ユーザ、例えば親は、昼夜のリズム、睡眠コンテンツ及び発達上の休息−活動状態を追跡して比較することができる。一実施形態において、人は乳児（infant）である。

さらに、運動データ分析器は、運動データから、少なくとも心拍データと、呼吸データと、身体的活動を計算するよう構成される。例えば運動データ分析器は、運動データから粗運動（gross movement）データを計算するように更に構成され、データ分類器は、時間間隔内の人の粗運動の量を示す粗運動量を決定するように構成される。別の実施形態において、運動データ分析器は、運動データから微運動（fine movement）データを計算するように更に構成され、データ分類器は、時間間隔内の人の微運動の量を示す微運動量を決定するように構成される。

粗運動及び微運動に分類することは、初めに運動信号を取得することによって、例えば運動データから心拍数及び呼吸信号を減じることによって行われ得る。データ分類器は、運動信号内の高い振幅によって特徴付けられる粗運動の頻度と、運動信号内の低い振幅によって特徴付けられる微運動の頻度の定量化によって、運動のタイプを決定するように構成される。

心拍数の規則性の代わりに、同様に、心拍数の変動性（variability）を参照してもよい。実施形態において、心拍数規則性評価、呼吸規則性評価、粗運動量、微運動量及び発声量はそれぞれ、値、例えば実数又は整数として表される。実施形態において、これらは、存在、非存在又は未知を示す限られた数の値を有し、例えば存在＋１、欠如−１及び未知０として示される。

粗運動と微運動との間を区別することは、特徴ベクトルを用いる使用に特に適している。例えば実施形態において、運動データ内のエネルギの合計量が計算される。合計量が第１の閾値を超える場合は、粗運動が存在し、合計量が第２の閾値を超えるが、第１の閾値は超えない場合、微運動が存在する。エネルギの合計量が第２の閾値未満の場合、粗運動も微運動も存在しない。合計エネルギの代わりに、最大振幅又は最大振幅差を使用してもよい。

実施形態において、睡眠分類器は、睡眠状態を特徴付けるデータを格納し、データ分類器から得られる、分類されたデータを、特徴付けデータとマッチングさせる。例えばその合致のレベルは、睡眠状態についてのマッチ値内で示される。マッチ値は、既知の睡眠状態がマットレス上の乳児の挙動でどの程度明確に認識され得るかを示すものとして解釈され得る。

実施形態において、運動データからの複数のパラメータの抽出は、二分する特徴分類（dichotomously feature classification）である。例えばベクトルは、時間ウィンドウ内における特徴の存在又は欠如を示す。ベクトルから、睡眠状態を導出することができる。例えば特徴ベクトルの要素は：規則的な心拍数 はい／いいえ、規則的な呼吸 はい／いいえ、とすることができる。この特徴ベクトルと、格納される睡眠状態の特性との間の合致が計算される。

実施形態において、睡眠分類器は、分類されたデータベクトルと、睡眠状態に関連付けられる分類用ベクトルとの間の内積を計算することによって、睡眠状態を決定するように構成され、分類されたデータベクトルは、運動データから決定される、分類された情報、例えば心拍数規則性評価、呼吸規則性評価、そして好ましくは粗運動及び微運動量及び／又は好ましくは発声量等を含む。

実施形態において、分類用ベクトルは、数個の値に制限される双方の特徴値を備え、値を継続する。

実施形態において、運動測定デバイスは、人がその上で休息するマットレス上で、人の圧力を測定するためのロードセル（load cell）を備える。例えばロードセルは、例えば圧電性タッチプレートのようなベッド内の１つ以上の小型センサを使用し得る。ロードセルは、運動の測定及び体重の測定を可能にする。

実施形態において、発達分類器は、少なくとも、ログ記録された運動データから、睡眠状態データ及び体重データから人の発達状態を取得するよう構成される。

睡眠モニタは電子デバイスである。ログ記録されたデータ、睡眠状態、発達状態等の表示は、コンピュータ上で、例えばモバイル電子デバイス、例えばモバイルフォン、スマートウェアラブル（例えば時計／眼鏡）上で行われ得る。睡眠モニタリングデバイスは、発達トラッカ内に備えられる。

本発明の側面は、睡眠モニタリングデバイスと、マットレスと、マットレスに関連して配置されて、マットレス上で休息している人、特に乳幼児の動きを表す運動データを測定する運動測定デバイスとを備える、睡眠モニタリングシステムに関する。

本発明に係る方法は、コンピュータ実施される方法としてコンピュータ上で、専用のハードウェア内で、あるいはその双方の組合せで実装され得る。本発明に係る方法の実行可能コードは、コンピュータプログラム製品に記憶され得る。コンピュータプログラム製品の例には、メモリデバイス、光ストレージデバイス、集積回路、サーバ、オンラインソフトウェア等が含まれる、好ましくは、コンピュータプログラム製品は、コンピュータプログラムがコンピュータ上で実行されると、本発明に係る方法を実行するために、コンピュータ読取可能媒体上に記憶される非一時的なプログラムコード手段を備える。

好ましい実施形態では、コンピュータプログラムは、当該コンピュータプログラムがコンピュータ上で実行されると、本発明に係る方法のステップを全て実行させるように適合されるプログラムコード手段を備える。好ましくは、コンピュータプログラムは、コンピュータ読取可能媒体上で具現化される。

本発明のこれら及び他の側面は、以下で説明される実施形態と関連して明らかになり、そのような実施形態と関連して解明されるであろう。図面は次のとおりである。
睡眠モニタリングシステム１００の概略的なブロック図である。 睡眠モニタリングデバイス１２０の概略的なブロック図である。 睡眠モニタリング方法３００の概略的なフローチャートである。 異なる図面内で同じ参照番号を有するアイテムは、同じ構造的特徴及び同じ機能を有するか、同じ信号であることに留意されたい。そのようなアイテムの機能及び／又は構造が説明されている場合、詳細な説明において、そのアイテムの機能及び／又は構造について繰返し説明する必要はない。

本発明は、多くの異なる形式の実施形態を許容するが、本開示が、本発明の原理の例示であると見なされ、かつ図示及び説明される具体的な実施形態に本発明を限定するように意図されないという理解の下で、１つ以上の具体的な実施形態を図面に図示し、その詳細を説明することにする。

図１は、睡眠モニタリングシステム１００の概略的なブロック図である。睡眠モニタリングシステム１００は、睡眠モニタリングデバイス１２０、マットレス１１０及び運動測定デバイス１１２を備える。睡眠モニタリングデバイス１２０は、人がマットレス１１０上で休息しているときに人の睡眠状態をモニタするように構成される。システムは全ての人に適用され得るが、システムは乳幼児により良く適している。以下に示される例示の実施形態では、システムを乳幼児に適用するが、これはシステムを異なる年齢のグループに適用することができないことを意味するものではない。乳幼児（baby）という用語は、生まれてから４歳までの全ての子供を意味する。新生児（newborn）は、３か月以下の乳幼児を指す。乳児（infant）は、３か月から１歳までの乳幼児を指す。異なる睡眠プロファイルが異なる年齢グループに当てはまる。例えば発声（vocalization）は、大人の睡眠分類には無関係である。以下では、人が乳幼児であると想定する。

睡眠科学では、睡眠状態の概念は十分に確立されている。既に、Prechtlは、「The behavioural states of the newborn infant (a review)’ (Brain Research, 76, 1974, 185-212)」という自身の論文で、幾つかの睡眠状態を、これらが再び起こるかどうかを認識することができる、明確に定義された条件又は特性として定義した。異なる研究は、休んでいる間の人の挙動パターンをより多く又はより少ない状態に細分しているが、少なくとも以下の状態が生理的に適切なものとして広く受け入れられる：静かな睡眠（Quiet Sleep）、活動的な睡眠（Active Sleep）、静かな覚醒（Quiet Alertness）、活動的な覚醒（Active Alertness）及び発声（Vocalization）。非公式に、これらの状態は、熟睡状態からうとうとする状態、泣いている状態まで及ぶ。睡眠エピソードの間に、乳幼児は、これらの段階の幾つかの段階の間を、いわゆる睡眠サイクルで交互に生じることになる。

睡眠と覚醒のリズムの発達は、特定の脳構造の発達に依存する。多くの場合、昼夜のリズムの発達の開始の最初の兆候は約６週目であり、１２週後にはかなり定まっている。新生児から幼児までの人の発達の間に、睡眠と覚醒のリズムは、摂食（feeding）リズムから、確立された昼夜のリズムに発展する。

運動測定デバイス１１２は、人の運動データを取得するように構成される。運動測定デバイス１１２は、様々な方法で実装されてよく、例えば人によって装着されるアクティメトリセンサ（actimetry sensor）を使用して実装され得る。運動測定デバイス１１２は、粗運動だけでなく、微運動、特に肺や心臓の動きを登録するよう十分に敏感である。例えばこれは、人から心拍数及び呼吸データを導出することを可能にするよう、人の身体の胸部レベルで装着されるアクティメトリセンサとすることが可能である。好ましくは、運動データは、経時的な体重の変化も測定する。運動測定デバイス１１２は非侵襲的であり、特に、運動測定デバイス１１２のいかなる部分も人に直接接触させる必要がないことが好ましい。

実施形態において、運動測定デバイス１１２は、マットレス１１０上の人の圧力を測定するために、マットレス１１０内又はマットレス１１０の下に配置される１つ以上のロードセルを備える。複数のロードセルが使用される場合、これらの信号を、改善された信号（improved signal）内に組み合わせてもよい。ある実施形態では、運動測定デバイス１１２は、単一のロードセルを備える。本発明者らは、単一のロードセルを用いる場合であっても、睡眠状態の分類が可能であることを発見した。

興味深いことに、ロードセルを使用して、そのロードセルから人の重さ（体重）を決定することもきる。このようにして、睡眠モニタリングデバイス１２０は、睡眠リズムの健康的な発達をモニタすることができるだけでなく、その体重もモニタすることができる。

例としてロードセルは、例えばベビーマットレスの下に配置されて、心拍を検出するのに必要な乳幼児の小さな運きを継続的に測定する、圧電性のタッチセンサであってよい。

睡眠モニタリングデバイス１２０は、人の発声を記録するために、マイクロフォン１７２を備えるか、マイクロフォン１７２に接続可能であり得る。運動測定デバイス１１２が十分に敏感である場合、スペクトル分析に基づいて、発声信号を運動信号から決定することができる。

睡眠モニタリングデバイス１２０は、運動測定デバイス１１２及びマイクロフォン１７２（もしあれば）に接続されるアナログ／デジタル変換器１７４を備えてもよい。ＡＤＣ１７４は、運動測定デバイス１１２及びマイクロフォン１７２自体内に備えられてもよい。

睡眠モニタリングデバイス１２０は、運動データ分析器１３０を備え、運動データ分析器１３０は、運動データから、少なくとも心拍データと呼吸データを計算するように構成される。加えて、運動データ分析器１３０は、運動データから粗運動データも計算することができる。粗運動は、脚や腕、腹部のにある筋肉のような、人間の身体の大きな筋肉の使用に関連する、人間の大きな身体運動である。運動データ分析器１３０は、運動データを、例えば周波数分析を使用することによって、心拍データ、呼吸データ等に分けることができる；ここで、心拍数の典型的な周波数は呼吸の周波数よりも高く、呼吸は大きな身体の運動よりも高い：１歳までの乳幼児では、安静時の心拍数は100-160bpmの間にあり、１〜１０歳までの子供では、60-140bpmが健康的と考えられる。呼吸数に関わらず、６週目までの乳幼児では、安静時のＲＲ線は30-60であり、６か月までの子供では25-40が健康的であると考えられ、３歳ではこの範囲は20-30まで低くなる。

実施形態において、運動データは、心拍データ及び呼吸データを得るために特定の帯域幅フィルタでフィルタされる。信号が特定の帯域幅であるのではなく、運動は、全信号内の合計エネルギに基づくものであってよい。

運動データ分析器１３０は、振幅も考慮する；心拍数は呼吸よりも小さい振幅を有し、呼吸は身体運動よりも小さい。振幅を使用して、運動データ内において、運動データが心拍数であるか、呼吸数であるか又は運動であるかを特定することができる。一般的に、身体運動であるときは、信号は、最もエネルギが高く、高振幅で高周波数であることは確かである。呼吸の信号は、より小さい振幅で低周波数であり、一方、心拍数を表す信号は、振幅が最も小さく、したがってこの信号は最も弱いが、呼吸と比べると、高い周波数を有する。

睡眠モニタリングデバイス１２０は、ある時間間隔内で心拍データの心拍数規則性評価を決定し、その時間間隔内で呼吸データの呼吸規則性評価を決定するように構成される、データ分類器１４０を備える。加えて、心拍数（hear rate）も取得され得る。データ分類器１４０は、時間間隔内における人の粗運動及び微運動の量を示す運動量も決定する。任意選択により、データ分類器１４０は、時間間隔内における発声の量を示す発声量も決定する。規則性評価、粗運動と微運動の量及び発声量は、好ましくは、同じスケールまで、例えば−１から＋１まで、あるいは０から１等まで、スケーリングされる。

睡眠モニタリングデバイス１２０は、呼吸規則性評価と、心拍数規則性評価と、粗運動及び微運動の評価から、時間間隔についての睡眠状態を取得するように構成される、睡眠分類器１５０を備える。多くの睡眠状態が、心拍及び／又は呼吸及び／又は粗運動と微運動における規則性の存在又は欠如によって特徴付けられる。規則性の指標を組み合わせることによって、睡眠状態が認識され得る。

睡眠モニタリングデバイス１２０は、取得した睡眠状態を格納するためのログ記録ユニット１６０を備え得る。睡眠モニタリングデバイス１２０は、格納された睡眠状態を視覚的に表示するための表示を生成するためのディスプレイユニットも備えてよい。例えば昨夜の睡眠状態が、色付けされたバーとして示されてよく、その色が特定の状態を示し、かつバーが時間の進行を示す。複数の夜のデータは、互いの下に配置されてよく、これによりパターンを視覚的にスポットすることを容易にする。

興味深いことに、睡眠モニタリングデバイス１２０は、少なくともログ記録された睡眠状態データから人の発達状態を取得するよう構成される、発達分類器１８０を備える。例えば発達分類器１８０は、摂食リズムから、新たな昼夜のリズムを介して、確立される昼夜のリズムまでに及ぶスケールにおいて、特定の夜の睡眠−覚醒リズムを分類することができる。スコアは、ディスプレイ内に含まれるか、例えばスマートフォン上のタウンロードに利用可能にされることがある。

運動データに基づいて、乳幼児の睡眠に関する発達（すなわち、頻繁な動きと夜に起きる瞬間がある新生児の摂食リズムから昼夜のリズムまでの遷移）と、任意選択により乳幼児の体重の発達を決定することができる。発達は、ログ記録ユニット１６０によって自動的にログ記録され、スマートフォン又はPCアプリケーションを使用して、あるいはデバイス１２０自体の上で親によって表示され得る。

体重の発達は、グラム単位、デカグラム単位等でログ記録されてよい；睡眠リズムの発達は、夜の間の運動カウントの発達として、及び／又は運動を伴う期間と運動を伴わない期間との間の遷移の数として表すことができる。夜の間の運動カウントがより多く、運動を伴う期間と運動を伴わない期間との間の遷移がより多く、連続して動きのある期間又は連続して動きのない期間の長さがより短いほど、睡眠はより安定性が低い。これは、フラグメンテーション指数（fragmentation index）として計算することもできる。フラグメンテーション指数の発達は、睡眠発達を表す。

デバイスは、運動カウント、遷移の数、連続して動きのある期間又は連続して動きのない期間の長さ、並びに／あるいは同じ年齢及び性別の平均的な乳幼児に対するフラグメンテーション指数を示すことができる。参照番号は、例えば睡眠モニタリングデバイス１２０内に格納されるテーブルから取得される、新生児の年齢及び性別に関連するものであってよい。

例えば発達分類器１８０は、例えば月単位の年齢及び性別を基準体重に対してリストする、体重テーブルを備えることができる。基準体重は、百分位数（percentile）分布であってよい。例えばテーブルは、第3、5、10、25、50、75、90、95、97分位数で体重を与えることができる。体重分布は、平均及び標準偏差のようなパラメータによって表されてもよい。

同様に、体重テーブルに対して、発達分類器１８０は、性別と年齢について基準の睡眠−覚醒リズムを示す睡眠テーブルを備えてもよい。一実施形態では、年齢は６か月に及ぶが、これは例示であり、更なる又は少ない年齢であってもよい。

体重テーブル及び／又は睡眠−覚醒テーブルを通して、発達分類器１８０は、乳幼児の睡眠又は体重の発達が、平均と異なるかどうかをユーザに報告することができる。分布情報が利用可能である場合、発達分類器１８０は、観察された体重及び睡眠の発達が平均からどの程度離れているかを表す変数を決定することができる。例えば発達分類器１８０は、百分位数スコアを計算することができる。

発達分類器１８０は、乳幼児の年齢及び性別を受け取る受信機とともに構成され得る。

健康問題、特に睡眠又は体重の問題が生じると、睡眠又は体重の履歴記録を、例えば小児科医に対して利用可能にすることができる。発達分類器１８０は、医学的な管理なしにドメスティックに使用されることがあり、そのような場合、医療診断について、発達分類器１８０に依拠するべきではない。

したがって、運動測定デバイス１１２、例えばロードセル又は圧電性プレートを使用して、原信号（一次信号（primary signal））を収集する。原信号を処理して、生物力学的な心臓血管及び呼吸データを取得することができる。次に、このデータは、睡眠及び体重データへと処理される。後者のステップをオンラインで行うことが可能である。データは、ユーザ、例えば親に対して、スマートフォンのようなディスプレイ上に提示され得る。睡眠状態分類に加えて、システムは、追加の睡眠データを計算してもよく、そのような追加の睡眠データは：睡眠時間、睡眠状態の期間及び睡眠フラグメンテーションである。

図２は、睡眠モニタリングデバイス１２０の１つの可能性のある実施形態の概略的なブロック図である。図１と同様に、睡眠モニタリングデバイス１２０は、運動データ分析器１３０、データ分類器１４０、睡眠分類器１５０、ログ記録ユニット１６０及び発達分類器１８０を備える。

図２は更に、体重決定ユニット１８２を更に示しており、体重決定ユニット１８２は、睡眠モニタリングデバイス１２０の一部であってよい。体重決定ユニット１８２は、乳幼児をマットレス１１０上に配置し、外部から決定された乳幼児の体重を体重決定ユニット１８２に送信することによって較正され得る。

運動データ分析器１３０は、心拍ユニット１３２、呼吸ユニット１３４、運動ユニット１３６及び発声ユニット１３８を備える。

心拍ユニット１３２、呼吸ユニット１３４及び運動ユニット１３６は、運動データから、少なくとも：心拍データと、呼吸データと、粗運動及び微運動データを計算するように構成される。例えば心拍ユニット１３２、呼吸ユニット１３４及び運動ユニット１３６は、それぞれ心拍、呼吸及び運動に合致する周波数を有する信号のみ通過することを許可する、帯域フィルタを備え得る。

運動データ分析器１３０は、例えばフーリエ変換又はウェーブレット変換等、運動データのスペクトルを計算するための周波数分析器を備えてもよい。心拍ユニット１３２、呼吸ユニット１３４及び運動ユニット３６は次いで、これらの特定の周波数に対応する係数を選択することができる。粗運動データは、心拍及び呼吸データの減算後に残る信号の部分として定義されてもよい。

代替又は追加として、振幅を使用して、運動データをこれらの３つの部分に分けることもできる。心拍データは、信号内の局所的な小さくかつ早い変動に対応し、呼吸は、より大きくかつより遅い変動であって、あまり局所的でない変動に対応する。

しかしながら、好ましくは、運動ユニット１４６はフィルタを使用せず、あるいは非常に広いフィルタのみを使用する。運動情報は、信号内の振幅の変動及びエネルギの量から導出され得る。粗運動は、心拍データ及び呼吸データの抽出を害することがある。これは、このデータが取得可能でないときは、このデータを無視することによって解決され得る。運動が存在しないときは、呼吸に関連する信号の振幅は、心拍を反映している信号部分と比べて、比較的大きな振幅である。

発声ユニット１３８は、マイクロフォン１７２のオーディオ信号をそのまま取ってよいが、好ましくは、バンドパスフィルタを適用して、泣いている人の乳幼児の周波数をフィルタする。このフィルタは、運動データに使用されるフィルタと比べて比較的小さくてよく、泣いている声のスペクトルの部分が失われる場合、わずかに情報の損失があるが、一方、タイトなフィルタは、誤検出をかなり低減させることができる。

データ分類器１４０は、指定の時間間隔で、運動データ分析器１３０によって生成される信号を分類するように構成される。従来的な時間間隔は３分であり、例えば３０秒等のより短い時間間隔、あるいは例えば５分等のより長い時間間隔も可能である。分類は、連続している時間間隔（running time interval）に対して行われてよく；これは、連続するインスタンスについて、例えば毎秒ごとに、分類が得られることになることを意味する。分類は、逐次的な時間間隔（consecutive time interval）に対して行われてよく；これは、ある時間間隔が経過するたびに分類が得られることになることを意味する。データ分類器１４０は、例えば信号が運動測定デバイス１１２から得られる限りにおいて、睡眠分類が必要とされるときにのみ動作すれば十分である。データ分類器１４０は、ユーザについて、人がマットレス１１０の上で現在休んでいることを示す入力を有することもできる。

運動データ分析器１３０のデータに基づいて、データ分類器１４０によって、心拍数及び呼吸数が規則的であるかどうか、運動を軽い運動（light movement）、粗運動に分類することができるかどうかを分類する、すなわち、運動及び発声の量を示す値として分類する。

データ分類器１４０は、心拍分類器１４２、呼吸分類器１４４、運動分類器１４６、発声分類器１４８を備える。

心拍分類器１４２及び呼吸分類器１４４は、時間間隔内の信号の規則性評価を計算する；心拍分類器１４２は、時間間隔内の心拍データの心拍数規則性評価を計算し、呼吸分類器１４４は、時間間隔内の呼吸データの呼吸規則性評価を計算する。好ましくは、心拍分類器１４２及び呼吸分類器１４４は、心拍数及び呼吸数も決定する。

規則性データを計算することは、幾つかの方法で実装され得る。フーリエ分析を使用することができる。特定のより良く適した方法が、相関曲線内のピークを決定することになり、これは自動相関関数とも呼ばれる。例えば（第１のピークとしてラグ（遅延）０でピークをカウントする）相関曲線内の３番目のピークの高さが、信号の周期性を示す。しかしながら、当分野には、心拍データに、及び同様に呼吸データに適用され得る、心拍数の変動性についての多くの他の指標がある。更なる変動性の指標は、隣接するＮ−Ｎ間隔の間の平均２乗差（mean squared difference）の平方根である（ＲＭＳＳＤ）。Ｎ−Ｎ間隔は、２つの心拍の間の時間である。実施形態において、ＲＭＳＳＤは、例えば３０秒から５分に及ぶ分類器間隔ごとに、計算される。

運動分類器１４６は、時間間隔内の人の粗運動の量を示す粗運動量と、微運動量を決定するように構成される。発声分類器１４８は、時間間隔内の発声の量を示す発声量を決定するように構成される。例えば運動分類器１４６は、粗運動量を取得する。発声分類器１４８は、それぞれの入力信号を統合させるか、その最大振幅を計算するよう構成され得る。

発声分類器１４８は、例えば閾値を超える発声が最大値を与えることになるように、発声をＳカーブにマップするよう構成され得る。

心拍数規則性評価、呼吸規則性評価、運動量及び／又は発声量は、睡眠分類器１５０によって更に処理される。また、心拍と呼吸の双方についてレートが処理されてもよい。睡眠分類器１５０は、好ましくは、これらの値が全て同じ範囲内、例えば−１から＋１又は０から１等の範囲内にあるように、これらの値をスケーリングする。

睡眠分類器１５０は、睡眠状態を特徴付けるデータを備える。睡眠分類器１５０は、データ分類器１４０から得られる分類済みデータを、睡眠状態の特徴付けデータに対して照合する、マッチングユニット１５５を備える。後者は、有利には、睡眠状態に関連付けられる分類用ベクトルを格納することによって表され得る。図２は、ベクトル１５１、１５２、１５３、１５４を示しており、より多く又はより少ないベクトルが存在してもよい。以下の表は、ベクトルを使用して睡眠状態を表す例を示している：

この例では、５つの睡眠／覚醒が５つのベクトルで表されており、各々５つのコンポーネントを有する。‐１は欠如を示し、＋１は存在を示し、０は特徴の無差別（indifference）を示す。（この場合、ベクトルは行ベクトルとして表される。）この表は、心拍及び呼吸の規則性と、粗運動及び微運動の量と、発声の量に関して睡眠状態を定義する。これは、閉眼状態を使用する典型的な分類（例えばPrechtlを参照されたい）とは異なる。上記の定義から得られる分類が、Prechtlの典型的な分類と相関する実験が示されている。睡眠モニタリングデバイス１２０は、上記の表に従って、例えばロードセル及び／又はマイクロフォン等の非接触感知手段から分類を完全に決定することができる。

実施形態において、マッチング値（matching value）は、分類されたデータベクトルと、睡眠状態に関連付けられる分類用ベクトルとの間で計算される。マッチング値は、内積、相関係数、ランク順序相関等とすることができる。以下では、連続する特徴について上手く機能する内積を想定する。特徴値について、格納された特徴付けデータを用いて等しいベクトル要素の数をカウントすることもできる。

マッチングユニット１５５が、データ分類器１４０の分類されたデータを、睡眠分類器１５０内に格納されたデータと照合するための１つの方法は、分類されたデータを同様にベクトルとして表すことである、すなわち、分類されたデータべクトルは、要素として、少なくとも心拍数規則性評価、呼吸規則性評価、そして好ましくは粗運動量及び発声量を備える。内積は、分類されたデータベクトルと、睡眠状態に関連付けられる分類用ベクトルとの間である。内積の結果は、現在観察されるデータが、特徴付け睡眠データにどの程度近く合致しているかについての指標である。

この手順は、睡眠分類器１５０に格納される全てのベクトルについて繰り返されてよい。すなわち、上記の表を使用するとき、この手順は、５つの睡眠状態に対応する５つの値を生じることになる。これらの５つの値を進める異なる方法が存在する。一実施形態では、睡眠状態は、合致するデータ、すなわち内積が、その特定の睡眠状態に関連付けられる閾値又は範囲に合致する場合、取得された睡眠状態、すなわち最終的な分類された睡眠状態として選択され得る。例えば内積が少なくとも１．５である場合、睡眠状態が存在する。これは、時々、例えば遷移中に複数の睡眠状態が得られるという結果をもたらす。複数の睡眠状態を報告することは、現実性をより正当に評価し得るが、これはユーザを非常に混乱させることがある。

あるいは、分類されたデータベクトルは、その要素が単に特徴の存在又は欠如を示す、特徴ベクトルである。分類されたデータベクトルは、分類用ベクトルと比較され得る。このプロファイルに合致する場合、状態が提示される。プロファイルに合致しない場合、次いで、最後の状態を現在の状態として保持することができ、あるいは、取得されたプロファイルに最も近い状態を提示するか、未決定の状態（non-determined state）を提示することができる。

実施形態において、複数の内積を単一の色に組み合わせ、次いでこの色を、バー上に睡眠グラフ（hypnogram）として表示することができる。これは、ある段階から次の段階への遷移が色の遷移で表示されるという利点を有する。

実施形態では、睡眠分類器１５０は、複数の内積のうち最も大きい内積に関連付けられる睡眠状態を、取得された睡眠状態として選択するよう構成される。これは、全ての環境において明確に定義されるという利点を有する。

代替又は追加として、データ分類器１４０は：運動カウント、例えば特定の閾値を超える運動の量；心拍数、例えば１分当たりの心拍数のバリストカルジオグラフィー（balistocardiography）； 呼吸数、例えば１分当たりの呼吸数、を決定することができる。このデータは、睡眠の安定性及び睡眠に関して解釈され得る。これらの値は、睡眠分類器１５０によって、特徴付けデータと照合されて、睡眠状態についてのより細かな認識を得ることができる。あるいは、これらの値のうちの１つ以上が、発達分類器１８０によって基準値と比較されて、この点に関して乳幼児の発達についてレポートすることができる。

収集された運動データは、したがって、運動、心拍数として、そして呼吸数としても解釈され得る。この心拍数、呼吸数及び運動データは、睡眠に関して解釈することもできる。これは、覚醒を睡眠から区別するだけでなく、「軽い」睡眠と「深い」睡眠との間を区分することもでき、あるいはイレギュラーな睡眠に対して一貫性がある。

睡眠状態は、夜の割合として提示されてもよい。これらは、必要に応じて、単一の数にマージされてもよい。

例えば睡眠モニタリングデバイス１２０は、睡眠状態に加えて、睡眠の安定性も判断するように構成され得る。睡眠の安定性は、夜間の運動カウントから導出される。夜間の運動カウントがより多く、運動を伴う期間と運動を伴わない期間との間の遷移がより多いほど、その睡眠の安定性は低い。これらの値は、乳幼児の年齢及び性別についての基準値と比較され、睡眠挙動について正常（平均に近い）又は異常（平均から遠い）の指示を与えることができる。

これは、発達に関して解釈され得る：新生児があまり安定しない睡眠を示すとき、昼夜の睡眠−覚醒リズムではなく、摂食による睡眠−覚醒挙動であると考えられる。

睡眠モニタリングデバイス１２０は、運動データから体重を決定する体重決定ユニット１８２を更に備える。新生児が安静状態にあるとき、体重は運動データの振幅に依存する。振幅が高いほど、新生児はより重みがある。体重は、デカグラムで丸めて、グラムで提示することができる。データは、発達分類器１８０内の年齢テーブルの標準の乳幼児の発達体重と比較され得る。

発達分類器１８０は、心拍及び呼吸データを使用して、乳幼児の心臓血管の状態をチェックしてもよい。測定された心拍数及び呼吸数を、これらの年齢グループにおける子供の標準に対してチェックすることができる：１歳までの乳幼児については、安静時心拍数が100-160bpmの間にあり、１歳から１０歳までの年齢の子供については、60-140bpmが健康的であると考えれる。呼吸数に関しては、６週目までの乳幼児については、安静時呼吸数が30-60の間にあり、６か月までの子供については、25-40が健康的であると考えられ、３歳ではこの範囲が20-30まで低くなる。

典型的に、デバイス１２０は、デバイス１２０に格納される適切なソフトウェアを実行するマイクロプロセッサ（図示せず）を備え；例えばそのようなソフトウェアは、例えば対応するメモリ、例えばＲＡＭのような揮発性メモリ又はＦｌａｓｈ（図示せず）のような不揮発性メモリ内にダウンロードされ、かつ／又は格納されている。あるいは、デバイス１２０は、全体又は部分的にプログラム可能なロジックで、例えばフィールドプログラマブルゲートアレイ（ＦＰＧＡ）として実装されてもよい。

図３は、人の睡眠状態をモニタリンするための睡眠モニタリング方法の概略的なフローチャート３００を示す。睡眠モニタリング方法は、人の運動データを取得するステップ３１０と、運動データから、少なくとも心拍データ及び呼吸データを計算するステップ３２０と、時間間隔内の心拍データの心拍数規則性評価を決定し、時間間隔内の呼吸データの呼吸規則性評価を決定するステップ３３０と、少なくとも呼吸規則性評価、心拍数規則性評価及び動きから、その時間間隔についての睡眠状態を取得するステップ３４０とを備える。

当業者には明らかであるように、方法を実行する多くの異なる方法が可能である。例えばステップの順序を変更することができ、あるいは一部のステップを並行に実行してもよい。さらに、ステップの間に、他の方法のステップを挿入してもよい。挿入されるステップは、本明細書で説明されるような方法の改良を表し、あるいは方法に関連しなくてもよい。例えば所与のステップは、次のステップが開始される前に完全に終了していなくてもよい。

本発明に係る方法は、プロセッサシステムに方法３００を実行させるための命令を備えるソフトウェアを使用して実行され得る。ソフトウェアは、システムの特定のサブエンティティによって取られるこれらのステップのみを含んでもよい。ソフトウェアは、ハードディスク、フロッピー、メモリ、クラウド内等の適切な記憶媒体に格納され得る。ソフトウェアは、有線又は無線ネットワークに沿って、あるいは例えばインターネットのようなデータネットワークを使用して信号として送信され得る。ソフトウェアは、ダウンロードに及び／又はサーバ上でのリモートの使用のために利用可能にされ得る。本発明に係る方法は、例えばフィールドプログラマブルゲートアレイ（ＦＰＧＡ）等のプログラム可能ロジックを、本発明に係る方法を実行するように構成するよう配置される、ビットストリームを使用して実行され得る。

本発明は、コンピュータプログラム、特に本発明を実践に移すよう構成される担体上又は担体内のコンピュータプログラムにも広がる。プログラムは、ソースコード、オブジェクトコード、コード中間ソース及び部分的にコンパイルされた形のようなオブジェクトコードの形、あるいは本発明に係る方法の実装における使用に適した任意の他の形であってよい。コンピュータプログラム製品に関する実施形態は、説明した方法の少なくとも１つについての処理ステップの各々に対応するコンピュータ実行可能命令を備える。これらの命令は、サブルーチンに細分されてもよく、かつ／又は静的若しくは動的にリンクされ得る１つ以上のファイル内に格納されてもよい。コンピュータプログラム製品に関する別の実施形態は、説明されるシステム及び／又は製品の少なくとも１つについての手段の各々に対応するコンピュータ実行可能命令を備える。

上述の実施形態は、本発明を限定するものではなく例示であり、当業者は多くの代替的な実施形態を設計することが可能であることに留意されたい。

特許請求の範囲において、括弧内に置かれる任意の参照符号は、請求項を限定するものとして解釈されるべきではない。「備える」という動詞及びその活用形の使用は、請求項に記載されているもの以外の要素及びステップの存在を除外しない。要素に先行する冠詞「a」又は「an」は、そのような要素の複数の存在を除外しない。本発明は、幾つかの個別の要素を備えるハードウェアによって、そして適切にプログラムされるコンピュータによって実装され得る。幾つかの手段を列挙しているデバイスの請求項において、これらの手段の幾つかがハードウェアの１つの同じアイテムによって具現化されてもよい。特定の手段が相互に異なる従属請求項に記載されているという単なる事実は、これらの手段の組合せを有利に使用することができないことを示唆するものではない。

Claims (15)

1. 人の睡眠状態をモニタリングするための睡眠モニタリングデバイスであって、当該睡眠モニタリングデバイスは、休息している人の運動データを、運動測定デバイスから受け取るように構成され、当該睡眠モニタリングデバイスは：
   前記運動データから、少なくとも心拍データ、呼吸データ、粗運動データ及び微運動データを計算するよう構成される運動データ分析器と、
   ある時間間隔内の前記心拍データの心拍数規則性評価を決定し、前記時間間隔内の前記呼吸データの呼吸規則性評価を決定し、前記時間間隔内の前記人の粗運動の量を示す粗運動量を決定し、前記時間間隔内の前記人の微運動の量を示す微運動量を決定するよう構成されるデータ分類器であって、当該データ分類器は、前記運動データから運動量を計算するように構成され、前記運動量が第１の閾値を超える場合は、粗運動と判断され、前記運動量が第２の閾値を超えるが、前記第１の閾値は超えない場合、微運動が存在し、前記第２の閾値は前記第１の閾値より小さく、前記運動量が前記第２の閾値未満の場合、微運動でも粗運動でもないと判断される、データ分類器と、
   少なくとも前記呼吸規則性評価、前記心拍数規則性評価、前記粗運動量及び前記微運動量から、前記時間間隔についての睡眠状態を取得するよう構成される、睡眠分類器と、
   を備える、睡眠モニタリングデバイス。
2. 前記データ分類器は、前記運動データから前記心拍データ及び前記呼吸データを減じるように構成される、
   請求項１に記載の睡眠モニタリングデバイス。
3. 前記データ分類器は、前記運動データの合計エネルギ、最大振幅又は最大振幅差を使用して前記運動量を計算するように構成される、
   請求項２に記載の睡眠モニタリングデバイス。
4. 当該睡眠モニタリングデバイスは、
   前記人の発声を記録するためのマイクロフォンと、
   前記マイクロフォンのオーディオ信号にバンドパスフィルタを適用するよう構成される発声ユニットであって、前記バンドパスフィルタは、人間の乳幼児が泣く周波数を通過させるよう構成される通過帯域を有する、発声ユニットと、
   を更に備え、
   前記データ分類器は、前記時間間隔内の前記発声の量を示す発声量を決定するよう構成され、
   前記睡眠分類器は、少なくとも前記呼吸規則性評価、前記心拍数規則性評価、前記粗運動量、前記微運動量及び前記発声量から、前記時間間隔についての睡眠状態を取得するように構成される、
   請求項１乃至３のいずれか一項に記載の睡眠モニタリングデバイス。
5. 前記睡眠分類器は、
   少なくとも前記心拍数規則性評価、前記呼吸規則性評価、前記粗運動量、前記微運動量及び／又は前記発声量を要素として備える、分類されたデータベクトルを決定することと、
   前記分類されたデータベクトルと、睡眠状態に関連付けられる分類用ベクトルとの間のマッチング値を計算することと、
   によって睡眠状態を決定するように構成される、
   請求項４に記載の睡眠モニタリングデバイス。
6. 前記睡眠分類器は、
   前記分類されたデータベクトルと、複数の睡眠状態に関連付けられる複数の分類用ベクトルのうちの１つとの間の複数のマッチング値を計算し、
   前記複数のマッチング値のうち最大マッチング値に関連付けられる睡眠状態を、前記取得された睡眠状態として選択する、
   ように構成される、請求項５に記載の睡眠モニタリングデバイス。
7. 前記睡眠分類器は、前記マッチング値が特定の睡眠状態に関連付けられる閾値又は範囲内の場合、前記関連付けられる睡眠状態を前記取得された睡眠状態として選択するように構成される、
   請求項５に記載の睡眠モニタリングデバイス。
8. 前記心拍数規則性評価を決定することは、前記心拍データに基づく隣接する２つの心拍の間の時間間隔の差の二乗平均平方根を決定することを備え、かつ／又は、
   前記呼吸規則性評価を決定することは、前記呼吸データに基づく隣接する２つの呼吸の間の時間間隔の差の二乗平均平方根を決定することを備える、
   請求項１乃至７のいずれか一項に記載の睡眠モニタリングデバイス。
9. 前記運動測定デバイスは、前記人が休息するマットレス上で前記人の圧力を測定するためのロードセルを備える、
   請求項１乃至８のいずれか一項に記載の睡眠モニタリングデバイス。
10. 取得された睡眠状態を格納するためのログ記録ユニットを備える、
    請求項１乃至９のいずれか一項に記載の睡眠モニタリングデバイス。
11. 少なくともログ記録される睡眠状態のデータから前記人についての発達状態を取得するよう構成される、発達分類器を備える、
    請求項１０に記載の睡眠モニタリングデバイス。
12. 請求項１乃至１１のいずれか一項に記載の睡眠モニタリングデバイスと、マットレスと、前記マットレスとの関連で配置されて、前記マットレスの上で休息している人の動きを表す運動データを測定する運動測定デバイスとを備える、睡眠モニタリングシステム。
13. 人の睡眠状態をモニタリングするための睡眠モニタリング方法であって、当該睡眠モニタリング方法は：
    人の運動データを取得するステップと、
    前記運動データから、少なくとも心拍データ、呼吸データ、粗運動データ及び微運動データを計算するステップと、
    ある時間間隔内の前記心拍データの心拍数規則性評価を決定し、前記時間間隔内の前記呼吸データの呼吸規則性評価を決定し、前記時間間隔内の前記人の粗運動の量を示す粗運動量を決定し、前記時間間隔内の前記人の微運動の量を示す微運動量を決定し、前記運動データから運動量を計算し、前記運動量が第１の閾値を超える場合は、粗運動と判断され、前記運動量が第２の閾値を超えるが、前記第１の閾値は超えない場合、微運動が存在し、前記第２の閾値は前記第１の閾値より小さく、前記運動量が前記第２の閾値未満の場合、微運動でも粗運動でもないと判断されるステップと、
    少なくとも前記呼吸規則性評価、前記心拍数規則性評価、前記粗運動量及び前記微運動量から、前記時間間隔についての睡眠状態を取得するステップと、
    を備える、睡眠モニタリング方法。
14. コンピュータプログラムであって、当該コンピュータプログラムがコンピュータ上で実行されると、請求項１３に記載のステップを全て実行させるように適合されるプログラムコード手段を備える、コンピュータプログラム。
15. コンピュータ読取可能媒体上で具現化される、請求項１４に記載のコンピュータプログラム。

Images