JP6439729B2 - 睡眠状態推定装置 - Google Patents
睡眠状態推定装置 Download PDFInfo
- Publication number
- JP6439729B2 JP6439729B2 JP2016059972A JP2016059972A JP6439729B2 JP 6439729 B2 JP6439729 B2 JP 6439729B2 JP 2016059972 A JP2016059972 A JP 2016059972A JP 2016059972 A JP2016059972 A JP 2016059972A JP 6439729 B2 JP6439729 B2 JP 6439729B2
- Authority
- JP
- Japan
- Prior art keywords
- sleep
- value
- sleep stage
- subject
- stage
- 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
- 230000007958 sleep Effects 0.000 title claims description 193
- 230000008667 sleep stage Effects 0.000 claims description 265
- 230000000241 respiratory effect Effects 0.000 claims description 145
- 238000005259 measurement Methods 0.000 claims description 53
- 230000006870 function Effects 0.000 claims description 48
- 238000000034 method Methods 0.000 claims description 44
- 230000001133 acceleration Effects 0.000 claims description 43
- 230000008569 process Effects 0.000 claims description 36
- 230000029058 respiratory gaseous exchange Effects 0.000 claims description 32
- 230000008859 change Effects 0.000 claims description 18
- 238000006073 displacement reaction Methods 0.000 claims description 15
- 238000012545 processing Methods 0.000 claims description 15
- 238000000605 extraction Methods 0.000 claims description 9
- 230000008452 non REM sleep Effects 0.000 claims description 8
- 210000001015 abdomen Anatomy 0.000 claims description 7
- 230000004622 sleep time Effects 0.000 claims description 6
- 239000000284 extract Substances 0.000 claims description 4
- 239000013598 vector Substances 0.000 description 29
- 238000004364 calculation method Methods 0.000 description 23
- 238000005315 distribution function Methods 0.000 description 20
- 238000010586 diagram Methods 0.000 description 13
- 230000007704 transition Effects 0.000 description 12
- 238000012937 correction Methods 0.000 description 9
- 230000007423 decrease Effects 0.000 description 9
- 230000036385 rapid eye movement (rem) sleep Effects 0.000 description 7
- 238000012795 verification Methods 0.000 description 7
- 238000004891 communication Methods 0.000 description 5
- 230000000875 corresponding effect Effects 0.000 description 5
- 238000010606 normalization Methods 0.000 description 5
- 230000002596 correlated effect Effects 0.000 description 4
- 230000010355 oscillation Effects 0.000 description 4
- 230000036387 respiratory rate Effects 0.000 description 3
- 206010062519 Poor quality sleep Diseases 0.000 description 2
- 238000005311 autocorrelation function Methods 0.000 description 2
- 230000000052 comparative effect Effects 0.000 description 2
- 230000008602 contraction Effects 0.000 description 2
- 238000001514 detection method Methods 0.000 description 2
- 238000009826 distribution Methods 0.000 description 2
- 238000011156 evaluation Methods 0.000 description 2
- 238000002474 experimental method Methods 0.000 description 2
- 238000010801 machine learning Methods 0.000 description 2
- 230000037007 arousal Effects 0.000 description 1
- 238000013528 artificial neural network Methods 0.000 description 1
- 210000004556 brain Anatomy 0.000 description 1
- 230000000747 cardiac effect Effects 0.000 description 1
- 230000002802 cardiorespiratory effect Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000004424 eye movement Effects 0.000 description 1
- 238000001914 filtration Methods 0.000 description 1
- 238000009499 grossing Methods 0.000 description 1
- 230000036541 health Effects 0.000 description 1
- 238000007477 logistic regression Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 239000011159 matrix material Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003183 myoelectrical effect Effects 0.000 description 1
- 238000003672 processing method Methods 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 230000000284 resting effect Effects 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 238000003860 storage Methods 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
Images
Classifications
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/48—Other medical applications
- A61B5/4806—Sleep evaluation
- A61B5/4812—Detecting sleep stages or cycles
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/02—Detecting, measuring or recording pulse, heart rate, blood pressure or blood flow; Combined pulse/heart-rate/blood pressure determination; Evaluating a cardiovascular condition not otherwise provided for, e.g. using combinations of techniques provided for in this group with electrocardiography or electroauscultation; Heart catheters for measuring blood pressure
- A61B5/0205—Simultaneously evaluating both cardiovascular conditions and different types of body conditions, e.g. heart and respiratory condition
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/08—Detecting, measuring or recording devices for evaluating the respiratory organs
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/103—Detecting, measuring or recording devices for testing the shape, pattern, colour, size or movement of the body or parts thereof, for diagnostic purposes
- A61B5/11—Measuring movement of the entire body or parts thereof, e.g. head or hand tremor, mobility of a limb
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/103—Detecting, measuring or recording devices for testing the shape, pattern, colour, size or movement of the body or parts thereof, for diagnostic purposes
- A61B5/11—Measuring movement of the entire body or parts thereof, e.g. head or hand tremor, mobility of a limb
- A61B5/113—Measuring movement of the entire body or parts thereof, e.g. head or hand tremor, mobility of a limb occurring during breathing
- A61B5/1135—Measuring movement of the entire body or parts thereof, e.g. head or hand tremor, mobility of a limb occurring during breathing by monitoring thoracic expansion
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/48—Other medical applications
- A61B5/4806—Sleep evaluation
- A61B5/4809—Sleep detection, i.e. determining whether a subject is asleep or not
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/68—Arrangements of detecting, measuring or recording means, e.g. sensors, in relation to patient
- A61B5/6801—Arrangements of detecting, measuring or recording means, e.g. sensors, in relation to patient specially adapted to be attached to or worn on the body surface
- A61B5/6802—Sensor mounted on worn items
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/68—Arrangements of detecting, measuring or recording means, e.g. sensors, in relation to patient
- A61B5/6801—Arrangements of detecting, measuring or recording means, e.g. sensors, in relation to patient specially adapted to be attached to or worn on the body surface
- A61B5/6813—Specially adapted to be attached to a specific body part
- A61B5/6823—Trunk, e.g., chest, back, abdomen, hip
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/68—Arrangements of detecting, measuring or recording means, e.g. sensors, in relation to patient
- A61B5/6887—Arrangements of detecting, measuring or recording means, e.g. sensors, in relation to patient mounted on external non-worn devices, e.g. non-medical devices
- A61B5/6892—Mats
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/72—Signal processing specially adapted for physiological signals or for diagnostic purposes
- A61B5/7235—Details of waveform analysis
- A61B5/7264—Classification of physiological signals or data, e.g. using neural networks, statistical classifiers, expert systems or fuzzy systems
- A61B5/7267—Classification of physiological signals or data, e.g. using neural networks, statistical classifiers, expert systems or fuzzy systems involving training the classification device
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B2560/00—Constructional details of operational features of apparatus; Accessories for medical measuring apparatus
- A61B2560/02—Operational features
- A61B2560/0223—Operational features of calibration, e.g. protocols for calibrating sensors
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B2562/00—Details of sensors; Constructional details of sensor housings or probes; Accessories for sensors
- A61B2562/02—Details of sensors specially adapted for in-vivo measurements
- A61B2562/0219—Inertial sensors, e.g. accelerometers, gyroscopes, tilt switches
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B2562/00—Details of sensors; Constructional details of sensor housings or probes; Accessories for sensors
- A61B2562/02—Details of sensors specially adapted for in-vivo measurements
- A61B2562/0247—Pressure sensors
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/103—Detecting, measuring or recording devices for testing the shape, pattern, colour, size or movement of the body or parts thereof, for diagnostic purposes
- A61B5/11—Measuring movement of the entire body or parts thereof, e.g. head or hand tremor, mobility of a limb
- A61B5/113—Measuring movement of the entire body or parts thereof, e.g. head or hand tremor, mobility of a limb occurring during breathing
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/72—Signal processing specially adapted for physiological signals or for diagnostic purposes
- A61B5/7203—Signal processing specially adapted for physiological signals or for diagnostic purposes for noise prevention, reduction or removal
- A61B5/7207—Signal processing specially adapted for physiological signals or for diagnostic purposes for noise prevention, reduction or removal of noise induced by motion artifacts
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/72—Signal processing specially adapted for physiological signals or for diagnostic purposes
- A61B5/7235—Details of waveform analysis
- A61B5/725—Details of waveform analysis using specific filters therefor, e.g. Kalman or adaptive filters
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
- G16H50/00—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics
- G16H50/70—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for mining of medical data, e.g. analysing previous cases of other patients
Landscapes
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Veterinary Medicine (AREA)
- Animal Behavior & Ethology (AREA)
- Biomedical Technology (AREA)
- Heart & Thoracic Surgery (AREA)
- Medical Informatics (AREA)
- Molecular Biology (AREA)
- Surgery (AREA)
- Pathology (AREA)
- General Health & Medical Sciences (AREA)
- Public Health (AREA)
- Biophysics (AREA)
- Physiology (AREA)
- Artificial Intelligence (AREA)
- Oral & Maxillofacial Surgery (AREA)
- Dentistry (AREA)
- Cardiology (AREA)
- Pulmonology (AREA)
- Psychiatry (AREA)
- Signal Processing (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Mathematical Physics (AREA)
- Fuzzy Systems (AREA)
- Evolutionary Computation (AREA)
- Anesthesiology (AREA)
- Measurement Of The Respiration, Hearing Ability, Form, And Blood Characteristics Of Living Organisms (AREA)
Description
2…コンピュータ端末
3…モニター
4…キーボード、マウス(入力装置)
5…通信器
図1(A)を参照して、本発明の実施形態による睡眠状態推定装置1は、図示の如く、被検者Pの胸部又は腹部に装着可能な(ウェアラブルな)筐体を有し、かかる筐体内に睡眠状態の推定に必要な各部が収容された形態となっていてよい。装置1の筐体内に於いては、図1(A)右図にブロック図の形式にて描かれている如く、被検者の呼吸運動に伴う体表面の変位によって変化する圧力を計測する圧力センサと、被検者の体動に伴って変化する加速度値を計測する加速度センサと、これらのセンサの出力を受容して、後に述べる態様にて被検者の睡眠状態の判定を行う演算部と、演算部の出力値及び/又は装置の作動状況を表示するディスプレイと、演算部の出力値を外部の装置又は設備へ送信する通信部と、被検者又は使用者による装置に対する指示・操作を受容する操作パネルとが設けられてよい。
(i)作動の概要
本発明の実施形態による睡眠状態推定装置1に於いては、「発明の概要」の欄に於いて述べた如く、端的に述べれば、被検者の身体上に於ける計測によって得られる呼吸運動指標値と体動指標値のそれぞれの時系列データから、所定の時間間隔にて、睡眠状態に相関がある呼吸運動特徴量と体動特徴量とを抽出し、抽出された呼吸運動特徴量と体動特徴量とを変数として睡眠状態関数を用いて睡眠状態値を算出し、かかる睡眠状態値に基づいて、前記の所定の時間間隔毎の被検者の睡眠段階の判定が為される。かかる構成に於いて、特に、本実施形態に於いては、睡眠状態関数を用いて算出される睡眠状態値として、或る呼吸運動特徴量と体動特徴量の組に対して、まず、それらの特徴量の組が与えられた場合に睡眠状態に於ける複数の睡眠段階の各々が出現する確率(出現確率)が算出され、原則として、それらの出現確率のうちで最も高い値を有する睡眠段階が、その呼吸運動特徴量と体動特徴量の組が得られた際の被検者の睡眠段階として判定される。また、上記の睡眠状態値を与える睡眠状態関数は、既に述べた如く、PSGによる計測などの、より正確に睡眠段階が判定される計測による睡眠段階の判定結果と、これと伴に計測された圧力値(呼吸運動指標値)及び加速度値(体動指標値)からそれぞれ抽出された呼吸運動特徴量及び体動特徴量とから構成されるデータ群を教師データとして用いた学習処理によって、できるだけ精度良く被検者の睡眠段階を判定できるように、予め調製された関数であり、特に、本実施形態に於いては、最小二乗確率的分類器の理論(非特許文献2)に従って、学習処理が実行される。
一般的に、睡眠段階の判定に於いては、被検者に於いて計測されるデータが逐次的に得られるところ、睡眠段階の判定に使用するデータ内の特徴量(睡眠段階に相関のある量)としては、時系列の計測値データに於ける所定時間間隔(エポック)毎の統計量が採用される。この点については、本実施形態の睡眠段階の判定に於いても同様であってよい。具体的には、例えば、図2(A)に模式的に描かれている如く、時系列に計測される呼吸運動指標値(圧力値)と体動指標値(加速度値)とのデータ(信号)に於いて、呼吸運動特徴量と体動特徴量とは、エポック毎に算出される。なお、一つのエポックは、図示の如く、前後のエポックと時間軸に沿って重複されていてよい(重複していなくてもよい。)。図の例の場合、一つのエポックは、60秒であるが、前後のエポックとそれぞれ30秒ずつ重複しているので、呼吸運動特徴量と体動特徴量は、30秒間隔の時点(Ct1、Ct2、…)にて算出される。睡眠段階の判定も、本実施形態の場合には、呼吸運動特徴量と体動特徴量の算出の時点毎に為されて良く(なお、異なるタイミングであってもよいことは理解されるべきである。)、従って、エポック毎の判定結果は、エポックの終了時点毎に出力される。
本発明の発明者等による実験と検討によれば、睡眠段階に相関のある特徴量として、下記のエポック毎に算出される呼吸運動特徴量と体動特徴量とが有利に用いられることが見出された。
:呼吸波形データに於いて、ピーク間隔Rw[秒]は、1回の呼吸に要する時間となるので、ピーク間隔Rwであったときの1分間当たりの呼吸数は、60/Rwとなる(以下、単に「呼吸数」と称する。)。そこで、ここでは、エポック内の呼吸数の平均値を、60/(1回の呼吸に要する時間の平均値)により算出する。
(b)呼吸変動係数=呼吸数の標準偏差/平均呼吸数
:呼吸数の標準偏差は、呼吸数60/Rwのエポック内の標準偏差である。
(c)振幅振動係数=振幅の標準偏差/平均振幅
:振幅は、図示の如く、上側のピークと下側のピークとの差分Raであり、平均振幅は、エポック内のRaの平均値であり、振幅の標準偏差は、エポック内のRaの標準偏差である。
(d)自己相関ピーク比:1エポック分の圧力データから1エポック分の圧力データの平均を引いた値の自己相関関数値(τ)に於いて(τは、相関時間)、τ=0から見て、最初にピークが現れたとき(τ=τpのとき、とする。)のピーク値を自己相関関数G(0)にて割って正規化した値
加速度差分ノルム={(axt-axt-1)2+(ayt-ayt-1)2+(azt-azt-1)2}1/2
ここで、axt、ayt、aztは、それぞれ、x軸、y軸、z軸方向の時刻tに於ける加速度値である。加速度差分ノルムの最大値は、図2(C)に例示されている如く、エポック毎に加速度差分ノルムを算出した後、その最大値が選択される。
上記の4つの呼吸運動特徴量と体動特徴量は、1回の睡眠状態の計測(原則として、計測開始指示が与えられてから計測終了指示が与えられるまで(後述の計測の流れの欄参照)に於いて得られたデータに於いて、エポック毎に算出される。ここで、上記の式にてそれぞれ算出された呼吸運動特徴量と体動特徴量について、本発明の発明者等の実験と研究によれば、呼吸運動特徴量と体動特徴量の値に於ける個人差、個人内差が、後に述べる睡眠段階の判定に影響することが見出された。そこで、かかる影響をできるだけ排除するべく、睡眠段階の判定に使用する特徴量としては、上記の呼吸運動特徴量と体動特徴量を正規化した値が使用される。かかる正規化は、具体的には、例えば、各エポックの呼吸運動特徴量と体動特徴量のそれぞれから、全エポックの対応する特徴量の中央値を差し引くことにより為されてよい。かかる正規化処理を実行した特徴量を用いると、良好に睡眠段階の判定が達成できることが見出されている。
既に触れた如く、本実施形態に於いては、呼吸運動特徴量と体動特徴量(正規化後−以下、特に断らない限り、特徴量は、全て、正規化後の値である。)が与えられると、呼吸運動特徴量と体動特徴量を変数として、睡眠状態関数を用いて、その呼吸運動特徴量と体動特徴量が得られた状態での各睡眠段階の出現確率が算出される。かかる睡眠状態関数は、本実施形態に於いては、既に触れた如く、最小二乗確率的分類器の理論に従った学習処理を通じて調製されてよい。具体的には、睡眠状態関数は、以下の通りに定義されてよい。
X=(x1,x2,x3,x4,x5) …(1a)
が定義される。ここに於いて、xi(i=1-5)は、呼吸運動特徴量と体動特徴量である。本実施形態の場合には、
x1=平均呼吸数
x2=呼吸変動係数
x3=振幅振動係数
x4=自己相関ピーク比
x5=加速度差分ノルムの最大値
である。また、判定されるべき睡眠段階(クラス)は、
y∈{Wake,REM,Light,Deep} …(1b)
Wake:覚醒段階
REM:レム睡眠段階
Light:浅い睡眠−ノンレム睡眠段階I、II
Deep:深い睡眠−ノンレム睡眠段階III、IV
と設定されるものとする(更に、細かく又は粗く設定してもよい。)。
p(y/X)=[max(0,q(y|X:θy))]/Σ[max(0,q(ya|X:θya))] …(2)
ここで、yaは、各睡眠段階の符号であり、Σは、ya= Wake,REM,Light,Deepの総和である。なお、出現確率p(y/X)は、特徴量ベクトルXであるときの睡眠段階yが出現する事後確率に相当する。式(2)に於いて、q(y|X:θy)は、特徴量ベクトルの張られる空間(特徴量空間)に於ける、睡眠段階yである教師用データの各点の位置と特徴量ベクトルXの点の位置との間の距離に依存した状態の近似の度合を表す値の総和に相当し、具体的には、下記の如く表される。
q(y|X:θy)=Σθy,n・φn(X) …(3)
(Σは、教師用データのn=1…Nについての総和)
ここに於いて、
θy,n・φn(X) …(4)
は、特徴量ベクトルXの点と教師用データの点Xtnとの近似の度合の分布を表す値を表す関数(分布関数)である。φn(X)は、特徴量空間に於ける特徴量ベクトルXの点と教師用データの点Xtnとの間の距離Ln=||X-Xtn||を用いて、
φn(X)=exp(-Ln2/2σ2) …(5)
により定義されるガウス型の基底関数であり、θy,nは、分布関数の高さを決定する係数パラメータであり、σは、分布関数の幅を決定するパラメータ(後述の如く、σは、超パラメータの一つである。)
図3(A)を参照して、例えば、教師用データの点Xtnとして、図示の如く、睡眠段階yRである特徴量ベクトルxt1、xt3, xt4と、睡眠段階yLである特徴量ベクトルxt2、xt5, xt6とが与えられている場合(なお、説明の目的で、特徴量ベクトルを一次元で描いているが、実際には、多次元であり、本実施形態の場合は、5次元である。)、教師用データの各点の周囲に、それぞれと状態の近似した領域が分布し、その分布の形は、距離が近いほど高くなるものと仮定できる。その個々の教師用データの点の分布関数が、(特徴量と状態の近似の度合とで張られた空間に於いて、)図3(A)中の実線又は一点鎖線にて描かれている如く、式(4)の形式のプロファイルを有するとすると、例えば、計測により得られた特徴量ベクトルxaiの点の状態と教師用データの各点の状態との近似の度合は、特徴量ベクトルxaiの位置に於ける教師用データの各点の分布関数の値と考えることができる。例えば、特徴量ベクトルxa1の場合(図中黒丸)には、睡眠段階yLである特徴量ベクトルxt2、xt5, xt6に近いので、それぞれの分布関数に於いて有意な値が与えられ、睡眠段階yRである特徴量ベクトルxt1、xt3、xt4から遠いので、それぞれの分布関数に於ける値は実質的に0となっている。従って、特徴量ベクトルxa1は、睡眠段階yLの状態との近似の度合が高いと考えることができる。これと同様に、特徴量ベクトルxa2の場合(図中白丸)は、睡眠段階yRである特徴量ベクトルxt1、xt3の分布関数に於いて有意な値となり、それ以外の分布関数に於いては、実質的に0となっているので、特徴量ベクトルxa2は、睡眠段階yRの状態との近似の度合が高いと考えることができる。更に、特徴量ベクトルxa3の場合には、睡眠段階yLである特徴量ベクトルxt2と睡眠段階yRである特徴量ベクトルxt4の分布関数に於ける値は、略一致した値であるところ、睡眠段階yLである特徴量ベクトルxt2の分布関数の値が睡眠段階yRである特徴量ベクトルxt3の分布関数の値よりも大きいので、睡眠段階yLの状態との近似の度合が相対的に高いと考えることができる。
上記の式(2)によれば、或る特徴量ベクトルが得られた際の複数の睡眠段階の各々についての出現確率が算出される。そこで、その中で最も確率の高い睡眠段階が被検者の睡眠段階として判定することができる。この点に関し、例えば、図3(B)の如く、特定の睡眠段階の出現確率が突出している場合には、その睡眠段階が被検者の睡眠段階として十分な確からしさにて判定可能である。しかしながら、図3(C)の如く、最も確率の高い睡眠段階の出現確率が、その他の睡眠段階の出現確率に比してさほどに大きくない場合には、その睡眠段階が被検者の睡眠段階として十分な確からしさは低いこととなる。そのような場合は、特定の睡眠段階を判定結果とすると、判定精度の低下が起き得る。実際、既に述べた如く、人の睡眠状態は、連続的であり、定義された睡眠段階の中間或いは遷移の途中に於いては、本質的に明確に睡眠段階が特定できない場合も有り得る。そこで、本実施形態に於いては、睡眠段階の判定に於いて、最も確率の高い睡眠段階の出現確率が所定の閾値pthを超えた場合(図3(B))には、その睡眠段階を被検者の睡眠段階として判定し、最も確率の高い睡眠段階の出現確率も所定の閾値pthを超えない場合には、被検者の睡眠段階と不明として判定するようになっていてもよく、或いは、確率の高い睡眠段階の二つの睡眠段階のいずれかと判定するようになっていてもよい。
「発明の概要」の欄に於いて述べた如く、一般に、各睡眠段階の出現頻度は、睡眠経過時間や年齢によって変化することが知られている。具体的には、睡眠段階のうち、深い睡眠(Deep)を表すノンレム睡眠の段階III、IVは、睡眠の初期に出現しやすく、次第に出にくくなることが知られている。また、ノンレム睡眠の段階III、IVは、若年者では比較的出現しやすく、年齢が高くなると伴に出現しにくくなることが知られている。そこで、本実施形態の上記の睡眠段階の判定に於いては、睡眠経過時間の長さに応じて及び/又は被検者の年齢に応じて出現しやすい睡眠段階が被検者の睡眠状態として判定され易くする補正処理が為されてよい。
p(y/X)=wty[max(0,q(y|X:θy))]/Σ[max(0,q(ya|X:θya))] …(2a)
そして、現在までの知見によれば、睡眠経過時間が長くなるほど、深い睡眠の出現頻度が低下するので、深い睡眠の重みwt,deepが下記の如く設定されてよい。
入眠からの経過時間が4時間未満のとき、wt,deep=1.0
入眠からの経過時間が4時間以上のとき、wt,deep=0.9
その他の睡眠段階についても、経過時間の長さに応じた出現頻度によって、重みwtyが設定されてよいことは理解されるべきである。なお、wtyは、経過時間の長さに応じて連続的に値が変化するようになっていてもよい。重みwtyを用いる場合、入眠からの睡眠経過時間は、圧力又は加速度の時系列データに於ける時間が参照されて、重みwtyの値が決定されてよい。
p(y/X)=way[max(0,q(y|X:θy))]/Σ[max(0,q(ya|X:θya))] …(2b)
そして、現在までの知見によれば、年齢が高くなるほど、深い睡眠の出現頻度が低下するので、深い睡眠の重みwa,deepが下記の如く設定されてよい。
wa,deep=1.2…10代
wa,deep=1.1…20代
wa,deep=1.0…30代
wa,deep=0.9…40代
wa,deep=0.8…50代
その他の睡眠段階についても、年齢に応じた出現頻度によって、重みwayが設定されてよいことは理解されるべきである。なお、wayは、年齢に応じて連続的に値が変化するようになっていてもよい。重みwayを用いる場合、装置に於いて、操作パネルから被検者の年齢を入力するための構成が設けられ、式(2b)の出現確率の演算に於いて、入力された年齢を参照してその年齢に応じた重みwayが用いられる。
上記の睡眠状態関数の学習処理に於いては、具体的には、最小二乗確率的分類器の理論に従って、教師用データを用いて、教師用データの各点に於ける分布関数の係数パラメータθy,nの全てが下記の式により決定される(上付きTは、転置行列を表す。)。
Θy=(ΨTΨ+ρIN)-1ΨTΠy …(6)
ここに於いて、
Θy=(θy,1,θy,2,…,θy,N)T
Ψ=(Φ(Xt1),…Φ(XtN))T
Φ(X)=(φ1(X)…φn(X)…φN(X))T
Πy=(πy,1,πy,2,…,πy,N)T
πy,n=1(yn=yのとき); πy,n=0(yn=yでないとき)
(i)N個の教師用データ群のデータセットが与えられているとき、学習用データセットと検証用データセットに分割する。例えば、80%のデータセットを学習用とし、残りを検証用とする。
(ii)超パラメータの候補を準備し、その候補を用いて、学習用データセットを用いた式(6)の演算を実行し、睡眠状態関数を設定する。
(iii)(ii)で得られた睡眠状態関数に対して検証用データセットを入力し、性能を評価する。性能の評価は、任意の態様にて実行されてよい。例えば、検証用データセットを睡眠状態関数へ入力した場合の睡眠段階の判定結果の正解率(検証用データセットの判定結果を正解とした場合)や睡眠段階の推移が正常であるか否かなどを参照して、任意に評価されてよい。
かくして、一つの組の超パラメータの候補を用いた場合の睡眠段階の判定結果が達成されると、別の組の超パラメータの候補を用いて、上記の(i)〜(iii)が繰り返し実行される。そして、かかる操作は、適切な超パラメータの組が探索されるまで実行されてよい。適切な超パラメータの組の探索に於いては、例えば、複数の超パラメータの組を予め準備し、準備された超パラメータの組のうちで、最も性能の評価結果が好ましいもの(例えば、正解率が最も高いもの)が適切な超パラメータの組として選択されてよい。或いは、超パラメータの組を変化させながら、上記の手順を繰り返し、正解率の飽和が観察された場合、或いは、所定の閾値を超えた場合に、その超パラメータの組が適切な超パラメータの組として選択されてよい。
上記の学習処理にて使用される教師用データに於ける睡眠段階の割合が不均衡である場合、推定精度が低下することが知られている。実際、一般に、人の睡眠状態に於いては、浅い睡眠−ノンレム睡眠段階I、IIの出現頻度が高く、覚醒段階、深い睡眠−ノンレム睡眠段階III、IVの出現頻度が低いことが知られている。そこで、教師用データに於ける睡眠段階の割合が不均衡である場合、即ち、教師用データのデータセットが「不均衡データ」のセットである場合、これを補正するように学習処理が修正されてよい。
(i)教師用データ群のうち、出現数の最も少ない睡眠段階(クラス)のデータ数を調べ、他のクラスのデータをその数に揃える。例えば、睡眠段階Deepのデータ数が最も少なく、500データだった場合、他の睡眠段階のデータから500データずつランダムに抽出する。
(ii)式(6)の超パラメータσ,ρに加えて、各睡眠段階の重みw_y(w_wake、w_light、w_deep、w_rem)を超パラメータとして、下記の如く、式(3)に導入する。
q(y|X:θy)=Σθy,n・φn(X)・w_y …(3a)
しかる後、既に説明された超パラメータσ,ρの決定のための学習処理((7)睡眠状態関数についての学習処理中の(i)〜(iii)の反復実行)と同様の処理が、適切な超パラメータの組が探索されるまで実行されてよい。
図4を参照して、上記に説明された本発明の本実施形態の装置の1回の睡眠状態の計測に於ける処理作動の流れは、下記の通りとなる。なお、装置の使用に先立って、式(2)の睡眠状態関数による出現確率p(y/X)の算出に必要な係数パラメータΘyは、上記の学習処理の要領にて予め教師用データを用いて算出され、その算出された係数パラメータΘyが演算部のメモリに記憶される。
Claims (15)
- 睡眠状態推定装置であって、
被検者の呼吸運動状態を表す呼吸運動指標値を時系列に計測する呼吸運動計測手段と、
前記呼吸運動状態の計測と伴に前記被検者の体動状態を表す体動指標値を時系列に計測する体動計測手段と、
前記計測された呼吸運動指標値の時系列データから呼吸運動特徴量を抽出する呼吸運動特徴量抽出手段と、
前記計測された体動指標値の時系列データから体動特徴量を抽出する体動特徴量抽出手段と、
前記呼吸運動特徴量と前記体動特徴量とが変数として入力された睡眠状態関数により算出される睡眠状態値に基づいて、前記被検者の睡眠状態が、覚醒段階を含む睡眠状態に於ける複数の睡眠段階のうちのいずれに属するかを判定する睡眠段階判定手段と
から構成され、
前記睡眠状態関数が、校正用の睡眠状態の計測による睡眠段階の判定結果と、これと伴に計測された呼吸運動指標値及び体動指標値からそれぞれ抽出された呼吸運動特徴量及び体動特徴量とから構成されるデータ群を教師データとして用いた学習処理によって調製された関数であり、
前記呼吸運動特徴量が前記呼吸運動指標値の時系列の計測データに於けるエポック毎の平均呼吸数、呼吸変動係数、振幅振動係数及び自己相関ピーク比を含む組であり、前記体動特徴量が前記体動指標値の時系列の計測データに於けるエポック毎の加速度差分ノルムの最大値を含む装置。 - 請求項1の装置であって、前記呼吸運動計測手段が、前記被検者の胸部又は腹部に装着又は接触された圧力センサを含み、前記呼吸運動指標値が前記圧力センサによって計測される前記被検者の呼吸運動に伴う体表面の変位によって変化する圧力値であり、前記体動計測手段が前記被検者の身体に装着又は接触された加速度センサを含み、前記体動指標値が前記加速度センサによって計測される前記被検者の体動に伴って変化する加速度値である装置。
- 請求項1又は2の装置であって、前記被検者の身体に装着可能であり、携帯可能な筐体に収納されている装置。
- 請求項1乃至3のいずれかの装置であって、前記呼吸運動特徴量が前記呼吸運動指標値の時系列の計測データに於けるエポック毎に得られた特徴量の値に於いて、前記特徴量の値の1回の睡眠状態推定の実行に於ける中央値を差し引いて得られた値であり、前記体動特徴量が前記体動指標値の時系列の計測データに於けるエポック毎に得られた特徴量の値に於いて、前記特徴量の値の1回の睡眠状態推定の実行に於ける中央値を差し引いて得られた値である装置。
- 請求項2の装置であって、前記圧力センサによって計測された時系列の圧力値データから前記被検者の呼吸運動に伴う体表面の変位に伴う圧力変化の成分の時系列のデータを抽出する手段を含み、前記呼吸運動特徴量抽出手段が、前記抽出された圧力変化の成分の時系列のデータから前記呼吸運動特徴量を抽出する装置。
- 請求項1乃至5のいずれかの装置であって、前記呼吸運動特徴量抽出手段及び前記体動特徴量抽出手段がそれぞれ前記呼吸運動特徴量と前記体動特徴量とをエポック毎に抽出し、前記睡眠段階判定手段が、エポック毎に前記被検者の睡眠段階を判定し、更に、前記エポック毎に判定された時系列の睡眠段階に対してメディアンフィルタ処理をして得られた睡眠段階を各エポックの睡眠段階として決定する装置。
- 請求項1乃至6のいずれかの装置であって、前記睡眠状態関数により算出される睡眠状態値が前記複数の睡眠段階の各々について算出される睡眠状態値であって、前記呼吸運動特徴量と前記体動特徴量とが得られた状態に於いて前記被検者の睡眠状態が各々の睡眠段階に属している確率を表す睡眠段階出現確率であり、前記睡眠段階判定手段が、前記複数の睡眠段階のうち、前記呼吸運動特徴量と前記体動特徴量とから決定される前記睡眠段階出現確率の最も高い段階を前記被検者の睡眠状態として判定する装置。
- 請求項7の装置であって、前記睡眠状態関数が、前記教師用データを用いて最小二乗確率的分類器の理論に従って調製される装置。
- 請求項7又は8の装置であって、前記睡眠段階判定手段が、前記睡眠段階出現確率の最も高い睡眠段階の前記睡眠段階出現確率が所定値を超えないときには、前記被検者の睡眠状態が不明と判定する装置。
- 請求項7又は8の装置であって、前記睡眠段階判定手段が、前記複数の睡眠段階のうちのノンレム睡眠の段階の睡眠段階出現確率の合計値に基づいて、前記被検者の入眠時刻を推定する装置。
- 請求項1乃至10のいずれかの装置であって、前記睡眠段階判定手段が、前記複数の睡眠段階のうち、睡眠経過時間の長さに応じて出現しやすい睡眠段階に前記被検者の睡眠状態が属しているとの判定を出力し易くなっている装置。
- 請求項7乃至10のいずれかの装置であって、前記睡眠段階判定手段が、睡眠経過時間の長さに応じた前記複数の睡眠段階の各々の出現しやすさに対応して前記複数の睡眠段階の各々の睡眠段階出現確率に重みを乗算し、前記重みが乗算された睡眠段階出現確率の最も高い段階を前記被検者の睡眠状態として判定する装置。
- 請求項1乃至12のいずれかの装置であって、前記睡眠段階判定手段が、前記複数の睡眠段階のうち、前記被検者の年齢に応じて出現しやすい睡眠段階に前記被検者の睡眠状態が属しているとの判定が為され易くなっている装置。
- 請求項7乃至10及び請求項12のいずれかの装置であって、前記睡眠段階判定手段が、前記被検者の年齢に応じた前記複数の睡眠段階の各々の出現しやすさに対応して前記複数の睡眠段階の各々の睡眠段階出現確率に重みを乗算し、前記重みが乗算された睡眠段階出現確率の最も高い段階を前記被検者の睡眠状態として判定する装置。
- 請求項1乃至14のいずれかの睡眠状態推定装置であって、前記校正用の睡眠状態の計測による睡眠段階の判定がPSGによる判定である装置。
Priority Applications (4)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2016059972A JP6439729B2 (ja) | 2016-03-24 | 2016-03-24 | 睡眠状態推定装置 |
DE102017204628.7A DE102017204628B4 (de) | 2016-03-24 | 2017-03-20 | Schlafzustandsvorhersagevorrichtung |
US15/464,738 US10813583B2 (en) | 2016-03-24 | 2017-03-21 | Sleep state prediction device |
CN201710176863.8A CN107440680B (zh) | 2016-03-24 | 2017-03-23 | 睡眠状态推定装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2016059972A JP6439729B2 (ja) | 2016-03-24 | 2016-03-24 | 睡眠状態推定装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
JP2017169884A JP2017169884A (ja) | 2017-09-28 |
JP6439729B2 true JP6439729B2 (ja) | 2018-12-19 |
Family
ID=59897290
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2016059972A Active JP6439729B2 (ja) | 2016-03-24 | 2016-03-24 | 睡眠状態推定装置 |
Country Status (4)
Country | Link |
---|---|
US (1) | US10813583B2 (ja) |
JP (1) | JP6439729B2 (ja) |
CN (1) | CN107440680B (ja) |
DE (1) | DE102017204628B4 (ja) |
Families Citing this family (25)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2018072968A (ja) * | 2016-10-26 | 2018-05-10 | セイコーエプソン株式会社 | データ処理装置およびデータ処理方法 |
CN109927731B (zh) * | 2017-12-15 | 2020-09-18 | 蔚来(安徽)控股有限公司 | 驾驶员放手检测方法、装置、控制器及存储介质 |
JP6878324B2 (ja) * | 2018-01-31 | 2021-05-26 | 日立Astemo株式会社 | 車載ネットワークシステム、電子制御装置 |
WO2019168474A1 (en) * | 2018-03-02 | 2019-09-06 | Nitto Denko Corporation | Method, computing device and wearable device for sleep stage detection |
JP6829841B2 (ja) | 2018-04-26 | 2021-02-17 | ミネベアミツミ株式会社 | 生体状態モニタリングシステム |
CN108882083B (zh) * | 2018-05-22 | 2019-10-18 | Oppo广东移动通信有限公司 | 信号处理方法及相关产品 |
JP7030639B2 (ja) * | 2018-07-25 | 2022-03-07 | パナソニック インテレクチュアル プロパティ コーポレーション オブ アメリカ | 情報処理装置、情報処理方法及び情報処理プログラム |
JP7224817B2 (ja) * | 2018-09-06 | 2023-02-20 | キヤノンメディカルシステムズ株式会社 | 信号データ処理装置 |
JP7067389B2 (ja) * | 2018-09-24 | 2022-05-16 | トヨタ自動車株式会社 | 生体状態推定装置 |
EP3628213A1 (en) * | 2018-09-25 | 2020-04-01 | Koninklijke Philips N.V. | Deriving information about a person's sleep and wake states from a sequence of video frames |
CN109528214A (zh) * | 2018-11-07 | 2019-03-29 | 深圳市新元素医疗技术开发有限公司 | 一种多功能腕式血氧仪 |
CN113677260B (zh) * | 2019-03-28 | 2024-01-26 | 旭日有限公司 | 包括感测单元和数据处理设备的用于识别睡眠障碍的系统 |
CN110051329A (zh) * | 2019-04-26 | 2019-07-26 | 广东工业大学 | 一种睡眠监测方法、装置、系统及可读存储介质 |
EP3995077B1 (en) * | 2019-07-05 | 2024-09-04 | The University of Tokyo | Sleep-wakefulness determination device and program |
JP7301681B2 (ja) * | 2019-09-05 | 2023-07-03 | 住友理工株式会社 | 睡眠状態推定方法および睡眠状態推定装置 |
JP7419719B2 (ja) * | 2019-09-24 | 2024-01-23 | カシオ計算機株式会社 | 睡眠ステージ推定装置、睡眠ステージ推定方法及びプログラム |
JP7343168B2 (ja) * | 2019-12-05 | 2023-09-12 | 株式会社Agama-X | 情報処理装置、プログラム、及び、方法 |
US20220054039A1 (en) * | 2020-08-20 | 2022-02-24 | Samsung Electronics Co., Ltd. | Breathing measurement and management using an electronic device |
CN111956197B (zh) * | 2020-09-18 | 2022-12-30 | 深圳市爱都科技有限公司 | 睡眠状态检测方法和装置、电子设备及存储介质 |
US11992671B2 (en) | 2020-10-01 | 2024-05-28 | Sunrise Sa | Wearable device for decreasing the respiratory effort of a sleeping subject |
CN112716449B (zh) * | 2020-12-23 | 2024-09-03 | 西安皑鸥软件科技有限公司 | 一种基于移动设备监测人体睡眠状态方法及系统 |
US20220386944A1 (en) * | 2021-06-04 | 2022-12-08 | Apple Inc. | Sleep staging using machine learning |
CN114543318A (zh) * | 2022-01-29 | 2022-05-27 | 青岛海尔空调器有限总公司 | 用于监测睡眠的方法及装置、空调器、存储介质 |
CN114732361B (zh) * | 2022-04-07 | 2023-01-10 | 华南师范大学 | 基于生理信号的睡眠分期预测方法、设备以及存储介质 |
JP2024106637A (ja) * | 2023-01-27 | 2024-08-08 | オムロンヘルスケア株式会社 | 測定装置、制御方法、及び制御プログラム |
Family Cites Families (22)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH08160172A (ja) * | 1994-11-30 | 1996-06-21 | Seikosha Co Ltd | アラーム時計 |
JP3788126B2 (ja) * | 1999-08-26 | 2006-06-21 | 松下電工株式会社 | 睡眠状態判定装置 |
US7226422B2 (en) * | 2002-10-09 | 2007-06-05 | Cardiac Pacemakers, Inc. | Detection of congestion from monitoring patient response to a recumbent position |
JP2004254827A (ja) * | 2003-02-25 | 2004-09-16 | Matsushita Electric Ind Co Ltd | 睡眠状態判定装置 |
JP3733133B2 (ja) | 2003-10-14 | 2006-01-11 | 三洋電機株式会社 | 睡眠状態推定装置 |
US7366572B2 (en) * | 2004-03-16 | 2008-04-29 | Medtronic, Inc. | Controlling therapy based on sleep quality |
JP3976752B2 (ja) | 2004-07-07 | 2007-09-19 | 三洋電機株式会社 | 睡眠状態推定装置及びプログラム |
JP4582642B2 (ja) | 2005-04-01 | 2010-11-17 | 株式会社タニタ | 睡眠段階判定装置 |
WO2006130268A1 (en) * | 2005-06-01 | 2006-12-07 | Medtronic, Inc. | Correlating a non-polysomnographic physiological parameter set with sleep states |
JP5180599B2 (ja) * | 2008-01-25 | 2013-04-10 | 独立行政法人国立高等専門学校機構 | 睡眠状態の判定方法およびシステム |
WO2009150744A1 (ja) | 2008-06-13 | 2009-12-17 | ハートメトリクス株式会社 | 睡眠状態モニタリング装置、モニタリングシステムおよびコンピュータプログラム |
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 |
NZ735906A (en) * | 2009-07-16 | 2019-06-28 | ResMed Pty Ltd | Detection of sleep condition |
US9336486B2 (en) | 2010-12-08 | 2016-05-10 | Nec Solution Innovators, Ltd. | Attribute value estimation device, attribute value estimation method, program, and recording medium |
JP5720295B2 (ja) * | 2011-02-22 | 2015-05-20 | オムロンヘルスケア株式会社 | 睡眠評価装置および睡眠評価装置における表示方法 |
JP5496137B2 (ja) * | 2011-03-28 | 2014-05-21 | 三菱電機株式会社 | 睡眠状態検出装置およびこれを用いた空気調和機、ならびに、睡眠状態検出方法および空気調和機制御方法 |
CA2883656C (en) * | 2012-09-19 | 2021-01-12 | Resmed Sensor Technologies Limited | System and method for determining sleep stage |
CN103263261B (zh) * | 2013-05-02 | 2016-09-07 | 宋军 | 无约束生理参数测量方法推定睡眠指标和睡眠阶段的系统 |
US9655559B2 (en) * | 2014-01-03 | 2017-05-23 | Vital Connect, Inc. | Automated sleep staging using wearable sensors |
JP2016002109A (ja) * | 2014-06-13 | 2016-01-12 | パナソニックIpマネジメント株式会社 | 活動評価装置、評価処理装置、プログラム |
WO2016123619A1 (en) * | 2015-01-30 | 2016-08-04 | New York University | System and method for electrophysiological monitoring |
CN105286823B (zh) | 2015-10-13 | 2018-05-04 | 吉林大学 | 穿戴式自供电多生理参数监测装置及监测方法 |
-
2016
- 2016-03-24 JP JP2016059972A patent/JP6439729B2/ja active Active
-
2017
- 2017-03-20 DE DE102017204628.7A patent/DE102017204628B4/de active Active
- 2017-03-21 US US15/464,738 patent/US10813583B2/en active Active
- 2017-03-23 CN CN201710176863.8A patent/CN107440680B/zh not_active Expired - Fee Related
Also Published As
Publication number | Publication date |
---|---|
US10813583B2 (en) | 2020-10-27 |
DE102017204628B4 (de) | 2023-12-28 |
JP2017169884A (ja) | 2017-09-28 |
DE102017204628A1 (de) | 2017-10-12 |
CN107440680A (zh) | 2017-12-08 |
CN107440680B (zh) | 2020-12-22 |
US20170273617A1 (en) | 2017-09-28 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP6439729B2 (ja) | 睡眠状態推定装置 | |
US7818131B2 (en) | Non-parametric modeling apparatus and method for classification, especially of activity state | |
US8608655B2 (en) | Sleep evaluation device | |
US20150190086A1 (en) | Automated sleep staging using wearable sensors | |
CN110945597A (zh) | 用于预测癫痫发作的方法和系统 | |
US20170188927A1 (en) | Emotion recognition device, emotion recognition method, and storage medium for storing emotion recognition program | |
JP6362521B2 (ja) | 行動分類システム、行動分類装置及び行動分類方法 | |
CN112088408A (zh) | 用于睡眠阶段检测的方法、计算设备和可穿戴设备 | |
Long et al. | A scoping review on monitoring mental health using smart wearable devices | |
Rodríguez-Martín et al. | Posture transition identification on PD patients through a SVM-based technique and a single waist-worn accelerometer | |
Vanitha et al. | Hybrid SVM classification technique to detect mental stress in human beings using ECG signals | |
Napoli et al. | Uncertainty in heart rate complexity metrics caused by R-peak perturbations | |
WO2020122227A1 (ja) | うつ状態を推定する装置、方法及びそのためのプログラム | |
Lim et al. | Deep multiview heartwave authentication | |
Elden et al. | A computer aided diagnosis system for the early detection of neurodegenerative diseases using linear and non-linear analysis | |
Sharan et al. | End-to-end sleep apnea detection using single-lead ECG signal and 1-D residual neural networks | |
WO2023061565A1 (en) | Apparatus, system and method for determining whether a person is asleep | |
JP2015217130A (ja) | 睡眠段階推定装置 | |
Jeon et al. | Real-time sleep apnea diagnosis method using wearable device without external sensors | |
Vermander et al. | Intelligent systems for sitting posture monitoring and anomaly detection: an overview | |
JP5911840B2 (ja) | 診断データ生成装置および診断装置 | |
JP2021040753A (ja) | 熱失神の予兆検知システム、熱失神の予兆検知装置、熱失神の予兆検知方法及びコンピュータプログラム | |
JP2020048622A (ja) | 生体状態推定装置 | |
Akash et al. | Sleep Apnea Detection from Single-Lead ECG A Comprehensive Analysis of Machine Learning and Deep Learning Algorithms | |
JP7521609B2 (ja) | 情報処理装置、特徴量選択方法、教師データ生成方法、推定モデル生成方法、ストレス度の推定方法、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: 20171026 |
|
A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20180822 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20180828 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20180927 |
|
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: 20181023 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20181105 |
|
R151 | Written notification of patent or utility model registration |
Ref document number: 6439729 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R151 |