JP6516846B2 - 睡眠監視のデバイス及び方法 - Google Patents

Description

本発明は、包括的には、睡眠監視のデバイス及び方法に関し、特に、睡眠に至る時間（ｔｉｍｅ−ｔｏ−ｓｌｅｅｐ）及び睡眠中の覚醒期間（ｗａｋｅ ｐｅｒｉｏｄｓ ｄｕｒｉｎｇ ｓｌｅｅｐ）を求めるデバイス及び方法と、急速眼球運動（ＲＥＭ）睡眠及びノンＲＥＭ（ＮＲＥＭ）睡眠を判断するデバイス及び方法とに関する。

夜間に良好な睡眠をとることは、日中に最高の力を発揮するとともに、健康な状態及び幸福な状態を維持するための秘訣である。

多くの調査研究が、睡眠問題と、鬱病、心臓病、肥満及び平均余命短縮を含む様々な深刻な健康状態との間に重要な関連があることを示している。数回の夜に睡眠が１時間不足するだけで、遂行能力、学習スキル、気分及び安全に大きな負の影響をもたらす可能性がある。９時間以上睡眠する長時間夜間睡眠者も、冠動脈性心臓病のリスク及び脳卒中のリスクを示す。

このため、睡眠監視の個人用デバイスが望ましい。

睡眠状態を追跡するために、本明細書において参照されるような重要なパラメーターは、睡眠に至る時間、総就床時間（Ｔｏｔａｌ ｔｉｍｅ−ｉｎ−ｂｅｄ）、総睡眠時間（Ｔｏｔａｌ ｓｌｅｅｐ ｔｉｍｅ）、睡眠中の覚醒時間（Ｔｉｍｅ ａｗａｋｅ ｄｕｒｉｎｇ ｓｌｅｅｐ）、睡眠効率（Ｓｌｅｅｐ ｅｆｆｉｃｉｅｎｃｙ）及び睡眠の質（ｓｌｅｅｐ ｑｕａｌｉｔｙ）（アーキテクチャ／ステージ）である。

睡眠に至る時間は、睡眠潜時（Ｓｌｅｅｐ Ｌａｔｅｎｃｙ）又は睡眠開始（Ｓｌｅｅｐ Ｏｎｓｅｔ）とも呼ばれる。著しい断眠のない標準的な人々は、通常、就眠するのに２０分よりも長い時間を要する。睡眠に至る時間は、以下の表１に示すＭＳＬＴ（睡眠潜時反復検査）表を参照することによって断眠とも相関される。ＭＳＬＴは、被検者の眠気と、就眠するのに要する時間からの被検者の睡眠負債の深刻さとを提供する。

総就床時間は、ユーザーが睡眠監視モードに入ったとき及び睡眠監視モードを出たときに、ユーザーが床内で費やした全体の記録時間である。

総睡眠時間は、総就床時間と睡眠中の覚醒時間との差である記録された総睡眠時間である。

睡眠中の覚醒時間は、睡眠中に識別される覚醒状態／不穏状態の期間であり、覚醒回数及びそれらの継続時間の記録である。

睡眠効率は、総就床時間に対する総睡眠時間の比によって求められる。

睡眠の質は、総睡眠時間と、ＲＥＭ睡眠、ＮＲＥＭ睡眠及び睡眠ステージの量と、運動及び覚醒状態の量と、睡眠日誌、すなわち、個人にどれだけの量の睡眠が必要であるかを知るための毎日の睡眠の時間及び翌日の感覚の記録とのうちの１つ以上によって求めることができる。

ＲＥＭは、時に「夢を見る」睡眠とも呼ばれる。ＮＲＥＭは、Ｎ１、Ｎ２及びＮ３と呼ばれる３つのステージを含む。

脳波活動、呼吸、及び心拍等のユーザーの生理学的機能の多くは、ＲＥＭ睡眠中はかなり可変ではあるが、ＮＲＥＭ睡眠では極めて規則的である。

ＲＥＭ睡眠中、脳は、回復され、学習を行うことを可能にする記憶を取り込むこと等が分かっている。心拍数、血圧及び体温は、通常、上昇する。一般に、総睡眠時間の２０％〜２５％がＲＥＭ睡眠である。Ｎ１は、覚醒状態と睡眠との間の過渡期である。Ｎ２は、浅い睡眠期間であり、この期間では、心拍数は低下する。一般に、総睡眠時間の５０％〜５５％がＮ２睡眠である。Ｎ３は、深い睡眠期間であり、肉体を回復し、この期間中、体温及び血圧は、通常、低下する。

睡眠サイクルは、連続したＲＥＭ睡眠ステージ及びＮＲＥＭ睡眠ステージからなる。各サイクルの平均継続時間は、約９０分〜１１０分であり、夜間にわたる標準的な睡眠時間の間に約４サイクル〜６サイクルがある（図１を比較）。

市場には、睡眠効率又は睡眠の質を監視する幾つかのデバイスがある。睡眠ポリグラフィ（ＰＳＧ）が、睡眠障害を診断する睡眠検査の現在のゴールドスタンダードである。ＰＳＧは、心拍変動（ＨＲＶ）、呼吸作用、脳波検査（ＥＥＧ）、筋電図検査（ＥＭＧ）、眼電図（ＥＯＧ）等の多くの異なる生理学的信号を監視することを含み、睡眠検査室において睡眠専門医の監視の下で行う必要がある。ＰＳＧは、睡眠診断の重要なツールであるが、特に、複数の夜間の観察が必要とされるときに、不快でかつ高価な手法である。これらの不便さを緩和する幾つかのウェアラブルデバイスも開発されている。しかしながら、それらのデバイスは、一般に、睡眠の質も睡眠効率も正確に測定することができない。

本発明の実施の形態は、睡眠監視の少なくとも代替のデバイス及び方法を提供する。

本発明の第１の態様によれば、睡眠に至る時間及び睡眠中の覚醒期間を求める方法であって、
ユーザーの動きを表す動きデータを取得するステップと、第１の閾値越え時間（ＴＡＴ）閾値及び第１の比例積分法（ＰＩＭ）閾値に基づいて前記動きデータから前記睡眠に至る時間を検出するステップと、第２のＴＡＴ閾値及び第２のＰＩＭ閾値に基づいて前記動きデータから前記睡眠中の覚醒期間を検出するステップと、を含む、方法が提供される。

本発明の第２の態様によれば、睡眠に至る時間及び睡眠中の覚醒期間を求めるデバイスであって、ユーザーの動きを表す動きデータを取得するセンサーと、第１の閾値越え時間（ＴＡＴ）閾値及び第１の比例積分法（ＰＩＭ）閾値に基づいて前記動きデータから前記睡眠に至る時間を検出し、第２のＴＡＴ閾値及び第２のＰＩＭ閾値に基づいて前記動きデータから前記睡眠中の覚醒期間を検出するプロセッサと、を備える、デバイスが提供される。

本発明の第３の態様によれば、急速眼球運動（ＲＥＭ）睡眠及びノンＲＥＭ（ＮＲＥＭ）睡眠を判断する方法であって、ユーザーの生理学的信号データを取得するステップと、前記生理学的信号データをそれぞれのデータサブセットに分割するステップと、各心拍変動（ＨＲＶ）特徴量の適応閾値に基づいて各データサブセットから抽出された１つ以上のＨＲＶ特徴量に基づいて、各データサブセットにおいてＲＥＭ睡眠及びノンＲＥＭ（ＮＲＥＭ）睡眠を検出するステップと、を含む、方法が提供される。

本発明の第４の態様によれば、急速眼球運動（ＲＥＭ）睡眠及びノンＲＥＭ（ＮＲＥＭ）睡眠を判断するデバイスであって、ユーザーの生理学的信号データを取得するセンサーと、前記生理学的信号データをそれぞれのデータサブセットに分割し、各心拍変動（ＨＲＶ）特徴量の適応閾値に基づいて各データサブセットから抽出された１つ以上のＨＲＶ特徴量に基づいて、各データサブセットにおいてＲＥＭ睡眠及びノンＲＥＭ（ＮＲＥＭ）睡眠を検出するプロセッサと、を備える、デバイスが提供される。

本発明の実施形態は、当業者には、単に例示として、図面と併せて下記の記載からよりよく理解されるとともに容易に明らかになる。

人の通常の睡眠プロファイルを示す図である。 一例示の実施形態によるウェアラブルデバイスの概略ブロック図である。 一例示の実施形態による、取得された睡眠効率、睡眠の質、及び最終睡眠ステージを示すグラフである。 一例示の実施形態による方法を示すフローチャートである。 （ａ）は一例示の実施形態による図４の方法の詳細を示すフローチャートである。（ｂ）は一例示の実施形態による図４の方法の詳細を示すグラフである。 一例示の実施形態による、基準ＰＳＧデバイス対生理学的信号からのＨＲＶ特徴量を用いるアルゴリズムの比較データを示す図である。 例示の実施形態による連続検出を用いた処理を示すグラフである。 例示の実施形態によるオン／オフ検出を用いた処理を示すグラフである。 （ａ）は一例示の実施形態によるＲＥＭ及びＮＲＥＭの検出を示すグラフである。（ｂ）は一例示の実施形態によるＲＥＭ及びＮＲＥＭの検出を示すグラフである。（ｃ）は一例示の実施形態によるＲＥＭ及びＮＲＥＭの検出を示すグラフである。（ｄ）は一例示の実施形態によるＲＥＭ及びＮＲＥＭの検出を示すグラフである。 （ａ）は一例示の実施形態によるＴＡＴ計算を示すグラフである。（ｂ）は一例示の実施形態によるＰＩＭ計算を示すグラフである。 一例示の実施形態による方法を示すフローチャートである。 （ａ）は一例示の実施形態による生の動きデータを示すグラフである。（ｂ）は一例示の実施形態による合成された大きさデータを示すグラフである。（ｃ）は一例示の実施形態によるＴＡＴスコア及びＰＩＭスコアを示すグラフである。 一例示の実施形態による睡眠開始の判断を示すグラフである。 一例示の実施形態による睡眠中の覚醒（ｗａｋｅ−ｄｕｒｉｎｇ−ｓｌｅｅｐ）の判断を示すグラフである。 一例示の実施形態による方法及びデバイスの使用法を示すフローチャートである。 一例示の実施形態による腕時計の形態のウェアラブルデバイスを備えるアセンブリを示す概略図である。 一例示の実施形態によるウェアラブルデバイスを備えるアセンブリを示す概略ブロック図である。 図１５のウェアラブルデバイスの反射モードにおける測定の好ましいＬＥＤ−ＰＤ構成を示す概略図である。 一例示の実施形態による睡眠に至る時間及び睡眠中の覚醒期間を求める方法を示すフローチャートである。 睡眠に至る時間及び睡眠中の覚醒期間を求めるデバイスを示す概略ブロック図である。 急速眼球運動（ＲＥＭ）睡眠及びノンＲＥＭ（ＮＲＥＭ）睡眠を判断する方法を示すフローチャートである。 急速眼球運動（ＲＥＭ）睡眠及びノンＲＥＭ（ＮＲＥＭ）睡眠を判断するデバイスを示す概略ブロック図である。

本発明の実施形態は、睡眠監視するデバイス及び方法を提供し、詳細には、睡眠状態、特に睡眠ステージ（ＲＥＭ、ＮＲＥＭ）、及び／又は睡眠ステート及び覚醒ステートを求めるデバイス及び方法を提供する。

説明される例示の実施形態では、睡眠ステージは、心拍変動（ＨＲＶ）に基づくとともに、睡眠サイクルを求めるデータサブセットの平均から得られる適応閾値を通じて求められる。睡眠ステート及び覚醒ステートは、加速度の大きさと、ＴＡＴ（閾値越え時間（ｔｉｍｅ−ａｂｏｖｅ−ｔｈｒｅｓｈｏｌｄ））閾値及びＰＩＭ（比例積分法）閾値の組み合わせとに基づいて識別される。

有利には、本発明の実施形態は、睡眠ステージを、電力消費効率を用いて正確かつ効果的に測定することができ、このため、ウェアラブルデバイスに消費される電池を削減することができる。

また、説明される例示の実施形態は、有利には、異なる閾値レベルを用いて睡眠中の動きと睡眠前の動きとを更に区別することを通じて入眠潜時（就眠するのに要する時間）の正確な検出を提供する。各レベルにおける厳密なＴＡＴ閾値及びＰＩＭ閾値が適用され、覚醒に関連した動きと、睡眠に関連した動きとが区別される。

１つの実施形態では、動きデータ、例えば、加速度計（ＡＣＣ）センサー又はジャイロスコープによって測定される加速度信号と、生理学的信号データ、例えば、フォトプレチスモグラフィ（ｐｈｏｔｏｐｌｅｔｈｙｓｍｏｇｒａｐｈｙ：光電式容積脈波記録法）（ＰＰＧ）センサーによって測定されるＰＰＧ信号とを用いることによって、睡眠中の覚醒、ＲＥＭ睡眠及びＮＲＥＭ睡眠の３つのステージが同時に計算される。

例示の実施形態は、実験データから取得される厳密なＴＡＴ閾値及びＰＩＭ閾値を用いて、双方の条件が満たされたときの覚醒に関係した動きと、睡眠に関係した動きとを区別する。入眠潜時の正確な検出は、好ましくは、睡眠中の動きと、就眠を試みているときの動きとを更に区別するように設定された高／低閾値レベルの組み合わせ使用を通じて可能になる。有利には、高感度閾値は、就眠を試みているときの動きに敏感であり、低感度閾値は、睡眠中の動きに敏感である。

本明細書は、上記方法の動作を実行する装置も開示し、この装置は、例示の実施形態では、ウェアラブルデバイスの内部及び／又は外部に存在することができる。そのような装置は、所要の目的で特別に構築することもできるし、コンピューターに記憶されたコンピュータープログラムによって選択的にアクティブ化又は再構成される汎用コンピューター又は他のデバイスを含むこともできる。本明細書に提示されるアルゴリズム及び表示は、本来的に、どの特定のコンピューターにも関係付けられていないし、それ以外の装置にも関係付けられていない。様々な汎用マシンを本明細書の教示によるプログラムとともに用いることができる。代替的に、必要とされる方法ステップを実行する、より特殊化された装置を構築することが適切である場合がある。従来の汎用コンピューターの構造は、以下の説明から明らかになる。加えて、本明細書において説明する方法の個々のステップをコンピューターコードによって実施することができることが当業者に明らかであるという点で、本明細書は、コンピュータープログラムも暗に開示している。このコンピュータープログラムは、どの特定のプログラミング言語及びその実施態様にも限定されないことが意図されている。様々なプログラミング言語及びこれをコード化したものを用いて、本明細書に含まれる開示の教示内容を実施することができることが理解されるであろう。さらに、コンピュータープログラムは、どの特定の制御フローにも限定されないことも意図されている。本発明の趣旨又は範囲から逸脱することなく異なる制御フローを用いることができるコンピュータープログラムの他の多くの変形形態が存在する。

さらに、コンピュータープログラムのステップのうちの１つ以上は、逐次的ではなく並列に実行することができる。そのようなコンピュータープログラムは、任意のコンピューター可読媒体に記憶することができる。このコンピューター可読媒体は、磁気ディスク若しくは光ディスク、メモリチップ、又は汎用コンピューターとインターフェースするのに適した他の記憶デバイス等の記憶デバイスを含むことができる。コンピューター可読媒体は、インターネットシステムに例示されるようなハードワイヤード媒体、又はＧＳＭ移動電話システムに例示されるような無線媒体も含むことができる。コンピュータープログラムは、そのような汎用コンピューターにロードされて実行されると、好ましい方法のステップを実施する装置が効果的に得られる。

本発明は、ハードウェアモジュールとしても実施することができる。より詳細に言えば、ハードウェアという意味で、モジュールは、他の構成要素又はモジュールとともに用いられるように設計された機能性ハードウェアユニットである。例えば、モジュールは、ディスクリート電子構成要素を用いて実施することもできるし、特定用途向け集積回路（ＡＳＩＣ）等の完全な電子回路の一部分を形成することもできる。非常に多くの他の可能性が存在する。当業者であれば、このシステムをハードウェアモジュール及びソフトウェアモジュールの組合せとして実施することもできることを理解するであろう。

本明細書において説明されている本発明の説明される実施形態は、ＡＣＣ及び／又はジャイロスコープ等の動きセンサーを用いてユーザーから取得された動き信号と、ＰＰＧセンサー等のセンサーを用いてユーザーから取得された生理学的信号とに基づいて睡眠監視するウェアラブルデバイス及び方法に関する。

１つの実施形態では、このデバイスは、発光ダイオード−光検出器（ＬＥＤ−ＰＤ）配置がＰＰＧ信号を取得することを可能にするほど十分な皮膚面積を有するユーザーの任意のロケーションに装着することができ、３軸ＡＣＣが動き信号を取得することを可能にする。

図２に示す一例示の実施形態によるデバイス２００は、加速度計及びＰＰＧセンサーを有するリストアクティグラフィの形態にある。デバイス２００は、ＰＰＧセンサー２０２によって測定されたＰＰＧ信号から心拍変動（ＨＲＶ）を測定し、ＲＥＭ／ＮＲＥＭ睡眠を検出する。加速度計２０４は、運動を検出し、睡眠時間及び睡眠中の覚醒時間と、入眠潜時（就眠するのに要する時間）と、睡眠効率（総睡眠時間／総就床時間）とを測定する。

一例示の実施形態における全体的な睡眠評価
図３を参照すると、覚醒又は睡眠（曲線３００）の判断、及びＲＥＭ又はＮＲＥＭ（曲線３０２）の判断は、一例示の実施形態では同時に行われ、双方の結果が組み合わされて、覚醒時間、ＲＥＭ睡眠時間及びＮＲＥＭ睡眠時間の最終結果（曲線３０４）が提供される。

一例示の実施形態におけるＲＥＭ睡眠及びＮＲＥＭ睡眠の分類
図４は、一例示の実施形態におけるＲＥＭ睡眠及びＮＲＥＭ睡眠の分類を示すフローチャート４００を示している。周波数領域及び時間領域におけるＨＲＶ特徴量が、オン／オフ動作モードで、３分の継続時間においてＰＰＧ信号から抽出される。より詳細に言えば、低周波数／高周波数（ＬＦ／ＨＦ）比及び平均心拍数（ｍｅａｎＨＲ）のための丸一晩のデータが、それぞれの３分の継続時間においてＰＰＧ信号から抽出される（ステップ４０２）。例えば、ＬＦ範囲は、約０．０４Ｈｚ〜０．１５Ｈｚとすることができ、ＨＦ範囲は、約０．１５Ｈｚ〜０．４Ｈｚとすることができる。当該技術分野において理解されているように、ＬＦ／ＨＦは、ＮＲＥＭ睡眠では、副交感神経調節がより大きくなることに起因して減少し、ＲＥＭ睡眠では、交感神経調節がより大きくなることに起因して増加する。心拍数の変動を表す平均ＨＲは、ＮＲＥＭ睡眠では減少又は安定し、ＲＥＭ睡眠では増加及び変動する。任意選択で、ＬＦ／ＨＦデータ及び平均ＨＲデータの平滑化が行われ（ステップ４０４）、例えば、一夜のデータセット全体についての移動平均平滑化が行われる。

総睡眠データは、各推定された睡眠サイクル継続時間に対応するサブセットに分割され（ステップ４０６）、閾値が設定される（ステップ４０８）。例えば、睡眠サイクルは、１時間と推定される。閾値は、この例示の実施形態では、各サブセット／推定された睡眠サイクルの間の平均に基づいて設定される。

ＲＥＭ睡眠は、ＨＲＶ特徴量が閾値よりも大きいときに判断され、そうでないときはＮＲＥＭ睡眠と判断される（ステップ４１０〜４１２）。丸一晩のデータの初期期間内、例えば、最初の４５分内に含まれるデータについてＲＥＭ睡眠と判断された場合（ステップ４１４）、この判断はＮＲＥＭに変更され（ステップ４１２）、そうでない場合、ＲＥＭの判断は維持される（ステップ４１６）。ＲＥＭ睡眠及びＮＲＥＭ睡眠の判断の組み合わせを用いて、睡眠ステージの最初の結果又は中間結果が生成される（ステップ４１８）。ここで、Ｓ（ｉ）は、この例示の実施形態では、各３分の測定間隔における睡眠ステージ結果を示す。例えば、ＲＥＭステージ結果についてはＳ（ｉ）＝３であり、ＮＲＥＭステージ結果についてはＳ（ｉ）＝２である。

３分の測定間隔の睡眠ステージ結果の最近傍をチェックすることによる平滑化（ステップ４２０）が実行され、最終睡眠ステージ結果（ステップ４２２）の出力の前に誤った状態が除去される。この例示の実施形態における最近傍チェック方法の詳細は、図５ａ）におけるフローチャート５００に示されている。ステップ５０２において、Ｓ（ｉ）は、チェックされる３分の測定間隔の睡眠ステージ結果である。ステップ５０４において、Ｓ（ｉ）がＳ（ｉ−１）と異なるか否かと、Ｓ（ｉ）がＳ（ｉ＋１）と異なるか否かと、Ｓ（ｉ−１）がＳ（ｉ＋１）と同じであるか否かとが判断される。全ての条件が満たされている場合、Ｓ（ｉ）は、Ｓ（ｉ−１）又はＳ（ｉ＋１）と置き換えられる（条件が満たされている場合、Ｓ（ｉ−１）＝Ｓ（ｉ＋１）であることに留意されたい）（ステップ５０６参照）。そうでない場合、Ｓ（ｉ）は維持される。すなわち、Ｓ（ｉ）＝Ｓ（ｉ）である（ステップ５０８参照）。図５ｂ）は、例示の実施形態による誤った睡眠ステージの除去前及び除去後の睡眠ステージ結果を示すグラフ５１０、５１２を示している。

図６は、基準ＰＳＧデバイス（「ＰＳＧ ＲＥＭ％」及び「ＰＳＧ ＮＲＥＭ％」）と、一例示の実施形態による生理学的信号からのＨＲＶ特徴量を用いるアルゴリズム（「アルゴリズムＲＥＭ％」及び「アルゴリズムＮＲＥＭ％」）との比較データを示している。

上述したように、ＨＲＶ特徴量は、一例示の実施形態では、３分のオン／オフ継続時間においてＰＰＧ信号から抽出される。連続的な監視が理想的と考えることができるが、これは電池を消耗する。本発明者らは、予想外にも、オン／オフ継続時間、例えば３分のオン／オフ継続時間における測定が、連続的な監視と比較して同様の結果をもたらすことができることを見出した。図７ａ）及び図７ｂ）はそれぞれ、連続的な監視に基づく結果（すなわち、それぞれ３分の継続時間の１３５個のウィンドウ）、及びオン／オフ継続時間（ここでは、同じ総時間期間にわたるそれぞれ３分の６８個のウィンドウ）に基づく結果を示している。したがって、一例示の実施形態によれば、電力消費は、有利には、ウェアラブルデバイスについて削減することができるとともに、許容可能な精度を維持することができる。

一例示の実施形態による睡眠サイクル結果
睡眠サイクルは、この例示の実施形態では１時間と推定され、実験結果は、ＰＳＧ基準と比較して密接な関係を示している。睡眠サイクルを１時間と推定することによって、計算プロセスは、単純かつ効果的になっている。図８ａ）〜図８ｄ）はそれぞれ、ＰＳＧ基準データを示すグラフ（曲線８００）、一例示の実施形態によるＬＦ／ＨＦ比測定データを示すグラフ（曲線８０２）、この例示の実施形態による平均ＨＲ測定データを示すグラフ（曲線８０４）、及びこの例示の実施形態による睡眠ステージのアルゴリズム出力を示すグラフ（曲線８０６）を示している。図８ｂ）及び図８ｃ）には、各推定された睡眠サイクルサブセットの適応閾値、例えば８０８、８１０も示されている。

一例示の実施形態による睡眠覚醒評価
図９ａ）に示すように、この例示の実施形態におけるＴＡＴ（閾値越え時間）は、加速度振幅が設定閾値（１つの例では、約０．１５Ｇに設定され、異なる実施形態では、約０．１Ｇ〜０．２Ｇの範囲に設定される）を上回った回数をカウントする。すなわち、ＴＡＴは、運動の継続時間及び周波数を反映する。

図９ｂ）に示すように、ＰＩＭ（比例積分法）は、この例示の実施形態では、図９ｂ）に示す式を用いて加速度の大きさ信号を積分し、曲線の下方の面積を計算する。

ＴＡＴ及びＰＩＭの双方を用いることによって、例示の実施形態は、有利には、継続時間、周波数、加速度及び振幅を含む、運動の実質的に全ての重要な因子を反映する。

他方、本発明者らは、予想外にも、既存の技法において用いられることが多いＺＣＭ（ゼロ交差モード）パラメーターが、動きを完全に記述するわけではなく、ジャーキング（ｊｅｒｋ）運動又はトス（ｔｏｓｓ）運動に関係した情報を多く提供しないことを見出した。これは、以下の表２に示されている。

睡眠中の大きな運動（すなわち、トス）は、身体の動きが肉体の回復のために鈍くなっていることに起因して、浅い睡眠及び深い睡眠の間は非常に稀であると仮定される。一方、突然の筋肉のジャーキングは起こり得るが、これらは覚醒に関係していない。

この例示の実施形態では、睡眠中の覚醒を検出する低側感度レベル閾値は、ＴＡＴスコア及びＰＩＭスコアの睡眠中の「スロートス（１ｘ）」の値の９０％に設定される。再度、上記で説明し表２に示した理由から、例示の実施形態はＺＣＭスコアを意図的に用いないことに留意されたい。

非常に小さな運動（すなわち、ジャーキング）の場合、ＴＡＴ及びＰＩＭの値は非常に低い。この例示の実施形態では、閾値は、小さな運動を識別する「ジャーキング（１ｘ）」の値に基づいて高側感度レベルに設定される。小さな運動は、覚醒しているときに行われる運動に関係している可能性はないので、これらの高側感度レベル閾値は、この例示の実施形態では、睡眠に至る時間を識別するのに用いられる。

上述したように、より大きな運動（すなわち、トス）の場合、ＴＡＴ及びＰＩＭの値ははるかに高い。閾値は、この例示の実施形態において睡眠中の不穏状態／覚醒状態により良好に相関するより大きな運動を識別して、本明細書において睡眠中の覚醒期間、又は睡眠中の覚醒とも呼ばれる睡眠中の覚醒状態／不穏状態を識別するために、この低側感度レベルに設定される。

１つの実施形態では、ＴＡＴ及びＰＩＭの高側感度閾値レベルはそれぞれ、１及び１０となるように設定され、ＴＡＴ及びＰＩＭの低側感度閾値レベルはそれぞれ、１００及び６２となるように設定される。再度、睡眠中の覚醒ステータス及び睡眠に至る時間を識別するには、ＴＡＴスコア及びＰＩＭスコアから導出される双方の基準がこの例示の実施形態において満たされ、有利には、結果をより正確にする必要があることに留意されたい。ＺＣＭスコアは、この例示の実施形態では用いられない。

図１０は、一例示の実施形態による睡眠中の覚醒ステータス及び睡眠に至る時間の決定アルゴリズムを示すフローチャート１０００を示している。図１１ａ）〜図１１ｃ）は、一例示の実施形態において取得された生の３軸動きデータを示すグラフ（グラフ１１００）、計算されて合成された大きさ信号を示すグラフ（曲線１１０２）、並びにそれぞれの１分の期間におけるＴＡＴスコア及びＰＩＭスコアを示すグラフ（グラフ１１０４）を示している。

図１０に戻ると、加速度の大きさデータが、全睡眠継続時間の間、手首装着式３軸加速度計から２０サンプル毎秒で収集される（ステップ１００２）。帯域通過フィルタリング（ステップ１００４）の後、３軸加速度の大きさを合成したものがＲＭＳによって計算される（ステップ１００６）。この例示の実施形態における対象となる周波数範囲は、約０．１６Ｈｚ〜２．５Ｈｚにある。加速度の大きさは６０秒ごとに処理され、ＴＡＴアクティグラフスコア及びＰＩＭアクティグラフスコアが導出される（ステップ１００８）。

一例示の実施形態では、６つの睡眠パラメーターを計算することができる。これらの６つのパラメーターは、睡眠に至る時間、覚醒の数、実際の睡眠期間中の総覚醒時間、総睡眠時間、総就床時間、及び睡眠効率である。

睡眠に至る時間（入眠潜時）は、高感度閾値に基づいて識別される（ステップ１０１０及び１０１２）。ＴＡＴスコア及びＰＩＭスコアの双方が高感度閾値よりも低い場合、６０秒ウィンドウが安静期間として分類され、安静期間は、連続した「Ｎ」個のウィンドウ、すなわち、運動がほとんど又は全くないＮ個のウィンドウを満たされなければならない。Ｎは、例示の実施形態では、約５〜２０とすることができ、好ましくは約８〜１５とすることができる。睡眠中の覚醒期間は、ＴＡＴスコア及びＰＩＭスコアが所定の低感度閾値を越えているときに識別される（ステップ１０１０及び１０１４）。ＴＡＴ及びＰＩＭの双方が低感度閾値よりも高い場合、６０秒ウィンドウが睡眠中の覚醒期間として分類される。

図１２は、低感度閾値と、その後、すなわち、就眠後の高感度閾値の適用（参照符号１２０２に示す）とに基づいて求められる、連続したＮ個（この例示の実施形態では分）のウィンドウ１２００を示す一例示の実施形態に従って測定されたＴＡＴスコア及びＰＩＭスコアを示している。水平ライン１２０４、１２０６はそれぞれ、ＴＡＴの低感度閾値及びＰＩＭの低感度閾値を示している。図１３は、一例示の実施形態による延長期間にわたって測定されたＴＡＴスコアを示している。水平ライン１３００、１３０２はそれぞれ、ＴＡＴの高感度閾値及びＰＩＭの高感度閾値を示していることに留意されたい。

睡眠効率は、総睡眠時間／総就床時間を計算することによって求められる。睡眠効率、ＭＳＬＴスコア、睡眠負債及び最適アラーム機能のためのアクショナブルフィードバック（ａｃｔｉｏｎａｂｌｅ ｆｅｅｄｂａｃｋ）を提供することができる。睡眠効率が約８５％よりも高い場合、これは、現在の理解によれば正常とみなすことができる。ＭＳＬＴスコアは、ユーザーの断眠がどの程度深刻なものであるのかを示すのに用いることができる。睡眠負債は、ユーザーが十分な睡眠の時間を得ているか否かを示す。一例示の実施形態では、最適アラーム機能を設定することができ、振動を用いることができる。

一例示の実施形態による使用法フローチャート
図１４は、一例示の実施形態によるデバイス及び方法の使用を示すフローチャート（１４００）を示している。睡眠の質のＨＲＶ特徴量（ｍｅａｎＨＲ及びＬＦ／ＨＦ比）が、丸一晩の生理学的信号センサーデータからリアルタイムで計算される。ステップ１４０２、ステップ１４０４（オン／オフに起因した６分の分解能のステージを得る）及びステップ１４０６（６分の分解能の睡眠ステージを１分の分解能の睡眠ステージに変換する）に示す睡眠ステージ（ＲＥＭ／ＮＲＥＭ）のデータ処理は、ユーザーが睡眠モードを終了すると開始する。睡眠効率データ（すなわち、睡眠中の覚醒ステージ／睡眠ステージを求める）が、ステップ１４０８に示す動きセンサーデータからリアルタイムで計算される。ステップ１４１０における１分の分解能のステージを得るデータ処理は、ユーザーが睡眠モードを終了すると開始する。これらの結果は、ステップ１４１４における最終睡眠ステージの結果の出力のために、ステップ１４１２において組み合わされる。

図１５は、一例示の実施形態による、腕時計１５０１の形態のウェアラブルデバイスを備えるアセンブリ１５００を示している。異なる実施形態では、このデバイスは、ユーザーの腕、ウエスト、ヒップ又は足等のユーザーの身体の任意の部分に装着するのに適した他の任意の形態とすることもできることが理解されるであろう。腕時計１５０１は、生理学的測定及び動きデータをユーザーから取得し、データを処理して結果（複数の場合もある）を表示し、結果（複数の場合もある）を、移動電話１５０２若しくは他のポータブル電子デバイス等のアセンブリ１５００の電気通信デバイス、又はデスクトップコンピューター、ラップトップコンピューター、タブレットコンピューター等の計算デバイスに無線で通信する。

図１６は、生理学的測定をユーザーから取得し、それらの生理学的測定におけるアーティファクトを除去する、一例示の実施形態によるウェアラブルデバイス１６０１を備えるアセンブリ１６００の概略ブロック図を示している。デバイス１６０１は、ユーザーの動き情報を取得する加速度計又はジャイロスコープ等の第１の信号検知モジュール１６０２を備える。

このデバイスでの使用に適合することができる好ましい加速度計の１つの非限定的な例は、Ｆｒｅｅｓｃａｌｅ Ｓｅｍｉｃｏｎｄｕｃｔｏｒ， Ｉｎｃ社から入手できる３軸加速度計ＭＭＡ８６５２ＦＣである。この加速度計は、単一のパッケージを用いて３つの全ての方向で加速度を測定するという利点を提供することができる。代替的に、３軸検知を提供するように指向された幾つかの単軸加速度計を異なる実施形態において用いることができる。

デバイス１６０１は、ユーザーの生理学的信号を取得するＬＥＤ−ＰＤモジュール等の第２の検知モジュール１６０３も備える。デバイス１６０１は、信号検知モジュール１６０２からの加速度情報と、測定モジュール１６０３からの生理学的信号とを受信して処理するように構成されたプロセッサ等のデータ処理計算モジュール１６０４も備える。デバイス１６０１は、結果をデバイス１６０１のユーザーに表示するとともにタッチスクリーン技術を介してユーザー入力を受信する表示ユニット１６０６も備える。この実施形態におけるデバイス１６０１は、アセンブリ１６００の電気通信デバイス１６１０と無線で通信するように構成された無線送信モジュール１６０８を更に備える。電気通信デバイス１６１０は、ウェアラブルデバイス１６０１から信号を受信する無線受信機モジュール１６１２と、結果を電気通信デバイス１６１０のユーザーに表示するとともにタッチスクリーン技術を介してユーザー入力を受信する表示ユニット１６１４とを備える。

図１７は、腕時計１７０１の形態のウェアラブルデバイスの反射モードにおける測定用の好ましいＬＥＤ−ＰＤ構成の概略説明図を示している。この測定は、２つのＰＤ１７０２、１７０４に反射して戻されたＬＥＤ１７００による光の量に基づいている。このデバイスにおける使用に適合させることができる好ましいＬＥＤ−ＰＤモジュールの１つの非限定的な例は、１つ又は複数のＰＤ、例えば周辺光センサーＴＥＭＤ５５１０ＦＸ０１とペアにされた１つのＬＥＤ、例えばＯｎｅＷｈｉｔｅ Ｓｕｒｆａｃｅ Ｍｏｕｎｔ ＰＬＣＣ−２ ＬＥＤ Ｉｎｄｉｃａｔｏｒ ＡＳＭＴ−ＵＷＢ１−ＮＸ３０２から構成される。代替的に、ＬＥＤ−ＰＤモジュールは、１つ又は複数のＰＤとペアにされた複数のＬＥＤから構成することができる。

図１８は、一例示の実施形態による睡眠に至る時間及び睡眠中の覚醒期間を求める方法を示すフローチャート１８００を示している。ステップ１８０２において、ユーザーの動きを表す動きデータが取得される。ステップ１８０４において、睡眠に至る時間が、第１の閾値越え時間（ＴＡＴ）閾値及び第１の比例積分法（ＰＩＭ）閾値に基づいて動きデータから検出される。ステップ１８０６において、睡眠中の覚醒期間が、第２のＴＡＴ閾値及び第２のＰＩＭ閾値に基づいて動きデータから検出される。

第１のＴＡＴ閾値及び第２のＴＡＴ閾値は異なる場合がある。第１のＴＡＴ閾値は第２のＴＡＴ閾値よりも低い場合がある。

第１のＰＩＭ閾値及び第２のＰＩＭ閾値は異なる場合がある。第１のＰＩＭ閾値は第２のＰＩＭ閾値よりも低い場合がある。

動きデータから睡眠に至る時間を検出することは、動きデータを時間ウィンドウに分割することと、各時間ウィンドウのＴＡＴスコア及びＰＩＭスコアを求めることと、ＴＡＴスコアが第１のＴＡＴ閾値を下回るとともに、ＰＩＭスコアが第１のＰＩＭ閾値を下回るウィンドウを識別することとを含むことができる。

動きデータから睡眠中の覚醒期間を検出することは、動きデータを時間ウィンドウに分割することと、各時間ウィンドウのＴＡＴスコア及びＰＩＭスコアを求めることと、ＴＡＴスコアが第２のＴＡＴ閾値を越えるとともに、ＰＩＭスコアが第２のＰＩＭ閾値を越えるウィンドウを識別することとを含むことができる。

動きデータは多軸動き信号を含むことができる。本方法は、帯域通過フィルタリング及び二乗平均平方根（ＲＭＳ）計算を用いて多軸動き信号の合成された大きさを計算することを更に含むことができる。

第１のＴＡＴ閾値及び第２のＴＡＴ閾値は、動きデータから導出された大きさが加速度閾値を上回るそれぞれの回数とすることができる。加速度閾値は、０．１Ｇ〜０．２Ｇの範囲、好ましくは約０．１５Ｇとすることができる。

第１のＰＩＭ閾値及び第２のＰＩＭ閾値は、動きデータから導出された大きさの曲線の下方のそれぞれの面積とすることができる。それぞれの面積は、台形公式を用いて推定することができる。

睡眠に至る時間及び睡眠中の覚醒期間を求めることは、動きデータに基づくゼロ交差モード検出に基づいていない場合がある。

図１９は、睡眠に至る時間及び睡眠中の覚醒期間を求めるデバイス１９００を示す概略ブロック図を示している。デバイス１９００は、ユーザーの動きを表す動きデータを取得するセンサー１９０２と、第１の閾値越え時間（ＴＡＴ）閾値及び第１の比例積分法（ＰＩＭ）閾値に基づいて動きデータから睡眠に至る時間を検出し、第２のＴＡＴ閾値及び第２のＰＩＭ閾値に基づいて動きデータから睡眠中の覚醒期間を検出するプロセッサ１９０４とを備える。

第１のＴＡＴ閾値及び第２のＴＡＴ閾値は異なる場合がある。第１のＴＡＴ閾値は第２のＴＡＴ閾値よりも低い場合がある。

第１のＰＩＭ閾値及び第２のＰＩＭ閾値は異なる場合がある。第１のＰＩＭ閾値は第２のＰＩＭ閾値よりも低い場合がある。

動きデータから睡眠に至る時間を検出することは、動きデータを時間ウィンドウに分割することと、各時間ウィンドウのＴＡＴスコア及びＰＩＭスコアを求めることと、ＴＡＴスコアが第１のＴＡＴ閾値を下回るとともに、ＰＩＭスコアが第１のＰＩＭ閾値を下回るウィンドウを識別することとを含むことができる。

動きデータから睡眠中の覚醒期間を検出することは、動きデータを時間ウィンドウに分割することと、各時間ウィンドウのＴＡＴスコア及びＰＩＭスコアを求めることと、ＴＡＴスコアが第２のＴＡＴ閾値を越えるとともに、ＰＩＭスコアが第２のＰＩＭ閾値を越えるウィンドウを識別することとを含むことができる。

動きデータは多軸動き信号を含むことができる。プロセッサは、帯域通過フィルタリング及び二乗平均平方根（ＲＭＳ）計算を用いて多軸動き信号の合成された大きさを計算するように更に構成することができる。

第１のＴＡＴ閾値及び第２のＴＡＴ閾値は、動きデータから導出された大きさが加速度閾値を上回るそれぞれの回数とすることができる。加速度閾値は、０．１Ｇ〜０．２Ｇの範囲、好ましくは約０．１５Ｇとすることができる。

第１のＰＩＭ閾値及び第２のＰＩＭ閾値は、動きデータから導出された大きさの曲線の下方のそれぞれの面積とすることができる。それぞれの面積は、台形公式を用いて推定することができる。

睡眠に至る時間及び睡眠中の覚醒期間を求めることは、動きデータに基づくゼロ交差モード検出に基づいていない場合がある。

図２０は、急速眼球運動（ＲＥＭ）睡眠及びノンＲＥＭ（ＮＲＥＭ）睡眠を判断する方法を示すフローチャート２０００を示している。ステップ２００２において、ユーザーの生理学的信号データが取得される。ステップ２００４において、この生理学的信号データは、それぞれのデータサブセットに分割される。ステップ２００６において、ＲＥＭ睡眠及びノンＲＥＭ（ＮＲＥＭ）睡眠が、各ＨＲＶ特徴量の適応閾値に基づいて各データサブセットから抽出された１つ以上の心拍変動（ＨＲＶ）特徴量に基づいて、各データサブセットにおいて検出される。

ＲＥＭ睡眠及びＮＲＥＭ睡眠を検出することは、データサブセット内のそれぞれの時間ウィンドウにおいてＲＥＭ睡眠を検出することを含むことができる。時間ウィンドウは、生理学的信号データの検出器のオンステージに対応することができ、検出器は、オン／オフ動作モードで動作する。オンステージは約３分とすることができ、検出器は、約５０％のオン／オフ動作モードで動作することができる。

各時間ウィンドウにおいて、ＲＥＭ睡眠及びＮＲＥＭ睡眠は、適応閾値に基づいて検出することができる。

本方法は、検出されたＲＥＭ睡眠が、取得された生理学的信号データの初期時間期間内にある場合、検出されたＲＥＭ睡眠を検出されたＮＲＥＭ睡眠に変更することを更に含むことができる。初期時間期間は、約４５分とすることができる。

本方法は、１つの時間ウィンドウのＲＥＭ睡眠及びＮＲＥＭ睡眠の検出結果を、その最近傍の時間ウィンドウのそれぞれの結果と比較することを更に含むことができる。本方法は、上記１つのウィンドウ内の検出結果が、最近傍の時間ウィンドウのそれぞれの結果と類似している場合には、上記検出結果を維持し、そうでない場合には、上記検出結果を変更することを含むことができる。

ＨＲＶ特徴量は、生理学的信号データから導出される平均心拍数（ｍｅａｎＨＲ）及び低周波数／高周波数（ＬＦ／ＨＦ）比を含むことができる。

第１の適応閾値は、各データサブセットにおける第１のＨＲＶ特徴量の平均とすることができる。第２の適応閾値は、各データサブセットにおける第２のＨＲＶ特徴量の平均とすることができる。第１のＨＲＶ特徴量が第１の適応閾値を上回っているとともに、第２のＨＲＶ特徴量が第２の適応閾値を上回っている場合には、ＲＥＭ睡眠を検出することができ、そうでない場合には、ＮＲＥＭ睡眠を検出することができる。

図２１は、急速眼球運動（ＲＥＭ）睡眠及びノンＲＥＭ（ＮＲＥＭ）睡眠を判断するデバイス２１００を示す概略ブロック図を示している。デバイス２１００は、ユーザーの生理学的信号データを取得するセンサー２１０２と、生理学的信号データをそれぞれのデータサブセットに分割し、各心拍変動（ＨＲＶ）特徴量の適応閾値に基づいて各データサブセットから抽出された１つ以上のＨＲＶ特徴量に基づいて、各データサブセットにおいてＲＥＭ睡眠及びノンＲＥＭ（ＮＲＥＭ）睡眠を検出するプロセッサ２１０４とを備える。

ＲＥＭ睡眠及びＮＲＥＭ睡眠を検出することは、データサブセット内のそれぞれの時間ウィンドウにおいてＲＥＭ睡眠を検出することを含むことができる。時間ウィンドウは、生理学的信号データの検出器のオンステージに対応することができ、検出器は、オン／オフ動作モードで動作する。オンステージは約３分とすることができ、検出器は、約５０％のオン／オフ動作モードで動作することができる。

各時間ウィンドウにおいて、ＲＥＭ睡眠及びＮＲＥＭ睡眠は、適応閾値に基づいて検出することができる。

プロセッサ２１０４は、検出されたＲＥＭ睡眠が、取得された生理学的信号データの初期時間期間内にある場合、検出されたＲＥＭ睡眠を検出されたＮＲＥＭ睡眠に変更するように更に構成することができる。初期時間期間は約４５分とすることができる。

プロセッサ２１０４は、１つの時間ウィンドウのＲＥＭ睡眠及びＮＲＥＭ睡眠の検出結果を、その最近傍の時間ウィンドウのそれぞれの結果と比較するように更に構成することができる。プロセッサ２１０４は、上記１つのウィンドウ内の検出結果が、最近傍の時間ウィンドウのそれぞれの結果と類似している場合には、上記検出結果を維持し、そうでない場合には、上記検出結果を変更するように構成することができる。

ＨＲＶ特徴量は、生理学的信号データから導出される平均心拍数（ｍｅａｎＨＲ）及び低周波数／高周波数（ＬＦ／ＨＦ）比を含むことができる。

第１の適応閾値は、各データサブセットにおける第１のＨＲＶ特徴量の平均とすることができる。第２の適応閾値は、各データサブセットにおける第２のＨＲＶ特徴量の平均とすることができる。第１のＨＲＶ特徴量が第１の適応閾値を上回っているとともに、第２のＨＲＶ特徴量が第２の適応閾値を上回っている場合には、ＲＥＭ睡眠を検出することができ、そうでない場合には、ＮＲＥＭ睡眠を検出することができる。

当業者には、包括的に記載されている本発明の趣旨又は範囲から逸脱することなく、特定の実施形態において示されている本発明に対して数多くの変形及び／又は変更を行うことができることが理解される。したがって、本実施形態は、全ての観点において例示的であり限定的ではないと見なされる。また、本発明は、特徴又は特徴の組合せが特許請求の範囲又は本実施形態に明示的に記載されていなくても、任意の特徴の組合せ、特に、特許請求の範囲における任意の特徴の組合せを含む。

例えば、手首装着式デバイスが幾つかの実施形態で説明されているが、上記デバイスは、ユーザーの腕、ヒップ、ウエスト又は足の任意の部分に装着することができる。

また、現在理解されているような人間の睡眠行動によれば、心拍数及び血圧の低下は、ＮＲＥＭ睡眠中に起こる。ＲＥＭ睡眠では、血圧及び心拍数の全体的な上昇を引き起こす可能性がある心臓血管の活動にはより多くの変動がある。説明された例示の実施形態は、平均ＨＲ及びＬＦ／ＨＦをＨＲＶ特徴量として用いる。しかしながら、異なる実施形態では、異なるＨＲＶ特徴量（例えば、対象期間の心拍数の標準偏差（ＳＤＨＲ）、対象期間の以前の（ＮＮ）と異なるＮＮ間隔＞５０ｍｓの割合（ＰＮＮ５０）、対象期間のＮＮ間隔の遂次差分の二乗平均平方根（ＲＭＳＳＤ）及び血流特徴量（例えば、対象期間の平均脈圧（平均ＰＰ）、対象期間の脈圧の平均標準偏差（ＡＳＤＰＰ））を追加で又は代替的に適用して、性能を改善することができることが理解されるであろう。

Claims (54)

1. 睡眠に至る時間及び睡眠中の覚醒期間を求める方法であって、
   ユーザーの動きを表す動きデータを取得するステップと、
   第１の閾値越え時間（ＴＡＴ）閾値及び第１の比例積分法（ＰＩＭ）閾値に基づいて前記動きデータから前記睡眠に至る時間を検出するステップと、
   第２のＴＡＴ閾値及び第２のＰＩＭ閾値に基づいて前記動きデータから前記睡眠中の覚醒期間を検出するステップと、
   を含む、方法。
2. 前記第１のＴＡＴ閾値及び前記第２のＴＡＴ閾値は異なる、請求項１に記載の方法。
3. 前記第１のＴＡＴ閾値は前記第２のＴＡＴ閾値よりも低い、請求項２に記載の方法。
4. 前記第１のＰＩＭ閾値及び前記第２のＰＩＭ閾値は異なる、請求項１〜３のいずれか１項に記載の方法。
5. 前記第１のＰＩＭ閾値は前記第２のＰＩＭ閾値よりも低い、請求項４に記載の方法。
6. 前記動きデータから前記睡眠に至る時間を検出することは、
   前記動きデータを時間ウィンドウに分割することと、
   各時間ウィンドウのＴＡＴスコア及びＰＩＭスコアを求めることと、
   前記ＴＡＴスコアが前記第１のＴＡＴ閾値を下回るとともに、前記ＰＩＭスコアが前記第１のＰＩＭ閾値を下回る該ウィンドウを識別することと、
   を含む、請求項１〜５のいずれか１項に記載の方法。
7. 前記動きデータから前記睡眠中の覚醒期間を検出することは、
   前記動きデータを時間ウィンドウに分割することと、
   各時間ウィンドウのＴＡＴスコア及びＰＩＭスコアを求めることと、
   前記ＴＡＴスコアが前記第２のＴＡＴ閾値を越えるとともに、前記ＰＩＭスコアが前記第２のＰＩＭ閾値を越える該ウィンドウを識別することと、
   を含む、請求項１〜６のいずれか１項に記載の方法。
8. 前記動きデータは多軸動き信号を含む、請求項１〜７のいずれか１項に記載の方法。
9. 帯域通過フィルタリング及び二乗平均平方根（ＲＭＳ）計算を用いて前記多軸動き信号の合成された大きさを計算することを更に含む、請求項８に記載の方法。
10. 前記第１のＴＡＴ閾値及び前記第２のＴＡＴ閾値は、前記動きデータから導出された大きさが加速度閾値を上回るそれぞれの回数である、請求項１〜９のいずれか１項に記載の方法。
11. 前記加速度閾値は、０．１Ｇ〜０．２Ｇの範囲にある、請求項１０に記載の方法。
12. 前記第１のＰＩＭ閾値及び前記第２のＰＩＭ閾値は、前記動きデータから導出された大きさの曲線の下方のそれぞれの面積である、請求項１〜１１のいずれか１項に記載の方法。
13. 前記それぞれの面積は、台形公式を用いて推定される、請求項１２に記載の方法。
14. 前記睡眠に至る時間及び前記睡眠中の覚醒期間を前記求めることは、前記動きデータに基づくゼロ交差モード検出に基づいていない、請求項１〜１３のいずれか１項に記載の方法。
15. 睡眠に至る時間及び睡眠中の覚醒期間を求めるデバイスであって、
    ユーザーの動きを表す動きデータを取得するセンサーと、
    第１の閾値越え時間（ＴＡＴ）閾値及び第１の比例積分法（ＰＩＭ）閾値に基づいて前記動きデータから前記睡眠に至る時間を検出し、第２のＴＡＴ閾値及び第２のＰＩＭ閾値に基づいて前記動きデータから前記睡眠中の覚醒期間を検出するプロセッサと、
    を備える、デバイス。
16. 前記第１のＴＡＴ閾値及び前記第２のＴＡＴ閾値は異なる、請求項１５に記載のデバイス。
17. 前記第１のＴＡＴ閾値は前記第２のＴＡＴ閾値よりも低い、請求項１６に記載のデバイス。
18. 前記第１のＰＩＭ閾値及び前記第２のＰＩＭ閾値は異なる、請求項１５〜１７のいずれか１項に記載のデバイス。
19. 前記第１のＰＩＭ閾値は前記第２のＰＩＭ閾値よりも低い、請求項１８に記載のデバイス。
20. 前記動きデータから前記睡眠に至る時間を検出することは、
    前記動きデータを時間ウィンドウに分割することと、
    各時間ウィンドウのＴＡＴスコア及びＰＩＭスコアを求めることと、
    前記ＴＡＴスコアが前記第１のＴＡＴ閾値を下回るとともに、前記ＰＩＭスコアが前記第１のＰＩＭ閾値を下回る該ウィンドウを識別することと、
    を含む、請求項１５〜１９のいずれか１項に記載のデバイス。
21. 前記動きデータから前記睡眠中の覚醒期間を検出することは、
    前記動きデータを時間ウィンドウに分割することと、
    各時間ウィンドウのＴＡＴスコア及びＰＩＭスコアを求めることと、
    前記ＴＡＴスコアが前記第２のＴＡＴ閾値を越えるとともに、前記ＰＩＭスコアが前記第２のＰＩＭ閾値を越える該ウィンドウを識別することと、
    を含む、請求項１５〜２０のいずれか１項に記載のデバイス。
22. 前記動きデータは多軸動き信号を含む、請求項１５〜２１のいずれか１項に記載のデバイス。
23. 前記プロセッサは、帯域通過フィルタリング及び二乗平均平方根（ＲＭＳ）計算を用いて前記多軸動き信号の合成された大きさを計算するように更に構成されている、請求項２２に記載のデバイス。
24. 前記第１のＴＡＴ閾値及び前記第２のＴＡＴ閾値は、前記動きデータから導出された大きさが加速度閾値を上回るそれぞれの回数である、請求項１５〜２３のいずれか１項に記載のデバイス。
25. 前記加速度閾値は、０．１Ｇ〜０．２Ｇの範囲にある、請求項２４に記載のデバイス。
26. 前記第１のＰＩＭ閾値及び前記第２のＰＩＭ閾値は、前記動きデータから導出された大きさの曲線の下方のそれぞれの面積である、請求項１５〜２５のいずれか１項に記載のデバイス。
27. 前記それぞれの面積は、台形公式を用いて推定される、請求項２６に記載のデバイス。
28. 前記睡眠に至る時間及び前記睡眠中の覚醒期間を前記求めることは、前記動きデータに基づくゼロ交差モード検出に基づいていない、請求項１５〜２７のいずれか１項に記載のデバイス。
29. 急速眼球運動（ＲＥＭ）睡眠及びノンＲＥＭ（ＮＲＥＭ）睡眠を判断する方法であって、
    ユーザーの生理学的信号データを取得するステップと、
    前記生理学的信号データをそれぞれのデータサブセットに分割するステップと、
    各心拍変動（ＨＲＶ）特徴量の適応閾値に基づいて各データサブセットから抽出された１つ以上のＨＲＶ特徴量に基づいて、各データサブセットにおいてＲＥＭ睡眠及びノンＲＥＭ（ＮＲＥＭ）睡眠を検出するステップと、を含み、
    １以上の該適応閾値が、第１の適応閾値として、少なくとも、平均心拍数（ｍｅａｎＨＲ）の各データサブセットにおける平均を含む、
    方法。
30. ＲＥＭ睡眠及びＮＲＥＭ睡眠を検出することは、前記データサブセット内のそれぞれの時間ウィンドウにおいてＲＥＭ睡眠を検出することを含む、請求項２９に記載の方法。
31. 前記時間ウィンドウは、前記生理学的信号データの検出器のオンステージに対応し、該検出器は、オン／オフ動作モードで動作する、請求項３０に記載の方法。
32. 前記オンステージは約３分であり、前記検出器は、５０％のオン／オフ動作モードで動作する、請求項３１に記載の方法。
33. 各時間ウィンドウにおいて、ＲＥＭ睡眠及びＮＲＥＭ睡眠は、前記適応閾値に基づいて検出される、請求項２９〜３２のいずれか１項に記載の方法。
34. 検出されたＲＥＭ睡眠が、前記取得された生理学的信号データの初期時間期間内にある場合、該検出されたＲＥＭ睡眠を検出されたＮＲＥＭ睡眠に変更することを更に含む、請求項２９〜３３のいずれか１項に記載の方法。
35. 前記初期時間期間は４５分である、請求項３４に記載の方法。
36. １つの時間ウィンドウのＲＥＭ睡眠及びＮＲＥＭ睡眠の検出結果を、その最近傍の時間ウィンドウのそれぞれの結果と比較することを更に含む、請求項２９〜３５のいずれか１項に記載の方法。
37. 前記１つのウィンドウ内の前記検出結果が、前記最近傍の時間ウィンドウの前記それぞれの結果と類似している場合には、該検出結果を維持し、そうでない場合には、該検出結果を変更することを含む、請求項３６に記載の方法。
38. 前記ＨＲＶ特徴量は、前記生理学的信号データから導出される低周波数／高周波数（ＬＦ／ＨＦ）比をさらに含む、請求項２９〜３７のいずれか１項に記載の方法。
39. 第２の適応閾値は、各データサブセットにおける第２のＨＲＶ特徴量の平均である、請求項２９から３８のいずれかに記載の方法。
40. 前記第１のＨＲＶ特徴量が前記第１の適応閾値を上回っているとともに、前記第２のＨＲＶ特徴量が前記第２の適応閾値を上回っている場合には、ＲＥＭ睡眠が検出され、そうでない場合には、ＮＲＥＭ睡眠が検出される、請求項３９に記載の方法。
41. 急速眼球運動（ＲＥＭ）睡眠及びノンＲＥＭ（ＮＲＥＭ）睡眠を判断するデバイスであって、
    ユーザーの生理学的信号データを取得するセンサーと、
    前記生理学的信号データをそれぞれのデータサブセットに分割し、各心拍変動（ＨＲＶ）特徴量の適応閾値に基づいて各データサブセットから抽出された１つ以上のＨＲＶ特徴量に基づいて、各データサブセットにおいてＲＥＭ睡眠及びノンＲＥＭ（ＮＲＥＭ）睡眠を検出するプロセッサと、を備え、
    １以上の該適応閾値が、第１の適応閾値として、少なくとも平均心拍数（ｍｅａｎＨＲ）の各データサブセットにおける平均を含む、
    デバイス。
42. ＲＥＭ睡眠及びＮＲＥＭ睡眠を検出することは、前記データサブセット内のそれぞれの時間ウィンドウにおいてＲＥＭ睡眠を検出することを含む、請求項４１に記載のデバイス。
43. 前記時間ウィンドウは、前記生理学的信号データの検出器のオンステージに対応し、該検出器は、オン／オフ動作モードで動作する、請求項４２に記載のデバイス。
44. 前記オンステージは３分であり、前記検出器は、５０％のオン／オフ動作モードで動作する、請求項４３に記載のデバイス。
45. 各時間ウィンドウにおいて、ＲＥＭ睡眠及びＮＲＥＭ睡眠は、前記適応閾値に基づいて検出される、請求項４１〜４４のいずれか１項に記載のデバイス。
46. 検出されたＲＥＭ睡眠が、前記取得された生理学的信号データの初期時間期間内にある場合、該検出されたＲＥＭ睡眠を検出されたＮＲＥＭ睡眠に変更することを更に含む、請求項４１〜４５のいずれか１項に記載のデバイス。
47. 前記初期時間期間は４５分である、請求項４６に記載のデバイス。
48. 前記プロセッサは、１つの時間ウィンドウのＲＥＭ睡眠及びＮＲＥＭ睡眠の検出結果を、その最近傍の時間ウィンドウのそれぞれの結果と比較するように更に構成されている、請求項４１〜４７のいずれか１項に記載のデバイス。
49. 前記プロセッサは、前記１つのウィンドウ内の前記検出結果が、前記最近傍の時間ウィンドウの前記それぞれの結果と類似している場合には、該検出結果を維持し、そうでない場合には、該検出結果を変更するように構成されている、請求項４８に記載のデバイス。
50. 前記ＨＲＶ特徴量は、前記生理学的信号データから導出される低周波数／高周波数（ＬＦ／ＨＦ）比をさらに含む、請求項４１〜４９のいずれか１項に記載のデバイス。
51. 第２の適応閾値は、各データサブセットにおける第２のＨＲＶ特徴量の平均である、請求項４１〜５０のいずれかに記載のデバイス。
52. 前記第１のＨＲＶ特徴量が第１の適応閾値を上回っているとともに、前記第２のＨＲＶ特徴量が第２の適応閾値を上回っている場合には、ＲＥＭ睡眠が検出され、そうでない場合には、ＮＲＥＭ睡眠が検出される、請求項５１に記載のデバイス。
53. 前記加速度閾値が、０．１５Ｇである、請求項１１に記載の方法。
54. 前記加速度閾値が、０．１５Ｇである、請求項２５に記載のデバイス。