JP6925057B2 - Sleep stage determination method, sleep stage determination device, and sleep stage determination program - Google Patents
Sleep stage determination method, sleep stage determination device, and sleep stage determination program Download PDFInfo
- Publication number
- JP6925057B2 JP6925057B2 JP2020019990A JP2020019990A JP6925057B2 JP 6925057 B2 JP6925057 B2 JP 6925057B2 JP 2020019990 A JP2020019990 A JP 2020019990A JP 2020019990 A JP2020019990 A JP 2020019990A JP 6925057 B2 JP6925057 B2 JP 6925057B2
- Authority
- JP
- Japan
- Prior art keywords
- data
- sleep stage
- determination
- rem sleep
- rem
- 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、睡眠段階の判定技術に関する。 The present invention relates to a technique for determining a sleep stage.
睡眠段階判定の国際基準であるRechtschaffen & Kales(以下、「R&K法」と略称する)法では、図1に示すように睡眠状態が6段階に分類されている。睡眠の浅い方から順に覚醒段階(「W」と表記)、レム(REM:Rapid Eye Movement)睡眠段階(「R」と表記)、ノンレム睡眠の段階1〜4(「1」、「2」、「3」、「4」で標記)に分類し、ノンレム段階4を最も深い睡眠としている。睡眠段階の推定は、認知症等の医療診断のみならず、介護の現場でも有用である。たとえば、レム睡眠の周期を図ることで、高齢者の行動管理や、睡眠障害等の発現を予測することができる。
According to the Rechtschaffen & Kales (hereinafter abbreviated as "R & K method") method, which is an international standard for determining sleep stages, sleep states are classified into 6 stages as shown in FIG. Awakening stage (denoted as "W"), REM (Rapid Eye Movement) sleep stage (denoted as "R"), non-REM
図1の睡眠段階データは、診断対象者に特殊な器具を装着させ、脳波(EEG:Electroencephalogram)や眼球運動(EOG:Electro-oculogram)等を測定して専門医の経験に基づいて作成されたものである。この睡眠段階データは、主として精神疾患等の医療判定に用いられる精密なデータである。睡眠段階の判定を介護の現場に適用する場合、高齢者や身障者に電極等の器具を一晩中装着させてデータを取ることは非現実的である。また、被介護者の睡眠障害の発現を予測するわけではないので、精密な睡眠分析までは要しないが、睡眠段階はなるべく正確に推定されるのが望ましい。 The sleep stage data in FIG. 1 was created based on the experience of a specialist by having the diagnosed subject wear a special device and measuring electroencephalogram (EEG: Electroencephalogram), eye movement (EOG: Electro-oculogram), etc. Is. This sleep stage data is precise data mainly used for medical determination of mental illness and the like. When applying the determination of the sleep stage to the field of long-term care, it is unrealistic to have elderly people and persons with disabilities wear devices such as electrodes all night to collect data. In addition, since it does not predict the onset of sleep disorders in the care recipient, it does not require precise sleep analysis, but it is desirable to estimate the sleep stage as accurately as possible.
一方、無拘束で身体データを取得して睡眠段階を判定する手法が提案されている(たとえば、非特許文献1参照)。この方法は、圧電フィルム等を適用した無拘束のエアマットレス型センサを用いて、心拍、体動等の身体データを計測し、得られたデータから睡眠段階を推定する。被験者に電極等の器具を装着させないので、被験者にストレスを与えずに身体データを取得することができる。 On the other hand, a method of acquiring physical data without restraint to determine the sleep stage has been proposed (see, for example, Non-Patent Document 1). In this method, physical data such as heartbeat and body movement are measured using an unrestrained air mattress type sensor to which a piezoelectric film or the like is applied, and the sleep stage is estimated from the obtained data. Since the subject is not equipped with an instrument such as an electrode, physical data can be acquired without giving stress to the subject.
図2は、従来の無拘束型の睡眠段階判定方法を示す図である。無拘束型センサで得られた身体情報から心拍数データを取り出して睡眠段階を判定する。心拍数が低いほど睡眠が深く、心拍数が高いほど覚醒に近づくという一般的見地に基づくものである。この従来方法は、心拍数データをFFT(高速フーリエ変換)で周波数領域のデータに変換し、バンドパスフィルタで、パワースペクトルのピーク値の周期の半分から135分までの周期の中周波成分を取り出す。取り出した中周波成分にIFFT(逆フーリエ変換)を施して時間領域の心拍数データに戻した後に、6段階に離散化する。図2に示す方法を「従来手法」と称する。 FIG. 2 is a diagram showing a conventional unrestrained sleep stage determination method. Heart rate data is extracted from the physical information obtained by the unrestrained sensor to determine the sleep stage. It is based on the general view that the lower the heart rate, the deeper the sleep, and the higher the heart rate, the closer to awakening. In this conventional method, heart rate data is converted into frequency domain data by FFT (Fast Fourier Transform), and a bandpass filter is used to extract medium-frequency components with a period from half the period of the peak value of the power spectrum to 135 minutes. .. After performing IFFT (inverse Fourier transform) on the extracted medium frequency component and returning it to the heart rate data in the time domain, it is discretized in 6 steps. The method shown in FIG. 2 is referred to as a "conventional method".
また、心拍数から睡眠段階を推定するために、生体データから適切な周波数成分のデータを取り出すためのフィルタが提案されている(たとえば、特許文献1参照)。 Further, in order to estimate the sleep stage from the heart rate, a filter for extracting appropriate frequency component data from biological data has been proposed (see, for example, Patent Document 1).
図2の従来方法では睡眠の大きなリズム(周期)を把握することができるが、突然の覚醒状態への遷移や、レム睡眠の特徴である心拍の細かい振動を判断することができない。 In the conventional method of FIG. 2, it is possible to grasp a large rhythm (cycle) of sleep, but it is not possible to determine a sudden transition to a wakefulness state or a fine vibration of the heartbeat, which is a characteristic of REM sleep.
また、睡眠の周期(心拍の周期)自体が変動するにもかかわらず、平均的な周期に固定して睡眠段階を推定しているので、実際の睡眠段階からのズレが生じる可能性がある。 In addition, although the sleep cycle (heartbeat cycle) itself fluctuates, the sleep stage is estimated by fixing it to the average cycle, so that there is a possibility that the sleep stage may deviate from the actual sleep stage.
睡眠段階判定を高齢者等の介護の現場に適用する場合には、無拘束で取得したデータからレム睡眠や覚醒状態への遷移をできるだけ正確に判定できることが望ましい。 When applying the sleep stage determination to the field of long-term care for the elderly, it is desirable to be able to determine the transition to REM sleep or wakefulness as accurately as possible from the data acquired without restraint.
そこで、本発明は取得した身体データから、簡便かつより高い精度で睡眠段階を推定することのできる手法と構成を提供することを課題とする。 Therefore, it is an object of the present invention to provide a method and a configuration capable of estimating the sleep stage easily and with higher accuracy from the acquired body data.
上記課題を解決するために、本発明では、睡眠段階に応じてその睡眠段階の推定に最適な身体データを用いて睡眠段階を推定することで、推定精度を向上する。 In order to solve the above problems, the present invention improves the estimation accuracy by estimating the sleep stage using the body data optimal for estimating the sleep stage according to the sleep stage.
本発明の第1の側面では、睡眠段階判定装置は、
被験者の心拍データを取得するデータ取得部と、
前記心拍データからレム睡眠段階を推定する判定部であって、前記心拍データを周波数領域の成分に変換し、前記周波数領域のデータから、レム睡眠に関係のある2.5秒〜150分の周期にわたる範囲の周期成分を抽出して時間領域のデータに変換し、前記時間領域のデータのうち、所定の閾値を超える領域をレム睡眠段階と判定する判定部、とを有する。
In the first aspect of the present invention, the sleep stage determination device is
A data acquisition unit that acquires the subject's heartbeat data,
A determination unit that estimates the REM sleep stage from the heartbeat data, converts the heartbeat data into components in the frequency domain, and from the data in the frequency domain, a cycle of 2.5 seconds to 150 minutes related to REM sleep. It has a determination unit that extracts a periodic component in a range over a range, converts it into data in a time domain, and determines a region exceeding a predetermined threshold value in the data in the time domain as a REM sleep stage.
本発明の第2の側面では、睡眠段階判定装置は、
被験者の体動データを取得するデータ取得部と、
前記体動データの全体平均と標準偏差を算出し、前記標準偏差に所定の係数を乗算した値を前記全体平均に足し合わせた値を閾値として設定し、前記閾値を超える領域を覚醒段階と判定する判定部と、
を有する。
In the second aspect of the present invention, the sleep stage determination device is
A data acquisition unit that acquires the subject's body movement data,
The overall average and standard deviation of the body movement data are calculated, the value obtained by multiplying the standard deviation by a predetermined coefficient is added to the overall average as a threshold value, and the region exceeding the threshold value is determined to be the awakening stage. Judgment unit and
Have.
本発明の第3の側面では、睡眠段階判定装置は、
被験者の呼吸データを取得するデータ取得部と、
前記呼吸データに基づいて、単位時間当たりの呼吸数の平均値と標準偏差を算出し、前記標準偏差を前記平均値で除算した変動係数に所定の係数を乗算した値を閾値として設定し、前記閾値以下の領域をノンレム睡眠段階と判定する判定部と、
を有する。
In the third aspect of the present invention, the sleep stage determination device is
A data acquisition unit that acquires the subject's respiratory data,
Based on the respiratory data, the average value and standard deviation of the respiratory rate per unit time are calculated, and the value obtained by multiplying the coefficient of variation obtained by dividing the standard deviation by the average value by a predetermined coefficient is set as a threshold value. A determination unit that determines the region below the threshold as a non-REM sleep stage,
Have.
本発明の第4の側面では、睡眠段階判定装置は、
被験者の身体データを取得するデータ取得部と、
前記身体データから心拍データと、呼吸データと、体動データをそれぞれ分離し、前記呼吸データを用いたノンレム睡眠段階の判定と、前記心拍データを用いたレム睡眠段階の判定と、前記体動データを用いた覚醒段階の判定を個別または順次に行って睡眠段階を判定する判定部と、
を有する。
In the fourth aspect of the present invention, the sleep stage determination device is
A data acquisition unit that acquires physical data of the subject,
The heartbeat data, the breathing data, and the body movement data are separated from the body data, and the non-REM sleep stage determination using the breathing data, the determination of the REM sleep stage using the heartbeat data, and the body movement data A determination unit that determines the sleep stage by individually or sequentially determining the awakening stage using
Have.
測定した身体データから、簡便かつより高い精度で睡眠段階を推定することができる。また、睡眠の段階ごとに個別の推定が可能になる。 From the measured body data, the sleep stage can be estimated easily and with higher accuracy. In addition, individual estimation is possible for each sleep stage.
図3は、本発明の睡眠段階判定の基本概念を説明する図である。実施形態では、睡眠の段階に応じて、その睡眠段階の推定に最も適した身体データを用いることで推定精度を向上する。具体的には、覚醒段階の推定には体動データを、レム睡眠段階の推定には心拍データを、ノンレム睡眠段階の推定には呼吸データを用いて、各睡眠段階を判定する。これは以下の知見に基づく。 FIG. 3 is a diagram illustrating a basic concept of sleep stage determination of the present invention. In the embodiment, the estimation accuracy is improved by using the body data most suitable for estimating the sleep stage according to the sleep stage. Specifically, each sleep stage is determined by using body motion data for estimating the arousal stage, heart rate data for estimating the REM sleep stage, and respiratory data for estimating the non-REM sleep stage. This is based on the following findings.
心拍数は、レム睡眠段階ではノンレム睡眠段階と比べて同等かやや高く、覚醒段階よりも低い。心拍の揺らぎは、レム睡眠段階ではノンレム睡眠段階と比較して極めて大きくなり、覚醒段階と同等かやや大きい。すなわち、レム睡眠では心拍数は覚醒時と同じ程度にまで大きくなり、かつ心拍の変動が最も顕著になる。そこで、レム睡眠段階の判定に、心拍数と心拍の揺らぎを用いる。 Heart rate is equal to or slightly higher in REM sleep than in non-REM sleep, and lower than in wakefulness. The fluctuation of the heartbeat is extremely large in the REM sleep stage as compared with the non-REM sleep stage, and is equal to or slightly larger than that in the arousal stage. That is, in REM sleep, the heart rate increases to the same extent as during awakening, and the fluctuation of the heart rate becomes the most remarkable. Therefore, the heart rate and the fluctuation of the heartbeat are used to determine the REM sleep stage.
体動は、睡眠が深いほど小さく、睡眠が浅いほど大きくかつ頻繁になる。そこで、覚醒段階の判定に体動データを用いる。 Body movements are smaller the deeper the sleep, and larger and more frequent the lighter the sleep. Therefore, body movement data is used to determine the awakening stage.
呼吸は、急速な眼球運動を伴わない深い睡眠(ノンレム睡眠)では安定するため,呼吸の標準偏差(分散)が小さくなる。そこで、呼吸データを用いてノンレム睡眠段階を推定する。 Respiration is stable in deep sleep (non-rem sleep) without rapid eye movements, so the standard deviation (dispersion) of respiration is small. Therefore, the non-REM sleep stage is estimated using respiratory data.
このようなアプローチにより、個々の睡眠段階を個別に推定することもできるし、任意の睡眠段階の推定を組み合わせた総合的な推定も可能になる。また、本発明の測定は拘束型、無拘束型の測定を問わず、脳波情報等を用いるR&K法の推定結果に近づけることができる。 Such an approach allows individual sleep stages to be estimated individually, or comprehensive estimates that combine estimates of any sleep stage. In addition, the measurement of the present invention can approach the estimation result of the R & K method using brain wave information or the like regardless of whether the measurement is a restricted type or an unrestrained type.
図4は、実施形態の睡眠段階判定方法のフローチャートである。まず、生体センサで、被験者の心拍データ、体動データ、及び呼吸データを含む身体データを取得する(S101)。取得した身体データから呼吸データ、心拍データ、及び体動データを分離する(S102)。生体センサの出力には多数の種類の波形データが含まれ、たとえば周波数分離等の手法により各データに分離する。 FIG. 4 is a flowchart of the sleep stage determination method of the embodiment. First, the biosensor acquires body data including heartbeat data, body movement data, and respiration data of the subject (S101). Respiratory data, heart rate data, and body movement data are separated from the acquired body data (S102). The output of the biosensor contains many types of waveform data, which are separated into each data by, for example, a method such as frequency separation.
次に、各睡眠段階を判定する。たとえば、呼吸データに1つ以上の第1閾値を設定し、閾値比較によりノンレム睡眠段階を判定する(S103)。呼吸データに基づくノンレム睡眠の推定の詳細は後述する。また、心拍データに第2閾値を設定し、閾値比較によりレム睡眠段階を判定する(S104)。さらに、体動データに第3閾値を設定し、閾値判定により覚醒段階を判定する(S105)。ステップS103〜S105はこの順で順次実行してもよいし、また、覚醒段階の判定、レム睡眠段階の判定、ノンレム睡眠段階の判定の順に優先して判定結果に反映するのであれば、判定自体は個別に並列または順不同に実施してもよい。例えば、覚醒段階の判定とレム睡眠段階の判定とが競合する場合に、覚醒段階の判定をレム睡眠段階の判定に優先して判定結果に反映するのであれば、判定順を問わず同一の結果を得ることができる。同様に、覚醒段階の判定とノンレム睡眠段階の判定の場合は、覚醒段階の判定をノンレム睡眠段階の判定に優先して反映する。レム睡眠段階の判定とノンレム睡眠段階の判定が競合する場合は、レム睡眠段階の判定をノンレム睡眠段階の判定に優先して反映する。これにより、判定の順序を問わず同一の結果を得ることができる。 Next, each sleep stage is determined. For example, one or more first thresholds are set in the respiratory data, and the non-rem sleep stage is determined by threshold comparison (S103). Details of the estimation of non-REM sleep based on respiratory data will be described later. Further, a second threshold value is set in the heartbeat data, and the REM sleep stage is determined by comparing the threshold values (S104). Further, a third threshold value is set in the body movement data, and the awakening stage is determined by the threshold value determination (S105). Steps S103 to S105 may be sequentially executed in this order, and if the determination of the awakening stage, the determination of the REM sleep stage, and the determination of the non-REM sleep stage are prioritized and reflected in the determination result, the determination itself. May be carried out individually in parallel or in no particular order. For example, when the determination of the awakening stage and the determination of the REM sleep stage conflict with each other, if the determination of the awakening stage is reflected in the determination result in preference to the determination of the REM sleep stage, the same result is obtained regardless of the determination order. Can be obtained. Similarly, in the case of the determination of the awakening stage and the determination of the non-rem sleep stage, the determination of the awakening stage is reflected in preference to the determination of the non-rem sleep stage. When the determination of the REM sleep stage and the determination of the non-REM sleep stage conflict with each other, the determination of the REM sleep stage is reflected in preference to the determination of the non-REM sleep stage. As a result, the same result can be obtained regardless of the order of determination.
判定結果をデータ出力する(S106)。データの出力形式としては、図1のような時系列に記述された全睡眠段階のデータを出力してもよいし、覚醒判定がなされたときに優先的にアラーム等の通知を出力してもよい。また、レム判定がなされたときに、覚醒判定と異なる種類のアラームを発生させてもよい。 The determination result is output as data (S106). As the data output format, the data of all sleep stages described in the time series as shown in FIG. 1 may be output, or the notification such as an alarm may be output preferentially when the awakening judgment is made. good. Further, when the REM determination is made, an alarm of a different type from the awakening determination may be generated.
図5は、ノンレム睡眠段階の判定を説明する図である。実施形態では、呼吸の分散(または標準偏差)を平均値で除算した値を変動係数として用いてノンレム睡眠段階を推定する(変動係数=標準偏差/平均)。まず、生体センサで取得した身体データから、呼吸データを分離する(手順1)。分離した呼吸データから、たとえば5分ごとに、単位時間あたりの呼吸数の標準偏差と平均値を計算して、5分間変動係数を求める。変動係数は平均呼吸数からのズレを示す。標準偏差を平均値で除算することで、被験者間のばらつきを低減する。なお、変動係数を求めるための時間は5分に限定されない。変動係数の算出のために100回程度の呼吸数があればよいので、被験者に応じて4分ごとに変動係数を算出してもよいし、8分ごとに算出してもよい。 FIG. 5 is a diagram illustrating the determination of the non-REM sleep stage. In the embodiment, the non-REM sleep stage is estimated using the value obtained by dividing the variance (or standard deviation) of respiration by the average value as the coefficient of variation (coefficient of variation = standard deviation / average). First, the respiration data is separated from the body data acquired by the biosensor (procedure 1). From the separated respiratory data, for example, every 5 minutes, the standard deviation and the average value of the respiratory rate per unit time are calculated to obtain the coefficient of variation for 5 minutes. The coefficient of variation indicates the deviation from the average respiratory rate. Divide the standard deviation by the mean to reduce variability among subjects. The time for obtaining the coefficient of variation is not limited to 5 minutes. Since it is sufficient to have a respiratory rate of about 100 breaths for calculating the coefficient of variation, the coefficient of variation may be calculated every 4 minutes or every 8 minutes depending on the subject.
次に、変動係数を用いて、ノンレム判定用の第1閾値を少なくともひとつ設定する。図2の例では、ノンレム判定用に、TH1−aとTH1−bの2つの閾値を設定する。TH1−aは、変動係数の全体平均に0.6を乗算した値であり、TH1−bは変動係数の全体平均に0.2を乗算した値である。閾値の設定のために変動係数の全体平均に乗算される係数0.6と0.2は実験的に得られた値であり、正答率を最も高くする値である。 Next, at least one first threshold value for non-REM determination is set using the coefficient of variation. In the example of FIG. 2, two threshold values, TH1-a and TH1-b, are set for non-REM determination. TH1-a is a value obtained by multiplying the overall average of the coefficient of variation by 0.6, and TH1-b is a value obtained by multiplying the overall average of the coefficient of variation by 0.2. The coefficients 0.6 and 0.2, which are multiplied by the overall average of the coefficients of variation to set the threshold, are experimentally obtained values and are the values that maximize the correct answer rate.
5分間変動係数がTH1−aを超える領域をノンレム睡眠段階1(浅い睡眠)と判定し、5分間変動係数がTH1−a以下の領域をノンレム睡眠段階2〜4(深い睡眠)と判定する。TH1−aを超える領域には、ノンレム睡眠段階1の他に、レム睡眠段階と覚醒段階も含まれているが、図5の処理はノンレム睡眠段階の推定を適正に行う処理なので、ノンレム睡眠段階1以上をノンレム1として扱う。
A region having a 5-minute coefficient of variation exceeding TH1-a is determined to be non-REM sleep stage 1 (light sleep), and a region having a 5-minute coefficient of variation of TH1-a or less is determined to be non-REM sleep stages 2-4 (deep sleep). The region beyond TH1-a includes the REM sleep stage and the wakefulness stage in addition to the
2つ目の閾値TH1−bを用いて、ノンレム睡眠段階2とノンレム睡眠段階3以下を区別してもよい。TH1−bを超え、かつTH1−a以下の領域をノンレム睡眠段階2と推定する。TH1−b以下の領域を、ノンレム睡眠段階3または4と推定する。
A second threshold, TH1-b, may be used to distinguish between
この方法により、少なくとも被験者がノンレム睡眠段階1以上の浅い睡眠状態にあるのか、ノンレム睡眠段階2以下の深い睡眠状態にあるのかを、精度よく推定することができる。また、ノンレム判定用の閾値を2以上設定することで、被験者がノンレム睡眠段階2にあるのか、3以下にあるのかを区別することができる。ノンレム睡眠段階3と4はともに深い眠りであり、これら2つを同じ段階として取り扱う分類法もある。したがって、「ノンレム睡眠段階3以下」という推定でも十分であるが、必要に応じて、3つめの閾値、たとえば全体の変動係数に0.1を乗算したTH1−cを設定してノンレム睡眠段階3と4を区別してもよい。
By this method, it is possible to accurately estimate at least whether the subject is in a light sleep state of the
呼吸データを用いた上述の判別法では、ノンレム睡眠段階を精度良く推定することはできるが、ノンレム睡眠段階とレム睡眠段階の区別はされていない。そこで別途心拍データを用いて、レム睡眠段階とノンレム睡眠段階を区別する。レム睡眠段階は、心拍データから個別に判定することもできるが、上述したノンレム睡眠の推定結果を利用して推定する場合は、「ノンレム睡眠段階1以上」という広い枠の中からレム睡眠段階を特定するという意味で「REM補正」と称してもよい。
The above-mentioned discrimination method using respiratory data can accurately estimate the non-REM sleep stage, but does not distinguish between the non-REM sleep stage and the REM sleep stage. Therefore, the heart rate data is used separately to distinguish between the REM sleep stage and the non-REM sleep stage. The REM sleep stage can be individually determined from the heartbeat data, but when estimating using the above-mentioned non-REM sleep estimation result, the REM sleep stage is selected from the broad frame of "
図6は、レム睡眠段階の判定を説明する図である。実施形態では、心拍の揺らぎを利用してレム睡眠段階を推定する。まず、生体センサで取得した身体データから、心拍データを分離する(手順1)。心拍データは90分前後の大きな周期で緩やかに変化するが、大きな周期の中に細かな振動成分が多数含まれている。次に、分離した心拍データにFFTを適用して周波数領域の成分に変換し、バンドバスフィルタで所定の周期成分を抽出した後に、IFFTにより時間領域のデータに戻す(手順2)。 FIG. 6 is a diagram illustrating the determination of the REM sleep stage. In the embodiment, the fluctuation of the heartbeat is used to estimate the REM sleep stage. First, the heartbeat data is separated from the body data acquired by the biosensor (procedure 1). The heartbeat data changes slowly in a large cycle of about 90 minutes, but a large number of fine vibration components are contained in the large cycle. Next, FFT is applied to the separated heartbeat data to convert it into a frequency domain component, a predetermined periodic component is extracted by a bandpass filter, and then the data is returned to the time domain data by IFFT (procedure 2).
実施形態の特徴として、FFTで得られた周波数成分のうち、2.5秒〜135分までの周期成分を抽出する。この抽出法は、特許文献1の従来法や他の一般的な睡眠段階推定で26分から135分の周期成分を抽出する点と異なる。従来法は、睡眠の周期自体に含まれる細かな変動を考慮していない。これに対し、実施形態では、心拍に生じる2.5秒から25分の細かい周期の心拍の変動(揺らぎ)を考慮するため、FFT成分の中から、2.5秒から135分までの周期成分を抽出してIFFTを適用する。これにより、時間領域で、心拍の揺らぎを表わす波を復元する(手順3)。周期成分の抽出は、2.5秒から135分までの周期に限定されない。心拍揺らぎには個人差があるので、被験者に応じて2秒から150分の周期の中で抽出範囲を調整してもよい。25分以下の細かい振動周期の成分から120分以上の長い変化周期の成分までが含まれればよいので、2秒から120分までの周期成分を抽出してもよいし、5秒〜150分までの周期成分を抽出してもよい。
As a feature of the embodiment, from the frequency components obtained by the FFT, a periodic component from 2.5 seconds to 135 minutes is extracted. This extraction method differs from the conventional method of
次に、IFFT後の波形データに対して、5分間の平均を計算し、レム睡眠段階判定用の閾値TH2を設定する(手順4)。ここで設定される閾値TH2は、IFFT後のデータ全体の平均に、標準偏差に0.2を乗じた値を足し算した値である(全体平均+標準偏差×0.2)。係数0.2は実験的に得られた値であり、最も正答率を高くする値である。 Next, the average for 5 minutes is calculated for the waveform data after the IFFT, and the threshold value TH2 for determining the REM sleep stage is set (procedure 4). The threshold value TH2 set here is a value obtained by adding a value obtained by multiplying the standard deviation by 0.2 to the average of the entire data after IFFT (overall average + standard deviation × 0.2). The coefficient 0.2 is a value obtained experimentally and is a value that gives the highest correct answer rate.
閾値TH2を超える区間をレム睡眠段階と判定する(手順5)。太線で示される区間がレム睡眠段階として判定された区間である。図5で取得されたノンレム判定データを下地データとして用いる場合は、ノンレム睡眠段階1と推定された区間の中からレム睡眠段階の区間が特定される。この意味で、図6の手順5で得られる判定結果を「REM補正」後の睡眠段階判定結果と称してもよい。
The section exceeding the threshold value TH2 is determined to be the REM sleep stage (procedure 5). The section indicated by the thick line is the section determined as the REM sleep stage. When the non-REM determination data acquired in FIG. 5 is used as the background data, the section of the REM sleep stage is specified from the sections estimated to be the
図7は、覚醒段階の判定を説明する図である。覚醒段階は体動データに基づいて推定される。まず、生体センサで取得した身体データから、体動データを分離する(手順1)。分離した体動データから、1分ごとの平均値を算出し、閾値TH3を設定する(手順2)。閾値TH3は、一晩の睡眠の全体動データの平均に、標準偏差に0.2を乗算した値を足し算した値である(全体平均+標準偏差×0.2)。平均値の算出区間は1分に限定されず、2分ごと、3分ごと等であってもよい。ただし、覚醒段階では体動の大きさ、頻度ともに増大するので、心拍データや呼吸データの平均化時間よりも短い平均化時間に設定するのが望ましい。 FIG. 7 is a diagram for explaining the determination of the awakening stage. The arousal stage is estimated based on body movement data. First, the body movement data is separated from the body data acquired by the biosensor (procedure 1). From the separated body movement data, the average value for each minute is calculated, and the threshold value TH3 is set (procedure 2). The threshold TH3 is a value obtained by adding a value obtained by multiplying the standard deviation by 0.2 to the average of the overall dynamic data of overnight sleep (overall average + standard deviation × 0.2). The calculation interval of the average value is not limited to 1 minute, and may be every 2 minutes, every 3 minutes, or the like. However, since both the size and frequency of body movements increase during the awakening stage, it is desirable to set the averaging time shorter than the averaging time of heartbeat data and respiratory data.
閾値TH3を超える区間を覚醒段階と判定する(手順3)。黒丸で示される区間が覚醒段階として判定された区間である。図6のレム判定されたデータを下地データとして用いる場合は、ノンレム睡眠段階1と推定された区間の中でレム睡眠段階と推定された区間も含め覚醒段階の区間が特定される。この意味で、図7の手順3で得られる判定結果を「WAKE補正」と称してもよい。図5のノンレム睡眠段階の判定データと、図6のレム判定されたデータの両方を下地データとして用いる場合は、図7の最下段の図のように、睡眠段階を総合的に推定したデータを生成することができる。
The section exceeding the threshold value TH3 is determined to be the awakening stage (procedure 3). The section indicated by the black circle is the section determined as the awakening stage. When the REM-determined data of FIG. 6 is used as the background data, the section of the awakening stage is specified including the section estimated to be the REM sleep stage among the sections estimated to be the
図8は、実施形態のノンレム判定、レム判定、及び覚醒判定の利用態様を説明する図である。図4を参照して説明したように、睡眠段階に応じて最適な身体データを用いた推定を行うので、覚醒判定、レム判定、ノンレム判定の順に判定を優先して判定結果に反映するのであれば、ノンレム睡眠段階の判定、レム睡眠段階の判定、及び覚醒段階の判定は、個別に行ってもよいし、順次行ってもよい。判定順を問わず同一の結果を得ることができる。 FIG. 8 is a diagram illustrating usage modes of the non-REM determination, the REM determination, and the awakening determination of the embodiment. As explained with reference to FIG. 4, since the estimation is performed using the optimum body data according to the sleep stage, the judgment is prioritized in the order of awakening judgment, REM judgment, and non-REM judgment and reflected in the judgment result. For example, the determination of the non-REM sleep stage, the determination of the REM sleep stage, and the determination of the wakefulness stage may be performed individually or sequentially. The same result can be obtained regardless of the judgment order.
図8の例では、まず閾値TH1−aとTH1−bを用いてノンレム睡眠段階を推定する(処理(a))。この推定により、ノンレム睡眠段階1、レム睡眠段階、及び覚醒段階を含む浅い睡眠区間と、ノンレム睡眠段階2〜4の深い睡眠区間とが区別される。例えば、被介護者が夜中に起きて徘徊する可能性がある場合に、TH1−aを超える区間を重点的にチェックすることで、徘徊を未然に防止することができる。また、介護施設等で排泄ケアのタイミングを、より正確に特定することもできる。 In the example of FIG. 8, first, the non-REM sleep stage is estimated using the thresholds TH1-a and TH1-b (process (a)). This estimation distinguishes between light sleep sections including non-REM sleep stages 1, REM sleep stages, and wakefulness stages and deep sleep sections of non-REM sleep stages 2-4. For example, when the care recipient may get up in the middle of the night and wander, it is possible to prevent the wandering by focusing on the section exceeding TH1-a. In addition, the timing of excretion care can be specified more accurately at a long-term care facility or the like.
処理(a)の結果に基づいて、レム睡眠段階をより正確に絞り込んでもよい(処理(b))。実施形態では心拍の揺らぎに基づいてレム睡眠段階を推定しているので、従来例と比較してより正確にレム睡眠段階を推定することができる。 Based on the results of treatment (a), the REM sleep stages may be narrowed down more accurately (treatment (b)). In the embodiment, since the REM sleep stage is estimated based on the fluctuation of the heartbeat, the REM sleep stage can be estimated more accurately as compared with the conventional example.
処理(a)の結果に基づいて、覚醒段階を推定してもよい(処理(c))。さらに、処理(b)の後に処理(c)を実施して、処理(b)と処理(c)で得られたデータを合算して、最終的に処理(d)のデータを生成してもよい。 The arousal stage may be estimated based on the result of the process (a) (process (c)). Further, even if the process (c) is performed after the process (b) and the data obtained in the process (b) and the process (c) are added up to finally generate the data in the process (d). good.
図9は、実施形態の方法によるレム判定の効果を示す図である。グレーのラインはR&K法による精密な睡眠判定結果である。実施形態の狙いは、センサで取得した身体データからの睡眠段階の推定結果をできるだけR&K法による推定結果に近づけることである。比較例として、特許文献1の従来法(図2参照)によるレム判定結果を点線で示す。図中、太線で示す部分が実施例のレム判定による推定結果である。
FIG. 9 is a diagram showing the effect of REM determination by the method of the embodiment. The gray line is a precise sleep judgment result by the R & K method. The aim of the embodiment is to make the estimation result of the sleep stage from the body data acquired by the sensor as close as possible to the estimation result by the R & K method. As a comparative example, the REM determination result by the conventional method (see FIG. 2) of
従来法では、睡眠周期に含まれる細かい変動成分が考慮されていないので、レム睡眠段階が正確に推定されていない。これに対し、実施形態の方法は心拍変化の大きな周期とともに、心拍変化の周期に含まれる細かい周波数変動成分を取り込むので、R&K法によるレム睡眠段階の推定結果に近づけることができる。 In the conventional method, the REM sleep stage is not accurately estimated because the fine fluctuation components included in the sleep cycle are not taken into consideration. On the other hand, in the method of the embodiment, since the fine frequency fluctuation component included in the cycle of the heartbeat change is taken in together with the large cycle of the heartbeat change, it is possible to approach the estimation result of the REM sleep stage by the R & K method.
図10は、実施形態の方法による覚醒判定の効果を示す図である。グレーのラインはR&K法による睡眠判定結果である。比較例として、特許文献1の従来法(図2参照)による覚醒判定結果を点線で示す。図中、太線で示す部分が実施例の覚醒判定(WAKE補正とも称する)による推定結果である。従来法では、主として心拍データを用いて睡眠段階を判定しているので、レム睡眠段階と覚醒段階が明確に区別されていない。これに対し、覚醒判定に体動データを用いる実施形態の方法では、R&K法による判定結果との近似性が高い。
FIG. 10 is a diagram showing the effect of arousal determination by the method of the embodiment. The gray line is the sleep determination result by the R & K method. As a comparative example, the awakening determination result by the conventional method (see FIG. 2) of
図11は、全睡眠段階における実施形態の手法のR&K法に対する一致率を示す図である。このデータは、一人の被験者に対して、R&K法による睡眠段階の推定と、実施形態の方法による睡眠段階推定を行って、その比較結果から得られたものである。図中、点線がR&K法による推定結果、実線が実施形態の手法による推定結果である。太い実線で示す部分は、R&K法との完全一致が得られた区間である。斜め線は、実施形態の推定結果がR&K法による睡眠段階の推定から1段階だけズレた区間である。 FIG. 11 is a diagram showing the concordance rate of the method of the embodiment with respect to the R & K method in all sleep stages. This data was obtained from the results of comparison between the sleep stage estimation by the R & K method and the sleep stage estimation by the method of the embodiment for one subject. In the figure, the dotted line is the estimation result by the R & K method, and the solid line is the estimation result by the method of the embodiment. The part indicated by the thick solid line is the section where the exact agreement with the R & K method was obtained. The diagonal line is a section in which the estimation result of the embodiment deviates from the estimation of the sleep stage by the R & K method by one step.
同一の被験者での比較によると、完全一致は57.8%、レム睡眠段階の推定に着目した一致率は60.9%である。1段階のズレを許容すると、一致率は86.4%になる。 According to a comparison of the same subjects, the exact match was 57.8%, and the match rate focusing on the estimation of the REM sleep stage was 60.9%. If one step of deviation is allowed, the match rate will be 86.4%.
図12は、20代から70代までの男女26人の平均データにおけるR&K法との一致率を示す図である。図9〜11が一人の被験者についての推定データを用いて比較しているのに対し、図12では年齢、性別が広い範囲にわたって異なる複数の被験者の平均推定データを用いている。比較例として、特許文献1の従来法とR&K法との一致率を示している。睡眠段階の推定結果の完全一致率は、従来法で32%であるのに対し、実施形態の方法では42%に向上している。
FIG. 12 is a diagram showing a concordance rate with the R & K method in the average data of 26 men and women in their 20s to 70s. Whereas FIGS. 9 to 11 compare using the estimated data for one subject, FIG. 12 uses the average estimated data of a plurality of subjects having different ages and genders over a wide range. As a comparative example, the agreement rate between the conventional method of
図13は、図12と同じ26人の平均データにおける睡眠段階ごとの一致率を示す。実施形態の特徴として、覚醒段階の一致率が27%も向上している。これは覚醒段階の判定に体動データを用いているためである。また、レム睡眠段階の一致率が6%も向上している。従来からレム睡眠段階の推定は困難とされており、6%の上昇効果は極めて大きい。さらに、ノンレム段階2の一致率も7%向上している。ノンレム段階2の推定精度が向上することによって、たとえば、高齢者の深い睡眠中に排尿ケアを行うことで、睡眠を優先させた適切なケアを行うことができる。
FIG. 13 shows the concordance rate for each sleep stage in the same average data of 26 people as in FIG. As a feature of the embodiment, the concordance rate of the awakening stage is improved by 27%. This is because body movement data is used to determine the arousal stage. In addition, the concordance rate of the REM sleep stage has improved by 6%. It has been difficult to estimate the REM sleep stage, and the effect of increasing 6% is extremely large. Furthermore, the concordance rate of the
図14は、睡眠段階推定装置10の概略構成図である。睡眠段階推定装置10は、プロセッサ11、ユーザインタフェース16、メモリ17、通信インタフェース18、及びドライブ19を有する。ユーザインタフェース16は、キーボード、マウス、タッチパネル等の入力操作部と、モニタディスプレイ、スピーカ等の表示・出力部を含む。メモリ17は、ROM(Read Only Memory)、RAM(Random Access Memory)、ハードディスクドライブ等を含む。通信インタフェース18は、ネットワークを介して他の装置やセンサと通信を行う。ドライブ19は、図示しないリムーバブル記憶媒体が挿入されたときにそれらを駆動する。
FIG. 14 is a schematic configuration diagram of the sleep
プロセッサ11は、データ取得部12と、判定部20と、合成部21を含み、判定部20は、ノンレム判定部13、レム判定部14、及び覚醒判定部15を含む。データ取得部12は、通信インタフェース18を介して外部の生体センサから入力される身体データを取得する。ノンレム判定部13は、データ取得部12で取得された身体データから呼吸データを分離し、所定時間ごとに呼吸数の変動係数を計算する。変動係数は、単位時間当たりの呼吸数の標準偏差を平均値で除算して算出される(変動係数=標準偏差/平均)。さらに、変動係数の全体の平均値に所定の係数(たとえば0.6)を乗算して、ノンレム判定用の第1閾値を設定し、第1閾値以下の領域をノンレム睡眠段階2〜4と推定する。
The
レム判定部14は、データ取得部12で取得された身体データから、心拍データを分離して周波数領域のデータに変換し、25分以下の振動周期から120分以上の周期にわたる周期成分(たとえば2.5秒から135分までの周期成分)を抽出する。抽出した周期成分を時間領域の心拍データに戻して、所定の時間ごとに平均化する。次に、全体の平均値と標準偏差を求め、標準偏差に所定の係数(たとえば0.2)を乗算した値を全体の平均値に足し算して、レム判定用の第2閾値を設定する。第2閾値を超える領域をレム睡眠段階と推定する。
The
覚醒判定部15は、データ取得部12で取得された身体データから、体動データを分離し、所定時間ごと(たとえば1分ごと)に体動を平均化する。次に体動の全体の平均値と標準偏差を求め、標準偏差に所定の係数(たとえば0.2)を乗算した値を全体の平均値に足し算して、覚醒判定用の第3閾値を設定する。第3閾値を超える領域を覚醒段階と推定する。
The
合成部21は、ノンレム判定部13と、レム判定部14と、覚醒判定部15の判定結果を合成して、ひとつの睡眠段階判定データとして出力してもよい。レム判定部14は、ノンレム判定部13の判定結果を下地データとして使用して、レム睡眠段階の判定結果を付加してもよい(REM補正)。覚醒判定部15は、ノンレム判定部13の判定結果、またはノンレム判定部13とレム判定部14の判定結果に、覚醒段階の判定結果を付加してもよい(WAKE補正)。
The
ノンレム判定部13と、レム判定部14と、覚醒判定部15の判定結果は個別にユーザインタフェース16から出力されてもよいし、合成部21で合成された後に出力されてもよい。
The determination results of the
ノンレム判定部13、レム判定部14、覚醒判定部15、及び合成部21の動作をコンピュータプログラムで実現する場合は、メモリ17に格納された睡眠段階判定プログラムをプロセッサ11で実行する。睡眠段階判定プログラムは通信インタフェース18を介してインストールされてもよいし、ドライブ19を介してリムーバブル記憶媒体からインストールされてもよい。この場合、プログラムは、プロセッサに、
被験者の心拍データを取得する手順と、
前記心拍データを周波数領域の成分に変換する手順と、
前記周波数領域のデータから、2.5秒〜150分の周期にわたる範囲の周期成分を抽出して時間領域のデータに変換する手順と、
前記時間領域のデータのうち、所定の閾値を超える領域をレム睡眠段階と判定する手順とを実行させる。
When the operations of the
The procedure for acquiring the subject's heart rate data and
The procedure for converting the heart rate data into components in the frequency domain, and
A procedure for extracting periodic components in the range of 2.5 seconds to 150 minutes from the data in the frequency domain and converting them into data in the time domain.
Of the data in the time domain, a region exceeding a predetermined threshold value is executed as a procedure for determining the REM sleep stage.
あるいは、コンピュータに、
被験者の体動データを取得する手順と、
前記体動データの全体平均と標準偏差を算出する手順と、
前記標準偏差に所定の係数を乗算した値を前記全体平均に足し合わせた値を閾値として設定する手順と、
前記閾値を超える領域を覚醒段階と判定する手順と、
を実行させてもよい。
Or on a computer
The procedure for acquiring the subject's body movement data and
The procedure for calculating the overall average and standard deviation of the body movement data, and
A procedure for setting a value obtained by multiplying the standard deviation by a predetermined coefficient and adding it to the overall average as a threshold value.
The procedure for determining the region exceeding the threshold value as the awakening stage, and
May be executed.
また、コンピュータに、
被験者の呼吸データを取得する手順と、
前記呼吸データに基づいて単位時間当たりの呼吸数の全体平均と標準偏差を算出する手順と、
前記標準偏差に所定の係数を乗算した値を前記全体平均に足し合わせた値を閾値として設定する手順と、
前記閾値以下の領域をノンレム睡眠段階と判定する手順と、
を実行させてもよい。
Also on the computer
The procedure for acquiring the subject's respiratory data and
A procedure for calculating the overall average and standard deviation of the respiratory rate per unit time based on the respiratory data, and
A procedure for setting a value obtained by multiplying the standard deviation by a predetermined coefficient and adding it to the overall average as a threshold value.
The procedure for determining the region below the threshold value as the non-REM sleep stage, and
May be executed.
上述した構成と手法により、測定された身体データから、簡単な手法で、より正確に睡眠段階を推定することができる。 With the above configuration and method, it is possible to more accurately estimate the sleep stage from the measured body data by a simple method.
10 睡眠段階判定装置
11 プロセッサ
12 データ取得部
13 ノンレム判定部
14 レム判定部
15 覚醒判定部
16 ユーザインタフェース
17 メモリ
18 通信インタフェース
19 ドライブ
20 判定部
21 合成部
10 Sleep
Claims (6)
前記呼吸データに基づいて、単位時間当たりの呼吸数の平均値と標準偏差を算出し、前記標準偏差を前記平均値で除算して単位時間ごとに変動係数を求め、前記変動係数の全体平均に所定の係数を乗算した値を閾値として設定し、前記単位時間ごとの変動係数を前記閾値と比較してノンレム睡眠段階1〜4を推定する判定部と、
を有し、
前記判定部は、前記心拍データを用いてレム睡眠段階を判定するときに、前記ノンレム睡眠段階と推定された区間を含めて前記レム睡眠段階を判定することを特徴とする睡眠段階判定装置。 A data acquisition unit that acquires respiratory data , heartbeat data, and body movement data from the subject's physical data,
Based on the respiratory data, the average value and standard deviation of the respiratory rate per unit time are calculated, the standard deviation is divided by the average value to obtain the coefficient of variation for each unit time, and the coefficient of variation is calculated as the overall average of the coefficient of variation. A determination unit that sets a value obtained by multiplying a predetermined coefficient as a threshold value, compares the coefficient of variation for each unit time with the threshold value, and estimates non-REM sleep stages 1 to 4 .
Have a,
The determination unit is a sleep stage determination device, characterized in that, when determining a REM sleep stage using the heartbeat data, the determination unit determines the REM sleep stage including a section estimated to be the non-REM sleep stage.
前記判定部は、前記呼吸データを用いた前記ノンレム睡眠段階の判定と、前記心拍データを用いた前記レム睡眠段階の判定と、前記体動データを用いた覚醒段階の判定を個別または順次に行って睡眠段階を判定することを特徴とする請求項1に記載の睡眠段階判定装置。 The data acquisition unit acquires the body data of the subject measured in unrestrained,
The determination unit includes a determination of the non-REM sleep stages using the respiration data, and the determination of the REM sleep stage using the heartbeat data, performed individually or sequentially determines arousal stage using the body movement data sleep stage determination apparatus according to claim 1, wherein the benzalkonium to determine sleep stages Te.
前記呼吸データに基づいて単位時間当たりの呼吸数の平均値と標準偏差を算出し、
前記標準偏差を前記平均値で除算して単位時間ごとに変動係数を求め、前記変動係数の全体平均に所定の係数を乗算した値を閾値として設定し、
前記単位時間ごとの変動係数を前記閾値と比較してノンレム睡眠段階1〜4を推定し、
前記心拍データを用いてレム睡眠段階を判定するときに、前記ノンレム睡眠段階と推定された区間を含めて前記レム睡眠段階を判定する、
ことを特徴とする睡眠段階判定方法。 Obtain respiratory data , heart rate data, and body movement data from the subject's physical data,
Based on the respiratory data, the average value and standard deviation of the respiratory rate per unit time are calculated.
The standard deviation is divided by the average value to obtain the coefficient of variation for each unit time, and the value obtained by multiplying the overall average of the coefficient of variation by a predetermined coefficient is set as the threshold value.
Non-REM sleep stages 1 to 4 are estimated by comparing the coefficient of variation for each unit time with the threshold value.
Determining the REM sleep stage included when determining the REM sleep stage, the non-REM sleep stages and the estimated interval using the heartbeat data,
A sleep stage determination method characterized by this.
被験者の身体データから呼吸データ、心拍データと、体動データを取得する手順と、
前記呼吸データに基づいて単位時間当たりの呼吸数の平均値と標準偏差を算出する手順と、
前記標準偏差を前記平均値で除算して単位時間ごとに変動係数を求め、前記変動係数の全体平均に所定の係数を乗算した値を閾値として設定する手順と、
前記単位時間ごとの変動係数を前記閾値と比較してノンレム睡眠段階1〜4を推定する手順と、
前記心拍データを用いてレム睡眠段階を判定するときに、前記ノンレム睡眠段階と推定された区間を含めて前記レム睡眠段階を判定する手順と、
を実行させる睡眠段階判定プログラム。
On the computer
Procedures for acquiring respiratory data , heart rate data, and body movement data from the subject's physical data,
A procedure for calculating the average value and standard deviation of the respiratory rate per unit time based on the respiratory data, and
A procedure of dividing the standard deviation by the average value to obtain a coefficient of variation for each unit time, and setting a value obtained by multiplying the overall average of the coefficient of variation by a predetermined coefficient as a threshold value.
A procedure for estimating non-REM sleep stages 1 to 4 by comparing the coefficient of variation for each unit time with the threshold value, and
When determining the REM sleep stage using the heart rate data, the procedure for determining the REM sleep stage including the section presumed to be the non-REM sleep stage, and
Sleep stage determination program to execute.
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2020019990A JP6925057B2 (en) | 2016-03-18 | 2020-02-07 | Sleep stage determination method, sleep stage determination device, and sleep stage determination program |
Applications Claiming Priority (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2016054723A JP6845404B2 (en) | 2016-03-18 | 2016-03-18 | Sleep stage determination method, sleep stage determination device, and sleep stage determination program |
JP2020019990A JP6925057B2 (en) | 2016-03-18 | 2020-02-07 | Sleep stage determination method, sleep stage determination device, and sleep stage determination program |
Related Parent Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2016054723A Division JP6845404B2 (en) | 2016-03-18 | 2016-03-18 | Sleep stage determination method, sleep stage determination device, and sleep stage determination program |
Publications (2)
Publication Number | Publication Date |
---|---|
JP2020073109A JP2020073109A (en) | 2020-05-14 |
JP6925057B2 true JP6925057B2 (en) | 2021-08-25 |
Family
ID=70609817
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2020019990A Active JP6925057B2 (en) | 2016-03-18 | 2020-02-07 | Sleep stage determination method, sleep stage determination device, and sleep stage determination program |
Country Status (1)
Country | Link |
---|---|
JP (1) | JP6925057B2 (en) |
Family Cites Families (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP4551148B2 (en) * | 2004-07-21 | 2010-09-22 | 株式会社ジェピコ | Sleep analyzer |
JP4993980B2 (en) * | 2006-09-15 | 2012-08-08 | Gac株式会社 | Apparatus and method capable of outputting expiration time |
JP5776939B2 (en) * | 2011-10-12 | 2015-09-09 | アイシン精機株式会社 | Sleep state determination device and sleep state determination method |
JP5430034B2 (en) * | 2011-10-14 | 2014-02-26 | 株式会社タニタ | Sleep evaluation processing system and sleep evaluation apparatus |
JP6044151B2 (en) * | 2012-07-24 | 2016-12-14 | ダイキン工業株式会社 | Alarm device |
JP6193649B2 (en) * | 2013-07-04 | 2017-09-06 | パラマウントベッド株式会社 | Sleep evaluation apparatus and sleep evaluation program |
JP6182820B2 (en) * | 2013-08-12 | 2017-08-23 | 株式会社タニタ | Sleep evaluation system, sleep evaluation apparatus, and biological measurement apparatus |
JP6518056B2 (en) * | 2014-11-11 | 2019-05-22 | パラマウントベッド株式会社 | Sleep state determination device, sleep state determination method and program |
-
2020
- 2020-02-07 JP JP2020019990A patent/JP6925057B2/en active Active
Also Published As
Publication number | Publication date |
---|---|
JP2020073109A (en) | 2020-05-14 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Anusha et al. | Electrodermal activity based pre-surgery stress detection using a wrist wearable | |
JP6845404B2 (en) | Sleep stage determination method, sleep stage determination device, and sleep stage determination program | |
Karthikeyan et al. | Detection of human stress using short-term ECG and HRV signals | |
US9655559B2 (en) | Automated sleep staging using wearable sensors | |
Imtiaz et al. | A low computational cost algorithm for REM sleep detection using single channel EEG | |
Leistedt et al. | Characterization of the sleep EEG in acutely depressed men using detrended fluctuation analysis | |
US8280501B2 (en) | Systems and methods for quantitatively characterizing slow wave activities and states in sleep | |
CN106413541B (en) | System and method for diagnosing sleep | |
WO2009150744A1 (en) | Sleeping state monitoring device, monitoring system, and computer program | |
JP2011083393A (en) | Apparatus and method for automatically identifying sleep stage, and computer program for the same | |
JP4993980B2 (en) | Apparatus and method capable of outputting expiration time | |
JP2013052165A (en) | Information processing device, information processing method, and program | |
Morales et al. | Sleep apnea hypopnea syndrome classification in spo 2 signals using wavelet decomposition and phase space reconstruction | |
Espiritu et al. | Automated detection of sleep disorder-related events from polysomnographic data | |
JP6925056B2 (en) | Sleep stage determination method, sleep stage determination device, and sleep stage determination program | |
Haritha et al. | Automating anxiety detection using respiratory signal analysis | |
JP6957011B2 (en) | Sleep stage determination device, sleep stage determination method and program | |
JP6925057B2 (en) | Sleep stage determination method, sleep stage determination device, and sleep stage determination program | |
US10617345B2 (en) | Sleep stage estimating apparatus, biological data estimating apparatus, sleep stage estimating method, and biological data estimating method | |
Marcal et al. | OSAS assessment with entropy analysis of high resolution snoring audio signals | |
Miyata et al. | A short daytime test using correlation dimension for respiratory movement in OSAHS | |
Kok et al. | Assessing the feasibility of acoustic based seizure detection | |
JP4868514B2 (en) | Apparatus and method for outputting result of estimation of biological state | |
JP6932351B2 (en) | Sleep stage determination device, sleep stage determination method and program | |
JP6553397B2 (en) | Sleep feeling determination method and sleep feeling determination apparatus |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20200207 |
|
A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20201225 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20210119 |
|
A601 | Written request for extension of time |
Free format text: JAPANESE INTERMEDIATE CODE: A601 Effective date: 20210319 |
|
A521 | Written amendment |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20210520 |
|
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: 20210713 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20210727 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 6925057 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |