JP6957011B2 - 睡眠段階判定装置、睡眠段階判定方法及びプログラム - Google Patents
睡眠段階判定装置、睡眠段階判定方法及びプログラム Download PDFInfo
- Publication number
- JP6957011B2 JP6957011B2 JP2017173562A JP2017173562A JP6957011B2 JP 6957011 B2 JP6957011 B2 JP 6957011B2 JP 2017173562 A JP2017173562 A JP 2017173562A JP 2017173562 A JP2017173562 A JP 2017173562A JP 6957011 B2 JP6957011 B2 JP 6957011B2
- Authority
- JP
- Japan
- Prior art keywords
- sleep
- rem sleep
- stage
- period
- determined
- 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、レム睡眠状態を判定する睡眠段階判定装置及び睡眠段階判定方法、並びに睡眠段階の判定を実行するプログラムに関する。
医療現場では、睡眠障害などによる睡眠の質の低下を診断するために、被測定者の睡眠段階を測定することが行われている。人間の睡眠段階は、睡眠の深さの観点で６段階に分類したものが知られており、その６つの睡眠段階は、眠りが浅い段階から順に、覚醒、レム睡眠、ノンレム睡眠（ステージ１〜４）と呼ばれている。これらの６段階の睡眠段階の判定は、従来、例えば被計測者の顔や頭部に多数の電極を装着して、その多数の電極から脳波、眼球運動、及び顎筋電を測定し、測定結果の解析により行われていた。
このような顔や頭部に多数の電極を装着した状態での睡眠段階の検査は、通常、医療機関に宿泊して、長時間連続して電極を身体に装着して行う検査であり、日常と異なる状況での睡眠であるため、被測定者（患者）に精神的な負担と肉体的な負担を強いることになる。また、電極を使って取得したデータは、専門知識と経験を持つ医師が解析して判定する必要があり、睡眠状態を簡単に判定できるものではないという問題があった。
これらの問題を解決するために、専門医師による診断を不要とする睡眠段階推定手法が従来から数多く提案されている。
例えば、特許文献１には、遺伝的アルゴリズムによる学習手法を改良したDatabase-based Compact Genetic Algorithmと称される手法で、マットレス型圧力センサの検出データから睡眠段階を推定する技術が記載されている。この特許文献１に記載された技術は、マットレス型圧力センサが検出した被測定者の体動と心拍に基づいて、睡眠段階を推定するものである。このようなマットレス型圧力センサを使って睡眠段階を推定することで、被測定者に負担を強いることなく、被測定者の睡眠状態を推定することができる。
例えば、特許文献１には、遺伝的アルゴリズムによる学習手法を改良したDatabase-based Compact Genetic Algorithmと称される手法で、マットレス型圧力センサの検出データから睡眠段階を推定する技術が記載されている。この特許文献１に記載された技術は、マットレス型圧力センサが検出した被測定者の体動と心拍に基づいて、睡眠段階を推定するものである。このようなマットレス型圧力センサを使って睡眠段階を推定することで、被測定者に負担を強いることなく、被測定者の睡眠状態を推定することができる。
ところで、上述した６段階の睡眠段階を考えた場合に、眠りが浅い段階から順に、覚醒、レム睡眠、４つのノンレム睡眠（ステージ１〜４）が存在するが、これら６つの段階は、検出データを６つの範囲に区切って得るような単純な処理では判定できないという問題がある。
特許文献１に記載されるように、マットレス型圧力センサのような圧力センサを使って睡眠段階を判定することができれば、被測定者に負担を強いることなく睡眠状態の診断が可能になる。しかし、従来から提案されている手法では、レム睡眠などの判定精度が高くなく、結果的に睡眠段階の推定の信頼性がそれほど良くないという問題があった。
特許文献１に記載されるように、マットレス型圧力センサのような圧力センサを使って睡眠段階を判定することができれば、被測定者に負担を強いることなく睡眠状態の診断が可能になる。しかし、従来から提案されている手法では、レム睡眠などの判定精度が高くなく、結果的に睡眠段階の推定の信頼性がそれほど良くないという問題があった。
本発明の目的は、被測定者に負担をかけずに、被測定者の睡眠段階を精度良く判定できるようにすることにある。
上記課題を解決するため、本発明の睡眠段階判定装置は、被測定者の体動及び心拍の成分が含まれるセンサデータを取得し、取得したセンサデータの周波数成分の分析で、周波数ごとの成分を得ると共に、得られた周波数ごとの成分から心拍に相当する周波数の成分を取り出し、心拍の検出データを得るデータ処理部と、第１の判定処理と第２の判定処理を行う睡眠段階判定部とを備える。
第１の判定処理は、データ処理部で得た被測定者の第１の期間毎のセンサデータの標準偏差値が、所定の閾値以上であるとき、覚醒とステージ１のノンレム睡眠のいずれかであると判定し、所定の閾値以上でないとき、レム睡眠とステージ２以下のノンレム睡眠のいずれかであると判定する。
第２の判定処理は、第１の判定処理で、レム睡眠とステージ２以下のノンレム睡眠のいずれかであると判定した場合に、被測定者の第２の期間毎の心拍の検出データの中央値の変動量を示す増加率と、被測定者のセンサデータの第３の期間毎の周波数成分の分析結果に基づいて、レム睡眠と、ステージ２以下のノンレム睡眠とを区別する。
第１の判定処理は、データ処理部で得た被測定者の第１の期間毎のセンサデータの標準偏差値が、所定の閾値以上であるとき、覚醒とステージ１のノンレム睡眠のいずれかであると判定し、所定の閾値以上でないとき、レム睡眠とステージ２以下のノンレム睡眠のいずれかであると判定する。
第２の判定処理は、第１の判定処理で、レム睡眠とステージ２以下のノンレム睡眠のいずれかであると判定した場合に、被測定者の第２の期間毎の心拍の検出データの中央値の変動量を示す増加率と、被測定者のセンサデータの第３の期間毎の周波数成分の分析結果に基づいて、レム睡眠と、ステージ２以下のノンレム睡眠とを区別する。
また、本発明の睡眠段階判定方法は、被測定者の体動及び心拍の成分が含まれるセンサデータを取得し、取得したセンサデータの周波数成分の分析で、周波数ごとの成分を得ると共に、得られた周波数ごとの成分から心拍に相当する周波数の成分を取り出し、心拍の検出データを得る検出処理と、第１の判定処理と、第２の判定処理と、を含む。
第１の判定処理は、検出処理で得た被測定者の第１の期間毎のセンサデータの標準偏差値が、所定の閾値以上であるとき、覚醒とステージ１のノンレム睡眠のいずれかであると判定し、所定の閾値以上でないとき、レム睡眠とステージ２以下のノンレム睡眠のいずれかであると判定する。
第２の判定処理は、第１の判定処理で、レム睡眠とステージ２以下のノンレム睡眠のいずれかであると判定した場合に、被測定者の第２の期間毎の心拍の中央値の変動量を示す増加率と、被測定者のセンサデータの第３の期間毎の周波数成分の分析結果に基づいて、レム睡眠と、ステージ２以下のノンレム睡眠とを区別する。
第１の判定処理は、検出処理で得た被測定者の第１の期間毎のセンサデータの標準偏差値が、所定の閾値以上であるとき、覚醒とステージ１のノンレム睡眠のいずれかであると判定し、所定の閾値以上でないとき、レム睡眠とステージ２以下のノンレム睡眠のいずれかであると判定する。
第２の判定処理は、第１の判定処理で、レム睡眠とステージ２以下のノンレム睡眠のいずれかであると判定した場合に、被測定者の第２の期間毎の心拍の中央値の変動量を示す増加率と、被測定者のセンサデータの第３の期間毎の周波数成分の分析結果に基づいて、レム睡眠と、ステージ２以下のノンレム睡眠とを区別する。
また、本発明のプログラムは、上記睡眠段階判定方法の検出処理と第１の判定処理と第２の判定処理とを実行する手順を、コンピュータに実行させるものである。
本発明によれば、被測定者の睡眠中の体動及び心拍に基づいて、被測定者の睡眠段階を正確に判定できるようになる。
以下、本発明の一実施の形態例（以下、「本例」と称する）について、添付図面を参照して説明する。
［１．睡眠段階判定装置の構成］
図１は、本例の睡眠段階判定装置１０の構成を示すブロック図である。図２は、本例の睡眠段階判定装置１０を使って睡眠段階の判定を行う状態の例を示す図である。
本例の睡眠段階判定装置１０は、被測定者の体動をマットレスセンサ２で圧力データとして取得する。マットレスセンサ２は、例えば図２に示すように、被測定者Ａが睡眠を行うベッド１のマットレスの上に敷いて、被測定者Ａの睡眠中の上半身の体動を圧力の変化として検出する。被測定者Ａの下側になるマットレスの上にマットレスセンサ２を配置するのは一例であり、例えばマットレスの中にマットレスセンサ２を内蔵させてもよい。
図２では、ベッド１の脇に睡眠段階判定装置１０を設置し、マットレスセンサ２と睡眠段階判定装置１０をケーブルで接続した例を示すが、例えばマットレスセンサ２が取得した圧力データを、無線伝送で別の部屋の睡眠段階判定装置１０に伝送するようにしてもよい。
［１．睡眠段階判定装置の構成］
図１は、本例の睡眠段階判定装置１０の構成を示すブロック図である。図２は、本例の睡眠段階判定装置１０を使って睡眠段階の判定を行う状態の例を示す図である。
本例の睡眠段階判定装置１０は、被測定者の体動をマットレスセンサ２で圧力データとして取得する。マットレスセンサ２は、例えば図２に示すように、被測定者Ａが睡眠を行うベッド１のマットレスの上に敷いて、被測定者Ａの睡眠中の上半身の体動を圧力の変化として検出する。被測定者Ａの下側になるマットレスの上にマットレスセンサ２を配置するのは一例であり、例えばマットレスの中にマットレスセンサ２を内蔵させてもよい。
図２では、ベッド１の脇に睡眠段階判定装置１０を設置し、マットレスセンサ２と睡眠段階判定装置１０をケーブルで接続した例を示すが、例えばマットレスセンサ２が取得した圧力データを、無線伝送で別の部屋の睡眠段階判定装置１０に伝送するようにしてもよい。
睡眠段階判定装置１０は、図１に示すように、生体データ取得部１１と、生体データ処理部１２と、睡眠段階判定部１３と、出力部１４とを備える。
生体データ取得部１１は、マットレスセンサ２が出力する圧力データを取得する。生体データ取得部１１が取得した圧力データは、生体データ処理部１２に供給される。生体データ処理部１２は、供給される圧力データの解析処理を行う。具体的には、圧力データをサンプリングしてデジタルデータ化し、そのデジタルデータ化された圧力データの高速フーリエ変換処理（以下、「ＦＦＴ処理」と称する）により、各周波数の成分を取得する。そして、取得したそれぞれの周波数成分の状態から、心拍と呼吸の状態を判別する。すなわち、圧力データをＦＦＴ処理で得た周波数成分の内で、心拍及び呼吸に相当する周波数成分から、心拍数と呼吸数を判別する。
さらに、生体データ処理部１２は、ＦＦＴ処理で得た周波数成分を使って、睡眠段階の解析に必要なデータ処理を行う。
生体データ取得部１１は、マットレスセンサ２が出力する圧力データを取得する。生体データ取得部１１が取得した圧力データは、生体データ処理部１２に供給される。生体データ処理部１２は、供給される圧力データの解析処理を行う。具体的には、圧力データをサンプリングしてデジタルデータ化し、そのデジタルデータ化された圧力データの高速フーリエ変換処理（以下、「ＦＦＴ処理」と称する）により、各周波数の成分を取得する。そして、取得したそれぞれの周波数成分の状態から、心拍と呼吸の状態を判別する。すなわち、圧力データをＦＦＴ処理で得た周波数成分の内で、心拍及び呼吸に相当する周波数成分から、心拍数と呼吸数を判別する。
さらに、生体データ処理部１２は、ＦＦＴ処理で得た周波数成分を使って、睡眠段階の解析に必要なデータ処理を行う。
そして、生体データ処理部１２で解析した結果が睡眠段階判定部１３に供給される。睡眠段階判定部１３は、生体データ処理部１２で解析した結果に基づいて、被測定者Ａの睡眠状態を判定する。睡眠段階判定部１３は、レム睡眠の睡眠状態と、レム睡眠以外の睡眠状態の判定を行う。さらに、睡眠段階判定部１３は、レム睡眠以外の睡眠状態として、覚醒とノンレム睡眠（ステージ１〜４）の５段階の判定を行う。なお、以下の説明では、レム睡眠の睡眠状態と、レム睡眠以外の睡眠状態との判定を行う処理を中心に説明し、レム睡眠以外の睡眠状態を５段階（覚醒及びノンレム睡眠のステージ１〜４）に判定する処理の説明は省略する。なお、ノンレム睡眠の睡眠段階は、睡眠の深さと対応付けて考えられており、ステージ１から４の順に睡眠が深くなることを示す。例えば、ステージ２はステージ１よりも睡眠が深く、「ステージ２以下」と記載した場合には、ステージ２〜４を示す。
出力部１４は、睡眠段階判定部１３が判定した睡眠段階を出力する。出力部１４は、例えば表示装置により構成され、睡眠段階を表示する。あるいは、出力部１４を記録装置として構成して、一晩の睡眠状態を記録するようにしてもよい。
［２．睡眠段階判定装置のハードウェア構成例］
図３は、睡眠段階判定装置１０をコンピュータ装置で構成した場合のハードウェア構成例を示す。
コンピュータ装置Ｃは、バスＣ８に接続されたＣＰＵ（Central Processing Unit：中央処理装置）Ｃ１、ＲＯＭ（Read Only Memory）Ｃ２、及びＲＡＭ（Random Access Memory）Ｃ３を備える。さらに、コンピュータ装置Ｃは、不揮発性ストレージＣ４、ネットワークインターフェイスＣ５、入力装置Ｃ６、及び表示装置Ｃ７を備える。
図３は、睡眠段階判定装置１０をコンピュータ装置で構成した場合のハードウェア構成例を示す。
コンピュータ装置Ｃは、バスＣ８に接続されたＣＰＵ（Central Processing Unit：中央処理装置）Ｃ１、ＲＯＭ（Read Only Memory）Ｃ２、及びＲＡＭ（Random Access Memory）Ｃ３を備える。さらに、コンピュータ装置Ｃは、不揮発性ストレージＣ４、ネットワークインターフェイスＣ５、入力装置Ｃ６、及び表示装置Ｃ７を備える。
ＣＰＵ Ｃ１は、睡眠段階判定装置１０の生体データ処理部１２や睡眠段階判定部１３が備える各機能を実現するソフトウェアのプログラムコードをＲＯＭ Ｃ２から読み出して実行する。圧力データを周波数解析するＦＦＴ処理についても、該当する処理を実行するプログラムをＲＯＭ Ｃ２から読み出して、ＣＰＵ Ｃ１が実行する。ＲＡＭ Ｃ３には、演算処理の途中に発生した変数やパラメータ等が一時的に書き込まれる。
不揮発性ストレージＣ４としては、例えば、ＨＤＤ（Hard disk drive）、ＳＳＤ（Solid State Drive）、フレキシブルディスク、光ディスク、光磁気ディスク、ＣＤ−ＲＯＭ、ＣＤ−Ｒ、磁気テープ、不揮発性のメモリ等が用いられる。この不揮発性ストレージＣ４には、ＯＳ（Operating System）、各種のパラメータの他に、コンピュータ装置Ｃを睡眠段階判定装置１０として機能させるためのプログラムが記録されている。また、睡眠段階判定部１３が判定した睡眠段階についてのデータが、不揮発性ストレージＣ４に記録される。
ネットワークインターフェイスＣ５には、例えば、ＮＩＣ（Network Interface Card）等が用いられ、端子が接続されたＬＡＮ（Local Area Network）、専用線等を介して各種のデータを送受信することが可能である。例えば、コンピュータ装置Ｃは、マットレスセンサ２が出力する圧力データを、ネットワークインターフェイスＣ５を介して取得する。入力装置Ｃ６は、例えばキーボード等の機器で構成され、この入力装置Ｃ６により、睡眠段階判定装置１０で睡眠段階を判定する期間の設定や、睡眠段階の表示形態の指示等が行われる。表示装置Ｃ７は、睡眠段階判定装置１０で判定された睡眠段階を表示する。
なお、睡眠段階判定装置１０をコンピュータ装置から構成するのは一例であり、例えばＦＦＴ処理などのデータ処理を、専用のハードウェアを用意して行うようにしてもよい。
なお、睡眠段階判定装置１０をコンピュータ装置から構成するのは一例であり、例えばＦＦＴ処理などのデータ処理を、専用のハードウェアを用意して行うようにしてもよい。
［３．睡眠段階判定処理の全体の流れ］
図４は、本例の睡眠段階判定装置１０の睡眠段階判定部１３が行う睡眠段階判定処理手順の全体の流れを示すフローチャートである。なお、既に説明したように、睡眠段階としては、覚醒、レム睡眠、及び４つのノンレム睡眠（ステージ１〜４）の６段階が存在するが、ここでは、ステージ４のノンレム睡眠をステージ３のノンレム睡眠に含めるようにして、覚醒、レム睡眠、及び３つのノンレム睡眠（ステージ１〜３）の５段階の判定を行う。
図４は、本例の睡眠段階判定装置１０の睡眠段階判定部１３が行う睡眠段階判定処理手順の全体の流れを示すフローチャートである。なお、既に説明したように、睡眠段階としては、覚醒、レム睡眠、及び４つのノンレム睡眠（ステージ１〜４）の６段階が存在するが、ここでは、ステージ４のノンレム睡眠をステージ３のノンレム睡眠に含めるようにして、覚醒、レム睡眠、及び３つのノンレム睡眠（ステージ１〜３）の５段階の判定を行う。
まず、睡眠段階判定装置１０の睡眠段階判定部１３は、生体データ処理部１２にデータの入力があると（ステップＳ１）、そのデータの検出処理で得たセンサ値の標準偏差を用いて、覚醒又はステージ１のノンレム睡眠の状態（ステップＳ２）と、レム睡眠又はステージ２，３のノンレム睡眠（ステップＳ３）とを判別する処理を行う。
そして、睡眠段階判定部１３は、ステップＳ２の覚醒又はステージ１のノンレム睡眠の状態と判別したデータを使って、覚醒の状態（ステップＳ４）と、ステージ１のノンレム睡眠の状態（ステップＳ５）とを判別する処理を行う。
そして、睡眠段階判定部１３は、ステップＳ２の覚醒又はステージ１のノンレム睡眠の状態と判別したデータを使って、覚醒の状態（ステップＳ４）と、ステージ１のノンレム睡眠の状態（ステップＳ５）とを判別する処理を行う。
また、睡眠段階判定部１３は、ステップＳ２のレム睡眠又はステージ２，３のノンレム睡眠の状態と判別したデータを使って、レム睡眠の状態（ステップＳ６）と、ステージ２，３のノンレム睡眠の状態（ステップＳ７）とを判別する処理を行う。さらに、睡眠段階判定部１３は、ステップＳ７のステージ２，３のノンレム睡眠の状態と判別したデータを使って、ステージ２のノンレム睡眠の状態（ステップＳ８）と、ステージ３のノンレム睡眠の状態（ステップＳ９）とを判別する処理を行う。
以下、この図４に示すそれぞれの判別処理の詳細について説明する。
以下、この図４に示すそれぞれの判別処理の詳細について説明する。
［４．レム睡眠及びステージ２，３のノンレム睡眠と他の睡眠との判別処理］
次に、図４のフローチャートに示した、覚醒又はステージ１のノンレム睡眠の状態（ステップＳ２）と、レム睡眠又はステージ２，３のノンレム睡眠（ステップＳ３）とを判別する処理の詳細について説明する。
図５は、この覚醒又はステージ１のノンレム睡眠の状態と、レム睡眠又はステージ２，３のノンレム睡眠とを判別する処理の例を示すフローチャートである。
まず、生体データ処理部１２は、圧力データをＦＦＴ処理で得た周波数成分の内で、１６Ｈｚの信号成分から１秒間の平均を求め、その１秒間の平均値から、３０秒間の標準偏差の値を計算する（ステップＳ１０１）。なお、本例では３０秒間を１エポック区間と称する。
次に、図４のフローチャートに示した、覚醒又はステージ１のノンレム睡眠の状態（ステップＳ２）と、レム睡眠又はステージ２，３のノンレム睡眠（ステップＳ３）とを判別する処理の詳細について説明する。
図５は、この覚醒又はステージ１のノンレム睡眠の状態と、レム睡眠又はステージ２，３のノンレム睡眠とを判別する処理の例を示すフローチャートである。
まず、生体データ処理部１２は、圧力データをＦＦＴ処理で得た周波数成分の内で、１６Ｈｚの信号成分から１秒間の平均を求め、その１秒間の平均値から、３０秒間の標準偏差の値を計算する（ステップＳ１０１）。なお、本例では３０秒間を１エポック区間と称する。
そして、睡眠段階判定部１３は、ステップＳ１０１で生体データ処理部１２により得られた１エポック区間（３０秒間）の標準偏差の値が、予め設定された閾値Ｘ以上か否かを判断する（ステップＳ１０２）。この判断で、３０秒間の標準偏差の値が閾値Ｘ以上と判断したとき（ステップＳ１０２のＹＥＳ）、睡眠段階判定部１３は、該当する１エポック区間について、覚醒又はステージ１のノンレム睡眠と判断する（ステップＳ１０３）。
また、ステップＳ１０２の判断で、１エポック区間の標準偏差の値が閾値Ｘ以上でない場合には（ステップＳ１０２のＮＯ）、睡眠段階判定部１３は、該当する１エポック区間について、レム睡眠又はステージ２，３のノンレム睡眠と判断する（ステップＳ１０４）。
また、ステップＳ１０２の判断で、１エポック区間の標準偏差の値が閾値Ｘ以上でない場合には（ステップＳ１０２のＮＯ）、睡眠段階判定部１３は、該当する１エポック区間について、レム睡眠又はステージ２，３のノンレム睡眠と判断する（ステップＳ１０４）。
図６は、閾値Ｘの設定例を示す図である。図６の横軸は、生体データ取得部１１が取得したセンサ値の１６Ｈｚの信号成分を示し、縦軸は、それぞれのセンサ値の出現頻度を示す。ここでは正規化したセンサ値（正規化値）を使用しているが、正規化を行うのは一例である。横軸のセンサ値が大きい状態は、寝返りなどの粗体動を検出した状態であり、センサ値が小さい状態は、筋の単収縮を検出した状態に相当する。
図６に示す３つの特性ＷＡＫＥ，ＲＥＭ，ＮＲＥＭ１は、それぞれ睡眠状態が覚醒，レム睡眠，ステージ１のノンレム睡眠を示す。すなわち、特性ＷＡＫＥは、睡眠状態が覚醒のときの１６Ｈｚの信号成分のセンサ値の分布特性を示す。また、特性ＲＥＭは、睡眠状態がレム睡眠のときの１６Ｈｚの信号成分のセンサ値の分布特性を示す。さらに、特性ＮＲＥＭ１は、睡眠状態がステージ１のノンレム睡眠のときの１６Ｈｚの信号成分のセンサ値の分布特性を示す。
この図６の３つの特性ＷＡＫＥ，ＲＥＭ，ＮＲＥＭ１を比較すると分かるように、覚醒のときの特性ＷＡＫＥと、睡眠状態がステージ１のノンレム睡眠のときの特性ＮＲＥＭ１については、比較的大きな体動が多い状態であり、閾値Ｘよりもセンサ値が大きい状態の出現頻度が高い。一方、レム睡眠のときの特性ＲＥＭは、閾値Ｘよりもセンサ値が小さい状態の出現頻度が高い。また、図６には示されていないが、ステージ２やステージ３のノンレム睡眠のときの特性についても、比較的体動が小さい状態であり、閾値Ｘよりもセンサ値が小さい状態になる。
図７は、ある被測定者についての、生体データ処理部１２が取得したセンサ値の１エポック区間（３０秒間）ごとの１６Ｈｚの信号成分のセンサ値と、それぞれの区間での睡眠段階とを示す。図７の横軸の数値は、時刻（時間：分：秒）を示し、ここでは睡眠開始から睡眠終了までの一晩の状態を示す。
図７Ａに示す睡眠段階は、被測定者の頭部に電極を装着して、従来から知られた手法であるＰＳＧで判定したものである。ここでは、判定結果として、覚醒（ＷＡＫＥ）、レム睡眠（ＲＥＭ）、ステージ１のノンレム睡眠（ＮＲＥＭ１）、ステージ２のノンレム睡眠（ＮＲＥＭ２）の４段階で示す。なお、図７Ａでは、ステージ２のノンレム睡眠（ＮＲＥＭ２）は省略するが、図７に示す被測定者の場合、ステージ３のノンレム睡眠はほとんど検出されていない。
図７Ｂの縦軸に示す数値（０から１０００を超える値）は、１エポック区間（３０秒間）のセンサ値の１６Ｈｚの成分の標準偏差値を示す。図７Ｂに示す特性は、センサ値の１エポック区間ごとの標準偏差値を示している。
ここで、睡眠段階判定部１３は、図７Ｂに示す値２００の近傍に閾値Ｘを設定する。この閾値Ｘの値は、あくまでも一例である。
標準偏差値が閾値Ｘ以上である場合には、睡眠段階判定部１３は、覚醒（ＷＡＫＥ）又はステージ２のノンレム睡眠（ＮＲＥＭ１）と判定する。また、標準偏差値が閾値Ｘ未満である場合には、睡眠段階判定部１３は、レム睡眠（ＲＥＭ）又はステージ２，３のノンレム睡眠（ＮＲＥＭ２，ＮＲＥＭ３）と判定する。
標準偏差値が閾値Ｘ以上である場合には、睡眠段階判定部１３は、覚醒（ＷＡＫＥ）又はステージ２のノンレム睡眠（ＮＲＥＭ１）と判定する。また、標準偏差値が閾値Ｘ未満である場合には、睡眠段階判定部１３は、レム睡眠（ＲＥＭ）又はステージ２，３のノンレム睡眠（ＮＲＥＭ２，ＮＲＥＭ３）と判定する。
図７に示す例では、睡眠開始後に最初に閾値Ｘを超えたタイミングｔ１では、ＰＳＧの手法で覚醒（ＷＡＫＥ）と判定される。次に閾値Ｘを超えたタイミングｔ２では、ＰＳＧの手法でステージ１のノンレム睡眠（ＮＲＥＭ１）と判定される。以下、タイミングｔ３では、ＰＳＧの手法で覚醒（ＷＡＫＥ）と判定され、タイミングｔ４では、ＰＳＧの手法でステージ１のノンレム睡眠（ＮＲＥＭ１）と判定され、タイミングｔ５では、ＰＳＧの手法で覚醒（ＷＡＫＥ）と判定される。
このように、センサ値の１エポック区間の１６Ｈｚの信号成分のセンサ値が閾値Ｘ以上となる殆どの区間は、ＰＳＧの手法で覚醒（ＷＡＫＥ）又はステージ１のノンレム睡眠（ＮＲＥＭ１）と判定され、本例による判定で得た睡眠段階が、従来から知られた電極を使ったＰＳＧの手法で得た睡眠段階とほぼ一致していることが分かる。
このように、センサ値の１エポック区間の１６Ｈｚの信号成分のセンサ値が閾値Ｘ以上となる殆どの区間は、ＰＳＧの手法で覚醒（ＷＡＫＥ）又はステージ１のノンレム睡眠（ＮＲＥＭ１）と判定され、本例による判定で得た睡眠段階が、従来から知られた電極を使ったＰＳＧの手法で得た睡眠段階とほぼ一致していることが分かる。
［５．覚醒とステージ１のノンレム睡眠との判別処理］
図８は、睡眠段階判定部１３が、覚醒とステージ１のノンレム睡眠とを判別する処理を示すフローチャートである。この図８のフローチャートに示す処理は、図４のフローチャートにおいて、ステップＳ４の睡眠段階と、ステップＳ５の睡眠段階とを判別する処理に相当する。
先に説明したように、睡眠段階判定部１３は、１エポック区間（３０秒間）のセンサ値の１６Ｈｚの成分の標準偏差値が閾値Ｘ以上の区間が、覚醒とステージ１のノンレム睡眠のいずれかであると判別する。このような状態を判別したとき、睡眠段階判定部１３は、その標準偏差値が閾値Ｘ以上の区間が、１エポック区間を越える区間連続するか否かを判断する（ステップＳ１０５）。
図８は、睡眠段階判定部１３が、覚醒とステージ１のノンレム睡眠とを判別する処理を示すフローチャートである。この図８のフローチャートに示す処理は、図４のフローチャートにおいて、ステップＳ４の睡眠段階と、ステップＳ５の睡眠段階とを判別する処理に相当する。
先に説明したように、睡眠段階判定部１３は、１エポック区間（３０秒間）のセンサ値の１６Ｈｚの成分の標準偏差値が閾値Ｘ以上の区間が、覚醒とステージ１のノンレム睡眠のいずれかであると判別する。このような状態を判別したとき、睡眠段階判定部１３は、その標準偏差値が閾値Ｘ以上の区間が、１エポック区間を越える区間連続するか否かを判断する（ステップＳ１０５）。
ステップＳ１０５の判断で、標準偏差値が閾値Ｘ以上の区間が、１エポック区間を越える区間連続すると判断した場合（ステップＳ１０５のＹＥＳ）には、睡眠段階判定部１３は、連続した区間の内の最後の１エポック区間をステージ１のノンレム睡眠（ＮＲＥＭ１）と判断し、最後の１エポック区間を除いた残りの区間を覚醒（ＷＡＫＥ）と判定する（ステップＳ１０６）。
また、ステップＳ１０５での判断で、睡眠段階判定部１３は、標準偏差値が閾値Ｘ以上の区間が、１エポック区間だけであると判断した場合（ステップＳ１０５のＮＯ）、睡眠段階判定部１３は、該当する１エポック区間を覚醒（ＷＡＫＥ）と判定する（ステップＳ１０７）。
また、ステップＳ１０５での判断で、睡眠段階判定部１３は、標準偏差値が閾値Ｘ以上の区間が、１エポック区間だけであると判断した場合（ステップＳ１０５のＮＯ）、睡眠段階判定部１３は、該当する１エポック区間を覚醒（ＷＡＫＥ）と判定する（ステップＳ１０７）。
図９は、標準偏差値が閾値Ｘ以上の区間が、１エポック区間を越えた場合の睡眠段階の設定例を示す。
図９の横軸は時刻（時間：分：秒）を示す。ここでは、２時２６分０２秒に閾値Ｘ以上となり、その閾値Ｘ以上の状態が２時２７分１４秒まで続いた場合を示す。このとき、睡眠段階判定部１３は、最後の１エポック区間（３０秒間）である２時２６分４４秒から２時２７分１４秒までを、ステージ１のノンレム睡眠（ＮＲＥＭ１）と判定し、それよりも前の残りの閾値Ｘ以上の区間（２時２６分０２秒から２時２６分４４秒まで）を、覚醒（ＷＡＫＥ）と判定する。
このように判定することで、睡眠段階判定部１３は、覚醒の睡眠段階とステージ１のノンレム睡眠の睡眠段階とを適切に区別する。
図９の横軸は時刻（時間：分：秒）を示す。ここでは、２時２６分０２秒に閾値Ｘ以上となり、その閾値Ｘ以上の状態が２時２７分１４秒まで続いた場合を示す。このとき、睡眠段階判定部１３は、最後の１エポック区間（３０秒間）である２時２６分４４秒から２時２７分１４秒までを、ステージ１のノンレム睡眠（ＮＲＥＭ１）と判定し、それよりも前の残りの閾値Ｘ以上の区間（２時２６分０２秒から２時２６分４４秒まで）を、覚醒（ＷＡＫＥ）と判定する。
このように判定することで、睡眠段階判定部１３は、覚醒の睡眠段階とステージ１のノンレム睡眠の睡眠段階とを適切に区別する。
［６．レム睡眠の判定処理］
次に、本例の睡眠段階判定装置１０が行うレム睡眠の判定処理について説明する。
このレム睡眠の判定処理は、図４のフローチャートにおいて、ステップＳ３の段階から、ステップＳ６の睡眠段階を判別する処理に相当する。また、ステップＳ３の段階において、以下に説明する判定処理でレム睡眠でないと判定した場合、睡眠段階判定部１３は、ステップＳ７のステージ２又は３のノンレム睡眠段階と判別することになる。
次に、本例の睡眠段階判定装置１０が行うレム睡眠の判定処理について説明する。
このレム睡眠の判定処理は、図４のフローチャートにおいて、ステップＳ３の段階から、ステップＳ６の睡眠段階を判別する処理に相当する。また、ステップＳ３の段階において、以下に説明する判定処理でレム睡眠でないと判定した場合、睡眠段階判定部１３は、ステップＳ７のステージ２又は３のノンレム睡眠段階と判別することになる。
本例の睡眠段階判定装置１０は、２種類の手法によりレム睡眠の判定処理（第１のレム睡眠期間判定処理及び第２のレム睡眠期間判定処理）を行い、その２種類の手法によるレム睡眠の判定結果を総合的に判断して、最終的にレム睡眠の期間の判定結果を得る。ここでは、２種類の手法を手法１及び手法２と称する。
２種類の手法の詳細は後述するが、手法１は、心拍数変動に着目したレム睡眠判定手法であり、手法２は、全周波数成分を用いた機械学習によるレム睡眠判定手法である。睡眠段階判定装置１０は、これらの２つの手法を使ったハイブリッド構造でレム睡眠判定を行うものである。
２種類の手法の詳細は後述するが、手法１は、心拍数変動に着目したレム睡眠判定手法であり、手法２は、全周波数成分を用いた機械学習によるレム睡眠判定手法である。睡眠段階判定装置１０は、これらの２つの手法を使ったハイブリッド構造でレム睡眠判定を行うものである。
まず、手法１によるレム睡眠の判定処理について説明する。
この手法１では、レム睡眠時に心拍数が揺らぐという生理学的な観点を利用して、レム睡眠を推定する。
この手法１では、レム睡眠時に心拍数が揺らぐという生理学的な観点を利用して、レム睡眠を推定する。
図１０は、手法１によるレム睡眠の判定処理を示すフローチャートである。
まず、生体データ処理部１２は、ＦＦＴ処理で周波数解析したデータから、心拍の値を取得する。生体データ処理部１２は、検出された心拍について、一定時間（ここでは５分間）毎の中央値ＨＲを算出する（ステップＳ１１１）。
そして、生体データ処理部１２は、検出した心拍の中央値ＨＲの５分毎の変動量ΔＨＲを算出し、その５分毎の変動量ΔＨＲを閾値ＴＨ１と比較する（ステップＳ１１２）。
ここでは、推定する時刻から直前５分間の心拍の中央値をΔＨＲｃｕｒｒ、５分前から１０分前までの心拍の中央値をΔＨＲｐｒｅｖとしたとき、次の［数１］式により、変動量ΔＨＲを得る。
まず、生体データ処理部１２は、ＦＦＴ処理で周波数解析したデータから、心拍の値を取得する。生体データ処理部１２は、検出された心拍について、一定時間（ここでは５分間）毎の中央値ＨＲを算出する（ステップＳ１１１）。
そして、生体データ処理部１２は、検出した心拍の中央値ＨＲの５分毎の変動量ΔＨＲを算出し、その５分毎の変動量ΔＨＲを閾値ＴＨ１と比較する（ステップＳ１１２）。
ここでは、推定する時刻から直前５分間の心拍の中央値をΔＨＲｃｕｒｒ、５分前から１０分前までの心拍の中央値をΔＨＲｐｒｅｖとしたとき、次の［数１］式により、変動量ΔＨＲを得る。
ステップＳ１１２では、このようにして得た５分毎の変動量ΔＨＲと閾値ＴＨ１とを比較する。このステップＳ１１２の比較では、閾値ＴＨ１を０．０４とし、ΔＨＲ＞０．０４の条件を満たすか否かを判断する。
ステップＳ１１２で、ΔＨＲ＞０．０４の条件を満たさない場合には（ステップＳ１１２のＮＯ）、生体データ処理部１２は、該当する条件を満たすまで待機する。
そして、ΔＨＲ＞０．０４の条件を満たすと判断したとき（ステップＳ１１２のＹＥＳ）、生体データ処理部１２は、レム睡眠期間（手法１によるレム睡眠期間）の開始と判断する（ステップＳ１１３）。その後、生体データ処理部１２は、変動量ΔＨＲの減少率が減少したか否かを判断する（ステップＳ１１４）。なお、「減少率が減少」するとは、例えば、ΔＨＲの値が０．０７から０．０６に変わることをいう。ここで、変動量ΔＨＲの減少率が減少しないとき（ステップＳ１１４のＮＯ）、生体データ処理部１２は、変動量ΔＨＲの減少率が減少するまで待機する。また、変動量ΔＨＲの減少率が減少したとき（ステップＳ１１４のＹＥＳ）、生体データ処理部１２は、レム睡眠期間（手法１によるレム睡眠期間）の終了を判断し（ステップＳ１１５）、ステップＳ１１２の変動量ΔＨＲと閾値ＴＨ１との比較に戻る。
このように、手法１では、心拍数の変動量に基づいてレム睡眠の期間を判断することができる。
ステップＳ１１２で、ΔＨＲ＞０．０４の条件を満たさない場合には（ステップＳ１１２のＮＯ）、生体データ処理部１２は、該当する条件を満たすまで待機する。
そして、ΔＨＲ＞０．０４の条件を満たすと判断したとき（ステップＳ１１２のＹＥＳ）、生体データ処理部１２は、レム睡眠期間（手法１によるレム睡眠期間）の開始と判断する（ステップＳ１１３）。その後、生体データ処理部１２は、変動量ΔＨＲの減少率が減少したか否かを判断する（ステップＳ１１４）。なお、「減少率が減少」するとは、例えば、ΔＨＲの値が０．０７から０．０６に変わることをいう。ここで、変動量ΔＨＲの減少率が減少しないとき（ステップＳ１１４のＮＯ）、生体データ処理部１２は、変動量ΔＨＲの減少率が減少するまで待機する。また、変動量ΔＨＲの減少率が減少したとき（ステップＳ１１４のＹＥＳ）、生体データ処理部１２は、レム睡眠期間（手法１によるレム睡眠期間）の終了を判断し（ステップＳ１１５）、ステップＳ１１２の変動量ΔＨＲと閾値ＴＨ１との比較に戻る。
このように、手法１では、心拍数の変動量に基づいてレム睡眠の期間を判断することができる。
次に、手法２によるレム睡眠の判定処理について説明する。
この手法２は、アンサンブル学習による機械学習手法であるランダムフォレスト（Random Forests）を用いて、レム睡眠とレム睡眠以外とを判定する手法である。この手法２では、一定期間（ここでは３０秒間）のマットレスセンサ２が取得した圧力データに対してＦＦＴ処理を施すことで周波数解析を行って、レム睡眠を判定するものである。
この手法２は、アンサンブル学習による機械学習手法であるランダムフォレスト（Random Forests）を用いて、レム睡眠とレム睡眠以外とを判定する手法である。この手法２では、一定期間（ここでは３０秒間）のマットレスセンサ２が取得した圧力データに対してＦＦＴ処理を施すことで周波数解析を行って、レム睡眠を判定するものである。
図１１は、手法２によるレム睡眠の判定処理を示すフローチャートである。
まず、生体データ処理部１２は、生体データ取得部１１が取得した生体データを一定期間（１エポック区間：３０秒間）ごとに分割し、一定期間ごとの生体データに対してＦＦＴ処理で周波数解析を行うことで周波数表現された生体データ生成する（ステップＳ１２１）。そして、ＦＦＴ処理された生体データの全周波数成分について正規化を行い、全周波数成分の総和が１になるようにする。なお、ここで正規化を行うのは一例であり、正規化を行わないデータを扱うようにしてもよい。
そして、生体データ処理部１２は、その一定期間毎の圧力データを使って、ランダムフォレストの機械学習手法による２値判定を行う（ステップＳ１２２）。ランダムフォレストの機械学習による２値判定の詳細については後述する。
まず、生体データ処理部１２は、生体データ取得部１１が取得した生体データを一定期間（１エポック区間：３０秒間）ごとに分割し、一定期間ごとの生体データに対してＦＦＴ処理で周波数解析を行うことで周波数表現された生体データ生成する（ステップＳ１２１）。そして、ＦＦＴ処理された生体データの全周波数成分について正規化を行い、全周波数成分の総和が１になるようにする。なお、ここで正規化を行うのは一例であり、正規化を行わないデータを扱うようにしてもよい。
そして、生体データ処理部１２は、その一定期間毎の圧力データを使って、ランダムフォレストの機械学習手法による２値判定を行う（ステップＳ１２２）。ランダムフォレストの機械学習による２値判定の詳細については後述する。
その後、生体データ処理部１２は、ステップＳ１２２による２値判定で、レム睡眠の条件を満たすか否かを判断する（ステップＳ１２３）。この判断でレム睡眠の条件を満たさない場合には（ステップＳ１２３のＮＯ）、ステップＳ１２１の処理に戻り、生体データ処理部１２は、次の一定期間の処理に移る。
そして、この判断でレム睡眠の条件を満たした場合には（ステップＳ１２３のＹＥＳ）、生体データ処理部１２は、該当する一定期間（３０秒間）をレム睡眠期間（手法２によるレム睡眠期間）に設定し（ステップＳ１２４）、その後ステップＳ１２１の処理に戻り、次の一定期間の処理に移る。
そして、この判断でレム睡眠の条件を満たした場合には（ステップＳ１２３のＹＥＳ）、生体データ処理部１２は、該当する一定期間（３０秒間）をレム睡眠期間（手法２によるレム睡眠期間）に設定し（ステップＳ１２４）、その後ステップＳ１２１の処理に戻り、次の一定期間の処理に移る。
図１２は、ランダムフォレストの機械学習による２値判定状態を説明する図である。
まず、図１２の上側に示すように、生体データ処理部１２は、３０秒間の圧力データＤ１を取得する。圧力データＤ１のグラフの縦軸はセンサ値であり、横軸は時間（３０秒間）を示す。
この圧力データＤ１について、生体データ処理部１２がＦＦＴ処理を施すことで、周波数成分毎の強度値を示したＦＦＴデータＤ２を得る。ＦＦＴデータＤ２のグラフの縦軸は強度値であり、横軸は周波数（０．０１６Ｈｚ〜５．０Ｈｚ）を示す。ここでは、ＦＦＴデータＤ２として、５Ｈｚ以下の周波数成分のみの３００次元ベクトルのデータとする。
まず、図１２の上側に示すように、生体データ処理部１２は、３０秒間の圧力データＤ１を取得する。圧力データＤ１のグラフの縦軸はセンサ値であり、横軸は時間（３０秒間）を示す。
この圧力データＤ１について、生体データ処理部１２がＦＦＴ処理を施すことで、周波数成分毎の強度値を示したＦＦＴデータＤ２を得る。ＦＦＴデータＤ２のグラフの縦軸は強度値であり、横軸は周波数（０．０１６Ｈｚ〜５．０Ｈｚ）を示す。ここでは、ＦＦＴデータＤ２として、５Ｈｚ以下の周波数成分のみの３００次元ベクトルのデータとする。
生体データ処理部１２は、この３００次元ベクトルのデータから、ランダムフォレストと称される機械学習のアルゴリズムを使って、予測モデルである決定木を複数生成する。すなわち、図１２に示すように、複数の決定木Ｔ１，Ｔ２，・・・，ＴＮ（Ｎは任意の整数）を生成する。それぞれの決定木は、各周波数成分の状態がどのようであるかに基づいて分岐して、各睡眠段階（ここではレム睡眠段階）の判定を得るものである。例えば、図１２の左下に示すように、決定木Ｔ１のある段階Ｓａでは、周波数成分０．３Ｈｚの正規化値が０．２５より小さいか否かを判断し、その判断で、正規化値が０．２５より小さいとき未確定と判定し、０．２５以上のとき、レム睡眠と判定する。そして、その未確定の場合（０．３Ｈｚの成分の正規化値が０．２５より小さいとき）に、次の段階Ｓｂで、周波数成分１．５Ｈｚの正規化値が０．０５より大きいか否かを判断し、その判断で、正規化値が０．０５より大きいとき、ノンレム睡眠と判定し、正規化値が０．０５以下のとき、レム睡眠と判定する。
このようにして、決定木Ｔ１に基づいてＦＦＴデータＤ２を解析することで、レム睡眠か否かの判定ｑ１を得る。また、決定木Ｔ１とは別の条件の決定木Ｔ２に基づいてＦＦＴデータＤ２を解析することで、レム睡眠か否かの判定ｑ２を得る。このようにして、それぞれ異なる条件の決定木Ｔ１，Ｔ２，・・・，ＴＮ毎に、レム睡眠か否かの判定ｑ１，ｑ２，・・・，ｑＮを得る。
そして、生体データ処理部１２は、複数の決定木Ｔ１，Ｔ２，・・・，ＴＮ毎に得たレム睡眠か否かの判定ｑ１，ｑ２，・・・，ｑＮの多数決で、現在の３０秒間の期間がレム睡眠か否かを判定する。
そして、生体データ処理部１２は、複数の決定木Ｔ１，Ｔ２，・・・，ＴＮ毎に得たレム睡眠か否かの判定ｑ１，ｑ２，・・・，ｑＮの多数決で、現在の３０秒間の期間がレム睡眠か否かを判定する。
図１３は、手法１でレム睡眠と判定した区間と、手法２でレム睡眠と判定した区間とを使って、レム睡眠期間を確定する処理例を示すフローチャートである。このレム睡眠期間を確定する処理は、睡眠段階判定部１３が判定する。
まず、睡眠段階判定部１３は、手法１でレム睡眠と判定した区間があるか否かを判断する（ステップＳ１３１）。この判断で、手法１によりレム睡眠と判定した区間がない場合には（ステップＳ１３１のＮＯ）、睡眠段階判定部１３は、探索した期間内にレム睡眠の期間がないと判断して、レム睡眠期間を探索する処理を終了する。
そして、手法１によりレム睡眠と判定した区間がある場合には（ステップＳ１３１のＹＥＳ）、睡眠段階判定部１３は、手法１によりレム睡眠と判定した区間と、手法２によりレム睡眠と判定した区間とが重なる区間があるか否かを判断する（ステップＳ１３２）。
まず、睡眠段階判定部１３は、手法１でレム睡眠と判定した区間があるか否かを判断する（ステップＳ１３１）。この判断で、手法１によりレム睡眠と判定した区間がない場合には（ステップＳ１３１のＮＯ）、睡眠段階判定部１３は、探索した期間内にレム睡眠の期間がないと判断して、レム睡眠期間を探索する処理を終了する。
そして、手法１によりレム睡眠と判定した区間がある場合には（ステップＳ１３１のＹＥＳ）、睡眠段階判定部１３は、手法１によりレム睡眠と判定した区間と、手法２によりレム睡眠と判定した区間とが重なる区間があるか否かを判断する（ステップＳ１３２）。
さらに、ステップＳ１３２の判断で、手法１によりレム睡眠と判定した区間と、手法２によりレム睡眠と判定した区間とが重なる区間がある場合には（ステップＳ１３２のＹＥＳ）、手法１によりレム睡眠と判定した区間を含み、一定期間以内（ここでは２分以内）に手法２でレム睡眠と判定した区間が存在する全ての期間を、レム睡眠期間と確定する（ステップＳ１３３）。また、ステップＳ１３２の判断で、手法１によりレム睡眠と判定した区間と、手法２によりレム睡眠と判定した区間とが重なっていない場合には（ステップＳ１３２のＮＯ）、手法１によりレム睡眠と判定した区間を、レム睡眠期間と確定する（ステップＳ１３４）。
図１４は、図１３のフローチャートに示した手法１での判定結果と手法２での判定結果から、レム睡眠の期間を確定する処理状態の例を示す説明図である。
図１４Ａの例は、ある期間に、手法１による判定でレム睡眠と判定した区間があり、その区間と重なる期間に、手法２による判定でレム睡眠と判定した区間がない場合を示す。この図１４Ａに示す状態の場合には、睡眠段階判定部１３は、手法１でレム睡眠と判定した区間を、レム睡眠区間と確定する。この図１４Ａの確定処理は、図１３のフローチャートのステップＳ１３４でレム睡眠と確定する処理に相当する。
図１４Ａの例は、ある期間に、手法１による判定でレム睡眠と判定した区間があり、その区間と重なる期間に、手法２による判定でレム睡眠と判定した区間がない場合を示す。この図１４Ａに示す状態の場合には、睡眠段階判定部１３は、手法１でレム睡眠と判定した区間を、レム睡眠区間と確定する。この図１４Ａの確定処理は、図１３のフローチャートのステップＳ１３４でレム睡眠と確定する処理に相当する。
図１４Ｂの例は、ある期間に、手法１による判定でレム睡眠と判定した区間があり、その区間と重なる期間に、手法２による判定でレム睡眠と判定した区間がある場合を示す。この場合には、睡眠段階判定部１３は、手法１による判定でレム睡眠と判定した区間を全てレム睡眠期間と確定すると共に、手法２による判定でレム睡眠と判定した区間についても、レム睡眠期間と確定する。なお、ここでの手法２による判定でレム睡眠と判定した区間は、手法２によって、２分以内にレム睡眠と判定した区間がある期間を、連続したレム睡眠期間とする。この図１４Ｂの確定処理は、図１３のフローチャートのステップＳ１３３でレム睡眠と確定する処理に相当する。
図１４Ｃの例は、ある期間に、手法２による判定でレム睡眠と判定した区間があり、手法１では該当する区間をレム睡眠と判定しない場合を示す。この場合には、睡眠段階判定部１３は、該当する区間をレム睡眠とは確定しない。
図１５は、被測定者の睡眠状態を判定した例を示す。図１５の特性ＢＷ及び特性ＨＲの横軸は時間を示し、この図１５では数時間の睡眠中の特性ＢＷ及び特性ＨＲを示す。
図１５の上側に示す特性ＢＷは、被測定者の睡眠状態（睡眠段階）を、脳波計により測定した例（つまり本例の睡眠段階判定装置１０とは別の装置により測定した例）を示す。この特性ＢＷのグラフの縦軸において、Ａと示す位置は覚醒を示し、１，２，３，４の数字で示す位置はノンレム睡眠のステージ１〜４を示す。図１５に示す特性ＢＷでは、レム睡眠の期間の判定を行っていないが、ノンレム睡眠のステージ１と覚醒との間に、レム睡眠が存在することになる。
図１５の上側に示す特性ＢＷは、被測定者の睡眠状態（睡眠段階）を、脳波計により測定した例（つまり本例の睡眠段階判定装置１０とは別の装置により測定した例）を示す。この特性ＢＷのグラフの縦軸において、Ａと示す位置は覚醒を示し、１，２，３，４の数字で示す位置はノンレム睡眠のステージ１〜４を示す。図１５に示す特性ＢＷでは、レム睡眠の期間の判定を行っていないが、ノンレム睡眠のステージ１と覚醒との間に、レム睡眠が存在することになる。
ここで、図１５の特性ＢＷに重ねて示す区間Ｒ１，Ｒ２，Ｒ３，Ｒ４，Ｒ５は、本例の睡眠段階判定装置１０が手法１と手法２の双方の判定結果から確定したレム睡眠期間である。
図１５の下側に示す特性ＨＲは、心拍数の変化を示す。この心拍数を示す特性ＨＲは、図２に示すマットレスセンサ２が検出した圧力データに基づいて、睡眠段階判定装置１０が取得したものである。この心拍数の変動を示す特性ＨＲの内で、前後の心拍数よりも一時的に高くなるピークの位置ｒａ１，ｒａ２，ｒａ３，ｒａ４，ｒａ５（図１５で破線の円で示す部分のほぼ中央部）は、手法１でレム睡眠と判定した区間に相当する。
手法１でレム睡眠と判定した区間ｒａ１，ｒａ２，ｒａ３，ｒａ４，ｒａ５は、特性ＨＲの心拍数がピークとなる位置であり、比較的短時間の区間である。
手法１でレム睡眠と判定した区間ｒａ１，ｒａ２，ｒａ３，ｒａ４，ｒａ５は、特性ＨＲの心拍数がピークとなる位置であり、比較的短時間の区間である。
また、図１５に示す複数の区間ｒｂは、それぞれが手法２でレム睡眠と判定した区間である。図１５では、レム睡眠期間Ｒ４及びＲ５の付近のみ、手法２でレム睡眠と判定した区間ｒｂを示し、その他の区間は図示を省略する。
本例の場合、手法２でレム睡眠と判定する１つの区間ｒｂは３０秒間であり、その３０秒間の区間ｒｂが２分以内に存在したとき、手法２で判定したレム睡眠が連続していると見なして、１つのレム睡眠期間（例えば期間Ｒ４やＲ５）が確定する。但し、本例の場合には、その３０秒間の区間ｒｂが２分以内に存在した期間が、手法１でレム睡眠と判定した区間ｒａ１〜ｒａ５と重なっていない箇所については、レム睡眠でないと判定する。
本例の場合、手法２でレム睡眠と判定する１つの区間ｒｂは３０秒間であり、その３０秒間の区間ｒｂが２分以内に存在したとき、手法２で判定したレム睡眠が連続していると見なして、１つのレム睡眠期間（例えば期間Ｒ４やＲ５）が確定する。但し、本例の場合には、その３０秒間の区間ｒｂが２分以内に存在した期間が、手法１でレム睡眠と判定した区間ｒａ１〜ｒａ５と重なっていない箇所については、レム睡眠でないと判定する。
このようにして、心拍に基づいてレム睡眠を判定する手法１と、マットレスセンサ２が検出した圧力データの周波数分布の機械学習に基づいてレム睡眠を判定する手法２とを組み合わせて、レム睡眠の期間を判定することで、非常に精度の高いレム睡眠の判定ができるようになる。
具体的には、心拍に基づいてレム睡眠を判定する手法１では、図１５の区間ｒａ１〜ｒａ５で分かるように、比較的短時間の区間をレム睡眠と判定しており、実際のレム睡眠の長さとは一致していない可能性が高い。
一方、検出データの周波数分布の機械学習からレム睡眠を判定する手法２では、例えば図１５の区間Ｒ４と区間Ｒ５の間の、最終的にレム睡眠と確定しない期間であっても、レム睡眠と判定される区間ｒｂが存在し、レム睡眠と判定する精度がそれ程高くない可能性があった。
具体的には、心拍に基づいてレム睡眠を判定する手法１では、図１５の区間ｒａ１〜ｒａ５で分かるように、比較的短時間の区間をレム睡眠と判定しており、実際のレム睡眠の長さとは一致していない可能性が高い。
一方、検出データの周波数分布の機械学習からレム睡眠を判定する手法２では、例えば図１５の区間Ｒ４と区間Ｒ５の間の、最終的にレム睡眠と確定しない期間であっても、レム睡眠と判定される区間ｒｂが存在し、レム睡眠と判定する精度がそれ程高くない可能性があった。
ここで、本例の場合には、この手法１と手法２を組み合わせて、少なくとも手法１でレム睡眠と判定された区間があり、かつ手法２でレム睡眠と判定される区間ｒｂが一定期間（２分間）以内に存在した場合に、レム期間Ｒ１〜Ｒ５と確定するようにしたことで、非常に精度の高いレム睡眠期間の判定が行えるようになる。
しかも本例の場合には、手法１の判定を行うための心拍データと、手法２の判定を行うための体動の周波数分布のデータのいずれについても、マットレスセンサ２が取得した被測定者の体動に基づいた圧力データであり、脳波を測定する場合と異なり、被測定者に負担をかけずに、的確なレム睡眠の判定ができるようになる。
しかも本例の場合には、手法１の判定を行うための心拍データと、手法２の判定を行うための体動の周波数分布のデータのいずれについても、マットレスセンサ２が取得した被測定者の体動に基づいた圧力データであり、脳波を測定する場合と異なり、被測定者に負担をかけずに、的確なレム睡眠の判定ができるようになる。
［７．ノンレム睡眠（ステージ２，３）の判定処理］
次に、本例の睡眠段階判定装置１０が行う、ステージ２のノンレム睡眠と、ステージ３のノンレム睡眠の判定処理を説明する。図１６は、ステージ２のノンレム睡眠と、ステージ３のノンレム睡眠とを判別する処理の例を示すフローチャートである。
このステージ２，３のノンレム睡眠の判定処理は、図４のフローチャートにおいて、ステップＳ７の睡眠段階を判別する処理に相当する。なお、ステップＳ７の睡眠段階と判別する状態は、ステップＳ３の状態から、ステップＳ６のレム睡眠と判別しなかった区間の睡眠状態である。
次に、本例の睡眠段階判定装置１０が行う、ステージ２のノンレム睡眠と、ステージ３のノンレム睡眠の判定処理を説明する。図１６は、ステージ２のノンレム睡眠と、ステージ３のノンレム睡眠とを判別する処理の例を示すフローチャートである。
このステージ２，３のノンレム睡眠の判定処理は、図４のフローチャートにおいて、ステップＳ７の睡眠段階を判別する処理に相当する。なお、ステップＳ７の睡眠段階と判別する状態は、ステップＳ３の状態から、ステップＳ６のレム睡眠と判別しなかった区間の睡眠状態である。
まず、ステップＳ７の睡眠段階の区間であると判断した睡眠段階判定部１３は、そのステップＳ７の睡眠段階の区間（ステージ２又は３のノンレム睡眠の区間）の後の区間が、レムであるか否かを判断する（ステップＳ１４１）。ここで、ステップＳ７の睡眠段階の区間と判別した区間に続いた区間がレム睡眠段階と判別したとき（ステップＳ１４１のＹＥＳ）、睡眠段階判定部１３は、レム睡眠に変化する直前の１エポック区間（３０秒間）を、ステージ３のノンレム睡眠と判定し、それより前の残りのステップＳ７の睡眠段階の区間を、ステージ２のノンレム睡眠と判定する（ステップＳ１４２）。そして、ステップＳ１４１で、ステップＳ７の睡眠段階の区間であると判断した場合に、後の区間がレム睡眠になることを判定しない場合には（ステップＳ１４１のＮＯ）、睡眠段階判定部１３は、ステップＳ１４１の判断を繰り返し行う。
図１７は、図１６のフローチャートの判別処理状態の例を示す。図１６の横軸は時間を示し、時間の変化に応じて、ステージ２のノンレム睡眠（ＮＲＥＭ２）と、ステージ３のノンレム睡眠（ＮＲＥＭ３）とを判別する例を示す。
図１７に示すように、あるタイミングでレム睡眠（ＲＥＭ）状態と判別したとき、睡眠段階判定部１３は、それ以前の区間がステージ２又は３のノンレム睡眠の区間であるとき、レム睡眠に変化する直前の１エポック区間（３０秒間）を、ステージ３のノンレム睡眠（ＮＲＥＭ３）と判別する。さらに、睡眠段階判定部１３は、ステージ２又は３のノンレム睡眠の区間の残りの区間を、ステージ２のノンレム睡眠（ＮＲＥＭ２）と判別する。
図１７に示すように、あるタイミングでレム睡眠（ＲＥＭ）状態と判別したとき、睡眠段階判定部１３は、それ以前の区間がステージ２又は３のノンレム睡眠の区間であるとき、レム睡眠に変化する直前の１エポック区間（３０秒間）を、ステージ３のノンレム睡眠（ＮＲＥＭ３）と判別する。さらに、睡眠段階判定部１３は、ステージ２又は３のノンレム睡眠の区間の残りの区間を、ステージ２のノンレム睡眠（ＮＲＥＭ２）と判別する。
以上説明したように、本例の睡眠段階判定装置１０によると、図４のフローチャートに示した流れで睡眠段階判定処理手順を実行することで、それぞれの睡眠段階を精度良く判別することができる。すなわち、本例の睡眠段階判定装置１０によると、図２に示すように被測定者が睡眠を行うベッド１の下に敷いたマットレスセンサ２から得たセンサ値の解析のみで、被測定者の頭部に電極を装着して行う測定手法と同等の高精度の睡眠段階の判別ができるようになる。したがって、被測定者の体に電極を装着するなどの負担を強いることなく、精度の良い測定ができ、日常的に睡眠している状態と全く同じ状態で、被測定者の睡眠状態を測定できるようになる。
なお、上述した実施の形態例では、レム睡眠判定時の手法１の判定を行うための心拍データと、レム睡眠判定時の手法２の判定を行うための体動の周波数分布のデータの双方を、同じセンサ（マットレスセンサ２）の出力データから得るようにしたが、例えば心拍データについては、別のセンサから取得するようにして、手法２の判定を行うための体動の周波数分布のデータのみを、マットレスセンサ２から得るようにしてもよい。
また、上述した実施の形態例で説明した、１エポック区間の長さ（３０秒間）、レム睡眠判定時の手法１の判定を行うための心拍の判断期間（ステップＳ１１１での５分間）、レム睡眠判定時の手法２の判定を行うための周波数分布の集計期間（ステップＳ１２１での３０秒間）などの長さは、好適な一例を示したものであり、これらの値に限定されるものではない。さらに、上述した実施の形態例で説明した閾値の値や、１６Ｈｚなどの周波数成分の値についても、上述した値は一例であり、その他の値を設定してもよい。
また、上述した実施の形態例では、覚醒、ステージ１のノンレム睡眠、レム睡眠、ステージ２，３のノンレム睡眠の５段階の判定を行う場合について説明したが、ステージ４のノンレム睡眠を含めた６段階の判定を行うようにしてもよい。この場合には、ステージ３のノンレム睡眠と判定した区間について、さらにステージ３のノンレム睡眠と、ステージ４のノンレム睡眠とを区別する処理を行うようにすればよい。
１…ベッド、２…マットレスセンサ、１０…睡眠段階判定装置、１１…生体データ取得部、１２…生体データ処理部、１３…睡眠段階判定部、１４…出力部、Ａ…被測定者、Ｃ…コンピュータ装置、Ｃ１…ＣＰＵ、Ｃ２…ＲＯＭ、Ｃ３…ＲＡＭ、Ｃ４…不揮発性ストレージ、Ｃ５…ネットワークインターフェイス表示部、Ｃ６…入力装置、Ｃ７…表示装置、Ｃ８…バス
Claims (6)
- 被測定者の体動及び心拍の成分が含まれるセンサデータを取得し、取得したセンサデータの周波数成分の分析で、周波数ごとの成分を得ると共に、得られた周波数ごとの成分から心拍に相当する周波数の成分を取り出し、心拍の検出データを得るデータ処理部と、睡眠段階判定部と、を備え、
前記睡眠段階判定部は、
前記データ処理部で得た前記被測定者の第１の期間毎の前記センサデータの標準偏差値が、所定の閾値以上であるとき、覚醒とステージ１のノンレム睡眠のいずれかであると判定し、前記所定の閾値以上でないとき、レム睡眠とステージ２以下のノンレム睡眠のいずれかであると判定する第１の判定処理を行い、
前記第１の判定処理で、レム睡眠とステージ２以下のノンレム睡眠のいずれかであると判定した場合に、前記被測定者の第２の期間毎の前記心拍の検出データの中央値の変動量を示す増加率と、前記被測定者の前記センサデータの第３の期間毎の周波数成分の分析結果に基づいて、レム睡眠と、ステージ２以下のノンレム睡眠とを区別する第２の判定処理を行う
睡眠段階判定装置。 - 前記睡眠段階判定部が行う前記第２の判定処理は、
被測定者の第２の期間毎の前記心拍の検出データの中央値の変動量を示す増加率が、所定の閾値以上であるとき、第１のレム睡眠期間の開始と判定し、前記第２の期間毎の前記心拍の検出データの中央値の変動量を示す減少率が減少したとき、前記第１のレム睡眠期間の終了を判定し、
前記被測定者の前記センサデータの第３の期間毎の周波数成分を得、その周波数成分からレム睡眠か否かの判定を得る決定木を機械学習により複数生成し、生成した複数の決定木で得られたレム睡眠か否かの判定の多数決から、前記第３の期間が第２のレム睡眠期間であると判定し、
前記第１のレム睡眠期間と判定した期間と前記第２のレム睡眠期間と判定した期間とが重なる期間を含み、かつ一定間隔以内に第２のレム睡眠期間と判定した期間が存在する場合に、その一定間隔以内に第２のレム睡眠期間と判定した期間を、レム睡眠期間と確定する
請求項１に記載の睡眠段階判定装置。 - さらに、前記睡眠段階判定部は、前記第１の判定処理で、覚醒とステージ１のノンレム睡眠のいずれかであると判定した場合に、前記センサデータの標準偏差値が、前記第１の期間を超えて連続して所定の閾値以上であるとき、最後の所定区間をステージ１のノンレム睡眠とし、残りの区間を覚醒と判定し、前記第１の期間を超えていないとき、全ての区間を覚醒と判定する
請求項１又は２に記載の睡眠段階判定装置。 - 前記センサデータは、前記被測定者の体動及び心拍を圧力変化で検出する圧力センサの出力データである
請求項１〜３のいずれか１項に記載の睡眠段階判定装置。 - 被測定者の体動及び心拍の成分が含まれるセンサデータを取得し、取得したセンサデータの周波数成分の分析で、周波数ごとの成分を得ると共に、得られた周波数ごとの成分から心拍に相当する周波数の成分を取り出し、心拍の検出データを得る検出処理と、
前記検出処理で得た前記被測定者の体動の第１の期間毎の前記センサデータの標準偏差値が、所定の閾値以上であるとき、覚醒とステージ１のノンレム睡眠のいずれかであると判定し、前記所定の閾値以上でないとき、レム睡眠とステージ２以下のノンレム睡眠のいずれかであると判定する第１の判定処理と、
前記第１の判定処理で、レム睡眠とステージ２以下のノンレム睡眠のいずれかであると判定した場合に、前記被測定者の第２の期間毎の前記心拍の検出データの中央値の変動量を示す増加率と、前記被測定者の前記センサデータの第３の期間毎の周波数成分の分析結果に基づいて、レム睡眠と、ステージ２以下のノンレム睡眠とを区別する第２の判定処理と、を含む
睡眠段階判定方法。 - 被測定者の体動及び心拍の成分が含まれるセンサデータを取得し、取得したセンサデータの周波数成分の分析で、周波数ごとの成分を得ると共に、得られた周波数ごとの成分から心拍に相当する周波数の成分を取り出し、心拍の検出データを得る検出手順と、
前記検出手順で得た前記被測定者の体動の第１の期間毎の前記センサデータの標準偏差値が、所定の閾値以上であるとき、覚醒とステージ１のノンレム睡眠のいずれかであると判定し、前記所定の閾値以上でないとき、レム睡眠とステージ２以下のノンレム睡眠のいずれかであると判定する第１の判定手順と、
前記第１の判定手順で、レム睡眠とステージ２以下のノンレム睡眠のいずれかであると判定した場合に、前記被測定者の第２の期間毎の前記心拍の検出データの中央値の変動量を示す増加率と、前記被測定者の前記センサデータの第３の期間毎の周波数成分の分析結果に基づいて、レム睡眠と、ステージ２以下のノンレム睡眠とを区別する第２の判定手順と、
をコンピュータに実行させるプログラム。
Applications Claiming Priority (2)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP2017066200 | 2017-03-10 | ||
| JP2017066200 | 2017-03-10 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| JP2018149259A JP2018149259A (ja) | 2018-09-27 |
| JP6957011B2 true JP6957011B2 (ja) | 2021-11-02 |
Family
ID=63679889
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| JP2017173562A Active JP6957011B2 (ja) | 2017-03-10 | 2017-09-08 | 睡眠段階判定装置、睡眠段階判定方法及びプログラム |
Country Status (1)
| Country | Link |
|---|---|
| JP (1) | JP6957011B2 (ja) |
Families Citing this family (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP7216408B2 (ja) * | 2019-03-22 | 2023-02-01 | 国立大学法人電気通信大学 | 睡眠時無呼吸症候群判定装置、睡眠時無呼吸症候群判定方法および睡眠時無呼吸症候群判定プログラム |
| KR102662836B1 (ko) * | 2020-12-03 | 2024-05-03 | 한국전자기술연구원 | 다채널 압력신호 기반 수면 단계 분류 방법 |
| US20240041396A1 (en) * | 2022-08-08 | 2024-02-08 | Mellowing Factory Co., Ltd. | Method and device for monitoring sleep stage using sleep prediction model |
Family Cites Families (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2780465B2 (ja) * | 1990-08-30 | 1998-07-30 | 松下電器産業株式会社 | 睡眠状態判定装置 |
| JP5857609B2 (ja) * | 2011-10-12 | 2016-02-10 | アイシン精機株式会社 | 睡眠状態判別装置 |
| JP5430034B2 (ja) * | 2011-10-14 | 2014-02-26 | 株式会社タニタ | 睡眠評価処理システム及び睡眠評価装置 |
| JP5613922B2 (ja) * | 2012-02-23 | 2014-10-29 | 株式会社タニタ | 血圧測定装置および血圧測定方法 |
| JP6213983B2 (ja) * | 2013-06-11 | 2017-10-18 | 国立大学法人電気通信大学 | 睡眠段階推定装置および方法並びにプログラム |
| CA2836431C (en) * | 2013-12-16 | 2018-02-20 | Blue Ocean Laboratories, Inc. | A sleep system for obtaining sleep information |
| US10980473B2 (en) * | 2014-01-02 | 2021-04-20 | Intel Corporation | Identifying and characterizing nocturnal motion and stages of sleep |
-
2017
- 2017-09-08 JP JP2017173562A patent/JP6957011B2/ja active Active
Also Published As
| Publication number | Publication date |
|---|---|
| JP2018149259A (ja) | 2018-09-27 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US11172835B2 (en) | Method and system for monitoring sleep | |
| Deviaene et al. | Automatic screening of sleep apnea patients based on the spo 2 signal | |
| JP6124140B2 (ja) | 患者の認知機能の評価 | |
| JP6829880B2 (ja) | 入眠評価システム、プログラムおよび記憶媒体 | |
| JP5303802B2 (ja) | 心電図から導出された無呼吸／低呼吸指数 | |
| JP6727432B2 (ja) | 睡眠判定装置、睡眠判定方法、および、睡眠判定プログラム | |
| CN106413541B (zh) | 用于诊断睡眠的系统和方法 | |
| JP2015134192A (ja) | 酸素測定信号を用いるチェーンストークス呼吸パターンの識別 | |
| JP2016508382A (ja) | 呼吸信号を用いた睡眠時無呼吸の検出 | |
| JP2021517008A (ja) | 睡眠時無呼吸検出システム及び方法 | |
| JP2012508628A (ja) | 睡眠と覚醒のパターンの識別の方法およびその利用 | |
| JP6957011B2 (ja) | 睡眠段階判定装置、睡眠段階判定方法及びプログラム | |
| WO2009150744A1 (ja) | 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 | |
| JP2016209327A (ja) | 睡眠深度推定装置、睡眠深度推定方法、およびプログラム | |
| Dong et al. | Frequency network analysis of heart rate variability for obstructive apnea patient detection | |
| JP2011115188A (ja) | 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 | |
| Morales et al. | Sleep apnea hypopnea syndrome classification in spo 2 signals using wavelet decomposition and phase space reconstruction | |
| JP6845404B2 (ja) | 睡眠段階判定方法、睡眠段階判定装置、及び睡眠段階判定プログラム | |
| JP7216408B2 (ja) | 睡眠時無呼吸症候群判定装置、睡眠時無呼吸症候群判定方法および睡眠時無呼吸症候群判定プログラム | |
| JP6932351B2 (ja) | 睡眠段階判定装置、睡眠段階判定方法及びプログラム | |
| JP6925056B2 (ja) | 睡眠段階判定方法、睡眠段階判定装置、及び睡眠段階判定プログラム | |
| JP7125087B2 (ja) | 睡眠段階推定装置、睡眠段階推定方法および睡眠段階推定プログラム | |
| JP6925057B2 (ja) | 睡眠段階判定方法、睡眠段階判定装置、及び睡眠段階判定プログラム | |
| JP7040557B2 (ja) | 訓練装置、訓練方法、識別装置、識別方法及びプログラム | |
| WO2023048158A1 (ja) | 睡眠時無呼吸症候群判定装置、睡眠時無呼吸症候群判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: 20200817 |
|
| A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20210414 |
|
| A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20210420 |
|
| A601 | Written request for extension of time |
Free format text: JAPANESE INTERMEDIATE CODE: A601 Effective date: 20210618 |
|
| A521 | Written amendment |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20210819 |
|
| 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: 20210914 |
|
| A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20210929 |
|
| R150 | Certificate of patent or registration of utility model |
Ref document number: 6957011 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |