JP7478473B2 - レーダを利用して病症を判断する装置、方法及びコンピュータプログラム - Google Patents
レーダを利用して病症を判断する装置、方法及びコンピュータプログラム Download PDFInfo
- Publication number
- JP7478473B2 JP7478473B2 JP2022152090A JP2022152090A JP7478473B2 JP 7478473 B2 JP7478473 B2 JP 7478473B2 JP 2022152090 A JP2022152090 A JP 2022152090A JP 2022152090 A JP2022152090 A JP 2022152090A JP 7478473 B2 JP7478473 B2 JP 7478473B2
- Authority
- JP
- Japan
- Prior art keywords
- sleep
- information
- target object
- respiratory
- items
- 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
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 title claims description 109
- 201000010099 disease Diseases 0.000 title claims description 101
- 238000000034 method Methods 0.000 title claims description 34
- 238000004590 computer program Methods 0.000 title claims description 12
- 230000007958 sleep Effects 0.000 claims description 408
- 230000029058 respiratory gaseous exchange Effects 0.000 claims description 309
- 230000000241 respiratory effect Effects 0.000 claims description 86
- 208000008784 apnea Diseases 0.000 claims description 57
- 206010021079 Hypopnoea Diseases 0.000 claims description 44
- 230000004622 sleep time Effects 0.000 claims description 34
- 238000009795 derivation Methods 0.000 claims description 31
- 238000003745 diagnosis Methods 0.000 claims description 27
- 208000023504 respiratory system disease Diseases 0.000 claims description 19
- 238000012545 processing Methods 0.000 claims description 12
- 230000008859 change Effects 0.000 claims description 8
- 230000036578 sleeping time Effects 0.000 claims description 3
- 238000004458 analytical method Methods 0.000 description 76
- 238000001514 detection method Methods 0.000 description 38
- 230000035945 sensitivity Effects 0.000 description 35
- 238000012360 testing method Methods 0.000 description 21
- 238000010586 diagram Methods 0.000 description 20
- 208000024827 Alzheimer disease Diseases 0.000 description 11
- 208000003417 Central Sleep Apnea Diseases 0.000 description 8
- 238000004891 communication Methods 0.000 description 8
- 230000008569 process Effects 0.000 description 8
- 208000035475 disorder Diseases 0.000 description 7
- 208000019116 sleep disease Diseases 0.000 description 7
- 208000001797 obstructive sleep apnea Diseases 0.000 description 6
- 201000002859 sleep apnea Diseases 0.000 description 6
- 230000037007 arousal Effects 0.000 description 5
- 230000006870 function Effects 0.000 description 4
- 230000000414 obstructive effect Effects 0.000 description 4
- 230000002459 sustained effect Effects 0.000 description 4
- 230000000694 effects Effects 0.000 description 3
- 210000003414 extremity Anatomy 0.000 description 3
- 208000020685 sleep-wake disease Diseases 0.000 description 3
- 206010041235 Snoring Diseases 0.000 description 2
- 230000003187 abdominal effect Effects 0.000 description 2
- QVGXLLKOCUKJST-UHFFFAOYSA-N atomic oxygen Chemical compound [O] QVGXLLKOCUKJST-UHFFFAOYSA-N 0.000 description 2
- 208000020020 complex sleep apnea Diseases 0.000 description 2
- 230000007423 decrease Effects 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 201000006646 mixed sleep apnea Diseases 0.000 description 2
- 239000000203 mixture Substances 0.000 description 2
- 229910052760 oxygen Inorganic materials 0.000 description 2
- 239000001301 oxygen Substances 0.000 description 2
- 238000013186 photoplethysmography Methods 0.000 description 2
- 230000008667 sleep stage Effects 0.000 description 2
- 210000000707 wrist Anatomy 0.000 description 2
- 210000000683 abdominal cavity Anatomy 0.000 description 1
- 230000008901 benefit Effects 0.000 description 1
- 239000008280 blood Substances 0.000 description 1
- 210000004369 blood Anatomy 0.000 description 1
- 238000013136 deep learning model Methods 0.000 description 1
- 230000007774 longterm Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000000611 regression analysis Methods 0.000 description 1
- 230000003860 sleep quality Effects 0.000 description 1
- 230000002269 spontaneous effect Effects 0.000 description 1
- 210000000115 thoracic cavity Anatomy 0.000 description 1
Classifications
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/05—Detecting, measuring or recording for diagnosis by means of electric currents or magnetic fields; Measuring using microwaves or radio waves
- A61B5/0507—Detecting, measuring or recording for diagnosis by means of electric currents or magnetic fields; Measuring using microwaves or radio waves using microwaves or terahertz waves
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/48—Other medical applications
- A61B5/4806—Sleep evaluation
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/48—Other medical applications
- A61B5/4806—Sleep evaluation
- A61B5/4818—Sleep apnoea
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/0002—Remote monitoring of patients using telemetry, e.g. transmission of vital signals via a communication network
- A61B5/0015—Remote monitoring of patients using telemetry, e.g. transmission of vital signals via a communication network characterised by features of the telemetry system
- A61B5/0022—Monitoring a patient using a global network, e.g. telephone networks, internet
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/05—Detecting, measuring or recording for diagnosis by means of electric currents or magnetic fields; Measuring using microwaves or radio waves
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/08—Detecting, measuring or recording devices for evaluating the respiratory organs
- A61B5/0826—Detecting or evaluating apnoea events
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/103—Detecting, measuring or recording devices for testing the shape, pattern, colour, size or movement of the body or parts thereof, for diagnostic purposes
- A61B5/11—Measuring movement of the entire body or parts thereof, e.g. head or hand tremor, mobility of a limb
- A61B5/113—Measuring movement of the entire body or parts thereof, e.g. head or hand tremor, mobility of a limb occurring during breathing
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/40—Detecting, measuring or recording for evaluating the nervous system
- A61B5/4076—Diagnosing or monitoring particular conditions of the nervous system
- A61B5/4088—Diagnosing of monitoring cognitive diseases, e.g. Alzheimer, prion diseases or dementia
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/68—Arrangements of detecting, measuring or recording means, e.g. sensors, in relation to patient
- A61B5/6887—Arrangements of detecting, measuring or recording means, e.g. sensors, in relation to patient mounted on external non-worn devices, e.g. non-medical devices
- A61B5/6889—Rooms
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/72—Signal processing specially adapted for physiological signals or for diagnostic purposes
- A61B5/7235—Details of waveform analysis
- A61B5/7264—Classification of physiological signals or data, e.g. using neural networks, statistical classifiers, expert systems or fuzzy systems
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/72—Signal processing specially adapted for physiological signals or for diagnostic purposes
- A61B5/7271—Specific aspects of physiological measurement analysis
- A61B5/7282—Event detection, e.g. detecting unique waveforms indicative of a medical condition
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
- G16H50/00—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics
- G16H50/20—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for computer-aided diagnosis, e.g. based on medical expert systems
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
- G16H50/00—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics
- G16H50/30—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for calculating health indices; for individual health risk assessment
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/02—Detecting, measuring or recording pulse, heart rate, blood pressure or blood flow; Combined pulse/heart-rate/blood pressure determination; Evaluating a cardiovascular condition not otherwise provided for, e.g. using combinations of techniques provided for in this group with electrocardiography or electroauscultation; Heart catheters for measuring blood pressure
- A61B5/0205—Simultaneously evaluating both cardiovascular conditions and different types of body conditions, e.g. heart and respiratory condition
Landscapes
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Engineering & Computer Science (AREA)
- Public Health (AREA)
- Medical Informatics (AREA)
- Biomedical Technology (AREA)
- Physics & Mathematics (AREA)
- General Health & Medical Sciences (AREA)
- Pathology (AREA)
- Surgery (AREA)
- Heart & Thoracic Surgery (AREA)
- Molecular Biology (AREA)
- Animal Behavior & Ethology (AREA)
- Biophysics (AREA)
- Veterinary Medicine (AREA)
- Physiology (AREA)
- Artificial Intelligence (AREA)
- Psychiatry (AREA)
- Signal Processing (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Neurology (AREA)
- Mathematical Physics (AREA)
- Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
- Evolutionary Computation (AREA)
- Radiology & Medical Imaging (AREA)
- Pulmonology (AREA)
- Fuzzy Systems (AREA)
- Oral & Maxillofacial Surgery (AREA)
- Dentistry (AREA)
- Data Mining & Analysis (AREA)
- Databases & Information Systems (AREA)
- Epidemiology (AREA)
- Primary Health Care (AREA)
- Child & Adolescent Psychology (AREA)
- Psychology (AREA)
- Neurosurgery (AREA)
- Hospice & Palliative Care (AREA)
- Developmental Disabilities (AREA)
- Computer Networks & Wireless Communication (AREA)
- Measurement Of The Respiration, Hearing Ability, Form, And Blood Characteristics Of Living Organisms (AREA)
Description
本発明は、レーダを利用して病症を判断する装置、方法及びコンピュータプログラムに関する。
睡眠ポリグラフ検査は、睡眠の質と量を測定し、睡眠疾患と睡眠関連障害を診断する検査である。一般的に、睡眠中に人の体から出てくる生理的、物理的な信号を測定することで様々な睡眠疾患と睡眠障害を診断する。例えば、脳波、眼電図、筋電図、心電図、動脈血、酸素飽和度、腹部と胸部の呼吸運動、呼吸気流、いびき及び体の姿勢などを測定する。
睡眠の質と量を測定する基礎的な方法は、手首活動量計（Ｗｒｉｓｔ Ａｃｔｉｇｒａｐｈｙ）を利用して睡眠時間を測定することである。具体的に、手首活動量計を着用した着用者の活動状態を基に着用者の睡眠時間を測定し、睡眠中の寝返り（Ｔｏｓｓ）などを検出する。
また、手首に着用する光電容積脈波（Ｐｈｏｔｏｐｌｅｔｈｙｓｍｏｇｒａｐｈｙ、ＰＰＧ）測定装置を利用し、着用者の睡眠中の心拍数及び心拍変動度を測定している。具体的に、着用者の睡眠段階を区別し、酸素飽和度（ＳｐＯ２）を測定することで、無呼吸による酸素飽和度の低下（Ｄｅｓａｔｕｒａｔｉｏｎ）を検出する。
しかし、従来技術による検査方法は、睡眠の質（例：疲労度に応じた満足感など）を予測するのに意味があるが、無呼吸の発生原因である閉塞性睡眠時無呼吸症（Ｏｂｓｔｒｕｃｔｉｖｅ Ｓｌｅｅｐ Ａｐｎｅａ、ＯＳＡ）と中枢性睡眠時無呼吸症（Ｃｅｎｔｒａｌ Ｓｌｅｅｐ Ａｐｎｅａ、ＣＳＡ）を区別することができない。
具体的に、睡眠時無呼吸症は、睡眠中に喉の奥の気道が塞がりながら呼吸がよく途切れる閉塞性睡眠時無呼吸症と、睡眠中に息をしようとする人体反応自体がなくなる中枢性睡眠時無呼吸症とに区分される。閉塞性睡眠時無呼吸症は、睡眠時無呼吸症の約９０％を占める代表的な睡眠疾患であり、中枢性睡眠時無呼吸症は、一部のみから観察される睡眠疾患である。
従来技術による検査方法は、人の身体一部に検査装置を取り付けた状態で検査を進行しなければならないという不便が存在し、睡眠疾患をより精密に検査するためには、高コストの検査装置のみに依存しなければならないという限界が存在する。
本発明は、上述した従来技術の問題点を解決するためのものであり、レーダを利用して人の睡眠中の呼吸パターンを分類するだけでなく、睡眠中に発生する睡眠呼吸障害も検出することのできる睡眠呼吸分析装置、方法及びコンピュータプログラムを提供することを目的としている。
但し、本実施例が解決しようとする技術的課題は、上記したような技術的課題に限定されるものではなく、また他の技術的課題が存在し得る。
上述した技術的課題を解決するための技術的手段として、本発明の一実施例は、レーダを利用して病症を判断する装置において、対象客体に向けてレーダ信号を送信し、当該対象客体から反射される当該レーダ信号を受信する送受信部と、当該レーダ信号に基づいて当該対象客体に関する睡眠時間情報及び複数の睡眠項目に関するイベント発生情報を導出する情報導出部と、当該睡眠時間情報及び当該複数の睡眠項目に関するイベント発生情報に基づいて呼吸関連指数情報を導出する指数導出部と、当該呼吸関連指数情報に基づいて睡眠関連病症に当たるか否かを判断する病症判断部とを含む、病症判断装置を提供しても良い。
本発明の他の実施例は、レーダを利用して病症を判断する方法において、対象客体に向けてレーダ信号を送信するステップと、当該対象客体から反射される当該レーダ信号を受信するステップと、当該レーダ信号に基づいて当該対象客体に関する睡眠時間情報及び複数の睡眠項目に関するイベント発生情報を導出するステップと、当該睡眠時間情報及び当該複数の睡眠項目に関するイベント発生情報に基づいて呼吸関連指数情報を導出するステップと、当該呼吸関連指数情報に基づいて睡眠関連病症に当たるか否かを判断するステップとを含む、病症判断方法を提供しても良い。
本発明のまた他の実施例は、
レーダを利用して病症を判断する命令語のシーケンスを含むコンピュータ読み取り可能な記録媒体に格納されたコンピュータプログラムにおいて、当該コンピュータプログラムは、コンピューティング装置によって実行される場合、対象客体に向けてレーダ信号を送信し、当該対象客体から反射される当該レーダ信号を受信し、当該レーダ信号に基づいて当該対象客体に関する睡眠時間情報及び複数の睡眠項目に関するイベント発生情報を導出し、当該睡眠時間情報及び当該複数の睡眠項目に関するイベント発生情報に基づいて呼吸関連指数情報を導出し、当該呼吸関連指数情報に基づいて睡眠関連病症に当たるか否かを判断するようにする命令語のシーケンスを含む、コンピュータ読み取り可能な記録媒体に格納されたコンピュータプログラムを提供しても良い。
レーダを利用して病症を判断する命令語のシーケンスを含むコンピュータ読み取り可能な記録媒体に格納されたコンピュータプログラムにおいて、当該コンピュータプログラムは、コンピューティング装置によって実行される場合、対象客体に向けてレーダ信号を送信し、当該対象客体から反射される当該レーダ信号を受信し、当該レーダ信号に基づいて当該対象客体に関する睡眠時間情報及び複数の睡眠項目に関するイベント発生情報を導出し、当該睡眠時間情報及び当該複数の睡眠項目に関するイベント発生情報に基づいて呼吸関連指数情報を導出し、当該呼吸関連指数情報に基づいて睡眠関連病症に当たるか否かを判断するようにする命令語のシーケンスを含む、コンピュータ読み取り可能な記録媒体に格納されたコンピュータプログラムを提供しても良い。
上述した課題を解決するための手段は、単なる例示であり、本発明を制限する意図で解釈されてはならない。上述した例示的な実施例の他にも、図面及び発明の詳細な説明に記載された追加の実施例が存在し得る。
上述した本発明の課題を解決するための手段の何れか一つによれば、人の睡眠中にレーダを利用して睡眠と係わる人の呼吸信号を分析することができ、これにより、人の睡眠中における呼吸障害による覚醒（ａｒｏｕｓａｌ）回数を算出することができる。人の呼吸信号を利用して睡眠障害を検出し、睡眠関連疾患を判断することができる。
また、レーダを利用して閉塞性睡眠時無呼吸症、中枢性睡眠時無呼吸症及び混合性睡眠時無呼吸症などを含む睡眠関連病症を判断することができる。つまり、睡眠ポリグラフ検査を進行しなくても、睡眠ポリグラフ検査のように人の睡眠関連病症を精密に判断し、原因を分析することができる。
さらに、レーダを利用して日常生活でも簡便に人の睡眠呼吸を分析することができるので、睡眠と係わる病症を持続的に追跡観察することができる。それだけでなく、非対面でも容易に進行可能な睡眠呼吸分析装置、方法及びコンピュータプログラムを提供することができる。
以下では、添付した図面を参照しながら、本発明の属する技術分野において通常の知識を有する者が容易に実施できるように本発明の実施例を詳しく説明する。ところが、本発明は、様々な異なる形態で具現されることができ、ここで説明する実施例に限定されるものではない。そして、図面において、本発明を明確に説明するために、説明とは関係ない部分は省略しており、明細書全体に亘って類似した部分に対しては類似した図面符号を付けている。
明細書全体において、ある部分が他の部分と「連結」されているという場合、これは「直接的に連結」されている場合だけでなく、その中間に他の素子を挟んで「電気的に連結」されている場合も含む。また、ある部分がある構成要素を「含む」という場合、これは、特に反対の記載がない限り、他の構成要素を除くのではなく、他の構成要素をさらに含み得ることを意味し、１つ又はそれ以上の他の特徴や数字、段階、動作、構成要素、部分又はこれらを組み合わせたものの存在又は付加可能性を予め排除するものではないと理解されなければならない。
本明細書において「部」とは、ハードウェアによって実現されるユニット（ｕｎｉｔ）、ソフトウェアによって実現されるユニット、両方を利用して実現されるユニットを含む。また、１つのユニットが２つ以上のハードウェアを利用して実現されても良く、２つ以上のユニットが１つのハードウェアによって実現されても良い。
本明細書において、端末又はデバイスが行うと記述された動作や機能のうち一部は、当該端末又はデバイスと連結されたサーバにおいて代わりに行われても良い。それと同様に、サーバが行うと記述された動作や機能のうち一部も、当該サーバと連結された端末又はデバイスにおいて行われても良い。
以下、添付された図面を参照しながら、本発明の一実施例を詳しく説明することとする。
図１は、本発明の一実施例に係る睡眠呼吸分析システムの構成図である。図１を参照すると、睡眠呼吸分析システム１は、睡眠呼吸分析装置１００と、レーダ１１０とを含んでいても良い。
図１の睡眠呼吸分析システム１の各構成要素は、一般的にネットワーク（ｎｅｔｗｏｒｋ）を介して連結される。例えば、図１に示すように、睡眠呼吸分析装置１００及びレーダ１１０は、同時に又は時間間隔を空けて連結されても良い。
ネットワークは、端末及びサーバのようなそれぞれのノードの相互間に情報交換が可能な連結構造を意味するものであり、構内通信網（ＬＡＮ：Ｌｏｃａｌ Ａｒｅａ Ｎｅｔｗｏｒｋ）、広域通信網（ＷＡＮ：Ｗｉｄｅ Ａｒｅａ Ｎｅｔｗｏｒｋ）、インターネット（ＷＷＷ：Ｗｏｒｌｄ Ｗｉｄｅ Ｗｅｂ）、有無線データ通信網、電話網、有無線テレビ通信網などを含む。無線データ通信網の一例には、３Ｇ、４Ｇ、５Ｇ、３ＧＰＰ（３ｒｄ Ｇｅｎｅｒａｔｉｏｎ Ｐａｒｔｎｅｒｓｈｉｐ Ｐｒｏｊｅｃｔ）、ＬＴＥ（Ｌｏｎｇ Ｔｅｒｍ Ｅｖｏｌｕｔｉｏｎ）、ＷＩＭＡＸ（Ｗｏｒｌｄ Ｉｎｔｅｒｏｐｅｒａｂｉｌｉｔｙ ｆｏｒ Ｍｉｃｒｏｗａｖｅ Ａｃｃｅｓｓ）、ワイファイ（Ｗｉ－Ｆｉ）、ブルートゥース通信、赤外線通信、超音波通信、可視光通信（ＶＬＣ：Ｖｉｓｉｂｌｅ Ｌｉｇｈｔ Ｃｏｍｍｕｎｉｃａｔｉｏｎ）、ライファイ（ＬｉＦｉ）などが含まれるが、これに限定されるものではない。
睡眠呼吸分析装置１００は、対象客体１１１の睡眠中にレーダ１１０を利用して対象客体１１１の呼吸信号を分析しても良い。睡眠呼吸分析装置１００は、対象客体１１１の呼吸信号を利用して対象客体１１１の睡眠障害を検出し、睡眠関連疾患を判断しても良い。
例えば、睡眠呼吸分析装置１００は、睡眠中の対象客体１１１と所定距離を維持した位置に配置され、レーダ１１０を介して対象客体１１１に向けてレーダ信号を送信しても良く、対象客体１１１から反射されるレーダ信号を受信しても良い。
睡眠呼吸分析装置１００は、レーダ１１０を利用して対象客体１１１の閉塞性睡眠時無呼吸症、中枢性睡眠時無呼吸症及び混合性睡眠時無呼吸症などを含む睡眠関連病症を判断しても良い。
よって、睡眠呼吸分析装置１００を利用すれば、睡眠ポリグラフ検査を進行しなくても、睡眠ポリグラフ検査のように対象客体１１１の睡眠関連病症を精密に判断し、原因を分析することができる。
これにより、睡眠呼吸分析装置１００は、レーダ１１０を利用して対象客体１１１の睡眠と係わる呼吸信号を分析することで、従来の睡眠ポリグラフ検査を進行する過程における煩雑さを簡素化することができる。また、睡眠呼吸分析装置１００は、日常生活で簡便に対象客体１１１の睡眠呼吸を持続的に分析することができ、睡眠関連病症の追跡観察を進行することができる。また、非対面で対象客体１１１の睡眠呼吸を分析することができるという効果もある。
以下、睡眠呼吸分析装置１００の各構成要素を検討することとする。
図２は、本発明の一実施例に係る睡眠呼吸分析装置の構成図である。図２を参照すると、睡眠呼吸分析装置１００は、送受信部２１０と、情報導出部２２０と、指数導出部２３０と、病症判断部２４０とを含んでいても良い。但し、上記の構成要素２１０～２４０は、睡眠呼吸分析装置１００によって制御され得る構成要素を例示的に示したものに過ぎない。
以下、睡眠呼吸分析装置１００の各構成要素を検討することとする。
送受信部２１０は、対象客体に向けてレーダ信号を送信しても良い。送受信部２１０は、対象客体から反射されるレーダ信号を受信しても良い。例えば、送受信部２１０は、レーダを利用して対象客体に向けてレーダ信号を送信し、対象客体から反射されるレーダ信号を受信しても良い。
情報導出部２２０は、対象客体から反射されるレーダ信号を利用して対象客体の平均呼吸信号を導出し、平均呼吸信号に基づいて対象客体の睡眠呼吸パターン情報を生成し、睡眠中に発生する睡眠呼吸イベントを検出しても良い。
情報導出部２２０は、平均呼吸信号導出部２２１と、睡眠呼吸パターン情報生成部２２２と、睡眠呼吸イベント検出部２２３とを含んでいても良い。平均呼吸信号導出部２２１は、レーダ信号に基づいて対象客体に対する平均呼吸信号を導出しても良い。例えば、平均呼吸信号導出部２２１は、対象客体から反射されるレーダ信号のパターン、信号の振幅の変化を利用し、対象客体の通常の呼吸に当たる信号を算出しても良い。
平均呼吸信号導出部２２１は、対象客体から反射されるレーダ信号と２つの感度因子を利用し、対象客体に対する平均呼吸信号を算出しても良い。以下、図３及び図４を参照しながら平均呼吸信号を算出する過程を検討することとする。
図３は、本発明の一実施例に係る平均呼吸信号を算出する過程を説明するための例示的な図である。図３を参照すると、平均呼吸信号導出部２２１は、対象客体から反射されるレーダ信号３１０を利用して対象客体の平均呼吸信号３１１を導出し、対象客体の睡眠呼吸に関する状態情報３１２を生成しても良い。
例えば、平均呼吸信号導出部２２１は、レーダ信号３１０に基づき、時間感度因子及び振幅感度因子を利用して平均呼吸信号３１１を導出しても良い。平均呼吸信号導出部２２１は、下記数学式１を利用しても良い。
数学式１において、ｍは、対象客体の平均呼吸信号であり、ｘは、対象客体から反射されて受信したレーダ信号である。Ｌは、特定連続区間の時間長さを意味する時間感度因子であり、シーケンス単位でレーダ信号の周波数と秒単位の長さとを掛けた整数である。そして、Ｆは、特定連続区間の振幅に反応する振幅感度因子である。
例えば、平均呼吸信号導出部２２１は、時間感度因子及び振幅感度因子を利用して対象客体に対する平均呼吸信号を算出しても良い。数学式１を参照すると、対象客体に対する平均呼吸信号は、時間感度因子が大きくなるほど、振幅感度因子が小さくなるほど、時間に応じた信号の波形が鈍り、時間感度因子が小さくなるほど、振幅感度因子が大きくなるほど、時間に応じた信号の波形が急変し得る。
平均呼吸信号導出部２２１は、対象客体から受信したレーダ信号３１０と平均呼吸信号３１１とを比較しても良い。例えば、平均呼吸信号導出部２２１は、レーダ信号３１０のうち平均呼吸信号３１１よりも小さい区間を検出しても良い。平均呼吸信号導出部２２１は、レーダ信号３１０のうち平均呼吸信号３１１よりも小さい区間を検出し、睡眠呼吸に関する状態情報３１２を生成しても良い。
平均呼吸信号導出部２２１は、レーダ信号３１０のうち平均呼吸信号３１１よりも小さい区間に対して「１」を付与し、それ以外の区間に対して「０」を付与しても良い。例えば、平均呼吸信号導出部２２１は、検出結果に基づいて対象客体の睡眠呼吸に関する呼吸状態情報を生成しても良い。つまり、対象客体の睡眠呼吸に関する状態情報３１２は、「１」又は「０」の値で表現されても良い。
図４は、本発明の一実施例に係る時間感度因子及び振幅感度因子を説明するための例示的な図である。例えば、平均呼吸信号導出部２２１は、対象客体から受信したレーダ信号に基づいて対象客体に対する平均呼吸信号を算出しても良い。このとき、平均呼吸信号導出部２２１は、時間感度因子及び振幅感度因子を活用しても良い。
図４の（ａ）は、レーダ信号４１０から導出された時間感度因子の変化に応じた平均呼吸信号を示すグラフであり、（ｂ）は、レーダ信号４１０から導出された振幅感度因子の変化に応じた平均呼吸信号を示すグラフである。
図４の（ａ）に示された例示及び上述した数学式１を参照すると、時間感度因子の周期が短くなるほど、当該時間感度因子に対応する平均呼吸信号の波形は急変し得る。例えば、１０秒周期の時間感度因子に対応する平均呼吸信号の波形４１１と、２０秒周期の時間感度因子に対応する平均呼吸信号の波形４１２と、３０秒周期の時間感度因子に対応する平均呼吸信号の波形４１３とを比較すると、１０秒周期の時間感度因子に対応する平均呼吸信号の波形４１１が最も急変し得る。
図４の（ｂ）に示された例示及び上述した数学式１を参照すると、振幅感度因子の周期が短くなるほど、当該振幅感度因子に対応する平均呼吸信号の波形は鈍り得る。例えば、０．５周期の振幅感度因子に対応する平均呼吸信号の波形４１４と、１．０周期の振幅感度因子に対応する平均呼吸信号の波形４１５と、１．５周期の振幅感度因子に対応する平均呼吸信号の波形４１６とを比較すると、０．５周期の振幅感度因子に対応する平均呼吸信号の波形４１４が最も鈍り得る。
睡眠呼吸パターン情報生成部２２２は、平均呼吸信号とレーダ信号とを比較することで対象客体に対する睡眠呼吸パターン情報を生成しても良い。例えば、睡眠呼吸パターン情報生成部２２２は、対象客体から受信したレーダ信号のうち対象客体の平均呼吸信号よりも小さい区間を検出しても良い。
睡眠呼吸パターン情報生成部２２２は、レーダ信号のうち平均呼吸信号よりも小さい場合を検出し、対象客体の睡眠呼吸に関する呼吸状態情報を生成しても良い。つまり、睡眠呼吸パターン情報生成部２２２は、レーダを利用して対象客体の現在の睡眠呼吸と通常の睡眠呼吸とを比較した対象客体の睡眠呼吸状態情報を生成しても良い。例えば、睡眠呼吸パターン情報生成部２２２は、下記数学式２を利用しても良い。
数学式２において、ａ１は、対象客体の睡眠呼吸に関する呼吸状態情報であり、ｘ［ｉ］は、対象客体から反射されて受信したレーダ信号であり、ｍ［ｉ］は、対象客体の平均呼吸信号である。
例えば、睡眠呼吸パターン情報生成部２２２は、睡眠中に対象客体から受信したレーダ信号と対象客体の平均呼吸信号とを比較しても良い。睡眠呼吸パターン情報生成部２２２は、対象客体から受信したレーダ信号のうち対象客体の平均呼吸信号よりも小さい区間を検出しても良い。
睡眠呼吸パターン情報生成部２２２は、対象客体の睡眠呼吸に関する呼吸状態情報を利用し、対象客体の睡眠状態の連続性を表現する第１の睡眠呼吸パターン情報及び第２の睡眠呼吸パターン情報を生成しても良い。以下、図５を参照しながら対象客体の睡眠呼吸パターン情報を生成する過程を検討することとする。
図５は、本発明の一実施例に係る第１の睡眠呼吸パターン情報及び第２の睡眠呼吸パターン情報を説明するための例示的な図である。図５を参照すると、先ず、睡眠呼吸パターン情報生成部２２２は、対象客体の平均呼吸信号を生成しても良い。例えば、レーダ信号のうち平均呼吸信号よりも小さい区間は、対象客体の現在の呼吸状態情報が「１」と導出され（図５の図面符号５１０に当たる）、レーダ信号のうち平均呼吸信号よりも大きい区間は、対象客体の現在の呼吸状態情報が「０」と導出されても良い（図５の図面符号５２０に当たる）。
そして、睡眠呼吸パターン情報生成部２２２は、対象客体から反射されるレーダ信号を対象客体の平均呼吸信号と比較し、第１の睡眠呼吸パターン情報５１１及び第２の睡眠呼吸パターン情報５１２を含む睡眠呼吸パターン情報を生成しても良い。
睡眠呼吸パターン情報生成部２２２は、呼吸状態情報の持続有無に基づいて対象客体の睡眠呼吸に関する第１の睡眠呼吸パターン情報５１１を生成しても良い。睡眠呼吸パターン情報生成部２２２は、対象客体の現在の睡眠呼吸が通常の睡眠呼吸よりも小さい際に増加する値を有する第１の睡眠呼吸パターン情報５１１を生成しても良い。例えば、睡眠呼吸パターン情報生成部２２２は、下記数学式３を利用して第１の睡眠呼吸パターン情報５１１を生成しても良い。
数学式３において、ｃ１１は、第１の睡眠呼吸パターン情報５１１である。例えば、睡眠呼吸パターン情報生成部２２２は、数学式３及び図５を参照すると、対象客体から反射されるレーダ信号、即ち、対象客体の現在の呼吸が対象客体の平均呼吸信号よりも小さく、当該値が維持される場合に増加する値である第１の睡眠呼吸パターン情報５１１を算出しても良い。つまり、第１の睡眠呼吸パターン情報５１１は、対象客体の現在の呼吸状態情報が「１」に維持される場合に（図５の図面符号５１０に当たる）増加し得る値であり、対象客体の睡眠中に平均呼吸信号よりも小さい区間全体を意味しても良い。
他の例において、睡眠呼吸パターン情報生成部２２２は、数学式３及び図５を参照すると、対象客体の現在の呼吸が対象客体の平均呼吸信号よりも高くなれば第１の睡眠呼吸パターン情報５１１を初期化しても良い。つまり、第１の睡眠呼吸パターン情報５１１は、対象客体の呼吸状態情報が「１」ではない場合に（図５の図面符号５２０に当たる）初期化されても良い。
睡眠呼吸パターン情報生成部２２２は、呼吸状態情報の持続有無及び予め設定された閾値に基づいて第２の睡眠呼吸パターン情報５１２を生成しても良い。睡眠呼吸パターン情報生成部２２２は、対象客体の現在の睡眠呼吸が通常の睡眠呼吸よりも小さい際に増加するが、特定臨界時間に到逹すれば初期化され、再び増加する値を有する第２の睡眠呼吸パターン情報５１２を生成しても良い。例えば、睡眠呼吸パターン情報生成部２２２は、下記数学式４を利用して第２の睡眠呼吸パターン情報５１２を生成しても良い。
数学式４において、ｃ１２は、第２の睡眠呼吸パターン情報５１２であり、Ｔは、予め設定された閾値であって、特定臨界時間５３０である。例えば、睡眠呼吸パターン情報生成部２２２は、数学式４及び図５を参照すると、第１の睡眠呼吸パターン情報５１１と同様に、対象客体から反射されるレーダ信号、即ち、対象客体の現在の呼吸が対象客体の平均呼吸信号よりも小さく、当該値が維持される場合に増加する値であるが、特定臨界時間（数学式４のＴ、５３０）に到逹すれば初期化し、再び増加する第２の睡眠呼吸パターン情報５１２を算出しても良い。
例えば、睡眠呼吸パターン情報生成部２２２は、数学式４及び図５を参照すると、対象客体の現在の呼吸状態情報が「１」に維持される場合（５１０）、第２の睡眠呼吸パターン情報５１２の値を増加させても良いが、特定臨界時間５３０に到逹すれば第２の睡眠呼吸パターン情報５１２の値を初期化させ、再び増加させても良い。
また、睡眠呼吸パターン情報生成部２２２は、レーダ信号のうち平均呼吸信号よりも大きい場合を検出し、対象客体の睡眠呼吸に関する動き状態情報を生成しても良い。例えば、睡眠呼吸パターン情報生成部２２２は、対象客体の睡眠中に感知される動きに関する動き状態情報を利用し、対象客体の睡眠動き状態の連続性を表現する第１の睡眠動きパターン情報及び第２の睡眠動きパターン情報を生成しても良い。
先ず、睡眠呼吸パターン情報生成部２２２は、レーダ信号のうち平均呼吸信号よりも大きい場合を検出し、対象客体の睡眠呼吸に関する動き状態情報を生成しても良い。つまり、睡眠呼吸パターン情報生成部２２２は、レーダを利用して対象客体の現在の睡眠呼吸と通常の睡眠呼吸とを比較した対象客体の睡眠動き状態情報を生成しても良い。例えば、睡眠呼吸パターン情報生成部２２２は、下記数学式５を利用しても良い。
数学式５において、ａ２は、対象客体の睡眠呼吸に関する動き状態情報であり、ｘ［ｉ］は、対象客体から反射されて受信したレーダ信号であり、ｍ［ｉ］は、対象客体の平均呼吸信号である。
例えば、睡眠呼吸パターン情報生成部２２２は、数学式５を参照すると、睡眠中に対象客体から受信したレーダ信号のうち対象客体の平均呼吸信号よりも大きい区間を検出しても良く、検出結果に基づき、対象客体の睡眠呼吸に関する動き状態情報、第１の睡眠動きパターン情報及び第２の睡眠動きパターン情報を生成しても良い。
睡眠呼吸パターン情報生成部２２２は、動き状態情報の持続有無に基づいて対象客体の睡眠動きに関する第１の睡眠動きパターン情報を生成しても良い。睡眠呼吸パターン情報生成部２２２は、対象客体の現在の睡眠呼吸が通常の睡眠呼吸よりも大きい際に増加する値を有する第１の睡眠動きパターン情報を生成しても良い。例えば、睡眠呼吸パターン情報生成部２２２は、下記数学式６を利用しても良い。
数学式６において、ｃ２１は、第１の睡眠動きパターン情報であり、ａ２は、対象客体の睡眠呼吸に関する動き状態情報である。例えば、睡眠呼吸パターン情報生成部２２２は、数学式６を参照すると、対象客体から反射されるレーダ信号が対象客体の平均呼吸信号よりも大きく、当該値が維持される場合に増加する値である第１の睡眠動きパターン情報を算出しても良い。つまり、第１の睡眠動きパターン情報は、対象客体の睡眠中に平均呼吸信号よりも大きい区間全体を意味しても良い。
睡眠呼吸パターン情報生成部２２２は、動き状態情報の持続有無及び予め設定された閾値に基づいて第２の睡眠動きパターン情報を生成しても良い。睡眠呼吸パターン情報生成部２２２は、対象客体の現在の睡眠呼吸が通常の睡眠呼吸よりも大きい際に増加するが、特定臨界時間に到逹すれば初期化され、再び増加する値を有する第２の睡眠動きパターン情報を生成しても良い。例えば、睡眠呼吸パターン情報生成部２２２は、下記数学式７を利用しても良い。
数学式７において、ｃ２２は、第２の睡眠動きパターン情報であり、Ｔは、予め設定された閾値であって、特定臨界時間である。例えば、睡眠呼吸パターン情報生成部２２２は、数学式７を参照すると、第１の睡眠動きパターン情報と同様に、対象客体から反射されるレーダ信号が大きく、当該値が維持される場合に増加する値であるが、特定臨界時間に到逹すれば初期化し、再び増加する第２の睡眠動きパターン情報を算出しても良い。
睡眠呼吸イベント検出部２２３は、睡眠呼吸パターン情報に基づいて睡眠呼吸イベントを検出しても良い。例えば、睡眠呼吸イベント検出部２２３は、第１の睡眠呼吸パターン情報及び第２の睡眠呼吸パターン情報を利用し、対象客体の睡眠中に第１の睡眠呼吸イベント及び第２の睡眠呼吸イベントを検出しても良い。以下、図６を参照しながら対象客体の睡眠呼吸パターン情報を生成する過程を検討することとする。
図６は、本発明の一実施例に係る第１の睡眠呼吸イベント及び第２の睡眠呼吸イベントを説明するための例示的な図である。図６を参照すると、睡眠呼吸分析装置１００は、第１の睡眠呼吸パターン情報６１０及び第２の睡眠呼吸パターン情報６２０から尖頭値６４０、６５０を検出し、第１の睡眠呼吸イベント及び第２の睡眠呼吸イベントを検出しても良い。
睡眠呼吸イベント検出部２２３は、第１の睡眠呼吸パターン情報６１０のうち閾値以上に当たる値に基づいて第１の睡眠呼吸イベントを検出しても良い。睡眠呼吸イベント検出部２２３は、対象客体の睡眠中に特定臨界時間よりも大きい範囲において対象客体の睡眠呼吸が通常よりも小さい場合の睡眠呼吸イベントが発生した回数を検出した第１の睡眠呼吸イベントを検出しても良い。例えば、睡眠呼吸イベント検出部２２３は、下記数学式８を利用して第１の睡眠呼吸イベントを検出しても良い。
数学式８において、ｄ１１は、第１の睡眠呼吸イベントであり、ｃ１１は、第１の睡眠呼吸パターン情報６１０であり、Ｔは、予め設定された閾値であって、特定臨界時間６３０である。数学式８及び図６を参照すると、睡眠呼吸分析装置１００は、第１の睡眠呼吸パターン情報６１０のうち特定臨界時間６３０を超える区間において尖頭値（Ｐｅａｋ）６４０を検出し、カウントすることによって、第１の睡眠呼吸イベントが発生した回数を検出しても良い。
睡眠呼吸イベント検出部２２３は、第２の睡眠呼吸パターン情報６２０のうち閾値に到逹する値に基づいて第２の睡眠呼吸イベントを検出しても良い。睡眠呼吸イベント検出部２２３は、対象客体の睡眠中に特定臨界時間に到逹した睡眠呼吸イベントの発生回数を検出した第２の睡眠呼吸イベントを検出しても良い。例えば、睡眠呼吸分析装置１００は、下記数学式９を利用して第２の睡眠呼吸イベントを検出しても良い。
数学式９において、ｄ１２は、第２の睡眠呼吸イベントであり、ｃ１２は、第２の睡眠呼吸パターン情報６２０であり、Ｔは、予め設定された閾値であって、特定臨界時間６３０である。数学式９及び図６を参照すると、睡眠呼吸分析装置１００は、第２の睡眠呼吸パターン情報６２０のうち特定臨界時間６３０に到逹した尖頭値６５０を検出し、カウントすることによって、第２の睡眠呼吸イベントが発生した回数を検出しても良い。
つまり、睡眠呼吸イベント検出部２２３は、第１の睡眠呼吸イベント及び第２の睡眠呼吸イベントを混合して検出することにより、無呼吸／低呼吸イベントの持続時間に応じた様態を表現することができる。
また、睡眠呼吸イベント検出部２２３は、睡眠動きパターン情報に基づいて睡眠動きイベントを検出しても良い。睡眠呼吸イベント検出部２２３は、第１の睡眠動きパターン情報のうち閾値以上に当たる値に基づいて第１の睡眠動きイベントを検出しても良い。睡眠呼吸イベント検出部２２３は、対象客体の睡眠中に特定臨界時間よりも大きい範囲において対象客体の睡眠呼吸が通常よりも大きい場合の睡眠動きイベントが発生した回数を検出した第１の睡眠動きイベントを検出しても良い。例えば、睡眠呼吸イベント検出部２２３は、下記数学式１０を利用しても良い。
数学式１０において、ｄ２１は、第１の睡眠動きイベントであり、ｃ２１は、第１の睡眠動きパターン情報であり、Ｔは、予め設定された閾値であって、特定臨界時間である。数学式１０を参照すると、睡眠呼吸イベント検出部２２３は、第１の睡眠動きパターン情報のうち特定臨界時間を超える区間において尖頭値（Ｐｅａｋ）を検出し、カウントすることによって、第１の睡眠動きイベントが発生した回数を検出しても良い。
睡眠呼吸イベント検出部２２３は、第２の睡眠動きパターン情報のうち閾値に到逹する値に基づいて第２の睡眠動きイベントを検出しても良い。睡眠呼吸イベント検出部２２３は、対象客体の睡眠中に特定臨界時間に到逹した睡眠動きイベントの発生回数を検出した第２の睡眠動きイベントを検出しても良い。例えば、睡眠呼吸イベント検出部２２３は、下記数学式１１を利用して第２の睡眠動きイベントを検出しても良い。
数学式１１において、ｄ２２は、第２の睡眠動きイベントであり、ｃ２２は、第２の睡眠動きパターン情報であり、Ｔは、予め設定された閾値であって、特定臨界時間である。数学式１１を参照すると、睡眠呼吸イベント検出部２２３は、第２の睡眠動きパターン情報のうち特定臨界時間に到逹した尖頭値を検出し、カウントすることによって、第２の睡眠動きイベントが発生した回数を検出しても良い。
つまり、睡眠呼吸イベント検出部２２３は、第１の睡眠動きイベント及び第２の睡眠動きイベントを混合して検出することにより、睡眠呼吸イベントに対する誤探知を防止することができる。
睡眠呼吸イベント検出部２２３は、複数の睡眠項目（又は睡眠検査項目）に対する最適なパラメータを設定しても良い。例えば、睡眠呼吸イベント検出部２２３は、レーダを利用して抽出できる睡眠検査項目を設定しても良い。睡眠呼吸イベント検出部２２３は、人の腹腔（Ａｂｄｏｍｉｎａｌ）及び四肢（Ｌｉｍｂ）の動きなどに基づき、無呼吸（Ａｐｎｅａ）、低呼吸（Ｈｙｐｏｐｎｅａ）、無呼吸と低呼吸の原因となる中枢性（Ｃｅｎｔｒａｌ）及び各種の一時的な覚醒（Ａｒｏｕｓａｌ）及び睡眠段階などを含む各種の睡眠検査項目を設定しても良い。
最適なパラメータは、イベント発生関連パラメータと、信号処理パラメータとを含んでいても良い。例えば、イベント発生関連パラメータは、対象客体の睡眠中に検出された第１の睡眠呼吸パターン情報、第２の睡眠呼吸パターン情報、第１の睡眠動きパターン情報、及び第２の睡眠動きパターン情報に関する回帰係数であっても良く、信号処理パラメータは、例えば、数学式１のＦ、Ｔ、Ｌに当たり、複数の睡眠項目のそれぞれを検出するためのパラメータであっても良い。
睡眠呼吸イベント検出部２２３は、最適なパラメータに基づいて複数の睡眠項目に関するイベント発生情報を導出しても良い。例えば、睡眠呼吸イベント検出部２２３は、信号処理パラメータを変化させ、複数の睡眠項目のそれぞれに対するイベント発生回数を算出しても良い。
例えば、睡眠呼吸イベント検出部２２３は、下記数学式１２を利用して複数の睡眠項目に関するイベント発生情報を導出しても良い。
例えば、数学式１２において、Ｙは、イベント発生情報に当たるイベントの総発生回数であっても良く、ｂ０乃至ｂ４は、イベント発生関連パラメータであって、最小自乗法を利用して算出されても良い。Ｎ１１乃至Ｎ２２は、上述した方法により検出された第１の睡眠呼吸イベント、第２の睡眠呼吸イベント、第１の睡眠動きイベント及び第２の睡眠動きイベント、それぞれに当たるイベント発生回数であり、ｅは、誤差項であっても良い。
例えば、睡眠呼吸イベント検出部２２３は、無呼吸に関し、中枢性項目に対して予め設定された信号処理パラメータ（Ｆ、Ｌ、Ｔ）に基づき、中枢性項目に関する第１の睡眠呼吸イベント、第２の睡眠呼吸イベント、第１の睡眠動きイベント、及び第２の睡眠動きイベントを検出しても良く、予め設定されたイベント発生関連パラメータと中枢性項目に対して検出された第１の睡眠呼吸イベントが発生した総回数、第２の睡眠イベントが発生した総回数、第１の睡眠動きイベントが発生した総回数、及び第２の睡眠動きイベントが発生した総回数を数学式１２に代入し、無呼吸での中枢性項目に関するイベント発生情報を導出しても良い。
指数導出部２３０は、睡眠時間情報及び複数の睡眠項目に関するイベント発生情報に基づいて呼吸関連指数情報を導出しても良い。例えば、睡眠時間情報は、検査対象者の総睡眠時間に当たる。
指数導出部２３０は、複数の睡眠項目に対して導出されたイベント発生情報の総回数を睡眠時間情報で分けることで、呼吸関連指数情報を導出しても良い。
指数導出部２３０は、無呼吸－低呼吸指数情報及び呼吸障害指数情報を含む呼吸関連指数情報を算出しても良い。指数導出部２３０は、複数の睡眠項目のうち無呼吸項目に関するイベント発生情報及び低呼吸項目に関するイベント発生情報に基づいて無呼吸－低呼吸指数情報を導出しても良い。例えば、指数導出部２３０は、下記数学式１３を利用しても良い。
数学式１３において、ＡＨＩは、無呼吸－低呼吸指数（Ａｐｎｅａ－Ｈｙｐｏｐｎｅａ Ｉｎｄｅｘ、ＡＨＩ）情報であり、Σ無呼吸回数は、無呼吸と関連して検出された検出項目に関するイベント発生情報の総合であり、Σ低呼吸回数は、低呼吸と関連して検出された検出項目に関するイベント発生情報の総合であっても良い。
例えば、数学式１３を参照すると、指数導出部２３０は、無呼吸と関連して検出された中枢性項目に関するイベント発生情報、混合性項目に関するイベント発生情報、及び閉鎖性項目に関するイベント発生情報を合わせることで無呼吸回数を算出しても良く、低呼吸と関連して検出された中枢性項目に関するイベント発生情報、混合性項目に関するイベント発生情報、及び閉鎖性項目に関するイベント発生情報を合わせることで低呼吸回数を算出しても良い。
例えば、指数導出部２３０は、対象客体から受信したレーダ信号を基に動きを分析することによって対象客体の睡眠時間を推定しても良い。指数導出部２３０は、無呼吸回数と低呼吸回数を対象客体の総睡眠時間で分けることで無呼吸－低呼吸指数情報を算出しても良い。
指数導出部２３０は、複数の睡眠項目のうち無呼吸項目に関するイベント発生情報、低呼吸項目に関するイベント発生情報、及び呼吸努力関連項目に関するイベント発生情報に基づいて呼吸障害指数情報を導出しても良い。例えば、指数導出部２３０は、下記数学式１４を利用しても良い。
数学式１４において、ＲＤＩは、呼吸障害指数（Ｒｅｓｐｉｒａｔｉｏｎ Ｄｉｓｔｕｒｂａｎｃｅ Ｉｎｄｅｘ、ＲＤＩ）情報であり、Σ無呼吸回数、Σ低呼吸回数及びΣ呼吸努力関連覚醒は、無呼吸、低呼吸及び呼吸努力関連覚醒と関連して各検出された検出項目に関するイベント発生情報の総合であっても良い。
例えば、数学式１４を参照すると、指数導出部２３０は、対象客体から受信したレーダ信号から検出された無呼吸回数、低呼吸回数及び呼吸努力関連覚醒回数を対象客体の総睡眠時間で分けることで、呼吸障害指数情報を算出しても良い。
病症判断部２４０は、呼吸関連指数情報に基づいて睡眠関連病症に当たるか否かを判断しても良い。病症判断部２４０は、睡眠関連病症に関する疾病群分布情報及び対照群分布情報と呼吸関連指数情報を比較することで睡眠関連病症に当たるか否かを判断しても良い。一例において、病症判断部２４０は、ディープラーニングモデルを利用して呼吸関連指数情報と睡眠関連病症に関する疾病群分布情報又は対照群分布情報を比較しても良い。この場合、本発明の疾病群及び対照群は、アルツハイマー型認知症に対する疾病群及び対照群を含んでいても良い。
例えば、病症判断部２４０は、睡眠関連病症に対する疾病群の睡眠要素の分布値及び対照群の睡眠要素の分布値を活用しても良い。一例において、病症判断部２４０は、疾病群及び対照群の睡眠要素の分布値として平均及び標準偏差を利用しても良い。病症判断部２４０は、無呼吸－低呼吸指数情報を関連病症に対する疾病群の平均及び標準偏差と比較しても良く、無呼吸－低呼吸指数情報を対照群の平均及び標準偏差と比較しても良い。
例えば、病症判断部２４０は、比較結果に基づいて対象客体が睡眠関連病症に当たるか否かを判断しても良い。病症判断部２４０は、対象客体に対する無呼吸－低呼吸指数情報を無呼吸の疾病群の分布情報又は無呼吸の対照群の分布情報とそれぞれ比較しても良く、比較結果に基づいて対象客体が睡眠時無呼吸症であるか否かを判断しても良い。図７ａは、本発明の一実施例に係る複数の睡眠項目に対する最適なパラメータを説明するための例示的な図であり、図７ｂは、睡眠ポリグラフ検査に関するデータセットの例示的な図である。
図７ａ及び図７ｂを参照すると、睡眠呼吸分析装置１００は、レーダを利用して検出できる複数の睡眠項目７１０を設定しても良く、各項目に対する最適なパラメータを設定しても良い。睡眠呼吸分析装置１００は、複数の睡眠項目７１０に対して設定された最適なパラメータに基づいてイベント発生情報を導出しても良い。
先ず、図７ａに示された例示のように、睡眠呼吸分析装置１００は、無呼吸７１１、低呼吸７１２、及び一時的な覚醒７１３などと関連した複数の睡眠項目のそれぞれに対する検出項目７１０を設定しても良い。睡眠呼吸分析装置１００は、無呼吸７１１に関し、無呼吸７１１の原因となる中枢性項目７１１ａ、混合性項目７１１ｂ、及び閉鎖性項目７１１ｃを検出項目７１０として設定しても良く、低呼吸７１２に関し、低呼吸７１２の原因となる中枢性項目、混合性項目、及び閉鎖性項目を検出項目７１０として設定しても良く、一時的な覚醒７１３に関し、一時的な覚醒７１３の原因となる四肢の動きによる覚醒項目、呼吸努力関連覚醒項目、無呼吸／低呼吸覚醒項目、いびきによる覚醒項目、及び自発的な覚醒項目を検出項目７１０として設定しても良い。
例えば、睡眠呼吸分析装置１００は、複数の睡眠項目のそれぞれに設定された検出項目７１０に対して信号処理パラメータ７２０及びイベント発生関連パラメータ７３０を含む最適なパラメータを設定しても良い。
図７ａに示された例示のように、睡眠呼吸分析装置１００は、特定連続区間の時間長さを意味する時間感度因子、Ｌ７２１と、特定連続区間の振幅に反応する振幅感度因子、Ｆ７２２と、特定臨界時間、Ｔ７２３とを含む信号処理パラメータ７２０を設定しても良い。
睡眠呼吸分析装置１００は、対象客体から反射されるレーダ信号から検出された第１の睡眠呼吸イベントに対する回帰係数、ｂ１７３２と、第２の睡眠呼吸イベントに対する回帰係数、ｂ２７３３と、第１の睡眠動きイベントに対する回帰係数、ｂ３７３４と、第２の睡眠動きイベントに対する回帰係数、ｂ４７３５と、その他の回帰係数、ｂ０７３１とを含むイベント発生関連パラメータ７３０を設定しても良い。
例えば、睡眠呼吸分析装置１００は、複数の睡眠項目に対して信号処理パラメータ７２０を変化させながらイベント発生情報を算出し、回帰分析により各睡眠項目に対する最適な因子と回帰係数を導出しても良い。一例において、信号処理パラメータ７２０の変化のために、Ｌ７２１は、１０ｓ、２０ｓ、３０ｓ、４０ｓ、５０ｓ、及び６０ｓのうち１つであっても良く、Ｆ７２２は、０．５、０．７５、１、１．２５、１．５、１．７５、及び２のうち１つであっても良く、Ｔ７２３は、５ｓ、７．５ｓ、１０ｓ、１２．５ｓ、１５ｓ、１７．５ｓ、及び２０ｓのうち１つであっても良い。
図７ｂを参照すると、睡眠呼吸分析装置１００は、睡眠ポリグラフ検査に関するデータセット７４０に基づいて複数の睡眠項目に対する最適なパラメータを設定しても良い。
例えば、睡眠呼吸分析装置１００は、図７ｂに例示されたデータセット７４０に基づき、図７ａに例示された無呼吸７１１において中枢性項目７１１ａに対する信号処理パラメータ７２０及びイベント発生関連パラメータ７３０を含む最適なパラメータを設定しても良い。
例えば、図７ａ及び図７ｂを参照すると、睡眠呼吸分析装置１００は、データセット７４０において、睡眠ポリグラフ検査により測定された睡眠時無呼吸症７５０の原因となる中枢性項目７５１に関する情報を基に無呼吸７１１の中枢性項目７１１ａに対する信号パラメータ７２０及びイベント発生関連パラメータ７３０を設定しても良く、睡眠ポリグラフ検査により測定された睡眠時無呼吸症７５０の原因となる混合性項目７５２に関する情報を基に無呼吸７１１の混合性項目７１１ｂに対する信号パラメータ７２０及びイベント発生関連パラメータ７３０を設定しても良い。
また、睡眠呼吸分析装置１００は、睡眠ポリグラフ検査により測定された睡眠時無呼吸症７５４に関する情報を基に無呼吸７１１に対する信号パラメータ７２０及びイベント発生関連パラメータ７３０を設定しても良い。
例えば、図７ａ及び図７ｂを参照すると、睡眠呼吸分析装置１００は、データセット７４０を参照して睡眠ポリグラフ検査で測定された正解値と相関係数が最も高い因子を最適因子に決定することにより、無呼吸７１１の検出項目７１０、中枢性項目７１１ａに対して、時間感度因子、Ｌ７２１は「３０ｓ」、振幅感度因子、Ｆ７２２は「１．５」、及び特定臨界時間、Ｔ７２３は「１７．５ｓ」を含む信号処理パラメータ７２０を最適なパラメータに設定しても良く、回帰係数、ｂ０７３１は「－３．２１」、ｂ１７３２は「１．２８」、ｂ２７３３は「－１．３８」、ｂ３７３４は「０．０５」、ｂ４７３５は「－０．０５」を含むイベント発生関連パラメータ７３０を設定しても良い。
例えば、睡眠呼吸分析装置１００は、複数の睡眠項目に対して設定された最適なパラメータに基づき、複数の睡眠項目に関するイベント発生情報を導出しても良い（上述した数学式１２を参照）。具体的に、睡眠呼吸分析装置１００は、無呼吸７１１の中枢性７１１ａと関連して検出された情報、第１の睡眠呼吸イベント、第２の睡眠呼吸イベント、第１の睡眠動きイベント、及び第２の睡眠動きイベントと、無呼吸７１１の中枢性項目７１１ａに対して設定された最適なパラメータ７２０、７３０を利用して対象客体の無呼吸症の中枢性項目に関するイベント発生情報を導出しても良い。
図８は、本発明の一実施例に係る睡眠関連病症の分布情報に関する例示的な図である。図８の（ａ）は、アルツハイマー疾病群及び対照群の総睡眠時間（Ｔｏｔａｌ Ｓｌｅｅｐ Ｔｉｍｅ、ＴＳＴ）に関する分布情報であり、（ｂ）は、アルツハイマー疾病群及び対照群の無呼吸－低呼吸に関する分布情報であり、（ｃ）は、アルツハイマー疾病群及び対照群の呼吸障害に関する分布情報である。図８の（ａ）～（ｃ）に例示された分布情報は、アルツハイマーに対する総睡眠時間、無呼吸－低呼吸指数及び呼吸障害指数に関するデータを加工し、図式化した分布情報であっても良く、平均値及び標準偏差を含んでいても良い。
例えば、睡眠呼吸分析装置１００は、対象客体の呼吸関連指数情報と睡眠関連病症の分布情報とを比較することで対象客体が当該睡眠関連病症の疾病群に含まれるか否かを判断しても良い。
例えば、図８の（ａ）を参照すると、睡眠呼吸分析装置１００は、対象客体の総睡眠時間とアルツハイマー疾病群の総睡眠時間との分布情報８１０を比較しても良く、対象客体の総睡眠時間と対照群の総睡眠時間との分布情報８２０を比較しても良い。睡眠呼吸分析装置１００は、比較結果に基づいて対象客体の総睡眠時間分布情報がアルツハイマー疾病群に当たるか否かを判断しても良い。
例えば、図８の（ｂ）を参照すると、睡眠呼吸分析装置１００は、対象客体から導出された無呼吸－低呼吸指数情報とアルツハイマー疾病群の無呼吸－低呼吸に関する分布情報８３０とを比較しても良く、対象客体の無呼吸－低呼吸指数情報と対照群の無呼吸－低呼吸に関する分布情報８４０とを比較しても良い。睡眠呼吸分析装置１００は、比較結果に基づいて対象客体の無呼吸－低呼吸指数情報がアルツハイマー疾病群に当たるか否かを判断しても良い。
例えば、図８の（ｃ）を参照すると、睡眠呼吸分析装置１００は、対象客体から導出された呼吸障害指数情報とアルツハイマー疾病群の呼吸障害に対する分布情報８５０とを比較しても良く、対象客体の呼吸障害指数情報と対照群の呼吸障害に関する分布情報８６０とを比較しても良い。睡眠呼吸分析装置１００は、比較結果に基づいて対象客体の呼吸障害指数情報がアルツハイマー疾病群に当たるか否かを判断しても良い。
図９は、本発明の一実施例に係る対象客体が睡眠関連病症に当たるか否かを判断する過程を説明するための例示的な図である。図９を参照すると、睡眠呼吸分析装置１００は、複数の呼吸関連指数項目９１０に関して対象客体から導出された呼吸関連指数情報９２０を睡眠関連病症に関する疾病群の分布情報及び対照群の分布情報とそれぞれ比較しても良く、比較結果に基づき、対象客体が確率分布上で睡眠関連病症に当たるか否かを判断した予測情報９５０を生成しても良い。
例えば、睡眠呼吸分析装置１００は、複数の呼吸関連指数項目９１０に関する対象客体の指数情報９２０を睡眠関連病症に関する疾病群分布情報と比較することで対象客体が疾病群に属する確率情報９３０を導出しても良く、複数の呼吸関連指数項目９１０に関する対象客体の指数情報９２０を睡眠関連病症に関する対照群分布情報と比較することで対象客体が正常群に属する確率情報９４０を導出しても良い。睡眠呼吸分析装置１００は、導出された確率情報９３０、９４０に基づき、対象客体が睡眠関連病症の疾病群に当たるか否かを判断した予測情報９５０を生成しても良い。
図９に示された例示を参照すると、睡眠呼吸分析装置１００は、対象客体の総睡眠時間９１１に関する指数情報「１８３（９２１）」と疾病群の総睡眠時間の分布情報及び対照群の総睡眠時間の分布情報とを比較した結果に基づき、疾病群に属する確率情報「０．８６９２（９３１）」及び対照群に属する確率情報「０．１３０８（９４１）」を導出しても良い。これにより、睡眠呼吸分析装置１００は、対象客体の総睡眠時間から対象客体が確率分布上で睡眠関連病症の疾病群に当たると判断した予測情報「ＡＤ（９５１）」を生成しても良い。
睡眠呼吸分析装置１００は、対象客体の無呼吸－低呼吸指数９１２に関する指数情報「１０．４９（９２２）」と疾病群の無呼吸－低呼吸に関する分布情報及び対照群の無呼吸－低呼吸に関する分布情報とを比較した結果に基づき、疾病群に属する確率情報「０．２１７９（９３２）」及び対照群に属する確率情報「０．７８２１（９４２）」を導出しても良い。これにより、睡眠呼吸分析装置１００は、対象客体の無呼吸－低呼吸指数情報から対象客体が確率分布上で正常群に当たると判断した予測情報「Ｃｏｎｔｒｏｌ（９５２）」を生成しても良い。
睡眠呼吸分析装置１００は、対象客体の呼吸障害指数９１３に関する指数情報「１４．４３（９２３）」と疾病群の呼吸障害に関する分布情報及び対照群の呼吸障害に関する分布情報とを比較した結果に基づき、疾病群に属する確率情報「０．９８０１（９３３）」及び対照群に属する確率情報「０．０１９９（９４３）」を導出しても良い。これにより、睡眠呼吸分析装置１００は、対象客体の呼吸障害指数情報から対象客体が確率分布上で疾病群に当たると判断した予測情報「ＡＤ（９５３）」を生成しても良い。
この場合、各項目毎に疾病群／正常群に対する最終判断結果を投票（Ｖｏｔｔｉｎｇ）により決定しても良い。例えば、対象客体の総睡眠時間９１１及び呼吸障害指数９１３は疾病群と判断され、無呼吸－低呼吸指数９１２では正常群と判断されたので、対象客体は各項目別に疾病群という判定が優勢であり、最終的に疾病群と判定することで病症を判断することができる。
このように、本発明は、対象客体に対する睡眠中レーダ信号分析結果を利用して病症判断を行っても良く、このような病症判断に関する情報を提供する病症判断サービスを対象客体に提供しても良い。
その他に、病症判断の後に判断の根拠となった情報を収合しても良い。収合された情報は、サービスの時点でユーザに病症判断の根拠を共に提供しても良い。単に検査に使用された項目と項目別の病症判断の尺度を製錬し、特定のドメイン情報上において対象客体の位置と確率を表現しても良い。
また、より詳しい情報を派生させて対象客体に提供することもできる。当該検査者（対象客体）の場合、ＡＨＩ（無呼吸－低呼吸指数９１２）は正常群であったものの、ＲＥＲＡ（呼吸努力による覚醒）に関する平均回数が加えられたＲＤＩ（呼吸障害指数９１３）は非常に高い確率で疾病群と算出された。つまり、ＲＥＲＡの回数がＲＤＩの増加に大いに寄与しており、ＲＥＲＡは一般的に中枢性無呼吸と深い関係がある。よって、複数の睡眠検査項目のうち「中枢性項目」と関連した項目の結果を共に対象客体に提供することができる。
このような情報と共に後日様々な事例データが蓄積されれば、類似した年齢群；家庭環境群；基底疾病群などにおける疾病の位置のような統計的情報を共に提供することができる。
図１０は、本発明の一実施例に係る睡眠呼吸分析方法のフローチャートである。図１０に示されたレーダを利用して睡眠呼吸を分析する方法は、図１乃至図９に示された実施例により時系列的に処理されるステップを含む。よって、以下、省略された内容であるとしても、図１乃至図９に示された実施例に係る睡眠呼吸分析装置において睡眠呼吸を分析する方法にも適用される。
ステップＳ１０１０において、睡眠呼吸分析装置は、対象客体に向けてレーダ信号を送信しても良い。
ステップＳ１０２０において、睡眠呼吸分析装置は、対象客体から反射されるレーダ信号を受信しても良い。
ステップＳ１０３０において、睡眠呼吸分析装置は、レーダ信号に基づいて対象客体に対する平均呼吸信号を導出しても良い。
ステップＳ１０４０において、睡眠呼吸分析装置は、平均呼吸信号とレーダ信号とを比較することで対象客体に対する睡眠呼吸パターン情報を生成しても良い。
ステップＳ１０５０において、睡眠呼吸分析装置は、睡眠呼吸パターン情報に基づいて睡眠呼吸イベントを検出しても良い。
上述した説明において、ステップＳ１０１０乃至Ｓ１０５０は、本発明の具現例によって追加のステップにさらに分割されたり、より少ないステップに組み合わせられても良い。また、一部のステップは必要に応じて省略されても良く、ステップ間の順番が変更されても良い。
図１乃至図１０を通じて説明された睡眠呼吸分析装置においてレーダを利用して睡眠呼吸を分析する方法は、コンピュータにより実行されるコンピュータ読み取り可能な記録媒体に格納されたコンピュータプログラム又はコンピュータにより実行可能な命令語を含む記録媒体の形態に具現されても良い。また、図１乃至図１０を通じて説明された睡眠呼吸分析装置においてレーダを利用して睡眠呼吸を分析する方法は、コンピュータにより実行されるコンピュータ読み取り可能な記録媒体に格納されたコンピュータプログラムの形態に具現されても良い。
図１１は、本発明の一実施例に係る病症判断方法のフローチャートである。図１１に示されたレーダを利用して病症を判断する方法は、図１乃至図９に示された実施例により時系列的に処理されるステップを含む。よって、以下、省略された内容であるとしても、図１乃至図９に示された実施例に係る睡眠呼吸分析装置において病症を判断する方法にも適用される。
ステップＳ１１１０において、睡眠呼吸分析装置は、対象客体に向けてレーダ信号を送信しても良い。
ステップＳ１１２０において、睡眠呼吸分析装置は、対象客体から反射されるレーダ信号を受信しても良い。
ステップＳ１１３０において、睡眠呼吸分析装置は、レーダ信号に基づいて対象客体に対する睡眠時間情報及び複数の睡眠項目に関するイベント発生情報を導出しても良い。
ステップＳ１１４０において、睡眠呼吸分析装置は、睡眠時間情報及び複数の睡眠項目に関するイベント発生情報に基づいて呼吸関連指数情報を導出しても良い。
ステップＳ１１５０において、睡眠呼吸分析装置は、呼吸関連指数情報に基づいて睡眠関連病症に当たるか否かを判断しても良い。
上述した説明において、ステップＳ１１１０乃至Ｓ１１５０は、本発明の具現例によって追加のステップにさらに分割されたり、より少ないステップに組み合わせられても良い。また、一部のステップは必要に応じて省略されても良く、ステップ間の順番が変更されても良い。
図１乃至図１１を通じて説明された睡眠呼吸分析装置においてレーダを利用して病症を判断する方法は、コンピュータにより実行されるコンピュータ読み取り可能な記録媒体に格納されたコンピュータプログラム又はコンピュータにより実行可能な命令語を含む記録媒体の形態に具現されても良い。また、図１乃至図１１を通じて説明された睡眠呼吸分析装置においてレーダを利用して病症を判断する方法は、コンピュータにより実行されるコンピュータ読み取り可能な記録媒体に格納されたコンピュータプログラムの形態に具現されても良い。
コンピュータ読み取り可能な媒体は、コンピュータによってアクセスできる任意の可用媒体であっても良く、揮発性及び不揮発性の媒体、分離型及び非分離型の媒体を全て含む。また、コンピュータ読み取り可能な媒体は、コンピュータ格納媒体を含んでいても良い。コンピュータ格納媒体は、コンピュータ読み取り可能な命令語、データ構造、プログラムモジュール、又はその他のデータのような情報格納のための任意の方法又は技術に具現された揮発性及び不揮発性、分離型及び非分離型の媒体を全て含む。
上述した本発明の説明は例示のためのものであり、本発明の属する技術分野において通常の知識を有する者であれば、本発明の技術的思想や必須の特徴を変更せずに他の具体的な形態に容易に変形可能であるということを理解できるはずである。それゆえ、上記した実施例は全ての面において例示的なものであり、限定的なものではないと理解すべきである。例えば、単一型で説明されている各構成要素は分散して実施されても良く、同様に、分散したものと説明されている構成要素も結合された形態で実施されても良い。
本発明の範囲は、上記詳細な説明よりは後述する特許請求の範囲によって示され、特許請求の範囲の意味及び範囲、並びにその均等概念から導出される全ての変更又は変形された形態が本発明の範囲に含まれると解釈されなければならない。
１００： 睡眠呼吸分析装置
２１０： 送受信部
２２０： 情報導出部
２３０： 指数導出部
２４０： 病症判断部
２１０： 送受信部
２２０： 情報導出部
２３０： 指数導出部
２４０： 病症判断部
Claims (15)
- レーダを利用して病症を判断する装置において、
対象客体に向けてレーダ信号を送信し、前記対象客体から反射された前記レーダ信号を受信する送受信部と、
前記レーダ信号に基づいて前記対象客体に関する睡眠時間情報及び複数の睡眠項目に関するイベント発生情報を導出する情報導出部と、
前記睡眠時間情報及び前記複数の睡眠項目に関するイベント発生情報に基づいて呼吸関連指数情報を導出する指数導出部と、
前記呼吸関連指数情報に基づいて睡眠関連病症に当たるか否かを判断する病症判断部と
を含み、
前記情報導出部は、前記レーダ信号と前記対象客体に対する平均呼吸信号とを比較することで前記複数の睡眠項目に関するイベント発生情報を導出し、
前記平均呼吸信号は、前記対象客体から反射されたレーダ信号のパターンと、前記レーダ信号の振幅の変化に基づいて計算される、病症判断装置。 - 前記情報導出部は、前記対象客体に対する睡眠呼吸イベント及び睡眠動きイベントを検出することによって前記複数の睡眠項目に関するイベント発生情報を導出する、請求項１に記載の病症判断装置。
- 前記情報導出部は、前記複数の睡眠項目に対するパラメータを設定し、前記パラメータに基づいて前記複数の睡眠項目に関するイベント発生情報を導出し、
前記パラメータは、イベント発生関連パラメータと、信号処理パラメータとを含む、請求項２に記載の病症判断装置。 - 前記呼吸関連指数情報は、前記複数の睡眠項目に関するイベント発生情報に当たる総発生回数を前記睡眠時間情報で分けた値である、請求項１に記載の病症判断装置。
- 前記呼吸関連指数情報は、無呼吸－低呼吸指数情報を含み、
前記指数導出部は、前記複数の睡眠項目のうち無呼吸項目に関するイベント発生情報及び低呼吸項目に関するイベント発生情報に基づいて前記無呼吸－低呼吸指数情報を導出する、請求項１に記載の病症判断装置。 - 前記呼吸関連指数情報は、呼吸障害指数情報を含み、
前記指数導出部は、前記複数の睡眠項目のうち無呼吸項目に関するイベント発生情報、低呼吸項目に関するイベント発生情報、及び呼吸努力関連項目に関するイベント発生情報に基づいて前記呼吸障害指数情報を導出する、請求項１に記載の病症判断装置。 - 前記病症判断部は、前記睡眠関連病症に関する疾病群分布情報及び対照群分布情報と前記呼吸関連指数情報を比較することで前記睡眠関連病症に当たるか否かを判断する、請求項１に記載の病症判断装置。
- レーダを利用して病症を判断する装置によって実行される方法において、
前記装置によって、対象客体に向けてレーダ信号を送信するステップと、
前記装置によって、前記対象客体から反射される前記レーダ信号を受信するステップと、
前記装置によって、前記レーダ信号に基づいて前記対象客体に関する睡眠時間情報及び複数の睡眠項目に関するイベント発生情報を導出するステップと、
前記装置によって、前記睡眠時間情報及び前記複数の睡眠項目に関するイベント発生情報に基づいて呼吸関連指数情報を導出するステップと、
前記装置によって、前記呼吸関連指数情報に基づいて睡眠関連病症に当たるか否かを判断するステップとを含み、
前記イベント発生情報を導出するステップは、
前記装置によって、前記レーダ信号と前記対象客体の平均呼吸信号とを比較するステップと、
前記装置によって、前記比較結果に基づいて前記複数の睡眠項目に関するイベント発生情報を導出するステップとを含み、
前記平均呼吸信号は、前記対象客体から反射されたレーダ信号のパターンと、前記レーダ信号の振幅の変化に基づいて計算される、病症判断方法。 - 前記イベント発生情報を導出するステップは、
前記対象客体に対する睡眠呼吸イベント及び睡眠動きイベントを検出することによって前記複数の睡眠項目に関するイベント発生情報を導出するステップ
をさらに含む、請求項８に記載の病症判断方法。 - 前記イベント発生情報を導出するステップは、
前記複数の睡眠項目に対するパラメータを設定するステップと、
前記パラメータに基づいて前記複数の睡眠項目に関するイベント発生情報を導出するステップと
をさらに含み、
前記パラメータは、イベント発生関連パラメータと、信号処理パラメータとを含む、請求項９に記載の病症判断方法。 - 前記呼吸関連指数情報は、前記複数の睡眠項目に関するイベント発生情報に当たる総発生回数を前記睡眠時間情報で分けた値である、請求項８に記載の病症判断方法。
- 前記呼吸関連指数情報は、無呼吸－低呼吸指数情報を含み、
呼吸関連指数情報を導出するステップは、
前記複数の睡眠項目のうち無呼吸項目に関するイベント発生情報及び低呼吸項目に関するイベント発生情報に基づいて前記無呼吸－低呼吸指数情報を導出するステップ
を含む、請求項８に記載の病症判断方法。 - 前記呼吸関連指数情報は、呼吸障害指数情報を含み、
呼吸関連指数情報を導出するステップは、
前記複数の睡眠項目のうち無呼吸項目に関するイベント発生情報、低呼吸項目に関するイベント発生情報、及び呼吸努力関連項目に関するイベント発生情報に基づいて前記呼吸障害指数情報を導出するステップ
をさらに含む、請求項８に記載の病症判断方法。 - 睡眠関連病症に当たるか否かを判断するステップは、
前記睡眠関連病症に関する疾病群分布情報及び対照群分布情報と前記呼吸関連指数情報を比較するステップと、
前記比較結果に基づいて前記睡眠関連病症に当たるか否かを判断するステップと
を含む、請求項８に記載の病症判断方法。 - レーダを利用して病症を判断する命令語のシーケンスを含むコンピュータ読み取り可能な記録媒体に格納されたコンピュータプログラムにおいて、
前記コンピュータプログラムは、コンピューティング装置によって実行される場合、
対象客体に向けてレーダ信号を送信し、
前記対象客体から反射された前記レーダ信号を受信し、
前記レーダ信号に基づいて前記対象客体に関する睡眠時間情報を導出し、前記レーダ信号と前記対象客体の平均呼吸信号とを比較し、前記比較結果に基づいて複数の睡眠項目に関するイベント発生情報を導出し、
前記睡眠時間情報及び前記複数の睡眠項目に関するイベント発生情報に基づいて呼吸関連指数情報を導出し、
前記呼吸関連指数情報に基づいて睡眠関連病症に当たるか否かを判断するようにする命令語のシーケンスを含み、
前記平均呼吸信号は、前記対象客体から反射されたレーダ信号のパターンと、前記レーダ信号の振幅の変化に基づいて計算される、コンピュータ読み取り可能な記録媒体に格納されたコンピュータプログラム。
Applications Claiming Priority (2)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020210176123A KR20230087300A (ko) | 2021-12-09 | 2021-12-09 | 레이더를 이용하여 병증을 판단하는 장치, 방법 및 컴퓨터 프로그램 |
| KR10-2021-0176123 | 2021-12-09 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| JP2023086084A JP2023086084A (ja) | 2023-06-21 |
| JP7478473B2 true JP7478473B2 (ja) | 2024-05-07 |
Family
ID=83692690
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| JP2022152090A Active JP7478473B2 (ja) | 2021-12-09 | 2022-09-26 | レーダを利用して病症を判断する装置、方法及びコンピュータプログラム |
Country Status (4)
| Country | Link |
|---|---|
| US (1) | US20230181099A1 (ja) |
| EP (1) | EP4193915A1 (ja) |
| JP (1) | JP7478473B2 (ja) |
| KR (1) | KR20230087300A (ja) |
Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2014210137A (ja) | 2013-04-22 | 2014-11-13 | 公立大学法人首都大学東京 | 身体情報測定装置 |
| WO2018003752A1 (ja) | 2016-06-29 | 2018-01-04 | コニカミノルタ株式会社 | 呼吸異常検出装置及び呼吸異常検出方法 |
| JP2018157870A (ja) | 2017-03-22 | 2018-10-11 | 山陽電子工業株式会社 | 生体状態検出装置 |
| WO2020203935A1 (ja) | 2019-04-03 | 2020-10-08 | 帝人株式会社 | 睡眠状態検出装置、睡眠状態検出方法及び睡眠状態検出プログラム |
| JP2021037293A (ja) | 2008-09-24 | 2021-03-11 | レスメッド センサー テクノロジーズ リミテッド | Ｑｏｌ監視システムおよび方法 |
Family Cites Families (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR20180077453A (ko) | 2016-12-29 | 2018-07-09 | 주식회사 올비 | 동작 패턴 분석에 기반한 수면중 호흡 분석 시스템 |
| KR102321991B1 (ko) | 2020-03-30 | 2021-11-03 | 디디에이치 주식회사 | 수면 무호흡증 진단을 위한 기도 형태 분석 방법 및 장치 |
-
2021
- 2021-12-09 KR KR1020210176123A patent/KR20230087300A/ko not_active Application Discontinuation
-
2022
- 2022-09-09 US US17/941,325 patent/US20230181099A1/en active Pending
- 2022-09-14 EP EP22195587.5A patent/EP4193915A1/en active Pending
- 2022-09-26 JP JP2022152090A patent/JP7478473B2/ja active Active
Patent Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2021037293A (ja) | 2008-09-24 | 2021-03-11 | レスメッド センサー テクノロジーズ リミテッド | Ｑｏｌ監視システムおよび方法 |
| JP2014210137A (ja) | 2013-04-22 | 2014-11-13 | 公立大学法人首都大学東京 | 身体情報測定装置 |
| WO2018003752A1 (ja) | 2016-06-29 | 2018-01-04 | コニカミノルタ株式会社 | 呼吸異常検出装置及び呼吸異常検出方法 |
| JP2018157870A (ja) | 2017-03-22 | 2018-10-11 | 山陽電子工業株式会社 | 生体状態検出装置 |
| WO2020203935A1 (ja) | 2019-04-03 | 2020-10-08 | 帝人株式会社 | 睡眠状態検出装置、睡眠状態検出方法及び睡眠状態検出プログラム |
Also Published As
| Publication number | Publication date |
|---|---|
| EP4193915A1 (en) | 2023-06-14 |
| KR20230087300A (ko) | 2023-06-16 |
| JP2023086084A (ja) | 2023-06-21 |
| US20230181099A1 (en) | 2023-06-15 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US11931131B2 (en) | Apparatus, system and method for chronic disease monitoring | |
| JP6787947B2 (ja) | 心肺健康状態モニタリング装置及びコンピュータ可読媒体 | |
| AU2005204433B2 (en) | Method and apparatus for ECG-derived sleep disordered breathing monitoring, detection and classification | |
| US20220167856A1 (en) | Lung function monitoring from heart signals | |
| Sady et al. | Automatic sleep staging from ventilator signals in non-invasive ventilation | |
| JP7478473B2 (ja) | レーダを利用して病症を判断する装置、方法及びコンピュータプログラム | |
| KR20230037420A (ko) | 레이더를 이용하여 수면 호흡을 분석하는 장치, 방법 및 컴퓨터 프로그램 | |
| KR20230133198A (ko) | 수면 질을 점수화하는 장치, 방법 및 컴퓨터 프로그램 | |
| JP2023039942A (ja) | レーダを利用して睡眠呼吸を分析する装置、方法及びコンピュータプログラム | |
| US20230284971A1 (en) | Device, method and computer program for scoring sleep quality | |
| AU2015201380B2 (en) | Apparatus, system and method for chronic disease monitoring | |
| JP2023133267A (ja) | レーダを利用して睡眠イベントを判断する装置、方法及びコンピュータプログラム |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20220926 |
|
| A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20231010 |
|
| A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20240109 |
|
| 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: 20240319 |
|
| A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20240415 |
|
| R150 | Certificate of patent or registration of utility model |
Ref document number: 7478473 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |