JPWO2004107978A1 - 睡眠段階判定方法および判定装置 - Google Patents

Abstract

無侵襲センサで検出した生体信号から呼吸信号と心拍信号及び生体信号強度を検出し、これらから抽出した信号とこの信号から算出されるパラメータを少なくも一つを指標値とした睡眠段階判定方法および判定装置とすることを目的としたものであり、睡眠中の被験者の睡眠段階を判定する方法および判定する装置であって、寝台に配置した生体信号を検出する無侵襲センサと、無侵襲センサの出力から心拍、呼吸、生体強度信号等を検出する検出手段と、心拍信号から検出したＲ−Ｒ間隔信号にフーリエ変換を施して得たパワースペクトル密度から自律神経評価し、睡眠段階の指標値を求める指標値演算手段と複数のパラメータを指標信号とし、それぞれの指標信号について所定時間のデータから睡眠段階に応じた閾値を算出して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および判定装置。同様にこの無侵襲センサ信号から算出されるパラメータを少なくも一つを指標値とした睡眠段階判定方法及び判定装置である。

Description

本発明は、生体信号検出手段から検出した生体信号から睡眠段階を判定する睡眠段階の判定方法および判定装置であって、被験者の年齢の違いや体調の変動などに影響をうけずに睡眠段階を正確に判定する睡眠段階判定方法および判定装置に関する。
技術背景
個人の健康状態について調べる際に、睡眠をその判定指標とすることが多く、睡眠と健康とが密接に関連していることはよく知られているところである。健康と夜間の睡眠の深さおよびその質が翌日の気分や気力と密接に関連しており、一方精神的なストレスや体調が不良である場合には、眠りの深さや睡眠段階の推移パターンに変化が起こり、快適な睡眠が得られない。
健康な睡眠では、入眠した後にノンレム睡眠段階とレム睡眠段階とが一定の間隔で繰り返し現われるが、体調を崩しているときや、精神的なストレスがかかっているときには、そのリズムが乱れることが知られている。したがって夜間の睡眠中の睡眠段階とその発生パターンを監視することにより、被験者の精神的なストレスや体調の不良を知ることが可能になる。
特に高齢者は、眠りが浅い等の睡眠の不調を訴える人が多く、睡眠の質が問題となる。睡眠の質を知るためには睡眠段階の推移を知ることによって改善する対処法や措置を見いだすことが可能になる。
従来からある睡眠段階を知る方法としては、睡眠ポリソムノグラフ（ＰＳＧ）を用いる方法が一般的である。ＰＳＧを用いる方法では、睡眠中の脳神経系の活動を脳波、表面筋電位、眼球運動等から推定して睡眠に関する多くの情報を得ることができるが、被験者の顔や身体に多くの電極を装着して測定を行うために、自然な睡眠を得ることが困難であり、また慣れるまでに数日から１週間の日時を要する。したがって被験者に与えられる身体的および肉体的な負担は非常に大きなものであり、さらに、この測定は病院等特定の施設と取り扱いに習熟した専門家が実施する必要がある。従って、これに要する費用も多額になる。
このために、ＰＳＧは睡眠障害があることが明らかな患者等に使用するのは有効な治療法に成りえても、日常の健康管理に使用することは困難である。
そこで、被験者の日常の健康状態を知るためにＰＳＧを用いずに、簡単に睡眠段階を知る方法を求める声が高い。しかし、いくつか提案されている睡眠段階を知る方法は、年齢による違いや、自律神経成分の個人差の差異等などによって判定基準を変える必要あったり、判定結果が個人差の変動によりばらついたりして、正確性に欠けるという問題があり、実用化されていない。
そこで本発明は、被験者の年齢による違いや、体調の変動などに関係なく安定した睡眠段階の判定が可能な睡眠段階の判定方法および判定装置を提供することを目的とする。
さらに、取扱が容易であり、さらに価格および維持費用の点で日常的に使用可能で、かつ身体的および精神的な負担を被験者にかけることなく被験者の睡眠段階を判定できる方法および装置を提供することを目的としている。

本発明は、上記の如き実情に鑑みこれらの課題を解決することを目的として創作されたものであって、生体信号検出手段で検出した信号から抽出した心拍信号あるいは呼吸信号、並びにこれらの信号から導出したパラメータのうち、少なくも１つの信号を指標信号とし、それぞれの指標信号について所定時間のデータから睡眠段階を判定する閾値を算出し、この閾値を用いて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である。
そして、このようにすることによって、生体信号検出手段で生体から発する微小な振動を検出し、睡眠段階を判定することができる。
請求項１において、前記生体信号検出手段で検出した信号の信号強度値を加えた中から、少なくとも１つの信号を指標信号とすることができる。
請求項２において、前記睡眠段階の各段階の判定には、前記指標信号のうち少なくとも２つ以上の指標信号の判定情報の論理積を用いて判定することができ、これにより判定の信頼性を向上させることができる。
請求項３において、前記指標信号の閾値は、前記指標信号の所定時間の平均値と分散値とを用いて算出するものとすることができ、直近の指標信号の統計値を用いるので、被験者の状態に対応した閾値を得ることが可能となり、年齢差や体調の違いによる影響を避けることが可能となる。
請求項３において、前記指標信号の閾値は、指標信号の移動平均の信号を求め、その信号の平均値と分散値を用いて算出するものとすることができる。
請求項４において、前記指標信号の閾値は、指標信号の長時間の移動平均と短時間移動平均の差の信号を求め、その差の信号の平均値と分散値とを用いて算出するものとすることができ、このように移動平均を求めることで、指標信号の高周波成分や長期にわたるレベル変動を除くことができるので、信号の解析処理の結果が安定する。
請求項３において、前記指標信号の１つは、生体信号検出手段で検出した信号をゲインコントロールして得られる係数の逆数として得られる信号であることとすることができる。
請求項３において、前記指標信号の１つは、心拍信号のＲ−Ｒ間隔値である。
請求項３において、前記指標信号の１つは、呼吸信号のピーク値間隔値である。
請求項３において、前記指標信号の１つは、心拍信号のパワースペクトル密度において低い周波数域側に発現する極大値帯域の積分値（ＬＦ値）信号および／または高い周波数域側に発現する極大値帯域の積分値（ＨＦ値）信号とすることができる。
請求項３において、前記指標信号の１つは、心拍信号のパワースペクトル密度におけるＬＦ値と、ＨＦ値との比の信号とすることができる。
請求項３において、前記指標信号の１つは、心拍信号のＲ−Ｒ間隔値から求めたパワースペクトル密度信号におけるＬＦ値信号と、ＬＦ値信号とＨＦ値信号の和の信号との比の信号とすることができる。
請求項３において、前記指標信号の１つは、心拍信号のパワースペクトル密度におけるＬＦ値と、ＨＦ値との比の対数値とすることができる。
これらの指標信号は、睡眠段階を判定するのに公的なパラメータであり、これらを用いることで睡眠段階の信頼性を高めることができる。
請求項２において、前記生体信号検出手段は、無侵襲な検出手段であることが望ましい。
請求項１４において、前記生体信号検出手段は、圧力検出チューブと圧力検出センサと生体信号抽出手段とから成り、圧力検出センサで検出した圧力変動から生体信号を抽出する構成としてもよい。
請求項２において、前記生体信号検出手段は、心電計、脈拍計等の心拍信号検出手段と呼吸数あるいは呼吸状態を検出する呼吸状態検出手段としてもよい。
また、本発明は、生体信号検出手段で検出した信号から抽出した心拍信号あるいは呼吸信号、並びにこれらの信号から導出したパラメータのうち、少なくも１つの信号を指標信号とし、それぞれの指標信号について所定時間のデータから睡眠段階を判定する閾値を算出し、この閾値を用いて睡眠段階を判定する判定手段を設けたことを特徴とする睡眠段階判定装置である。
請求項１７において、前記生体信号検出手段で検出した信号の信号強度値を加えた中から、少なくとも１つの信号を指標信号とすることができる。
請求項１８において、前記睡眠段階の各段階の判定には、前記指標信号のうち少なくとも２つ以上の指標信号の判定情報の論理積を用いて判定することができる。
請求項１９において、前記指標信号の閾値は、前記指標信号の所定時間の平均値と分散値とを用いて算出することができる。
請求項１９において、前記指標信号の閾値は、指標信号の移動平均の信号を求め、その信号の平均値と分散値を用いて算出することができる。
請求項２０において、前記指標信号の閾値は、指標信号の長時間の移動平均と短時間移動平均の差の信号を求め、その差の信号の平均値と分散値とを用いて算出することができる。
請求項１９において、前記指標信号の１つは、生体信号検出手段で検出した信号をゲインコントロールして得られる係数の逆数として得られる信号である。
請求項１９において、前記指標信号の１つは、心拍信号のＲ−Ｒ間隔値である。
請求項１９において、前記指標信号の１つは、呼吸信号のピーク値間隔値である。
請求項１９において、前記指標信号の１つは、心拍信号のパワースペクトル密度において低い周波数域側に発現する極大値帯域の積分値（ＬＦ値）信号および／または高い周波数域側に発現する極大値帯域の積分値（ＨＦ値）信号とすることができる。
請求項１９において、前記指標信号の１つは、心拍信号のパワースペクトル密度におけるＬＦ値と、ＨＦ値との比の信号とすることができる。
請求項１９において、前記指標信号の１つは、心拍信号のＲ−Ｒ間隔値から求めたパワースペクトル密度信号におけるＬＦ値信号と、ＬＦ値信号とＨＦ値信号の和の信号との比の信号とすることができる。
請求項１９において、前記指標信号の１つは、心拍信号のパワースペクトル密度におけるＬＦ値と、ＨＦ値との比の対数値とすることができる。
請求項１８において、前記生体信号検出手段は、無侵襲な検出手段であることが望ましい。
請求項３０において、前記生体信号検出手段は、圧力検出チューブと圧力検出センサと生体信号抽出手段とから成り、圧力検出センサで検出した圧力変動から生体信号を抽出することができる。
請求項１８において、前記生体信号検出手段は、心電計、脈拍計等の心拍信号検出手段と呼吸数あるいは呼吸状態を検出する呼吸状態検出手段であるものとすることができる。

第１図（Ａ）は本発明の睡眠段階判定方法における睡眠段階を判定する流れを示すブロック図であり、（Ｂ）は図１（Ａ）のＸ−Ｘ断面図である。
第２図は、交感神経が優位な場合のパワースペクトル密度を示す説明図である。
第３図は、副交感神経が優位な場合のパワースペクトル密度を示す説明図である。
第４図は、１つの指標信号を用いて睡眠段階を判定するフロー図である。
第５図は、２つの指標信号を用いて睡眠段階を判定するフロー図である。
第６図は、覚醒・レム睡眠段階とノンレム睡眠段階とを判定する判定用のパラメータの処理結果を示すフロー図である。
第７図（Ａ）、（Ｂ）は覚醒・レム睡眠段階とノンレム睡眠段階との判定に使用した指標信号の出力グラフである。
第８図は、覚醒・レム睡眠段階とノンレム睡眠段階との判定結果を示すグラフである。
第９図（Ａ）、（Ｂ）は覚醒状態とレム睡眠段階との判定に使用した指標信号の出力グラフである。
第１０図は、覚醒状態とレム睡眠段階との判定結果を示すグラフである。
第１１図（Ａ）、（Ｂ）は浅いノンレム睡眠段階と深いノンレム睡眠段階との判定に使用した指標信号の出力グラフである。
第１２図は、浅いノンレム睡眠段階と深いノンレム睡眠段階との判定結果を示すグラフである。
第１３図（Ａ）、（Ｂ）は、本実施の形態の睡眠判定結果と従来の睡眠ポリソムノグラフ（ＰＳＧ）を用いた方法の結果とを比較したグラフである。

本発明の実施の形態について図をもって詳細に説明する。
第１図（Ａ）は本発明の実施の形態にかかる睡眠段階を判定する流れを示すブロック図であり、第１図（Ｂ）はブロック図に示された生体信号検出手段１を一部断面で示す矢印方向からみた側面図である。
第１図（Ａ）に示す無侵襲センサ１は、睡眠中の被験者の微細な生体信号を検出する生体信号検出手段であり、この生体信号から心拍信号検出手段２および呼吸信号検出手段７においてフィルタ等を介して呼吸信号および心拍信号を抽出する。
無侵襲センサ１は圧力センサ１ａと圧力検出チューブ１ｂとから構成されている。圧力センサ１ａは、微小な圧力の変動を検出するセンサであり、本実施の形態では、低周波用のコンデンサマイクロホンタイプを使用するが、これに限るものではなく、適切な分解能とダイナミックレンジを有するものであればよい。
本実施の形態で使用した低周波用のコンデンサマイクロフォンは、一般の音響用マイクロフォンが低周波領域に対して配慮されていないのに引き替え、受圧面の後方にチャンバーを設けることによって低周波領域の特性を大幅に向上させたものであり、圧力検出チューブ１ｂ内の微小圧力変動を検出するのに好適なものである。また、微小な差圧を計測するのに優れており、０．２Ｐａの分解能と約５０Ｐａのダイナミックレンジを有し、通常使用されるセラミックを利用した微差圧センサと比較して数倍の性能を持つものであり、生体信号が体表面に通して圧力検出チューブ１ｂに加えた微小な圧力を検出するのに好適なものである。また周波数特性は０．１Ｈｚ ２０Ｈｚの間でほぼ平坦な出力値を示し、心拍および呼吸数等の微少な生体信号を検出するのに適している。
圧力検出チューブ１ｂは、生体信号の圧力変動範囲に対応して内部の圧力が変動するように適度の弾力を有するものを使用する。また圧力変化を適切な応答速度で微差圧センサ１ａに伝達するためにチューブの中空部の容積を適切に選ぶ必要がある。圧力検出チューブ１ｂが適度な弾性と中空部容積を同時に満足できない場合には、圧力検出チューブ１ｂの中空部に適切な太さの芯線をチューブ長さ全体にわたって装填し、中空部の容積を適切にとることができる。
圧力検出チューブ１ｂは寝台１５上に敷かれた硬質シート１６の上に配置され、その上に弾性を有するクッションシート１７が敷かれており、圧力検出チューブ１ｂの上には被験者が横臥する。なお、圧力検出チューブ１ｂは、クッションシート１７などに組み込んだ構成にすることにより、圧力検出チューブ１ｂの位置を安定させる構造としてもよい。
本実施の形態では、２組の無侵襲センサ１が設けられており、一方が被験者の胸部の部位の生体信号を検出し、他方が被験者の臀部の部位を検出することで、被験者の就寝の姿勢に関わらず生体信号を検出するように構成されている。
無侵襲センサ１によって検出された生体信号は、人の体から発する様々振動が混ざりあった信号でありその中に心拍信号を始めとして呼吸信号や寝返り等の信号が含まれている。そこで、生体信号検出手段によりフィルタや統計処理等の手段を用いて心拍信号や呼吸信号などの生体信号を抽出する。言うまでもなく寝返りの信号も検出することが可能である。
本実施の形態では、心拍信号を無侵襲センサ１の検出信号から抽出したが、これに限るものではなく、例えば、専用の心拍計を装着することや、脈拍を検出することでも心拍信号を得ることが可能であり、マイクや撮像手段を用いることにより呼吸あるいは寝返りの情報を得ることが可能である。
生体信号検出手段１により検出した心拍信号から心拍数検出手段３により心拍数を検出するとともにＲ−Ｒ間隔信号演算手段４により、心拍信号のＲ波の隣り合うピークの間隔、すなわちＲ−Ｒ間隔信号を検出する。
上述のＲ−Ｒ間隔信号は、心拍信号の強さがピークとなる付近の波形（Ｒ波）の間隔を変数とする信号であり、心拍変動解析によく使用される。Ｒ−Ｒ間隔信号演算手段４において検出されたＲ−Ｒ間隔信号はパワースペクトル密度演算手段５に送られる。
ここでＲ−Ｒ間隔信号のパワースペクトル密度について説明する。
第２図は、交感神経が優位な場合のパワースペクトル密度を示し、第３図は副交感神経が優位な場合のパワースペクトル密度を示している。これから分かるようにパワースペクトル密度は、自律神経系の状態により、異なる様相を示すことが分かる。
すなわち、略０．０５〜０．１５Ｈｚの帯域と、略０．２〜０．４Ｈｚの帯域に顕著な極大値が現れる。ここで、略０．０５〜０．１５Ｈｚの低い周波数域側に発現する極大値帯域の積分値信号をＬＦ値信号と呼び、略０．２〜０．４Ｈｚの高い周波数域側に発現する極大値帯域の積分値信号をＨＦ値信号と呼ぶことにする。ＬＦ値が大きく、ＨＦ値が小さい場合には、交感神経が活発で緊張時であることを示し、ＬＦ値が小さくＨＦ値が大きい場合には、副交感神経が活発であることを示している。
睡眠中は心拍数が減少するが、これは緊張時に活発となる交感神経活動が低下し、弛緩時に活発となる副交感神経活動が増加することによるものである。即ち睡眠の深さの状態によりＨＦおよびＬＦの値は顕著に変動する。
ＨＦ／ＬＦ検出手段６は、上記のＨＦおよびＬＦの値をパワースペクトル密度から検出する手段であり、ＨＦ／ＬＦ検出手段６により検出されたＨＦ値およびＬＦ値は、睡眠段階に応じて変動する。このデータが睡眠段階を判定するための判定パラメータ生成手段１３に送られる。
呼吸信号検出手段７は、生体信号検出手段から検出した信号から呼吸信号を抽出する手段であり、呼吸数検出手段８で呼吸数を検出し、呼吸間隔信号演算手段９で呼吸間隔を演算してその値を呼吸間隔値信号とする。
呼吸も信号も自律神経系である交感神経系および副交感神経系の影響を顕著にうける信号であり、睡眠段階と密接な相関がある。
次に生体信号の信号強度の処理について説明する。
信号増幅整形部１０は、生体信号の主要な周波数帯のみ増幅し、それ以外のノイズに当たる周波数帯を低減させるように増幅回路の特性を設定してあり、さらにバンドパスフィルタ備えてさらにノイズ分を低減させる構成としてもよい。
自動利得制御部１１は、信号制御整形部１０の出力を所定の信号レベルの範囲に入るように自動的にゲイン制御を行ういわゆるＡＧＣ回路であり、この際のゲインの値を信号強度演算部１２に出力する。ゲイン制御は、例えば信号のピーク値が上限閾値を超えた場合に出力信号の振幅が小さくなるようにゲインを設定し、ピーク値が下限閾値を下回った場合に振幅が大きくなるようにゲインを設定している。
信号強度演算部１２は、自動利得制御部１１において生体信号に対して施したゲイン制御の係数から信号の強度を演算する。上述のＡＧＣ回路から得られるゲインの値は信号の大きさが大なるときには小さく、また信号の大きさが小なるときは大きく設定されるために、ゲインの値を用いて信号強度を示すには、ゲインの値と反比例するように信号強度を示す関数を設定するようにするのがよい。
一方、無侵襲センサ１の出力値が自動利得制御の上限を超えることが所定時間内に継続して起こる場合には、寝返りなどの体動があったと判断できる。
このように体動などを含めた生体信号の強度は、睡眠状態と密接な関係があると考えられるので、睡眠段階を判定するためのパラメータとして用いている。
判定パラメータ生成手段１３においては、心拍信号あるいはＨＦ値信号およびＬＦ値信号を用いて判定に用いるパラメータを演算して求める。判定パラメータとしては、例えば心拍数信号、ＨＦ値信号およびＬＦ値信号、ＨＦ値信号とＬＦ値信号の比の値の信号などのパラメータを演算により生成する。
睡眠段階判定手段１４において、判定パラメータ生成手段１３で生成したパラメータを用いて覚醒・レム睡眠とノンレム睡眠との判定、覚醒とレム睡眠との判定及びノンレム睡眠のうち深い睡眠段階と浅い睡眠段階との判定を行うことで睡眠段階を判定する。
ノンレム判定手段においては、ノンレム睡眠状態であるか否かを判定する。すなわち、ノンレム睡眠状態でないことが確認されると、レム睡眠状態かあるいは覚醒状態のいずれかであることが分かる。
レム睡眠判定手段は、ノンレム状態でないことを確認した後に、即ちレム睡眠状態か又は覚醒状態であることを確認した後に、レム睡眠状態か覚醒状態を判定する手段である。
ノンレム睡眠段階は通常第１から第４までの４段階の睡眠段階に分類されており、第１のノンレム睡眠段階が最も浅く、順に深くなり、第４の睡眠段階が最も深い睡眠段階である。ここでは第１および第２の睡眠段階を浅い睡眠段階とし、第３および第４を深い睡眠段階とする。ノンレム睡眠深浅判定手段は、ノンレム睡眠状態であることが確認された後に、浅い睡眠段階かそれとも深い睡眠段階か判定する。
以上の３段階の判定により、覚醒状態、レム睡眠状態、浅いノンレム睡眠状態、深いノンレム睡眠段階の４段階の睡眠段階を判定することができる。
次に指標信号の生成の例としてＨＦ値信号およびＬＦ値信号ついて説明する。
心拍信号検出手段２から送られた心拍信号により、Ｒ−Ｒ間隔信号演算手段４においてＲ−Ｒ間隔信号を検出する。検出されたＲ−Ｒ間隔信号をフーリエ展開し、Ｒ−Ｒ間隔信号のパワースペクトル密度を求める。
Ｒ−Ｒ間隔信号のパワースペクトル密度信号からＨＦ／ＬＦ検出手段６によって時々刻々ＨＦおよびＬＦを検出する。このＨＦおよびＬＦを用いて睡眠段階判定に有効な睡眠段階判定用パラメータを生成することができる。
指標信号として使用できるその他のパラメータについて次に説明する。
心拍数信号は心拍数検出手段３により抽出した心拍数をそのまま採用するものであり、交感神経および副交感神経の変化の影響を受けるものである。呼吸数信号についてもまた同様に交感神経および副交感神経の変化の影響を受けるので、睡眠段階を判定する指標信号として採用することが可能である。また、ＲＮＬＦ信号はＬＦ値の値をそのまま取り込んだものである。また、ＲＮＬＦＲはＬＦ値とＨＦ値との比である。さらに、ＲＮＬＯＧはＬＦ／ＨＦで示される値の対数値である。
次に実際の睡眠段階の判定手順について説明する。
第４図は生体信号から導出された指標信号のうち、１つの指標信号を用いて睡眠段階を判定するフロー図である。判定パラメータ生成手段１３で生成されたパラメータの一つを指標関数として選択し、睡眠段階判定手段１４ではこのフロー図にしたがって判定を行う。
指標信号には、多くの高周波成分すなわち、微細な変動を含むので、所定時間の移動平均処理を施して高周波成分を取り除く。この指標信号が長時間に亙る変動がある場合を考慮して長期の移動平均と短期の移動平均の差をとり、指標信号の純粋な変動値を求める。すなわちこれは、パラメータ信号の長期の変動を補正して純粋な変動分を取り出すためである。この操作に使用する移動平均のデータ数を短期移動平均で５００点、長期移動平均で１０００点としているがこれに限るものではなく、多数回の実験結果から、パラメータに応じて適切に選択される。
採用した指標信号について睡眠段階を判定する閾値を設定する。このとき、異なる睡眠段階に対しては異なる閾値を設定することになる。
第５図は２つの指標信号を用いて睡眠段階を判定する例を示している。採用する組み合わせについては、睡眠段階に応じて選択することができる。例えば、覚醒・レム睡眠段階とノンレム睡眠とのいずれの睡眠段階かの判定では、指標信号の一つとしてＬＦ値信号を採用すると良好な判定結果が得られる。しかし、これに限るものではなく、他のパラメータを用いても次善の結果を得ることができる。
２つの信号を組み合わせるのは、判定精度をより信頼性の高いものにするための手段であり、使用目的によっては１つのパラメータのみを指標信号としても差し支えない。
第４図および第５図における睡眠段階を判定するための閾値生成は次のようにして行う。指標信号の移動平均処理を行い、指標信号の長期の変動を補正して純粋な変動分を取り出した信号について所定時間のデータの平均ｍと標準偏差ｓ（分散）を求める。
ついでこの値を用いて、覚醒・レム睡眠状態とノンレム睡眠状態とを判定するために指標信号の差信号を２値化を行うが、閾値は例えば、次にしめす（イ）式で、求める。
α・ｍ＋β・ｓ （イ）
ここでｍは平均値、ｓは標準偏差であり、αおよびβは多数回の実験データを用いて、本実施の形態の睡眠段階の判定とＰＳＧによる睡眠段階の判定との一致率が最大になるように最適値計算して定められる。
また、平均値ｍは算術平均値に限るものではなく、中央値などを用いてもよい。一方ばらつきを示すパラメータとして標準偏差ｓを用いたが、これに代わるものとして分散などのバラつきを示す値を用いることができる。
（イ）式のαおよびβの定数は、指標として用いるパラメータがどの睡眠段階に用いるかによって異なる。例えば、覚醒・レム睡眠段階とノンレム睡眠段階との判定に用いる場合と、浅いノンレム睡眠と深いノンレム睡眠との判定に用いる場合とでは異なる値となる。
本発明の睡眠段階判定方法および判定装置では、判定に使用するパラメータの閾値を定めるのにパラメータの平均値ｍおよび標準偏差ｓを用いるために、被験者の被験時の状態に応じた閾値を採用することになり、個人差や年齢差あるいは、被験者の被験時の状態に影響されない判定を行うことができる。
図６に各睡眠段階の判定を行い、睡眠段階を確定する手順を示す。睡眠段階の判定は、睡眠段階判定手段１４において、判定パラメータ生成手段１３で生成したパラメータを用いて覚醒・レム睡眠とノンレム睡眠との判定、覚醒とレム睡眠との判定及びノンレム睡眠のうち深い睡眠段階と浅い睡眠段階との判定を行うことで睡眠段階を判定する。すなわち上記の３種類の判定を行うことでいずれの睡眠段階に属するか判定を行う。その手順は、まずノンレム睡眠段階であるか否かの判定を行う。このときノンレム睡眠であるとの判定が出た場合は、ノンレム睡眠のうち浅いノンレム睡眠段階か深いノンレム睡眠段階かの判定を行う。ノンレム睡眠でないと判定された場合には、レム睡眠段階か覚醒状態かの判定を行う。以上の３つの判定ステップにより、各時点での睡眠段階が覚醒段階、レム睡眠段階、浅いノンレム睡眠段階、深い睡眠段階の４つの段階のいずれに当たるか判定することができる。
第７図に覚醒・レム睡眠状態であるかノンレム睡眠であるか判定するための信号として、ＲＮＬＦ信号およびＲＮＬＯＧ信号の測定結果を示す。第７図（Ａ）にはＲＮＬＦ信号の短期および長期の移動平均をとった後に差分処理したデータが示され、第７図（Ｂ）にはＲＮＬＯＧ信号の短期および長期の移動平均をとった後に差分処理した信号が示されている。また（イ）式により算出した閾値も同時に表示されており、この閾値で２値化される。第６図のフロー図でもって説明したように覚醒・レム睡眠状態であるかノンレム睡眠であるか判定は、２つの信号ともにそれぞれの閾値以上である場合であれば、覚醒・レム睡眠状態であると判定する。
第８図は、上記の手順にしたがって覚醒・レム睡眠状態であるかノンレム睡眠であるか判定した結果を、従来の睡眠ポリソムノグラフ（ＰＳＧ）を用いる方法の結果と一緒に示す。波形が高い位置を示していれば、覚醒・レム睡眠状態であり、波形が低い位置を示していれば、ノンレム睡眠であることを示している。
第９図に覚醒状態であるかレム睡眠であるか判定するためのパラメータ、ＲＮＬＦ信号およびＲＮＬＦＲ信号の測定結果を示す。第９図（Ａ）にはＲＮＬＦ信号の移動平均処理済みのデータが示され、第９図（Ｂ）にはＲＮＬＦＲ信号の移動平均処理済みの信号が示されている。また（イ）式により算出した閾値も同時に表示されており、この閾値で２値化される。第４図の流れ図でもって説明したようにこの閾値を用いて２値化した後に２つの信号の論理積をとり、覚醒状態であるかレム睡眠であるか判定する。第１０図に上記の手順にしたがって覚醒状態であるかレム睡眠であるか判定した結果を示す。
第１１図に浅いノンレム睡眠であるか深いノンレム睡眠であるか判定するためのパラメータ、ＲＮＬＦ信号およびＲＮＬＯＧ信号の測定結果を示す。第１１図（Ａ）にはＲＮＬＦ信号の短期および長期の移動平均をとった後に差分処理したデータが示され、第１１図（Ｂ）にはＲＮＬＯＧ信号の短期および長期の移動平均をとった後に差分処理したデータが示されている。また（イ）式により算出した閾値も同時に表示されており、この閾値で２値化される。第６図のフロー図でもって説明したようにこの閾値を用いて２値化した後に２つの信号の論理積をとり、覚醒状態であるかレム睡眠であるか判定する。第１２図に上記の手順にしたがって浅いノンレム睡眠であるか深いノンレム睡眠であるか判定した結果を示す。
第１３図は、本実施の形態の睡眠段階判定方法および判定装置を用いて判定した上記の３段階の判定を総合し睡眠段階の推移を示すグラフである。同時に従来の睡眠ポリソムノグラフ（ＰＳＧ）を用いる方法の結果と一緒に示す。
ところで、本発明の睡眠段階判定方法および判定装置は自律神経系の挙動からみた判定方法および判定装置であり、従来の睡眠ポリソムノグラフ（ＰＳＧ）を用いた従来判定方法および判定装置は主として脳波の挙動を用いた判定方法および判定装置である。脳波は大脳皮質の神経活動でその同調の度合いで各種の睡眠段階に応じて特徴ある波形が出ることを利用して睡眠段階を判定している。一方、本方式の睡眠段階判定方法および判定装置は脳幹の神経活動である自律神経系の挙動から見た睡眠深さの判定であり、自律神経系の挙動は心拍や呼吸に深い影響を与えている。この結果従来の主として脳波を利用した睡眠判定と自律神経系からの睡眠判定は時間的に若干のずれが生ずる。このことから次に説明する判定結果の一致率は、時間的一致率ではなく、１日の睡眠深さ各段階の比率の一致率であることに注意する必要がある。
第１３図（Ａ）は覚醒状態、レム睡眠段階、ノンレム睡眠段階の３段階で比較した結果であり、判定結果は従来の睡眠ポリソムノグラフ（ＰＳＧ）を用いる方法と９３．３％の一致率を示している。また、第１３図（Ｂ）は覚醒状態、レム睡眠段階、浅いノンレム睡眠段階、深いノンレム睡眠段階の４段階で比較した結果であり、判定結果は従来の睡眠ポリソムノグラフ（ＰＳＧ）を用いる方法と９０．３％の一致率を示している。このことから、本発明の睡眠段階判定装置は、実用上問題ない判定精度を有する。
本実施の形態では被験者の生体信号を無侵襲で検出できる検出手段としてチューブと圧力センサを組合せて圧力変動を検出する方法と採ったがこれに限るものではなく、微細な生体信号を検出できる検出手段であればよい。たとえば、心電計、脈拍計等などの身体の一部に装着する検出手段であっても、睡眠を妨げるものでなければ使用することは可能である。

睡眠の状態やその質を知ることにより被験者の日常の健康状態を知るために有効であることはよく知られているが、個人の健康管理の目的に簡単に利用できる睡眠段階の判定方法および判定装置が見当たらないのが現状である。
本発明の睡眠段階判定方法および判定装置は、適切な検出手段を用いて心拍信号を検出し、この心拍信号の出力を演算処理することにより被験者の睡眠段階を判定するものであり、特に心拍信号から検出したＲ−Ｒ間隔信号から求めたパワースペクトル密度は、自律神経の状態を示す良好な指標であるので、睡眠時の睡眠段階の指標に公的であり、高い信頼性を備えている。
また、本発明の睡眠段階判定方法および判定装置は、心拍信号さえ検出できれば睡眠段階を判定することが可能であり、使用にかかる費用および維持に要する費用は低廉であり、日常的に使用するのに好適な睡眠段階判定装置を提供することができる。

Claims (32)

1. 生体信号検出手段で検出した信号から抽出した心拍信号あるいは呼吸信号、並びにこれらの信号から導出したパラメータのうち、少なくも１つの信号を指標信号とし、それぞれの指標信号について所定時間のデータから睡眠段階を判定する閾値を算出し、この閾値を用いて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。
2. 前記生体信号検出手段で検出した信号の信号強度値を加えた中から、少なくとも１つの信号を指標信号とすることを特徴とする請求項１記載の睡眠段階判定方法。
3. 前記睡眠段階の各段階の判定には、前記指標信号のうち少なくとも２つ以上の指標信号の判定情報の論理積を用いて判定することを特徴とする請求項２記載の睡眠段階判定方法。
4. 前記指標信号の閾値は、前記指標信号の所定時間の平均値と分散値とを用いて算出することを特徴とする請求項３記載の睡眠段階判定方法。
5. 前記指標信号の閾値は、指標信号の移動平均の信号を求め、その信号の平均値と分散値を用いて算出することを特徴とする請求項３記載の睡眠段階判定方法。
6. 前記指標信号の閾値は、指標信号の長時間の移動平均と短時間移動平均の差の信号を求め、その差の信号の平均値と分散値とを用いて算出することを特徴とする請求項４記載の睡眠段階判定方法。
7. 前記指標信号の１つは、生体信号検出手段で検出した信号をゲインコントロールして得られる係数の逆数として得られる信号であることを特徴とする請求項３記載の睡眠段階判定方法。
8. 前記指標信号の１つは、心拍信号のＲ−Ｒ間隔値であることを特徴とする請求項３記載の睡眠段階判定方法。
9. 前記指標信号の１つは、呼吸信号のピーク値間隔値であることを特徴とする請求項３項記載の睡眠段階判定方法。
10. 前記指標信号の１つは、心拍信号のパワースペクトル密度において低い周波数域側に発現する極大値帯域の積分値（ＬＦ値）信号および／または高い周波数域側に発現する極大値帯域の積分値（ＨＦ値）信号であることを特徴とする請求項３記載の睡眠段階判定方法。
11. 前記指標信号の１つは、心拍信号のパワースペクトル密度におけるＬＦ値と、ＨＦ値との比の信号であることを特徴とする請求項３記載の睡眠段階判定方法。
12. 前記指標信号の１つは、心拍信号のＲ−Ｒ間隔値から求めたパワースペクトル密度信号におけるＬＦ値信号と、ＬＦ値信号とＨＦ値信号の和の信号との比の信号であることを特徴とする請求項３記載の睡眠段階判定方法。
13. 前記指標信号の１つは、心拍信号のパワースペクトル密度におけるＬＦ値と、ＨＦ値との比の対数値であることを特徴とする請求項３記載の睡眠段階判定方法。
14. 前記生体信号検出手段は、無侵襲な検出手段であることを特徴とする請求項２に記載の睡眠段階判定方法。
15. 前記生体信号検出手段は、圧力検出チューブと圧力検出センサと生体信号抽出手段とから成り、圧力検出センサで検出した圧力変動から生体信号を抽出することを特徴とする請求項１４記載の睡眠段階判定方法。
16. 前記生体信号検出手段は、心電計、脈拍計等の心拍信号検出手段と呼吸数あるいは呼吸状態を検出する呼吸状態検出手段であることを特徴とする請求項２記載の睡眠段階判定方法。
17. 生体信号検出手段で検出した信号から抽出した心拍信号あるいは呼吸信号、並びにこれらの信号から導出したパラメータのうち、少なくも１つの信号を指標信号とし、それぞれの指標信号について所定時間のデータから睡眠段階を判定する閾値を算出し、この閾値を用いて睡眠段階を判定する判定手段を設けたことを特徴とする睡眠段階判定装置。
18. 前記生体信号検出手段で検出した信号の信号強度値を加えた中から、少なくとも１つの信号を指標信号とすることを特徴とする請求項１７記載の睡眠段階判定装置。
19. 前記睡眠段階の各段階の判定には、前記指標信号のうち少なくとも２つ以上の指標信号の判定情報の論理積を用いて判定することを特徴とする請求項１８記載の睡眠段階判定装置。
20. 前記指標信号の閾値は、前記指標信号の所定時間の平均値と分散値とを用いて算出することを特徴とする請求項１９記載の睡眠段階判定装置。
21. 前記指標信号の閾値は、指標信号の移動平均の信号を求め、その信号の平均値と分散値を用いて算出することを特徴とする請求項１９記載の睡眠段階判定装置。
22. 前記指標信号の閾値は、指標信号の長時間の移動平均と短時間移動平均の差の信号を求め、その差の信号の平均値と分散値とを用いて算出することを特徴とする請求項２０記載の睡眠段階判定装置。
23. 前記指標信号の１つは、生体信号検出手段で検出した信号をゲインコントロールして得られる係数の逆数として得られる信号であることを特徴とする請求項１９記載の睡眠段階判定装置。
24. 前記指標信号の１つは、心拍信号のＲ−Ｒ間隔値であることを特徴とする請求項１９記載の睡眠段階判定装置。
25. 前記指標信号の１つは、呼吸信号のピーク値間隔値であることを特徴とする請求項１９記載の睡眠段階判定装置。
26. 前記指標信号の１つは、心拍信号のパワースペクトル密度の略０．０５〜０．１５Ｈｚの帯域における極大値（ＬＦ値）信号と、略０．２〜０．４Ｈｚの帯域における極大値（ＨＦ値）信号であることを特徴とする請求項１９記載の睡眠段階判定装置。
27. 前記指標信号の１つは、心拍信号のパワースペクトル密度におけるＬＦ値と、ＨＦ値との比の信号であることを特徴とする請求項１９記載の睡眠段階判定装置。
28. 前記指標信号の１つは、心拍信号のＲ−Ｒ間隔値から求めたパワースペクトル密度信号におけるＬＦ値信号と、ＬＦ値信号とＨＦ値信号の和の信号との比の信号であることを特徴とする請求項１９記載の睡眠段階判定装置。
29. 前記指標信号の１つは、心拍信号のパワースペクトル密度におけるＬＦ値と、ＨＦ値との比の対数値であることを特徴とする請求項１９記載の睡眠段階判定装置。
30. 前記生体信号検出手段は、無侵襲な検出手段であることを特徴とする請求項１８記載の睡眠段階判定装置。
31. 前記生体信号検出手段は、圧力検出チューブと圧力検出センサと生体信号抽出手段とから成り、圧力検出センサで検出した圧力変動から生体信号を抽出することを特徴とする請求項３０記載の睡眠段階判定装置。
32. 前記生体信号検出手段は、心電計、脈拍計等の心拍信号検出手段と呼吸数あるいは呼吸状態を検出する呼吸状態検出手段であることを特徴とする請求項１８記載の睡眠段階判定装置。

Images