WO2022070480A1 - 脳血管障害検出装置および脳血管障害検出プログラム - Google Patents

脳血管障害検出装置および脳血管障害検出プログラム Download PDF

Info

Publication number
WO2022070480A1
WO2022070480A1 PCT/JP2021/012045 JP2021012045W WO2022070480A1 WO 2022070480 A1 WO2022070480 A1 WO 2022070480A1 JP 2021012045 W JP2021012045 W JP 2021012045W WO 2022070480 A1 WO2022070480 A1 WO 2022070480A1
Authority
WO
WIPO (PCT)
Prior art keywords
sleep stage
unit
biological information
cerebrovascular accident
determination unit
Prior art date
Application number
PCT/JP2021/012045
Other languages
English (en)
French (fr)
Inventor
貴之 内田
Original Assignee
テルモ株式会社
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by テルモ株式会社 filed Critical テルモ株式会社
Priority to JP2022553445A priority Critical patent/JPWO2022070480A1/ja
Publication of WO2022070480A1 publication Critical patent/WO2022070480A1/ja

Links

Images

Classifications

    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B10/00—Other methods or instruments for diagnosis, e.g. instruments for taking a cell sample, for biopsy, for vaccination diagnosis; Sex determination; Ovulation-period determination; Throat striking implements
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/16—Devices for psychotechnics; Testing reaction times ; Devices for evaluating the psychological state

Definitions

  • the present invention relates to a cerebrovascular accident detection device and a cerebrovascular accident detection program that predict or detect the onset of cerebrovascular accident by combining the biometric information of a sleeping user and the sleep stage.
  • Patent Document 1 discloses a stroke monitoring system for determining whether or not a user has suffered a stroke in all aspects of daily life.
  • the stroke monitoring system described in Patent Document 1 measures a user's biological signal including an electroencephalogram and stores the biological signal in a database in advance in order to determine whether or not the user has suffered a stroke. ..
  • the stroke judgment unit predicts the occurrence of a stroke by comparing and analyzing the measured biological signal and the reference range of the user's biological signal calculated based on the health information stored in advance in the database. ..
  • the notification unit notifies the user or the like.
  • Patent Document 1 only compares and analyzes the measured biological signal and the reference range of the user's biological signal calculated based on the health information stored in advance in the database. There is room for improvement in that it is difficult to improve the accuracy of predicting or detecting the onset of cerebrovascular accidents.
  • the present invention has been made to solve the above problems, and an object of the present invention is to provide a cerebrovascular accident detection device and a cerebrovascular accident detection program capable of improving the accuracy of predicting or detecting the onset of cerebrovascular accident. And.
  • the subject is a cerebrovascular disorder detecting device for predicting or detecting the onset of cerebrovascular disorder, based on a measuring unit that measures biometric information of a sleeping user and the biometric information measured by the measuring unit.
  • a sleep stage determination unit that determines a sleep stage, a storage unit that stores the biological information measured by the measurement unit in association with the sleep stage determined by the sleep stage determination unit, and a storage unit associated with the sleep stage.
  • Onset of the cerebrovascular disorder of the sleeping user based on the biological information stored in the storage unit and the biological information in the sleep stage measured by the measuring unit and determined by the sleep stage determination unit.
  • the problem is solved by the cerebrovascular disorder detecting apparatus according to the present invention, which comprises a determination unit for predicting or detecting sleep.
  • the sleep stage determination unit determines the sleep stage based on the biological information measured by the measurement unit, and the storage unit sleeps the biological information measured by the measurement unit. It is stored in association with the sleep stage determined by the stage determination unit. Then, the determination unit is based on the biological information stored in the storage unit in association with the sleep stage and the biological information in the sleep stage measured by the measurement unit and determined by the sleep stage determination unit, and the cerebral blood vessels of the sleeping user. Predict or detect the onset of disability. As a result, based on the biological information stored in the storage unit in association with the sleep stage and the biological information in the sleep stage measured by the measurement unit and determined by the sleep stage determination unit, the cerebrovascular disorder of the sleeping user is affected. Predict or detect onset. Therefore, the cerebrovascular accident detection device can improve the accuracy of predicting or detecting the onset of cerebrovascular accident.
  • the sleep stage includes a first sleep stage and a second sleep stage different from the first sleep stage
  • the determination unit is the storage unit.
  • the determination unit compares the biological information in the first sleep stage stored in the storage unit with the biological information in the first sleep stage measured by the measurement unit. Therefore, the accuracy of predicting or detecting the onset of cerebrovascular accident can be further improved.
  • the first sleep stage is preferably non-REM sleep
  • the second sleep stage is preferably REM sleep.
  • the sleep stage includes a first sleep stage and a second sleep stage different from the first sleep stage
  • the determination unit is the storage unit.
  • the first change amount between the biological information in the first sleep stage stored in the storage unit and the biological information in the second sleep stage stored in the storage unit is calculated and measured by the measuring unit.
  • the second change amount between the biological information in the first sleep stage and the biological information in the second sleep stage measured by the measuring unit is calculated, and the first change amount and the second change amount are calculated. It is characterized in that the onset of the cerebrovascular disorder of the sleeping user is predicted or detected by comparing the amount of change with each other.
  • the cerebrovascular disorder detecting apparatus According to the cerebrovascular disorder detecting apparatus according to the present invention, the first change amount between the biological information in the first sleep stage stored in the storage unit and the biological information in the second sleep stage stored in the storage unit.
  • the second change amount between the biological information in the first sleep stage measured by the measuring unit and the biological information in the second sleep stage measured by the measuring unit is calculated, and the first change amount is calculated. Compare with the second change amount to each other.
  • the cerebrovascular accident detection device can further improve the accuracy of predicting or detecting the onset of cerebrovascular accident in the sleeping user.
  • the biological information of the sleeping user measured by the measuring unit includes a pulse rate.
  • the cerebrovascular accident detection device it is possible to increase the types of biological information to be acquired and expand the possibility of predicting or detecting cerebrovascular accidents during sleep.
  • the measuring unit measures the biological information including the body movement or respiratory rate of the user during sleep
  • the sleep stage determining unit is the measuring unit. It is characterized in that the sleep stage is determined based on the biological information including the body movement or the respiratory rate measured by.
  • the cerebrovascular accident detection device it is possible to increase the types of biological information to be acquired and expand the possibility of predicting or detecting cerebrovascular accidents during sleep.
  • the sleep stage can be accurately determined by using brain waves, but if the user is reluctant to wear a headband and measure brain waves, for example, body movement or respiratory rate can be used as biometric information. ..
  • body movement or respiratory rate can be used as biometric information. ..
  • even a sleeping user can determine the sleep stage using body movement or respiratory rate without relatively resistance.
  • the determination unit calculates a normal value of the biological information of the user based on the biological information stored in the storage unit, and uses the normal value.
  • the onset of the cerebrovascular accident of the sleeping user based further on the comparison with the biological information measured by the measuring unit and further based on the sleep cycle for the sleep stage determined by the sleep stage determination unit. It is characterized by predicting or detecting.
  • the occurrence of cerebrovascular accident in the sleeping user is accurately predicted or predicted based on both the normal value of the biometric information of the user and the sleep cycle related to the sleep stage. Can be detected.
  • the cerebrovascular accident detection device preferably has an output unit that outputs a determination result of the determination unit when the determination unit predicts or detects the onset of the cerebrovascular disorder of the sleeping user. Further, the determination unit makes a first determination based on the biological information stored in the storage unit in association with the sleep stage and the biological information measured by the measurement unit, and the normal value and the measurement. The weighting is determined according to the respective judgment results of the second judgment based on the comparison with the biological information measured by the unit and the third judgment based on the sleep cycle, and the output unit determines the determination. It is characterized in that at least one of the output method and the output destination of the determination result is set according to the weighting determined by the unit.
  • the determination unit determines and weights the risk of developing a cerebrovascular accident according to each determination result.
  • the contact information for the onset of cerebrovascular accident can be changed depending on whether the urgency is high or low according to the weighting, and the practicality is further enhanced.
  • the storage unit further stores the biological information about the patient who has developed the cerebrovascular accident
  • the determination unit is the patient stored in the storage unit.
  • the cerebrovascular accident detection device According to the cerebrovascular accident detection device according to the present invention, users of cerebrovascular accidents accumulated so far in order to set criteria for predicting or detecting the onset of cerebrovascular accidents of sleeping users. By machine learning the biological information of the above, the onset of cerebrovascular accident can be predicted or detected more accurately.
  • the determination unit learns the biological information stored in the storage unit in association with the sleep stage, thereby causing the brain of the sleeping user. It is characterized by setting criteria for predicting or detecting the onset of vascular disorders.
  • the determination unit develops cerebrovascular accident by machine learning the biological information stored in the storage unit in association with the past sleep stages obtained so far. Can be predicted or detected more accurately.
  • the determination unit calculates a parameter related to the autonomic nerve activity of the user based on the biological information measured by the measurement unit, and uses the parameter. It is characterized by predicting or detecting the onset of the cerebrovascular accident of the sleeping user.
  • parameters related to the autonomic nervous activity of the user are calculated based on biological information, and the onset of cerebrovascular accident of the sleeping user is predicted or detected using the parameters. Therefore, the onset of cerebrovascular accident can be predicted or detected more accurately.
  • the storage unit further stores at least one of the user's health diagnosis information and the symptoms related to the cerebrovascular accident
  • the determination unit is the determination unit. It is characterized by predicting or detecting the onset of the cerebrovascular accident of the sleeping user based further on the health diagnosis information stored in the storage unit and at least one of the symptoms.
  • the cerebrovascular accident detecting device there is a relationship with the user's health diagnosis information and symptoms related to the cerebrovascular accident that has occurred in the past, such as cerebrovascular accident such as numbness, dizziness, vomiting, and headache.
  • cerebrovascular accident such as numbness, dizziness, vomiting, and headache.
  • the judgment unit can use at least one of the user's health diagnosis information and the information on the symptoms related to the cerebrovascular disorder as a criterion for judging the onset of the cerebrovascular disorder, and the onset of the cerebrovascular disorder can be determined. It can be predicted or detected more accurately.
  • the subject is a cerebrovascular accident detecting device for predicting or detecting the onset of cerebrovascular accident, a measuring unit for measuring biological information of a sleeping user, and the biological information measured by the measuring unit. Cerebrovascular accidents occur when the amount of change in the biological information when the sleep stage determination unit determines the sleep stage based on the above and the sleep stage determination unit determines the sleep stage changes is equal to or less than a predetermined value.
  • the problem is solved by the cerebrovascular accident detecting apparatus according to the present invention, which comprises a determination unit for predicting or detecting.
  • the sleep stage determination unit that determines the sleep stage based on the biological information measured by the measurement unit and the living body when the sleep stage determined by the sleep stage determination unit changes. Predict or detect the onset of cerebrovascular accidents when the amount of change in information is less than or equal to a predetermined value. As a result, the cerebrovascular accident detection device can improve the accuracy of predicting or detecting the onset of cerebrovascular accident.
  • the cerebrovascular accident detection device is preferably characterized in that the type of biological information used by the sleep stage determination unit and the type of biological information used by the determination unit are different from each other.
  • the sleep stage can be reliably determined by making the type of biometric information used for determining the sleep stage different from the type of biometric information used for determining the abnormality.
  • the subject is a cerebrovascular accident detection program executed by a computer of a cerebrovascular accident detecting device for predicting or detecting the onset of cerebrovascular accident, and the computer measures the biological information of a sleeping user.
  • the first step, the second step of determining the sleep stage based on the biological information measured in the first step, and the biological information measured in the first step were determined in the second step.
  • the third step to be stored in association with the sleep stage the biological information stored in association with the sleep stage in the third step, and the sleep stage measured in the first step and determined in the second step.
  • the cerebrovascular accident detection program according to the present invention which comprises executing the fourth step of predicting or detecting the onset of the cerebrovascular accident of the sleeping user based on the biological information. To sleep.
  • the sleep stage is determined based on the measured biological information, and the measured biological information is stored in association with the determined sleep stage. Then, the onset of cerebrovascular accident of the sleeping user is predicted or detected based on the biometric information stored in association with the sleep stage and the biometric information measured and determined in the sleep stage. As a result, the cerebrovascular accident detection program can improve the accuracy of predicting or detecting the onset of cerebrovascular accident.
  • the present invention it is possible to provide a cerebrovascular accident detection device and a cerebrovascular accident detection program that can improve the accuracy of predicting or detecting the onset of cerebrovascular accident.
  • FIG. 1 It is a block diagram which shows the structural example of the cerebrovascular accident detection apparatus which concerns on a preferable embodiment of this invention. It is a flow chart which shows concretely about the cerebrovascular accident detection method executed by the cerebrovascular accident detection apparatus. It is a figure which shows the example of the heart rate in each state of the user M, and the heart rate at the time of a cerebral infarction. It is a figure which shows the specific example of the measuring part shown in FIG.
  • FIG. 1 is a block diagram showing a configuration example of a cerebrovascular accident detection device according to a preferred embodiment of the present invention.
  • the cerebrovascular accident detection device 1 shown in FIG. 1 is a device for predicting or detecting the onset of cerebrovascular accident in the user M.
  • the cerebrovascular accident detection device 1 includes a measurement unit 10, a sleep stage determination unit 11, a storage unit 12, a determination unit 13, and an output unit 14.
  • the cerebrovascular accident detection device 1 is based on the biological information stored in association with the sleep stage and the biological information in the sleep stage measured and determined for the user M, and the cerebrovascular disorder of the user during sleep. It is a device for accurately predicting or detecting the onset of.
  • the "biological information" measured by the measuring unit 10 used in the embodiment of the present invention is a broad concept including brain waves, blood pressure, respiratory rate, heart rate, pulse rate, body movement, number of turns over, body temperature, and the like. It is also called a parameter.
  • the heart rate is directly measured from the heart of the user M, and the pulse rate is indirectly measured by, for example, a wearable measuring device in the peripheral blood vessel.
  • the heart rate is calculated by attaching an electrode to the chest and measuring the time interval from the peak of the QRS wave on the electrocardiogram to the next peak using an electrocardiograph, and the pulse rate is calculated on the outside of the wrist.
  • the wearable device Place the index finger, middle finger, and medicinal finger on the radial artery existing on the (radial side) to sense and count the pulse, or indirectly measure at the periphery of the blood vessel such as the wrist with the wearable device installed in the right place of the user M. It is a thing. That is, in the wearable device, the sound of the blood vessel due to the blood flow sent from the heart is heard and measured by the provided microphone, the vibration of the blood vessel (pressure pulse wave) is measured by the pressure sensor, and the pulse rate in the pulse okimeter is measured. As in the case of measurement, red light (wavelength about 660 nm) and infrared light (wavelength about 940 nm) are emitted, and the cycle of arterial blood fluctuation is measured by receiving these lights. Obtained at. When the heart pumps blood, the arteries are beaten, and this number is taken as the pulse rate, so the heart rate and pulse rate are usually equal.
  • Cerebrovascular accident is a concept that includes stroke (cerebral infarction, cerebral hemorrhage, subarachnoid hemorrhage), vascular dementia, and the like.
  • the cerebrovascular accident detection device 1 of the embodiment of the present invention increases the types of biological information to be acquired from the sleeping user M, and predicts or predicts the cerebrovascular accident of the sleeping user M. The possibility of detection (measurement) can be expanded.
  • the measuring unit 10 measures the biological information F of the sleeping user M.
  • the sleep stage determination unit 11 is electrically connected to the measurement unit 10 or communicates by wired communication (for example, RS-232C method, etc.) and / or wireless communication (for example, short-range wireless communication, infrared communication, etc.).
  • the sleep stage determination unit 11 determines the sleep stage S based on the biological information F measured by the measurement unit 10.
  • the storage unit 12 is communicably connected to the measurement unit 10 by wired communication (for example, RS-232C method, etc.) and / or wireless communication (for example, short-range wireless communication, infrared communication, etc.), and is also a storage unit.
  • the storage unit 12 is electrically connected to the sleep stage determination unit 11, and the storage unit 12 associates the biological information F measured by the measurement unit 10 with the sleep stage S determined by the sleep stage determination unit 11.
  • the storage unit 12 may be electrically connected to the measurement unit 10 and the sleep stage determination unit 11.
  • the measuring unit 10 When the measuring unit 10 is a wearable device such as a wristwatch 10W and a mobile information terminal 10B as shown in FIG. 4, the measuring unit 10 and the sleep stage determination unit 11 communicate with each other by wireless communication (for example, short-range wireless communication). Communication is possible by communication, infrared communication, etc.). Further, the measuring unit 10 and the storage unit 12 are communicably connected by wireless communication (for example, short-range wireless communication, infrared communication, etc.).
  • wireless communication for example, short-range wireless communication
  • Communication is possible by communication, infrared communication, etc.
  • the measuring unit 10 and the storage unit 12 are communicably connected by wireless communication (for example, short-range wireless communication, infrared communication, etc.).
  • the determination unit 13 is electrically connected to the storage unit 12, and the determination unit 13 measures the past measured biological information G stored in the storage unit 12 in association with the sleep stage S and the measurement unit 10.
  • the onset of cerebrovascular accident of the user M during sleep is predicted or detected by comparing with the biological information F in the current sleep stage S determined by the sleep stage determination unit 11. For example, the determination unit 13 predicts or detects the onset of cerebrovascular accident when the amount of change in the biological information F when the sleep stage S determined by the sleep stage determination unit 11 changes is equal to or less than a predetermined value. can do.
  • the output unit 14 is electrically connected to the determination unit 13, and outputs the determination result H of the determination unit 13 when the determination unit 13 predicts or detects the onset of cerebrovascular accident of the sleeping user M. Output to unit 14.
  • the output unit 14 can set at least one of the output method and the output destination of the determination result according to the weighting determined by the determination unit 13.
  • the operations of the measurement unit 10, the sleep stage determination unit 11, the storage unit 12, the determination unit 13, and the output unit 14 of the cerebrovascular accident detection device 1 shown in FIG. 1 are controlled by the computer 100.
  • the storage unit 12 stores, for example, a sequence program for measurement, an image processing program for image processing, an arithmetic program, and the like.
  • Examples of the storage unit 12 include a semiconductor memory built in the cerebrovascular accident detection device 1.
  • the storage unit 12 includes a CD (Compact Disc), a DVD (Digital Versatile Disc), a RAM (Random access memory), a ROM (Read only memory), a hard disk, a memory card, etc. that can be connected to the cerebrovascular disorder detection device 1.
  • Various storage media can be mentioned.
  • the program executed by the computer 100 corresponds to the "cerebrovascular accident detection program" of the present invention.
  • the term "computer” as used herein is not limited to a personal computer, but is a general term for devices and devices that can realize the functions of the present invention by a program, including arithmetic processing units and microcomputers included in information processing devices. ing.
  • the "sleep stage" determined by the sleep stage determination unit 11 is, for example, non-REM sleep or REM sleep.
  • the sleep stage S determined by the sleep stage determination unit 11 includes a first sleep stage and a second sleep stage different from the first sleep stage.
  • the first sleep stage is, for example, non-REM sleep S1
  • the second sleep stage is, for example, REM sleep S2.
  • Non-REM sleep S1 and REM sleep S2 are switched every 1.5 hours, for example.
  • a specific change in heart rate occurs.
  • the heart rate in non-REM sleep is lower than the heart rate in REM sleep, but in patients with acute cerebral infarction, the heart rate in non-REM sleep is not lower than the heart rate in REM sleep, and non-REM sleep. Time may decrease or disappear.
  • the sleep stage determination unit 11 determines the sleep stage S of the user based on the biological information F including the brain wave and the like. be able to.
  • the sleep stage determination unit 11 can accurately determine the sleep stage S by using an electroencephalogram. In order to acquire brain waves, it is necessary to wear a headband or the like on the user's head. Wearing this headband may be reluctant for the sleeping user M.
  • the measuring unit 10 when the pulse rate, body movement, respiration, or the like is used as the biological information F, the measuring unit 10 is small and has no or little wearing feeling, so that the burden on the user M is small. Therefore, even the sleeping user M can measure the sleep stage based on the pulse rate, body movement, respiratory rate, etc., which can be measured without any resistance to the biological information.
  • a pulse rate measuring device that places less burden on the user M, for example, there is a measuring device that photographs the face of the user M with a camera and measures the pulse rate based on the temporal change of the complexion of the user M.
  • the heart rate and pulse rate may not decrease.
  • the sleep stage using the pulse rate is used. May be difficult to determine. Therefore, it is this system that measures biometric information other than pulse rate and measures biometric information for determining the sleep stage of the user using an unconstrained measuring device with a low degree of restraint of the user. It can be said that it is suitable for.
  • a measuring device for example, a load sensor is placed under the mattress of the bed or under the four legs of the bed, and the body movement of the user on the bed is detected based on the load measured by the load sensor. There is a biometric information measuring device.
  • a fine differential pressure sensor and an absolute pressure sensor are provided so that the internal pressure of the air mat is input to the fine differential pressure sensor and the absolute pressure sensor via the air tube. Since the vibration caused by the body of the user M is transmitted to the air mattress, the internal pressure of the air mattress changes, so that the slight differential pressure sensor detects the pressure fluctuation amount, and the absolute pressure sensor detects the absolute pressure of the internal pressure of the air mattress. Is detected.
  • the absolute pressure sensor is provided to detect whether the user M is on the air mattress.
  • a condenser microphone type differential pressure gauge that detects a differential pressure by detecting a change in capacitance between a pressure receiving surface that receives a change in pressure and a counter electrode is used.
  • the condenser microphone type differential pressure gauge can detect minute pressure fluctuations inside the air mattress.
  • the detection signal of the slight differential pressure sensor is given to the gain control unit provided in the determination unit 13 of the cerebrovascular accident detection device 1.
  • the gain control unit adjusts the level of the detection signal of the slight differential pressure sensor to a signal level in a predetermined range. Since the strength of vibrations such as heartbeat and respiration transmitted to the air mattress differs depending on the posture of the user M, the strength (level) of the output signal of the slight differential pressure sensor differs.
  • the gain control unit adjusts the gain so that the signal level differs depending on the posture becomes a signal of a predetermined level, and outputs the signal to the heart rate filter and the respiratory filter. Further, the gain value of the gain control unit is added to the posture determination unit.
  • the gain control unit By adding the output signal of the minute differential pressure sensor converted to a predetermined level by the gain control unit to the heart rate filter and the breathing filter, biological information such as the heartbeat signal and the breathing signal can be obtained from these heartbeat filters and the breathing filter.
  • the biometric information of the user M obtained from the heart rate filter and the respiration filter is converted into a digital signal by the A / D conversion unit, and is input to the data processing unit as the heart rate and the respiration rate. Further, since the level of the detection signal of the slight differential pressure sensor that detects the internal pressure of the air mattress differs depending on the lying or supine posture of the user M, the gain is adjusted by the gain control unit.
  • the bed sensor can detect whether or not the user has turned over not only by the heart rate and the respiratory rate considered to be equivalent to the pulse rate of the user M but also by the pressure detected by the absolute pressure sensor. The number of turns can also be measured.
  • the sleep stage S shown in FIG. 1 includes a first sleep stage and a second sleep stage different from the first sleep stage.
  • the first sleep stage is non-REM sleep S1 and the second sleep stage is REM sleep S2.
  • the determination unit 13 is used during sleep by comparing the biological information in the first sleep stage stored in the storage unit 12 with the biological information in the first sleep stage actually measured by the measurement unit 10. It is designed to predict or detect the onset of cerebrovascular accidents in people. Thereby, for example, if the first sleep stage can be determined, the onset of cerebrovascular accident of the sleeping user can be predicted or detected earlier by the combination of the first sleep stage and the biological information.
  • the sleep stage determination unit 11 determines the sleep stage S based on the pulse rate, calculates the average value of the pulse rate in the sleep stage S, and compares it with the average value of the past pulse rate in the sleep stage S. By doing so, if there is a discrepancy between the average values of the pulse rates, it can be detected as an abnormality.
  • the sleep stage S shown in FIG. 1 includes a first sleep stage and a second sleep stage different from the first sleep stage.
  • the determination unit 13 calculates the first change amount between the biological information in the first sleep stage stored in the storage unit 12 and the biological information in the second sleep stage stored in the storage unit 12, and is a measurement unit.
  • the second change amount between the biological information in the first sleep stage measured by 10 and the biological information in the second sleep stage measured by the measuring unit 10 is calculated, and the first change amount and the second change amount are calculated.
  • the measuring unit 10 measures biological information including the body movement or respiratory rate of the user during sleep, and the sleep stage determination unit 11 is based on the biological information including the body movement or respiratory rate measured by the measuring unit 10.
  • the sleep stage S can also be determined. This makes it possible to increase the types of biometric information to be acquired other than EEG and expand the possibility of measuring cerebrovascular accidents during sleep.
  • sleep stages can be accurately determined using brain waves, but if user M is reluctant to wear a headband and measure brain waves, for example, body movement or respiratory rate can be used. For example, even the sleeping user M can determine the sleep stage without any resistance.
  • the determination unit 13 calculates the normal value of the biological information of the user M based on the biological information F stored in the storage unit 12, and further based on the comparison between the normal value and the biological information measured by the measuring unit 10. ,
  • the onset of cerebrovascular accident of the user M during sleep is predicted or detected based on the sleep cycle related to the sleep stage S determined by the sleep stage determination unit 11. Thereby, the occurrence of cerebrovascular accident of the user M during sleep can be accurately predicted or detected based on both the biological information of the user M and the sleep cycle related to the sleep stage.
  • the judgment unit 13 shown in FIG. 1 is provided with an output unit 14 that outputs the judgment result H of the judgment unit 13 when the onset of cerebrovascular accident of the sleeping user M is predicted or detected.
  • the determination unit 13 makes a first determination based on the biological information stored in the storage unit 12 in association with the sleep stage and the biological information measured by the measurement unit 10, and measures by the normal value of the biological information and the measurement unit 10.
  • the weighting is determined according to the respective judgment results H of the second judgment based on the comparison with the biometric information and the third judgment based on the sleep cycle.
  • the output unit 14 sets at least one of the output method and the output destination of the determination result according to the weighting determined by the determination unit 13.
  • the determination unit 13 determines the risk of cerebrovascular accident according to each determination result and weights it, so that the cerebrovascular accident can be determined according to the weighting depending on whether the urgency is high or low.
  • the storage unit 12 further stores biological information about the patient who has developed a cerebrovascular disorder, and the judgment unit 13 learns the biological information about the patient stored in the storage unit 12 so that the sleeping user M can use the memory unit 12. Criteria can be set to predict or detect the onset of cerebrovascular accidents. As a result, in order to set a standard for predicting or detecting the onset of cerebrovascular accident of the user M during sleep, the biometric information of the patient with cerebrovascular accident accumulated so far is machine-learned and the brain. The onset of vascular disorders can be predicted or detected more accurately.
  • the determination unit 13 sets a standard for predicting or detecting the onset of cerebrovascular accident of the user M during sleep by learning the biological information F stored in the storage unit 12 in association with the sleep stage S. .. As a result, the determination unit 13 can more accurately predict or predict the onset of cerebrovascular accident by machine learning the biological information F stored in the storage unit 12 in association with the past sleep stages S accumulated so far. Can be detected.
  • the determination unit 13 calculates parameters related to the autonomic nerve activity of the user M based on the biological information measured by the measurement unit 10, and uses the parameters related to the autonomic nerve activity to cause cerebrovascular accidents of the user M during sleep. Predict or detect the onset of. This makes it possible to increase the types of biometric information to be acquired other than the pulse rate and expand the possibility of measuring cerebrovascular accidents during sleep.
  • the storage unit 12 further stores at least one of the health diagnosis information of the user M and the symptoms related to the cerebrovascular accident in advance, and the judgment unit 13 stores the health diagnosis information and the cerebrovascular accident stored in the storage unit 12. Predict or detect the onset of cerebrovascular accidents in Sleeping User M based on at least one of the associated symptoms.
  • the determination unit 13 can use at least one of the health diagnosis information of the user M and the information of the symptom related to the cerebrovascular disorder as a criterion for determining the onset of the cerebrovascular disorder, and can be used as a criterion for determining the onset of the cerebrovascular disorder.
  • the onset can be predicted or detected more accurately.
  • FIG. 2 is a flow chart specifically showing a cerebrovascular accident detection method executed by the cerebrovascular accident detection device 1.
  • FIG. 3 shows an example of the heart rate in each state of the user M measured by the measuring unit 10 of FIG. 1 and the heart rate at the time of cerebral infarction, which is an example of cerebrovascular accident.
  • FIG. 3A shows an example of the normal value of the heart rate when the user M shown in FIG. 1 is awake (under awakening) and the heart rate at the time of cerebral infarction.
  • FIG. 3B shows an example of the normal value of the heart rate at the time of non-rem sleep S1 (first sleep stage) and the heart rate at the time of cerebral infarction by the user M.
  • FIG. 3C shows an example of the normal value of the heart rate at the time of REM sleep S2 (second sleep stage) and the heart rate at the time of cerebral infarction by the user M.
  • Each heart rate shown in FIG. 3 is an average value.
  • the user shown in FIG. 3 (A) is awake, the user shown in FIG. 3 (B) is in non-REM sleep, and the user shown in FIG. 3 (C) is in REM sleep.
  • a specific example of the user's heart rate in the above will be described.
  • the normal heart rate is 60, and the heart rate at the time of cerebral infarction is 75.
  • the normal heart rate is 55, and the heart rate at the time of cerebral infarction is 65.
  • the user shown in FIG. 3C is in REM sleep, the normal heart rate is 65, and the heart rate during cerebral infarction is 65.
  • the heart rate in non-REM sleep is lower than the heart rate in REM sleep, but in patients with acute cerebral infarction, the heart rate in non-REM sleep is not lower than the heart rate in REM sleep.
  • FIGS. 3 (A), 3 (B), and 3 (C) are separately provided because they cannot be applied to patients with cardiac pacemaker implants who have almost no fluctuation in heart rate. It is preferable to make a judgment based on the numerical table.
  • the determination unit 13 shown in FIG. 1 is based on an example of a normal heart rate during non-REM sleep and REM sleep under awakening of the user M shown in FIG. 3 and a heart rate during cerebral infarction, for example, as follows. Then, the determination method (3) can be carried out from the determination method (1).
  • ⁇ Judgment method (1)> The determination unit 13 in FIG. 1 creates a reference range for determination by adopting the minimum and maximum values of the normal heart rate among the three values of the normal heart rates 55, 60, and 65 in FIG. In this case, the reference range for this determination is 55 to 65. Since the heart rate at the time of cerebral infarction under awakening is 75, the judgment unit 13 compares the heart rate 75 at the time of cerebral infarction with the reference range of this determination. The heart rate 75 under awakening can be detected as abnormal.
  • the determination unit 13 of FIG. 1 compares the normal heart rate 55 at the time of non-rem sleep S1 and the heart rate 65 of the onset of cerebral infarction, in the above-mentioned determination (1), the heart rate 65 of the onset of cerebral infarction is determined. Since it falls within the reference range of 55 to 65, it is judged to be normal as having not developed cerebral infarction even though it has developed cerebral infarction (false negative judgment). However, the determination unit 13 detects that the heart rate 65 of the onset of cerebral infarction during the non-rem sleep S1 is higher than the normal heart rate 55 during the non-rem sleep S1 and detects that the cerebral infarction has occurred. to decide. In this case, for example, if the heart rate of cerebral infarction onset during non-rem sleep S1 is 15% or more higher than the normal heart rate during non-rem sleep S1, the determination unit 13 may determine that the heart rate is abnormal. can.
  • the determination unit 13 in FIG. 1 can also detect an abnormality in the amount of change in heart rate between sleep stages (between non-REM sleep S1 and REM sleep S2) and determine the abnormality. Specifically, the determination unit 13 changes the amount of change from the normal heart rate 65 during normal REM sleep S2 shown in FIG. 3 to the normal heart rate 55 during non-REM sleep S1 during normal times (heart rate difference-).
  • the determination unit 13 detects it as an abnormality and determines that a cerebral infarction has developed.
  • the heart rate difference (change in heart rate) between the heart rate during REM sleep S2 and the heart rate during non-REM sleep S1 is 15% of the heart rate during REM sleep S2. If it is within, it is judged as abnormal.
  • the onset of cerebrovascular accident can be predicted or detected when the amount of change in biological information when the sleep stage determined by the sleep stage determination unit 11 changes is not more than a predetermined value.
  • the cerebrovascular accident detection program shown in FIG. 2 executed by the computer 100 of the cerebrovascular accident detection device 1 shown in FIG. 1 has a first step ST1 to a fifth step ST5.
  • the user (also referred to as a subject) M in FIG. 1 is lying on a bed, for example, and is sleeping.
  • the measuring unit 10 monitors and measures the biological information F of the sleeping user M by non-contact or contact.
  • the biological information F of the user M includes, for example, an electroencephalogram, blood pressure, respiratory rate, pulse rate, heart rate, body movement, etc. In this example, the pulse rate and body movement are used as the biological information F.
  • the sleep stage determination unit 11 shown in FIG. 1 determines the sleep stage S of the user M based on the body movement which is the biological information F measured in the first step ST1. .. That is, the sleep stage determination unit 11 determines whether the sleep stage S is the non-REM sleep S1 which is the first sleep stage shown in FIG. 3 or the REM sleep S2 which is the second sleep stage.
  • the storage unit 12 shown in FIG. 1 determined the pulse rate measured by the measuring unit 10 shown in FIG. 1 in the first step ST1 in the second step ST2. Memorize in association with sleep stage S.
  • the fourth step ST4 includes step ST41, step ST42, step ST43, and step ST44.
  • step ST41 the determination unit 13 compares the pulse rate of the user M obtained by the measurement unit 10 with the normal value of the pulse rate accumulated in the storage unit 12 up to the previous day.
  • the determination unit 13 determines that the pulse rate of the user M obtained by the measurement unit 10 is abnormal as a result of comparison, for example, the pulse rate immediately after falling asleep measured by the measurement unit 10 is accumulated by the previous day. If the pulse rate is 20% higher or twice as high as that of the pulse rate, an abnormality determination is made in step ST44, and the process proceeds to step ST43.
  • step ST42 of the fourth step ST4 the determination unit 13 detects an abnormality in the sleep cycle, and when, for example, the time of non-rem sleep is shortened or disappears, the determination unit 13 issues an abnormality determination in step ST44 and steps ST43. Move to.
  • step ST43 the pulse rate associated with the sleep stage S determined in the second step ST2 is combined with the sleep stage S to determine whether or not the biological information F is abnormal.
  • the determination unit 13 of FIG. 1 determines that an abnormality has occurred as having developed a cerebral infarction when the pulse rate of the user does not decrease even when the sleep stage changes from REM sleep to non-REM sleep. Is issued.
  • step ST44 the determination unit 13 weights the abnormality determination depending on which step ST41, ST42, or ST43 the abnormality determination arrives from, and determines which post-processing shown in the fifth step ST5 is to be performed. ..
  • step ST5 if there is no abnormality determination from any of the determination items, steps ST41, ST42, and ST43, the process proceeds to step ST51.
  • step ST51 the determination unit 13 in FIG. 1 outputs the determination result H to the output unit 14 on the assumption that the user M is unlikely to have developed a cerebral infarction. In this case, for example, the output unit 14 displays a normal display on the display unit, and the output unit 14 does not issue an alert.
  • the determination unit 13 is the output unit 14.
  • the determination result H that the user M may have developed a cerebral infarction is output.
  • the output unit 14 displays an abnormal display on the display unit, issues an alert, requests confirmation work from the management center, and contacts the family of the user M. Take indirect measures such as.
  • the determination unit 13 may have developed a cerebral infarction with respect to the output unit 14.
  • the highly probable judgment result H is output.
  • the output unit 14 takes a direct response for treatment such as contacting a hospital or a family doctor or arranging to call an ambulance.
  • the output unit 14 displays an abnormal display on the display unit, issues an alert, and also contacts the family of the user M.
  • the output unit 14 changes the correspondence and the contact information depending on whether the possibility of developing the cerebrovascular accident of the user M is low or high.
  • the cerebrovascular accident detection device 1 shown in FIG. 1 can be installed anywhere, such as at home, in a hospital, or in a long-term care facility.
  • the contact information at the time of abnormality can be changed according to the installation location of the cerebrovascular accident detection device 1. For example, if the place where the cerebrovascular accident detection device 1 is installed is at home, the contact information at the time of abnormality is a family member, a family doctor, a home doctor, a home management center, a home-visit nursing station, or the like. If the cerebrovascular accident detection device 1 is installed in a hospital, a long-term care facility, or the like, the contact information at the time of abnormality is a nurse station, an attending physician, a long-term care facility management center, or the like.
  • the type of biometric information used by the sleep stage determination unit 11 shown in FIG. 1 for determining the sleep stage and the type of biometric information used by the determination unit 13 for abnormality determination can be made different. As a result, the type of biometric information used for determining the sleep stage and the type of biometric information used for determining the abnormality are not the same, and the sleep stage can be reliably determined.
  • FIG. 4 shows a specific example of the measuring unit 10 shown in FIG.
  • Examples of the measuring unit 10 include a wristwatch 10W which is a wearable device, a mobile information terminal 10B, a headband 10H worn on the user's head, and the like, as illustrated in FIGS. 4A to 4C. Be done.
  • the wristwatch 10W and the portable information terminal 10B can measure the heart rate, pulse rate, blood pressure, etc., which are biological information of the user.
  • the headband 10H can measure brain waves, cerebral blood flow, and the like, which are biological information of the user.
  • a non-contact device 10M there are a non-contact device 10M, a camera, a device for generating millimeter waves, a thermography, and the like.
  • the non-contact device 10M is, for example, a bed sensor installed and used under the mattress of the bed in which the user is sleeping.
  • the non-contact device 10M can measure the user's biological information such as pulse rate, heart rate, body movement, sleep stage, etc. in a non-contact manner.
  • a camera as an out-of-bed sensor placed outside the bed, a device that generates millimeter waves, a thermography, etc. are biometric information of the user, for example, from the movement of blood vessels in the user's face to the pulse rate, heart rate, body temperature, etc.
  • the measuring unit 10 is not particularly limited to a stationary type, a wearable type, a non-contact type, and the like.
  • Biometric information for measuring cerebrovascular accidents
  • Biometric information includes waveforms and values such as electroencephalogram, electrocardiogram, blood pressure, respiratory rate, pulse rate, heart rate, myoelectricity, body movement, and body temperature. Etc., including all that change depending on the sleep stage.
  • the method of determining the sleep stage is highly accurate, but it can also be determined from other parameters such as heart rate, pulse rate, body movement, and respiratory rate, and is not particularly limited.
  • other parameters such as other parameters such as independent nerve activity may be calculated and used instead of the above parameters (for example, heart rate variability obtained from heartbeat).
  • the cerebrovascular accident detection device 1 determines an abnormality by machine learning using the waveform data of the user M who is a patient with a cerebrovascular accident, or sets a standard of an abnormality determination value by machine learning from the accumulated past measurement data. You may do it.
  • the sleep stage is determined by parameters other than the heart rate, the average value of the heart rate at that sleep stage is calculated, and the average value of the past heart rates at that sleep stage is compared with the average value between the two. If there is a discrepancy, it is detected as an abnormality.
  • 1 Cerebrovascular accident detection device, 10: Measurement unit, 10B: Mobile information terminal, 10H: Headband, 10M: Non-contact device, 10W: Watch, 11: Sleep stage determination unit, 12: Storage unit, 13: Judgment unit , 14: Output unit, 100: Computer, F: Biological information, G: Biological information, H: Judgment result, M: User, S: Sleep stage, S1: Non-REM sleep, S2: REM sleep

Abstract

【課題】脳血管障害の発症を予測または検出する精度を高めることができる脳血管障害検出装置および脳血管障害検出プログラムを提供すること。 【解決手段】脳血管障害検出装置１は、睡眠中の使用者Ｍの生体情報Ｆを測定する測定部１０と、測定部１０により測定された生体情報Ｆに基づいて睡眠ステージＳを判定する睡眠ステージ判定部１１と、測定部１０により測定された生体情報Ｆを睡眠ステージ判定部１１により判定された睡眠ステージＳに関連付けて記憶する記憶部１２と、睡眠ステージＳに関連付けて記憶部１２に記憶された生体情報Ｆと測定部１０により測定され睡眠ステージ判定部１１により判定された睡眠ステージＳにおける生体情報Ｆとに基づいて、睡眠中の使用者Ｍの脳血管障害の発症を予測または検出する判断部１３と、を備える。

Description

脳血管障害検出装置および脳血管障害検出プログラム
　本発明は、睡眠中の使用者の生体情報と睡眠ステージとを組み合わせて、脳血管障害の発症を予測または検出する脳血管障害検出装置および脳血管障害検出プログラムに関する。
　使用者が、日常生活の全般にわたり脳卒中を起こした否かを判定する脳卒中モニタリングシステムが、特許文献１に開示されている。特許文献１に記載されている脳卒中モニタリングシステムは、使用者が脳卒中を起こしたか否かを判断するために、脳波を含む使用者の生体信号を測定して、この生体信号をデータベースに予め格納する。
　脳卒中判断部は、測定された生体信号と、データベースに予め格納された健康情報に基づいて算出した使用者の生体信号の基準範囲と、を比較分析して、使用者の脳卒中の発生を予測する。この脳卒中判断部は、使用者が脳卒中を発生したと判断したり、脳卒中の発生を予測したりした場合には、通知部が使用者等に通知するようになっている。
　しかし、特許文献１に記載の脳卒中モニタリングシステムでは、測定された生体信号と、データベースに予め格納された健康情報に基づいて算出した使用者の生体信号の基準範囲とを比較分析するだけであり、脳血管障害の発症を予測または検出する精度を高めることが難しいという点で、改善の余地がある。
特開２０１８－１７１４４３号公報
　本発明は、前記課題を解決するためになされたものであり、脳血管障害の発症を予測または検出する精度を高めることができる脳血管障害検出装置および脳血管障害検出プログラムを提供することを目的とする。
　前記課題は、脳血管障害の発症を予測または検出する脳血管障害検出装置であって、睡眠中の使用者の生体情報を測定する測定部と、前記測定部により測定された前記生体情報に基づいて睡眠ステージを判定する睡眠ステージ判定部と、前記測定部により測定された前記生体情報を前記睡眠ステージ判定部により判定された前記睡眠ステージに関連付けて記憶する記憶部と、前記睡眠ステージに関連付けて前記記憶部に記憶された前記生体情報と前記測定部により測定され前記睡眠ステージ判定部により判定された前記睡眠ステージにおける前記生体情報とに基づいて前記睡眠中の使用者の前記脳血管障害の発症を予測または検出する判断部と、を備えることを特徴とする本発明に係る脳血管障害検出装置により解決される。
　本発明に係る脳血管障害検出装置によれば、睡眠ステージ判定部は、測定部により測定された生体情報に基づいて睡眠ステージを判定し、記憶部は、測定部により測定された生体情報を睡眠ステージ判定部により判定された睡眠ステージに関連付けて記憶する。そして、判断部は、睡眠ステージに関連付けて記憶部に記憶された生体情報と測定部により測定され睡眠ステージ判定部により判定された睡眠ステージにおける生体情報とに基づいて睡眠中の使用者の脳血管障害の発症を予測または検出する。これにより、睡眠ステージに関連付けて記憶部に記憶された生体情報と測定部により測定され睡眠ステージ判定部により判定された睡眠ステージにおける生体情報とに基づいて、睡眠中の使用者の脳血管障害の発症を予測または検出する。このため、脳血管障害検出装置では、脳血管障害の発症を予測または検出する精度を高めることができる。
　本発明に係る脳血管障害検出装置において、好ましくは、前記睡眠ステージは、第１睡眠ステージと、前記第１睡眠ステージとは異なる第２睡眠ステージと、を含み、前記判断部は、前記記憶部に記憶された前記第１睡眠ステージにおける前記生体情報と、前記測定部により測定された前記第１睡眠ステージにおける前記生体情報と、を互いに比較することにより前記睡眠中の使用者の前記脳血管障害の発症を予測または検出することを特徴とする。
　本発明に係る脳血管障害検出装置によれば、判断部は、記憶部に記憶された第１睡眠ステージにおける生体情報と、測定部により測定された第１睡眠ステージにおける生体情報と、を互いに比較するので、脳血管障害の発症を予測または検出する精度をより高めることができる。第１睡眠ステージとは、好ましくはノンレム睡眠であり、第２睡眠ステージとは好ましくはレム睡眠である。
　本発明に係る脳血管障害検出装置において、好ましくは、前記睡眠ステージは、第１睡眠ステージと、前記第１睡眠ステージとは異なる第２睡眠ステージと、を含み、前記判断部は、前記記憶部に記憶された前記第１睡眠ステージにおける前記生体情報と、前記記憶部に記憶された前記第２睡眠ステージにおける前記生体情報と、の間の第１変化量を算出し、前記測定部により測定された前記第１睡眠ステージにおける前記生体情報と、前記測定部により測定された前記第２睡眠ステージにおける前記生体情報と、の間の第２変化量を算出し、前記第１変化量と前記第２変化量とを互いに比較することにより前記睡眠中の使用者の前記脳血管障害の発症を予測または検出することを特徴とする。
　本発明に係る脳血管障害検出装置によれば、記憶部に記憶された第１睡眠ステージにおける生体情報と、記憶部に記憶された第２睡眠ステージにおける生体情報と、の間の第１変化量を算出し、測定部により測定された第１睡眠ステージにおける生体情報と、測定部により測定された第２睡眠ステージにおける生体情報と、の間の第２変化量を算出し、第１変化量と第２変化量とを互いに比較する。これにより、脳血管障害検出装置では、睡眠中の使用者の脳血管障害の発症を予測または検出する精度をより高めることができる。
　本発明に係る脳血管障害検出装置において、好ましくは、前記測定部により測定する睡眠中の使用者の生体情報は、脈拍数を含むことを特徴とする。
　本発明に係る脳血管障害検出装置によれば、獲得しようとする生体情報の種類を増やして、睡眠中の脳血管障害の予測または検出する可能性を拡げることができる。
　本発明に係る脳血管障害検出装置において、好ましくは、前記測定部は、前記睡眠中の使用者の体動または呼吸数を含む前記生体情報を測定し、前記睡眠ステージ判定部は、前記測定部により測定された前記体動または前記呼吸数を含む生体情報に基づいて前記睡眠ステージを判定することを特徴とする。
　本発明に係る脳血管障害検出装置によれば、獲得しようとする生体情報の種類を増やして、睡眠中の脳血管障害の予測または検出する可能性を拡げることができる。例えば脳波を使えば正確に睡眠ステージは判定できるが、例えば使用者がヘッドバンドを着用して脳波を測定するのに抵抗がある場合には、生体情報として体動または呼吸数を用いることができる。これにより、睡眠中の使用者でも比較的抵抗なく体動または呼吸数を用いて睡眠ステージを判定できる。
　本発明に係る脳血管障害検出装置において、好ましくは、前記判断部は、前記記憶部に記憶された前記生体情報に基づいて前記使用者の前記生体情報の正常値を算出し、前記正常値と前記測定部により測定された前記生体情報との比較にさらに基づくとともに、前記睡眠ステージ判定部により判定された前記睡眠ステージに関する睡眠サイクルにさらに基づいて前記睡眠中の使用者の前記脳血管障害の発症を予測または検出することを特徴とする。
　本発明に係る脳血管障害検出装置によれば、使用者の生体情報の正常値と、睡眠ステージに関する睡眠サイクルの両方に基づいて、睡眠中の使用者の脳血管障害の発生を精度よく予測または検出できる。
　本発明に係る脳血管障害検出装置は、好ましくは、前記判断部が前記睡眠中の使用者の前記脳血管障害の発症を予測または検出した場合に前記判断部の判断結果を出力する出力部をさらに備え、前記判断部は、前記睡眠ステージに関連付けて前記記憶部に記憶された前記生体情報と前記測定部により測定された前記生体情報とに基づいた第１判断と、前記正常値と前記測定部により測定された前記生体情報との比較に基づいた第２判断と、前記睡眠サイクルに基づいた第３判断と、のそれぞれの判断結果に応じて重み付けを決定し、前記出力部は、前記判断部により決定された前記重み付けに応じて前記判断結果の出力方法および出力先の少なくともいずれかを設定することを特徴とする。
　本発明に係る脳血管障害検出装置によれば、判断部がそれぞれの判断結果に応じて脳血管障害の発症のリスクを判定して重み付けをする。これにより、その重み付けに応じて緊急性が高い場合と低い場合に応じて、脳血管障害の発症の連絡先等を変更することができ、より実用性が高まる。
　本発明に係る脳血管障害検出装置において、好ましくは、前記記憶部は、前記脳血管障害が発症した患者に関する前記生体情報をさらに記憶し、前記判断部は、前記記憶部に記憶された前記患者に関する前記生体情報を学習することにより、前記睡眠中の使用者の前記脳血管障害の発症を予測または検出するための基準を設定することを特徴とする。
　本発明に係る脳血管障害検出装置によれば、睡眠中の使用者の脳血管障害の発症を予測または検出するための基準を設定するために、これまでに蓄積された脳血管障害の使用者の生体情報を、機械学習することで、脳血管障害の発症をより精度よく予測または検出できる。
　本発明に係る脳血管障害検出装置において、好ましくは、前記判断部は、前記睡眠ステージに関連付けて前記記憶部に記憶された前記生体情報を学習することにより、前記睡眠中の使用者の前記脳血管障害の発症を予測または検出するための基準を設定することを特徴とする。
　本発明に係る脳血管障害検出装置によれば、判断部は、これまでに得られた過去の睡眠ステージに関連付けて記憶部に記憶された生体情報を機械学習することで、脳血管障害の発症をより精度よく予測または検出できる。
　本発明に係る脳血管障害検出装置において、好ましくは、前記判断部は、前記測定部により測定された前記生体情報に基づいて前記使用者の自律神経活動に関するパラメータを算出し、前記パラメータを用いて前記睡眠中の使用者の前記脳血管障害の発症を予測または検出することを特徴とする。
　本発明に係る脳血管障害検出装置によれば、生体情報に基づいて使用者の自律神経活動に関するパラメータを算出し、パラメータを用いて睡眠中の使用者の脳血管障害の発症を予測または検出するので、脳血管障害の発症をより精度よく予測または検出できる。
　本発明に係る脳血管障害検出装置において、好ましくは、前記記憶部は、前記使用者の健康診断情報および前記脳血管障害に関係する症状の少なくともいずれかをさらに記憶し、前記判断部は、前記記憶部に記憶された前記健康診断情報および前記症状の少なくともいずれかにさらに基づいて前記睡眠中の使用者の前記脳血管障害の発症を予測または検出することを特徴とする。
　本発明に係る脳血管障害検出装置によれば、使用者の健康診断情報や、過去に生じた脳血管障害に関する症状、例えば使用者にしびれ、めまい、嘔吐、頭痛等の脳血管障害と関係のある症状があった場合には、これらの使用者の健康診断情報および脳血管障害に関係する症状の情報の少なくとも一方を記憶部に予め記憶させておく。これにより、判断部は、使用者の健康診断情報および脳血管障害に関係する症状の情報の少なくとも一方を、脳血管障害の発症についての判断の基準とすることができ、脳血管障害の発症をより精度よく予測または検出できる。
　また、前記課題は、脳血管障害の発症を予測または検出する脳血管障害検出装置であって、睡眠中の使用者の生体情報を測定する測定部と、前記測定部により測定された前記生体情報に基づいて睡眠ステージを判定する睡眠ステージ判定部と、前記睡眠ステージ判定部が判定した前記睡眠ステージが変化した際の前記生体情報の変化量が所定の値以下である場合に脳血管障害の発症を予測または検出する判断部と、を備えることを特徴とする本発明に係る脳血管障害検出装置により解決される。
　本発明に係る脳血管障害検出装置によれば、測定部により測定された生体情報に基づいて睡眠ステージを判定する睡眠ステージ判定部と、睡眠ステージ判定部が判定した睡眠ステージが変化した際の生体情報の変化量が所定の値以下である場合に脳血管障害の発症を予測または検出する。これにより、脳血管障害検出装置では、脳血管障害の発症を予測または検出する精度を高めることができる。
　本発明に係る脳血管障害検出装置において、好ましくは、前記睡眠ステージ判定部が用いる生体情報の種類と前記判断部が用いる生体情報の種類とが互いに異なることを特徴とする。
　本発明に係る脳血管障害検出装置によれば、睡眠ステージの判定に用いる生体情報の種類と異常判断に用いる生体情報の種類が異なるようにすることで、睡眠ステージの判定を確実に行える。
　また、前記課題は、脳血管障害の発症を予測または検出する脳血管障害検出装置のコンピュータによって実行される脳血管障害検出プログラムであって、前記コンピュータに、睡眠中の使用者の生体情報を測定する第１ステップと、前記第１ステップにおいて測定された前記生体情報に基づいて睡眠ステージを判定する第２ステップと、前記第１ステップにおいて測定された前記生体情報を前記第２ステップにおいて判定された前記睡眠ステージに関連付けて記憶する第３ステップと、前記第３ステップにおいて前記睡眠ステージに関連付けて記憶された前記生体情報と前記第１ステップにおいて測定され前記第２ステップにおいて判定された前記睡眠ステージにおける前記生体情報とに基づいて前記睡眠中の使用者の前記脳血管障害の発症を予測または検出する第４ステップと、を実行させることを特徴とする本発明に係る脳血管障害検出プログラムにより解決される。
　本発明に係る脳血管障害検出プログラムによれば、測定された生体情報に基づいて睡眠ステージを判定し、測定された生体情報を判定された睡眠ステージに関連付けて記憶する。そして、睡眠ステージに関連付けて記憶された生体情報と測定され判定された睡眠ステージにおける生体情報とに基づいて睡眠中の使用者の脳血管障害の発症を予測または検出する。これにより、脳血管障害検出プログラムでは、脳血管障害の発症を予測または検出する精度を高めることができる。
　本発明によれば、脳血管障害の発症を予測または検出する精度を高めることができる脳血管障害検出装置および脳血管障害検出プログラムを提供することができる。
本発明の好ましい実施形態に係る脳血管障害検出装置の構成例を示すブロック図である。 脳血管障害検出装置により実行される脳血管障害検出方法について、具体的に示すフロー図である。 使用者Ｍの各状態における心拍数と、脳梗塞時の心拍数の例を示す図である。 図１に示す測定部の具体的な例を示す図である。
　以下に、本発明の好ましい実施形態を、図面を参照して詳しく説明する。
　なお、以下に説明する実施形態は、本発明の好適な具体例であるから、技術的に好ましい種々の限定が付されているが、本発明の範囲は、以下の説明において特に本発明を限定する旨の記載がない限り、これらの態様に限られるものではない。また、各図面中、同様の構成要素には同一の符号を付して詳細な説明は適宜省略する。
（脳血管障害検出装置の構成例）
　図１は、本発明の好ましい実施形態に係る脳血管障害検出装置の構成例を示すブロック図である。図１に表した脳血管障害検出装置１は、使用者Ｍにおける脳血管障害の発症を予測または検出する装置である。脳血管障害検出装置１は、測定部１０と、睡眠ステージ判定部１１と、記憶部１２と、判断部１３と、出力部１４を備える。
　この脳血管障害検出装置１は、睡眠ステージに関連付けて記憶された生体情報と、使用者Ｍについて測定され判定された睡眠ステージにおける生体情報と、に基づいて、睡眠中の使用者の脳血管障害の発症を、精度よく予測または検出するための装置である。
　ここで、本発明の実施形態において使用される測定部１０で測定する「生体情報」としては、脳波、血圧、呼吸数、心拍数、脈拍数、体動、寝返り回数、体温等を含む広い概念であり、パラメータともいう。心拍数は、直接使用者Ｍの心臓から測定したものであり、脈拍数は、血管の抹消で例えばウェアラブル測定器により間接的に測定したものである。心拍数は、正確には胸部に電極を取り付けて心電計を用いて心電図のＱＲＳ波のピークから次のピークまでの時間間隔を測定して算出するものであり、脈拍数は、手首の外側（橈側）に存在する橈骨動脈に人差し指、中指、薬指を当てて、脈拍を感じ取って数えたり、使用者Ｍの適所に設けられたウェアラブルデバイスにより、手首などの血管の末梢で間接的に測定するものである。すなわち、ウェアラブルデバイスにおいては、設けられたマイクロフォンにより、心臓から送り出される血流による血管の音を聴いて測ったり、圧力センサで血管の振動（圧脈波）を測ったり、パルスオキメータにおける脈拍数測定の場合のように、赤色光（波長約６６０ナノメートル (ｎｍ)）と赤外光（波長約９４０ｎｍ）を発し、これらの光を受光することで動脈血の変動の周期を測定したりすることで得られる。
　心臓が血液を送り出す際には、動脈に拍動が生じるので、この回数を脈拍数とするので、通常は心拍数と脈拍数は等しくなる。
　「脳血管障害」としては、脳卒中（脳梗塞、脳出血、くも膜下出血）や、血管性認知症等を含む概念である。このように、本発明の実施形態の脳血管障害検出装置１は、睡眠中の使用者Ｍから獲得しようとする生体情報の種類を増やして、睡眠中の使用者Ｍの脳血管障害の予測または検出（測定）の可能性を拡げることができる。
　測定部１０は、睡眠中の使用者Ｍの生体情報Ｆを測定する。睡眠ステージ判定部１１は、測定部１０に電気的に接続されているか、あるいは有線通信（例えば、ＲＳ－２３２Ｃ方式等）及び／または無線通信（例えば、近距離無線通信，赤外線通信等）により通信可能に接続されており、睡眠ステージ判定部１１は、測定部１０により測定された生体情報Ｆに基づいて、睡眠ステージＳを判定する。記憶部１２は、測定部１０と有線通信（例えば、ＲＳ－２３２Ｃ方式等）及び／または無線通信（例えば、近距離無線通信，赤外線通信等）により通信可能に接続されており、また、記憶部１２は、睡眠ステージ判定部１１とは電気的に接続されており、記憶部１２は、測定部１０により測定された生体情報Ｆを、睡眠ステージ判定部１１により判定された睡眠ステージＳに関連付けて記憶する。なお、記憶部１２は、測定部１０と睡眠ステージ判定部１１に電気的に接続されていても良い。
　測定部１０が、図４に示す後述するような腕時計１０Ｗ、携帯情報端末１０Ｂのようなウェアラブルデバイスの場合には、測定部１０と睡眠ステージ判定部１１とは、無線通信（例えば、近距離無線通信，赤外線通信等）により通信可能に接続される。また、測定部１０と記憶部１２とは、無線通信（例えば、近距離無線通信，赤外線通信等）により通信可能に接続される。
　判断部１３は、記憶部１２に電気的に接続されており、判断部１３は、睡眠ステージＳに関連付けて記憶部１２に記憶された過去の測定済みの生体情報Ｇと、測定部１０により測定され睡眠ステージ判定部１１により判定された現在の睡眠ステージＳにおける生体情報Ｆとを互いに比較して、睡眠中の使用者Ｍの脳血管障害の発症を予測または検出する。例えば、判断部１３は、この睡眠ステージ判定部１１が判定した睡眠ステージＳが変化した際の生体情報Ｆの変化量が所定の値以下である場合には、脳血管障害の発症を予測または検出することができる。
　出力部１４は、判断部１３に電気的に接続されており、判断部１３が睡眠中の使用者Ｍの脳血管障害の発症を予測または検出した場合に、判断部１３の判断結果Ｈを出力部１４に出力する。出力部１４は、判断部１３により決定された重み付けに応じて、判断結果の出力方法および出力先の少なくともいずれかを設定することができる。
　なお、図１に示す脳血管障害検出装置１の測定部１０、睡眠ステージ判定部１１、記憶部１２、判断部１３、そして出力部１４の動作は、コンピュータ１００により制御される。
　記憶部１２には、例えば、測定のためのシーケンスプログラムや、画像処理のための画像処理プログラムや、演算プログラムなどが格納されている。記憶部１２としては、例えば、脳血管障害検出装置１に内蔵された半導体メモリなどが挙げられる。あるいは、記憶部１２としては、脳血管障害検出装置１に接続可能なＣＤ（Compact Disc）、ＤＶＤ（Digital Versatile Disc）、ＲＡＭ（Random access memory）、ＲＯＭ（Read only memory）、ハードディスク、メモリカードなどの種々の記憶媒体が挙げられる。
　コンピュータ１００によって実行されるプログラムは、本発明の「脳血管障害検出プログラム」に相当する。ここでいう「コンピュータ」とは、パソコンには限定されず、情報処理機器に含まれる演算処理装置、マイコン等も含み、プログラムによって本発明の機能を実現することが可能な機器、装置を総称している。
　睡眠ステージ判定部１１が判定する「睡眠ステージ」とは、例えばノンレム睡眠やレム睡眠である。図１に表したように、睡眠ステージ判定部１１が判定する睡眠ステージＳは、第１睡眠ステージと、第１睡眠ステージとは異なる第２睡眠ステージと、を含む。第１睡眠ステージとしては、例えばノンレム睡眠Ｓ１であり、第２睡眠ステージとしては、例えばレム睡眠Ｓ２である。ノンレム睡眠Ｓ１とレム睡眠Ｓ２は、例えば１．５時間ごとに切り替わる。
　睡眠中には、例えば心拍数に特異的な変化が生じる。健常者はレム睡眠の心拍数に比べてノンレム睡眠での心拍数が低下するが、急性期脳梗塞患者ではレム睡眠の心拍数に比べてノンレム睡眠での心拍数が低下しないことや、ノンレム睡眠の時間が減少・消失することがある。
　睡眠ステージＳは、脳波以外の脈拍数等の生体情報Ｆでも測定可能であることから、睡眠ステージ判定部１１は、脳波等を含む生体情報Ｆに基づいて、使用者の睡眠ステージＳを判定することができる。睡眠ステージ判定部１１は、脳波を使えば睡眠ステージＳを正確に判定することができる。脳波を取得するには、使用者の頭部にヘッドバンド等を装着する必要がある。このヘッドバンドの着用は睡眠中の使用者Ｍにとっては抵抗がある場合がある。
　一方、生体情報Ｆとして、脈拍数、体動、あるいは呼吸等を用いる場合には、測定部１０は小さくしかも装着感が無いかあるいはわずかであるので、使用者Ｍには負担が少ない。このため、睡眠中の使用者Ｍでも生体情報が比較的抵抗がなく測定できる脈拍数、体動あるいは呼吸数等により睡眠ステージを測定することもできる。使用者Ｍに負担が少ない脈拍数の測定デバイスとして、例えば使用者Ｍの顔をカメラで撮影し、使用者Ｍの顔色の時間的変化に基づいて脈拍数を測定する測定デバイスがある。しかしながら、前述したように、急性期脳梗塞患者では、睡眠ステージがレム睡眠からノンレム睡眠に変化しても、心拍数や脈拍数が低下しない場合があることから、脈拍数を使用して睡眠ステージを判定するのが困難な場合がある。したがって、脈拍数以外の生体情報を測定し、かつ、使用者の拘束の程度が低い非拘束測定デバイスを使用して、使用者の睡眠ステージを判定するための生体情報を測定するのが本システムに適しているといえる。このような測定デバイスとして、例えば、ベッドのマットレスの下またはベッドの４個の脚の下に荷重センサを配置し、荷重センサにより測定された荷重に基づいてベッド上の使用者の体動を検知する生体情報測定デバイスがある。
　ベッドのマットレスの下に設け、脈拍数と同等のものと考えられる心拍数と呼吸数を併せて測定できるベッドセンサの場合の例を、以下に詳述する。
　微差圧センサ、絶対圧力センサを設け、エアマットの内部圧力をエアチューブを介して微差圧センサと絶対圧力センサに入力されるようにする。
　使用者Ｍの身体に起因する振動がエアマットに伝達されるので、エアマットの内部圧力が変化するので微差圧センサは圧力変動分を検出し、また、絶対圧力センサはエアマットの内部圧力の絶対圧力を検出する。なお、絶対圧力センサは使用者Ｍがエアマット上にいるかを検出するために設けられている。
　微差圧センサとしては、例えば、圧力の変化を受ける受圧面と対抗電極との間の静電容量変化を検知して差圧を検出するコンデンサマイクロフォン型差圧計が用いられる。コンデンサマイクロフォン型差圧計はエアマット内部の微小な圧力変動を検出できる。
　微差圧センサの検出信号は、脳血管障害検出装置１の判断部１３に設けたゲイン制御部に与えられる。ゲイン制御部は微差圧センサの検出信号のレベルを所定範囲の信号レベルに調整する。使用者Ｍの姿勢によってエアマットに伝わる心拍や呼吸などの振動の強さが異なるために、微差圧センサの出力信号の強度（レベル）が異なる。ゲイン制御部は姿勢によって異なる信号レベルを所定レベルの信号になるようにゲインを調整し、心拍フィルタ、呼吸フィルタに出力する。また、ゲイン制御部のゲイン値が姿勢判別部に加えられる。ゲイン制御部によって所定レベルに変換された微差圧センサの出力信号を心拍フィルタ、呼吸フィルタに加えることにより、これら心拍フィルタ、呼吸フィルタから心拍信号、呼吸信号などの生体情報が得られる。心拍フィルタ、呼吸フィルタから得られた使用者Ｍの生体情報はＡ／Ｄ変換部でデジィタル信号に変換され、心拍数、呼吸数としてデータ処理部に入力される。また、エアマットの内部圧力を検出する微差圧センサの検出信号のレベルは使用者Ｍの横臥または仰臥している姿勢によって異なるためゲイン制御部でゲイン調整する。
　こうして、ベッドセンサにより、使用者Ｍの、脈拍数と同等のものと考えられる心拍数と呼吸数だけでなく、絶対圧力センサが検出した圧力により、寝返りしたかどうかを検出できるので、睡眠中の寝返り回数も併せて測定できる。
　図１に表した睡眠ステージＳは、第１睡眠ステージと、第１睡眠ステージとは異なる第２睡眠ステージと、を含む。すでに説明したように、例えば、第１睡眠ステージは、ノンレム睡眠Ｓ１であり、第２睡眠ステージは、レム睡眠Ｓ２である。判断部１３は、記憶部１２に記憶された第１睡眠ステージにおける生体情報と、実際に測定部１０により測定された第１睡眠ステージにおける生体情報と、を互いに比較することにより、睡眠中の使用者の脳血管障害の発症を予測または検出するようになっている。これにより、例えば第１睡眠ステージの判定ができれば、第１睡眠ステージと生体情報の組み合わせにより、睡眠中の使用者の脳血管障害の発症をより早期に予測または検出できる。また、例えば睡眠ステージ判定部１１は、脈拍数で睡眠ステージＳを判定して、その睡眠ステージＳにおける脈拍数の平均値を算出して、その睡眠ステージＳにおける過去の脈拍数の平均値と比較することにより、脈拍数の平均値の間に乖離があれば異常として検出することもできる。
　また、図１に表した睡眠ステージＳは、第１睡眠ステージと、第１睡眠ステージとは異なる第２睡眠ステージと、を含む。判断部１３は、記憶部１２に記憶された第１睡眠ステージにおける生体情報と、記憶部１２に記憶された第２睡眠ステージにおける生体情報と、の間の第１変化量を算出し、測定部１０により測定された第１睡眠ステージにおける生体情報と、測定部１０により測定された第２睡眠ステージにおける生体情報と、の間の第２変化量を算出し、第１変化量と第２変化量とを互いに比較することにより睡眠中の使用者の脳血管障害の発症を精度よく予測または検出するようになっている。
　これにより、過去の睡眠ステージＳにおける脈拍数の平均値と現在の睡眠ステージＳにおける脈拍数の比較では正常と判定される場合でも、異常として検出できるので、偽陰性率が低下して、睡眠中の使用者の脳血管障害の発症の予測または検出の感度が向上し、精度よく予測または検出できる。
　測定部１０は、睡眠中の使用者の体動または呼吸数を含む生体情報を測定し、睡眠ステージ判定部１１は、測定部１０により測定された体動または呼吸数を含む生体情報に基づいて睡眠ステージＳを判定することもできる。これにより、脳波以外の獲得しようとする生体情報の種類を増やして、睡眠中の脳血管障害の測定の可能性を拡げることができる。既に述べたように、脳波を使えば正確に睡眠ステージは判定できるが、例えば使用者Ｍがヘッドバンドを着用して脳波を測定するのに抵抗がある場合には、体動または呼吸数を用いれば、睡眠中の使用者Ｍでも比較的抵抗なく睡眠ステージを判定できる。
　判断部１３は、記憶部１２に記憶された生体情報Ｆに基づいて使用者Ｍの生体情報の正常値を算出し、正常値と測定部１０により測定された生体情報との比較にさらに基づくとともに、睡眠ステージ判定部１１により判定された睡眠ステージＳに関する睡眠サイクルにさらに基づいて睡眠中の使用者Ｍの脳血管障害の発症を予測または検出する。これにより、使用者Ｍの生体情報と、睡眠ステージに関する睡眠サイクルの両方に基づいて、睡眠中の使用者Ｍの脳血管障害の発生を精度よく予測または検出できる。
　図１に表した判断部１３が睡眠中の使用者Ｍの脳血管障害の発症を予測または検出した場合に、判断部１３の判断結果Ｈを出力する出力部１４を備えている。この判断部１３は、睡眠ステージに関連付けて記憶部１２に記憶された生体情報と測定部１０により測定された生体情報とに基づいた第１判断と、生体情報の正常値と測定部１０により測定された生体情報との比較に基づいた第２判断と、睡眠サイクルに基づいた第３判断とのそれぞれの判断結果Ｈに応じて重み付けを決定するようになっている。
　出力部１４は、判断部１３により決定された重み付けに応じて判断結果の出力方法および出力先の少なくともいずれかを設定する。これにより、判断部１３がそれぞれの判断結果に応じて脳血管障害のリスクを判定して重み付けをすることで、その重み付けに応じて緊急性が高い場合と低い場合に応じて、脳血管障害の発症の連絡先を変更することができる。例えば、緊急性の低い場合には、表示装置が脳血管障害の発症の可能性を表示したり音や振動を発生させたりすることで通知する。しかし、緊急性の高い場合には、これらの表示等の通知の他に、家族に連絡することや、主治医に連絡したり、救急車を呼んだりする等を行う。
　記憶部１２は、脳血管障害が発症した患者に関する生体情報をさらに記憶して、判断部１３は、記憶部１２に記憶された患者に関する生体情報を学習することにより、睡眠中の使用者Ｍの脳血管障害の発症を予測または検出するための基準を設定することができる。これにより、睡眠中の使用者Ｍの脳血管障害の発症を予測または検出するための基準を設定するために、これまでに蓄積された脳血管障害の患者の生体情報を機械学習して、脳血管障害の発症をより精度よく予測または検出できる。
　判断部１３は、睡眠ステージＳに関連付けて記憶部１２に記憶された生体情報Ｆを学習することにより、睡眠中の使用者Ｍの脳血管障害の発症を予測または検出するための基準を設定する。これにより、判断部１３は、これまでに蓄積された過去の睡眠ステージＳに関連付けて記憶部１２に記憶された生体情報Ｆを機械学習することで、脳血管障害の発症をより精度よく予測または検出できる。
　判断部１３は、測定部１０により測定された生体情報に基づいて使用者Ｍの自律神経活動に関するパラメータを算出して、この自律神経活動に関するパラメータを用いて睡眠中の使用者Ｍの脳血管障害の発症を予測または検出する。これにより、脈拍数以外の獲得しようとする生体情報の種類を増やして、睡眠中の脳血管障害の測定の可能性を拡げることができる。
　記憶部１２は、使用者Ｍの健康診断情報および脳血管障害に関係する症状の少なくともいずれかをさらに予め記憶し、判断部１３は、記憶部１２に記憶された健康診断情報および脳血管障害に関係する症状の少なくともいずれかに基づいて睡眠中の使用者Ｍの脳血管障害の発症を予測または検出する。
　これにより、使用者の健康診断情報や、過去に生じた脳血管障害に関する症状、例えば使用者Ｍにしびれ、めまい、嘔吐、頭痛等の脳血管障害と関係のある症状があった場合には、これらの使用者Ｍの健康診断情報および脳血管障害に関係する症状の情報の少なくとも一方を記憶部１２に予め記憶させておく。このため、判断部１３は、使用者Ｍの健康診断情報および脳血管障害に関係する症状の情報の少なくとも一方を、脳血管障害の発症についての判断の基準とすることができ、脳血管障害の発症をより精度よく予測または検出できる。
（脳血管障害検出装置１が、使用者Ｍの脳血管障害の発症を予測または検出する動作例の説明）
　次に、上述した構成の脳血管障害検出装置１が、使用者Ｍの脳血管障害の発症を予測または検出する動作の具体的な例を、図２と図３を参照して説明する。
　図２は、脳血管障害検出装置１により実行される脳血管障害検出方法について、具体的に示すフロー図である。図３は、図１の測定部１０が測定する使用者Ｍの各状態における心拍数と、脳血管障害の一例である脳梗塞時の心拍数の例を示している。
　図３（Ａ）は、図１に示す使用者Ｍが覚醒している時（覚醒下）の心拍数の正常値と、脳梗塞時の心拍数の例を示す。図３（Ｂ）は、使用者Ｍがノンレム睡眠Ｓ１（第１睡眠ステージ）時の心拍数の正常値と、脳梗塞時の心拍数の例を示す。図３（Ｃ）は、使用者Ｍがレム睡眠Ｓ２（第２睡眠ステージ）時の心拍数の正常値と、脳梗塞時の心拍数の例を示す。図３に示す各心拍数は平均値である。
　まず、図３を参照して、図３（Ａ）に示す使用者が覚醒下、図３（Ｂ）に示す使用者がノンレム睡眠時、そして図３（Ｃ）に示す使用者がレム睡眠時における使用者の心拍数の具体例を説明する。図３（Ａ）に示す使用者が覚醒下では、正常な心拍数は、６０であり、脳梗塞時の心拍数は、７５である。図３（Ｂ）に示す使用者がノンレム睡眠時では、正常な心拍数は、５５であり、脳梗塞時の心拍数は、６５である。図３（Ｃ）に示す使用者がレム睡眠時では、正常な心拍数は、６５であり、脳梗塞時の心拍数は、６５である。なお、健常者はレム睡眠の心拍数に比べてノンレム睡眠での心拍数が低下するが、急性期脳梗塞患者ではレム睡眠の心拍数に比べてノンレム睡眠での心拍数は低下しない。
　なお、図３（Ａ），図３（Ｂ），図３（Ｃ）に例示した数値テーブルは、心拍数の変動がほとんどない心臓ペースメーカー埋込み患者が使用者の時には適用できないため、別途設けておいた数値テーブルに基づいて判定するようにすることが好ましい。
　図１に示す判断部１３は、図３に示す使用者Ｍの覚醒下、ノンレム睡眠時、レム睡眠時における正常な心拍数と、脳梗塞時の心拍数の例に基づいて、例えば次のようにして、判定方法（１）から判定方法（３）を実施することができる。
＜判定方法（１）＞
　図１の判断部１３は、図３において３つの正常な心拍数５５、６０、６５の値の内の正常な心拍数の最小値と最大値を採用することで判定の基準範囲を作る。この場合には、この判定の基準範囲は、５５～６５となる。覚醒下の脳梗塞時の心拍数は７５であるので、判断部１３は、脳梗塞時の心拍数７５と、この判定の基準範囲とを比較すると、７５は異常であるために、判断部１３は覚醒下での心拍数７５は、異常として検出することができる。
＜判定方法（２）＞
　図１の判断部１３が、ノンレム睡眠Ｓ１時の正常な心拍数５５と、脳梗塞発症の心拍数６５と、を比較すると、上述した判定（１）では、脳梗塞発症の心拍数６５が判定の基準範囲５５～６５に入ってしまうので、脳梗塞を発症しているにもかかわらず、脳梗塞を発症していないとして正常と判断してしまう（偽陰性判断）。しかし、判断部１３は、ノンレム睡眠Ｓ１時の正常な心拍数５５に対して、ノンレム睡眠Ｓ１時の脳梗塞発症の心拍数６５は高いために、異常として検出して、脳梗塞が発症したと判断する。この場合に、例えば、判断部１３は、ノンレム睡眠Ｓ１時の脳梗塞発症の心拍数が、例えばノンレム睡眠Ｓ１時の正常な心拍数よりも１５％以上高い場合には、異常として判定することができる。
＜判定方法（３）＞
　図１の判断部１３は、睡眠ステージ間（ノンレム睡眠Ｓ１とレム睡眠Ｓ２との間）での心拍数の変化量の異常を検出して、異常を判定することもできる。具体的には、判断部１３は、図３に示す正常時におけるレム睡眠Ｓ２時の正常な心拍数６５から正常時におけるノンレム睡眠Ｓ１時の正常な心拍数５５への変化量（心拍数差－１０）と、脳梗塞時におけるレム睡眠Ｓ２時の脳梗塞発症の心拍数６５から脳梗塞時におけるノンレム睡眠Ｓ１時の脳梗塞発症の心拍数６５への変化量（心拍数差０：変化なし）とを比べる。比べた結果、判断部１３は、脳梗塞発症の際の心拍数の変化量が、正常時の心拍数の変化量に比べて小さいことが判る。
　この場合には、判断部１３は、異常として検出して、脳梗塞が発症したと判断する。この場合に、例えば、判断部１３は、レム睡眠Ｓ２時の心拍数とノンレム睡眠Ｓ１時の心拍数との心拍数差（心拍数の変化量）が、レム睡眠Ｓ２時の心拍数の１５％以内の場合には、異常として判定する。このように、睡眠ステージ判定部１１が判定した睡眠ステージが変化した際の生体情報の変化量が、所定の値以下である場合に脳血管障害の発症を予測または検出することができる。
　次に、脳血管障害検出装置１が、使用者Ｍの脳血管障害の発症を予測または検出する動作例を、図２と、図１と図３を参照して説明する。
　図１に示す脳血管障害検出装置１のコンピュータ１００によって実行される図２に示す脳血管障害検出プログラムでは、第１ステップＳＴ１から第５ステップＳＴ５を有する。
　図２に示す第１ステップＳＴ１では、図１の使用者（被検者ともいう）Ｍは、例えばベッドに横たわっていて睡眠中である。測定部１０は、睡眠中の使用者Ｍの生体情報Ｆを非接触または接触によりモニタリングして測定する。使用者Ｍの生体情報Ｆとしては、例えば脳波、血圧、呼吸数、脈拍数、心拍数、体動等があるが、この例では、生体情報Ｆとして脈拍数および体動を用いている。
　図２に示す第２ステップＳＴ２では、図１に示す睡眠ステージ判定部１１が、第１ステップＳＴ１において測定された生体情報Ｆである体動に基づいて、使用者Ｍの睡眠ステージＳを判定する。すなわち、睡眠ステージ判定部１１は、睡眠ステージＳが、図３に示す第１睡眠ステージであるノンレム睡眠Ｓ１であるか、第２睡眠ステージであるレム睡眠Ｓ２であるかを、判定する。
　次に、図２に示す第３ステップＳＴ３では、図１に示す記憶部１２は、第１ステップＳＴ１において図１に示す測定部１０により測定された脈拍数を、第２ステップＳＴ２において判定された睡眠ステージＳに関連付けて記憶する。
　第４ステップＳＴ４は、ステップＳＴ４１と、ステップＳＴ４２と、ステップＳＴ４３と、ステップＳＴ４４を有する。ステップＳＴ４１では、判断部１３は、測定部１０で得られた使用者Ｍの脈拍数を、記憶部１２に前日までに蓄積した脈拍数の正常値と比較する。判断部１３が、比較の結果、測定部１０で得られた使用者Ｍの脈拍数が異常であると判定した場合、例えば測定部１０で測定された入眠直後の脈拍数が、前日までに蓄積した脈拍数に比べて２０％高いとか、２倍になっている場合等では、ステップＳＴ４４に異常判定を出し、ステップＳＴ４３に移る。
　一方、第４ステップＳＴ４のステップＳＴ４２において、判断部１３は、睡眠サイクルの異常検出を行い、例えばノンレム睡眠の時間の短縮や消失が生じた場合には、ステップＳＴ４４に異常判定を出し、ステップＳＴ４３に移る。
　ステップＳＴ４３では、第２ステップＳＴ２において判定された睡眠ステージＳに関連付けた脈拍数を、睡眠ステージＳと組み合わせて、生体情報Ｆが異常であるかどうかを判定する。例えば、図３において、図１の判断部１３は、レム睡眠からノンレム睡眠に睡眠ステージが変化した場合でも、使用者の脈拍数が低下しない時には、判断部１３は脳梗塞を発症したとして異常判定を出す。
　ステップＳＴ４４では、判断部１３は、いずれのステップＳＴ４１、ＳＴ４２、ＳＴ４３から異常判定が届くかにより、異常判定の重みづけをして、第５ステップＳＴ５に示すどの後処理を行うかの判定を行う。
　第５ステップＳＴ５では、判定項目であるステップＳＴ４１、ＳＴ４２、ＳＴ４３のいずれからも異常判定が無かった場合には、ステップＳＴ５１に移る。ステップＳＴ５１では、図１の判断部１３は、使用者Ｍが脳梗塞を発症した可能性が無いとして、出力部１４に対して判断結果Ｈを出力する。この場合には、例えば出力部１４は、表示部に正常である表示を行い、出力部１４ではアラートは発報しない。
　そうでなく、判定項目であるステップＳＴ４１のみからの異常判定があった場合あるいは判定項目であるステップＳＴ４２のみからの異常判定があった場合には、ステップＳＴ５２では、判断部１３は、出力部１４に対して、使用者Ｍが脳梗塞を発症した可能性がある判断結果Ｈを出力する。この場合には、例えば出力部１４は、表示部に異常である表示を行い、アラートを発報するとともに、管理センターからの確認作業を行うことを要求し、使用者Ｍの家族に連絡をする等の間接的な対応を行う。
　また、判断部１３の判断が判定項目であるステップＳＴ４３からの異常判定を含む場合には、ステップＳＴ５３では、判断部１３は、出力部１４に対して、使用者Ｍが脳梗塞を発症した可能性が高い判断結果Ｈを出力する。具体的には、出力部１４は、病院、かかりつけ医への連絡や救急車を呼ぶ手配等の治療のための直接的な対応をとる。しかも、例えば出力部１４は、表示部に異常である表示を行い、アラートを発報するとともに、使用者Ｍの家族にも連絡をする。このように、使用者Ｍの脳血管障害の発症の可能性の低い場合と、高い場合では、出力部１４は、対応や連絡先を変える。
　図１に示す脳血管障害検出装置１の設置は、自宅、病院、介護施設等、どこでも可能である。この脳血管障害検出装置１の設置場所に応じて、異常時の連絡先を変更できる。例えば、脳血管障害検出装置１の設置場所が自宅であれば、異常時の連絡先は、家族、かかりつけ医、在宅医、在宅の管理センター、訪問看護ステーション等である。脳血管障害検出装置１の設置場所が病院や介護施設等であれば、異常時の連絡先は、ナースステーション、主治医、介護施設の管理センター等である。
　図１に表した睡眠ステージ判定部１１が睡眠ステージの判定に用いる生体情報の種類と、判断部１３が異常判断に用いる生体情報の種類が異なるようにすることができる。これにより、睡眠ステージの判定に用いる生体情報の種類と異常判断に用いる生体情報の種類が同じではなく、睡眠ステージの判定を確実に行える。
　図４は、図１に示す測定部１０の具体的な例を示している。測定部１０としては、図４（Ａ）から図４（Ｃ）に例示するように、ウェアラブルデバイスである腕時計１０Ｗ、携帯情報端末１０Ｂ、そして使用者の頭部に装着するヘッドバンド１０Ｈ等が挙げられる。腕時計１０Ｗや携帯情報端末１０Ｂは、使用者の生体情報である心拍数や脈拍数や血圧等の測定が可能である。ヘッドバンド１０Ｈは、使用者の生体情報である脳波や脳血流等を測定することができる。
　また、測定部１０としては、図４（Ｄ）に例示するように、非接触デバイス１０Ｍや、カメラあるいはミリ波を発生する装置やサーモグラフィ等がある。非接触デバイス１０Ｍは、例えば使用者が寝ているベッドのマットレスの下に設置して使用されるベッドセンサである。非接触デバイス１０Ｍは、使用者の生体情報である例えば脈拍数、心拍数、体動、睡眠ステージ等を、非接触で測定可能である。ベッドの外に配置されるベッド外センサとしてのカメラあるいはミリ波を発生する装置やサーモグラフィ等は、使用者の生体情報である例えば使用者の顔の血管の動きから脈拍数や心拍数、体温、寝返り等の測定が可能である。このようなベッド外センサやウェアラブルデバイスだけでは生体情報の測定が難しい場合には、ベッド外センサやウェアラブルデバイスは、ベッドセンサと組み合わせて使用できる。測定部１０としては、据え置き型、ウェアラブル型、非接触型のもの等特に限定されない。
　脳血管障害を測定あるいは検出するための生体情報（脳血管障害測定用のパラメータ）は、脳波、心電図、血圧、呼吸数、脈拍数、心拍数、筋電、体動、体温等の波形や値等であり、睡眠ステージよって変化するものの全てを含む。睡眠ステージの判定では、脳波によって判定する方法は精度が高いが、その他のパラメータ、例えば心拍数、脈拍数、体動、呼吸数等からも判定可能であり、特に問わない。脳血管障害の判定には、上記のパラメータに代わって、他のパラメータ、例えば自立神経活動等の別のパラメータを算出して用いても良い（例えば心拍から得られる心拍変動等）。
　脳血管障害検出装置１は、脳血管障害の患者である使用者Ｍの波形データを使って機械学習によって異常判定したり、蓄積した過去の測定データから機械学習により異常判定値の基準を設定したりしても良い。心拍数以外のパラメータで睡眠ステージを判定して、その睡眠ステージにおける心拍数の平均値を算出して、その睡眠ステージにおける過去の心拍数の平均値との比較により、両者の平均値の間に乖離があれば異常として検出する。あるいは、睡眠ステージにおける心拍数の平均値と、睡眠ステージ間（ノンレム睡眠とレム睡眠との間）の変化量の過去の平均値との比較により、両者の平均値の間に乖離があれば異常として検出する。
　以上、本発明の実施形態について説明した。しかし、本発明は、上記実施形態に限定されず、特許請求の範囲を逸脱しない範囲で種々の変更を行うことができる。上記実施形態の構成は、その一部を省略したり、上記とは異なるように任意に組み合わせたりすることができる。
　１：脳血管障害検出装置、　１０：測定部、　１０Ｂ：携帯情報端末、　１０Ｈ：ヘッドバンド、　１０Ｍ：非接触デバイス、　１０Ｗ：腕時計、　１１：睡眠ステージ判定部、　１２：記憶部、　１３：判断部、　１４：出力部、　１００：コンピュータ、　Ｆ：生体情報、　Ｇ：生体情報、　Ｈ：判断結果、　Ｍ：使用者、　Ｓ：睡眠ステージ、　Ｓ１：ノンレム睡眠、　Ｓ２：レム睡眠

Claims (14)

  1. 　脳血管障害の発症を予測または検出する脳血管障害検出装置であって、
    　睡眠中の使用者の生体情報を測定する測定部と、
    　前記測定部により測定された前記生体情報に基づいて睡眠ステージを判定する睡眠ステージ判定部と、
    　前記測定部により測定された前記生体情報を前記睡眠ステージ判定部により判定された前記睡眠ステージに関連付けて記憶する記憶部と、
    　前記睡眠ステージに関連付けて前記記憶部に記憶された前記生体情報と前記測定部により測定され前記睡眠ステージ判定部により判定された前記睡眠ステージにおける前記生体情報とに基づいて前記睡眠中の使用者の前記脳血管障害の発症を予測または検出する判断部と、
    　を備えることを特徴とする脳血管障害検出装置。
  2. 　前記睡眠ステージは、第１睡眠ステージと、前記第１睡眠ステージとは異なる第２睡眠ステージと、を含み、
    　前記判断部は、前記記憶部に記憶された前記第１睡眠ステージにおける前記生体情報と、前記測定部により測定された前記第１睡眠ステージにおける前記生体情報と、を互いに比較することにより前記睡眠中の使用者の前記脳血管障害の発症を予測または検出することを特徴とする請求項１に記載の脳血管障害検出装置。
  3. 　前記睡眠ステージは、第１睡眠ステージと、前記第１睡眠ステージとは異なる第２睡眠ステージと、を含み、
    　前記判断部は、
    　前記記憶部に記憶された前記第１睡眠ステージにおける前記生体情報と、前記記憶部に記憶された前記第２睡眠ステージにおける前記生体情報と、の間の第１変化量を算出し、
    　前記測定部により測定された前記第１睡眠ステージにおける前記生体情報と、前記測定部により測定された前記第２睡眠ステージにおける前記生体情報と、の間の第２変化量を算出し、
    　前記第１変化量と前記第２変化量とを互いに比較することにより前記睡眠中の使用者の前記脳血管障害の発症を予測または検出することを特徴とする請求項１に記載の脳血管障害検出装置。
  4. 　前記測定部により測定する睡眠中の使用者の生体情報は、脈拍数を含むことを特徴とする請求項１～３のいずれか１項に記載の脳血管障害検出装置。
  5. 　前記測定部は、前記睡眠中の使用者の体動または呼吸数を含む前記生体情報を測定し、
    　前記睡眠ステージ判定部は、前記測定部により測定された前記体動または前記呼吸数を含む生体情報に基づいて前記睡眠ステージを判定することを特徴とする請求項１～４のいずれか１項に記載の脳血管障害検出装置。
  6. 　前記判断部は、前記記憶部に記憶された前記生体情報に基づいて前記使用者の前記生体情報の正常値を算出し、前記正常値と前記測定部により測定された前記生体情報との比較にさらに基づくとともに、前記睡眠ステージ判定部により判定された前記睡眠ステージに関する睡眠サイクルにさらに基づいて前記睡眠中の使用者の前記脳血管障害の発症を予測または検出することを特徴とする請求項１～５のいずれか１項に記載の脳血管障害検出装置。
  7. 　前記判断部が前記睡眠中の使用者の前記脳血管障害の発症を予測または検出した場合に前記判断部の判断結果を出力する出力部をさらに備え、
    　前記判断部は、前記睡眠ステージに関連付けて前記記憶部に記憶された前記生体情報と前記測定部により測定された前記生体情報とに基づいた第１判断と、前記正常値と前記測定部により測定された前記生体情報との比較に基づいた第２判断と、前記睡眠サイクルに基づいた第３判断と、のそれぞれの判断結果に応じて重み付けを決定し、
    　前記出力部は、前記判断部により決定された前記重み付けに応じて前記判断結果の出力方法および出力先の少なくともいずれかを設定することを特徴とする請求項６に記載の脳血管障害検出装置。
  8. 　前記記憶部は、前記脳血管障害が発症した患者に関する前記生体情報をさらに記憶し、
    　前記判断部は、前記記憶部に記憶された前記患者に関する前記生体情報を学習することにより、前記睡眠中の使用者の前記脳血管障害の発症を予測または検出するための基準を設定することを特徴とする請求項１～７のいずれか１項に記載の脳血管障害検出装置。
  9. 　前記判断部は、前記睡眠ステージに関連付けて前記記憶部に記憶された前記生体情報を学習することにより、前記睡眠中の使用者の前記脳血管障害の発症を予測または検出するための基準を設定することを特徴とする請求項１～８のいずれか１項に記載の脳血管障害検出装置。
  10. 　前記判断部は、前記測定部により測定された前記生体情報に基づいて前記使用者の自律神経活動に関するパラメータを算出し、前記パラメータを用いて前記睡眠中の使用者の前記脳血管障害の発症を予測または検出することを特徴とする請求項１～９のいずれか１項に記載の脳血管障害検出装置。
  11. 　前記記憶部は、前記使用者の健康診断情報および前記脳血管障害に関係する症状の少なくともいずれかをさらに記憶し、
    　前記判断部は、前記記憶部に記憶された前記健康診断情報および前記症状の少なくともいずれかにさらに基づいて前記睡眠中の使用者の前記脳血管障害の発症を予測または検出することを特徴とする請求項１～１０のいずれか１項に記載の脳血管障害検出装置。
  12. 　脳血管障害の発症を予測または検出する脳血管障害検出装置であって、
    　睡眠中の使用者の生体情報を測定する測定部と、
    　前記測定部により測定された前記生体情報に基づいて睡眠ステージを判定する睡眠ステージ判定部と、
    　前記睡眠ステージ判定部が判定した前記睡眠ステージが変化した際の前記生体情報の変化量が所定の値以下である場合に脳血管障害の発症を予測または検出する判断部と、
    　を備えることを特徴とする脳血管障害検出装置。
  13. 　前記睡眠ステージ判定部が用いる生体情報の種類と前記判断部が用いる生体情報の種類とが互いに異なることを特徴とする請求項１～１２のいずれか１項に記載の脳血管障害検出装置。
  14. 　脳血管障害の発症を予測または検出する脳血管障害検出装置のコンピュータによって実行される脳血管障害検出プログラムであって、
    　前記コンピュータに、
    　睡眠中の使用者の生体情報を測定する第１ステップと、
    　前記第１ステップにおいて測定された前記生体情報に基づいて睡眠ステージを判定する第２ステップと、
    　前記第１ステップにおいて測定された前記生体情報を前記第２ステップにおいて判定された前記睡眠ステージに関連付けて記憶する第３ステップと、
    　前記第３ステップにおいて前記睡眠ステージに関連付けて記憶された前記生体情報と前記第１ステップにおいて測定され前記第２ステップにおいて判定された前記睡眠ステージにおける前記生体情報とに基づいて前記睡眠中の使用者の前記脳血管障害の発症を予測または検出する第４ステップと、
    　を実行させることを特徴とする脳血管障害検出プログラム。
PCT/JP2021/012045 2020-09-29 2021-03-23 脳血管障害検出装置および脳血管障害検出プログラム WO2022070480A1 (ja)

Priority Applications (1)

Application Number Priority Date Filing Date Title
JP2022553445A JPWO2022070480A1 (ja) 2020-09-29 2021-03-23

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
JP2020-163189 2020-09-29
JP2020163189 2020-09-29

Publications (1)

Publication Number Publication Date
WO2022070480A1 true WO2022070480A1 (ja) 2022-04-07

Family

ID=80950119

Family Applications (1)

Application Number Title Priority Date Filing Date
PCT/JP2021/012045 WO2022070480A1 (ja) 2020-09-29 2021-03-23 脳血管障害検出装置および脳血管障害検出プログラム

Country Status (2)

Country Link
JP (1) JPWO2022070480A1 (ja)
WO (1) WO2022070480A1 (ja)

Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2007517553A (ja) * 2004-01-16 2007-07-05 コンプメディクス リミテッド 心電図から導出された睡眠呼吸障害の監視、検出及び分類のための装置及び方法
US20120220835A1 (en) * 2011-02-14 2012-08-30 Wayne Chung Wireless physiological sensor system and method
US20140031712A1 (en) * 2011-04-05 2014-01-30 Neurokeeper Technologies Ltd. System and method for detecting neurological deterioration
KR20150130116A (ko) * 2014-05-13 2015-11-23 재단법인대구경북과학기술원 수면 중 뇌졸중 판단 장치 및 방법
US20180153476A1 (en) * 2016-12-02 2018-06-07 Cardiac Pacemakers, Inc. Stroke detection using blood pressure surge
JP2018171443A (ja) * 2017-03-31 2018-11-08 コリア リサーチ インスティトゥート オブ スタンダーズ アンド サイエンス 脳卒中モニタリングシステム
CN108771533A (zh) * 2018-07-02 2018-11-09 西北工业大学 一种面向中风预测的睡眠数据分析方法
KR20190059422A (ko) * 2017-11-23 2019-05-31 한국표준과학연구원 수면 중 뇌졸중 모니터링 시스템

Patent Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2007517553A (ja) * 2004-01-16 2007-07-05 コンプメディクス リミテッド 心電図から導出された睡眠呼吸障害の監視、検出及び分類のための装置及び方法
US20120220835A1 (en) * 2011-02-14 2012-08-30 Wayne Chung Wireless physiological sensor system and method
US20140031712A1 (en) * 2011-04-05 2014-01-30 Neurokeeper Technologies Ltd. System and method for detecting neurological deterioration
KR20150130116A (ko) * 2014-05-13 2015-11-23 재단법인대구경북과학기술원 수면 중 뇌졸중 판단 장치 및 방법
US20180153476A1 (en) * 2016-12-02 2018-06-07 Cardiac Pacemakers, Inc. Stroke detection using blood pressure surge
JP2018171443A (ja) * 2017-03-31 2018-11-08 コリア リサーチ インスティトゥート オブ スタンダーズ アンド サイエンス 脳卒中モニタリングシステム
KR20190059422A (ko) * 2017-11-23 2019-05-31 한국표준과학연구원 수면 중 뇌졸중 모니터링 시스템
CN108771533A (zh) * 2018-07-02 2018-11-09 西北工业大学 一种面向中风预测的睡眠数据分析方法

Also Published As

Publication number Publication date
JPWO2022070480A1 (ja) 2022-04-07

Similar Documents

Publication Publication Date Title
US11504020B2 (en) Systems and methods for multivariate stroke detection
Mack et al. Development and preliminary validation of heart rate and breathing rate detection using a passive, ballistocardiography-based sleep monitoring system
JP5961235B2 (ja) 睡眠／覚醒状態評価方法及びシステム
JP6333170B2 (ja) 人の睡眠および睡眠段階を決定するシステムおよび装置
KR101970481B1 (ko) 뇌졸중 모니터링 시스템
US20200265950A1 (en) Biological information processing system, biological information processing method, and computer program recording medium
Van der Loos et al. Development of sensate and robotic bed technologies for vital signs monitoring and sleep quality improvement
EP2278508A1 (en) Method and system for managing a user's sleep
JP6649060B2 (ja) 心身状態診断支援装置および生体情報管理システム
WO2008096307A1 (en) Sleep management
JP2002052010A (ja) 就寝状態監視装置
US11717209B2 (en) Abnormality determination apparatus and non-transitory computer readable medium storing program used for the same
JP2000325315A (ja) 睡眠段階判定方法および睡眠段階判定装置
JP2001258855A (ja) 健康状態判定方法およびその判定装置
Hamida et al. A new era in sleep monitoring: the application of mobile technologies in insomnia diagnosis
KR102119805B1 (ko) 수면 모니터링 및 코칭을 위한 생체정보 측정 시스템 및 방법
WO2022070480A1 (ja) 脳血管障害検出装置および脳血管障害検出プログラム
US20160174893A1 (en) Apparatus and method for nighttime distress event monitoring
TWM585969U (zh) 結合智慧床組的健康管理系統
WO2021206046A1 (ja) 精神障害患者の客観的睡眠評価方法
CN114698882A (zh) 智能睡衣及睡眠健康管理系统
WO2020129052A1 (en) System and method for blood pressure monitoring with subject awareness information
TW202105404A (zh) 結合智慧床組的健康管理系統
JP2002245168A (ja) 健康管理システム
CN111904399A (zh) 一种针对老年人的呼吸监测病床

Legal Events

Date Code Title Description
121 Ep: the epo has been informed by wipo that ep was designated in this application

Ref document number: 21874788

Country of ref document: EP

Kind code of ref document: A1

ENP Entry into the national phase

Ref document number: 2022553445

Country of ref document: JP

Kind code of ref document: A

NENP Non-entry into the national phase

Ref country code: DE

122 Ep: pct application non-entry in european phase

Ref document number: 21874788

Country of ref document: EP

Kind code of ref document: A1