特許ウォッチ

公開番号2025016623
公報種別公開特許公報(A)
公開日2025-02-04
出願番号2024190453,2023140949
出願日2024-10-30,2019-02-28
発明の名称睡眠段階検出のための方法、コンピューティングデバイス、およびウェアラブルデバイス
出願人日東電工株式会社
代理人弁理士法人有古特許事務所
主分類A61B 5/0245 20060101AFI20250128BHJP(医学または獣医学;衛生学)
要約【課題】機械学習に基づいて急速眼球運動(REM)および非REM(NREM)を含む睡眠段階を検出するための方法を提供する。
【解決手段】睡眠段階検出の方法であって、複数の時期のうちのそれぞれの時期に対応する複数の第1の特徴値を含んでいる第1のバイタルサイン特徴を受信するステップと、前記複数の時期のうちの各々の中間時期について、該中間時期の睡眠段階を表す第1の指示値を、対応する第1の特徴値ならびに前記複数の時期のうちの先行の時期および後続の時期の第1の特徴値に基づいて計算するために、第1のロジスティック回帰演算を実行するステップとを含む方法が提供される。
【選択図】図7
特許請求の範囲【請求項１】
睡眠段階検出の方法であって、
複数の時期のうちのそれぞれの時期に対応する複数の第1の特徴値を含んでいる第1のバイタルサイン特徴を受信するステップと、
前記複数の時期のうちの各々の中間時期について、該中間時期の睡眠段階を表す第1の
指示値を、対応する第1の特徴値ならびに前記複数の時期のうちの先行の時期および後続
の時期の第1の特徴値に基づいて計算するために、第1のロジスティック回帰演算を実行するステップと
を含む、方法。
続きを表示（約 1,500 文字）【請求項２】
前記第1のバイタルサイン特徴は、心拍数、パルス形状変動、および心拍変動の畳み込
まれた高周波パワーのうちの1つに関する、請求項1に記載の方法。
【請求項３】
前記第1のロジスティック回帰演算は、重み付けおよびシグモイド演算を含む、請求項1または2に記載の方法。
【請求項４】
前記複数の時期のうちのそれぞれの時期に対応する複数の第2の特徴値を含んでいる第2のバイタルサイン特徴を受信するステップと、
前記複数の時期のうちの各々の中間時期について、該中間時期の睡眠段階を表す第2の
指示値を、対応する第2の特徴値ならびに前記複数の時期のうちの先行の時期および後続
の時期の第2の特徴値に基づいて計算するために、第2のロジスティック回帰演算を実行するステップと、
前記複数の時期のうちの各々の中間時期の睡眠段階を、前記対応する第1および第2の指示値に基づいて決定するために、さらなるロジスティック回帰演算を実行するステップと
をさらに含む、請求項1～3のいずれか一項に記載の方法。
【請求項５】
前記ロジスティック回帰演算のうちの一のロジスティック回帰演算は、前記ロジスティック回帰演算のうちの他のロジスティック回帰演算の重み値とは異なる重み値を有する、請求項4に記載の方法。
【請求項６】
前記複数の時期のうちのそれぞれの時期に対応する複数の第3の特徴値を含んでいる第3のバイタルサイン特徴を受信するステップと、
前記複数の時期のうちの各々の中間時期について、第3の指示値を、対応する第3の特徴値ならびに前記複数の時期のうちの先行の時期および後続の時期の第3の特徴値に基づい
て計算するために、第3のロジスティック回帰演算を実行するステップと
をさらに含み、
前記さらなるロジスティック回帰演算は、前記複数の時期のうちの各々の中間時期の睡眠段階を、前記対応する第3の指示値が前記対応する中間時期の睡眠段階を表す場合に、
前記対応する第3の指示値にさらに基づいて決定するように実行される、請求項4または5
に記載の方法。
【請求項７】
ロジスティック回帰のためのモデルを作成する方法であって、
基準睡眠段階情報に関連するバイタルサイン特徴を受信するステップと、
前記バイタルサイン特徴および前記基準睡眠段階情報から、複数のサブサンプルを含む相互検証セットを生成するステップと、
複数の機械学習パラメータセットの各々により、モデルを使用して、前記サブサンプルのうちの各サブサンプルを、前記サブサンプルのうちの他のサブサンプルを参照して計算するステップと、
前記基準睡眠段階情報と前記計算の結果との比較に基づいて、前記パラメータセットの
うちの1つを前記モデルに関連付けるステップと
を含む、方法。
【請求項８】
前記バイタルサイン特徴は、心拍数、パルス形状変動、および心拍変動の畳み込まれた高周波パワーのうちの1つに関する、請求項7に記載の方法。
【請求項９】
前記基準睡眠段階情報に関連する別のバイタルサイン特徴を受信するステップ
をさらに含み、
前記相互検証セットは、前記別のバイタルサイン特徴からさらに生成される、請求項7
または8に記載の方法。
【請求項１０】
前記バイタルサイン特徴は、少なくとも3つの連続する時期によってスライスされる、
請求項7～9のいずれか一項に記載の方法。
（【請求項１１】以降は省略されています）
発明の詳細な説明【技術分野】
【０００１】
本開示は、広くには、睡眠段階検出のための方法、コンピューティングデバイス、およびウェアラブルデバイスに関し、より詳しくは、機械学習に基づいて急速眼球運動（REM
）および非REM（NREM）を含む睡眠段階を検出するための方法、コンピューティングデバ
イス、およびウェアラブルデバイスに関する。
続きを表示（約 2,400 文字）【背景技術】
【０００２】
人間の身体的および精神的状態が、睡眠の質に影響されることが知られている。質の高い睡眠が、健康、幸福、および良好な気分を維持するために不可欠である。睡眠時に、人間は、典型的には、急速眼球運動（REM）段階と非REM（NREM）段階との間を行き来する。いくつかの研究において、REM段階が気分の調節および記憶の固定に重要な役割を果たす
ことが明らかになっている。さらに、抑うつ障害が、長いREM睡眠時間および短いREM潜時などのREM睡眠の調節異常に密接に関連していることが明らかになっている。したがって
、睡眠段階を監視することで、睡眠挙動の分析およびストレス管理、ならびに抑うつ障害の治療、高齢者のケア、およびパフォーマンスの分析のための重要な情報をもたらすことが可能である。分析の質、したがって治療の質は、質および量の両方に関して、収集されるデータによって大きく左右される。これらの要件を満たすために、使用される監視デバイスは、典型的には、ハードウェア集約的かつ複雑である。
【０００３】
睡眠研究に関する現時点のゴールドスタンダードは、睡眠ポリグラフ検査（PSG）であ
る。これは、脳波計（EEG）、眼電位計（EOG）、筋電計（EMG）、心電計（ECG）、および呼吸センサなど、多数のセンサを必要とする。PSGは、睡眠研究に関してより多くの情報
をもたらすが、きわめて移動性に欠け、高価であるため、大規模な観察には非現実的である。
【０００４】
米国特許第9，655，559号明細書が、ウェアラブルセンサを使用した自動的な睡眠段階
の検出を開示している。この開示の構成は、精度が良好でなく、不充分なセンサ読み取り値に影響されやすいなど、いくつかの欠点を抱える。
【０００５】
睡眠段階検出のための方法、コンピューティングデバイス、およびウェアラブルデバイスであって、先行技術の欠点の少なくとも1つに対処し、さらには／あるいは公衆に有用
な選択肢および／または代替の選択肢を提供する方法、コンピューティングデバイス、およびウェアラブルデバイスを提供することが望まれる。
【発明の概要】
【０００６】
一態様によれば、睡眠段階検出の方法であって、複数の時期のうちのそれぞれの時期に対応する複数の第1の特徴値を含んでいる第1のバイタルサイン特徴を受信するステップと、前記複数の時期のうちの各々の中間時期について、該中間時期の睡眠段階を表す第1の
指示値を、対応する第1の特徴値ならびに前記複数の時期のうちの先行の時期および後続
の時期の第1の特徴値に基づいて計算するために、第1のロジスティック回帰演算を実行するステップとを含む方法が提供される。
【０００７】
上述の実施形態は、きわめて好都合である。例えば、前記複数の時期のうちの各々の中間時期について、前記複数の時期のうちの先行の時期、中間時期、および後続の時期の第1の特徴値に基づいて第1のロジスティック回帰演算を実行することによって、前記複数の時期のうちの各々の中間時期の睡眠段階を表す第1の指示値を計算することができる。こ
れは、先行の時期および中間時期の特徴値が使用されるだけでなく、後続の時期の特徴値も使用され、精度の改善が達成されるという点で好都合である。一実施形態において、本方法は、必要とされるデータおよび処理の量が最小限であるため、ハードウェア形式、ソフトウェア形式、または両方の組み合わせのいずれかにおいて、多くのコンピューティングリソースを実装する必要がない。したがって、本方法は、ウェアラブルデバイスを使用した実装にとくに適するが、これに限定されるわけではない。
【０００８】
前記第1のバイタルサイン特徴は、心拍数、パルス形状変動、および心拍変動の畳み込
まれた高周波パワーのうちの1つに関係し得る。これらのバイタルサイン特徴は、睡眠段
階に関係することが明らかになっており、したがって睡眠段階の検出に有用である。
【０００９】
好ましくは、前記第1のロジスティック回帰演算は、重み付けおよびシグモイド演算を
含むことができる。ロジスティック回帰演算は、非線形モデルよりも複雑でなく、より解釈可能である。機械学習の分野において、複雑なモデルは単純なモデルと比較して過剰適合のリスクが高いことが知られている。したがって、ロジスティック回帰演算を使用することにより、一実施形態による睡眠段階検出は、例えばウェアラブルデバイス上での実行に好適である。3次元を含むHRV PSDを抽出するための畳み込みニューラルネットワークに関連して使用される比較的複雑なアルゴリズムは、例えば、クラウドサービスのサーバ上で実行されてよい。HRV PSDの抽出。
【００１０】
本方法は、前記複数の時期のうちのそれぞれの時期に対応する複数の第2の特徴値を含
んでいる第2のバイタルサイン特徴を受信するステップと、前記複数の時期のうちの各々
の中間時期について、該中間時期の睡眠段階を表す第2の指示値を、対応する第2の特徴値ならびに前記複数の時期のうちの先行の時期および後続の時期の第2の特徴値に基づいて
計算するために、第2のロジスティック回帰演算を実行するステップと、前記複数の時期
のうちの各々の中間時期の睡眠段階を、前記対応する第1および第2の指示値に基づいて決定するために、さらなるロジスティック回帰演算を実行するステップと、をさらに含み得ることが好ましい。
（【００１１】以降は省略されています）

関連特許