JP5070701B2 - 寝具に加わる被験者の荷重変化により得られる呼吸信号の解析方法および装置 - Google Patents

Description

本発明は、寝具に加わる被験者の荷重変化により得られる荷重信号から得られる呼吸信号の解析方法および装置に関し、特に、呼吸信号から、無呼吸および低呼吸を含む呼吸障害の数をカウントするための解析方法および装置に関するものである。

特許文献１には、寝具の下部に挿入された複数の感圧素子を有するセンサシートにより、就寝者の寝具に加わる荷重変化を捉えることが開示されている。さらに、その荷重信号から、就寝者の呼吸数に対応する周波数帯域の信号成分である呼吸体動信号（以降では呼吸信号）を生成し、この呼吸信号の振幅の変化パターンから、閉塞性無呼吸状態を含む無呼吸状態を判定する方法が開示されている。睡眠に伴う喉筋肉の弛緩等により喉部が閉塞し、肺に酸素が供給されない閉塞性無呼吸状態では、就寝者の呼吸動作は行われるが、喉部の閉塞により酸素が肺に供給されない。このため、血中酸素飽和度が低下し、一時的に就寝者が覚醒状態になり、非常に深い呼吸動作（努力呼吸）が行なわれる。このため、呼吸信号の振幅が急激に増大する。したがって、この振幅の急激な増大を捉えることにより、無呼吸状態を判定できる。

睡眠時無呼吸症候群には、酸素が肺にほとんど供給されない閉塞性無呼吸症あるいは中枢性無呼吸症、さらには、就寝者の気道が狭窄することにより酸素の供給が不足する低呼吸症も含まれる。特許文献１には、さらに、呼吸信号の振幅の増大に加えて、振幅が低下したときの呼吸信号の周波数に対して、振幅が増大したときの呼吸信号の周波数が高くなることを捉えて、そのときの呼吸信号の振幅低下状態を就寝者の無呼吸状態あるいは低呼吸状態と判定する方法が開示されている。
特開２００４−２４６８４号公報

荷重信号から得られる呼吸信号には、種々のノイズが含まれている可能性がある。例えば、周期性四肢運動であり、特許文献１においては、呼吸信号における複数の振幅の平均値を算出し、その平均値の差から呼吸信号の振幅の変化を判断することにより、単発的なノイズ成分を除去する方法が開示されている。

睡眠時無呼吸症候群の重症度は、ＡＨＩ（無呼吸低呼吸指数（Apnea Hypopnea Index））が用いられる。このＡＨＩは、睡眠１時間当たりの無呼吸と低呼吸とを合わせた回数を示す。ＡＨＩの測定には、ポリソムノグラフィー（ＰＳＧ）が用いられる。ＰＳＧでは、脳波、眼球の動き、心電図、筋肉の動きなどの様々な生理学的変化を一夜の睡眠を通して記録し、その結果を解析することにより睡眠時無呼吸症候群のタイプおよび重症度の評価を行なう。ＰＳＧによる検査は、多種多様な生理学的変化を記録するために、精度は高いと考えられている。しかしながら、ＰＳＧでは、多種多様なセンサを患者に取り付ける必要があるために、就眠中の患者の負担は大きく、自然な就眠中の状況が検出されにくいという問題もあり、さらに、検査結果の解析に時間を要し、その費用も高額になるという問題もある。

その点、上記の荷重信号により呼吸信号を取得する方法は、手軽で、就眠中の患者への負担はほとんどなく、自然な就眠中の状況を検出でき、検査結果の解析も比較的容易であり、そのための費用も低くなる。したがって、この呼吸信号を解析する装置および方法は、ＰＳＧによる測定を必要とする患者か否かを判断するためのスクリーニング用の測定装置あるいは過程として適しており、さらには、睡眠時無呼吸症候群の重症度の判定装置あるいは過程への適用も検討されている。しかしながら、それらの目的のためには、さらに、スクリーニング用の測定装置の測定精度を向上することが要望されている。なお、以降においては、ＰＳＧの測定結果を示すＡＨＩと区別するために、本装置あるいは方法により測定される無呼吸低呼吸指数をｐＡＨＩと記述する。このｐＡＨＩは、１時間当たりの無呼吸状態もしくは低呼吸状態の回数を示す。

本発明は、上記点に鑑み、呼吸信号を測定、解析することにより睡眠時無呼吸症候群を判定する際、測定装置の測定精度を向上することを目的とする。

本発明の一つの態様は、寝具に加わる被験者（測定対象者）（９）の荷重変化により得られる荷重信号（１９）の解析方法である。この解析方法は、以下の第１の工程および第２の工程を有する。
１． 荷重信号から抽出された呼吸信号（１８）に含まれる、低振幅の信号（第１の振幅の信号）（８１）の後に高振幅の信号（第２の振幅の信号）（８２）が現れる呼吸障害パターン（８５）により、無呼吸および低呼吸を含む呼吸障害の数をカウントするために、呼吸信号に含まれる複数の振幅の平均値からなる平均振幅データにより、有意な呼吸障害パターンを判定して呼吸障害の数をカウントする。
２． 上記の工程においてカウントされた、単位時間の呼吸障害の数が所定の数より多いときに、呼吸信号に含まれる振幅の各値からなる単振幅データにより、有意な呼吸障害パターンを判定して、再度、呼吸障害の数をカウントする。

無呼吸症候群の患者においては、無呼吸および低呼吸の部分が低振幅の呼吸信号となり、その後の努力呼吸が高振幅の信号として表れる。したがって、荷重信号から抽出された呼吸信号に含まれる、低振幅の信号の後に高振幅の信号が現れる呼吸障害パターンにより、無呼吸および低呼吸を含む呼吸障害の数をカウントすることにより、呼吸障害の発生頻度を測定できる。平均振幅データは、ノイズとなる四肢の動きの影響を除くのに適している。しかしながら、重度の無呼吸症候群の患者においては、呼吸障害の発生頻度がノイズとなる四肢の動きの発生頻度よりも高く、場合によっては、呼吸障害パターンに努力呼吸を示す高振幅の信号が１振幅あるいは２振幅しか含まれないケースがあり得る。したがって、平均振幅データは、そのような呼吸障害パターンの検出を困難にする可能性がある。一方、軽度の無呼吸症候群の患者においては、重度の患者に対して睡眠が足りているため、測定時に覚醒あるいは半覚醒状態であることが多く、四肢の動きは多くなり易い。

したがって、この解析方法では、平均振幅データによって有意な呼吸障害パターンを判断する方法により、呼吸信号から呼吸障害の数をいったんカウントする（第１の工程）。その上で、さらに、単位時間の呼吸障害の数が多く、重度であると判定された場合には、単振幅データにより、有意な呼吸障害パターンを判定することにより、呼吸障害の数を再カウントする（第２の工程）。この方法により、四肢の動きが比較的多い軽度の患者に対してはノイズを除去でき、一方、重度の患者に対して、努力呼吸が１または２振幅程度でしか含まれない呼吸障害パターンも検出可能として、重度の患者の無呼吸低呼吸指数の検出精度を向上できる。

本発明の他の一つの態様は、上述した呼吸信号に含まれる呼吸障害パターンにより、呼吸障害の数をカウントするため、平均振幅データにより、有意な呼吸障害パターンを判断して、呼吸障害の数をカウントする第１のカウンタ部（１１）と、この第１のカウンタ部によりカウントされた単位時間当たりの呼吸障害の数が所定の数より多いときに、単振幅データにより、有意な呼吸障害パターンを判断して、再度、呼吸障害の数をカウントする第２のカウンタ部（１２）とを有する解析装置である。この解析装置は、適当なハードウェア資源を備えた汎用のコンピュータを用いて実現することができる。

本発明の他の１つの態様は、上述した呼吸信号をコンピュータにより解析処理するためのプログラムである。この解析処理は、荷重信号から抽出された呼吸信号をメモリに記憶する工程と、メモリに記憶された呼吸信号に含まれる呼吸障害パターンにより呼吸障害の数をカウントするため、平均振幅データにより、有意な呼吸障害パターンを判定して、呼吸障害の数をカウントする第１の工程と、先にカウントされた単位時間当たりの呼吸障害の数が所定の数より多いときに、メモリに記憶された単振幅データにより、有意な呼吸障害パターンを判定して、再度、呼吸障害の数をカウントする第２の工程とを含む。このプログラムあるいはプログラム製品は、ＣＤ−ＲＯＭなどの適当な記録媒体に記録して提供することができ、また、インターネットなどのコンピュータネットワークを介して提供することができる。

第２の工程および第２のカウンタ部では、有意な呼吸障害パターンに含まれる低振幅の信号に対する高振幅の信号の振幅比を、第１の工程および第１のカウンタ部における有意な呼吸障害パターンの振幅比より下げる、あるいは小さくすることが望ましい。重度の患者の呼吸信号に対する呼吸障害の検出感度をさらに向上できる。ここで、高振幅をＰ１とし、低振幅をＰ２とすると、振幅比はＰ１／Ｐ２として表される。

第２の工程および第２のカウンタ部においては、単振幅データより、規定より高い比率で連続した呼吸障害パターンが含まれていることを判定したときに、単振幅データにより有意な呼吸障害パターンを判断することが望ましい。努力呼吸が１または２振幅程度しか呼吸障害パターンに含まれないケースと、重度の患者で呼吸障害パターンが連続しているケースとは関連性があり、そのような呼吸障害パターンをノイズとして除去せずカウントすることが望ましい。呼吸障害パターンの連続性は、規則的な呼吸障害パターンの発生頻度が高いことで判断することが可能であり、例えば、単位時間当たりに単振幅データに含まれる極大ピークの間隔の標準偏差と平均とを求め、その標準偏差を平均で割った値により、連続した呼吸障害パターンの比率を判断することが可能である。極大ピークが努力呼吸によるものであるかを判断するために、極大ピークの値がある一定値以上であることを条件として加えることは有効である。

さらに、第１の工程および第１のカウンタ部では、覚醒している可能性を示す信号が荷重信号に含まれていると判定したときに、有意な呼吸障害パターンに含まれる低振幅の信号に対する高振幅の信号の振幅比を大きくすることが望ましい。軽度の患者は睡眠が足りていることが多いので、測定する際に覚醒あるいは半覚醒状態である可能性は高い。覚醒している状態では、呼吸以外の体動によるノイズが呼吸信号に多く含まれる可能性があり、ノイズをさらに積極的に除去することにより呼吸障害を判定する精度を向上できる。

荷重信号から、周波数帯の相違、感圧素子の相違などに基づき呼吸以外の体動の有無を判定することが可能であり、体動している時間の比率より覚醒している可能性を判定できる。したがって、荷重信号に、被験者の体の移動の有無を示す体動に関わる情報が含まれている場合は、第１の工程では、体動していると判定される時間の割合が所定の値を超えると、覚醒の可能性があると判定することができる。

また、第１の工程では、所定の時間の単振幅データ（呼吸信号）に含まれる、前後のピークの振幅の倍以上の振幅を備えたピーク（ＰＬＭ）の数が所定の値を超えると、覚醒の可能性があると判定することができる。

なお、上記各手段の括弧内の符号は、後述する実施形態に記載の具体的手段との対応関係を示すものである。

以下、本発明の実施形態について図に基づいて説明する。本実施形態で示される生体情報検出システムは、睡眠時無呼吸症候群の患者の無呼吸状態を判定するものとして用いることができる。

図１に、生体情報検出システムの一例を示す。この生体情報検出システム１は、感圧素子として圧力センサ（感圧センサ）７を用い、複数の感圧センサ７をアレイ状に配置したセンサシート２と、それら複数の感圧センサ７からの信号を解析装置１０に出力する制御ボックス３と、を備えている。センサシート２は、複数のサブシート２ａ、２ｂ、２ｃにより構成されており、それぞれのサブシート２ａ、２ｂ、２ｃは、薄いプラスチック製のシート４を母材とし、そのシート４により複数の感圧センサ７を取り付けることにより、複数の感圧センサ７が適当な間隔で規則的に配置されるようにしたものである。シート４には、複数の感圧センサ７から信号を出力するための配線８も作りこまれている。したがって、センサシート２をベッドなどに敷くことにより、多数の感圧センサ７をベッドの上に配置でき、その上に横たわる被験者９に直に感圧センサを取り付けなくても、被験者９の体動を寝具に加わる荷重変化として感圧センサ７からの信号（荷重信号）１９に変換して捉えることができる。このため、感圧センサ７からの荷重信号１９を解析することにより、被験者９の就寝中の呼吸状態やその他の状態を監視できる。

解析装置１０は、適当なハードウェア資源を備えたコンピュータ２０を備えている。コンピュータ２０は、例えば、データおよびプログラムなどを記憶するためのメモリ１６と、プログラムをダウンロードして処理を実行するＣＰＵ１５と、を備えている。メモリ１６は、入出力可能な記録媒体、例えば、ハードディスクあるいは半導体メモリである。センサシート２により得られた荷重信号１９は、いったん解析装置１０のメモリ１６に格納される。荷重信号１９の解析は、被験者９である患者の状態を呼吸の有無、体動の有無などによりモニタするのであればオンタイムで行なわれる。無呼吸症候群の検査は、通常、オンタイムで解析することは要求されず、睡眠中のデータが全て揃った段階あるいはデータがある程度用意できた段階でバッチ的に行なわれる。

メモリ１６に格納された解析用プログラム１４により、コンピュータ２０は解析装置１０として機能する。解析装置１０は、荷重信号１９から呼吸信号１８を抽出してメモリ１６に格納する呼吸信号生成機能１３と、呼吸信号１８を最初の条件で解析（呼吸信号１８に含まれる複数の振幅の平均値からなる平均振幅データにより、有意な呼吸障害パターンを判定）して本装置の無呼吸低呼吸指数（ｐＡＨＩ）１７をカウントしてメモリ１６に出力する第１のカウンタ部１１としての機能と、最初の条件で得られたｐＡＨＩ１７の結果より、重症患者であると判定されると、呼吸信号１８を異なる条件で解析してｐＡＨＩ１７を再カウントする第２のカウンタ部１２としての機能とを備えている。

なお、図１に示されるメモリ１６には、荷重信号１９を格納する荷重信号格納領域１９、呼吸信号１８を格納する呼吸信号格納領域１８、無呼吸低呼吸指数１７を格納する無呼吸低呼吸指数格納領域１７、解析用プログラム１４を格納する解析用プログラム格納領域１４が設けられている。このうち、無呼吸低呼吸指数格納領域１７には、さらに１回目のｐＡＨＩ１７ａを格納する領域１７ａ、２回目のｐＡＨＩ１７ｂを格納する領域１７ｂが設けられており、それぞれにカウントされた数が格納されるようになっている。

上記第１のカウンタ部１１は本発明の第１呼吸障害数カウント手段に相当し、第２のカウンタ部１２は第２呼吸障害数カウント手段に相当する。これら第１および第２のカウンタ部１１、１２は例えば制御部としてそれぞれ構成されている。そして、各制御部にはそれぞれカウンタが備えられており、それらカウントで呼吸障害の数をそれぞれカウントできるようになっている。

後で詳しく説明するが、第１のカウンタ部１１は、呼吸障害パターン８５（後述する図５参照）を構成する各ピークの１つ１つに対してそのピークを含む複数のピークの極大値の平均値を単振幅データから求め、求めた平均値から構成される平均振幅パターン８６を生成し、単位時間当たりに平均振幅パターン８６の振幅が睡眠時無呼吸症候群であると予想される基準値ＰＲを超える数を呼吸障害の数としてカウントするものである。

また、第２のカウンタ部１２は、第１のカウンタ部１１でカウントされた呼吸障害の数が、睡眠時無呼吸症候群を示す数である場合、単振幅データの中で呼吸障害パターン８５のピークの極大値が連続して現れるか否かを判定し、呼吸障害パターン８５の極大値が連続して現れる場合、単位時間当たりに平均振幅パターン８６の振幅が睡眠時無呼吸症候群であると予想される基準値を下げ、この下げられた値を超える数を新たな呼吸障害の数としてカウントするものである。

図２に、解析装置１０において無呼吸症候群の検査を行なう場合の主な処理の流れを示してある。先ず、解析装置１０の呼吸信号抽出機能１３により、解析用の呼吸信号１８を生成する。そのため、ステップ２１において、センサシート２により患者（被験者）９の荷重信号１９を取得する。次に、ステップ２２において、ＦＦＴなどの手法を用いて、患者９の呼吸数に対応する周波数帯域の信号成分を呼吸信号として取得する。さらに、ステップ２３において、呼吸信号の頂点データを取得し、これを解析用の呼吸信号１８としてメモリ１６に記録する。この呼吸信号１８を生成する処理が他の解析装置あるいはセンサシートの制御ボックス３などで行われることがあり、その場合は、生成された解析用の呼吸信号１８が、その他の情報と共に適当な記録メディアあるいはＬＡＮなどを介してメモリ１６に供給される。

図５（ａ）に、呼吸信号１８の典型的な例を示している。荷重信号１９に呼吸による体動として含まれる信号は、呼吸による体動、例えば胸の上下動に伴うものであり、ほぼ一定の周期で脈動する信号になる。無呼吸症候群の患者９の呼吸信号１８は、脈動の振幅が一定ではなく、低振幅の信号８１（第１の振幅の信号）の後に高振幅の信号８２（第２の振幅の信号）が現れる呼吸障害パターン８５を備えたものとなる。したがって、ステップ２３においては、脈動する信号の各頂点のデータ（振幅と時刻あるいは周期など）を抽出する。その結果、図５（ｂ）に示す振幅包絡線８９を描くデータが抽出され、以降では、それらの頂点データ（ピークデータ）の各値の集合を呼吸信号（呼吸データ、単振幅データ）１８として取り扱う。

呼吸信号１８の生成の後、あるいはその処理と並行して、本例においては５分単位の呼吸信号１８を解析してｐＡＨＩを求める。すなわち、ステップ３０において、解析装置１０の第１のカウンタ部１１により、メモリ１６に記録された５分間の呼吸信号１８を解析して第１回目のｐＡＨＩ１７ａのカウントを行いメモリ１６に出力する。ステップ４０において、第１回目のｐＡＨＩ１７ａの数値より患者が重症（重度）であると判定すると、ステップ５０において、第２のカウンタ部１２により、呼吸障害の判定条件を変えて、メモリ１６に記録された呼吸信号１８を解析し、第２回目のｐＡＨＩ１７ｂをカウントする。これらの処理をステップ２４においてデータが終了するまで繰り返す。

図３に、第１のカウンタ部１１において、第１回目のｐＡＨＩ１７ａをカウントする処理（第１の工程）３０を示している。ステップ３１で、解析対象となる５分間の体動率を求める。体動率は、対象期間中の体動時間（被験者９が体動していると判断される時間）の割合（％）で定義される。この段階における体動は被験者９が寝具の上で体を移動させるような動きであり、呼吸による体動とは区別され得る。そのような体動の有無は、荷重信号１９から判定され、所定の間隔（この例では２５．６秒）で患者９が乗っていると判断される圧力センサ７の位置が７０％以上変化すれば、体動中と判定される。

ステップ３２において、５分間の呼吸信号１８に含まれるＰＬＭをカウントする。ＰＬＭは、呼吸信号１８に含まれる単発的なピークを示し、呼吸信号１８に含まれるあるピークの振幅が前後のピークの振幅の２倍以上であると、そのピークをＰＬＭと判定してカウントする。

ステップ３３において、体動率と、ＰＬＭ回数より、患者９が覚醒している可能性が高いか否かを判定する。睡眠時無呼吸症候群（ＳＡＳ）とは、１０秒以上続く無呼吸が、一晩の睡眠中（７時間）に３０回以上、もしくは１時間に平均５回以上認められ、かつ、その一部は脳波上覚醒している睡眠時にも認められる場合を言うとされている。したがって、脳波上覚醒している状態でも呼吸障害の有無を判定することが要求されるが、脳波上覚醒している場合は呼吸以外の体動が多く、それによるノイズを除去する対応が要求される。

この例では、体動率が３５％以上、または、ＰＬＭ回数が８回以上であれば、それらを覚醒の可能性を示す信号とし、患者９が覚醒している可能性が高いと判定する。さらに、体動率が２５％以上で、かつ、ＰＬＭ回数が４回以上の場合も患者９が覚醒している可能性が高いと判定する。これらの判定条件は、荷重信号１９を、ＰＳＧの結果と比較して、ＰＳＧにおいて睡眠ステージにおける覚醒状態であると判断されたときの体動率とＰＬＭ回数とを比較して決定している。

覚醒している可能性が高いケースは、呼吸動作以外の体動によるノイズが多く呼吸信号１８に含まれていると判定し、ステップ３４において、呼吸障害をもっとも厳しい条件で判定する第１の条件をセットする。他のケースは、ステップ３５において、第１の条件より緩やかな第２の条件をセットする。

ステップ３６において、セットされた条件にしたがって呼吸信号１８を解析し、呼吸障害の数をカウントし、第１回目のｐＡＨＩ１７ａを求める。このステップ３６においては、呼吸信号１８に含まれる複数の振幅の平均値からなるパターン（平均振幅データ）を生成し、そのパターンが、ステップ３４またはステップ３５においてセットされた条件を加味した上で、有意な呼吸障害パターンに相当するか否かを判定し、呼吸障害の数をカウントする。本例においては、呼吸信号１８のあるピークに対応して、そのピークの振幅と、それ以前の３つのピークの振幅との平均を求め、その平均値によるパターンである４振幅包絡線を平均振幅データ８６として求めている。

図５（ｃ）に、平均振幅データ８６の一例である４振幅包絡線８６を示してある。ピークの平均化の方法はこれに限らず、３振幅であっても良く、また、５振幅以上であっても良い。複数の振幅の平均値からなるパターン８６を形成することにより、図５（ｄ）に示すような単発的なピーク８７は平均化によりパターン８６には現れ難くなる。したがって、周期的な四肢運動によるノイズの影響を避けて、有意な呼吸障害パターンの有無を判定できる。平均化するピークの数を増やすことにより、単発的なピークの影響は防止できるが、呼吸障害パターンも鈍る傾向になる。したがって、第１回目のｐＡＨＩ１７ａをカウントするための呼吸パターン８６としては、オリジナルの呼吸信号（単振幅データ）１８の代わりに、これら３振幅あるいは４振幅の平均振幅データ８６を採用することが好ましいと考えられる。

ステップ３４およびステップ３５においてそれぞれセットされる第１および第２の条件（すなわち、睡眠時無呼吸症候群であると予想される基準値）は、振幅比と、生振幅判定の要否とを含む。振幅比ＰＲは、平均化された呼吸パターン８６の極大値Ｐ１と、それに先行する極小値Ｐ２との比であり、第１の条件では振幅比ＰＲが２．０倍以上、第２の条件では振幅比ＰＲが１．６倍以上である。したがって、第２の条件がセットされた状態では、ステップ３６において、振幅比ＰＲが１．６倍以上のパターン８６を、有意な呼吸障害パターンであるとしてカウントする。

さらに、第１および第２の条件では、生振幅判定を行うことも要求される。生振幅判定は、極小値Ｐ２に寄与する４つのピークの生の値を極大値Ｐ１と比較し、それら４つのピークのうち、少なくとも２つのピークの値が振幅比ＰＲの条件を満足するか否かを判定する。極小値Ｐ２が１または２つの極端に振幅の小さなピークにより形成されているケースをノイズとして排除できる。

この他に、呼吸障害パターンは周期的に発生することを前提として、極大値Ｐ１と極小値Ｐ２との時間間隔を定義することによりノイズを排除することが可能である。また、極大値Ｐ１と極小値Ｐ２とを与える脈動の周波数（周期）の条件を加味して、有意な呼吸障害パターンを判断することも可能である。

図２のメインのフローに示すように、ステップ４０において第１回目のｐＡＨＩ１７ａに基づき患者９が重症であるか否かを判定する。睡眠時無呼吸症候群では、一時間当たりのＡＨＩが２０未満は軽度、２０から３０は中度、３０から５０は重度、５０以上は最重度とされる。最重度の患者では、ほぼ一分あるいはそれ以下で覚醒していることになり、非常に危険な状態であるとされることが多い。したがって、最重度の患者であるか否かを判定することは睡眠時無呼吸症候群の検査としては重要である。このため、ステップ４０においては、５分間でカウントされた第１回目のｐＡＨＩ１７ａの値が一時間当たり５０回に相当するか否かを判定し、第１回目のｐＡＨＩ１７ａが５０回以上であると、ステップ５０において第２回目のｐＡＨＩ１７ｂのカウントを行なう。

図４に、第２のカウンタ部１２において、第２回目のｐＡＨＩ１７ｂをカウントする処理（第２の工程）を示してある。ステップ５１において、生の呼吸信号、すなわち単振幅データ１８により呼吸障害の連続性を判定する。この例では、５分間の単振幅データ１８を対象とし、ある極大値において、先行する９つの極大値のそれぞれの間隔（８つの間隔）の標準偏差と平均値とを求め、その標準偏差を平均値で割った値Ａを求める。その値Ａが１．８以下となる極大値が５分間の単振幅データ１８に５つ以上含まれている（すなわち睡眠時無呼吸症候群である可能性を示す規定値よりも大きい場合）と、その単位時間の範囲では、規定より高い比率で連続した呼吸障害パターンが含まれていると判定し、単振幅データ１８により有意な呼吸障害パターンの数をカウントする。さらに、極大値が努力呼吸を示す成分であることを確認するために、極大値の値が十分に大きくないものは、この統計計算から省かれるようにしている。

最重度の患者では、努力呼吸が１または２振幅程度しか現れない呼吸障害パターンを示す場合があり、そのような呼吸障害パターンは連続して現れることが多い。したがって、平均振幅データにより判定すると、そのような努力呼吸は前後の無呼吸あるいは低呼吸の振幅と平均化されてしまうために有意な呼吸障害パターンであると判定されない可能性が高く、それが連続しているとｐＡＨＩの値が低くカウントされる。１または２振幅程度の高振幅が努力呼吸であるかノイズであるかを直接判定することは難しい。しかしながら、そのような特別な呼吸障害パターンを示す重度の患者は、呼吸障害パターンが連続していることに着目することにより、努力呼吸を示す振幅数の少ない呼吸障害パターンをカウントすることで、ノイズの影響を最小限に抑えて、有効な呼吸障害パターンのカウント確率を上げることができる。

このため、第２回目のカウントにおいては、ステップ５２において、単振幅データ１８に連続性があると判定すると、ステップ５３で第３の条件をセットする。この第３の条件は、生の呼吸信号である、頂点を平均化しない、振幅の各値からなる単振幅データ１８に有意な呼吸障害パターンが含まれていることを判定することが含まれる。さらに、第３の条件には、極大Ｐ１と極小Ｐ２との比率ＰＲを第２の条件よりも低い１．５に設定することが含まれる。なお、呼吸障害パターンの有無を判定する際に、複数の振幅を平均化しないので、他の条件に含まれる生振幅判定は行なわれない。

一方、ステップ５２において、ｐＡＨＩは高いけれども単振幅データ１８には連続性がそれほど大きくないと判定された場合は、ステップ５４において上述した第２の条件をセットする。そして、ステップ５５において、ステップ３６の第１回目のカウントと異なる条件がセットされたと判定すると、ステップ５６において、新しい条件で、メモリ１６の単振幅データ１８を解析し、再カウントした第２回目のｐＡＨＩ１７ｂをメモリ１６に出力する。

このように、解析装置１０は、センサシート２により得られる呼吸信号からｐＡＨＩを求めることができる。さらに、解析装置１０は、第１回目のｐＡＨＩ１７ａの値が大きいときに、条件を変えて第２回目のｐＡＨＩ１７ｂをカウントすることにより、重症の患者に対しても、軽症の患者に対しても、適切なｐＡＨＩを求めることができる。特に、ｐＡＨＩが大きい最重度の患者に対して、精度の高いｐＡＨＩが得られる。このため、この解析装置１０を用いて呼吸信号を解析することにより、患者の重症度の判定精度を向上でき、ＰＳＧのスクリーニングとして十分な機能を提供できる。すなわち、軽度の呼吸障害の患者に対して無用なＰＳＧによる検査をオーダすることを防止でき、また、重度の呼吸障害の患者に対してはＰＳＧによる精密検査をオーダすることができる。さらにこの検査方法は、ＰＳＧに比較し、簡易に、患者に対する負担も少ない状態でｐＡＨＩを測定でき、さらに、継続したモニタリングも可能である。したがって、ＰＳＧと併用して用いることにより、患者に対して、より高いレベルの治療および看護を提供できる。

なお、上述した各判定値および条件は一例であり、これらの値および条件は、センサシート２の仕様、荷重信号１９の測定条件などにより、適切に決められるものである。また、各図中に示した各ステップは、各種処理を実行する手段に対応するものであり、図１に示される装置に備えられたものである。

複数の感圧素子を有するセンサシートにより、被験者の寝具に加わる荷重変化を捉える生体情報検出システムの概略構成を示す図である。 生体情報検出システムの解析装置においてｐＡＨＩをカウントする処理の概要を示すフローチャートである。 解析装置において、第１回目のｐＡＨＩをカウントする処理の概要を示すフローチャートである。 解析装置において、第２回目のｐＡＨＩをカウントする処理の概要を示すフローチャートである。 呼吸信号に含まれる典型的な呼吸障害パターンと、呼吸信号を解析する途上の幾つかの状態を示す図である。

符号の説明

１…生体情報検出システム、２…センサシート、７…圧力センサ、１０…解析装置、１１…第１のカウンタ部、１２…第２のカウンタ部、１４…解析プログラム、１６…メモリ、１８…呼吸信号、８５…呼吸障害パターン。

Claims (15)

1. 寝具に加わる被験者（９）の荷重変化により得られる荷重信号（１９）の解析方法であって、
   前記荷重信号は、直流成分とその直流成分に対して変化する交流成分とによって構成され、この荷重信号には、前記直流成分を基準とした第１の幅に含まれる第１の振幅の信号（８１）と、前記第１の幅よりも大きい第２の幅に含まれる第２の振幅の信号（８２）と、が含まれており、前記第１の振幅の幅に含まれる前記第１の振幅の信号の後に前記第２の振幅の幅に含まれる前記第２の振幅の信号が現れるパターンを呼吸障害パターン（８５）とすると共に、この呼吸障害パターンにおける前記交流成分の頂点データで構成される単振幅データを呼吸信号（１８）として抽出する工程と、前記呼吸障害パターンを構成する前記複数の単振幅データの平均値を求め、求めた平均値から構成される平均振幅パターン（８６）を生成する工程と、単位時間当たりに前記平均振幅パターンが睡眠時無呼吸症候群であると予想される数を呼吸障害の数としてカウントする工程と、を含む第１の工程と、
   前記第１の工程でカウントされた前記呼吸障害の数が、睡眠時無呼吸症候群を示す数である場合、前記単振幅データの中で前記呼吸障害パターンが連続して現れるか否かを判定し、前記呼吸障害パターンが連続して現れる場合、単位時間当たりに前記平均振幅パターンが睡眠時無呼吸症候群であると予想される基準値を下げ、この下げられた値を超える数を新たな呼吸障害の数としてカウントする第２の工程と、を有することを特徴とする解析方法。
2. 前記第２の工程では、単位時間当たりに前記単振幅データに含まれる各極大ピーク値の間隔の標準偏差と平均値とを求め、その標準偏差を前記極大ピーク値の平均値で割った値（Ａ）により、前記呼吸障害パターンが連続して現れるか否かを判定することを特徴とする請求項１に記載の解析方法。
3. 前記第２の工程では、前記標準偏差を前記極大ピーク値の平均値で割った値よりも小さく、かつ、単位時間当たりの前記単振幅データに含まれる極大値の数が睡眠時無呼吸症候群である可能性を示す規定値を超える場合、前記呼吸障害パターンが連続して現れると判定することを特徴とする請求項２に記載の解析方法。
4. 前記第１の工程では、有意な呼吸障害パターンを判定する判定値として、前記平均振幅パターンの極大値（Ｐ１）と、前記平均振幅パターンの極大値に先行する極小値（Ｐ２）と、の振幅比を用い、
   前記平均振幅パターンの極大値をＰ１とし、前記平均振幅パターンの極大値に先行する極小値をＰ２とすると、前記振幅比はＰ１／Ｐ２であることを特徴とする請求項１ないし３のいずれか１つに記載の解析方法。
5. 前記第１の工程は、前記被験者が覚醒している可能性を示す信号が前記荷重信号に含まれているか否かを判定する工程を有し、前記被験者が覚醒していると判定した場合の睡眠時無呼吸症候群であると予想される基準値を、前記被験者が覚醒してないと判定した場合の睡眠時無呼吸症候群であると予想される基準値よりも大きくすることを特徴とする請求項１ないし４のいずれか１つに記載の解析方法。
6. 前記荷重信号には前記被験者の体の移動の有無を示す信号が含まれており、前記第１の工程では、前記被験者が体を動かしている時間が、前記被験者が覚醒していると思われる時間を超える場合、前記被験者は覚醒している可能性があると判定することを特徴とする請求項５に記載の解析方法。
7. 前記第１の工程では、単位時間当たりに前記単振幅データに含まれる、前後のピークの振幅に対して２倍以上の振幅を備えたピークの数が、前記被験者が覚醒していることを示す値を超える場合、前記被験者は覚醒している可能性があると判定することを特徴とする請求項６に記載の解析方法。
8. 寝具に加わる被験者（９）の荷重変化により得られると共に、直流成分とその直流成分に対して変化する交流成分とによって構成され、前記直流成分を基準とした第１の幅に含まれる第１の振幅の信号（８１）と、前記第１の幅よりも大きい第２の幅に含まれる第２の振幅の信号（８２）と、が含まれた荷重信号（１９）を解析する解析装置であって、
   前記第１の幅に含まれる前記第１の振幅の信号の後に前記第２の幅に含まれる前記第２の振幅の信号が現れるパターンを呼吸障害パターン（８５）として抽出する手段（２２）と、
   前記呼吸障害パターンにおける前記交流成分の頂点データで構成される単振幅データを呼吸信号（１８）として抽出する手段（２３）と、
   前記呼吸障害パターンを構成する前記複数の単振幅データの平均値を求め、求めた平均値から構成される平均振幅パターン（８６）を生成し、単位時間当たりに前記平均振幅パターンが睡眠時無呼吸症候群であると予想される数を呼吸障害の数としてカウントする第１呼吸障害数カウント手段（１１）と、
   前記第１呼吸障害数カウント手段でカウントされた前記呼吸障害の数が、睡眠時無呼吸症候群を示す数である場合、前記単振幅データの中で前記呼吸障害パターンが連続して現れるか否かを判定する手段（５２）と、前記呼吸障害パターンが連続して現れる場合、単位時間当たりに前記平均振幅パターンが睡眠時無呼吸症候群であると予想される基準値を下げ、この下げられた値を超える数を新たな呼吸障害の数としてカウントする手段（５６）と、を有する第２呼吸障害数カウント手段（１２）と、を有することを特徴とする解析装置。
9. 前記第２呼吸障害数カウント手段は、単位時間当たりに前記単振幅データに含まれる各極大ピーク値の間隔の標準偏差と平均値とを求める手段（５１）と、その標準偏差を前記極大ピーク値の平均値で割った値よりも小さく、かつ、単位時間当たりの前記単振幅データに含まれる極大値の数が睡眠時無呼吸症候群である可能性を示す規定値を超える場合、前記呼吸障害パターンが連続して現れると判定する手段（５２）と、を有することを特徴とする請求項８に記載の解析装置。
10. 前記第１呼吸障害数カウント手段は、前記被験者が覚醒している可能性を示す信号が前記荷重信号に含まれているか否かを判定する手段（３３）と、前記被験者が覚醒している可能性があると判定した場合の睡眠時無呼吸症候群であると予想される基準値を、前記被験者が覚醒している可能性はないと判定した場合の睡眠時無呼吸症候群であると予想される基準値よりも大きくする手段（３４）と、を有していることを特徴とする請求項８または９に記載の解析装置。
11. 前記第１呼吸障害数カウント手段では、有意な呼吸障害パターンを判定する判定値として、前記平均振幅パターンの極大値（Ｐ１）と、前記平均振幅パターンの極大値に先行する極小値（Ｐ２）と、の振幅比を用い、
    前記平均振幅パターンの極大値をＰ１とし、前記平均振幅パターンの極大値に先行する極小値をＰ２とすると、前記振幅比はＰ１／Ｐ２であることを特徴とする請求項８ないし１０のいずれか１つに記載の解析装置。
12. 寝具に加わる被験者（９）の荷重変化により得られる荷重信号（１９）を解析するプログラムであって、
    前記荷重信号は、直流成分とその直流成分に対して変化する交流成分とによって構成され、この荷重信号には、前記直流成分を基準とした第１の幅に含まれる第１の振幅の信号（８１）と、前記第１の幅よりも大きい第２の幅に含まれる第２の振幅の信号（８２）と、が含まれており、前記第１の幅に含まれる前記第１の振幅の信号の後に前記第２の幅に含まれる前記第２の振幅の信号が現れるパターンを呼吸障害パターン（８５）とすると共に、この呼吸障害パターンにおける前記交流成分の頂点データで構成される単振幅データを呼吸信号（１８）として抽出するステップと、前記呼吸障害パターンを構成する前記複数の単振幅データの平均値を求め、求めた平均値から構成される平均振幅パターン（８６）を生成するステップと、単位時間当たりに前記平均振幅パターンが睡眠時無呼吸症候群であると予想される数を呼吸障害の数としてカウントするステップと、を含む第１のステップと、
    前記第１のステップでカウントされた前記呼吸障害の数が、睡眠時無呼吸症候群を示す数である場合、前記単振幅データの中で前記呼吸障害パターンが連続して現れるか否かを判定するステップと、前記呼吸障害パターンが連続して現れる場合、単位時間当たりに前記平均振幅パターンが睡眠時無呼吸症候群であると予想される基準値を下げ、この下げられた値を超える数を新たな呼吸障害の数としてカウントするステップと、を含む第２のステップと、をコンピュータに実行させることを特徴とするプログラム。
13. 前記呼吸障害パターンのピークの極大値が連続して現れるか否かを判定するステップでは、単位時間当たりに前記単振幅データに含まれる各極大ピーク値の間隔の標準偏差と平均値とを求め、その標準偏差を前記極大ピーク値の平均値で割った値よりも小さく、かつ、単位時間当たりの前記単振幅データに含まれる極大値の数が睡眠時無呼吸症候群である可能性を示す規定値を超える場合、前記呼吸障害パターンが連続して現れると判定することを特徴とする請求項１２に記載のプログラム。
14. 前記平均振幅パターンを生成するステップでは、前記被験者が覚醒している可能性を示す信号が前記荷重信号に含まれているか否かを判定するステップと、前記被験者が覚醒している可能性があると判定した場合の睡眠時無呼吸症候群であると予想される基準値を、前記被験者が覚醒している可能性はないと判定した場合の睡眠時無呼吸症候群であると予想される基準値よりも大きくするステップと、を含んでいることを特徴とする請求項１２または１３に記載のプログラム。
15. 前記第１のステップでは、有意な呼吸障害パターンを判定する判定値として、前記平均振幅パターンの極大値（Ｐ１）と、前記平均振幅パターンの極大値に先行する極小値（Ｐ２）と、の振幅比を用い、
    前記平均振幅パターンの極大値をＰ１とし、前記平均振幅パターンの極大値に先行する極小値をＰ２とすると、前記振幅比はＰ１／Ｐ２であることを特徴とする請求項１２ないし１４のいずれか１つに記載のプログラム。

Images