JP2005160876A - 状態解析装置及び状態解析方法 - Google Patents

Abstract

【課題】 対象物の呼吸の状態を正確に解析できる状態解析装置を提供する。
【解決手段】 第１の所定期間の対象物２状態を示す測定データに基づいて、対象物２の体動を判定し、さらに前記測定データ中から前記体動を示すデータの存在する期間を検出する体動期間検出手段２２と、前記第１の所定期間内の注目時点を含む又は前記注目時点に隣接する第１の所定期間より短い期間の第２の所定期間内の測定データから、前記第２の所定期間と前記検出された期間が重なる場合には、前記検出された期間の測定データを除いた残りの測定データに基づいて基準値を算出する基準値計算手段２３と、前記注目時点の測定データと前記基準値を比較し、前記比較結果に基づいて、前記注目時点での前記対象物の低呼吸と無呼吸の両方又はいずれか一方を判定する呼吸判定手段２４とを備える状態解析装置１とする。
【選択図】 図１

Description

本発明は、状態解析装置及び状態解析方法に関し、特に対象物の呼吸の状態を正確に解析できる状態解析装置及び状態解析方法に関するものである。

従来から、対象物である人物の呼吸の状態を検出、解析する装置として、人物の睡眠時の呼吸を解析するためのポリソムノグラフィ装置（ｐｏｌｙｓｏｍｎｏｇｒａｐｈｙ：ＰＳＧ装置）があった。ＰＳＧ装置は、睡眠時無呼吸症候群（ＳＡＳ）の診断に用いられていた。またＰＳＧ装置では、測定データに基づいて自動解析ソフトにより、無呼吸、低呼吸の判定の基準に則った解析を行い、測定期間の無呼吸、低呼吸の頻度、継続時間等のデータが算出されていた。

また、睡眠時の人物にパターン光を投光し、投光されたパターンを連続的に撮像した画像からパターンの移動量を算出することで、人物の呼吸を監視する監視装置があった（例えば、特許文献１参照。）。
特開２００２−１７５５８２号公報 （第５−９頁、第１−１３図）

しかしながら、上記のような従来のＰＳＧ装置では、呼吸気流に関するフローセンサ、呼吸運動に関する胸腹運動センサ等、多くのセンサを人物の身体に取り付けるため、睡眠中の自然な状態でのデータが取れなかったり、睡眠中にセンサが外れてデータが欠落する恐れがあった。また、フローセンサは気流の有無を検出できるものの定量性に乏しく、胸腹運動センサは、上半身の一部の運動しか検出できないので、低呼吸が正確に判定できなかったり、複雑な呼吸運動に対して全体としての正しい評価ができなかったりした。さらに、上記各センサの取り付け等に人手を要し、コスト的にも心理的にも負荷の大きい装置となっていた。

また上記の監視装置（特許文献１参照）ような従来の装置では、非接触、非拘束で呼吸運動を測定することができるが、例えば、人物の無呼吸や低呼吸を判定する際に、呼吸運動に関する信号が、寝返り等の体動の影響を受けることで、呼吸の状態の解析結果が不正確になる場合があった。

そこで本発明は、対象物の呼吸の状態を正確に解析できる状態解析装置及び状態解析方法を提供することを目的とする。

上記目的を達成するために、請求項１に係る発明による状態解析装置１は、例えば図１に示すように、第１の所定期間の対象物２状態を示す測定データに基づいて、対象物２の体動を判定し、さらに前記測定データ中から前記体動を示すデータの存在する期間を検出する体動期間検出手段２２と；前記第１の所定期間内の注目時点を含む又は前記注目時点に隣接する第１の所定期間より短い期間の第２の所定期間内の測定データから、前記第２の所定期間と前記検出された期間が重なる場合には、前記検出された期間の測定データを除いた残りの測定データに基づいて基準値を算出する基準値計算手段２３と；前記注目時点の測定データと前記基準値を比較し、前記比較結果に基づいて、前記注目時点での前記対象物の低呼吸と無呼吸の両方又はいずれか一方を判定する呼吸判定手段２４とを備えている。

このように構成すると、体動期間検出手段２２と、基準値計算手段２３とを備えているので、前記測定データ中から前記体動を示すデータの存在する期間を検出し、前記注目時点を含む又は前記注目時点に隣接する前記第２の所定期間内の測定データから、前記第２の所定期間と前記検出された期間が重なる場合には、前記検出された期間の測定データを除いた残りの測定データに基づいて基準値を算出できる。さらに呼吸判定手段２４を備えているので、前記注目時点の測定データと前記基準値を比較し、前記比較結果に基づいて、前記注目時点での前記対象物の低呼吸と無呼吸の両方又はいずれか一方を判定できることで、対象物の呼吸の状態を正確に解析できる状態解析装置を提供できる。

また請求項２に記載のように、請求項１に記載の状態解析装置１では、対象物２の状態を示す測定データは、対象物２の動きを複数の点で測定した測定結果に基づいたデータであり、前記複数の点での各測定値の総和である第１の測定データと該各測定値の絶対値の総和のデータである第２の測定データとの両方またはいずれか一方を含んでいるとよい。

また請求項３に記載のように、請求項１又は請求項２に記載の状態解析装置１では、体動期間検出手段２２は、前記第１の所定期間より短い期間の第３の所定期間内の測定データに基づいて、前記注目時点の対象物２の体動を判定するための体動判定値を算出し、前記体動判定値と、前記体動の判定の基準となる判定基準値とを比較し、前記比較結果に基づいて対象物２の体動を判定するように構成するとよい。

また請求項４に記載のように、請求項３に記載の状態解析装置１では、前記体動判定値は、前記第３の所定期間内の測定データのバラツキに関する量であるとよい。

また請求項５に記載のように、請求項３に記載の状態解析装置１では、前記体動判定値は、前記注目時点の周囲の周波数分布から算出するように構成してもよい。

また請求項６に記載のように、請求項１又は請求項２に記載の状態解析装置１では、体動期間検出手段２２は、前記注目時点の周囲の測定データに基づいて、前記注目時点の対象物２の体動の判定の基準となる体動基準値を算出し、前記算出された体動基準値と前記注目時点の測定データとを比較して、前記比較結果に基づいて対象物２の体動を判定するように構成してもよい。

また請求項７に記載のように、請求項６に記載の状態解析装置１では、体動期間検出手段２２は、前記体動基準値を、前記注目時点の前の一定期間内の測定データの分布状況に基づいて算出するように構成するとよい。

また請求項８に記載のように、請求項６に記載の状態解析装置１では、体動期間検出手段２２は、体動基準値を、前記注目時点の前の一定期間内の測定データと、後の一定期間内の測定データとに基づいて前記一定期間毎に算出し、対象物２の体動の判定を、前記算出された体動基準値のそれぞれの有効性を評価していずれか一方を採用し、さらに前記注目時点のデータと前記採用された体動基準値を比較することで行うように構成してもよい。

また請求項９に記載のように、請求項１乃至請求項８のいずれか１項に記載の状態解析装置１では、基準値計算手段２３により算出された基準値は、前記測定データのピークとボトムとの両方またはいずれか一方の平均値に基づいて算出するように構成するとよい。

また請求項１０に記載のように、請求項１乃至請求項９のいずれか１項に記載の状態解析装置１では、基準値計算手段２３は、前記第２の所定期間内の測定データの安定性を評価し、前記評価に基づいて前記基準値を算出するように構成するとよい。

また請求項１１に記載のように、請求項１０に記載の状態解析装置１では、基準値計算手段２３は、前記安定性の評価で、不安定と評価された場合には、前記注目時点の後の一定期間の測定データの安定性を評価し、安定と評価されたなら前記一定期間で算出された基準値を前記注目時点の基準値とするとよい。

また請求項１２に記載のように、請求項１０又は請求項１１に記載の状態解析装置１では、基準値計算手段２３は、前記安定性の評価で、安定と評価された場合と、不安定と評価された場合との両方で前記基準値を算出し、前記算出された両方の基準値が乖離している場合には、不安定と評価するように構成するとよい。

また請求項１３に記載のように、請求項１乃至請求項１２のいずれか１項に記載の状態解析装置１では、例えば図１４、図１５に示すように、所定の照明パターンを投光する照明パターン投光装置１１と、前記投光された光を撮像する撮像手段１２と、撮像手段１２により異なる時点に取得された２フレームの画像から前記照明パターンの前記２フレーム間の移動量を算出する移動量算出手段１４１と、前記移動量を時系列に並べてなる移動量波形データを生成する移動量波形生成手段１４２とを含んで構成される測定装置１０を備え；前記測定データは、測定装置１０から取得されたものであるように構成するとよい。

このように構成すると、例えば測定装置１０を備え、前記測定データは、測定装置１０から取得されたものであるので、正確に対象物２の状態を測定できる。また、測定装置１０は、照明パターン投光装置１１と、撮像手段１２と、移動量算出手段１４１と、移動量波形生成手段１４２とを含んで構成されるので、例えば非接触で対象物２の状態を正確に測定できる。

上記目的を達成するために、請求項１４に係る発明による状態解析方法は、例えば図６に示すように、第１の所定期間の対象物の状態を示す測定データに基づいて、前記対象物の体動を判定し、さらに前記測定データ中から前記体動を示すデータの存在する期間を検出する体動期間検出工程Ｓ３と；前記第１の所定期間内の注目時点を含む又は前記注目時点に隣接する第１の所定期間より短い期間の第２の所定期間内の測定データから、前記第２の所定期間と前記検出された期間が重なる場合には、前記検出された期間の測定データを除いた残りの測定データに基づいて基準値を算出する基準値計算工程Ｓ５と；前記注目時点の測定データと前記基準値を比較し、前記比較結果に基づいて、前記注目時点での前記対象物の低呼吸と無呼吸の両方又はいずれか一方を判定する呼吸判定工程Ｓ７とを備えている。

このように構成すると、体動期間検出工程Ｓ３により、第１の所定期間の対象物の状態を示す測定データに基づいて、前記対象物の体動を判定し、さらに前記測定データ中から前記体動を示すデータの存在する期間を検出でき、基準値計算工程Ｓ５により、前記第１の所定期間内の注目時点を含む又は前記注目時点に隣接する第１の所定期間より短い期間の第２の所定期間内の測定データから、前記第２の所定期間と前記検出された期間が重なる場合には、前記検出された期間の測定データを除いた残りの測定データに基づいて基準値を算出できる。さらに、呼吸判定工程Ｓ７により、前記注目時点の測定データと前記基準値を比較し、前記比較結果に基づいて、前記注目時点での前記対象物の低呼吸と無呼吸の両方又はいずれか一方を判定できるので、対象物の呼吸の状態を正確に解析できる状態解析方法を提供できる。

以上のように本発明によれば、第１の所定期間の対象物の状態を示す測定データに基づいて、前記対象物の体動を判定し、さらに前記測定データ中から前記体動を示すデータの存在する期間を検出する体動期間検出手段と、前記第１の所定期間内の注目時点を含む又は前記注目時点に隣接する第１の所定期間より短い期間の第２の所定期間内の測定データから、前記第２の所定期間と前記検出された期間が重なる場合には、前記検出された期間の測定データを除いた残りの測定データに基づいて基準値を算出する基準値計算手段と、前記注目時点の測定データと前記基準値を比較し、前記比較結果に基づいて、前記注目時点での前記対象物の低呼吸と無呼吸の両方又はいずれか一方を判定する呼吸判定手段とを備えるので、対象物の呼吸の状態を正確に解析できる状態解析装置を提供できる。

以下、本発明の実施の形態について、図面を参照して説明する。なお、各図において互いに同一あるいは相当する部材には同一符号を付し、重複した説明は省略する。

図１は本発明の実施の形態に係る状態解析装置としての睡眠状態解析装置１の構成例を示すブロック図である。睡眠状態解析装置１は、演算装置２０と、測定装置としてのＦＧセンサ１０とを含んで構成される。演算装置２０は例えばパソコンやマイコンといったコンピュータである。また演算装置２０は、睡眠状態解析装置１を操作するための情報を入力する入力装置３５と、睡眠状態解析装置１の処理状態を表示するディスプレイ４０とを有している。入力装置３５は、例えばタッチパネル、キーボードあるいはマウスである。ディスプレイ４０は、典型的にはＬＣＤである。ディスプレイ４０に表示される睡眠状態解析装置１の処理状態は、例えば後述の呼吸判定部２４による判定結果である。本図では、入力装置３５とディスプレイ４０は、演算装置２０に外付けするものとして図示されているが、内蔵されていてもよい。なおＦＧセンサ１０については図１４で詳述する。

演算装置２０は、第１の所定期間の対象物の状態を示す測定データに基づいて、対象物の体動を判定し、さらに前記測定データ中から対象物の体動を示すデータの存在する期間を検出する体動期間検出手段としての体動期間検出部２２と、第１の所定期間内の注目時点を含む又は注目時点に隣接する第１の所定期間より短い期間の第２の所定期間内の測定データから、第２の所定期間と体動期間検出部２２により検出された期間が重なる場合には、その検出された期間の測定データを除いた残りの測定データに基づいて基準値としての呼吸基準値を算出する基準値計算手段としての基準値計算部２３と、注目時点の測定データと基準値計算部２３により算出された呼吸基準値を比較し、この比較結果に基づいて、注目時点での対象物の低呼吸と無呼吸の両方又はいずれか一方を判定する呼吸判定手段としての呼吸判定部２４とを備えている。以下上記各構成について詳細に説明する。

なおここでは、対象物は典型的には人物２であるが、牛やブタ等の家畜であってもよい。なお家畜はネコやイヌ等のペットも含むものとする。以下対象物は人物２として説明する。ここでは人物２は図示のようにベッド３上で睡眠状態にある場合で説明する。また、人物２の体動とは、例えば寝返りといった呼吸より周期性に乏しく、呼吸より大きい人物２の動きである。さらに呼吸より大きい人物２の動きとは、例えば動きの大きさ、あるいは動きの変化の大きさで呼吸に対して特徴づけられるものである。

また、第１の所定期間は例えば一晩（７〜１０時間程度）、第２の所定期間は例えば２分程度である。ここでは第１の所定期間内の測定データをまとめて取得する場合で説明する。ここで図２（ａ）に示すように、第２の所定期間と体動期間検出部２２により検出された期間が重なる場合には、体動期間検出部２２により検出された期間の測定データを除いた残りの測定データに、前記除いた期間に相当する期間の測定データを加えて、第２の所定期間の測定データとするようにしてもよい。具体的には、例えば第２の所定期間の後側（未来側）に体動期間検出部２２により検出された期間（適宜体動期間という）が存在する場合には、第２の所定期間（２分）の前側（過去側）の測定データから、前記除いた期間に相当する期間の測定データを加えるようにするとよい（図２（ｂ）参照）。また同様に第２の所定期間の前側（過去側）に体動期間が存在する場合には第２の所定期間（２分）の前側（過去側）の測定データから、前記除いた期間に相当する期間の測定データを加えるようにするとよい（図２（ｃ））。即ち、体動期間を含まない連続した２分間（第２の所定期間）の測定データを確保できるようにする。

また本実施の形態では、測定データは、ＦＧセンサ１０で測定されたデータである。人物２の状態を示す測定データとは、人物２の測定範囲（例えば人物２の胸部や腹部を含む範囲）での一定時間内の動きに関する量である。また呼吸基準値は、各注目時点の値が集合することで例えば第１の所定期間内のベースラインを形成する。またここでは体動を判定するとは、注目時点での体動の有無を判定することである。なお、判定された体動の有無の継続の仕方から、体動期間等の体動の状態を、あらためて解析することができる。

また人物２の状態を示す測定データは、人物２の動きを複数の点で測定した測定結果に基づいたデータであり、複数の点での各測定値の総和である第１の測定データとしての呼吸データと、複数の点での各測定値の絶対値の総和のデータである第２の測定データとしての体動データとの両方またはいずれか一方を含んでいる。なお絶対値の総和は各測定値の二乗の値の総和を含む概念である。ここでは、測定データは呼吸データと体動データとの両方を含んでいる。また、呼吸データ及び体動データは、さらに各々測定点の数又は測定値に一定以上の変動があった測定点の数で除算したデータとしてもよい。

また、測定データは、例えば図３に示すような波形パターンを形成する。なお（ａ）は、人物２の正常呼吸を測定した場合の呼吸データを単純化した一例である。また、（ｂ）は体動を示すデータを含む呼吸データの典型例であり、（ｃ）は体動を示すデータを含む体動データの典型例である。（ｂ）、（ｃ）に示すように、呼吸以外の身体の動き（体動）がある場合には、体動データは大きい値の分布を持ち、同時に呼吸データの振れ幅も大きくなり周期性を失う。またここでは測定データのサンプリング間隔（１データの取得間隔）は例えば０．１〜０．２５ｓである。またここでは、人物２の動きを複数の点で測定した各測定値は、一定時間内の人物２の動き、言い換えれば人物２の動きの速度に関する値である。従って、各測定点の測定値を加え合わせれば、一定期間内の一定方向への全体的な平均的位置変化に関するデータを得ることができる（呼吸データ）。また各測定値の絶対値を加え合わせれば、全体の動きの総量に関するデータを得ることができる（体動データ）。なおここでは、呼吸データと体動データとの両方を用いる場合で説明するが、例えば呼吸データのみでも以下で説明する全てのプロセスを行うことができる。

さらに図４を参照して、ベースラインの概略について説明する。図４は、実際の測定により取得した呼吸データと体積データの波形パターンの一定時間分（６分程度）の例を示したものである。さらに本図には算出された呼吸基準値が形成するベースラインも呼吸データに対応するように示されている。ベースラインを形成する呼吸基準値は、測定データ（例えば呼吸データ）に基づいて算出されるため、図示の体動データに示されるように体動を示すデータ（図３（ｃ）参照）が存在する部位では呼吸データも大きく変化するため呼吸基準値の計算から除している。第２の所定期間は、できるだけ体動期間を含まない一連の期間で設定するため、体動期間を境界にして注目時点に対する第２の所定期間が全く異なる場合が多く、その為体動期間の前後ではベースラインの位置（呼吸基準値）が変化する。なお呼吸基準値の算出については以下で詳述するものとする。また本図では体動データの平均値が右側で上がっているが、これは、例えば体動に伴う姿勢の変化により人物２の動きを反映している測定点が変ったことにより、ＦＧセンサ１０の感度が変化すると共に体動データにバイアスがかかっているためである。

図１に戻って説明する。体動期間検出部２２は、第１の所定期間より短い期間の第３の所定期間内の測定データ（例えば体動データ）に基づいて、注目時点の人物２の体動を判定するための体動判定値を算出し、算出した体動判定値と、体動の判定の基準となる判定基準値とを比較し、その比較結果に基づいて人物２の体動を判定するように構成されている。第３の所定期間は、例えば体動判定値の算出に後述のように情報エントロピーやＣＶ値を使うような場合には、注目時点の前後５〜１０ｓｅｃ程度とするとよい。また判定基準値は、個々の測定データ（例えば体動データ）に関係なく、基準となる値を１つの値に決めても良いし、第１の所定期間全体の体動判定値の分布から決めてもよい。また体動判定値は、測定データ（例えば体動データ）から求めた各時点での２次パラメータである。

体動判定値は、前記第３の所定期間内の測定データ（例えば体動データ）のバラツキに関する量とする。バラツキに関する量とは、例えば情報エントロピーや変動係数（ＣＶ値）である。まずＣＶ値とは、「ＣＶ値＝標準偏差／平均値」で算出できるものであり、変動の大きさをバイアスレベルで正規化する意味を持つ。従って、測定データのバイアスレベルの変動や、計算期間と比較してゆっくりした変化に対しては大きく反応せず、バイアスの状態に比較して大きい急な変動に反応することになる。

また情報エントロピーとは、物理学で用いられるエントロピーを事象の不確かさとして考え、ある情報による不確かさの減少分が、その情報の情報量であるとすると、情報を受け取る前後の不確かさの相対値である。例えば、サイコロを振ったとき、結果を見る前はどの目が出たかまったく分からないので、不確かさ即ち情報エントロピーは最大である。奇数の目が出たという情報を受け取ると、情報エントロピーは減少する。1の目が出たことを知れば、結果は一意に確定し、情報エントロピーは最小となる。また情報量は確率に対して単調減少関数である。珍しい事象が起きたことを知れば、その情報量は大きいが、珍しい事象は当然めったに起こらない。それほど珍しくはないが多少変わったことが起きたということをそのたびに知れば、長い間観察した総情報量は大きくなる場合もある。このような観点から見た長い間の平均的な情報量が情報エントロピーである。具体的には情報エントロピーＨ（Ｘ）は例えば次式（１）で算出される。

なお、情報エントロピーは測定データのヒストグラムから求める。ヒストグラムは例えば図５に示すようなものである。図５では縦軸を度数、横軸をクラス（階級）としている。なお、クラスは例えば測定データの出力の大きさに対応するものであり、図示では測定データの分布に基づいて、等間隔に設定されている。具体的にはクラスの幅は、全測定データの平均値と標準偏差を基準として、０から平均値＋標準偏差×２までをＮ分割してもよい。ここでＮは全データ数により決定するとよい。例えば通常１０〜数十である。あるいは、暫定的に設定したクラスの幅で求めた再頻値の４倍を５０分割する等でもよい。なお、図中一番右のクラス（Nクラス）は、Nクラス以上のデータがすべてカウントされているため、度数が大きくなっている。その場合、ｐ（ｘ）＝クラスの度数／全データ数となる。

またこの際には、図５のように縦軸を度数、横軸をクラス（階級）としたヒストグラムを求める場合、クラスの幅（横軸）をＬｏｇスケールにしたヒストグラムとするとよい。それによって、クラスの幅がクラスの中心値に比例して変化することになり、信号（例えば測定データ）の感度の変動に対して不変な情報エントロピーを求めることができる。なお、ヒストグラムのクラスの幅は、第３の所定期間内のデータ数や、第１の所定期間内での体動データの分布範囲、バラツキ等から求めることができる。

また体動判定値は、注目時点の周囲の周波数分布から算出してもよい。ここで周囲とは例えば注目時点を含む又は隣接する第３の所定期間のことである。周波数分布は、例えばハイパスフィルタを通した出力、フーリエ変換による周波数成分の分布、ウェーブレット変換によるスケールに対する出力の分布に反映されるものである。これにより取出された測定データ（例えば体動データ）の大きさ（出力値等）の分布に基づいて体動判定値を算出するようにしてもよい。

また、体動期間検出部２２は、注目時点の周囲の測定データに基づいて、注目時点の人物２の体動の判定の基準となる体動基準値を算出し、算出された体動基準値と、注目時点の測定データとを比較して、その比較結果に基づいて人物２の体動を判定するように構成してもよい。この場合では、上記の周囲とは、注目時点を含む又は隣接する一定期間のことである。なお、一定期間は、注目時点の前後を含む期間であることが好ましい。

さらに、体動期間検出部２２は、体動基準値を、注目時点の前の一定期間内の測定データ（例えば体動データ）の分布状況に基づいて算出するようにする。ここで体動データの分布状況は、例えば、過去一定期間の平均値＋標準偏差×ａにより算出する。ここでａは定数である。このａを例えば３とすればデータがガウス分布をしている場合、体動データの９９．７％は、この式により算出した値の範囲に入るので、そこから外れたものは、通常の分布ではなく、体動であると判定できる。なお、時間的に過去（前側）のデータから順次この作業を行っていけば、過去の時点が体動であるかが次の時点で判っているので、体動である時点の体動データは、次の時点の体動基準値の計算に入れないようにすることが好ましい。

また、体動期間検出部２２は、体動基準値を、注目時点の前の一定期間内の測定データと、後の一定期間内の測定データとに基づいて、前の一定期間と後の一定期間毎に算出し、人物２の体動の判定を、算出された体動基準値のそれぞれの有効性を評価していずれか一方を採用し、さらに注目時点のデータと採用された体動基準値を比較することで行うようにしてもよい。有効性の評価は、例えば有効な情報量を評価することにより行うとよい。有効な情報量の評価は、例えば前の一定期間と後の一定期間とのそれぞれの体動データの情報エントロピーを算出して比較することにより評価できる。

また有効性の評価は、図５に示すようなヒストグラムを用いてもよい。このようなヒストグラムを用いる場合には、例えば前の一定期間と後の一定期間とのそれぞれの体動データのヒストグラムから、それぞれ出力分布の塊を求め、出力の低い方に分布している塊（図中左側の塊）に含まれる度数の多い方を有効とすることで評価してもよい。このようにすることで、大きな体動等による人物２の姿勢変化で感度が変わり、基準とすべきレベル等（例えば体動基準値）が変ったときにすぐに対応できる。ここで、この塊の範囲は、ガウス分布を仮定して、ヒストグラムのピーク（最頻値）に対して度数が一定割合、例えば６０％（即ちｅ^―１／２）となる位置までの再頻値からの距離の一定倍（例えば３倍）を最頻値に加える。なお、ガウス分布を仮定する場合には、図中ヒストグラムのピークの右側（体動データの大きい側）は、体動による影響を受けているので、左側（体動データの小さい側）でピークに対する度数の割合を評価するとよい。あるいは最も簡易に最頻値の４倍まで等のように決める。

なお、体動期間検出部２２は、注目時点の前の一定期間内の測定データと、後の一定期間内の測定データの有効性を評価して、前記一定期間内の測定データのいずれか一方を採用し、前記採用された測定データに基づいて体動基準値を算出するようにしてもよい。この場合には、人物２の体動の判定を、注目時点のデータと算出された体動基準値を比較することで行うようにする。

また体動期間検出部２２による体動の判定は、例えば前記一定期間での測定データ（例えば体動データ）の分布から閾値を設定して体動基準値とし、この閾値と注目時点の体動データとの比較により判定してもよい。ここで上記の閾値Ｔｈｍ（図５に図示）は、例えば図５のヒストグラムの最頻値の度数の一定割合（例えば６０％（即ちｅ^―１／２））となる位置までの最頻値からの距離の一定倍（例えば３倍）を最頻値に加えた位置として決定できる。なお、図中ヒストグラムのピークの右側は、体動による影響を受けているので、左側でピークに対する度数の割合を評価するとよい。

次に基準値計算部２３について説明する。基準値計算部２３は、前述のように、第１の所定期間内の注目時点であって、注目時点を含む又は注目時点に隣接する第２の所定期間内の測定データから、体動期間検出部２２により検出された期間の測定データを除いて、注目時点の呼吸基準値を算出するものである。ここで、基準値計算部２３により算出された呼吸基準値は、測定データのピークとボトムとの両方またはいずれか一方の平均値に基づいて算出するようにする。呼吸基準値の算出に用いる測定データは、典型的には呼吸データである。またピークとは測定データが形成する波形パターンの山の部分であり、ボトムは谷の部分である（図３参照）。またここでは振幅とはピークとボトムの差である場合で説明する。

なお、基準値計算部２３により算出される呼吸基準値は、ピークかボトムのどちらか一方の平均値としても良いし、ピークとボトムとの両方の平均値としてもよい。さらにピークとボトムの平均値の差から算出できる呼吸データの振幅の平均値としてもよい。

さらに基準値計算部２３は、第２の所定期間内の測定データの安定性を評価し、その評価に基づいて呼吸基準値を算出してもよい。具体的には基準値計算部２３は、この評価結果により、異なる方法（例えば異なる計算式）で呼吸基準値を算出するようにするとよい。具体的には、安定であると評価された場合には、上記のように第２の所定期間内の呼吸データのピークとボトムとの両方またはいずれか一方の平均値、又はピークとボトムの差（呼吸データの振幅）の平均値あるいはピークの平均値とボトムの平均値の差を呼吸基準値とする。また、不安定であると評価された場合には、第２の所定期間内の呼吸データのピークとボトムとの両方またはいずれか一方で大きい方から３つの値の平均値あるいはピークで大きい方から３つの値の平均値とボトムで大きい方から３つの値の平均値の差を呼吸基準値とする。または呼吸データの振幅の大きい方から３つの値の平均値を呼吸基準値とする。

なお、第２の所定期間は、出来るだけ、注目時点を含んで体動期間の無い連続的な期間を取るようにする。例えば、注目時点から過去（前側）へさかのぼって２分間を第２の所定期間とするものとし、２分間に達する前に所定以上の長さの体動期間が現れた場合には、第２の所定期間は、その直後、即ち注目時点から見て、その体動期間の手前までとし、２分間に満たない分は、注目時点の後側に期間を広げて２分間を確保する。注目時点の後側にも体動期間が出現して連続で２分間の期間が取れない場合には、前側の体動期間のさらに前（過去）まで期間を広げて、体動期間を除いて２分間を確保できるようにする。なお、安定性の評価は、対象期間（例えば第２の所定期間）での呼吸データのピーク（又はボトム）のバラツキ、ピーク間隔（又はボトム間隔、ゼロクロス間隔）のバラツキで評価するとよい。

また基準値計算部２３は、上記の安定性の評価で、不安定と評価された場合には、注目時点の後の一定期間の測定データの安定性を評価し、安定と評価されたなら後の一定期間で算出された呼吸基準値を注目時点の呼吸基準値とする。ここで後の一定期間は第２の所定期間と同じ長さの期間が取れれば望ましいが、より短く、例えば１分間程度でもよい。このようにするのは、例えば人物２の前（過去）が不安定呼吸で、後（未来）が振幅の小さい安定呼吸だった場合には、過去を主とした第２の所定期間で評価をすると呼吸基準値が大きい不安定呼吸の状態で算出されてしまう。このため、後述する呼吸判定部２４による判定で、未来の振幅の小さい呼吸が全て無呼吸、低呼吸と判定されてしまう可能性がある。また例えば逆に過去（第２の所定期間）が安定呼吸で未来（後の一定期間）が不安定呼吸のときに、注目時点が不安定呼吸の領域に入れば、比較的早く不安定と評価されるので、不安定と評価された期間の呼吸判定部２４による判定は正しく判断される。

なお、基準値計算部２３は、上記の安定性の評価で、注目時点の後の一定期間の測定データの安定性も常に評価しておき、第２の所定期間が不安定と評価されたら直ちに後の一定期間で算出された呼吸基準値を注目時点の呼吸基準値としてもよい。即ち不安定と評価された場合に限らず、常に第２の所定期間の後の一定期間の測定データの安定性も評価するようにしてもよい。

さらに基準値計算部２３は、上記安定性の評価で、安定と評価された場合と、不安定と評価された場合との両方で呼吸基準値を算出し、算出された両方の呼吸基準値が乖離している場合には、不安定と評価するようにする。なお安定と評価された場合と、不安定と評価された場合とで異なる方法で算出された呼吸基準値を用いる。言い換えれば安定と評価された場合と、不安定と評価された場合との両方の算出法で呼吸基準値を算出する。例えば、安定な場合の呼吸基準値ｌ（エル）を安定性を評価する期間内のピークの平均値とし、不安定な場合の呼吸基準値ｍを期間内のピークの上位（大きい方から）３つの平均値とした場合に、｜ｌ―ｍ｜／（ｌ＋ｍ）＞閾値ｔｈ１であるときに不安定としてｍを、そうでないときに安定としてｌを呼吸基準値として採用する。または、さらに上位３つを除いた平均値をｎとした場合に、｜ｍ―ｎ｜／（ｍ＋ｎ）＞閾値ｔｈ２であるときにｍを、そうでないときにｌを採用する。

呼吸判定部２４は、前述のように、注目時点の測定データと基準値計算部２３により算出された呼吸基準値を比較し、この比較結果に基づいて、注目時点での対象物の低呼吸と無呼吸の両方又はいずれか一方を判定するものである。呼吸判定部２４は、典型的には注目時点の呼吸データと呼吸基準値を比較する。なお、無呼吸（ａｐｎｅａ）とは、呼吸による気流がほぼ止まった状態を言い、低呼吸（ｈｙｐｏｐｎｅａ）とは、呼吸による気流が明瞭に低下した状態を言う。ここでは、呼吸判定部２４による判定は、注目時点での呼吸データが、呼吸基準値（ベースライン）に対して２０％未満の値なら無呼吸、５０％未満なら低呼吸と判定する。またさらに、呼吸基準値に対して５０％以上であれば正常呼吸と判定してもよい。

なお、呼吸判定部２４による判定は、例えば基準値計算部２３により算出した呼吸基準値が、ピークかボトムのどちらか一方の平均値である場合には、正側（ピーク側、吸気側）又は負側（ボトム側、呼気側）のみの判定を行ってもよいし、ピークとボトムとの両方の平均値である場合には、正側と負側の両方の判定が一致しているか、又は一方のみで判定されたか（ＡＮＤ又はＯＲ）により判定を行ってもよい。

さらに呼吸判定部２４は、注目時点の判定結果に基づいて、注目時点を含む又は注目時点に隣接する第１の所定期間より短い期間内での人物２の少なくとも低呼吸と無呼吸の両方又はいずれか一方のイベントを判定するように構成されている。ここでは低呼吸イベントと無呼吸イベントとの両方のイベントの存在も判定する。ここでは上記第１の所定期間より短い期間は、例えば呼吸１回分程度（５〜１０秒程度）〜数分程度である。

具体的には、イベントの判定は、無呼吸（又は低呼吸）の期間が５ｓｅｃ以上あれば、その直前直後で呼吸基準値に対して２０％（低呼吸の場合は５０％）以上となる呼吸データのピークの間隔をイベント期間とし、そしてこのイベント期間が１０ｓｅｃ以上あれば、このイベント期間が無呼吸（低呼吸）イベントと判定する。またイベントの判定は、注目時点として、呼吸データのピークとボトムを拾っていき、その差即ち呼吸データの振幅が呼吸基準値の２０％（５０％）未満で、さらに１０ｓｅｃ以上継続した場合には、その継続期間が無呼吸（低呼吸）イベントと判定する。さらに別の判定法として、注目時点として、呼吸データのピーク（又はボトム）を拾っていき、呼吸基準値に対して２０％（５０％）以上の呼吸データのピークの間隔が１０ｓｅｃ以上となったとき、さらにその両ピーク間内で呼吸データが呼吸基準値に対して２０％（５０％）未満である期間が５ｓｅｃ以上の場合に無呼吸（低呼吸）イベントとする。なお、ここで呼吸基準値に対する割合（％）の判定は、呼吸データ正値ならピーク、負値ならボトムと比較する。又は途中にピーク、ボトムが存在する場合はその差（振幅）で比較するようにする。

また、呼吸判定部２４による判定は、例えば基準値計算部２３により算出した呼吸基準値が、ピークとボトムの平均値の差から算出した呼吸データの振幅の平均値である場合には、イベントの判定は、第１の測定データのピークからボトム、ボトムからピークの振幅が呼吸基準値（ベースライン）の一定割合より小さいかにより行うことができる。又は呼吸基準値に対する一定割合（例えば５０％）を超える状態の２つの隣接するピークの時間間隔が基準（例えば１０ｓｅｃ）より長いかで判定できる。その場合、この２つのピーク値のピークとボトム間の振幅が呼吸基準値に対して２０％以上であれば低呼吸と判定できる。即ち無呼吸と区別できる。

次に図６のフロー図を参照して、睡眠状態解析装置１による処理工程の概略について説明する。なお、構成要素の符号については適宜図１を参照する。睡眠状態解析装置１の処理工程は、第１の所定期間の人物２の状態を測定し、第１の所定期間の人物２の状態を示す測定データを取得する測定工程Ｓ１と、第１の所定期間の人物２の状態を示す測定データに基づいて、人物２の体動を判定し、さらにその測定データ中から人物２の体動を示すデータの存在する期間を検出する体動期間検出工程Ｓ３と、第１の所定期間内の注目時点を含む又は注目時点に隣接する第１の所定期間より短い期間の第２の所定期間内の測定データから、第２の所定期間と体動期間検出工程Ｓ３により検出された期間が重なる場合には、その検出された期間の測定データを除いた残りの測定データに基づいて基準値を算出する基準値計算工程Ｓ５と、注目時点の測定データと呼吸基準値を比較し、その比較結果に基づいて、注目時点での人物２の低呼吸と無呼吸の両方又はいずれか一方を判定する呼吸判定工程Ｓ７とを備えている。以下上記各工程について説明する。

ここで図７のフローを参照して、体動期間検出工程Ｓ３の人物２の体動の判定の第１の例を説明する。ここでの体動の判定では、まず、注目時点の前の一定期間内の測定データに基づいて体動基準値を算出し、算出された体動基準値の有効性を評価する（Ｓ２１）。次に同様に、後の一定期間内の測定データについても体動基準値を算出し、有効性を評価する（Ｓ２３）。そして、これらの有効性の結果からどちらの有効性が高いかの判定を行う（Ｓ２５）。

ここで後の一定期間に対応する体動基準値の有効性の方が高ければ（Ｓ２５がＹｅｓ）、後の一定期間に対応する体動基準値を採用する（Ｓ２７）。そして、注目時点のデータと採用された体動基準値を比較することで、注目時点の体動判定を行う（Ｓ２９）。また、前の一定期間に対応する体動基準値の有効性の方が高ければ（Ｓ２５がＮｏ）、前の一定期間に対応する体動基準値を採用する（Ｓ３１）。そして同様に注目時点の体動判定を行う（Ｓ２９）。

そして、判定が終わると、注目時点をインクリメント、例えば注目時点を後側に隣接する時点に移動させる（Ｓ３３）。ここで、この移動により新しい注目時点が処理範囲内例えば第１の所定期間内であれば（Ｓ３５がＮｏ）、再びＳ２１へ戻り、上記を繰り返す。また、新しい注目時点が第１の所定期間外になってしまう場合には（Ｓ３５がＹｅｓ）、体動の判定を終了する。

また図８のフローを参照して、体動期間検出工程Ｓ３の人物２の体動の判定の第２の例を説明する。まず、ここでの体動の判定では、第３の所定期間内の測定データに基づいて、注目時点の人物２の体動を判定するための体動判定値を設定する。（Ｓ４１）。ここで体動判定値は、前述の第３の所定期間内の測定データのバラツキに関する量（情報エントロピーやＣＶ値）であっても良いし、注目時点の注目時点を含む又は隣接する第３の所定期間の周波数分布（例えばハイパスフィルタを通した出力、フーリエ変換による周波数成分の分布、ウェーブレット変換によるスケールに対する出力の分布に反映されるもの）から算出してもよい。そして、設定した体動判定値と、体動の判定の基準となる判定基準値とを比較し、その比較結果から注目時点の人物２の体動の判定を行う（Ｓ４３）。

この場合、判定基準値は、予め決められた定数又は第１の所定期間に渡る体動判定値の分布から求めた定数である。体動判定値の分布から求める場合には、判定基準値は、例えば、体動判定値のヒストグラムをとり、ガウス分布を仮定して、ヒストグラムのピーク（最頻値）に対して度数が一定割合、例えば６０％（即ちｅ^―１／２）となる位置までの再頻値からの距離の一定倍（例えば３倍）を最頻値に加えた位置として決定できる。なお、ガウス分布を仮定する場合には、図中ヒストグラムのピークの右側（体動データの大きい側）は、体動による影響を受けているので、左側（体動データの小さい側）でピークに対する度数の割合を評価するとよい。あるいは最も簡易に最頻値の４倍まで等のように決める。

そして、判定が終わると、注目時点をインクリメント、例えば注目時点を後側に隣接する時点に移動させる（Ｓ４５）。ここで、この移動により新しい注目時点が処理範囲内例えば第１の所定期間内であれば（Ｓ４７がＮｏ）、再びＳ２１へ戻り、上記を繰り返す。また、新しい注目時点が第１の所定期間外になってしまう場合には（Ｓ４７がＹｅｓ）、体動の判定を終了する。

さらに図９のフローを参照して、体動期間検出工程Ｓ３の人物２の体動の判定の第３の例を説明する。まず、ここでの体動の判定では、注目時点の過去一定期間（前の一定期間）内の測定データに基づいて、注目時点の人物２の体動の判定の基準となる体動基準値を算出する（Ｓ５１）。具体的には体動基準値は、過去一定期間内の測定データの分布状況、即ち前述の過去一定期間の測定データの平均値＋過去一定期間の測定データの標準偏差×ａにより算出する。そして、算出された体動基準値と、注目時点の測定データとを比較して、その比較結果に基づいて人物２の体動の判定を行う（Ｓ５３）。この時、すでに体動と判定されている過去の時点のデータは、平均値並びに標準偏差の計算から除外する。

そして、判定が終わると、注目時点をインクリメント、例えば注目時点を後側に隣接する時点に移動させる（Ｓ５５）。ここで、この移動により新しい注目時点が処理範囲内例えば第１の所定期間内であれば（Ｓ５７がＮｏ）、再びＳ２１へ戻り、上記を繰り返す。また、新しい注目時点が第１の所定期間外になってしまう場合には（Ｓ５７がＹｅｓ）、体動の判定を終了する。

次に図１０のフローを参照して、基準値計算工程Ｓ５の例について説明する。ここでは、基準値計算工程Ｓ５は、第２の所定期間内の測定データの安定性を評価し、その評価に基づいて呼吸基準値を算出する場合を説明する。まず、基準値計算工程Ｓ５では、呼吸基準値算出の期間として第２の所定期間（２分）を設定する（Ｓ６１）。そして、第２の所定期間内の測定データの安定性を評価する（Ｓ６３）。

この評価で、安定であると評価された場合には（Ｓ６５がＹｅｓ）、呼吸基準値を算出する（Ｓ６７）。具体的には、第２の所定期間内の呼吸データのピークとボトムとの両方またはいずれか一方の平均値、又はピークとボトムの差（呼吸データの振幅）の平均値あるいはピークの平均値とボトムの平均値の差を算出し、呼吸基準値とする。また、不安定であると評価された場合には（Ｓ６５がＮｏ）、呼吸基準値を算出する（Ｓ６９）。具体的には、第２の所定期間内の呼吸データのピークとボトムとの両方またはいずれか一方で大きい方から３つの値の平均値あるいはピークで大きい方から３つの値の平均値とボトムで大きい方から３つの値の平均値の差を算出し、呼吸基準値とする。または呼吸データの振幅の大きい方から３つの値の平均値から呼吸基準値を算出する（Ｓ６９）。そして、呼吸基準値の算出が終わると、呼吸判定工程Ｓ７へ移行する。

さらに図１１のフローを参照して、基準値計算工程Ｓ５での呼吸基準値算出の期間の設定の例について説明する。まず、注目時点をデクリメント、例えば注目時点を前側（過去側）に隣接する時点に移動させる（Ｓ７１）。そして、この注目時点が５ｓｅｃ以上の体動期間に含まれないかを判定する（Ｓ７３）。注目時点が５ｓｅｃ以上の体動期間でない場合には（Ｓ７３がＮｏ）、この注目時点を呼吸基準値算出の期間に追加する（Ｓ７５）。そして、この期間が第２の所定期間Ｐｔｈより長いかを判定する（Ｓ７７）。この判定で、第２の所定期間Ｐｔｈより長い場合には（Ｓ７７がＹｅｓ）、呼吸基準値算出の期間が設定できたとして終了する。また、第２の所定期間Ｐｔｈより短い場合には（Ｓ７７がＮｏ）、再び注目時点をデクリメントする（Ｓ７１に戻る）。

また、注目時点が５ｓｅｃ以上の体動期間である場合には（Ｓ７３がＹｅｓ）、この、注目時点を記憶する（Ｓ７９）。ここで記憶した注目時点をポイントＢと呼ぶ。そして注目時点を呼吸基準値算出期間の設定を開始したときの時点へ戻す（Ｓ８１）。

そしてさらに、注目時点をインクリメントし、（Ｓ８３）。このインクリメントした注目時点が５ｓｅｃ以上の体動期間に含まれないかを判定する（Ｓ８５）。注目時点が５ｓｅｃ以上の体動期間でない場合には（Ｓ８５がＮｏ）、この注目時点を呼吸基準値算出の期間に追加し（Ｓ８７）、この期間が第２の所定期間Ｐｔｈより長いかを判定する（Ｓ８９）。この判定で、第２の所定期間Ｐｔｈより長い場合には（Ｓ８９がＹｅｓ）、呼吸基準値算出の期間が設定できたとして終了する。また、第２の所定期間Ｐｔｈより短い場合には（Ｓ８９がＮｏ）、再び注目時点をインクリメントする（Ｓ８３に戻る）。

また、注目時点が５ｓｅｃ以上の体動期間である場合には（Ｓ８５がＹｅｓ）、注目時点を、Ｓ７９で記憶した注目時点（ポイントＢ）とし（Ｓ９１）、さらに注目時点をデクリメントした後（Ｓ９３）、この注目時点が５ｓｅｃ以上の体動期間に含まれていなければ（Ｓ９４がＮｏ）、呼吸基準値算出の期間に追加する（Ｓ９５）。そして、この期間が第２の所定期間Ｐｔｈより長いかを判定する（Ｓ９７）。この判定で、第２の所定期間Ｐｔｈより長い場合には（Ｓ９７がＹｅｓ）、呼吸基準値算出の期間が設定できたとして終了する。また、第２の所定期間Ｐｔｈより短い場合には（Ｓ９７がＮｏ）、再び注目時点をデクリメントする（Ｓ９３に戻る）。

さらに図１２のフローを参照して、基準値計算工程Ｓ５での呼吸基準値算出の例についてさらに詳細に説明する。ここでは、基準値計算工程Ｓ５は、第２の所定期間内の測定データの安定性を評価し、その評価に基づいて呼吸基準値を算出する場合を説明する。まず、呼吸基準値の算出の際には、図１１で説明した呼吸基準値算出の期間（第２の所定期間、以下この期間をＴｅｒｍＡという）の設定を行う（Ｓ１０１）。そして、ＴｅｒｍＡ内の呼吸データのピークとボトムとの両方またはいずれか一方を検索し（Ｓ１０３）、さらに安定評価指数（ＳＩ）の計算を行う（Ｓ１０５）。安定評価指数（ＳＩ）は、例えばＴｅｒｍＡ（第２の所定期間）での呼吸データのピーク（又はボトム）のバラツキを示す値（標準偏差等）、ピーク間隔（又はボトム間隔、ゼロクロス間隔）のバラツキを示す値（標準偏差等）である。なお安定評価指数（ＳＩ）の替わりとしては、前述したような例えば、安定性を評価する期間内のピークの平均値をｌ、ピークの上位３つの平均値をｍとした場合に、｜ｌ―ｍ｜／（ｌ＋ｍ）＞閾値ｔｈ１であるときに不安定と評価するようなものとしてもよい。即ち、ＳＩ＝｜ｌ―ｍ｜／（ｌ＋ｍ）や、ＳＩ＝｜ｍ―ｎ｜／（ｍ＋ｎ）等が考えられる。

そして、計算された安定評価指数（ＳＩ）と閾値（Ｓｔｈ）とを比較し、安定性の評価を行う（Ｓ１０７）。ここで、計算された安定評価指数（ＳＩ）が、閾値（Ｓｔｈ）より小さければ（Ｓ１０７がＹｅｓ）、呼吸基準値（ベースライン）をＴｅｒｍＡ内（第２の所定期間内）のピークとボトムとの両方またはいずれか一方の平均値（Ｚ）とし（Ｓ１０９）、注目時点の呼吸基準値算出を終了する。

また、安定評価指数（ＳＩ）が、閾値（Ｓｔｈ）より大きければ（Ｓ１０７がＮｏ）、注目時点の後（過去）の一定期間（例えば１分）を呼吸基準値算出の期間（以下この期間をＴｅｒｍＢという）に設定する（Ｓ１１１）。そして、ＴｅｒｍＢ内の呼吸データのピークとボトムとの両方またはいずれか一方を検索し（Ｓ１１３）、さらに安定評価指数（ＳＩ）の計算を行う（Ｓ１１５）。

そして、計算された安定評価指数（ＳＩ）と閾値（Ｓｔｈ）とを比較し、安定性の評価を行う（Ｓ１１７）。ここで、計算された安定評価指数（ＳＩ）が、閾値（Ｓｔｈ）より小さければ（Ｓ１１７がＹｅｓ）、呼吸基準値（ベースライン）をＴｅｒｍＢ内のピークとボトムとの両方またはいずれか一方の平均値（Ｚ）とし（Ｓ１１９）、注目時点の呼吸基準値算出を終了する。

また、安定評価指数（ＳＩ）が、閾値（Ｓｔｈ）より大きければ（Ｓ１１７がＮｏ）、ＴｅｒｍＡ内の呼吸データのピークとボトムとの両方またはいずれか一方で大きい方から３つの値の平均値（Ｘ）を、注目時点の呼吸基準値（ベースライン）とし（Ｓ１２１）、注目時点の呼吸基準値算出を終了する。

ここで図１３のフローを参照して、呼吸判定工程Ｓ７の例について説明する。まず、注目時点の呼吸データが正値（≧０）であるかを判定する（Ｓ２０１）。注目時点の呼吸データが正値の場合には（Ｓ２０１がＹｅｓ）、呼吸基準値として、正側の呼吸基準値（例えばピークの平均値又はピークの大きい方から３つの値の平均値）を設定し（Ｓ２０３）、注目時点の呼吸データが設定した呼吸基準値の２０％未満であるか判定する（Ｓ２０７）。また、注目時点の呼吸データが負値の場合には（Ｓ２０１がＮｏ）、呼吸基準値として、負側の呼吸基準値（例えばボトムの平均値又はボトムの大きい方から３つの値の平均値）を設定し（Ｓ２０５）、注目時点の呼吸データが設定した呼吸基準値の２０％未満であるか判定する（Ｓ２０７）。

この判定で、注目時点の呼吸データが呼吸基準値の２０％未満である場合には（Ｓ２０７がＹｅｓ）、無呼吸イベントの継続時間をインクリメント即ち注目時点を無呼吸イベント継続時間に追加し（Ｓ２０９）、その継続時間が５ｓｅｃ以上であるかの判定を行う（Ｓ２１１）。また、注目時点の呼吸データが呼吸基準値の２０％以上である場合には（Ｓ２０７がＮｏ）、注目時点の呼吸データが設定した呼吸基準値の５０％未満であるか判定する（Ｓ２１３）。この判定で、注目時点の呼吸データが呼吸基準値の５０％未満である場合には（Ｓ２１３がＹｅｓ）、低呼吸イベントの継続時間をインクリメントし（Ｓ２１５）、その継続時間が５ｓｅｃ以上であるかの判定を行う（Ｓ２１１）。

また、この判定で、注目時点の呼吸データが呼吸基準値の５０％以上である場合には（Ｓ２１３がＮｏ）、注目時点の移動処理を行い（Ｓ２１７）、呼吸判定工程Ｓ７を終了する。なお、注目時点の移動処理は、基本的にはインクリメント処理（注目時点を後側に隣接する時点に移動させる処理）であるが、注目時点を移動させた結果第１の所定期間外になった場合にはその処理を終了するものである。

さらに、継続時間が５ｓｅｃ以上であるかの判定で（Ｓ２１１）、継続時間が５ｓｅｃ未満である場合には（Ｓ２１１がＮｏ）、注目時点の移動処理を行い（Ｓ２１７）、呼吸判定工程Ｓ７を終了する。また継続時間が５ｓｅｃ以上である場合には（Ｓ２１１がＹｅｓ）、イベント（無呼吸イベント又は低呼吸イベント）の開始時点と終了時点、即ち呼吸基準値の２０％未満、あるいは５０％未満の継続期間の直前、直後のピーク位置（又はボトム位置）を検索する（Ｓ２１９）。そして、このイベント期間が１０ｓｅｃ以上であれば（Ｓ２２１がＹｅｓ）、このイベント名（無呼吸イベント又は低呼吸イベント）とイベント期間の開始時点の時刻と終了時点の時刻を保存した後（Ｓ２２３）、注目時点の移動処理を行い（Ｓ２１７）、呼吸判定工程Ｓ７を終了する。但し、この場合の注目時点の移動処理は、注目時点の次の時点（データ）ではなく、ここで判定されたイベントの終了時点の次の時点（データ）へ移動する。なお、無呼吸イベントに接続している期間は、低呼吸イベントの条件を満たしていても低呼吸イベントとは扱わない。またこのイベント期間が１０ｓｅｃ未満であれば（Ｓ２２１がＮｏ）、注目時点の移動処理を行い（Ｓ２１７）、呼吸判定工程Ｓ７を終了する。これを各々の注目時点について繰り返す。

ここで、図１４の模式的斜視図を参照して、睡眠状態解析装置１に適した測定装置であるＦＧセンサ１０について説明する。ＦＧセンサ１０は、所定の照明パターンを投光する照明パターン投光装置としての輝点投光装置１１と、輝点投光装置１１により投光された光を撮像する撮像手段としての撮像装置１２と、撮像装置１２により撮像された画像に基づいて、人物２の状態を示す測定データを生成する測定部１４とを含んで構成される。なお本実施の形態では測定部１４は演算装置２０と一体に構成されている場合で説明する。なお上記各構成については以下で詳述する。

さらに図１５のブロック図に示すように、測定部１４は、撮像装置１２により異なる時点に取得された２フレームの画像から、所定の照明パターンの前記２フレーム間の移動量を算出する移動量算出手段としての移動量算出部１４１と、移動量算出部１４１により算出された移動量を時系列に並べてなる移動量波形データを生成する移動量波形生成手段としての移動量波形生成部１４２とを備えている。ここでは、異なる時点に取得された２フレームの画像は、取得像（Ｎフレーム）と、取得像の１つ前に取得した像（Ｎ−１フレーム）とする。なおＮ−１フレームの像のことを参照像という。測定部１４については後で詳しく説明する。

まず図１４に戻って、ＦＧセンサ１０の設置例について説明する。図中ベッド３上に、人物２が睡眠状態で横たわって存在している。ここでは、人物２の上には、さらに寝具４がかけられており、人物２の一部と、ベッド３の一部とを覆っている。この場合には、ＦＧセンサ１０は、寝具４の上面の高さ方向の一定時間内の動きに関する量を測定している。また寝具４を使用しない場合には、ＦＧセンサ１０は、人物２そのものの高さ方向の一定時間内の動きに関する量を測定する。なお、人物２の高さ方向の動きは、例えば人物２の呼吸や体動に伴う動きである。

ＦＧセンサ１０を構成している輝点投光装置１１と、撮像装置１２は、測定範囲であるベッド３の鉛直方向上方に配置されている。なお測定範囲は、人物２の胸部や腹部を含む範囲に設定されている。図示では、人物２のおよそ頭部上方に輝点投光装置１１が、ベッド３のおよそ中央部、または中央部よりやや頭部寄り上方に撮像装置１２が配置されている。輝点投光装置１１は、ベッド３上に照明パターンとしてのパターン１１ａを投光している。パターン１１ａは複数の輝点光である。また、撮像装置１２の画角は、人物２の上半身に相当する部分を含むベッド３のおよそ中央部分を撮像できるように設定される。撮像装置１２はほぼ垂直にベッド３を見下ろすように設置されていが、ある程度傾けて設置してもよい。なおここでは、撮像装置１２により撮像できる人物２上に投光された複数の輝点１１ｂの各位置が各測定点に対応する。

輝点投光装置１１と撮像装置１２とは、ある程度距離を離して設置するとよい。このようにすることで、図１７で説明する距離ｄ（基線長ｄ）が長くなるので、変化を敏感に検出できるようになる。なお、基線長は長く取ることが好ましいが、短くてもよい。但しこの場合には、呼吸等の小さな動きを検出しにくくなるが、後述のように、輝点の重心位置を検出するようにすれば、小さな動き（呼吸）の検出も可能である。

次に図１６の模式的斜視図を参照して、睡眠状態解析装置１に適した輝点投光装置１１について説明する。なおここでは、説明のために、測定範囲を平面１０２とし、後述のレーザ光束Ｌ１を平面１０２に対して垂直に投射する場合で説明する。輝点投光装置１１は、可干渉性の光束を発生する光束発生手段としての光束発生部１０５と、ファイバーグレーティング１２０（以下、単にグレーティング１２０という）とを備えている。光束発生部１０５により投射される可干渉性の光束は、典型的には赤外光レーザである。光束発生部１０５は、平行光束を発生するように構成されている。光束発生部１０５は、典型的には不図示のコリメータレンズを含んで構成される半導体レーザ装置であり、発生される平行光束は、レーザ光束Ｌ１である。そしてレーザ光束Ｌ１は、断面が略円形状の光束である。ここで平行光束とは、実質的に平行であればよく、平行に近い光束も含む。なお、略円形状とは略楕円形状を含む。

またここでは、グレーティング１２０は、平面１０２に平行に（Ｚ軸に直角に）配置される。グレーティング１２０に、レーザ光Ｌ１を、Ｚ軸方向に入射させる。するとレーザ光Ｌ１は、個々の光ファイバー１２１により、そのレンズ効果を持つ面内で集光したのち、発散波となって広がって行き、干渉して、投光面である平面１０２に複数の輝点アレイであるパターン１１ａが投光される。なお、グレーティング１２０を平面１０２に平行に配置するとは、例えば、グレーティング１２０を構成するＦＧ素子１２２の各光ファイバー１２１の軸線を含む平面と、平面１０２とが平行になるように配置することである。

また、グレーティング１２０は、２つのＦＧ素子１２２を含んで構成される。本実施の形態では、各ＦＧ素子１２２の平面は、互いに平行である。以下、各ＦＧ素子１２２の平面を素子平面という。また、本実施の形態では、２つのＦＧ素子１２２の光ファイバー１２１の軸線は、互いにほぼ直交している。

ＦＧ素子１２２は、例えば、直径が数１０ミクロン、長さ１０ｍｍ程度の光ファイバー１２１を数１０〜数１００本程度、平行にシート状に並べて構成したものである。また、２つのＦＧ素子１２２は、接触して配置してもよいし、それぞれの素子平面の法線方向に距離を空けて配置してもよい。この場合には、２つのＦＧ素子１２２の互いの距離は、パターン１１ａの投光に差支えない程度とする。レーザ光束Ｌ１は、典型的には、グレーティング１２２の素子平面に対して垂直に入射させる。

このように、輝点投光装置１１は、２つのＦＧ素子１２２を含んで構成されたグレーティング１２０が光学系となるので、複雑な光学系を必要とすることなく、光学筐体を小型化できる。さらに輝点投光装置１１は、グレーティング１２０を用いることで、単純な構成で、複数の輝点１１ｂをパターン１１ａとして対象領域に投光できる。なお、パターン１１ａは、典型的には正方格子状に配列された複数の輝点１１ｂである。また、輝点の形状は楕円形を含む略円形である。

さらに図１７の概念的斜視図を参照して撮像装置１２について説明する。撮像装置１２は、結像光学系１２ａと撮像素子１５を有するものである。撮像素子１５は、典型的にはＣＣＤ撮像素子である。また、撮像素子１５として、ＣＣＤの他にＣＭＯＳ構造の素子が最近盛んに発表されており、それらも当然使用可能である。特にこれらの中には、素子自体にフレーム間差算や二値化の機能を備えたものがあり、これらの素子の使用は好適である。

ここで、輝点の移動の概念について説明する。ここでは、判りやすく、測定範囲を平面１０２、対象物を物体１０３として説明する。さらにここでは、説明のために、参照像は、物体１０３が平面１０２に存在しないときのパターン１１ａの像であり、取得像は、物体１０３が平面１０２に存在しているときのパターン１１ａとして説明する。

図中物体１０３が、平面１０２上に載置されている。またＸＹ軸を平面１０２内に置くように、直交座標系ＸＹＺがとられており、物体１０３はＸＹ座標系の第１象限に置かれている。一方、図中Ｚ軸上で平面１０２の上方には、輝点投光装置１１と、撮像装置１２とが配置されている。撮像装置１２は、輝点投光装置１１によりパターン１１ａが投光された平面１０２を撮像する。即ち平面１０２上に載置された物体１０３を撮像する。

撮像装置１２の結像光学系としての結像レンズ１２ａは、ここでは、その光軸がＺ軸に一致するように配置されている。そして、結像レンズ１２ａは、平面１０２あるいは物体１０３上のパターン１１ａの像を、撮像装置１２の撮像素子１５の結像面１５’（イメージプレーン）に結像する。結像面１５’は、典型的にはＺ軸に直交する面である。さらに、結像面１５’内にｘｙ直交座標系をとり、Ｚ軸が、ｘｙ座標系の原点を通るようにする。平面１０２から結像レンズ１２ａと等距離で、結像レンズ１２ａからＹ軸の負の方向に距離ｄ（基線長ｄ）だけ離れたところに、輝点投光装置１１が配置されている。物体１０３と平面１０２には、輝点投光装置１１により複数の輝点１１ｂが形成するパターン１１ａが投光される。

輝点投光装置１１により平面１０２に投光されたパターン１１ａは、物体１０３が存在する部分では、物体１０３に遮られ平面１０２には到達しない。ここで物体１０３が存在していれば、平面１０２上の点１０２ａに投射されるべき輝点１１ｂは、物体１０３上の点１０３ａに投射される。輝点１１ｂが点１０２ａから点１０３ａに移動したことにより、また結像レンズ１２ａと輝点投光装置１１とが距離ｄ（基線長ｄ）だけ離れているところから、結像面１５’上では、点１０２ａ’（ｘ，ｙ）に結像すべきところが点１０３ａ’（ｘ，ｙ＋δ）に結像する。即ち、物体１０３が存在しない時点と物体１０３が存在する時点とは、輝点１１ｂの像がｙ軸方向に距離δだけ移動することになる。

これは、例えば図１８に示すように、撮像素子１５の結像面１５’に結像した輝点は、高さのある物体１０３により、δだけｙ軸方向に移動することになる。

このように、この輝点の移動量δを算出することにより、物体１０３上の点１０３ａの位置が三次元的に特定できる。即ち、例えば点１０３ａの高さがわかる。このように、ある点が、物体１０３が存在しなければ結像面１５’上に結像すべき点と、結像面１５’上の実際の結像位置との差を算出することにより、物体１０３の高さの分布、言い換えれば三次元形状が測定できる。あるいは物体１０３の三次元座標が測定できる。また、輝点１１ｂの対応関係が不明にならない程度に、パターン１１ａのピッチ、即ち輝点１１ｂのピッチを細かくすれば、物体１０３の高さの分布はそれだけ詳細に測定できることになる。

以上のような概念に基づいて、輝点の移動量を算出することで対象物の高さが測定できる。但しここでは、取得像と、取得像の１つ前に取得した像即ち参照像に基づいて、高さ方向の動きを測定するので、輝点の移動の変化量を見ることになる。このため、例えば人物２の絶対的な高さは測定できなくなるが、人物２の高さ方向の動きを検出することが目的であるので問題は無い。

再び図１５に戻って、測定部１４について詳述する。移動量算出部１４１は、図１８で説明したように、輝点の移動量を算出するものである。移動量算出部１４１は、以上のような、輝点の移動量の算出を、パターン１１ａを形成する各輝点毎に行うように構成される。即ち、複数の輝点の位置がそれぞれ測定点となる。移動量算出部１４１は、パターン１１ａを形成する各輝点毎に算出した輝点の移動量を移動量波形生成部１４２へ出力する。即ち、算出した各輝点の移動量が、各測定点での測定値となる。言い換えればここでは人物２の動きを複数の点で測定した各測定値は、各輝点の移動量に対応する。

ここで、取得像と参照像は、例えば撮像装置１２により撮像された像であるが、それぞれの像上での、輝点の位置情報も含む概念である。即ち、取得像と参照像は、各々の時点で、輝点投光装置１１の投光により形成されたパターン１１ａの像である。なお、本実施の形態では、参照像は、例えば、いわゆる像としてではなく、各輝点の位置に関する、座標等の位置情報の形で不図示の記憶手段に保存される。このようにすると、後述する輝点の移動量を算出する際に、例えば輝点の座標や方向を比較するだけで済むので処理が単純になる。さらに、ここでは、輝点の位置は、輝点の重心位置とする。このようにすることで、僅かな輝点の移動も計測することができる。

また、輝点の移動量は、参照像上の各輝点の位置情報と、取得像上の各輝点の位置情報とを比較することで、輝点の移動量を算出できる。なお、それぞれの移動量は、例えば、輝点の位置が移動した画素数（何画素移動したか）を計数することで求められる。但し、輝点の位置を重心位置として求めれば、１画素より小さい単位で移動量を算出することが可能である。算出される輝点の移動量は、輝点の移動方向を含む概念である。即ち、計測される輝点の移動量には、移動した方向の情報も含まれる。このようにすると、後述のように、差分像を生成しないで済むので処理を単純化できる。

なお上記では、輝点の位置情報を比較する場合で説明したが、参照像と取得像との差分像を作成してもよい。この場合、この差分像から対応する輝点の位置に基づいて、輝点の移動量を算出する。このようにすると、移動した輝点のみが差分像上に残るので、処理量を減らすことができる。

また移動量波形生成部１４２は、移動量算出部１４１で算出された各輝点の移動量を時系列に並べてなる移動量波形データを生成するものである。なおここでは、移動量算出部１４１で算出された輝点の移動量は、上述のように、取得像（Ｎフレーム）と、取得像の１つ前に取得した像（Ｎ−１フレーム）との異なる時点に取得された２フレームの画像に基づいて算出されている。言い換えれば任意の時点とそのわずかに前の時点の異なる２時点の像に基づいて算出されている。このため、生成する移動量波形データは、（例えば各輝点の移動量の総和をとった場合）は、単位時間あたりの体積変動波形、あるいはおおまかな単位時間あたりの平均的高さの変動波形、即ち体積変動の推移あるいは平均的高さの変動の推移を表す波形になる。また例えば、高さの推移を表すような波形を得たいときは、前記波形を積分すれば距離の波形、即ち高さ推移を示す波形になる。

ここで、移動量の総和をとった場合は、概ね、単位時間あたりの体積変動量を示す。各輝点の移動が個々の高さ変動を示しているため総和を取ることで体積変動となる。また各輝点の移動量は、各輝点位置での単位時間あたりの輝点位置の変化（即ち輝点移動速度）であり、単位時間での高さ変化に概ね相当する。

移動量波形生成部１４２は、以上のように生成された移動量波形データを測定データとして演算装置２０の体動期間検出部２２（図１参照）と基準値計算部２３へ出力するものである。即ち、移動量波形生成部１４２は、少なくとも輝点の移動量の総和の移動量波形データである呼吸データと、輝点の移動量の絶対値の総和の移動量波形データである体動データとの両方の波形データを含む測定データを出力するものである。

以上のように本実施の形態の睡眠状態解析装置１は、第１の所定期間の人物２の状態を示す測定データに基づいて、人物２の体動を判定し、さらにその測定データ中から人物２の体動を示すデータの存在する期間を検出する体動期間検出部２２と、第１の所定期間内の注目時点を含む又は注目時点に隣接する第１の所定期間より短い期間の第２の所定期間内の測定データから、第２の所定期間と体動期間検出部２２により検出された期間が重なる場合には、その検出された期間の測定データを除いた残りの測定データに基づいて呼吸基準値を算出する基準値計算部２３と、注目時点の測定データと基準値計算部２３により算出された呼吸基準値を比較し、この比較結果に基づいて、注目時点での対象物の低呼吸と無呼吸の両方又はいずれか一方を判定する呼吸判定部２４とを備えている。これにより、人物２の呼吸の状態、例えば無呼吸や低呼吸の出現時点や継続時間さらに出現回数を正確に解析することができる。

また、睡眠状態解析装置１は、測定装置としてＦＧセンサ１０を用いるので、人物２の状態を示す測定データを人物２に接触することなく取得できるので、人物２に負担をかけることが無い。さらに、呼吸のような人物２の小さな動きでも正確に測定できる。

本発明の実施の形態の睡眠状態解析装置の構成例を示すブロック図である。 本発明の実施の形態である、第２の所定期間に体動期間が重なった場合について説明する図である。 本発明の実施の形態で用いる、呼吸データ及び体動データが形成する波形パターンの例について示した概要図である。 本発明の実施の形態である、呼吸データ及び体動データとベースラインについて説明する線図である。 本発明の実施の形態で用いる、測定データのヒストグラムの例を示す線図である。 本発明の実施の形態の睡眠状態解析装置による処理工程の概略について説明するフロー図である。 図６での、体動期間検出工程の人物の体動の判定の第１の例について説明するフロー図である。 図６での、体動期間検出工程の人物の体動の判定の第２の例について説明するフロー図である。 図６での、体動期間検出工程の人物の体動の判定の第３の例について説明するフロー図である。 図６での、基準値計算工程の例について説明するフロー図である。 図６での、基準値計算工程で呼吸基準値算出の期間の設定の例について説明するフロー図である。 図６での、基準値計算工程で呼吸基準値算出の例についてさらに詳細に説明するフロー図である。 図６での、呼吸判定工程の例について説明するフロー図である。 本発明の実施の形態でのＦＧセンサの設置例を説明する外観斜視図である。 本発明の実施の形態でのＦＧセンサの概略構成を示すブロック図である。 本発明の実施の形態の輝点投光装置を説明する模式的斜視図である。 本発明の実施の形態での輝点の移動の概念について説明する概念的斜視図である。 図１７の場合での結像面に結像した輝点について説明する模式図である。

符号の説明

１ 睡眠状態解析装置
２ 人物
１０ ＦＧセンサ
１１ 輝点投光装置
１２ 撮像装置
１４ 測定部
２０ 演算装置
２２ 体動期間検出部
２３ 基準値計算部
２４ 呼吸判定部
１４１ 移動量算出部
１４２ 移動量波形生成部

Claims (14)

1. 第１の所定期間の対象物の状態を示す測定データに基づいて、前記対象物の体動を判定し、さらに前記測定データ中から前記体動を示すデータの存在する期間を検出する体動期間検出手段と；
   前記第１の所定期間内の注目時点を含む又は前記注目時点に隣接する第１の所定期間より短い期間の第２の所定期間内の測定データから、前記第２の所定期間と前記検出された期間が重なる場合には、前記検出された期間の測定データを除いた残りの測定データに基づいて基準値を算出する基準値計算手段と；
   前記注目時点の測定データと前記基準値を比較し、前記比較結果に基づいて、前記注目時点での前記対象物の低呼吸と無呼吸の両方又はいずれか一方を判定する呼吸判定手段とを備えた；
   状態解析装置。
2. 前記対象物の状態を示す測定データは、前記対象物の動きを複数の点で測定した測定結果に基づいたデータであり、前記複数の点での各測定値の総和である第１の測定データと該各測定値の絶対値の総和のデータである第２の測定データとの両方またはいずれか一方を含んでいることを特徴とする；
   請求項１に記載の状態解析装置。
3. 前記体動期間検出手段は、前記第１の所定期間より短い期間の第３の所定期間内の測定データに基づいて、前記注目時点の前記対象物の体動を判定するための体動判定値を算出し、
   前記体動判定値と、前記体動の判定の基準となる判定基準値とを比較し、前記比較結果に基づいて前記対象物の体動を判定するように構成された；
   請求項１又は請求項２に記載の状態解析装置。
4. 前記体動判定値は、前記第３の所定期間内の測定データのバラツキに関する量であることを特徴とする；
   請求項３に記載の状態解析装置。
5. 前記体動判定値は、前記注目時点の周囲の周波数分布から算出することを特徴とする；
   請求項３に記載の状態解析装置。
6. 前記体動期間検出手段は、前記注目時点の周囲の測定データに基づいて、前記注目時点の前記対象物の体動の判定の基準となる体動基準値を算出し、前記算出された体動基準値と前記注目時点の測定データとを比較して、前記比較結果に基づいて前記対象物の体動を判定するように構成された；
   請求項１又は請求項２に記載の状態解析装置。
7. 前記体動期間検出手段は、前記体動基準値を、前記注目時点の前の一定期間内の測定データの分布状況に基づいて算出することを特徴とする；
   請求項６に記載の状態解析装置。
8. 前記体動期間検出手段は、体動基準値を、前記注目時点の前の一定期間内の測定データと、後の一定期間内の測定データとに基づいて前記一定期間毎に算出し、前記対象物の体動の判定を、前記算出された体動基準値のそれぞれの有効性を評価していずれか一方を採用し、さらに前記注目時点のデータと前記採用された体動基準値を比較することで行うことを特徴とする；
   請求項６に記載の状態解析装置。
9. 前記基準値計算手段により算出された基準値は、前記測定データのピークとボトムとの両方またはいずれか一方の平均値に基づいて算出することを特徴とする；
   請求項１乃至請求項８のいずれか１項に記載の状態解析装置。
10. 前記基準値計算手段は、前記第２の所定期間内の測定データの安定性を評価し、前記評価に基づいて前記基準値を算出することを特徴とする；
    請求項１乃至請求項９のいずれか１項に記載の状態解析装置。
11. 前記基準値計算手段は、前記安定性の評価で、不安定と評価された場合には、前記注目時点の後の一定期間の測定データの安定性を評価し、安定と評価されたなら前記一定期間で算出された基準値を前記注目時点の基準値とすることを特徴とする；
    請求項１０に記載の状態解析装置。
12. 前記基準値計算手段は、前記安定性の評価で、安定と評価された場合と、不安定と評価された場合との両方で前記基準値を算出し、前記算出された両方の基準値が乖離している場合には、不安定と評価することを特徴とする；
    請求項１０又は請求項１１に記載の状態解析装置。
13. 所定の照明パターンを投光する照明パターン投光装置と、
    前記投光された光を撮像する撮像手段と、
    前記撮像手段により異なる時点に取得された２フレームの画像から前記照明パターンの前記２フレーム間の移動量を算出する移動量算出手段と、
    前記移動量を時系列に並べてなる移動量波形データを生成する移動量波形生成手段とを含んで構成される測定装置を備え；
    前記測定データは、前記測定装置から取得されたものであることを特徴とする；
    請求項１乃至請求項１２のいずれか１項に記載の状態解析装置。
14. 第１の所定期間の対象物の状態を示す測定データに基づいて、前記対象物の体動を判定し、さらに前記測定データ中から前記体動を示すデータの存在する期間を検出する体動期間検出工程と；
    前記第１の所定期間内の注目時点を含む又は前記注目時点に隣接する第１の所定期間より短い期間の第２の所定期間内の測定データから、前記第２の所定期間と前記検出された期間が重なる場合には、前記検出された期間の測定データを除いた残りの測定データに基づいて基準値を算出する基準値計算工程と；
    前記注目時点の測定データと前記基準値を比較し、前記比較結果に基づいて、前記注目時点での前記対象物の低呼吸と無呼吸の両方又はいずれか一方を判定する呼吸判定工程とを備えた；
    状態解析方法。