JP2018126422A - 電子機器、方法及びプログラム - Google Patents

Abstract

【課題】 ストレスに関する安定した情報を簡単に求めること。【解決手段】 実施形態によれば、電子機器は、センサによって測定されたユーザの脈拍又は心拍に関する生体情報を取得する手段と、入眠後の第１期間内にセンサにより測定された第１生体情報を用いて第１ストレス指標を決定し、出眠前の第２期間内にセンサにより測定された第２生体情報を用いて第２ストレス指標を決定する手段と、入眠から出眠までのストレス指標の変化の度合いを用いて定められたユーザのストレスに関する情報を出力する手段と、を具備する。【選択図】 図９

Description

本発明の実施形態はストレスに関する情報を求めることに関する。

ストレスに関する情報の測定には２種類の方法がある。１つは、血液や体液に基づくものである。これは、１週間、１か月等の長期にわたりユーザに蓄積されたストレス（以下、慢性ストレスとも称する）に関する情報を測定することはできるが、医療機器を使うので、測定が容易ではなく、ユーザの負担が大きい。他は、ウェアラブル型の生体センサを用いて測定した脈拍又は心拍に基づくものである。これは、１分、５分、１５分等の短時間のストレス（以下、瞬時ストレスとも称する）に関する情報を求めることはできるが、慢性ストレスに関する安定した情報を簡単に求めることはできない。慢性ストレスに関する情報を求めるためには、ユーザにウェアラブルセンサを装着させ、脈拍又は心拍を測定する。そして、測定値を演算し、ＬＦ、ＨＦ等の自律神経バランスに関する指標を演算し、指標の変化の傾向を調べる必要がある。

しかし、この方法は、指標演算は常時行っているので、消費電力が多い。また、脈拍又は心拍は、睡眠時は安定しているが、覚醒時は急激に変動することがある。そのため、脈拍又は心拍の１日の測定値の平均値や日中の測定値群の中の代表値を用いて自律神経指標を演算すると、覚醒時の脈拍又は心拍の変動がノイズとなり、指標が安定しない。

米国特許出願公開第２０１６／０３３１３１５号明細書 特開２０１６−１０７０９号公報

従来は、ストレスに関する安定した情報を簡単に求めることができない。

本発明の目的は、ストレスに関する安定した情報を簡単に求めることができる電子機器、方法及びプログラムを提供することである。

実施形態によれば、電子機器は、センサによって測定されたユーザの脈拍又は心拍に関する生体情報を取得する手段と、入眠後の第１期間内にセンサにより測定された第１生体情報を用いて第１ストレス指標を決定し、出眠前の第２期間内にセンサにより測定された第２生体情報を用いて第２ストレス指標を決定する手段と、入眠から出眠までのストレス指標の変化の度合いを用いて定められたユーザのストレスに関する情報を出力する出力手段とを具備する。

図１は実施形態のシステム構成の一例を示すブロック図である。 図２はセンサ端末１０の構成の一例を示すブロック図である。 図３はモバイル端末１２の構成の一例を示すブロック図である。 図４はストレス判定アプリケーション６６ｂの機能ブロックの一例を示す。 図５は体動データ処理モジュール１１２が体動データ変動量、体動量を算出する手順の一例を示す。 図６は体動検出モジュール１１４、覚醒／睡眠判定モジュール１２０による覚醒／睡眠の判定の一例を示す。 図７は脈拍間隔データ処理モジュール１２８が脈拍間隔データを補間する動作の一例を示す。 図８は自律神経指標演算モジュール１３２が自律神経指標ＬＦ、ＨＦを演算する動作の一例を示す。 図９は一般的な成人のＬＦ／ＨＦの変動状態の一例を示す。 図１０はセンサ端末１０の動作の一例を示すフローチャートである。 図１１はモバイル端末１２の動作の一例の前半を示すフローチャートである。 図１２はモバイル端末１２の動作の一例の後半を示すフローチャートである。 図１３はストレス指標テーブルの一例を示す。 図１４はサーバ１４の動作の一例を示すフローチャートである。 図１５はストレス指標の変化の一例を示す。 図１６はストレス指標の変化の他の例を示す。

以下、実施の形態について図面を参照して説明する。

（ストレスと脈拍又は心拍の関係）
心臓の動きに関する事象として、心拍と脈拍がある。１分間に心臓が拍動する回数が心拍数であり、手足の動脈が１分間に拍動する回数が脈拍数である。健常者の場合、両者は一致するので、以下、脈拍数と心拍数を区別せず、脈拍数又は心拍数と称する。脈拍数又は心拍数の逆数が脈拍間隔又は心拍間隔である。

心臓の動きは、自律神経の働きによって支配される。自律神経は、交感神経と副交感神経を含む。交感神経の働きが活発になる（活性化する）と、脈拍数又は心拍数は増加し、副交感神経の働きが活性化すると、脈拍数又は心拍数は減少する。身体を動かすと、交感神経が活性化するので、心拍数は増加する。身体が動いていない安静時は、副交感神経が活性化するので、心拍数が減少する。そのため、安静時の脈拍数又は心拍数を用いると、」自律神経のバランスを安定して評価することができる。自律神経のバランスは、ストレスによっても影響され、緊張すると、瞬時ストレスにより交感神経が活性化し、心拍数が増加する（胸がドキドキする）。また、職場や人間関係の影響などによる慢性ストレスが溜まっていると、交感神経は常に活性化された状態となるため、安静時の脈拍数又は心拍数は増加する。このように、脈拍又は心拍に関する情報（例えば脈拍数又は心拍数あるいは脈拍間隔又は心拍間隔）を用いることにより、どの程度ストレスを受けているかに関するストレス指標を決定し得る。ストレス指標とは、人間や動物等のある時点のストレスの強さを示すものであればよく、詳細は後述するが、例えば、自律神経バランスであって、ＬＦ／ＨＦ、ＳＤＮＮ、ＰＮＮ５０、ＨＦのみ、ＬＦのみ等を用いて測定される。瞬時ストレスは、短期間（１分、５分、１５分等）に測定されたストレス指標を用いて算出される。慢性ストレスは、長期間（１週間、1か月以上）に測定されたストレス指標を用いて算出される。

（システム構成）
図１は実施形態のシステム構成の一例を示すブロック図である。実施形態は、説明の便宜上、センサ端末１０、モバイル端末１２、サーバ１４の３つのユニットからなるシステムを示す。

センサ端末１０とモバイル端末１２との間、モバイル端末１２とサーバ１４との間は、無線又は有線により接続される。例えば、センサ端末１０とモバイル端末１２との間はブルーツース（登録商標）を用いて接続され、モバイル端末１２とサーバ１４の間はネットワーク１６を介して接続される。センサ端末１０は測定値をモバイル端末１２へ送信し、センサ端末１０はモバイル端末１２からの制御信号等を受信してもよい。

センサ端末１０は、各種の生体情報を測定するセンサを含む。生体情報は脈拍又は心拍に関する情報であればよく、たとえば、ユーザの心拍または脈拍の間隔の大小に関する情報や、ユーザの心拍または脈拍の間隔の変化に関する情報を含む。本実施形態では、生体情報は、ストレスに関する情報を求めるために用いられる。センサ端末１０は、生体情報を検知で可能なセンサを保有すればよく、例えば脈波センサと加速度センサを含む。なお、脈波センサの代わりに心拍センサを用いてもよい。センサ端末１０は、ウェアラブル端末でもよいし、ベッド等に備え付けられている端末でもよい。

ウェアラブル端末の場合、その態様は、リストバンド型、腕時計型、指輪型、メガネ型、イヤリング型、ペンダント型、貼り付け型、衣服内蔵型、胸骨下部等にベルトで装着等のいずれでも良い。

ベッドに備え付けられているセンサ端末としては、マットセンサと称されるものがある。マットセンサとは、ベッドマットの表面に設置され、ユーザの胸部又は腹部の振動を計測して、心拍と体動を検出する圧力センサである。圧力センサは、ユーザの不在、在床、体動等を測定可能なように振動を検出できればよく、例えば、ポリフッ化ビニリデンなどの高分子圧電材料を薄膜状にし、両面に可撓性の電極膜を付着させてテープ状に形成した圧電素子により構成される。

モバイル端末１２は、センサ端末１０から送信された生体情報を受信し、受信した生体情報を演算し、ストレス指標を求める。このストレス指標を求める演算はセンサ端末１０で行われてもよい。その場合、センサ端末１４からストレス指標がモバイル端末１２に送信される。モバイル端末１２は、ストレス指標をサーバ１４へ送信し、サーバ１４がストレス指標に基づいてストレスの度合いを判定し、判定結果を自身から出力する、あるいは判定結果をモバイル端末１２へ送信し、モバイル端末１２から出力させる。判定はサーバ１４に限らず、モバイル端末１２で行っても良い。さらに、センサ端末１０がストレス指標を求める演算を行う場合、判定もセンサ端末１０で行っても良い。判定の例は、ストレスの解消やストレスの蓄積がある。後者の場合、センサ端末１０又はモバイル端末１２又はサーバ１４から、警告が発生されてもよい。モバイル端末１２は、例えば、携帯電話、スマートフォン、ＰＣ、タブレット端末などであってもよいし、専用端末であってもよい。

サーバ１４は多数のモバイル端末１２と接続可能である。例えば企業の健康管理団体のサーバは、企業の従業員のモバイル端末１２からストレス指標を受信し、ストレス指標やストレス状態の判定に役立つ情報をストレージに蓄積する。産業医等がクライアント端末１８を用いてサーバ１４にアクセスして、従業員のストレスに関する情報等を閲覧して、ストレスの度合いを判定し、それに応じた健康管理を行うことができる。

図１は、３つのユニットからなるシステムを示したが、ユニットの数は３つに限られない。３つのユニットの機能の全てを１つのユニット、例えばセンサ端末１０に実装してもよいし、３つのユニットの機能を２つのユニット、例えばセンサ端末１０とモバイル端末１２又はセンサ端末１０とサーバ１４に分割して実装してもよい。例えば、図１では、センサ端末１０から脈波データがモバイル端末１２に送信され、モバイル端末１２で脈波データからストレス指標が演算され、ストレス指標がサーバ１４に送信され、ストレス指標がサーバ１４に蓄積されるが、センサ端末１０でストレス指標を求める演算、求めたストレス指標の蓄積をしてもよいし、サーバ１４を省略し、モバイル端末１２でストレス指標の蓄積をしてもよいし、モバイル端末１２を省略し、サーバ１４でストレス指標を求める演算、求めたストレス指標の蓄積をしてもよい。センサ端末１０とモバイル端末１２はユーザ毎の端末であり、多数のセンサ端末１０からの情報が多数のモバイル端末１２を介してサーバ１４にアップロード可能である。

（センサ端末１２）
図２はセンサ端末１０の構成の一例を示すブロック図である。センサ端末１０は加速度センサ２２、脈波センサ２４、ブルーツースモジュール２６、ＣＰＵ２８、メモリ３０、フラッシュメモリ３４、エンベデッドコントローラ（ＥＣ）３６、２次電池（ここでは、リチウムイオン電池）３８、充電端子４０、システムコントローラ４２、ディスプレイ４３、スピーカ４５等を含む。システムコントローラ４２は、ＣＰＵ２８と各コンポーネントとの間を接続するブリッジデバイスである。

加速度センサ２２は、３軸方向の例えば−２Ｇ〜２Ｇの加速度を計測する。加速度センサ２２から出力されるアナログの加速度データは、Ａ／Ｄ変換器４４を介してシステムコントローラ４２に入力される。Ａ／Ｄ変換器４４は、アナログデータのゲイン、オフセットを調整した後、１０ビットの加速度データに変換する。加速度センサ２２は、加速度を常時計測し、Ａ／Ｄ変換器４４は、一定周期、例えば５０ｍｓ毎に加速度データをシステムコントローラ４２に供給する。

脈波センサ２４は、心臓が血液を送り出すことに伴い発生する血管の容積変化を脈波として測定するためのものであり、光源である発光素子（例えば緑色のＬＥＤ）２４ａと、受光部であるフォトダイオード２４ｂを含む。ＬＥＤ２４ａとフォトダイオード２４ｂは同一平面に実装される。脈波センサ２４の前面には透明な窓部が設けられ、ＬＥＤ２４ａからの光が窓部を通して皮膚表面に照射され、皮膚表面の反射光が窓部を通してフォトダイオード２４ｂに入射される。フォトダイオード２４ｂは毛細血管内の血流変化により変化する反射光の変動を測定する。フォトダイオード２４ｂから出力されるアナログの測定データは、Ａ／Ｄ変換器４６によりデジタルデータに変換され、システムコントローラ４２に入力される。Ａ／Ｄ変換器４６は脈波センサ２４のフォトダイオード２４ｂからの出力電流を電圧に変換し、電圧を増幅して、例えばハイパスフィルタ（カットオフ周波数：０．１Ｈｚ）とローパスフィルタ（カットオフ周波数：５０Ｈｚ）を施した後、１０ビットの脈波データに変換する。なお、センサ端末１２が指輪型のウェアラブル端末の場合、フォトダイオードは、反射光ではなく、血管を透過した光を受光してもよい。

ブルーツースモジュール２６は、モバイル端末１２との通信に使用される。システムコントローラ４２は、ブルーツースモジュール２６を用いて加速度データと脈波データをモバイル端末１２に送信する。システムコントローラ４２は、ブルーツースモジュール２６を用いてモバイル端末１２から制御信号を受信する。

ＣＰＵ２８はセンサ端末１０の各コンポーネントの動作を制御するプロセッサである。ＣＰＵ２８は、フラッシュメモリ３４に記憶されているアプリケーションプログラム（以下、単にアプリケーション又はアプリと称することもある）を実行することにより、センサ端末１０の動作を制御する。なお、アプリケーションは更新可能である。センサ端末１０の動作はアプリケーションにより制御されるのではなく、専用のハードウェア、例えばカスタムＬＳＩ、セミカスタムＬＳＩ、プログラマブルＤＳＰにより制御されてもよい。

エンベデッドコントローラ３６は、センサ端末１０の電力管理を実行するための電力管理コントローラであり、リチウムイオン電池３８の充電を制御する。センサ端末１０が充電器４８に装着されると、充電端子４０を介して充電器４８からの充電電流がセンサ端末１０に供給され、リチウムイオン電池３８が充電される。エンベデッドコントローラ３６は、リチウムイオン電池３８からの電力に基づいて各コンポーネントへ動作電源を供給する。

センサ端末１０には機器ＩＤが付与されている。センサ端末１０は、加速度データと脈波データをモバイル端末１２に送信する際、送信データに機器ＩＤを含める。このため、モバイル端末１２は、機器ＩＤに基づいてセンサ端末１０からのデータを識別できる。

（モバイル端末１２）
図３はモバイル端末１２の構成の一例を示すブロック図である。モバイル端末１２はブルーツースモジュール６０、無線通信モジュール６２、ＣＰＵ６４、メモリ６６、ＳＳＤ（又はＨＤＤ）６８、ディスプレイ７０、スピーカ７２、エンベデッドコントローラ（ＥＣ）７４、２次電池（ここでは、リチウムイオン電池）７６、充電端子７８、システムコントローラ８２等を含む。システムコントローラ８２は、ＣＰＵ６４と各コンポーネントとの間を接続するブリッジデバイスである。

ＣＰＵ６４は、モバイル端末１２に実装された各コンポーネントの動作を制御するプロセッサである。ＣＰＵ６４は、不揮発性のストレージデバイスであるＳＳＤ６８からメモリ６６にロードされる各種ソフトウェアを実行する。このソフトウェアは、オペレーティングシステム（ＯＳ）６６ａ、ストレス判定アプリケーションプログラム６６ｂ等を含む。メモリ６６はワーキングメモリ６６ｃも含む。ストレス判定アプリケーションプログラム６６ｂは、加速度データ、脈波データに基づいて、ユーザのある時点でのストレス指標を求める。

ストレス指標の例は種々存在するが、実施形態では、自律神経のバランスを示す指標を用いる。自律神経のバランスを示す指標の例は後述する。このストレス指標の変化の度合い等に基づいて、ユーザにストレスが蓄積され慢性ストレス状態になっているか、あるいはストレスが解消されているか等が判定できる。ストレス指標及び変化の度合いは、センサ端末１０、モバイル端末１２、サーバ１４のいずれで計算してもよい。ストレス指標そのもの又は指標の変化の度合いは、モバイル端末１２のディスプレイ７０又はサーバ１４にアクセスするクライアント端末１８で表示されてもよい。変化の度合いが所定の閾値以上の場合、ストレスが蓄積されている警告をモバイル端末１２のディスプレイ７０、スピーカ７２等から発してもよい。なお、アプリケーションは更新可能である。ストレス指標を求める演算又は指標の変化の度合いを求める演算、さらには変化の度合いに基づいてストレス状態を判定する処理はアプリケーションにより実行されるのではなく、専用のハードウェア、例えばカスタムＬＳＩ、セミカスタムＬＳＩ、プログラマブルＤＳＰにより実行されてもよい。

ディスプレイ７０はタッチパネルであってもよく、ＣＰＵ６４の制御のもとでシステムコントローラ８２からの表示信号に基づいてストレス指標そのもの又は指標の変化の度合いを表示してもよいし、ストレス状態が良好でない場合の警告を表示してもよい。ストレスに関する情報や警告はスピーカ７２から出力されてもよい。

ブルーツースモジュール６０はセンサ端末１０のブルーツースモジュール２６と通信し、センサ端末１０から出力される生体情報を受信し、制御信号をセンサ端末１０へ送信する。

無線通信モジュール６２は、無線ＬＡＮや３Ｇ移動通信などの無線通信又はＮＦＣ（Near Field Communication)などの近接無線通信を実行するように構成されたモジュールである。無線通信デバイス６２を介してモバイル端末１２はネットワーク１６に接続される。

エンベデッドコントローラ７４は、センサ端末１０のエンベデッドコントローラ３６と同様にモバイル端末１２の電力管理を実行するための電力管理コントローラであり、リチウムイオン電池７６の充電を制御する。モバイル端末１２が充電器８０に装着されると、充電端子７８を介して充電器８０からの充電電流がモバイル端末１２に供給され、リチウムイオン電池７６が充電される。エンベデッドコントローラ７４は、リチウムイオン電池７６からの電力に基づいて各コンポーネントへ動作電源を供給する。

（ストレス指標演算）
図４はストレス判定アプリケーションプログラム６６ｂの機能ブロックの一例を示す。ストレス判定アプリケーションプログラム６６ｂは、センサ端末１０から送信された加速度データ、脈波データを入力する。ストレス判定アプリケーションプログラム６６ｂは、体動データ処理モジュール１１２、体動検出モジュール１１４、覚醒／睡眠判定モジュール１２０、中途覚醒検出モジュール１２２、脈波データ処理モジュール１２６、脈拍間隔データ処理モジュール１２８、周波数スペクトル変換モジュール１３０、自律神経指標演算モジュール１３２、睡眠状態判定モジュール１３６等を含む。

体動データ処理モジュール１１２は、センサ端末１０から送信された３軸方向の加速度データから、体動データの変動量および脈拍間隔内の体動データの変動量の平均である体動量を求める。

体動データ処理モジュール１１２が、体動データ変動量及び体動量を算出する手順の一例を図５に示す。加速度データは、Ｘ軸、Ｙ軸、Ｚ軸の３軸成分からなるが、説明の便宜上、図５はＸ軸成分を示す。他の軸（Ｙ軸、Ｚ軸）はＸ軸と同様であるので、図示は省略する。体動データ処理モジュール１１２は、図５（ａ）に示すＸ軸方向の加速度データの微分係数を算出する。図５（ｂ）はＸ軸方向の加速度の微分係数の１分間の変移を示す。次に、体動データ処理モジュール１１２は、Ｘ軸方向の加速度の微分係数の２乗和の平方根を算出し、図５（ｃ）に示す体動データの変動量を求める。体動データ処理モジュール１１２は、体動データの変動量から脈拍間隔内の体動データの変動量の平均である体動量を算出する。体動データの変動量は、例えば５０ｍｓ毎のユーザの体動の変動量とする。体動データの変動量の１分間の平均値を体動量とする。体動データ処理モジュール１１２は、体動データの変動量および体動量を体動検出のためのデータとして体動検出モジュール１１４に提供する。体動検出モジュール１１４は、ユーザの体動を検出する。

覚醒／睡眠判定モジュール１２０は、体動検出モジュール１１４によって検出された体動の発生頻度からユーザが睡眠中か覚醒しているか判定する。体動検出モジュール１１４、覚醒／睡眠判定モジュール１２０による覚醒／睡眠判定の判定例を図６に示す。体動検出モジュール１１４は、体動データ処理モジュール１１２から取得した体動データの変動量が第１閾値（例えば、０．０１Ｇ）以上か否かを判定し、第１閾値以上の場合、ユーザの体動を検出する。

覚醒／睡眠判定モジュール１２０は、設定区間、例えば１分間において体動検出モジュール１１４が体動を検出する頻度を測定し、体動発生頻度が第２閾値、例えば５回／１分以上である場合、ユーザは覚醒状態であると判定する。一方、体動発生頻度が第２閾値未満である場合、ユーザは睡眠状態であると判定する。あるいは、覚醒／睡眠判定モジュール１２０は、体動の発生頻度が第３閾値、例えば２０回／分以上であり、かつ、後述する処理により得られる脈拍間隔データが過去の睡眠中の脈拍間隔データの平均値より短い場合、ユーザは覚醒中と判定してもよい。

中途覚醒検出モジュール１２２は、覚醒／睡眠判定モジュール１２０の判定結果から、中途覚醒の回数及び時間合計を取得する。中途覚醒とは、入眠後起床までの間の覚醒を示し、瞬間的な覚醒を含むものとする。なお、中途覚醒検出モジュール１２２は、中途覚醒の回数及び時間合計の両方を取得せずに、中途覚醒を示す値としていずれか一つを取得してもよい。中途覚醒検出モジュール１２２の検出結果は、覚醒／睡眠判定モジュール１２０にフィードバックされる。

このフィードバックに基づいて、覚醒／睡眠判定モジュール１２０は、中途覚醒検出モジュール１２２により検出された例えば３０分間、１時間以下の短時間の中途覚醒は覚醒として見做さず、その間も睡眠中と見做す。例えば、第１入眠検出後、第１出眠を検出し、その後第２入眠を検出し、第２出眠を検出する場合がある。しかし、第１出眠の検出タイミングから第２入眠の検出タイミングまでの期間が閾値期間以下の場合、この期間は睡眠中と見做す。すなわち、第１出眠、第２入眠は無視して、第１入眠から第２出眠までが睡眠期間とする。

脈波データ処理モジュール１２６は、センサ端末１０から送信された脈波データをサンプリングし、サンプリングした一連の脈波データを時間微分して一連の脈波データの直流変動成分を取得し、一連の脈波データから直流変動成分を除去する。そして、脈波データ処理モジュール１２６は、直流変動成分を除去された一連の脈波データの処理ポイントを中心とした前後約１秒の脈波データの最大値と最小値を取得し、最大値と最小値との間の所定の値を第４閾値と設定する。例えば、第４閾値は、最大値、最小値の差を振幅として、最小値から振幅の９割の値とする。さらに、脈波データ処理モジュール１１２は、直流変動成分を除去された一連の脈波データから第４閾値に一致する一連の脈波データの値が現れた時刻を算出し、算出された時刻の間隔から脈拍間隔データを取得する。

脈拍間隔データ処理モジュール１２８は、脈波データ処理モジュール１２６が取得した脈拍間隔データから一連の脈拍間隔データ、例えば、１分間のデータセットを生成し、一連の脈拍間隔データを高次の多項式で補間する。ここで、脈拍間隔データ処理モジュール１１３が一連の脈拍間隔データを補間する一例について説明する。

脈拍間隔データ処理モジュール１２８が一連の脈拍間隔データを補間する一例を図７に示す。脈拍間隔データ処理モジュール１２８は、不等間隔の脈拍間隔データを補間、再サンプリングし、等間隔の脈拍間隔データを生成する。例えば、脈拍間隔データ処理モジュール１２８は、３次の多項式補間法によって補間する点の前後それぞれ３点のサンプリング点を用いて等間隔の脈拍間隔データを生成する。

周波数スペクトル変換モジュール１３０は、脈拍間隔データ処理モジュール１２８によりデータ処理された一連の等間隔の脈拍間隔データを、ＦＦＴ(Fast Fourier Transform)法などの周波数解析手法により周波数スペクトル分布に変換する。自律神経指標演算モジュール１３２は、図８に示すように、パワースペクトルの値からストレス指標としての自律神経指標ＬＦ、ＨＦを取得する。例えば、自律神経指標演算モジュール１３２は、複数のパワースペクトルのピーク値とピーク値を中心として前後等間隔の１点との３点の合計値の算術平均をとってＬＦ、ＨＦとする。周波数解析法としてＦＦＴ法を用いることは、データ処理の負担が軽い利点があるが、これ以外のＡＲモデル法、最大エントロピー法、ウェーブレット法等、どのような手法を用いても良い。ＬＦはパワースペクトルの低周波数領域（０．０５〜０，１５Ｈｚ付近）の指標であり、ＨＦは高周波数領域（０．１５〜０．４Ｈｚ付近）の指標である。ＨＦは、副交感神経の活動を反映し、ＬＦは、交感神経の活動を反映する。ＬＦとＨＦのパワーの比率であるＬＦ／ＨＦは、交感神経と副交感神経の全体のバランスを表す。この比が大きいと交感神経優位を、小さいと副交感神経優位を示す。そのため、自律神経指標をストレス指標とすることができる。ストレス指標は自律神経指標以外の指標も含むが、以下の説明では、自律神経指標はストレス指標と同義とする。

自律神経指標として脈拍間隔又は心拍間隔に関する情報ＬＦ、ＨＦを説明したが、自律神経バランスに関する指標は、ＬＦ、ＨＦに限らず、他の指標をストレス指標として用いてもよい。自律神経指標は、時間領域の指標と、周波数領域の指標に分類される。ＬＦ、ＨＦは周波数領域の自律神経指標であり、周波数領域の自律神経指標の他の例は、ＶＬＦ、トータルパワー等がある。ＶＬＦは超低周波数領域（０〜０．０５Ｈｚ付近）の指標である。トータルパワーは、短時間（例えば、５分間）テストにおける周波数０〜０．４Ｈｚ（ＶＬＦ、ＬＦ、ＨＦ）のパワースペクトルのトータルパワーの計算値である。この値は、交感神経活動が主に占める自律神経系活動全体を反映する。

時間領域の自律神経指標は、ＨＲＴ（心拍数）、ＭｅａｎＮＮ（ＮＮ間隔平均）、ＳＤＮＮ（ＮＮ間隔標準偏差値）、ＲＭＳ−ＳＤ（隣接ＮＮ間隔標準偏差）、ＰＮＮ５０（心拍間隔の割合）、ＴＩ（緊張指標）等がある。ＨＲＴ（心拍数）は、テスト期間中の全心拍数の平均値であり、１分間の心拍数（ＢＰＭ）で測定される。ＭｅａｎＮＮ（ＮＮ間隔平均）は、テスト期間中の全拍動感覚値を平均したものである。ＳＤＮＮ（ＮＮ間隔標準偏差値）は、ＮＮ間の標準偏差であり、ＮＮ間隔の分散の平方根である。ＲＭＳ−ＳＤ（隣接ＮＮ間隔標準偏差）は、連続して隣接するＮＮ間隔の標準偏差で、隣接ＮＮ間隔の分散の平均の平方根である。ＰＮＮ５０（心拍間隔の割合）は、テスト期間中の全心拍数の平均値であり、ＨＲＴは１分間の心拍数（ＢＰＭ）で測定される。ＴＩ（緊張指標）は、基本的に精神的ストレスが原因でおこる自律神経調節メカニズムの機能的緊張指標である。

実施形態では、交感神経と副交感神経の活性状態のバランスによって脈拍数の変化に対するＨＦの変動波とＬＦの変動波の影響が異なることを利用して、自律神経指標ＬＦとＨＦのパワーの比ＬＦ／ＨＦをストレス指標とする。

図９は、一般的な成人のストレス指標（ＬＦ／ＨＦ）の変動の一例を示す。日中等の覚醒している間は、ストレス指標は非常に大きい値から非常に小さい値まで大きく変動するが、睡眠中は、ストレス指標は小さい値の前後で変動し、変動幅も小さい。そのため、覚醒期間のストレス指標ではなく、睡眠中のストレス指標を使うことによりストレスに関する安定した情報を得ることができる。

ストレス指標を睡眠中に常時演算して、多数のストレス指標に基づいてストレス状態を判定しても良いが、ストレスが解消されると、ストレス指標が減少することが知られている。そのため、実施形態は、睡眠中のストレス指標の変化に基づいてストレス状態を判定する。変化を求める２点のストレス指標としては、一番時間間隔が長いストレス指標である入眠直後Ｔ１のストレス指標（第１ストレス指標とも称する）と出眠直前Ｔ２のストレス指標（第２ストレス指標とも称する）とする。

このように、睡眠中常時ストレス指標を演算することはしていないので、消費電力が少なくて済む。また、ストレス指標を求めるための脈波データをセンサ端末１０からモバイル端末１２へ常時送信することはしていないので、やはり消費電力が少なくて済む。

入眠直後とは入眠（覚醒から睡眠への変化）時刻から第１所定時間の期間であり、第１所定時間は、数分（例えば、５分）でもよいし、数時間（例えば、１時間又は２〜３時間）でもよい。出眠直前とは出眠（睡眠から覚醒への変化）時刻から第２所定時間前までの期間であり、第２所定時間は数分（例えば、５分）でもよいし、数時間（例えば、１時間又は２〜３時間）でもよい。なお、第１と第２所定時間は異なっていても良い。

第１、第２のストレス指標は、入眠から第１所定時間後、出眠より第２所定時間前の２つの時刻の脈波データから求めても良いが、入眠直後期間、出眠直前期間内の一定間隔の複数の脈波データの演算値（例えば、平均値、最大値、最小値、中央値）から求めてもよい。後者の場合、複数の脈波データの演算をセンサ端末１０で行わず、センサ端末１０から複数の脈波データをモバイル端末１２に送信し、モバイル端末１２で演算してもよい。

第１ストレス指標と第２ストレス指標の差分（第２−第１）であるストレス指標の変化値の符号がプラス（指標が増加）、マイナス(指標が減少)又は±０（増減無し）かに基づいてストレスが蓄積又は解消されていることが判定できる。変化値の絶対値からはストレスがどの程度蓄積又は解消されているかが判定できる。さらに、単なる変化値ではなく、単位時間当たりの変化の割合である変化率に基づくとストレスがどの程度蓄積又は解消されているかが判定できる。変化率は、変化値を第１ストレス指標と第２ストレス指標を求めた時刻の差で割ったものである。さらに、出眠時の第２ストレス指標そのものの値に基づいてもストレス状態を判定できる。上述した判定例は、ストレス指標の一晩の変化に基づく判定例であるが、一晩ではなく長期間（例えば、１週間、１か月）のストレス指標の変化の傾向を調べると、慢性ストレスに関する健康状態が判定できる。

図４の睡眠状態判定モジュール１３６は、自律神経指標演算モジュール１３２が演算したＬＦ／ＨＦからユーザの睡眠状態を判定する。例えば、睡眠状態判定モジュール１３６は、ＬＦ／ＨＦが第５閾値よりも小さく、かつ、ＨＦが第６閾値よりも大きいときは、睡眠状態は深睡眠（ノンレム睡眠）であると判定し、また、ＬＦ／ＨＦが第７閾値よりも大きく、かつ、ＨＦが第８閾値より小さく、かつ、ＬＦ、ＨＦの標準偏差の合計が第９閾値より大きいときは、睡眠状態はレム睡眠であると判定し、深睡眠（ノンレム睡眠）およびレム睡眠以外のときは浅睡眠（ノンレム睡眠）と判定する。

（動作例）
実施形態の種々の動作態様を説明する。

図９に示すように、入眠直後と出眠直前の２つのストレス指標が演算される。入眠直後と出眠直前のストレス指標を演算するためには、入眠直後と出眠直前の脈波データが必要である。このためには、センサ端末１０又はモバイル端末１２は、センサ端末１０を装着しているユーザが現在睡眠中であるか覚醒中であるかを知る必要がある。睡眠時間が予め決まっている場合、入眠時刻、出眠時刻、第１所定時間、第２所定時間を予めセンサ端末１０に入力し、センサ端末１０が測定する時刻又は期間を予め設定することができる。これにより、センサ端末１０は、予め設定された時刻または期間に脈波センサ２４をオンして、第１、第２ストレス指標を計算するための脈波データをモバイル端末１２に送信することができる。この場合、加速度センサ２２は不要である。

睡眠時間が決まっていることは稀であるが、起床（出眠）時刻は決まっていることがある。この場合、出眠時刻と第２所定時間だけ予めセンタ端末１０に入力し、センサ端末１０が測定する時刻又は時間を予め設定してもよい。これにより、センサ端末１０は、予め設定された時刻または期間に脈波センサ２４をオンして、第２ストレス指標を計算するための脈波データをモバイル端末１２に送信することができる。入眠時刻は覚醒／睡眠判定モジュール１２０が加速度センサ２２の出力に基づき判定し、入眠時刻から第１所定時間の期間、あるいは入眠時刻から第１所定時間後に脈波センサ２４がオンされ、第１ストレス指標を計算するための脈波データがモバイル端末１２に送信される。

睡眠時間（入眠時刻及び出眠時刻）が決まっていない場合、入眠時刻も出眠時刻も覚醒／睡眠判定モジュール１２０が加速度センサ２２の出力に基づき判定し、判定結果に応じてセンサ端末１０が脈波センサ２４等を制御する。出眠直前は出眠後に判明するので、センサ端末１０は睡眠中に定期的に脈波データを収集して、一定期間の脈波データをメモリ３０に常時格納しておく。モバイル端末１２は、覚醒／睡眠判定モジュール１２０による出眠判定後、センサ端末１０へ脈波データを要求する。この要求に応じて、センサ端末１０は、メモリ３０から第２ストレス指標を計算するための過去の脈波データを読出し、モバイル端末１２に送信することができる。また、入眠時刻もその瞬間ではなく入眠の瞬間から多少遅れて判明することがあるので、センサ端末１０が常時定期的に脈波データを収集して、一定期間の脈波データをメモリ３０に常時格納しておく。モバイル端末１２は、覚醒／睡眠判定モジュール１２０による入眠判定後又は出眠判定後、センサ端末１０へ脈波データを要求する。この要求に応じて、センサ端末１０は、メモリ３０から第１又は第２ストレス指標を計算するための脈波データを読出し、モバイル端末１２に送信することができる。

（センサ端末１０の動作）
図１０はセンサ端末１０の動作を示すフローチャートである。ブロック２０２で、システムコントローラ４２は、脈波センサ２４が測定した脈波データをメモリ３０に書込む。ブロック２０４で、システムコントローラ４２は、加速度センサ２２が測定した加速度データをブルーツースモジュール２６によりモバイル端末１２へ送信する。加速度センサ２２は、一定間隔、例えば５０ｍｓ毎に加速度データを測定するので、ブロック２０４は一定周期で実行される。ブロック２０６で、システムコントローラ４２は、モバイル端末１２から脈波データの送信が要求されたか否か判定する。

否の場合、処理はブロック２０２に戻り、脈波データのメモリ３０への書き込みが繰り返される。メモリ３０の脈波データの記憶容量は一定であり、空き容量が無くなると、時間的に古いデータは新しいデータにより順次上書きされる。このため、最新の所定期間、例えば１時間の脈波データがメモリ３０に記憶される。

ブロック２０６で、モバイル端末１２から脈波データの送信が要求された場合、システムコントローラ４２は、要求された脈波データをメモリ３０から読み出し、モバイル端末１２へ送信する。

（モバイル端末１２の動作）
図１１、図１２は、モバイル端末１２の動作を示すフローチャートである。ブロック２２２で、システムコントローラ８２は、センサ端末１０から送信される加速度データをブルーツースモジュール６０により受信する。加速度データは、センサ端末１０から一定間隔、例えば５０ｍｓ毎に送信されるので、モバイル端末１２でも、ブロック２２２の加速度データ受信は一定周期で実行される。加速度データはストレス判定アプリケーション６６ｂにより演算処理される。

ブロック２２４で、体動データ処理モジュール１１２は、図５に示すように、加速度データから体動データの変動量を求める。

ブロック２２６で、体動検出モジュール１１４は、図６に示すように、体動データの変動量から体動を検出する。ブロック２２８で、覚醒／睡眠判定モジュール１２０は、図６に示すように、体動の検出頻度を測定する。体動の検出頻度が求められると、ブロック２３２で、覚醒／睡眠判定モジュール１２０は、図６に示すように、体動の検出頻度に基づいてセンサ端末１０を装着しているユーザが覚醒しているか睡眠中かを判定する。

すなわち、体動検出モジュール１１４は、体動データ処理モジュール１１２から取得した体動データの変動量が第１閾値以上の場合、ユーザの体動を検出する。覚醒／睡眠判定モジュール１２０は、設定区間、例えば１分間において検出された体動の数（頻度）を求め、体動の検出頻度が第２閾値以上である場合、ユーザは覚醒していると判定し、それ以外の場合、睡眠中である判定する。覚醒／睡眠の判定は、上述の例に限らず、どのような判定を行ってもよい。

ブロック２３２で睡眠中であると判定されると、ブロック２３３で、覚醒／睡眠判定モジュール１２０は、前回の判定結果は覚醒か否かをさらに判定する。前回の判定結果が睡眠中である場合、処理はブロック２２２に戻り、加速度データの受信が続けられる。

前回の判定結果が覚醒である場合、すなわち現在の状態が入眠直後である場合、ブロック２３４で、システムコントローラ８２は、入眠直後の第１ストレス指標を演算するために必要な脈波データの送信をブルーツースモジュール６０によりセンサ端末１０に要求する。センサ端末１０は、この要求に応じて、図１０のブロック２０８に示すように、入眠直後の脈波データをモバイル端末１２へ送信する。

ブロック２３６で、脈波データがブルーツースモジュール６０により受信されると、第１ストレス指標が演算される。例えば、ブロック２３６で、脈波データ処理モジュール１２６は、センサ端末１０から送信された脈波データをサンプリングし、サンプリングした一連の脈波データを時間微分して一連の脈波データから脈拍間隔データを取得する。脈拍間隔データ処理モジュール１２８は、脈拍間隔データから一連の脈拍間隔データを生成し、一連の脈拍間隔データを高次の多項式で補間する。周波数スペクトル変換モジュール１３０は、補間後の脈拍間隔データを、ＦＦＴ(Fast Fourier Transform)法などの周波数解析手法により周波数スペクトル分布に変換する。自律神経指標演算モジュール１３２は、複数のパワースペクトルのピーク値とピーク値を中心とその前後の等間隔の２点との計３点の合計値の算術平均をとってＬＦ、ＨＦとする。この時のＬＦ／ＨＦが入眠直後の第１ストレス指標となる。

ブロック２３８で、システムコントローラ８２は、第１ストレス指標を入眠時刻、指標測定時刻等とともに、メモリ６６内のストレス指標テーブルに書込む。

ストレス指標テーブルの一例を図１３に示す。ストレス指標テーブルは、ユーザ毎にストレス指標を管理する。ウェアラブル端末であるセンサ端末１０はユーザ固有の端末であることが一般的であるが、間違えて他人のウェアラブル端末を使用することも起こり得る。ウェアラブル端末ではなく、ベッドに備え付けのセンサ端末１０は、複数のユーザが使用することが多い。そのため、ストレス指標テーブルは、機器ＩＤ以外にユーザＩＤも有している。あるユーザが最初にセンサ端末１０を使用する際、モバイル端末１２はセンサ端末１０のユーザ登録を行い、ストレス指標テーブルと機器ＩＤ／ユーザＩＤとを対応付ける。センサ端末１０がユーザから取り外された後再度装着される時、ユーザＩＤが入力され、ユーザＩＤに対応付けられているストレス指標テーブルが特定される。これにより、同じセンサ端末１０を複数のユーザが使用した場合でも、センサ端末からの脈波データに基づいて演算されたストレス指標を同一ユーザのストレス指標テーブルに書込むことができる。

指標変化値は（出眠直前の第２ストレス指標）−（入眠直後の第１ストレス指標）である。睡眠によりストレスが解消されると、ストレス指標の値は減少し、変化値はマイナスとなる。第２ストレス指標の値が第１ストレス指標の値より大きい場合、変化値はプラスとなり、ストレスが蓄積されていることになる。ストレス状態が変わらない場合、変化値は±０である。

指標変化率は単位時間当たりの変化値であり、指標変化値を第１ストレス指標に関する第１時刻から第２ストレス指標に関する第２時刻までの期間で割った値である。変化率の絶対値は解消度合い（マイナスの場合）／蓄積度合い(プラスの場合)を示す。変化率がマイナスでその値が大きい場合、ストレスに抗する力が強いと判定でき、変化率がプラスでその値が大きい場合、ストレスに抗する力が弱く、ストレスが溜まり易いと判定できる。

中途覚醒回数と中途覚醒時間は、図４の中途覚醒検出モジュール１２２により取得されるものである。

ブロック２３８の実行後、処理はブロック２２２に戻り、加速度データの受信が続けられる。

ブロック２３２で覚醒していると判定されると、ブロック２４３（図１２）で、覚醒／睡眠判定モジュール１２０は、前回の判定結果が睡眠中か否かをさらに判定する。前回の判定結果が覚醒である場合、処理はブロック２２２（図１１）に戻り、加速度データの受信が続けられる。

前回の判定結果が睡眠中である場合、すなわち現在の状態が出眠直後である場合、ブロック２４４で、システムコントローラ８２は、出眠直前の第２ストレス指標を演算するために必要な脈波データの送信をブルーツースモジュール６０によりセンサ端末１０に要求する。センサ端末１０は、この要求に応じて、図１０のブロック２０８に示すように、出眠直前の脈波データをモバイル端末１２へ送信する。

ブロック２４６で、脈波データがブルーツースモジュール６０により受信されると、ブロック２３６と同様に自律神経指標が演算される。この時のＬＦ／ＨＦが出眠直前の第２ストレス指標となる。

ブロック２４８で、システムコントローラ８２は、第２ストレス指標を出眠時刻、指標測定時刻等とともにメモリ６６内のストレス指標テーブルに書込む。なお、ストレス指標テーブルは一回の睡眠毎にデータを管理するので、日付は就寝前の日付である。

ブロック２５０で、システムコントローラ８２は、指標変化値、指標変化率、中途覚醒時間、中途覚醒回数をストレス指標テーブルに書き込み、図１３に示す一日分のテーブルを完成させる。一日分のストレス指標テーブルはモバイル端末１２のメモリ６６に格納されるとともに、サーバ１４にアップロードされ、図示しないサーバ１４のストレージに格納される。サーバ１４は全ユーザの過去の全ての日付のストレス指標テーブルを格納することができる。

一日分のストレス指標テーブルからでも一晩の睡眠によるストレスが解消されたか否か判定できる。例えば、睡眠によりストレスが解消されれば、変化値はマイナスの大きな値になるので、システムコントローラ８２は、ブロック２５２で、変化値がマイナスで、その絶対値が閾値以上か否か判定する。イエスの場合、ブロック２５４で、システムコントローラ８２は、ストレスが解消された状態であることを通知する。例えば、クライアント端末１２のディスプレイ７０で回復メッセージを表示させ、スピーカ７２から回復音を出力させてもよい。あるいは、センサ端末１０のディスプレイ４３で回復メッセージを表示させ、スピーカ４５から回復音を出力させてもよい。ノーの場合、ブロック２５３で、システムコントローラ８２は、ストレスが解消されていない状態であることを警告する。例えば、クライアント端末１２のディスプレイ７０で警告メッセージを表示させてもよいし、スピーカ７２から警告音を出力させてもよい。あるいは、センサ端末１０のディスプレイ４３で警告メッセージを表示させてもよいし、スピーカ４５から警告音を出力させてもよい。

変化値の代わりに、出眠直前の第２ストレス指標単独でも一晩のストレス解消状況は判定できる。システムコントローラ８２は、ブロック２５２で、第２ストレス指標が閾値以上であるか否か判定してもよい。第２ストレス指標が閾値以上の場合、ブロック２５３が実行され、第２ストレス指標が閾値以上でない場合、ブロック２５４が実行される。

ブロック２５６で、システムコントローラ８２は、前日の測定値と現在の測定値との差を求め、前日との差が閾値以上か否か判定する。閾値以上と判定された場合、ユーザが昨日と違うセンサ端末を装着した可能性や、間違ってユーザ登録した可能性がある。したがって、前日との差が閾値以上の場合、ブロック２５８で、システムコントローラ８２は、センサ端末１０のユーザが昨日と同じかどうかの確認を要求するメッセージをモバイル端末１２又はセンサ端末１０から文字あるいは音として出力させる。これにより、他人のストレス指標との比較に基づく誤判定を防止することができる。ブロック２５８の実行後又はブロック２５６で差が閾値以上でないと判定された場合、処理はブロック２２２に戻り、加速度データの受信が続けられる。

図９では入眠から出眠までを１つの睡眠としたが、睡眠は、急速眼球運動(Rapid Eye Movement)を伴い脳が覚醒状態に近い浅い眠りのレム睡眠と、深い眠りのノンレム睡眠に分類される。ノンレム睡眠は、睡眠の深さにより４段階に分けられる。入眠すると、先ず、レム睡眠となり、次いで、最も浅い眠りのレベル１のノンレム睡眠となり、徐々に眠りの深さが増し、レベル４まで達すると、徐々に眠りの深さが減り、レベル１のノンレム睡眠、さらにはレム睡眠に戻る。レム睡眠からノンレム睡眠を経てレム睡眠に戻る周期が約９０分間であり、この周期が繰り返される。殆どの場合、入眠直後の睡眠状態はレム睡眠であるが、出眠直前の睡眠状態は睡眠時間により異なる。レム睡眠とノンレム睡眠（レベル１、２の浅睡眠状態とレベル３、４の深睡眠状態を含む）では脳の覚醒状態が異なるので、出眠直前の睡眠状態がノンレム睡眠である場合、第１ストレス指標と第２ストレス指標は異なる睡眠状態での値となることもある。

ストレスの状態は、同じ睡眠状態での入眠直後の第１ストレス指標と出眠直前の第２ストレス指標との比較に基づくと、より正確に判定できる場合がある。そのため、第１ストレス指標を睡眠中の最初のレム睡眠又はノンレム睡眠時に求め、第２ストレス指標を睡眠中の最後のレム睡眠又はノンレム睡眠時に求めてもよい。

これに対応するためには、図１１のフローチャートにおいて、ブロック２３３で入眠直後を検出後、最初のレム睡眠又はノンレム睡眠か否かを判定するブロックを追加し、最初のレム睡眠又はノンレム睡眠を検出した場合、ブロック２３４を実行するように変形すればよい。同様に、図１２のフローチャートにおいて、ブロック２４３で出眠検出後のブロック２４４をメモリ３０から直前のレム睡眠又はノンレム睡眠（睡眠期間中の最後のレム睡眠又はノンレム睡眠）時の脈波データを読出しモバイル端末１２に送信するように変形すればよい。これにより、同じ睡眠状態での入眠直後の第１ストレス指標と出眠直前の第２ストレス指標とを比較することができ、ストレスの解消度合いをより正確に判定できる。

（サーバ１４の動作）
図１４はサーバ１４の動作の一例を示すフローチャートである。ここでは、企業の従業員の健康を管理する産業医等がクライアント端末１８を使ってサーバ１４にアクセスして従業員のストレスに関する情報（ストレス指標の変化値、変化率等）を閲覧しストレス状態を診断する例を示す。前提として、従業員にウェアラブルのセンサ端末１０を常時装着させ、従業員のスマートフォンであるモバイル端末１２にセンサ端末１０からの脈波データを収集させる。モバイル端末１２は、毎日、入眠直後、出眠直前の脈波データから第１、第２ストレス指標、指標の変化値・変化率等を演算し、演算結果をサーバ１４にアップロードする。サーバ１４はユーザ毎のストレスに関する情報をストレージに蓄積する。

ブロック２７２で、ユーザのＩＤが入力される。ブロック２７４で、当該ユーザの比較的長期（例えば、１週間、１カ月）のストレス指標テーブルがサーバ１４のストレージから読み出され、クライアント端末１８で表示される。表示の一例を図１５に示す。第１、第２ストレス指標の変化(破線)を示すグラフと、変化値と変化率を示す数値が表示される。第１ストレス指標のタイミングである入眠直後ｔ１_１、ｔ１_２、ｔ１_３、ｔ１_４と、第２ストレス指標のタイミングである出眠直前ｔ２_１、ｔ２_２、ｔ２_３、ｔ２_４の添え字は日にちを示す。図１５、図１６は、４日分の第１ストレス指標と第２ストレス指標を示す表示例であるが、実際には縮小してより多くの日数分が１画面に表示される。あるいは、サイズはそのままで、表示されない部分はスクロールにより表示される。図１６は他のユーザの表示の一例を示す。なお、ブロック２７４のタイミングでは、変化値、変化率に☆マークや◎マークは表示されていない。ストレス指標の表示は図１５、図１６の態様に限らず、図１３のようなテーブルそのものでも良い。

図１５、図１６の表示を見ることにより人間がストレス状態を診断することもできるが、サーバ１４がストレス指標から判定した結果を併せて表示することにより、人間の診断に役立つ可能性がある。サーバ１４の判定で使用する情報の例は、第２ストレス指標と、睡眠中のストレス指標の変化値・変化率である。

サーバ１４は、ブロック２７６で第２ストレス指標に基づいた判定を行い、ブロック２７８でストレス指標の変化値・変化率に基づいた判定を行う。第２ストレス指標を使い判定例は以下がある。

・最も新しい日付の第２ストレス指標が閾値以上である場合、ストレスが溜まっていると判定し、それ以外の場合、ストレスが解消されたと判定する。

・過去の第２ストレス指標の平均値が閾値以上である場合、ストレスが溜まっていると判定し、それ以外の場合、ストレスが解消されたと判定する。

・過去の第２ストレス指標の変化が増加傾向である場合、ストレスが溜まっていると判定し、それ以外の場合、ストレスが解消されたと判定する。

サーバ１４は、ブロック２７６で上記の３つの判定を行い、いずれかの判定結果でストレスが溜まっているとなった場合、ブロック２８２で慢性ストレス警告を出力する。警告の一例は、図１５のストレス指標表示画面の変化値又は変化率の数値に☆マークを付加することである。警告の他の例は、クライアント端末１８から産業医に対して文字又は音声・音で警告を出力することや、モバイル端末１２やセンサ端末１０からユーザに対して文字又は音声・音で警告を出力することを含む。警告の態様は慢性ストレスの重篤度に応じて変更しても良い。例えば、重篤度に応じて☆マークの数を増やしてもよいし、サイズを大きくしてもよい。

ブロック２７６の全ての判定結果がストレス解消されたとなった場合、サーバ１４は、ブロック２７８でストレス指標の変化値・変化率に基づいた判定を行う。ストレス指標の変化値又は変化率に基づいた判定例は以下がある。以下は、ストレスが溜まっていると判定する例である。

・プラス又は±０の変化値が３日、１週間等の所定日数を継続する。

・所定日数の変化値の平均値がプラス又は±０である。

・変化率がプラスであり、その値が過去の所定日数前の変化率の値より大きい。

上記の判定がイエスの場合は、慢性ストレスにさらされていると判定でき、ノーの場合はストレスが解消されていると判定できる。

サーバ１４は、ブロック２７８で上記の３つの判定を行い、いずれかの判定結果がイエスの場合、ブロック２８２で慢性ストレス警告を出力する。３つの判定の全てがノーの場合、ブロック２８０で慢性ストレス解消を通知する。通知の一例は、図１６のストレス指標表示画面の変化値又は変化率の数値に◎マークを付加することである。通知の他の例は、慢性ストレス警告と同様にクライアント端末１８やモバイル端末１２から文字又は音声・音で通知することである。通知の形態も解消度合いに応じて変更しても良い。例えば、解消度に応じて◎マークの数を増やしてもよいし、サイズを大きくしてもよい。

なお、判定結果の表示（警告も含む）は、サーバ１４やモバイル端末１２に限らず、センサ端末１０で行っても良い。

サーバ１４へのアクセスはクライアント端末１８に限らず、モバイル端末１２がアクセスして、ユーザ自身が図１５、図１６の表示を閲覧してもよい。

（実施形態の纏め）
実施形態によれば、下記の電子機器が実現される。

（１）センサによって測定されたユーザの脈拍又は心拍に関する生体情報を取得する取得手段と、
入眠後の第１期間内にセンサにより測定された第１生体情報を用いて第１ストレス指標を決定し、出眠前の第２期間内にセンサにより測定された第２生体情報を用いて第２ストレス指標を決定する決定手段と、
入眠から出眠までの期間のストレス指標の変化の度合いを、少なくとも第１ストレス指標と第２ストレス指標を用いて判定する判定手段と、
判定手段により判定されたストレス指標の変化の度合いを用いて、ユーザのストレスに関する情報を出力する出力手段と、を具備する電子機器。

この電子機器によれば、入眠直後と出眠直前の２つのストレス指標を決定することにより、安定的に慢性ストレスの状態を判定できる。また、常時ストレス指標を決定するものではないので、消費電力が少なくて済む。

（２） （１）の電子機器において、センサはウェアラブル機器、ベッドに備え付けのセンサ機器である。

（３） （１）の電子機器において、生体情報は脈拍間隔又は心拍間隔の大小に関する。

（４） （１）の電子機器はセンサと有線または無線により接続され、センサによって測定された生体情報を取得する。無線の例は、ブルーツースである。この電子機器によれば、センサから電子機器へ生体情報を常時送信する必要が無く、送信の消費電力が少なくて済む。

（５） （１）の電子機器において、ストレス指標の例は、ＬＦ／ＨＦ、ＬＦ、ＨＦ、ＳＤＮＮ、ＰＮＮ５０である。

（６） （１）の電子機器において、第１、第２期間の長さの例は、数分又は１〜３時間である。

（７） （１）の電子機器において、判定手段は、第２ストレス指標が第１ストレス指標より小さい第１状態であるか、第２ストレス指標が第１ストレス指標と等しい第２状態であるか、又は第２ストレス指標が第１ストレス指標より大きい第３状態であるかを判定する。

（８） （１）の電子機器は、加速度センサによって測定された加速度に基づいてユーザが睡眠中か覚醒しているかを判定する第２判定手段をさらに具備する。この電子機器によれば、入眠後の第１期間と出眠前の第２期間をより正確に求めることができる、
（９） （８）の電子機器において、第２判定手段は、所定期間以下の覚醒は中途覚醒とし、睡眠中と判定する。この電子機器によれば、出眠前の第２期間をより正確に求めることができる。

（１０） （１）の電子機器において、第１、第２期間はともにノンレム睡眠期間又はレム睡眠期間に含まれる。この電子機器によれば、同じ睡眠状態でのストレス指標の変化の度合いが判定されるので、ストレスに関するより正しい情報を得ることができる。

（１１） （１）の電子機器において、ユーザのストレスに関する情報は電子機器自体又はセンサから出力される。

（変形例）
生体情報として脈拍を説明したが、心拍からも同様に自立神経指標を計算することができる。上述の実施形態の脈波センサの代わりに心電センサを用いてもよい。心電センサから心電位信号を取得し、一拍ごとの心拍を検出し、脈拍の代わりに心拍を用いれば、上述の実施形態と同様な作用効果を奏する。

脈拍又は心拍を検出するためにセンサを人体に装着する例を説明したが、センサの代わりにユーザを撮影するカメラを用いてもよい。カメラは、ユーザの動きを検出できる画像を撮像できればよく、例えばユーザに掛けられた布団の画像を撮影する。カメラで撮像された画像から時間方向のフレーム毎の差分を算出し、画素毎の差分値を合計することにより、変位量に応じた値を取得する。ユーザに掛けられた布団は、ユーザの呼吸や心拍に同期して微妙に変位しているので、撮像された布団の画像の差分から取得した変位量に応じた値は、ユーザの呼吸や心拍を示した値等に応じている。したがって、この変位量に応じた値を解析することで、心拍を計測することができる。

本実施形態の処理はコンピュータプログラムによって実現することができるので、このコンピュータプログラムを格納したコンピュータ読み取り可能な記憶媒体を通じてこのコンピュータプログラムをコンピュータにインストールして実行するだけで、本実施形態と同様の効果を容易に実現することができる。

なお、本発明は上記実施形態そのままに限定されるものではなく、実施段階ではその要旨を逸脱しない範囲で構成要素を変形して具体化できる。また、上記実施形態に開示されている複数の構成要素の適宜な組み合せにより種々の発明を形成できる。例えば、実施形態に示される全構成要素から幾つかの構成要素を削除してもよい。更に、異なる実施形態に亘る構成要素を適宜組み合せてもよい。

１０…センタ端末、１２…モバイル端末、１４…サーバ、１６…ネットワーク、２２…加速度センサ、２４…脈波センサ、２６，６０…ブルーツースモジュール、１１４…体動検出モジュール、１２０…覚醒／睡眠判定モジュール、１２８…脈拍間隔データ処理モジュール、１３０…周波数スペクトル変換モジュール、１３２…自律神経指標演算モジュール、１３６…睡眠状態判定モジュール。

Claims (12)

1. センサによって測定されたユーザの脈拍又は心拍に関する生体情報を取得する取得手段と、
   入眠後の第１期間内に前記センサにより測定された第１生体情報を用いて第１ストレス指標を決定し、出眠前の第２期間内に前記センサにより測定された第２生体情報を用いて第２ストレス指標を決定する決定手段と、
   入眠から出眠までのストレス指標の変化の度合いを用いて定められた前記ユーザのストレスに関する情報を出力する出力手段と、
   を具備する電子機器。
2. 前記入眠から出眠までのストレス指標の変化の度合いは、前記第２ストレス指標の値が前記第１ストレス指標の値より小さい第１状態と、前記第２ストレス指標の値が前記第１ストレス指標の値と等しい第２状態と、前記第２ストレス指標の値が前記第１ストレス指標の値より大きい第３状態のいずれかである請求項１記載の電子機器。
3. 加速度センサによって測定された加速度に基づいて前記ユーザが睡眠中か覚醒しているかを判定する判定手段をさらに具備する請求項１記載の電子機器。
4. 前記判定手段は、前記センサによって測定された前記ユーザの脈拍又は心拍に関する前記生体情報を用いて、前記ユーザの睡眠期間がレム睡眠期間かノンレム睡眠期間であるかを判定し、
   前記決定手段は、睡眠期間の最初のレム睡眠期間又はノンレム睡眠期間の開始から第１期間内に前記センサにより測定された第１生体情報を用いて前記第１ストレス指標を決定し、睡眠期間の最後のレム睡眠期間又はノンレム睡眠期間の終了までの第２期間内に前記センサにより測定された第２生体情報を用いて前記第２ストレス指標を決定する請求項３記載の電子機器。
5. センサによって測定されたユーザの脈拍又は心拍に関する生体情報を取得することと、
   入眠後の第１期間内に前記センサにより測定された第１生体情報を用いて第１ストレス指標を決定し、出眠前の第２期間内に前記センサにより測定された第２生体情報を用いて第２ストレス指標を決定することと、
   入眠から出眠までのストレス指標の変化の度合いを用いて定められた前記ユーザのストレスに関する情報を出力することと、
   を具備する方法。
6. 前記入眠から出眠までのストレス指標の変化の度合いは、前記第２ストレス指標の値が前記第１ストレス指標の値より小さい第１状態と、前記第２ストレス指標の値が前記第１ストレス指標の値と等しい第２状態と、前記第２ストレス指標の値が前記第１ストレス指標の値より大きい第３状態のいずれかである請求項５記載の方法。
7. 加速度センサによって測定された加速度に基づいて前記ユーザが睡眠中か覚醒しているかを判定することをさらに具備する請求項５記載の方法。
8. 前記ユーザが睡眠中か覚醒しているかを判定することは、前記センサによって測定された前記ユーザの脈拍又は心拍に関する前記生体情報を用いて、前記ユーザの睡眠期間がレム睡眠期間かノンレム睡眠期間であるかを判定することを具備し、
   前記第１ストレス指標と前記第２ストレス指標を決定することは、睡眠期間の最初のレム睡眠期間又はノンレム睡眠期間の開始から第１期間内に前記センサにより測定された第１生体情報を用いて前記第１ストレス指標を決定し、睡眠期間の最後のレム睡眠期間又はノンレム睡眠期間の終了までの第２期間内に前記センサにより測定された第２生体情報を用いて前記第２ストレス指標を決定することを具備する請求項７記載の方法。
9. コンピュータにより実行されるプログラムであって、前記プログラムは前記コンピュータに、
   センサによって測定されたユーザの脈拍又は心拍に関する生体情報を取得することと、
   入眠後の第１期間内に前記センサにより測定された第１生体情報を用いて第１ストレス指標を決定し、出眠前の第２期間内に前記センサにより測定された第２生体情報を用いて第２ストレス指標を決定することと、
   入眠から出眠までのストレス指標の変化の度合いを用いて定められた前記ユーザのストレスに関する情報を出力することと、
   を実行させるためのプログラム。
10. 前記入眠から出眠までのストレス指標の変化の度合いは、前記第２ストレス指標の値が前記第１ストレス指標の値より小さい第１状態と、前記第２ストレス指標の値が前記第１ストレス指標の値と等しい第２状態と、前記第２ストレス指標の値が前記第１ストレス指標の値より大きい第３状態のいずれかである請求項９記載のプログラム。
11. 加速度センサによって測定された加速度に基づいて前記ユーザが睡眠中か覚醒しているかを判定することをさらに具備する請求項９記載のプログラム。
12. 前記ユーザが睡眠中か覚醒しているかを判定することは、前記センサによって測定された前記ユーザの脈拍又は心拍に関する前記生体情報を用いて、前記ユーザの睡眠期間がレム睡眠期間かノンレム睡眠期間であるかを判定することを具備し、
    前記第１ストレス指標と前記第２ストレス指標を決定することは、睡眠期間の最初のレム睡眠期間又はノンレム睡眠期間の開始から第１期間内に前記センサにより測定された第１生体情報を用いて前記第１ストレス指標を決定し、睡眠期間の最後のレム睡眠期間又はノンレム睡眠期間の終了までの第２期間内に前記センサにより測定された第２生体情報を用いて前記第２ストレス指標を決定することを具備する請求項１１記載のプログラム。

Images