CN111970964A - 生物信息评估设备及评估生物信息的方法 - Google Patents

生物信息评估设备及评估生物信息的方法 Download PDF

Info

Publication number
CN111970964A
CN111970964A CN201980025454.5A CN201980025454A CN111970964A CN 111970964 A CN111970964 A CN 111970964A CN 201980025454 A CN201980025454 A CN 201980025454A CN 111970964 A CN111970964 A CN 111970964A
Authority
CN
China
Prior art keywords
period
observation
biological information
pieces
observation data
Prior art date
Legal status (The legal status 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 status listed.)
Pending
Application number
CN201980025454.5A
Other languages
English (en)
Inventor
佐塚直也
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Sony Corp
Original Assignee
Sony Corp
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 Sony Corp filed Critical Sony Corp
Publication of CN111970964A publication Critical patent/CN111970964A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/72—Signal processing specially adapted for physiological signals or for diagnostic purposes
    • A61B5/7235—Details of waveform analysis
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/72—Signal processing specially adapted for physiological signals or for diagnostic purposes
    • A61B5/7271—Specific aspects of physiological measurement analysis
    • A61B5/7278—Artificial waveform generation or derivation, e.g. synthesising signals from measured signals
    • 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
    • A61B5/165—Evaluating the state of mind, e.g. depression, anxiety
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/24—Detecting, measuring or recording bioelectric or biomagnetic signals of the body or parts thereof
    • A61B5/30—Input circuits therefor
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/24—Detecting, measuring or recording bioelectric or biomagnetic signals of the body or parts thereof
    • A61B5/316—Modalities, i.e. specific diagnostic methods
    • A61B5/369—Electroencephalography [EEG]
    • A61B5/372—Analysis of electroencephalograms
    • A61B5/374—Detecting the frequency distribution of signals, e.g. detecting delta, theta, alpha, beta or gamma waves
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/68—Arrangements of detecting, measuring or recording means, e.g. sensors, in relation to patient
    • A61B5/6801—Arrangements of detecting, measuring or recording means, e.g. sensors, in relation to patient specially adapted to be attached to or worn on the body surface
    • A61B5/6813—Specially adapted to be attached to a specific body part
    • A61B5/6814—Head
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/72—Signal processing specially adapted for physiological signals or for diagnostic purposes
    • A61B5/7235—Details of waveform analysis
    • A61B5/7253—Details of waveform analysis characterised by using transforms
    • A61B5/7257—Details of waveform analysis characterised by using transforms using Fourier transforms
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/72—Signal processing specially adapted for physiological signals or for diagnostic purposes
    • A61B5/7271—Specific aspects of physiological measurement analysis
    • A61B5/7275—Determining trends in physiological measurement data; Predicting development of a medical condition based on physiological measurements, e.g. determining a risk factor
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/74—Details of notification to user or communication with user or patient ; user input means
    • A61B5/742—Details of notification to user or communication with user or patient ; user input means using visual displays
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/74—Details of notification to user or communication with user or patient ; user input means
    • A61B5/742—Details of notification to user or communication with user or patient ; user input means using visual displays
    • A61B5/7445—Display arrangements, e.g. multiple display units
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/74—Details of notification to user or communication with user or patient ; user input means
    • A61B5/7475—User input or interface means, e.g. keyboard, pointing device, joystick
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F3/00—Input arrangements for transferring data to be processed into a form capable of being handled by the computer; Output arrangements for transferring data from processing unit to output unit, e.g. interface arrangements
    • G06F3/14—Digital output to display device ; Cooperation and interconnection of the display device with other functional units
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
    • G16H50/00—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics
    • G16H50/30—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for calculating health indices; for individual health risk assessment
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/02—Detecting, measuring or recording pulse, heart rate, blood pressure or blood flow; Combined pulse/heart-rate/blood pressure determination; Evaluating a cardiovascular condition not otherwise provided for, e.g. using combinations of techniques provided for in this group with electrocardiography or electroauscultation; Heart catheters for measuring blood pressure
    • A61B5/024—Detecting, measuring or recording pulse rate or heart rate
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/02—Detecting, measuring or recording pulse, heart rate, blood pressure or blood flow; Combined pulse/heart-rate/blood pressure determination; Evaluating a cardiovascular condition not otherwise provided for, e.g. using combinations of techniques provided for in this group with electrocardiography or electroauscultation; Heart catheters for measuring blood pressure
    • A61B5/026—Measuring blood flow
    • A61B5/0261—Measuring blood flow using optical means, e.g. infrared light
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/24—Detecting, measuring or recording bioelectric or biomagnetic signals of the body or parts thereof
    • A61B5/316—Modalities, i.e. specific diagnostic methods
    • A61B5/369—Electroencephalography [EEG]
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/42—Detecting, measuring or recording for evaluating the gastrointestinal, the endocrine or the exocrine systems
    • A61B5/4261—Evaluating exocrine secretion production
    • A61B5/4266—Evaluating exocrine secretion production sweat secretion
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/72—Signal processing specially adapted for physiological signals or for diagnostic purposes
    • A61B5/7235—Details of waveform analysis
    • A61B5/7264—Classification of physiological signals or data, e.g. using neural networks, statistical classifiers, expert systems or fuzzy systems
    • A61B5/7267—Classification of physiological signals or data, e.g. using neural networks, statistical classifiers, expert systems or fuzzy systems involving training the classification device
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F2218/00—Aspects of pattern recognition specially adapted for signal processing
    • G06F2218/12—Classification; Matching

Landscapes

  • Health & Medical Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Engineering & Computer Science (AREA)
  • Public Health (AREA)
  • Medical Informatics (AREA)
  • Physics & Mathematics (AREA)
  • General Health & Medical Sciences (AREA)
  • Pathology (AREA)
  • Biomedical Technology (AREA)
  • Biophysics (AREA)
  • Surgery (AREA)
  • Animal Behavior & Ethology (AREA)
  • Molecular Biology (AREA)
  • Heart & Thoracic Surgery (AREA)
  • Veterinary Medicine (AREA)
  • Psychiatry (AREA)
  • Physiology (AREA)
  • Artificial Intelligence (AREA)
  • Signal Processing (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Psychology (AREA)
  • Hospice & Palliative Care (AREA)
  • Social Psychology (AREA)
  • Theoretical Computer Science (AREA)
  • Child & Adolescent Psychology (AREA)
  • Developmental Disabilities (AREA)
  • Educational Technology (AREA)
  • General Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Human Computer Interaction (AREA)
  • Data Mining & Analysis (AREA)
  • Databases & Information Systems (AREA)
  • Epidemiology (AREA)
  • Primary Health Care (AREA)
  • Mathematical Physics (AREA)
  • Measurement And Recording Of Electrical Phenomena And Electrical Characteristics Of The Living Body (AREA)
  • Measuring And Recording Apparatus For Diagnosis (AREA)
  • Measuring Pulse, Heart Rate, Blood Pressure Or Blood Flow (AREA)

Abstract

根据本公开的一个实施例的生物信息评估设备设置有信号处理电路，该信号处理电路基于包含在通过预定时段的活体观测获得的观测数据集中的并且具有短于观测数据的观测时段的时段的多个部分观测数据集来为每个观测数据集生成观测的波形的特征值。所述生物信息评估设备的观测对象例如是人或动物。

Description

生物信息评估设备及评估生物信息的方法
技术领域
本公开涉及生物信息评估设备和评估生物信息的方法。
背景技术
通常，需要时间和精力来建立一种将人控制在期望状态或增加样本数量以便获取关于人的高质量生物信息以期了解期望状态的方法。但是，在心理学领域，认为有必要收集相对大量的样本并且还需要增加测量时段，以便以显著方式展现出状态之间(或组之间)的差异(参见，例如，非专利文献1)。除了人类之外，从中获取生物信息的对象还可以包括动物等。
引用列表
非专利文献
非专利文献1：欧洲儿童青少年精神病学(2017)26：1511-1522
发明内容
因此，建立满足了解状态之间的差异的应用需求的技术极其困难。期望提供一种生物信息评估设备和评估生物信息的方法，其使得可以在样本数量少且测量时段短的情况下了解状态之间的差异。
根据本公开的实施例的生物信息评估设备包括信号处理电路，该信号处理电路基于包含在通过预定时段的活体观测而获得的各条观测数据中的每一条观测数据中的并且各自具有短于观测数据的观测时段的观测时段的多条部分观测数据，为各条观测数据中的每一条观测数据生成观测对象波形的特征值。
根据本公开的实施例的评估生物信息的方法使用信号处理电路来执行信号处理，该信号处理包括基于包含在通过预定时段的活体观测而获得的各条观测数据中的每一条观测数据中的并且各自具有短于观测数据的观测时段的观测时段的多条部分观测数据，为各条观测数据中的每一条观测数据生成观测对象波形的特征值。
在根据本公开的实施例的生物信息评估设备和评估生物信息的方法中，基于包含在各条观测数据中的每条观测数据中的多条部分观测数据，为各条观测数据中的每条观测数据生成观测对象波形的特征值。这使得可以以鲁棒的方式展现出状态之间的差异。
根据本公开的实施例的生物信息评估设备和评估生物信息的方法充分利用了能够看到周期性变化的生物信息，这使得可以在样本数量少且测量时段短的情况下了解状态之间的差异。应当注意的是，本公开中描述的效果不必限于这里描述的那些效果。可以采用本说明书中描述的任何效果。
附图说明
图1是图示根据本公开的第一实施例的生物信息评估设备的示意性配置的一个示例的图。
图2是图1中的生物信息评估设备中计算特征值和评估值的过程的示例的示意图。
图3是图1中的生物信息评估设备中计算特征值和评估值的过程的示例的流程图。
图4是根据比较例的计算特征值和评估值的过程的示例的示意图。
图5是根据比较例的计算特征值和评估值的过程的示例的流程图。
图6是图3中的计算过程的修改例的示意图。
图7是图示图1中的生物信息评估设备的示意性配置的修改例的图。
图8是图7中的生物信息评估设备中计算特征值和评估值的过程的示例的示意图。
图9是在图7中的生物信息评估设备中计算特征值和评估值的过程的示例的流程图。
图10是在图7中的生物信息评估设备中计算特征值和评估值的过程的修改例的示意图。
图11是图示图1中的生物信息评估设备的示意性配置的修改例的图。
图12是图11中的生物信息评估设备中的学习模型的学习过程的示例的示意图。
图13是在图11中的生物信息评估设备中使用学习模型来评估状态的过程的示例的示意图。
图14是图11中的生物信息评估设备中的学习模型的学习过程的修改例的示意图。
图15是在图11中的生物信息评估设备中使用学习模型来评估状态的过程的修改例的示意图。
图16是图示划分时段ΔW的长度与估计的准确度之间的关系的示例的图。
图17是图示在图16中的划分时段的长度ΔW为ΔW2的情况下估计的准确度的示例的图。
图18是图示根据本公开的第二实施例的生物信息评估设备的示意性配置的示例的图。
图19是图示图18中的生物信息评估设备的示意性配置的修改例的图。
图20是图示图18中的生物信息评估设备的示意性配置的修改例的图。
具体实施方式
下面，将参考附图详细描述用于执行本公开的模式。注意的是，将以以下顺序给出描述。
1.第一实施例
2.第一实施例的修改例
3.第二实施例
<1.第一实施例>
[配置]
将描述根据本公开的第一实施例的生物信息评估设备1。图1是图示生物信息评估设备1的示意性配置的示例的图。生物信息评估设备1是检测与活体100相关的生物信息的设备。另外，生物信息评估设备1是生成检测到的生物信息中包含的观测对象波形的特征值，并且还基于生成的特征值生成与检测到的各条生物信息之间的观测对象波形的差异相关的评估值的设备。生物信息包括，例如，脑电波、脉搏和出汗。活体100通常是人类，并且可以是动物。生物信息评估设备1是例如可穿戴设备，诸如头戴式显示器之类。
生物信息评估设备1包括例如检测器10、ADC(模数转换器)、输入单元30、存储单元40、信号处理电路50、显示控制器60和显示器70。
检测器10检测关于活体100的生物信息，并将检测到的生物信息作为模拟信号输出到ADC 20。检测器10通过预定时段(将在后面描述的观测时段T)的活体观测获得模拟观测数据44，并且将获得的观测数据44输出到ADC 20。检测器10包括例如与活体100接触的一对电极，以及检测电路，该检测电路输出与跨该对电极的电位差对应的模拟信号。注意的是，检测器10可以包括，例如，将光输出到活体100上的光源，以及从光源输出的光中检测在活体100内反射和/或散射的光的光接收电路，并输出与检测到的光对应的模拟信号。
ADC 20将从检测器10输入的模拟观测数据44(模拟信号)转换成数字信号，并且将通过转换获得的数字观测数据44(数字信号)输出至信号处理电路50。输入单元30包括允许用户执行输入操作的设备，并且包括例如触摸屏、按钮、麦克风、开关和控制杆。例如，输入单元30接收设置值42的输入，这将在后面描述。
存储单元40保持信号处理电路50执行的程序(例如，处理程序41)、划分时段ΔT的长度42和重叠时段Δd1的长度43。处理程序41是从检测器10获得观测数据44或对获得的观测数据44执行预定的信号处理的程序。这里，“预定处理”包括例如以下处理：针对每条观测数据44，基于获得的观测数据44生成观测对象波形的特征值，并使用每条观测数据44的特征值来生成关于各条观测数据44之间的观测对象波形的差异的评估值。划分时段ΔT的长度42包括默认值。重叠时段Δd1的长度43包括默认值。
存储单元40将从输入单元30输入的数据保持到信号处理电路50中。例如，存储单元40保持从输入单元30输入的划分时段ΔT的长度的设置值，以及从输入单元30输入的重叠时段Δd1的长度的设置值。注意的是，在存储单元40中，从输入单元30输入的划分时段ΔT的设置值被包括在划分时段ΔT的长度42中。另外，在存储单元40中，从输入单元30输入的重叠时段Δd1的设置值被包括在重叠时段Δd1的长度43中。
存储单元40还将通过ADC 20从检测器10输入的数据保持到信号处理电路50中。例如，存储单元40保持通过ADC 20从检测器10输入的数字观测数据44。例如，存储单元40保持n条观测数据44，如图1所示。
信号处理电路50包括处理器，并且执行保持在存储单元40中的程序(例如，处理程序41)。例如，处理程序41被加载到信号处理电路50中，以基于观测数据44为每条观测数据44生成观测对象波形的特征值，并且还基于各条观测数据44中的每条观测数据的特征值生成与各条观测数据44之间的观测对象波形的差异相关的评估值。
显示控制器60是控制显示器70的显示的控制器。显示控制器60生成用于显示包含从信号处理电路50输入的评估值的图像的图像信号，并将其输出到显示器70。显示器70显示与从显示控制器60输入的图像信号对应的图像。显示器70包括例如液晶面板和有机EL(电致发光)面板。
接下来，将描述上述特征值和上述评估值的生成。注意的是，在下面的描述中，将给出稍后将描述的面积area_a(在末尾的“a”表示在1至n(包括n)的范围内的整数)作为上述特征值的示例。另外，在下面的描述中，将给出稍后将描述的效应量d1作为上述评估值的示例。
图2是示意性地图示在生物信息评估设备1中计算上述特征值和上述评估值的过程的示例的图。图3是在生物信息评估设备1中计算上述特征值和上述评估值的过程的示例的流程图。注意的是，图2中的计算过程被称为示例1。
首先，信号处理电路50向检测器10发出指令以获得预定时段(观测时段T)内的生物信息。然后，检测器10从活体100获得预定时段(观测时段T)内的模拟生物信息(观测数据44)，并将获得的模拟观测数据44输出到ADC 20。ADC 20将从检测器10输入的模拟观测数据44(模拟信号)转换成数字信号，并且将通过转换获得的数字观测数据44(数字信号)输出至信号处理电路50。信号处理电路50将从ADC 20输入的数字观测数据44存储在存储单元40中。信号处理电路50重复该过程以将n条观测数据44存储在存储单元40中。此时，n条观测数据44可以是例如从同一个人获得的数据，或者可以是从n个人获得的单独数据。
接下来，信号处理电路50从存储单元40获得n条观测数据44(样本)(步骤S101)。信号处理电路50基于具有短于观测数据44的观测时段T的观测时段(划分时段ΔT)的多条部分观测数据45，为每条获得的观测数据44生成观测对象波形的特征值(面积area_a)，多条部分观测数据45被包含在每条获得的观测数据44中。
具体而言，信号处理电路50首先针对各条观测数据44中的每条观测数据中的每个划分时段ΔT导出功率谱PΔTa_b(t)(1≤a≤n，1≤b≤m)(步骤S102)。例如，信号处理电路50对针对各条观测数据44中的每条观测数据中的每个划分时段ΔT的部分观测数据45应用FFT(快速傅立叶变换)，以导出功率谱PΔTa_b(t)。功率谱PΔTa_b(t)是在划分时段ΔT内的时间t的数学函数，并且可以包括观测对象波形的频谱。
在人的头部用作活体100的情况下，观测对象波形包括例如α波、β波、γ波、θ波、δ波等。划分时段ΔT具有允许分析观测对象波形的最小必要长度。在人的头部用作活体100并且观测对象波形是α波的情况下，划分时段ΔT落在例如大约几秒到几十秒的范围内。例如，信号处理电路50将保持在存储单元40中的划分时段ΔT的长度42的默认值设置为划分时段ΔT。
此外，信号处理电路50将每个划分时段ΔT设置为使得各条部分观测数据45中的任何一条部分观测数据的观测时段(划分时段ΔT)和各条部分观测数据45中的另一条部分观测数据的观测时段(划分时段ΔT)彼此部分重叠。换句话说，各条部分观测数据45中的一条部分观测数据的观测时段(划分时段ΔT)和各条部分观测数据45中的另一条部分观测数据45的观测时段(划分时段ΔT)部分重叠。信号处理电路50将例如保持在存储单元40中的重叠时段Δd1的长度43的默认值设置为部分重叠部分(重叠时段Δd1)。
接下来，信号处理电路50在每个划分时段ΔT中执行成分分析以导出分析结果RΔTa_b(1≤a≤n，1≤b≤m)(步骤S103)。例如，信号处理电路50导出包含在每个功率谱PΔTa_b(t)中的观测对象波形的频带的面积fc(t)，并将导出的面积fc(t)设置为分析结果RΔTa_b。在观测对象波形是α波的情况下，信号处理电路50导出例如在每个功率谱PΔTa_b(t)下的α波的频带的面积。注意的是，虽然α波的频带通常落在8Hz至13Hz的范围内，但是在导出面积fc(t)时的频带不限于该频带。接下来，信号处理电路50为各条观测数据44中的每条观测数据导出分析结果RΔTa_b的功率谱PΔTa(1≤a≤n)(步骤S104)。例如，信号处理电路50将FFT应用于各条观测数据44中的每条观测数据的面积fc(t)，以导出功率谱PΔTa。
接下来，信号处理电路50为各条观测数据44中的每条观测数据导出功率谱PΔTa的面积area_a(1≤a≤n)(步骤S105)。例如，信号处理电路50为各条观测数据44中的每条观测数据导出功率谱PΔTa的每单位频率的面积，并且还导出这些面积的平均值，以设置导出的每单位频率的面积和导出的平均值作为面积area_a。接下来，信号处理电路50基于各条观测数据44中的每条观测数据中的面积area_a，导出效应量d1。例如，信号处理电路50将各条观测数据44中的每条观测数据中的面积area_a分配给下面描述的表达式(1)至(4)，以导出效应量d1。这里，表达式(1)中的“平均值”表示例如包含在面积area_a中的平均值。另外，表达式(3)和(4)中的“个体数值”表示例如包含在面积area_a中的每单位频率的面积。
[表达式1]
Figure BDA0002720380770000081
x 1：某个样本的平均值
x 2：另一个样本的平均值
s：关于两个样本的池化(pooled)标准差
[表达式2]
Figure BDA0002720380770000082
n1：某个样本中的数据总数
n2：另一个样本中的数据总数
s2 1：某个样本的方差
s2 2：另一个样本的方差
[表达式3]
Figure BDA0002720380770000091
x1,i：某个样本中的个体数值
[表达式4]
Figure BDA0002720380770000092
x2,i：另一个样本中的个体数值
接下来，信号处理电路50将导出的效应量d1输出到显示控制器60。此后，显示控制器60生成用于显示包含效应量d1的图像的图像信号，并将其输出到显示器70。显示器70显示与从显示控制器60输入的图像信号对应的图像。基于显示器70上显示的效应量d1，用户判断划分时段ΔT的长度是否合适，或者重叠时段Δd1的长度是否合适。例如，能够基于效应量d1是否被最大化来判断划分时段ΔT的长度是否合适。类似地，例如，能够基于效应量d1是否被最大化来判断重叠时段Δd1的长度是否合适。可以认为，适合于划分时段ΔT的长度的值可以取决于个体活体100而不同。类似地，可以认为，适合于重叠时段Δd1的长度的值可以取决于个体活体100而不同。
在用户判断需要改变划分时段ΔT的长度的情况下，用户将划分时段ΔT的长度的设置值输入到输入单元30中。输入单元30将由用户输入的划分时段ΔT的长度的设置值输出到信号处理电路50。信号处理电路50使从输入单元30输入的划分时段ΔT的长度的设置值保持在存储单元40中。另外，在用户判断需要改变重叠时段Δd1的长度的情况下，用户将重叠时段Δd1的长度的设置值输入到输入单元30中。输入单元30将从用户输入的重叠时段Δd1的长度的设置值输出到信号处理电路50。信号处理电路50使从输入单元30输入的重叠时段Δd1的长度的设置值保持在存储单元40中。
信号处理电路50判断是否改变划分时段ΔT的长度。在将划分时段ΔT的长度的设置值新保持在存储单元40中或者在存储单元40中更新划分时段ΔT的长度的设置值的情况下，信号处理电路50从存储单元40中读出划分时段ΔT的长度的设置值，并基于读出的设置值来改变划分时段ΔT的长度(步骤S107：“是”)。信号处理电路50使用具有改变后的长度的划分时段ΔT来执行步骤S101至S106。在存储单元40中没有保持划分时段ΔT的长度的设置值或者在存储单元40中没有更新划分时段ΔT的长度的设置值的情况下，信号处理电路50移动到步骤S108(步骤S107：“否”)。
信号处理电路50判断是否改变重叠时段Δd1的长度。在重叠时段Δd1的长度的设置值被新保存在存储单元40中或者在存储单元40中更新重叠时段Δd1的长度的设置值的情况下，信号处理电路50从存储单元40中读出重叠时段Δd1的长度的设置值，并且基于读出的设置值来改变重叠时段Δd1的长度(步骤S108：“是”)。信号处理电路50使用具有改变后的长度的重叠时段Δd1来执行步骤S101至S107。在存储单元40中没有保持重叠时段Δd1的长度的设置值或者在存储单元40中没有更新重叠时段Δd1的长度的设置值的情况下，信号处理电路50结束该处理。
图4是示意性地图示根据比较例的在生物信息评估设备中计算上述特征值和上述评估值的过程的示例的图。图5是根据比较例的在生物信息评估设备中计算上述特征值和上述评估值的过程的示例的流程图。
根据比较例的生物信息评估设备(信号处理电路)从存储单元获得n条观测数据44(样本)(步骤S201)。接下来，根据比较例的生物信息评估设备(信号处理电路)针对各条观测数据44中的每条观测数据导出功率谱PTa(1≤a≤n)(步骤S202)。然后，根据比较例的生物信息评估设备(信号处理电路)执行成分分析，以导出各条观测数据44中的每条观测数据的分析结果RTa(1≤a≤n)(步骤S203)。例如，根据比较例的生物信息评估设备(信号处理电路)导出包含在每个功率谱PTa中的观测对象波形的频带的面积fca(t)，并且还导出面积fca(t)的平均值fca_avg，以设置导出的面积fca(t)和导出的平均值fca_avg作为分析结果RTa。接下来，信号处理电路50基于各条观测数据44中的每条观测数据中的分析结果RTa来导出效应量d2。例如，信号处理电路50将各条观测数据44中的每条观测数据中的分析结果RTa分配给上述表达式(1)至(4)，以导出效应量d2。这里，表达式(1)中的“平均值”表示例如分析结果RTa中包含的平均值fca_avg。另外，表达式(3)和(4)中的“个体数值”表示例如包含在面积area_a中的面积fca(t)。以这种方式，根据比较例的生物信息评估设备(信号处理电路)中的处理结束。
[效果]
接下来，将描述生物信息评估设备1的效果。
在心理学领域，认为有必要收集相对大量的样本并且还增加测量时段以便展现出状态之间的差异的显著性。但是，通常需要时间和精力来建立一种将人控制在期望状态或增加样本数量以便获取关于人的高质量生物信息以期了解期望状态的方法。因此，建立满足了解状态之间的差异的应用需求的技术极其困难。
相比之下，根据本实施例的生物信息评估设备1基于各条观测数据44中的每条观测数据中包含的多条部分观测数据45来为各条观测数据44中的每条观测数据生成观测对象波形的特征值(例如，面积area_a)。这使得可以展现出状态之间的差异的存在。因此，可以在样本数量少且测量时段短的情况下了解状态之间的差异(例如，效应量d1)。
实际上，基于各条观测数据44中的每条观测数据的特征值(例如，面积area_a)生成的并且与各条观测数据44之间的观测对象波形的差异相关的评估值(例如，效应量d1)实际上大于根据比较例的评估值(例如，效应量d2)。因此，利用根据本实施例的生物信息评估设备1，可以减少样本的数量。另外，即使缩短了测量时段，也可以展现出状态之间的差异的存在。
此外，在本实施例的情况下，部分观测数据45的观测时段ΔT被设置为具有允许分析观测对象波形的最小必要长度。通过该设置，确保了进行分析所需的足够条部分观测数据45。因此，可以将观测数据44的观测时段T的长度减小为允许满足应用需求的长度。因此，利用根据本实施例的生物信息评估设备1，即使缩短了测量时段，也可以展现出状态之间的差异的存在。
此外，在本实施例中，基于输入单元30接收到的观测时段ΔT的设置值来改变观测时段ΔT的长度。使用具有改变的长度的观测时段ΔT，从各条观测数据44中的每条观测数据获得多条部分观测数据45。基于获得的多条部分观测数据45，为各条观测数据44中的每条观测数据生成观测对象波形的特征值(例如，面积area_a)。这使得可以将观测时段ΔT的长度设置为使得状态之间的差异(例如，效应量d1)最大化的长度。因此，利用根据本实施例的生物信息评估设备1，可以减少样本的数量，并且即使缩短了测量时段，也可以展现出状态之间的差异的存在。
此外，在本实施例中，生成用于显示包含评估值(例如，效应量d1)的图像的图像信号，并基于生成的图像信号来显示图像。这使得用户能够基于显示的评估值(例如，效应量d1)来判断划分时段ΔT的长度是否合适。例如，能够基于评估值(例如，效应量d1)是否被最大化来判断划分时段ΔT的长度是否合适。因此，利用根据本实施例的生物信息评估设备1，可以减少样本的数量，并且即使缩短了测量时段，也可以展现出状态之间的差异的存在。
另外，在本实施例中，任何部分观测数据45的观测时段ΔT与另一部分观测数据45的观测时段彼此部分重叠。这可以进一步增加评估值(例如，效应量d1)。在这种情况下，可以减少样本的数量，并且即使缩短了测量时段，也可以展现出状态之间的差异的存在。
此外，在本实施例中，基于输入单元30接收到的重叠时段Δd1的设置值来改变重叠时段Δd1的长度。使用具有改变的长度的重叠时段Δd1，从各条观测数据44中的每条观测数据获得多条部分观测数据45。基于获得的多条部分观测数据45，为各条观测数据44中的每条观测数据生成观测对象波形的特征值(例如，面积area_a)。这使得可以将重叠时段Δd1的长度设置为允许状态之间的差异(例如，效应量d1)被最大化的长度。因此，利用根据本实施例的生物信息评估设备1，可以减少样本的数量，并且即使缩短了测量时段，也可以展现出状态之间的差异的存在。
另外，在本实施例中，基于生成的图像信号来生成用于显示包含评估值(例如，效应量d1)的图像的图像信号，以显示该图像。这使得用户能够基于显示的评估值(例如，效应量d1)来判断重叠时段Δd1的长度是否合适。例如，能够基于评估值(例如，效应量d1)是否被最大化来判断重叠时段Δd1的长度是否合适。因此，利用根据本实施例的生物信息评估设备1，可以减少样本的数量，并且即使缩短了测量时段，也可以展现出状态之间的差异的存在。
应当注意的是，在本实施例中，例如，如图6所示，任何划分时段ΔT和另一个划分时段ΔT可以彼此不重叠。即使采用这种配置，也可以获得与上述实施例类似的效果。
<2.第一实施例的修改例>
[修改例A]
图7是图示根据上述第一实施例的生物信息评估设备1的示意性配置的修改例的图。在本修改例中，存储单元40除了保持由信号处理电路50执行的程序(例如，处理程序41)、划分时段ΔT的长度42和重叠时段Δd1的长度43以外，还保持划分时段ΔW的长度46和重叠时段Δd2的长度47。划分时段ΔW的长度46包括默认值。重叠时段Δd2的长度47包括默认值。划分时段ΔW的值大于划分时段ΔT的值，并且优选地，其值大于后面将描述的ΔW1的值。
图8是示意性图示根据本修改例的生物信息评估设备1中计算上述特征值和上述评估值的过程的示例的图。图9是根据本修改例的生物信息评估设备1中计算上述特征值和上述评估值的过程的示例的流程图。
信号处理电路50首先从存储单元40获得n条观测数据44(样本)(步骤S301)。然后，信号处理电路50执行上述步骤S102和S103，以导出每个划分时段ΔT中的分析结果RΔTa_b(1≤a≤n，1≤b≤k)(步骤S302)。例如，信号处理电路50将上述面积fc(t)设置为分析结果RΔTa_b。另外，信号处理电路50基于导出的分析结果RΔTa_b生成作为观测时段T内的时间t的数学函数的分析结果RΔTa(t)。
接下来，对于分析结果RΔTa(t)，信号处理电路50导出每个划分时段ΔW的功率谱PΔWa_b(t)(步骤S302)。例如，对于每个分析结果RΔTa(t)，信号处理电路50将FFT应用于每个划分时段ΔW中的部分分析结果，以导出功率谱PΔWa_b(t)。功率谱PΔWa_b(t)是在划分时段ΔW内的时间t的数学函数，并且可以包括观测对象波形的频谱。例如，信号处理电路50将保持在存储单元40中的划分时段ΔW的长度46的默认值设置为划分时段ΔW。
接下来，信号处理电路50对每个划分时段ΔW执行成分分析，以导出分析结果RΔWa_b(1≤a≤n，1≤b≤k)(步骤S303)。例如，信号处理电路50导出包含在每个功率谱PΔWa_b(t)中的观测对象波形的频带的面积fc1(t)，以将导出的面积fc1(t)设置为分析结果RΔWa_b。接下来，信号处理电路50为各条观测数据44中的每条观测数据导出分析结果RΔWa_b的功率谱PΔWa(1≤a≤n)(步骤S304)。例如，信号处理电路50对各条观测数据44中的每条观测数据中的面积fc1(t)应用FFT，以导出功率谱PΔWa。
接下来，信号处理电路50在各条观测数据44中的每条观测数据中导出功率谱PΔWa的面积area_a(1≤a≤n)(步骤S305)。例如，信号处理电路50在各条观测数据44中的每条观测数据中导出功率谱PΔWa的每单位频率的面积和这些面积的平均值，以设置导出的每单位频率的面积和面积的平均值作为面积area_a。接下来，基于各条观测数据44中的每条观测数据中的面积area_a，信号处理电路50导出效应量d1。例如，信号处理电路50将各条观测数据44中的每条观测数据中的面积area_a分配给上述表达式(1)至(4)，以导出效应量d1。
接下来，信号处理电路50将导出的效应量d1输出到显示控制器60。然后，显示控制器60生成用于显示包含效应量d1的图像的图像信号，并将其输出到显示器70。显示器70显示与从显示控制器60输入的图像信号对应的图像。用户基于在显示器70上显示的效应量d1判断划分时段ΔT和ΔW的长度是否合适，或者重叠时段Δd1和Δd2的长度是否合适。例如，能够基于效应量d1是否被最大化来判断划分时段ΔT和ΔW的长度是否合适。类似地，例如，能够基于效应量d1是否被最大化来判断重叠时段Δd1和Δd2的长度是否合适。可以认为，适合划分时段ΔT和ΔW的每个长度的值可以取决于各个活体100而不同。类似地，可以认为，适合重叠时段Δd1和Δd2的每个长度的值可以取决于各个活体100而不同。
在用户判断需要改变划分时段ΔT或ΔW的长度的情况下，用户将划分时段ΔT或ΔW的长度的设置值输入到输入单元30中。输入单元30将从用户输入的划分时段ΔT或ΔW的长度的设置值输出到信号处理电路50。信号处理电路50使从输入单元30输入的划分时段ΔT或ΔW的设置值保持在存储单元40中。另外，在用户判断需要改变重叠时段Δd1或Δd2的长度的情况下，用户将重叠时段Δd1或Δd2的长度的设置值输入到输入单元30中。输入单元30将从用户输入的重叠时段Δd1或Δd2的长度的设置值输出到信号处理电路50。信号处理电路50使从输入单元30输入的重叠时段Δd1或Δd2的长度的设置值保持在存储单元40中。
信号处理电路50判断是否改变划分时段ΔT或ΔW的长度。在存储单元40中新保持划分时段ΔT或ΔW的长度的设置值的情况下，或者在存储单元40的划分时段ΔT或ΔW的长度的设置值被更新的情况下，信号处理电路50从存储单元40中读出划分时段ΔT或ΔW的长度的设置值，并基于读出的设置值改变划分时段ΔT或ΔW的长度(步骤S307：“是”)。信号处理电路50使用具有改变的长度的划分时段ΔT或ΔW来执行步骤S301至S306。在存储单元40中没有保持划分时段ΔT或ΔW的长度的设置值的情况下，或者在存储单元40中没有更新划分时段ΔT或ΔW的长度的设置值的情况下，信号处理电路50移动到步骤S308(步骤S307：“否”)。
信号处理电路50判断是否改变重叠时段Δd1或Δd2的长度。在存储单元40中新保持重叠时段Δd1或Δd2的长度的设置值的情况下，或者在存储单元40中更新重叠时段Δd1或Δd2的长度的设置值的情况下，信号处理电路50从存储单元40中读出重叠时段Δd1或Δd2的长度的设置值，并基于读出的设置值改变重叠时段Δd1或Δd2的长度(步骤S308：“是”)。信号处理电路50使用具有改变的长度的重叠时段Δd1或Δd2来执行步骤S301至S307。在存储单元40中没有保持重叠时段Δd1或Δd2的长度的设置值的情况下，或者在存储单元40中没有更新重叠时段Δd1或Δd2的长度的设置值的情况下，信号处理电路50结束处理。
在本修改例中，为每个部分观测数据45导出功率谱PΔTa_b。对每个导出的功率谱PΔTa_b执行成分分析，对于每条基于成分分析获得的数据(分析结果RΔTa)中包括的具有比划分时段ΔT长的多个划分时段ΔW的数据，导出功率谱RΔWa_b。对每个导出的功率谱RΔWa_b执行成分分析。基于成分分析，为各条观测数据44中的每条观测数据生成效应量d1。这使得可以获得与上述实施例类似的效果。
应当注意的是，在本修改例中，任何划分时段ΔT和另一个划分时段ΔT可以不彼此重叠，例如，如图10所示。此外，任何划分时段ΔW和另一个划分时段ΔW可以不彼此重叠。在这些情况下，也可以获得与上述修改例类似的效果。
[修改例B]
在上述修改例A中，生物信息评估设备1可以使存储单元40保持学习模型48，例如，如图11所示。学习模型48例如用于执行图12所示的学习过程或执行图13所示的估计过程。
这里，SΔTa_b(t)表示包含在功率谱PΔTa_b(t)(1≤a≤h，1≤b≤j)中的观测对象波形的频带的面积，功率谱PΔTa_b(t)是从用于学习的h条观测数据44中的每条观测数据中的j个划分时段ΔT中的每个划分时段导出的(参见图12)。此外，SΔWa_b(t)表示包含在功率谱PΔWa_b(t)(1≤a≤h，1≤b≤j)中的观测对象波形的频带的面积，功率谱PΔWa_b(t)是从通过划分用于学习的h条观测数据44中的每条观测数据而获得的j个划分时段ΔW中的每个划分时段导出的(参见图12)。E(t)表示用于学习的h条观测数据44中的每条观测数据中的观测时段T中的情绪状态。注意的是，用于学习的各条观测数据44的数量(h条)等于稍后将描述的估计情绪时的各条观测数据44的数量(n条)。另外，学习时的观测数据44的划分数量(k条)可以与稍后将描述的估计情绪时的观测数据44的划分数量(j条)相等或不同。此外，在面积SΔTa_b(t)和面积SΔWa_b(t)两者中，数据在观测时段T中同时存在。
在面积SΔTa_b(t)和面积SΔWa_b(t)中，学习模型48表示通过学习(诸如，机器学习之类)而获得的模型，所述模型使用每条数据具有相同的“b”的2n条数据作为解释变量并且还使用情绪状态E(t)当中与“b”对应的时段内的情绪状态E(t)作为对象变量(参见图14)。换句话说，学习模型48是用于从2n条数据中估计一种情绪状态的模型。
信号处理电路50针对已经被实际测量的n条观测数据44中的每条观测数据中的k个划分时段ΔT中的每个划分时段导出功率谱PΔTa_b(t)(1≤a≤n，1≤b≤k)，以导出包含在导出的功率谱PΔTa_b(t)中的观测对象波形的频带的面积RΔTa_b(t)(参见图13)。另外，信号处理电路50针对已经被实际测量的n条观测数据44中的每条观测数据中的k个划分时段ΔW中的每个划分时段导出功率谱PΔWa_b(t)(1≤a≤n，1≤b≤k)，以导出包含在导出的功率谱PΔWa_b(t)中的观测对象波形的频带的面积RΔWa_b(t)(参见图13)。
在学习模型48中，在具有相同“b”的2n条数据被输入到面积RΔTa_b和面积RΔWa_b中(其每一个都在信号处理电路50中被导出)的情况下，各自对应于这2n条数据中的每条数据的情绪状态Out_b被输出到信号处理电路50(参见图13)。
这里，假设在各自对应于面积RΔTa_b和面积RΔWa_b中的每一个的实际情绪状态都相等的情况下，情绪状态Out_b中的i个(i≤k)情绪状态与实际情绪状态匹配。此时，估计的准确度为i/k。
在本修改例的情况下，学习模型48用于估计情绪状态Out_b。利用在上述实施例中获得的效应量d1，可以估计例如两个状态：高警戒水平和低警戒水平。另一方面，使用学习模型，除了警戒高或低之外，本修改例还能够估计例如中间水平状态，诸如，哪个程度警戒水平为高或哪个程度警戒水平为低。因此，在本修改例中，可以获得比上述实施例更高的估计准确度。
此外，本修改例使用学习模型48来估计情绪状态Out_b。因此，与上述实施例中使用的数据条数相比，在估计情绪时可以使用条数减少的(n条)观测数据44进行估计，并且可以仅使用一条数据进行估计。这使得即使在估计情绪时不可能获得大量条数(n条)观测数据44的情况下，也可以估计情绪。
[修改例C]
在上述修改例B中，生物信息评估设备1可以使用通过学习(诸如，机器学习之类)获得的模型，所述模型使用每个“b”的面积SΔTa_b(t)作为解释变量，并且还使用与情绪状态E(t)中的“b”对应的时段内的情绪状态E(t)作为对象变量，例如，如图14所示。换句话说，在本修改例中，学习模型48是用于基于n条数据估计一个情绪状态的模型。
信号处理电路50针对已经被实际测量的n条观测数据44中的每条观测数据中的k个划分时段ΔT中的每个划分时段，导出功率谱PΔTa_b(t)(1≤a≤n，1≤b≤k)，以导出包含在导出的功率谱PΔTa_b(t)中的观测对象波形的频带的面积RΔTa_b(t)(参见图15)。
在学习模型48中，针对每个“b”输入由信号处理电路50导出的面积RΔTa_b，并且将各自与n条输入数据中的每个输入数据对应的情绪状态Out_b输出至信号处理电路50(参见图15)。
这里，假设在各自对应于每个面积RΔTa_b的实际情绪状态全部相等的情况下，情绪状态Out_b中的i个(i≤k)情绪状态与实际状态匹配。此时，估计的准确度为i/k。
在本修改例中，学习模型48用于估计情绪状态Out_b。利用在上述实施例中获得的效应量d1，可以估计例如两个状态：高警戒水平和低警戒水平。另一方面，使用学习模型，除了警戒水平为高或低之外，本修改例还能够估计例如中间水平状态，诸如，哪个程度警戒水平为高或哪个程度警戒水平为低。因此，在本修改例中，可以获得比上述实施例更高的估计准确度。
接下来，参考图16和图17，将描述根据上述修改例B和C的生物信息评估设备1的效果。
图16是图示其中划分时段ΔT、重叠时段Δd1和重叠时段Δd2各自固定为某个值的模型中划分时段ΔW的长度与估计的准确度之间的关系的示例的图。图17是图示将划分时段ΔW的长度固定为比在图16所示的模型中的ΔW1大的值(ΔW2)的情况下的估计准确度的示例的图。在图16和图17中，给出了根据修改例B和C的估计准确度的示例。从图16和图17清楚的是，在修改例B中，当划分时段ΔW的长度等于或大于ΔW1时，可以以比修改例C更高的准确度来估计状态。注意的是，图16和图17中的数值仅仅是示例。取决于应用，可以获得高于图16和图17中的数值的数值。
<3.第二实施例>
[配置]
接下来，将描述根据本公开的第二实施例的生物信息评估设备2。图18、图19和图20是各自图示包括根据上述第一实施例以及第一实施例的修改例A、B和C的生物信息评估设备1的生物信息评估设备2的示意性配置的示例的图。
生物信息评估设备2包括例如生物信息观测设备210和生物信息分析设备220。
生物信息观测设备210包括例如检测器10、ADC 20、信号处理电路211和通信部分212。信号处理电路211包括处理器。例如，信号处理电路211控制检测器10获取观测数据44，并且还控制通过通信部分212传输获取的观测数据44。通信部分212根据信号处理电路211的控制将观测数据44传输到生物信息分析设备220。
生物信息分析设备220例如是具有通信功能的移动终端、智能电话或平板电脑。生物信息分析设备220包括例如通信部分221、输入单元30、存储单元40、信号处理电路50、显示控制器60和显示器70。通信部分221接收从生物信息观测设备210传输的观测数据44，并将接收到的观测数据44输出到信号处理电路50。例如，近场无线通信被用于通信部分212和通信部分221之间的通信。使用例如ISO/IEC14443(近场RFID的国际标准)、ISO/IEC18092(称为NFC的无线通信的国际标准)、ISO/IEC15693(RFID的国际标准)、蓝牙(注册商标)等来实现近场无线通信。注意的是，通信部分212和通信部分221之间的通信可以例如通过有线LAN(局域网)、无线LAN(诸如Wi-Fi之类)或电话线来实现。
在本实施例中，与第一实施例以及第一实施例的修改例A、B、C一样，可以在较少数量的样本和短测量时段的情况下展现出状态之间的差异的存在。另外，利用本实施例，与上述第一实施例以及第一实施例的修改例A、B和C一样，可以减少样本的数量，并且即使缩短测量时段，也可以展现出状态之间的差异的存在。
应当注意的是，本说明书中描述的效果仅仅是示例。本公开的效果不限于本说明书中描述的效果。本公开可以具有除本说明书中描述的效果以外的效果。
例如，上述一系列处理能够利用软件来执行，可替代地，能够利用硬件来执行。
另外，第一和第二实施例以及第一实施例的修改例A、B和C能够被应用于其中测量脑电波以了解警戒水平(压力)为高的状态和警戒水平(压力)为低的状态的应用。但是，可以将它们应用于其它应用。例如，第一和第二实施例以及根据第一实施例的修改例A、B和C能够应用于了解游戏、电子竞技、电影、音乐、保健、医学、教育、诸如汽车之类的移动体的驾驶或其它应用中的状态之间的差异的应用。例如，在游戏的情况下，通过了解用户的沉浸度的差异、用户的兴奋度的差异等，可以改变场景或难度。
此外，在第一和第二实施例以及第一实施例的修改例A、B和C的情况下，测量的对象是活体。但是，测量的对象不限于活体。可以将本公开应用于已知观测对象波形的领域，并且能够使用检测器10获得包含已知观测对象波形的观测数据44。另外，在第一和第二实施例以及第一实施例的修改例A、B和C的情况下，观测对象是人类。但是，观测对象可以是动物园、水族馆等中的牲畜或动物。在观测对象是动物园、水族馆等中的牲畜或动物的情况下，例如可以使用第一和第二实施例以及第一实施例的修改例来检测动物的压力等。
此外，本公开可以采取例如以下配置。
(1)一种生物信息评估设备，包括：
信号处理电路，基于包含在通过预定时段的活体观测而获得的各条观测数据中的每一条观测数据中的并且各自具有短于观测数据的观测时段的观测时段的多条部分观测数据，为各条观测数据中的每一条观测数据生成观测对象波形的特征值。
(2)根据(1)所述的生物信息评估设备，其中所述信号处理电路基于各条观测数据中的每一条观测数据的特征值来生成关于各条观测数据之间的观测对象波形的差异的评估值。
(3)根据(2)所述的生物信息评估设备，其中所述评估值是效应量。
(4)根据(1)至(3)中的任一项所述的生物信息评估设备，其中各条部分观测数据中的每条部分观测数据的观测时段具有允许分析观测对象波形的最小必要长度。
(5)根据(2)或(3)所述的生物信息评估设备，还包括：
输入单元，接收关于各条部分观测数据中的每条部分观测数据的观测时段的长度的设置值的输入，其中
所述信号处理电路：
基于在所述输入单元处接收到的设置值来改变各条部分观测数据中的每条部分观测数据的观测时段的长度，
使用具有改变后的长度的观测时段从各条观测数据中的每条观测数据中获得所述多条部分观测数据，以及
基于所述获得的多条部分观测数据为各条观测数据中的每一条观测数据生成观测对象波形的特征值。
(6)根据(5)所述的生物信息评估设备，还包括：
显示控制器，生成用于显示包含评估值的图像的图像信号；以及
显示器，基于来自显示控制器的图像信号来显示图像。
(7)根据(1)至(6)中的任一项所述的生物信息评估设备，其中各条部分观测数据中的一条部分观测数据的观测时段和各条部分观测数据中的另一条部分观测数据的观测时段彼此部分重叠。
(8)根据(7)所述的生物信息评估设备，还包括：
输入单元，接收关于其中各条部分观测数据中的一条部分观测数据的观测时段与各条部分观测数据中的另一条部分观测数据的观测时段重叠的重叠时段的长度的设置值的输入，其中
所述信号处理电路：
基于在所述输入单元处接收到的所述设置值来改变重叠时段的长度；
使用具有改变的长度的重叠时段从各条观测数据中的每条观测数据中获得所述多条部分观测数据，以及
基于所述获得的多条部分观测数据为各条观测数据中的每条观测数据生成观测对象波形的特征值。
(9)根据(8)所述的生物信息评估设备，还包括：
显示控制器，生成用于显示包含评估值的图像的图像信号；以及
显示器，基于来自显示控制器的图像信号来显示图像。
(10)根据(1)至(9)中的任一项所述的生物信息评估设备，还包括：
检测器，通过活体观测获得各条观测数据中的每一条观测数据。
(11)根据(1)至(10)中的任一项所述的生物信息评估设备，其中
所述信号处理电路：
为各条部分观测数据中的每一条部分观测数据导出第一功率谱，
为导出的第一功率谱执行成分分析；以及
基于成分分析为各条观测数据中的每一条观测数据生成特征值。
(12)根据(1)至(10)中的任一项所述的生物信息评估设备，其中
所述信号处理电路：
为各条部分观测数据中的每一条部分观测数据导出第一功率谱，
为导出的第一功率谱执行成分分析，
为基于成分分析获得的数据中包含的并且具有长于第一时段的第二时段的所述多条数据中的每一条数据导出第二功率谱，对导出的第二功率谱执行成分分析，以及
基于成分分析为各条观测数据中的每一条观测数据生成特征值。
(13)根据权利要求1所述的生物信息评估设备，其中
所述信号处理电路：
为各条部分观测数据中的每一条部分观测数据导出第一功率谱，
为导出的第一功率谱执行成分分析，以基于成分分析获得第一数据；
为观测数据中包含的并且具有长于第一时段的第二时段的多条数据中的每一条数据导出第二功率谱，
为导出的第二功率谱执行成分分析，以基于成分分析获得第二数据，以及
基于第一数据和第二数据获得情绪状态。
(14)根据权利要求1所述的生物信息评估设备，其中
所述信号处理电路：
为各条部分观测数据中的每一条部分观测数据导出功率谱，为导出的功率谱执行成分分析，以及
根据基于成分分析获得的数据获得情绪状态。
(15)一种使用信号处理电路执行信号处理来评估生物信息的方法，包括：
基于包含在通过预定时段的活体观测而获得的各条观测数据中的每一条观测数据中的并且各自的观测时段短于观测数据的观测时段的多条部分观测数据，为各条观测数据中的每一条观测数据生成观测对象波形的特征值。
本申请要求基于2018年4月17日向日本专利局提交的日本专利申请No.2018-078807的优先权，其全部内容通过引用并入本文。
应当理解的是，本领域技术人员将根据设计要求和其它因素进行各种修改、组合、子组合和变更，并且它们在所附权利要求或其等同形式的范围内。

Claims (15)

1.一种生物信息评估设备，包括：
信号处理电路，基于包含在通过预定时段的活体观测而获得的各条观测数据中的每一条观测数据中的并且各自具有短于观测数据的观测时段的第一时段的多条部分观测数据，为各条观测数据中的每一条观测数据生成观测对象波形的特征值。
2.如权利要求1所述的生物信息评估设备，其中所述信号处理电路基于各条观测数据中的每一条观测数据的特征值来生成关于各条观测数据之间的观测对象波形的差异的评估值。
3.如权利要求2所述的生物信息评估设备，其中评估值是效应量。
4.如权利要求1所述的生物信息评估设备，其中第一时段具有允许分析观测对象波形的最小必要长度。
5.如权利要求2所述的生物信息评估设备，还包括：
输入单元，接收关于第一时段的长度的设置值的输入，其中
所述信号处理电路
基于在输入单元处接收到的设置值来改变第一时段的长度，
以改变后的长度从各条观测数据中的每一条观测数据中获得所述多条部分观测数据，以及
基于所获得的多条部分观测数据为各条观测数据中的每一条观测数据生成观测对象波形的特征值。
6.如权利要求5所述的生物信息评估设备，还包括：
显示控制器，生成用于显示包含评估值的图像的图像信号；以及
显示器，基于来自显示控制器的图像信号来显示图像。
7.如权利要求1所述的生物信息评估设备，其中第一时段之一和第一时段中的另一个彼此部分重叠。
8.如权利要求7所述的生物信息评估设备，还包括：
输入单元，接收设置值的输入，该设置值关于第一时段之一和第一时段中的另一个重叠的重叠时段的长度，其中
所述信号处理电路
基于输入单元处接收到的设置值来改变重叠时段的长度；
使用具有改变的长度的重叠时段从各条观测数据中的每一条观测数据中获得所述多条部分观测数据，以及
基于所述获得的多条部分观测数据为各条观测数据中的每一条观测数据生成观测对象波形的特征值。
9.如权利要求8所述的生物信息评估设备，还包括：
显示控制器，生成用于显示包含评估值的图像的图像信号；以及
显示器，基于来自显示控制器的图像信号来显示图像。
10.如权利要求1所述的生物信息评估设备，还包括
检测器，通过活体观测获得各条观测数据中的每一条观测数据。
11.如权利要求1所述的生物信息评估设备，其中
所述信号处理电路
为各条部分观测数据中的每一条部分观测数据导出第一功率谱，
为导出的第一功率谱执行成分分析；以及
基于成分分析为各条观测数据中的每一条观测数据生成特征值。
12.如权利要求1所述的生物信息评估设备，其中所述信号处理电路
为各条部分观测数据中的每一条部分观测数据导出第一功率谱，
为导出的第一功率谱执行成分分析，
为基于成分分析获得的数据中包含的并且具有长于第一时段的第二时段的所述多条数据中的每一条数据导出第二功率谱，对导出的第二功率谱执行成分分析，以及
基于成分分析为各条观测数据中的每一条观测数据生成特征值。
13.如权利要求1所述的生物信息评估设备，其中所述信号处理电路
为各条部分观测数据中的每一条部分观测数据导出第一功率谱，
为导出的第一功率谱执行成分分析，以基于成分分析获得第一数据；
为观测数据中包含的并且具有长于第一时段的第二时段的多条数据中的每一条数据导出第二功率谱，
为导出的第二功率谱执行成分分析，以基于成分分析获得第二数据，以及
基于第一数据和第二数据获得情绪状态。
14.如权利要求1所述的生物信息评估设备，其中所述信号处理电路
为各条部分观测数据中的每一条部分观测数据导出功率谱，
为导出的功率谱执行成分分析，以及
根据基于成分分析获得的数据获得情绪状态。
15.一种使用信号处理电路执行信号处理的评估生物信息的方法，包括：
基于包含在通过预定时段的活体观测而获得的各条观测数据中的每一条观测数据中的并且各自的观测时段短于观测数据的观测时段的多条部分观测数据，为各条观测数据中的每一条观测数据生成观测对象波形的特征值。
CN201980025454.5A 2018-04-17 2019-04-02 生物信息评估设备及评估生物信息的方法 Pending CN111970964A (zh)

Applications Claiming Priority (3)

Application Number Priority Date Filing Date Title
JP2018078807A JP2019181049A (ja) 2018-04-17 2018-04-17 生体情報評価装置および生体情報評価方法
JP2018-078807 2018-04-17
PCT/JP2019/014660 WO2019202971A1 (ja) 2018-04-17 2019-04-02 生体情報評価装置および生体情報評価方法

Publications (1)

Publication Number Publication Date
CN111970964A true CN111970964A (zh) 2020-11-20

Family

ID=68239084

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201980025454.5A Pending CN111970964A (zh) 2018-04-17 2019-04-02 生物信息评估设备及评估生物信息的方法

Country Status (6)

Country Link
US (1) US20210145368A1 (zh)
EP (1) EP3782537A4 (zh)
JP (1) JP2019181049A (zh)
KR (1) KR20200143384A (zh)
CN (1) CN111970964A (zh)
WO (1) WO2019202971A1 (zh)

Citations (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US6609024B1 (en) * 1998-11-12 2003-08-19 Electronics And Telecommunications Research Institute Method of making a judgment on emotional positivity or negativity by detecting asymmetry of brain waves of left and right cerebral hemispheres
JP2008276314A (ja) * 2007-04-25 2008-11-13 Canon Electronics Inc 情報処理装置、情報処理方法
CN101331490A (zh) * 2005-09-12 2008-12-24 埃默迪弗系统股份有限公司 心理状态的检测和使用心理状态的互动
JP2009078139A (ja) * 2007-09-06 2009-04-16 Hidetsugu Manoi 睡眠の質を評価するために用いる表示又は印刷を行う装置、方法、コンピュータプログラム、呼吸補助装置、慢性心疾患患者を対象とした呼吸補助装置、睡眠導入装置、マッサージ装置、検査装置
CN102551726A (zh) * 2010-12-15 2012-07-11 索尼公司 呼吸信号处理装置、呼吸信号处理方法和程序
JP2013202123A (ja) * 2012-03-27 2013-10-07 Tohoku Univ 自律神経機能測定装置
CN104637503A (zh) * 2013-11-13 2015-05-20 索尼电脑娱乐公司 光盘设备、其控制方法、程序和信息存储介质
CN105378052A (zh) * 2013-07-19 2016-03-02 索尼公司 细胞评估装置和方法以及程序
CN105979859A (zh) * 2014-02-24 2016-09-28 索尼公司 具有注意力水平和工作负荷感测的智能可穿戴设备和方法
KR101700069B1 (ko) * 2016-08-01 2017-01-25 그루솔루션(주) 환자 실시간 통합 모니터링을 위한 생체 정보 디스플레이 성능 향상 방법

Family Cites Families (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
EP1485015A1 (en) * 2002-02-22 2004-12-15 Datex-Ohmeda, Inc. Cepstral domain pulse oximetry
WO2009059246A1 (en) * 2007-10-31 2009-05-07 Emsense Corporation Systems and methods providing en mass collection and centralized processing of physiological responses from viewers
JP4666407B2 (ja) * 2008-12-30 2011-04-06 有限会社諏訪トラスト 時系列データの解析装置及び時系列データの解析プログラムを記録したコンピュータ読み取り可能な記録媒体
WO2011133548A2 (en) * 2010-04-19 2011-10-27 Innerscope Research, Inc. Short imagery task (sit) research method
WO2015039689A1 (en) * 2013-09-19 2015-03-26 Umc Utrecht Holding B.V. Method and system for determining a parameter which is indicative for whether a patient is delirious
IL294038A (en) * 2015-12-04 2022-08-01 Univ Iowa Res Found Device, systems and methods for prediction, screening and monitoring of encephalopathy / delirium
JP6749691B2 (ja) 2016-11-14 2020-09-02 公立大学法人 富山県立大学 水産物養殖装置と水産物養殖システム及び水産物養殖方法

Patent Citations (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US6609024B1 (en) * 1998-11-12 2003-08-19 Electronics And Telecommunications Research Institute Method of making a judgment on emotional positivity or negativity by detecting asymmetry of brain waves of left and right cerebral hemispheres
CN101331490A (zh) * 2005-09-12 2008-12-24 埃默迪弗系统股份有限公司 心理状态的检测和使用心理状态的互动
JP2008276314A (ja) * 2007-04-25 2008-11-13 Canon Electronics Inc 情報処理装置、情報処理方法
JP2009078139A (ja) * 2007-09-06 2009-04-16 Hidetsugu Manoi 睡眠の質を評価するために用いる表示又は印刷を行う装置、方法、コンピュータプログラム、呼吸補助装置、慢性心疾患患者を対象とした呼吸補助装置、睡眠導入装置、マッサージ装置、検査装置
CN102551726A (zh) * 2010-12-15 2012-07-11 索尼公司 呼吸信号处理装置、呼吸信号处理方法和程序
JP2013202123A (ja) * 2012-03-27 2013-10-07 Tohoku Univ 自律神経機能測定装置
CN105378052A (zh) * 2013-07-19 2016-03-02 索尼公司 细胞评估装置和方法以及程序
CN104637503A (zh) * 2013-11-13 2015-05-20 索尼电脑娱乐公司 光盘设备、其控制方法、程序和信息存储介质
CN105979859A (zh) * 2014-02-24 2016-09-28 索尼公司 具有注意力水平和工作负荷感测的智能可穿戴设备和方法
KR101700069B1 (ko) * 2016-08-01 2017-01-25 그루솔루션(주) 환자 실시간 통합 모니터링을 위한 생체 정보 디스플레이 성능 향상 방법

Also Published As

Publication number Publication date
KR20200143384A (ko) 2020-12-23
WO2019202971A1 (ja) 2019-10-24
US20210145368A1 (en) 2021-05-20
EP3782537A1 (en) 2021-02-24
EP3782537A4 (en) 2021-06-09
JP2019181049A (ja) 2019-10-24

Similar Documents

Publication Publication Date Title
JP2018102617A (ja) 感情推定装置、方法およびプログラム
CN114098730B (zh) 基于认知图谱的认知能力测试和训练方法、装置、设备和介质
Quail et al. Predicting the onset of period-doubling bifurcations in noisy cardiac systems
CN111345808B (zh) 处理心电信号的方法、心电信号监测设备和存储介质
Schröder et al. Effects of icon concreteness and complexity on semantic transparency: Younger vs. older users
WO2020187987A1 (en) Population-level gaussian processes for clinical time series forecasting
CN117275673A (zh) 一种用于提升分配注意的认知训练设备和方法
WO2019146405A1 (ja) 表情解析技術を用いた商品に対するモニタの反応を評価するための情報処理装置、情報処理システム、プログラム
Hsiung et al. Curiosity evolves as information unfolds
Lewis et al. Mixed effects random forests for personalised predictions of clinical depression severity
US20160213286A1 (en) Electronic device, monitoring and feedback system on thoracoabdominal motion and method thereof
CN111970964A (zh) 生物信息评估设备及评估生物信息的方法
JP5552715B2 (ja) 脳波処理装置、脳波処理方法、およびプログラム
EP3649951B1 (en) Information provision method, information processing system, information terminal, and information processing method
WO2019181517A1 (ja) 視野検査装置、その制御方法及び視野検査プログラム
JP2018190176A (ja) 画像表示装置、肌状態サポートシステム、画像表示プログラム及び画像表示方法
US11399756B2 (en) Information provision method, information processing system, information terminal, and information processing method
EP3650857A1 (en) Information provision method, information processing system, information terminal, and information processing method
EP3649947A1 (en) Information provision method, information processing system, information terminal, and information processing method
JP2020078373A (ja) 情報処理装置及びコンピュータプログラム
KR20190128808A (ko) 스마트 체중 측정장치
WO2023021612A1 (ja) 目的変数推定装置、方法およびプログラム
US11429188B1 (en) Measuring self awareness utilizing a mobile computing device
US20230401967A1 (en) Determination device, determination method and storage medium
US20210134411A1 (en) Information processing device, information processing method, and non-transitory recording medium on which program for information processing is recorded

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination