CN117157011A - 脑活动状态判定装置以及脑活动状态判定用程序 - Google Patents
脑活动状态判定装置以及脑活动状态判定用程序 Download PDFInfo
- Publication number
- CN117157011A CN117157011A CN202380010693.XA CN202380010693A CN117157011A CN 117157011 A CN117157011 A CN 117157011A CN 202380010693 A CN202380010693 A CN 202380010693A CN 117157011 A CN117157011 A CN 117157011A
- Authority
- CN
- China
- Prior art keywords
- index value
- brain
- data
- determination
- state
- 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
Links
- 230000007177 brain activity Effects 0.000 title claims abstract description 129
- 210000004556 brain Anatomy 0.000 claims abstract description 77
- 238000004364 calculation method Methods 0.000 claims abstract description 72
- 238000011156 evaluation Methods 0.000 claims abstract description 15
- 230000000739 chaotic effect Effects 0.000 claims description 95
- 230000001149 cognitive effect Effects 0.000 claims description 49
- 230000001684 chronic effect Effects 0.000 claims description 12
- 230000000284 resting effect Effects 0.000 claims description 8
- 230000003247 decreasing effect Effects 0.000 claims description 3
- 238000012935 Averaging Methods 0.000 claims 2
- 238000010586 diagram Methods 0.000 description 17
- 238000004891 communication Methods 0.000 description 16
- 238000005259 measurement Methods 0.000 description 13
- 238000000034 method Methods 0.000 description 12
- 238000002474 experimental method Methods 0.000 description 9
- 230000003340 mental effect Effects 0.000 description 9
- 230000000694 effects Effects 0.000 description 8
- 210000003128 head Anatomy 0.000 description 5
- 230000007774 longterm Effects 0.000 description 5
- 238000012545 processing Methods 0.000 description 5
- 210000004761 scalp Anatomy 0.000 description 5
- 230000008667 sleep stage Effects 0.000 description 4
- 230000003920 cognitive function Effects 0.000 description 3
- 230000006870 function Effects 0.000 description 3
- 238000011160 research Methods 0.000 description 3
- 238000012549 training Methods 0.000 description 3
- 238000004497 NIR spectroscopy Methods 0.000 description 2
- 238000009825 accumulation Methods 0.000 description 2
- 238000012806 monitoring device Methods 0.000 description 2
- 230000009467 reduction Effects 0.000 description 2
- 230000000638 stimulation Effects 0.000 description 2
- 208000019901 Anxiety disease Diseases 0.000 description 1
- 241000282461 Canis lupus Species 0.000 description 1
- 208000000059 Dyspnea Diseases 0.000 description 1
- 206010013975 Dyspnoeas Diseases 0.000 description 1
- 235000016796 Euonymus japonicus Nutrition 0.000 description 1
- 240000006570 Euonymus japonicus Species 0.000 description 1
- 206010041349 Somnolence Diseases 0.000 description 1
- 230000003213 activating effect Effects 0.000 description 1
- 230000004913 activation Effects 0.000 description 1
- 230000036506 anxiety Effects 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 230000003925 brain function Effects 0.000 description 1
- 230000000747 cardiac effect Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 230000019771 cognition Effects 0.000 description 1
- 230000036992 cognitive tasks Effects 0.000 description 1
- 238000007405 data analysis Methods 0.000 description 1
- 230000005484 gravity Effects 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 230000001788 irregular Effects 0.000 description 1
- YWXYYJSYQOXTPL-SLPGGIOYSA-N isosorbide mononitrate Chemical compound [O-][N+](=O)O[C@@H]1CO[C@@H]2[C@@H](O)CO[C@@H]21 YWXYYJSYQOXTPL-SLPGGIOYSA-N 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000001320 near-infrared absorption spectroscopy Methods 0.000 description 1
- 230000001737 promoting effect Effects 0.000 description 1
- 230000029058 respiratory gaseous exchange Effects 0.000 description 1
- 230000001953 sensory effect Effects 0.000 description 1
- 238000007493 shaping process Methods 0.000 description 1
- 208000013220 shortness of breath Diseases 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 238000012731 temporal analysis Methods 0.000 description 1
- 230000002123 temporal effect Effects 0.000 description 1
- 238000000700 time series analysis Methods 0.000 description 1
Classifications
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
-
- 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
- A61B5/0245—Detecting, measuring or recording pulse rate or heart rate by using sensing means generating electric signals, i.e. ECG 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
Abstract
本发明具备:混沌指标值计算单元(201),计算作为判定时间序列数据的混沌性的指标的混沌指标值;判定单元(205),将向所述混沌指标值计算单元(201)提供从处于对脑的负荷得到基准值数据的状态即第一状态的被检者得到的RRI数据而得到的输出作为基准值数据保持于存储装置中,将从处于对脑的负荷得到评价对象数据的状态即第二状态的判定对象者得到的RRI数据提供给所述混沌指标值计算单元(201)而得到评价对象数据即判定对象混沌指标值,计算所述基准值数据与所述判定对象混沌指标值之比即指标值比,为了判定脑活动状态而基于脑活动阈值与所述指标值比的比较来判定所述判定对象者的脑活动状态。
Description
技术领域
本发明涉及脑活动状态判定装置以及脑活动状态判定用程序。
背景技术
以往,脑活动状态几乎都通过脑波仪来进行测量判定,装置大型,此外,测定需要时间和成本。
例如在专利文献1中,公开了一种脑活动测量系统。在该系统中,作为与头皮抵接而使用的脑活动测量用电极5,公开了一种如下电极,其具备:多个头皮接地部,具有与头皮抵接而取得电信息的功能;多个引导体,配置在头皮接地部的周围;湿电极安装部;以及湿构件,相对于湿电极安装部能够拆装,在湿构件安装于湿电极安装部时作为湿电极使用,在湿构件从湿电极安装部取下时作为干电极使用。
该脑活动测量系统基于通过所述脑活动测量用电极得到的脑活动信号来测量脑活动。具备上述那样的测量用电极的头部佩戴装置在与脑波帽、头套件等固定电极的单元一起使用的情况下,不论被检者的头部形状如何,电极都容易正对地与头皮抵接,并且在通过干式难以测量的情况下能够简单地进行测量。
在专利文献2中,公开了一种脑活动状态监控装置,其使用传感器20构成,该传感器20安装于被检体的头部,使用近红外分光分析法(NIRS:Near-infrared spectroscopy)来收集第一数据以及第二数据。具体而言,传感器20使用射出波长为约700nm至约900nm的近红外光的光源以及光接收传感器与被检体的头部密接,射出近红外光,并由光接收传感器接收光。
脑活动状态监控装置具备:数据取得部,其取得第一数据以及第二数据,该第一数据表示被检体的脑的活动状态,是在第一期间收集的数据,该第二数据表示所述被检体的脑的活动状态,是在继所述第一期间之后的的第二期间收集的数据;以及重心计算部,其计算在定义有马氏距离的相位平面上的所述第一数据的重心。进而,具备:距离计算部,其对于所述第二数据计算距所述重心的马氏距离,并计算所述第二数据的马氏距离的经时性变化;判定部,其对所述第二数据的马氏距离是否超过给定阈值给定次数以上进行判定;以及输出部,在判定为所述第二数据的马氏距离超过给定阈值给定次数以上的情况下,该输出部输出表示所述被检体的脑的活动状态的信息。
在专利文献3中,公开了一种脑活动活性化方法。通过该方法,促使利用者在有氧运动后在适当的定时进行认知功能训练。
在该方法中,计算机使通信部从测量装置取得佩戴有测量给定的生命数据的测量装置的利用者的生命数据的测量值,并使显示部进行促使利用者开始使利用者的身体功能提高的有氧运动的显示。并且,基于生命数据的测量值,测量利用者进行了有氧运动的时间即有氧运动时间,在有氧运动达到给定时间以上的情况下,使显示部进行促使利用者结束有氧运动的显示。此外,在满足基于生命数据的测量值或从有氧运动的结束起的经过时间的给定条件的情况下,使显示部进行促使进行使利用者的脑功能提高的给定的认知功能训练的显示。这样,使操作部受理利用者进行认知功能训练时的利用者的操作。
由于心率与脑活动具有关联性,因此本申请的发明人们提出了基于RRI数据来进行困倦推定的方案(专利文献4)。
在专利文献5中,公开了一种系统,该系统构成为基于EEG信号中的心脏伪影信息以及脑活动信息来判别被检者的睡眠阶段。该系统基于如下疑虑:EEG信号中存在的心脏伪影有时会引起错误的睡眠阶段判定,其结果,可能会导致无法得到睡眠中的时机的感觉刺激、刺激的不在、EEG信号信息的长期间的废弃以及/或者其他现象。该系统与现有技术的系统相比,使实时的睡眠阶段判定提高以及/或者提供其他优点。在该系统中,基于EEG信号中包含的心脏活动信息以及脑活动信息这两者来决定被检者的当前的睡眠阶段。
在先技术文献
专利文献
专利文献1:日本特开2020-195777号公报
专利文献2:日本特开2020-130336号公报
专利文献3:日本特开2020-58725号公报
专利文献4:日本特开2018-57450号公报
专利文献5:日本特表2019-503746号公报
发明内容
发明所要解决的课题
在如上述那样以往的脑活动的观测中,虽然进行了各种研究,但从简便性、准确性的观点出发,现状是所提供的并不充分。因此,本发明的目的在于,提供一种能够比以往更简便地进行准确的判定的脑活动状态判定装置以及脑活动状态判定用程序。
用于解决课题的手段
本发明的实施方式所涉及的脑活动状态判定装置的特征在于,具备:混沌指标值计算单元,其计算作为判定时间序列数据的混沌性的指标的混沌指标值;基准值数据保持控制单元,其将向所述混沌指标值计算单元提供从处于对脑的负荷得到基准值数据的状态即第一状态的被检者得到的RRI数据而得到的输出作为基准值数据保持于存储装置中;判定对象混沌指标值计算单元,其将从处于对脑的负荷得到评价对象数据的状态即第二状态的判定对象者得到的RRI数据提供给所述混沌指标值计算单元而得到评价对象数据即判定对象混沌指标值;指标值比计算单元,其计算所述基准值数据与所述判定对象混沌指标值之比即指标值比;以及判定单元,其为了判定脑活动状态而基于脑活动阈值与所述指标值比的比较来判定所述判定对象者的脑活动状态。
本发明的实施方式所涉及的脑活动状态判定用程序的特征在于,使计算机作为如下单元而发挥功能:混沌指标值计算单元,其计算作为判定时间序列数据的混沌性的指标的混沌指标值;基准值数据保持控制单元,其将向所述混沌指标值计算单元提供从处于对脑的负荷得到基准值数据的状态即第一状态的被检者得到的RRI数据而得到的输出作为基准值数据保持于存储装置中;判定对象混沌指标值计算单元,其将从处于对脑的负荷得到评价对象数据的状态即第二状态的判定对象者得到的RRI数据提供给所述混沌指标值计算单元而得到评价对象数据即判定对象混沌指标值;指标值比计算单元,其计算所述基准值数据与所述判定对象混沌指标值之比即指标值比;以及判定单元,其为了判定脑活动状态而基于脑活动阈值与所述指标值比的比较来判定所述判定对象者的脑活动状态。
附图说明
图1是在某条件1下对被检者进行了测定的情况下的、在本发明的实施方式所涉及的脑活动状态判定装置中使用的混沌指标值比γ的直方图。
图2是在某条件2下对被检者进行了测定的情况下的、在本发明的实施方式所涉及的脑活动状态判定装置中使用的混沌指标值比γ的直方图。
图3是本发明所涉及的脑活动状态判定装置的第一实施方式的装置结构图。
图4是表示在本发明所涉及的脑活动状态判定装置的使用安静时基准值数据的实施方式中,到存储安静时混沌指标值数据CCI[1]~CCI[m]为止的动作的图。
图5是表示在本发明所涉及的脑活动状态判定装置的使用安静时基准值数据的实施方式中,到存储安静时基准值数据RefR[1]~RefR[m]为止的动作的图。
图5A是表示在本发明所涉及的脑活动状态判定装置的使用安静时基准值数据的实施方式中,到得到平均指标值比AVγA为止的动作的图。
图6是本发明所涉及的脑活动状态判定装置的第二实施方式的装置结构图。
图7是本发明所涉及的脑活动状态判定装置的第三实施方式的装置结构图。
图8是本发明所涉及的脑活动状态判定装置的第四实施方式的装置结构图。
图9是表示在本发明所涉及的脑活动状态判定装置的使用认知活动时基准值数据的实施方式中,到存储安静时混沌指标值数据CCI[1]~CCI[m]为止的动作的图。
图10是表示在本发明所涉及的脑活动状态判定装置的使用认知活动时基准值数据的实施方式中,到存储安静时基准值数据RefR[1]~RefR[m]为止的动作的图。
图10A是表示在本发明所涉及的脑活动状态判定装置的使用认知活动时基准值数据的实施方式中,到得到平均指标值比AVγA为止的动作的图。
图11是表示本发明所涉及的脑活动状态判定装置的“使用认知活动时基准值数据的实施方式”的长期的处理结果的一例的图。
具体实施方式
以下参照附图,对本发明的实施方式所涉及的脑活动状态判定装置以及脑活动状态判定用程序进行说明。在各图中对相同的构成要素标注相同的符号并省略重复的说明。在本发明的实施方式中,使用根据RRI数据(心率间隔数据)计算出的混沌指标。
在此,所谓混沌指标,是判定时间序列数据的混沌性的指标,若列举几个则如下所述。
以下,记载各个指标和参考文献(除了(5)、(6)以外,记载于行的后部)。
(1)ApEn(近似熵)[1][2][3][4]
(2)SampEn(样本熵)[3][4]
(3)Fractal Dimension(分形维数)[5][6]
(4)SD1/SD2[7][8]
(5)CD(混沌尺度)日本特开2018-120488号公报
(6)ICD(修正混沌尺度)日本特开2021-064323号公报
<上面的6个是论文登载的6个方式>
(7)李雅普诺夫指数的推定法(Rosenstein的方法)[9]
(8)李雅普诺夫指数的推定法(Wolf的方法)[10]
(9)李雅普诺夫指数的推定法(Sano-Sawada的方法)[11]
<上面的3个为代表性的李雅普诺夫指数推定法>
参考文献
[1]Pincus、S.M.Approximate entropy as a measure of systemcomplexity.PNAS 88、2297-2301(1991).
[2]Pincus、S.M.、Gladstone、I.M.&Ehrenkranz、R.A.A regularity statisticfor medical data analysis.J.Clin.Monit.Comput.7、335-345(1991).
[3]Richman、J.S.&Moorman、J.R.Physiological time-series analysis usingapproximate entropy and sample entropy.Am.J.Physiol.Heart Circ.Physiol.278、2039-2049(2000).
[4]Delgado-Bonal、A.&Alexander、M.Approximate Entropy and SampleEntropy:A Comprehensive Tutorial.Entropy 21、541(2019)
[5]Higuchi、T.Approach to an irregular time series on the basis of thefractal theory.Physica D 31、277-83(1998).
[6]Ahammer、H.Higuchi dimension of digital images.PLoS One 6、e0119394(2011).
[7]Hoshi、R.A.&Pastre、C.M.、Vanderlei、L.M.&Godoy、M.F.oacirFernandes.Poincare plot indexes of heart rate variability:Relationships withother nonlinear variables.Auton.Neurosci.177、271 -274(2013)
[8]Guzik、P.et.al.Correlations between the Poincare plot andconventional heart rate variability parameters assessed during pacedbreathing.J Physiol Sci.57、63-71(2007).
[9]Michael T.Rosenstein、James J.Collins、Carlo J.De Luca、A practicalmethod for calculating largest Lyapunov exponents from small data sets、Physica D:Nonlinear Phenomena、65、117 -134(1993).
[10]Alan Wolf、Jack B.Swift、Harry L.Swinney、John A.Vastano、DeterminingLyapunov exponents from a time series、Physica D:Nonlinear Phenomena、Volume16、285 -317(1985)
[11]Sato、Shinichi、Sano、Masaki、Sawada、Yasuji、Practical Methods ofMeasuring the Generalized Dimension and the Largest Lyapunov Exponent in HighDimensional Chaotic Systems、Theor Phys 77(1987)
本申请的发明人们为了确认使用从RRI数据得到的混沌指标值来进行脑活动状态判定是适当的,而进行了实验。该实验针对18名健康的参加者实施。参加者为20代13名、30代2名、50代3名且男性15名、女性3名。该实验得到了京都大学信息学研究科研究伦理委员会的批准而实施(批准编号:KUIS-EAR-2019-006)。
参加者佩戴能够测定RRI的PolarH10胸带心率传感器,进行了在下述的状态下测定RRI的两个实验。
Rest(休息):坐在椅子上休息。身体负荷和精神负荷都没有。
Standing(站姿):维持直立姿势。仅施加身体负荷。
Brain Task:坐在椅子上执行认知课题(心算或数独)。仅施加精神负荷。
在实验1中,将心算用于脑课题。参加者在安静(表记为Rest1)下测定7分钟、在站姿(表记为Standing)下测定7分钟、在心算(表记为Brain Task1)下测定7分钟RRI。在各状态之间设置有5分钟的休息。参加者反复进行了5组该实验。
得到将使用该情况下的安静时的RRI数据而得到的混沌指标值CCIR1作为分母、将使用在站姿状态下得到的RRI数据而得到的混沌指标值CCIS作为分子的混沌指标值比γ(CCIS/CCIR1)。之后向脑任务状态转移,在脑任务状态下测定RRI数据。在脑任务状态下,坐在椅子上,在桌上进行心算(一位的加法)。得到将使用该情况下的安静时的RRI数据而得到的混沌指标值CCIR1作为分母、将使用在脑任务状态下得到的RRI数据而得到的混沌指标值CCIB1作为分子的混沌指标值比γ(CCIB1/CCIR1)。在图1中示出混沌指标值比γ(CCIS/CCIR1)的度数(Frequency)用蓝色表示、混沌指标值γ(CCIB1/CCIR1)的度数用红色表示的直方图。混沌指标的种类如图所示,使用了ApEn、SampEn、Fractal Dimension、SD1/SD2、CD、ICD这6种。
进而,在实验2中,将数独用于脑课题。参加者在安静(表记为Rest2)下测定7分钟,在数独(表记为Brain Task2)下测定了7分钟RRI。在各状态之间设置有5分钟的休息。参加者反复进行了5组该实验。
得到将使用该情况下的休息时的RRI数据而得到的混沌指标值CCIR2作为分母、将使用在脑任务状态下得到的RRI数据而得到的混沌指标值CCIB2作为分子的混沌指标值比γ(CCIB2/CCIR2)。在图2中示出混沌指标值比γ(CCIS/CCIR1)的度数用蓝色表示、混沌指标值比γ(CCIB2/CCIR2)的度数用红色表示的直方图。混沌指标的种类如图所示,使用了ApEn、SampEn、Fractal Dimension、SD1/SD2、CD、ICD这6种。
在图1、图2中,在使用了任一混沌指标的情况下,脑任务状态(红色)的γ都是比站姿状态(蓝色)的γ大的值,可以理解站姿状态(蓝色)和脑任务状态(红色)大致以γ为1的值为边界分布。
在图3中,示出了本发明所涉及的脑活动状态判定装置的第一实施方式的装置结构图。在本实施方式中,使时钟类型的智能手表20具备脑活动状态判定装置的全部结构。该智能手表20具备对相当于心电图信号的R波的信号进行检测的RRI传感器10,作为该RRI传感器10,能够使用心率传感器。
该RRI传感器10除了心率传感器以外,也可以使用心电仪的取出心电图信号的部分的结构或脉搏波传感器。在具有智能手表20以外的结构的脑活动状态判定装置中,RRI传感器10也可以设置于生物体,通过无线或者有线来检测心电图信号,并输出RRI(整形前)。
智能手表20具有计算机的结构,具备由计算机实现的混沌指标值计算单元201、基准值数据保持控制单元202、判定对象混沌指标值计算单元203、指标值比计算单元204、判定单元205、存储装置300。另外,也可以为如下结构:存储装置300存在于云上,作为计算机的智能手表20与存储装置300进行通信来进行数据的收发。
混沌指标值计算单元201计算作为判定时间序列数据的混沌性的指标的混沌指标值。上述混沌指标值计算单元201计算一种或多种混沌指标值。在此,作为混沌指标的种类,可以采用前述的9种指标、或者对其加上同样的指标而得到的指标。基准值数据保持控制单元202将由RRI传感器10从处于对脑的负荷得到基准值数据的状态即第一状态的被检者得到的RRI数据提供给上述混沌指标值计算单元201,并将所得到的输出作为基准值数据保持于存储装置300中。
判定对象混沌指标值计算单元203将从处于得到对脑的负荷评价对象数据的状态即第二状态的判定对象者得到的RRI数据提供给上述混沌指标值计算单元201,得到作为评价对象数据的判定对象混沌指标值。指标值比计算单元204计算上述基准值数据与上述判定对象混沌指标值之比即指标值比。判定单元205为了判定脑活动状态而基于脑活动阈值与上述指标值比的比较来判定上述判定对象者的脑活动状态。
由于上述混沌指标值计算单元201计算一种或多种混沌指标值,因此上述基准值数据保持控制单元202能够使与上述多种对应的基准值数据保持于存储装置中,上述判定对象混沌指标值计算单元203能够得到与上述多种对应的判定对象混沌指标值,上述指标值比计算单元204能够计算与上述多种对应的指标值比。上述指标值比计算单元204能够计算与上述多种对应的指标值比,并将所得到的指标值比进行平均而得到平均指标值比。
在图6中,示出了本发明所涉及的脑活动状态判定装置的第二实施方式的装置结构图。在本实施方式中,能够由例如为圆盘状的壳体且贴附于判定对象者的身体的传感器部10B和计算机50来构成脑活动状态判定装置。计算机50是指智能手机、个人计算机、云终端、服务器、特殊终端等由计算机本身构成的装置、计算机相当设备。传感器部10B具备RRI传感器10和通信单元11,构成为在RRI传感器10中得到RRI数据并从通信单元11向计算机50发送。
计算机50具备由计算机实现的混沌指标值计算单元201、基准值数据保持控制单元202、判定对象混沌指标值计算单元203、指标值比计算单元204、判定单元205、通信单元206。计算机50还具备存储装置300、显示装置40。另外,也可以为如下结构:存储装置300存在于云上,计算机50与云上的存储装置300进行通信来进行数据的收发。计算机50经由通信单元206从传感器部10B得到RRI数据,进行与图3所示的脑活动状态判定装置同样的处理。
在图7中,示出了本发明所涉及的脑活动状态判定装置的第三实施方式的装置结构图。在本实施方式中,采用了与图6所示的脑活动状态判定装置的结构大致相同的结构。不同的结构部分是具备显示装置40的计算机终端(或平板终端)60与计算机50分开设置。在本实施方式中,计算机50也可以具备显示装置,但关于判定结果的消息和平均指标值比AVγA的信息,在具备显示装置40的计算机终端(或平板终端)60中进行。在本实施方式中,也可以为如下结构:存储装置300存在于云上,计算机50与云上的存储装置300进行通信来进行数据的收发。
在图8中,示出了本发明所涉及的脑活动状态判定装置的第四实施方式的装置结构图。在本实施方式中,关于图6所示的脑活动状态判定装置的结构,采用了在计算机50连接有云计算机(或服务器计算机)70的结构。传感器部10B具备通信单元11,计算机50具备通信单元206,云计算机(或服务器计算机)70具备通信单元706,这些通信单元11与通信单元206与通信单元706相互进行数据等的收发而作为脑活动状态判定装置发挥功能。
传感器部10B具备RRI传感器10,取得RRI数据并经由计算机50向云计算机(或服务器计算机)70发送。计算机50具备显示装置40,进行判定结果的消息和平均指标值比AVγA的信息的显示。云计算机(或服务器计算机)70具备由计算机实现的混沌指标值计算单元201、基准值数据保持控制单元202、判定对象混沌指标值计算单元203、指标值比计算单元204、判定单元205、通信单元706。云计算机(或服务器计算机)70还具备存储装置300。当然,也可以为如下结构:存储装置300不配备于云计算机(或服务器计算机)70而存在于云上,云计算机(或服务器计算机)70与云上的存储装置300进行通信来进行数据的收发。
<使用安静时基准值数据的实施方式>
本发明的实施方式所涉及的脑活动状态判定装置是上述图6~图8中的任一结构的装置。在本实施方式中,上述基准值数据保持控制单元202将向上述混沌指标值计算单元201提供从处于安静状态(对脑的负荷得到基准值数据的状态即第一状态)的被检者得到的RRI数据而得到的输出作为安静时混沌指标值数据CCI[1]~CCI[m]而保持于存储装置300中(图4)。在此,所谓安静状态,通常可以是被检者躺在床上而没有身体的消耗,未对脑施加负荷的状态,但在本实施方式中是指坐在椅子上而包括身体负荷、精神负荷在内没有对脑的负荷的状态。在本实施方式中,设上述混沌指标值计算单元201例如求出m(=6)种混沌指标值,若按时间序列得到S时间序列,则按各混沌指标的种类求出S时间序列的平均,计算并存储安静时基准值数据RefR[1]~RefR[m](图5)。
判定对象混沌指标值计算单元203将从处于脑任务执行状态(对脑的负荷得到评价对象数据的状态即第二状态)的判定对象者得到的RRI数据提供给上述混沌指标值计算单元201,得到作为评价对象数据的判定对象混沌指标值。在此,判定对象者设为与得到安静时基准值数据的被检者同一人物。此外,上述混沌指标值计算单元201例如求出m(=6)种混沌指标值,因此判定对象混沌指标值数据也得到CCI[1]~CCI[m]的m种(图5A)。而且,所谓脑任务,是指促进在与脑内网络相关的研究领域中的、被称为Executive ControlNetwork(ECN:执行控制网络)或者CEN(Central Executive Network:中央执行网络)的智能活动/认知活动中最活性化的脑部位间网络的活性化那样的任务。例如,是指包含在图1、图2的实验中使用的活动项目在内的心算、猜谜、问答(三选项、四选项)、其他等。脑任务也可以预先准备多种,根据作业者的兴趣来选择。或者,也可以与种类无关地随机地出题,若这样,则可认为能够期待适当的结果。
上述指标值比计算单元204计算与上述多种(m)对应的指标值比γA[1]~γA[m]。上述指标值比计算单元204将所得到的指标值比γA[1]~γA[m]进行平均而得到平均指标值比AVγA(图5A)。
即,通过以下的公式来求出平均指标值比AVγA。另外,在本实施方式中采用了相加平均,但根据目的,只要是γA[1]~γA[m]的代表值即使用γA[1]~γA[m]计算出的数量,则可以是任意方式(例如也可以是相乘平均、取对数后的值的平均等。)
【数式1】
i=1,2,…,m
在本实施方式中,将脑活动阈值设为1,判定单元205得到如下这样的判定结果。
·确认到脑活动(AVγA>1时)
·未确认到脑活动(AVγA≤1时)
作为以上得到的结果的“确认到脑活动”或者“未确认到脑活动”这样的消息和平均指标值比AVγA的信息被送出并显示于显示装置40。在图5A中,将在9月2日至10月12日之间的适当的15天得到的判定结果和平均指标值比AVγA汇总示于表中。
<使用认知活动时基准值数据的实施方式>
本发明的实施方式所涉及的脑活动状态判定装置是上述图6~图8中的任一结构的装置。在本实施方式中,上述基准值数据保持控制单元202将向上述混沌指标值计算单元201提供从脑处于认知活动状态(对脑的负荷为第一状态(实际上为第三状态)的被检者得到的RRI数据而得到的输出作为认知活动时混沌指标值数据CCI[1]~CCI[m]而保持于存储装置300中(图9)。在此,所谓认知活动时,是指被检者坐在椅子上进行在图1、图2中说明的心算、数独的状态。在本实施方式中,设上述混沌指标值计算单元201例如求出m(=6)种混沌指标值,若按时间序列得到L时间序列,则按各混沌指标的种类求出L时间序列的平均,计算并存储认知活动时基准值数据RefBT[1]~RefBT[m](图10)。
判定对象混沌指标值计算单元203将从处于脑任务执行状态(对脑的负荷为第二状态(实际上为第四状态))的判定对象者得到的RRI数据提供给上述混沌指标值计算单元201而得到判定对象混沌指标值。在此,判定对象者设为与得到认知活动时基准值数据的被检者同一人物。此外,由于上述混沌指标值计算单元201例如求出m(=6)种混沌指标值,因此判定对象混沌指标值数据也得到CCI[1]~CCI[m]的m种。进而,脑任务设为与“使用安静时基准值数据的实施方式”的情况相同。另外,尽管脑任务相同,但在本实施方式中,将最初脑不是安静状态而是认知活动状态的判定对象者设为脑任务执行状态,因此不设为“处于脑任务执行状态(对脑的负荷为第二状态)的判定对象者”而设为“处于脑任务执行状态(对脑的负荷为第二状态(实际上为第四状态))的判定对象者”。
上述指标值比计算单元204计算与上述多种(m)对应的指标值比γB[1]~γB[m]。上述指标值比计算单元204将所得到的指标值比进行平均而得到平均指标值比AVγB(图10A)。
即,通过以下的公式来求出平均指标值比AVγB。另外,在本实施方式中采用了相加平均,但根据目的,只要是γB[1]~γB[m]的代表值即使用γB[1]~γB[m]计算出的数量,则可以是任意方式(例如也可以是相乘平均、取对数后的值的平均等。)
【数式2】
i=1,2,…,m
在本实施方式中,将脑活动阈值设为0.5和1.2,按以下3个阶段,判定单元205得到如下这样的判定结果。
·比平常好(AVγB>1.2时)
·平常(0.5≤AVγB≤1.2时)
·比平常低(AVγB<0.5时)
这里,阈值为当前时间点的参考值,可以鉴于本申请发明的实施以后的状况进行变更。但是,如下是不变的。
·比平常好一定设为大于1的值。
·比平常低一定设为小于1的值。
·平常需要为上述2个的中间值。
作为以上得到的判定结果的“比平常好”或者“平常”或者“比平常低”这样的消息和平均指标值比AVγB的信息被送出并显示于显示装置40。在图10A中,将在9月2日至10月12日之间的适当的15天得到的判定结果和平均指标值比AVγB汇总示于表中。
<使用基于“使用认知活动时基准值数据的实施方式”的长期的处理结果来判定慢性脑疲劳的实施方式α>
本发明的实施方式α所涉及的脑活动状态判定装置是上述图6~图8中的任一结构的装置。在本实施方式α中,将执行“使用认知活动时基准值数据的实施方式”的各手段全部使用来进行处理。“长期”的意思是可以得到足以用来进行慢性脑疲劳的判定的判定结果,例如有1个月以上的判定结果即可。在图11中,示出基于“使用认知活动时基准值数据的实施方式”的长期的处理结果的一例。在该例中,设为约1个月的15次的判定结果存储于存储装置300的状态(在图11右侧显示的表)。
在本实施方式α中,判定单元205判定下述的条件。
条件1·从最新的测量日来看,平均指标值比AVγB低的判定结果(在本实施方式α中,“比平常低”)连续n次。
条件2·在从最新的测量次数起u次以内平均指标值比AVγB为降低倾向,并且v(<u)次以内的平均指标值比AVγB为给定值以下。另外,上述n、u、v为正整数,可以适当决定。这样,判定单元205构成基于上述存储的判定结果和此时的平均指标值比的降低倾向来判定慢性脑疲劳的脑疲劳第一判定单元。
在满足以上的条件1、条件2中的至少一方(或者双方)时,将处于慢性脑疲劳的状态的意思的警告消息和条件1以及2的内容信息送出到显示装置40进行显示,不仅能够自己知道,还能够从本实施方式α的通信单元206(706)发送到该脑活动状态判定装置以外的便携式终端等,并显示于其显示装置。
脑疲劳是,第一,长久的睡眠不足,第二,长久的疲劳,第三,抑郁症或心理疾病,第四,由于外在因素(噪音、不快、焦虑等)而成为脑活动的暂时性的阻碍原因,脑的非活性状态持续,具有该脑活动状态判定装置的人或上司等管理者知道该脑疲劳状态的意义较大。
<“使用安静时基准值数据的实施方式”+“使用认知活动时基准值数据的实施方式”的实施方式β>
本发明的实施方式β所涉及的脑活动状态判定装置是上述图6~图8中的任一结构的装置。在本实施方式β中,上述基准值数据保持控制单元202将向上述混沌指标值计算单元201提供从处于安静状态(对脑的负荷为第一状态)的被检者得到的RRI数据而得到的输出作为安静时混沌指标值数据而保持于存储装置300中(图4)。
在本实施方式β中,上述基准值数据保持控制单元202将向上述混沌指标值计算单元201提供从脑处于认知活动状态(对脑的负荷为第一状态(实际上为第三状态)的被检者得到的RRI数据而得到的输出作为认知活动时混沌指标值数据而保持于存储装置300中(图9)。在此,所谓认知活动时,是指被检者坐在椅子上进行在图1、图2中说明的心算、数独的状态。在本实施方式β中,设上述混沌指标值计算单元201例如求出m(=6)种混沌指标值,若按时间序列得到L时间序列,则按各混沌指标的种类求出L时间序列的平均,计算并存储认知活动时基准值数据RefBT[1]~RefBT[m](图10)。
判定对象混沌指标值计算单元203将从处于脑任务执行状态(对脑的负荷为第二状态(实际上为第四状态))的判定对象者得到的RRI数据提供给上述混沌指标值计算单元201而得到判定对象混沌指标值。在此,判定对象者设为与得到认知活动时基准值数据的被检者同一人物。此外,由于上述混沌指标值计算单元201例如求出m(=6)种混沌指标值,因此判定对象混沌指标值数据也得到CCI[1]~CCI[m]的m种。进而,脑任务设为与“使用安静时基准值数据的实施方式”的情况相同。将测量开始设为0:00:00(时:分:秒),以10秒间隔如下进行n(在本实施方式中,作为一例设为9次)次5分钟期间的测定。
·0:00:00~0:05:00 第1次
·0:00:10~0:05:10 第2次
·0:00:20~0:05:20 第3次
…………………
·0:01:20~0:06:20 第n(9)次
由此,得到n×m种判定对象混沌指标值数据CCI[1][1]~CCI[n][m]。指标值比计算单元204得到将判定对象混沌指标值数据CCI[1][1]~CCI[n][m]除以安静时基准值数据而得到的安静指标值比γA[1][1]~γA[n][m]、和将判定对象混沌指标值数据CCI[1][1]~CCI[n][m]除以认知活动时基准值数据而得到的认知活动指标值比γB[1][1]~γB[n][m],并计算各自的平均指标值比AVγA[1]~γA[n]、AVγB[1]~γB[n]。
关于平均指标值比AVγA[1]~γA[n]、AVγB[1]~γB[n],在本实施方式中,判定单元205将脑活动阈值设为0.5和1.2,根据符合以下4个状态中的哪一个来得到判定结果。
·状态1 AVγA[n]>1且AVγB[n]>1.2:脑活动良好
·状态2 AVγA[n]>1且0.5≤AVγB[n]≤1.2:脑活动通常
·状态3 AVγA[n]>1且AVγB[n]<0.5:脑活动降低
·状态4 AVγA[n]≤1:有身体负荷
以上得到的判定结果是每10秒1个,得到n(9)个。在状态3从最新的第n(9)个起向旧的一方例如连续4个以上的情况下,在“脑活动降低”或者状态4从最终的第9个向旧的一方例如连续4个以上的情况下,“有身体负荷”这样的消息和平均指标值比AVγA[n]、AVγB[n]的信息被送出到显示装置40进行显示。不仅自己能够知道,还能够从本实施方式β的通信单元206(706)发送到该脑活动状态判定装置以外的便携式终端等,并显示于其显示装置。
这样,在本实施方式中,上述指标值比计算单元204计算上述安静时基准值数据与上述判定对象混沌指标值之比即安静指标值比、以及上述认知活动时基准值数据与上述判定对象混沌指标值之比即认知活动指标值比。此外,上述判定单元205为了判定脑活动状态,基于安静状态对应脑活动阈值与上述安静指标值比的比较以及认知活动对应脑活动阈值与上述认知活动指标值比的比较来判定上述判定对象者的脑活动状态。
<通过实施方式β,经过多日蓄积判定结果n(个)和平均指标值比AVγA[n]、AVγB[n]的信息,使用利用该蓄积数据判定慢性脑疲劳的实施方式α的方法进行判定的实施方式>
本发明的实施方式所涉及的脑活动状态判定装置是上述图6~图8中的任一结构的装置。在该例中,设为遍及约1个月的15天将判定结果n(9)个和平均指标值比AVγA[n]、AVγB[n]的信息存储于存储装置300的状态。在上述实施方式β中,关于0:00:00~0:06:20的时间,使用划分n(9)次而得到的数据进行了实时推定(01秒间隔),但本实施方式与此不同,将该实时测定的数据在此蓄积15天份,进行慢性脑疲劳的测定。即,将实时测定数据遍及几天长时间进行蓄积,使用该数据来测定慢性脑疲劳。
在本实施方式中,判定单元205将脑活动阈值设为0.5和1.2,根据符合以下4个状态中的哪一个来得到判定结果。
·状态1 AVγA[n]>1且AVγB[n]>1.2:脑活动良好
·状态2 AVγA[n]>1且0.5≤AVγB[n]≤1.2:脑活动通常
·状态3 AVγA[n]>1且AVγB[n]<0.5:脑活动降低
·状态4 AVγA[n]≤1:有身体负荷
以上得到的判定结果是每天每10秒1个得到n(9)个。在状态3从最终的第9个起向旧的一方例如连续4个以上的情况下,得到判定结果为“脑活动降低等级3”。在状态3例如为5个以上的情况下,得到判定结果为“脑降低等级2”。在状态3例如为4个或3个的情况下,得到判定结果为“脑降低等级1”。除此以外,设为无脑活动降低。
在本实施方式中,判定单元205判定下述的条件。
条件1·从最新的测量日来看,“脑活动降低”连续n次。
条件2·在从最新的测量次数起u(u>n)次以内,“脑降低等级”数值的相加值为给定值以上。另外,上述n、u为正整数,可以适当决定。
在满足以上的条件1、条件2中的至少一方(或者双方)时,将处于慢性脑疲劳的状态的意思的警报消息和条件1以及2的内容信息送出到显示装置40进行显示,不仅自己能够知道,还能够从本实施方式的通信单元206(706)发送到该脑活动状态判定装置以外的便携式终端等,并显示于其显示装置。
对本发明所涉及的多个实施方式进行了说明,但这些实施方式是作为例子而提示的,并不意图限定发明的范围。这些新的实施方式能够以其他各种方式实施,在不脱离发明的主旨的范围内,能够进行各种省略、置换、变更。这些实施方式及其变形均包含于发明的范围、主旨,并且包含于权利要求书所记载的发明及其等同的范围内。
符号说明
10:传感器
10B:传感器部
11:通信单元
20:智能手表
40:显示装置
50:计算机
201:混沌指标值计算单元
202:基准值数据保持控制单元
203:判定对象混沌指标值计算单元
204:指标值比计算单元
205:判定单元
206:通信单元
300:存储装置
706:通信单元。
Claims (18)
1.一种脑活动状态判定装置,其特征在于,具备:
混沌指标值计算单元,其计算作为判定时间序列数据的混沌性的指标的混沌指标值;
基准值数据保持控制单元,其将向所述混沌指标值计算单元提供从处于对脑的负荷得到基准值数据的状态即第一状态的被检者得到的RRI数据而得到的输出作为基准值数据保持于存储装置中;
判定对象混沌指标值计算单元,其将从处于对脑的负荷得到评价对象数据的状态即第二状态的判定对象者得到的RRI数据提供给所述混沌指标值计算单元而得到评价对象数据即判定对象混沌指标值;
指标值比计算单元,其计算所述基准值数据与所述判定对象混沌指标值之比即指标值比;以及
判定单元,其为了判定脑活动状态而基于脑活动阈值与所述指标值比的比较来判定所述判定对象者的脑活动状态。
2.根据权利要求1所述的脑活动状态判定装置,其特征在于,
所述混沌指标值计算单元计算多种混沌指标值,
所述基准值数据保持控制单元将与所述多种对应的基准值数据保持于存储装置中,
所述判定对象混沌指标值计算单元得到与所述多种对应的判定对象混沌指标值,
所述指标值比计算单元计算与所述多种对应的指标值比。
3.根据权利要求2所述的脑活动状态判定装置,其特征在于,
所述指标值比计算单元计算与所述多种对应的指标值比,并将所得到的指标值比进行平均而得到平均指标值比。
4.根据权利要求1至3中任一项所述的脑活动状态判定装置,其特征在于,
所述基准值数据保持控制单元将向所述混沌指标值计算单元提供从安静状态的被检者得到的RRI数据而得到的输出作为安静时基准值数据保持于存储装置中。
5.根据权利要求1至3中任一项所述的脑活动状态判定装置,其特征在于,
所述基准值数据保持控制单元将向所述混沌指标值计算单元提供从脑处于认知活动状态的被检者得到的RRI数据而得到的输出作为认知活动时基准值数据保持于存储装置中。
6.根据权利要求2所述的脑活动状态判定装置,其特征在于,
所述指标值比计算单元计算与所述多种对应的指标值比,并将所得到的指标值比进行平均而得到平均指标值比,
所述判定单元的判定至少进行5次,并存储有该判定结果和此时的平均指标值比,
所述脑活动状态判定装置具备脑疲劳第一判定单元,该脑疲劳第一判定单元基于所存储的所述判定结果和此时的平均指标值比的降低倾向,来判定慢性脑疲劳。
7.根据权利要求1至3中任一项所述的脑活动状态判定装置,其特征在于,
所述基准值数据保持控制单元将向所述混沌指标值计算单元提供从安静状态的被检者得到的RRI数据而得到的输出作为安静时基准值数据保持于存储装置中,并且将向所述混沌指标值计算单元提供从脑处于认知活动状态的被检者得到的RRI数据而得到的输出作为认知活动时基准值数据保持于存储装置中,
所述指标值比计算单元计算所述安静时基准值数据与所述判定对象混沌指标值之比即安静指标值比、以及所述认知活动时基准值数据与所述判定对象混沌指标值之比即认知活动指标值比,
所述判定单元为了判定脑活动状态而基于安静状态对应脑活动阈值与所述安静指标值比的比较以及认知活动对应脑活动阈值与所述认知活动指标值比的比较来判定所述判定对象者的脑活动状态。
8.根据权利要求7所述的脑活动状态判定装置,其特征在于,
所述指标值比计算单元使用以给定时间宽度得到的RRI数据,以多个时间间隔计算多个安静指标值比以及认知活动指标值比,
所述判定单元基于与针对多个安静指标值比以及认知活动指标值比分别设定的多种脑活动阈值的比较,来判定所述判定对象者的脑活动状态。
9.根据权利要求8所述的脑活动状态判定装置,其特征在于,
所述指标值比计算单元计算与所述多种对应的指标值比,并将所得到的指标值比进行平均而得到平均指标值比,
所述判定单元的判定至少进行5次,并存储有该判定结果和此时的平均安静指标值比以及平均认知活动指标值比,
所述脑活动状态判定装置具备脑疲劳第二判定单元,该脑疲劳第二判定单元基于所存储的所述判定结果和此时的平均安静指标值比以及平均认知活动指标值比的降低倾向,来判定慢性脑疲劳。
10.一种脑活动状态判定用程序,其特征在于,使计算机作为如下单元发挥功能:
混沌指标值计算单元,其计算作为判定时间序列数据的混沌性的指标的混沌指标值;
基准值数据保持控制单元,其将向所述混沌指标值计算单元提供从处于对脑的负荷得到基准值数据的状态即第一状态的被检者得到的RRI数据而得到的输出作为基准值数据保持于存储装置中;
判定对象混沌指标值计算单元,其将从处于对脑的负荷得到评价对象数据的状态即第二状态的判定对象者得到的RRI数据提供给所述混沌指标值计算单元而得到评价对象数据即判定对象混沌指标值;
指标值比计算单元,其计算所述基准值数据与所述判定对象混沌指标值之比即指标值比;以及
判定单元,其为了判定脑活动状态而基于脑活动阈值与所述指标值比的比较来判定所述判定对象者的脑活动状态。
11.根据权利要求10所述的脑活动状态判定用程序,其特征在于,
使所述计算机作为所述混沌指标值计算单元而以计算多种混沌指标值的方式发挥功能,
使所述计算机作为所述基准值数据保持控制单元而以将与所述多种对应的基准值数据保持于存储装置中的方式发挥功能,
使所述计算机作为所述判定对象混沌指标值计算单元而以得到与所述多种对应的判定对象混沌指标值的方式发挥功能,
使所述计算机作为所述指标值比计算单元而以计算与所述多种对应的指标值比的方式发挥功能。
12.根据权利要求11所述的脑活动状态判定用程序,其特征在于,
使所述计算机作为所述指标值比计算单元而以计算与所述多种对应的指标值比,并将所得到的指标值比进行平均而得到平均指标值比的方式发挥功能。
13.根据权利要求10至12中任一项所述的脑活动状态判定用程序,其特征在于,
使所述计算机作为所述基准值数据保持控制单元而以将向所述混沌指标值计算单元提供从安静状态的被检者得到的RRI数据而得到的输出作为安静时基准值数据保持于存储装置中的方式发挥功能。
14.根据权利要求10至12中任一项所述的脑活动状态判定用程序,其特征在于,
使所述计算机作为所述基准值数据保持控制单元,以将向所述混沌指标值计算单元提供从脑处于认知活动状态的被检者得到的RRI数据而得到的输出作为认知活动时基准值数据保持于存储装置中的方式发挥功能。
15.根据权利要求11所述的脑活动状态判定用程序,其特征在于,
使所述计算机作为所述指标值比计算单元,以计算与所述多种对应的指标值比,并将所得到的指标值比进行平均而得到平均指标值比的方式发挥功能,
使所述计算机作为所述判定单元而以至少进行5次判定的方式发挥功能,并且以将该判定结果和此时的平均指标值比进行存储的方式发挥功能,
使所述计算机作为脑疲劳第一判定单元而发挥功能,该脑疲劳第一判定单元基于所存储的所述判定结果和此时的平均指标值比的降低倾向,来判定慢性脑疲劳。
16.根据权利要求10至12中任一项所述的脑活动状态判定用程序,其特征在于,
使所述计算机作为所述基准值数据保持控制单元,以将向所述混沌指标值计算单元提供从安静状态的被检者得到的RRI数据而得到的输出作为安静时基准值数据保持于存储装置中的方式发挥功能,并且以将向所述混沌指标值计算单元提供从脑处于认知活动状态的被检者得到的RRI数据而得到的输出作为认知活动时基准值数据保持于存储装置中的方式发挥功能,
使所述计算机作为所述指标值比计算单元,以计算所述安静时基准值数据与所述判定对象混沌指标值之比即安静指标值比、以及所述认知活动时基准值数据与所述判定对象混沌指标值之比即认知活动指标值比的方式发挥功能,
使所述计算机作为所述判定单元,以为了判定脑活动状态而基于安静状态对应脑活动阈值与所述安静指标值比的比较以及认知活动对应脑活动阈值与所述认知活动指标值比的比较来判定所述判定对象者的脑活动状态的方式发挥功能。
17.根据权利要求16所述的脑活动状态判定用程序,其特征在于,
使所述计算机作为所述指标值比计算单元,以使用以给定时间宽度得到的RRI数据,以多个时间间隔计算多个安静指标值比以及认知活动指标值比的方式发挥功能,
使所述计算机作为所述判定单元,以基于与针对多个安静指标值比以及认知活动指标值比分别设定的多种脑活动阈值的比较,来判定所述判定对象者的脑活动状态的方式发挥功能。
18.根据权利要求17所述的脑活动状态判定用程序,其特征在于,
使所述计算机作为所述指标值比计算单元,以计算与所述多种对应的指标值比,并将所得到的指标值比进行平均而得到平均指标值比的方式发挥功能,
使所述计算机作为所述判定单元而以至少进行5次判定的方式发挥功能,并且以将该判定结果和此时的平均安静指标值比以及平均认知活动指标值比进行存储的方式发挥功能,
使所述计算机作为脑疲劳第二判定单元而发挥功能,该脑疲劳第二判定单元基于所存储的所述判定结果和此时的平均安静指标值比以及平均认知活动指标值比的降低倾向,来判定慢性脑疲劳。
Applications Claiming Priority (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2022-061215 | 2022-03-31 | ||
JP2022061215A JP2023151548A (ja) | 2022-03-31 | 2022-03-31 | 脳活動状態判定装置及び脳活動状態判定用プログラム |
PCT/JP2023/013023 WO2023190791A1 (ja) | 2022-03-31 | 2023-03-29 | 脳活動状態判定装置及び脳活動状態判定用プログラム |
Publications (1)
Publication Number | Publication Date |
---|---|
CN117157011A true CN117157011A (zh) | 2023-12-01 |
Family
ID=88202663
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202380010693.XA Pending CN117157011A (zh) | 2022-03-31 | 2023-03-29 | 脑活动状态判定装置以及脑活动状态判定用程序 |
Country Status (3)
Country | Link |
---|---|
JP (1) | JP2023151548A (zh) |
CN (1) | CN117157011A (zh) |
WO (1) | WO2023190791A1 (zh) |
Family Cites Families (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH07231880A (ja) * | 1994-02-24 | 1995-09-05 | Sanyo Electric Co Ltd | ストレス評価方法及び装置 |
JP3596198B2 (ja) * | 1996-11-20 | 2004-12-02 | 松下電器産業株式会社 | 運転者監視装置 |
-
2022
- 2022-03-31 JP JP2022061215A patent/JP2023151548A/ja active Pending
-
2023
- 2023-03-29 CN CN202380010693.XA patent/CN117157011A/zh active Pending
- 2023-03-29 WO PCT/JP2023/013023 patent/WO2023190791A1/ja unknown
Also Published As
Publication number | Publication date |
---|---|
WO2023190791A1 (ja) | 2023-10-05 |
JP2023151548A (ja) | 2023-10-16 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
EP3117767B1 (en) | Processing biological data | |
US11931154B2 (en) | Systems and methods for classifying ECG data | |
US9265430B2 (en) | Method, system and software product for the measurement of heart rate variability | |
EP3429456B1 (en) | A method and apparatus for determining a baseline for one or more physiological characteristics of a subject | |
US20160038061A1 (en) | Method for detecting falls and a fall detector | |
EP3187116B1 (en) | Method for assessing depressive state and device for assessing depressive state | |
DE112009000107B4 (de) | Blutdruckmessvorrichtung zum Durchführen eines Prozesses, der Änderungen der Messumgebung berücksichtigt | |
JP5760351B2 (ja) | 睡眠評価装置、睡眠評価システムおよびプログラム | |
JP6079824B2 (ja) | 睡眠評価装置およびプログラム | |
KR101410989B1 (ko) | 장시간 심전도획득 및 스트레스 분석방법 | |
WO2009150765A1 (ja) | 睡眠状態モニタリング装置、モニタリングシステムおよびコンピュータプログラム | |
US10022057B1 (en) | Wearable physiological monitoring and notification system based on real-time heart rate variability analysis | |
CN110582228A (zh) | 用于确定婴儿的健康状态的方法和装置 | |
US9913601B2 (en) | Method and apparatus for monitoring a blood oxygen saturation level relative to a saturation threshold value | |
JP2011115188A (ja) | 睡眠状態モニタリング装置、モニタリングシステムおよびコンピュータプログラム | |
JP6813837B2 (ja) | 活動リズム判定方法および活動リズム判定装置 | |
US20180360386A1 (en) | Systems and methods for adaptable presentation of sensor data | |
CN111820879A (zh) | 一种适用于慢性疾病患者的健康评价管理方法 | |
JP7361784B2 (ja) | 行動タスク評価システムおよび行動タスク評価方法 | |
GB2469547A (en) | Measurement of heart rate variability | |
Noh et al. | Implementation of the abnormal ECG monitoring system using heartbeat check map technique | |
WO2018211519A1 (en) | Wireless portable vitals and fitness tracker | |
JP7132568B2 (ja) | 生体情報計測装置及び生体情報計測方法 | |
CN117157011A (zh) | 脑活动状态判定装置以及脑活动状态判定用程序 | |
US20220346682A1 (en) | System for determining an emotion of a user |
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 |