JP2002017687A

JP2002017687A - 生体信号解析方法

Info

Publication number: JP2002017687A
Application number: JP2000206415A
Authority: JP
Inventors: Osamu Nomura; 修野村; Takashi Uei; 隆上井; Hideya Kumomi; 日出也雲見; Tsunehiro Sugano; 恒裕菅野
Original assignee: Canon Inc
Current assignee: Canon Inc
Priority date: 2000-07-07
Filing date: 2000-07-07
Publication date: 2002-01-22

Abstract

(57)【要約】【課題】高速に生体の定量的情報を得ることを可能と
する。【解決手段】生体信号として脳波・脈波・心電・筋電
・呼気等の時系列生体信号に対して高周波帯域を一部に
含む帯域を抽出し、リアプノフ数の算出・相関次元の算
出の何れかのカオス解析による数理処理を行ってカオス
性の推定を行い、その結果の数値的情報により生体の情
緒的情報を評価する。

Description

【発明の詳細な説明】

【０００１】

【発明の属する技術分野】本発明は、時系列生体信号の
商用周波数以上の帯域を一部に含む高周波数帯域の数理
処理により、生体の主に情緒的情報を定量的に評価する
ための生体信号解析方法に関するものである。

【０００２】そして、本発明は例えば製品や作品に対す
る生体反応の客観的かつ定量的計測（感性評価）や、生
体の置かれた環境に対する快／不快等の生体反応の計
測、或いは生体の心理・生理状態を計測するための臨床
／研究等々の方法又は装置に利用される。また、更にこ
れら計測結果を帰還して生体或いは生体に刺激を与える
対象を制御する方法又は装置に利用される。

【０００３】

【従来の技術】時系列生体信号から生体情報を得るため
に、臨床医学等の分野で用いられてきた従来方法は、信
号強度の時間変化を図形表示した信号波形の経験的分類
に従い、例えば或る疾病に特徴的な波形のパターンを目
視で見い出すことが中心である。これに対し、時系列生
体信号の数値的解析により生体の情緒的情報を得る方法
として、信号のスペクトル解析か試みられている。

【０００４】例えば脳波の場合に、主な周波数成分は深
い睡眠時に現れるδ波（４Ｈｚ未満）、瞑想時など深い
リラックス状態に現れるθ波（４〜８Ｈｚ）、深い睡眠
時に現れるα波（８〜１３Ｈｚ）、瞑想時など深いリラ
ックス状態に現れるβ波（１３〜３０Ｈｚ）に大別され
る。特開平５−３００８９０号公報では、スペクトル解
析による結果から各周波数帯域の信号強度を算出し、こ
れらの帯域間で比較することにより、被検者の生体情報
の評価が試みられている。

【０００５】

【発明が解決しようとする課題】しかしながら上述の従
来例においては、疾病の典型的な症状を発見するか、或
いはリラックス・緊張等の極めて単純化された生体情報
が得られるに過ぎず、それらは定性的な情報に留まって
いる。また、極く限られた低い周波帯域の生体信号だけ
を扱っているに過ぎない。従って、近年要求が高まりつ
つある生体高次機能に関する情報の測定や、生体情報の
定量化の実現は困難である。

【０００６】本発明の目的は、上述の問題点を解決し、
高速に生体の定量的情報を得ることが可能な生体信号解
析方法を提供することにある。

【０００７】

【課題を解決するための手段】上記目的を達成するため
の本発明に係る生体信号解析方法は、時系列的な生体信
号に対して第１の周波帯域での第１のカオス解析を行っ
てカオス性の推定を行う工程と、前記第１の周波帯域よ
りも高い第２の周波数帯域での第２のカオス解析を行っ
てカオス性の推定を行う工程とを備え、生体の異なる状
態での複数のカオス解析を行うことを特徴とする。

【０００８】また、本発明に係る生体信号解析装置は、
時系列的な生体信号に対して第１の周波帯域での第１の
カオス解析を行ってカオス性の推定を行う手段と、前記
第１の周波帯域よりも高い第２の周波数帯域での第２の
カオス解析を行ってカオス性の推定を行う手段とを備
え、生体の異なる状態での複数のカオス解析を行うこと
を特徴とする。

【０００９】

【発明の実施の形態】発明者らは従来技術の限界が、
(１)商用周波数未満の限られた低周波帯域のみを観測対
象にしていること、及び（２）観測対象としている生体
信号に対して、その発生機構に基づく数理処理を施して
いないことに原因があることを知見した。

【００１０】多くの生体信号の基本律動は数Ｈｚ〜数１
０Ｈｚまでの帯城に集中しており、また５０Ｈｚ又は６
０Ｈｚの商用電源に起因する雑音の強度は、微弱な生体
信号のそれを凌ぐことも少なくない。そのため、従来で
はやむなく商用周波数未満の低周波帯域のみを観測して
いたものと推察される。しかしながら、生体細胞の電気
的活動にはより高速な成分が含まれており、その高速成
分には生体細胞の活動にとって重要な非線形ダイナミク
スの本質が反映していると思われる。

【００１１】逆の観点からいえば、従来の技術が主とし
て観測してきた低周波帯域の生体信号には、生体活動の
ダイナミクスに基づく高度な数理処理の結果、初めて得
られる重要な生体情報に乏しいために、周波数帯域間の
信号強度の比較程度の解析しか行われていなかつたもの
と推察される。

【００１２】そこで、発明者らはこれまで未開拓であっ
た高周波帯域における生体信号に注目して鋭意研究を重
ねた結果、商用周波数以上の高周波帯域における微弱な
生体信号に高度な数理処理を施すことによって、重要な
生体情報を評価が可能となることを見い出した。

【００１３】ここで、図１に示すように、生体信号とし
ては例えば脳波・脈波・心電・筋電・呼気等の時系列生
体信号の商用周波数以上の高周波帯域を一部に含む帯域
を抽出し、更に例えばリアプノフ数の算出・相関次元の
算出の何れかのカオス解析による数理処理を行い、生体
の情緒的情報を評価する。

【００１４】図２は生体信号として脳波を扱う場合に、
本発明の方法に用いる装置の構成図を示し、脳波測定部
１からの出力は、増幅器２、Ａ／Ｄ変換器３、データ保
持部４を経由して演算部５に接続されている。そして、
演算部５には外部記憶部６、表示部７、印刷部８が接続
されている。

【００１５】先ず、脳波測定部１により被検者の時系列
生体信号として脳波を測定する。この場合に、図３に示
すように被検者の頭部の複数個所に電極１１をペースト
１２により貼り付ける。なお、これらの電極１１の装着
部位は、国際脳波学会標準法(１０／２０法)に従ってい
る。電極１１により検出された脳波信号を増幅器２で所
定のレベルまで増幅した後に、Ａ／Ｄ変換器３によりデ
ジタル信号に変換し、データ保持部４に記録する。な
お、このＡ／Ｄ変換処理におけるサンプリング周波数は
２４ＫＨｚとしている。

【００１６】図４は以上の手順に従って測定された脳波
信号のグラフ図を示す。なお、この脳波信号は測定Ｃ
Ｈ：Ｏｚにおいて測定されたものである。

【００１７】続いて、データ保持部４に記録したデジタ
ル信号に対して、演算部５によりバンドパスフィルタリ
ング操作を施こす。この場合に抽出する周波数帯域とし
ては、例えば５〜３７５Ｈｚの周波数帯域を４０Ｈｚご
とに分割した周波数帯域を設定し（ハムノイズを含む４
５〜５５Ｈｚは除く）、５〜４５Ｈｚ、５５〜９５Ｈ
ｚ，９５〜１３５Ｈｚ、１３５〜１７５Ｈｚ、１７５〜
２２５Ｈｚ、２２５〜２５５Ｈｚ、２５５〜２９５Ｈ
ｚ、２９５〜３３５Ｈｚ、３３５〜３７５Ｈｚ、３７５
〜４１５Ｈｚ、４１５〜４５５Ｈｚ、４５５〜４９５Ｈ
ｚ、４９５〜５３５Ｈｚ、５３５〜５７５Ｈｚ、５７５
〜６１５Ｈｚの各周波数帯域を持つ時系列デジタル信号
を得ることができる。ここで、図５は５〜４５Ｈｚ、図
６は２９５〜３３５Ｈｚの脳波信号のグラフ図を示して
いる。

【００１８】次に、得られた各周波数帯域の時系列デジ
タル信号に対して、演算部５によりカオス解析として最
大リアプノフ数の算出を行う。図７は演算部５において
最大リアプノフ数算出のためのアルゴリズムを示す処理
過程のフローチャート図である。時系列データは時間に
関しての１次元であるが、実際に解析を行うためには、
少なくともそもそものカオスの次元よりも大きい次元の
データが必要である。そこで、ステップ１１で得られた
１次元のデータから、図７のステップ１２においてタケ
ンスにより提案された埋め込み方法により、多次元のア
トラクタを再構築する。

【００１９】タケンスによって提案された方法では、観
測された時系列ｘ（ｔ）をｍ次元の空間に埋め込むに
は、或るパラメータτに対して、 {(ｘ_i（t），ｘ_i（t＋τ），ｘ_i（t＋2τ），・・・，
ｘ_i（t＋（m-1）τ)} なるｍ次元ベクトルを作る。

【００２０】なお、ここではパラメータτの大きさを各
周波数帯域の平均周期の１／４〜１／３周辺に振り分け
て解析を行い、埋め込み次元ｍは５次元とした。

【００２１】続いて、図７のステップ１３において、求
めた５次元ベクトルから最大リアプノフ数の算出を行
う。先ず、前記のように求めたｘ_iから、前後或る一定
の時間間隔内にある点を除いて、残りの点の中で最も近
接する点ｙ_iを選択し、この２点間の距離の時間Δｔ後
の増加率Ａ_i(ｔ，Ａt)を調べる。

【００２２】Ａ_i(t，Ａt)＝｜ｘ_i(t+Δt)−ｙ_i(t+Δt)
｜／｜ｘ_i(t)−ｙ_i(t)｜

【００２３】次に、前記Ａ_i(t，At)を各点について計算
し、平均Ａｖを求める。Ａｖ＝(１/ｎ)(Ａ₁＋Ａ₂＋・・＋Ａ_n)

【００２４】これら２点の組は、もしカオスであるなら
ば時間変化に伴って指数関数的に離れてゆく筈であるか
ら、Δｔ後の時間発展に対する最大リアプノフ数λは、
次のように表される。 λ＝(１/Δt)ｌｏｇＡｖ(t，τ)

【００２５】続いて、演算部５によって求めた最大リア
プノフ数λを外部記憶部６に保存する。そして、以上の
工程が各周波数帯域ごとに繰り返され、本実施例の場合
に合計ｎ＝１５個の最大リアプノフ数λが算出される。
これを、今後λ_i(i＝１，２，・・・，１５）と表現す
る。

【００２６】更に、外部記憶部６に保存された各周波数
帯域に対応する最大リアプノフ数λiが、演算部５によ
って平均：０、分散：１に基準化され、その周波数帯域
に対する分布状況が表示部７に表示される。

【００２７】なお、最大リアプノフ数λの基準値Ｌｉは
以下の式に従って算出される。Ｌｉ＝（λ_i−λｖ）／δ

【００２８】ここで、λｖ＝(１/ｎ)(λ₁＋λ₂＋・・・＋λ_n) δ²＝(１/ｎ)Σ(λ_i−λｖ）

【００２９】演算部５において、事前に測定者によって
ヒトの思考状態に対応した基準値における閾値が各周波
数帯域に設定されている場合に、被検者から測定された
最大リアプノフ数λの基準値Ｌｉと比較することによ
り、被検者の思考状態を自動的に評価し、その結果を必
要に応じて表示部７に表示したり、又は印刷部８によっ
て印刷することができる。

【００３０】本実施例においては、被検者に対して
（１）閉眼安静（２）開眼安静（３）科学雑誌通読の３
種類の賦活を与え、以上説明した処理過程に沿って、測
定位置を後頭中央部（ＣＨ：Ｏｚ）として測定された脳
波に対して解析を行ったところ、図８に示すような結果
が表示部７に表示された。

【００３１】ここで、被検者に与えられた賦活は、
（１）＜（２）＜（３）の順に複雑な作業となってお
り、当然に被検者も同様の順番で複雑な思考を行ってい
ると考えられる。この結果をみると、最大リアプノフ数
λの基準値Ｌｉのピークが、（１）閉眼安静では低周波
帯域（５〜４５Ｈｚ）に見られたのが、（２）開眼安静
ではより高周波帯域（２９５〜３７５Ｈｚ）にずれ込
み、（３）科学技術雑誌通読においては更に高周波帯域
（４１５〜５３５Ｈｚ）にずれ込んでいることが分か
る。

【００３２】即ち、最大リアプノフ数λの基準値Ｌｉの
周波数帯域に対する分布状況を評価することにより、ヒ
トの思考の複雑さの程度を判定するにとが可能になる。
この場合は、最大リアプノフ数λの基準値Ｌｉのピーク
が存在する周波数帯域が高いほど、被検者はより複雑な
思考を行っている。また、或る周波数帯域でのそれぞれ
の賦活における最大リアプノフ数λの基準値Ｌｉの大き
さを比較することにより、被検者の思考の複雑さの程度
を定量的に判定することが可能となる。

【００３３】即ち、例えば事前に演算部５において、４
１５〜４５５Ｈｚ帯域における最大リアプノフ数λの基
準値Ｌｉに対する閾値として、「０．５以上で中程度の
複雑な思考状態、１．０以上で高程度の複雑な思考状
態」と設定することにより、最大リアプノフ数λの基準
値Ｌｉの算出結果と閾値の大小関係の判断により自動的
に評価が行われる。

【００３４】また、従来行われていた商用周波数未満の
周波数帯域に対する解析結果をみると、被検者の思考の
複雑さの変化を十分には捉えきれておらず、この周減数
帯域を解析対象としても、ヒトの思考の複雑さの程度を
測定することは不可能なことが分かる。

【００３５】第２の実施例は第１の実施例の処理装置と
同様の構成とされており、図９に示す処理のフローチャ
ート図におけるステップ１７の相関次元の算出過程と、
ステップ１８の相関次元数による生体情報の評価に関し
てのみ、第１の実施例と異なっている。

【００３６】即ち、本実施例においては、図９のステッ
プ１６に示すように、タケンスの埋め込み方法により得
られたｍ次元ベクトル（本実施例では５次元ベクトル）
に対して、演算部５によりステップ１７に示すように、
カオス解析として相関次元数の算出を行う。

【００３７】先ず、前記のように求められたｘ_iに対し
て、以下の数式を満たす相関積分量を算出する。

【００３８】

【００３９】ただし、上記の数式において、Ｈ（ｔ）は
ヘビサイド関数、Ｎはデータ数、εは超球内の半径を表
す距離とする。このように算出された相関積分量Ｃ
（ε）を用いて、下記の数式により相関次元Ｄを算出す
る。

【００４０】

【００４１】続いて、演算部５によって求めた相関次元
数Ｄを外部記億部６に保存する。そして、以上の工程が
各周波数帯域ごとに繰り返され、本実施例の場合に合計
ｎ＝１５個の相関次元Ｄが算出される。これを、今後Ｄ
ｉ（ｉ＝１，２，・・・，１５）と表現する。

【００４２】更に、外部記憶部６に保存された各周波数
帯域に対応する相関次元Ｄｉが演算部５によって、平
均：０、分散：１に基準化され、その周波数帯域に対す
る分布状況が表示部７に表示される。

【００４３】なお、相関次元Ｄｉの基準値ｄｉは次の式
に従って算出される。ｄｉ＝（Ｄｉ−Ｄｖ）／δ

【００４４】ここで、Ｄｖ＝（２／ｎ）(Ｄ₁＋Ｄ₂＋・・・＋Ｄ_n) δ²＝(１/ｎ)Σ(Ｄi−Ｄｖ）

【００４５】また、ここで演算部５において、事前に測
定者によってヒトの思考状態に対応した基準値における
閾値が各周波数帯域に設定されている場合に、被検者か
ら測定された相関次元の基準値ｄｉと比較することによ
り、被検者の思考状態を自動的に評価できる。

【００４６】本実施例においても、被検者に対して
（１）閉眼安静、（２）開眼安静、（３）科学雑誌通読
の３種類の賦活を与え、以上説明した処理過程に沿っ
て、測定位置の後頭中央部（ＣＨ：Ｏｚ）で測定された
脳波に対して解析を行ったところ、図１０に示すような
結果が表示部７に表示された。これは、第１の実施例に
おける最大リアプノフ数λの基準値Ｌｉを算出した場合
と全く同様の結果となった。

【００４７】ここで、被検者に与えられた第１の実施例
のように賦活は（１）＜（２）＜（３）の順に複雑な作
業となっており、当然に被検者も同様の順番で複雑な思
考を行っていると考えられる。この結果をみると、相関
次元の基準値ｄｉのピークが、（２）閉眼安静では低周
波帯域（５〜４５Ｈｚ）に見られたのが、（２）開眼安
静ではより高周波帯域（２９５〜３７５Ｈｚ）にずれ込
み、（３）科学技術雑誌通読においては更に高周波帯域
（４１５〜５３５Ｈｚ）にずれ込んでいることが分か
る。

【００４８】即ち、相関次元Ｄｉの基準値ｄｉの周波数
帯域に対する分布状況を評価することにより、ヒトの思
考の複雑さの程度を判定することが可能になる。この場
合は、相関次元の基準値ｄｉのピークが存在する周波数
帯域が高いほど、被検者はより複雑な思考を行っている
ことが分かる。

【００４９】また、或る周波数帯域でのそれぞれの賦活
における相関次元Ｄｉの基準値ｄｉの大きさを比較する
ことにより、被検者の思考の複雑さの程度を定量的に判
定することが可能となる。即ち、例えば事前に演算部５
において、４１５〜４５５Ｈｚ帯域における相関次元の
基準値ｄｉに対する閾値として、「０．５以上で中程度
の複雑な思考状態、１．０以上で高程度の複雑な思考状
態」と設定することにより、相関次元Ｄｉの基準値ｄｉ
の算出結果と閾値の大小関係の判断により自動的に評価
が行われ、表示部７に表示したり印刷部８によって印刷
される。

【００５０】また、従来行われていた商用周波数未満の
周波数帯域に対する解析結果をみると、被検者の思考の
複雑さの変化を十分には捉えきれておらず、この周減数
帯域を解析対象としても、ヒトの思考の複雑さの程度を
測定することは不可能なことが分かる。

【００５１】第３の実施例として、時系列生体信号とし
て脈波を用いた場合について説明する。図１１は中指に
脈波測定センサ１３を付した場合の説明図、図１２は時
系列生体信号として測定された脈波信号波形のグラフ図
を示している。

【００５２】本実施例においては、第１の実施例におけ
る脳波の代りに、脈波を検出することと、演算部５によ
って抽出する周波数帯域が異なること以外は、全て第１
の実施例と同様の工程を実施する。本実施例において、
演算部５によって抽出される周波数帯域は、例えば０．
１〜７５Ｈｚの周波数帯域を約５Ｈｚごとに分割した周
波数帯域を設定し(ハムノイズを含む４５〜５５Ｈｚは
除く)、０．１〜５Ｈｚ、５〜１０Ｈｚ、１０〜１５Ｈ
ｚ、２５〜２０Ｈｚ、２０〜２５Ｈｚ、２５〜３０Ｈ
ｚ、３０〜３５Ｈｚ、３５〜４０Ｈｚ、４０〜４５Ｈ
ｚ、５５〜６０Ｈｚ、６０〜６５Ｈｚ、６５〜７０Ｈ
ｚ、７０〜７５Ｈｚ、７５〜８０Ｈｚ，８０〜８５Ｈｚ
の各周波数帯域を持つ時系列デジタル信号を得ることが
できる。

【００５３】図１３は以上の工程により算出された最大
リアプノフ数λの基準値Ｌｉが表示部７に表示された結
果を示している。この結果をみると、最大リアプノフ数
λの基準値Ｌｉのピークが、（１）閉眼安静では低周波
帯域（０．１〜５Ｈｚ）に見られたのが、（2）開眼安
静ではより高周波帯域（３５〜４５Ｈｚ）にずれ込み、
（３）科学技術雑誌通読においては更に高周波帯域（６
０〜７０Ｈｚ）にずれ込むことが分かる。

【００５４】即ち、この場合においても、最大リアプノ
フ数λの基準値Ｌｉのピークが存在する周波数帯域の高
低を比較することにより、ヒトの思考の複雑さの程度を
判定することかが可能になり、最大リアプノフ数λの基
準値Ｌｉのピークかが存在する周波数帯域が高いほど、
被検者はより複雑な思考を行っている。

【００５５】例えば、事前に演算部５において、６０〜
６５Ｈｚ帯域における最大リアプノフ数λの基準値Ｌｉ
に対する閾値として、「０．８以上で中程度の複雑な思
考状態、１．０以上で高程度の複雑な思考状態」と設定
することにより、最大リアプノフ数λの基準値Ｌｉの算
出結果と閾値の大小関係の判断により自動的に評価が行
われる。

【００５６】また、従来行われていた商用周波数未満の
周波数帯域に対する解析結果をみると、被検者の思考の
複雑さの変化を十分には捉えきれておらず、この周減数
帯域を解析対象としても、ヒトの思考の複雑さの程度を
測定することは不可能である。

【００５７】なお、本実施例において、第２の実施例と
同様に相関次元Ｄｉの基準値ｄｉを算出した場合の結果
は、第１の実施例の結果に対する第２の実施例の結果の
関係と同様になった。

【００５８】図１４〜図１６は第４の実施例を示し、時
系列生体信号として心電を用いている。図１４は時系列
生体信号として心電センサ１４を被検者の胸部に取り付
けて心電を測定する説明図を示し、図１５は測定された
心電信号波形のグラフ図を示し、図１６は表示部７に表
示されたグラフ図を示している。本実施例においては、
第１の実施例における脳波の代りに時系列生体信号とし
て心電を検出することと、演算部５によって抽出する周
波数帯域が異なるにと以外は、全て第１の実施例と同様
の工程を実施する。

【００５９】最大リアプノフ数λの基準値Ｌｉが表示部
７に表示された図１６の結果を見ると、基準値Ｌｉのピ
ークが、（１）閉眼安静では低周波帯域（０．１〜０．
５Ｈｚ）に見られたのが、（２）開眼安静ではより高周
波帯域（３５〜４５Ｈｚ）にずれ込み、（３）科学技術
雑誌通読においては更に高周波帯域（６５〜７０Ｈｚ）
にずれ込むことが分かる。

【００６０】例えば、事前に演算部５において、６５〜
７０Ｈｚ帯域における最大リアプノフ数λの基準値Ｌｉ
に対する閾値として、「０．２５以上で中程度の複雑な
思考状態、１．０以上で高程度の複雑な思考状態」と設
定することにより、最大リアプノフ数λの基準値Ｌｉの
算出結果と閾値の大小関係の判断により自動的に評価が
行われる。

【００６１】また、従来行われていた商用周波数未満の
周波数帯域に対する解析結果をみると、被検者の思考の
複雑さの変化を十分には捉えきれておらず、この周減数
帯域を解析対象としても、ヒトの思考の複雑さの程度を
測定することは不可能なことが分かる。

【００６２】なお本実施例において、第２の実施例と同
様に相関次元Ｄｉの基準値ｄｉを算出した場合の結果
は、第１の実施例の結果に対する第２の実施例の結果の
関係と同様になった。

【００６３】図１７〜図１９は第５の実施例を示し、時
系列生体信号として筋電信号を用いた場合である。図１
７は被検者の眼の横に筋電センサ１５を取り付けて筋電
を測定する方法の説明図を示し、図１８は本実施例にお
いて測定された筋電信号波形のグラフ図、図１９は表示
部７に表示されたグラフ図を示している。

【００６４】本実施例においては、時系列生体信号とし
て筋電を検出することと、演算部５によって抽出する周
波数帯域が異なること以外は、全て第１の実施例と同様
の工程を実施する。また、本実施例において演算部５に
よって抽出される周波数帯域は、例えば０．１〜６０Ｈ
ｚの周波数帯域を約２Ｈｚごとに分割した周波数帯域を
設定し（ハムノイズを含む４６〜５４Ｈｚは除く）、
０．１〜２Ｈｚ、２〜４Ｈｚ、４〜６Ｈｚ、６〜８Ｈ
ｚ、８〜１０Ｈｚ、１０〜１２Ｈｚ、１２〜１４Ｈｚ、
１４〜１６Ｈｚ、１６〜１８Ｈｚ、１８〜２０Ｈｚ、２
０〜２２Ｈｚ、２２〜２４Ｈｚ、２４〜２６Ｈｚ、２６
〜２８Ｈｚ、２８〜３０Ｈｚ、３０〜３２Ｈｚ、３２〜
３４Ｈｚ、３４〜３６Ｈｚ、３６〜３８Ｈｚ、３８〜４
０Ｈｚ、４０〜４２Ｈｚ、４２〜４４Ｈｚ、４４〜４６
Ｈｚ、５４〜５６Ｈｚ、５６〜５８Ｈｚ、５８〜６０Ｈ
ｚの各周波数帯域を持つ時系列デジタル信号を得ること
ができる。

【００６５】図１９の最大リアプノフ数λの基準値Ｌｉ
のグラフ図から、最大リアプノフ数λの基準値Ｌｉのピ
ークが、（２）閉眼安静では低周波帯域（０．１〜０．
５Ｈｚ）に見られたのが、（2）開眼安静ではより高周
波帯域（３６〜４０Ｈｚ）にずれ込み、（３）科学技術
雑誌通読においては更に高周波帯域（４０〜４４Ｈｚ）
にずれ込むことが分かる。

【００６６】例えば、事前に演算部５において５４〜５
６Ｈｚ帯域における最大リアプノフ数λの基準値Ｌｉ
に対する閾値として、「０．４以上で中程度の複雑な思
考状態、０．９以上で高程度の複雑な思考状態」と設定
することにより、最大リアプノフ数λの基準値Ｌｉの算
出結果と閾値の大小関係の判断により自動的に評価が行
われる。

【００６７】また、従来行われていた商用周波数未満の
周波数帯域に対する解析結果をみると、被検者の思考の
複雑さの変化を十分には捉えきれておらず、この周減数
帯域を解析対象としても、ヒトの思考の複雑さの程度を
測定することは不可能なことが分かる。

【００６８】なお、本実施例において、第２の実施例と
同様に相関次元Ｄｉの基準値ｄｉを算出した場合の結果
は、第１の実施例の結果に対する第２の実施例の結果の
関係と同様になった。

【００６９】図２０〜図２２は第６の実施例を示し、時
系列生体信号として呼気を用いた場合であり、図２０は
被検者の鼻の中に呼気センサ１６を取り付けて呼気を測
定する場合の説明図、図２１は測定された呼気信号波形
のグラフ図、図２２は表示部７に表示されたグラフ図を
示している。

【００７０】ただし、図２２における４６〜５４Ｈｚの
周波数帯域に関しては補完して表示している。図２２の
結果を見ると、最大リアプノフ数λの基準値Ｌｉのピー
クが、（１）閉眼安静では低周波帯域（０．１〜２Ｈ
ｚ）に見られたのが、（２）開眼安静ではより高周波帯
域（３２〜４０Ｈｚ）にずれ込み、（３）科学技術雑誌
通読においては更に高周波帯域（３６〜４４Ｈｚ）にず
れ込んでいる。

【００７１】例えば、事前に演算部５において、５４〜
５６Ｈｚ帯域における最大リアプノフ数λの基準値Ｌｉ
に対する閾値として、「０．５以上で中程度の複雑な思
考状態、１．０以上で高程度の複雑な思考状態」と設定
することにより、最大リアプノフ数λの基準値Ｌｉの算
出結果と閾値の大小関係の判断により自動的に評価が行
われる。

【００７２】また、従来行われていた商用周波数未満の
周波数帯域に対する解析結果をみると、被検者の思考の
複雑さの変化を十分には捉えきれておらず、この周減数
帯域を解析対象としても、ヒトの思考の複雑さの程度を
測定することは不可能なことが分かる。

【００７３】なお、本実施例において、第２の実施例と
同様に相関次元Ｄｉの基準値ｄｉを算出した場合の結果
は、第１の実施例の結果に対する第２の実施例の結果の
関係と同様になった。

【００７４】図２３、図２４は第７の実施例を示し、図
２と同様の装置を書類の校正作業を一定時間行う被検者
に対して適用し、更に計測結果を被検者に帰還して刺激
を与えるように制御している。図２３は処理装置を示
し、図２に示した装置に対して、演算部５に制御部２１
を介して被検者に刺激マッサージチェア２２が接続され
ている。制御部１０２は演算部５からの制御信号に応じ
てマッサージチェア２２の動作を制御する。

【００７５】本実施例において、被検者は１０分間に渡
り書類の校正作業を行うこととした。この作業におい
て、第１の実施例と同様に測定を行うのであるが、生体
情報として脳波を実時間で観測するために、データ保持
部４に事前に設定した例えば時間間隔５秒の脳波データ
を記録するごとに、演算部５以下の処理が随時行われ
る。

【００７６】ここで、演算部５には予め４１５〜４５５
Ｈｚの周波数帯域のリアプノフ数λの基準値Ｌｉに対す
る閾値が定めてあり、算出されたリアプノフ数λの基準
値Ｌｉとの関係に応じて、刺激装置として被検者が座る
マツサージチェア２２に対して以下の規定の制御信号を
送る。

【００７７】Ｌｉ＜０．５：高速運転０．５≦Ｌｉ＜１．０：低速運転１．０≦Ｌｉ：停止

【００７８】これにより、４１５〜４５５Ｈｚの周波数
帯域のリアプノフ数λの基準値Ｌｉが低下、即ち疲労等
の影響により複雑な思考活動が低下すると、被検者はマ
ッサージチェア２２によるマッサージを受けることにな
り、疲労を軽減することが可能となり、結果として複雑
な思考活動の回復を得ることができる。また、マッサー
ジチェア２２の運転が長時間継続した場合に、被検者は
自身の思考活動の低下を認識し、適宜休息を取ることを
選択することも可能となる。

【００７９】図２４は被検者の脳波において４１５〜４
５５Ｈｚの周波数帯域のリアプノフ数λの基準値Ｌｉを
５秒間隔ごとに表示したグラフ図を示す。

【００８０】なお本実施例では、刺激装置としてマツサ
ージチェア２２を使用したが、これ以外にも、例えば低
周波治療器などの生体に対して有用な刺激を与える装置
の使用も可能である。

【００８１】また生体情報として、脈波・心電・筋電・
呼気を使用した場合も、第３〜第６の実施例で説明した
ように、適切な周波数帯域と演算部５における閾値を設
定することにより、同様の効果を得ることができる。ま
た、演算部５における解析方法として、第２の実施例で
説明したように相関次元解析を行った場合も、同様の効
果を得ることができる。

【００８２】図２５〜図３０は第８の実施例を示し、被
検者に与える賦活として匂いを用い、その匂いに対する
被検者の好みを判定した。図２５は被検者に匂い賦活を
与える方法の説明図、図２６は生体信号として脳波を用
いた場合の表示部７に表示されたグラフ図、図２６は脈
波を用いた場合のグラフ図、図２７は心電を用いた場合
のグラフ図、図２８は筋電を用いた場合のグラフ図、図
３０は呼気を用いた場合のグラフ図を示している。

【００８３】本実施例においては、先の実施例における
匂いを用いて賦活を与えること以外は、全て先の実施例
と同様の工程を実施する。ここで匂いによる賦活は、図
２５に示すように臭気発生部２３により発生したそれぞ
れの匂いが、チューブ２４を通じて、被検者が装着した
臭気マスク２５に送られることにより被検者に与えられ
る。匂いの賦活として、（１）無臭、（２）ラベンダー
臭、（３）アンモニア臭の３種類の賦活を被検者に与
え、それぞれに対する最大リアプノフ数λの基準値Ｌｉ
を算出した。

【００８４】また、上記の工程を行った後に、被検者に
対しこれらの３種類の匂いに関する好みについてアンケ
―トを行ったところ、それぞれ（１）好きでも嫌いでも
ない（２）好き、（３）嫌いとの結果が得られた。

【００８５】図２６〜図３０のグラフ図を見ると、それ
ぞれの生体信号の基本律動が異なることから、絶対的な
周波数帯域は異なるものの、全ての生体信号において最
大リアプノフ数λの基準値Ｌｉのピークが、（１）好き
でも嫌いでもない匂いの場合には低周波帯域に見られた
のが、（２）好きな匂いの場合には高周波帯域にずれ込
み、（３）嫌いな匂いの場合には更に高周波帯域にずれ
込むことが分かり、定性的な傾向が一致していることが
分かる。

【００８６】この結果と、事前に行ったアンケートから
得られた被検者の３種類の匂いに対する好みの傾向を合
わせて考えることにより、最大リアプノフ数λの基準値
Ｌｉのピークが存在する周波数帯域の高低を比較するこ
とにより、匂いに対する好き・嫌い等の人の情動を測定
することが可能になる。

【００８７】本実施例の場合には、最大リアプノフ数λ
の基準値Ｌｉのピークが存在する周波数帯域が高いほ
ど、被検者はより嫌悪感を感じている。更に、或る周波
数帯域でのそれぞれの賦活における最大リアプノフ数λ
の基準値Ｌｉの大きさを比較することにより、匂いに対
する被検者の好き・嫌い等の情動を定量的に測定するこ
とが可能となる。

【００８８】即ち、生体信号として脳波を用いる場合
は、例えば事前に演算部５において、４９５〜５３５Ｈ
ｚ帯域における最大リアプノフ数の基準値Ｌｉに対する
閾値として、「１．０以上で好意感、１．２以上で嫌悪
感」と設定する。

【００８９】また、脈波を用いる場合には、７０〜７５
Ｈｚ帯域における基準値Ｌｉに対する閾値として、
「１．０以上で好意感、２．０以上で嫌悪感」と設定
し、心電を用いる場合には、７０〜７５Ｈｚ帯域におけ
る基準値Ｌｉに対する閾値として、「１．０以上で好意
感、１．８以上で嫌悪感」と設定する。更に、生体信号
として筋電を用いる場合には、５４〜５６Ｈｚ帯域にお
ける基準値Ｌｉに対する閾値として、「０．６以上で好
意感、２．０以上で嫌悪感」と設定し、呼気を用いる場
合には、５４〜５６Ｈｚ帯域における基準値Ｌｉに対す
る閾値として、「０．５以上で好意感、１．７以上で嫌
悪感」と設定する。

【００９０】このように、それぞれの場合において演算
部５において閾値を設定することにより、最大リアプノ
フ数λの基準値Ｌｉの算出結果と閾値の大小関係の判断
から自動的に評価が行われるので、本装置によって匂い
に対する被検者の好き・嫌い等の情動の程度を測定する
ことができる。

【００９１】またここで、従来行われていた生体信号の
商用周波数未満の周波数帯域に対する解析結果をみる
と、匂いに対する被検者の好き・嫌いの情動の変化を十
分には捉えきれておらず、この周減数帯域を解析対象と
しても、匂いに対するヒトの好き・嫌いの情動の程度を
測定することは不可能なことが分かる。

【００９２】なお、実施例において、第２の実施例と同
様に相関次元の基準値ｄｉを算出した場合の結果は、第
１の実施例の結果に対する第２の実施例の結果の関係と
同様に、本実施例の結果と同じになった。

【００９３】このように第１〜第８の実施例によれば、
時系列に測定された生体信号において、商用周波数以上
の帯域を一部に含む高周波数帯域に対して数理処理、つ
まり実施例ではカオス解析による最大リアプノフ数の算
出、相関次元数の算出することによって、被検者の思考
の複雑さ及び心理的・生理的反応等の被検者の高次な情
動を反映する生体情報を定量的に測定することが可能と
なる。また、これら生体情報の時間変化を利用して、実
時間の制御システムを実現することもできる。

【００９４】なお以上の実施例では、被検者から時系列
に測定された生体信号に対して、それぞれの実施例中に
記した周波数帯域ごとに濾波を行ったが、商用周波数以
上の帯域を一部を含む高周波数帯域として、これ以外の
帯域を抽出した場合にも、本実施例と同様に生体情報の
定量的な測定が可能である。

【００９５】

【発明の効果】以上説明したように本発明に係る生体信
号解析方法及び装置は、生体信号の複数の特に高周波帯
域の時系列生体信号に数理処理を施すことによって、従
来困難であった情動や思考、心理状態、或いは神経系の
安定度などに関する高度な生体情報を計測することが可
能となる。

【００９６】また、このように高周波帯域の時系列生体
信号を用いることによって、生体情報の高速な時間変化
を観測することが可能となる。

【００９７】更に、これら生体情報の時間変化を利用し
て実時間の制御システムを実現することもできる。

【図面の簡単な説明】

【図１】処理工程の説明図である。

【図２】第１の実施例の処理装置の構成図である。

【図３】時系列生体信号としての脳波の測定方法の説明
図である。

【図４】測定された脳波信号のグラフ図である。

【図５】５〜４５Ｈｚの脳波信号のグラフ図である。

【図６】２９５〜３３５Ｈｚの脳波信号のグラフ図であ
る。

【図７】演算部における処理のフローチャート図であ
る。

【図８】表示部に表示されたグラフ図である。

【図９】第２の実施例の演算部における処理のフローチ
ャート図である。

【図１０】表示部に表示されたグラフ図である。

【図１１】第３の実施例の時系列生体信号としての脈波
の測定方法の説明図である。

【図１２】測定された脈波信号のグラフ図である。

【図１３】表示部に表示されたグラフ図である。

【図１４】第４の実施例の時系列生体信号としての心電
の測定方法の説明図である。

【図１５】測定された心電信号のグラフ図である。

【図１６】表示部に表示されたグラフ図である。

【図１７】第５の実施例の時系列生体信号としての筋電
の測定方法の説明図である。

【図１８】測定された筋電信号のグラフ図である。

【図１９】表示部に表示されたグラフ図である。

【図２０】第６の実施例の時系列生体信号としての呼気
の測定方法の説明図である。

【図２１】測定された呼気信号のグラフ図である。

【図２２】表示部に表示されたグラフ図である。

【図２３】第７の実施例の処理装置の構成図である。

【図２４】表示部に表示された時間変化のグラフ図であ
る。

【図２５】第８の実施例の匂いの賦活を与える方法の説
明図である。

【図２６】脳波を用いた場合に表示部に表示されたグラ
フ図である。

【図２７】脈波を用いた場合に表示部に表示されたグラ
フ図である。

【図２８】心電を用いた場合に表示部に表示されたグラ
フ図である。

【図２９】筋電を用いた場合に表示部に表示されたグラ
フ図である。

【図３０】呼気を用いた場合に表示部に表示されたグラ
フ図である。

【符号の説明】

１脳波測定部２増幅器３Ａ／Ｄ変換部４データ保持部５演算部５６外部記憶部７表示部８印刷部１１電極１２ペースト１３脈波センサ１４心電センサ１５筋電センサ１６呼気センサ２１制御部２２マッサージチエア２３臭気発生部２４チューブ２５臭気マスク

───────────────────────────────────────────────────── フロントページの続き (51)Int.Cl.⁷ 識別記号ＦＩテーマコート゛(参考）Ａ６１Ｂ 5/08 Ａ６１Ｂ 5/04 ３３０ (72)発明者雲見日出也東京都大田区下丸子三丁目30番２号キヤノン株式会社内 (72)発明者菅野恒裕東京都大田区下丸子三丁目30番２号キヤノン株式会社内Ｆターム(参考） 4C017 AA09 AB06 AC15 BC01 BC11 BD01 FF05 4C027 AA03 AA04 CC00 FF01 FF02 GG10 GG15 KK03 KK05 4C038 SX07

Claims

【特許請求の範囲】

【請求項１】時系列的な生体信号に対して第１の周波
帯域での第１のカオス解析を行ってカオス性の推定を行
う工程と、前記第１の周波帯域よりも高い第２の周波数
帯域での第２のカオス解析を行ってカオス性の推定を行
う工程とを備え、生体の異なる状態での複数のカオス解
析を行うことを特徴とする生体信号解析方法。
【請求項２】前記カオス解析は、リアプノフ解析又は
相関次元解析であることを特徴とする請求項１に記載の
生体信号解析方法。
【請求項３】時系列的な生体信号に対して第１の周波
帯域での第１のカオス解析を行ってカオス性の推定を行
う手段と、前記第１の周波帯域よりも高い第２の周波数
帯域での第２のカオス解析を行ってカオス性の推定を行
う手段とを備え、生体の異なる状態での複数のカオス解
析を行うことを特徴とする生体信号解析方法。
【請求項４】前記カオス解析は、リアプノフ解析又は
相関次元解析であることを特徴とする請求項１に記載の
生体信号解析方法。