JP2009232990A - 状態評価装置、及び、状態評価プログラム - Google Patents
状態評価装置、及び、状態評価プログラム Download PDFInfo
- Publication number
- JP2009232990A JP2009232990A JP2008081051A JP2008081051A JP2009232990A JP 2009232990 A JP2009232990 A JP 2009232990A JP 2008081051 A JP2008081051 A JP 2008081051A JP 2008081051 A JP2008081051 A JP 2008081051A JP 2009232990 A JP2009232990 A JP 2009232990A
- Authority
- JP
- Japan
- Prior art keywords
- interval data
- coefficient
- variation
- data
- 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
Images
Landscapes
- Measuring Pulse, Heart Rate, Blood Pressure Or Blood Flow (AREA)
- Measurement Of The Respiration, Hearing Ability, Form, And Blood Characteristics Of Living Organisms (AREA)
Abstract
【課題】より精度の高い被験者の状態評価を行うことを目的とする。
【解決手段】連続したｎ個のＲＲ間隔データを取得し、取得したＲ間隔データの最大値と最小値抽出する。この最大値及び最小値に基づいて、ＲＲ間隔データの分布範囲の幅Ｗを算出し、また、ＲＲ間隔データの変動係数Ｃを算出する。続いて、算出された変動係数Ｃを、被験者のＲＲ間隔データの平均値、及びＲＲ間隔データの分布範囲に対応する正常時変動係数Ｒと比較し状態指数Ｚを求める。正常時変動係数Ｒは、正常な状態にある人間から収集したＲＲ間隔データ標本に基づいて作成された、ＲＲ間隔データの平均値、ＲＲ間隔データの分布範囲、変動係数の関係を示す基準特性データに基づいて求められる。そして、状態指数Ｚの範囲ごとに被験者の状態の程度が定義された判定テーブルを参照し、求められた状態指数Ｚに該当する被験者の状態の程度を特定する。
【選択図】図５
【解決手段】連続したｎ個のＲＲ間隔データを取得し、取得したＲ間隔データの最大値と最小値抽出する。この最大値及び最小値に基づいて、ＲＲ間隔データの分布範囲の幅Ｗを算出し、また、ＲＲ間隔データの変動係数Ｃを算出する。続いて、算出された変動係数Ｃを、被験者のＲＲ間隔データの平均値、及びＲＲ間隔データの分布範囲に対応する正常時変動係数Ｒと比較し状態指数Ｚを求める。正常時変動係数Ｒは、正常な状態にある人間から収集したＲＲ間隔データ標本に基づいて作成された、ＲＲ間隔データの平均値、ＲＲ間隔データの分布範囲、変動係数の関係を示す基準特性データに基づいて求められる。そして、状態指数Ｚの範囲ごとに被験者の状態の程度が定義された判定テーブルを参照し、求められた状態指数Ｚに該当する被験者の状態の程度を特定する。
【選択図】図５
Description
本発明は、例えば、生体情報に基づいて被験者の状態を評価する状態評価装置及び状態評価プログラムに関する。
運転中のドライバの覚醒度、疲労や感情などの状態を、心拍や発汗などの生体情報を計測することで推定する技術が存在する。
例えば、特許文献１では、運転者の心拍数、心拍周期、呼吸数、呼吸周期の平均値に基づいて、運転者の身体状態を検出する技術が提案されている。
特開平７−５９７５７号公報
例えば、特許文献１では、運転者の心拍数、心拍周期、呼吸数、呼吸周期の平均値に基づいて、運転者の身体状態を検出する技術が提案されている。
また、時系列分析の手法の１つである移動平均法を用いて、心拍間隔の移動平均値や移動分散値に基づいて、被験者の状態推移を測定する技術が存在する。
特許文献１に記載の装置をはじめ、従来は、心拍間隔の平均値や分散値に基づいて、被験者が、イライラ状態（緊張状態）、眠い状態（弛緩状態）又は正常状態であるかを判定していた。
しかし心拍間隔の平均値や分散値は、被験者の体型や体質などによって大きく異なるものである。そのため、従来のような、心拍間隔の平均値や分散値に基づく判定方法では、精度の高い状態判定を行うことが困難であった。
また、心拍間隔の移動平均値や移動分散値からは、被験者の状態変化を検出することができるが、状態変化後における被験者の状態を判定することはできなかった。例えば、被験者の状態がより緊張状態へ推移したことは検出できるが、正常状態から緊張状態へ推移したのか、緊張状態からさらに深い緊張状態へ推移したのかを判定することはできなかった。
しかし心拍間隔の平均値や分散値は、被験者の体型や体質などによって大きく異なるものである。そのため、従来のような、心拍間隔の平均値や分散値に基づく判定方法では、精度の高い状態判定を行うことが困難であった。
また、心拍間隔の移動平均値や移動分散値からは、被験者の状態変化を検出することができるが、状態変化後における被験者の状態を判定することはできなかった。例えば、被験者の状態がより緊張状態へ推移したことは検出できるが、正常状態から緊張状態へ推移したのか、緊張状態からさらに深い緊張状態へ推移したのかを判定することはできなかった。
そこで、本発明は、より精度の高い被験者の状態評価を行うことを目的とする。
（１）前記目的を達成するために、請求項１に記載の発明では、心拍のＲ波間隔を示すＲＲ間隔データをｎ個取得するＲＲ間隔データ取得手段と、前記取得したｎ個のＲＲ間隔データの変動係数を算出する変動係数算出手段と、正常状態にある被験者のｎ個のＲＲ間隔データからなる標本に基づいて作成され、前記標本におけるＲＲ間隔データの分布範囲の幅に基づく範囲要素と、前記標本におけるＲＲ間隔データの分布範囲に基づくＲＲ間隔データ要素と、前記標本におけるＲＲ間隔データの変動係数との関係を示す基準特性データを取得する基準特性データ取得手段と、前記基準特性データにおいて、前記取得したＲＲ間隔データの分布範囲に基づくＲＲ間隔データ要素、及び、前記取得したＲＲ間隔データの分布範囲に基づく範囲要素を当てはめることにより正常時変動係数を特定する正常時変動係数特定手段と、前記算出した変動係数と、前記特定された正常時変動係数との比較結果に基づいて、被験者の状態を評価する状態評価手段と、を具備することを特徴とする状態評価装置を提供する。
（２）請求項２に記載の発明では、前記ＲＲ間隔データ要素は、ＲＲ間隔データの平均値、又はＲＲ間隔データの分布範囲の中心値であることを特徴とする請求項１に記載の状態評価装置を提供する。
（３）請求項３に記載の発明では、前記変動係数算出手段は、最尤分散に基づく標準偏差から変動係数を算出することを特徴とする請求項１、又は請求項２に記載の状態評価装置を提供する。
（４）請求項４に記載の発明では、前記基準特性データ取得手段は、近似関数で表現された基準特性データを取得し、前記正常時変動係数特定手段は、前記取得した基準特性データの近似関数に基づいて、前記正常時変動係数を特定することを特徴とする請求項１、請求項２又は請求項３に記載の状態評価装置を提供する。
（５）前記目的を達成するために、請求項５に記載の発明では、ＲＲ間隔データ取得手段と、変動係数算出手段と、基準特性データ取得手段と、正常時変動係数特定手段と、状態評価手段とを具備した状態評価装置に、前記ＲＲ間隔データ取得手段が、心拍のＲ波間隔を示すＲＲ間隔データをｎ個取得するＲＲ間隔データ取得機能と、前記変動係数算出手段が、前記取得したｎ個のＲＲ間隔データの変動係数を算出する変動係数算出機能と、前記基準特性データ取得手段が、正常状態にある被験者のｎ個のＲＲ間隔データからなる標本に基づいて作成され、前記標本におけるＲＲ間隔データの分布範囲の幅に基づく範囲要素と、前記標本におけるＲＲ間隔データの分布範囲に基づくＲＲ間隔データ要素と、前記標本におけるＲＲ間隔データの変動係数との関係を示す基準特性データを取得する基準特性データ取得機能と、前記正常時変動係数特定手段が、前記基準特性データにおいて、前記取得したＲＲ間隔データの分布範囲に基づくＲＲ間隔データ要素、及び、前記取得したＲＲ間隔データの分布範囲に基づく範囲要素を当てはめることにより正常時変動係数を特定する正常時変動係数特定機能と、前記状態評価手段が、前記算出した変動係数と、前記特定された正常時変動係数との比較結果に基づいて、被験者の状態を評価する状態評価機能と、を実現させるためのコンピュータ読み取り可能な状態評価プログラムを提供する。
（２）請求項２に記載の発明では、前記ＲＲ間隔データ要素は、ＲＲ間隔データの平均値、又はＲＲ間隔データの分布範囲の中心値であることを特徴とする請求項１に記載の状態評価装置を提供する。
（３）請求項３に記載の発明では、前記変動係数算出手段は、最尤分散に基づく標準偏差から変動係数を算出することを特徴とする請求項１、又は請求項２に記載の状態評価装置を提供する。
（４）請求項４に記載の発明では、前記基準特性データ取得手段は、近似関数で表現された基準特性データを取得し、前記正常時変動係数特定手段は、前記取得した基準特性データの近似関数に基づいて、前記正常時変動係数を特定することを特徴とする請求項１、請求項２又は請求項３に記載の状態評価装置を提供する。
（５）前記目的を達成するために、請求項５に記載の発明では、ＲＲ間隔データ取得手段と、変動係数算出手段と、基準特性データ取得手段と、正常時変動係数特定手段と、状態評価手段とを具備した状態評価装置に、前記ＲＲ間隔データ取得手段が、心拍のＲ波間隔を示すＲＲ間隔データをｎ個取得するＲＲ間隔データ取得機能と、前記変動係数算出手段が、前記取得したｎ個のＲＲ間隔データの変動係数を算出する変動係数算出機能と、前記基準特性データ取得手段が、正常状態にある被験者のｎ個のＲＲ間隔データからなる標本に基づいて作成され、前記標本におけるＲＲ間隔データの分布範囲の幅に基づく範囲要素と、前記標本におけるＲＲ間隔データの分布範囲に基づくＲＲ間隔データ要素と、前記標本におけるＲＲ間隔データの変動係数との関係を示す基準特性データを取得する基準特性データ取得機能と、前記正常時変動係数特定手段が、前記基準特性データにおいて、前記取得したＲＲ間隔データの分布範囲に基づくＲＲ間隔データ要素、及び、前記取得したＲＲ間隔データの分布範囲に基づく範囲要素を当てはめることにより正常時変動係数を特定する正常時変動係数特定機能と、前記状態評価手段が、前記算出した変動係数と、前記特定された正常時変動係数との比較結果に基づいて、被験者の状態を評価する状態評価機能と、を実現させるためのコンピュータ読み取り可能な状態評価プログラムを提供する。
本発明によれば、変動係数と正常時変動係数との比較結果に基づいて、被験者の状態評価を行うことにより、より精度の高い被験者の状態判定を行うことができる。
以下、本発明の状態評価装置における好適な実施の形態について、図１から図８を参照して詳細に説明する。
（１）実施形態の概要
本実施形態に係る状態評価装置では、連続したｎ個（例えば５０個）のＲＲ間隔データに基づいて、被験者が『正常状態』『緊張状態』『弛緩状態』のいずれの状態にあるかを判定する。
はじめに、状態評価装置のＣＰＵは、心拍センサで測定された、連続した５０個のＲＲ間隔データ（ＲＲ１〜ＲＲ５０）を取得し、取得したＲＲ１〜ＲＲ５０の最大値ＲＲｍａｘと最小値ＲＲｍｉｎを抽出する。
そして、ＣＰＵは、抽出した最大値ＲＲｍａｘ及び最小値ＲＲｍｉｎに基づいて、ＲＲ間隔データ（ＲＲ１〜ＲＲ５０）の分布範囲の幅Ｗを算出する。
また、ＣＰＵは、ＲＲ間隔データ（ＲＲ１〜ＲＲ５０）の変動係数Ｃを算出する。なお、ＲＲ間隔データの変動係数は、最尤分散に基づく標準偏差に基づいて算出する。
（１）実施形態の概要
本実施形態に係る状態評価装置では、連続したｎ個（例えば５０個）のＲＲ間隔データに基づいて、被験者が『正常状態』『緊張状態』『弛緩状態』のいずれの状態にあるかを判定する。
はじめに、状態評価装置のＣＰＵは、心拍センサで測定された、連続した５０個のＲＲ間隔データ（ＲＲ１〜ＲＲ５０）を取得し、取得したＲＲ１〜ＲＲ５０の最大値ＲＲｍａｘと最小値ＲＲｍｉｎを抽出する。
そして、ＣＰＵは、抽出した最大値ＲＲｍａｘ及び最小値ＲＲｍｉｎに基づいて、ＲＲ間隔データ（ＲＲ１〜ＲＲ５０）の分布範囲の幅Ｗを算出する。
また、ＣＰＵは、ＲＲ間隔データ（ＲＲ１〜ＲＲ５０）の変動係数Ｃを算出する。なお、ＲＲ間隔データの変動係数は、最尤分散に基づく標準偏差に基づいて算出する。
続いて、ＣＰＵは、算出された変動係数Ｃを、被験者のＲＲ間隔データの平均値、及びＲＲ間隔データ（ＲＲ１〜ＲＲ５０）の分布範囲に対応する正常時変動係数Ｒと比較することによって状態指数Ｚを求める。
正常時変動係数Ｒは、正常な状態にある人間から収集したＲＲ間隔データ標本に基づいて作成された、ＲＲ間隔データの平均値と、ＲＲ間隔データの分布範囲と、変動係数との関係を示す基準特性データに基づいて求められる。
そして、ＣＰＵは、状態指数Ｚの範囲ごとに被験者の状態の程度が定義された判定テーブルを参照し、求められた状態指数Ｚに該当する被験者の状態の程度を特定する。
正常時変動係数Ｒは、正常な状態にある人間から収集したＲＲ間隔データ標本に基づいて作成された、ＲＲ間隔データの平均値と、ＲＲ間隔データの分布範囲と、変動係数との関係を示す基準特性データに基づいて求められる。
そして、ＣＰＵは、状態指数Ｚの範囲ごとに被験者の状態の程度が定義された判定テーブルを参照し、求められた状態指数Ｚに該当する被験者の状態の程度を特定する。
（２）実施形態の詳細
図１は、本実施形態における状態評価装置１及び周辺装置の構成を表した図である。
状態評価装置１は、ＣＰＵ１１、ＲＯＭ１２、ＲＡＭ１３、入力装置１４、出力装置１５、記憶装置１６を備えている。
ＣＰＵ１１は、ＲＯＭ１２や記憶装置１６に格納されている各種プログラムやデータに従って状態評価装置１を制御する中央演算処理装置であり、被験者の状態評価に関する種々の演算処理を行う。
ＲＯＭ１２は、状態評価装置１を機能させるための基本的なプログラムやパラメータなどが記憶された読み取り専用メモリである。
図１は、本実施形態における状態評価装置１及び周辺装置の構成を表した図である。
状態評価装置１は、ＣＰＵ１１、ＲＯＭ１２、ＲＡＭ１３、入力装置１４、出力装置１５、記憶装置１６を備えている。
ＣＰＵ１１は、ＲＯＭ１２や記憶装置１６に格納されている各種プログラムやデータに従って状態評価装置１を制御する中央演算処理装置であり、被験者の状態評価に関する種々の演算処理を行う。
ＲＯＭ１２は、状態評価装置１を機能させるための基本的なプログラムやパラメータなどが記憶された読み取り専用メモリである。
ＲＡＭ１３は、ＣＰＵ１１の作業領域として機能する記憶領域であり、処理中のデータを一時的に記憶する。
入力装置１４は、状態評価装置１へコマンドやデータを入力する装置であり、例えば、被験者の情報を手入力する際に用いられるキーボードやマウスなどにより構成されている。
出力装置１５は、状態評価装置１の処理した結果を外部出力する装置であり、例えば、被験者の状態評価結果を表示出力するディスプレイや印字出力するプリンタなどで構成されている。
入力装置１４は、状態評価装置１へコマンドやデータを入力する装置であり、例えば、被験者の情報を手入力する際に用いられるキーボードやマウスなどにより構成されている。
出力装置１５は、状態評価装置１の処理した結果を外部出力する装置であり、例えば、被験者の状態評価結果を表示出力するディスプレイや印字出力するプリンタなどで構成されている。
記憶装置１６は、被験者の心拍データを格納する心拍データ格納領域１６１や、当該状態評価装置１における状態判定結果（状態評価結果）を格納する判定結果格納領域１６２を備えている。
本実施形態では、被験者に装着された心拍センサ２が測定（検出）した心拍データがリアルタイムに心拍データ格納領域１６１に保存されるように構成されている。
心拍センサ２は、血液を左心室から大動脈に送り出すときに生じるＲ波の間隔、つまりＲ波と次に生じるＲ波との時間隔（以下、ＲＲ間隔）を測定し、測定結果を測定時刻情報と共に出力する測定装置である。
本実施形態では、被験者に装着された心拍センサ２が測定（検出）した心拍データがリアルタイムに心拍データ格納領域１６１に保存されるように構成されている。
心拍センサ２は、血液を左心室から大動脈に送り出すときに生じるＲ波の間隔、つまりＲ波と次に生じるＲ波との時間隔（以下、ＲＲ間隔）を測定し、測定結果を測定時刻情報と共に出力する測定装置である。
本実施形態では、心拍センサ２は、ＲＲ間隔の測定結果を測定時刻情報と共にＲＲ間隔データとして心拍データ格納領域１６１に出力するように構成されている。
なお、心拍センサ２の出力先は、心拍データ格納領域１６１に限定されるものではなく、例えば、心拍センサ２に装着可能なメモリスティックなどの外部記憶装置にＲＲ間隔データを出力し、この外部記憶装置を介して心拍データ格納領域１６１にＲＲ間隔データを取り込むようにしてもよい。また、心拍センサ２に無線通信機能を設けて無線通信によってＲＲ間隔データを状態評価装置１へ送信するようにしてもよい。
なお、心拍センサ２の出力先は、心拍データ格納領域１６１に限定されるものではなく、例えば、心拍センサ２に装着可能なメモリスティックなどの外部記憶装置にＲＲ間隔データを出力し、この外部記憶装置を介して心拍データ格納領域１６１にＲＲ間隔データを取り込むようにしてもよい。また、心拍センサ２に無線通信機能を設けて無線通信によってＲＲ間隔データを状態評価装置１へ送信するようにしてもよい。
また、記憶装置１６には、状態評価処理を実行するための状態評価プログラム１６３の他、状態判定閾値データ１６４や基準特性データ１６５など状態評価処理時に参照する各種データ等が格納されている。
本実施形態では、状態判定閾値データ１６４として、状態判定テーブルが格納されている。
図２は、状態判定テーブルの一例を示した図である。
図２に示すように、状態判定テーブルは、後述する状態指数Ｚの範囲（閾値条件）と、被験者の状態との対応関係を示した参照テーブルである。
状態判定テーブルには、状態指数Ｚの範囲別に、７つの被験者の状態が対応付けられている。詳しくは、状態指数Ｚの範囲別に、かなり眠い（弛緩状態：強）、眠い（弛緩状態：中）、少し眠い（弛緩状態：弱）、ふつう（正常状態）、少しイライラ（緊張状態：弱）、イライラ（緊張状態：中）、かなりイライラ（緊張状態：強）が対応付けられている。
本実施形態では、状態判定閾値データ１６４として、状態判定テーブルが格納されている。
図２は、状態判定テーブルの一例を示した図である。
図２に示すように、状態判定テーブルは、後述する状態指数Ｚの範囲（閾値条件）と、被験者の状態との対応関係を示した参照テーブルである。
状態判定テーブルには、状態指数Ｚの範囲別に、７つの被験者の状態が対応付けられている。詳しくは、状態指数Ｚの範囲別に、かなり眠い（弛緩状態：強）、眠い（弛緩状態：中）、少し眠い（弛緩状態：弱）、ふつう（正常状態）、少しイライラ（緊張状態：弱）、イライラ（緊張状態：中）、かなりイライラ（緊張状態：強）が対応付けられている。
なお、本実施形態では、状態判定テーブルに状態指数Ｚの範囲別に７つの被験者の状態が対応付けられているが、状態判定テーブルにおける被験者の状態の定義方法はこれに限定されるものではない。
例えば、弛緩状態及び緊張状態における程度を２段階に分けて定義するようにしても、また、さらに弛緩状態及び緊張状態における程度の種別を細分化して定義するようにしてもよい。
例えば、弛緩状態及び緊張状態における程度を２段階に分けて定義するようにしても、また、さらに弛緩状態及び緊張状態における程度の種別を細分化して定義するようにしてもよい。
図１の説明に戻り、基準特性データ１６５は、正常被験者のＲＲ間隔データの変動係数の分布特性を示したデータであり、正常な状態にある被験者（以下、正常被験者とする）から採取されたｎ個のＲＲ間隔データ（以下、ＲＲ間隔データ標本とする）の統計結果に基づいて作成される。
詳しくは、基準特性データ１６５は、正常被験者によるＲＲ間隔データ標本において、「範囲要素」と「ＲＲ間隔データ要素」と「変動係数」との関係を示したデータである。
詳しくは、基準特性データ１６５は、正常被験者によるＲＲ間隔データ標本において、「範囲要素」と「ＲＲ間隔データ要素」と「変動係数」との関係を示したデータである。
本実施形態では、基準特性データ１６５の「範囲要素」としてＲＲ間隔データの分布範囲の幅Ｗ（以下、分布幅Ｗとする）を採用する。この分布幅Ｗは、ＲＲ間隔データ標本におけるＲＲ間隔データの最大値と最小値の幅（差）を示す。
「ＲＲ間隔データ要素」は、ＲＲ間隔データ標本全体（全範囲）に対するＲＲ間隔の平均値を採用し、「変動係数」は、ＲＲ間隔データ標本全体に対するＲＲ間隔の平均値と変動係数を採用する。
本実施形態では、基準特性データ１６５の一例として、ＲＲ間隔データの平均値と変動係数との関係を、分布幅Ｗ別に示したデータを用いて説明する。
「ＲＲ間隔データ要素」は、ＲＲ間隔データ標本全体（全範囲）に対するＲＲ間隔の平均値を採用し、「変動係数」は、ＲＲ間隔データ標本全体に対するＲＲ間隔の平均値と変動係数を採用する。
本実施形態では、基準特性データ１６５の一例として、ＲＲ間隔データの平均値と変動係数との関係を、分布幅Ｗ別に示したデータを用いて説明する。
ここで、基準特性データ１６５の一部を抜粋して正常被験者の変動係数の傾向について説明する。
図３（ａ）は、分布幅Ｗが１６．６ｍｓｅｃの場合における、ＲＲ間隔データの平均値と変動係数との関係を示す特性曲線である。
図３（ａ）に示すように、分布幅Ｗが１６．６ｍｓｅｃの正常被験者におけるＲＲ間隔データの変動係数には、ＲＲ間隔データの平均値が大きくなるにつれて減少する（下り勾配）傾向がある。
図３（ａ）は、分布幅Ｗが１６．６ｍｓｅｃの場合における、ＲＲ間隔データの平均値と変動係数との関係を示す特性曲線である。
図３（ａ）に示すように、分布幅Ｗが１６．６ｍｓｅｃの正常被験者におけるＲＲ間隔データの変動係数には、ＲＲ間隔データの平均値が大きくなるにつれて減少する（下り勾配）傾向がある。
図３（ｂ）は、分布幅Ｗが７４．６ｍｓｅｃの場合における、ＲＲ間隔データの平均値と変動係数との関係を示す特性曲線である。
図３（ｂ）に示すように、分布幅Ｗが７４．６ｍｓｅｃの正常被験者におけるＲＲ間隔データの変動係数は、特定のピークポイント（分岐点）を境に異なる傾向を示す。詳しくは、ＲＲ間隔データの平均値がピークポイントより小さい範囲、即ち、Ｑ１領域では、ＲＲ間隔データの平均値が大きくなるにつれて増加する（上り勾配）傾向がある。一方、ＲＲ間隔データの平均値がピークポイント以上の範囲、即ちＱ２領域では、ＲＲ間隔データの平均値が大きくなるにつれて減少する（下り勾配）傾向がある。
図３（ｂ）に示すように、分布幅Ｗが７４．６ｍｓｅｃの正常被験者におけるＲＲ間隔データの変動係数は、特定のピークポイント（分岐点）を境に異なる傾向を示す。詳しくは、ＲＲ間隔データの平均値がピークポイントより小さい範囲、即ち、Ｑ１領域では、ＲＲ間隔データの平均値が大きくなるにつれて増加する（上り勾配）傾向がある。一方、ＲＲ間隔データの平均値がピークポイント以上の範囲、即ちＱ２領域では、ＲＲ間隔データの平均値が大きくなるにつれて減少する（下り勾配）傾向がある。
基準特性データ１６５では、分布幅Ｗが３０ｍｓｅｃ未満の場合、図３（ａ）に示すような、ピークポイントの現れない、下り勾配のみの特性曲線が現れる傾向にある。
また、基準特性データ１６５では、分布幅Ｗが３０ｍｓｅｃ以上の場合、図３（ｂ）に示すような、ピークポイントを境に変動係数の傾向が上り勾配から下り勾配に変化する特性曲線が現れる傾向にある。
なお、本実施形態では、図３（ａ）に示す、分布幅Ｗが３０ｍｓｅｃ未満における特性曲線の下り勾配の領域は、便宜上図３（ｂ）のピークポイント以上の範囲を示すＱ２領域として扱う。
また、基準特性データ１６５では、分布幅Ｗが３０ｍｓｅｃ以上の場合、図３（ｂ）に示すような、ピークポイントを境に変動係数の傾向が上り勾配から下り勾配に変化する特性曲線が現れる傾向にある。
なお、本実施形態では、図３（ａ）に示す、分布幅Ｗが３０ｍｓｅｃ未満における特性曲線の下り勾配の領域は、便宜上図３（ｂ）のピークポイント以上の範囲を示すＱ２領域として扱う。
図３（ａ）、（ｂ）は、基準特性データ１６５における一部を抜粋したものであり、基準特性データ１６５には、分布幅Ｗごとに異なる変動係数の分布特性が示されている。
但し、基準特性データ１６５における変動係数の分布値は、分布幅Ｗごとに異なるものの、変動係数の分布傾向は、上述したような勾配特性を示す。
例えば、分布幅Ｗが３０ｍｓｅｃ以上の場合、ピークポイントの値は、分布幅Ｗごとに変化するが、ピークポイント前後の勾配傾向は分布幅Ｗによらず共通している。
基準特性データ１６５には、分布幅Ｗが３０ｍｓｅｃ未満の場合には、図３（ａ）に示すような分布傾向を有する特性曲線のデータが分布幅Ｗごとに格納されている。また、分布幅Ｗが３０ｍｓｅｃ以上の場合には、図３（ｂ）に示すような分布傾向を有する特性曲線のデータが分布幅Ｗごとに格納されている。
但し、基準特性データ１６５における変動係数の分布値は、分布幅Ｗごとに異なるものの、変動係数の分布傾向は、上述したような勾配特性を示す。
例えば、分布幅Ｗが３０ｍｓｅｃ以上の場合、ピークポイントの値は、分布幅Ｗごとに変化するが、ピークポイント前後の勾配傾向は分布幅Ｗによらず共通している。
基準特性データ１６５には、分布幅Ｗが３０ｍｓｅｃ未満の場合には、図３（ａ）に示すような分布傾向を有する特性曲線のデータが分布幅Ｗごとに格納されている。また、分布幅Ｗが３０ｍｓｅｃ以上の場合には、図３（ｂ）に示すような分布傾向を有する特性曲線のデータが分布幅Ｗごとに格納されている。
図４は、分布幅Ｗと、ピークポイントにおけるＲＲ間隔データの平均値（以下、ピークポイント値とする）との関係を示した図である。
なお、分布幅Ｗが３０ｍｓｅｃ未満においては、ピークポイントの代わりに、図３（ａ）に示すような、変動係数の下り勾配の始点ポイントを示す。
図４に示すように、基準特性データ１６５では、分布幅Ｗの値が増加するにつれて、ピークポイント値も増加する傾向にある。
なお、分布幅Ｗが３０ｍｓｅｃ未満においては、ピークポイントの代わりに、図３（ａ）に示すような、変動係数の下り勾配の始点ポイントを示す。
図４に示すように、基準特性データ１６５では、分布幅Ｗの値が増加するにつれて、ピークポイント値も増加する傾向にある。
通常、正常被験者のＲＲ間隔データの平均値と分散値との関係には、個人差が存在するものである。
しかしながら、正常被験者のＲＲ間隔データの平均値と変動係数との関係は、図３に示すような特性曲線に収束することが、収集した多くの実験（実測）データの統計値から判明した。
そこで、本実施形態における状態評価装置１では、このような特定の傾向を示す基準特性データ１６５から、個人差を超えた（万人に共通の）変動係数の基準値（基準変動値）を求め、この値に基づいて被験者の状態の程度を判定する。
なお、正常被験者のＲＲ間隔データの変動係数は、後述する、最尤分散に基づく標準偏差、又は、普遍分散に基づく標準偏差に基づいて算出する。
しかしながら、正常被験者のＲＲ間隔データの平均値と変動係数との関係は、図３に示すような特性曲線に収束することが、収集した多くの実験（実測）データの統計値から判明した。
そこで、本実施形態における状態評価装置１では、このような特定の傾向を示す基準特性データ１６５から、個人差を超えた（万人に共通の）変動係数の基準値（基準変動値）を求め、この値に基づいて被験者の状態の程度を判定する。
なお、正常被験者のＲＲ間隔データの変動係数は、後述する、最尤分散に基づく標準偏差、又は、普遍分散に基づく標準偏差に基づいて算出する。
次に、以上のように構成された状態評価装置１における被験者の状態の評価処理の方法について説明する。詳しくは、被験者が正常状態、緊張状態、弛緩状態のいずれの状態にあるか、さらに、その状態の程度の判定処理の方法について説明する。
図５は、状態評価装置１における被験者の状態評価処理の動作手順を示したフローチャートである。
まず、ＣＰＵ１１は、被験者のｎ個のＲＲ間隔データを記憶装置１６における心拍データ格納領域１６１から取得する（ステップ１１）。本実施形態では、一例として５０個のＲＲ間隔データを取得する。
図６は、解析対象である５０個のＲＲ間隔データの一例を示した図である。
ＣＰＵ１１は、図６に示すような時系列に連続した５０個のＲＲ間隔データ（ＲＲ１〜ＲＲ５０）を心拍データ格納領域１６１から読み出し、ＲＡＭ１３に格納する。
図５は、状態評価装置１における被験者の状態評価処理の動作手順を示したフローチャートである。
まず、ＣＰＵ１１は、被験者のｎ個のＲＲ間隔データを記憶装置１６における心拍データ格納領域１６１から取得する（ステップ１１）。本実施形態では、一例として５０個のＲＲ間隔データを取得する。
図６は、解析対象である５０個のＲＲ間隔データの一例を示した図である。
ＣＰＵ１１は、図６に示すような時系列に連続した５０個のＲＲ間隔データ（ＲＲ１〜ＲＲ５０）を心拍データ格納領域１６１から読み出し、ＲＡＭ１３に格納する。
次に、ＣＰＵ１１は、取得した５０個のＲＲ間隔データのうちの最大値と最小値を抽出する（ステップ１２）。
ＣＰＵ１１は、例えば、図６に示す５０個のＲＲ間隔データを取得した場合、ＲＲ２２の６５０［ｍｓｅｃ］をＲＲ間隔データの最大値として抽出し、ＲＲ５の３５０［ｍｓｅｃ］をＲＲ間隔データの最小値として抽出する。そして、ＣＰＵ１１は、抽出した最大値と最小値のデータをＲＡＭ１３に格納する。
ＣＰＵ１１は、例えば、図６に示す５０個のＲＲ間隔データを取得した場合、ＲＲ２２の６５０［ｍｓｅｃ］をＲＲ間隔データの最大値として抽出し、ＲＲ５の３５０［ｍｓｅｃ］をＲＲ間隔データの最小値として抽出する。そして、ＣＰＵ１１は、抽出した最大値と最小値のデータをＲＡＭ１３に格納する。
続いてＣＰＵ１１は、抽出した最大値から最小値を減算することによって、ＲＲ間隔データ（ＲＲ１〜ＲＲ５０）の分布幅Ｗを算出する（ステップ１３）。
さらに、ＣＰＵ１１は、ＲＲ間隔データ（ＲＲ１〜ＲＲ５０）の平均値［ｘ］を算出する（ステップ１４）。
次に、ＣＰＵ１１は、取得した５０個のＲＲ間隔データ（ＲＲ１〜ＲＲ５０）の変動係数Ｃを算出する（ステップ１５）。なお、ＣＰＵ１１は、算出した分布幅Ｗ、ＲＲ間隔データの平均値［ｘ］、ＲＲ間隔データの変動係数ＣをＲＡＭ１３に格納する。
さらに、ＣＰＵ１１は、ＲＲ間隔データ（ＲＲ１〜ＲＲ５０）の平均値［ｘ］を算出する（ステップ１４）。
次に、ＣＰＵ１１は、取得した５０個のＲＲ間隔データ（ＲＲ１〜ＲＲ５０）の変動係数Ｃを算出する（ステップ１５）。なお、ＣＰＵ１１は、算出した分布幅Ｗ、ＲＲ間隔データの平均値［ｘ］、ＲＲ間隔データの変動係数ＣをＲＡＭ１３に格納する。
ここで、ｎ個のＲＲ間隔データの変動係数の算出方法について説明する。
本実施形態は、被験者のある時点における状態を評価（判定）することを目的としている。そのため、短時間で、つまり、少ないデータ量で、被験者の状態をより適切に評価することができる標本分散である最尤分散に基づく標準偏差から変動係数を算出する方法を用いる。
ｎ個のＲＲ間隔データをｘ1、ｘ2、ｘ3…ｘnとし、その標本平均を［ｘ］で表した場合、（［ｘ］−ｘi）の２乗の平均値が、そのｎ個のデータの標本平均に基づく分散値ｓ2であり、分散値ｓ2は次の数式で表される。
ｓ2＝｛Σ（［ｘ］−ｘi）2｝／ｎ …（１）
但し、上式（１）におけるΣによる加算範囲は、ｉ＝１〜ｎとする。
変動係数Ｃは、標準偏差ｓを標本平均［ｘ］で割ったものである。また、標準偏差ｓは、分散値ｓ2の平方根の値として計算される。
従って、分散値ｓ2の平方根を標本平均［ｘ］で割ることにより変動係数Ｃが求められる。
本実施形態は、被験者のある時点における状態を評価（判定）することを目的としている。そのため、短時間で、つまり、少ないデータ量で、被験者の状態をより適切に評価することができる標本分散である最尤分散に基づく標準偏差から変動係数を算出する方法を用いる。
ｎ個のＲＲ間隔データをｘ1、ｘ2、ｘ3…ｘnとし、その標本平均を［ｘ］で表した場合、（［ｘ］−ｘi）の２乗の平均値が、そのｎ個のデータの標本平均に基づく分散値ｓ2であり、分散値ｓ2は次の数式で表される。
ｓ2＝｛Σ（［ｘ］−ｘi）2｝／ｎ …（１）
但し、上式（１）におけるΣによる加算範囲は、ｉ＝１〜ｎとする。
変動係数Ｃは、標準偏差ｓを標本平均［ｘ］で割ったものである。また、標準偏差ｓは、分散値ｓ2の平方根の値として計算される。
従って、分散値ｓ2の平方根を標本平均［ｘ］で割ることにより変動係数Ｃが求められる。
なお、本実施形態では、最尤分散に基づく標準偏差から変動係数を算出する方法を用いているが、変動係数を算出する方法はこれに限定されるものではない。
例えば、分散値が次の数式で表される普遍分散に基づく標準偏差から変動係数を算出するようにしてもよい。
ｓ2＝｛Σ（［ｘ］−ｘi）2｝／（ｎ−１） …（２）
但し、上式（２）におけるΣによる加算範囲は、ｉ＝１〜ｎとする。
例えば、分散値が次の数式で表される普遍分散に基づく標準偏差から変動係数を算出するようにしてもよい。
ｓ2＝｛Σ（［ｘ］−ｘi）2｝／（ｎ−１） …（２）
但し、上式（２）におけるΣによる加算範囲は、ｉ＝１〜ｎとする。
次に、ＣＰＵ１１は、ＲＲ間隔データ（ＲＲ１〜ＲＲ５０）に対応する正常時変動係数Ｒを基準特性データ１６５から求める（ステップ１６）。
詳しくは、ＣＰＵ１１は、ＲＲ間隔データ（ＲＲ１〜ＲＲ５０）の分布幅Ｗに該当するＲＲ間隔データの分布幅Ｗの特性曲線（正常被験者のＲＲ間隔データの平均値と変動係数との関係を示す曲線）を特定する。
ＣＰＵ１１は、特定された特性曲線において、ＲＲ間隔データ（ＲＲ１〜ＲＲ５０）の平均値［ｘ］を、『ＲＲ間隔データの平均値』にとった場合の変動係数の値を求める。そして、この変動係数の値を正常時変動係数Ｒとする。
詳しくは、ＣＰＵ１１は、ＲＲ間隔データ（ＲＲ１〜ＲＲ５０）の分布幅Ｗに該当するＲＲ間隔データの分布幅Ｗの特性曲線（正常被験者のＲＲ間隔データの平均値と変動係数との関係を示す曲線）を特定する。
ＣＰＵ１１は、特定された特性曲線において、ＲＲ間隔データ（ＲＲ１〜ＲＲ５０）の平均値［ｘ］を、『ＲＲ間隔データの平均値』にとった場合の変動係数の値を求める。そして、この変動係数の値を正常時変動係数Ｒとする。
続いて、ＣＰＵ１１は、変動係数Ｃと、正常時変動係数Ｒとの差である状態指数Ｚを算出する（ステップ１７）。ＣＰＵ１１は、その減算結果をＲＡＭ１３に格納する。
ここでは、変動係数Ｃから正常時変動係数Ｒを減算し、この減算値を状態指数Ｚとする。即ち、状態指数Ｚは、次式で表される。
状態指数Ｚ＝Ｃ−Ｒ
そして、ＣＰＵ１１は、算出された状態指数Ｚを状態判定テーブル（図２）と照合することによって、被験者の状態を判定し（ステップ１８）、処理を終了する。
このように、本実施形態では、変動係数Ｃと正常時変動係数Ｒの比較結果に基づいて被験者の状態を判定するように構成されている。
被験者のＲＲ間隔データの平均値と分散値との関係には個人差があるため、変動係数Ｃから、絶対的に被験者の状態の程度を判定することはできない。
しかしながら、本実施形態によれば、変動係数Ｃに対して、個人差のない変動係数の基準値（基準特性データ１６５）に基づく演算処理を施すことにより、絶対的に被験者の状態の程度を判定することが可能な状態指数Ｚを算出することができる。
ここでは、変動係数Ｃから正常時変動係数Ｒを減算し、この減算値を状態指数Ｚとする。即ち、状態指数Ｚは、次式で表される。
状態指数Ｚ＝Ｃ−Ｒ
そして、ＣＰＵ１１は、算出された状態指数Ｚを状態判定テーブル（図２）と照合することによって、被験者の状態を判定し（ステップ１８）、処理を終了する。
このように、本実施形態では、変動係数Ｃと正常時変動係数Ｒの比較結果に基づいて被験者の状態を判定するように構成されている。
被験者のＲＲ間隔データの平均値と分散値との関係には個人差があるため、変動係数Ｃから、絶対的に被験者の状態の程度を判定することはできない。
しかしながら、本実施形態によれば、変動係数Ｃに対して、個人差のない変動係数の基準値（基準特性データ１６５）に基づく演算処理を施すことにより、絶対的に被験者の状態の程度を判定することが可能な状態指数Ｚを算出することができる。
従来のＲＲ間隔データの分散値に基づく状態の評価手法では、測定データが少ない場合、即ち、データの測定時間が短い場合、被験者が『正常状態』『緊張状態』『弛緩状態』のいずれの状態にあるかを適切に判定することは困難であった。
しかしながら本実施形態では、短い測定時間で、つまり、少ないデータ量で、被験者が『正常状態』『緊張状態』『弛緩状態』のいずれの状態にあるかを適切に判定することができる。本実施形態で説明したように、例えば、５０個のＲＲ間隔データを用いた場合には、わずか数十秒の間に測定（採取）したデータに基づいて被験者の状態を判定することができる。
しかしながら本実施形態では、短い測定時間で、つまり、少ないデータ量で、被験者が『正常状態』『緊張状態』『弛緩状態』のいずれの状態にあるかを適切に判定することができる。本実施形態で説明したように、例えば、５０個のＲＲ間隔データを用いた場合には、わずか数十秒の間に測定（採取）したデータに基づいて被験者の状態を判定することができる。
なお、より短い時間、例えば、十秒程度で被験者の状態の判定をする場合には、例えば、解析対象とするＲＲ間隔データ数を１０〜２０個程度に設定して処理を行う。
一方、状態判定を出力するまでの時間に余裕がある場合、例えば、２分程度で被験者の状態の判定をする場合には、解析対象とするＲＲ間隔データ数を、例えば、１００〜１５０個程度に設定して処理を行う。
このように、解析対象とするＲＲ間隔データ数（ｎ個）の値は、任意に変更することができる。
一方、状態判定を出力するまでの時間に余裕がある場合、例えば、２分程度で被験者の状態の判定をする場合には、解析対象とするＲＲ間隔データ数を、例えば、１００〜１５０個程度に設定して処理を行う。
このように、解析対象とするＲＲ間隔データ数（ｎ個）の値は、任意に変更することができる。
ＲＲ間隔の平均値や分散値は、被験者の体型や体質などによって異なるものである。しかしながら、被験者の変動係数Ｃと、基準特性データ１６５から求められた正常時変動係数Ｒとの間には、統計データから次のような傾向（関係）があることが判明している。
変動係数Ｃが正常時変動係数Ｒより大きい場合には、被験者が『弛緩状態』にあり、一方、変動係数Ｃが正常時変動係数Ｒより小さい場合には、被験者が『緊張状態』にある。
そこで、本実施形態の状態評価装置１は、このような傾向特性に基づいて、被験者の状態を評価するように構成されている。
変動係数Ｃが正常時変動係数Ｒより大きい場合には、被験者が『弛緩状態』にあり、一方、変動係数Ｃが正常時変動係数Ｒより小さい場合には、被験者が『緊張状態』にある。
そこで、本実施形態の状態評価装置１は、このような傾向特性に基づいて、被験者の状態を評価するように構成されている。
本実施形態では、状態判定テーブルを参照して、被験者の状態だけでなく、その程度まで判定するように構成されている。しかしながら、被験者の状態の判定方法はこれに限定されるものではない。
例えば、算出された状態指数Ｚに基づいて、被験者が『正常状態』『緊張状態』『弛緩状態』のいずれの状態にあるかを簡易的に判定するようにしてもよい。具体的には、状態指数Ｚが、所定の第１の閾値（例えば、−０．０２）以下の場合『緊張状態』と判断し、所定の第１の閾値より大きく第２の閾値（例えば、＋０．０２）より小さい場合『正常状態』であると判断し、第２の閾値以上の場合『弛緩状態』であると判断するようにしてもよい。
また、例えば、より簡単に、状態指数Ｚが正の値である場合『弛緩状態』と判断し、負の値である場合『緊張状態』と判断するようにしてもよい。
なお、『弛緩状態』とは、精神が漫然としている状態、眠気を催している状態を示し、『緊張状態』とは、心が張りつめている状態、神経が高ぶってイライラしている状態を示す。
例えば、算出された状態指数Ｚに基づいて、被験者が『正常状態』『緊張状態』『弛緩状態』のいずれの状態にあるかを簡易的に判定するようにしてもよい。具体的には、状態指数Ｚが、所定の第１の閾値（例えば、−０．０２）以下の場合『緊張状態』と判断し、所定の第１の閾値より大きく第２の閾値（例えば、＋０．０２）より小さい場合『正常状態』であると判断し、第２の閾値以上の場合『弛緩状態』であると判断するようにしてもよい。
また、例えば、より簡単に、状態指数Ｚが正の値である場合『弛緩状態』と判断し、負の値である場合『緊張状態』と判断するようにしてもよい。
なお、『弛緩状態』とは、精神が漫然としている状態、眠気を催している状態を示し、『緊張状態』とは、心が張りつめている状態、神経が高ぶってイライラしている状態を示す。
上述した本実施形態では、「ＲＲ間隔データ要素」をｘ軸、「変動係数」をｙ軸とする２次元グラフで示される基準特性データ１６５を用いた例について説明したが、基準特性データ１６５の形態はこれに限定されるものではない。
例えば、「ＲＲ間隔データ要素」と「変動係数」との対応を「範囲要素」別に示した関係テーブル（表データ）として、記憶装置１６に格納するようにしてもよい。
さらに、例えば、「ＲＲ間隔データ要素」をｘ軸、「変動係数」をｙ軸、「範囲要素」をｚ軸とする３次元グラフで示される基準特性データ１６５を用いるようにしてもよい。
このように基準特性データ１６５を３次元グラフで表現した場合、図３（ａ）、（ｂ）に示す特性曲線が密に並んだ特性曲面が３次元空間に構成される。
例えば、「ＲＲ間隔データ要素」と「変動係数」との対応を「範囲要素」別に示した関係テーブル（表データ）として、記憶装置１６に格納するようにしてもよい。
さらに、例えば、「ＲＲ間隔データ要素」をｘ軸、「変動係数」をｙ軸、「範囲要素」をｚ軸とする３次元グラフで示される基準特性データ１６５を用いるようにしてもよい。
このように基準特性データ１６５を３次元グラフで表現した場合、図３（ａ）、（ｂ）に示す特性曲線が密に並んだ特性曲面が３次元空間に構成される。
このような３次元グラフで示される基準特性データ１６５を用いた場合には、上述したステップ１５における、２次元グラフで示される基準特性データ１６５（図３）から、特性曲線を特定する処理に変えて、例えば、次のような処理を行う。
ＣＰＵ１１は、３次元グラフで表現された基準特性データ１６５の特性曲面において、被験者のＲＲ間隔データの分布幅Ｗを、『ＲＲ間隔データの分布範囲の幅Ｗ』（ｚ軸）にとった場合の『ＲＲ間隔データの平均値』と『変動係数』との関係を示す特性曲線を求める。そして、求めた特性曲線に基づいて正常時変動係数Ｒを特定する。
ＣＰＵ１１は、３次元グラフで表現された基準特性データ１６５の特性曲面において、被験者のＲＲ間隔データの分布幅Ｗを、『ＲＲ間隔データの分布範囲の幅Ｗ』（ｚ軸）にとった場合の『ＲＲ間隔データの平均値』と『変動係数』との関係を示す特性曲線を求める。そして、求めた特性曲線に基づいて正常時変動係数Ｒを特定する。
また、基準特性データ１６５を３次元グラフで表現した場合には、次のように正常時変動係数Ｒを特定することもできる。
３次元グラフで表現された基準特性データ１６５の特性曲面において、被験者のＲＲ間隔データのＲＲ間隔データの平均値［１］を、『ＲＲ間隔データの平均値』（ｘ軸）にとった場合の『変動係数』と『ＲＲ間隔データの分布範囲の幅Ｗ』との関係を示す特性曲線を求める。そして、求めた特性曲線において、被験者のＲＲ間隔データの分布幅Ｗを『ＲＲ間隔データの分布範囲の幅Ｗ』にとった場合の変動係数の値を正常時変動係数Ｒとする。
３次元グラフで表現された基準特性データ１６５の特性曲面において、被験者のＲＲ間隔データのＲＲ間隔データの平均値［１］を、『ＲＲ間隔データの平均値』（ｘ軸）にとった場合の『変動係数』と『ＲＲ間隔データの分布範囲の幅Ｗ』との関係を示す特性曲線を求める。そして、求めた特性曲線において、被験者のＲＲ間隔データの分布幅Ｗを『ＲＲ間隔データの分布範囲の幅Ｗ』にとった場合の変動係数の値を正常時変動係数Ｒとする。
上述した本実施形態では、基準特性データ１６５を参照して正常時変動係数Ｒを特定するように構成されている。しかしながら、正常時変動係数Ｒの特定方法は、これに限定されるものではない。
例えば、上述したような２次元グラフ（特性曲線）や３次元グラフ（特性曲面）で表現された基準特性データ１６５を、指数関数や対数関数などの各種関数を用いて近似関数化し、その係数や定数を求める。そして、これらの係数や定数を、ＲＲ間隔データの分布幅ＷやＲＲ間隔データの平均値［ｘ］、ＲＲ間隔データの分散値を用いて、重回帰分析やパス解析を実行することにより表現し、正常時変動係数Ｒを算出する。
つまり、正常時変動係数Ｒは、基準特性データ１６５の近似関数を用いて算出するようにしてもよい。
例えば、上述したような２次元グラフ（特性曲線）や３次元グラフ（特性曲面）で表現された基準特性データ１６５を、指数関数や対数関数などの各種関数を用いて近似関数化し、その係数や定数を求める。そして、これらの係数や定数を、ＲＲ間隔データの分布幅ＷやＲＲ間隔データの平均値［ｘ］、ＲＲ間隔データの分散値を用いて、重回帰分析やパス解析を実行することにより表現し、正常時変動係数Ｒを算出する。
つまり、正常時変動係数Ｒは、基準特性データ１６５の近似関数を用いて算出するようにしてもよい。
次に、近似関数で表現した基準特性データ１６５を用いて正常時変動係数Ｒを算出する方法の一例について説明する。
図７は、近似関数で表現した基準特性データ１６５を用いて正常時変動係数Ｒを算出する手順を示したフローチャートである。
ここでは、基準特性データ１６５をピークポイントの前後のＱ１領域とＱ２領域における特性曲線を、それぞれ異なる関数で近似した場合について説明する。
まず、ＣＰＵ１１は、先述したステップ１３の処理において算出したＲＲ間隔データ（ＲＲ１〜ＲＲ５０）の分布幅Ｗが３０ｍｓｅｃ以上であるか否かを判断する（ステップ２１）。
上述したように分布幅Ｗが３０ｍｓｅｃ未満の場合と、３０ｍｓｅｃ以上の場合とでは、基準特性データ１６５における変動係数の分布傾向が異なる。そこで、この処理では、ＲＲ間隔データ（ＲＲ１〜ＲＲ５０）の分布幅Ｗに基づいて、使用する特性曲線が３０ｍｓｅｃ未満又は３０ｍｓｅｃ以上のいずれの分布傾向に属するかを判断する。
図７は、近似関数で表現した基準特性データ１６５を用いて正常時変動係数Ｒを算出する手順を示したフローチャートである。
ここでは、基準特性データ１６５をピークポイントの前後のＱ１領域とＱ２領域における特性曲線を、それぞれ異なる関数で近似した場合について説明する。
まず、ＣＰＵ１１は、先述したステップ１３の処理において算出したＲＲ間隔データ（ＲＲ１〜ＲＲ５０）の分布幅Ｗが３０ｍｓｅｃ以上であるか否かを判断する（ステップ２１）。
上述したように分布幅Ｗが３０ｍｓｅｃ未満の場合と、３０ｍｓｅｃ以上の場合とでは、基準特性データ１６５における変動係数の分布傾向が異なる。そこで、この処理では、ＲＲ間隔データ（ＲＲ１〜ＲＲ５０）の分布幅Ｗに基づいて、使用する特性曲線が３０ｍｓｅｃ未満又は３０ｍｓｅｃ以上のいずれの分布傾向に属するかを判断する。
分布幅Ｗが３０ｍｓｅｃ以上である場合（ステップ２１；Ｙ）、ＣＰＵ１１は、ＲＲ間隔データ（ＲＲ１〜ＲＲ５０）の平均値［ｘ］がピークポイントより小さい範囲（Ｑ１領域）にあるか否かを判断する（ステップ２２）。即ち、使用する特性曲線が図３（ｂ）に示すようなピークポイントの前後で勾配が変化する場合、ＲＲ間隔データの平均値［ｘ］がＱ１領域又はＱ２領域のいずれの領域に属するかを判断する。
図４に示すように、ピークポイント値は分布幅Ｗに応じて変化する。そこで、ここでは、ＲＲ間隔データの分布幅Ｗに該当するピークポイント値を求め、求められたピークポイント値をＲＲ間隔データの平均値［ｘ］と比較することによって、ＲＲ間隔データの平均値［ｘ］がＱ１領域又はＱ２領域のいずれの領域に属するかを判断する。
図４に示すように、ピークポイント値は分布幅Ｗに応じて変化する。そこで、ここでは、ＲＲ間隔データの分布幅Ｗに該当するピークポイント値を求め、求められたピークポイント値をＲＲ間隔データの平均値［ｘ］と比較することによって、ＲＲ間隔データの平均値［ｘ］がＱ１領域又はＱ２領域のいずれの領域に属するかを判断する。
ＲＲ間隔データの分布幅Ｗ［ｍｓｅｃ］に該当するピークポイント値Ｙ［ｍｓｅｃ］は、図４に示す分布幅Ｗと、ピークポイント値との関係特性を、例えば、次式で示す近似関数で表現することにより算出することができる。
ピークポイント値Ｙ＝２２×√（Ｗ−２０）＋４４８
なお、分布幅Ｗと、ピークポイント値Ｙとの関係を表現する近似関数は、これに限定されるものではない。他の近似関数（近似式）を用いて算出するようにしてもよい。
ＣＰＵ１１は、ここで算出された、ＲＲ間隔データの分布幅Ｗに対応するピークポイント値Ｙを、ＲＲ間隔データの平均値［ｘ］と比較し、平均値［ｘ］がピークポイント値Ｙより小さい場合には、ＲＲ間隔データの平均値［ｘ］がＱ１領域にありと判断する。一方、平均値［ｘ］がピークポイント値Ｙ以上の場合には、ＲＲ間隔データの平均値［ｘ］がＱ２領域にありと判断する。
ピークポイント値Ｙ＝２２×√（Ｗ−２０）＋４４８
なお、分布幅Ｗと、ピークポイント値Ｙとの関係を表現する近似関数は、これに限定されるものではない。他の近似関数（近似式）を用いて算出するようにしてもよい。
ＣＰＵ１１は、ここで算出された、ＲＲ間隔データの分布幅Ｗに対応するピークポイント値Ｙを、ＲＲ間隔データの平均値［ｘ］と比較し、平均値［ｘ］がピークポイント値Ｙより小さい場合には、ＲＲ間隔データの平均値［ｘ］がＱ１領域にありと判断する。一方、平均値［ｘ］がピークポイント値Ｙ以上の場合には、ＲＲ間隔データの平均値［ｘ］がＱ２領域にありと判断する。
そして、ＲＲ間隔データの平均値［ｘ］がＱ１領域にあると判断した場合（ステップ２２；Ｙ）、ＣＰＵ１１は、例えば、次式に示すＱ１領域に対応する近似関数により正常時変動係数Ｒを算出し（ステップ２３）、メインルーチンにリターンする。
正常時変動係数Ｒ＝０．２８７３×Ｗ×（１／［ｘ］）×（Ｙ／［ｘ］）×α
但し、αは、近似式のスケールファクタ（倍率）を設定する値であり、任意の数値を与えることができる。
一方、分布幅Ｗが３０ｍｓｅｃ未満である場合（ステップ２１；Ｎ）、また、ＲＲ間隔データの平均値［ｘ］がＱ１領域にない（即ち、Ｑ２領域にあり）と判断した場合（ステップ２２；Ｎ）、ＣＰＵ１１は、例えば、次式に示すＱ２領域に対応する近似関数により正常時変動係数Ｒを算出し（ステップ２４）、メインルーチンにリターンする。
正常時変動係数Ｒ＝０．２８７３×Ｗ×（１／［ｘ］）
なお、基準特性データ１６５のＱ１領域に対応する近似関数、Ｑ２領域に対応する近似関数は、これに限定されるものではない。他の近似関数を用いて正常時変動係数Ｒを算出するようにしてもよい。
正常時変動係数Ｒ＝０．２８７３×Ｗ×（１／［ｘ］）×（Ｙ／［ｘ］）×α
但し、αは、近似式のスケールファクタ（倍率）を設定する値であり、任意の数値を与えることができる。
一方、分布幅Ｗが３０ｍｓｅｃ未満である場合（ステップ２１；Ｎ）、また、ＲＲ間隔データの平均値［ｘ］がＱ１領域にない（即ち、Ｑ２領域にあり）と判断した場合（ステップ２２；Ｎ）、ＣＰＵ１１は、例えば、次式に示すＱ２領域に対応する近似関数により正常時変動係数Ｒを算出し（ステップ２４）、メインルーチンにリターンする。
正常時変動係数Ｒ＝０．２８７３×Ｗ×（１／［ｘ］）
なお、基準特性データ１６５のＱ１領域に対応する近似関数、Ｑ２領域に対応する近似関数は、これに限定されるものではない。他の近似関数を用いて正常時変動係数Ｒを算出するようにしてもよい。
上述した本実施形態では、変動係数Ｃから正常時変動係数Ｒを減算し、この減算値を状態指数Ｚと定義したが、状態指数Ｚの定義方法はこれに限定されるものではない。
例えば、変動係数Ｃから正常時変動係数Ｒを減算し、この減算値にβを掛けた値を状態指数Ｚと定義するようにしてもよい。但し、この場合には、状態判定テーブルにおける状態指数Ｚの範囲を設定する閾値もβ倍した値を設定する。
なお、βは、スケールファクタ（倍率）を設定する値であり、任意の値を与えることができる。
例えば、変動係数Ｃから正常時変動係数Ｒを減算し、この減算値にβを掛けた値を状態指数Ｚと定義するようにしてもよい。但し、この場合には、状態判定テーブルにおける状態指数Ｚの範囲を設定する閾値もβ倍した値を設定する。
なお、βは、スケールファクタ（倍率）を設定する値であり、任意の値を与えることができる。
本実施形態では、基準特性データ１６５における「範囲要素」として、ＲＲ間隔データ標本の分布幅Ｗを用いた場合について説明した。
しかし、「範囲要素」として採用可能な値はこれに限定されるものではない。例えば、ＲＲ間隔データ標本の全分布範囲を所定値γで割った値など、ＲＲ間隔データ標本におけるＲＲ間隔データの分布範囲に基づく値であればよい。
また、本実施形態では、基準特性データ１６５における「ＲＲ間隔データ要素」として、ＲＲ間隔データ標本の平均値を用いた場合について説明した。「ＲＲ間隔データ要素」として採用可能な値もまた、これに限定されるものではない。例えば、ＲＲ間隔データ標本の分布範囲の中間値（中心値）や、ＲＲ間隔データ標本の最小値、最大値など、ＲＲ間隔データ標本におけるＲＲ間隔データの範囲に基づく値であればよい。
しかし、「範囲要素」として採用可能な値はこれに限定されるものではない。例えば、ＲＲ間隔データ標本の全分布範囲を所定値γで割った値など、ＲＲ間隔データ標本におけるＲＲ間隔データの分布範囲に基づく値であればよい。
また、本実施形態では、基準特性データ１６５における「ＲＲ間隔データ要素」として、ＲＲ間隔データ標本の平均値を用いた場合について説明した。「ＲＲ間隔データ要素」として採用可能な値もまた、これに限定されるものではない。例えば、ＲＲ間隔データ標本の分布範囲の中間値（中心値）や、ＲＲ間隔データ標本の最小値、最大値など、ＲＲ間隔データ標本におけるＲＲ間隔データの範囲に基づく値であればよい。
但し、正常時変動係数Ｒを特定する場合には、基準特性データ１６５の「範囲要素」及び「ＲＲ間隔データ要素」として用いた値に対応する値を、判定（評価）対象となる被験者のＲＲ間隔データから求めて当てはめるようにする。
また、近似関数を利用した算出式においても、例えば、「ＲＲ間隔データ要素」として、ＲＲ間隔データ標本の分布範囲の中心値を採用した場合には、上述した近似式において、ＲＲ間隔データの平均値［ｘ］に代えてＲＲ間隔データ標本の分布範囲の中心値Ｍを当てはめて計算する。
なお、ＲＲ間隔データ標本の分布範囲の中心値Ｍは、ＲＲ間隔データの最大値と最小値の和を２で割ることにより求めることができる。
また、近似関数を利用した算出式においても、例えば、「ＲＲ間隔データ要素」として、ＲＲ間隔データ標本の分布範囲の中心値を採用した場合には、上述した近似式において、ＲＲ間隔データの平均値［ｘ］に代えてＲＲ間隔データ標本の分布範囲の中心値Ｍを当てはめて計算する。
なお、ＲＲ間隔データ標本の分布範囲の中心値Ｍは、ＲＲ間隔データの最大値と最小値の和を２で割ることにより求めることができる。
上述した本実施形態では、被験者のｎ個（例えば、５０個）のＲＲ間隔データを採取し、そのデータに基づいて状態判定を行う。
この被験者の状態判定に用いられるｎ個のＲＲ間隔データを採取するタイミングは任意に設定することができる。
例えば、５０個のＲＲ間隔データを状態判定用に採取する場合には、連続した５０個のＲＲ間隔データ（ＲＲ１〜ＲＲ５０）を採取した後、続けて、ＲＲ２〜ＲＲ５１、ＲＲ３〜ＲＲ５２、ＲＲ４〜ＲＲ５３…のように、ＲＲ間隔データを１つずつずらしながら次の状態判定用のＲＲ間隔データのセットを続けて採取し、判定処理を実行するようにしてもよい。なお、このように続けて複数の判定用のＲＲ間隔データのセットを採取する際のＲＲ間隔データのずらし量は、任意に設定することができる。
この被験者の状態判定に用いられるｎ個のＲＲ間隔データを採取するタイミングは任意に設定することができる。
例えば、５０個のＲＲ間隔データを状態判定用に採取する場合には、連続した５０個のＲＲ間隔データ（ＲＲ１〜ＲＲ５０）を採取した後、続けて、ＲＲ２〜ＲＲ５１、ＲＲ３〜ＲＲ５２、ＲＲ４〜ＲＲ５３…のように、ＲＲ間隔データを１つずつずらしながら次の状態判定用のＲＲ間隔データのセットを続けて採取し、判定処理を実行するようにしてもよい。なお、このように続けて複数の判定用のＲＲ間隔データのセットを採取する際のＲＲ間隔データのずらし量は、任意に設定することができる。
図８は、ＲＲ間隔データを１つずつずらしながら次の状態判定用のＲＲ間隔データを採取した場合における、ＲＲ間隔データの実測値、及び状態指数Ｚの変化の一例を示した図である。
このように、連続して複数の判定用のＲＲ間隔データのセットを採取して状態判定を行うことにより、被験者の詳細な状態の変化状況を認識することができる。
このように、連続して複数の判定用のＲＲ間隔データのセットを採取して状態判定を行うことにより、被験者の詳細な状態の変化状況を認識することができる。
本実施形態では、取得したｎ個（５０個）のＲＲ間隔データ（ＲＲ１〜ＲＲ５０）の全体を判定対象のデータとして、変動係数Ｃ、分布幅Ｗ（範囲要素）、平均値［ｘ］（ＲＲ間隔データ要素）を求め、これらの値に基づいて被験者の状態判定を行うように構成されている。
しかしながら判定対象とするデータ（以下、対象データとする）として、必ずしも、取得したＲＲ間隔データの全体（全範囲のデータ）を用いる必要はない。
例えば、取得したｎ個のＲＲ間隔データのうちの最大値から所定範囲に分布するＲＲ間隔データを除いたもの（最小値側から一定の範囲のＲＲ間隔データ）を対象データとして、変動係数Ｃ、分布幅Ｗ、平均値［ｘ］を求めるようにしてもよい。例えば、最大値を除いたＲＲ間隔データや、分布幅Ｗの最大値側ｐ％を除いたＲＲ間隔データを対象データとする。
また、最小値から所定範囲に分布するＲＲ間隔データを除いたものを対象データとするようにしてもよい。例えば、最小値を除いたＲＲ間隔データや、分布幅Ｗの最小値側ｑ％を除いたＲＲ間隔データを対象データとする。
さらに、最大値から所定範囲に分布するＲＲ間隔データ、及び、最小値から所定範囲に分布するＲＲ間隔データを除いたものを対象データとするようにしてもよい。例えば、最大値と最小値を除いたＲＲ間隔データや、分布幅Ｗの最大値側ｐ％と最小値側ｑ％を除いたＲＲ間隔データを対象データとする。
しかしながら判定対象とするデータ（以下、対象データとする）として、必ずしも、取得したＲＲ間隔データの全体（全範囲のデータ）を用いる必要はない。
例えば、取得したｎ個のＲＲ間隔データのうちの最大値から所定範囲に分布するＲＲ間隔データを除いたもの（最小値側から一定の範囲のＲＲ間隔データ）を対象データとして、変動係数Ｃ、分布幅Ｗ、平均値［ｘ］を求めるようにしてもよい。例えば、最大値を除いたＲＲ間隔データや、分布幅Ｗの最大値側ｐ％を除いたＲＲ間隔データを対象データとする。
また、最小値から所定範囲に分布するＲＲ間隔データを除いたものを対象データとするようにしてもよい。例えば、最小値を除いたＲＲ間隔データや、分布幅Ｗの最小値側ｑ％を除いたＲＲ間隔データを対象データとする。
さらに、最大値から所定範囲に分布するＲＲ間隔データ、及び、最小値から所定範囲に分布するＲＲ間隔データを除いたものを対象データとするようにしてもよい。例えば、最大値と最小値を除いたＲＲ間隔データや、分布幅Ｗの最大値側ｐ％と最小値側ｑ％を除いたＲＲ間隔データを対象データとする。
また、変動係数Ｃ、分布幅Ｗ、平均値［ｘ］を求める場合の対象データの範囲として同一の範囲を使用する場合だけでなく、それぞれ異なる範囲のＲＲ間隔データを使用するようにしてもよい。
すなわち、ＲＲ間隔データ標本の最大と最小値の範囲を全範囲Ｈとした場合に、この全範囲Ｈに対する所定範囲ｒを分布範囲Ｗ（範囲要素）とし、所定範囲ｓから平均値［ｘ］（ＲＲ間隔データ要素）を求め、所定範囲ｔから変動係数Ｃを求めるようにしてもよい。
例えば、分布幅Ｗとして全範囲Ｈを使用し、平均値［ｘ］を求める所定範囲ｓとして全範囲Ｈの最大値側ｐ％を除いた範囲を使用し、変動係数Ｃを求める所定範囲ｔとして全範囲Ｈの最小値側ｑ％を除いた範囲を使用するようにしてもよい。
この場合、状態判定で用いる基準特性データ１６５は、被験者の変動係数Ｃ、分布幅Ｗ、平均値［ｘ］を求める場合に使用する各対象データの範囲と同じ範囲を用いて作成する。
このように、対象データの任意設定を可能とすることにより、装置の使用環境などにより生じるノイズ成分を適切に除去することができる。
すなわち、ＲＲ間隔データ標本の最大と最小値の範囲を全範囲Ｈとした場合に、この全範囲Ｈに対する所定範囲ｒを分布範囲Ｗ（範囲要素）とし、所定範囲ｓから平均値［ｘ］（ＲＲ間隔データ要素）を求め、所定範囲ｔから変動係数Ｃを求めるようにしてもよい。
例えば、分布幅Ｗとして全範囲Ｈを使用し、平均値［ｘ］を求める所定範囲ｓとして全範囲Ｈの最大値側ｐ％を除いた範囲を使用し、変動係数Ｃを求める所定範囲ｔとして全範囲Ｈの最小値側ｑ％を除いた範囲を使用するようにしてもよい。
この場合、状態判定で用いる基準特性データ１６５は、被験者の変動係数Ｃ、分布幅Ｗ、平均値［ｘ］を求める場合に使用する各対象データの範囲と同じ範囲を用いて作成する。
このように、対象データの任意設定を可能とすることにより、装置の使用環境などにより生じるノイズ成分を適切に除去することができる。
上述した本実施形態に係る状態評価装置１は、運転支援装置に組み込んで、車両の運転者の状態を評価する装置として用いるようにしてもよい。
この場合、運転者に心拍センサ２を装着してリアルタイムに運転者の状態を判定する。そして、運転者の状態の判定結果（評価結果）に基づいて、適切な運転支援処理を施すように構成する。
例えば、運転者が『緊張状態』であると判定された場合には、例えば、振動マッサージ装置を作動させたり、酸素濃度調節装置を作動させて室内の酸素濃度を上げたりなどの制御を行う。
また、運転者が『弛緩状態』であると判定された場合には、運転支援装置においてリフレッシュモードを作動させ、例えば、アラーム（警告）装置の警告音を早いテンポで鳴動させたり、振動警告装置を作動させたり、また、冷気噴射装置を作動させたりなどの制御を行う。
この場合、運転者に心拍センサ２を装着してリアルタイムに運転者の状態を判定する。そして、運転者の状態の判定結果（評価結果）に基づいて、適切な運転支援処理を施すように構成する。
例えば、運転者が『緊張状態』であると判定された場合には、例えば、振動マッサージ装置を作動させたり、酸素濃度調節装置を作動させて室内の酸素濃度を上げたりなどの制御を行う。
また、運転者が『弛緩状態』であると判定された場合には、運転支援装置においてリフレッシュモードを作動させ、例えば、アラーム（警告）装置の警告音を早いテンポで鳴動させたり、振動警告装置を作動させたり、また、冷気噴射装置を作動させたりなどの制御を行う。
１ 状態評価装置
２ 心拍センサ
１１ ＣＰＵ
１２ ＲＯＭ
１３ ＲＡＭ
１４ 入力装置
１５ 出力装置
１６ 記憶装置
１６１ 心拍データ格納領域
１６２ 判定結果格納領域
１６３ 状態評価プログラム
１６４ 状態判定閾値データ
１６５ 基準特性データ
２ 心拍センサ
１１ ＣＰＵ
１２ ＲＯＭ
１３ ＲＡＭ
１４ 入力装置
１５ 出力装置
１６ 記憶装置
１６１ 心拍データ格納領域
１６２ 判定結果格納領域
１６３ 状態評価プログラム
１６４ 状態判定閾値データ
１６５ 基準特性データ
Claims (5)
- 心拍のＲ波間隔を示すＲＲ間隔データをｎ個取得するＲＲ間隔データ取得手段と、
前記取得したｎ個のＲＲ間隔データの変動係数を算出する変動係数算出手段と、
正常状態にある被験者のｎ個のＲＲ間隔データからなる標本に基づいて作成され、前記標本におけるＲＲ間隔データの分布範囲の幅に基づく範囲要素と、前記標本におけるＲＲ間隔データの分布範囲に基づくＲＲ間隔データ要素と、前記標本におけるＲＲ間隔データの変動係数との関係を示す基準特性データを取得する基準特性データ取得手段と、
前記基準特性データにおいて、前記取得したＲＲ間隔データの分布範囲に基づくＲＲ間隔データ要素、及び、前記取得したＲＲ間隔データの分布範囲に基づく範囲要素を当てはめることにより正常時変動係数を特定する正常時変動係数特定手段と、
前記算出した変動係数と、前記特定された正常時変動係数との比較結果に基づいて、被験者の状態を評価する状態評価手段と、
を具備することを特徴とする状態評価装置。
- 前記ＲＲ間隔データ要素は、ＲＲ間隔データの平均値、又はＲＲ間隔データの分布範囲の中心値であることを特徴とする請求項１に記載の状態評価装置。
- 前記変動係数算出手段は、最尤分散に基づく標準偏差から変動係数を算出することを特徴とする請求項１、又は請求項２に記載の状態評価装置。
- 前記基準特性データ取得手段は、近似関数で表現された基準特性データを取得し、
前記正常時変動係数特定手段は、前記取得した基準特性データの近似関数に基づいて、前記正常時変動係数を特定することを特徴とする請求項１、請求項２又は請求項３に記載の状態評価装置。
- ＲＲ間隔データ取得手段と、変動係数算出手段と、基準特性データ取得手段と、正常時変動係数特定手段と、状態評価手段とを具備した状態評価装置に、
前記ＲＲ間隔データ取得手段が、心拍のＲ波間隔を示すＲＲ間隔データをｎ個取得するＲＲ間隔データ取得機能と、
前記変動係数算出手段が、前記取得したｎ個のＲＲ間隔データの変動係数を算出する変動係数算出機能と、
前記基準特性データ取得手段が、正常状態にある被験者のｎ個のＲＲ間隔データからなる標本に基づいて作成され、前記標本におけるＲＲ間隔データの分布範囲の幅に基づく範囲要素と、前記標本におけるＲＲ間隔データの分布範囲に基づくＲＲ間隔データ要素と、前記標本におけるＲＲ間隔データの変動係数との関係を示す基準特性データを取得する基準特性データ取得機能と、
前記正常時変動係数特定手段が、前記基準特性データにおいて、前記取得したＲＲ間隔データの分布範囲に基づくＲＲ間隔データ要素、及び、前記取得したＲＲ間隔データの分布範囲に基づく範囲要素を当てはめることにより正常時変動係数を特定する正常時変動係数特定機能と、
前記状態評価手段が、前記算出した変動係数と、前記特定された正常時変動係数との比較結果に基づいて、被験者の状態を評価する状態評価機能と、
を実現させるためのコンピュータ読み取り可能な状態評価プログラム。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP2008081051A JP2009232990A (ja) | 2008-03-26 | 2008-03-26 | 状態評価装置、及び、状態評価プログラム |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP2008081051A JP2009232990A (ja) | 2008-03-26 | 2008-03-26 | 状態評価装置、及び、状態評価プログラム |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| JP2009232990A true JP2009232990A (ja) | 2009-10-15 |
Family
ID=41247701
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| JP2008081051A Pending JP2009232990A (ja) | 2008-03-26 | 2008-03-26 | 状態評価装置、及び、状態評価プログラム |
Country Status (1)
| Country | Link |
|---|---|
| JP (1) | JP2009232990A (ja) |
Cited By (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2011255194A (ja) * | 2011-07-23 | 2011-12-22 | Tomohiro Tsuta | 心理的統合状態グラフ表示装置 |
| JP2013005920A (ja) * | 2011-06-24 | 2013-01-10 | Crosswell:Kk | 生体モニタリングシステムとプログラム |
| JP2015208682A (ja) * | 2014-04-24 | 2015-11-24 | 富士通株式会社 | 心拍数変動定量化のための中心モーメントのストリーミング更新 |
| CN106344050A (zh) * | 2016-08-30 | 2017-01-25 | 西南交通大学 | 驾驶员抗压能力的测试方法与系统 |
| WO2018207905A1 (ja) * | 2017-05-11 | 2018-11-15 | いすゞ自動車株式会社 | 車両の運転制御システム及び車両の運転制御方法 |
| JP2018201782A (ja) * | 2017-06-02 | 2018-12-27 | 国立大学法人神戸大学 | 現象発生判断システム、および、現象発生判断方法 |
| JP2020103632A (ja) * | 2018-12-27 | 2020-07-09 | 株式会社エヌ・ティ・ティ ピー・シー コミュニケーションズ | 情報処理装置、情報処理方法及びプログラム |
| CN114283559A (zh) * | 2022-03-04 | 2022-04-05 | 西南交通大学 | 一种驾驶员疲劳预警方法、装置、设备及存储介质 |
-
2008
- 2008-03-26 JP JP2008081051A patent/JP2009232990A/ja active Pending
Cited By (12)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2013005920A (ja) * | 2011-06-24 | 2013-01-10 | Crosswell:Kk | 生体モニタリングシステムとプログラム |
| JP2011255194A (ja) * | 2011-07-23 | 2011-12-22 | Tomohiro Tsuta | 心理的統合状態グラフ表示装置 |
| JP2015208682A (ja) * | 2014-04-24 | 2015-11-24 | 富士通株式会社 | 心拍数変動定量化のための中心モーメントのストリーミング更新 |
| CN106344050A (zh) * | 2016-08-30 | 2017-01-25 | 西南交通大学 | 驾驶员抗压能力的测试方法与系统 |
| WO2018207905A1 (ja) * | 2017-05-11 | 2018-11-15 | いすゞ自動車株式会社 | 車両の運転制御システム及び車両の運転制御方法 |
| JP2018190322A (ja) * | 2017-05-11 | 2018-11-29 | いすゞ自動車株式会社 | 車両の運転制御システム及び車両の運転制御方法 |
| CN110612558A (zh) * | 2017-05-11 | 2019-12-24 | 五十铃自动车株式会社 | 车辆的驾驶控制系统及车辆的驾驶控制方法 |
| US11267486B2 (en) | 2017-05-11 | 2022-03-08 | Isuzu Motors Limited | Vehicle driving control system and vehicle driving control method |
| JP2018201782A (ja) * | 2017-06-02 | 2018-12-27 | 国立大学法人神戸大学 | 現象発生判断システム、および、現象発生判断方法 |
| JP2020103632A (ja) * | 2018-12-27 | 2020-07-09 | 株式会社エヌ・ティ・ティ ピー・シー コミュニケーションズ | 情報処理装置、情報処理方法及びプログラム |
| CN114283559A (zh) * | 2022-03-04 | 2022-04-05 | 西南交通大学 | 一种驾驶员疲劳预警方法、装置、设备及存储介质 |
| CN114283559B (zh) * | 2022-03-04 | 2022-05-17 | 西南交通大学 | 一种驾驶员疲劳预警方法、装置、设备及存储介质 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| JP2009232990A (ja) | 状態評価装置、及び、状態評価プログラム | |
| JP4822146B2 (ja) | 状態評価装置、及び状態評価プログラム | |
| JP6190466B2 (ja) | 生体信号測定器及び接触状態推定方法 | |
| JP6579890B2 (ja) | 疲労度計 | |
| CN107466222B (zh) | 生命体征监测系统 | |
| JP6513005B2 (ja) | 疲労度計 | |
| JP2017508589A5 (ja) | ||
| JP2016537124A (ja) | 計量化手段を用いた肌年齢予測装置および方法 | |
| KR20100132592A (ko) | 감성인식장치의 개인별 최적화시스템 및 그 최적화 방법 | |
| JP2013052165A5 (ja) | ||
| JP2016147010A (ja) | 作業覚醒度推定装置、方法およびプログラム | |
| JP2018535745A5 (ja) | ||
| JP4059867B2 (ja) | 睡眠分析装置および睡眠分析機能をコンピュータに付与するプログラム | |
| JP5940725B1 (ja) | 血管弾性率評価装置 | |
| JP6291922B2 (ja) | 睡眠深度判定装置 | |
| JP6414981B2 (ja) | 生体情報推定装置、生体情報推定方法、及びコンピュータプログラム | |
| CN108618787B (zh) | 酮体浓度推定装置、方法以及计算机可读存储介质 | |
| JP4930839B2 (ja) | 状態評価装置、及び状態評価プログラム | |
| JP6428664B2 (ja) | 生体情報表示装置 | |
| WO2020220403A1 (zh) | 疲劳状态检测方法、装置、设备及存储介质 | |
| JP4986826B2 (ja) | 精神状態測定方法および装置並びにプログラム | |
| JP2022016620A (ja) | 情報処理装置 | |
| WO2020004020A1 (ja) | 血流解析装置、血流解析プログラム、血流解析システム | |
| JP5733117B2 (ja) | 脳活動状態解析装置、リハビリテーション補助装置、思念制御型駆動装置、思念制御型表示装置、測定ポイント選択方法、測定ポイント選択プログラム | |
| JP6730899B2 (ja) | 電子装置、制御方法及びプログラム |