JP2013192719A - 解析装置、解析プログラムおよび解析方法 - Google Patents

解析装置、解析プログラムおよび解析方法 Download PDF

Info

Publication number
JP2013192719A
JP2013192719A JP2012062654A JP2012062654A JP2013192719A JP 2013192719 A JP2013192719 A JP 2013192719A JP 2012062654 A JP2012062654 A JP 2012062654A JP 2012062654 A JP2012062654 A JP 2012062654A JP 2013192719 A JP2013192719 A JP 2013192719A
Authority
JP
Japan
Prior art keywords
heartbeat
value
analysis
heartbeat interval
representative value
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.)
Granted
Application number
JP2012062654A
Other languages
English (en)
Other versions
JP5982910B2 (ja
Inventor
Junichi Odagiri
淳一 小田切
Yuta Masuda
裕太 増田
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.)
Fujitsu Ltd
Original Assignee
Fujitsu Ltd
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 Fujitsu Ltd filed Critical Fujitsu Ltd
Priority to JP2012062654A priority Critical patent/JP5982910B2/ja
Publication of JP2013192719A publication Critical patent/JP2013192719A/ja
Application granted granted Critical
Publication of JP5982910B2 publication Critical patent/JP5982910B2/ja
Expired - Fee Related legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Landscapes

  • Measurement Of The Respiration, Hearing Ability, Form, And Blood Characteristics Of Living Organisms (AREA)
  • Complex Calculations (AREA)

Abstract

【課題】被験者に負担をかけることなく、周波数の変化が被験者の眠気によるものか否かを判定すること。
【解決手段】解析装置100は、心拍信号データを取得して、心拍間隔データを生成する。解析装置100は、心拍間隔データの代表値と心拍間隔データと基にして、心拍間隔が代表値から離れている度合いを解析し、心拍間隔が代表値から離れている度合いが大きい場合に、ノイズが発生していると判定する。これに対して、解析装置100は、心拍間隔が代表値から離れていない場合には、ノイズが発生していないと判定する。
【選択図】図1

Description

本発明は、解析装置等に関する。
近年、被験者の眠気や覚醒度を判定する様々な技術が存在する。例えば、従来技術1では、被験者の心拍信号を周波数解析することで、周波数とスペクトル密度との関係を求める。例えば、従来技術1では、スペクトル密度の極大点に対応する周波数の変化を基にして、被験者の覚醒度を判定する。例えば、従来技術1では、極大点に対応する周波数が、低周波の方向へ変化する場合に、被験者が眠くなっていると判定する。
しかし、被験者の体動によっても、極大点に対応する周波数が、低周波の方向に変化してしまう。このため、従来技術1では、低周波の方向に変化した場合に、被験者が眠くなっているのか否かを正確に判定することができなかった。ここで、被験者の体動は、ハンドル操作や会話などに対応する。
この問題を解消するために、例えば、従来技術2では、複数のセンサーパッドを取り付け、被験者の体動を検出する技術が存在する。かかるセンサーパッドは、被験者の生体活動により生じる体表面の音や圧変化を検出するセンサである。従来技術2により、体動を検出することで、例えば、低周波の方向に変化した場合に、被験者が眠くなっているのか否かを区別することができる。
国際公開第2008/065724号 国際公開第2006/120754号
しかしながら、上述した従来技術では、被験者に負担をかけることなく、周波数の変化が被験者の眠気によるものか否かを判定することができないという問題があった。
例えば、従来技術2のように複数のセンサーパッドを生体に横切るように配置すると、センサーパットが被験者の邪魔になり、被験者の負担になってしまう。
開示の技術は、上記に鑑みてなされたものであって、被験者に負担をかけることなく、周波数の変化が被験者の眠気によるものか否かを判定することができる解析装置、解析プログラムおよび解析方法を提供することを目的とする。
開示の解析装置は、心拍間隔算出部、代表値算出部、解析部を有する。心拍間隔算出部は、被験者の心拍信号から時間毎の心拍間隔を算出する。代表値算出部は、時間毎の心拍間隔に基づいて、各時間における心拍間隔から予想される次の心拍間隔を代表値として特定する。解析部は、代表値と、前記時間毎の心拍間隔とを基にして、心拍間隔が前記代表値から離れている度合いを解析する解析し、解析結果に基づいて、心拍信号にノイズが発生しているか否かを判定する。
図6、図7のように、例えば、会話による呼吸の乱れがノイズ発生の原因となるが、このようなノイズ発生区間とそうでない場合は、以下のような差異が存在する。
(1)ノイズ発生区間時の揺らぎ
体動発生、呼吸の乱れなどが脈拍間隔にランダムかつ大きな影響を与えた結果、周波数解析上は通常の脈拍周期よりランダムで長い周期が発生する。この結果、周波数解析して算出した代表値と大きな差が生じる。
(2)通常の揺らぎ
通常の揺らぎは、例えば、体動がない状態である。純粋に運転のみをしている場合は,会話や体動も発生せず、呼吸周期が睡眠時のように整っている。これは、ドライバーが眠い場合でも同様である。この場合は、(脈波揺らぎ)周期および振幅は一定であり、(1)に比べると周期が短く、振幅は小さい。この結果、分散が小さくなる。
上記のとおり、(1)の場合は明らかに周期性は存在せず且つ振幅が大きくなるため、ノイズ発生区間は実測値と代表値の差が大きな分散として顕著に現れる(図6)。また、特に、ノイズが発生しない通常状態では分散値が小さく、突発的にノイズが混入して分散値が大きくなったとしても、直ぐに小さい分散値に戻るため、ヒストグラムなどを形成することで小さい分散値に集中している集合を見つけることで、通常状態を定義しやすくなる。
開示の解析装置によれば、被験者に負担をかけることなく、周波数の変化が被験者の眠気によるものか否かを判定することができるという効果を奏する。
図1は、本実施例に係る解析装置の構成を示す機能ブロック図である。 図2は、心拍信号データの一例を示す図である。 図3は、心拍間隔算出部の処理を説明するための図である。 図4は、代表値算出部の処理を説明するための図である。 図5は、実測値と代表値との関係を示す図である。 図6は、分散値の算出結果を示す図である。 図7は、ヒストグラムの一例を示す図である。 図8は、心拍間隔変動データの一例を示す図である。 図9は、周波数とスペクトル密度との関係を示す図である。 図10は、眠気レベルを説明するための図である。 図11は、本実施例に係る解析装置の処理手順を示すフローチャートである。 図12は、眠気判定処理の処理手順の一例を示すフローチャートである。 図13は、自律神経活動を評価する技術の一例を示す図である。 図14は、解析プログラムを実行するコンピュータの一例を示す図である。
以下に、本願の開示する解析装置、解析プログラムおよび解析方法の実施例を図面に基づいて詳細に説明する。なお、この実施例によりこの発明が限定されるものではない。
本実施例に係る解析装置の構成について説明する。図1は、本実施例に係る解析装置の構成を示す機能ブロック図である。図1に示すように、この解析装置100は、心拍検出部110、心拍間隔算出部120、代表値算出部130、解析部140、分散値記憶部150、スペクトル算出部160、眠気判定部170、表示部180を有する。
心拍検出部110は、被験者の心拍信号を検出する処理部である。心拍検出部110は、例えば、被験者に接触している電極に対して電圧を印加し、各電極の電位差から被験者の心拍信号を取得する。例えば、電極は車両のハンドルなどに設置されており、心拍検出部110は、被験者が運転している間に、被験者から心拍信号を検出しても良い。心拍検出部110は、心拍信号のデータを、心拍間隔算出部120に出力する。以下の説明において、心拍信号のデータを、心拍信号データと表記する。
図2は、心拍信号データの一例を示す図である。図2の横軸は時間を示し、縦軸は心拍信号の振幅を示す。図2に示すように、心拍信号データは、一定の周期で、振幅ピークが現れる。
心拍間隔算出部120は、心拍信号データに基づいて心拍信号の振幅ピークのタイミングをそれぞれ検出し、振幅ピークの各タイミングの間隔を検出する処理部である。図3は、心拍間隔算出部の処理を説明するための図である。図3において、横軸は時間を示し、縦軸は心拍信号の振幅を示す。図3の信号は、図2に示した心拍信号データの一部である。
心拍間隔算出部120は、心拍信号の振幅が閾値以上となるポイントを、振幅ピークとして検出する。図3に示す例では、心拍間隔算出部120は、振幅ピークR1、R2を検出する。そして、心拍間隔算出部120は、振幅ピークR1のタイミングと、振幅ピークR2との時間間隔を検出する。各振幅ピークの時間間隔を、心拍間隔と表記する。
心拍間隔算出部120は、順次心拍間隔を検出し、検出した心拍間隔のデータを、代表値算出部130およびスペクトル算出部160に出力する。以下の説明において、心拍間隔のデータを、心拍間隔データと表記する。なお、振幅ピークの検出方法は上述の方法に限るものではなく、例えば、心拍間隔算出部120は、心拍信号の微分係数が正から負に変わるゼロクロス点を使う方法、振幅波形につきパターンマッチングを行ってピークを検出する方法などを用いても構わない。
代表値算出部130は、心拍間隔データを基にして、心拍間隔の代表値を算出する処理部である。図4は、代表値算出部の処理を説明するための図である。図4の横軸は時間であり、縦軸は心拍間隔である。まず、代表値算出部130は、心拍間隔データを基にして、時間経過によって変動する心拍間隔のデータを生成する。時間経過によって変動する心拍間隔のデータを、心拍間隔変動データと表記する。
代表値算出部130は、AR(Autoregressive)モデルを利用して、一定区間内の心拍間隔変動データの心拍間隔との予測誤差が最小になる代表値を算出する。代表値算出部130は、心拍間隔変動データと代表値とを解析部140に出力する。
例えば、実測値Xと、代表値X’との関係は、式(1)によって表される。また、式(1)のA〜Aは、所定の係数である。実測値Xの値は、心拍間隔変動データを利用する。式(2)は、予測誤差U、実測値Xと、代表値X’の関係を示す式である。
’=An−1+An−2+・・・+An−m・・・(1)
=X−X’・・・(2)
例えば、代表値算出部130は、A〜Aの値を変化させながら、式(2)の予測誤差Uの値が最小となるA〜Aを特定する。代表値算出部130は、特定したA〜Aの値を、式(1)に代入することで、代表値X’を算出する。
図5は、実測値と代表値との関係を示す図である。図5において、横軸は時間を示し、縦軸は心拍間隔を示す。図5において破線10aは実測値を示し、実線10bは代表値を示す。図5では一例として、実測値10aは、信号振幅2、周波数0.3333Hzの正弦波である。信号とノイズとの振幅比は、10:1である。
なお、ARモデルは、非特許文献(佐藤俊輔、吉川昭、木竜徹、”生体信号処理の基礎”、コロナ社)などに開示されている。この非特許文献では、ある時点の状態を過去の時系列データの線形和で表すモデルであり、フーリエ変換と比較して少ないデータ数でも明瞭な極大点が得られるという特徴がある。
解析部140は、心拍間隔変動データと、代表値とを基にして、心拍信号データにノイズが発生しているか否かを判定する処理部である。ここで、ノイズは、例えば、被験者の体動等により発生するものである。以下において、解析部140の処理について具体的に説明する。解析部140は、分散値を算出する処理、ヒストグラムを生成する処理、ノイズが発生しているか否かを判定する処理を実行する。
解析部140が、分散値を算出する処理について説明する。解析部140は、所定区間内の心拍間隔変動データと、所定区間内の代表値とを基にして、所定区間内の分散値σを算出する。例えば、式(3)により、分散値を算出する。式(3)において、Nは、所定区間内に含まれる実測値の数である。
σ=1/N*ΣU ・・・(3)
図6は、分散値の算出結果を示す図である。図6において、横軸は時間を示し、縦軸は分散値を示す。解析部140は、分散値の算出結果を、分散値記憶部150に記憶させる。分散値記憶部150は、分散値を記憶する記憶装置である。
解析部140が、ヒストグラムを生成する処理について説明する。解析部140は、分散値記憶部150を参照し、現在時刻から5分前までの分散値を基にして、ヒストグラムを生成する。図7は、ヒストグラムの一例を示す図である。図7において、横軸は分散値を示し、縦軸は頻度を示す。
解析部140は、ヒストグラムを基にして、分散値の最小値から所定の分散値までの範囲内を走査し、最頻値に対応する分散値を算出する。最頻値に対応する分散値を、基準分散値と表記する。例えば、図7において、走査対象の範囲を範囲20とすると、最頻値は約80となり、該最頻値に対応する基準分散値は2.5となる。例えば、範囲20は、管理者が適宜設定可能である。
解析部140が、ノイズが発生しているか否かを判定する処理について説明する。解析部140は、現時間帯の心拍間隔変動データと代表値との分散値が、基準分散値の1.5倍の値以上である場合に、現時間帯にノイズが発生していると判定する。これに対して、解析部140は、現時間帯の心拍間隔変動データと代表値との分散値が、基準分散値の1.5倍未満の値未満である場合には、現時間帯においてノイズが発生していないと判定する。解析部140は、判定結果を眠気判定部170に出力する。
スペクトル算出部160は、心拍間隔データを基にして心拍間隔の変動に対するスペクトル密度を算出する処理部である。ここで、スペクトル算出部160の処理を具体的に説明する。まず、スペクトル算出部160は、心拍間隔データを基にして、時間経過によって変動する心拍間隔変動データを生成する。
図8は、心拍間隔変動データの一例を示す図である。図8において、横軸は時間を示し、縦軸は心拍間隔の大きさを示す。図8に示すように、心拍間隔は、時間変化に伴って変動している。
スペクトル算出部160は、心拍間隔変動データを基にして各周波数に対応するスペクトル密度を算出する。図9は、周波数とスペクトル密度との関係を示す図である。図9の横軸は周波数を示し、縦軸はスペクトル密度の大きさを示す。スペクトル算出部160は、各周波数に対応するスペクトル密度のデータを、眠気判定部170に出力する。以下の説明において、各周波数に対応するスペクトル密度のデータを、スペクトル密度データと表記する。
なお、スペクトル算出部160がスペクトル密度データを算出する方法はどのような方法を用いても構わない。例えば、スペクトル算出部160は、フーリエ変換を行うことで、スペクトル密度データを算出しても良い。
眠気判定部170は、スペクトル密度データと、解析部140の判定結果を基にして、眠気レベルを判定する処理部である。眠気判定部170は、判定結果を表示部180に出力する。
ノイズが発生していない場合の、眠気判定部170の処理について説明する。眠気判定部170は、スペクトル密度データを参照し、極大点に対するスペクトル密度の大きさと、極大点に対する周波数との関係から、眠気レベルを判定する。図9に示したように、複数の極大点30a、30b、30c、30dが存在する場合には、いずれか一つの極大点を利用する。
図10は、眠気レベルを説明するための図である。図10の横軸は周波数を示し、縦軸はスペクトル密度を示す。例えば、周波数とスペクトル密度とのグラフを5つの領域に分割し、それぞれ眠気レベルをLevel1〜Level5とする。Level5が最も眠たい状態であり、Level1が最も眠たくない状態である。眠気判定部170は、極大点に対応する周波数とスペクトル密度との関係が、どの領域にふくまれるかにより、眠気レベルを判定する。例えば、極大点に対応する周波数とスペクトル密度との関係が、図10の点30に対応する場合には、眠気判定部170は、眠気レベルをLevel3と判定する。
ノイズが発生している場合の、眠気判定部170の処理について説明する。ノイズが発生している場合には、眠気判定部170は、ノイズが発生していない場合に判定した、直近の眠気レベルの判定結果を表示部180に出力する。
表示部180は、眠気判定部170が判定した眠気レベルを表示する表示装置である。例えば、表示部180は、ディスプレイやタッチパネルに対応する。
次に、本実施例に係る解析装置100の処理手順について説明する。図11は、本実施例に係る解析装置の処理手順を示すフローチャートである。例えば、図11に示す処理は、心拍信号データを取得したことを契機にして実行される。
図11に示すように、解析装置100は、心拍信号データを取得し(ステップS101)、心拍間隔を検出する(ステップS102)。
解析装置100は、分散値を算出し(ステップS103)、眠気判定処理を実行する(ステップS104)。解析装置100は、ノイズが発生しているか否かを判定する(ステップS105)。
解析装置100は、ノイズが発生していない場合には(ステップS105,No)、眠気レベルを出力し(ステップS106)、ステップS108に移行する。一方、解析装置100は、ノイズが発生している場合には(ステップS105,Yes)、前回の眠気レベルを出力し、ステップS108に移行する。
解析装置100は、処理が終了したか否かを判定する(ステップS108)。解析装置100は、処理が終了していない場合には(ステップS108,No)、ステップS101に移行する。一方、解析装置100は、処理が終了している場合には(ステップS108,Yes)、処理を終了する。
次に、図11のステップS104に示した眠気判定処理の処理手順について説明する。図12は、眠気判定処理の処理手順の一例を示すフローチャートである。図12に示すように、解析装置100は、ヒストグラムを生成し(ステップS201)、基準分散値を算出する(ステップS202)。
解析装置100は、現在の心拍信号データに対応する分散値が、基準分散値よりも1.5倍以上大きいか否かを判定する(ステップS203)。解析装置100は、現在の心拍信号データに対応する分散値が、基準分散値よりも1.5倍以上大きい場合には(ステップS203,Yes)、ノイズが発生していると判定する(ステップS204)。
一方、解析装置100は、現在の心拍信号データに対応する分散値が、基準分散値よりも1.5倍未満の場合には(ステップS203,No)、スペクトル密度を算出する(ステップS205)。解析装置100は、眠気レベルを判定する(ステップS206)。
次に、本実施例に係る解析装置100の効果について説明する。解析装置100は、心拍間隔データの代表値と心拍間隔データと基にして、心拍間隔が代表値から離れている度合いを解析し、心拍間隔が代表値から離れている度合いが大きい場合に、ノイズが発生していると判定する。一般的に、体動の影響を受けた心拍信号データの波形はランダムで大きく乱れる。これに対して、通常状態では、心拍信号データは一定の波形となる。このため、心拍間隔が代表値から離れている度合いが大きい場合には、体動などのノイズが発生しているといえる。また、解析装置100は、センサーパッドを被験者に取り付けることをしない。したがって、解析装置100によれば、被験者に負担をかけることなく、周波数の変化が被験者の眠気によるものか否かを判定することができる。
また、解析装置100は、代表値と時間毎の心拍間隔とを基にして分散値を算出し、分散値を基にして、心拍信号にノイズが発生しているか否かを判定する。このため、センサーパッドを用いることなく、分散値により、心拍信号にノイズが発生しているか否かを正確に判定することができる。
また、解析装置100は、ヒストグラムを生成して最頻値となる基準分散値を算出し、かかる基準分散値よりも大きい分散値を含む心拍信号にノイズが発生しているか否かを判定する。このため、ノイズが含まれる心拍信号とノイズが含まれない心拍信号とを正確に区別することができる。
また、解析装置100は、ノイズ成分の含まれていない心拍信号を基にして、周波数毎のスペクトル密度を算出し、極大点となるスペクトル密度と該極大点に対する周波数の動きを基にして、眠気レベルを判定する。このため、被験者の体動の影響を受けることなく、眠気レベルを正確に判定することができる。
さて、これまで本発明の実施例について説明したが、本発明はその他の異なる形態にて実施されてよいものである。そこで、以下では、他の実施例を説明する。
本実施例では、ノイズが発生しているか否かの判定結果を基にして、眠気レベルを判定していたが、これに限定されるものではない。この他にも、ノイズ発生の判定結果を、各種の心拍信号を利用する技術に適用できる。
例えば、解析装置100の技術は、自律神経活動を評価する技術に適用することができる。図13は、自律神経活動を評価する技術の一例を示す図である。図13の横軸は周波数を示し、縦軸はスペクトル密度を示す。自律神経を評価する技術では、低周波領域LFと高周波領域HFとに分割し、HFの面積に対するLFの面積の比が、閾値以上となる場合に、被験者のストレスが大きいと判定する。例えば、かかる技術に、解析装置100の技術を適用し、ノイズが発生いていない時点で、ストレスの大小を判定する用にしても良い。
なお、図1に示した分散値記憶部150は、RAM(Random Access Memory)、ROM(Read Only Memory)、フラッシュメモリ(Flash Memory)などの半導体メモリ素子に対応する。または、分散値記憶部150は、ハードディスク、光ディスクなどの記憶装置に対応する。
また、図1に示した各処理部110、120、130、140、160、170は、例えば、ASIC(Application Specific Integrated Circuit)や、FPGA(Field Programmable Gate Array)などの集積装置に対応する。また、各処理部は、例えば、CPUやMPU(Micro Processing Unit)等の電子回路に対応する。
ところで、本実施例において説明した各処理のうち、自動的に行われるものとして説明した処理の全部または一部を手動的に行うこともでき、あるいは、手動的に行われるものとして説明した処理の全部あるいは一部を公知の方法で自動的に行うこともできる。この他、上記文書中や図面中で示した処理手順、制御手順、具体的名称、各種のデータやパラメータを含む情報については、特記する場合を除いて任意に変更することができる。
また、実施例に示した解析装置100の各構成要素は機能概念的なものであり、必ずしも物理的に図示の如く構成されていることを要しない。すなわち、各装置の分散・統合の具体的形態は図示のものに限られず、その全部または一部を、各種の負荷や使用状況などに応じて、任意の単位で機能的または物理的に分散・統合して構成することができる。さらに、各装置にて行われる各処理機能は、その全部または任意の一部がCPUおよび当該CPUにて解析実行されるプログラムにて実現され、あるいは、ワイヤードロジックによるハードウェアとして実現され得る。
図14は、解析プログラムを実行するコンピュータの一例を示す図である。図14に示すように、コンピュータ200は、各種演算処理を実行するCPU201と、ユーザからのデータの入力を受け付ける入力装置202と、ディスプレイ203を有する。また、コンピュータ200は、記憶媒体からプログラム等を読み取る読み取り装置204と、ネットワークを介して他のコンピュータとの間でデータの授受を行うインターフェース装置205とを有する。また、コンピュータ200は、被験者の心拍信号を検出する心拍検出装置206を有する。また、コンピュータ200は、各種情報を一時記憶するRAM207と、ハードディスク装置208を有する。そして、各装置201〜208は、バス209に接続される。
ハードディスク装置208は、例えば、心拍間隔算出プログラム208a、代表値算出プログラム208b、解析プログラム208c、スペクトル算出プログラム208d、眠気判定プログラム208eを有する。CPU201は、各プログラム208a〜208eを読み出して、RAM207に展開する。
心拍間隔算出プログラム208aは、心拍間隔算出プロセス207aとして機能する。代表値算出プログラム208bは、代表値算出プロセス207bとして機能する。解析プログラム208cは、解析プロセス207cとして機能する。スペクトル算出プログラム208dは、スペクトル算出プロセス207dとして機能する。眠気判定プログラム208eは、眠気判定プロセス207eとして機能する。
例えば、心拍間隔算出プロセス207aは、心拍間隔算出部120に対応する。代表値算出プロセス207bは、代表値算出部130に対応する。解析プロセス207cは、解析部140に対応する。スペクトル算出プロセス207dは、スペクトル算出部160に対応する。眠気判定プロセス207eは、眠気判定部170に対応する。
なお、各プログラム208a〜208eについては、必ずしも最初からハードディスク装置208に記憶させておかなくてもよい。例えば、コンピュータ200に挿入されるフレキシブルディスク(FD)、CD−ROM、DVDディスク、光磁気ディスク、ICカードなどの「可搬用の物理媒体」に各プログラムを記憶させておく。そして、コンピュータ200がこれらから各プログラム208a〜208eを読み出して実行するようにしてもよい。
以上の各実施例を含む実施形態に関し、さらに以下の付記を開示する。
(付記1)被験者の心拍信号から時間毎の心拍間隔を算出する心拍間隔算出部と、
前記時間毎の心拍間隔に基づいて、各時間における心拍間隔から予想される次の心拍間隔を代表値として特定する代表値算出部と、
前記代表値と、前記時間毎の心拍間隔とを基にして、心拍間隔が前記代表値から離れている度合いを解析する解析し、解析結果に基づいて、心拍信号にノイズが発生しているか否かを判定する解析部と
を有することを特徴とする解析装置。
(付記2)前記解析部は、前記代表値と、前記時間毎の心拍間隔とを基にして分散値を算出し、分散値を基にして、心拍信号にノイズが発生しているか否かを判定することを特徴とする付記1に記載の解析装置。
(付記3)前記解析部は、分散値と分散値の頻度とを対応付けた度数分布データを生成し、該度数分布データを基にして、分散値の最小値から所定の分散値までの範囲内で、最頻値となる分散値を算出し、最頻値となる分散値よりも大きい分散値を含む心拍信号にノイズ成分が発生していると判定すること特徴とする付記2に記載の解析装置。
(付記4)前記ノイズ成分の含まれていない心拍信号を基にして、周波数解析を実行し、周波数毎のスペクトル密度を算出し、算出結果を基にして、極大となるスペクトル密度と該極大に対する周波数の動きを基にして、眠気レベルを判定する眠気判定部を更に有することを特徴とする付記2または3に記載の解析装置。
(付記5)コンピュータに、
被験者の心拍信号から時間毎の心拍間隔を算出し、
前記時間毎の心拍間隔に基づいて、各時間における心拍間隔から予想される次の心拍間隔を代表値として特定し、
前記代表値と、前記時間毎の心拍間隔とを基にして、心拍間隔が前記代表値から離れている度合いを解析する解析し、解析結果に基づいて、心拍信号にノイズが発生しているか否かを判定する
各処理を実行させることを特徴とする解析プログラム。
(付記6)前記解析する処理は、前記代表値と、前記時間毎の心拍間隔とを基にして分散値を算出し、分散値を基にして、心拍信号にノイズが発生しているか否かを判定することを特徴とする付記5に記載の解析プログラム。
(付記7)前記解析する処理は、分散値と分散値の頻度とを対応付けた度数分布データを生成し、該度数分布データを基にして、分散値の最小値から所定の分散値までの範囲内で、最頻値となる分散値を算出し、最頻値となる分散値よりも大きい分散値を含む心拍信号にノイズ成分が発生していると判定すること特徴とする付記6に記載の解析プログラム。
(付記8)前記ノイズ成分の含まれていない心拍信号を基にして、周波数解析を実行し、周波数毎のスペクトル密度を算出し、算出結果を基にして、極大となるスペクトル密度と該極大に対する周波数の動きを基にして、眠気レベルを判定する処理を更に実行させることを特徴とする付記6または7に記載の解析プログラム。
(付記9)コンピュータが実行する解析方法であって、
被験者の心拍信号から時間毎の心拍間隔を算出し、
前記時間毎の心拍間隔に基づいて、各時間における心拍間隔から予想される次の心拍間隔を代表値として特定し、
前記代表値と、前記時間毎の心拍間隔とを基にして、心拍間隔が前記代表値から離れている度合いを解析する解析し、解析結果に基づいて、心拍信号にノイズが発生しているか否かを判定する
各処理を実行することを特徴とする解析方法。
(付記10)前記解析する処理は、前記代表値と、前記時間毎の心拍間隔とを基にして分散値を算出し、分散値を基にして、心拍信号にノイズが発生しているか否かを判定することを特徴とする付記9に記載の解析方法。
(付記11)前記解析する処理は、分散値と分散値の頻度とを対応付けた度数分布データを生成し、該度数分布データを基にして、分散値の最小値から所定の分散値までの範囲内で、最頻値となる分散値を算出し、最頻値となる分散値よりも大きい分散値を含む心拍信号にノイズ成分が発生していると判定すること特徴とする付記10に記載の解析方法。
(付記12)前記ノイズ成分の含まれていない心拍信号を基にして、周波数解析を実行し、周波数毎のスペクトル密度を算出し、算出結果を基にして、極大となるスペクトル密度と該極大に対する周波数の動きを基にして、眠気レベルを判定する処理を更に実行することを特徴とする付記10または11に記載の解析方法。
110 心拍検出部
120 心拍間隔算出部
130 代表値算出部
140 解析部
150 分散値記憶部
160 スペクトル算出部
170 眠気判定部
180 表示部

Claims (6)

  1. 被験者の心拍信号から時間毎の心拍間隔を算出する心拍間隔算出部と、
    前記時間毎の心拍間隔に基づいて、各時間における心拍間隔から予想される次の心拍間隔を代表値として特定する代表値算出部と、
    前記代表値と、前記時間毎の心拍間隔とを基にして、心拍間隔が前記代表値から離れている度合いを解析する解析し、解析結果に基づいて、心拍信号にノイズが発生しているか否かを判定する解析部と
    を有することを特徴とする解析装置。
  2. 前記解析部は、前記代表値と、前記時間毎の心拍間隔とを基にして分散値を算出し、分散値を基にして、心拍信号にノイズが発生しているか否かを判定することを特徴とする請求項1に記載の解析装置。
  3. 前記解析部は、分散値と分散値の頻度とを対応付けた度数分布データを生成し、該度数分布データを基にして、分散値の最小値から所定の分散値までの範囲内で、最頻値となる分散値を算出し、最頻値となる分散値よりも大きい分散値を含む心拍信号にノイズ成分が発生していると判定すること特徴とする請求項2に記載の解析装置。
  4. 前記ノイズ成分の含まれていない心拍信号を基にして、周波数解析を実行し、周波数毎のスペクトル密度を算出し、算出結果を基にして、極大となるスペクトル密度と該極大に対する周波数の動きを基にして、眠気レベルを判定する眠気判定部を更に有することを特徴とする請求項2または3に記載の解析装置。
  5. コンピュータに、
    被験者の心拍信号から時間毎の心拍間隔を算出し、
    前記時間毎の心拍間隔に基づいて、各時間における心拍間隔から予想される次の心拍間隔を代表値として特定し、
    前記代表値と、前記時間毎の心拍間隔とを基にして、心拍間隔が前記代表値から離れている度合いを解析する解析し、解析結果に基づいて、心拍信号にノイズが発生しているか否かを判定する
    各処理を実行させることを特徴とする解析プログラム。
  6. コンピュータが実行する解析方法であって、
    被験者の心拍信号から時間毎の心拍間隔を算出し、
    前記時間毎の心拍間隔に基づいて、各時間における心拍間隔から予想される次の心拍間隔を代表値として特定し、
    前記代表値と、前記時間毎の心拍間隔とを基にして、心拍間隔が前記代表値から離れている度合いを解析する解析し、解析結果に基づいて、心拍信号にノイズが発生しているか否かを判定する
    各処理を実行することを特徴とする解析方法。
JP2012062654A 2012-03-19 2012-03-19 解析装置、解析プログラムおよび解析方法 Expired - Fee Related JP5982910B2 (ja)

Priority Applications (1)

Application Number Priority Date Filing Date Title
JP2012062654A JP5982910B2 (ja) 2012-03-19 2012-03-19 解析装置、解析プログラムおよび解析方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
JP2012062654A JP5982910B2 (ja) 2012-03-19 2012-03-19 解析装置、解析プログラムおよび解析方法

Publications (2)

Publication Number Publication Date
JP2013192719A true JP2013192719A (ja) 2013-09-30
JP5982910B2 JP5982910B2 (ja) 2016-08-31

Family

ID=49392380

Family Applications (1)

Application Number Title Priority Date Filing Date
JP2012062654A Expired - Fee Related JP5982910B2 (ja) 2012-03-19 2012-03-19 解析装置、解析プログラムおよび解析方法

Country Status (1)

Country Link
JP (1) JP5982910B2 (ja)

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2017056042A (ja) * 2015-09-17 2017-03-23 富士通株式会社 眠気検知装置、眠気検知方法および眠気検知プログラム
JP2017124014A (ja) * 2016-01-13 2017-07-20 富士通株式会社 眠気検知プログラム、眠気検知方法および眠気検知装置
WO2018062294A1 (ja) * 2016-09-27 2018-04-05 京セラ株式会社 電子装置、制御方法及びプログラム
JP2018064900A (ja) * 2016-10-21 2018-04-26 富士通株式会社 眠気判定装置および眠気判定方法並びに運転支援装置

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPS63150050A (ja) * 1986-12-15 1988-06-22 松下電工株式会社 心拍数演算処理方式
WO2008065724A1 (fr) * 2006-11-29 2008-06-05 Fujitsu Limited Procédé d'évaluation de niveau d'alerte et programme d'évaluation de niveau d'alerte
JP2008237574A (ja) * 2007-03-27 2008-10-09 Toshiba Corp 自律神経指標を計測する装置、方法および生体情報を検出する装置

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPS63150050A (ja) * 1986-12-15 1988-06-22 松下電工株式会社 心拍数演算処理方式
WO2008065724A1 (fr) * 2006-11-29 2008-06-05 Fujitsu Limited Procédé d'évaluation de niveau d'alerte et programme d'évaluation de niveau d'alerte
JP2008237574A (ja) * 2007-03-27 2008-10-09 Toshiba Corp 自律神経指標を計測する装置、方法および生体情報を検出する装置

Cited By (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2017056042A (ja) * 2015-09-17 2017-03-23 富士通株式会社 眠気検知装置、眠気検知方法および眠気検知プログラム
JP2017124014A (ja) * 2016-01-13 2017-07-20 富士通株式会社 眠気検知プログラム、眠気検知方法および眠気検知装置
WO2018062294A1 (ja) * 2016-09-27 2018-04-05 京セラ株式会社 電子装置、制御方法及びプログラム
JP2018050811A (ja) * 2016-09-27 2018-04-05 京セラ株式会社 電子装置、制御方法及びプログラム
JP2018064900A (ja) * 2016-10-21 2018-04-26 富士通株式会社 眠気判定装置および眠気判定方法並びに運転支援装置

Also Published As

Publication number Publication date
JP5982910B2 (ja) 2016-08-31

Similar Documents

Publication Publication Date Title
Cole et al. Cycle-by-cycle analysis of neural oscillations
JP5383200B2 (ja) 覚醒度判定方法および覚醒度判定プログラム
Zhu et al. A comparison of spectral magnitude and phase-locking value analyses of the frequency-following response to complex tones
US8639320B2 (en) Muscle-activity diagnosis apparatus, method, and program
JP5920364B2 (ja) 情報処理装置、代表波形生成方法および代表波形生成プログラム
JP6445634B2 (ja) 痛み測定装置および痛み測定システム
WO2015056434A1 (ja) 生体信号測定器及び接触状態推定方法
JP2013507174A5 (ja)
JP5982910B2 (ja) 解析装置、解析プログラムおよび解析方法
CN109843165B (zh) 心跳检测方法和心跳检测设备
JP2016123594A (ja) 自律神経活動推定装置及び自律神経活動推定方法
Liu et al. Measuring synchronization in coupled simulation and coupled cardiovascular time series: A comparison of different cross entropy measures
KR20140089897A (ko) 저전력 생체신호 모니터링 방법 및 장치
JP5688309B2 (ja) 生体情報分析装置、生体情報分析方法及び生体情報分析プログラム
JP6197451B2 (ja) 情報処理装置および情報処理方法
Longstaff et al. The influence of motor system degradation on the control of handwriting movements: A dynamical systems analysis
JP7215350B2 (ja) 脳症判定プログラム、脳症判定方法および情報処理装置
JP5609985B2 (ja) 覚醒度判定装置、覚醒度判定方法及び覚醒度判定プログラム
JP3687135B2 (ja) 音振動評価装置
JP6750229B2 (ja) 眠気検知プログラム、眠気検知方法および眠気検知装置
JP5962751B2 (ja) 覚醒度判定装置、覚醒度判定プログラムおよび覚醒度判定方法
JP2017018420A (ja) 耳鳴患者判別システム、耳鳴患者判別方法および耳鳴患者判別プログラム
JP6036242B2 (ja) 心音情報処理装置、心音情報処理方法およびプログラム
JP6537744B2 (ja) メンタルストレス検出装置及びメンタルストレス検出プログラム
Li et al. Estimating the correlation between bursty spike trains and local field potentials

Legal Events

Date Code Title Description
A621 Written request for application examination

Free format text: JAPANESE INTERMEDIATE CODE: A621

Effective date: 20141204

A977 Report on retrieval

Free format text: JAPANESE INTERMEDIATE CODE: A971007

Effective date: 20151014

A131 Notification of reasons for refusal

Free format text: JAPANESE INTERMEDIATE CODE: A131

Effective date: 20151201

A521 Written amendment

Free format text: JAPANESE INTERMEDIATE CODE: A523

Effective date: 20160128

TRDD Decision of grant or rejection written
A01 Written decision to grant a patent or to grant a registration (utility model)

Free format text: JAPANESE INTERMEDIATE CODE: A01

Effective date: 20160705

A61 First payment of annual fees (during grant procedure)

Free format text: JAPANESE INTERMEDIATE CODE: A61

Effective date: 20160718

R150 Certificate of patent or registration of utility model

Ref document number: 5982910

Country of ref document: JP

Free format text: JAPANESE INTERMEDIATE CODE: R150

LAPS Cancellation because of no payment of annual fees