JP2014180543A5 - - Google Patents
Download PDFInfo
- Publication number
- JP2014180543A5 JP2014180543A5 JP2014047880A JP2014047880A JP2014180543A5 JP 2014180543 A5 JP2014180543 A5 JP 2014180543A5 JP 2014047880 A JP2014047880 A JP 2014047880A JP 2014047880 A JP2014047880 A JP 2014047880A JP 2014180543 A5 JP2014180543 A5 JP 2014180543A5
- Authority
- JP
- Japan
- Prior art keywords
- signal
- computer
- interval
- physical condition
- implemented method
- 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
Links
- 230000000694 effects Effects 0.000 claims description 43
- 230000000747 cardiac effect Effects 0.000 claims description 33
- 230000003287 optical Effects 0.000 claims description 12
- 238000004364 calculation method Methods 0.000 claims description 9
- 230000001734 parasympathetic Effects 0.000 claims description 7
- 230000002889 sympathetic Effects 0.000 claims description 3
- 238000000034 method Methods 0.000 description 12
- 238000004458 analytical method Methods 0.000 description 8
- 238000004891 communication Methods 0.000 description 7
- 230000017531 blood circulation Effects 0.000 description 4
- 230000000007 visual effect Effects 0.000 description 4
- 210000003403 Autonomic Nervous System Anatomy 0.000 description 3
- 230000014509 gene expression Effects 0.000 description 3
- 239000000203 mixture Substances 0.000 description 3
- MYMOFIZGZYHOMD-UHFFFAOYSA-N oxygen Chemical compound O=O MYMOFIZGZYHOMD-UHFFFAOYSA-N 0.000 description 3
- 229910052760 oxygen Inorganic materials 0.000 description 3
- 239000001301 oxygen Substances 0.000 description 3
- 210000002345 respiratory system Anatomy 0.000 description 3
- 210000001308 Heart Ventricles Anatomy 0.000 description 2
- 210000003371 Toes Anatomy 0.000 description 2
- 230000036772 blood pressure Effects 0.000 description 2
- 210000000038 chest Anatomy 0.000 description 2
- 230000000875 corresponding Effects 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 238000005259 measurement Methods 0.000 description 2
- 238000002559 palpation Methods 0.000 description 2
- 230000000541 pulsatile Effects 0.000 description 2
- 210000004369 Blood Anatomy 0.000 description 1
- 210000002683 Foot Anatomy 0.000 description 1
- 210000003733 Optic Disk Anatomy 0.000 description 1
- 230000036451 QT interval Effects 0.000 description 1
- 206010041349 Somnolence Diseases 0.000 description 1
- 230000003321 amplification Effects 0.000 description 1
- 239000008280 blood Substances 0.000 description 1
- 210000000748 cardiovascular system Anatomy 0.000 description 1
- 230000004087 circulation Effects 0.000 description 1
- 230000003247 decreasing Effects 0.000 description 1
- 230000002999 depolarising Effects 0.000 description 1
- 238000002592 echocardiography Methods 0.000 description 1
- 230000005684 electric field Effects 0.000 description 1
- 230000002996 emotional Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000004424 eye movement Effects 0.000 description 1
- 230000001815 facial Effects 0.000 description 1
- 238000001914 filtration Methods 0.000 description 1
- 230000001939 inductive effect Effects 0.000 description 1
- 238000002372 labelling Methods 0.000 description 1
- 230000000116 mitigating Effects 0.000 description 1
- 238000002156 mixing Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000006011 modification reaction Methods 0.000 description 1
- 210000000653 nervous system Anatomy 0.000 description 1
- 230000001537 neural Effects 0.000 description 1
- 238000003199 nucleic acid amplification method Methods 0.000 description 1
- 230000005693 optoelectronics Effects 0.000 description 1
- 230000035790 physiological processes and functions Effects 0.000 description 1
- 230000036544 posture Effects 0.000 description 1
- 238000000718 qrs complex Methods 0.000 description 1
- 230000004213 regulation of atrial cardiomyocyte membrane depolarization Effects 0.000 description 1
- 230000030074 regulation of atrial cardiomyocyte membrane repolarization Effects 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 230000002459 sustained Effects 0.000 description 1
- 238000002604 ultrasonography Methods 0.000 description 1
Description
本発明は、身体状態の変化を判定するシステム及び方法に係る。
個人の生命システムに関するデータを使用し、個人の身体状態、または、ある身体状態から別の身体状態への推移を表すことができる。生命システムの例としては、循環器システム、呼吸器システム、自律神経システムを含む神経システム、または他の同様な生命システムなどが挙げられる。
ある個人の生命システムの正確かつ定量的な判定データは、様々な用途において有用である。前記判定データによって、過去、現在、または、これから直後の身体状態に係るデータを、その個人にフィードバックできるからである。
ある個人の生命システムの正確かつ定量的な判定データは、様々な用途において有用である。前記判定データによって、過去、現在、または、これから直後の身体状態に係るデータを、その個人にフィードバックできるからである。
具体的には、心拍運動に関わる機能または構造に係る変数を用い、生命システムの活動レベル(例えば、自律神経システムにおける副交感神経及び交感神経の活動レベル)を表すことができる。この結果、ある身体状態を正確に判定することができる。また、ある身体状態から別の身体状態への推移を表すこともできる。
ある態様では、コンピュータで実行する、個人の身体状態の変化判定方法は、ある時間内における個人の心臓活動の判定データを表す信号を、監視装置から受信する工程を含む。また、前記方法は、信号特性要素を少なくとも1つ判定する工程を含むが、この信号特性要素とは前記時間内において信号が再発生している区間の要素をさす。さらに、前記方法は、2つの連続した信号特性要素どうしに挟まれた第1の間隔を判定する工程と、2つの連続した第1の間隔どうしに挟まれた第2の間隔を判定する工程を含む。こうして判定した前記第2の間隔に基づいて微分係数を算出し、この微分係数に基づいて身体状態の変化を識別することができる。
また、別の一態様では、コンピュータで実行する、身体状態の推移分析方法は、個人から、ある時間内における心臓活動の判定データを表す信号を受信する工程と、前記信号が再発生している区間の要素を示す特性要素に基づいて心拍数の微分係数を求める工程を含む。また、前記方法はさらに、この微分係数に基づいて、心拍数の亢進または減退度を示す複数の値を算出し、これら心拍度速度の亢進または減退度を示す複数の値に基づいて、身体状態の推移を識別する工程を含む。
また、さらに別の一態様において、個人の身体状態の変化を判定するコンピュータシステムは、心臓活動を監視する監視システム、及び、この監視システムからの信号を受信する信号受信モジュールを有する。なお、前記信号とは心臓活動の判定データを表すものである。
また、前記コンピュータシステムは、信号特性要素を判定する特性判定モジュールを有するが、この信号特性要素とは、前記時間内に信号が再発生している区間の要素のことをいう。さらに、前記コンピュータシステムは、2つの連続した信号特性要素どうしに挟まれた第1の間隔、及び2つの連続した第1の間隔どうしに挟まれた第2の間隔を判定する間隔判定モジュールを有する。また、前記コンピュータシステムは、さらに前記第2の間隔に基づいて心拍数の微分係数を算出する微分係数算出モジュール、及び前記微分係数に基づいて身体状態の変化を見極める監視モジュールを有する。
また、前記コンピュータシステムは、信号特性要素を判定する特性判定モジュールを有するが、この信号特性要素とは、前記時間内に信号が再発生している区間の要素のことをいう。さらに、前記コンピュータシステムは、2つの連続した信号特性要素どうしに挟まれた第1の間隔、及び2つの連続した第1の間隔どうしに挟まれた第2の間隔を判定する間隔判定モジュールを有する。また、前記コンピュータシステムは、さらに前記第2の間隔に基づいて心拍数の微分係数を算出する微分係数算出モジュール、及び前記微分係数に基づいて身体状態の変化を見極める監視モジュールを有する。
また、別の態様では、非一時的なコンピュータ可読媒体に、コンピュータ実行命令を保存する。なお、少なくともプロセッサを有するコンピュータが前記命令実行するとき、ある時間内における心臓活動の判定データを表す信号を、少なくとも前記プロセッサを用いて、受信する工程を含む方法を、前記コンピュータは実行する。
前記方法では、少なくともプロセッサを用いて信号特性要素を検知する工程を実行するが、前記信号特性要素とは、前記時間内において前記信号が再発生している区間の要素をさす。さらに、前記方法では、少なくとも前記プロセッサを用いて、2つの連続した信号特性要素どうしに挟まれる第1の間隔を算出する工程を実行する。さらに、前記方法では、少なくとも前記プロセッサを用いて、2つの連続した第1の間隔どうしに挟まれる第2の間隔を算出する工程、及び、少なくとも前記プロセッサを用いて、前記第2の間隔に基づいて微分係数を算出する工程を実行する。
最後に、前記方法では、少なくともプロセッサを用いて、前記微分係数に基づいて身体状態の変化を識別する工程を実行する。
前記方法では、少なくともプロセッサを用いて信号特性要素を検知する工程を実行するが、前記信号特性要素とは、前記時間内において前記信号が再発生している区間の要素をさす。さらに、前記方法では、少なくとも前記プロセッサを用いて、2つの連続した信号特性要素どうしに挟まれる第1の間隔を算出する工程を実行する。さらに、前記方法では、少なくとも前記プロセッサを用いて、2つの連続した第1の間隔どうしに挟まれる第2の間隔を算出する工程、及び、少なくとも前記プロセッサを用いて、前記第2の間隔に基づいて微分係数を算出する工程を実行する。
最後に、前記方法では、少なくともプロセッサを用いて、前記微分係数に基づいて身体状態の変化を識別する工程を実行する。
以下、図面を参照しながら本開示を説明する。なお、これらの図面は1以上の実施形態を例示するために示すものであって、本実施形態を何ら限定するものではない。
図1に、コンピュータシステム100を示す。以下に述べるシステム100の1以上の実施形態は作動可能である。また、前記コンピュータシステム100は、計算装置101、プロセッサ102、入力/出力部104、記憶部106、通信モジュール108、及び監視システム111を有する。
監視システム110は複数のセンサー111を有するか、及び/または前記センサー111と通信する。幾つかの実施形態では、前記コンピュータシステム100に含まれる1以上の部品は、組み合わせたり、一部除外したり、または別の構成に加えてもよい。例えば、入力/出力部104を、別の入力部及び出力部に加えることができるし、記憶部106をプロセッサ102などに組み込むこともできる。
図1に、コンピュータシステム100を示す。以下に述べるシステム100の1以上の実施形態は作動可能である。また、前記コンピュータシステム100は、計算装置101、プロセッサ102、入力/出力部104、記憶部106、通信モジュール108、及び監視システム111を有する。
監視システム110は複数のセンサー111を有するか、及び/または前記センサー111と通信する。幾つかの実施形態では、前記コンピュータシステム100に含まれる1以上の部品は、組み合わせたり、一部除外したり、または別の構成に加えてもよい。例えば、入力/出力部104を、別の入力部及び出力部に加えることができるし、記憶部106をプロセッサ102などに組み込むこともできる。
また、図1には示していない他の部品(例えば、通信ユニット/ゲートウェー、ネットワークバス、自動車システム(図2参照))が含まれていてもよい。 さらに、システム100及び図1を参照しながら、上記の部品、システム及び方法を本開示に引用しているが、前記部品類は他の装置と一緒に、または組み込んで用いてもよい。なお、前記の他の装置には、衣類、宝飾品、または他の装着可能な装置、シート、椅子、ベッド、ベンチ、ソファー、あるいは、他の座席用器機、自動車、トラック、オートバイ、トラクタートレーラー、トラクター、芝刈り機、飛行機、船、及びその他の乗り物などが含まれるが、これらに限定されるものではない。
図2に、運転者202の身体状態の変化を判定する、自動車200の一実施形態を例示する。ここで、自動車200は、一人以上の乗員を運ぶことができるとともに、あるエネルギーによって動力供給される任意の自動車のことを指す。前記自動車200は、エンジン204、電子制御部(ECU:electronic control unit)206、複数の自動車システム210、及び監視システム212を有する。監視システム212は、監視システム110と同じか、または類似のものでよい。
例えば、監視システム212は、様々なセンサーを有し、及び/または前記センサーと通信することができる。具体的には、図2に示すように、ヘッドレスト214の第1センサー216、シート220の第2センサー218、及びカメラ222が前記センサーには含まれる。また、ハンドル224は、身体状態の変化を識別するセンサー(図示なし)を有していてもよい。自動車システム210の例としては、電子安定制御システム、アンチロッキングブレーキシステム、ブレーキアシストシステム、自動ブレーキプレフィルシステム、低速フォローシステム、走行制御システム、衝突警告システム、衝突軽減ブレーキシステム、自動走行制御システム、車線変更警告システム、死角表示システム、車線保持アシストシステム、ナビゲーションシステム、電子パワーステアリングシステム、天候対応システム、及び視覚装置、音響装置、図示装置などから構成されるインフォタインメントシステムなどが含まれる。
例えば、監視システム212は、様々なセンサーを有し、及び/または前記センサーと通信することができる。具体的には、図2に示すように、ヘッドレスト214の第1センサー216、シート220の第2センサー218、及びカメラ222が前記センサーには含まれる。また、ハンドル224は、身体状態の変化を識別するセンサー(図示なし)を有していてもよい。自動車システム210の例としては、電子安定制御システム、アンチロッキングブレーキシステム、ブレーキアシストシステム、自動ブレーキプレフィルシステム、低速フォローシステム、走行制御システム、衝突警告システム、衝突軽減ブレーキシステム、自動走行制御システム、車線変更警告システム、死角表示システム、車線保持アシストシステム、ナビゲーションシステム、電子パワーステアリングシステム、天候対応システム、及び視覚装置、音響装置、図示装置などから構成されるインフォタインメントシステムなどが含まれる。
また、前記システム100の部品全体またはその一部は、自動車200に統合または付設可能である。例えば、計算装置102の部品類は、自動車200内部に配置した前記ECU206と統合可能である。図1の装置101と同様に、ECU206は汎用計算規定類及び演算機能類を有するとともに、自動車200、エンジン204、複数の自動車システム210及び監視システム212を有する。
再度、図1を参照すると、プロセッサ102は信号を処理し、汎用計算と演算機能を実行する。プロセッサ102で処理した信号は、デジタル信号、データ信号、コンピュータ命令、プロセッサ命令、メッセージ、ビット、ビット、ビットストリーム、または受信、送信及び/または削除可能な他の形態を含む。特に、プロセッサ102は、入力/出力部104、記憶部106、通信モジュール108及び監視システム110からの信号を、送信、受信及び処理するように構成される。
通常、プロセッサ102は、複数単式及びマルチコアプロセッサやコプロセッサ、及び他の複数単式及びマルチコアプロセッサやコプロセッサ基本構造を含む、様々なプロセッサ類である。
通常、プロセッサ102は、複数単式及びマルチコアプロセッサやコプロセッサ、及び他の複数単式及びマルチコアプロセッサやコプロセッサ基本構造を含む、様々なプロセッサ類である。
また、プロセッサ102は、単式受信モジュール112、特性判定モジュール114、間隔判定モジュール116、微分係数算出モジュール118、及び監視モジュールを有する。これらの部品は、データ信号を処理し、本開示に詳細に述べる機能を実行する。また、本開示で使用するモジュール類は、機能または動作を実行する、及び/または別のモジュール、方法及び/またはシステムによる機能または動作を行うハードウェア、ファームウェアやコンピュータで実行されるソフトウェア、及び/または、これらの組み合わせを含むが、こうした例に限定されるものではない。
また、モジュールは、ソフトウェア制御マイクロプロセッサ、離散型論理回路、アナログ回路、デジタル回路、プログラム論理デバイス、実行命令保持記憶部などを有する。また、モジュールは、1以上のゲート、複数ゲートの組み合わせ、または他の回路部品類を有してもよい。
また、モジュールは、ソフトウェア制御マイクロプロセッサ、離散型論理回路、アナログ回路、デジタル回路、プログラム論理デバイス、実行命令保持記憶部などを有する。また、モジュールは、1以上のゲート、複数ゲートの組み合わせ、または他の回路部品類を有してもよい。
入力/出力部104は、コンピュータシステム100への入力(例えば、使用者入力)を行うとともに、コンピュータシステム100(例えば、本開示に述べる、表示画像、データ及び他のフィードバック素子)からの出力を行う。例えば、入力部はカーソル制御部、マウス、キーボード、タッチスクリーン、及びその他の機構を介して受信処理を行い、情報や命令をプロセッサ102や記憶部106にコンピュータシステム100によって通信を行う。一方、出力部は、スクリーン、モニター、タッチスクリーン、ナビゲーション表示部、携帯装置(例えば、携帯電話やラップトップ)のスクリーン、または他の同様な装備の表示装置などを有する。
記憶部106は、プロセッサ102が実行し、及び/または処理する命令及び/またはデータを保存する。また、記憶部は、データ類を一時的、半永続的または永続的に保存するために、1以上の異なるタイプのメモリーを有する。例えば、キャシュメモリー、ランダムアクセスメモリー(RAM)、リードオンリーメモリ(ROM)、ハードドライブ、固相ドライブ、フラッシュメモリー、またはこれらの組み合わせなどである。
通信モジュール108によって、プロセッサ102と、コンピュータシステム100のその他の構成要素や別のネットワーク類(例えば、インターネット、広域LAN(WLAN)や監視システム110などの)他のシステム類との間の通信を円滑に行う。有線、無線、または当該技術で知られた遠距離通信プロトコル技術をによって、通信を行うことができる。例えば、通信には、ネットワーク転送、ファイル転送、アプレット転送、電子メール、HTTP転送などが含まれる。また、無線システム(IEEE802.11など)、イーサーネットシステム(IEEE802.3など)、トークンリングシステム(IEEE802.5)LAN、WAN、二点間システム、回路切替システム、パケット切替システム、またがその他システム類にまたがって通信を行う。
監視システム110は、個人の身体状態の変化を判定するために、個人に付随する監視情報をモニターして、判定する。さらに、この監視情報を前記装置101に送信する。なお、本開示で使用する監視情報には、個人に関する生理的及び環境情報が含まれる。生理的情報には、個人の身体的特徴(例えば、心拍数、心電図(EKG)、血圧、血流、血中酸素含量などの心臓活動)、及び、個人の他の生物的システム(例えば、循環器システム、呼吸器システム、自律神経系を含む神経システムやその他の生物的システム)が含まれるが、これに限定されるものではない。
また、環境情報には、個人の周囲の物理的特徴(例えば、光、温度、天候、気圧、音)が含まれるが、これらに限定されるものではない。監視システム110は、光学機器、熱機器、自律系監視器機(例えば、心拍数監視器機)とともに、任意の別の種類の機器類、センサーやシステム類などの監視情報を監視及び判定するように構成された任意のシステムである。
また、環境情報には、個人の周囲の物理的特徴(例えば、光、温度、天候、気圧、音)が含まれるが、これらに限定されるものではない。監視システム110は、光学機器、熱機器、自律系監視器機(例えば、心拍数監視器機)とともに、任意の別の種類の機器類、センサーやシステム類などの監視情報を監視及び判定するように構成された任意のシステムである。
図示した実施形態では、監視システム110は、監視情報を監視して判定する複数のセンサー111を有する。当該技術で公知なように、センサー111は、様々なセンサー技術を用いて刺激(例えば、信号特性要素、判定データ、または量として)を判定し、データストリームや刺激に相当する信号を発生させる。また、装置101は、前記データストリーム、またはセンサー類111から直接送られる、あるいは監視システム110経由で送られる刺激に相当する信号を受信できる。なお、どのような型の好適なセンサーを使用可能であることを、当業者ならば理解できよう。
センサー111は、接触型センサー類、及び/または非接触型センサー類であって、電流/電位センサー(例えば、近接性、誘導性、容量性、静電性)、亜音速波、音速波及び超音速波センサー、振動センサー(圧電など)、視覚、光電または酸素センサー、あるいはその他センサー類を含む。
通常、センサー類111は、個人の近傍や個人自体に設置可能であり、心拍数モニターなどの監視装置、あるいは、移動機器、ラップトップまたは同様な機器などの携帯機器に取り付ける。また、センサー及びセンサーで発生させた信号処理は、以下、図3を参照しながら詳細に説明する。
通常、センサー類111は、個人の近傍や個人自体に設置可能であり、心拍数モニターなどの監視装置、あるいは、移動機器、ラップトップまたは同様な機器などの携帯機器に取り付ける。また、センサー及びセンサーで発生させた信号処理は、以下、図3を参照しながら詳細に説明する。
また、監視システム110及び/または装置101は、携帯機器や任意の他の機器(例えば、腕時計、装身具、衣料品)から(プロセッサ102と同様なプロセッサなどの)演算機能を用いて送られる監視情報を受信できる。なお、前記携帯機器は、監視情報を保存し、またはインターネット、他のネットワーク及び/または外部データベースに保存した監視情報にアクセスできる。
ある実施形態では、図2に示すように、監視システム212は、運転者202の身体状態の変化を判定するために、運転者202に関する監視情報を監視及び判定し、さらに、前記監視情報をECU206に送信する。監視装置212は、様々なセンサー類からの監視情報を受信する。ゼンサー類には、センサー216、218及びカメラ222が含まれる。通常、センサー類は、自動車200の任意の位置、例えば、運転者202の近傍に取り付けることができる。例えば、センサー216を、ヘッドレスト214に取り付ける。
また、別の実施形態では、センサー218をシート220に取り付ける。また、さらに別の実施形態では、センサー(図示なし)を、ハンドル224の表面または内部に取り付けてもよい。
一方、他の実施形態では、自動車200中、センサー類を、別の任意の場所に取り付けてもよく、例えば、ひじかけ、ダッシュボード、バックミラー並びにその他任意の場所に取り付けられるが、これらの場所に限定されるわけではない。また、幾つかの実施形態では、前記センサーは、運転者202が着用する携帯センサーであって、スマートフォンや同様の機器など、運転者202の近傍に位置する携帯機器に付けられるか、または運転者202が着用する衣料品に付けられる。
また、別の実施形態では、センサー218をシート220に取り付ける。また、さらに別の実施形態では、センサー(図示なし)を、ハンドル224の表面または内部に取り付けてもよい。
一方、他の実施形態では、自動車200中、センサー類を、別の任意の場所に取り付けてもよく、例えば、ひじかけ、ダッシュボード、バックミラー並びにその他任意の場所に取り付けられるが、これらの場所に限定されるわけではない。また、幾つかの実施形態では、前記センサーは、運転者202が着用する携帯センサーであって、スマートフォンや同様の機器など、運転者202の近傍に位置する携帯機器に付けられるか、または運転者202が着用する衣料品に付けられる。
ある実施形態では、監視システム212は、自動車システム212、自動車システム210に取り付けたセンサー類、または、自動車用バス(図示なし)からの自動車操縦データを、判定し監視する。自動車操縦データとは、自動車システムや自動車部品に関連したデータ、及び自動車システムや自動車部品の操作及び状態に関連した他の形態のデータのことをいう。
自動車操縦データの例としては、車両速度、ブレーキデータ、ハンドル角度、ハンドルトルク、回転速度、モーター速度、ホイール速度、車両位置(例えば、GSPデータ、ナビゲーションシステムデータ)、または車両診断データなどが挙げられるが、これらに限定されるものではない。
自動車操縦データの例としては、車両速度、ブレーキデータ、ハンドル角度、ハンドルトルク、回転速度、モーター速度、ホイール速度、車両位置(例えば、GSPデータ、ナビゲーションシステムデータ)、または車両診断データなどが挙げられるが、これらに限定されるものではない。
次に、図3を参照しながら、個人の身体状態の変化を判定する、コンピュータ実行方法について説明する。なお、他のコンピュータシステム類を用いることもできるけれども、ここではコンピュータシステム100に関して前記方法を説明する。また、前記方法は、ここに記載した実施形態(例えば、図2の自動車200)から別の実施形態に変更しても適用可能である。
なお、ここに記載する身体状態とは、個人に関する生物的または生理的状態、あるいは別の状態に移行してゆく状態をいう。例えば、身体状態とは、警戒、眠気、散漫、緊張、興奮、その他一般的障害状態、情緒的状態及び/または通常の健康状態の1つ以上のことをいう。また、ここに記載する、心臓活動や心臓活動の判定結果とは、血流、血圧、音響及び/または触診法についての結果をいう。ここで、触診法とは、一拍の拍動開始から次の拍動開始までにおこなうもので、心臓の電気的活動(EKGなど)に関する。従って、心臓活動を判定することで、ある時間内における複数の心臓周期または複数の心拍を表すことができる。
なお、ここに記載する身体状態とは、個人に関する生物的または生理的状態、あるいは別の状態に移行してゆく状態をいう。例えば、身体状態とは、警戒、眠気、散漫、緊張、興奮、その他一般的障害状態、情緒的状態及び/または通常の健康状態の1つ以上のことをいう。また、ここに記載する、心臓活動や心臓活動の判定結果とは、血流、血圧、音響及び/または触診法についての結果をいう。ここで、触診法とは、一拍の拍動開始から次の拍動開始までにおこなうもので、心臓の電気的活動(EKGなど)に関する。従って、心臓活動を判定することで、ある時間内における複数の心臓周期または複数の心拍を表すことができる。
前記方法は、監視システムからの信号を工程302において受信する。この信号には、ある時間内での個人の心臓活動の判定データが含まれる。ある実施形態では、監視システム110は複数のセンサー111から送られる、個人の心臓活動を監視するように構成される。上記説明のように、当該技術で公知なように、様々なセンサー技術を利用して刺激(例えば、信号特性要素、判定データや量)を感知し、データストリームや刺激を表す信号を発生させる。
具体的には、データストリームや刺激を表す信号は、センサー類から信号受信モジュール112に、直接または監視システム110を介して送信される。図示した実施形態では、信号受信モジュール112は、さらに、信号を処理し、ある特定の形態で信号プロキシを発生させるように構成される。センサー111または監視システム110は、種々の機能を実行できる。この処理には、信号の増幅、ミキシング、及びフィルターが含まれるとともに、当該技術で公知な、他の信号処理技術も含まれる。一実施形態では、一旦信号を受信すると、信号は複数の波形に変換されるが、ここで、各波形は1心拍を表す。
具体的には、データストリームや刺激を表す信号は、センサー類から信号受信モジュール112に、直接または監視システム110を介して送信される。図示した実施形態では、信号受信モジュール112は、さらに、信号を処理し、ある特定の形態で信号プロキシを発生させるように構成される。センサー111または監視システム110は、種々の機能を実行できる。この処理には、信号の増幅、ミキシング、及びフィルターが含まれるとともに、当該技術で公知な、他の信号処理技術も含まれる。一実施形態では、一旦信号を受信すると、信号は複数の波形に変換されるが、ここで、各波形は1心拍を表す。
センサーについて、監視情報を計測する操作のなかで具体的に説明していくが、特に、生理的特徴(心臓活動など)の計測について説明する。なお、具体的なセンサー類や計測方法について説明するが、心臓活動を計測する、他のセンサー類や方法も実行可能である。センサー111は、センサー類に接続して、及び/または、接続しないで用いられ、電流/電位センサー類(プロキシミティー、伝導、容量、静電などの)、亜音速波、音速波、超音速波センサー、振動センサー(圧電など)、視覚、光電、または酸素センサー、あるいは、その他センサー類を含む。
また、電流/電位センサーは、電流、電荷、または電場に関する量や変化を判定するように構成される。ある実施形態では、電位センサーは、ある時間内での個人の心臓の電気的活動(EKGなど)を判定する。電位センサーは、個人に取り付けた、または近傍に設置した、センサー類に接続して、あるいは接続しないで使用できる。例えば、図2に示した実施形態では、ハンドル224に設置した、第1センサー216及び/または第2センサー、及び/または第3センサー(図示なし)が、電位センサーである。
また、音響センサー類は、音波やヒトの可聴領帯未満の周波数波(亜音速波)、ヒトの可聴周波数帯の周波数波(音速波)、またはヒトの可聴周波数帯を超える周波数波(超音速波)を判定するように構成される。一実施形態では、音速波センサーによって心臓活動によって生じる音波や振動を判定できる。また、別の実施形態では、超音速波センサーは、高周波音波を発生させ、はね返ってくるエコーを前記センサーで判定する。具体的には、超音速波センサーによって、心臓が生み出す音や振動を判定する。例えば、超音波センサーによって、個人の胸部領域(例えば、胸部の前面または背面)に向かって音波を発生させ、はね返ってくる心臓活動を示すエコーを、判定できる。
また、視覚センサー類により、画像系フィードバックを得るが、これらセンサーには機械的視覚化システム、カメラ及びその他の光学センサー類が含まれる。この視覚センサーから生じたデジタル信号には、分析を行う連続画像が含まれる。例えば、ある実施形態では、カメラ(カメラ222、図2)を用いて、眼球運動、顔の表情、個人の位置や姿勢などの画像を作成できる。
また、光電子センサーは、光学や光を使用して、対象物について、存在、容積、または距離情報を検知する。ある実施形態では、光電センサーによって、心臓活動の光電式指尖容積脈波(PPG)を計測するが、これは拍動性血流の容積判定データである。PPG判定データは、例えば、パルスオキシメーターなどを用いて個人の色々な位置で、または個人の近傍位置で、計測できる。
図6に、個人600及びPPG分析コンピュータ601を概略的に示す。PPG判定データは個人600の様々な位置において計測できるが、例えば、図面左側の耳602、図面右側の耳604、図面左側の手/指606、図面右側の手/指608、図面左側の足/つま先610、図面右側の足/つま先612などが含まれる。また、これら判定データは上記位置やその近傍に取り付けた光電センサーを用いて計測し、PPG分析コンピュータ601に送信できる。PPG分析コンピュータ601は、PPG判定データ分析用の、及び個人600の様々な位置から計測した複数のPPG判定データを比較するための規定集を有する。幾つかの実施形態では、図1の監視システム111やプロセッサ102により、PPG分析コンピュータ601は、その機能を発揮できる。
図6に、個人600及びPPG分析コンピュータ601を概略的に示す。PPG判定データは個人600の様々な位置において計測できるが、例えば、図面左側の耳602、図面右側の耳604、図面左側の手/指606、図面右側の手/指608、図面左側の足/つま先610、図面右側の足/つま先612などが含まれる。また、これら判定データは上記位置やその近傍に取り付けた光電センサーを用いて計測し、PPG分析コンピュータ601に送信できる。PPG分析コンピュータ601は、PPG判定データ分析用の、及び個人600の様々な位置から計測した複数のPPG判定データを比較するための規定集を有する。幾つかの実施形態では、図1の監視システム111やプロセッサ102により、PPG分析コンピュータ601は、その機能を発揮できる。
また、図3に示すように、前記方法は、工程304において、少なくとも1つの信号特性要素を判定する工程を有する。この信号特性要素とは、ある時間内において再度発生する事象のことをいう。ある実施形態では、特性判定モジュール114は、信号受信モジュール112から信号を受信して、その信号特性要素を判定する。なお、信号特性要素とは、信号の特徴または信号波長(波形)の特徴のことをいう。信号特性要素の例には、偏差値、音響、波、持続時間、間隔、振幅、ピーク、パルス、波長、あるいは、ある時間内で再発生する信号の頻度などが含まれるが、これらに限定されるものではない。
上記のように、判定した刺激を表す信号が、センサー類111から発生する。この信号及び信号特性要素は、検知した特性(生理的、生物的や環境的特徴)、センサーの種類、及びセンサー技術に応じて変化する。以下に、ある時間内に再発生している信号を含む、心拍波形(心臓活動の判定データを表す信号類)について説明する。なお、心臓活動に関して特定の波形を開示するが、当業者に明らかなように、ここに開示する方法及びシステムは、身体状態や身体状態の移り変わりを識別するために、個人に付随した、別の生理的または環境特徴にともなう波形や信号に適用可能である。
また、図4(a)に、心臓活動を示す電気信号の心拍波形400を示す。なお、心拍波形400は、EKG波形400を示すものであり、心拍(心拍周期)の電気的活動をグラフ的に示している。当該技術で公知なように、図4(b)(一連の心拍波形412など)及び図7に示すが、EKBとは、ある時間内(複数の心拍周期内など)での電気的活動の変化をプロットしたものである。
EKG波形400上、心拍の各部分は、それぞれ異なる偏差値をもつ。こうした偏差値は一連の正及び負の波、つまり、P波、Q波、S波及びT波として記録される。Q波、R波及びS波は、QRS群を構成し、左及び右心室の急速な脱分極化を示している。また、P波は心房の脱分極化を示し、T波は心房の再分極化を示している。個人ごとに、それぞれの波は、持続時間、振幅、及び波形が異なる。図4(b)のR波はピーク414、416及び418によって識別される。また、図7の、各心拍のR波は、星印(*)を付けて表示される。通常のEKGでは、R波はQRS群402のピーク部となる。
その他の信号特性要素には、波持続時間や間隔、つまり、PR間隔404、PR部分404、ST部分408、及びST間隔410が含まれる。PR間隔404は、P波の発生からQRS群402の発生までの間隔として判定される。PR部分406によって、P波とQRS群402とは結合している。また、ST部分408によって、QRS群402とT波とが結合している。さらに、ST間隔410は、S波からT波までの間隔として判定される。なお、他の間隔(QT間隔など)は、EKG波形400から識別できる。また、拍動どうしの間隔(つまり1周期から次の周期までの間隔)は、例えば、R−R間隔(R波と次のR波までの間隔)として識別してもよい。
次に、図3に示す本方法を参照しながら説明する。ある実施形態では、信号特性要素の判定とは、EKG信号のR波で信号特性要素を判定する工程をいう。例えば、EKG波形400のR波が挙げられる。なお、前記信号特性要素とは、1つ以上のP波、Q波、R波及びT波か、または、1以上の上記間隔のことを指してもよい。
図5(a)に、音速波センサーまたは振動センサーなどのセンサーで判定した、あるいは、処理した心臓活動を示す音響信号の心拍波形502の別の実施形態を示す。なお、心拍波形502は、大動脈血流の音波を表している。この心拍波形502には、心拍波形400と同様に、信号特性要素が含まれる。信号特性要素の例としては、ピーク506や、波の持続時間、ピーク、波形502の特性などが含まれる。具体的には、信号特性要素とは、ある時間内において信号が再発生する区間の要素をいう。例えば、図5(b)に、一連のピーク508、510及び512を有する、一連の心拍波形(つまり心拍波形502など)をもつ音響信号504を示す。これらピーク508、510、512は、ある時間内に音響信号504中で信号が再発生している区間の要素である信号特性要素を示している。なお、波形502及び/または、信号504のその他の特性によっても、信号特性要素は識別できる。
図5(c)は、心臓活動の判定データを表す光学信号から得られる心拍波形514を示している。この光学信号は、光電センサーやPPG素子で生成される光電式容積脈波(PPG)信号である。心拍波形514は、拍動血流の判定結果を表すPPG信号を示す。心拍波形514には、心拍波形400同様に、信号特性要素を含む。信号特性要素の例としては、ピーク518や、波形514の波時速時間、ピーク及び特性などが含まれる。
具体的には、前記信号特性要素とは、ある時間内において信号が再発生している区間の要素をいう。例えば、図5(d)では、一連のピーク520、522、524をもつ、一連の心拍波形(つまり心拍波形514など)を有する光学信号516を示す。これらピーク520、522、524は、信号特性要素を例示しており、ある時間内において光学信号516中で信号が再発生している区間の要素を示している。なお、波形514、及び/または信号516のその他の特徴も、信号特性要素として識別できる。
具体的には、前記信号特性要素とは、ある時間内において信号が再発生している区間の要素をいう。例えば、図5(d)では、一連のピーク520、522、524をもつ、一連の心拍波形(つまり心拍波形514など)を有する光学信号516を示す。これらピーク520、522、524は、信号特性要素を例示しており、ある時間内において光学信号516中で信号が再発生している区間の要素を示している。なお、波形514、及び/または信号516のその他の特徴も、信号特性要素として識別できる。
次に、工程304に戻って説明するが、少なくとも1つの信号特性要素を判定するということは、この信号特性要素の発生時間を判定する工程を含む。信号における各信号特性要素の発生時間は、記憶部106中にベクトルとして保存できる。例えば、EKG信号の各R波の発生時間は、以下の式(a)示すベクトルとして保存、表記できる。
(a)T0,i = t0,0,t0,1...t0,i
ここで、t0,iはQRS群のR波成分の観測時間を示し、0≦i≦ Nである。
(a)T0,i = t0,0,t0,1...t0,i
ここで、t0,iはQRS群のR波成分の観測時間を示し、0≦i≦ Nである。
ここで、説明を単純化するために、式(a)−(d)について、信号特性要素である心拍波形400(EKG波形)のR波を参照して述べる。信号特性要素とは、先に述べたように、異なる種類の信号中で識別される任意の信号特性要素として表すことができる。例えば、t0,iは、心拍波形502のピーク506、または心拍波形514のピーク518の観測時間を示す。なお、各式は、ある信号に由来する複数の計算要素を含んでいる。これら要素は、記憶部106などにベクトル形式で保存できる。
次に、工程306において、前記方法では、2つの連続した信号特性要素どうしに挟まれた、第1の間隔を判定する。他の実施形態では、第1の間隔とは、信号の各心拍1つずつの、連続した2つの信号特性要素どうしに挟まれた間隔である。なお、ここで述べる連続した信号特性要素とは、互いに続く、または連続して発生した信号特性要素にことをいう。例えば、第1の間隔とは、EKG信号の第1のR波と第2のR波とに挟まれた間隔(つまり、R−R間隔)のことをいう。ここで、第2のR波とは、第1のR波に続いて発生する次のR波のことである。
図4(b)に示すように、第1の間隔420とは、ピーク414からピーク416までの間隔420のことである。ここで、第1の間隔は、ピーク416からピーク418までの間隔422であってもよい。従って、ある信号には、複数の信号特性要素どうしに挟まれた、複数の第1の間隔が含まれている。
図5(b)に示す別の実施形態では、第1の間隔は、ピーク508からピーク510までの間隔526のことである。ここで、第1の間隔は、ピーク510からピーク512までの間隔528であってもよい。さらに、図5(d)に示す別の実施形態では、第1の間隔は、ピーク520からピーク522までの間隔530である。ここで、第1の間隔は、ピーク522からピーク524までの間隔533であってもよい。式(a)−(b)を参照すると、あるEKG信号における複数の第1の間隔は、次の式(b)でベクトル形式として表現できる。
(b) T1,i = t1,1,t1,2...t1,i
ここで、t1,i ≡ t0,i,−t0,i−1 及び1≦i≦ Nである。
図4(b)に示すように、第1の間隔420とは、ピーク414からピーク416までの間隔420のことである。ここで、第1の間隔は、ピーク416からピーク418までの間隔422であってもよい。従って、ある信号には、複数の信号特性要素どうしに挟まれた、複数の第1の間隔が含まれている。
図5(b)に示す別の実施形態では、第1の間隔は、ピーク508からピーク510までの間隔526のことである。ここで、第1の間隔は、ピーク510からピーク512までの間隔528であってもよい。さらに、図5(d)に示す別の実施形態では、第1の間隔は、ピーク520からピーク522までの間隔530である。ここで、第1の間隔は、ピーク522からピーク524までの間隔533であってもよい。式(a)−(b)を参照すると、あるEKG信号における複数の第1の間隔は、次の式(b)でベクトル形式として表現できる。
(b) T1,i = t1,1,t1,2...t1,i
ここで、t1,i ≡ t0,i,−t0,i−1 及び1≦i≦ Nである。
さらに、工程308において、前記方法では、2つの連続した第1の間隔どうしに挟まれた、第2の間隔を判定する。一実施形態では、間隔判定モジュール116によって、第1の間隔及び第2の間隔を判定できる。一例では、第2の間隔は、連続したR−R間隔どうしに挟まれた、間隔または差分である。例えば、第2の間隔は、第1のR−R間隔の絶対値と、第2のR−R間隔の絶対値との差分である。ここで、第2のR−R間隔とは、連続した次のR−R間隔から第1のR−R間隔までのことをいう。
図4(b)では、第2の間隔は、間隔420と間隔422との差分である。また、図5(b)に示す他の実施形態では、第2の間隔は、間隔526と間隔528とに挟まれた差分である。さらに、図5(d)に示す別の実施形態では、第2の間隔は、間隔530と間隔533とに挟まれた差分である。なお、ある1つの信号には、複数の第1の間隔で規定された複数の第2の間隔が含まれる。また、式(a)−(b)に従うと、この差分は以下の式(c)で、ベクトル形式として表示できる。
(c) T2,i = t2,2,t2,3...t2,i
ここで、t2,i ≡ [t1,i] − [t1,i−1]及び2≦i≦ N
図4(b)では、第2の間隔は、間隔420と間隔422との差分である。また、図5(b)に示す他の実施形態では、第2の間隔は、間隔526と間隔528とに挟まれた差分である。さらに、図5(d)に示す別の実施形態では、第2の間隔は、間隔530と間隔533とに挟まれた差分である。なお、ある1つの信号には、複数の第1の間隔で規定された複数の第2の間隔が含まれる。また、式(a)−(b)に従うと、この差分は以下の式(c)で、ベクトル形式として表示できる。
(c) T2,i = t2,2,t2,3...t2,i
ここで、t2,i ≡ [t1,i] − [t1,i−1]及び2≦i≦ N
さらに、工程310において、前記方法では、第2の間隔に基づいて微分係数を計算する。一実施形態では、微分係数算出モジュール118は、この微分係数を算出するように構成される。なお、前記微分係数は、時間間隔ごとに分割された第2の間隔として求めることができる。式(a)−(c)に従い、次式(d)によって、前記微分係数をベクトル形式として表示できる。
(d) T3,i = t3,2,t3,3...t3,i
ここで、t3,i ≡ t2,i / ( t 0.i −t 0,i−2 )及び2≦i≦ N
(d) T3,i = t3,2,t3,3...t3,i
ここで、t3,i ≡ t2,i / ( t 0.i −t 0,i−2 )及び2≦i≦ N
また、工程312において、前記方法は、微分係数に基づいて、身体状態の変化を識別する。なお、識別モジュール122は、様々な手法を用いて式(a)−(d)で得られたデータを処理するように構成され、身体状態にともなう変数及び指標を識別する。一実施形態では、身体状態の変化を識別する工程には、前記微分係数に基づいて得られた一連の連続心拍数の亢進または減退度を計算することが含まれる。例えば、以下に示す表1に、式(a)−(d)で求めたデータをまとめた。心拍数の亢進または減退度は、この表1から計算することができる。
表1.心拍数の第1の微分係数の算出方法
表1.心拍数の第1の微分係数の算出方法
具体的には、表1のデータを保存し、心拍数の微分係数(T3)の符号とする。ここで、微分係数の符号によって、心拍数が増加しているのか、あるいは、減少しているのかが示される。ここで、微分係数の符号が、所定の連続した微分係数(T3)の符号と同じである場合、心拍数が亢進または減退する連続時間は、身体状態の変化と相関している。特に、連続心拍数の亢進または減退度は、交感神経(S)活動または副交感神経(PS)活動の発生頻度と、それぞれ相関する。
従って、心拍数が亢進及び減退する連続時間を保存及び標識することにより、S及びPS活動の発生頻度にともなう身体状態の変化を識別可能となる。
従って、心拍数が亢進及び減退する連続時間を保存及び標識することにより、S及びPS活動の発生頻度にともなう身体状態の変化を識別可能となる。
また、別の実施形態では、身体状態の変化を識別する工程は、特定の連続時間における、連続心拍数の亢進または減退度を数えることで、ある閾値を計算する工程をさらに含む。例えば、閾値7は、7つの連続した心拍数の亢進または減退度にともなう値である。以下の表2に、表1から算出し、標識した閾値を示す。
ある実施形態では、前記方法には、微分係数、閾値、及び/または連続集合としての微分係数や閾値に基づいて、身体状態の変化をグラフ表示する工程も含まれる。上記データ(例えば、式(a)−(d)による)を様々にグラフ表示することで、ある身体状態の変化の識別を容易になり、及び、ある身体状態から別の身体状態への推移の分析も容易になる。図8−図10に、前記グラフ表示の非限定的な例を示す。具体的には、図8は、時間間隔一式に対する心拍周期の各周期について、その微分係数T3をプロットしたものである。
図8に示すように、低閾値(例えば7未満)におけるT3の変化は、第1の身体状態(t<60分)と第2の身体状態(t>60分)との間で、区別できない。しかし、図9に示すように、高閾値(例えば7超)におけるT3の変化は、第1の身体状態と第2の身体状態との間で、著しく変化する。従って、より高い閾値では(つまり、より長い連続亢進や減退期間では)、これに相関して、身体状態の変化を示す持続的S及びPS活動が顕著に発生する。
図8に示すように、低閾値(例えば7未満)におけるT3の変化は、第1の身体状態(t<60分)と第2の身体状態(t>60分)との間で、区別できない。しかし、図9に示すように、高閾値(例えば7超)におけるT3の変化は、第1の身体状態と第2の身体状態との間で、著しく変化する。従って、より高い閾値では(つまり、より長い連続亢進や減退期間では)、これに相関して、身体状態の変化を示す持続的S及びPS活動が顕著に発生する。
また、別の実施形態では、身体状態の推移を識別する工程は、少なくとも一群の、同じ符号をもつ連続した微分係数を、グラフ表示する工程をさらに含む。ここで、前記少なくとも一群の連続した微分係数によって、身体状態の推移が表される。なお、このグラフ表示は、1つの群よりも多い連続微分係数を表している。例えば、同じ符号をもつ第1群の連続微分係数、及び同じ符号をもつ第2群の連続微分係数を表す。
図9は、連続亢進期1002(S極部分)、及び連続減退期1004(PS極部分)をクラスタープロットした図である。これらの連続分類は、微分係数T3の符号に基づいて決定される。また、身体状態の推移や変化が大きくなるにつれて、2つのクラスター1002と1004の中央部分どうしの距離(極間距離1006)も長くなる。また、さらに別の実施形態では、身体状態の推移や変化は、ある時間内における複数の極間距離の相関関係として判定できる。なお、ここで述べたグラフ表示とともに、前記グラフ表示に含まれるデータ(例えば、閾値や、連続微分係数群)は、図8−図10に示すように、身体状態の推移や変化を識別するために、別の方法においても分析や解析が可能である。
図9は、連続亢進期1002(S極部分)、及び連続減退期1004(PS極部分)をクラスタープロットした図である。これらの連続分類は、微分係数T3の符号に基づいて決定される。また、身体状態の推移や変化が大きくなるにつれて、2つのクラスター1002と1004の中央部分どうしの距離(極間距離1006)も長くなる。また、さらに別の実施形態では、身体状態の推移や変化は、ある時間内における複数の極間距離の相関関係として判定できる。なお、ここで述べたグラフ表示とともに、前記グラフ表示に含まれるデータ(例えば、閾値や、連続微分係数群)は、図8−図10に示すように、身体状態の推移や変化を識別するために、別の方法においても分析や解析が可能である。
次に、図1及び図3に戻り説明する。別の実施形態には、コンピュータ実行可能命令記憶用のコンピュータ読取可能固定媒体が含まれる。コンピュータが前記命令を実行するとき、プロセッサ102を有するコンピュータ101は、図3に示す方法を実行する。ここで用いるコンピュータ可読媒体とは、信号、命令、及び/またはデータ類を記憶する媒体を意味する。コンピュータ可読媒体は、不揮発性媒体及び揮発性媒体の形態をとることができるが、これらに限定されるものではない。
なお、不揮発性媒体としては、例えば、光学ディスク、磁気ディスクなどが挙げられる。一方、揮発性ディスクには、例えば、半導体メモリー、動的メモリーなどが含まれる。コンピュータ可読媒体の一般的形態としては、フロッピー(登録商標)ディスク、フレキシブルディスク、ハードディスク、あるいは、他の磁気媒体、コンパクトディスク、他の光学ディスク、ランダムアクセスメモリー(RAM)、読み出し専用メモリー(ROM)、メモリーチップやカード、メモリースチック、及びコンピュータ、プロセッサまたは他の電子装置で読み取り可能なその他媒体などが含まれるが、これらに限定されるものではない。
なお、不揮発性媒体としては、例えば、光学ディスク、磁気ディスクなどが挙げられる。一方、揮発性ディスクには、例えば、半導体メモリー、動的メモリーなどが含まれる。コンピュータ可読媒体の一般的形態としては、フロッピー(登録商標)ディスク、フレキシブルディスク、ハードディスク、あるいは、他の磁気媒体、コンパクトディスク、他の光学ディスク、ランダムアクセスメモリー(RAM)、読み出し専用メモリー(ROM)、メモリーチップやカード、メモリースチック、及びコンピュータ、プロセッサまたは他の電子装置で読み取り可能なその他媒体などが含まれるが、これらに限定されるものではない。
次に、先に詳細に説明したように、図3中、前記方法は工程302において、少なくともプロセッサ102を用いて、ある時間内における個人の心臓活動の判定データ示す信号を受信する。また、工程304中、前記方法では、少なくともプロセッサ102を用いて、信号特性要素を検知する。なお、前記信号特性要素とは、ある時間内において信号が再発生している区間の要素をいう。さらに、工程306において前記方法は、少なくともプロセッサ102を用いて、2つの連続した第1の間隔どうしに挟まれた第1の間隔を算出し、並びに、工程308において、2つの連続した第1の間隔どうしに挟まれた第2の間隔を算出する。
また、工程310では、前記第2の間隔に基づいて、少なくともプロセッサ102を使用して微分係数を算出する。工程312では、前記微分係数に基づいて、少なくともプロセッサ102を使用して、身体状態の変化を識別する。なお、身体状態の変化を識別する工程は、さらに、一連の連続心拍数の亢進または減退度を、前記微分係数に基づいて計算する工程を含む。なお、この一連の連続心拍数の亢進または減退度は、身体状態の変化に相関している。
また、工程310では、前記第2の間隔に基づいて、少なくともプロセッサ102を使用して微分係数を算出する。工程312では、前記微分係数に基づいて、少なくともプロセッサ102を使用して、身体状態の変化を識別する。なお、身体状態の変化を識別する工程は、さらに、一連の連続心拍数の亢進または減退度を、前記微分係数に基づいて計算する工程を含む。なお、この一連の連続心拍数の亢進または減退度は、身体状態の変化に相関している。
以上述べてきた開示内容、特徴及び機能を、様々に設計変更したり、または別の形態や変形したりして、他の別システム類やアプリケーションと好適に組み合わせることができる。また、予想または予期できない別の形態、設計変更、変形例や改良物も、当業者によって作成可能であると思われるが、これらの内容は以下に記載した請求の範囲に包含されるものである。
Claims (23)
- 個人の身体状態の変化を判定するためにコンピュータで実行する方法であって、
ある時間内において心臓活動の判定データを表す信号を、監視システムから受信する工程、
前記時間内において前記信号の中で繰返し発生している事象を表す、少なくとも1つの信号特性要素を判定する工程、
2つの連続した信号特性要素に挟まれた第1の間隔を判定する工程、
2つの連続した第1の間隔どうしの差分である第2の間隔を判定する工程、
前記第2の間隔を前記時間で割り算して微分係数を算出する工程、及び
前記微分係数に基づいて前記身体状態の変化を識別する工程を有することを特徴とする方法。 - 請求項1に記載したコンピュータで実行する方法であって、
非接触型センサーによって前記信号を判定することを特徴とする方法。 - 請求項2に記載したコンピュータで実行する方法であって、
前記信号とは、心臓活動の判定データを表す電気信号、音響信号、または光学信号のうちの1信号であることを特徴とする方法。 - 請求項1に記載したコンピュータで実行する方法であって、
前記信号特性要素とは、前記信号のピークであることを特徴とする方法。 - 請求項1に記載したコンピュータで実行する方法であって、
前記信号は心電図信号であり、及び前記信号特性要素は前記心電図信号のR波であることを特徴とする方法。 - 請求項1に記載したコンピュータで実行する方法であって、
前記微分係数に基づいて身体状態の変化を識別する工程は、さらに、前記微分係数に基づいて、一連の連続心拍数の亢進または減退度を計算する工程を含むことを特徴とする方法。 - 請求項6に記載したコンピュータで実行する方法であって、
前記の一連の連続心拍数の亢進または減退度が、身体状態の変化に相関していることを特徴とする方法。 - 請求項6に記載したコンピュータで実行する方法であって、
前記微分係数に基づいて身体状態の変化を識別する工程は、一連の連続心拍数の亢進または減退度に基づいて、閾値を計算する工程をさらに含むことを特徴とする方法。 - 請求項7に記載したコンピュータで実行する方法であって、
前記微分係数に基づいて身体状態の変化を識別する工程は、グラフ表示機能により、身体状態の変化をグラフ表示する工程及び識別する工程をさらに含むことを特徴とする方法。 - 身体状態の推移を分析するためにコンピュータで実行する方法であって、
ある時間内において心臓活動の判定データを示す、個人からの信号を受信する工程、
前記時間内において前記信号の中で繰返し発生している事象を表す、少なくとも1つの信号特性要素を判定する工程、
2つの連続した信号特性要素に挟まれた第1の間隔を判定する工程、
2つの連続した第1の間隔どうしの差分である第2の間隔を判定する工程、
前記第2の間隔を前記時間で割り算して微分係数を算出する工程、
前記微分係数に基づいて、複数の心拍数亢進度または減退度を算出する工程、
前記複数の心拍数亢進度または減退度に基づいて、前記身体状態の推移を識別する工程を有することを特徴とする方法。 - 請求項10に記載したコンピュータで実行する方法であって、
監視システムから送られる、個人に関する信号を送信する工程をさらに含み、
前記信号は、心臓活動の判定データを表す電気信号、音響信号、または光学信号のうちの1信号であることを特徴とする方法。 - 請求項11に記載したコンピュータで実行する方法であって、
前記信号を複数の波形に処理する工程をさらに含み、前記複数の波形の各々は心拍を表すことを特徴とする方法。 - 請求項10に記載したコンピュータで実行する方法であって、
前記微分係数の符号は、心拍数の亢進または減退を表すことを特徴とする方法。 - 請求項10に記載したコンピュータで実行する方法であって、
身体状態の推移を識別する工程は、同じ符号をもつ連続微分係数の第1の群、及び同じ符号をもつ連続微分係数の第2の群をグラフ表示する工程、
前記の第1の群及び第2の群どうしに挟まれた距離関数として、身体状態の推移を識別する工程をさらに有することを特徴とする方法。 - 請求項14に記載したコンピュータで実行する方法であって、
負の符号をもつ連続微分係数の群は交感神経活動の頻度に相関し、及び正の符号をもつ連続した微分係数の群は副交感神経活動の発生頻度に相関していることを特徴とする方法。 - 個人の身体状態の変化を判定するためのコンピュータシステムであって、前記システムは、
心臓活動を監視するように構成した監視システムと、
前記監視システムから送られる、ある時間内における心臓活動の判定要素を表す信号を受信するように構成した信号受信モジュールと、
ある時間内において前記信号の中で繰返し発生している事象を表す信号特徴要素を判定するように構成した特性要素判定モジュールと、
2つの連続した信号特性要素どうしに挟まれた第1の間隔、及び2つの連続した第1の間隔どうしの差分である第2の間隔を判定するように構成した間隔判定モジュールと、
前記第2の間隔を前記時間で割り算して微分係数を算出するように構成した微分係数算出モジュールと、
前記微分係数に基づいて身体状態の変化を識別するように構成した識別モジュールを有するコンピュータシステム。 - 請求項16に記載したコンピュータシステムであって、前記監視システムは個人の心臓活動を監視する非接触型センサーを複数備えることを特徴とするコンピュータシステム。
- 請求項16に記載したコンピュータシステムであって、前記信号は電気信号、音響信号または光学信号のうちの1信号であることを特徴とするコンピュータシステム。
- 請求項16に記載したコンピュータシステムであって、前記微分係数に基づいて、前記識別モジュールが、一連の連続心拍数の亢進度または減退度を算出するように構成したことを特徴とするコンピュータシステム。
- 請求項19に記載したコンピュータシステムであって、前記一連の連続心拍数の亢進度または減退度は、身体状態の変化に相関していることを特徴とするコンピュータシステム。
- コンピュータが実行可能な命令を保存する非一時的なコンピュータ可読媒体であって、
少なくともプロセッサを有するコンピュータが前記命令を実行するときの方法は、
ある時間内における個人の複数の心臓周期を表す信号を受信する工程、
少なくともプロセッサを用いて、前記時間内において前記信号の中で繰返し発生している事象を表す信号特性要素を検知する工程、
少なくともプロセッサを用いて、2つの連続した信号特性要素どうしに挟まれる第1の間隔を算出する工程、
少なくともプロセッサを用いて、2つの連続した第1の間隔どうしの差分である第2の間隔を算出する工程、
少なくともプロセッサを用いて、前記第2の間隔を前記時間で割り算して微分係数を算出する工程、
少なくともプロセッサを用いて、前記微分係数に基づいて身体状態の変化を識別する工程を有することを特徴とする、コンピュータが実行可能な命令を保存する非一時的なコンピュータ可読媒体。 - 請求項21に記載の非一時的なコンピュータ可読媒体であって、前記微分係数に基づいて身体状態の変化を識別する工程は、前記微分係数に基づいて一連の連続心拍数の亢進または減退度を算出する工程を、さらに含むことを特徴とする非一時的なコンピュータ可読媒体。
- 請求項22に記載の非一時的なコンピュータ可読媒体であって、前記一連の連続心拍数の亢進度または減退度は、身体状態の変化に相関していることを特徴とする非一時的なコンピュータ可読媒体。
Applications Claiming Priority (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
US13/843,077 | 2013-03-15 | ||
US13/843,077 US9420958B2 (en) | 2013-03-15 | 2013-03-15 | System and method for determining changes in a body state |
Publications (3)
Publication Number | Publication Date |
---|---|
JP2014180543A JP2014180543A (ja) | 2014-09-29 |
JP2014180543A5 true JP2014180543A5 (ja) | 2018-01-18 |
JP6435104B2 JP6435104B2 (ja) | 2018-12-05 |
Family
ID=51419313
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2014047880A Expired - Fee Related JP6435104B2 (ja) | 2013-03-15 | 2014-03-11 | 身体状態の変化を判定するシステム及び方法 |
Country Status (3)
Country | Link |
---|---|
US (2) | US9420958B2 (ja) |
JP (1) | JP6435104B2 (ja) |
DE (1) | DE102014204671A1 (ja) |
Families Citing this family (35)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20150313475A1 (en) | 2012-11-27 | 2015-11-05 | Faurecia Automotive Seating, Llc | Vehicle seat with integrated sensors |
FI124068B (en) * | 2013-05-03 | 2014-02-28 | Jyvaeskylaen Yliopisto | Procedure for improving driving safety |
EP3107455B1 (en) | 2014-02-20 | 2023-04-26 | Faurecia Automotive Seating, LLC | Vehicle seat with integrated sensors |
EP3683623B1 (en) | 2014-06-23 | 2021-09-29 | Honda Motor Co., Ltd. | System and method for responding to driver state |
KR101599479B1 (ko) * | 2015-03-05 | 2016-03-04 | 주식회사 휴이노 | 다중 생체신호 측정 수단을 포함하는 자동차 키 장치, 상기 키 장치가 연결되는 스티어링 휠 도킹 스테이션 및 상기 자동차 키 장치와 스티어링 휠 도킹 스테이션을 포함하는 시스템 |
DE102015003348A1 (de) * | 2015-03-14 | 2016-09-15 | Audi Ag | Verfahren zum Betreiben eines Kraftfahrzeugs und zugehöriges Kraftfahrzeug |
EP3359040A4 (en) * | 2015-08-05 | 2019-07-17 | X-Cardio Corp. KK | KONKAVE OPTICAL SENSORS |
US10046671B2 (en) | 2015-08-14 | 2018-08-14 | Faurecia Automotive Seating, Llc | Occupant-recognition system for vehicle seat |
DE112015007052T5 (de) * | 2015-11-20 | 2018-07-05 | Ford Global Technologies, Llc | Verbesserte nachrichtenzustellung |
US10564256B2 (en) * | 2016-04-01 | 2020-02-18 | Rockwell Collins, Inc. | Beam sharpening radar system and method |
US10918337B2 (en) | 2016-06-03 | 2021-02-16 | Faurecia Automotive Seating, Llc | Vehicle seat with integrated sensors |
US11197637B2 (en) | 2016-06-20 | 2021-12-14 | Faurecia Automotive Seating, Llc | Control system for a vehicle seat |
FR3053237A1 (fr) * | 2016-06-30 | 2018-01-05 | Universite D'aix-Marseille | Dispositif de detection d'au moins un trouble du rythme cardiaque |
US10746559B2 (en) * | 2016-08-15 | 2020-08-18 | International Business Machines Corporation | Dynamic route guidance based on real-time data |
US10730524B2 (en) * | 2016-09-07 | 2020-08-04 | Faurecia Automotive Seating, Llc | Vehicle seat |
EP3531894A1 (en) | 2016-10-25 | 2019-09-04 | Vigilitech AG | Sensor device |
US9925872B1 (en) | 2016-11-14 | 2018-03-27 | Denso International America, Inc. | System for monitoring driver alertness and adapting vehicle settings thereto |
DE102016223794B4 (de) | 2016-11-30 | 2021-03-04 | Audi Ag | Verfahren und System zum Bewerten einer Akzeptanz mindestens eines Fahrerassistenzsystems eines autonom fahrenden Kraftfahrzeugs |
DE102016225140B3 (de) * | 2016-12-15 | 2017-12-07 | Audi Ag | Verfahren zum Bestimmen einer relativen Position eines Kraftfahrzeugs, Positionsbestimmungssystem für ein Kraftfahrzeug und Kraftfahrzeug |
CN110072726B (zh) * | 2016-12-16 | 2023-06-30 | 福特汽车公司 | 自主车辆计算机 |
US11117515B2 (en) * | 2017-05-19 | 2021-09-14 | Yazaki Corporation | Monitoring system |
US11083379B2 (en) | 2017-08-02 | 2021-08-10 | Faurecia Automotive Seating, Llc | Health-monitoring seat cover |
JP2019124977A (ja) * | 2018-01-11 | 2019-07-25 | トヨタ自動車株式会社 | 車載音声出力装置、音声出力制御方法、及び音声出力制御プログラム |
KR102463722B1 (ko) * | 2018-02-20 | 2022-11-07 | 현대자동차주식회사 | 차량의 속도 설정 장치 및 방법 |
US10463314B1 (en) | 2018-07-19 | 2019-11-05 | Toyota Motor Engineering & Manufacturing North America, Inc. | Systems and methods for predicting and detecting a cardiac event |
US11097078B2 (en) * | 2018-09-26 | 2021-08-24 | Cary Kochman | Method and system for facilitating the transition between a conscious and unconscious state |
CN111110188A (zh) * | 2018-10-30 | 2020-05-08 | 由昉信息科技(上海)有限公司 | 一种易于感测生理信息的感测系统 |
CN109620198B (zh) * | 2019-02-21 | 2022-04-12 | 天津惊帆科技有限公司 | 心血管指数检测、模型训练方法及装置 |
EP3744580B1 (en) * | 2019-05-29 | 2022-06-01 | Ningbo Geely Automobile Research & Development Co. Ltd. | Identification of vehicle occupants in a vehicle |
CN111551957B (zh) * | 2020-04-01 | 2023-02-03 | 上海富洁科技有限公司 | 基于激光雷达感知的园区低速自动巡航及紧急制动系统 |
US11590972B2 (en) * | 2020-06-25 | 2023-02-28 | GM Global Technology Operations LLC | Vehicle launch from standstill under adaptive cruise conrol |
CN113643531B (zh) * | 2021-07-20 | 2022-09-20 | 东北大学 | 一种基于细小时区划分统计的交叉口车道饱和流率计算方法 |
CN114013448B (zh) * | 2021-10-20 | 2023-09-26 | 奇瑞汽车股份有限公司 | 汽车的控制方法、装置及计算机存储介质 |
CN115067935A (zh) * | 2022-06-28 | 2022-09-20 | 华南师范大学 | 一种基于光电容积描记的眨眼检测方法、系统及存储介质 |
DE102022117564B3 (de) | 2022-07-14 | 2023-10-26 | Porsche Ebike Performance Gmbh | Elektrofahrrad |
Family Cites Families (40)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US5682901A (en) | 1993-08-03 | 1997-11-04 | Kamen; Peter Walter | Method and apparatus for measuring autonomic activity of a patient |
US5609158A (en) * | 1995-05-01 | 1997-03-11 | Arrhythmia Research Technology, Inc. | Apparatus and method for predicting cardiac arrhythmia by detection of micropotentials and analysis of all ECG segments and intervals |
CN1149053C (zh) | 1996-06-12 | 2004-05-12 | 精工爱普生株式会社 | 测量热量消耗的装置 |
JPH11151231A (ja) | 1997-11-20 | 1999-06-08 | Nissan Motor Co Ltd | 車両用精神疲労度判定装置 |
US6361503B1 (en) | 2000-06-26 | 2002-03-26 | Mediwave Star Technology, Inc. | Method and system for evaluating cardiac ischemia |
DE10103401A1 (de) | 2001-01-26 | 2002-08-01 | Daimler Chrysler Ag | Gefahrenabwendungssystem für ein Fahrzeug |
WO2003013335A2 (en) * | 2001-08-03 | 2003-02-20 | Vega Research Lab, Llc | Method and apparatus for determining metabolic factors from an electrocardiogram |
US20030149354A1 (en) * | 2001-08-23 | 2003-08-07 | Bakharev Alexander A. | Ischemia identification, quantification and partial localization MCG |
DE10153987B4 (de) | 2001-11-06 | 2018-05-30 | Daimler Ag | Informationssystem in einem Fahrzeug |
DE10210723A1 (de) | 2002-03-12 | 2003-09-25 | Bosch Gmbh Robert | Spurwechselassistent für Kraftfahrzeuge |
US8790272B2 (en) * | 2002-03-26 | 2014-07-29 | Adidas Ag | Method and system for extracting cardiac parameters from plethysmographic signals |
FI20025039A0 (fi) * | 2002-08-16 | 2002-08-16 | Joni Kettunen | Menetelmä II fysiologisen signaalin analysoimiseksi |
US7062313B2 (en) | 2002-09-27 | 2006-06-13 | Polar Electro Oy | Evaluation of exercise stress level dependent parameter |
DE10248894B4 (de) | 2002-10-18 | 2008-02-07 | Niehaus, Michael, Prof. Dr. | Verfahren zur Überwachung physiologischer Körperzustände sowie zur Notfallfeststellung |
DE10249415B3 (de) * | 2002-10-23 | 2004-03-25 | Siemens Ag | System zur medizinischen Unterstützung der Insassen eines Kraftfahrzeugs |
IL155955A0 (en) | 2003-05-15 | 2003-12-23 | Widemed Ltd | Adaptive prediction of changes of physiological/pathological states using processing of biomedical signal |
KR20060037235A (ko) * | 2003-08-08 | 2006-05-03 | 퀀텀 인텍 인코퍼레이티드 | 전기생리학적 직관 지시계 |
DE102004058781A1 (de) * | 2004-12-07 | 2006-06-08 | Dräger Safety AG & Co. KGaA | Arbeitsschutzprodukt mit kontaktlosen Messelektroden |
US20060287605A1 (en) * | 2005-06-16 | 2006-12-21 | Dailycare Biomedical Inc. | Heart rate variability analyzing device |
US7423540B2 (en) | 2005-12-23 | 2008-09-09 | Delphi Technologies, Inc. | Method of detecting vehicle-operator state |
US8585607B2 (en) * | 2007-05-02 | 2013-11-19 | Earlysense Ltd. | Monitoring, predicting and treating clinical episodes |
US8571643B2 (en) | 2010-09-16 | 2013-10-29 | Flint Hills Scientific, Llc | Detecting or validating a detection of a state change from a template of heart rate derivative shape or heart beat wave complex |
FI20085175A0 (fi) | 2008-02-27 | 2008-02-27 | Polar Electro Oy | Sympaattisen toiminnan määrittäminen |
JP2012502671A (ja) * | 2008-05-12 | 2012-02-02 | アーリーセンス エルティディ | 臨床症状のモニタリング、予測及び治療 |
US20090284361A1 (en) | 2008-05-19 | 2009-11-19 | John Boddie | Driver scoring system with lane changing detection and warning system |
JP4941776B2 (ja) * | 2008-06-27 | 2012-05-30 | 株式会社デンソー | 走行支援装置 |
EP2328470B1 (en) * | 2008-08-29 | 2019-10-16 | Koninklijke Philips N.V. | Compensation of motion artifacts in capacitive measurement of electrophysiological signals |
DE102008042342A1 (de) | 2008-09-25 | 2010-04-01 | Robert Bosch Gmbh | Verfahren und Steuergerät zur Beurteilung der Aufmerksamkeit eines Fahrers |
US8019407B2 (en) | 2008-10-24 | 2011-09-13 | Biotronik Crm Patent Ag | Heart monitoring device and method |
EP2453792B1 (en) * | 2009-07-13 | 2017-05-17 | Koninklijke Philips N.V. | Electro-physiological measurement with reduced motion artifacts |
JP5532714B2 (ja) * | 2009-07-15 | 2014-06-25 | 日産自動車株式会社 | 運転者状態推定装置及びプログラム |
JP5696501B2 (ja) * | 2011-01-27 | 2015-04-08 | 富士通株式会社 | 覚醒時データ生成装置、覚醒時データ生成方法、覚醒時データ生成プログラム及び覚醒度判定装置 |
US8698639B2 (en) | 2011-02-18 | 2014-04-15 | Honda Motor Co., Ltd. | System and method for responding to driver behavior |
US9189599B2 (en) | 2011-05-13 | 2015-11-17 | Fujitsu Limited | Calculating and monitoring a composite stress index |
CN102985302A (zh) | 2011-07-11 | 2013-03-20 | 丰田自动车株式会社 | 车辆的紧急避险装置 |
JP6222798B2 (ja) * | 2011-09-22 | 2017-11-01 | 東芝メディカルシステムズ株式会社 | 超音波診断装置 |
DE102011117850B4 (de) | 2011-11-08 | 2020-12-03 | Audi Ag | Verfahren zum Betrieb eines Fahrzeugsystems eines Kraftfahrzeugs und Kraftfahrzeug |
DE202012001096U1 (de) | 2012-02-03 | 2012-03-08 | automation & software Günther Tausch GmbH | Vorrichtung zur Durchführung von Fahrerzustandsanalysen |
US9751534B2 (en) | 2013-03-15 | 2017-09-05 | Honda Motor Co., Ltd. | System and method for responding to driver state |
DE102013010928B4 (de) | 2013-06-29 | 2017-03-30 | Audi Ag | Verfahren zum Betreiben wenigstens eines Fahrerassistenzsystems eines Kraftwagens und Kraftwagen mit wenigstens einem Fahrerassistenzsystem |
-
2013
- 2013-03-15 US US13/843,077 patent/US9420958B2/en active Active
-
2014
- 2014-03-11 JP JP2014047880A patent/JP6435104B2/ja not_active Expired - Fee Related
- 2014-03-13 DE DE102014204671.8A patent/DE102014204671A1/de active Pending
-
2016
- 2016-07-08 US US15/205,051 patent/US10238304B2/en active Active
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP6435104B2 (ja) | 身体状態の変化を判定するシステム及び方法 | |
JP2014180543A5 (ja) | ||
JP6461480B2 (ja) | 車両内でのバイオメトリック識別を実行するシステム及び方法 | |
US10987007B2 (en) | Method of processing electrophysiological signals and corresponding system, vehicle, and computer program product | |
Pratama et al. | A review on driver drowsiness based on image, bio-signal, and driver behavior | |
JP3987053B2 (ja) | 睡眠状態判定装置および睡眠状態判定方法 | |
JP4645259B2 (ja) | 血圧測定装置 | |
CN112165897A (zh) | 光体积描记图数据分析与呈现 | |
JP4962735B2 (ja) | 生体情報取得装置 | |
JP2011024902A (ja) | 車両用心電計測装置 | |
Said et al. | Wearable bio-sensors bracelet for driveras health emergency detection | |
US9545205B2 (en) | Dozing prevention method, and dozing prevention device | |
Ke et al. | Drowsiness detection system using heartbeat rate in android-based handheld devices | |
CN112545530A (zh) | 一种基于hrv和对抗网络的预测醉驾和疲劳驾驶的方法 | |
TWI725254B (zh) | 可辨識睡眠階段的穿戴式裝置及其辨識方法 | |
JP4609539B2 (ja) | 眠気検出装置 | |
WO2019124087A1 (ja) | 生体状態推定装置、方法およびプログラム | |
JP7096565B2 (ja) | 心電モニタリングシステム | |
Cassani et al. | Predicting driver stress levels with a sensor-equipped steering wheel and a quality-aware heart rate measurement algorithm | |
JP2018192128A (ja) | 眠気判定装置及びプログラム | |
TWI602143B (zh) | 疲勞偵測裝置與疲勞偵測方法 | |
US20180055436A1 (en) | Fatigue detection apparatus and fatigue detection method | |
TWI744017B (zh) | 疲勞分析方法 | |
Guardiola et al. | Physiological Signal Analysis for Driver Stress Detection | |
Zeng et al. | Activity recognition and vital sign measure using single pressure sensor |