JP2014180543A5 - - Google Patents

Download PDF

Info

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
Application number
JP2014047880A
Other languages
English (en)
Other versions
JP2014180543A (ja
JP6435104B2 (ja
Filing date
Publication date
Priority claimed from US13/843,077 external-priority patent/US9420958B2/en
Application filed filed Critical
Publication of JP2014180543A publication Critical patent/JP2014180543A/ja
Publication of JP2014180543A5 publication Critical patent/JP2014180543A5/ja
Application granted granted Critical
Publication of JP6435104B2 publication Critical patent/JP6435104B2/ja
Expired - Fee Related legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Description

身体状態の変化を判定するシステム及び方法
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。
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、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。
ある実施形態における、身体状態の変化を判定するコンピュータシステムを例示する模式図を示す。 図１の実施形態において、身体状態の変化を判定する自動車の模式図を示す。 身体状態の変化判定方法のプロセスフロー図である。 （ａ）は心臓活動を表す電気信号の１心拍波形を模式的に示す。（ｂ）は（ａ）に示した１心拍波形からなる、一連の心拍波形を模式的に示す。 （ａ）心臓活動を表す音響信号の１心拍波形を模式的に示す。（ｂ）は（ａ）に示した１心拍波形からなる、一連の心拍波形を模式的に示す。（ｃ）は心臓活動を表す光学信号の１心拍波形を模式的に示す。（ｄ）は、（ｃ）に示した１心拍波形からなる、一連の心拍波形を模式的に示す。 心臓活動を判定する個人の部位を模式的に示す。 単極誘導心電図（ＥＫＧ：Ｅｌｅｃｔｒｏｃａｒｄｉｏｇｒａｍ）の出力を例例示する。 低閾値（ここでは、２）における心拍数の微分係数を直線プロットした例を示す。 高閾値（ここでは、１０）における心拍数の微分係数を直線プロットした例を示す。 ある心拍数の微分係数をクラスタープロットした例を示す。
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。
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。
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。
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。
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。
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。
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。
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。
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。
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。
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。
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。
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。
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。
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
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
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
Figure 2014180543
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。
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。
Figure 2014180543
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。
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。
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。
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。
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)

  1. 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。
  2. 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。
  3. 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。
  4. 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。
  5. 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。
  6. 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。
  7. 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。
  8. 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。
  9. 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。
  10. 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。
  11. 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。
  12. 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。
  13. 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。
  14. 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。
  15. 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。
  16. 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。
  17. 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。
  18. 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。
  19. 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。
  20. 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。
  21. 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。
  22. 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。
  23. 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。
JP2014047880A 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 Expired - Fee Related JP6435104B2 (ja)

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)

* Cited by examiner, † Cited by third party
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)

* Cited by examiner, † Cited by third party
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

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