JP2017119109A - ストレス判定装置及び方法 - Google Patents

Abstract

【課題】被験者への負担をより低減させつつ、ストレスを定量的に判定することが可能なストレス判定装置を提供する。
【解決手段】本発明は、被験者の前頭部又は側頭部の表面の３つの異なる位置に取り付けられたセンサを用いて該被験者の脳電位信号を取得する脳電位信号取得手段と、上記取得された脳電位信号のそれぞれから脳深部の活動に起因する特定の周波数帯の時系列データをそれぞれ抽出し、該それぞれ抽出された時系列データの位相関係に基づいて上記取得された脳電位信号のそれぞれの相関関係を示す相関値を算出し、該相関値に基づいて上記被験者のストレス状態を判定する演算手段と、を備えるストレス判定装置である。
【選択図】図１

Description

本発明は、ストレス判定装置及び方法に関し、特に脳電位に基づいてストレス状態を判定するストレス判定装置及び方法に関する。

従来、労務管理等の現場で従業員の精神的ストレスを推定する方法としては、問診票によりチェックする方法が主に用いられてきた。しかしながら、問診票によるチェックは主観的要素が強いため、被験者の打算によりストレス被害を装う場合やストレス被害を隠蔽する場合には、誤った判断がなされるという問題があり、より客観的な評価方法や判定方法の開発が望まれている。

脳が悲しみや恐怖といった精神的ストレスを受けると、情動の中枢である大脳辺縁系に大きな影響が及ぶが、一次的な情動反応は、主として、扁桃体部分で生成されると考えられる。例えば、非特許文献１には、ペットを亡くした２０名の被験者に当該ペットに関連する言語的タスクを課してｆＭＲＩで活動部位を調査した結果、悲しみや忌避に対応して扁桃体を中心とした部分に優位な活性が観測されることが開示されている。この一次的な神経活動は、同じく大脳辺縁系の中にある視床下部の神経核に働きかけ、交換神経及び副交感神経からなる自律神経系を介して、二次的な生理反応（例えば血圧や、脈拍、瞳孔反応等）を惹き起こすことが知られている。また二次的な反応は前頭部にもおよび、側坐核を中心とした「喜びの中枢」としての自己報酬系の活動を抑制することが知られている。更には、精神疾患により喜びの感情が低下した被験者では、側坐核の活動低下とともに、前帯状皮質の脳波（ＥＥＧ）のδ成分が増加することが知られている（非特許文献２）。

このような、ストレスに関係した脳内活動の生理学的な変化をＰＥＴやｆＭＲＩ法で観測すれば、ストレスの客観的評価がより正確に行えるものと期待される。しかし同位元素を使ったＰＥＴでは、装置が大がかりなことのみならず、測定に放射線被曝を伴うため、繰り返しの測定が必要なストレス検査には不向きである。また、ｆＭＲＩ法では、強磁場および高周波電磁界に被験者をさらすため、ペースメーカや、金属製補綴材等を体内に有する被験者には使用できないのみならず、強磁場発生のための大がかりな装置が必要であり、使用環境が大幅に限定される。これらの測定法の代わりに用いることができるＭＥＧ（Magneto-encephalogram）法においても、強固な磁気シールドが必要であるのみならず、超電導を実現するための冷却装置を必要とするなど、大規模かつ高価な測定装置が必要である。

これに対して、頭皮上から観測される脳電位（脳波）による脳内活動の生理学的な変化の測定は、大がかりな装置を必要としないため、広く臨床現場で使用されてきた。

頭皮上の電位分布を多数の電極によって観測する一般的な臨床現場では、国際１０-２０法における１９個の電極を用いて観測される脳電位を、ペンレコーダあるいはコンピュータ内のメモリに記録することが行われてきた。例えば、頭皮上で観測される脳電位を脳内部に仮定した等価ダイポール電源によって生成されるものと仮定し、頭皮上の脳電位分布から、等価ダイポール電源の位置、方向、電流値を逆推定する「ダイポール推定法」によって等価表現する方式が開発されてきた（非特許文献３）。しかしながら、この方法においては、頭皮上の電位分布から脳内部のダイポールを逆推定するため、多次元空間内での探索作業を伴う大規模な演算を必要とするのみならず、安定な解を得るために多数の電極数を必要としていた。

他方、頭皮上に配置した１０個の電極から観測される脳電位を用いて、被験者の感性状態を推定する方法も行われてきた（非特許文献４、５）。具体的には、各２電極間で観測される電位間の相関を₁₀Ｃ₂＝４５個の相互相関関数で評価し、更にこれを脳電位のθ、α、βのそれぞれの帯域ごとに評価し、合計４５×３＝１３５個のパラメータで表現する方式が用いられてきた。しかしながら、この方法においても、最低１０個の電極を必要とするため、計測中に電極の接触を安定に保つことが困難であった。

Peter J. Freed, Ted K.Yanagihara, Joy Hirsch, and J. John Mann, "Neural mechanism of grief regulation", Biol. Psychiatry, vol.66, no.1, pp.33-40, July 2009. Jan Wacker, Daniel G. Dillon, Diego A. Pissagalli, "The role of the nucleus accumbens and rostral anterior cingulate cortex in anhedonia: Integration of resting EEG, fMRI, and Volumetric Techniques, Neuroimage, vol.46, no.1, pp.327-337, May 2009. J. Hara, W. R. Shankle and T. Musha, Cortical Atrophy in Alzheimer's Disease Unmasks Electrically Silent Sulci and Lowers EEG Dipolarity, IEEE Trans. Biomed. Eng., vol.46, no.8, 905-910, 1999. 武者利光「「こころ」を測る」日経サイエンス 4月号 20-29(1996) T. Musha, Y. Terasaki, H. A. Haque, and G. A. Ivamitsky, "Feature extraction from EEGs associated with emotions," Artif. Life Robot., 1(1): 15-19, 1997.

このように精神的なストレス状態を判定（評価）する装置としては、比較的簡易に構成可能な脳電位に基づいてストレス状態を判定する装置が好ましいが、上記のアプローチは、いずれも頭皮上に多数の電極を必要とするものであり、被験者への大きい負担となっていた。

本発明は、このような課題を解決するためになされたものであり、被験者への負担をより低減させつつ、ストレスを定量的に判定することが可能なストレス判定装置を提供することを主目的とする。

上記の目的を達成するために、本発明の一態様としてのストレス判定装置は、被験者の前頭部又は側頭部の表面の３つの異なる位置に取り付けられたセンサを用いて該被験者の脳電位信号を取得する脳電位信号取得手段と、上記取得された脳電位信号のそれぞれから脳深部の活動に起因する特定の周波数帯の時系列データをそれぞれ抽出し、該それぞれ抽出された時系列データの位相関係に基づいて上記取得された脳電位信号のそれぞれの相関関係を示す相関値を算出し、該相関値に基づいて上記被験者のストレス状態を判定する演算手段と、を備えることを特徴とする。

また、本発明において好ましくは、上記演算手段は、上記取り付けられたセンサＡ、Ｂ及びＣごとに抽出された時系列データをＶＡ（ｔ）、ＶＢ（ｔ）及びＶＣ（ｔ）とした場合、所定時間内に抽出されたＶＡ（ｔ）それぞれに対して、該時系列データが抽出されたサンプリング周期の所定値以下の整数倍に等しい時間である任意の時間τ１及びτ２だけ異なる時間に抽出されたＶＢ（ｔ−τ１）及びＶＣ（ｔ−τ２）を、上記所定時間内の時刻ＴにおけるＶＡ（Ｔ）とＶＢ（Ｔ−τ１）とＶＣ（Ｔ−τ２）とが同符号になる場合のτ１及びτ２の組み合わせのみ掛け合わせ、得られたそれぞれの値を加算した値を用いて相関値を算出する。

また、本発明において好ましくは、上記演算手段は、算出される上記相関値の時間的なばらつきに基づいて指標値を算出し、上記相関値及び上記指標値の少なくとも一方に基づいてストレス状態を判定する。

また、本発明において好ましくは、上記演算手段は、上記時間τ１及びτ２を軸とする座標における相関値が算出された領域の間の距離の上記τ１軸方向及び上記τ２軸方向それぞれの標準偏差に基づいて指標値を算出し、上記相関値及び上記指標値の少なくとも一方に基づいてストレス状態を判定する。

また、本発明において好ましくは、上記ストレス判定装置は、上記被験者の脈拍信号を取得する脈拍信号取得手段を更に備え、上記演算手段は、上記脈拍信号から生成される脈拍間隔データに対してフーリエ変換を行うことで周波数スペクトルを算出し、該周波数スペクトルにおける第１の周波数帯域内の各周波数のスペクトル強度の合計値の、該第１の周波数帯域より高い周波数帯域であって該第１の周波数帯域とは異なる第２の周波数帯域内の各周波数のスペクトル強度の合計値に対する比率を算出し、該比率及び上記指標値に基づいてストレス状態を判定する。

また、本発明において好ましくは、上記ストレス判定装置は、上記被験者の脈拍信号を取得する脈拍信号取得手段を更に備え、上記演算手段は、上記脈拍信号に基づいて生成される脈拍間隔データから脈拍間隔値ごとの出現頻度を示す脈拍ヒストグラムを生成し、該脈拍ヒストグラムにおいて、脈拍間隔が大きい方から順に抽出された所定量のデータの分散の合計値の、脈拍間隔が小さい方から順に抽出された該所定量のデータの分散の合計値に対する比率を算出し、該比率及び上記指標値に基づいてストレス状態を判定する。

また、本発明において好ましくは、上記脳電位信号取得手段は、上記被験者の側頭部又は後頭部の表面の３つの異なる位置に更に取り付けられたセンサを用いて上記被験者の脳電位信号を更に取得し、上記演算手段は、上記更に取得された脳電位信号のそれぞれから扁桃体の活動に起因する特定の周波数帯の時系列データをそれぞれ抽出し、該それぞれ抽出された時系列データに対して主成分分析を行うことにより第１主成分寄与率を算出し、該第１主成分寄与率及び上記指標値に基づいてストレス状態を判定する。

また、上記の目的を達成するために、本発明の一態様としてのプログラムは、被験者の前頭部又は側頭部の表面の３つの異なる位置に取り付けられたセンサを用いて取得される該被験者の脳電位信号によりストレスを判定するためのプログラムであって、コンピュータに、上記取得された脳電位信号のそれぞれから脳深部の活動に起因する特定の周波数帯の時系列データをそれぞれ抽出するステップと、上記それぞれ抽出された時系列データの位相関係に基づいて上記取得された脳電位信号のそれぞれの相関関係を示す相関値を算出するステップと上記相関値に基づいて上記被験者のストレス状態を判定するステップと、を実行させることを特徴とする。

また、上記の目的を達成するために、本発明の一態様としての方法は、被験者の前頭部又は側頭部の表面の３つの異なる位置に取り付けられたセンサを用いて取得される該被験者の脳電位信号によりストレスを判定するための方法であって、上記取得された脳電位信号のそれぞれから脳深部の活動に起因する特定の周波数帯の時系列データをそれぞれ抽出するステップと、上記それぞれ抽出された時系列データの位相関係に基づいて上記取得された脳電位信号のそれぞれの相関関係を示す相関値を算出するステップと上記相関値に基づいて上記被験者のストレス状態を判定するステップと、を含むことを特徴とする。

本発明によれば、被験者への負担をより低減させつつ、ストレスを定量的に判定することができる。

本発明の実施形態によるストレス判定装置の概略構成図である。 中心部にダイポール電流源を持つ均一球モデル表面の電位を示す図である。 中心部にダイポール電流源を持つ均一球モデル表面の電位を示す図である。 中心部にダイポール電流源を持つ均一球モデル表面の電位を示す図である。 中心部にダイポール電流源を持つ均一球モデル表面の電位を示す図である。 遅延パラメータ空間上のプロットを示す図である。 中心部にダイポール電流源を持つ均一球モデル表面における各電極Ａ、Ｂ、Ｃの電位の時間発展を示す図である。 本発明の実施形態による脳電位センサの電極の取り付け位置を示す図である。 本発明の実施形態によるストレス判定装置の機能ブロック図である。 本発明の実施形態による電子装置が３重相関値Ｓを算出する情報処理を示すフローチャートである。 本発明の実施形態による電子装置により作成された、２つの遅延パラメータ（τ１、τ２）が形成する特徴空間上における被験者Ａの３重相関値分布の疑似３次元表示を示す図である。 本発明の実施形態による電子装置により作成された、２つの遅延パラメータ（τ１、τ２）が形成する特徴空間上における被験者Ｂの３重相関値分布の疑似３次元表示を示す図である。 図１１の３次元表示の図を上から見た図であって、３つの信号が同符号をとる領域を白で表し、３つの信号のいずれか１つの符号が異なる領域を黒で表した図である。 図１２の３次元表示の図を上から見た図であって、３つの信号が同符号をとる領域を白で表し、３つの信号のいずれか１つの符号が異なる領域を黒で表した図である。 図１３、図１４より指標ＳＤを算出するときの白の四角形の領域間の縦横方向の各距離ｄｘｉ（ｉ＝１、２、…、ｍ）、ｄｙｊ（ｊ＝１、２、…、ｎ）を説明する図である。 第１の実施形態のストレス判定装置を用いて得られた、被験者１８名の高ストレス状態と低ストレス状態における指標値ＳＤ／３重相関値Ｓの平均値と標準偏差を示す図である。 第１の実施形態のストレス判定装置を用いて得られた、被験者１８名の高ストレス状態と低ストレス状態における３重相関値Ｓと指標値ＳＤをプロットした２次元座標を示す図である。 本発明の第１の実施形態の他の実施例によるストレス判定装置の概略構成図である。 本発明の第１の実施形態の他の実施例によるストレス判定装置の帽子装着型電極の外観概要図である。 図１９に示すストレス判定装置の基準電位測定用の導電性ゴム電極概要図を示す図である。 本発明の第２の実施形態のストレス判定装置の機能ブロック図である。 本発明の第２の実施形態のストレス判定装置のデータ処理ブロック図である。 第２の実施形態のストレス判定装置を用いて得られた、低ストレス状態において脈拍信号から生成された脈拍間隔データを示す図である。 第２の実施形態のストレス判定装置を用いて得られた、高ストレス状態において脈拍信号から生成された脈拍間隔データを示す図である。 図２３の脈拍間隔データに対して離散フーリエ変換を行うことにより生成された周波数スペクトルを示す図である。 図２４の脈拍間隔データに対して離散フーリエ変換を行うことにより生成された周波数スペクトルを示す図である。 第２の実施形態のストレス判定装置を用いて得られた、被験者１８名の高ストレス状態と低ストレス状態における第１のストレス指標値（ＳＤ／Ｓ）と第２のストレス指標値（ＬＦ／ＨＦ）をプロットした２次元座標を示す図である。 本発明の第３の実施形態のストレス判定装置のデータ処理ブロック図である。 第３のストレス指標値（ＰＣＡθ）と主観評価の相関関係を示す図である。 第３の実施形態のストレス判定装置を用いて得られた、被験者１８名の高ストレス状態と低ストレス状態における第１のストレス指標値（ＳＤ／Ｓ）と第３のストレス指標値（ＰＣＡθ）をプロットした２次元座標を示す図である。

以下、図面を参照して、本発明の実施形態によるストレス判定装置について説明する。本発明の実施形態によるストレス判定装置１００の技術的特徴の１つは、脳の深部の状態を観測することでストレスに伴う脳内活性をより的確に捉え、被験者のストレス状態の判定（評価）を行うことである。最初に測定原理について説明し、その後、ストレス判定装置１００の装置構成及び情報処理について説明する。

［測定原理］
本実施形態における測定においては、脳深部に等価ダイポール電源を仮定している。ここで、このダイポール電位活動を解析するための電位分布測定を、頭皮上に配置した３つの異なる場所に配置された電極に限定して行う場合を考える。脳深部に電源がある場合には、これら３つの電極で観測される電位波形には強い位相関係が存在するという事実に基づいて、この位相関係を評価する。このようにして、脳深部に仮定した等価ダイポール電源の時間的な挙動を近似的に推定する。これは、地震波に例えれば、表層に震源を持つ地震波が観測地点ごとに大きく異なるのに比し、深部に震源を持つ地震波では、近い距離をおいて配置された地震計ではほぼ同じ振幅・位相のＰ波が観測されることと同等な現象である。

本実施形態における測定においては、脳深部の活動に基づいて表面に現れる電位波形は近い距離離れた表面においてはほぼ同位相であることから、３つの電位の符号が同一であるデータのみを加算する方式を定義する。すなわち同一符号のデータのみを演算の対象とすることで、相関を有するデータを抽出することができる。ただし、すべてのデータを演算の対象とすることもできる。

具体的な情報処理としては、まず３つの電位信号が入力されると、３つの電位が同符号の信号を選択する。１つの例では、電位の符号を判定する際の基準電位は皮質活動を直接反映しない耳朶が用いられる。他の例では、帯域フィルタやデジタルフィルタで直流分が遮断される場合、それぞれの電極ごとの時間平均から見た正負の符号により判定する。

続いて３重相関値を算出する。３重相関値は、３つの電極からの特定の周波帯域（例えばδ波帯域）の電位信号をそれぞれＥＶＡ（ｔ）、ＥＶＢ（ｔ）、ＥＶＣ（ｔ）としたとき、１つの電極の電位信号に対し、τ１、τ２の時間ずれのある信号との積を使用する。以下に示す式１は３重相関値Ｓｔの１つの例示である。ここでＴは３重相関値の演算対象時間であり、Δｔは各電位信号のデータサンプリング周期であり、Ｎは規格化するための定数であって、例えば３つの信号の積の計算回数である。

ここで、上述の演算で得られる遅延パラメータ空間上の３重相関プロットが、脳深部の等価ダイポール電源の挙動とどのような関係にあるかを、均一媒質からなる球状モデルを用いて説明する。以下では、説明の便宜上、球モデル各部の呼称を地球になぞらえ、北極（ＮＰ）、南極（ＳＰ）、赤道等と記載する。

脳深部の活動は、等価的に、深部に微小電流源があるように脳の表面上で観測されることから、球の中心部に、南極から北極に向かう方向に微小電流源を仮定する。この電流源が球表面上につくる電位分布は、図２に示すように、北半球では＋、南半球では−、赤道上ではゼロ電位となる。また、この電流源は、赤道上１８０度経度の異なる点Ｐ１、Ｐ２と、ＮＰ、ＳＰを含む面内で、周期Ｔ秒で時計方向に回転する。回転角度９０度ごとに各時点での球表面電位分布は、図３、図４、図５のように逐次変化する。この電位変化を球の表面上に、面Ｐ１、ＮＰ、Ｐ２、ＳＰに平行な三角形の頂点に、３つの電極Ａ、Ｂ、Ｃを配置する。各電極から測定された電位波形は、式１により相関値が計算され、計算結果が図６の遅延パラメータ空間上にプロットされる。

Ａ、Ｂ、Ｃの各電極の電位の時間発展は図７のグラフのようになり、各電極は位相差１／３Ｔの関係で周期Ｔの正弦波で変化をする。電極Ａを基準にみるとこれらの電極の符号が最も一致するτ₁、τ₂の値はそれぞれ１／３＋ｋと２／３＋ｋ(ｋは整数)であり、結果として図６における縦横方向に黒丸のプロットで示されるような、周期Ｔでピークを持つ特性が得られる。またこれらのピークからいずれかの電極が半周期ずれるような位置は、１つの電極が必ず他の２つの電極と逆位相になるため電極の符号が一致することはない。そのため白丸のプロットで示されるような位置は値がプロットされない。

上述のように、脳深部の等価ダイポール電源の回転を２次元の遅延パラメータ空間上のプロットとして観測することができる。図７などは、単一の等価ダイポール電源が球状の脳深部で滑らかに回転した場合について記載する。しかしながら、ダイポールが複数ある場合や回転が滑らかでない場合には、図６上のプロットは、同符号条件を満たす個々のケースが複雑に分布し、遅延パラメータ空間上に細かい凹凸となって現れる。

［第１の実施形態］
本発明の第１の実施形態のストレス判定装置１００は、前頭部に配置した３つの電極により自己報酬系の抑制を表すδ波（例えば２〜４Ｈｚ）を取得し、３つの時系列データの相関関係から脳の深部の状態を定量的に観測するための値を算出する。ストレス判定装置１００は、算出された値をストレス指標値として定め、これにより被験者のストレス状態を判定する。

＜装置概要＞
図１は、本発明の第１の実施形態のストレス判定装置１００の概略構成図である。ストレス判定装置１００は、脳電位センサ１１０と、電子装置１２０と、を含む。

脳電位センサ１１０は、３つの電極１１１と、電極１１１で測定された脳電位信号（脳波データ）を電子装置１２０へ送信する通信部（図示せず）とを含む。電極１１１は、頭部に接触して取り付けられ、脳活動に基づく脳電位信号を測定する。脳電位センサ１１０は、基準電極（図示せず）を更に含む。基準電極は不感電極として使用され、例えば耳朶に取り付けられる電極である。通信部は、３つの電極１１１のそれぞれから取得された脳電位信号と、基準電極から得られた信号とを電子装置１２０へ送信し、電子装置１２０が３つの電極１１１のそれぞれと基準電極との差分を計算し、３つの脳電位信号の入力とする。或いは、通信部は、３つの電極１１１のそれぞれと基準電極との差分の信号３つを脳電位信号として電子装置１２０へ送信するように構成してもよい。なお、電極１１１は、被験者の脳電位を測定することが可能なあらゆるセンサとすることができる。

電極１１１は、被験者が頭部に脳電位センサ１１０を装着した場合に、図８に示すような国際１０−２０法の電極配置にＦｐｚ（Ｆｐ１、Ｆｐ２の中間点として定義）、Ｏｚ（Ｏ１、Ｏ２の中間点として定義）を加えた電極配置のうちのいずれかの位置に配置されるように脳電位センサ１１０に取り付けられる。

１つの例では、脳電位センサ１１０は、前頭葉深部のδ波を観測するための３電極を用いるため、被験者により装着された場合に、該被験者の前頭部又は側頭部に３つの電極１１１が配置されるように構成される。この場合、好ましくは、３つの電極１１１は国際１０−２０法におけるＦ７、Ｆ８、Ｔ３の部位に配置される。

好ましくは、脳電位センサ１１０は、図１に示すように、被験者が頭部に装着したときに前頭部に電極１１１が当接するように予め電極１１１が取り付けられたヘッドギア型の脳電位センサである。脳電位センサ１１０は、予め電極１１１が配置されたキャップやヘルメット型等であってもよい。１つの例では、脳電位センサ１１０は、図１に示すように、被験者が頭部に装着したときにＦ７、Ｆ８、Ｔ３の部位に電極１１１が当接するように予め電極１１１が取り付けられたヘッドギア型の脳電位センサである。ただし、脳電位センサ１１０は、３つ以上の電極１１０を有し、ストレス判定装置１００は、選択的に３つの電極１１０から取得された脳電位信号を用いるように構成されてもよい。

通信部は無線通信を行い、電極１１１で取得された脳電位信号を電子装置１２０へ送信する。ただし、イーサネット（登録商標）ケーブル、ＵＳＢケーブル等を用いた有線通信を行うこともできる。脳電位センサ１１０は複数の電極１１１を有し、そのうちの１つの電極１１１で測定された脳電位信号を、通信部が電子装置１２０へ送信するように構成することもできる。

電子装置１２０は処理部１２１、表示部１２２、入力部１２３、記憶部１２４、及び通信部１２５を備える。これらの各構成部はバス１２６によって接続されるが、それぞれが必要に応じて個別に接続される形態であってもかまわない。

電子装置１２０は、好ましくはスマートフォンであるが、一般的なコンピュータやタブレット型コンピュータなどとすることもできる。

処理部１２１は、電子装置１２０が備える各部を制御するプロセッサ（例えばＣＰＵ）を備えており、記憶部１２４（例えばメインメモリ）をワーク領域として各種処理を行う。表示部１２２は、処理部１２１の制御に従って、ユーザに対して画面を表示するものであり、例えば液晶ディスプレイから構成される。

入力部１２３は、電子装置に対するユーザからの入力を受け付けるものであり、例えば、タッチパネル、タッチパッド、キーボード、又はマウスである。記憶部１２４は、ハードディスク、メインメモリ、及びバッファメモリを含む。ハードディスクにはプログラムが記憶される。ただしハードディスクは、情報を格納できるものであればいかなる不揮発性ストレージ又は不揮発性メモリであってもよく、着脱可能なものであっても構わない。また例えば電子装置１２０がスマートフォンである場合はＲＯＭ及びＲＡＭを含む。記憶部１２４には、プログラムや当該プログラムの実行に伴って参照され得る各種のデータが記憶される。

通信部１２５は無線通信を行い、脳電位センサ１１０からの脳電位信号を受信し、記憶部１２４に格納する。ただし、イーサネット（登録商標）ケーブル、ＵＳＢケーブル等を用いた有線通信を行うこともできる。

図９は本発明の第１の実施形態のストレス判定装置１００の機能ブロック図である。ストレス判定装置１００は、脳電位信号取得手段２０１と、演算手段２０２とを備える。

脳電位信号取得手段２０１は、被験者の前頭部又は側頭部の表面の３つの異なる位置に取り付けられた電極１１１を用いて脳電位信号を取得する機能を有するものであり、脳電位センサ１１０は１つの例示である。脳電位信号取得手段２０１は、好ましくは、被験者の国際１０−２０法におけるＦ７、Ｆ８、Ｔ３の部位の頭部表面に取り付けられた３つの電極から脳電位信号を取得する機能を有する。

演算手段２０２は、それぞれの電極１１１において取得された３つの脳電位信号から脳深部の活動に起因する特定の周波数帯（好ましくはδ波帯域）の脳電位データをそれぞれ抽出し、抽出された３つの時系列データの位相関係に基づいてそれぞれの電極１１１において取得された脳電位信号の相関関係を示す相関値を算出し、該相関値に基づいて被験者のストレス状態を判定する。

演算手段２０２は、プログラムを電子装置１２０に実行させることで実現される。例えば電子装置１２０がスマートフォンである場合、プログラムである専用のアプリがダウンロードされて起動されると、演算手段２０２の機能が実現される。本実施形態では、演算手段２０２は、以下の情報処理を行うことにより、ストレス状態を判定する。

＜情報処理＞
頭部に取り付けられた３つの電極をＥＡ、ＥＢ、ＥＣとすると、演算手段２０２（電子装置１２０）は、各電極１１１から取得される脳電位信号と、基準電極との差として、電位信号ＶＡ（ｔ）、ＶＢ（ｔ）、ＶＣ（ｔ）を取得する。続いて、演算手段２０２は、デジタルフィルタ等のバンドパスフィルタによりδ波帯域の周波数帯（２〜４Ｈｚ）を抽出する。演算手段２０２は、抽出された電位信号に対して、図１０のフローチャートに示す情報処理を実行する。ただし、演算手段２０２は、δ波帯域以外の特定の周波数帯を抽出することもできる。

図１０は、本実施形態による演算手段２０２が３重相関値Ｓを算出する情報処理を示すフローチャートである。図１０は、ｉ秒からｉ＋１秒における３重相関値Ｓｉ（ｉ＝１、２、…、T）を算出する処理のフローチャートを示す。なお本フローチャートは、趣旨を逸脱しない範囲において変更することができる。

ステップ１００１において３つの信号が入力されると、ステップ１００２において、それぞれの電極１１１の電位ごとに標準偏差（σ_A、σ_B、σ_C）で割って規格化（EVA(t) ＝VA(t)/σ_A、EVB(t) ＝VB(t)/σ_B、EVC(t) ＝VC(t)/σ_C）する。この規格化処理は１秒ごとに行うのが好ましいが、これに限定されない。また上記３つの信号は、電極Ｅ_Aに対し、電極Ｅ_Bはτ１、電極Ｅ_Cはτ２の時間のずれを有している。

なお前述の周波数抽出処理は、規格化処理後に行われてもよい。また規格化処理の前には、ノイズ処理を行うのが好ましい。ノイズ処理は、例えば、１）±１００μＶ以上のセグメントを除く、２）フラットな電位（２５ｍｓｅｃ以上一定の電位だった場合）を除く、３）±１μＶ以内の電位が１秒以上続く場合は除く、という処理から構成される。

続いてステップ１００３において、３つの信号の符号がすべて正(EVA(t)>0、EVB(t-τ1)>0、EVC(t-τ2)>0)、又はすべて負（EVA(t)<0、EVB(t-τ1)<0、EVC(t-τ2)<0）の信号のみを計算対象とする処理をする。

ステップ１００４において、時間ずれのある３つの電位信号の積を加算することで、３重相関値（３重相関値の１要素）を算出する。３重相関値の算出は、ｔがｔ＝ｉ＋１秒となるまでΔｔ秒ずつずらして行う（Ｓ１００６，Ｓ１００７）。例えば、電位データサンプリング周波数をｆｓ（Ｈｚ）とすると、ｆｓ＝２００Ｈｚの場合はΔｔ＝１／ｆｓ＝０．００５秒ずつずらして、３つの電位信号の積を算出する。本フローチャートにおいては３重相関値を算出するとともに３つの信号が正または負になった時の回数Ｎを求め（Ｓ１００５）、最後に割る（Ｓ１００８）。

ステップ１００３〜ステップ１００７では、３つの信号の符号がすべて同符号である場合のｔについて、以下に示す式２を計算することにより、３重相関値Ｓｉを算出する。
（ｉ＝１、２、…、T、τ１＝Δｔ、２Δｔ、…、１（秒）、τ２＝Δｔ、２Δｔ、…、１（秒））

このようにして、１秒ごとにＳｉを全データＴ秒まで算出する（Ｓ₁、Ｓ₂、・・・、Ｓ_T）。Ｔ（秒）は好ましくは１０（秒）である。上記のとおり、３重相関値は、全データ（Ｔ秒）について一度に算出されるのではなく、所定時間ごとに、例えば図１０に示すように１秒ごとに算出される。最終的に算出される３重相関値Ｓは、Ｔ個の３重相関値Ｓｉの平均値である。

時間ずれτ１、τ２についても、Δｔ秒ずつずらして３重相関値Ｓを算出する。τ１及びτ２の取りうる値はΔｔの整数倍に等しい１秒以下の時間であるが、これらの値の大きさの最大値は１秒に限定されない。なお３重相関値は、３つの信号の符号判定を行わずに、式２によって算出することもできる。

更に演算手段２０２は、遅延時間τ１、τ２をそれぞれ、Δｔ秒、２Δｔ秒、…、１秒ずつずらして算出された３重相関値Ｓを、２つの遅延パラメータ（τ１、τ２）が形成する特徴空間上にプロットする機能を有する。これにより、２つの遅延パラメータ（τ１、τ２）が形成する特徴空間上にプロットされた３重相関値分布の疑似３次元表示をすることができる。

図１１は、一の被験者（被験者Ａ）から取得される脳電位信号に基づく３重相関値分布の疑似３次元表示であるが、相関を有しないデータの影響を排除するため、予め定められたｔの値、例えばｔ＝ｉ＋１、においてＥＶＡ（ｔ）、ＥＶＢ（ｔ−τ１）及びＥＶＣ（ｔ−τ２）のすべてが同符号であったＳｉ（τ１，τ２）のみをプロットしたものである。プロットするＳｉをこのように限定することにより、ノイズを除去し、より良い精度で３重相関値分布の疑似３次元表示を示すことができる。

図１２は、図１１と同様にして、他の一の被験者（被験者Ｂ）から取得される脳電位信号に基づく３重相関値分布の疑似３次元表示である。図１１の特徴空間内の３重相関分布は滑らかであるのに対して、図１２の特徴空間内の３重相関分布は細かいピークが複雑に分布する場合が多いことが確認できる。

更に演算手段２０２は、上記の３重相関値分布の疑似３次元表示を用いて、指標値ＳＤを算出する機能を有する。図１１及び図１２で示したように、２つの遅延時間パラメータ空間内で、被験者Ａのデータでは樹木状の分布が規則的に並ぶのに対し、被験者Ｂのデータでは樹木状の分布の不規則性が大きい。この差を定量的に表現するために、図１３に示すように、樹木の列がτ１、τ２軸に平行となるように、座標軸を回転する。図１３は、図１１に示す３次元表示を上から見た図で、３つの波形が同符号をとる領域を白で表示し、３信号のどれか１つ符号が異なる領域を黒で表す。このような表示をすると、被験者Ａの場合には規則的な格子縞となるのに対して、被験者Ｂの場合には、図１４に示すように、格子縞が乱れることが確認できる。この乱れを定量化した指標が指標値ＳＤである。

図１３及び図１４に示すように白い四角形の領域は、隣接する白い四角形の領域と、縦横方向にそれぞれ間隔を有する。その間隔を図１５に示すように、ｄｘｉ（ｉ＝１，２、…、ｍ）、ｄｙｊ（ｊ＝１，２、…、ｎ）とする。このｄｘｉとｄｙｊがτ１方向とτ２方向において、それぞれ白い四角形の縦横が均等に並んでいるか、又は白い四角形が乱れて並んでいるかを判断することで乱れ具合を定量化することができる。

具体的には式３、式４に示すように、ｍ個のｄｘｉの標準偏差Ｓｔｄ＿ｄｘとｎ個のｄｙｊの標準偏差Ｓｔｄ＿ｄｙを算出する。

指標値ＳＤは、式５に示すように、２つの標準偏差の平均値である。

上述したように、演算手段２０２（ストレス判定装置１００）は、３重相関値Ｓ及び指標値ＳＤを用いて脳深部の状態をストレス指標値（第１のストレス指標値）として定量化して観測し、これにより被験者のストレス状態を判定する。ここで、３重相関値Ｓは、３つの脳電位信号の相関（位相関係）を示すものであり、一方、指標値ＳＤは、乱れ具合、ばらつき具合を示すものである。

１つの例では、演算手段２０２は、指標値ＳＤを３重相関値Ｓで割ることにより算出される値をストレス指標値として定め、ストレス指標値により被験者のストレス状態を判定する。この場合、演算手段２０２は、ストレス指標値ＳＤ／Ｓが大きいほど被験者のストレスが大きいと判断する。１つの例では、ストレス指標値ＳＤ／Ｓが９以上の場合、被験者は高ストレス状態であると判断する。

他の例では、演算手段２０２は、３重相関値Ｓをストレス指標値として定める。この場合、３重相関値Ｓが小さいほど被験者のストレスが大きいと判断する。同様にして、他の例では、演算手段２０２は、指標値ＳＤをストレス指標値として定める。この場合、指標値ＳＤが大きいほど被験者のストレスが大きいと判断する。

＜実施例＞
以下の実験結果により、第１の実施形態のストレス判定装置１００を用いて、ストレス状態を判定できることを説明する。

本実験においては、被験者１８名のそれぞれに対し、安静開眼（１２０ｓ）、タスク（３８０ｓ）の状態に順次なってもらい、それぞれの状態における脳電位信号を取得した。このとき被験者に対しては図２に示す２１電極を頭皮上に設置し、２１電極から脳電位信号を取得した。本実験において用いた電極は、ストレス判定装置１００における電極１１１と同等のものである。

ここで、タスク（漢字）とは、被験者が監視者の前で難読な漢字を大声で読むことを強制された状態（高ストレス状態）であり、安静開眼とは、被験者が目を開けて安静にしている状態（低ストレス状態）である。

なお、取得された脳電位信号には（特に前頭部の電極から取得される脳電位信号には）瞬き等による脳波以外の過大生体ノイズが混入するため、脳電位信号の解析を行う前に、これらのノイズを除去し、更に２〜４Ｈｚの周波数帯域（δ波帯域）を抽出した。

以下では、Ｆ７、Ｆ８、Ｔ３の部位に取り付けられた電極１１１から取得された脳電位信号の解析について、例えばストレス指標値の算出について、説明する。

図１６は、被験者１８名の高ストレス状態と低ストレス状態における指標値ＳＤ／３重相関値Ｓの平均値と標準偏差を示す図である。図に示すとおり、算出されるストレス指標値ＳＤ／Ｓが大きいほど被験者のストレスが大きい。１つの例では、被験者のストレス指標値ＳＤ／Ｓが９以上であるとき、被験者はストレスを感じていると判定することができる。

図１７は、被験者１８名の高ストレス状態と低ストレス状態における３重相関値Ｓと指標値ＳＤをプロットした図であり、一方の軸（横軸）を３重相関値Ｓ、他方の軸（縦軸）を指標値ＳＤとした２次元座標を示す。図に示すとおり、当該２次元座標において、被験者の高ストレス状態と低ストレス状態における領域を分離することにより、ストレス状態を判定することができる。

なお本実験では、Ｆ７、Ｆ８、Ｔ３の部位に取り付けられた電極１１１から取得された脳電位信号を用いた解析について説明した。これは、この場合が、ストレス状態と安静状態で最も大きな差が得られたためである。ただし、これらの３つの部位以外に取り付けられた電極１１１から取得された脳電位信号を用いた場合であっても、同様の結果を得られる場合がある。

＜作用効果＞
このような構成とすることにより、本実施形態では、前頭部又は側頭部に取り付けられた３つの電極１１１より取得される脳電位信号から３重相関値及び指標値を算出することにより、被験者のストレス状態を判定する。これにより、被験者はストレス状態を判定したい場合に、後頭部よりも電極が取り付けやすい前頭部又は側頭部に電極１１１を３つ取り付ければよいので、被験者への負担をより低減させることが可能となる。また、脳深部の状態に基づいた定量的なストレス判定を行うことが可能となる。

＜他の実施例＞
図１８は、本発明の第１の実施形態の他の実施例によるストレス判定装置１００の概略構成図である。ストレス判定装置１００は、３つの電極１１１及び基準電極１１２を含む頭部装着部１１３と、３つの電極１１１と信号ケーブルで接続された３ｃｈ増幅器・帯域フィルタ１３０と、３ｃｈ増幅器・帯域フィルタ１３０と信号ケーブルで接続された電子装置１２０と、を有する。

基準電極１１２は、基準電位測定用の電極であり、不感電極として使用され、好ましくは耳朶接続用クリップ電極である。基準電極１１２は、３ｃｈ増幅器・帯域フィルタ１３０に接続される。

３つの電極１１１は、固定具１１４によって固定される。頭部装着部１１３は、３つの電極１１１を固定する固定具１１４を含む。頭部装着部１１３は、例えばヘルメットから切り出したブーメラン状プラスティック製の装着部であってもよいし、図１に示すようなヘッドギア形状の装着部であってもよい。頭部装着部１１３は、好ましくは、被験者が頭部装着部１１３を装着した場合に、３つの電極が国際１０−２０法におけるＦｐ１、Ｆｐ２、Ｆ８の部位に当接するように電極が配置されている。電極１１１は、好ましくは生理食塩水を含んだ多孔質ファイバー電極であり、電極１１１上部は導線接続用金属円筒で構成される。

図１９は、他の実施例によるストレス判定装置１００の帽子装着型電極の外観概要図である。図２０は、基準電位測定用の導電性ゴム電極の外観概要図である。頭部装着部１１３は、メッシュ状帽子に測定用の電極１１１が３つ取り付けられたものである。電極１１１はプリアンプ１１５と接続されたシールドケーブル１１６と接続され、好ましくは食塩水を含んだ多孔質導電性ゴムが使用される。

プリアンプ１１５は、３ｃｈ増幅器・帯域フィルタ１３０の増幅器の機能を有するものであり、帯域フィルタを経由して電子装置１２０に接続される。基準電極１１２は、プリアンプ１１５と電気的に接続された導電性ゴム電極１１７であり、これによって耳朶接続用クリップ電極は不要となる。ここで、導電性ゴム状の電位均一化と、プリアンプ１１５からのケーブル接続の際の接触抵抗の低減を図るため、円周状の導電性ゴム電極１１７と帽子の間には金属フィルム１１８が設置される。

［第２の実施形態］
本発明の第２の実施形態のストレス判定装置１００は、第１の実施形態のストレス判定装置１００と同様の構成を有し、被験者の脈拍を測定する脈拍センサを更に備えたものである。

生体がストレスを受けると、一次的には情動の発現を司る扁桃体の活動が活発になるが、その結果は、２次的な反応として、前頭深部に位置する側坐核を中心として自己報酬系への抑制がもたらされる。これと並行して、扁桃体の活動は、情動の発現機構の一つである視床下部に位置する自律神経系にも働きかけ、心拍数や血圧にも影響が及ぼされる。特に、心拍数については、ストレスの少ない生体については、呼吸や精神活動に伴い、通常数％の心拍ゆらぎが見られ、自律神経系が正常に働いていることの証とも考えられている。第２の実施形態のストレス判定装置１００は、ストレス状態をより精度よく判定するために、脈拍データを更に用いてストレス状態を判定する。

第２の実施形態のストレス判定装置１００においても、第１の実施形態のストレス判定装置１００と同様にして、３重相関値Ｓや指標値ＳＤを用いる。本実施形態において、３重相関値Ｓの算出や指標値ＳＤの算出など、脳深部の状態の観測に関しては第１の実施形態と同様であるため、第１の実施形態と異なる点を中心に説明する。

第２の実施形態のストレス判定装置１００は、脳電位センサ１１０と、電子装置１２０と、脈拍センサ（図示せず）を含む。脈拍センサは、被験者の脈拍データを取得することが可能なあらゆるセンサとすることができる。脈拍センサは、脈拍データを脈拍信号として電子装置１２０へ送信する通信部（図示せず）を含む。通信部は無線通信を行い、脈拍センサで取得された脈拍データを電子装置１２０へ送信する。ただし、イーサネット（登録商標）ケーブル、ＵＳＢケーブル等を用いた有線通信を行うこともできる。

図２１は本発明の第２の実施形態のストレス判定装置１００の機能ブロック図である。ストレス判定装置１００は、脳電位信号取得手段２０１と、演算手段２０２と、脈拍信号取得手段２０３とを備える。脳電位信号取得手段２０１及び演算手段２０２は、第１の実施形態のストレス判定装置１００と同様の機能を有する。以下では、第１の実施形態と異なる点を中心に説明する。

脈拍信号取得手段２０３は、被験者の脈拍信号（脈拍データ）を取得する機能を有するものであり、脈拍センサは１つの例示である。本実施形態では、演算手段２０２は、以下の情報処理を行うことにより、ストレス状態を判定する。

図２２は、本発明の第２の実施形態のストレス判定装置１００のデータ処理ブロック図である。図に示すように、演算手段２０２（ストレス判定装置１００）は、脳電位データを取得し（Ｓ２２０１）、例えばＳＤ／Ｓなどのストレス指標値（第１のストレス指標値）を算出する（Ｓ２２０２）。当該情報処理は、第１の実施形態のストレス判定装置１００と同様である。上記処理とは別に、演算手段２０２は、脈拍データを取得し（Ｓ２２１１）、脈拍データに基づいてストレス指標値（第２のストレス指標値）を算出する（Ｓ２２１２）。演算手段２０２は、上記のとおり算出された２つの指標値を用いて、被験者のストレス状態を判定する（Ｓ２２２１）。

このとき、同じ時間に取得される脳電位データ及び脈拍データに基づいた２つの指標値により判定を行うため、演算手段２０２は、好ましくは、第１のストレス指標値にデータ遅延をつける（Ｓ２２０３）。これはストレス状態を判定するための脈拍データの取得は数分、例えば２〜３分、程度必要であることから、第２のストレス指標値の算出は、脳波から直接観測して算出される第１のストレス指標値の算出よりも時間を要するためである。ただし、データ遅延の処理は、ステップ２２２１のデータ演算と同時に実行してもよい。

次に、ステップ２２１２における第２のストレス指標値の算出処理について説明する。演算手段２０２は、脈拍信号から脈拍のＲＲ間隔の時系列データである脈拍間隔データを生成する。

演算手段２０２は、脈拍間隔データに対して離散フーリエ変換を行うことで周波数スペクトルを算出する。演算手段２０２は、周波数スペクトルにおける低周波数成分である第１の周波数帯域内の各周波数のスペクトル強度の合計値の、第１の周波数帯域より高い周波数帯域であって第１の周波数帯域とは異なる第２の周波数帯域内の各周波数のスペクトル強度の合計値に対する比率を算出する。例えば、周波数スペクトルは、０〜１Ｈｚの周波数帯域で算出し、第１の周波数帯域は０．０５〜０．１５Ｈｚ、第２の周波数帯域は０．１５〜０．４０Ｈｚである。

演算手段２０２は、算出された比率を第２のストレス指標値として定め、第１のストレス指標値及び第２のストレス指標値に基づいてストレス状態を判定する。１つの例では、一方の軸（横軸）を第２のストレス指標値、他方の軸（縦軸）を第１のストレス指標値とした２次元座標において、被験者の高ストレス状態と低ストレス状態における領域を分離することによりストレス状態を判定することができる。

第２の実施形態の他の実施例においては、演算手段２０２は、脈拍間隔データから脈拍間隔値ごとの出現頻度を示す脈拍ヒストグラムを生成する。演算手段２０２は、脈拍ヒストグラムにおける、脈拍間隔が大きい方から順に抽出された所定量のデータの分散の合計値の、脈拍間隔が小さい方から順に抽出された所定量のデータの分散の合計値に対する比率を算出する。１つの例では、演算手段２０２は、脈拍ヒストグラムにおいて、脈拍間隔が大きい方から順に抽出された複数のデータであって該脈拍ヒストグラムを構成するデータのうちの７％に相当する量のデータの分散の合計値の、脈拍間隔が大きい方から順に抽出された当該７％に相当する量のデータの分散の合計値に対する比率を算出する。

演算手段２０２は、算出された比率を第２のストレス指標値として定め、第１のストレス指標値及び第２のストレス指標値に基づいてストレス状態を判定する。１つの例では、一方の軸（横軸）を第２のストレス指標値、他方の軸（縦軸）を第１のストレス指標値とした２次元座標において、被験者の高ストレス状態と低ストレス状態における領域を分離することによりストレス状態を判定することができる。

＜実施例＞
以下の実験結果により、第２の実施形態のストレス判定装置１００を用いて、ストレス状態を判定できることを説明する。実験の条件は、第１の実施形態の場合と同様であるが、本実験においては、第１のストレス指標値算出のためにＦ７、Ｆ８、Ｔ３から脳電位信号を取得するとともに、第２のストレス指標値算出のために被験者１８名それぞれから脈拍信号を取得した。図２３は、低ストレス状態において脈拍信号から生成された脈拍間隔データを示し、図２４は、高ストレス状態において脈拍信号から生成された脈拍間隔データを示す。

図２５は、図２３の脈拍間隔データに対して離散フーリエ変換を行うことにより生成された周波数スペクトルを示し、図２６は、図２４の脈拍間隔データに対して離散フーリエ変換を行うことにより生成された周波数スペクトルを示す。ここで、各被験者の低ストレス状態と高ストレス状態のそれぞれにおいて、低周波数帯域（０．０５〜０．１５Ｈｚ）のスペクトル強度の、高周波数帯域（０．１５〜０．４０Ｈｚ）のスペクトル強度に対する比率（ＬＦ／ＨＦ）を算出し、第２のストレス指標値とする。

図２７は、被験者１８名の高ストレス状態と低ストレス状態における第１のストレス指標値（ＳＤ／Ｓ）と第２のストレス指標値（ＬＦ／ＨＦ）をプロットした図であり、一方の軸（横軸）をＬＦ／ＨＦ、他方の軸（縦軸）をＳＤ／Ｓとした２次元座標を示す。図に示すとおり、当該２次元座標において、被験者の高ストレス状態と低ストレス状態における領域を分離することにより、ストレス状態を判定することができる。１つの例では、Ｆ１＝３（ＬＦ／ＨＦ）＋ＳＤ／Ｓ−１２．５と定め、Ｆ１＞０であれば高ストレス状態であると判定し、Ｆ１≦０であれば低ストレス状態と判定する。ただし、Ｆ１の示す式は一例であって、これに限定されない。

＜作用効果＞
このような構成とすることにより、本実施形態では、前頭部又は側頭部に取り付けられた３つの電極１１１より取得される脳電位信号から第１のストレス指標値を算出するとともに、脈拍センサから取得される脈拍信号から第２のストレス指標値を算出することにより、被験者のストレス状態を判定する。これにより、被験者はストレス状態を判定したい場合に、後頭部よりも電極が取り付けやすい前頭部又は側頭部に電極１１１を３つ取り付け、更に脈拍信号を測定すればよいため、被験者への負担をより低減させることが可能となる。また、脳深部の状態及び脈拍の状態に基づいた定量的なストレス判定を行うことが可能となる。

［第３の実施形態］
本発明の第３の実施形態のストレス判定装置１００は、第１の実施形態のストレス判定装置１００と同様の構成を有するとともに、更に３つの電極１１１を用いて特定の周波数帯（好ましくはθ波帯域）の脳電位信号を取得する構成を有するものである。

生体がストレスを受けると、側頭葉内側の奥に存在する扁桃体の活動が活発になるが、その結果として、側頭葉近傍の脳波に影響が出現していると考えられ、すなわち側頭から後頭に跨る３電極（Ｔ３、Ｃ３、Ｔ５）間の波形のコヒーレンスは高くなっていることが予想される。コヒーレンスの度合いは、ここでは３電極の波形の主成分分析の第一主成分相対寄与度（ＰＣＡ）により表すことができる。第３の実施形態のストレス判定装置１００は、ストレス状態をより精度よく判定するために、ＰＣＡを更に用いてストレス状態を判定する。

第３の実施形態のストレス判定装置１００においても、第１の実施形態のストレス判定装置１００と同様にして、３重相関値Ｓや指標値ＳＤを用いる。本実施形態において、３重相関値Ｓの算出や指標値ＳＤの算出など、脳深部の状態の観測に関しては第１の実施形態と同じであるため、第１の実施形態と異なる点を中心に説明する。

本発明の第３の実施形態のストレス判定装置１００の機能ブロック図は第１の実施形態のストレス判定装置１００と同様である。ストレス判定装置１００は、脳電位信号取得手段２０１と、演算手段２０２とを備える。脳電位信号取得手段２０１及び演算手段２０２は、第１の実施形態のストレス判定装置１００と同様の機能を有する。

本実施形態においては、脳電位信号取得手段２０１は、第１の実施形態における電極１１１の位置とは異なる、被験者の側頭部又は後頭部の表面に更に取り付けられた３つの電極１１１を用いて被験者の脳電位信号を更に取得する。３つの電極は、被験者の側頭部又は後頭部の表面の３つの異なる位置に取り付けられたものである。脳電位信号取得手段２０１は、好ましくは、被験者の国際１０−２０法におけるＴ３、Ｃ３、Ｔ５の部位の頭部表面に取り付けられた３つの電極から脳電位信号を取得する機能を有する。本実施形態では、演算手段２０２は、以下の情報処理を行うことにより、ストレス状態を判定する。

図２８は、本発明の第３の実施形態のストレス判定装置１００のデータ処理ブロック図を示す。図に示すように、演算手段２０２（ストレス判定装置１００）は、脳電位データを取得し（Ｓ３１０１）、取得された３つの脳電位信号から脳深部の活動に起因する特定の周波数帯（好ましくはδ波帯域）の脳電位データをそれぞれ抽出し（Ｓ３１０２）、例えばＳＤ／Ｓなどの第１のストレス指標値を算出する（Ｓ３１０３）。当該情報処理は、第１の実施形態のストレス判定装置１００と同様である。上記処理とは別に、演算手段２０２は、ステップ３１０１において脳電位データを取得する位置とは異なる被験者の頭部表面から脳電位データを取得し（Ｓ３１１１）、取得された３つの脳電位信号から扁桃体の活動に起因する特定の周波数帯（好ましくはθ波帯域、例えば５〜８Ｈｚ）の脳電位データをそれぞれ抽出し（Ｓ３１１２）、ストレス指標値（第３のストレス指標値）を算出する（Ｓ３１１３）。演算手段２０２は、上記のとおり算出された２つの指標値を用いて、被験者のストレス状態を判定する（Ｓ３１２１）。

次に、ステップ３１１３における第３のストレス指標値の算出処理について説明する。演算手段２０２は、ステップ３１１２においてそれぞれ抽出された扁桃体の活動に起因する特定の周波数帯（好ましくはθ波帯域）の３つの時系列データに対して主成分分析を行う。当該主成分分析においては、３つの脳電位データの値が変数である。演算手段２０２は、主成分分析を行うことにより、第１主成分寄与率（比率）を算出する。

演算手段２０２は、第１主成分寄与率を第３のストレス指標値として定め、第１のストレス指標値及び第３のストレス指標値に基づいてストレス状態を判定する。１つの例では、一方の軸（横軸）を第３のストレス指標値、他方の軸（縦軸）を第１のストレス指標値とした２次元座標において、被験者の高ストレス状態と低ストレス状態における領域を分離することによりストレス状態を判定することができる。

ここで第３の実施形態のストレス判定装置１００の実施例を説明する前に、θ波帯域の脳電位に基づいて算出されたＰＣＡ（ＰＣＡθ）と主観評価の相関関係を示す実験について説明する。

図２９は、恐怖画像、リラックス画像、喜び画像、及び悲しみ画像を被験者５名に見せたときのアンケートのうち、高ストレス状態と考えられる「イライラした」とその対極の「リラックスした」の項目の点数と、ＰＣＡとの相関係数の関係を示す図である。図から、「イライラした」とＰＣＡは、５名中４名が正の相関、「リラックスした」とＰＣＡは、５名全員が負の相関となっていることが分かる。またＰＣＡは、高ストレス状態では高い数値に、低ストレス状態では低い数値になる傾向があることが分かる。

＜実施例＞
以下の実験結果により、第３の実施形態のストレス判定装置１００を用いて、ストレス状態を判定できることを説明する。実験の条件は、第１の実施形態の場合と同様であるが、本実験においては、第１のストレス指標値算出のためにＦ７、Ｆ８、Ｔ３の部位の頭部表面から脳電位信号を取得するとともに、第３のストレス指標値算出のためにＴ３、Ｃ３、Ｔ５の部位の頭部表面から脳電位信号を取得した。ここで、各被験者の低ストレス状態と高ストレス状態のそれぞれにおいて、扁桃体の活動に起因するθ波帯域（５〜８Ｈｚ）の３つの時系列データに対して主成分分析を行うことで第１主成分寄与率（比率）を算出し、第３のストレス指標値とする。

図３０は、被験者１８名の高ストレス状態と低ストレス状態における第１のストレス指標値（ＳＤ／Ｓ）と第３のストレス指標値（ＰＣＡθ）をプロットした図であり、一方の軸（横軸）をＰＣＡθ、他方の軸（縦軸）をＳＤ／Ｓとした２次元座標を示す。図に示すとおり、当該２次元座標において、被験者の高ストレス状態と低ストレス状態における領域を分離することにより、ストレス状態を判定することができる。１つの例では、Ｆ３＝１２．４＊ＰＣＡθ＋ＳＤ／Ｓ−２０と定め、Ｆ３＞０であれば高ストレス状態であると判定し、Ｆ３≦０であれば低ストレス状態と判定する。ただし、Ｆ３の示す式は一例であって、これに限定されない。

＜作用効果＞
このような構成とすることにより、本実施形態では、前頭部又は側頭部に取り付けられた３つの電極１１１より取得される脳電位信号から第１のストレス指標値を算出するとともに、側頭部又は後頭部に取り付けられた３つの電極１１１より取得される脳電位信号から第３のストレス指標値を算出することにより、被験者のストレス状態を判定する。これにより、被験者はストレス状態を判定したい場合に、電極１１１を６つ取り付ければよいため、被験者への負担をより低減させることが可能となる。また、脳深部の状態及び扁桃体の状態に基づいた定量的なストレス判定を行うことが可能となる。

以上に説明した処理又は動作において、矛盾が生じない限りにおいて、処理、動作及び組み合わせを自由に変更することができる。また以上に説明してきた各実施例又は実施形態は、本発明を説明するための例示であり、本発明はこれらの実施例又は実施形態に限定されるものではない。本発明は、その要旨を逸脱しない限り、種々の形態で実施することができる。また、本実施形態に記載された効果は、本発明から生じる好適な効果を列挙したに過ぎず、本発明による効果は、本実施形態に記載されたものに限定されるものではない。

１００ ストレス判定装置
１１０ 脳電位センサ
１１１ 電極
１１２ 基準電極
１１３ 頭部装着部
１１４ 固定具
１１５ プリアンプ
１１６ シールドケーブル
１１７ 導電性ゴム電極
１１８ 金属フィルム
１２０ 電子装置
１２１ 処理部
１２２ 表示部
１２３ 入力部
１２４ 記憶部
１２５ 通信部
１２６ バス
１３０ ３ｃｈ増幅器・帯域フィルタ
２０１ 脳電位信号取得手段
２０２ 演算手段
２０３ 脈拍信号取得手段

Claims (8)

1. 被験者の前頭部又は側頭部の表面の３つの異なる位置に取り付けられたセンサを用いて該被験者の脳電位信号を取得する脳電位信号取得手段と、
   前記取得された脳電位信号のそれぞれから脳深部の活動に起因する特定の周波数帯の時系列データをそれぞれ抽出し、該それぞれ抽出された時系列データの位相関係に基づいて前記取得された脳電位信号のそれぞれの相関関係を示す相関値を算出し、該相関値に基づいて前記被験者のストレス状態を判定する演算手段と、
   を備えるストレス判定装置。
2. 前記演算手段は、
   前記取り付けられたセンサＡ、Ｂ及びＣごとに抽出された時系列データをＶＡ（ｔ）、ＶＢ（ｔ）及びＶＣ（ｔ）とした場合、所定時間内に抽出されたＶＡ（ｔ）それぞれに対して、該時系列データが抽出されたサンプリング周期の所定値以下の整数倍に等しい時間である任意の時間τ１及びτ２だけ異なる時間に抽出されたＶＢ（ｔ−τ１）及びＶＣ（ｔ−τ２）を、前記所定時間内の時刻ＴにおけるＶＡ（Ｔ）とＶＢ（Ｔ−τ１）とＶＣ（Ｔ−τ２）とが同符号になる場合のτ１及びτ２の組み合わせのみ掛け合わせ、得られたそれぞれの値を加算した値を用いて相関値を算出する、請求項１に記載のストレス判定装置。
3. 前記演算手段は、
   算出される前記相関値の時間的なばらつきに基づいて指標値を算出し、
   前記相関値及び前記指標値の少なくとも一方に基づいてストレス状態を判定する、請求項２に記載のストレス判定装置。
4. 前記演算手段は、
   前記時間τ１及びτ２を軸とする座標における相関値が算出された領域の間の距離の前記τ１軸方向及び前記τ２軸方向それぞれの標準偏差に基づいて指標値を算出し、
   前記相関値及び前記指標値の少なくとも一方に基づいてストレス状態を判定する、請求項２に記載のストレス判定装置。
5. 前記ストレス判定装置は、
   前記被験者の脈拍信号を取得する脈拍信号取得手段を更に備え、
   前記演算手段は、
   前記脈拍信号から生成される脈拍間隔データに対してフーリエ変換を行うことで周波数スペクトルを算出し、該周波数スペクトルにおける第１の周波数帯域内の各周波数のスペクトル強度の合計値の、該第１の周波数帯域より高い周波数帯域であって該第１の周波数帯域とは異なる第２の周波数帯域内の各周波数のスペクトル強度の合計値に対する比率を算出し、該比率及び前記指標値に基づいてストレス状態を判定する、請求項３又は４に記載のストレス判定装置。
6. 前記脳電位信号取得手段は、
   前記被験者の側頭部又は後頭部の表面の３つの異なる位置に更に取り付けられたセンサを用いて前記被験者の脳電位信号を更に取得し、
   前記演算手段は、
   前記更に取得された脳電位信号のそれぞれから扁桃体の活動に起因する特定の周波数帯の時系列データをそれぞれ抽出し、該それぞれ抽出された時系列データに対して主成分分析を行うことにより第１主成分寄与率を算出し、該第１主成分寄与率及び前記指標値に基づいてストレス状態を判定する、請求項３又は４に記載のストレス判定装置。
7. 被験者の前頭部又は側頭部の表面の３つの異なる位置に取り付けられたセンサを用いて取得される該被験者の脳電位信号によりストレスを判定するためのプログラムであって、コンピュータに、
   前記取得された脳電位信号のそれぞれから脳深部の活動に起因する特定の周波数帯の時系列データをそれぞれ抽出するステップと、
   前記それぞれ抽出された時系列データの位相関係に基づいて前記取得された脳電位信号のそれぞれの相関関係を示す相関値を算出するステップと
   前記相関値に基づいて前記被験者のストレス状態を判定するステップと、
   を実行させるプログラム。
8. 被験者の前頭部又は側頭部の表面の３つの異なる位置に取り付けられたセンサを用いて取得される該被験者の脳電位信号によりストレスを判定するための方法であって、
   前記取得された脳電位信号のそれぞれから脳深部の活動に起因する特定の周波数帯の時系列データをそれぞれ抽出するステップと、
   前記それぞれ抽出された時系列データの位相関係に基づいて前記取得された脳電位信号のそれぞれの相関関係を示す相関値を算出するステップと
   前記相関値に基づいて前記被験者のストレス状態を判定するステップと、
   を含む方法。