JP2018202130A - 状態推定装置、情報処理装置、状態推定システム - Google Patents
状態推定装置、情報処理装置、状態推定システム Download PDFInfo
- Publication number
- JP2018202130A JP2018202130A JP2017236780A JP2017236780A JP2018202130A JP 2018202130 A JP2018202130 A JP 2018202130A JP 2017236780 A JP2017236780 A JP 2017236780A JP 2017236780 A JP2017236780 A JP 2017236780A JP 2018202130 A JP2018202130 A JP 2018202130A
- Authority
- JP
- Japan
- Prior art keywords
- frequency component
- rri
- state estimation
- subject
- signal
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Landscapes
- Measuring Pulse, Heart Rate, Blood Pressure Or Blood Flow (AREA)
- Measurement Of The Respiration, Hearing Ability, Form, And Blood Characteristics Of Living Organisms (AREA)
- Measurement And Recording Of Electrical Phenomena And Electrical Characteristics Of The Living Body (AREA)
Abstract
【解決手段】対象者の状態を推定する状態推定装置20であって、対象者から心拍に関する信号を取得するセンサとのインタフェースと、信号から心電図のR波とR波の間隔に相当するRRI信号を取得するRRI取得手段と、RRI信号を解析して心拍揺らぎ高周波成分と心拍揺らぎ低周波成分を算出する周波数成分検出手段と、高周波成分と前記低周波成分の和、及び、和に対する高周波成分の比を算出する算出手段と、和と比に基づいて対象者の状態を推定する状態推定手段と、を有する。
【選択図】図9
Description
図3は、本実施例の状態推定装置の概略的な動作を説明する図の一例である。まず、本出願人はHFr(=HF/(HF+LF))とHF+LFという指標が眠気レベルと高い相関を示すことを発見した。言葉で表すと、HFとLFの和、及び、和に対するHFの比が眠気レベルと高い相関を示す。なお、HFは心拍揺らぎ高周波成分であり、LFは心拍揺らぎ低周波成分である。そこで、図示するように、HFr及びHF+LFの組と自己申告された眠気レベルの対応を学習装置が学習することで識別器18を構築する。
対象者とは状態が推定される者をいい、この状態は対象者の様子に関するものである。例えば、生理的な状態であり、具体的には眠気、ストレス、疲れなどに関する状態が挙げられる。
図4は、状態推定装置が利用されるシーンの一例を示す図である。図4(a)は単体型の状態推定装置の一例を示している。図4(a)において状態推定装置はナビゲーション装置10の機能の一部として搭載されている。ナビゲーション装置10には有線又は無線でRRI(R-R Interval)センサ11が接続されており、RRIセンサ11が運転者の身体(図4では手首)に装着される。ナビゲーション装置10はRRI信号を解析してHFrとHF+LFを算出し、識別器で眠気レベルを推定する。眠気レベルが大きい場合、運転者が眠いと推定されるので、ナビゲーション装置10は運転者を覚醒させる制御を行う。例えば、スピーカ31から音楽を出力したり、運転者の嗜好が高い分野のニュースを出力したりする。また、アロマを噴出したり、ステアリングホイール33を振動させたり、パワーシート34を駆動したりする。
続いて、図5を用いて、学習装置50が識別器18を構築する学習フェーズのシステム構成について説明する。学習フェーズとは、機械学習における識別器18を構築するフェーズと、識別器18で状態を識別する識別フェーズのうち前者を言う。
図6はRRI信号について説明する図の一例である。図6(a)はRRIセンサ11が検出する電気信号(心電図)を模式的に示す。電気信号には、R波のピークを有するQRS波が観測される。QRS波は、心室全体を急速に興奮させるときに発生するものとされる。また、その前方のP波は、洞房結節に興奮が発生し、心房が収縮したときの波とされる。更に、QRS波の後方に現れるT波は、心室の興奮か回復するときに発生する波とされる。
図7はRRI信号にFFTが施されて得られた周波数分布スペクトルの一例を示す。横軸は周波数〔Hz〕であり、縦軸はパワー〔msec2/Hz〕である。HFはこのうち高い周波数成分をいい心拍揺らぎ高周波成分と称される。LFは低い周波数成分をいい心拍揺らぎ低周波成分と称される。HF、LFそれぞれの範囲に決まった定義はない。本実施例では一例として以下のように定義する。
HF:周波数0.15〜0.40〔Hz〕
LF:周波数0.04〜0.15〔Hz〕
具体的にはこれらの範囲で周波数分布スペクトルを積分することで、HF,LFが得られる。LFは交感神経の緊張度の度合いを表しており、LFが大きいほど緊張度が増していることになる。一方、HFは副交感神経の緊張度の度合いを表しており、HFが大きいほどリラックスしていることを意味する。
図8は学習モデルの一例であるニューラルネットワークと呼ばれるモデルを示す。図8(a)は学習フェーズのニューラルネットワークの動作を示す。入力層501には2つのノードnが用意されており、それぞれに眠気レベルの指標となるHFrとHF+LFが入力される。HF+LFは0〜1の値に正規化される(HFrはすでに0〜1以下の値になっている)。中間層502には2つのノードnが用意されており、出力層503には1つのノードnが用意されている。各ノードnの結びつきの大きさを重みwといい、入力されたHFrとHF+LFは入力層501と中間層502の間で重みwに応じた特徴量に変換され、更に、中間層502と出力層503の間で重みwに応じた特徴量に変換される。出力層503が出力する特徴量が眠気レベル1〜5である。
識別器18が構築されたので、状態推定装置20は識別器18を用いてリアルタイムに眠気レベルを算出することができる。図9は、単体型の状態推定装置20の機能をブロック状に示す機能ブロック図の一例である。状態推定装置20が車載される場合、状態推定装置20は例えばナビゲーション装置10(車載装置)である。状態推定装置20は情報処理装置の機能を有しており、情報処理装置の公知のハードウェア構成を有している。すなわち、CPU、RAM、ROM、HDD(Hard Disk Drive)、タッチパネル・ハードキー等の入力部、ディスプレイに画面を表示するディスプレイI/F、通信装置、及び、USB I/Fなどの周辺機器と接続するためI/F等を有している。
眠気レベル1…何もしない
眠気レベル2…スピーカ31から注意喚起する音、又は、運転者の嗜好が強いニュースを出力する
眠気レベル3…アロマ噴出器32から覚醒作用があるアロマを噴出する
眠気レベル4…ステアリングホイール33を振動させる
眠気レベル5…パワーシート34を前後に駆動したりリクラインニング角度を大小に変化させたりする
適宜、複数の制御を組み合わせてもよいし、運転者が眠気レベルと覚醒制御の対応を設定しておいてもよい。また、眠気レベルが大きい場合には覚醒制御部24が路肩などに車両7を停止させてもよい。
図10は、クライアントサーバ型の状態推定システム100の機能をブロック状に示す機能ブロック図の一例である。図10の説明では、主に図9との相違を説明する。図10ではナビゲーション装置10がセンサI/F12,RRI信号取得部13、信号送信部19、覚醒制御部24、及び、眠気レベル受信部23を有し、サーバ30が信号受信部21、周波数解析部14a、指標算出部14b、識別器18、及び、眠気レベル送信部22を有している。
図11は、状態推定装置20又は状態推定システム100が眠気レベルを推定する手順を示すフローチャート図の一例である。図11の処理は例えば対象者がRRIセンサ11を装着して眠気レベルの推定が開始されることでスタートする。
以下、図12〜図14を用いて、HFr及びHF+LFの機械学習により構築された識別器18の効果を説明する。図12は、HFr及びHF+LFと、識別器18が算出する眠気レベルの対応を説明する図の一例である。なお、実験は16人の被験者に対して行われたが、図12はそのうちの一人の実験結果を示す。
(1)図12(a)と自己申告された眠気レベルのグラフ201を比較すると、眠気が大きくなるとHFrは低下し、HF+LFは増加している。この傾向は、被験者16人のうち、15人で確認された。
(2)図12(b)の自己申告された眠気レベルのグラフ201と識別器18が算出した眠気レベルのグラフ202を比較すると、一致の程度が高いことが分かる。重回帰分析により得られた眠気レベルのグラフ203よりも明らかによく一致している。
y =a+b1x1+b2x2
yに自己申告の眠気レベル、x1にHFr、x2にHF+LFを入力し最小二乗法を適用することで、a,b1、b2が得られる。
y =a+bx
図13は、各分析手法の眠気レベルと自己申告の眠気レベルの平均二乗誤差(MSE)を示す図である。図13は実験条件が同じ12名分の平均二乗誤差を示す。平均二乗誤差は、下式のように予測値と実際の値の差の二乗の合計をデータ数で割ったものである。
SR1:HF+LFを独立変数、自己申告の眠気レベルを従属変数とした単回帰分析により予測値yiを算出した場合の平均二乗誤差
SR2:HFrを独立変数、自己申告の眠気レベルを従属変数とした単回帰分析により予測値yiを算出した場合の平均二乗誤差
MR:HF+LFとHFrを独立変数、自己申告の眠気レベルを従属変数とした重回帰分析により予測値yiを算出した場合の平均二乗誤差
Train:本実施例の識別器18が算出した眠気レベルと、自己申告の眠気レベルの平均二乗誤差
図13によれば12人全ての被験者において、Trainの平均二乗誤差が他の分析手法の平均二乗誤差よりも小さいことが確認できる。図13では数値までは確認できないが、実際の数値では、Trainの平均二乗誤差は他の分析手法の平均二乗誤差よりも1桁小さい。12人全ての被験者で同じように識別器18が算出した眠気レベルの精度が高いことが分かるので、本実施例の識別器18は汎化能力が高い(対象者の違いに影響されにくい)ことが分かる。
上記のように、眠気レベルの指標であるHFrとHF+LFが識別器18に入力されることで、精度が高い眠気レベルを出力できる。しかしながら、図12(a)及び図14にて説明したように、本実施例によれば、眠気レベルが増大する際はHFrが低下する傾向にあり、かつ、HF+LFが増大する傾向にあるという知見も得られた。したがって、この知見を利用して眠気の有無を判断することができる。
図16は、状態推定装置20又は状態推定システム100が眠気の有無を推定する手順を示すフローチャート図の一例である。図16の処理は例えば対象者がRRIセンサ11を装着して眠気レベルの推定が開始されることでスタートする。なお、図16の説明では主に図11との相違を説明する。ステップS10〜S80の処理は図11と同様でよい。
以上説明したように、本実施例の状態推定装置20又は状態推定システム100は、HFr及びHF+LFを指標とすることで眠気の有無を推定することができる。また、HFr及びHF+LFと自己申告の眠気レベルの対応を機械学習することで、汎化能力が高い識別器18が得られ、任意の対象者の眠気レベルを精度よく推定できる。
図18は、本実施例における単体型の状態推定装置20の機能をブロック状に示す機能ブロック図の一例である。なお、図18の説明では、図9において同一の符号を付した構成要素は同様の機能を果たすので、主に本実施例の主要な構成要素についてのみ説明する場合がある。
図19はある被験者のRRIレンジごとのHFrとLH+HFの一例を示す図である。図19(a)は全てのHFrとLH+HFの分布範囲(RRIレンジに区分されていない分布範囲)を示す。RRI信号の取り得る範囲はおよそ700から1200とされているため、図19(a)は700から1200のHFrとLH+HFの分布範囲を示す。ただし、RRI信号の下限と上限は図示するものに限られない。
図21は、状態推定装置20が眠気レベルを推定する手順を示すフローチャート図の一例である。図21の説明では、主に図11との相違を説明する。
図22は本実施例の状態推定装置20が出力する眠気レベルの精度と従来技術の精度との比較結果を示す図である。横軸は相対時間(RELATIVE TIME)、縦軸は眠気(SLEEPINESS)である。
図23は、本実施例においてクライアントサーバ型の状態推定システム100の機能をブロック状に示す機能ブロック図の一例である。図23の説明では主に図10との相違を説明する。図23のナビゲーション装置10の構成は図10と同様でよい。
指標分布DB42の作成方法について説明する。クライアントサーバ型の状態推定システム100の場合、サーバ30が、ナビゲーション装置10から送信されたRRI信号と、指標算出部14bが算出したHFrとLF+HFをRRIレベルごとに対応付けることでサーバ30が指標分布DB42を作成できる。
(i) 運転者(個人)ごとに作成
(ii) 男性用と女性用を別々に作成
(iii) 年代別に作成
これら(i)〜(iii)では更に以下のような状況別に指標分布DB42を作成してよい。
(iv) 時間帯別
(v) 曜日別
このように指標分布DB42が、分布範囲が類似すると推定される被験者の属性又は状況に応じて作成されることで、推定される眠気レベルの精度が向上することが期待される。
図25は、指標分布作成サーバ120が指標分布DB42を作成する手順を示すフローチャート図の一例である。図25(a)は状態推定装置20の処理を示し、図25(b)は指標分布作成サーバ120の処理を示す。
以上説明したように、本実施例の状態推定装置は、HFr及びHF+LFの分布範囲が変動することに着目し、RRIレンジごとのHFrとLH+HFを用意しておくことで、眠気レベルの推定精度を向上させることができる。
以上、本発明を実施するための最良の形態について実施例を用いて説明したが、本発明はこうした実施例に何等限定されるものではなく、本発明の要旨を逸脱しない範囲内において種々の変形及び置換を加えることができる。
11 RRIセンサ
14a 周波数解析部
14b 指標算出部
15 眠気レベル受付部
17 学習部
18 識別器
20 状態推定装置
100 状態推定システム
Claims (12)
- 対象者の状態を推定する状態推定装置であって、
前記対象者から心拍に関する信号を取得するセンサとのインタフェースと、
前記信号から心電図のR波とR波の間隔に相当するRRI信号を取得するRRI取得手段と、
前記RRI信号を解析して心拍揺らぎ高周波成分と心拍揺らぎ低周波成分を算出する周波数成分検出手段と、
前記高周波成分と前記低周波成分の和、及び、前記和に対する前記高周波成分の比を算出する算出手段と、
前記和と前記比に基づいて前記対象者の状態を推定する状態推定手段と、
を有する状態推定装置。 - 前記状態推定手段は、前記和及び前記比を入力とし、自己申告の状態レベルを教師信号とする機械学習により構築され、前記和及び前記比から状態レベルを算出する手段であることを特徴とする請求項1に記載の状態推定装置。
- 前記状態推定手段は、前記和が第1閾値を超え、かつ、前記比が第2閾値を下回った場合に、前記対象者に眠気があると判断することを特徴とする請求項1又は2に記載の状態推定装置。
- 前記状態推定手段は、複数の被験者から検出された前記和及び前記比を入力とし、前記被験者の自己申告の眠気レベルを教師信号とする機械学習により構築され、
任意の対象者から検出された前記和及び前記比に基づいて前記任意の対象者の眠気レベルを算出する手段であることを特徴とする請求項2に記載の状態推定装置。 - 前記状態推定手段は、前記対象者の状態として、前記対象者の眠気レベル、前記対象者のストレスレベル、又は、前記対象者の疲れレベルを推定することを特徴とする請求項2に記載の状態推定装置。
- 前記RRI信号のレンジごとに予め取得しておいた前記高周波成分及び前記低周波成分の分布データが登録されたレンジ別周波数情報を参照し、前記RRI取得手段が取得した前記RRI信号が属する前記レンジの前記分布データを選択する選択手段と、
前記選択手段が選択した前記分布データで、前記周波数成分検出手段が検出した前記高周波成分と前記低周波成分の和、及び、前記和に対する前記高周波成分の比を正規化する正規化手段と、を有し、
前記状態推定手段は、前記正規化手段が正規化した前記和と前記比に基づいて前記対象者の状態を推定することを特徴とする請求項1〜5のいずれか1項に記載の状態推定装置。 - 対象者の属性又は状況に応じて作成された前記レンジ別周波数情報を取得する取得手段を有し、
前記選択手段は前記対象者の属性又は状況に応じた前記レンジ別周波数情報を選択することを特徴とする請求項6に記載の状態推定装置。 - 請求項1〜7のいずれか1項に記載された前記状態推定装置を有し、
前記状態推定装置は車両の運転者の眠気レベルを推定することを特徴とする情報処理装置。 - 前記状態推定装置が推定した車両の運転者の眠気レベルに応じて、運転者を覚醒させるための制御を行う覚醒制御手段を有することを特徴とする請求項8に記載の情報処理装置。
- 車両の周辺の道路地図をディスプレイに表示すると共に、
第1の地点から第2の地点までの経路を案内するナビゲーションの機能を有することを特徴とする請求項8又は9に記載の情報処理装置。 - 第一の情報処理装置と第二の情報処理装置が通信して対象者の状態を推定する状態推定システムであって、
前記第一の情報処理装置又は前記第二の情報処理装置の少なくとも一方が、
前記対象者から心拍に関する信号を取得するセンサとのインタフェースと、
前記信号から心電図のR波とR波の間隔に相当するRRI信号を取得するRRI取得手段と、
前記RRI信号を解析して心拍揺らぎ高周波成分と心拍揺らぎ低周波成分を算出する周波数成分検出手段と、
前記高周波成分と前記低周波成分の和、及び、前記和に対する前記高周波成分の比を算出する算出手段と、
前記和と前記比に基づいて前記対象者の状態を推定する状態推定手段と、
を有する状態推定システム。 - 対象者の状態を推定する状態推定装置であって、
前記対象者から心拍に関する信号を取得するセンサとのインタフェースと、
前記信号から心電図のR波とR波の間隔に相当するRRI信号を取得するRRI取得手段と、
前記RRI信号を解析して心拍揺らぎ高周波成分と心拍揺らぎ低周波成分を算出する周波数成分検出手段と、
前記RRI信号のレンジごとに予め取得しておいた前記高周波成分及び前記低周波成分の分布データが登録されたレンジ別周波数情報を参照し、前記RRI取得手段が取得した前記RRI信号が属する前記レンジの前記分布データを選択する選択手段と、
前記選択手段が選択した前記分布データを用いて、前記周波数成分検出手段が検出した前記高周波成分と前記高周波成分、又は、前記低周波成分と前記高周波成分から算出された情報を正規化する正規化手段と、
前記正規化手段が正規化した前記低周波成分と前記高周波成分を用いて前記対象者の状態を推定する状態推定手段と、
を有する状態推定装置。
Applications Claiming Priority (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2017106908 | 2017-05-30 | ||
JP2017106908 | 2017-05-30 |
Publications (1)
Publication Number | Publication Date |
---|---|
JP2018202130A true JP2018202130A (ja) | 2018-12-27 |
Family
ID=64954701
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2017236780A Pending JP2018202130A (ja) | 2017-05-30 | 2017-12-11 | 状態推定装置、情報処理装置、状態推定システム |
Country Status (1)
Country | Link |
---|---|
JP (1) | JP2018202130A (ja) |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2020184627A1 (ja) * | 2019-03-11 | 2020-09-17 | 京セラ株式会社 | 睡眠推定システム、睡眠推定装置、および睡眠推定方法 |
WO2020230942A1 (ko) * | 2019-05-13 | 2020-11-19 | 주식회사 엔에프 | 테라피 시스템, 이를 포함하는 베드 시스템, 및 테라피 시스템의 동작 방법 |
WO2021100265A1 (ja) * | 2019-11-18 | 2021-05-27 | 株式会社東海理化電機製作所 | 学習装置、学習方法、および測定装置 |
JPWO2022054834A1 (ja) * | 2020-09-08 | 2022-03-17 | ||
KR20230059834A (ko) | 2020-10-02 | 2023-05-03 | 코니카 미놀타 가부시키가이샤 | 생체 상태 진단 시스템 |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2006150065A (ja) * | 2004-11-26 | 2006-06-15 | Medicore Co Ltd | 自律神経検査装置 |
JP2008000497A (ja) * | 2006-06-26 | 2008-01-10 | Xanavi Informatics Corp | 機器制御装置 |
JP2009172292A (ja) * | 2008-01-28 | 2009-08-06 | Toyota Motor Corp | 人の状態推定装置 |
KR100954817B1 (ko) * | 2009-03-13 | 2010-04-28 | (주)바이오센스크리에티브 | 맥파신호분석을 이용한 혈관건강 및 스트레스 검사시스템 및 방법 |
JP2014012042A (ja) * | 2012-07-03 | 2014-01-23 | Fujitsu Ltd | 眠気判定方法、装置及びプログラム |
JP2016120063A (ja) * | 2014-12-25 | 2016-07-07 | 東芝情報システム株式会社 | 眠気推定装置及び眠気推定プログラム |
JP2016182242A (ja) * | 2015-03-26 | 2016-10-20 | パイオニア株式会社 | 眠気算出装置 |
-
2017
- 2017-12-11 JP JP2017236780A patent/JP2018202130A/ja active Pending
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2006150065A (ja) * | 2004-11-26 | 2006-06-15 | Medicore Co Ltd | 自律神経検査装置 |
JP2008000497A (ja) * | 2006-06-26 | 2008-01-10 | Xanavi Informatics Corp | 機器制御装置 |
JP2009172292A (ja) * | 2008-01-28 | 2009-08-06 | Toyota Motor Corp | 人の状態推定装置 |
KR100954817B1 (ko) * | 2009-03-13 | 2010-04-28 | (주)바이오센스크리에티브 | 맥파신호분석을 이용한 혈관건강 및 스트레스 검사시스템 및 방법 |
JP2014012042A (ja) * | 2012-07-03 | 2014-01-23 | Fujitsu Ltd | 眠気判定方法、装置及びプログラム |
JP2016120063A (ja) * | 2014-12-25 | 2016-07-07 | 東芝情報システム株式会社 | 眠気推定装置及び眠気推定プログラム |
JP2016182242A (ja) * | 2015-03-26 | 2016-10-20 | パイオニア株式会社 | 眠気算出装置 |
Cited By (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2020184627A1 (ja) * | 2019-03-11 | 2020-09-17 | 京セラ株式会社 | 睡眠推定システム、睡眠推定装置、および睡眠推定方法 |
JPWO2020184627A1 (ja) * | 2019-03-11 | 2020-09-17 | ||
WO2020230942A1 (ko) * | 2019-05-13 | 2020-11-19 | 주식회사 엔에프 | 테라피 시스템, 이를 포함하는 베드 시스템, 및 테라피 시스템의 동작 방법 |
KR20200130895A (ko) * | 2019-05-13 | 2020-11-23 | 주식회사 엔에프 | 테라피 시스템, 이를 포함하는 베드 시스템, 및 테라피 시스템의 동작 방법 |
KR102279040B1 (ko) * | 2019-05-13 | 2021-07-19 | 주식회사 엔에프 | 테라피 시스템, 이를 포함하는 베드 시스템, 및 테라피 시스템의 동작 방법 |
WO2021100265A1 (ja) * | 2019-11-18 | 2021-05-27 | 株式会社東海理化電機製作所 | 学習装置、学習方法、および測定装置 |
JP2021078682A (ja) * | 2019-11-18 | 2021-05-27 | 株式会社東海理化電機製作所 | 学習装置、学習方法、および測定装置 |
JP7458170B2 (ja) | 2019-11-18 | 2024-03-29 | 株式会社東海理化電機製作所 | 学習装置、学習方法、および測定装置 |
JPWO2022054834A1 (ja) * | 2020-09-08 | 2022-03-17 | ||
WO2022054834A1 (ja) * | 2020-09-08 | 2022-03-17 | ダイキン工業株式会社 | 移動体制御方法及び装置 |
KR20230059834A (ko) | 2020-10-02 | 2023-05-03 | 코니카 미놀타 가부시키가이샤 | 생체 상태 진단 시스템 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108366732B (zh) | 困倦起始检测 | |
JP2018202130A (ja) | 状態推定装置、情報処理装置、状態推定システム | |
US9655559B2 (en) | Automated sleep staging using wearable sensors | |
JP5920364B2 (ja) | 情報処理装置、代表波形生成方法および代表波形生成プログラム | |
JP6515670B2 (ja) | 睡眠深度推定装置、睡眠深度推定方法、およびプログラム | |
KR101749706B1 (ko) | 사용자 장치를 사용하여 획득된 상황 정보 및 생체 정보를 기반으로 사용자의 감정을 예측하는 방법 및 시스템 | |
JP6388824B2 (ja) | 感情情報推定装置、感情情報推定方法及び感情情報推定プログラム | |
KR20180010062A (ko) | 생체신호의 특징 추출 장치 및 방법과, 생체정보 검출 장치 | |
JP2016073527A (ja) | 睡眠状態判定装置、睡眠状態判定方法および睡眠管理システム | |
JP2018064900A (ja) | 眠気判定装置および眠気判定方法並びに運転支援装置 | |
JP6379656B2 (ja) | 眠気検知装置、眠気検知方法および眠気検知プログラム | |
JP2017064364A (ja) | 生体状態推定装置、生体状態推定方法及びコンピュータプログラム | |
CN111698939B (zh) | 生成与外部对象相关联的心率波动信息的方法及其设备 | |
JP2018191780A (ja) | 状態推定装置、情報処理装置、状態推定システム | |
US20160206230A1 (en) | Period estimation apparatus, period estimation method and storage medium | |
JP2016047305A (ja) | 意識状態推定装置及びプログラム | |
JP2017124014A (ja) | 眠気検知プログラム、眠気検知方法および眠気検知装置 | |
JP6932351B2 (ja) | 睡眠段階判定装置、睡眠段階判定方法及びプログラム | |
WO2013140585A1 (ja) | 状態推定装置 | |
US20220125376A1 (en) | Sleep apnea syndrome determination apparatus, sleep apnea syndrome determination method, and sleep apnea syndrome determination program | |
JP2016036540A (ja) | 覚醒度判定プログラムおよび覚醒度判定装置 | |
WO2018190190A1 (ja) | 眠気推定装置 | |
JP5962751B2 (ja) | 覚醒度判定装置、覚醒度判定プログラムおよび覚醒度判定方法 | |
WO2022101990A1 (ja) | 疲労度推定装置、疲労度推定方法、及びコンピュータ読み取り可能な記録媒体 | |
Kher et al. | RPCA-based detection and quantification of motion artifacts in ECG signals |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
RD01 | Notification of change of attorney |
Free format text: JAPANESE INTERMEDIATE CODE: A7426 Effective date: 20171212 |
|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20200827 |
|
A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20210706 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20210720 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20210825 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20211124 |
|
A02 | Decision of refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A02 Effective date: 20220524 |