JP2020188947A - 状態判定装置、状態判定方法及びコンピュータプログラム - Google Patents
状態判定装置、状態判定方法及びコンピュータプログラム Download PDFInfo
- Publication number
- JP2020188947A JP2020188947A JP2019095947A JP2019095947A JP2020188947A JP 2020188947 A JP2020188947 A JP 2020188947A JP 2019095947 A JP2019095947 A JP 2019095947A JP 2019095947 A JP2019095947 A JP 2019095947A JP 2020188947 A JP2020188947 A JP 2020188947A
- Authority
- JP
- Japan
- Prior art keywords
- information
- questionnaire
- state
- physiological
- answer
- 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
Images
Classifications
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/16—Devices for psychotechnics; Testing reaction times ; Devices for evaluating the psychological state
- A61B5/165—Evaluating the state of mind, e.g. depression, anxiety
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/0002—Remote monitoring of patients using telemetry, e.g. transmission of vital signals via a communication network
- A61B5/0004—Remote monitoring of patients using telemetry, e.g. transmission of vital signals via a communication network characterised by the type of physiological signal transmitted
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/02—Detecting, measuring or recording pulse, heart rate, blood pressure or blood flow; Combined pulse/heart-rate/blood pressure determination; Evaluating a cardiovascular condition not otherwise provided for, e.g. using combinations of techniques provided for in this group with electrocardiography or electroauscultation; Heart catheters for measuring blood pressure
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/90—Details of database functions independent of the retrieved data types
- G06F16/906—Clustering; Classification
-
- G—PHYSICS
- G09—EDUCATION; CRYPTOGRAPHY; DISPLAY; ADVERTISING; SEALS
- G09B—EDUCATIONAL OR DEMONSTRATION APPLIANCES; APPLIANCES FOR TEACHING, OR COMMUNICATING WITH, THE BLIND, DEAF OR MUTE; MODELS; PLANETARIA; GLOBES; MAPS; DIAGRAMS
- G09B7/00—Electrically-operated teaching apparatus or devices working with questions and answers
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
- G16H10/00—ICT specially adapted for the handling or processing of patient-related medical or healthcare data
- G16H10/20—ICT specially adapted for the handling or processing of patient-related medical or healthcare data for electronic clinical trials or questionnaires
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
- G16H50/00—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics
- G16H50/70—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for mining of medical data, e.g. analysing previous cases of other patients
Landscapes
- Engineering & Computer Science (AREA)
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Medical Informatics (AREA)
- Public Health (AREA)
- General Health & Medical Sciences (AREA)
- Biomedical Technology (AREA)
- Pathology (AREA)
- Surgery (AREA)
- Veterinary Medicine (AREA)
- Animal Behavior & Ethology (AREA)
- Molecular Biology (AREA)
- Heart & Thoracic Surgery (AREA)
- Biophysics (AREA)
- General Physics & Mathematics (AREA)
- Databases & Information Systems (AREA)
- Data Mining & Analysis (AREA)
- Educational Technology (AREA)
- Physiology (AREA)
- Business, Economics & Management (AREA)
- Educational Administration (AREA)
- Epidemiology (AREA)
- Primary Health Care (AREA)
- Psychiatry (AREA)
- General Engineering & Computer Science (AREA)
- Cardiology (AREA)
- Computer Networks & Wireless Communication (AREA)
- Social Psychology (AREA)
- Psychology (AREA)
- Hospice & Palliative Care (AREA)
- Child & Adolescent Psychology (AREA)
- Developmental Disabilities (AREA)
- Measurement Of The Respiration, Hearing Ability, Form, And Blood Characteristics Of Living Organisms (AREA)
- Medical Treatment And Welfare Office Work (AREA)
Abstract
Description
人状態は主に2つの要因で変化する。1つ目は、外的刺激に対して人の内部で起きる神経応答に基づく変化である。2つ目は、後天的な学習により獲得された経験に基づく変化である。
状態判定装置1は、バスで接続されたCPU(Central Processing Unit)等のプロセッサやメモリや記憶部100などを備え、プログラムを実行する。状態判定装置1は、プログラムの実行によって、取得部101、クラスタリング部102、状態関係情報取得部103、所属条件取得部104、所属クラスタ推定部105、状態情報取得部106、状態判定部107、更新判定部108、第1更新部109、第2更新部110及び出力部111を備える装置として機能する。
第1アンケートの質問事項は、回答者の状態に関する質問事項を含む。第1アンケート情報は、第1アンケートの質問事項に対する回答者の回答を示す情報である。第1アンケートの質問事項は、例えば、性格診断のための質問であってもよい。この場合、第1アンケート情報は、性格診断のための質問に対する回答者の回答を示す情報である。第1アンケート情報は、コンピュータが読み取り可能な形式で第1アンケートに対する回答者の回答を示せば、どのような形式で第1アンケートに対する回答者の回答を示してもよい。第1アンケート情報は、例えば、第1アンケートに対する回答者の回答を示す値であってもよい。第1アンケートに対する回答者の回答を示す値は、例えば、第1アンケートに対する回答者の回答がイエスである場合に1であって、第1アンケートに対する回答者の回答がノーである場合に0であってもよい。第1アンケート情報は、第1アンケートに対する回答者の回答をVAS(Visual Analogue Scale)で示してもよい。
なお、第1生理情報は、第1アンケートに回答している時に第1アンケートの回答者から取得される生理状態に関する情報であってもよい。
なお、第2生理情報は、第2アンケートに回答している時に第2アンケートの回答者から取得される生理状態に関する情報であってもよい。
第2生理状態及び第2アンケートの質問事項は、後述するクラスタリング部102のクラスタリング結果であるクラスタに、第2生理情報及び第2アンケート情報の提供者を分類可能な情報である。
ここで、個性を示さない情報と個性を示す情報とについて詳細に説明する。上述したように、第1生理情報及び第1アンケート情報はそれぞれ単独では個性を示さないが、組合せによって個性を示す情報である。以下、第1生理情報が心拍であって第1アンケート情報が快又は不快の度合を示す値である場合を例に個性を示す情報を説明する。心拍は、一般に、第1生理情報の提供者に不快な刺激が与えられた時に低下する傾向を示す。例えば、3秒間で10拍/分程度の低下を示す。そのため、「3秒間で10拍/分低下した」という事象は、人に依らず起きることである。また、「度合が80程度の不快を感じた」という事象や「度合が70程度の眠たさである」という事象もまた、人に依らず生じる事象である。このように、第1生理情報と第1アンケート情報とは、それぞれは、個性を示さない情報である。しかしながら、「度合が80の時に、心拍が3秒間で10拍/分低下する」という事象は生じない人も生じる人もいる。そのため、個人差がある事象である。
後述するクラスタリング部102は、上記個人差がある事象に応じて、第1生理情報及び第1アンケート情報の提供者をクラスタリングする。
第2アンケート情報は第2生理情報として取得することはできない情報であって、例えば、人の認知能力や、感情への感受性、気分の特性、行動の特性、他人への共感能力、現象を説明する論理的認知能力等の個人差が表れる情報である。このように、第2アンケート情報は、生理状態を示す情報以外の個性を示す情報である。ここまでで、個性を示さない情報と個性を示す情報とについての詳細な説明を終了する。
所定の手法とは、対象とする人の状態を推定可能な手法であればどのような手法でもよく、例えば、機械学習である決定木、ランダムフォレスト、サポートベクター、ディープラーニングなどの回帰や分類であってもよい。
状態関係情報取得部103において、所定の手法が機械学習の手法である場合、例えば、目的変数は第1アンケート情報であり、説明変数は第2生理情報又は第2アンケート情報である。
以下、説明の簡単のため状態関係情報は状態式であると仮定する。また、以下、説明の簡単のため状態式は、式(1)で表される状態多項式であると仮定する。
所定の手法とは、対象とする人の状態を推定可能な手法であればどのような手法でもよく、例えば、機械学習である決定木、ランダムフォレスト、サポートベクター、ディープラーニングなどの回帰や分類であってもよい。
所属条件取得部104において、所定の手法が機械学習の手法である場合、例えば、目的変数はクラスタリング部102が決定したクラスタであり、説明変数は第2生理情報又は第2アンケート情報である。
以下、所属クラスタ推定部105が推定したクラスタに対応する状態関係情報を、対応クラスタ状態関係情報という。所属クラスタ推定部105が推定したクラスタに対応する状態関係情報とは、状態関係情報取得部103が取得した状態関係情報のうち、所属クラスタ推定部105が推定したクラスタに対して取得された状態関係情報である。
状態情報取得部106は、例えば、対応クラスタ状態式に対して判定対象者の第1生理値を代入し、代入結果を状態値として取得する。
状態情報が判定対象者の状態を示す情報であることから、状態情報取得部106が取得する状態情報は、判定対象者による第1アンケートの回答の推定結果である。このことから、状態情報取得部106が状態情報を取得するとは、状態情報取得部106が第1アンケートに対する判定対象者の回答を推定することを意味する。
第1更新部109は、更新に際して、例えば、状態情報が状態式である場合、対応クラスタ状態式の係数の値を更新する。
取得部101が複数の母集団形成者が提供した第1生理情報、第1アンケート情報、第2生理情報及び第2アンケート情報を取得する(ステップS201)。取得部101は、取得部101に複数の母集団形成者が提供した第1生理情報、第1アンケート情報、第2生理情報及び第2アンケート情報が入力されることで、第1生理情報、第1アンケート情報、第2生理情報及び第2アンケート情報を取得する。
ステップS210の処理が実行された次に、ステップS203の処理に戻る。
以下、状態判定装置1が、状態関係情報を取得する処理を状態関係情報取得処理という。状態関係情報取得処理は、ステップS203の処理である。以下、状態判定装置1が所属条件を取得する処理を所属条件取得処理という。所属条件取得処理は、ステップS204の処理である。
図4は、実施形態の状態判定装置1が取得する所属条件の精度を示す実験結果の一例を示す図である。所属条件の精度とは、第2生理情報、第2アンケート情報及び所属条件に基づいて判定された提供者の所属するクラスタが、クラスタリング部102によって所属すると判定されたクラスタと一致する確率である。精度が高いほど、一致する確率が高いことを示す。
図4の横軸は、クラスタリング部102によって生成されたクラスタの数を示す。図4の縦軸は、所属条件の精度を示す。図4において所属条件の精度は1が最大値である。すなわち、図4において所属条件の精度が1である場合、第2アンケート情報及び所属条件に基づいて判定された提供者の所属するクラスタは、クラスタリング部102によって所属すると判定されたクラスタと必ず一致する。
図4は、クラスタリング部102によって生成されたクラスタの数が5以下である場合には、所属条件の精度が0.7以上であって精度が高いことを示す。
図5(A)〜(E)はそれぞれ、被験者の男性14名うち“Sub1”、“Sub11”、“Sub17”、“Sub20”、“Sub27”の識別子が割り当てられた各人に対するPVTテスト実施直後の実験者自身の主観評価結果である。
図5(A)〜(E)において横軸は、試行経過時間を表す。図5(A)〜(E)において、縦軸は、主観眠気値を表す。主観眠気値は、第1アンケート情報が示す値の1つであって、値が大きいほど被験者は眠いと感じていることを表す。
図5(A)〜(E)の各図は、1日目の実験結果と2日目の実験結果と3日目の実験結果とを示す。
図6(A)〜(E)はそれぞれ、被験者の男性14名うち“Sub2”、“Sub4”、“Sub6”、“Sub7”、“Sub9”の識別子が割り当てられた各人に対するPVTテスト実施直後の実験者自身の主観評価結果である。
図6(A)〜(E)において横軸は、試行経過時間を表す。図6(A)〜(E)において、縦軸は、主観眠気値を表す。
図6(A)〜(E)の各図は、1日目の実験結果と2日目の実験結果と3日目の実験結果とを示す。
図7(A)〜(D)はそれぞれ、被験者の男性14名うち“Sub12”、“Sub19”、“Sub21”、“Sub29”の識別子が割り当てられた各人に対するPVTテスト実施直後の実験者自身の主観評価結果である。
図7(A)〜(D)において横軸は、時間を表す。図7(A)〜(D)において、縦軸は、主観眠気値を表す。
図7(A)〜(D)の各図は、1日目の実験結果と2日目の実験結果と3日目の実験結果とを示す。
図8は、図5〜図7に示す実験結果に基づいてBayzian−FDAの手法を用い、クラスタ数k=1〜8で、状態判定装置1がクラスタリングを行った結果を示す。図8は、図5〜図7に示す実験結果に基づいてBayzian−FDAの手法におけるk=1〜8で状態判定装置1がクラスタリングを行った結果、ベイジアン尤度BICがk=2において最小値であったことを示す。Bayzian−FDAにおけるkは、クラスタ数を意味する。
図9は、図6(C)が示す実験結果に基づいて、状態判定装置1が“Sub6”の被験者に対して状態情報取得処理を実行した結果を示す。図9は、横軸3日目のPVT試行の経過時間を表す。図9は、縦軸が眠気値を表す。眠気値は、状態値の1つであって、値が大きいほど眠気が強いことを示す。眠気値はSub6の主観評価値であり、緑線はSub6を除く全被験者から学習した関係式を用いた推定結果を示す。図9は、状態予測推定の相関係数R2が0.41であることを示す。
図10は、状態判定装置1が、図6(C)が示す実験結果の半分の結果を図6(C)が示す実験結果にさらにくわえて、“Sub6”の被験者に対する状態情報取得処理を実行した結果を示す。図10は、横軸が3日目のPVT試行を表す。図10は、縦軸が眠気値を表す。眠気値はSub6の申告値であり、緑線はSub6が属するクラスタ内被験者からSub6を除いた被験者から学習した関係式を用いた推定結果を示す。図10は、状態予測推定の相関係数R2が0.57であることを示す。
ここまでで図9及び図10についての説明を終了する。
PVTテストに準ずる単純タスクにおける第2生理情報は、PVTテストに準ずる単純タスクを実行する被験者の複数の日に渡る生理状態の情報である。PVTテストに準ずる単純タスクは、朝、昼、晩等の日常生活の中で眠気の異なる時間帯に短時間に数回実行された。PVTテストに準ずる単純タスクは、安静状態で実行された。
被験者から取得される第2生理情報は、心電図のHR、CSI、CVI及びHF/(LF+HF)と、脈波と、瞳孔径と、頭部の動きとであった。
ここまでで、図5〜図10の実験結果の説明を終了する。
ここまでで、図2の実験結果を取得した際の実験の詳細についての説明を終了する。
図11の横軸は、被験者を表す。図11の縦軸は、状態予測推定の相関係数R2の値を示す。図11は、被験者ごとに、従来の装置における状態予測推定の相関係数R2の値と、状態判定装置1における状態予測推定の相関係数R2の値とを示す。図11は、従来の装置では、状態予測推定の相関係数R2の平均値が0.45であることを示す。図11は、状態判定装置1では、状態予測推定の相関係数R2の平均値が0.51であることを示す。図11は、個人差はあるものの、大多数の被験者において、従来の装置よりも状態判定装置1の方が、状態予測推定の相関係数R2の値が大きいことを示す。
なお、第1生理情報、第2生理情報、第1アンケート情報及び第2アンケート情報は、状態判定装置1の判定の目的となる状態が有意な差として変化する状況において取得された情報であることが望ましい。
例えば、判定の目的となる状態が眠気である場合には、第1生理情報、第2生理情報、第1アンケート情報及び第2アンケート情報は、朝、昼、晩等の日常生活の中で眠気の異なる時間帯に取得されることが望ましい。
また、大きな負荷が与えられると、被験者の生理状態は、大きな負荷によって複雑に変化してしまう場合がある。そのため、第1生理情報及び第2生理情報は、大きな負荷が被験者に与えられた後に取得された情報ではないことが望ましい。例えば、判定の目的となる状態が人の快・不快である場合には、第1生理情報及び第2生理情報と第1アンケート情報及び第2アンケート情報とは、人が快や不快と感じる刺激を提供者が感じたときに取得されることが望ましい。人が快や不快と感じる刺激とは、例えば、画像、音楽、触覚、匂い、味である。また第1生理情報及び第2生理情報と第1アンケート情報及び第2アンケート情報とは、快から不快まで様々な刺激の情報が取得されることが望ましい。またその刺激の負荷は小さな負荷から大きな負荷であっても良い。
なお、所属条件は必ずしも第2生理情報及び第2アンケート情報の両方に基づく条件でなくてもよい。この場合、取得部101は、第2生理情報又は第2アンケート情報のうち、所属条件が基づく情報だけを取得してもよい。すなわち、取得部101は、第2生理情報だけを取得してもよいし、第2アンケート情報だけを取得してもよい。
Claims (5)
- 回答が回答者の個性を示さないアンケートを第1アンケートとし、回答が回答者の個性を示すアンケートを第2アンケートとして、前記第1アンケートに対する回答者の回答を示す情報である第1アンケート情報と、前記第1アンケートの回答者の生理状態を示す情報であって前記第1アンケートの回答者の個性を示さない情報である第1生理情報と、前記第2アンケートに対する回答者の回答を示す情報である第2アンケート情報と、前記第2アンケートの回答者の生理状態を示す情報であって前記第2アンケートの回答者の個性を示す情報である第2生理情報と、のうち、判定の対象となる判定対象者について、前記第1生理情報と、第2生理情報又は前記第2アンケート情報とを取得する取得部と、
前記第2生理情報又は前記第2アンケート情報と、前記第2生理情報又は前記第2アンケート情報に基づく所属条件とに基づいて、前記判定対象者が、回答者の母集団を形成する複数のクラスタのいずれに所属するかを推定する所属クラスタ推定部と、
前記複数のクラスタのそれぞれに予め定められる前記第1アンケート情報と前記第1生理情報との関係を示す状態関係情報であって前記所属クラスタ推定部の推定結果に対応する前記状態関係情報と、前記判定対象者が提供する前記第1生理情報と、に基づいて、前記第1アンケートに対する前記判定対象者の回答を推定する回答推定部と、
前記回答推定部が推定した前記回答に基づいて、前記判定対象者の状態を判定する状態判定部と、
を備え、
前記第1生理情報と前記第1アンケート情報とは、前記第1生理情報と前記第1アンケート情報とを組合せた情報が個性を示す情報である、
状態判定装置。 - 前記母集団を構成する人を母集団形成者として、複数の前記母集団形成者が提供する第1生理情報及び第1アンケート情報に基づいて、前記クラスタごとの状態関係情報を取得する状態関係情報取得部と、
前記回答推定部が推定した前記回答に関する所定の条件である更新条件が満たされる場合に、前記回答と、前記判定対象者が提供する前記第1生理情報とに基づいて前記状態関係情報を更新する第1更新部と、
をさらに備える請求項1に記載の状態判定装置。 - 前記複数の母集団形成者の前記第1生理情報及び前記第1アンケート情報に基づいて前記母集団形成者を複数のクラスタに分類するクラスタリング部と、
前記更新条件が満たされる場合に、前記複数の母集団形成者の前記第1生理情報及び前記第1アンケート情報と、前記判定対象者の前記第1生理情報と、前記所属クラスタ推定部の推定結果に対応する前記状態関係情報とに基づいて、前記クラスタリング部に前記母集団形成者及び前記判定対象者を複数のクラスタに分類させる第2更新部と、
をさらに備える請求項2に記載の状態判定装置。 - 回答が回答者の個性を示さないアンケートを第1アンケートとし、回答が回答者の個性を示すアンケートを第2アンケートとして、前記第1アンケートに対する回答者の回答を示す情報である第1アンケート情報と、前記第1アンケートの回答者の生理状態を示す情報であって前記第1アンケートの回答者の個性を示さない情報である第1生理情報と、前記第2アンケートに対する回答者の回答を示す情報である第2アンケート情報と、前記第2アンケートの回答者の生理状態を示す情報であって前記第2アンケートの回答者の個性を示す情報である第2生理情報と、のうち、判定の対象となる判定対象者について、前記第1生理情報と、第2生理情報又は前記第2アンケート情報とを取得する取得ステップと、
前記第2生理情報又は前記第2アンケート情報と、前記第2生理情報又は前記第2アンケート情報に基づく所属条件とに基づいて、前記判定対象者が、回答者の母集団を形成する複数のクラスタのいずれに所属するかを推定する所属クラスタ推定ステップと、
前記複数のクラスタのそれぞれに予め定められる前記第1アンケート情報と前記第1生理情報との関係を示す状態関係情報であって前記所属クラスタ推定ステップにおける推定結果に対応する前記状態関係情報と、前記判定対象者が提供する前記第1生理情報と、に基づいて、前記第1アンケートに対する前記判定対象者の回答を推定する回答推定ステップと、
前記回答推定ステップにおいて推定された前記回答に基づいて、前記判定対象者の状態を判定する状態判定ステップと、
を有し、
前記第1生理情報と前記第1アンケート情報とは、前記第1生理情報と前記第1アンケート情報とを組合せた情報が個性を示す情報である、
状態判定方法。 - 請求項1から3のいずれか一項に記載の状態判定装置としてコンピュータを機能させるためのコンピュータプログラム。
Priority Applications (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2019095947A JP2020188947A (ja) | 2019-05-22 | 2019-05-22 | 状態判定装置、状態判定方法及びコンピュータプログラム |
US15/930,479 US20200372818A1 (en) | 2019-05-22 | 2020-05-13 | State determination apparatus, state determination method, and computer program |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2019095947A JP2020188947A (ja) | 2019-05-22 | 2019-05-22 | 状態判定装置、状態判定方法及びコンピュータプログラム |
Publications (1)
Publication Number | Publication Date |
---|---|
JP2020188947A true JP2020188947A (ja) | 2020-11-26 |
Family
ID=73453097
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2019095947A Pending JP2020188947A (ja) | 2019-05-22 | 2019-05-22 | 状態判定装置、状態判定方法及びコンピュータプログラム |
Country Status (2)
Country | Link |
---|---|
US (1) | US20200372818A1 (ja) |
JP (1) | JP2020188947A (ja) |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH0428338A (ja) * | 1990-04-25 | 1992-01-30 | Shiseido Co Ltd | ストレス度判定装置 |
US20100292545A1 (en) * | 2009-05-14 | 2010-11-18 | Advanced Brain Monitoring, Inc. | Interactive psychophysiological profiler method and system |
JP2016538898A (ja) * | 2013-10-09 | 2016-12-15 | レスメッド センサー テクノロジーズ リミテッド | 疲労モニタリング及び管理システム |
JP2018097479A (ja) * | 2016-12-09 | 2018-06-21 | 株式会社U’eyes Design | 運転支援装置、運転支援方法、運転支援プログラム、及び運転支援システム |
JP2018147167A (ja) * | 2017-03-03 | 2018-09-20 | 西川産業株式会社 | 睡眠環境検出システム及び睡眠環境検出方法 |
Family Cites Families (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20020116227A1 (en) * | 2000-06-19 | 2002-08-22 | Dick Richard S. | Method and apparatus for requesting, retrieving, and obtaining de-identified medical informatiion |
US20040116779A1 (en) * | 2002-12-13 | 2004-06-17 | Bien Denise Jean | Method and tool for determining a physical or emotional state of a person |
US20150339363A1 (en) * | 2012-06-01 | 2015-11-26 | Next Integrative Mind Life Sciences Holding Inc. | Method, system and interface to facilitate change of an emotional state of a user and concurrent users |
US9896100B2 (en) * | 2015-08-24 | 2018-02-20 | International Business Machines Corporation | Automated spatial separation of self-driving vehicles from other vehicles based on occupant preferences |
CN111742560B (zh) * | 2017-09-29 | 2022-06-24 | 华纳兄弟娱乐公司 | 向用户提供影视内容的方法和装置 |
US11682474B2 (en) * | 2018-12-12 | 2023-06-20 | International Business Machines Corporation | Enhanced user screening for sensitive services |
-
2019
- 2019-05-22 JP JP2019095947A patent/JP2020188947A/ja active Pending
-
2020
- 2020-05-13 US US15/930,479 patent/US20200372818A1/en not_active Abandoned
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH0428338A (ja) * | 1990-04-25 | 1992-01-30 | Shiseido Co Ltd | ストレス度判定装置 |
US20100292545A1 (en) * | 2009-05-14 | 2010-11-18 | Advanced Brain Monitoring, Inc. | Interactive psychophysiological profiler method and system |
JP2016538898A (ja) * | 2013-10-09 | 2016-12-15 | レスメッド センサー テクノロジーズ リミテッド | 疲労モニタリング及び管理システム |
JP2018097479A (ja) * | 2016-12-09 | 2018-06-21 | 株式会社U’eyes Design | 運転支援装置、運転支援方法、運転支援プログラム、及び運転支援システム |
JP2018147167A (ja) * | 2017-03-03 | 2018-09-20 | 西川産業株式会社 | 睡眠環境検出システム及び睡眠環境検出方法 |
Also Published As
Publication number | Publication date |
---|---|
US20200372818A1 (en) | 2020-11-26 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Wijsman et al. | Towards mental stress detection using wearable physiological sensors | |
EP3403235B1 (en) | Sensor assisted evaluation of health and rehabilitation | |
Bernardi et al. | Effects of controlled breathing, mental activity and mental stress with or without verbalization on heart rate variability | |
Akbulut et al. | Wearable sensor-based evaluation of psychosocial stress in patients with metabolic syndrome | |
US20170000422A1 (en) | Method and system for modeling behavior and heart disease state | |
WO2019009420A1 (ja) | トレンド分析を利用した痛みの判別、機械学習、経済的判別モデルおよびIoTを応用した医療装置、テイラーメイド機械学習、および新規疼痛判別用脳波特徴量 | |
KR20180110100A (ko) | 심부전을 평가하기 위한 장치 및 방법 | |
Ciesielska-Wróbel et al. | IMAGES OF CORONA DISCHARGES IN PATIENTS WITH CARDIOVASCULAR DISEASES AS A PRELIMINARY ANALYSIS FOR RESEARCH OF THE INFLUENCE OF TEXTILES ON IMAGES OF CORONA DISCHARGES IN TEXTILES'USERS | |
CN115298743A (zh) | 用于改进睡眠的用户行为推荐 | |
US20210358628A1 (en) | Digital companion for healthcare | |
WO2020074878A2 (en) | Multimodal digital therapy and biometric analysis of biometric signals | |
Kaji et al. | ECG-based concentration recognition with multi-task regression | |
Tiwari et al. | Classification of physiological signals for emotion recognition using IoT | |
JP6910919B2 (ja) | システム及び意思疎通を図るために行うアクションの評価方法 | |
Osipov | Towards automated symptoms assessment in mental health | |
CN116210057A (zh) | 用于优化药物治疗的方法和系统 | |
Cipresso et al. | Continuous measurement of stress levels in naturalistic settings using heart rate variability: An experience-sampling study driving a machine learning approach | |
US8666766B2 (en) | System and methods for simulating future medical episodes | |
JP2020188947A (ja) | 状態判定装置、状態判定方法及びコンピュータプログラム | |
CN116570283A (zh) | 一种围手术期患者情绪监测系统及方法 | |
JP7300929B2 (ja) | 認知機能促進支援システム、学習システム、推定システム、及び認知機能促進支援方法 | |
Anwar | Bipolar disorder predictive model: A study to analyze and predict emotional change using physiological signals | |
WO2019155010A1 (en) | Method, apparatus and system for providing a measure to resolve an uncomfortable or undesired physiological condition of a person | |
US20230309884A1 (en) | Physiological measurement data processing device and physiological measurement data processing method using same | |
Lievestro | Bedside quantitative cEEG monitoring on the Intensive Care for comatose patients after cardiac arrest. |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20190628 |
|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20211216 |
|
A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20221011 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20221025 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20221215 |
|
A02 | Decision of refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A02 Effective date: 20230314 |