JP2023151548A - 脳活動状態判定装置及び脳活動状態判定用プログラム - Google Patents

Abstract

【課題】従来以上に簡便で正確な判定を可能とする脳活動状態判定装置を提供する。【解決手段】時系列データのカオス性を判定する指標であるカオス指標値を算出するカオス指標値算出手段２０１と、脳に対する負荷が基準値データを得る状態である第１の状態とされた被験者から得られるＲＲＩデータを前記カオス指標値算出手段２０１へ与えて得られる出力を基準値データとして記憶装置に保持させ、脳に対する負荷が評価対象データを得る状態である第２の状態とされた判定対象者から得られるＲＲＩデータを前記カオス指標値算出手段２０１へ与えて評価対象データである判定対象カオス指標値を得て、前記基準値データと前記判定対象カオス指標値との比である指標値比を算出し、脳活動状態を判定するために脳活動閾値と前記指標値比との比較に基づき前記判定対象者の脳活動状態を判定する判定手段２０５と、を具備する。【選択図】図３

Description

この発明は、脳活動状態判定装置及び脳活動状態判定用プログラムに関するものである。

従来、脳活動状態は脳波計によって計測判定するものが殆どであり、装置が大型であり、また、測定に時間とコストが必要なものであった。

例えば特許文献１には、脳活動計測システムが開示されている。このシステムでは、頭皮に当接させて使用する脳活動計測用電極５として、頭皮に当接させて電気的情報を取得する機能を有する複数の頭皮接地部と、頭皮接地部の周囲に配置された複数のガイド体と、ウェット電極装着部と、ウェット電極装着部に対して着脱可能なウェット部材と、を備え、ウェット電極装着部にウェット部材が装着された際にウェット電極として使用され、ウェット電極装着部からウェット部材が外された際にドライ電極として使用されるものが開示されている。

この脳活動計測システムは、前記脳活動計測用電極によって得られた脳活動信号に基づいて脳活動を計測する。上記の通りの計測用電極を備えた頭部装着装置は、脳波キャップやヘッドセット等の電極を固定する手段と共に用いられる場合に、被験者の頭部形状によらず電極が正対して頭皮に当接され易く、かつ、ドライ式で計測しにくい場合に簡易に計測可能にするものである。

特許文献２には、被検体の頭部に取り付けられ、近赤外分光分析法（ＮＩＲＳ：Near-infrared spectroscopy）を使用して第一データ及び第二データを収集するセンサ２０を用いて構成される脳活動状態モニタリング装置が開示されている。センサ２０は、具体的には、波長が約７００ｎｍから約９００ｎｍの近赤外光を出射する光源及び受光センサを被検体の頭部に密着させ、近赤外光を出射し、受光センサにより受光する。

脳活動状態モニタリング装置は、被検体の脳の活動状態を示しており、第一期間に収集された第一データ及び前記被検体の脳の活動状態を示しており、前記第一期間の後に続く第二期間に収集された第二データを取得するデータ取得部と、マハラノビス距離が定義されている位相平面上における前記第一データの重心を算出する重心算出部を備える。更に、前記第二データについて前記重心からのマハラノビス距離を算出し、前記第二データのマハラノビス距離の経時的な変化を算出する距離算出部、前記第二データのマハラノビス距離が所定の閾値を所定の回数以上超えているか否かを判定する判定部、前記第二データのマハラノビス距離が所定の閾値を所定の回数以上超えていると判定された場合、前記被検体の脳の活動状態を示す情報を出力する出力部と、を備える。

特許文献３には、脳活動活性化方法が開示されている。この方法によって、利用者に、有酸素運動後、適切なタイミングで、認知機能トレーニングすることを促す。

この方法では、コンピュータが、通信部に、所定のバイタルデータを計測する計測装置が装着された利用者のバイタルデータの計測値を計測装置から取得させ、表示部に、利用者の身体機能を向上させる有酸素運動の開始を利用者に促す表示をさせる。そして、バイタルデータの計測値に基づいて、利用者が有酸素運動を行った時間である有酸素運動時間を計測させ、有酸素運動が所定時間以上になった場合に、表示部に、有酸素運動の終了を利用者に促す表示をさせる。また、バイタルデータの計測値または有酸素運動の終了からの経過時間に基づく所定の条件を満たす場合、表示部に、利用者の脳機能を向上させる所定の認知機能トレーニングを行わせる表示をさせる。斯くして、操作部に、利用者が認知機能トレーニングを行っている際の利用者による操作を受け付けさせる。

心拍と脳活動とは関連性を有することから、本願発明者らは、眠気推定をＲＲＩデータに基づき行うことを提案した（特許文献４）。

特許文献５には、ＥＥＧ信号における心臓アーチファクト情報および脳活動情報に基づいて被験者の睡眠段階を判別するよう構成されたシステムが開示されている。このシステムは、ＥＥＧ信号に存在する心臓アーチファクトは、誤った睡眠段階判定を引き起こすことがあり、その結果、睡眠中の時機を得ない感覚刺激、刺激の不在、ＥＥＧ信号情報の長い期間の破棄および／または他の事象につながりかねないという懸念に基づいている。このシステムは、従来技術のシステムと比較してリアルタイムの睡眠段階判定を向上させるおよび／または他の利点を提供するものである。このシステムでは、ＥＥＧ信号に含まれる心臓活動情報および脳活動情報の両方に基づいて被験者の現在の睡眠段階を決定する。

特開２０２０－１９５７７７号公報 特開２０２０－１３０３３６号公報 特開２０２０－５８７２５号公報 特開２０１８－５７４５０号公報 特表２０１９－５０３７４６号公報

上記のように従来の脳活動の観測においては、様々な工夫がなされているものの、簡便さや正確さの観点からは十分なものが提供されていないのが現状である。そこで、本発明は、従来以上に簡便で正確な判定を可能とする脳活動状態判定装置及び脳活動状態判定用プログラムを提供することを目的とする。

本発明の実施形態に係る脳活動状態判定装置は、時系列データのカオス性を判定する指標であるカオス指標値を算出するカオス指標値計算手段と、脳に対する負荷が基準値データを得る状態である第１の状態とされた被験者から得られるＲＲＩデータを前記カオス指標値計算手段へ与えて得られる出力を基準値データとして記憶装置に保持させる基準値データ保持制御手段と、脳に対する負荷が評価対象データを得る状態である第２の状態とされた判定対象者から得られるＲＲＩデータを前記カオス指標値計算手段へ与えて評価対象データである判定対象カオス指標値を得る判定対象カオス指標値計算手段と、前記基準値データと前記判定対象カオス指標値との比である指標値比を算出する指標値比算出手段と、脳活動状態を判定するために脳活動閾値と前記指標値比との比較に基づき前記判定対象者の脳活動状態を判定する判定手段と、を具備することを特徴とする。

本発明の実施形態に係る脳活動状態判定用プログラムは、コンピュータを、時系列データのカオス性を判定する指標であるカオス指標値を算出するカオス指標値計算手段、脳に対する負荷が基準値データを得る状態である第１の状態とされた被験者から得られるＲＲＩデータを前記カオス指標値計算手段へ与えて得られる出力を基準値データとして記憶装置に保持させる基準値データ保持制御手段、脳に対する負荷が評価対象データを得る状態である第２の状態とされた判定対象者から得られるＲＲＩデータを前記カオス指標値計算手段へ与えて評価対象データである判定対象カオス指標値を得る判定対象カオス指標値計算手段、前記基準値データと前記判定対象カオス指標値との比である指標値比を算出する指標値比算出手段、脳活動状態を判定するために脳活動閾値と前記指標値比との比較に基づき前記判定対象者の脳活動状態を判定する判定手段、として機能させることを特徴とする。

被験者に対しある条件１で測定を行った場合の、本発明の実施形態に係る脳活動状態判定装置において用いられるカオス指標値比γのヒストグラム。 被験者に対しある条件２で測定を行った場合の、本発明の実施形態に係る脳活動状態判定装置において用いられるカオス指標値比γのヒストグラム。 本発明に係る脳活動状態判定装置の第１の実施形態の装置構成図。 本発明に係る脳活動状態判定装置の安静時基準値データを用いる実施形態において、安静時カオス指標値データＣＣＩ［１］～ＣＣＩ［ｍ］を記憶するまでの動作を示す図。 本発明に係る脳活動状態判定装置の安静時基準値データを用いる実施形態において、安静時基準値データＲｅｆ_R［１］～Ｒｅｆ_R［ｍ］を記憶するまでの動作を示す図。 本発明に係る脳活動状態判定装置の安静時基準値データを用いる実施形態において、平均指標値比ＡＶγ_Aを得るまでの動作を示す図。 本発明に係る脳活動状態判定装置の第２の実施形態の装置構成図。 本発明に係る脳活動状態判定装置の第３の実施形態の装置構成図。 本発明に係る脳活動状態判定装置の第４の実施形態の装置構成図。 本発明に係る脳活動状態判定装置の認知活動時基準値データを用いる実施形態において、安静時カオス指標値データＣＣＩ［１］～ＣＣＩ［ｍ］を記憶するまでの動作を示す図。 本発明に係る脳活動状態判定装置の認知活動時基準値データを用いる実施形態において、安静時基準値データＲｅｆ_R［１］～Ｒｅｆ_R［ｍ］を記憶するまでの動作を示す図。 本発明に係る脳活動状態判定装置の認知活動時基準値データを用いる実施形態において、平均指標値比ＡＶγ_Aを得るまでの動作を示す図。 本発明に係る脳活動状態判定装置の「認知活動時基準値データを用いる実施形態」による長期の処理結果の一例を示す図。

以下添付図面を参照して、本発明の実施形態に係る脳活動状態判定装置及び脳活動状態判定用プログラムを説明する。各図において同一の構成要素には、同一の符号を付して重複する説明を省略する。本発明の実施形態では、ＲＲＩデータ（心拍間隔データ）から算出したカオス指標を用いる。

ここに、カオス指標とは、時系列データのカオス性を判定する指標であり、幾つかを列記すると次の通りである。
以下に、それぞれの指標と、参考文献（（５），（６）以外、行の後部に記載）を記載する。
（１）ＡｐＥｎ （近似エントロピー） ［１］［２］［３］［４］
（２）ＳａｍｐＥｎ （サンフルエントロピー） ［３］［４］
（３）Ｆｒａｃｔａｌ Ｄｉｍｅｎｓｉｏｎ （フラクタル次元） ［５］［６］
（４）ＳＤ１／ＳＤ２ ［７］［８］
（５）ＣＤ （カオス尺度） 特開２０１８－１２０４８８号公報
（６）ＩＣＤ （修正カオス尺度） 特開２０２１－０６４３２３号公報
＜上の６つが論文掲載の６方式＞
（７）リアフノフ指数の推定法（Ｒｏｓｅｎｓｔｅｉｎの方法） ［９］
（８）リアフノフ指数の推定法（Ｗｏｌｆの方法） ［１０］
（９）リアフノフ指数の推定法（Ｓａｎｏ－Ｓａｗａｄａの方法） ［１１］
＜上の３つが代表的なリアフノフ指数推定法＞

参考文献
[1] Pincus, S. M. Approximate entropy as a measure of system complexity. PNAS 88, 2297-2301 (1991).
[2] Pincus, S. M., Gladstone, I. M. & Ehrenkranz, R. A. A regularity statistic for medical data analysis. J. Clin. Monit. Comput. 7, 335-345 (1991).
[3] Richman, J. S. & Moorman, J. R. Physiological time-series analysis using approximate entropy and sample entropy. Am. J. Physiol. Heart Circ. Physiol. 278, 2039-2049 (2000).
[4] Delgado-Bonal, A. & Alexander, M. Approximate Entropy and Sample Entropy: A Comprehensive Tutorial. Entropy 21, 541 (2019)
[5] Higuchi, T. Approach to an irregular time series on the basis of the fractal theory. Physica D 31, 277-83 (1998).
[6] Ahammer, H. Higuchi dimension of digital images. PLoS One 6, e0119394 (2011).
[7] Hoshi, R. A.& Pastre, C. M., Vanderlei, L. M. & Godoy, M. F.oacir Fernandes. Poincare plot indexes of heart rate variability: Relationships with other nonlinear variables. Auton. Neurosci. 177, 271 -274 (2013)
[8] Guzik, P. et. al. Correlations between the Poincare plot and conventional heart rate variability parameters assessed during paced breathing. J Physiol Sci. 57, 63-71 (2007).
[9] Michael T. Rosenstein, James J. Collins, Carlo J. De Luca, A practical method for calculating largest Lyapunov exponents from small data sets, Physica D: Nonlinear Phenomena, 65, 117 -134 (1993).
[10] Alan Wolf, Jack B. Swift, Harry L. Swinney, John A. Vastano, Determining Lyapunov exponents from a time series, Physica D: Nonlinear Phenomena, Volume 16 , 285 -317 (1985 )
[11] Sato, Shinichi, Sano, Masaki, Sawada, Yasuji, Practical Methods of Measuring the Generalized Dimension and the Largest Lyapunov Exponent in High Dimensional Chaotic Systems, Theor Phys 77 (1987)

本願発明者らは、ＲＲＩデータから得たカオス指標値を用いて脳活動状態判定を行うことが適切であることを確認するために、実験を行った。この実験は、１８人の健康な参加者に対して実施した。参加者は２０代１３名、３０代２名、５０代３名で、男性１５名、女性３名であった。この実験は、京都大学情報学研究科研究倫理委員会の承認を得て実施された（承認番号：KUIS-EAR-2019-006）。
参加者は、ＲＲＩを測定できるＰｏｌａｒＨ１０チェストストラップ心拍数センサーを装着し、次の状態でＲＲＩを測定する２つの実験を行った。
Ｒｅｓｔ（休息）：椅子に座り休息します。身体的負荷も精神的負荷もない。
Ｓｔａｎｄｉｎｇ（立位）：直立姿勢を維持する。身体的負荷のみが加わる。
Ｂｒａｉｎ Ｔａｓｋ：椅子に座り認知課題（暗算または数独）を実行する。精神的負荷のみが加わる。
実験１では、暗算を脳課題に使用しました。参加者は、安静（Ｒｅｓｔ１と表記）で７分間、立位（Ｓｔａｎｄｉｎｇと表記）で７分間、暗算（Ｂｒａｉｎ Ｔａｓｋ１と表記）で７分間ＲＲＩを測定しました。各状態の間に５分間の休憩が設けられた。参加者はこの実験を５セット繰り返した。
この場合の安静時におけるＲＲＩデータを用いて得たカオス指標値ＣＣＩ_R1を分母とし、立位状態で得られたＲＲＩデータを用いて得たカオス指標値ＣＣＩ_Sを分子とするカオス指標値比γ（ＣＣＩ_S／ＣＣＩ_R1）を得る。その後に脳タスク状態へ移行してもらい、脳タスク状態でＲＲＩデータを測定する。脳タスク状態では、椅子に座って卓上で暗算（一桁の足し算）を行ってもらった。この場合の安静時におけるＲＲＩデータを用いて得たカオス指標値ＣＣＩ_R1を分母とし、脳タスク状態で得られたＲＲＩデータを用いて得たカオス指標値ＣＣＩ_B1を分子とするカオス指標値比γ（ＣＣＩ_B1／ＣＣＩ_R1）を得る。カオス指標値比γ（ＣＣＩ_S／ＣＣＩ_R1）の度数を青により示し、カオス指標値γ（ＣＣＩ_B1／ＣＣＩ_R1）の度数を赤により示したヒストグラムを図１に示す。カオス指標の種類は、図示の通り、ＡｐＥｎ、ＳａｍｐＥｎ、Ｆｒａｃｔａｌ Ｄｉｍｅｎｓｉｏｎ、ＳＤ１／ＳＤ２、ＣＤ、ＩＣＤの６種類を用いた。

更に、実験２では、数独を脳課題に使用した。参加者は、安静（Ｒｅｓｔ２と表記）で７分間、数独（Ｂｒａｉｎ Ｔａｓｋ２と表記）で７分間ＲＲＩを測定した。各状態の間に５分間の休憩が設けられました。参加者はこの実験を５セット繰り返した。
この場合の休息時におけるＲＲＩデータを用いて得たカオス指標値ＣＣＩ_R2を分母とし、脳タスク状態で得られたＲＲＩデータを用いて得たカオス指標値ＣＣＩ_B2を分子とするカオス指標値比γ（ＣＣＩ_B2／ＣＣＩ_R2）を得る。カオス指標値比γ（ＣＣＩ_S／ＣＣＩ_R1）の度数を青により示し、カオス指標値比γ（ＣＣＩ_B2／ＣＣＩ_R2）の度数を赤により示したヒストグラムを図２に示す。カオス指標の種類は、図示の通り、ＡｐＥｎ、ＳａｍｐＥｎ、Ｆｒａｃｔａｌ Ｄｉｍｅｎｓｉｏｎ、ＳＤ１／ＳＤ２、ＣＤ、ＩＣＤの６種類を用いた。

図１、図２において、いずれのカオス指標を用いた場合にも、立位状態（青）のγよりも脳タスク状態（赤）のγが大きな値であり、概ねγが１の値を境として立位状態（青）と脳タスク状態（赤）が分布していることが理解される。

図３には、本発明に係る脳活動状態判定装置の第１の実施形態の装置構成図が示されている。本実施形態では、時計タイプのスマートウオッチ２０に、脳活動状態判定装置の全ての構成を備えさせている。このスマートウオッチ２０は、心電図信号のＲ波に相当する信号を検出するＲＲＩセンサ１０を備えており、このＲＲＩセンサ１０として、心拍センサを用いることができる。

このＲＲＩセンサ１０は、心拍センサ以外に、心電計の心電図信号を取り出す部分の構成や脈波センサを用いても良い。スマートウオッチ２０以外の構成を有する脳活動状態判定装置においては、ＲＲＩセンサ１０は、生体に設けられ、無線或いは有線により心電図信号を検出して、ＲＲＩ（整形前）を出力するものであっても良い。

スマートウオッチ２０はコンピュータの構成を有し、コンピュータによって実現されるカオス指標値計算手段２０１、基準値データ保持制御手段２０２、判定対象カオス指標値計算手段２０３、指標値比算出手段２０４、判定手段２０５、記憶装置３００を備えている。なお、記憶装置３００はクラウド上に存在し、コンピュータであるスマートウオッチ２０が記憶装置３００と通信してデータの送受を行う構成であっても良い。

カオス指標値計算手段２０１は、時系列データのカオス性を判定する指標であるカオス指標値を算出するものである。上記カオス指標値計算手段２０１は、１種または複数種のカオス指標値を算出するものである。ここで、カオス指標の種類としては前述した９種のもの、また、これに同様の指標を加えたものを採用することができる。基準値データ保持制御手段２０２は、脳に対する負荷が基準値データを得る状態である第１の状態とされた被験者からＲＲＩセンサ１０によって得られるＲＲＩデータを上記カオス指標値計算手段２０１へ与えて、得られる出力を基準値データとして記憶装置３００に保持させるものである。

判定対象カオス指標値計算手段２０３は、脳に対する負荷評価対象データを得る状態である第２の状態とされた判定対象者から得られるＲＲＩデータを上記カオス指標値計算手段２０１へ与えて、評価対象データである判定対象カオス指標値を得るものである。指標値比算出手段２０４は、上記基準値データと上記判定対象カオス指標値との比である指標値比を算出するものである。判定手段２０５は、脳活動状態を判定するために脳活動閾値と上記指標値比との比較に基づき上記判定対象者の脳活動状態を判定するものである。

上記カオス指標値計算手段２０１は、１種または複数種のカオス指標値を算出するものであるから、上記基準値データ保持制御手段２０２は、上記複数種に対応する基準値データを記憶装置に保持させることができるものであり、上記判定対象カオス指標値計算手段２０３は、上記複数種に対応する判定対象カオス指標値を得ることができるものであり、上記指標値比算出手段２０４は、上記複数種に対応する指標値比を算出することができるものである。上記指標値比算出手段２０４は、上記複数種に対応する指標値比を算出し、得られた指標値比を平均して平均指標値比を得ることができるものである。

図６には、本発明に係る脳活動状態判定装置の第２の実施形態の装置構成図が示されている。本実施形態では、脳活動状態判定装置を、例えば円盤状の筐体であって判定対象者の身体に貼着されるセンサ部１０Ｂと、コンピュータ５０とにより構成することができる。コンピュータ５０は、スマートフォン、パーソナルコンピュータ、クラウド端末、サーバ、特殊端末などのコンピュータそのものによって構成された装置やコンピュータ相当機器を指す。センサ部１０Ｂには、ＲＲＩセンサ１０と通信手段１１が備えられ、ＲＲＩセンサ１０においてＲＲＩデータを得て通信手段１１からコンピュータ５０へ送信するように構成されている。

コンピュータ５０には、コンピュータによって実現されるカオス指標値計算手段２０１、基準値データ保持制御手段２０２、判定対象カオス指標値計算手段２０３、指標値比算出手段２０４、判定手段２０５、通信手段２０６が備えられている。更にコンピュータ５０には、記憶装置３００、表示装置４０が備えられている。なお、記憶装置３００はクラウド上に存在し、コンピュータ５０がクラウド上の記憶装置３００と通信してデータの送受を行う構成のものであっても良い。コンピュータ５０は、通信手段２０６を介してセンサ部１０ＢからＲＲＩデータを得て図３に示した脳活動状態判定装置と同様の処理を行う。

図７には、本発明に係る脳活動状態判定装置の第３の実施形態の装置構成図が示されている。本実施形態では、図６に示した脳活動状態判定装置の構成と概ね同一の構成を採用している。異なる構成部分は、表示装置４０を備えるコンピュータ端末（または、タブレット端末）６０が、コンピュータ５０とは別に設けられていることである。本実施形態において、コンピュータ５０が表示装置を備えていても良いが、判定結果のメッセージと平均指標値比ＡＶγ_Aの情報については、表示装置４０を備えるコンピュータ端末（または、タブレット端末）６０において行われる。本実施形態でも、記憶装置３００はクラウド上に存在し、コンピュータ５０がクラウド上の記憶装置３００と通信してデータの送受を行う構成であっても良い。

図８には、本発明に係る脳活動状態判定装置の第４の実施形態の装置構成図が示されている。本実施形態では、図６に示した脳活動状態判定装置の構成について、コンピュータ５０にクラウドコンピュータ（またはサーバコンピュータ）７０を接続した構成を採用している。センサ部１０Ｂには通信手段１１が備えられ、コンピュータ５０には通信手段２０６が備えられ、クラウドコンピュータ（またはサーバコンピュータ）７０には通信手段７０６が備えられ、これら通信手段１１と通信手段２０６と通信手段７０６が相互にデータ等の送受を行って脳活動状態判定装置として機能する。

センサ部１０ＢにはＲＲＩセンサ１０が備えられ、ＲＲＩデータを取得してコンピュータ５０を介してクラウドコンピュータ（またはサーバコンピュータ）７０へ送信する。コンピュータ５０には表示装置４０が備えられ、判定結果のメッセージと平均指標値比ＡＶγ_Aの情報の表示が行われる。クラウドコンピュータ（またはサーバコンピュータ）７０には、コンピュータによって実現されるカオス指標値計算手段２０１、基準値データ保持制御手段２０２、判定対象カオス指標値計算手段２０３、指標値比算出手段２０４、判定手段２０５、通信手段７０６が備えられている。更にクラウドコンピュータ（またはサーバコンピュータ）７０には、記憶装置３００が備えられている。勿論、記憶装置３００はクラウドコンピュータ（またはサーバコンピュータ）７０が備えずに、クラウド上に存在し、クラウドコンピュータ（またはサーバコンピュータ）７０がクラウド上の記憶装置３００と通信してデータの送受を行う構成であっても良い。

＜安静時基準値データを用いる実施形態＞
本発明の実施形態に係る脳活動状態判定装置は、上記図６～図８のいずれかの構成の装置である。本実施形態では、上記基準値データ保持制御手段２０２は、安静状態（脳に対する負荷が基準値データを得る状態である第１の状態）とされた被験者から得られるＲＲＩデータを上記カオス指標値計算手段２０１へ与えて得られる出力を安静時カオス指標値データＣＣＩ［１］～ＣＣＩ［ｍ］として記憶装置３００に保持させる（図４）。ここに、安静状態とは通常は、被験者がベッドに寝かされていて身体的消耗がなく、脳に負荷が加わっていない状態であっても良いが、本実施形態では椅子に座って身体的負荷や精神的な負荷も含めて脳に対する負荷がない状態を指している。本実施形態では、上記カオス指標値計算手段２０１が例えばｍ（＝６）種類のカオス指標値を求めるものとし、時系列でＳ時系列得られていると、Ｓ時系列の平均を各カオス指標の種類毎に求め、安静時基準値データＲｅｆ_R［１］～Ｒｅｆ_R［ｍ］が算出され、記憶されている（図５）。

判定対象カオス指標値計算手段２０３は、脳タスク実行状態（脳に対する負荷が評価対象データを得る状態である第２の状態）とされた判定対象者から得られるＲＲＩデータを上記カオス指標値計算手段２０１へ与えて評価対象データである判定対象カオス指標値を得る。ここで、判定対象者は、安静時基準値データを得た被験者と同一人物とする。また、上記カオス指標値計算手段２０１が例えばｍ（＝６）種類のカオス指標値を求めることから、判定対象カオス指標値データも、ＣＣＩ［１］～ＣＣＩ［ｍ］のｍ種が得られている（図５Ａ）。更に、脳タスクとは、脳内ネットワークに関する研究分野における、Executive Control Network（ECN）あるいは、CEN（Central Executive Network）と呼ばれる知的活動／認知活動において最も活性化する脳部位間ネットワークの活性化を促すようなタスクを意味する。例えば、図１、図２の実験において用いたものを含む暗算、パズル、クイズ（三択、四択）、その他を指す。脳タスクは複数種類用意しておき、作業者の趣向に応じて選択させてもよい。あるいは、種類に関係なくランダムに出題しても良く、このようにすると、好適な結果が期待できるものと考えられる。

上記指標値比算出手段２０４は、上記複数種（ｍ）に対応する指標値比γ_A［１］～γ_A［ｍ］を算出する。上記指標値比算出手段２０４は、得られた指標値比γ_A［１］～γ_A［ｍ］を平均して平均指標値比ＡＶγ_Aを得る（図５Ａ）。
即ち、以下の式により平均指標値比ＡＶγ_Aが求められる。なお、本実施形態では相加平均を採用しているが、目的に応じてγ_A［１］～γ_A［ｍ］の代表値であって、γ_A［１］～γ_A［ｍ］用いて計算された数量であればどのようなものでもよい（例えば、相乗平均、対数を取った値の平均などであっても良い。）

この実施形態では、脳活動閾値を１として判定手段２０５は、
・脳活動が認められる （ＡＶγ_A＞１のとき）
・脳活動が認められない （ＡＶγ_A≦１のとき）
という判定結果を得る。

以上において得られた結果である「脳活動が認められる」或いは「脳活動が認められない」というメッセージと平均指標値比ＡＶγ_Aの情報は、表示装置４０に送出されて表示される。図５Ａには、９月２日から１０月１２日までの間の適宜な１５日において得られた判定結果と平均指標値比ＡＶγ_Aが表にまとめられて示されている。

＜認知活動時基準値データを用いる実施形態＞
本発明の実施形態に係る脳活動状態判定装置は、上記図６～図８のいずれかの構成の装置である。本実施形態では、上記基準値データ保持制御手段２０２は、脳が認知活動状態（脳に対する負荷が第１の状態（実際には、第３の状態）とされた被験者から得られるＲＲＩデータを上記カオス指標値計算手段２０１へ与えて得られる出力を認知活動時カオス指標値データＣＣＩ［１］～ＣＣＩ［ｍ］として記憶装置３００に保持させる（図９）。ここに、認知活動時とは、被験者が椅子に座って図１、図２において説明した暗算や数独を行っている状態を指している。本実施形態では、上記カオス指標値計算手段２０１が例えばｍ（＝６）種類のカオス指標値を求めるものとし、時系列でＬ時系列得られていると、Ｌ時系列の平均を各カオス指標の種類毎に求め、認知活動時基準値データＲｅｆ_BT［１］～Ｒｅｆ_BT［ｍ］が算出され、記憶されている（図１０）。

判定対象カオス指標値計算手段２０３は、脳タスク実行状態（脳に対する負荷が第２の状態（実際には、第４の状態））とされた判定対象者から得られるＲＲＩデータを上記カオス指標値計算手段２０１へ与えて判定対象カオス指標値を得る。ここで、判定対象者は、認知活動時基準値データを得た被験者と同一人物とする。また、上記カオス指標値計算手段２０１が例えばｍ（＝６）種類のカオス指標値を求めることから、判定対象カオス指標値データも、ＣＣＩ［１］～ＣＣＩ［ｍ］のｍ種が得られている。更に、脳タスクは、「安静時基準値データを用いる実施形態」の場合と同様なものとする。なお、脳タスクが同様であるにも拘らず、本実施形態では、当初に脳が安静状態ではなく認知活動状態であった判定対象者を脳タスク実行状態としたため、「脳タスク実行状態（脳に対する負荷が第２の状態）とされた判定対象者」とせずに「脳タスク実行状態（脳に対する負荷が第２の状態（実際には、第４の状態））とされた判定対象者」とした。

上記指標値比算出手段２０４は、上記複数種（ｍ）に対応する指標値比γ_B［１］～γ_B［ｍ］を算出する。上記指標値比算出手段２０４は、得られた指標値比を平均して平均指標値比ＡＶγ_Bを得る（図１０Ａ）。
即ち、以下の式により平均指標値比ＡＶγ_Bが求められる。なお、本実施形態では相加平均を採用しているが、目的に応じてγ_B［１］～γ_B［ｍ］の代表値であって、γ_B［１］～γ_B［ｍ］用いて計算された数量であればどのようなものでもよい（例えば、相乗平均、対数を取った値の平均などであっても良い。）

この実施形態では、脳活動閾値を０．５と１．２として次の３段階で判定手段２０５は、
・平常よりも良い （ＡＶγ_B＞１．２のとき）
・平常 （０．５≦ＡＶγ_B≦１．２のとき）
・平常よりも低い （ＡＶγ_B＜０．５のとき）
という判定結果を得る。
ここに、閾値は現時点での参考値であり、本願発明の実施以降の状況を鑑みて変更してもよい。ただ、変わらないことは、
・平常よりも良いは、必ず１よりも大きい値とすること。
・平常よりも低いは、必ず１よりも小さい値とすること。
・平常は、上記２つの中間値である必要がある。

以上において得られた判定結果である「平常よりも良い」或いは「平常」或いは「平常よりも低い」というメッセージと平均指標値比ＡＶγ_Bの情報は、表示装置４０に送出されて表示される。図１０Ａには、９月２日から１０月１２日までの間の適宜な１５日において得られた判定結果と平均指標値比ＡＶγ_Bが表にまとめられて示されている。

＜「認知活動時基準値データを用いる実施形態」による長期の処理結果を用いて慢性的脳疲労を判定する実施形態α＞
本発明の実施形態αに係る脳活動状態判定装置は、上記図６～図８のいずれかの構成の装置である。本実施形態αでは、「認知活動時基準値データを用いる実施形態」を実行する各手段を全て用いて処理を行う。「長期」という意味は、慢性的脳疲労の判定を行うために十分な判定結果が得られていればよく、例えば１か月以上の判定結果があればよい。図１１に、「認知活動時基準値データを用いる実施形態」による長期の処理結果の一例を示す。この例では、約１か月の１５回分の判定結果が記憶装置３００に記憶された状態とする（図１１右側に表示の表）。

この実施形態αでは、判定手段２０５が、次の条件を判定する。
条件１・最新の計測日から見て平均指標値比ＡＶγ_Bが低い判定結果（本実施形態αでは、「平常よりも低い」）をｎ回連続している。
条件２・最新の計測回からｕ回以内において平均指標値比ＡＶγ_Bが低下傾向であり、かつ、ｖ（＜ｕ）回以内の平均指標値比ＡＶγ_Bが所定値以下である。なお、上記ｎ、ｕ、ｖは正の整数であり、適宜決めることができる。このように、判定手段２０５は、上記記憶された判定結果とそのときの平均指標値比の低下傾向に基づき慢性的脳疲労を判定する脳疲労第１判定手段を構成する。

以上の条件１、条件２の少なくとも一方が（もしくは両方が）満たされたときは、慢性脳疲労の状態である旨の警告メッセージと条件１と２の内容情報を、表示装置４０に送出して表示し、自らが知るばかりでなく、本実施形態αの通信手段２０６（７０６）から当該脳活動状態判定装置以外の携帯端末等に送信して、その表示装置に表示させることができる。

脳疲労は、第１に、恒常的な睡眠不足、第２に、恒常的な疲労、第３に、鬱病やメンタル疾患、第４に、外的要因（騒音、不快、不安など）による脳活動の一時的な阻害原因となって脳の非活性状態が継続しているものであり、当該脳活動状態判定装置を有している者や上司等の管理者がこれを知っていることの意義は大きいものである。

＜「安静時基準値データを用いる実施形態」＋「認知活動時基準値データを用いる実施形態」の実施形態β＞
本発明の実施形態βに係る脳活動状態判定装置は、上記図６～図８のいずれかの構成の装置である。本実施形態βでは、上記基準値データ保持制御手段２０２は、安静状態（脳に対する負荷が第１の状態）とされた被験者から得られるＲＲＩデータを上記カオス指標値計算手段２０１へ与えて得られる出力を安静時カオス指標値データとして記憶装置３００に保持させる（図４）。

本実施形態βでは、上記基準値データ保持制御手段２０２は、脳が認知活動状態（脳に対する負荷が第１の状態（実際には、第３の状態）とされた被験者から得られるＲＲＩデータを上記カオス指標値計算手段２０１へ与えて得られる出力を認知活動時カオス指標値データとして記憶装置３００に保持させる（図９）。ここに、認知活動時とは、被験者が椅子に座って図１、図２において説明した暗算や数独を行っている状態を指している。本実施形態βでは、上記カオス指標値計算手段２０１が例えばｍ（＝６）種類のカオス指標値を求めるものとし、時系列でＬ時系列得られていると、Ｌ時系列の平均を各カオス指標の種類毎に求め、認知活動時基準値データＲｅｆ_BT［１］～Ｒｅｆ_BT［ｍ］が算出され、記憶されている（図１０）。

判定対象カオス指標値計算手段２０３は、脳タスク実行状態（脳に対する負荷が第２の状態（実際には、第４の状態））とされた判定対象者から得られるＲＲＩデータを上記カオス指標値計算手段２０１へ与えて判定対象カオス指標値を得る。ここで、判定対象者は、認知活動時基準値データを得た被験者と同一人物とする。また、上記カオス指標値計算手段２０１が例えばｍ（＝６）種類のカオス指標値を求めることから、判定対象カオス指標値データも、ＣＣＩ［１］～ＣＣＩ［ｍ］のｍ種が得られている。更に、脳タスクは、「安静時基準値データを用いる実施形態」の場合と同様なものとする。計測開始を０：００：００（時：分：秒）として、１０秒間隔で５分間の測定を以下のようにｎ（本実施形態では、一例として９回とする）回行う。
・０：００：００～０：０５：００ １回目
・０：００：１０～０：０５：１０ ２回目
・０：００：２０～０：０５：２０ ３回目
・・・・・・・・・・・・・・・・・・・・・
・０：０１：２０～０：０６：２０ ｎ（９）回目

以上により、ｎ×ｍ通りの判定対象カオス指標値データＣＣＩ［１］［１］～ＣＣＩ［ｎ］［ｍ］が得られている。指標値比算出手段２０４は、判定対象カオス指標値データＣＣＩ［１］［１］～ＣＣＩ［ｎ］［ｍ］を安静時基準値データで除した安静指標値比γ_A［１］［１］～γ_A［ｎ］［ｍ］と、判定対象カオス指標値データＣＣＩ［１］［１］～ＣＣＩ［ｎ］［ｍ］を認知活動時基準値データで除した認知活動指標値比γ_B［１］［１］～γ_B［ｎ］［ｍ］とを得て、それぞれの平均指標値比ＡＶγ_A［１］～γ_A［ｎ］、ＡＶγ_B［１］～γ_B［ｎ］、を算出する。

平均指標値比ＡＶγ_A［１］～γ_A［ｎ］、ＡＶγ_B［１］～γ_B［ｎ］について、この実施形態では、判定手段２０５は、脳活動閾値を０．５と１．２として次の４状態のいずれに該当するかに基づき判定結果を得る。
・状態１ ＡＶγ_A［ｎ］＞１かつＡＶγ_B［ｎ］＞１．２：脳活動良し
・状態２ ＡＶγ_A［ｎ］＞１かつ０．５≦ＡＶγ_B［ｎ］≦１．２：脳活動通常
・状態３ ＡＶγ_A［ｎ］＞１かつＡＶγ_B［ｎ］＜０．５：脳活動低下
・状態４ ＡＶγ_A［ｎ］≦１ ：身体的負荷あり

以上において得られた判定結果は、１０秒毎に１つで、ｎ（９）個得られる。状態３が最新のｎ（９）個目から古い方へ例えば、４以上連続している場合に、「脳活動低下」或いは状態４が最終の９個目から古い方へ例えば、４以上連続している場合に、「身体的負荷あり」というメッセージと平均指標値比ＡＶγ_A［ｎ］、ＡＶγ_B［ｎ］の情報は、表示装置４０に送出されて表示される。自らが知るばかりでなく、本実施形態βの通信手段２０６（７０６）から当該脳活動状態判定装置以外の携帯端末等に送信して、その表示装置に表示させることができる。

このように、本実施形態では、上記指標値比算出手段２０４は、上記安静時基準値データと上記判定対象カオス指標値との比である安静指標値比及び、上記認知活動時基準値データと上記判定対象カオス指標値との比である認知活動指標値比を算出する。また、上記判定手段２０５は、脳活動状態を判定するために安静状態対応脳活動閾値と上記安静指標値比との比較及び認知活動対応脳活動閾値と上記認知活動指標値比との比較に基づき上記判定対象者の脳活動状態を判定する。

＜実施形態βにより長期の日に亘って判定結果ｎ（個）と平均指標値比ＡＶγ_A［ｎ］、ＡＶγ_B［ｎ］の情報を蓄積し、この蓄積データを用いて慢性的脳疲労を判定する実施形態αの手法を用いて判定する実施形態＞
本発明の実施形態に係る脳活動状態判定装置は、上記図６～図８のいずれかの構成の装置である。この例では、約１か月の１５日に亘って判定結果ｎ（９）個と平均指標値比ＡＶγ_A［ｎ］、ＡＶγ_B［ｎ］の情報が記憶装置３００に記憶された状態とする。上記実施形態βでは、０：００：００～０：０６：２０の時間について、ｎ（９）回区分して得たデータを用いてリアルタイム推定（０１秒間隔）を行ったが、本実施形態はこれとは異なり、このリアルタイム測定したでデータを、ここでは１５日分蓄積して、慢性的脳疲労の測定を行う。即ち、リアルタイム測定データを何日かに亘る長期間蓄積して、これを用いて慢性的脳疲労を測定するものである。

この実施形態では、判定手段２０５は、脳活動閾値を０．５と１．２として次の４状態のいずれに該当するかに基づき判定結果を得る。
・状態１ ＡＶγ_A［ｎ］＞１かつＡＶγ_B［ｎ］＞１．２：脳活動良し
・状態２ ＡＶγ_A［ｎ］＞１かつ０．５≦ＡＶγ_B［ｎ］≦１．２：脳活動通常
・状態３ ＡＶγ_A［ｎ］＞１かつＡＶγ_B［ｎ］＜０．５：脳活動低下
・状態４ ＡＶγ_A［ｎ］≦１ ：身体的負荷あり

以上において得られた判定結果は、１日につき、１０秒毎に１つで、ｎ（９）個得られる。状態３が最終の９個目から古い方へ例えば、４以上連続している場合に、「脳活動低下レベル３」と判定の結果を得る。状態３が例えば、５個以上である場合に、「脳低下レベル２」と判定結果を得る。状態３が例えば、４個または３個である場合に、「脳低下レベル１」と判定結果を得る。それ以外は、脳活動低下なしとする。
この実施形態では、判定手段２０５が、次の条件を判定する。
条件１・最新の計測日から見て「脳活動低下」をｎ回連続している。
条件２・最新の計測回からｕ（ｕ＞ｎ）回以内において、「脳低下レベル」数値の加算値が所定値以上である。なお、上記ｎ、ｕは正の整数であり、適宜決めることができる。

以上の条件１、条件２の少なくとも一方が（もしくは両方が）満たされたときは、慢性脳疲労の状態である旨の警報メッセージと条件１と２の内容情報を、表示装置４０に送出して表示し、自らが知るばかりでなく、本実施形態の通信手段２０６（７０６）から当該脳活動状態判定装置以外の携帯端末等に送信して、その表示装置に表示させることができる。

本発明に係る複数の実施形態を説明したが、これらの実施形態は例として提示するものであり、発明の範囲を限定することは意図していない。これら新規な実施形態は、その他の様々な形態で実施されることが可能であり、発明の要旨を逸脱しない範囲で、種々の省略、置き換え、変更を行うことができる。これら実施形態やその変形は、発明の範囲や要旨に含まれるとともに、特許請求の範囲に記載された発明とその均等の範囲に含まれる。

１０ センサ
１０Ｂ センサ部
１１ 通信手段
２０ スマートウオッチ
４０ 表示装置
５０ コンピュータ
２０１ カオス指標値計算手段
２０２ 基準値データ保持制御手段
２０３ 判定対象カオス指標値計算手段
２０４ 指標値比算出手段
２０５ 判定手段
２０６ 通信手段
３００ 記憶装置
７０６ 通信手段

この発明は、脳活動状態判定装置及び脳活動状態判定用プログラムに関するものである。

従来、脳活動状態は脳波計によって計測判定するものが殆どであり、装置が大型であり、また、測定に時間とコストが必要なものであった。

例えば特許文献１には、脳活動計測システムが開示されている。このシステムでは、頭皮に当接させて使用する脳活動計測用電極５として、頭皮に当接させて電気的情報を取得する機能を有する複数の頭皮接地部と、頭皮接地部の周囲に配置された複数のガイド体と、ウェット電極装着部と、ウェット電極装着部に対して着脱可能なウェット部材と、を備え、ウェット電極装着部にウェット部材が装着された際にウェット電極として使用され、ウェット電極装着部からウェット部材が外された際にドライ電極として使用されるものが開示されている。

この脳活動計測システムは、前記脳活動計測用電極によって得られた脳活動信号に基づいて脳活動を計測する。上記の通りの計測用電極を備えた頭部装着装置は、脳波キャップやヘッドセット等の電極を固定する手段と共に用いられる場合に、被験者の頭部形状によらず電極が正対して頭皮に当接され易く、かつ、ドライ式で計測しにくい場合に簡易に計測可能にするものである。

特許文献２には、被検体の頭部に取り付けられ、近赤外分光分析法（ＮＩＲＳ：Near-infrared spectroscopy）を使用して第一データ及び第二データを収集するセンサ２０を用いて構成される脳活動状態モニタリング装置が開示されている。センサ２０は、具体的には、波長が約７００ｎｍから約９００ｎｍの近赤外光を出射する光源及び受光センサを被検体の頭部に密着させ、近赤外光を出射し、受光センサにより受光する。

脳活動状態モニタリング装置は、被検体の脳の活動状態を示しており、第一期間に収集された第一データ及び前記被検体の脳の活動状態を示しており、前記第一期間の後に続く第二期間に収集された第二データを取得するデータ取得部と、マハラノビス距離が定義されている位相平面上における前記第一データの重心を算出する重心算出部を備える。更に、前記第二データについて前記重心からのマハラノビス距離を算出し、前記第二データのマハラノビス距離の経時的な変化を算出する距離算出部、前記第二データのマハラノビス距離が所定の閾値を所定の回数以上超えているか否かを判定する判定部、前記第二データのマハラノビス距離が所定の閾値を所定の回数以上超えていると判定された場合、前記被検体の脳の活動状態を示す情報を出力する出力部と、を備える。

特許文献３には、脳活動活性化方法が開示されている。この方法によって、利用者に、有酸素運動後、適切なタイミングで、認知機能トレーニングすることを促す。

この方法では、コンピュータが、通信部に、所定のバイタルデータを計測する計測装置が装着された利用者のバイタルデータの計測値を計測装置から取得させ、表示部に、利用者の身体機能を向上させる有酸素運動の開始を利用者に促す表示をさせる。そして、バイタルデータの計測値に基づいて、利用者が有酸素運動を行った時間である有酸素運動時間を計測させ、有酸素運動が所定時間以上になった場合に、表示部に、有酸素運動の終了を利用者に促す表示をさせる。また、バイタルデータの計測値または有酸素運動の終了からの経過時間に基づく所定の条件を満たす場合、表示部に、利用者の脳機能を向上させる所定の認知機能トレーニングを行わせる表示をさせる。斯くして、操作部に、利用者が認知機能トレーニングを行っている際の利用者による操作を受け付けさせる。

心拍と脳活動とは関連性を有することから、本願発明者らは、眠気推定をＲＲＩデータに基づき行うことを提案した（特許文献４）。

特許文献５には、ＥＥＧ信号における心臓アーチファクト情報および脳活動情報に基づいて被験者の睡眠段階を判別するよう構成されたシステムが開示されている。このシステムは、ＥＥＧ信号に存在する心臓アーチファクトは、誤った睡眠段階判定を引き起こすことがあり、その結果、睡眠中の時機を得ない感覚刺激、刺激の不在、ＥＥＧ信号情報の長い期間の破棄および／または他の事象につながりかねないという懸念に基づいている。このシステムは、従来技術のシステムと比較してリアルタイムの睡眠段階判定を向上させるおよび／または他の利点を提供するものである。このシステムでは、ＥＥＧ信号に含まれる心臓活動情報および脳活動情報の両方に基づいて被験者の現在の睡眠段階を決定する。

特開２０２０－１９５７７７号公報 特開２０２０－１３０３３６号公報 特開２０２０－５８７２５号公報 特開２０１８－５７４５０号公報 特表２０１９－５０３７４６号公報

上記のように従来の脳活動の観測においては、様々な工夫がなされているものの、簡便さや正確さの観点からは十分なものが提供されていないのが現状である。そこで、本発明は、従来以上に簡便で正確な判定を可能とする脳活動状態判定装置及び脳活動状態判定用プログラムを提供することを目的とする。

本発明の実施形態に係る脳活動状態判定装置は、時系列データのカオス性を判定する指標であるカオス指標値を算出するカオス指標値算出手段と、脳に対する負荷が基準値データを得る状態である第１の状態とされた被験者から得られるＲＲＩデータを前記カオス指標値算出手段へ与えて得られる出力を基準値データとして記憶装置に保持させる基準値データ保持制御手段と、脳に対する負荷が評価対象データを得る状態である第２の状態とされた判定対象者から得られるＲＲＩデータを前記カオス指標値算出手段へ与えて評価対象データである判定対象カオス指標値を得る判定対象カオス指標値算出手段と、前記基準値データと前記判定対象カオス指標値との比である指標値比を算出する指標値比算出手段と、脳活動状態を判定するために脳活動閾値と前記指標値比との比較に基づき前記判定対象者の脳活動状態を判定する判定手段と、を具備することを特徴とする。

本発明の実施形態に係る脳活動状態判定用プログラムは、コンピュータを、時系列データのカオス性を判定する指標であるカオス指標値を算出するカオス指標値算出手段、脳に対する負荷が基準値データを得る状態である第１の状態とされた被験者から得られるＲＲＩデータを前記カオス指標値算出手段へ与えて得られる出力を基準値データとして記憶装置に保持させる基準値データ保持制御手段、脳に対する負荷が評価対象データを得る状態である第２の状態とされた判定対象者から得られるＲＲＩデータを前記カオス指標値算出手段へ与えて評価対象データである判定対象カオス指標値を得る判定対象カオス指標値算出手段、前記基準値データと前記判定対象カオス指標値との比である指標値比を算出する指標値比算出手段、脳活動状態を判定するために脳活動閾値と前記指標値比との比較に基づき前記判定対象者の脳活動状態を判定する判定手段、として機能させることを特徴とする。

被験者に対しある条件１で測定を行った場合の、本発明の実施形態に係る脳活動状態判定装置において用いられるカオス指標値比γのヒストグラム。 被験者に対しある条件２で測定を行った場合の、本発明の実施形態に係る脳活動状態判定装置において用いられるカオス指標値比γのヒストグラム。 本発明に係る脳活動状態判定装置の第１の実施形態の装置構成図。 本発明に係る脳活動状態判定装置の安静時基準値データを用いる実施形態において、安静時カオス指標値データＣＣＩ［１］～ＣＣＩ［ｍ］を記憶するまでの動作を示す図。 本発明に係る脳活動状態判定装置の安静時基準値データを用いる実施形態において、安静時基準値データＲｅｆ_R［１］～Ｒｅｆ_R［ｍ］を記憶するまでの動作を示す図。 本発明に係る脳活動状態判定装置の安静時基準値データを用いる実施形態において、平均指標値比ＡＶγ_Aを得るまでの動作を示す図。 本発明に係る脳活動状態判定装置の第２の実施形態の装置構成図。 本発明に係る脳活動状態判定装置の第３の実施形態の装置構成図。 本発明に係る脳活動状態判定装置の第４の実施形態の装置構成図。 本発明に係る脳活動状態判定装置の認知活動時基準値データを用いる実施形態において、安静時カオス指標値データＣＣＩ［１］～ＣＣＩ［ｍ］を記憶するまでの動作を示す図。 本発明に係る脳活動状態判定装置の認知活動時基準値データを用いる実施形態において、安静時基準値データＲｅｆ_R［１］～Ｒｅｆ_R［ｍ］を記憶するまでの動作を示す図。 本発明に係る脳活動状態判定装置の認知活動時基準値データを用いる実施形態において、平均指標値比ＡＶγ_Aを得るまでの動作を示す図。 本発明に係る脳活動状態判定装置の「認知活動時基準値データを用いる実施形態」による長期の処理結果の一例を示す図。

以下添付図面を参照して、本発明の実施形態に係る脳活動状態判定装置及び脳活動状態判定用プログラムを説明する。各図において同一の構成要素には、同一の符号を付して重複する説明を省略する。本発明の実施形態では、ＲＲＩデータ（心拍間隔データ）から算出したカオス指標を用いる。

ここに、カオス指標とは、時系列データのカオス性を判定する指標であり、幾つかを列記すると次の通りである。
以下に、それぞれの指標と、参考文献（（５），（６）以外、行の後部に記載）を記載する。
（１）ＡｐＥｎ （近似エントロピー） ［１］［２］［３］［４］
（２）ＳａｍｐＥｎ （サンフルエントロピー） ［３］［４］
（３）Ｆｒａｃｔａｌ Ｄｉｍｅｎｓｉｏｎ （フラクタル次元） ［５］［６］
（４）ＳＤ１／ＳＤ２ ［７］［８］
（５）ＣＤ （カオス尺度） 特開２０１８－１２０４８８号公報
（６）ＩＣＤ （修正カオス尺度） 特開２０２１－０６４３２３号公報
＜上の６つが論文掲載の６方式＞
（７）リアフノフ指数の推定法（Ｒｏｓｅｎｓｔｅｉｎの方法） ［９］
（８）リアフノフ指数の推定法（Ｗｏｌｆの方法） ［１０］
（９）リアフノフ指数の推定法（Ｓａｎｏ－Ｓａｗａｄａの方法） ［１１］
＜上の３つが代表的なリアフノフ指数推定法＞

参考文献
[1] Pincus, S. M. Approximate entropy as a measure of system complexity. PNAS 88, 2297-2301 (1991).
[2] Pincus, S. M., Gladstone, I. M. & Ehrenkranz, R. A. A regularity statistic for medical data analysis. J. Clin. Monit. Comput. 7, 335-345 (1991).
[3] Richman, J. S. & Moorman, J. R. Physiological time-series analysis using approximate entropy and sample entropy. Am. J. Physiol. Heart Circ. Physiol. 278, 2039-2049 (2000).
[4] Delgado-Bonal, A. & Alexander, M. Approximate Entropy and Sample Entropy: A Comprehensive Tutorial. Entropy 21, 541 (2019)
[5] Higuchi, T. Approach to an irregular time series on the basis of the fractal theory. Physica D 31, 277-83 (1998).
[6] Ahammer, H. Higuchi dimension of digital images. PLoS One 6, e0119394 (2011).
[7] Hoshi, R. A.& Pastre, C. M., Vanderlei, L. M. & Godoy, M. F.oacir Fernandes. Poincare plot indexes of heart rate variability: Relationships with other nonlinear variables. Auton. Neurosci. 177, 271 -274 (2013)
[8] Guzik, P. et. al. Correlations between the Poincare plot and conventional heart rate variability parameters assessed during paced breathing. J Physiol Sci. 57, 63-71 (2007).
[9] Michael T. Rosenstein, James J. Collins, Carlo J. De Luca, A practical method for calculating largest Lyapunov exponents from small data sets, Physica D: Nonlinear Phenomena, 65, 117 -134 (1993).
[10] Alan Wolf, Jack B. Swift, Harry L. Swinney, John A. Vastano, Determining Lyapunov exponents from a time series, Physica D: Nonlinear Phenomena, Volume 16 , 285 -317 (1985 )
[11] Sato, Shinichi, Sano, Masaki, Sawada, Yasuji, Practical Methods of Measuring the Generalized Dimension and the Largest Lyapunov Exponent in High Dimensional Chaotic Systems, Theor Phys 77 (1987)

本願発明者らは、ＲＲＩデータから得たカオス指標値を用いて脳活動状態判定を行うことが適切であることを確認するために、実験を行った。この実験は、１８人の健康な参加者に対して実施した。参加者は２０代１３名、３０代２名、５０代３名で、男性１５名、女性３名であった。この実験は、京都大学情報学研究科研究倫理委員会の承認を得て実施された（承認番号：KUIS-EAR-2019-006）。
参加者は、ＲＲＩを測定できるＰｏｌａｒＨ１０チェストストラップ心拍数センサーを装着し、次の状態でＲＲＩを測定する２つの実験を行った。
Ｒｅｓｔ（休息）：椅子に座り休息します。身体的負荷も精神的負荷もない。
Ｓｔａｎｄｉｎｇ（立位）：直立姿勢を維持する。身体的負荷のみが加わる。
Ｂｒａｉｎ Ｔａｓｋ：椅子に座り認知課題（暗算または数独）を実行する。精神的負荷のみが加わる。
実験１では、暗算を脳課題に使用しました。参加者は、安静（Ｒｅｓｔ１と表記）で７分間、立位（Ｓｔａｎｄｉｎｇと表記）で７分間、暗算（Ｂｒａｉｎ Ｔａｓｋ１と表記）で７分間ＲＲＩを測定しました。各状態の間に５分間の休憩が設けられた。参加者はこの実験を５セット繰り返した。
この場合の安静時におけるＲＲＩデータを用いて得たカオス指標値ＣＣＩ_R1を分母とし、立位状態で得られたＲＲＩデータを用いて得たカオス指標値ＣＣＩ_Sを分子とするカオス指標値比γ（ＣＣＩ_S／ＣＣＩ_R1）を得る。その後に脳タスク状態へ移行してもらい、脳タスク状態でＲＲＩデータを測定する。脳タスク状態では、椅子に座って卓上で暗算（一桁の足し算）を行ってもらった。この場合の安静時におけるＲＲＩデータを用いて得たカオス指標値ＣＣＩ_R1を分母とし、脳タスク状態で得られたＲＲＩデータを用いて得たカオス指標値ＣＣＩ_B1を分子とするカオス指標値比γ（ＣＣＩ_B1／ＣＣＩ_R1）を得る。カオス指標値比γ（ＣＣＩ_S／ＣＣＩ_R1）の度数を青により示し、カオス指標値γ（ＣＣＩ_B1／ＣＣＩ_R1）の度数を赤により示したヒストグラムを図１に示す。カオス指標の種類は、図示の通り、ＡｐＥｎ、ＳａｍｐＥｎ、Ｆｒａｃｔａｌ Ｄｉｍｅｎｓｉｏｎ、ＳＤ１／ＳＤ２、ＣＤ、ＩＣＤの６種類を用いた。

更に、実験２では、数独を脳課題に使用した。参加者は、安静（Ｒｅｓｔ２と表記）で７分間、数独（Ｂｒａｉｎ Ｔａｓｋ２と表記）で７分間ＲＲＩを測定した。各状態の間に５分間の休憩が設けられました。参加者はこの実験を５セット繰り返した。
この場合の休息時におけるＲＲＩデータを用いて得たカオス指標値ＣＣＩ_R2を分母とし、脳タスク状態で得られたＲＲＩデータを用いて得たカオス指標値ＣＣＩ_B2を分子とするカオス指標値比γ（ＣＣＩ_B2／ＣＣＩ_R2）を得る。カオス指標値比γ（ＣＣＩ_S／ＣＣＩ_R1）の度数を青により示し、カオス指標値比γ（ＣＣＩ_B2／ＣＣＩ_R2）の度数を赤により示したヒストグラムを図２に示す。カオス指標の種類は、図示の通り、ＡｐＥｎ、ＳａｍｐＥｎ、Ｆｒａｃｔａｌ Ｄｉｍｅｎｓｉｏｎ、ＳＤ１／ＳＤ２、ＣＤ、ＩＣＤの６種類を用いた。

図１、図２において、いずれのカオス指標を用いた場合にも、立位状態（青）のγよりも脳タスク状態（赤）のγが大きな値であり、概ねγが１の値を境として立位状態（青）と脳タスク状態（赤）が分布していることが理解される。

図３には、本発明に係る脳活動状態判定装置の第１の実施形態の装置構成図が示されている。本実施形態では、時計タイプのスマートウオッチ２０に、脳活動状態判定装置の全ての構成を備えさせている。このスマートウオッチ２０は、心電図信号のＲ波に相当する信号を検出するＲＲＩセンサ１０を備えており、このＲＲＩセンサ１０として、心拍センサを用いることができる。

このＲＲＩセンサ１０は、心拍センサ以外に、心電計の心電図信号を取り出す部分の構成や脈波センサを用いても良い。スマートウオッチ２０以外の構成を有する脳活動状態判定装置においては、ＲＲＩセンサ１０は、生体に設けられ、無線或いは有線により心電図信号を検出して、ＲＲＩ（整形前）を出力するものであっても良い。

スマートウオッチ２０はコンピュータの構成を有し、コンピュータによって実現されるカオス指標値算出手段２０１、基準値データ保持制御手段２０２、判定対象カオス指標値算出手段２０３、指標値比算出手段２０４、判定手段２０５、記憶装置３００を備えている。なお、記憶装置３００はクラウド上に存在し、コンピュータであるスマートウオッチ２０が記憶装置３００と通信してデータの送受を行う構成であっても良い。

カオス指標値算出手段２０１は、時系列データのカオス性を判定する指標であるカオス指標値を算出するものである。上記カオス指標値算出手段２０１は、１種または複数種のカオス指標値を算出するものである。ここで、カオス指標の種類としては前述した９種のもの、また、これに同様の指標を加えたものを採用することができる。基準値データ保持制御手段２０２は、脳に対する負荷が基準値データを得る状態である第１の状態とされた被験者からＲＲＩセンサ１０によって得られるＲＲＩデータを上記カオス指標値算出手段２０１へ与えて、得られる出力を基準値データとして記憶装置３００に保持させるものである。

判定対象カオス指標値算出手段２０３は、脳に対する負荷評価対象データを得る状態である第２の状態とされた判定対象者から得られるＲＲＩデータを上記カオス指標値算出手段２０１へ与えて、評価対象データである判定対象カオス指標値を得るものである。指標値比算出手段２０４は、上記基準値データと上記判定対象カオス指標値との比である指標値比を算出するものである。判定手段２０５は、脳活動状態を判定するために脳活動閾値と上記指標値比との比較に基づき上記判定対象者の脳活動状態を判定するものである。

上記カオス指標値算出手段２０１は、１種または複数種のカオス指標値を算出するものであるから、上記基準値データ保持制御手段２０２は、上記複数種に対応する基準値データを記憶装置に保持させることができるものであり、上記判定対象カオス指標値算出手段２０３は、上記複数種に対応する判定対象カオス指標値を得ることができるものであり、上記指標値比算出手段２０４は、上記複数種に対応する指標値比を算出することができるものである。上記指標値比算出手段２０４は、上記複数種に対応する指標値比を算出し、得られた指標値比を平均して平均指標値比を得ることができるものである。

図６には、本発明に係る脳活動状態判定装置の第２の実施形態の装置構成図が示されている。本実施形態では、脳活動状態判定装置を、例えば円盤状の筐体であって判定対象者の身体に貼着されるセンサ部１０Ｂと、コンピュータ５０とにより構成することができる。コンピュータ５０は、スマートフォン、パーソナルコンピュータ、クラウド端末、サーバ、特殊端末などのコンピュータそのものによって構成された装置やコンピュータ相当機器を指す。センサ部１０Ｂには、ＲＲＩセンサ１０と通信手段１１が備えられ、ＲＲＩセンサ１０においてＲＲＩデータを得て通信手段１１からコンピュータ５０へ送信するように構成されている。

コンピュータ５０には、コンピュータによって実現されるカオス指標値算出手段２０１、基準値データ保持制御手段２０２、判定対象カオス指標値算出手段２０３、指標値比算出手段２０４、判定手段２０５、通信手段２０６が備えられている。更にコンピュータ５０には、記憶装置３００、表示装置４０が備えられている。なお、記憶装置３００はクラウド上に存在し、コンピュータ５０がクラウド上の記憶装置３００と通信してデータの送受を行う構成のものであっても良い。コンピュータ５０は、通信手段２０６を介してセンサ部１０ＢからＲＲＩデータを得て図３に示した脳活動状態判定装置と同様の処理を行う。

図７には、本発明に係る脳活動状態判定装置の第３の実施形態の装置構成図が示されている。本実施形態では、図６に示した脳活動状態判定装置の構成と概ね同一の構成を採用している。異なる構成部分は、表示装置４０を備えるコンピュータ端末（または、タブレット端末）６０が、コンピュータ５０とは別に設けられていることである。本実施形態において、コンピュータ５０が表示装置を備えていても良いが、判定結果のメッセージと平均指標値比ＡＶγ_Aの情報については、表示装置４０を備えるコンピュータ端末（または、タブレット端末）６０において行われる。本実施形態でも、記憶装置３００はクラウド上に存在し、コンピュータ５０がクラウド上の記憶装置３００と通信してデータの送受を行う構成であっても良い。

図８には、本発明に係る脳活動状態判定装置の第４の実施形態の装置構成図が示されている。本実施形態では、図６に示した脳活動状態判定装置の構成について、コンピュータ５０にクラウドコンピュータ（またはサーバコンピュータ）７０を接続した構成を採用している。センサ部１０Ｂには通信手段１１が備えられ、コンピュータ５０には通信手段２０６が備えられ、クラウドコンピュータ（またはサーバコンピュータ）７０には通信手段７０６が備えられ、これら通信手段１１と通信手段２０６と通信手段７０６が相互にデータ等の送受を行って脳活動状態判定装置として機能する。

センサ部１０ＢにはＲＲＩセンサ１０が備えられ、ＲＲＩデータを取得してコンピュータ５０を介してクラウドコンピュータ（またはサーバコンピュータ）７０へ送信する。コンピュータ５０には表示装置４０が備えられ、判定結果のメッセージと平均指標値比ＡＶγ_Aの情報の表示が行われる。クラウドコンピュータ（またはサーバコンピュータ）７０には、コンピュータによって実現されるカオス指標値算出手段２０１、基準値データ保持制御手段２０２、判定対象カオス指標値算出手段２０３、指標値比算出手段２０４、判定手段２０５、通信手段７０６が備えられている。更にクラウドコンピュータ（またはサーバコンピュータ）７０には、記憶装置３００が備えられている。勿論、記憶装置３００はクラウドコンピュータ（またはサーバコンピュータ）７０が備えずに、クラウド上に存在し、クラウドコンピュータ（またはサーバコンピュータ）７０がクラウド上の記憶装置３００と通信してデータの送受を行う構成であっても良い。

＜安静時基準値データを用いる実施形態＞
本発明の実施形態に係る脳活動状態判定装置は、上記図６～図８のいずれかの構成の装置である。本実施形態では、上記基準値データ保持制御手段２０２は、安静状態（脳に対する負荷が基準値データを得る状態である第１の状態）とされた被験者から得られるＲＲＩデータを上記カオス指標値算出手段２０１へ与えて得られる出力を安静時カオス指標値データＣＣＩ［１］～ＣＣＩ［ｍ］として記憶装置３００に保持させる（図４）。ここに、安静状態とは通常は、被験者がベッドに寝かされていて身体的消耗がなく、脳に負荷が加わっていない状態であっても良いが、本実施形態では椅子に座って身体的負荷や精神的な負荷も含めて脳に対する負荷がない状態を指している。本実施形態では、上記カオス指標値算出手段２０１が例えばｍ（＝６）種類のカオス指標値を求めるものとし、時系列でＳ時系列得られていると、Ｓ時系列の平均を各カオス指標の種類毎に求め、安静時基準値データＲｅｆ_R［１］～Ｒｅｆ_R［ｍ］が算出され、記憶されている（図５）。

判定対象カオス指標値算出手段２０３は、脳タスク実行状態（脳に対する負荷が評価対象データを得る状態である第２の状態）とされた判定対象者から得られるＲＲＩデータを上記カオス指標値算出手段２０１へ与えて評価対象データである判定対象カオス指標値を得る。ここで、判定対象者は、安静時基準値データを得た被験者と同一人物とする。また、上記カオス指標値算出手段２０１が例えばｍ（＝６）種類のカオス指標値を求めることから、判定対象カオス指標値データも、ＣＣＩ［１］～ＣＣＩ［ｍ］のｍ種が得られている（図５Ａ）。更に、脳タスクとは、脳内ネットワークに関する研究分野における、Executive Control Network（ECN）あるいは、CEN（Central Executive Network）と呼ばれる知的活動／認知活動において最も活性化する脳部位間ネットワークの活性化を促すようなタスクを意味する。例えば、図１、図２の実験において用いたものを含む暗算、パズル、クイズ（三択、四択）、その他を指す。脳タスクは複数種類用意しておき、作業者の趣向に応じて選択させてもよい。あるいは、種類に関係なくランダムに出題しても良く、このようにすると、好適な結果が期待できるものと考えられる。

上記指標値比算出手段２０４は、上記複数種（ｍ）に対応する指標値比γ_A［１］～γ_A［ｍ］を算出する。上記指標値比算出手段２０４は、得られた指標値比γ_A［１］～γ_A［ｍ］を平均して平均指標値比ＡＶγ_Aを得る（図５Ａ）。
即ち、以下の式により平均指標値比ＡＶγ_Aが求められる。なお、本実施形態では相加平均を採用しているが、目的に応じてγ_A［１］～γ_A［ｍ］の代表値であって、γ_A［１］～γ_A［ｍ］用いて算出された数量であればどのようなものでもよい（例えば、相乗平均、対数を取った値の平均などであっても良い。）

この実施形態では、脳活動閾値を１として判定手段２０５は、
・脳活動が認められる （ＡＶγ_A＞１のとき）
・脳活動が認められない （ＡＶγ_A≦１のとき）
という判定結果を得る。

以上において得られた結果である「脳活動が認められる」或いは「脳活動が認められない」というメッセージと平均指標値比ＡＶγ_Aの情報は、表示装置４０に送出されて表示される。図５Ａには、９月２日から１０月１２日までの間の適宜な１５日において得られた判定結果と平均指標値比ＡＶγ_Aが表にまとめられて示されている。

＜認知活動時基準値データを用いる実施形態＞
本発明の実施形態に係る脳活動状態判定装置は、上記図６～図８のいずれかの構成の装置である。本実施形態では、上記基準値データ保持制御手段２０２は、脳が認知活動状態（脳に対する負荷が第１の状態（実際には、第３の状態）とされた被験者から得られるＲＲＩデータを上記カオス指標値算出手段２０１へ与えて得られる出力を認知活動時カオス指標値データＣＣＩ［１］～ＣＣＩ［ｍ］として記憶装置３００に保持させる（図９）。ここに、認知活動時とは、被験者が椅子に座って図１、図２において説明した暗算や数独を行っている状態を指している。本実施形態では、上記カオス指標値算出手段２０１が例えばｍ（＝６）種類のカオス指標値を求めるものとし、時系列でＬ時系列得られていると、Ｌ時系列の平均を各カオス指標の種類毎に求め、認知活動時基準値データＲｅｆ_BT［１］～Ｒｅｆ_BT［ｍ］が算出され、記憶されている（図１０）。

判定対象カオス指標値算出手段２０３は、脳タスク実行状態（脳に対する負荷が第２の状態（実際には、第４の状態））とされた判定対象者から得られるＲＲＩデータを上記カオス指標値算出手段２０１へ与えて判定対象カオス指標値を得る。ここで、判定対象者は、認知活動時基準値データを得た被験者と同一人物とする。また、上記カオス指標値算出手段２０１が例えばｍ（＝６）種類のカオス指標値を求めることから、判定対象カオス指標値データも、ＣＣＩ［１］～ＣＣＩ［ｍ］のｍ種が得られている。更に、脳タスクは、「安静時基準値データを用いる実施形態」の場合と同様なものとする。なお、脳タスクが同様であるにも拘らず、本実施形態では、当初に脳が安静状態ではなく認知活動状態であった判定対象者を脳タスク実行状態としたため、「脳タスク実行状態（脳に対する負荷が第２の状態）とされた判定対象者」とせずに「脳タスク実行状態（脳に対する負荷が第２の状態（実際には、第４の状態））とされた判定対象者」とした。

上記指標値比算出手段２０４は、上記複数種（ｍ）に対応する指標値比γ_B［１］～γ_B［ｍ］を算出する。上記指標値比算出手段２０４は、得られた指標値比を平均して平均指標値比ＡＶγ_Bを得る（図１０Ａ）。
即ち、以下の式により平均指標値比ＡＶγ_Bが求められる。なお、本実施形態では相加平均を採用しているが、目的に応じてγ_B［１］～γ_B［ｍ］の代表値であって、γ_B［１］～γ_B［ｍ］用いて算出された数量であればどのようなものでもよい（例えば、相乗平均、対数を取った値の平均などであっても良い。）

この実施形態では、脳活動閾値を０．５と１．２として次の３段階で判定手段２０５は、
・平常よりも良い （ＡＶγ_B＞１．２のとき）
・平常 （０．５≦ＡＶγ_B≦１．２のとき）
・平常よりも低い （ＡＶγ_B＜０．５のとき）
という判定結果を得る。
ここに、閾値は現時点での参考値であり、本願発明の実施以降の状況を鑑みて変更してもよい。ただ、変わらないことは、
・平常よりも良いは、必ず１よりも大きい値とすること。
・平常よりも低いは、必ず１よりも小さい値とすること。
・平常は、上記２つの中間値である必要がある。

以上において得られた判定結果である「平常よりも良い」或いは「平常」或いは「平常よりも低い」というメッセージと平均指標値比ＡＶγ_Bの情報は、表示装置４０に送出されて表示される。図１０Ａには、９月２日から１０月１２日までの間の適宜な１５日において得られた判定結果と平均指標値比ＡＶγ_Bが表にまとめられて示されている。

＜「認知活動時基準値データを用いる実施形態」による長期の処理結果を用いて慢性的脳疲労を判定する実施形態α＞
本発明の実施形態αに係る脳活動状態判定装置は、上記図６～図８のいずれかの構成の装置である。本実施形態αでは、「認知活動時基準値データを用いる実施形態」を実行する各手段を全て用いて処理を行う。「長期」という意味は、慢性的脳疲労の判定を行うために十分な判定結果が得られていればよく、例えば１か月以上の判定結果があればよい。図１１に、「認知活動時基準値データを用いる実施形態」による長期の処理結果の一例を示す。この例では、約１か月の１５回分の判定結果が記憶装置３００に記憶された状態とする（図１１右側に表示の表）。

この実施形態αでは、判定手段２０５が、次の条件を判定する。
条件１・最新の計測日から見て平均指標値比ＡＶγ_Bが低い判定結果（本実施形態αでは、「平常よりも低い」）をｎ回連続している。
条件２・最新の計測回からｕ回以内において平均指標値比ＡＶγ_Bが低下傾向であり、かつ、ｖ（＜ｕ）回以内の平均指標値比ＡＶγ_Bが所定値以下である。なお、上記ｎ、ｕ、ｖは正の整数であり、適宜決めることができる。このように、判定手段２０５は、上記記憶された判定結果とそのときの平均指標値比の低下傾向に基づき慢性的脳疲労を判定する脳疲労第１判定手段を構成する。

以上の条件１、条件２の少なくとも一方が（もしくは両方が）満たされたときは、慢性脳疲労の状態である旨の警告メッセージと条件１と２の内容情報を、表示装置４０に送出して表示し、自らが知るばかりでなく、本実施形態αの通信手段２０６（７０６）から当該脳活動状態判定装置以外の携帯端末等に送信して、その表示装置に表示させることができる。

脳疲労は、第１に、恒常的な睡眠不足、第２に、恒常的な疲労、第３に、鬱病やメンタル疾患、第４に、外的要因（騒音、不快、不安など）による脳活動の一時的な阻害原因となって脳の非活性状態が継続しているものであり、当該脳活動状態判定装置を有している者や上司等の管理者がこれを知っていることの意義は大きいものである。

＜「安静時基準値データを用いる実施形態」＋「認知活動時基準値データを用いる実施形態」の実施形態β＞
本発明の実施形態βに係る脳活動状態判定装置は、上記図６～図８のいずれかの構成の装置である。本実施形態βでは、上記基準値データ保持制御手段２０２は、安静状態（脳に対する負荷が第１の状態）とされた被験者から得られるＲＲＩデータを上記カオス指標値算出手段２０１へ与えて得られる出力を安静時カオス指標値データとして記憶装置３００に保持させる（図４）。

本実施形態βでは、上記基準値データ保持制御手段２０２は、脳が認知活動状態（脳に対する負荷が第１の状態（実際には、第３の状態）とされた被験者から得られるＲＲＩデータを上記カオス指標値算出手段２０１へ与えて得られる出力を認知活動時カオス指標値データとして記憶装置３００に保持させる（図９）。ここに、認知活動時とは、被験者が椅子に座って図１、図２において説明した暗算や数独を行っている状態を指している。本実施形態βでは、上記カオス指標値算出手段２０１が例えばｍ（＝６）種類のカオス指標値を求めるものとし、時系列でＬ時系列得られていると、Ｌ時系列の平均を各カオス指標の種類毎に求め、認知活動時基準値データＲｅｆ_BT［１］～Ｒｅｆ_BT［ｍ］が算出され、記憶されている（図１０）。

判定対象カオス指標値算出手段２０３は、脳タスク実行状態（脳に対する負荷が第２の状態（実際には、第４の状態））とされた判定対象者から得られるＲＲＩデータを上記カオス指標値算出手段２０１へ与えて判定対象カオス指標値を得る。ここで、判定対象者は、認知活動時基準値データを得た被験者と同一人物とする。また、上記カオス指標値算出手段２０１が例えばｍ（＝６）種類のカオス指標値を求めることから、判定対象カオス指標値データも、ＣＣＩ［１］～ＣＣＩ［ｍ］のｍ種が得られている。更に、脳タスクは、「安静時基準値データを用いる実施形態」の場合と同様なものとする。計測開始を０：００：００（時：分：秒）として、１０秒間隔で５分間の測定を以下のようにｎ（本実施形態では、一例として９回とする）回行う。
・０：００：００～０：０５：００ １回目
・０：００：１０～０：０５：１０ ２回目
・０：００：２０～０：０５：２０ ３回目
・・・・・・・・・・・・・・・・・・・・・
・０：０１：２０～０：０６：２０ ｎ（９）回目

以上により、ｎ×ｍ通りの判定対象カオス指標値データＣＣＩ［１］［１］～ＣＣＩ［ｎ］［ｍ］が得られている。指標値比算出手段２０４は、判定対象カオス指標値データＣＣＩ［１］［１］～ＣＣＩ［ｎ］［ｍ］を安静時基準値データで除した安静指標値比γ_A［１］［１］～γ_A［ｎ］［ｍ］と、判定対象カオス指標値データＣＣＩ［１］［１］～ＣＣＩ［ｎ］［ｍ］を認知活動時基準値データで除した認知活動指標値比γ_B［１］［１］～γ_B［ｎ］［ｍ］とを得て、それぞれの平均指標値比ＡＶγ_A［１］～γ_A［ｎ］、ＡＶγ_B［１］～γ_B［ｎ］、を算出する。

平均指標値比ＡＶγ_A［１］～γ_A［ｎ］、ＡＶγ_B［１］～γ_B［ｎ］について、この実施形態では、判定手段２０５は、脳活動閾値を０．５と１．２として次の４状態のいずれに該当するかに基づき判定結果を得る。
・状態１ ＡＶγ_A［ｎ］＞１かつＡＶγ_B［ｎ］＞１．２：脳活動良し
・状態２ ＡＶγ_A［ｎ］＞１かつ０．５≦ＡＶγ_B［ｎ］≦１．２：脳活動通常
・状態３ ＡＶγ_A［ｎ］＞１かつＡＶγ_B［ｎ］＜０．５：脳活動低下
・状態４ ＡＶγ_A［ｎ］≦１ ：身体的負荷あり

以上において得られた判定結果は、１０秒毎に１つで、ｎ（９）個得られる。状態３が最新のｎ（９）個目から古い方へ例えば、４以上連続している場合に、「脳活動低下」或いは状態４が最終の９個目から古い方へ例えば、４以上連続している場合に、「身体的負荷あり」というメッセージと平均指標値比ＡＶγ_A［ｎ］、ＡＶγ_B［ｎ］の情報は、表示装置４０に送出されて表示される。自らが知るばかりでなく、本実施形態βの通信手段２０６（７０６）から当該脳活動状態判定装置以外の携帯端末等に送信して、その表示装置に表示させることができる。

このように、本実施形態では、上記指標値比算出手段２０４は、上記安静時基準値データと上記判定対象カオス指標値との比である安静指標値比及び、上記認知活動時基準値データと上記判定対象カオス指標値との比である認知活動指標値比を算出する。また、上記判定手段２０５は、脳活動状態を判定するために安静状態対応脳活動閾値と上記安静指標値比との比較及び認知活動対応脳活動閾値と上記認知活動指標値比との比較に基づき上記判定対象者の脳活動状態を判定する。

＜実施形態βにより長期の日に亘って判定結果ｎ（個）と平均指標値比ＡＶγ_A［ｎ］、ＡＶγ_B［ｎ］の情報を蓄積し、この蓄積データを用いて慢性的脳疲労を判定する実施形態αの手法を用いて判定する実施形態＞
本発明の実施形態に係る脳活動状態判定装置は、上記図６～図８のいずれかの構成の装置である。この例では、約１か月の１５日に亘って判定結果ｎ（９）個と平均指標値比ＡＶγ_A［ｎ］、ＡＶγ_B［ｎ］の情報が記憶装置３００に記憶された状態とする。上記実施形態βでは、０：００：００～０：０６：２０の時間について、ｎ（９）回区分して得たデータを用いてリアルタイム推定（０１秒間隔）を行ったが、本実施形態はこれとは異なり、このリアルタイム測定したでデータを、ここでは１５日分蓄積して、慢性的脳疲労の測定を行う。即ち、リアルタイム測定ンデータを何日かに亘る長期間蓄積して、これを用いて慢性的脳疲労を測定するものである。

この実施形態では、判定手段２０５は、脳活動閾値を０．５と１．２として次の４状態のいずれに該当するかに基づき判定結果を得る。
・状態１ ＡＶγ_A［ｎ］＞１かつＡＶγ_B［ｎ］＞１．２：脳活動良し
・状態２ ＡＶγ_A［ｎ］＞１かつ０．５≦ＡＶγ_B［ｎ］≦１．２：脳活動通常
・状態３ ＡＶγ_A［ｎ］＞１かつＡＶγ_B［ｎ］＜０．５：脳活動低下
・状態４ ＡＶγ_A［ｎ］≦１ ：身体的負荷あり

以上において得られた判定結果は、１日につき、１０秒毎に１つで、ｎ（９）個得られる。状態３が最終の９個目から古い方へ例えば、４以上連続している場合に、「脳活動低下レベル３」と判定の結果を得る。状態３が例えば、５個以上である場合に、「脳低下レベル２」と判定結果を得る。状態３が例えば、４個または３個である場合に、「脳低下レベル１」と判定結果を得る。それ以外は、脳活動低下なしとする。
この実施形態では、判定手段２０５が、次の条件を判定する。
条件１・最新の計測日から見て「脳活動低下」をｎ回連続している。
条件２・最新の計測回からｕ（ｕ＞ｎ）回以内において、「脳低下レベル」数値の加算値が所定値以上である。なお、上記ｎ、ｕは正の整数であり、適宜決めることができる。

以上の条件１、条件２の少なくとも一方が（もしくは両方が）満たされたときは、慢性脳疲労の状態である旨の警報メッセージと条件１と２の内容情報を、表示装置４０に送出して表示し、自らが知るばかりでなく、本実施形態の通信手段２０６（７０６）から当該脳活動状態判定装置以外の携帯端末等に送信して、その表示装置に表示させることができる。

本発明に係る複数の実施形態を説明したが、これらの実施形態は例として提示するものであり、発明の範囲を限定することは意図していない。これら新規な実施形態は、その他の様々な形態で実施されることが可能であり、発明の要旨を逸脱しない範囲で、種々の省略、置き換え、変更を行うことができる。これら実施形態やその変形は、発明の範囲や要旨に含まれるとともに、特許請求の範囲に記載された発明とその均等の範囲に含まれる。

１０ センサ
１０Ｂ センサ部
１１ 通信手段
２０ スマートウオッチ
４０ 表示装置
５０ コンピュータ
２０１ カオス指標値算出手段
２０２ 基準値データ保持制御手段
２０３ 判定対象カオス指標値算出手段
２０４ 指標値比算出手段
２０５ 判定手段
２０６ 通信手段
３００ 記憶装置
７０６ 通信手段

Claims (18)

1. 時系列データのカオス性を判定する指標であるカオス指標値を算出するカオス指標値計算手段と、
   脳に対する負荷が基準値データを得る状態である第１の状態とされた被験者から得られるＲＲＩデータを前記カオス指標値計算手段へ与えて得られる出力を基準値データとして記憶装置に保持させる基準値データ保持制御手段と、
   脳に対する負荷が評価対象データを得る状態である第２の状態とされた判定対象者から得られるＲＲＩデータを前記カオス指標値計算手段へ与えて評価対象データである判定対象カオス指標値を得る判定対象カオス指標値計算手段と、
   前記基準値データと前記判定対象カオス指標値との比である指標値比を算出する指標値比算出手段と、
   脳活動状態を判定するために脳活動閾値と前記指標値比との比較に基づき前記判定対象者の脳活動状態を判定する判定手段と、
   を具備することを特徴とする脳活動状態判定装置。
2. 前記カオス指標値計算手段は、複数種のカオス指標値を算出するものであり、
   前記基準値データ保持制御手段は、前記複数種に対応する基準値データを記憶装置に保持させるものであり、
   前記判定対象カオス指標値計算手段は、前記複数種に対応する判定対象カオス指標値を得るものであり、
   前記指標値比算出手段は、前記複数種に対応する指標値比を算出するものであることを特徴とする請求項１に記載の脳活動状態判定装置。
3. 前記指標値比算出手段は、前記複数種に対応する指標値比を算出し、得られた指標値比を平均して平均指標値比を得るものであることを特徴とする請求項２に記載の脳活動状態判定装置。
4. 前記基準値データ保持制御手段は、安静状態の被験者から得られるＲＲＩデータを前記カオス指標値計算手段へ与えて得られる出力を安静時基準値データとして記憶装置に保持させることを特徴とする請求項１乃至３のいずれか１項に記載の脳活動状態判定装置。
5. 前記基準値データ保持制御手段は、脳が認知活動状態の被験者から得られるＲＲＩデータを前記カオス指標値計算手段へ与えて得られる出力を認知活動時基準値データとして記憶装置に保持させることを特徴とする請求項１乃至３のいずれか１項に記載の脳活動状態判定装置。
6. 前記指標値比算出手段は、前記複数種に対応する指標値比を算出し、得られた指標値比を平均して平均指標値比を得るものであり、
   前記判定手段による判定が少なくとも５回行われ、この判定結果とそのときの平均指標値比が記憶されており、
   前記記憶された判定結果とそのときの平均指標値比の低下傾向に基づき慢性的脳疲労を判定する脳疲労第１判定手段を
   具備することを特徴とする請求項２に記載の脳活動状態判定装置。
7. 前記基準値データ保持制御手段は、安静状態の被験者から得られるＲＲＩデータを前記カオス指標値計算手段へ与えて得られる出力を安静時基準値データとして記憶装置に保持させると共に、脳が認知活動状態の被験者から得られるＲＲＩデータを前記カオス指標値計算手段へ与えて得られる出力を認知活動時基準値データとして記憶装置に保持させており、
   前記指標値比算出手段は、前記安静時基準値データと前記判定対象カオス指標値との比である安静指標値比及び、前記認知活動時基準値データと前記判定対象カオス指標値との比である認知活動指標値比を算出し、
   前記判定手段は、脳活動状態を判定するために安静状態対応脳活動閾値と前記安静指標値比との比較及び認知活動対応脳活動閾値と前記認知活動指標値比との比較に基づき前記判定対象者の脳活動状態を判定することを特徴とする請求項１乃至３のいずれか１項に記載の脳活動状態判定装置。
8. 前記指標値比算出手段は、所定時間幅で得られるＲＲＩデータを用いて、複数時間間隔で複数の安静指標値比及び認知活動指標値比を算出し、
   前記判定手段は、複数の安静指標値比及び認知活動指標値比についてそれぞれ設定された複数種の脳活動閾値との比較に基づき前記判定対象者の脳活動状態を判定することを特徴とする請求項７に記載の脳活動状態判定装置。
9. 前記指標値比算出手段は、前記複数種に対応する指標値比を算出し、得られた指標値比を平均して平均指標値比を得るものであり、
   前記判定手段による判定が少なくとも５回行われ、この判定結果とそのときの平均安静指標値比及び平均認知活動指標値比が記憶されており、
   前記記憶された判定結果とそのときの平均安静指標値比及び平均認知活動指標値比の低下傾向に基づき慢性的脳疲労を判定する脳疲労第２判定手段を
   具備することを特徴とする請求項８に記載の脳活動状態判定装置。
10. コンピュータを、
    時系列データのカオス性を判定する指標であるカオス指標値を算出するカオス指標値計算手段、
    脳に対する負荷が基準値データを得る状態である第１の状態とされた被験者から得られるＲＲＩデータを前記カオス指標値計算手段へ与えて得られる出力を基準値データとして記憶装置に保持させる基準値データ保持制御手段、
    脳に対する負荷が評価対象データを得る状態である第２の状態とされた判定対象者から得られるＲＲＩデータを前記カオス指標値計算手段へ与えて評価対象データである判定対象カオス指標値を得る判定対象カオス指標値計算手段、
    前記基準値データと前記判定対象カオス指標値との比である指標値比を算出する指標値比算出手段、
    脳活動状態を判定するために脳活動閾値と前記指標値比との比較に基づき前記判定対象者の脳活動状態を判定する判定手段、
    として機能させることを特徴とする脳活動状態判定用プログラム。
11. 前記コンピュータを前記カオス指標値計算手段として、複数種のカオス指標値を算出するように機能させ、
    前記コンピュータを前記基準値データ保持制御手段として、前記複数種に対応する基準値データを記憶装置に保持させるように機能させ、
    前記コンピュータを前記判定対象カオス指標値計算手段として、前記複数種に対応する判定対象カオス指標値を得るように機能させ、
    前記コンピュータを前記指標値比算出手段として、前記複数種に対応する指標値比を算出するように機能させることを特徴とする請求項１０に記載の脳活動状態判定用プログラム。
12. 前記コンピュータを前記指標値比算出手段として、前記複数種に対応する指標値比を算出し、得られた指標値比を平均して平均指標値比を得るように機能させることを特徴とする請求項１１に記載の脳活動状態判定用プログラム。
13. 前記コンピュータを前記基準値データ保持制御手段として、安静状態の被験者から得られるＲＲＩデータを前記カオス指標値計算手段へ与えて得られる出力を安静時基準値データとして記憶装置に保持させるように機能させることを特徴とする請求項１０乃至１２のいずれか１項に記載の脳活動状態判定用プログラム。
14. 前記コンピュータを前記基準値データ保持制御手段として、脳が認知活動状態の被験者から得られるＲＲＩデータを前記カオス指標値計算手段へ与えて得られる出力を認知活動時基準値データとして記憶装置に保持させるように機能させることを特徴とする請求項１０乃至１２のいずれか１項に記載の脳活動状態判定用プログラム。
15. 前記コンピュータを前記指標値比算出手段として、前記複数種に対応する指標値比を算出し、得られた指標値比を平均して平均指標値比を得るように機能させ、
    前記コンピュータを前記判定手段として判定を少なくとも５回行うように機能させると共に、この判定結果とそのときの平均指標値比が記憶されるように機能し、
    前記コンピュータを、前記記憶された判定結果とそのときの平均指標値比の低下傾向に基づき慢性的脳疲労を判定する脳疲労第１判定手段として機能させることを特徴とする請求項１１に記載の脳活動状態判定用プログラム。
16. 前記コンピュータを前記基準値データ保持制御手段として、安静状態の被験者から得られるＲＲＩデータを前記カオス指標値計算手段へ与えて得られる出力を安静時基準値データとして記憶装置に保持させるように機能させると共に、脳が認知活動状態の被験者から得られるＲＲＩデータを前記カオス指標値計算手段へ与えて得られる出力を認知活動時基準値データとして記憶装置に保持させるように機能させ、
    前記コンピュータを前記指標値比算出手段として、前記安静時基準値データと前記判定対象カオス指標値との比である安静指標値比及び、前記認知活動時基準値データと前記判定対象カオス指標値との比である認知活動指標値比を算出するように機能させ、
    前記コンピュータを前記判定手段として、脳活動状態を判定するために安静状態対応脳活動閾値と前記安静指標値比との比較及び認知活動対応脳活動閾値と前記認知活動指標値比との比較に基づき前記判定対象者の脳活動状態を判定するように機能させることを特徴とする請求項１０乃至１２のいずれか１項に記載の脳活動状態判定用プログラム。
17. 前記コンピュータを前記指標値比算出手段として、所定時間幅で得られるＲＲＩデータを用いて、複数時間間隔で複数の安静指標値比及び認知活動指標値比を算出するように機能させ、
    前記コンピュータを前記判定手段として、複数の安静指標値比及び認知活動指標値比についてそれぞれ設定された複数種の脳活動閾値との比較に基づき前記判定対象者の脳活動状態を判定するように機能させることを特徴とする請求項１６に記載の脳活動状態判定用プログラム。
18. 前記コンピュータを前記指標値比算出手段として、前記複数種に対応する指標値比を算出し、得られた指標値比を平均して平均指標値比を得るように機能させ、
    前記コンピュータを前記判定手段として判定を少なくとも５回行うように機能させると共に、この判定結果とそのときの平均安静指標値比及び平均認知活動指標値比が記憶されるように機能させ、
    前記コンピュータを前記記憶された判定結果とそのときの平均安静指標値比及び平均認知活動指標値比の低下傾向に基づき慢性的脳疲労を判定する脳疲労第２判定手段として機能させることを特徴とする請求項１７に記載の脳活動状態判定用プログラム。

Images