JP3310498B2

JP3310498B2 - 生体情報解析装置および生体情報解析方法

Info

Publication number: JP3310498B2
Application number: JP19489595A
Authority: JP
Inventors: 倫幸吉田; 幸男黒田
Original assignee: National Institute of Advanced Industrial Science and Technology AIST; Toyota Motor Corp
Current assignee: National Institute of Advanced Industrial Science and Technology AIST; Toyota Motor Corp
Priority date: 1994-09-02
Filing date: 1995-07-31
Publication date: 2002-08-05
Anticipated expiration: 2015-07-31
Also published as: EP0699413B1; US6129681A; JPH08117199A; EP0699413A1; KR100213598B1; DE69526823D1; KR960009969A; DE69526823T2; US5884626A

Description

【発明の詳細な説明】

【０００１】

【発明の属する技術分野】本発明は、人間の生体情報を
解析する装置及び方法に関する。特に、生理データ（生
理的要因）と、覚醒度・快適度等の心理データ（心理的
要因）を結び付ける装置・方法に関する。

【０００２】

【従来の技術】近年、人々の居住・作業環境や自動車等
の乗り物等に対する意識は大きく変容し、機能重視から
人間特性重視への方向転換が提唱されている。このよう
な人間の感性を重視する傾向が強まるにつれて、いわゆ
る感性（快適性）の研究が盛んに行われるようになって
きた。

【０００３】しかしながら、この快適性は生活に密着し
た人間の感情や情緒に端を発するものであり、感情は主
観性の強いものであるため、いわゆる他覚的計測が困難
である。そのため、快適性の評価は、一般的な手法とし
ては定性的なものが多く、快適性を定量的に計測する手
法はほとんど確立されていないのが現状である。

【０００４】例えば、従来より人間の生体情報の定量的
解析として、脳波・心電・心拍等の生理データ（生理的
要因）と、覚醒度・快適度等の心理データ（心理的要
因）等を結び付けるための研究が数多く行われている。
すなわち、生理データに基づいて、覚醒度・快適度等の
心理データを定量的に求めようとするものである。これ
らの２つの要因、すなわち生理的要因と心理的要因との
相関を見いだす（結び付ける）手法としては、従来その
ほとんどが（重）回帰分析や分散分析等の統計解析の手
法が用いられており、それらの結果に基づいて生理デー
タ（脳波など）から心理データ（覚醒度等）を推定する
アルゴリズムの開発が行われている。しかしながら、実
用化に十分な精度・汎用性を持ったものは開発されてい
ない。

【０００５】

【発明が解決しようとする課題】人間の生体情報（生理
・心理データ）は、本来非線形的でかつあいまいなもの
を多く含んでおり、これらに対して基本的には線形手法
である統計解析を用いることには問題がある。

【０００６】しかしながら、上述したように、快適性を
感じさせる製品や、空間の設計のためには、感情の定量
的計測法の確率が必要であり、感情の他覚的計測・推定
手法が強く要望されている所以である。

【０００７】このような課題に鑑み、本願発明者らは、
脳波の周波数ゆらぎ（１／ｆゆらぎ）を指標とした計測
法及びニューラルネット（以下、ＮＮという）による推
定法について研究を進め、本願発明をなすに至った。本
願発明においては、ＮＮの持つ非線形の写像能力及び学
習機能による適応能力に着目し、これを用いることによ
って、生理データから心理データを推定するアルゴリズ
ムを開発し、快適性を計量的に計測する手法を確立する
ことができた。

【０００８】従って、本願発明の目的は、脳波等の生理
データに基づいて、快適度等の心理データを推定する装
置及び方法を提供することである。

【０００９】

【課題を解決するための手段】本発明は、上記課題を解
決するために、被験者の頭部の複数部位から検出された
複数の脳波ゆらぎ信号を入力し、心理状態を推定するニ
ューラルネットワークを含む生体情報解析装置であっ
て、前記ニューラルネットワークは砂時計型ニューラル
ネットワークであり、この砂時計型ニューラルネットワ
ークは、入力及び出力の双方に脳波ゆらぎ信号を供給し
て学習がなされており、このニューラルネットワークの
中間層の出力値が心理状態を表すことを特徴とする。

【００１０】また、前記ニューラルネットワークに入力
される複数の脳波ゆらぎ信号は帯域フィルタを用いて特
定範囲の周波数成分を取り出した脳波ゆらぎ信号を含む
ことが好適である。

【００１１】また、前記心理状態は、覚醒度を含むこと
が好適である。

【００１２】また、前記心理状態は、快適度を含むこと
が好適である。

【００１３】また、前記ニューラルネットワークは、前
記複数の脳波ゆらぎ信号を入力し、覚醒度を推定する覚
醒度ニューラルネットワークと、前記覚醒度ニューラル
ネットワークによって推定された覚醒度及び前記複数の
脳波ゆらぎ信号を入力し、快適度を推定する快適度ニュ
ーラルネットワークと、を含み、前記覚醒度ニューラル
ネットワークおよび快適度ニューラルネットワークがと
もに砂時計型ニューラルネットワークであり、かつこれ
ら覚醒度ニューラルネットワークおよび快適度ニューラ
ルネットワークはそれぞれが入力及び出力の双方に脳波
ゆらぎ信号を供給して学習がなされており、これら覚醒
度ニューラルネットワークと快適度ニューラルネットワ
ークの中間層の出力値から覚醒度及び快適度を推定する
ことを特徴とする。

【００１４】また、本発明は、上述のような特徴を有す
る生態情報解析方法に関する。

【００１５】

【００１６】

【００１７】

【００１８】

【００１９】本発明においては、複数の脳波ゆらぎ信号
に基づいて、心理状態を推定している。脳波ゆらぎ信号
は、心理状態と密接な関係を有することが知られている
ため、心理状態の推定が良好に行える。ここで、アンケ
ートなどによって得られた心理評価値が教師信号として
ニューラルネットワークに供給される。しかし、誤差が
多い心理評価値を用いずにニューラルネットワークの学
習を行うことが望ましい。そこで、ニューラルネットワ
ークとして砂時計型のニューラルネットワークを用い
て、入力と出力との双方に脳波ゆらぎ信号を供給して学
習をすることが好適である。この学習によって、砂時計
型ニューラルネットワークの中間層に心理状態の内部表
現が獲得される。

【００２０】また、帯域フィルタで処理した所定周波数
帯域の脳波ゆらぎ信号に基づいて、心理状態を推定して
いる。この一次処理した脳波ゆらぎ信号は、心理状態と
密接な関連を有することが知られているため、より正確
な心理状態の推定が行える。

【００２１】また、心理状態として、覚醒度の推定を行
っている。覚醒度は心理状態の基本的な要素であるた
め、この覚醒度を推定することにより、基本的な心理状
態を推定することが可能である。

【００２２】また、心理状態として、快適度を推定して
いる。この快適度を推定することにより、快適性を定量
的に計測することができる。

【００２３】また、覚醒度ニューラルネットワークによ
って、覚醒度を推定し、一方、快適度ニューラルネット
ワークによって快適度が推定されている。そして、快適
度ニューラルネットワークには、推定された覚醒度が入
力されている。快適度は覚醒度によって大きな影響を受
けることが知られているため、より正確な快適度の推定
が行える。

【００２４】

【００２５】

【００２６】

【００２７】

【００２８】本発明により、アンケート等による心理評
価値を用いずに、脳波ゆらぎ信号のみを用いて学習を行
うので、精度の高い心理状態の推定が行える。

【００２９】

【００３０】

【００３１】

【００３２】

【００３３】

【００３４】尚、本発明において用いている脳波ゆらぎ
信号は、心理評価値を推定するのに用いる場合が多いと
考えられるが、作業成績を推定するのに用いることも好
適である。特に、覚醒度などは、作業成績と密接な関連
を有することが知られているため、ＮＮを用いて脳波ゆ
らぎ信号から作業成績を推定する事も、覚醒度等を求め
るためには好適な構成である。

【００３５】

【発明の実施の形態】以下、本発明の原理的事項、及び
実際に脳波の周波数ゆらぎに基づいて心理状態を推定し
た結果について説明する。

【００３６】１． α波の周波数ゆらぎを指標とした覚
醒度及び快適度計測法生理指標を用いた感情計測の一例として、本願発明者ら
は、α波のゆらぎ特性を指標とした計測法を提案する。

【００３７】人間の頭皮上から導出される脳波はせいぜ
い６０Ｈｚ以内の周波数成分を有する５０μＶ前後の電
位変化である。なかでも成人では、安静閉眼時やリラッ
クス時には８〜１３Ｈｚの周波数帯域の成分が最も優勢
に観察される。この成分はα波と呼ばれ、１０Ｈｚ近傍
の波の出現頻度が最も多いが、帯域幅の示す通り、α波
は常に一定の周期で存在するのではなく、時間経過のな
かで周波数が速くなったり遅くなったりしている。

【００３８】１．１１／ｆゆらぎと快適感一般に、１／ｆゆらぎとは、ゆらぎ量（パワー値）を縦
軸、ゆらぎ周波数を横軸にとって、ゆらぎのスペクトル
を両対数表示上で描くと、周波数の増加に伴いパワー値
（Ｐｗ）が周波数ｆに逆比例して−１の傾きで低下する
特性を示すゆらぎである。これを時間軸上の特性に戻す
と、ゆらぎの自己相関関数が得られるが、１／ｆゆらぎ
は過去のゆらぎ情報と全く相関しない白色ノイズ的ゆら
ぎではなく、マルコフ連鎖のように過去のゆらぎとある
程度の相関を持ちながら変動するゆらぎであり、そもそ
も熱雑音等の物理的ゆらぎとして発見されたものであ
る。この１／ｆゆらぎは自然界における様々な現象にお
いて見い出されている。

【００３９】最近は、１／ｆゆらぎが家電製品や、自動
車等のエアコン等を通じて生活の中に入り込んでいる
が、そこには、時間的に１／ｆゆらぎ特性を有するもの
は安らぎ感を生じさせるという暗黙の仮定がある。これ
は、微風の流れや、小川のせせらぎ音、古典音楽等のリ
ズムをスペクトル解析すると１／ｆのゆらぎを示すこと
や、１／ｆゆらぎで人体に電気刺激を与えると、除痛効
果が見られる、等の研究に鑑みたものと思われる。しか
しながら、１／ｆ刺激と生体リズムとの関係、更に感情
等の心理状態との関係については、更に研究すべき点が
多い。

【００４０】１．２ゆらぎ現象解析の理論的背景ゆらぎ現象の統計的性質の解析には、一般に自己相関関
数や、パワースペクトル密度関数が用いられている。自
己相関関数とは、ある時刻ｔに関する不規則変量をｘ
（ｔ）、時刻ｔからτ時間後の変量をｘ（ｔ＋τ）とす
るとき、この２つの変量の積の時間平均値で定義され
る。

【００４１】

【数１】（１）式は、時刻ｔに無関係で、τのみの関数である。
この（１）式において、ゆらぎが完全にランダムな場合
には、以下の式が成り立つことが知られている。

【００４２】

【数２】このように、ラグτ＝０以外で自己相関が０となる雑音
を白色雑音という。また、自己相関関数は偶関数であっ
て、τ＝０で最大値をとる。すなわち、以下の式が成立
する。

【００４３】

【数３】ゆらぎの多くは、微小ラグδｔ時間後に以前の性質をあ
る割合保持している。これは、ある時刻の値がその時刻
に近い値とは強く相関するが、時間的に離れている値と
の相関は低くなるような仮定をたどるゆらぎであるため
である。このような過程はτが大きくなるほど指数関数
的に減少し、やがてＣ（τ）＝０となる。すなわち、Ｃ
（τ）→０（τ→∞）なる性質を有する。そこで、ひと
つの目安としてＣ（τ）＝０となるラグτをτ0 とする
と、上記Ｃ（τ）は、以下のように表される。

【００４４】

【数４】この場合、ラグτ0 が大きいほど、Ｃ（τ）の減少は緩
徐となり、裾野の広いグラフの形状となる。一方、パワ
ースペクトラムＰ（ｆ）は、Ｗｉｅｎｅｒ−Ｋｈｉｎｔ
ｃｈｉｎｅの公式に従って、次のように自己相関関数と
関係付けることができる。

【００４５】

【数５】この（４）式を（５）式に代入すると、以下の式が得ら
れる。

【００４６】

【数６】この（６）式において、ラグτに対応する周波数ｆが１
／２πτ0 よりはるかに小さい場合、１／２πτ0 ≧ｆ
つまり１≧２πｆτ0 となり、（２πｆτ0 ）2 はほぼ
無視できるので、Ｐ（ｆ）は周波数に無関係な一定値を
とる（Ｆ０）。一方、ｆが１／２πτ0 よりはるかに大
きい場合、１／２πτ0 ≦ｆつまり１≦２πτ0 となっ
て、上記（４）式のＰ（ｆ）値は（２πｆτ0 ）2 に依
存して変化する。

【００４７】従って、１／２πτ0 ≦ｆの周波数帯域に
おいては、Ｐ（ｆ）は、ｆ-2に従って変化することにな
り、周波数の増加とともに急速に減少することになる。
Ｐ（ｆ）は周波数ｆに対して負の傾斜で変化するという
ことは、ほぼτ0 の時刻までｘ（ｔ）の影響が残ってい
ることを意味する。従って、Ｐ（ｆ）がｆ-1すなわち
（１／ｆ）に比例する場合、負の勾配が小さいほどラン
ダム性が高く、負の勾配が急な場合ほどゆっくりした変
化をそれぞれ示すことになる。従って、１／ｆゆらぎは
ちょうどこれらの中間の値に位置し、ある周波数におい
てはＰ（ｆ）がｆ-1に近似的に比例していることを示す
ものである。

【００４８】２．快適性の生理・心理計測における評価
手法２．１快適性に対する生理指標としての「脳波ゆら
ぎ」の位置付け従来から、非侵襲的に容易に観察できる生理反応として
は、自発脳波、感覚性誘発電位、事象関連電位等の中枢
性反応、心拍、脈波、呼吸、体温等の末梢性反応、又は
眼球運動や瞬目・筋電位等の運動性反応が利用されてき
た。中枢性反応は計測及び解析に手間がかかること、ま
た末梢性反応は簡便に計測できるが、その半面生体の恒
常性維持のために、天井効果があるなどの欠点があり、
それぞれに長所短所がある。そのため、脳波や脳磁波等
脳の活動を中心として、末梢反応も含めて多元的な計測
を行うことが望ましい。

【００４９】脳は、大脳半球、脳幹、小脳から構成され
ている。このような脳の構成が図１に示されている。大
脳半球には高次精神機能、小脳には運動・バランス機
能、そして脳幹には主として生命維持機能を司る中枢が
それぞれ存在している。感情に関わる情報処理について
は、脳幹上部の視床下部や大脳半球の深部にある辺縁皮
質と呼ばれる古い脳を含めた大脳辺縁系によって行われ
る。高次の感情の処理は、大脳の前頭部新皮質の関与も
大きい。更に、感情の強さに関わる覚醒の制御には視床
下部や脳幹に存在する網様体賦活系と呼ばれる系が関与
している。脳波活動はこれらの様々な系と関わりが深
く、最近の研究によれば、脳波ゆらぎが覚醒水準や感情
変化に随伴して変化するとの報告がある。

【００５０】また、感情は絶えず変動するものであり、
その意味においても従来の平均値に代表される静的な情
報処理方式に比べて、脳波の時間的ゆらぎ計測は感情変
化を検討するのに適していると考えられる。

【００５１】本実施の形態においては、この脳波のうち
α波ゆらぎを指標として、香りや臭気等の嗅覚刺激、ビ
デオ画像等の視聴覚刺激、自然音・人工音、低周波音等
の聴覚刺激下でα波の周波数リズムを観察し、同時に記
録した心理状態をその特徴によって予め分類を行ってい
る。そしてこの分類された状態に対応して記録されたα
波の周波数リズムのゆらぎを選別している。図２には、
本実施の形態において採用した実験システムの構成が示
されている。

【００５２】本実施の形態において得られているα波の
ゆらぎと主観的覚醒感や快・不快感と対応付けた結果、
心理状態に呼応してα波のゆらぎ特性が変化することが
判明している。選別したα波の周波数ゆらぎをスペクト
ル解析してその特性を観察すると、気分の良い安静時や
リラックス状態下ではα波の周波数変動に緩徐な周波数
ゆらぎリズム（１／ｆに近い特性）が観察され、不快な
状態下ではこの特性が崩れることが観察された。

【００５３】一方、心理状態を分類せずに、脳波ゆらぎ
特性から直接覚醒度や快・不快感を推定することも可能
である。すなわち、α波のゆらぎ特性を独立変数、心理
応答を従属変数として重回帰分析を行ったり（線形解
析）、推定アルゴリズムをＮＮを用いて作成する（非線
形解析）手法であるが、この様な手法を使うことによっ
て、前頭部・頭頂部のα波のゆらぎ特性から気分が、ま
た頭頂部・後頭部のα波のゆらぎ特性から覚醒感がかな
りの説明率で推定できることが見い出された。これにつ
いての詳細な説明は後述する。

【００５４】次に、図２に示されているシステムを用い
た周波数ゆらぎ計測の実際の様子について説明する。

【００５５】２．２ α波の周波数ゆらぎの検出と解析（１）脳波の計測脳波は生体の状態に応じて種々の周波数成分が複合され
ており、さらに時々刻々揺らいでいるため、視察ではそ
の特徴はつかみにくい。そこで、脳波のゆらぎ特性を調
べるために、帯域フィルタを用いて、ふるいにかけ、特
定範囲の周波数成分だけを取り出し、コンピュータを用
いて周波数解析を行う方法が用いられている。以下、図
１に示されている実験システムの用いた脳波ゆらぎの検
出・解析について説明する。

【００５６】（２）ゆらぎ特性の検出 α成分の抽出図２に示されているように、脳波は、人体の頭部に取り
付けられた８個の電極により検出される。図２に示され
ているように人体の頭部にはＦ３、Ｆ４、Ｃ３、Ｃ４、
Ｐ３、Ｐ４、Ｏ１、Ｏ２の８個の電極が取り付けられて
いる。これらの電極から検出された脳波はＥＥＧトラン
スミッタ１０により外部に送出される。このＥＥＧトラ
ンスミッタ１０により送出された脳波のデータは、ＥＥ
Ｇテレメータ１２により受信される。ＥＥＧテレメータ
１２はタイムコンスタントが０．３秒であり、更に、ハ
イカットフィルタにより、３０Ｈｚ以上の信号がカット
されている。このＥＥＧテレメータ１２により得られた
脳波は、一旦データレコーダ１４により記録される。こ
のようにしてデータレコーダ１４において記録された脳
波は、帯域フィルタ（８〜１３Ｈｚ）に通され、α波成
分が取り出される。このようにして取り出されたα波に
も振幅や周波数のゆらぎが見られるが、振幅については
個人差が大きいため、本実施の形態においては周波数の
ゆらぎのみに注目する。もちろん、振幅のゆらぎに注目
しその解析を本発明の方式に基づき行うことも好適であ
る。

【００５７】また、この帯域通過フィルタ１６を通過し
た後の脳波をα波と見なすためには、通過した信号が一
定値以上の振幅を有していることが必要である。更に、
α波が出現していても全体的に脳波振幅が小さい傾向の
被験者の場合には、帯域通過フィルタ１６を通過した後
の波形を適時増幅する必要がある。この場合の増幅は安
静時を基準にするのが好適である。

【００５８】α波の周波数ゆらぎの抽出（ゼロ交差
法）本実施の形態においては、帯域通過フィルタ１６を通過
した後の信号の電位変動のほぼ中央に基線を設定し、こ
の基線を一定方向（例えば負電位から正電位）へ横切る
時点ごとに一定電位のパルスを発生させる。

【００５９】このパルス列をゆらぎとして取り出すため
には、２つの方法がある。一つは、パルス電位の減衰に
時定数を与えて、パルス毎に電位を積み重ねていく方法
（以下、Ａ法という）、もう一つは、コンピュータを用
いてパルスを逐次検出してその発生時刻から各検出点間
の時間（周波数は１／周期）を計算して取り出す方法で
ある（以下、Ｂ法という）。Ａ法によれば、周波数のゆ
らぎがアナログ的な電位のゆらぎに置き換えられる。Ｂ
法によれば、計算された１波毎の周波数のサンプル順
（時間経過順）に並べれば、α波の周波数のゆらぎが点
波形として抽出できる。

【００６０】以上の処理プロセスは、全てコンピュータ
上で処理可能であるが、パルス発生やアナログ出力まで
は計算機外で行ったほうが時間ロスがなくてよい。この
ようにして得られたパルスデータから、パルスを逐次検
出して、その発生時刻から各検出点間の時間を計算し、
この時間の逆数を取って周波数の点過程時系列に変換す
る。すなわち、周期の逆数を取ることにより、周波数を
求めているのである。

【００６１】（３）ゆらぎ特性の解析ゆらぎ特性の解析には、抽出した脳波のゆらぎデータに
基づいて、以下の解析が行われる。

【００６２】ヒストグラム法上記Ｂ法によって抽出されたデータに適用できる解析方
法である。一次処理として、α波帯域内の個々の周波数
出現頻度を級間０．０１Ｈｚでカウントして、ゆらぎ周
波数の頻度分布を算出する。分布特徴を抽出するために
モード値及びモード値に当たる周波数・平均周波数等を
算出する方法である。

【００６３】スペクトル法上記Ａ法Ｂ法の双方に適用可能な方法である。Ａ法に対
しては、まず電位変動をコンピュータで所与のサンプリ
ング周波数でＡ／Ｄ変換を行い、データをいくつかの単
位時間に分割する。次にそれを基本単位にＦＦＴ法によ
るスペクトル解析によってゆらぎ周波数に対するパワ・
スペクトルを算出するのである。

【００６４】一方、Ｂ法に対しては、記録した時刻デー
タをいくつかの単位時間に分割し、その時間内で改めて
一定周期で各点をサンプリングする。これを基本単位と
してＦＦＴ法によるスペクトル解析によってゆらぎの周
波数に対するパワー量（ゆらぎ量）を算出するのであ
る。このような手続きは、スペクトル解析において、α
波の周波数を点過程に変換してその変化をプロットした
場合に、各点が生起する時間間隔は一定でないことか
ら、サンプル長と実際のサンプル長との時間にずれが生
じるのを避けるために行うものである。具体的には、得
られた時刻データから次のような手順によって周波数の
点過程時系列を導く。

【００６５】すなわち、ある時刻Ｓｍでの周波数Ｆｍを
決定するには、Ｓｍ−１＞ｍａｘ（Ｐｎ）≧Ｓｍ≧Ｐｎ＋１という条件の下で、Ｆｍ＝１／｛Ｐｎ＋１−ｍａｘ（Ｐｎ）｝によってＦｍを決定する。

【００６６】ここで、上記各文字の意味は次の通りであ
る。

【００６７】Ｐｎ：ｎパルス目の発生時刻Ｓ：サンプリング周期ｍ：序数Ｓｍ：ｍ番目のサンプリング時刻（ＳＸｍで決定され
る）Ｆｍ：ｍ番目にサンプリングする周波数ｍａｘ（Ｐｎ）：時刻ＳｍまでのＰｎの最大値このような方法で、サンプリング周期を５０ｍｓ（２０
Ｈｚ）とすると、もとの時刻データはほぼおちこぼれな
くサンプリングでき、サンプリング長とその時間とを一
致させることが可能となる。

【００６８】次に、このようにして得られたデータから
ゆらぎ周波数に対するゆらぎスペクトル量の変化の傾向
を、直線回帰分析による傾きで数値化し、その特徴を抽
出する。その際、ゆらぎのパワー値の推移にはある周波
数を境にして大きな変化が見られるので、その傾きが変
化する時点における周波数（これを変曲周波数という）
を検出した後に、その周波数を境に低周波領域と高周波
領域に分離して別々に回帰分析を行っている。

【００６９】本実施の形態においては、このスペクトル
法が用いられている。

【００７０】２．３覚醒度及び快適度の心理評価方法個人の感情状態を測定評価する心理的手法として、気分
（快−不快感）及び主観的覚醒感（ぼんやり−はっき
り）の２つの軸が基本的な指標となっていることは、心
理学や精神生理学分野においては一般的なことである。
従って、快適感の計測においては、これらの指標を共通
な項目として、用いる刺激によっては更に評価項目を追
加する方法を取ることが好適である。

【００７１】また、快適性に関する心理評価手法として
は、段階尺度評価法、意味微分法（ＳＤ法）、連続スケ
ール数値評価法等があるが、感情評価には連続スケール
数値評価法が最適なものであることが知られている。

【００７２】また、評価表を用いた被験者の心理状態の
評定は、安静条件及び実験条件とも生理計測を挟んでそ
の前後に行い、両者の計測値から心理状態の変化を把握
する方法が好適である。

【００７３】２．４処理結果の統合個人ごとに算出したスペクトル情報を、快適度及び覚醒
度の心理評定値と対応付けながら、ゆらぎ特性と心理状
態値との対応を調べる。

【００７４】一般に、α波の周波数ゆらぎ特性が、快適
感や覚醒感と密接な相関があることは知られているが、
これを定量的に精度良く対応付ける手法はいまだ確立さ
れたものがない。

【００７５】本願発明は、大まかにいうと、多次元のデ
ータから特徴的な成分を取り出し、非線形な方法で複雑
な情報を分類することのできるＮＮテンプレートを用い
て、快適度及び覚醒度を定量的に精度良く推定できるア
ルゴリズムの提供を行うものであり、以下その好適な具
体例の手法について説明する。

【００７６】３．覚醒度及び快適度推定ＮＮの作成本実施の形態においては、これまでに述べた生理心理実
験により得られたデータを用いて、学習による脳波ゆら
ぎから覚醒度及び快適度を推定するＮＮテンプレートを
作成している。

【００７７】３．１実験データ本実施の形態において、覚醒度及び快適度推定ＮＮテン
プレートを作成するためには、これらの学習に用いられ
る実験データが必要である。図３には、これらの覚醒度
及び快適度推定ＮＮテンプレートの学習に用いられる実
験データの構成を示す説明図が示されている。

【００７８】ここで得られている実験データは、図２に
示されている実験システムにより得られた実験データで
あって、被験者の脳波（Ｆ３、Ｆ４、Ｃ３、Ｃ４、Ｐ
３、Ｐ４、Ｏ１、Ｏ２の８チャネル）と、その時の心理
評価値（快適度、覚醒度）を１セットとするデータであ
って、全部で１２００セットの実験データを測定した。
このようにして得た実験データを統計（線形近似）解析
し、それぞれの要因の相関を求めたものが図１０に示さ
れている。各チャネル単独の脳波ゆらぎと、覚醒度及び
快適度とは相関が低い場合が多く（統計的には有意であ
るが）、従来の統計手法で脳波から覚醒度及び快適度を
推定することは困難であると考えられる。

【００７９】３．２ＮＮテンプレートの構成脳波ゆらぎから覚醒度や快適度を求めるニューラルネッ
ト（ＮＮ）としては、図５（Ａ），（Ｂ）、図６
（Ａ），（Ｂ）のような構造が考えられる。本願発明者
らの研究によれば、覚醒度と快適度とは互いに独立な要
因ではなく、覚醒度は快適度に対し従属的な要因となる
ことが明らかにされている。それゆえ、覚醒度は、図５
（Ａ）の方式でよいが、快適度については、脳波ゆらぎ
から直接に快適度を求める図６（Ａ）の方式や、覚醒度
と快適度を同じレベルで出力する図６（Ｂ）の方式より
も、脳波ゆらぎと覚醒度とから、快適度を求める図５
（Ｂ）の方式の方が精度が向上することが示唆されてい
る。

【００８０】以上のことを考慮し、脳波ゆらぎから覚醒
度及び快適度を推定するＮＮテンプレートを図４に示す
カスケード構造として構築している（覚醒度−快適度複
合出力型ＮＮテンプレート）。図４において、覚醒度を
推定する部分のテンプレート（ＮＮｃｏｎｓ）は、図５
に示されているように、入力層は脳波ゆらぎ係数（Ｆ
３、Ｆ４、Ｃ３、Ｃ４、Ｐ３、Ｐ４、Ｏ１、Ｏ２の８チ
ャネル）に相当する８個のユニットから構成されてお
り、一方出力層は覚醒度に相当する１個のユニットで構
成されている。

【００８１】そして、快適度を推定する部分のテンプレ
ート（ＮＮｍｏｏｄ）は、図６に示されているように、
入力層は脳波ゆらぎ係数（Ｆ３、Ｆ４、Ｃ３、Ｃ４、Ｐ
３、Ｐ４、Ｏ１、Ｏ２の８チャネル）と、覚醒度に相当
する９個のユニットから構成されており、出力層は快適
度に相当する１個のユニットで構成されている。

【００８２】４．シュミレーション実験及び結果図５及び図６に示されている覚醒度及び快適度を推定す
るためのＮＮテンプレートを作成するシュミレーション
実験をそれぞれ行った。そして、学習を行った後のＮＮ
の内部構造、特に入力層と出力層との結合強度を調べ、
各入力が出力に与える影響度についても調べた。この調
べた結果について説明する。

【００８３】４．１覚醒度推定ＮＮの実験結果図５に示されている覚醒度を推定するＮＮテンプレート
について、学習データ（ｔｒａｉｎｉｎｇｄａｔａ）
として１１００データ、及び未学習データ（評価用デー
タｔｅｓｔｄａｔａ）１００データに対するフィッテ
ィングについて中間層数及び学習回数を変えてシミュレ
ーション実験を行った。実験は、まず学習データを用い
てＮＮの学習を行い、次にこの学習済みのＮＮを用いて
脳波ゆらぎから覚醒度を推定し、学習データと未学習デ
ータに対するフィッティングを調べた。実験の結果の例
が図７及び図８に示されている。また、その実験条件が
図１１に示されている。

【００８４】また、それぞれの場合における入力層−出
力層の間の結合強度を求めて、各入力が出力に与える影
響度についても調べている。この結果が図１１において
優位部位（出力への影響が大きい入力の脳波部位）とし
て表されている。

【００８５】なお、影響度としては、各実験条件におい
て出力（覚醒度）に対する各入力（脳波部位）の結合強
度から求めた相関係数を用いている。すなわち、出力
（覚醒度）に対する各入力（脳波部位）の結合強度を、
全結合強度で除した値である。

【００８６】４．２快適度推定ＮＮの実験結果図６に示されている快適度を推定するためのＮＮテンプ
レートについて、学習データへのフィッティングについ
て予備的なシミュレーション実験を行った。なお、この
実験は、上記覚醒度推定ＮＮの場合とほぼ同様に行われ
る。

【００８７】実験の結果の例が図９に示されている。ま
た、その実験の条件が図１２に示されている。なお、こ
の図１２には、入力と出力との間の相関についての結果
も示されている。

【００８８】これらのシミュレーション実験において、
学習速度係数ｅｐｓｉｌｏｎ＝０．０１、慣性項＝０．
９、３層シグモイドによる構成を採用している。

【００８９】５．効果以上述べたように、種々のシュミレーション実験を行う
ことにより、本発明の効果が、以下のように検証され
た。

【００９０】（１）最適な中間層数と学習回数とによ
り、脳波ゆらぎから覚醒度を推定するＮＮテンプレート
の精度及び汎化性（ｔｅｓｔ−ｄａｔａに対するフィッ
ティング）を向上させることが可能となり、実用的な心
理データ推定方法が実現できる。

【００９１】（２）最適な中間層数と学習回数とによ
り、脳波ゆらぎと推定覚醒度とから快適度を推定するＮ
Ｎテンプレートの精度及び汎化性（ｔｅｓｔ−ｄａｔａ
に対するフィッティング）を向上することが可能とな
り、実用的な心理データを推定する方法、特に快適度を
推定する方法及び装置が実現可能である。

【００９２】（３）脳波で覚醒度を計測する場合には、
頭頂部において、快適度を測定する場合には前頭部で測
るのが良好な結果が得られるという経験則が従来知られ
ているが、今回のＮＮを用いた実施の形態により、この
ことを初めて定量的に解析し、裏付けることができた。

【００９３】このように、本願発明におけるＮＮを用い
た解析手法は、従来の方法に比べて明らかな優位性を有
するものであることが理解されよう。

【００９４】６．砂時計型ニューラルネットワークの利
用上記１．〜５．までにおいて説明したように、ＮＮを用
いることで、生理指標（脳波ゆらぎ）から心理指標（覚
醒度・快適度）を推定するアルゴリズムを構成すること
が可能となった。

【００９５】このＮＮの学習は、ＮＮの出力信号と教師
信号（本実施の形態においてはアンケートで得られた覚
醒度・快適度の心理評価値）の誤差の２乗和を最小にす
るようにこの誤差信号を出力側から入力側に逆伝搬（バ
ックプロパゲーション）させ、ＮＮの第１層と第２層の
間及び第２層と第３層の間のシナプス結合の結合加重
（ウエイト）を変化させることによって行われている。

【００９６】しかしながら、教師信号として用いられる
心理評価値は、アンケートによって得ているため、一般
に誤差が大きなものとなってしまう。これは、被験者の
個人差又は実験の条件差に起因するデータのばらつきの
影響だけでなく、質問紙法（アンケート）により求めた
覚醒度や快適度を教師信号として主体的に用いているこ
とに大きな原因があると考えられる。

【００９７】一般に覚醒度や快適度等の測定には、臨床
心理検査において質問紙法によって測定が行われる場合
が多い。この質問紙法は、被験者が質問項目の意味を正
しく理解し、かつ、その被験者自身のことを自分で正し
く判断する判断力を有し、さらに質問に対し正直に答え
る場合にのみ正しい結果が得られるものと考えられる。
そのため、覚醒度や快適度といった心理評価データにか
なり誤差が生じてしまう恐れがある。また、この質問紙
法により測定される覚醒度・快適度等の心理評価は、被
験者の意識に上る顕在性のものに限られてしまうという
短所もある。

【００９８】快適性に関しては、その大部分が顕在性の
ものと考えられる。そのため、被験者の実際の快適度と
アンケートで得られた快適度の心理評価値の間にはそれ
ほど差異がなく、上記の問題はそれほど生じないと考え
られる。しかし、覚醒度や疲労度の場合には、快適性と
異なり顕在性ではない部分も大きく、被験者の実際の状
態とアンケートによって得られた心理評価値との間には
相当の誤差があることが容易に予想可能である。

【００９９】このような心理評価値に現れる誤差の影響
を取り除くためには、覚醒度や快適度といった心理評価
値を陽に用いないで（主体とせず）学習を実行可能なＮ
Ｎの構成が望ましい。本実施の形態においてはこのよう
なＮＮとして、砂時計型ＮＮの利用を提案する。

【０１００】この砂時計型ＮＮは、従来、通信の分野に
おいて情報の圧縮・復元等に応用されており、また、近
年人間の感覚を研究する際にも応用がなされている。例
えば、「福村直博、宇野洋二、鈴木良次、川人光男：
“把持対象の形状を認識し、手の形を決定する神経回路
モデル”、信学技報、ＮＣ９０−１０４（１９９１−０
３）」（以下、文献１と呼ぶ）には、人間の腕の運動制
御における異種情報（視覚と体性感覚）の統合モデルが
提案されている。また、宇野洋二、岩田伸、半場
滋、鈴木良次：“把持対象の重さの内部表現を獲得する
神経回路モデル”、信学論（Ｄ−２）、Ｊ７６−Ｄ−
２、３、ｐｐ、６６３−６７１（１９９３−０３）」
（以下、文献２と呼ぶ）には、未知の把持対象の質量
を、神経回路の中間層にその内部表現として獲得するこ
とが示されている。例えば、人が手に物を持って腕を動
かす場合に、その重さに従って腕全体のダイナミクスが
変化するため、腕の筋肉の張力もそれに応じて変えてい
かなければならない。しかし、人は手に持った物（把持
対象）の質量を直接知らなくとも腕を滑らかに動かすこ
とが可能である。これは、学習によって把持対象の質量
の内部表現が運動中枢に獲得されているからと考えられ
ている。

【０１０１】例えば、上記文献２の論文によれば、腕の
姿勢を表す関節角と駆動トルクという観測可能な情報を
用いて把持対象の重さの内部表現を獲得する神経回路モ
デルが提案されている。この文献２に示されている基本
的なアイデアは、腕の関節角とそのトルクとから把持対
象の質量を計算するネットワークと、把持対象の質量と
腕の関節角からトルクを計算する逆ダイナミクスのネッ
トワークと、を結合して図１３に示されているような多
層の神経回路モデルを構成することである。このような
構成により、把持対象の質量を陽に用いることなく腕の
運動を学習することが可能であることが上記文献２に示
されている。そして、学習が十分に行われた後には、中
間層のニューロンの活性値は、腕の姿勢には依存せずに
把持対象の質量だけの単調関数となる。つまり把持対象
の質量に対応する内部表現がこの神経回路内に獲得され
ているのである。

【０１０２】すなわち、運動パターンと、運動指令のみ
をＮＮに教師信号として与えることにより、このＮＮの
中間層に質量に対応する内部表現が活性値として表われ
るのである。内部表現として質量を表させるために、本
実施の形態においては中間層に属するニューロンの数が
他の中間層より少ないいわゆる砂時計型ＮＮが利用され
る。

【０１０３】このようにして、中間層のニューロン（図
１３においてＸで示されている）の活性値と、実際の手
に把持されている物体の質量との関係を表すグラフが図
１４に示されている。図１４に示されているグラフは横
軸が手に持っているものの実際の重さであり、人間はそ
の重さは知らされていない。一方、縦軸の値は、図１３
に示されている中間層に属するニューロンＸの活性値で
ある。このグラフから明らかなように、中間層に属する
ニューロンＸの活性値は質量に対して単調関数となり、
質量に対応する内部表現が神経回路内に獲得されている
ことが理解されよう。なお、図１４において左側のグラ
フは実際に学習した物体の質量に関してプロットしたも
のであり、右側はそのＮＮの汎化の程度を調べるために
実際に用いた質量の中間の質量に対するニューロンＸの
活性値をプロットしたものである。

【０１０４】以上述べたような砂時計型ＮＮの性質を用
いれば、脳波ゆらぎから覚醒度や快適度等の心理評価値
を計算する（情報圧縮）ネットワークと、覚醒度や快適
度等の心理評価値から脳波ゆらぎを計算する逆（情報復
元）ネットワークとを結合して、ニューロン数が少ない
中間層を有する、砂時計型の多層神経回路モデルを構成
することで、覚醒度や快適度等の心理評価値を陽に用い
ることなく（直接には学習に用いずに）神経回路内に覚
醒度や快適度に対応する内部表現を獲得することが可能
である。なお、覚醒度や快適度等の心理評価値は、直接
的には用いられないが、学習後のＮＮの中間層のどのニ
ューロンが覚醒度や快適度に対応するのかを判断するた
めに間接的には用いられることになる。この点について
は後に詳述する。このように、砂時計型ＮＮを用いて心
理評価値に対応する内部表現を獲得したので、脳波ゆら
ぎから覚醒度や快適度を精度良く推定することが可能で
ある。

【０１０５】本実施の形態において構成した砂時計型Ｎ
Ｎの構成の例が図１５に示されている。図１５に示され
ている砂時計型ＮＮは、脳波ゆらぎから覚醒度・快適度
を推定するＮＮである。図１５から理解されるように、
この砂時計型ＮＮは、三層構造の情報圧縮ＮＮと、情報
復元ＮＮとを対称形に結合した構成をなしている。そし
て、入力・出力は共に生理指標（８ｃｈの脳波ゆらぎ係
数）のユニットで構成されている。この８ｃｈの脳波ゆ
らぎ係数は、上述した図５等のＮＮに用いられている脳
波ゆらぎ信号と同様のものである。

【０１０６】この図１５に示されている砂時計型ＮＮの
学習は、このＮＮの出力信号と、教師信号の誤差の２乗
和を最小にするように、この誤差信号を出力から入力側
に逆伝搬（バックプロパゲーション）させて、ＮＮの第
１層と第２層との間、及び第２層と第３層との間、さら
には第３層及び第４層、第４層と第５層との間のシナプ
ス結合の結合荷重（ウエイト）を変化させることによっ
て行われる。本実施の形態において特徴的なことは、こ
のＮＮの学習に用いられる出力信号と教師信号とが共に
上述した８ｃｈの脳波ゆらぎ係数であることである。こ
のように、教師信号と、入力信号とに共に脳波ゆらぎ係
数を与えて学習させることにより、中間層に覚醒度及び
快適度に対応したニューロンが形成されるのである。す
なわち、このＮＮの第３層に覚醒度や快適度に対応する
内部表現の獲得がなされる。

【０１０７】なお、本実施の形態におけるＮＮは、第１
層と第５層とは８ｃｈの脳波ゆらぎ係数に対応して８個
のニューロンから形成されている。そして、第２層及び
第４層はおよそ７０個から９０個のニューロンから形成
されている。そして、第３層は、覚醒度と快適度の内部
表現を獲得するのであるから、最低２個以上のニューロ
ンが必要であるが、実際には２個よりかなり多い数のニ
ューロンが必要であると考えられる。この第３層のニュ
ーロンの個数は、心理評価値が一定のパターンとして表
われる適当な個数とするべきであるが、それは学習に用
いられる脳波ゆらぎ係数のデータによるので、実際には
実験によって適当な個数に選ぶ必要がある。

【０１０８】内部表現の獲得は、それぞれの脳波ゆらぎ
係数を入力した場合の第３層各ユニットの出力と、覚醒
度・快適度等の心理評価アンケート値を比較することに
より確認することが可能である。すなわち、上述したよ
うに覚醒度や快適度等の心理評価アンケート値は、学習
そのものには直接には用いられないが、内部表現が覚醒
度や快適度とどのように対応するかを調べるのに用いら
れるのである。心理状態つまり覚醒度や快適度等の内部
表現は、図１５におけるＮＮの第３層のユニットの単独
の出力値として得られる場合もあるし、またユニット全
体の一定の出力パターンとして得られる場合もある。例
えば、上記文献１には、把持対象が円柱か、正四角柱
か、または球かによって、中間層のニューロンに現れる
活性値のパターンが異なることが示されている。

【０１０９】図１６には、実験の結果得られた第３層の
第１番目のユニットの出力値とアンケートによる覚醒度
・快適度との相関を表すグラフ（ａ）と、第２番目のユ
ニットの出力値とアンケートによる覚醒度・快適度との
相関を表すグラフ（ｂ）と、が示されている。各グラフ
の横軸はアンケートによるそれぞれ覚醒度及び快適度で
あり、縦軸はそれぞれ第１ユニットの出力値、第２ユニ
ットの出力値である。このグラフから理解されるよう
に、第１ユニットは覚醒度を表し、第２ユニットは快適
度を表すものと考えられる。

【０１１０】これらのグラフは、上記学習済みの砂時計
型ＮＮにさまざまなパターンの脳波ゆらぎ係数の値を入
力したときの第３層のあるユニットの出力値と、覚醒度
・快適度の相関をプロットしたものである。簡便のた
め、それぞれ第３層の第１ユニット出力、及び第２ユニ
ット出力と呼ぶことにする。第１・第２ユニット出力は
それぞれ覚醒度・快適度のアンケート値と非常に高い相
関関係にあり、覚醒度・快適度の内部表現がそれぞれ第
１・第２ユニットに獲得されていると考えられる。

【０１１１】本実施の形態におけるＮＮは、生理指標
（脳波ゆらぎ信号）のみによって学習を行なっているた
め、上記第３層の各ユニットにおいて獲得された覚醒度
や快適度には、上で述べた心理評価値のばらつきの入る
余地はない。そのような意味においては、上記１．〜
５．において説明した単純な三層構造のＮＮと比べてよ
り正確な覚醒度・快適度の推定が行なえる。

【０１１２】換言すれば、図１６において砂時計型ＮＮ
の覚醒度・快適度の推定値は、アンケートの覚醒度や快
適度の値と一致せずにデータはばらついているが、これ
は上述したアンケート方式の問題点により起因したばら
つきと考えられよう。

【０１１３】また、単純な三層構造のＮＮの場合には、
覚醒度や快適度といった心理評価値を主体として（学習
の教師信号として直接用いて）学習を行なっているが、
このような学習によって形成されたＮＮによって推定さ
れる心理状態は被験者の意識にのぼる顕在性のものに限
られるといった問題点がある。しかし、図１５で説明し
た砂時計型ＮＮを用いる手法によれば、心理評価値を陽
に用いないで（直接に学習の教師信号として用いずに）
学習を行なっているため、顕在性でない心理状態の推定
も可能となる。特に、覚醒度や疲労度等の顕在化しにく
い（意識にのぼらない部分の大きい）状態の推定に好適
である。

【０１１４】７．作業成績の利用覚醒度や疲労度の指標として、心理評価値を用いる場合
について上記１．〜６．について説明をした。しかし、
覚醒度や疲労度（快適度は除く）の指標として心理評価
値の代わりにいわゆる選択反応課題等の検査結果（作業
成績）を用いることも好適である。つまり、選択反応課
題を被験者に行なわせているときの脳波ゆらぎ係数と作
業成績とを計測し、その実験データを基に上記１．〜
７．に記載されているＮＮの学習を行なうのである。次
に、このようにして得られた学習済みのＮＮを用いて実
際の作業中の脳波ゆらぎから、被験者の覚醒度及び疲労
度を推定するのである。

【０１１５】従来から、上記選択反応課題等の作業成績
のほうが心理評価値よりも覚醒度及び快適度をより反映
していることが知られていた。しかしながら、実際に作
業中にこのような検査を同時に行なうことは極めて困難
であった。例えば、自動車を運転している最中に選択反
応課題などを同時に行なわせることは事実上不可能であ
る。このため、実際の作業中の覚醒度や疲労度のリアル
タイム測定には、その最中に計測可能な心理評価値が用
いられることが多かったのである。そのため、より精度
が高いと思われていた作業成績を用いた覚醒度や疲労度
の測定を行なうことは行われていなかった。

【０１１６】本実施の形態においては、この作業成績を
脳波ゆらぎという生理指標で代用することによって、従
来不可能であった作業検査に劣らない精度の高い、かつ
リアルタイムの覚醒度や疲労度の推定を行なうことも期
待される。すなわち、作業成績と、脳波ゆらぎとの関係
をあらかじめＮＮに学習させておき、このＮＮを用いて
覚醒度や疲労度の推定を行なうのである。

【０１１７】図１７には、このように脳波ゆらぎと作業
成績との関係をＮＮで学習し、これに基づいて覚醒度や
疲労度を推定する手法の説明図が示されている。図１７
に示されているように、まず実車作業においては、同時
に選択反応課題等を行なわせることができないため、ア
ンケートによる質問によって心理評価値を得ていた。そ
して、この心理評価値と脳波ゆらぎとを予備実験データ
でその環境を学習しておき、実際の作業中の脳波ゆらぎ
から覚醒度や疲労度を推定していた。それに対して、あ
らかじめ実験（選択反応課題等）を行なったときの脳波
ゆらぎと覚醒度及び疲労度との関係を（作業成績を介す
ることによって）学習させておくことにより、実際の作
業時（実車運転等）の場合の覚醒度や疲労度を推定する
ことができるものである。

【０１１８】本実施の形態によれば、心理評価値よりも
より覚醒度等に関係が深いと思われる作業成績を用いる
ことにより、より精度の高い生体情報解析装置が提供さ
れる。

【０１１９】なお、作業成績を求めるためには、選択反
応課題の他にクレペリン検査など種々の検査方法が知ら
れており、本実施形態においても従来知られている種々
の検査方法が適用可能である。

【０１２０】

【発明の効果】以上述べたように、本発明によれば、複
数の脳波ゆらぎ信号に基づいてニューラルネットワーク
を用いること、ニューラルネットワークとして砂時計型
のニューラルネットワークを用いて、入力と出力との双
方に脳波ゆらぎ信号を供給する一方、砂時計型ニューラ
ルネットワークの中間層に心理状態の内部表現を獲得す
ることにより心理状態を推定したので、より正確な心理
状態の推定が行える。

【０１２１】また、脳波ゆらぎ信号として所定帯域の脳
波ゆらぎ信号を用いているので、心理状態がより正確に
推定可能である。

【０１２２】また、心理状態として、覚醒度を採用して
いる。従って、一次処理された脳波ゆらぎ信号に基づい
て、覚醒度をより正確に推定することが可能な生体情報
解析装置が得られる。

【０１２３】また、上記発明と同様にして快適度をより
正確に推定することが可能な生体情報解析装置が得られ
る。

【０１２４】また、覚醒度を推定する覚醒度ニューラル
ネットワークと、快適度を推定する快適度ニューラルネ
ットワークと、の二つを含んでいるため、そしてさらに
快適度ニューラルネットワークは、覚醒度ニューラルネ
ットワークによって推定された覚醒度を入力としている
ため、より正確な覚醒度及び快適度を算出することが可
能である。

【０１２５】

【０１２６】

【０１２７】また、覚醒度ニューラルネットワークと、
快適度ニューラルネットワークとして、時計型ニューラ
ルネットワークを用いたので、より精度の向上した生体
情報解析装置が得られる。

【０１２８】

【０１２９】

【図面の簡単な説明】

【図１】脳の構造の説明図である。

【図２】本発明の好適な実施の形態である実験システ
ムの構成を表す説明図である。

【図３】実験データの構成を表す説明図である。

【図４】覚醒度−快適度複合出力型ＮＮテンプレート
の構成を表す説明図である。

【図５】覚醒度および快適度推定ＮＮテンプレートの
構造を表す説明図である。

【図６】覚醒度および快適度推定ＮＮテンプレートの
構成を表す説明図である。

【図７】覚醒度推定ＮＮについての実験結果を表す説
明図である。

【図８】覚醒度推定ＮＮの実験結果を表す説明図であ
る。

【図９】快適度推定ＮＮの予備的な実験結果を表す説
明図である。

【図１０】実験データの相関を表す説明図である。

【図１１】覚醒度推定ＮＮの実験条件及び実験結果を
表す説明図である。

【図１２】快適度推定ＮＮの予備的な実験の条件及び
この予備的な実験の結果を表す説明図である。

【図１３】砂時計型ＮＮの構成を表す説明図である。

【図１４】図１３で表された砂時計型ＮＮによってＮ
Ｎの中間層に内部表現として獲得された物体の重さを表
すグラフである。

【図１５】砂時計型ＮＮの詳細な構成を表す説明図で
ある。

【図１６】図１５に示されている砂時計型ＮＮの第３
層の第１及び第２ユニットの出力値とアンケートの覚醒
度・快適度との関係をプロットしたグラフである。

【図１７】作業成績に基づいて覚醒度・快適度を求め
る原理を説明する説明図である。

【符号の説明】

１０ＥＥＧトランスミッタ、１２ＥＥＧテレメー
タ、１４データレコーダ、１６帯域通過フィルタ、
１８Ｆ／Ｖコンバータ。

───────────────────────────────────────────────────── フロントページの続き合議体審判長渡部利行審判官森竜介審判官関根洋之 (56)参考文献日本産業技術振興協会技術資料Ｎｏ．234「生命工学工業技術研究所講演会資料生命工学が拓く世界」ｐ180〜 185 1993年11月１日発行 (58)調査した分野(Int.Cl.⁷，ＤＢ名) A61B 5/04 - 5/05 ＪＯＩＳ

Claims

(57)【特許請求の範囲】

【請求項１】被験者の頭部の複数部位から検出された
複数の脳波ゆらぎ信号を入力し心理状態を推定するニュ
ーラルネットワーク、を含む生体情報解析装置であっ
て、前記ニューラルネットワークは砂時計型ニューラルネッ
トワークであり、この砂時計型ニューラルネットワークは、入力及び出力
の双方に脳波ゆらぎ信号を供給して学習がなされてお
り、このニューラルネットワークの中間層の出力値が心
理状態を表すことを特徴とする生体情報解析装置。
【請求項２】請求項１記載の生体情報解析装置におい
て、前記ニューラルネットワークに入力される複数の脳波ゆ
らぎ信号は帯域フィルタを用いて特定範囲の周波数成分
を取り出した脳波ゆらぎ信号を含むことを特徴とする生
体情報解析装置。
【請求項３】請求項１または２記載の生体情報解析装
置において、前記心理状態は、覚醒度を含むことを特徴とする生体情
報解析装置。
【請求項４】請求項１または２記載の生体情報解析装
置において、前記心理状態は、快適度を含むことを特徴とする生体情
報解析装置。
【請求項５】請求項１〜４のいずれか１つに記載の生
体情報解析装置において、前記ニューラルネットワークは、前記複数の脳波ゆらぎ信号を入力し、覚醒度を推定する
覚醒度ニューラルネットワークと、前記覚醒度ニューラルネットワークによって推定された
覚醒度及び前記複数の脳波ゆらぎ信号を入力し、快適度
を推定する快適度ニューラルネットワークと、を含み、前記覚醒度ニューラルネットワークおよび快適度ニュー
ラルネットワークがともに砂時計型ニューラルネットワ
ークであり、かつこれら覚醒度ニューラルネットワーク
および快適度ニューラルネットワークはそれぞれが入力
及び出力の双方に脳波ゆらぎ信号を供給して学習がなさ
れており、これら覚醒度ニューラルネットワークと快適
度ニューラルネットワークの中間層の出力値から覚醒度
及び快適度を推定することを特徴とする生体情報解析装
置。
【請求項６】被験者の頭部の複数部位から検出された
複数の脳波ゆらぎ信号を入力するステップと、前記入力された脳波ゆらぎ信号をニューラルネットワー
クに印加し、心理状態を推定させる心理状態推定ステッ
プと、を含む生体情報解析方法であって、前記ニューラルネットワークは砂時計型ニューラルネッ
トワークであり、この砂時計型ニューラルネットワークは、入力及び出力
の双方に脳波ゆらぎ信号を供給して学習がなされてお
り、このニューラルネットワークの中間層の出力値が心
理状態を表すことを特徴とする生体情報解析方法。
【請求項７】請求項６記載の生体情報解析方法におい
て、前記ニューラルネットワークに入力される複数の脳波ゆ
らぎ信号は帯域フィルタを用いて特定範囲の周波数成分
を取り出した脳波ゆらぎ信号を含むことを特徴とする生
体情報解析方法。
【請求項８】請求項６または７記載の生体情報解析方
法において、前記心理状態は、覚醒度を含むことを特徴とする生体情
報解析方法。
【請求項９】請求項６または７記載の生体情報解析方
法において、前記心理状態は、快適度を含むことを特徴とする生体情
報解析方法。
【請求項１０】請求項６〜９のいずれか１つに記載の
生体情報解析方法において、前記ニューラルネットワークは、前記複数の脳波ゆらぎ信号を入力し、覚醒度を推定する
覚醒度ニューラルネットワークと、前記覚醒度ニューラルネットワークによって推定された
覚醒度及び前記複数の脳波ゆらぎ信号を入力し、快適度
を推定する快適度ニューラルネットワークと、を含み、前記覚醒度ニューラルネットワークおよび快適度ニュー
ラルネットワークがともに砂時計型ニューラルネットワ
ークであり、かつこれら覚醒度ニューラルネットワーク
および快適度ニューラルネットワークはそれぞれが入力
及び出力の双方に脳波ゆらぎ信号を供給して学習がなさ
れており、これら覚醒度ニューラルネットワークと快適
度ニューラルネットワークの中間層の出力値から覚醒度
及び快適度を推定することを特徴とする生体情報解析方
法。