JP4930839B2

JP4930839B2 - 状態評価装置、及び状態評価プログラム

Info

Publication number: JP4930839B2
Application number: JP2007076715A
Authority: JP
Inventors: 清一武田
Original assignee: Equos Research Co Ltd
Current assignee: Equos Research Co Ltd
Priority date: 2007-03-23
Filing date: 2007-03-23
Publication date: 2012-05-16
Anticipated expiration: 2027-03-23
Also published as: JP2008229233A

Description

本発明は、例えば、生体情報に基づいて被験者の状態を評価する状態評価装置及び状態評価プログラムに関する。

被験者の心電波形Ｒ点の間隔を周波数解析し、その解析結果に基づいて、睡眠状態や快適感、リラックス度、ストレス度など、被験者の状態を定量的に算出する技術がある。
例えば、特許文献１では、被験者の心拍信号から検出したＲ−Ｒ間隔信号にフーリエ変換を施して得たパワースペクトル密度から被験者の睡眠段階の指標値を求める技術が提案されている。
特開２００４−４９８３８公報

フーリエ変換は、高速計算が可能であるものの、採取データの時間成分が失われてしまうため、フーリエ変換により心拍データの周波数解析など時間変化する信号を解析する場合、状態や度合いが変化したポイント（時刻）を把握することができず、リアルタイム性を確保することができない。
そこで、より短時間の時間区間ごとにフーリエ変換を行うことで、周波数成分と時間成分を両立させるようにした、短時間フーリエ変換（ＳＴＦＴ：Ｓｈｏｒｔ−ｔｉｍｅＦｏｕｒｉｅｒｔｒａｎｓｆｏｒｍ）が存在する。
短時間フーリエ変換では、時間区間の長さによって、周波数成分の精度、及び時間成分の精度のバランスが決定される。即ち、適切な時間区間の長さを設定せず、必要以上に時間成分の精度を上げた場合、解析精度が低下してしまう。

そこで、本発明は、より適切な時間区間を随時設定することにより、周波数解析の精度を確保しつつ、リアルタイム性を向上させることを目的とする。

（１）前記目的を達成するために、請求項１に記載の発明では、分散レベル及び心拍間隔の傾き状態を判定するための閾値が設定された分散モード判定テーブルと、分散レベルの種別及び心拍間隔の傾き状態の種別によって一義的に決定される時間区間長が定義された時間区間長設定テーブルと、を記憶する記憶手段と、被験者の情報としてＮ個の心拍データを取得する情報取得手段と、前記情報取得手段から取得したＮ個の心拍データの分散値及び心拍データ間の傾きと、前記分散モード判定テーブルと、に基づき、前記Ｎ個の心拍データの分散モードを判定する分散モード判定手段と、前記分散モード判定手段により判定された分散モードと、前記時間区間長設定テーブルに基づき短時間フーリエ変換における時間区間長を決定する時間区間長決定手段と、前記決定した時間区間長に相当する、心拍を示す心拍データを取得する心拍データ取得手段と、前記取得した心拍データに対して短時間フーリエ変換処理を行う短時間フーリエ変換手段と、前記短時間フーリエ変換処理の結果に基づいて、被験者の状態を評価する状態評価手段と、を具備したことを特徴とする状態評価装置を提供する。
（２）請求項２記載の発明では、前記時間区間長決定手段は、前記分散値が第１閾値から第２閾値の範囲にある場合、時間区間長を所定の基準区間長より長い値に決定し、前記分散値が前記第１閾値より小さい場合、または、前記算出した分散値が前記第２閾値より大きい場合、時間区間長を前記所定の基準区間長より短い値に決定することを特徴とする請求項１記載の状態評価装置を提供する。
（３）請求項３記載の発明では、分散レベル及び心拍間隔の傾き状態を判定するための閾値が設定された分散モード判定テーブルと、分散レベルの種別及び心拍間隔の傾き状態の種別によって一義的に決定される時間区間長が定義された時間区間長設定テーブルと、を記憶する記憶手段と、情報取得手段と、分散モード判定手段と、時間区間長決定手段と、心拍データ取得手段と、短時間フーリエ変換手段と、状態評価手段と、を具備した状態評価装置に、前記情報取得手段が、被験者の情報としてＮ個の心拍データを取得する情報取得機能と、前記分散モード判定手段が、前記Ｎ個の心拍データの分散値及び心拍データ間の傾きと、前記分散モード判定テーブルと、に基づき、前記Ｎ個の心拍データの分散モードを判定する分散モード判定機能と、前記時間区間長決定手段が、前記判定された分散モードと、前記時間区間長設定テーブルに基づいて、短時間フーリエ変換における時間区間長を決定する時間区間長決定機能と、前記心拍データ取得手段が、前記決定した時間区間長に相当する、心拍を示す心拍データを取得する心拍データ取得機能と、前記短時間フーリエ変換手段が、前記取得した心拍データに対して短時間フーリエ変換処理を行う短時間フーリエ変換機能と、前記状態評価手段が、前記短時間フーリエ変換処理の結果に基づいて、被験者の状態を評価する状態評価機能と、を実現させるためのコンピュータ読み取り可能な状態評価プログラムを提供する。

本発明によれば、短時間フーリエ変換における時間区間長を、被験者の生体情報に基づいて決定することにより、周波数成分精度を確保しつつ、かつリアルタイム性を向上させることができる。

以下、本発明の状態評価装置における好適な実施の形態について、図１から図１３を参照して詳細に説明する。
（１）実施形態の概要

本実施形態では、はじめに、短時間フーリエ変換の時間区間長を設定するための被験者の生体情報として、連続したＮ個（例えば１００個）の心拍のＲＲ間隔データを取得する。
次に、状態評価装置のＣＰＵは、取得したＮ個のＲＲ間隔データの分散値、及び、心拍ＲＲ間隔の傾きを算出する。これらの算出値を分散モード判定テーブルと照らし合わせて、分散レベルの種別（例えば、『小』『中』『大』）及び、心拍ＲＲ間隔の傾き状態の種別（『定常』『非定常』）、即ち分散モードを特定する。
そして、特定した分散モードを時間区間長設定テーブルと照らし合わせて、短時間フーリエ変換（ＳＴＦＴ）の時間区間長を設定する。
なお、この短時間フーリエ変換（ＳＴＦＴ）の時間区間長の設定は、ＲＲ間隔データをＮ個取得するごとに行う。

続いて、設定された時間区間長に相当する被験者のＲＲ間隔データを解析対象データとして取得し、短時間フーリエ変換して解析対象データの周波数解析を行う。
周波数解析結果（パワースペクトル）に基づいて、ＬＦ（低周波数帯域）及びＨＦ（高周波数帯域）の成分量を算定する。ＣＰＵは、算定したＬＦ及びＨＦの成分量に基づいて、被験者の自律神経状態を推定し、推定した自律神経状態に基づいて、被験者の状態を評価する。
このように本実施形態によれば、被験者の生体情報、詳しくは、ＲＲ間隔データの分散モードに応じた適切な短時間フーリエ変換の時間区間長の設定を行うことにより、より精度の高いＲＲ間隔データの周波数解析を行うことができる。

（２）実施形態の詳細
図１は、本実施形態における状態評価装置１及び周辺装置の構成を表した図である。
状態評価装置１は、ＣＰＵ１１、ＲＯＭ１２、ＲＡＭ１３、入力装置１４、出力装置１５、記憶装置１６を備えている。
ＣＰＵ１１は、ＲＯＭ１２や記憶装置１６に格納されている各種プログラムやデータに従って状態評価装置１を制御する中央演算処理装置であり、被験者の状態評価に関する種々の演算処理を行う。

ＲＡＭ１３は、ＣＰＵ１１の作業領域として機能する記憶領域であり、処理中のデータを一時的に記憶する。
入力装置１４は、状態評価装置１へコマンドやデータを入力する装置であり、例えば、被験者の情報を手入力する際に用いられるキーボードやマウスなどにより構成されている。
出力装置１５は、状態評価装置１の処理した結果を外部出力する装置であり、例えば、被験者の状態評価結果（解析結果）を表示出力するディスプレイや印字出力するプリンタなどで構成されている。

記憶装置１６は、被験者の心拍データを格納する心拍データ格納領域１６１、当該状態評価装置１における状態評価結果（解析結果）を格納する状態評価結果格納領域１６２を備えている。
また、記憶装置１６には、例えば、状態評価処理プログラム１６３など状態評価処理に関する種々のプログラム、また、例えば、分散モード判定テーブル１６４や時間区間長設定テーブル１６５など心拍データに対する短時間フーリエ変換による周波数解析処理時に参照する各種データが格納されている。

図２（ａ）は、分散モード判定テーブル１６４の一例を示した図である。また、図２（ｂ）は、時間区間長設定テーブル１６５の一例を示した図である。
図２（ａ）に示すように、分散モード判定テーブル１６４には、分散レベル（『小』『中』『大』）の判定条件、及び心拍ＲＲ間隔の傾き状態（『定常』『非定常』）の判定条件に関するデータが定義されている。
即ち、分散モード判定テーブル１６４では、分散レベル及び心拍ＲＲ間隔の傾き状態の判定閾値が設定されている。
図２（ｂ）に示すように、時間区間長設定テーブル１６５は、分散レベル（『小』『中』『大』）の種別と、心拍ＲＲ間隔の傾き状態（『定常』『非定常』）の種別とによって、一義的に決定される時間区間長が定義されたデータテーブルである。本実施形態では、時間区間長が、解析対象とするＲＲ間隔データの数量として定義されている。
なお、上述した、分散モード判定テーブル１６４、及び、時間区間長設定テーブル１６５で定義される設定値は、被験者の状態や解析精度の度合いなどに応じて任意に変更することができる。

図１の説明に戻り、本実施形態では、被験者に装着された心拍センサ２が測定（検出）した心拍データがリアルタイムに心拍データ格納領域１６１に保存されるように構成されている。
心拍センサ２は、血液を左心室から大動脈に送り出すときに生じるＲ波の間隔、つまりＲ波と次に生じるＲ波との時間隔（以下、ＲＲ間隔）を測定し、測定結果を測定時刻情報と共に出力する測定装置である。
本実施形態では、心拍センサ２は、ＲＲ間隔の測定結果を測定時刻情報と共にＲＲ間隔データとして心拍データ格納領域１６１に出力するように構成されている。
なお、心拍センサ２の出力先は、心拍データ格納領域１６１に限定されるものではなく、例えば、心拍センサ２に装着可能なメモリスティックなどの外部記憶装置にＲＲ間隔データを出力し、この外部記憶装置を介して心拍データ格納領域１６１にＲＲ間隔データを取り込むようにしてもよい。また、心拍センサ２に無線通信機能を設けて無線通信によってＲＲ間隔データを状態評価装置１へ送信するようにしてもよい。

次に、以上のように構成された状態評価装置１における被験者の状態の評価処理の方法、詳しくは、被験者の自律神経状態の推定処理の方法について説明する。
図３は、状態評価装置１における被験者の状態評価処理の動作手順を示したフローチャートである。
また、図４は、ＲＲ間隔データの周波数変換処理時におけるタイムチャートである。
本実施形態では、図４に示すように、心拍センサ２で測定したＲＲ間隔データ（ＲＲ１〜）が、リアルタイムで心拍データ格納領域１６１に格納されるように構成されている。

状態評価処理プログラム１６３が起動されると、はじめにＣＰＵ１１は、心拍データ格納領域１６１から、後述する分散モード判定に用いる、所定のＮ個のＲＲ間隔データを取得する（ステップ１１）。
なお、本実施形態では、分散モード判定に用いるデータ数として、Ｎ＝１００個のデータを取得する場合を例に説明するが、分散モード判定に用いるデータ数（Ｎの値）は、被験者の状態や解析精度の度合いなどに応じて任意に変更することができる。
詳しくは、ＣＰＵ１１は、図４に示すように、１００個のＲＲ間隔データ（ＲＲ１〜ＲＲ１００）を心拍データ格納領域１６１から取得し、ＲＡＭ１３に格納する。

次に、ＣＰＵ１１は、取得した１００個のＲＲ間隔データの分散モード（離散モード）を判定する（ステップ１２）。
詳しくは、まず、ＣＰＵ１１は、１００個のＲＲ間隔データ（ＲＲ１〜ＲＲ１００）の分散値、及び、１００個のＲＲ間隔データ（ＲＲ１〜ＲＲ１００）における傾き（心拍ＲＲ間隔の傾き）を算出する。
ＲＲ間隔データの分散値は、例えば、統計値と平均値との違いを二乗し、それを算術平均することにより求められる。
また、心拍ＲＲ間隔の傾きは、例えば、１００個のＲＲ間隔データを時系列にプロットした場合におけるＲＲ間隔データの傾き、即ち変位量（ｍｓｅｃ／拍数）の平均を算出することにより求められる。

ＣＰＵ１１は、図２（ａ）に示す分散モード判定テーブル１６４を記憶装置１６から読み出す。
そして、ＣＰＵ１１は、算出したＲＲ間隔データの分散値、及び、心拍ＲＲ間隔の傾きを、分散モード判定テーブル１６４と照らし合わせて、分散レベルの種別（『小』『中』『大』）及び、心拍ＲＲ間隔の傾き状態の種別（『定常』『非定常』）を判定する。
なお、分散レベルの種別及び心拍ＲＲ間隔の傾き状態の種別をまとめて分散モードとする。
本実施形態では、分散モードの判定例として、図４に示すように、ＲＲ１〜ＲＲ１００のＲＲ間隔データでは、分散レベルは『大』レベルと判定され、心拍ＲＲ間隔の傾き状態は『定常』状態と判定されたとする。

次に、ＣＰＵ１１は、判定した分散モードに基づいて、短時間フーリエ変換（ＳＴＦＴ）の時間区間長を設定する（ステップ１３）。
詳しくは、ＣＰＵ１１は、図２（ｂ）に示す時間区間長設定テーブル１６５を記憶装置１６から読み出す。
そして、ＣＰＵ１１は、判定した分散モード、即ち、判定した分散レベルの種別、及び、心拍ＲＲ間隔の傾き状態の種別を、時間区間長設定テーブル１６５と照らし合わせて、該当する時間区間長を特定し、この特定した時間区間長を短時間フーリエ変換の時間区間長に設定する。
本実施形態では、ＲＲ１〜ＲＲ１００のＲＲ間隔データの分散モード（分散『大』、傾き『定常』）から、時間区間長は、『２００』に設定される。

続いて、ＣＰＵ１１は、設定された時間区間長に相当するＲＲ間隔データを心拍データ格納領域１６１から取得する（ステップ１４）。
詳しくは、本実施形態では、時間区間長が『２００』に設定されたため、ＣＰＵ１１は、短時間フーリエ変換の解析対象データとして、２００個のＲＲ間隔データ（ＲＲ１〜ＲＲ２００）を心拍データ格納領域１６１から取得する。
但し、２００個のＲＲ間隔データ（ＲＲ１〜ＲＲ２００）のうちの１００個のＲＲ間隔データ（ＲＲ１〜ＲＲ１００）は、分散モードを判定する際に取得しているため、ＣＰＵ１１は、残りの１００個のＲＲ間隔データ（ＲＲ１０１〜ＲＲ２００）を心拍データ格納領域１６１から取得すればよい。

そして、ＣＰＵ１１は、設定された時間区間長に相当するＲＲ間隔データを取得すると、取得した解析対象データに短時間フーリエ変換処理を施し周波数解析を行う（ステップ１５）。
詳しくは、本実施形態では、取得した２００個のＲＲ間隔データ（ＲＲ１〜ＲＲ２００）に対して、フーリエ変換を行い周波数を解析する。
ＣＰＵ１１は、短時間フーリエ変換の処理結果（パワースペクトル）に基づいて、ＬＦ（低周波数帯域）及びＨＦ（高周波数帯域）の成分量を算定する（ステップ１６）。
なお、ＲＲ間隔データにおけるＬＦ成分は、交感神経＋副交感神経の活動を示し、ＨＦ成分は、副交感神経の活動を示す。

次に、ＣＰＵ１１は、ＬＦ及びＨＦの成分量に基づいて、２００個のＲＲ間隔データ（ＲＲ１〜ＲＲ２００）の測定時における、被験者の自律神経状態を推定する（ステップ１７）。
ここでは、例えば、ＬＦ成分量に基づいて、交感神経＋副交感神経の活動指標を特定し、ＨＦ成分量に基づいて、副交感神経の活動指標を特定する。そして、特定した活動指標に基づいて、被験者の自律神経状態を推定する。

続いて、ＣＰＵ１１は、推定した自律神経状態に基づいて、被験者の状態を評価し（ステップ１８）、その評価結果を状態評価結果格納領域１６２に格納（出力）した後、処理を終了する。
ここでは、例えば、推定した自律神経状態において副交感神経系が優位である場合、被験者がリラックス状態（弛緩状態）にあると評価する。また、例えば、推定した自律神経状態において、交感神経系が優位である場合、被験者がストレス状態（緊張状態）にあると評価する。

本実施形態では、状態評価装置１は、１００個のＲＲ間隔データを取得するごとに、上述した一連の状態評価処理を並行して実行する。
詳しくは、図４に示すように、はじめの１００個のＲＲ間隔データ（ＲＲ１〜ＲＲ１００）に基づく分散モードの判定処理が行われた後、ＣＰＵ１１は、次の１００個のＲＲ間隔データ（ＲＲ１０１〜ＲＲ２００）に基づく分散モードの判定処理、さらに次の１００個のＲＲ間隔データ（ＲＲ２０１〜ＲＲ３００）に基づく分散モードの判定処理を行う。
つまり、本実施形態では、分散モード判定用のＮ個（１００個）のデータが取得されるごとに、短時間フーリエ変換の時間区間長（時間窓の幅）を設定するように構成されている。
例えば、図４に示すように、短時間フーリエ変換の時間区間長は、はじめの１００個のＲＲ間隔データ（ＲＲ１〜ＲＲ１００）では『２００』に設定され、次の１００個のＲＲ間隔データ（ＲＲ１０１〜ＲＲ２００）では『１００』に設定され、その次の１００個のＲＲ間隔データ（ＲＲ２０１〜ＲＲ３００）では『３００』に設定される。

ここで、短時間フーリエ変換の時間区間長（時間窓の幅）を特定する時間区間長設定テーブル１６５における時間区間長（解析対象とするＲＲ間隔データの数量）の定義の根拠について説明する。
図５（ａ）〜（ｃ）は、それぞれ、分散レベル『小』『中』『大』すなわちＲＲ間隔のゆらぎの『小』『中』『大』のＲＲ間隔データの例（サンプル）を示した図である。
図６（ａ）〜（ｅ）は、それぞれ、分散レベル『小』、且つ、心拍ＲＲ間隔の傾き『定常』における、１００個、２００個、３００個、４００個、５００個のＲＲ間隔データの周波数解析結果を示した図である。

図６に示すように、分散レベル『小』、且つ、心拍ＲＲ間隔の傾き『定常』におけるＲＲ間隔データでは、１００個、２００個…５００個いずれのＲＲ間隔データの周波数解析結果においても、元々全帯域における周波数成分量が少ないことがわかる。
つまり、分散レベル『小』、且つ、心拍ＲＲ間隔の傾き『定常』となるようなＲＲ間隔データが測定される時は、時間区間長を長くしても利点が少ない。
そこで、分散レベル『小』、且つ、心拍ＲＲ間隔の傾き『定常』となるようなＲＲ間隔データが測定される時には、ＲＲ間隔の状況変化に素早く対応できるように、時間区間長を、所定の基準区間長より短い値、例えば、ＲＲ間隔データ１００個分（心拍１００拍分）に設定する。
なお、所定の基準区間長とは、時間区間長の設定目安となる基準値であり、ここでは、例えば、ＲＲ間隔データ１００個〜５００個の中心値である、ＲＲ間隔データ３００個を基準区間長として定義する。

図７（ａ）〜（ｅ）は、それぞれ、分散レベル『小』、且つ、心拍ＲＲ間隔の傾き『非定常』における、１００個、２００個、３００個、４００個、５００個のＲＲ間隔データの周波数解析結果を示した図である。
図７に示すように、分散レベル『小』、且つ、心拍ＲＲ間隔の傾き『非定常』におけるＲＲ間隔データでは、１００個、２００個…５００個いずれのＲＲ間隔データの周波数解析結果においても、低周波数帯域（ＬＦ）における周波数成分量が出やすいことがわかる。なお、図７（ａ）から、ストレス・リラックス状態を判定するためのＬＦ成分量は、１００個（心拍１００拍分）のＲＲ間隔データで十分であることがわかる。
また、図７に示すように、分散レベル『小』、且つ、心拍ＲＲ間隔の傾き『非定常』におけるＲＲ間隔データでは、１００個、２００個…５００個いずれのＲＲ間隔データの周波数解析結果を見ても、高周波数帯域（ＨＦ）における周波数成分量は少ない。

従って、分散レベル『小』、且つ、心拍ＲＲ間隔の傾き『非定常』となるようなＲＲ間隔データが測定される時も、時間区間長を長くしても利点が少ない。
そこで、分散レベル『小』、且つ、心拍ＲＲ間隔の傾き『非定常』となるようなＲＲ間隔データが測定される時においても、ＲＲ間隔の状況変化に素早く対応できるように、時間区間長を、所定の基準区間長より短い値、例えば、ＲＲ間隔データ１００個分（心拍１００拍分）に設定する。
なお、例えば、ＬＦ成分に関するデータを特に重視する評価をする場合には、所定の基準区間長の値、例えば、ＲＲ間隔データ３００個分（心拍３００拍分）に、時間区間長を設定するようにしてもよい。

図８（ａ）〜（ｅ）は、それぞれ、分散レベル『中』、且つ、心拍ＲＲ間隔の傾き『定常』における、１００個、２００個、３００個、４００個、５００個のＲＲ間隔データの周波数解析結果を示した図である。
図８に示すように、分散レベル『中』、且つ、心拍ＲＲ間隔の傾き『定常』におけるＲＲ間隔データでは、２００個以上のＲＲ間隔データの周波数解析結果において、ストレス・リラックス状態を判定するためのＬＦ成分量が十分であることがわかる。
また、図８に示すように、分散レベル『中』、且つ、心拍ＲＲ間隔の傾き『定常』におけるＲＲ間隔データでは、４００個以上のＲＲ間隔データの周波数解析結果において、ストレス・リラックス状態を判定するためのＨＦ成分量が十分であることがわかる。
そこで、分散レベル『中』、且つ、心拍ＲＲ間隔の傾き『定常』となるようなＲＲ間隔データが測定される時においては、高周波成分（ＨＦ）の成分量を確保して精度向上を図るために、時間区間長を、所定の基準区間長よりやや長い値、例えば、ＲＲ間隔データ４００個分（心拍４００拍分）に設定する。

図９（ａ）〜（ｅ）は、それぞれ、分散レベル『中』、且つ、心拍ＲＲ間隔の傾き『非定常』における、１００個、２００個、３００個、４００個、５００個のＲＲ間隔データの周波数解析結果を示した図である。
図９に示すように、分散レベル『中』、且つ、心拍ＲＲ間隔の傾き『非定常』におけるＲＲ間隔データでは、２００個以上のＲＲ間隔データの周波数解析結果において、ストレス・リラックス状態を判定するためのＬＦ成分量が十分であることがわかる。
また、図９に示すように、分散レベル『中』、且つ、心拍ＲＲ間隔の傾き『非定常』におけるＲＲ間隔データでは、５００個以上のＲＲ間隔データの周波数解析結果において、ストレス・リラックス状態を判定するためのＨＦ成分量が十分であることがわかる。
そこで、分散レベル『中』、且つ、心拍ＲＲ間隔の傾き『非定常』となるようなＲＲ間隔データが測定される時においても、高周波成分（ＨＦ）の成分量を確保して精度向上を図るために、時間区間長を、所定の基準区間長より長い値、例えば、ＲＲ間隔データ５００個分（心拍５００拍分）に設定する。

図１０（ａ）〜（ｅ）は、それぞれ、分散レベル『大』、且つ、心拍ＲＲ間隔の傾き『定常』における、１００個、２００個、３００個、４００個、５００個のＲＲ間隔データの周波数解析結果を示した図である。
図１０に示すように、分散レベル『大』、且つ、心拍ＲＲ間隔の傾き『定常』におけるＲＲ間隔データでは、１００個、２００個…５００個いずれのＲＲ間隔データの周波数解析結果においても、ストレス・リラックス状態を判定するためのＬＦ成分量及びＨＦ成分量が共に十分であることがわかる。
そこで、分散レベル『大』、且つ、心拍ＲＲ間隔の傾き『定常』となるようなＲＲ間隔データが測定される時においては、時間区間長を、所定の基準区間長より短い値、例えば、ＲＲ間隔データ１００個分（心拍１００拍分）に設定する。

図１１（ａ）〜（ｅ）は、それぞれ、分散レベル『大』、且つ、心拍ＲＲ間隔の傾き『非定常』における、１００個、２００個、３００個、４００個、５００個のＲＲ間隔データの周波数解析結果を示した図である。
図１１に示すように、分散レベル『大』、且つ、心拍ＲＲ間隔の傾き『非定常』におけるＲＲ間隔データでは、２００個以上のＲＲ間隔データの周波数解析結果において、ストレス・リラックス状態を判定するためのＬＦ成分量が十分であることがわかる。
また、図１１に示すように、分散レベル『大』、且つ、心拍ＲＲ間隔の傾き『非定常』におけるＲＲ間隔データでは、３００個以上のＲＲ間隔データの周波数解析結果において、ストレス・リラックス状態を判定するためのＨＦ成分量が十分であることがわかる。
そこで、分散レベル『大』、且つ、心拍ＲＲ間隔の傾き『非定常』となるようなＲＲ間隔データが測定される時においては、時間区間長を、所定の基準区間長の値、例えば、ＲＲ間隔データ３００個分（心拍３００拍分）に設定する。

このように、本実施形態の状態評価処理時に用いられる時間区間長設定テーブル１６５における時間区間長（解析対象とするＲＲ間隔データの数量）は、上述した解析結果に基づいて適切な値に定義されたものである。
従って、本実施形態によれば、取得した被験者のＮ個（１００個）のＲＲ間隔データに基づいて、周波数解析の都度、適切な短時間フーリエ変換の時間区間長を設定することができる。
これにより、一定水準以上の周波数成分の精度、時間成分の精度、及び状態推移のリアルタイム性を保持（確保）しながら、高速な計算処理能力を必要としないより簡素な計算処理で、自律神経状態の推定処理、即ち被験者の状態評価処理を行うことができる。

（変形例）
次に、上述した本実施形態の変形例について説明する。
上述した本実施形態では、時間区間長設定テーブル１６５において、分散レベルの種別と心拍ＲＲ間隔の傾き状態の種別とによって一義的に決定される時間区間長によって、短時間フーリエ変換の時間区間長を設定しているが、短時間フーリエ変換の時間区間長の設定方法は、これに限定されるものではない。
図１２は、時間区間長設定テーブル１６５の変形例を示した図である。
例えば、図１２に示すような、分散モード判定用の１００個のＲＲ間隔データの分散値（リニア値）と、心拍ＲＲ間隔の傾き状態（『定常』『非定常』）の種別とによって、時間区間長が一義的に定義された時間区間長設定リニアテーブルによって、短時間フーリエ変換の時間区間長を設定するようにしてもよい。

時間区間長設定リニアテーブルは、上述した時間区間長設定テーブル１６５における時間区間長（解析対象とするＲＲ間隔データの数量）の定義と同様の方法によって、より細かな分散範囲における時間区間長を定義したデータに基づいて作成したものである。
なお、時間区間長設定リニアテーブルを用いて時間区間長を設定する場合には、分散レベル（『小』『中』『大』）の種別を特定せずに、直接、算出した分散値を時間区間長設定リニアテーブルと照らし合わせて時間区間長を設定する。
このような時間区間長設定リニアテーブルを用いることにより、分散モード判定用の１００個のＲＲ間隔データの分散値にリニアに対応した時間区間長を、即ち、分散値により適切に対応した（適合した）時間区間長を設定することができる。これにより、時間精度を確保しつつより精度の高いＲＲ間隔データの周波数解析を行うことができる。

また、上述した本実施形態及び変形例では、被験者の生体情報に基づく短時間フーリエ変換の時間区間長の設定方法として、分散モード判定用の１００個のＲＲ間隔データの分散値に基づく時間区間長の設定方法を用いているが、短時間フーリエ変換の時間区間長の設定方法は、これに限定されるものではない。
被験者が車両を運転している場合、その被験者（運転者）の生体情報の変化は、運転操作状況に反映される。
そこで、被験者が車両を運転している場合には、その運転操作状況から、短時間フーリエ変換の時間区間長を設定するようにしてもよい。

詳しくは、被験者の操作する車両に、例えば、ステアリング（ハンドル）操作による操舵角や操作頻度などのステアリング操作情報を検出する舵角センサを設ける。
また、状態評価装置１の記憶装置１６に、舵角センサの検出結果（測定結果）をリアルタイムに保存する運転操作情報格納領域を設ける。
図１３は、運転操作状況に基づいて短時間フーリエ変換の時間区間長を設定する、時間区間長設定テーブルの一例を示した図である。
さらに、状態評価装置１の記憶装置１６に、分散モード判定テーブル１６４の代わりにステアリング操舵角の低周波成分におけるＰＳＤ（パワースペクトル密度）レベル判定閾値データを設け、また、時間区間長設定テーブル１６５の代わりに図１３に示す時間区間長設定テーブルを設ける。

被験者の状態評価処理が開始されると、ＣＰＵ１１は、短時間フーリエ変換の時間区間長の設定に用いるための、所定の測定時間ｔ（例えば、ｔ＝３０秒）の間の舵角センサの検出結果を、運転操作情報格納領域から取得する。なお、時間区間長の設定に用いるデータの測定時間ｔの値は、被験者の状態や解析精度の度合いなどに応じて任意に変更することができる。
そして、ＣＰＵ１１は、取得した３０秒間の舵角センサの検出結果に基づいて、ステアリング操舵角の低周波成分におけるＰＳＤを算出し、ＣＰＵ１１は、算出したＰＳＤを、ステアリング操舵角の低周波成分におけるＰＳＤレベル判定閾値データと照らし合わせてそのレベルを判定する。

ＣＰＵ１１は、判定したステアリング操舵角の低周波成分におけるＰＳＤのレベルと、図１３に示す時間区間長設定テーブルとを照らし合わせて、該当する時間区間長を特定し、この特定した時間区間長を短時間フーリエ変換の時間区間長に設定するようにしてもよい。
なお、図１３に示すように、時間区間長設定テーブルにおいて、低周波成分のＰＳＤのレベルは５段階に分類されており、そのレベルが高いほど、被験者の自律神経系において副交感神経系が優勢であること、即ち、リラックス状態（弛緩状態）にあることを示す。この場合、心拍のＲＲ間隔は、ゆっくり増加する傾向にあると推定される。そのため、短時間フーリエ変換においてＲＲ間隔データのＨＦ成分を精度よく捕らえるために、短時間フーリエ変換の時間区間長は長く設定されている。
一方、低周波成分のＰＳＤのレベルが低いほど、被験者の自律神経系において交感神経系が優勢であること、即ち、ストレス状態（緊張状態）にあることを示し、短時間フーリエ変換の時間区間長は短く設定されている。
上述したように、ステアリング操舵角の低周波成分におけるＰＳＤに基づいて、短時間フーリエ変換の時間区間長を設定する方法を用いても、被験者（運転者）の生体情報を反映した適切な区間長設定を容易に行うことができる。

運転者の運転操作状況に基づいて、短時間フーリエ変換の時間区間長を設定する方法は、上述したステアリング操作情報に基づく設定方法に限定されるものではない。
例えば、車両の前後方向Ｇ（加速度）またはアクセル／ブレーキの踏力の時間変化に基づいて短時間フーリエ変換の時間区間長を設定するようにしてもよい。
詳しくは、車両速度が急加速（又は急減速）の度合いが高いほど、被験者の自律神経系において交感神経系が優勢であること、即ち、ストレス状態（緊張状態）にあることを示す。この場合、心拍のＲＲ間隔は、急激な減少傾向にあると推定される。そのため、ＲＲ間隔の状況変化に素早く対応できるように、時間区間長を短く設定するようにする。

また、上述した本実施形態では、分散レベルの種別と、心拍ＲＲ間隔の傾き状態の種別とによって、一義的に決定される時間区間長が定義された時間区間長設定テーブル１６５を用いて短時間フーリエ変換の時間区間長を設定したが、短時間フーリエ変換の時間区間を設定するテーブルはこれに限定されるものではない。
例えば、心拍ＲＲ間隔の傾き状態の種別（『定常』『非定常』）を考慮せずに、分散レベルの種別のみによって一義的に時間区間長が定義されたテーブルを用いて、より簡素（簡単）な手法で、短時間フーリエ変換の時間区間を設定するようにしてもよい。
なお、この場合、分散レベルの種別によって一義的に定義される時間区間長として、例えば、時間区間長設定テーブル１６５で用いた、各分散レベルの種別に対応する『定常』の場合の値を採用したり、または、各分散レベルの種別に対応する『定常』と『非定常』の平均値を採用する。
また、ＲＲ間隔の分散値と、運転操作状況の両方を組み合わせて区間長を決定するようにしてもよい。

本実施形態における状態評価装置及び周辺装置の構成を表した図である。（ａ）は分散モード判定テーブルの一例を示した図であり、（ｂ）は時間区間長設定テーブルの一例を示した図である。状態評価装置における被験者の状態評価処理の動作手順を示したフローチャートである。ＲＲ間隔データの周波数変換処理時におけるタイムチャートである。（ａ）〜（ｃ）は、それぞれ、分散レベル『小』『中』『大』のＲＲ間隔データの例を示した図である。（ａ）〜（ｅ）は、それぞれ、分散レベル『小』、且つ、心拍ＲＲ間隔の傾き『定常』における、１００個、２００個、３００個、４００個、５００個のＲＲ間隔データの周波数解析結果を示した図である。（ａ）〜（ｅ）は、それぞれ、分散レベル『小』、且つ、心拍ＲＲ間隔の傾き『非定常』における、１００個、２００個、３００個、４００個、５００個のＲＲ間隔データの周波数解析結果を示した図である。（ａ）〜（ｅ）は、それぞれ、分散レベル『中』、且つ、心拍ＲＲ間隔の傾き『定常』における、１００個、２００個、３００個、４００個、５００個のＲＲ間隔データの周波数解析結果を示した図である。（ａ）〜（ｅ）は、それぞれ、分散レベル『中』、且つ、心拍ＲＲ間隔の傾き『非定常』における、１００個、２００個、３００個、４００個、５００個のＲＲ間隔データの周波数解析結果を示した図である。（ａ）〜（ｅ）は、それぞれ、分散レベル『大』、且つ、心拍ＲＲ間隔の傾き『定常』における、１００個、２００個、３００個、４００個、５００個のＲＲ間隔データの周波数解析結果を示した図である。（ａ）〜（ｅ）は、それぞれ、分散レベル『大』、且つ、心拍ＲＲ間隔の傾き『非定常』における、１００個、２００個、３００個、４００個、５００個のＲＲ間隔データの周波数解析結果を示した図である。時間区間長設定テーブルの変形例を示した図である。運転操作状況に基づいて短時間フーリエ変換の時間区間長を設定する、時間区間長設定テーブルの一例を示した図である。

符号の説明

１状態評価装置
２心拍センサ
１１ＣＰＵ
１２ＲＯＭ
１３ＲＡＭ
１４入力装置
１５出力装置
１６記憶装置
１６１心拍データ格納領域
１６２状態評価結果格納領域
１６３状態評価処理プログラム
１６４分散モード判定テーブル
１６５時間区間長設定テーブル

Claims

分散レベル及び心拍間隔の傾き状態を判定するための閾値が設定された分散モード判定テーブルと、分散レベルの種別及び心拍間隔の傾き状態の種別によって一義的に決定される時間区間長が定義された時間区間長設定テーブルと、を記憶する記憶手段と、
被験者の情報としてＮ個の心拍データを取得する情報取得手段と、
前記情報取得手段から取得したＮ個の心拍データの分散値及び心拍データ間の傾きと、前記分散モード判定テーブルと、に基づき、前記Ｎ個の心拍データの分散モードを判定する分散モード判定手段と、
前記分散モード判定手段により判定された分散モードと、前記時間区間長設定テーブルに基づき短時間フーリエ変換における時間区間長を決定する時間区間長決定手段と、
前記決定した時間区間長に相当する、心拍を示す心拍データを取得する心拍データ取得手段と、
前記取得した心拍データに対して短時間フーリエ変換処理を行う短時間フーリエ変換手段と、
前記短時間フーリエ変換処理の結果に基づいて、被験者の状態を評価する状態評価手段と、
を具備したことを特徴とする状態評価装置。
前記時間区間長決定手段は、
前記分散値が第１閾値から第２閾値の範囲にある場合、時間区間長を所定の基準区間長より長い値に決定し、
前記分散値が前記第１閾値より小さい場合、または、前記算出した分散値が前記第２閾値より大きい場合、時間区間長を前記所定の基準区間長より短い値に決定することを特徴とする請求項１記載の状態評価装置。
分散レベル及び心拍間隔の傾き状態を判定するための閾値が設定された分散モード判定テーブルと、分散レベルの種別及び心拍間隔の傾き状態の種別によって一義的に決定される時間区間長が定義された時間区間長設定テーブルと、を記憶する記憶手段と、情報取得手段と、分散モード判定手段と、時間区間長決定手段と、心拍データ取得手段と、短時間フーリエ変換手段と、状態評価手段と、を具備した状態評価装置に、
前記情報取得手段が、被験者の情報としてＮ個の心拍データを取得する情報取得機能と、
前記分散モード判定手段が、前記Ｎ個の心拍データの分散値及び心拍データ間の傾きと、前記分散モード判定テーブルと、に基づき、前記Ｎ個の心拍データの分散モードを判定する分散モード判定機能と、
前記時間区間長決定手段が、前記判定された分散モードと、前記時間区間長設定テーブルに基づいて、短時間フーリエ変換における時間区間長を決定する時間区間長決定機能と、
前記心拍データ取得手段が、前記決定した時間区間長に相当する、心拍を示す心拍データを取得する心拍データ取得機能と、
前記短時間フーリエ変換手段が、前記取得した心拍データに対して短時間フーリエ変換処理を行う短時間フーリエ変換機能と、
前記状態評価手段が、前記短時間フーリエ変換処理の結果に基づいて、被験者の状態を評価する状態評価機能と、
を実現させるためのコンピュータ読み取り可能な状態評価プログラム。