JP5476137B2 - 生体および脳機能計測に基づくヒューマンインターフェイス - Google Patents
生体および脳機能計測に基づくヒューマンインターフェイス Download PDFInfo
- Publication number
- JP5476137B2 JP5476137B2 JP2010009106A JP2010009106A JP5476137B2 JP 5476137 B2 JP5476137 B2 JP 5476137B2 JP 2010009106 A JP2010009106 A JP 2010009106A JP 2010009106 A JP2010009106 A JP 2010009106A JP 5476137 B2 JP5476137 B2 JP 5476137B2
- Authority
- JP
- Japan
- Prior art keywords
- subject
- information
- internal state
- measurement
- state
- 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.)
- Expired - Fee Related
Links
- 238000005259 measurement Methods 0.000 title claims description 80
- 230000003925 brain function Effects 0.000 title claims description 28
- 230000008827 biological function Effects 0.000 title 1
- 230000003287 optical effect Effects 0.000 claims description 44
- 238000007635 classification algorithm Methods 0.000 claims description 43
- 238000000034 method Methods 0.000 claims description 29
- 238000012549 training Methods 0.000 claims description 22
- 230000006399 behavior Effects 0.000 claims description 20
- 238000012876 topography Methods 0.000 claims description 19
- 210000004556 brain Anatomy 0.000 claims description 16
- 230000003936 working memory Effects 0.000 claims description 16
- 238000010801 machine learning Methods 0.000 claims description 15
- 238000004422 calculation algorithm Methods 0.000 claims description 13
- 238000012706 support-vector machine Methods 0.000 claims description 11
- 210000001652 frontal lobe Anatomy 0.000 claims description 9
- 238000005457 optimization Methods 0.000 claims description 7
- 230000001953 sensory effect Effects 0.000 claims description 7
- 230000000694 effects Effects 0.000 claims description 6
- 238000011156 evaluation Methods 0.000 claims description 6
- 230000000284 resting effect Effects 0.000 claims description 6
- 239000013598 vector Substances 0.000 claims description 6
- 238000002790 cross-validation Methods 0.000 claims description 5
- 230000015654 memory Effects 0.000 claims description 5
- 230000029058 respiratory gaseous exchange Effects 0.000 claims description 5
- 230000036772 blood pressure Effects 0.000 claims description 4
- 238000007781 pre-processing Methods 0.000 claims description 3
- 238000012937 correction Methods 0.000 claims description 2
- 238000012880 independent component analysis Methods 0.000 claims description 2
- 238000000513 principal component analysis Methods 0.000 claims description 2
- 230000008859 change Effects 0.000 description 39
- 230000007177 brain activity Effects 0.000 description 37
- 238000001514 detection method Methods 0.000 description 23
- 230000006870 function Effects 0.000 description 15
- 230000000007 visual effect Effects 0.000 description 13
- 238000010586 diagram Methods 0.000 description 10
- 238000012360 testing method Methods 0.000 description 8
- 230000002123 temporal effect Effects 0.000 description 7
- 230000009471 action Effects 0.000 description 6
- 238000012545 processing Methods 0.000 description 6
- 238000002474 experimental method Methods 0.000 description 5
- 238000002599 functional magnetic resonance imaging Methods 0.000 description 5
- 206010027175 memory impairment Diseases 0.000 description 5
- 238000012544 monitoring process Methods 0.000 description 5
- 230000001149 cognitive effect Effects 0.000 description 4
- 206010015037 epilepsy Diseases 0.000 description 4
- 210000001152 parietal lobe Anatomy 0.000 description 4
- 230000002265 prevention Effects 0.000 description 4
- 230000008569 process Effects 0.000 description 4
- 230000004044 response Effects 0.000 description 4
- 206010003062 Apraxia Diseases 0.000 description 3
- 206010010904 Convulsion Diseases 0.000 description 3
- 238000004364 calculation method Methods 0.000 description 3
- 229920006395 saturated elastomer Polymers 0.000 description 3
- 230000006403 short-term memory Effects 0.000 description 3
- 238000007619 statistical method Methods 0.000 description 3
- 230000037007 arousal Effects 0.000 description 2
- 210000004227 basal ganglia Anatomy 0.000 description 2
- 230000002354 daily effect Effects 0.000 description 2
- 230000003203 everyday effect Effects 0.000 description 2
- 238000000691 measurement method Methods 0.000 description 2
- 230000007246 mechanism Effects 0.000 description 2
- 210000000337 motor cortex Anatomy 0.000 description 2
- 230000000638 stimulation Effects 0.000 description 2
- 201000004569 Blindness Diseases 0.000 description 1
- 102000001554 Hemoglobins Human genes 0.000 description 1
- 108010054147 Hemoglobins Proteins 0.000 description 1
- 241000282412 Homo Species 0.000 description 1
- 241000287181 Sturnus vulgaris Species 0.000 description 1
- 230000016571 aggressive behavior Effects 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- 238000013477 bayesian statistics method Methods 0.000 description 1
- 230000008901 benefit Effects 0.000 description 1
- 230000017531 blood circulation Effects 0.000 description 1
- 210000001638 cerebellum Anatomy 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 238000012790 confirmation Methods 0.000 description 1
- 230000003247 decreasing effect Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000009977 dual effect Effects 0.000 description 1
- 230000007717 exclusion Effects 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 238000009499 grossing Methods 0.000 description 1
- 230000000004 hemodynamic effect Effects 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 230000010365 information processing Effects 0.000 description 1
- 238000003064 k means clustering Methods 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 238000012423 maintenance Methods 0.000 description 1
- 230000014759 maintenance of location Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000008035 nerve activity Effects 0.000 description 1
- 230000001537 neural effect Effects 0.000 description 1
- 238000002610 neuroimaging Methods 0.000 description 1
- 210000002569 neuron Anatomy 0.000 description 1
- 230000001936 parietal effect Effects 0.000 description 1
- 210000002442 prefrontal cortex Anatomy 0.000 description 1
- 238000013102 re-test Methods 0.000 description 1
- 238000013468 resource allocation Methods 0.000 description 1
- 230000000717 retained effect Effects 0.000 description 1
- 230000015541 sensory perception of touch Effects 0.000 description 1
- 230000008326 skin blood flow Effects 0.000 description 1
- 238000001228 spectrum Methods 0.000 description 1
- 238000010183 spectrum analysis Methods 0.000 description 1
- 238000001931 thermography Methods 0.000 description 1
Images
Landscapes
- Investigating Or Analysing Materials By Optical Means (AREA)
- Measurement Of The Respiration, Hearing Ability, Form, And Blood Characteristics Of Living Organisms (AREA)
- User Interface Of Digital Computer (AREA)
Description
以下、本発明の実施例を詳細に説明する。
特定の脳機能を測定できる程度の空間分解能を持つ、かつ、錯誤のモニターと予測が区別できる程度の時間解像度を持つ。また実作業現場での応用を考慮して、比較的携帯可能なもの、また磁気シールドなどの設備を要しないものが望まれる。一例として光トポグラフィ法が挙げられるが、本発明はこれに特定するものではない。
図1Aは、本発明のヒューマンインターフェイスの第一の実施例の概念図である。図1Aにおいて、本実施例のヒューマンインターフェイスは、生体計測装置110、信号解析装置120及び課題呈示装置130を含む装置本体100と、生体計測信号や内部状態信号のデータ、脳活動のデータベース、及び参照データなどを保持する外部記憶装置140と、操作者すなわち被験者160が操作する外部機器150とを備えており、これらは、通信ネットワークを介して相互に接続されている。生体計測装置110、信号解析装置120及び課題呈示装置130を含む装置本体100、外部記憶装置140及び外部機器150により、被験者の内部状態の情報と、該内部状態の情報と時間的関連性を有する前記被験者の生体計測情報とをセットとして取得し、個人用のデータベースを生成する個人データベース生成手段が構成されている。また、信号解析装置120を含む装置本体100と外部記憶装置140により、前記個人用のデータベースを訓練セットとして分類アルゴリズムを最適化する分類アルゴリズム最適化手段と、前記被験者の生体信号計測により得られた新たな生体計測情報に、前記最適化された分類アルゴリズムを適用して、前記被験者の内部状態を推定する行動推定手段とが構成されている。さらに、外部機器150は、前記推定結果に基く情報を呈示する情報呈示手段として機能する。
ヒューマンエラーの可能性が高まっている状態を脳活動から推定するためには、機械学習分類アルゴリズムを最適化する必要があるため、操作者の行動を記録し、エラーが起きた場合と起きなかった場合の脳活動をデータベース化する必要がある。すなわち、操作者毎の行動とそれに対応する脳活動のデータベースを生成する。これは、一操作者専用としてローカルハードディスクに記憶してもよい。もしくは、同じ操作課題を行う複数操作者からのデータをインターネット上でデータベース化し、個人の特性と集団の特性を記憶する方法もある。
前記S22で得られたデータベースをトレーニングデータとして、分類アルゴリズムを最適化する。
実作業現場で測定した脳活動に、S23で最適化された分類アルゴリズムを適用し、過失が起きていないかどうかを分類し、過失の起こりうる確率(過失確率)を計算する。
すなわち、前記S26、S27で得られた過失確率に応じて、操作者および監督者の注意を喚起する視覚的・聴覚的もしくは触覚的呈示装置を用意する。
また、S24でタスク有りの状態で時得られた脳活動データと行動データについては、脳活動・行動のデータベースに追加し、正答確率の時系列パターンや判断境界のパターンのデータを更新することで、データベースの質向上をはかる(S30)。
注意課題を選択した場合(S43)、変化検出課題を行う(S44)。この場合行動データは各試行での正解(視覚刺激変化を正しく報告した)か、不正解(視覚刺激変化を見逃した)かである。図5A,図5Bは、実験に用いた変化検出課題の模式図である。この模式図に関しては後で説明する。
以下では、光トポ信号から変化検出試行と変化見落とし試行を分類した手法について、4ステップに分けて順次説明する。
光トポ信号には、心拍や呼吸といった全身性由来の信号や生体特有のノイズ、また測定器レーザーの揺らぎによるノイズなどが含まれている。これらを除去し、脳活動由来の信号を抽出するため、移動平均(3秒)による平滑化および多項式(三次)フィッティングによるベースライン除去を行った。
光トポ振幅が0.5以上、または周波数スペクトラムが白色雑音と統計的に区別できないチャンネルは、ノイズの寄与が強いと判断し、以下の解析から除外した。
分類アルゴリズムにおいて複数チャンネルを用いる際、いくつのチャンネルを用いればいいかを決定する必要がある。一般にチャンネル数を増やすとトレーニングデータに対する分類確率は向上するが、テストデータに対する汎化はむしろ悪化する。そのため、チャンネル数を1,2,3の場合を検討した。ステップ(2)で除外されなかった総チャンネル数をNとすると、それぞれ、N, N(N-1)/2!, N(N-1)(N-2)/3!の場合に付いて分類アルゴリズムを適用することになる。
上記(S3)で計算された全ての複数チャンネルの組合せから得られる分類正答確率がどのような時間変化パターンをもつかを調べるため、教師なしクラスタリングアルゴリズムを用いた。クラスターの数は自動的に決定することも出来るが、ここでは得られた時系列パターンを目視して適当と思われる個数を指定した。クラスタリングアルゴリズムとして、代表的なk-meansクラスタリング法を用いた。
(a)複数チャンネル仕様による分類確率の向上:
図7に、総チャンネル数Nを変化させた場合の分類確率を示す。ここでは、左から1チャンネル(A)、2チャンネル(B)、3チャンネル(C)を選んでサポートベクトルマシンを適用した場合の、分類確率で振幅が大きいものの上位20系列を示した。図7から明らかな通り、分類アルゴリズムに用いるチャンネル数は1個では不十分で、複数個用いる必要がある。また、2個と3個では分類確率にそれほど差がなく、計算時間を短縮する実用上2個で十分と思われる。
図8に、脳機能計測における変化検出課題において、被験者が変化に気づいたか、又は見落としたかを示す、分類確率の時系列パターンの典型的な例を示す。(A)の例は、変化検出課題の「錯誤課題期間」の呈示後に分類確率が上昇しており、被験者が外界に向ける注意のメカニズムが良好ではないことを示している。一方、(B)の例は、課題終了前から分類確率が上昇しており、被験者が外界に向ける注意のメカニズムが良い状態にあることを示している。
このように、分類正答確率には大きく分けて二通りの時系列パターンがある。一つは、課題終了まではチャンスレベル程度の分類確率を示すが、課題終了直後に上昇を始め、課題終了5秒後あたりで最大値を取るものである(図8の(A)および図9の(A),(B))。もう一つは、課題実行前から既にチャンスレベル以上の分類確率を示し、課題開始前後で最大値を取り、その後緩やかにチャンスレベルに戻っていくものである(図8の(B)および図9(C))。また、被験者によっては、両方のパターンが含まれることもある(図9の(D))。
図8の(A)に示したように、課題終了後に分類確率が最大値をとるものは、被験者が変化に気付いたかどうかという内観を分類していると考えられる。すなわち、この光トポ複数チャンネル信号にここでの手順を適用することで、直前に起きた外界変化に気付いたかどうかをモニターすることが可能になる。この信号は主に左半球の頭頂葉由来のもので、被験者のトップダウン型注意を表しているものと考えられる。なお、図11に、トップダウン注意とボトムアップ注意に関する脳部位を示す。
図8の(B)に示したように、課題開始前に分類確率が最大値をとるものは、被験者が変化に気付きそうかどうかという直後のパフォーマンスを予測していると考えられる。すなわち、この光トポ複数チャンネル信号にここの手順を適用することで、直後に起きる外界の変化に気付きそうかどうかという予測をすることが可能になる。この信号は主に右半球の頭頂葉由来のもので、被験者のボトムアップ型注意を表しているものと考えられる。
我々は、被験者二名に変化検出課題を後日繰り返し、同じ解析を適用し、分類確率の時系列パターンが同様に得られることを確認した。その結果を図10の(A)、(B)に示す。すなわち、(1)分類確率の時系列パターンは被験者毎に異なり、かつ、(2)同じ被験者であれば、所定の繰り返し回数により得られた分類確率の時系列パターンは常に同じものになる、ということを確認した。
図12Aにおいて、事前に操作者の頭部に生体計測装置110を装着し(S120)、安静状態(タスク無し)で、所定時間だけ操作者の脳機能計測を行う(S121)。次に、操作者は、例えば職場で毎朝、職場のパソコン操作などの実務の作業(タスク無し)を開始し(S122)、操作者の脳機能計測は行わずに作業を続ける(S123)。そして、操作者が、当日の作業内容・作業成績を基に主観的な評価を行い、その結果を毎日、外部機器などを介して装置本体100に入力する(S124)。装置本体100は、入力を受け付ける度に、安静状態での操作者の生体信号の計測結果と主観的な評価の情報とから、操作者の内部状態を推定するためのデータベースを生成、更新する(S125)。この処理は、十分な数のデータ数が得られるまで、日々繰り返される(S126、S127)。このような生体信号と主観的な評価に基づくデータを用いて、汎化分類確率を最大化するように機械学習の分類アルゴリズムを最適化する。すなわち、これらのデータに対して図6Aに示したような状態A,状態Bの分類を行い、図6Bに示したような「判断境界」が得られる。このようにして、図1Bで述べたものと同様な、ヒューマンエラーの起こりやすさの判定基準を与える判断境界のパターンを有する最適タスク設定のデータベース140B’が作成される。なお、装置本体100の他の機能に関しては、実施例1の装置と同じものとする。
ヒューマンエラーの一要因として、課題を遂行するのに十分なスキルを身につけていないというスキル不足が挙げられている。例としては、制御盤の手順を十分に習得していないまま実作業現場で操作したり、運転技能が未熟なまま道路に出たりといった際に、重大な事故に繋がる可能性がある。したがって、特定のスキルが十分習得されているかどうかを定量化することは、操作者が実作業現場に配置可能かどうかの一つの判断基準になる。
まず、S22の「脳活動・行動のデータベース作成」において、単一の被験者ではなく、様々なスキル定着段階にある複数の被験者からの行動および脳活動データをデータベース化し、それをトレーニングセットとして分類アルゴリズムを最適化する。実施例1,2の好ましい適用対象は、視覚的錯誤や失念といった比較的短時間(数秒〜数十秒)の認知的過失である。この場合、時間的揺らぎが大きく、個人差間の比較は難しいと思われる。一方、スキル定着化は長い時間スケール(数十分〜数時間)で起こる現象であるため、時間的平均が取り易く、個人差間の比較が可能であると期待される。これにより、被験者が同じ学習課題を繰り返し行う労力と時間を節約できる。
なお、上述の各実施例は脳機能計測法として光トポグラフィを用いたが、機能的MRIや脳波といった他手法でも同様に実施可能である。
脳機能計測法として機能的MRIを用いる場合には、その比較的低い時間的解像度のため、実施例1および2のような実時間でヒューマンエラーを検出する応用には直接的に応用は難しい。むしろ、実施例3もしくは4のように長い時間的スケールの脳活動状態を、機能的MRIの高い空間分解能で解析するのに適していると思われる。また、機能的MRIでは、光トポグラフィでは観察できない小脳・大脳基底核などといった脳深部位活動を計測できる。それらは系列学習や運動の自動化といった機能に関連が知られているため、機能的MRIによるそれらの機能定量化に応用することが可能である。
Claims (15)
- 被験者の内部状態の情報と、該内部状態の情報と時間的関連性を有し生体由来の雑音を除去した前記被験者の生体計測情報とをセットとして取得し、個人用のデータベースを生成する個人データベース生成手段と、
前記個人用のデータベースを訓練セットとして分類アルゴリズムを最適化する分類アルゴリズム最適化手段と、
前記被験者の生体信号計測により得られた新たな生体計測情報に、前記最適化された分類アルゴリズムを適用して、前記被験者の内部状態を推定する行動推定手段と、
前記推定結果に基く情報を呈示する情報呈示手段とを備え、
前記被験者の内部状態が感覚的錯誤に関するものであり、
前記個人データベース生成手段は、前記被験者に対する課題の呈示手段と、該課題の呈示状態と関連して前記被験者に対する光トポグラフィによる生体計測を行う生体計測手段とを有しており、
前記感覚的錯誤を検出するために、前記新たな生体計測として、前記光トポグラフィを前記被験者の主に後頭頂葉と背側前頭葉の少なくとも1組の脳部位において同時に計測する
ことを特徴とするヒューマンインターフェイス。 - 被験者の内部状態の情報と、該内部状態の情報と時間的関連性を有し生体由来の雑音を除去した前記被験者の生体計測情報とをセットとして取得し、個人用のデータベースを生成する個人データベース生成手段と、
前記個人用のデータベースを訓練セットとして分類アルゴリズムを最適化する分類アルゴリズム最適化手段と、
前記被験者の生体信号計測により得られた新たな生体計測情報に、前記最適化された分類アルゴリズムを適用して、前記被験者の内部状態を推定する行動推定手段と、
前記推定結果に基く情報を呈示する情報呈示手段とを備え、
前記被験者の内部状態が作業記憶に関するものであり、
前記個人データベース生成手段は、前記被験者に対する課題の呈示手段と、該課題の呈示状態と関連して前記被験者に対する光トポグラフィによる生体計測を行う生体計測手段とを有しており、
前記作業記憶を検出するために、前記新たな生体計測として、前記光トポグラフィを前記被験者の主に背側前頭葉の少なくとも1組の脳部位において同時に計測する
ことを特徴とするヒューマンインターフェイス。 - 被験者の内部状態の情報と、該内部状態の情報と時間的関連性を有し生体由来の雑音を除去した前記被験者の生体計測情報とをセットとして取得し、個人用のデータベースを生成する個人データベース生成手段と、
前記個人用のデータベースを訓練セットとして分類アルゴリズムを最適化する分類アルゴリズム最適化手段と、
前記被験者の生体信号計測により得られた新たな生体計測情報に、前記最適化された分類アルゴリズムを適用して、前記被験者の内部状態を推定する行動推定手段と、
前記推定結果に基く情報を呈示する情報呈示手段とを備え、
前記被験者の内部状態がスキル学習の固定化に関するものであり、
前記個人データベース生成手段は、前記被験者に対する課題の呈示手段と、該課題の呈示状態と関連して前記被験者に対する光トポグラフィによる生体計測を行う生体計測手段とを有しており、
前記スキル学習の固定化を検出するために、前記新たな生体計測として、前記光トポグラフィを前記被験者の主に前頭葉と運動野の少なくとも1組の脳部位において同時に計測する
ことを特徴とするヒューマンインターフェイス。 - 請求項1において、
前記感覚的錯誤を検出するために、前記新たな生体計測として、前記光トポグラフィと共に、前記被験者の脈拍、呼吸もしくは血圧を測定する
ことを特徴とするヒューマンインターフェイス。 - 請求項1乃至3の何れかにおいて、
前記個人データベース生成手段は、前記被験者に対する課題の呈示手段と、該課題の呈示状態と関連して前記被験者に対する脳波による生体計測を行う生体計測手段とを有している
ことを特徴とするヒューマンインターフェイス。 - 請求項1乃至3の何れかにおいて、
前記個人データベース生成手段は、前記生体計測情報に関する信号の前処理において、周波数バンドパスフィルタを用いると共に、多項式ベースライン補正、主成分分析、もしくは独立成分分析の少なくとも1つを用いる
ことを特徴とするヒューマンインターフェイス。 - 請求項1乃至3の何れかにおいて、
前記個人データベース生成手段は、前記個人用のデータベースの保存装置として、ローカルハードディスクもしくはインターネットによるサーバを備えている
ことを特徴とするヒューマンインターフェイス。 - 請求項1乃至3の何れかにおいて、
前記個人データベース生成手段は、前記被験者に対する課題の呈示手段と、該課題の呈示状態と関連して前記被験者に対する光トポグラフィによる生体計測を行う生体計測手段とを有しており、
前記分類アルゴリズム最適化手段は、前記生体計測もしくは脳機能活動計測において、複数チャンネル信号を機械学習の分類アルゴリズム入力として用いる
ことを特徴とするヒューマンインターフェイス。 - 請求項8において、
前記分類アルゴリズム最適化手段は、前記機械学習アルゴリズムとして、分類法に、サポートベクターマシン、レレバンスベクターマシン、またはバギングのいずれかを用いる
ことを特徴とするヒューマンインターフェイス。 - 請求項8において、
前記分類アルゴリズム最適化手段は、前記機械学習アルゴリズムにおいて、記憶・失念といった二値分類課題において、サポートベクターマシンとクロスバリデーションを用いる
ことを特徴とするヒューマンインターフェイス。 - 請求項8において、
前記分類アルゴリズム最適化手段は、前記機械学習アルゴリズムにおいて、二値以上の分類課題において、レレバンスベクターマシンを用いる
ことを特徴とするヒューマンインターフェイス。 - 請求項1乃至3の何れかにおいて、
前記分類アルゴリズム最適化手段は、
前記被験者に対する課題の提示と並行して計測されたi番目試行の前記生体計測信号をx i 、前記内部状態のデータをy i としたとき、前記生体計測の信号と前記内部状態のデータを対 (x i , y i )にして、これらのデータ対を全ての試行(x i , y i ) (i=1,…,N)に亘って記録装置上に記録し、これら訓練セットとして前記分類アルゴリズムを最適化する
ことを特徴とするヒューマンインターフェイス。 - 請求項1乃至3の何れかにおいて、
予め取得される前記被験者の内部状態の情報及び前記生体計測情報は、前記被験者に生体計測装置を装着し課題を与えた状態での計測結果であり、
前記被験者に生体計測装置を装着し課題を与えた状態で前記新たな生体計測情報と新たな前記内部状態の情報を取得し、これらの情報に前記最適化された分類アルゴリズムを適用して、前記被験者の内部状態を推定する
ことを特徴とするヒューマンインターフェイス。 - 請求項1乃至3の何れかにおいて、
予め取得される前記被験者の内部状態の情報及び前記生体計測情報は、前記被験者に生体計測装置を装着し課題を与えた状態での計測結果であり、
前記被験者に生体計測装置を装着し課題を与えず実作業下で前記新たな生体計測情報と新たな前記内部状態の情報を取得し、これらの情報に前記最適化された分類アルゴリズムを適用して、前記被験者の内部状態を推定する
ことを特徴とするヒューマンインターフェイス。 - 請求項1乃至3の何れかにおいて、
前記被験者に生体計測装置を装着し安静状態の脳機能計測を行った生体計測情報と、該被験者が前記生体計測装置を装着しない状態での実務の作業内容・作業成績を基に主観的な評価を行った結果に基いて生成された前記被験者の内部状態の情報とにより、前記個人データベースとして最適タスク設定のデータベースを生成し、
安静状態で計測された前記被験者の新たな内部状態のと前記最適タスク設定のデータベースに基づき、当日の前記被験者の内部状態を推定し、判定結果やアドバイスを生成、出力する
ことを特徴とするヒューマンインターフェイス。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2010009106A JP5476137B2 (ja) | 2010-01-19 | 2010-01-19 | 生体および脳機能計測に基づくヒューマンインターフェイス |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2010009106A JP5476137B2 (ja) | 2010-01-19 | 2010-01-19 | 生体および脳機能計測に基づくヒューマンインターフェイス |
Publications (2)
Publication Number | Publication Date |
---|---|
JP2011150408A JP2011150408A (ja) | 2011-08-04 |
JP5476137B2 true JP5476137B2 (ja) | 2014-04-23 |
Family
ID=44537350
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2010009106A Expired - Fee Related JP5476137B2 (ja) | 2010-01-19 | 2010-01-19 | 生体および脳機能計測に基づくヒューマンインターフェイス |
Country Status (1)
Country | Link |
---|---|
JP (1) | JP5476137B2 (ja) |
Families Citing this family (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2014106375A (ja) * | 2012-11-28 | 2014-06-09 | Railway Technical Research Institute | ヒューマンエラー防止のための危険感受性向上システム |
US10285652B2 (en) | 2012-12-07 | 2019-05-14 | Advanced Telecommunications Research Institute International | Tendency discrimination device, task execution assisting device, tendency discrimination computer program, and task execution assisting computer program |
JP6330199B2 (ja) | 2014-02-24 | 2018-05-30 | ソニー株式会社 | スマートウェアラブル装置の身体位置最適化及び生体信号フィードバック |
US10699057B2 (en) | 2015-10-07 | 2020-06-30 | Hitachi Ltd. | System and method for controlling information presented to user referring to contents |
JP2017118912A (ja) * | 2015-12-28 | 2017-07-06 | 学校法人自治医科大学 | 運動学習の効果促進に最適な注意の向け方を判別する方法 |
EP3424425A4 (en) | 2016-02-29 | 2020-03-04 | Daikin Industries, Ltd. | DETERMINATION RESULT OUTPUT DEVICE, DETERMINATION RESULT PROVIDING DEVICE, AND DETERMINATION RESULT OUTPUT SYSTEM |
AU2017299614A1 (en) * | 2016-07-19 | 2019-01-31 | Akili Interactive Labs, Inc. | Platforms to implement signal detection metrics in adaptive response-deadline procedures |
EP3495812A4 (en) * | 2016-08-03 | 2019-07-24 | Shimadzu Corporation | METHOD FOR PROCESSING ANALYSIS DATA AND DEVICE FOR PROCESSING ANALYSIS DATA |
CN110022768B (zh) * | 2016-08-26 | 2022-07-01 | 阿克利互动实验室公司 | 与生理组件联接的认知平台 |
JP6905892B2 (ja) | 2017-08-04 | 2021-07-21 | 株式会社日立製作所 | 計算機システム |
FR3073727B1 (fr) * | 2017-11-21 | 2019-10-25 | Paris Sciences Et Lettres - Quartier Latin | Systeme de mesure en temps reel de l'activite d'une fonction cognitive et procede de calibration d'un tel systeme |
JP2020109576A (ja) * | 2019-01-07 | 2020-07-16 | 株式会社ビジュアルジャパン | 情報処理装置 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP4978860B2 (ja) * | 2007-01-24 | 2012-07-18 | 株式会社国際電気通信基礎技術研究所 | 行動予測方法及び行動予測装置 |
-
2010
- 2010-01-19 JP JP2010009106A patent/JP5476137B2/ja not_active Expired - Fee Related
Also Published As
Publication number | Publication date |
---|---|
JP2011150408A (ja) | 2011-08-04 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP5476137B2 (ja) | 生体および脳機能計測に基づくヒューマンインターフェイス | |
CN109069081B (zh) | 用于预测、筛查和监测脑病/谵妄的设备、系统和方法 | |
US7433732B1 (en) | Real-time brain monitoring system | |
AU2004253483B2 (en) | Method and apparatus for an automated procedure to detect and monitor early-stage glaucoma | |
WO2016200952A1 (en) | Method and system for locating seizure focus from interictal data | |
US10925481B2 (en) | Systems and methods for measuring visual function maps | |
CN114246589B (zh) | 记忆认知能力测评方法及系统 | |
JP2021514721A (ja) | 異常運動の検出および補正のためのシステム及び方法 | |
US11931574B2 (en) | Apparatus, systems and methods for monitoring symptoms of neurological conditions | |
Ren et al. | Redaction of false high frequency oscillations due to muscle artifact improves specificity to epileptic tissue | |
KR20230169160A (ko) | 정신건강 진단 및 모니터링을 위한 안구 시스템 | |
Wriessnegger et al. | Mental state detection using riemannian geometry on electroencephalogram brain signals | |
US20230107435A1 (en) | Brain Wave Analysis of Human Brain Cortical Function | |
CN107296586A (zh) | 视觉误差检测设备/方法及基于该设备的书写系统/方法 | |
US20230062081A1 (en) | Systems and methods for provoking and monitoring neurological events | |
US11612757B1 (en) | Inducement, verification and optimization of neural entrainment through biofeedback, data analysis and combinations of adaptable stimulus delivery | |
EP3991646A1 (en) | System and method for analyzing brain activity | |
EP3164057B1 (en) | System and method for the determination of parameters of eye fixation | |
WO2024171180A1 (en) | System and method of detecting electrophysiological events in a subject | |
Mohd et al. | Classification of Stress using Machine Learning Based on Physiological and Psychological Data from Wearables | |
Rajeev et al. | Epilepsy detection using Machine Learning | |
Kashevnik et al. | Intelligent Service for Hybrid Analysis of Continuous Mental Processes Based on EEG and Video Data | |
JP2022542730A (ja) | 被検体の相対的認知能力の決定 | |
KR20230173645A (ko) | 망막 신호 데이터를 수집하고 아티팩트들을 제거하기 위한 시스템들 및 방법들 | |
WO2023230017A1 (en) | Determining brain health |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20120802 |
|
A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20130305 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20130514 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20130716 |
|
TRDD | Decision of grant or rejection written | ||
A01 | Written decision to grant a patent or to grant a registration (utility model) |
Free format text: JAPANESE INTERMEDIATE CODE: A01 Effective date: 20140121 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20140207 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 5476137 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 Free format text: JAPANESE INTERMEDIATE CODE: R150 |
|
LAPS | Cancellation because of no payment of annual fees |