JP6203554B2 - 感性状態判定装置及び感性状態判定用コンピュータプログラム - Google Patents

Description

本発明は、心電信号を用いて被計測者の感性状態を判定する感性状態判定装置及び感性状態判定用コンピュータプログラムに関するものである。

特開２００６−１５００６５号公報（特許文献１）には、被計測者の心電信号のＲ−Ｒ間隔を特徴量として、被計測者の心拍変位度を求めることにより被計測者の自律神経を検査する装置が開示されている。

また特開２０１２−６３８８５号公報（特許文献２）には、被計測者の脈流情報等の生体情報からリアプノフ指数を求めて、リアプノフ指数から被計測者が集中しているか否かを判定する生体情報管理装置が開示されている。

更に特開２００３−２３３６０１号公報（特許文献３）には、被計測者の脈派の最大リアプノフ指数推定値を１０ｓ毎にモニタすると、被計測者の精神・情動・行動状態に応じて、その値が５〜１２の範囲で変化することが記載されている。

特開２００６−１５００６５号公報 特開２０１２−０６３８８５号公報 特開２００３−２３３６０１号公報 ［００９７］段落

特許文献１に記載の技術では、心拍変位度に基づいて、被計測者の自律神経（心身状態または感性状態）を判定している。しかしながら心拍変位度は、特徴量としては、不安定であり、判定精度を高めることに限界がある。

また特許文献２に示されるリアプノフ指数または特許文献３に示される最大リアプノフ指数推定値を特徴量として、被計測者の精神・情動・行動状態を判定する場合も、判定精度を高めることに限界がある。

本発明の目的は、心電信号を用いる場合において、従来よりも判定精度の高い感性状態判定装置及び感性状態判定用コンピュータプログラムを提供することにある。

本願第１の発明の感性状態判定装置は、心電信号を用いて被計測者の感性状態を判定するために、拍動間隔平均値算出部と、遅延時間算出部と感性状態判定部とを備える。拍動間隔平均値算出部は、被計測者から得た複数のＲ波を含む心電信号から拍動間隔の平均値を求める。本願明細書でＲ波とは、心電信号に繰り返し現れる１サイクルの信号波形である。遅延時間算出部は、心電信号からリアプノフ指数を求めるためにアトラクタ再構成を行う際に必要となる時間の次元を持ったパラメータとしての遅延時間を算出する。そして感性状態判定部は、拍動間隔の平均値及び遅延時間を特徴量として、被計測者の感性状態を判定する。

また本願第２の発明の感性状態判定装置では、遅延時間を用いて心電信号のリアプノフ次元を求めるリアプノフ次元算出部を備え、感性状態判定部は、拍動間隔の平均値、遅延時間及びリアプノフ次元を特徴量として、被計測者の感性状態を判定する。

発明者は、心拍に基づいた特徴量と生体信号としての心電信号のカオス解析に基づいた特徴量とに基づいて、被計測者の感性状態を判定することを研究した。その結果、被計測者から得た複数のＲ波を含む心電信号から算出した拍動間隔の平均値、心電信号からリアプノフ指数を求めるためにアトラクタ再構成を行う際に必要となる遅延時間及びリアプノフ次元が感性状態判定のための特徴量となることを見出した。特に、カオス分析に用いるリアプノフ指数を求めるためにアトラクタ再構成を行う際に必要となる遅延時間が、感性状態の判定の特徴量の一つとなることを見出した点が重要である。遅延時間を特徴量に含めると、拍動間隔の平均値のみを特徴量とする場合よりも、格段に判定精度を高めることができる。またさらに、リアプノフ指数ではなく、リアプノフ次元を特徴量として含めると、拍動間隔及び遅延時間を特徴量とする場合よりも、更に判定精度を高めることができる。本発明及びその効果は、すべて研究結果に基づいて見出され且つ確認されたものである。

拍動間隔平均値算出部は、複数の心電信号の最大振幅（Ｒ波）間の間隔（Ｒ−Ｒ間隔）の平均値を拍動間隔の平均値として算出する。なお心電信号は、予め定めたサンプリング時間（例えば１分）内の心電信号を用いる。遅延時間算出部は、時刻ｔの心電信号ｖ（ｔ）と時刻ｔから時間τだけ遅れた心電信号ｖ（ｔ＋τ）の結合確率密度に基づいて算出した相互情報量が最小となる時間τを、遅延時間として算出する。この遅延時間は、心電信号ｖ（ｔ）と心電信号ｖ（ｔ＋τ）とが、統計的に独立になるために要する時間であり、心電信号を情報論的に特徴づける量である。

またリアプノフ次元算出部は、心電信号を遅延時間を用いてｎ次元遅延座標系に再構成して得た再構成アトラクタからリアプノフ指数を算出し、算出したｎ個のリアプノフ指数から前記リアプノフ次元を算出する。リアプノフ次元は心電信号の不安定性から推定される心電信号ダイナミクスの自由度を表していると考えられる。ちなみに心電信号の場合、「ｎ次元」は「４次元」とするのが好ましいことが実験により確認されている。

また感性状態判定部は、予め複数の被験者がそれぞれ複数種類の感性状態を感じているときの特徴量を測定して得たデータから１以上の感性状態を分離できる分類面を予め特定して記憶しておき、被計測者から得た特徴量と分類面とに基づいて被計測者の感性状態を判定する。このような分類面を予め定めておけば、パターン分類により簡単且つ高い精度で感性状態を判定することができる。

本発明の第１の感性状態判定用コンピュータプログラムは、被計測者から得た複数のＲ波を含む心電信号から拍動間隔の平均値を求める拍動間隔平均値算出機能と、心電信号からリアプノフ指数を求めるためにアトラクタ再構成を行う際に必要となる時間の次元を持ったパラメータとしての遅延時間を算出する遅延時間算出機能と、拍動間隔の平均値及び前記遅延時間を特徴量として、被計測者の感性状態を判定する感性状態判定機能を前記コンピュータ内のプロセッサで実現させる。

本発明の第２の感性状態判定用コンピュータプログラムは、被計測者から得た複数のＲ波を含む心電信号から拍動間隔の平均値を求める拍動間隔平均値算出機能と、心電信号からリアプノフ指数を求めるためにアトラクタ再構成を行う際に必要となる時間の次元を持ったパラメータとしての遅延時間を算出する遅延時間算出機能と、遅延時間を用いて前記心電信号のリアプノフ次元を求めるリアプノフ次元算出機能と、拍動間隔の平均値、遅延時間及びリアプノフ次元を特徴量として、被計測者の感性状態を判定する感性状態判定機能を前記コンピュータ内のプロセッサで実現させる。

なお感性状態判定用コンピュータプログラムは、コンピュータ読み取り可能な記憶手段に記憶されているのが好ましい。

本発明の感性状態判定装置の実施の形態の一例の構成を概略的に示すブロックである。 拍動間隔Ｔ1〜ＴM（一般的にＲ−Ｒ間隔と呼ぶ）を演算することを説明するために用いる図である。 拍動間隔Ｔ1〜ＴMと拍動間隔の平均値Ｔmeanの関係を示す図である。 相互情報量の直感的意味を説明するために用いる図である。 遅延時間の算出法を説明するために用いる図である。 遅延時間の算出法を説明するために用いる図である。 リアプノフ次元の算出手順を示す図である。 感性状態判定部の構成を示す図である。 パターン分類で使用する分類面を説明するために用いる図である。 拍動間隔の平均値Ｔmean及び遅延時間τを特徴量として、コンピュータを利用して感性状態を判定する場合に、コンピュータにインストールされるコンピュータプログラムのアルゴリズムを示すフローチャートである。 拍動間隔の平均値Ｔmean、遅延時間τ及びリアプノフ次元ＤLを特徴量として、コンピュータを利用して感性状態を判定する場合に、コンピュータにインストールされるコンピュータプログラムのアルゴリズムを示すフローチャートである。 実験の実施プロトコルを示す図である。 実験データを示す図である。 被験者４について拍動間隔の平均値Ｔmeanのみを特徴ベクトルとして安静状態の分離を判定した場合の試験結果を示す図である。 被験者３について拍動間隔の平均値Ｔmeanと遅延時間τを特徴ベクトルとして安静状態の分離を判定した場合の試験結果を示す図である。 被験者５について拍動間隔の平均値Ｔmeanと遅延時間τを特徴ベクトルとして安静状態の分離を判定した場合の試験結果を示す図である。 被験者７について拍動間隔の平均値Ｔmeanと遅延時間τを特徴ベクトルとして安静状態の分離を判定した場合の試験結果を示す図である。 被験者３について拍動間隔の平均値Ｔmeanと、遅延時間τとリアプノフ次元ＤLを特徴ベクトルとして安静状態の分離を判定した場合の試験結果を示す図である。 被験者５について拍動間隔の平均値Ｔmeanと、遅延時間τとリアプノフ次元ＤLを特徴ベクトルとして安静状態の分離を判定した場合の試験結果を示す図である。 被験者７について拍動間隔の平均値Ｔmeanと、遅延時間τとリアプノフ次元ＤLを特徴ベクトルとして安静状態の分離を判定した場合の試験結果を示す図である。

以下図面を参照して本発明の実施の形態を詳細に説明する。図１は、本発明の感性状態判定装置の実施の形態の一例の構成を概略的に示すブロック図である。図１において、符号１を付したブロックは被計測者であり、符号２で示したブロックは、心電計を含む生体アンプである。この生体アンプ２は、被計測者の左胸に装着されて、所定のサンプリング時間Ｔ（例えば１分）の間、被計測者の心拍に基づく複数のＲ波を含む心電信号ｖ（ｔ）を出力する。Ｒ波とは、図２に示す心電信号ｖ（ｔ）中に繰り返し現れる１サイクルの信号波形である。複数Ｒ波を含む心電信号ｖ（ｔ）は心拍検出部３に入力される。心拍検出部３は、図２に示すように、隣り合う二つのＲ波の最大振幅となる部分の間の時間間隔即ち拍動変動または拍動間隔Ｔ1〜ＴM（一般的にＲ−Ｒ間隔と呼ぶ）を演算する。拍動間隔平均値算出部４は、下記の式に基づいて、拍動間隔の平均値Ｔmeanを算出する。図３は、拍動間隔Ｔ1〜ＴMと拍動間隔の平均値Ｔmeanの関係を図示している。

上記式において、Ｔｋは、心電信号のｋ番目のＲ波とｋ＋１番目のＲ波の時間間隔（ＲＲ間隔）である。Ｍは時間Ｔの間中の心拍の数である。

図１の遅延時間算出部５は、心電信号からリアプノフ指数を求めるためにアトラクタ再構成を行う際に必要となる時間の次元を持ったパラメータとしての遅延時間τを算出する。遅延時間τは、心電信号が自身と統計的に独立になるために要する時間であり、心電信号を情報論的に特徴づける量である。発明者は、カオス分析に用いるリアプノフ指数を求めるためにアトラクタ再構成を行う際に必要となる遅延時間τが、感性状態の判定の特徴量の一つとなることを実験により見出した。そして遅延時間τを特徴量に含めると、拍動間隔の平均値Ｔmeanのみを特徴量とする場合よりも、格段に判定精度を高めることができることが実験により確認された。遅延時間τは、心電信号ｖ（ｔ）とｖ（ｔ＋τ）の結合確率密度に基づいて計算された相互情報量が最小になるようにして算出されるパラメータである。概念的に説明すると、図４に示すように、心電信号ｖ（ｔ）が持っている平均情報量（エントロピー）とｖ（ｔ＋τ）が持っている平均情報量（エントロピー）の相互情報量Ｉ（情報の重なり）が、最小の状態になる時間が遅延時間τである。

なお遅延時間τの算出については、Andrew M. Fraser 及びHarry L. Swinney が、「Independent coordinates for strange attractors from mutual information」と題する論文（Phys. Rev. A Vol.33, pp.1134-1140 (1986)）に詳しく説明している。したがって遅延時間τの算出については、以下に概念として簡単に説明する。図５の左側に示す心電信号ｖ（ｔ）についての遅延時間τを求めるためには、心電信号ｖ（ｔ）と時間ｓだけ離れた信号ｖ（ｔ＋ｓ）と信号ｖ（ｔ）とを時間を媒介変数としてプロットする。なおこのプロットでは、心電信号ｖ（ｔ）のレンジｖrangeを下記の式で算出し、時間ｓだけ離れた心電信号ｖ（ｔ）と信号ｖ（ｔ＋ｓ）とが一致するデータポイント（○印）をプロットする。図５の右側の図は、複数のデータポイントを模擬的に示したものである。

上記式中の前方の項は、信号ｖ（ｔ）の最大値を意味し、後方の項は最小値を意味する。次に図６に示すように、データポイントをプロットした面積ｖrange×ｖrangeの矩形領域を列方向にＬ個、行方向にＬ個のセルでＬ²分割（Ｌ×Ｌ）する。そして、各セル（ｌ，ｍ）にデータポイントが入る確率ｐS,L（ｌ，ｍ）を算出する。図６の右側の図においては、セルの色の濃淡が確率の大小を示している。色が薄いほど確率が小さいことを意味する。そして遅延時間τは、下記の式から算出する。

但し、相互情報量Ｉ（ｓ，Ｌ）は下記の式により求められる。

なおΣiｐS,L（ｌ，ｉ）は、列を固定して行側のセルの確率を合計した周辺確率密度であり、ΣjｐS,L（ｊ，ｍ）は、行を固定して列側のセルの確率を合計した周辺確率密度である。上記遅延時間を算出する式は、空間分割数Ｌ（２，３，…，１２）における遅延時間に対する中央値を、実際に用いる遅延時間τと定めること意味する式である。このような処理を行う理由は、算出される遅延時間の値が空間分割数Lに依存することにある。 Ｌを大きくして分割を細かくすることでより高精度に結合確率密度を推定することが可能になる。しかしながら、実際にはデータ数が有限であるため、Ｌが大きすぎる場合、各セルに入るデータ点数が極端に少なくなり、結合確率密度の推定が不適切になる。一方、Ｌが小さく分割が粗い場合には、各セル内には充分なデータが確保されるが、結合確率密度の空間分解能が粗くなり、本来とは異なった相互情報量が推定されてしまう問題が生じる。本実施の形態では、＝２，３，…，１２のそれぞれについて遅延時間を算出し、その中央値を用いることで極端な推定結果を回避し、安定した遅延時間の推定を行った。

図１のリアプノフ次元算出部６は、心電信号を遅延時間τを用いてｎ次元遅延座標系に再構成して得た再構成アトラクタからリアプノフ指数λ1，λ2，λ3・・λnを算出し、算出したｎ個のリアプノフ指数λ1，λ2，λ3・・λnからリアプノフ次元ＤLを算出する。なおリアプノフ指数の算出については、「Sano-Sawadaの方法」が良く知られている。「Sano-Sawadaの方法」については、M. Sano 及び Y. Sawada が、「Measurement of the Lyapunov Spectrum from a Chaotic Time Series」と題する論文［Phys. Rev. Lett. 55, 1082-1085 (1985) ］に詳しく説明している。「Sano-Sawadaの方法」によりリアプノフ次元で求める場合の手順は図７に示す通りである。図７のように、心電信号を遅延時間τを用いてｎ次元遅延座標系に再構成して再構成アトラクタｆ（ｔ）、ｆ（ｔ＋τ）、ｆ（ｔ＋２τ）を得る。ただし、図７はｎ=３の場合の模式図である。次にあるデータ点に対し他のデータ点を含む微小超球を設定し、これらのデータを含む超球が時間発展に対してどのように伸縮するかを算出することで軌道の不安定性をリアプノフ指数λ1，λ2，λ3・・λnとして定量化する。リアプノフ指数は、伸縮倍率の対数である。そして得られたリアプノフ指数に対して、以下の数式に従ってリアプノフ次元ＤLを算出する。

上記式において、ｋは後段の分数式の分子が負にならないｋの最大値である。図７の例では、リアプノフ指数をλ3まで加算すると分子が負の値になるため、ｋ＝２となる。リアプノフ次元は心電信号の不安定性から推定される心電信号ダイナミクスの自由度を表していると考えられる。ちなみに心電信号の場合、「ｎ次元」は「４次元」とするのが好ましいことが実験により確認されている。

図８は、図１に示した感性状態判定部７の構成の一例を示している。本実施の形態で用いる感性状態判定部７は、パターン分類部７１と、分類面記憶部７２と、状態表示部７３とから構成される。分類面記憶部７２には、予め複数の被験者がそれぞれ複数種類の感性状態を感じているときの特徴量である３次元特徴ベクトル（拍動間隔の平均値Ｔmean、遅延時間τ及びリアプノフ次元ＤL）を特徴量として得たデータから１以上の感性状態（例えば、安静、快、不快等）を分離できる分類面を予め特定して記憶してある。図９は、安静状態の分類面の一例を概念的に示す図である。図９に示す例では、安静の時の特徴ベクトル群を、快の時の特徴ベクトル群と不快の時の特徴ベクトル群とから分離できる仮想面として安静状態の分離面を定めて、分類面記憶部７２に記憶する。同様にして、予め快の状態の分離面、不快の状態の分離面を定めて、分類面記憶部７２に記憶する。パターン分類部７１は、被計測者から得た３次元特徴ベクトル（拍動間隔の平均値Ｔmean、遅延時間τ及びリアプノフ次元ＤL）と分類面とに基づいて被計測者の感性状態を判定する。このような分類面を予め定めておけば、パターン分類により簡単且つ高い精度で感性状態を判定することができる。そして状態表示部７３は、判定結果をモニタの画面上に表示する。

本実施の形態のように、３次元特徴ベクトル（拍動間隔の平均値Ｔmean、遅延時間τ及びリアプノフ次元ＤL）を特徴量として、感性状態を判定するとかなり高い精度で被計測者の感性状態を判定できる。なお感性状態判定部７は、拍動間隔の平均値Ｔmean及び遅延時間τ（２次元特徴ベクトル）を特徴量として、被計測者の感性状態を判定するように構成することもできる。

本実施の形態の心拍検出部３、拍動間隔平均値算出部４，遅延時間算出部５、リアプノフ次元算出部６及び感性状態判定部７は、コンピュータを利用して実現することができる。図１０は、拍動間隔の平均値Ｔmean及び遅延時間τ（２次元特徴ベクトル）を特徴量として、コンピュータを利用して感性状態を判定する場合に、コンピュータにインストールされるコンピュータプログラムのアルゴリズムを示すフローチャートである。このアルゴリズムは、ステップＳＴ１乃至ステップＳＴ３を含んでおり、これらのステップは、コンピュータに拍動間隔平均値算出機能と、遅延時間算出機能と感性状態判定機能とを実現させる。また図１１は、拍動間隔の平均値Ｔmean、遅延時間τ及びリアプノフ次元ＤL（３次元特徴ベクトル）を特徴量として、コンピュータを利用して感性状態を判定する場合に、コンピュータにインストールされるコンピュータプログラムのアルゴリズムを示すフローチャートである。このアルゴリズムは、ステップＳＴ１１乃至ステップＳＴ１３を含んでおり、これらのステップは、コンピュータに拍動間隔平均値算出機能と、遅延時間算出機能と感性状態判定機能とを実現させる。なお実際上、これらのコンピュータプログラムは、コンピュータ読み取り可能な記憶媒体に記憶されている。

［実験］
本発明においては、２次元特徴ベクトル及び３次元特徴ベクトルを感性状態の特徴量とすることが有効であることを確認した実験について以下に説明する。

実験では、被験者１１名に対し、安静・快・不快を各１分想起させる感性想起タスクを３セット行った。図１２に、実験の実施プロトコルを示す。感性想起は、被験者が測定者の指示に従って各感性の想起を行うように被験者に事前に教示し、測定者が被験者に対して「安静にしてください」「快をイメージしてください」「不快をイメージしてください」と指示することで実施した。想起内容については、各被験者が過去の経験において「安静」や、「快」や「不快」と感じた内容を想起するように教示した。人間の感性には主観が含まれるので、被験者がそれぞれ過去の経験に基づいて快や不快に思う内容を想起させることで、各被験者の基準のもとで実験中における感性状態をコントロールすることが可能となる。本実施の形態が問題とするような、個人の感性状態の推定を目的とする場合には、この実験は充分妥当な実験系である。

図１３は、拍動間隔の平均値Ｔmeanのみを特徴ベクトルとして感性状態（特に安静状態の分離）を判定した場合と、遅延時間τのみを特徴ベクトルとして感性状態（特に安静状態の分離）を判定した場合と、リアプノフ次元ＤLのみを特徴ベクトルとして感性状態（特に安静状態の分離）を判定した場合と、遅延時間τ及びリアプノフ次元ＤLを特徴ベクトルとして感性状態（特に安静状態の分離）を判定した場合と、拍動間隔（ＲＲ間隔）の平均値Ｔmean及びリアプノフ次元ＤLを特徴ベクトルとして感性状態（特に安静状態の分離）を判定した場合と、拍動間隔（ＲＲ間隔）の平均値Ｔmean及び遅延時間τを２次元特徴ベクトルとして感性状態（特に安静状態の分離）を判定した場合と、拍動間隔（ＲＲ間隔）の平均値Ｔmean、遅延時間τ及びリアプノフ次元ＤLを３次元特徴ベクトルとして感性状態（特に安静状態の分離）を判定した場合の分類率の結果を示している。ここで「分類率」とは、分類成功データ数を分類対象データ数で割った値に１００を掛けたものである。分類率１００％とは、感性状態を１００％正しく判定できたことを意味する。図１３からは、分類率が１００％になる判定結果（正解）が、８０％（正解率）以上得られるのは、拍動間隔（ＲＲ間隔）の平均値Ｔmean及び遅延時間τを２次元特徴ベクトルとして感性状態（特に安静状態の分離）を判定した場合と、拍動間隔（ＲＲ間隔）の平均値Ｔmean、遅延時間τ及びリアプノフ次元ＤLを３次元特徴ベクトルとして感性状態（特に安静状態の分離）を判定した場合であることが判る。その他の場合には、正解率がかなり悪いことが判る。

図１４は、被験者４について拍動間隔の平均値Ｔmeanのみを特徴ベクトルとして感性状態（特に安静状態の分離）を判定した場合の試験結果を示している。図１４に示す閾値設定可能ラインが分類面に相当する。

図１５は、被験者３について拍動間隔の平均値Ｔmeanと遅延時間τを特徴ベクトルとして感性状態（特に安静状態の分離）を判定した場合の試験結果を示している。図１５に示す直線が分類面に相当する。図１６は、被験者５について拍動間隔の平均値Ｔmeanと遅延時間τを特徴ベクトルとして感性状態（特に安静状態の分離）を判定した場合の試験結果を示している。図１６に示す直線が分類面に相当する。図１７は、被験者７について拍動間隔の平均値Ｔmeanと遅延時間τを特徴ベクトルとして感性状態（特に安静状態の分離）を判定した場合の試験結果を示している。図１７に示す直線が分類面に相当する。図１５乃至図１７を見ると、分類面のパターンが複数存在していることが判る。

図１８は、被験者３について拍動間隔の平均値Ｔmeanと、遅延時間τとリアプノフ次元ＤLを特徴ベクトルとして感性状態（特に安静状態の分離）を判定した場合の試験結果を示している。図１７に示す実線で示した升目が、分類面に相当する。図１９は、被験者５について拍動間隔の平均値Ｔmeanと、遅延時間τとリアプノフ次元ＤLを特徴ベクトルとして感性状態（特に安静状態の分離）を判定した場合の試験結果を示している。図１９に示す実線で示した升目が、分類面に相当する。図２０は、被験者７について拍動間隔の平均値Ｔmeanと、遅延時間τとリアプノフ次元ＤLを特徴ベクトルとして感性状態（特に安静状態の分離）を判定した場合の試験結果を示している。図２０に示す実線で示した升目が、分類面に相当する。図１８乃至図２０からも、分類面のパターンが複数存在していることが判る。

上記実験では、安静状態を判定したが、本発明によれば、快状態または不快状態を判定することも当然にしてできる。また本発明で判別する感性状態としては、「驚き」「怒り」「緊張」「恐れ」「不安」等のその他の感性状態を判別してもよいのは勿論である。

上記実施の形態では、感性状態判定部が予め特定した複数の分類面に基づいてデータを分類するパターン認識技術を用いて、感性状態を判定しているが、他の認識技術を用いてもよいのは勿論である。

本発明によれば、心電信号を用いる場合において、拍動間隔の平均値及び遅延時間を特徴量とするか、拍動間隔の平均値、遅延時間及びリアプノフ次元を特徴量として、被計測者の感性状態を判定することにより、従来よりも判定精度の高い感性状態判定装置及び感性状態判定用コンピュータプログラムを提供することができる。

１ 被計測者
２ 生体アンプ
３ 心拍検出部
４ 拍動間隔平均値算出部
５ 遅延時間算出部
６ リアプノフ次元算出部
７ 感性状態判定部
７１ パターン分類部
７２ 分類面記憶部
７３ 状態表示部

Claims (7)

1. 心電信号を用いて被計測者の感性状態を判定する感性状態判定装置であって、
   前記被計測者から得た複数のＲ波を含む心電信号から拍動間隔の平均値を求める拍動間隔平均値算出部と、
   前記心電信号からリアプノフ指数を求めるためにアトラクタ再構成を行う際に必要となる時間の次元を持ったパラメータとしての遅延時間を算出する遅延時間算出部と、
   前記拍動間隔の平均値及び前記遅延時間を特徴量として、前記被計測者の感性状態を判定する感性状態判定部とを備えた感性状態判定装置であって、
   前記遅延時間算出部では、心電信号ｖ（ｔ）についての遅延時間τを求めるために、心電信号ｖ（ｔ）から時間ｓだけ離れた信号ｖ（ｔ＋ｓ）と前記心電信号ｖ（ｔ）とを時間を媒介変数としてプロットするときに、前記心電信号ｖ（ｔ）のレンジｖ _range を下記の式で算出して、
   時間ｓだけ離れた前記心電信号ｖ（ｔ＋ｓ）と前記信号ｖ（ｔ）とが一致するデータポイントをプロットし、
   但し、上記式中の前方の項は、前記信号ｖ（ｔ）の最大値を意味し、後方の項は前記信号ｖ（ｔ）の最小値を意味し、
   次に前記データポイントをプロットした面積ｖrange×ｖrangeの矩形領域を列方向にＬ個、行方向にＬ個のセルでＬ ² 分割（Ｌ×Ｌ）し、各セル（ｌ，ｍ）にデータポイントが入る確率ｐS,L（ｌ，ｍ）を算出し、前記遅延時間τを、下記の式から算出し、
   但し、相互情報量Ｉ（ｓ，Ｌ）は下記の式により求められ、
   但し、上記式中のΣiｐS,L（ｌ，ｉ）は、列を固定して行側のセルの確率を合計した周辺確率密度であり、ΣjｐS,L（ｊ，ｍ）は、行を固定して列側のセルの確率を合計した周辺確率密度であることを特徴とする感性状態判定装置。
2. 心電信号を用いて被計測者の感性状態を判定する感性状態判定装置であって、
   前記被計測者から得た複数のＲ波を含む心電信号から拍動間隔の平均値を求める拍動間隔平均値算出部と、
   前記心電信号からリアプノフ指数を求めるためにアトラクタ再構成を行う際に必要となる時間の次元を持ったパラメータとしての遅延時間を算出する遅延時間算出部と、
   前記遅延時間を用いて前記心電信号のリアプノフ次元を求めるリアプノフ次元算出部と、
   前記拍動間隔の平均値、前記遅延時間及び前記リアプノフ次元を特徴量として、前記被計測者の感性状態を判定する感性状態判定部とを備えた感性状態判定装置であって、
   前記遅延時間算出部では、心電信号ｖ（ｔ）についての遅延時間τを求めるために、心電信号ｖ（ｔ）から時間ｓだけ離れた信号ｖ（ｔ＋ｓ）と前記心電信号ｖ（ｔ）とを時間を媒介変数としてプロットするときに、前記心電信号ｖ（ｔ）のレンジｖ _range を下記の式で算出して、
   時間ｓだけ離れた前記心電信号ｖ（ｔ＋ｓ）と前記信号ｖ（ｔ）とが一致するデータポイントをプロットし、
   但し、上記式中の前方の項は、前記信号ｖ（ｔ）の最大値を意味し、後方の項は前記信号ｖ（ｔ）の最小値を意味し、
   次に前記データポイントをプロットした面積ｖrange×ｖrangeの矩形領域を列方向にＬ個、行方向にＬ個のセルでＬ ² 分割（Ｌ×Ｌ）し、各セル（ｌ，ｍ）にデータポイントが入る確率ｐS,L（ｌ，ｍ）を算出し、前記遅延時間τを、下記の式から算出し、
   但し、相互情報量Ｉ（ｓ，Ｌ）は下記の式により求められ、
   但し、上記式中のΣiｐS,L（ｌ，ｉ）は、列を固定して行側のセルの確率を合計した周辺確率密度であり、ΣjｐS,L（ｊ，ｍ）は、行を固定して列側のセルの確率を合計した周辺確率密度であることを特徴とする感性状態判定装置。
3. 前記拍動間隔平均値算出部は、前記複数の心電信号の最大振幅間の間隔の平均値を前記拍動間隔の平均値として算出する請求項１または２に記載の感性状態判定装置。
4. 前記リアプノフ次元算出部は、前記心電信号を前記遅延時間を用いてｎ次元遅延座標系に再構成して得た再構成アトラクタからリアプノフ指数を算出し、算出したｎ個のリアプノフ指数から前記リアプノフ次元を算出することを特徴とする請求項２に記載の感性状態判定装置。
5. 前記感性状態判定部は、予め複数の被験者がそれぞれ複数種類の感性状態を感じているときの前記特徴量を測定して得たデータから１以上の前記感性状態を分離できるパターン分類の分類面を予め特定して記憶しておき、前記被計測者から得た前記特徴量と前記分類面とに基づいて前記被計測者の感性状態を判定する請求項１または２に記載の感性状態判定装置。
6. 被計測者の感性状態をコンピュータを利用して判定する感性状態判定方法で使用する前記コンピュータにインストールされる感性状態判定用コンピュータプログラムであって、
   前記被計測者から得た複数のＲ波を含む心電信号から拍動間隔の平均値を求める拍動間隔平均値算出機能と、
   前記心電信号からリアプノフ指数を求めるためにアトラクタ再構成を行う際に必要となる時間の次元を持ったパラメータとしての遅延時間を算出する遅延時間算出機能と、
   前記拍動間隔の平均値及び前記遅延時間を特徴量として、前記被計測者の感性状態を判定する感性状態判定機能を前記コンピュータ内のプロセッサで実現させる感性状態判定用コンピュータプログラムであって、
   前記遅延時間算出機能では、心電信号ｖ（ｔ）についての遅延時間τを求めるために、心電信号ｖ（ｔ）から時間ｓだけ離れた信号ｖ（ｔ＋ｓ）と前記心電信号ｖ（ｔ）とを時間を媒介変数としてプロットするときに、前記心電信号ｖ（ｔ）のレンジｖrangeを下記の式で算出して、
   時間ｓだけ離れた前記心電信号ｖ（ｔ＋ｓ）と前記信号ｖ（ｔ）とが一致するデータポイントをプロットし、
   但し、上記式中の前方の項は、前記信号ｖ（ｔ）の最大値を意味し、後方の項は前記信号ｖ（ｔ）の最小値を意味し、
   次に前記データポイントをプロットした面積ｖrange×ｖrangeの矩形領域を列方向にＬ個、行方向にＬ個のセルでＬ ² 分割（Ｌ×Ｌ）し、各セル（ｌ，ｍ）にデータポイントが入る確率ｐS,L（ｌ，ｍ）を算出し、前記遅延時間τを、下記の式から算出し、
   但し、相互情報量Ｉ（ｓ，Ｌ）は下記の式により求められ、
   但し、上記式中のΣiｐS,L（ｌ，ｉ）は、列を固定して行側のセルの確率を合計した周辺確率密度であり、ΣjｐS,L（ｊ，ｍ）は、行を固定して列側のセルの確率を合計した周辺確率密度であることを特徴とする感性状態判定用コンピュータプログラム。
7. 被計測者の感性状態をコンピュータを利用して判定する感性状態判定方法で使用する前記コンピュータにインストールされる感性状態判定用コンピュータプログラムであって、
   前記被計測者から得た複数のＲ波を含む心電信号から拍動間隔の平均値を求める拍動間隔平均値算出機能と、
   前記心電信号からリアプノフ指数を求めるためにアトラクタ再構成を行う際に必要となる時間の次元を持ったパラメータとしての遅延時間を算出する遅延時間算出機能と、
   前記遅延時間を用いて前記心電信号のリアプノフ次元を求めるリアプノフ次元算出機能と、
   前記拍動間隔の平均値、前記遅延時間及び前記リアプノフ次元を特徴量として、前記被計測者の感性状態を判定する感性状態判定機能を前記コンピュータ内のプロセッサで実現させる感性状態判定用コンピュータプログラムであって、
   前記遅延時間算出機能では、心電信号ｖ（ｔ）についての遅延時間τを求めるために、心電信号ｖ（ｔ）から時間ｓだけ離れた信号ｖ（ｔ＋ｓ）と前記心電信号ｖ（ｔ）とを時間を媒介変数としてプロットするときに、前記心電信号ｖ（ｔ）のレンジｖrangeを下記の式で算出して、
   時間ｓだけ離れた前記心電信号ｖ（ｔ＋ｓ）と前記信号ｖ（ｔ）とが一致するデータポイントをプロットし、
   但し、上記式中の前方の項は、前記信号ｖ（ｔ）の最大値を意味し、後方の項は前記信号ｖ（ｔ）の最小値を意味し、
   次に前記データポイントをプロットした面積ｖrange×ｖrangeの矩形領域を列方向にＬ個、行方向にＬ個のセルでＬ ² 分割（Ｌ×Ｌ）し、各セル（ｌ，ｍ）にデータポイントが入る確率ｐS,L（ｌ，ｍ）を算出し、前記遅延時間τを、下記の式から算出し、
   但し、相互情報量Ｉ（ｓ，Ｌ）は下記の式により求められ、
   但し、上記式中のΣiｐS,L（ｌ，ｉ）は、列を固定して行側のセルの確率を合計した周辺確率密度であり、ΣjｐS,L（ｊ，ｍ）は、行を固定して列側のセルの確率を合計した周辺確率密度であることを特徴とする感性状態判定用コンピュータプログラム。