JP6433616B2 - 心的活動状態評価支援装置、心的活動状態評価支援システム、及び心的活動状態評価支援方法 - Google Patents

Description

本発明は、心的活動状態評価支援装置、心的活動状態評価支援システム、及び心的活動状態評価支援方法に関する。

注意状態や気分、ストレスといった様々な心の状態（心的活動状態）を評価するために、脳活動信号を計測し、その計測データに信号処理を施すことで、被計測者の心的活動状態を算出する技術が提案されている。本技術分野の背景技術として特開２０１０−１９８２３２号公報（特許文献１）がある。

この公報には、「ユーザが一の意図を示した際の当該ユーザの第一脳活動データを取得する第一脳活動データ取得部と、前記ユーザが前記一の意図を示した際の当該ユーザの第二脳活動データを取得する第二脳活動データ取得部と、第一脳活動データから、前記示された一の意図が、複数の意図識別子のうちの一の意図識別子に対応する意図である第一確率を意図識別子ごとに算出する第一確率算出部と、第二脳活動データから、前記示された一の意図が、複数の意図識別子のうちの一の意図識別子に対応する意図である第二確率を意図識別子ごとに算出する第二確率算出部と、前記第一確率、および前記第二確率とを用いて意図識別子を取得する意図決定部と、前記意図識別子を出力する出力部とを具備する脳情報出力装置により、精度高く意図を検出できる。」と記載されている（要約参照）。

特開２０１０−１９８２３２

例えば、算出対象の心的活動状態に含まれない活動による脳活動（例えば注意状態が差算出対象である場合の感情や運動による脳活動）、個人特性（例えば脳構造、血管構造、慣れ、発達）、及び脳活動以外の生体活動（例えば眼球運動、筋活動）などの内部環境、並びに作業環境（例えば体動、姿勢）、周囲の環境（例えば照明の周波数、照度、温度、湿度などの空間的環境）、及び計測環境（例えばセンサの精度や装着状態）などの外部環境、の影響によって、脳活動信号は変化する。

つまり、脳活動信号は算出対象の心的活動状態以外の要因によって変化するため、当該脳活動信号から算出される当該心的状態の推定値も当該要因によって変化し、この変化量が当該推定値と当該心的活動状態の真の値との間の誤差の要因となる。つまり、ある心的活動状態を常に高精度に評価できる生体信号は必ずしも定まらない。

しかし、特許文献１に記載の技術は、生体信号計測時の内部環境や外部環境に応じて、生体信号に発生する誤差が変化することを想定していない。そこで、本発明の一態様は、脳活動信号から算出される心的活動状態の推定値と当該心的活動状態の真の値との間に誤差を発生させる要因の影響を考慮することで、複数種類の脳活動信号から、心的活動状態を高精度に示す脳活動信号を選択することを目的とする。

上記課題を解決するために本発明の一態様は、以下のような構成を採用する。複数種類の脳活動信号を用いた心的活動状態の評価、を支援する、心的活動状態評価支援装置であって、プロセッサと記憶装置とを含み、前記記憶装置は、前記複数種類の脳活動信号を変化させる前記心的活動状態以外の要因の程度を示す誤差計測信号と、前記複数種類の脳活動信号それぞれに対応する前記心的活動状態の推定値、の前記要因による誤差と、の対応を示す誤差算出情報を保持し、前記プロセッサは、前記誤差計測信号を取得し、前記誤差算出情報を参照して、前記取得した誤差計測信号から、前記複数種類の脳活動信号それぞれに対応する心的活動状態の推定値の前記要因による誤差を算出し、前記算出した誤差それぞれの大きさに基づいて、前記複数種類の脳活動信号から、第１種脳活動信号を選択し、前記第１種脳活動信号を示す情報を出力する、心的活動状態評価支援装置。

本発明の一態様によれば、複数種類の脳活動信号から、心的活動状態を高精度に示す脳活動信号を選択することできる。

上記した以外の課題、構成及び効果は、以下の実施形態の説明により明らかにされる。

実施例１における心的活動状態評価システムの構成例を示す概要図である。 実施例１における注意状態算出部による注意状態算出処理の概要の一例を示す説明図である。 実施例１における情報処理装置の構成例を示すブロック図である。 実施例１における注意状態学習部、注意状態算出部、及び注意状態出力部の構成例を示すブロック図である。 実施例１における脳活動信号情報の一例である。 実施例１における誤差計測信号情報の一例である。 実施例１における注意状態学習情報の一例である。 実施例１における注意状態学習特徴量情報の一例である。 実施例１における誤差学習情報の一例である。 実施例１における誤差学習特徴量情報の一例である。 実施例１における注意状態学習蓄積情報の一例である。 実施例１における誤差学習蓄積情報の一例である。 実施例１における最適信号学習情報の一例である。 実施例１における注意状態算出特徴量情報の一例である。 実施例１における注意状態算出情報の一例である。 実施例１における誤差算出情報の一例である。 実施例１における注意状態格納情報の一例である。 実施例１における誤差格納情報の一例である。 実施例１における最適注意状態選択情報の一例である。 実施例１における最適注意状態情報の一例である。 実施例１における誤差修正情報の一例である。 実施例１における注意状態学習部による処理の一例を示すフローチャートである。 実施例１における注意状態算出部による処理の一例を示すフローチャートである。 実施例１における注意状態出力部による処理の一例を示すフローチャートである。 実施例２における注意状態学習蓄積情報の修正処理の一例を示す説明図である。 実施例４における心的活動状態評価システムの構成例を示す概要図である。 実施例５における心的活動状態評価システムの構成例を示す概要図である。 実施例６における計測情報表示画面の一例である。 実施例６における設定画面の一例である。

以下、添付図面を参照して本発明の実施形態を説明する。本実施形態は本発明を実現するための一例に過ぎず、本発明の技術的範囲を限定するものではないことに注意すべきである。各図において共通の構成については同一の参照符号が付されている。

本実施形態は、心的活動状態の一例である注意状態を評価する方法及びシステムを説明するが、本実施形態は、以下に示す処理と同様の処理により、気分やストレス等の、注意状態以外の様々な心的活動状態の評価に適用できる。

図１は、心的活動状態評価システムの構成例を示す。心的活動状態評価システムは、例えば、情報処理装置１、脳活動計測装置２〜３、誤差計測装置４、入力装置５、及び出力装置６を含む。情報処理装置１は、注意状態学習部２１、注意状態算出部５１及び注意状態出力部７１を含み、ユーザの注意状態を評価する。

脳活動計測装置２及び脳活動計測装置３それぞれは、情報処理装置１が注意状態を評価するための互いに異なる種類の脳活動信号を計測する。なお、本実施例において誤差計測信号を単に誤差信号とも呼ぶ。脳活動信号とは、脳の活動を評価するための、生体から取得される信号である。脳活動信号は、例えば、脳波信号、光トポグラフィ信号、脳磁信号、ｆＭＲＩ信号、ＰＥＴ信号を含む。例えば、脳活動計測装置２は、脳波信号を計測し、脳活動計測装置３は光トポグラフィ信号を計測する。

誤差計測装置４は、注意状態の誤差を評価するための誤差計測信号を計測する。誤差計測信号とは、脳活動信号を変化させる要因であって、評価対象の心的活動状態以外の要因、の程度を示す信号である。情報処理装置１は、誤差計測信号を用いて、計測された脳活動信号の誤差又は計測された脳活動信号から得られる注意状態の誤差、及び誤差を発生させる要因の影響を評価する。誤差計測信号は、例えば、眼電位、筋電位、室温、及びユーザの姿勢を含む。

情報処理装置１は、計測された複数種類の脳活動信号と計測された誤差計測信号を取得する。注意状態学習部２１は、注意状態を算出する前に、各脳活動信号と誤差計測信号と各注意状態と各注意状態の誤差との間の関係を生成する。また、注意状態算出部５１は、当該関係と各脳活動信号とに基づいて各注意状態と各注意状態の誤差を算出する。

注意状態算出部５１は、各注意状態の誤差を比較して最も適切な誤差を示した注意状態を選択することで、誤差要因の影響を抑制した精度の高い注意状態評価を実施することができる。注意状態出力部７１は、選択された注意状態と当該注意状態の誤差を出力装置６に出力する。図１における各装置や用語の詳細は以下の通りである。

注意状態は、例えば、注意種類と注意度との組み合わせから定まる状態である。注意種類とは、学術的に定義されている注意の種類と同義であり、選択性注意、持続性注意、転換性注意を含む。注意度とは、対応する種類の注意の強さを示す値である。

なお、注意状態と同様に、全ての心的活動に対して心的活動状態が定義される。心的活動状態は、当該心的活動状態の種類と、当該心的活動状態の強度とを含む。なお、当該心的活動状態の種類は、１種類からなってもよい。

外部信号とは、情報処理装置１の動作を制御する信号のうち、脳活動信号及び誤差計測信号を除いた信号である。入力装置５は、外部信号を入力するための装置であり、例えば、マウスやキーボード等の入力装置を含む。

出力装置６は、例えば、ディスプレイ装置、スピーカ、又はプリンタなどであり、プログラムの実行結果をオペレータが視認可能な形式で出力する。また、出力装置６は、注意課題を出力してもよい。注意課題についての詳細は後述する。また、注意課題を単に課題とも呼ぶ。

図１では、情報処理装置１が２種類の脳活動計測装置と１種類の誤差計測装置に接続されている例を説明しているが、情報処理装置１は、３種類以上の脳活動計測に接続されてもよいし、２種類以上の誤差信号計測装置に接続されてもよい。以下、本実施例では、情報処理装置１は、互いに異なる種類の脳活動信号を計測する複数の脳活動計測装置と、互いに異なる種類の誤差計測信号を計測する１以上の誤差計測装置に接続されているものとする。

注意状態学習部２１は、注意状態の推定値と注意状態誤差とを高精度に算出するために、脳活動信号と注意状態と注意状態の誤差との関係を事前に学習する。注意状態算出部５１は、高精度に注意状態を評価するために、脳活動信号、注意状態学習特徴量情報、及び誤差学習特徴量情報などを用いて、注意状態の推定値及び誤差を算出する。注意状態学習特徴量情報、及び誤差学習特徴量情報の詳細については後述する。

注意状態出力部７１は、算出された注意状態の推定値及び誤差、注意状態選択情報、最小注意誤差修正情報、並びに算出特徴量群情報などを出力する。なお、情報処理装置１は心的活動状態評価システムの他の装置を含んでもよい。なお、図１では、各装置は有線で互いに接続されているが、ネットワークを介して無線で互いに接続されていてもよい。

図２は、注意状態算出部５１による注意状態算出処理の概要の一例を示す。注意状態算出処理１００は、例えば、注意度算出処理１０１、誤差算出処理１０２、一次元化処理１０３、比較処理１０４、及び決定処理１０５を含む。図２では、情報処理装置１が脳活動計測装置２及び脳活動計測装置３にのみ接続されている例を示す。

図２におけるグラフの縦軸は脳活動信号の指標値を、横軸は注意度を示す。注意度算出処理１０１、誤差算出処理１０２、及び一次元化処理１０３における、上段のグラフは脳活動計測装置２によって計測された脳活動信号の指標と注意度の相関を、下段のグラフは脳活動計測装置３によって計測された脳活動信号の指標と注意度の相関を示す。上段のグラフ及び下段のグラフの曲線は、予め定められていてもよいし、学習により生成されてもよい。本実施例では、当該曲線は予め定められているものとする。

脳活動信号の指標とは、注意の種類及び注意度を評価するための指標であり、脳活動信号から得られる特徴量の一例である。脳活動信号そのものも脳活動信号の指標の一例である。例えば脳波のα波パワー、β波パワー、及びＰ３振幅は、いずれも脳波信号の指標である。以下、脳活動信号の指標を単に指標とも呼ぶ。

まず、注意状態算出部５１は注意度算出処理１０１において、各脳活動信号から各注意度の推定値を算出する。具体的には、注意状態算出部５１は、脳活動計測装置２〜３それぞれから、同時刻の脳活動信号を取得し、取得した各脳活動信号を予め定められた指標に変換する。注意状態算出部５１は、脳活動計測装置２に対応する指標を図２における上段のグラフの曲線が示す関数に代入して注意度の第１推定値を算出し、脳活動計測装置２に対応する指標を図２における下段のグラフの曲線が示す関数に代入して注意度の第２推定値を算出する。

注意状態算出部５１は、誤差算出処理１０２において、各脳活動信号に対応する誤差関数を用いて、各注意度の推定値の誤差を算出する。誤差関数の決定方法の詳細については後述する。なお、誤差関数とは、誤差の範囲を算出するための関数であり、１以上の誤差要因を独立変数とし、誤差を従属変数とする関数である。誤差関数は、例えば、シグモイド関数であるが、その他の関数であってもよい。

注意状態算出部５１は、一次元化処理１０３において、注意度の各推定値とその誤差をそれぞれ数直線上に表す。続いて、注意状態算出部５１は、比較処理１０４において、注意度の各推定値の誤差、即ち数直線上に示された誤差を比較する。続いて、注意状態算出部５１は、決定処理１０５により、注意度の推定値を決定する。図２の決定処理１０５の例では、注意状態算出部５１は、誤差の範囲がより小さい第１推定値を注意度の推定値に決定している。

注意状態算出部５１は、複数種類の脳活動信号に対する各注意度の推定値とその誤差を算出し、各誤差を一次元化した上で、誤差の大きさを比較することで、誤差要因の影響を考慮した上で、注意度の推定値を高精度に決定できる。ひいては、注意状態算出部５１は、誤差要因の影響を抑制し、精度良く注意度を評価できる。

図３Ａは、情報処理装置１の構成例を示す。情報処理装置１は、脳活動計測装置２及び脳活動計測装置３が取得した異なる種類の脳活動信号及び誤差計測信号の入力を受け付ける。情報処理装置１は、入力された信号を用いて注意状態の学習及び算出処理を行い、学習又は算出した情報を記憶し、処理結果、及び情報処理装置１に格納された情報を出力装置６へと出力する。

情報処理装置１は、例えば、入力部１０、演算部２０、記憶部８０及び出力部１５を有する計算機によって構成される。情報処理装置１は、物理的に一つの計算機上で、又は、論理的又は物理的に構成された複数の計算機上で構成される計算機システムであり、同一の計算機上で別個のスレッドで動作してもよく、複数の物理的計算機資源上に構築された仮想計算機上で動作してもよい。

入力部１０は、他の装置に接続され、接続された他の装置から脳活動信号、誤差計測信号、及び外部信号等の入力を受け付ける。演算部２０は、例えば、プロセッサを含むＣＰＵ（Ｃｅｎｔｒａｌ Ｐｒｏｃｅｓｓｉｎｇ Ｕｎｉｔ）である。演算部２０は、記憶部８０に格納されたプログラムを実行し、情報処理装置１における演算機能を担う。

記憶部８０は、演算部２０による演算結果及び演算部２０に含まれる各部を実現するためのプログラムを記憶し、例えば、メモリ及び補助記憶装置を含む。メモリは、不揮発性の記憶素子であるＲＯＭ及び揮発性の記憶素子であるＲＡＭを含む。ＲＯＭは、不変のプログラム（例えば、ＢＩＯＳ）などを格納する。ＲＡＭは、ＤＲＡＭ（Ｄｙｎａｍｉｃ Ｒａｎｄｏｍ Ａｃｃｅｓｓ Ｍｅｍｏｒｙ）のような高速かつ揮発性の記憶素子であり、プロセッサが実行するプログラム及びプログラムの実行時に使用されるデータを一時的に格納する。

補助記憶装置は、例えば、磁気記憶装置（ＨＤＤ）、フラッシュメモリ（ＳＳＤ）等の大容量かつ不揮発性の記憶装置であり、プロセッサが実行するプログラム及びプログラムの実行時に使用されるデータを格納する。すなわち、プログラムは、補助記憶装置から読み出されて、メモリにロードされて、プロセッサによって実行される。

出力部１５は、演算部２０による演算結果や、記憶部８０に格納されている情報を、他の装置やディスプレイなどに出力する。出力部１５は、例えば、出力インタフェース又は通信インタフェースである。出力インタフェースは、ＶＧＡ及びＨＤＭＩなどを含む。通信インタフェースは、所定のプロトコルに従って、他の装置との通信を制御するネットワークインターフェース装置である。

プロセッサが実行するプログラムは、リムーバブルメディア（ＣＤ−ＲＯＭ、フラッシュメモリなど）又はネットワークを介して情報処理装置１に提供され、非一時的記憶媒体である不揮発性の補助記憶装置に格納される。このため、情報処理装置１は、リムーバブルメディアからデータを読み込むインタフェースを有するとよい。

入力部１０は、複数の脳活動信号入力部１１、１以上の誤差計測信号入力部１３、及び外部信号入力部１４を含む。入力部１０に含まれる各部は、例えば、入力インタフェース又は通信インタフェースを含む。入力インタフェースは、ＵＳＢ（Ｕｎｉｖｅｒｓａｌ Ｓｅｒｉａｌ Ｂｕｓ）等の、他の装置から情報入力を受け付けるシリアルインタフェースを含む。

脳活動信号入力部１１それぞれは、例えば、１つの脳活動計測装置に接続され、当該脳活動計測装置から脳活動信号の入力を受け付ける。誤差計測信号入力部１３それぞれは、例えば、１つの誤差計測装置に接続され、当該誤差計測装置から、誤差計測信号の入力を受け付ける。外部信号入力部１４は、入力装置５に接続され、外部信号の入力を受け付ける。

演算部２０は、注意状態学習部２１、注意状態算出部５１、及び注意状態出力部７１を含む。例えば、演算部２０は、記憶部８０にロードされた注意状態学習プログラムに従って動作することで、注意状態学習部２１として機能し、記憶部８０にロードされた注意状態算出プログラムに従って動作することで、注意状態算出部５１として機能する。演算部２０に含まれる他の部についても同様である。

記憶部８０は、それぞれ注意状態学習部２１によって作成される、脳活動信号情報８１、誤差計測信号情報８２、注意状態学習情報８３、注意状態学習特徴量情報８４、誤差学習情報８５、誤差学習特徴量情報８６、注意状態学習蓄積情報８７、誤差学習蓄積情報８８、最適信号情報８９を格納する。

また、記憶部８０は、それぞれ注意状態算出部５１によって算出される、算出特徴量群情報９０、注意状態算出情報９１、誤差算出情報９２、注意状態格納情報９３、最適注意状態選択情報９５、最適注意状態情報９６、誤差修正情報９７を格納する。記憶部８０に格納される各情報の詳細については後述する。

なお、本実施例及び他の実施例において、心的活動状態評価システムが使用する情報は、データ構造に依存せずどのようなデータ構造で表現されていてもよい。例えば、テーブル、リスト、データベース又はキューから適切に選択したデータ構造体が、情報を格納することができる。なお、本実施例では、テーブルに情報が格納されている例を説明する。

図３Ｂは、注意状態学習部２１、注意状態算出部５１、及び注意状態出力部７１の構成例を示す。注意状態学習部２１は、学習脳活動信号取得部２２、学習誤差計測信号取得部２４、注意状態学習情報作成部２５、誤差学習情報作成部２６、注意状態学習特徴量算出部２９、誤差学習特徴量算出部３０、注意状態学習特徴量蓄積部３３、誤差学習特徴量蓄積部３４、及び最適信号学習部３７を含む。

学習脳活動信号取得部２２は、注意状態学習時に脳活動信号入力部１１それぞれに入力された脳活動信号を取得し、注意状態学習時における各脳活動信号に対応する脳活動信号情報８１を作成する。学習誤差計測信号取得部２４は、注意状態学習時に誤差計測信号入力部１３それぞれに入力された誤差計測信号を取得し、注意状態学習時における各誤差計測信号に対応する誤差計測信号情報８２を作成する。

注意状態学習情報作成部２５は、注意状態学習時における各脳活動信号に対応する脳活動信号情報８１を用いて、各脳活動信号に対応する注意状態学習情報８３を作成する。誤差学習情報作成部２６は、注意状態学習時における各脳活動信号に対応する脳活動信号情報８１及び誤差計測信号情報８２を用いて、各脳活動信号に対応する誤差学習情報８５を作成する。

注意状態学習特徴量算出部２９は、各脳活動信号に対応する注意状態学習情報８３を用いて、各脳活動信号に対応する注意状態学習特徴量情報８４を作成する。誤差学習特徴量算出部３０は、各脳活動信号に対応する注意状態学習特徴量情報８４及び誤差学習情報８５を用いて、各脳活動信号に対応する誤差学習特徴量情報８６を作成する。

注意状態学習特徴量蓄積部３３は、各脳活動信号に対応する注意状態学習特徴量情報８４を用いて、各脳活動信号に対応する注意状態学習蓄積情報８７を作成する。誤差学習特徴量蓄積部３４は、各脳活動信号に対応する誤差学習特徴量情報８６を用いて、各脳活動信号に対応する誤差学習蓄積情報８８を作成する。最適信号学習部３７は、誤差学習蓄積情報８８、及び誤差学習特徴量情報８６を用いて、最適信号情報８９を作成する。

注意状態算出部５１は、算出脳活動信号取得部５２、算出誤差計測信号取得部５４、算出特徴量群算出部５５、注意状態算出情報作成部５８、誤差算出部５９、注意状態情報格納部６２、誤差情報格納部６３、最適注意状態算出部６４、最適注意状態選択部６５、及び最適注意誤差修正情報算出部６６を含む。

算出脳活動信号取得部５２は、注意状態算出時に脳活動信号入力部１１それぞれに入力された脳活動信号を取得し、注意状態算出時における各脳活動信号の脳活動信号情報８１を作成する。算出誤差計測信号取得部５４は、注意状態算出時に誤差計測信号入力部１３それぞれに入力された誤差計測信号を取得し、注意状態算出時における各誤差計測信号に対応する誤差計測信号情報８２を作成する。

算出特徴量群算出部５５は、注意状態算出時における各脳活動信号の脳活動信号情報８１を用いて、各脳活動信号の算出特徴量群情報９０を作成する。注意状態算出情報作成部５８は、各脳活動信号に対応する算出特徴量群情報９０及び注意状態学習蓄積情報８７を用いて、各脳活動信号に対応する注意状態算出情報９１を作成する。

誤差算出部５９は、各脳活動信号に対応する誤差学習蓄積情報８８、各脳活動信号に対応する算出特徴量群情報９０、及び算出誤差計測信号取得部５４が作成した各誤差計測信号情報８２を用いて、各脳活動信号に対応する誤差算出情報９２を作成する。注意状態情報格納部６２は、注意状態算出情報作成部５８が算出した各注意状態算出情報９１を用いて、注意状態格納情報９３を作成する。誤差情報格納部６３は、誤差算出部５９が算出した各誤差算出情報９２を用いて、誤差格納情報９４を作成する。

最適注意状態選択部６５は、誤差格納情報９４を用いて、最適注意状態選択情報９５を作成する。最適注意状態算出部６４は、注意状態格納情報９３及び最適注意状態選択情報９５を用いて、最適注意状態情報９６を作成する。最適注意誤差修正情報算出部６６は、最適信号情報８９及び最適注意状態情報９６を用いて、誤差修正情報９７を作成する。

注意状態出力部７１は、例えば、最適注意状態出力部７２、最適注意状態選択情報出力部７３、誤差情報出力部７４、及び最適注意誤差修正情報出力部７５を含む。最適注意状態出力部７２は、最適注意状態情報９６の全部又は一部を出力部１５に出力する。最適注意状態選択情報出力部７３は、最適注意状態選択情報９５の全部又は一部を出力部１５に出力する。

誤差情報出力部７４は、誤差格納情報９４の全部又は一部を出力部１５に出力する。最適注意誤差修正情報出力部７５は、誤差修正情報９７に含まれる判定結果又は当該判定結果に応じた情報を出力部１５に出力する。誤差要因の影響を抑制するための指示は当該判定結果に応じた情報の一例である。当該判定結果に応じた情報は、例えば、予め記憶部８０に格納されており、最適注意誤差修正情報出力部７５によって取得される。注意状態出力部７１は、上記の出力情報以外の、注意状態学習部２１又は注意状態算出部５１が作成した情報を出力してもよい。

図４Ａ〜４Ｉは、注意状態学習部２１によって作成される情報の例である。図４Ａは、脳活動信号情報８１の一例である。脳活動信号情報８１は、例えば、脳活動信号名欄８１１と時間欄８１２と信号欄８１３とを含む。

脳活動信号名欄８１１は、脳活動信号の名称を格納する。時間欄８１２は、信号が取得された時刻を格納する。本実施形態では、注意状態学習時においては学習開始からの経過時間を、注意状態算出時においては算出開始からの経過時間を、当該時刻とする。信号欄８１３は、例えば、脳活動信号入力部１１に入力された信号がＡ／Ｄ（アナログ／デジタル）変換された数値を格納する。

図４Ｂは、誤差計測信号情報８２の一例である。誤差計測信号情報８２は、例えば、誤差信号名欄８２１と時間欄８２２と信号欄８２３とを含む。誤差信号名欄８２１は、誤差計測信号の名称を格納する。

時間欄８２２の説明は、時間欄８１２の説明と同様であるため省略する。以下、時間欄のような、異なる情報それぞれに含まれる欄の説明は、当該欄の初出時のみに行う。信号欄８２３は、例えば、誤差計測信号入力部１３に入力された信号の値又は、当該信号がＡ／Ｄ変換された数値を格納する。

図４Ｃは、注意状態学習情報８３の一例である。注意状態学習情報８３は、例えば、注意種類欄８３１と注意度欄８３２と脳活動信号名欄８３３と時間欄８３４と信号欄８３５を含む。注意種類欄８３１は、持続性注意、選択性注意、転換性注意、分配性注意等を含む注意の種類を格納する。注意度欄８３２は、注意度を格納する。注意度は、例えば０以上１００以下の値で与えられ、値が大きいほど注意の程度が強い。なお、注意種類欄８３１の各セルは、複数の注意種類を含んでもよく、このとき、注意度欄８３２の対応するセルは当該注意種類それぞれに対応する注意度を格納する。

図４Ｄは、注意状態学習特徴量情報８４の一例である。注意状態学習特徴量情報８４は、例えば、注意種類欄８４１と注意度欄８４２と脳活動信号名欄８４３と時間欄８４４と信号欄８４５と指標欄８４６とを含む。指標欄８４６は、対応する脳活動信号の指標値を格納する。

なお、複数種類の指標が算出される場合、注意状態学習特徴量情報８４は、当該複数の指標それぞれに対応する指標欄８４６を含む。また、注意種類欄８４１の各セルは、複数の注意種類を含んでもよく、このとき、注意度欄８４２の対応するセルは当該注意種類それぞれに対応する注意度を格納する。

図４Ｅは、誤差学習情報８５の一例である。誤差学習情報８５は、例えば、時間欄８５１と脳活動信号名欄８５２と脳活動信号欄８５３と誤差信号名欄８５４と誤差信号欄８５５とを含む。なお、複数種類の誤差計測信号が入力される場合、誤差学習情報８５は、当該複数種類の誤差計測信号それぞれ対応する誤差信号名欄と誤差信号欄を含む。

図４Ｆは、誤差学習特徴量情報８６の一例である。誤差学習特徴量情報８６は、例えば、時間欄８６１と脳活動信号名欄８６２と脳活動信号欄８６３と脳活動信号誤差範囲欄８６４と指標欄８６５と指標誤差範囲欄８６６と誤差信号名欄８６７と誤差信号欄８６８とを含む。脳活動信号誤差範囲欄８６４は、誤差により変動し得る脳活動信号の範囲を示す値を格納する。指標誤差範囲欄８６６は、誤差により変動し得る指標値の範囲を示す値を格納する。

なお、複数種類の指標の誤差範囲が算出される場合、誤差学習特徴量情報８６は、当該複数の指標欄それぞれに対応する指標欄８６５及び指標誤差範囲欄８６６を含む。また、複数種類の誤差計測信号が入力される場合、誤差学習特徴量情報８６は、当該複数種類の誤差計測信号それぞれ対応する誤差信号名欄８６７と誤差信号欄８６８とを含む。

図４Ｇは、注意状態学習蓄積情報８７の一例である。注意状態学習蓄積情報８７は、例えば、脳活動信号名欄８７１と注意種類欄８７２と注意状態係数欄８７３とを含む。注意状態係数欄８７３は、指標から注意度を算出するための所定の関係式における係数を示す。当該所定の関係式が１次関数ｙ＝ａｘである場合の注意状態係数はａである。

また、注意状態係数欄８７３の１つのセルが複数の注意状態係数を格納してもよい。具体的には、例えば当該所定の関係式が２次関数ｙ＝ａｘ^２＋ｂｘ＋ｃである場合、ａ、ｂ、及びｃの３つの注意状態係数が存在する。このとき、注意状態係数欄８７３は、当該３つの注意状態係数のどれがａ、ｂ、ｃに相当するかを特定できる形式で当該３つの注意状態係数を格納する。なお、注意種類欄８７２の各セルは、複数の注意種類を含んでもよく、このとき、注意状態係数欄８７３の対応するセルは当該注意種類それぞれに対応する注意状態係数を格納する。

図４Ｈは、誤差学習蓄積情報８８の一例である。誤差学習蓄積情報８８は、例えば、脳活動信号名欄８８１と誤差信号名欄８８２と誤差要因欄８８３と誤差係数欄８８４とを含む。誤差要因欄８８３は、注意状態の評価において誤差に影響する要因を示す値を格納する。注意以外の脳活動、個人特性、他の生体活動、作業環境、及び周囲の環境はいずれも誤差要因の一例である。

誤差係数欄８８４は、誤差信号から誤差を算出するための所定の関係式の係数を格納する。また、注意状態係数欄８７３と同様に、誤差係数欄８８４は１つのセルが複数の誤差係数を格納してもよい。なお、複数種類の誤差計測信号が入力される場合、誤差学習特徴量情報８６は、当該複数種類の誤差計測信号それぞれ対応する誤差信号名欄８８２を含む。

図４Ｉは、最適信号情報８９の一例である。最適信号情報８９は、例えば、時間欄８９１と誤差要因欄８９２と、脳活動信号入力部１１に入力された脳活動信号の種類数と同数の脳活動信号欄８９３とを含む。脳活動信号欄８９３は、各脳活動信号についての情報を格納し、例えば、脳活動信号名欄８９４と誤差欄８９５と累計誤差欄８９６とを含む。誤差要因欄８９２は、複数の誤差要因を格納してもよい。

誤差欄８９５は、対応する脳活動信号の誤差を格納する。なお、誤差要因欄８９２が複数の誤差要因を格納する場合、各脳活動信号欄８９３は、各誤差要因に対応する誤差欄を含む。累計誤差欄８９６は、各誤差要因に対応する誤差の和を格納する。脳活動信号欄８９３に含まれる誤差欄８９５は１つであるため、累計誤差欄８９６と誤差欄に８９５に格納される値は同じである。なお、各誤差欄８９５及び各累計誤差欄８９６の最終行は、当該誤差欄８９５及び当該累計誤差欄８９６に含まれる値の合計値を格納する。

図５Ａ〜５Ｈは、注意状態算出部５１によって作成される情報の例である。図５Ａは、算出特徴量群情報９０の一例である。算出特徴量群情報９０は、例えば、注意状態算出特徴量情報９０１と誤差算出特徴量情報９０２とを含む。

注意状態算出特徴量情報９０１は、例えば、脳活動信号名欄９０１１と時間欄９０１２と信号欄９０１３と指標欄９０１４とを含む。誤差算出特徴量情報９０２は、例えば、時間欄９０２１と脳活動信号名欄９０２２と脳活動信号欄９０２３と脳活動信号誤差範囲欄９０２４と指標欄９０２５と指標誤差範囲欄９０２６とを含む。

図５Ｂは、注意状態算出情報９１の一例である。注意状態算出情報９１は、例えば、時間欄９１１と脳活動信号名欄９１２と注意種類欄９１３と注意度欄９１４とを含む。

図５Ｃは、誤差算出情報９２の一例である。誤差算出情報９２は、例えば、時間欄９２１と脳活動信号名欄９２２と累計誤差欄９２３と誤差要因欄９２４と誤差欄９２５とを含む。

図５Ｄは、注意状態格納情報９３の一例である。注意状態格納情報９３は、例えば、時間欄９３１と、脳活動信号入力部１１に入力された脳活動信号の種類数と同数の脳活動信号欄９３２と、を含む。脳活動信号欄９３２は、各脳活動信号についての情報を格納し、例えば、脳活動信号名欄９３３と注意種類欄９３４と注意度欄９３５とを含む。

図５Ｅは、誤差格納情報９４の一例である。誤差格納情報９４は、例えば、時間欄９４１と、誤差要因欄９４２と、脳活動信号入力部１１に入力された脳活動信号の種類数と同数の脳活動信号欄９４３と、を含む。脳活動信号欄９４３は、各脳活動信号についての情報を格納し、例えば、脳活動信号名欄９４４と誤差欄９４５と累計誤差欄９４６とを含む。

図５Ｆは、最適注意状態選択情報９５の一例である。最適注意状態選択情報９５は、例えば、時間欄９５１と、最適信号名欄９５２と、最適誤差欄９５３と、脳活動信号入力部１１に入力された脳活動信号の種類数と同数の脳活動信号欄９５４と、を含む。

最適信号名欄９５２は、脳活動信号入力部１１に入力された脳活動信号のいずれかの名称を格納する。最適誤差欄９５３は、最適信号名欄９５２に格納された信号の誤差を格納する。脳活動信号欄９５４は、各脳活動信号についての情報を格納し、例えば、脳活動信号名欄９５５と累計誤差欄９５６とを含む。

図５Ｇは、最適注意状態情報９６の一例である。最適注意状態情報９６は、例えば、時間欄９６１と最適信号名欄９６２と注意種類欄９６３と注意度欄９６４と最適誤差欄９６５とを含む。

図５Ｈは、誤差修正情報９７の一例である。誤差修正情報９７は、例えば、時間欄９７１と学習最適信号欄９７２と算出最適信号欄９７３と判定結果欄９７４とを含む。学習最適信号欄９７２は、注意状態学習時に最適な誤差を示した脳活動計測信号の信号名を格納する。算出最適信号欄９７３は、注意状態算出時に最適な誤差を示した脳活動計測信号の信号名を格納する。判定結果欄９７４は、学習最適信号欄９７２と算出最適信号欄９７３とに格納されている脳活動信号名が一致しているか否かを示す判定結果を格納する。例えば、脳活動信号が同じである場合の判定結果は「ＯＫ」、異なる場合の判定結果は「ＮＧ」である。

以下、情報処理装置１の動作例を説明する。図６は、注意状態学習部２１による処理の一例を示す。以下、脳活動信号入力部１１には、第１脳活動信号〜第ｍ脳活動信号（ｍは２以上の整数）が入力され、誤差計測信号入力部１３には第１誤差計測信号〜第ｎ誤差計測信号（ｎは１以上の整数）が入力されるものとする。また、各脳活動信号入力部１１に入力される脳活動信号の種類、及び各誤差計測信号入力部１３に入力される誤差計測信号の種類は予め定められている。

また、第ｉ脳活動信号（ｉは１以上ｍ以下の整数）に対応する脳活動信号情報８１を第ｉ脳活動信号情報８１と呼ぶ。脳活動信号それぞれに対して生成される他の情報についても同様に表記する。また、誤差計測信号それぞれについて生成される情報についても同様に表記する。また、特に断らない限り、図６の説明においては、脳活動信号情報８１及び誤差計測信号情報８２は、注意状態学習時に生成される脳活動信号情報８１及び誤差計測信号情報８２を示す。

ステップ１２１において、例えば、ユーザに対して課題が提示され、ユーザは課題に対応する特定の行為を実行する。課題は、ユーザが当該課題に対応する特定の行為を実行することにより、当該ユーザの注意状態が変化するものであることが望ましい。ストループ課題は当該課題の一例であり、ストループ課題に対する回答は当該特定の行為の一例である。

なお、例えば、専門家等の他のユーザが人手で課題を提示してもよい。また、例えば、記憶部８０が１以上の課題を含む課題情報を保持し、注意状態学習部２１は任意に選択した又は専門家等の他のユーザによって指定された１つの課題を課題情報から取得して注意状態出力部７１に送信し、注意状態出力部７１が当該課題を出力装置６に出力することにより、課題を提示してもよい。

なお、課題情報は、各課題に対応する注意種類、各課題に対応する注意度を示す情報をさらに含んでもよい。各注意度を示す情報は、対応する課題に対する注意度そのものであってもよいし、ユーザの当該課題に対する成績から当該注意度が算出される関数であってもよい。

注意状態学習部２１は、例えば、初回のステップ１２１においてのみ、課題の出力時刻を学習開始時刻にセットする。また、学習脳活動信号取得部２２は、脳活動信号入力部１１に入力された各種脳活動信号の取得を、学習誤差計測信号取得部２４は誤差計測信号入力部１３に入力された各種誤差信号の取得を、学習開始時刻のセットと同時に開始し、当該特定の行為が終了するまで実行する。注意状態学習部２１は、例えば、当該特定の行為の終了通知をユーザから受け付ける。

ステップ１２２において、注意状態学習情報作成部２５は、ステップ１２１で提示された課題に対応する注意状態を取得する。なお、注意状態学習情報作成部２５は、専門家等の他のユーザから入力された注意状態を取得してもよいし、課題情報から注意状態を取得してもよい。また、１つの課題に複数の注意状態、即ち複数種類の注意種類及び当該注意種類それぞれの注意度、が対応していてもよい。

ステップ１２３において、学習脳活動信号取得部２２は、ステップ１２１に提示された課題における各脳活動信号に対応する脳活動信号情報８１を作成する。具体的には、学習脳活動信号取得部２２は、脳活動信号入力部１１それぞれから脳活動信号を取得し、脳活動信号入力部１１それぞれに予め対応づけられた脳活動信号名を取得する。

学習脳活動信号取得部２２は、各脳活動信号に対して、空の脳活動信号情報８１を作成し、取得した脳活動信号名、脳活動信号の取得時刻、及び取得した脳活動信号をＡ／Ｄ変換した値それぞれを、当該脳活動信号情報８１の脳活動信号名欄８１１、時間欄８１２、及び信号欄８１３に格納する。

ステップ１２４において、例えば、学習脳活動信号取得部２２は、全ての課題に対する全ての脳活動信号情報８１を作成したか否かを判定する。具体的には、例えば、学習脳活動信号取得部２２は、ユーザ等から課題提示終了通知を受信し、かつ提示した課題全てに対する脳活動信号情報８１を生成したか否かを判定する。また、学習脳活動信号取得部２２は、課題情報に含まれる全ての課題が提示され、かつ提示した課題全てに対する脳活動信号情報８１を生成したか否かを判定してもよい。

学習脳活動信号取得部２２は、全ての課題に対する全ての脳活動信号情報８１を作成した場合（ステップ１２４：ＹＥＳ）はステップ１２５に進み、作成していない脳活動信号情報８１がある場合（ステップ１２４：ＮＯ）はステップ１２１に戻る。なお、注意状態学習部２１に含まれる他の部がステップ１２４の判定処理を実行してもよい。以下、ｋ周目のステップ１２１〜１２４からなるループ処理において提示された課題を第ｋ課題と呼ぶ。

ステップ１２５において、学習脳活動信号取得部２２は、カウンタｉの値を１に設定する。ステップ１２６において、学習脳活動信号取得部２２は、カウンタｊの値を１に設定する。ステップ１２７において、学習脳活動信号取得部２２は、カウンタｋの値を１に設定する。なお、注意状態学習部２１に含まれるどの部が各カウンタの値の設定を実行してもよい。

ステップ１２８において、注意状態学習情報作成部２５は、第ｋ課題があるか否かを判定する。注意状態学習情報作成部２５は、第ｋ課題があると判定すれば（ステップ１２８：ＹＥＳ）ステップ１２９に進み、ないと判定すれば（ステップ１２８：ＮＯ）ステップ１４２に進む。注意状態学習部２１に含まれる他の部がステップ１２８の判定処理を実行してもよい。

ステップ１２９において、注意状態学習情報作成部２５は、第ｉ脳活動信号情報８１があるか否かを判断する。注意状態学習情報作成部２５は、第ｉ脳活動信号情報８１があると判定すれば（ステップ１２９：ＹＥＳ）ステップ１３０に進み、ないと判定すれば（ステップ１２９：ＮＯ）ステップ１４１に進む。注意状態学習部２１に含まれる他の部が、ステップ１２９の判定処理を行ってもよい。

なお、ステップ１２９〜ステップ１４０で説明される情報は、特に断らない限り第ｋ課題についての情報である。例えば、ステップＳ１３０における第ｉ注意状態学習情報８３は、第ｋ課題における第ｉ注意状態学習情報８３を示す。

ステップ１３０において、注意状態学習情報作成部２５は、第ｉ注意状態学習情報８３を生成する。具体的には、注意状態学習情報作成部２５は、第ｉ脳活動信号情報８１から脳活動信号名欄８１１、時間欄８１２、及び信号欄８１３を抽出することにより、第ｉ注意状態学習情報８３の脳活動信号名欄８３３、時間欄８３４、及び信号欄の８３５それぞれの値を得る。

続いて、注意状態学習情報作成部２５は、ステップＳ１２２において取得された第ｋ課題の注意状態に含まれる注意種類及び注意度をそれぞれ、第ｉ注意状態学習情報８３の注意種類欄８３１及び注意度欄８３２に格納する。

ステップ１３１において、注意状態学習特徴量算出部２９は、第ｉ注意状態学習特徴量情報８４を作成する。具体的には、例えば、注意状態学習情報作成部２５は、第ｉ注意状態学習情報８３から注意種類欄８３１、注意度欄８３２、脳活動信号名欄８３３、時間欄８３４、及び信号欄８３５を抽出することにより、第ｉ注意状態学習特徴量情報８４の注意種類欄８４１、注意度欄８４２、脳活動信号名欄８４３、時間欄８４４、及び信号欄８４５それぞれの値を得る。

また、注意状態学習特徴量算出部２９は各時刻における信号欄８４５の値に、所定の処理を施すことにより指標値を算出し、算出した各指標値を指標欄８４６に格納する。注意状態学習特徴量算出部２９は、例えば、バンドパスフィルタやトレンド除去などのノイズを軽減するための信号処理を行うことにより各指標値を算出する。なお、注意状態学習特徴量算出部２９は複数種類の指標を算出してもよい。

ステップ１３２において、注意状態学習特徴量蓄積部３３は、第ｉ注意状態学習蓄積情報８７を作成する。具体的には、例えば、注意状態学習特徴量蓄積部３３は、第ｉ注意状態学習特徴量情報８４から、脳活動信号名欄８４３及び注意種類欄８４１を抽出することにより、第ｉ注意状態学習蓄積情報８７の脳活動信号名欄８７１及び注意種類欄８７２それぞれの値を得る。注意状態学習特徴量蓄積部３３は、第ｉ注意状態学習蓄積情報８７の注意種類欄８７２に格納された注意種類が重複するレコードを削除する。

続いて、注意状態学習特徴量蓄積部３３は、注意種類欄８７２に格納された各注意種類について、注意状態係数算出処理を行う。具体的には、注意状態学習特徴量蓄積部３３は、例えば、指標を独立変数、注意度を従属変数とする係数不明の所定の関係式と、第ｉ注意状態学習特徴量情報８４の当該注意種類の注意度欄８４２及び指標欄８４６の値と、を用いた最小二乗法等により当該関係式の係数を決定し、決定した係数を当該注意種類の注意状態係数に決定する。なお、当該所定の関係式は、例えば、注意種類ごとに異なってもよい。

ステップ１３３において、学習誤差計測信号取得部２４は、ステップＳ１２３における各脳活動信号情報８１の作成方法と同様の方法で、第ｋ課題における第ｊ誤差計測信号情報８２を作成する。ステップ１３４において、学習誤差計測信号取得部２４は、カウンタｊの値を１、インクリメントする。

ステップ１３５において、学習誤差計測信号取得部２４は、第ｊ誤差計測信号情報８２があるか否かを判定する。学習誤差計測信号取得部２４は、第ｊ誤差計測信号情報８２があると判定した場合は（ステップＳ１３５：ＹＥＳ）ステップ１３３に戻り、ないと判定した場合は（ステップＳ１３５：ＮＯ）ステップ１３６に進む。

ステップ１３６において、誤差学習情報作成部２６は、カウンタｊの値を１に設定する。ステップ１３７において、誤差学習情報作成部２６は、第ｉ誤差学習情報８５を作成する。具体的には、誤差学習情報作成部２６は、例えば、時間欄をキーにして、第ｉ誤差学習情報８５と、第１誤差計測信号情報８２乃至第ｊ誤差計測信号情報８２と、をマージすることにより、第ｉ誤差学習情報８５を作成する。

ステップ１３８において、誤差学習特徴量算出部３０は、第ｉ誤差学習特徴量情報８６を作成する。具体的には、誤差学習特徴量算出部３０は、第ｉ誤差学習情報８５と、第ｉ注意状態学習特徴量情報８４の時間欄８４４と指標欄８４６とからなるテーブルと、を時間欄をキーにマージすることにより、時間欄８６１、脳活動信号名欄８６２、脳活動信号欄８６３、指標欄８６５、誤差信号名欄８６７、及び誤差信号欄８６８の値を得る。

続いて、誤差学習特徴量算出部３０は、各時刻について、例えば、当該時刻を含む所定範囲の時間窓における脳活動信号欄８６３の値の標準偏差を算出し、算出した標準偏差を当該時刻における脳活動信号誤差範囲に決定し、脳活動信号誤差範囲欄８６４に格納する。同様に、誤差学習特徴量算出部３０は、各時刻について、例えば、当該時刻を含む所定範囲の時間窓における指標欄８６５の値の標準偏差を算出し、算出した標準偏差を当該時刻における指標誤差範囲に決定し、指標誤差範囲欄８６６に格納する。

ステップ１３９において、誤差学習特徴量蓄積部３４は、第ｉ誤差学習蓄積情報８８を作成する。具体的には、誤差学習特徴量蓄積部３４は、第ｉ誤差学習特徴量情報８６の脳活動信号名欄８６２と誤差信号名欄８６７の値を、取得する。

続いて、誤差学習特徴量蓄積部３４は、取得した誤差信号名に対応する誤差要因を特定する。１種類の誤差計測信号が用いられている場合、誤差学習特徴量蓄積部３４は、例えば、当該誤差計測信号に対応する予め定められた１以上の誤差要因を取得する。例えば、誤差計測信号である眼電位に誤差要因である眼球運動が対応している。また、例えば、誤差計測信号である眼電位に誤差要因である眼球運動と筋活動とが対応していてもよい。

また、複数種類の誤差計測信号が用いられている場合、誤差学習特徴量蓄積部３４は、例えば、当該複数種類の誤差計測信号の組み合わせに対応する予め定められた１以上の誤差要因を取得する。

また、複数種類の誤差計測信号が用いられている場合、誤差学習特徴量蓄積部３４は、例えば、クラスタリング法を用いて誤差要因を特定してもよい。具体的には、誤差学習特徴量蓄積部３４は、各時刻における当該複数種類の誤差信号の値を誤差信号欄８６８から取得し、各種類の誤差信号の値を要素とする各時刻におけるベクトルを生成する。例えば、各種類の誤差信号からなるベクトル空間は予め複数のクラスタに分類され、各クラスタに予め誤差要因が対応付けられている。誤差学習特徴量蓄積部３４は、生成した各ベクトルが属するクラスタに従って、１以上の誤差要因を特定する。

誤差学習特徴量蓄積部３４は、特定した１以上の誤差要因それぞれを誤差要因欄８８３に格納する。また、誤差学習特徴量蓄積部３４は、取得した脳活動信号名及び誤差信号名をそれぞれ脳活動信号名欄８８１及び誤差信号名欄８８２に格納する。

続いて、誤差学習特徴量蓄積部３４は、誤差係数を算出する。具体的には、誤差学習特徴量蓄積部３４は、例えば、誤差信号を独立変数、脳活動信号誤差範囲又は指標誤差範囲誤差を従属変数とする係数不明の所定の関係式と、第ｉ誤差学習特徴量情報８６の脳活動信号誤差範囲欄８６４、及び指標誤差範囲欄８６６又は誤差信号欄８６８の値と、を用いた最小二乗法等により当該関係式の係数を決定し、決定した係数を誤差係数に決定する。なお、誤差学習特徴量蓄積部３４は、例えば、誤差要因ごとに異なる関係式を用いて誤差係数を算出してもよい。

ステップ１４０において、誤差学習特徴量蓄積部３４は、カウンタｊの値を１、インクリメントする。ステップ１４１において、注意状態学習情報作成部２５は、カウンタｋの値を１、インクリメントする。

ステップ１４２において、最適信号学習部３７は、最適信号情報８９を作成する。最適信号学習部３７は１以上ｍ以下の全ての整数ｉに対して、例えば、以下の処理を行うことにより、最適信号情報８９を作成する。

最適信号学習部３７は、全ての課題における、第ｉ誤差学習特徴量情報８６を縦に結合した第ｉテーブルを作成する。最適信号学習部３７は、第ｉテーブルの時間欄８６１の値を時間欄８９１に格納する。なお、時間欄８９１へ値を格納する初回の当該処理のみにおいて行えばよい。最適信号学習部３７は、空欄である脳活動信号欄８９３を１つ特定し、当該特定した脳活動信号欄８９３に含まれる脳活動信号名欄８９４に第ｉ脳活動信号の名称を格納する。

最適信号学習部３７は、第ｉテーブルの各レコードについて、以下の処理を行う。最適信号学習部３７は、時間欄８６１、誤差信号名欄８６７、及び誤差信号欄８６８それぞれから時間、誤差信号名、及び誤差信号の値を取得する。最適信号学習部３７は、取得した誤差信号名に対応する誤差要因と誤差係数を第ｉ誤差学習蓄積情報８８から取得する。最適信号学習部３７は、取得した誤差要因それぞれについて、当該誤差要因に対応する所定の関係式に、取得した当該誤差要因に対応する誤差係数と取得した誤差信号の値とを代入することにより、当該誤差要因に対応する誤差の値を算出する。

最適信号学習部３７は、算出した誤差の値それぞれを第ｉ脳活動信号に対応する誤差欄８９５の当該時刻に対応するセルに格納し、第ｉ脳活動信号に対応する誤差欄８９５の誤差の和を第ｉ脳活動信号に対応する累計誤差欄８９６の当該時刻に対応するセルに格納する。

最適信号学習部３７は、全ての整数ｉに対して上述の処理を実行した後に、例えば、最適信号情報８９の最下段に合計値を示すレコードを追加し、各誤差欄８９５及び各累計誤差欄８９６の追加したレコード内のセルに各誤差欄８９５及び各累計誤差欄８９６の値の合計値を格納する。

なお、誤差係数を用いて算出される誤差と、注意状態係数を用いて算出される注意度と、の間で単位や次元が異なる場合、最適信号学習部３７は、例えば、所定の関係式を用いて、最適信号情報８９の各誤差欄８９５及び各累計誤差欄８９６の誤差を変換することにより、誤差の単位や次元を注意度の単位や次元に合わせてもよい。

上述のように、注意状態学習部２１は、複数の脳活動信号及び１以上の誤差計測信号を取得し、各脳活動信号と注意状態と注意状態の誤差との関係を取得する。また、注意状態学習部２１は、最適信号情報８９を用いて最適誤差及び最適誤差を示した脳活動信号を取得することができ、ひいては精度の高い注意状態の推定値を算出可能な脳活動信号を取得できる。

図７は、注意状態算出部５１による処理の一例を示す。以下、図６の説明と同様に、脳活動信号入力部１１には、第１脳活動信号〜第ｍ脳活動信号（ｍは２以上の整数）が入力され、誤差計測信号入力部１３には第１誤差計測信号〜第ｎ誤差計測信号（ｎは１以上の整数）が入力されるものとする。なお、特に断らない限り、図７の説明においては、脳活動信号情報８１及び誤差計測信号情報８２は、注意状態算出時に生成される脳活動信号情報８１及び誤差計測信号情報８２を示す。

ステップ１５１において、算出脳活動信号取得部５２は、脳活動信号入力部１１に脳活動信号が入力されたか否かを判定する。算出脳活動信号取得部５２は、入力されたと判定した場合は（ステップＳ１５１：ＹＥＳ）ステップ１５２に進み、入力されていないと判定した場合は（ステップＳ１５１：ＮＯ）ステップ１５１の処理が再度実行される。

ステップ１５１において、例えば、算出誤差計測信号取得部５４が誤差計測信号入力部１３に誤差計測信号が入力されたか否かを判定してもよい。また、例えば、全ての脳活動信号入力部１１及び誤差計測信号入力部１３に信号が入力されていなければ再度ステップ１５１の処理が実行されてもよい。

ステップ１５２において、算出脳活動信号取得部５２は各脳活動信号に対応する脳活動信号情報８１を作成し、算出誤差計測信号取得部５４は各誤差計測信号に対応する誤差計測信号情報８２を作成する。

ステップ１５３において、算出脳活動信号取得部５２は全ての脳活動信号についての脳活動信号情報８１を生成したか否かを、算出誤差計測信号取得部５４は全ての誤差計測信号についての誤差計測信号情報８２を作成したか否か、を判定する。全ての信号情報が作成したと判定された場合は（ステップＳ１５３：ＹＥＳ）ステップ１５４に進み、作成されていない信号情報があると判定された場合は（Ｓ１５３：ＮＯ）ステップ１５１に戻る。

なお、ステップ１５１において、脳活動信号入力部１１及び誤差計測信号入力部１３の双方に信号が入力されなければ再度ステップ１５１を繰り返す場合、ステップ１５３の後、常にステップ１５４に進んでもよい。

ステップ１５４において、誤差算出特徴量取得部５７は、カウンタｉの値を１に設定する。なお、注意状態算出部５１に含まれるどの部がカウンタの値の設定を実行してもよい。

ステップ１５５において、算出特徴量群算出部５５は、第ｉ脳活動信号情報８１があるか否かを判定する。第ｉ脳活動信号情報がある場合は（ステップ１５５：ＹＥＳ）ステップ１５６に進み、ない場合は（ステップ１５５：ＮＯ）ステップ１６０に進む。ステップ１５６の処理は、注意状態算出部５１に含まれる他部が行ってもよい。

ステップ１５６において、算出特徴量群算出部５５は、第ｉ算出特徴量群情報９０、即ち第ｉ注意状態算出特徴量情報９０１及び第ｉ誤差算出特徴量情報９０２を作成する。具体的には、例えば、算出特徴量群算出部５５は、第ｉ脳活動信号情報８１の信号欄８１３の値それぞれから、当該値に対応する指標値をステップ１３１と同様の方法で算出する。算出特徴量群算出部５５は、第ｉ脳活動信号情報８１に、算出した指標値を格納する列を付加することにより、第ｉ注意状態算出特徴量情報９０１を作成する。

また、算出特徴量群算出部５５は、第ｉ脳活動信号情報８１の信号欄８１３の値それぞれから、ステップ１３８と同様の方法で、脳活動信号誤差の範囲を算出する。また、算出特徴量群算出部５５は、算出した指標値それぞれから、ステップ１３８と同様の方法で、指標誤差範囲を算出する。算出特徴量群算出部５５は、第ｉ脳活動信号情報８１に、算出した脳活動信号誤差範囲を格納する列、算出した指標値を格納する列、及び算出した指標誤差範囲を格納する列を付加することにより、第ｉ誤差算出特徴量情報９０２を作成する。

ステップ１５７において、注意状態算出情報作成部５８は、第ｉ注意状態算出情報９１を作成する。具体的には、例えば、注意状態算出情報作成部５８は、第ｉ誤差算出特徴量情報９０２から、時間欄９０２１及び脳活動信号名欄９０２２の値を取得し、第ｉ注意状態算出情報９１の時間欄９１１、及び脳活動信号名欄９１２にそれぞれ格納する。

さらに、注意状態算出情報作成部５８は、第ｉ注意状態学習蓄積情報８７に含まれる、全ての注意種類及び注意状態係数を全て取得する。注意状態算出情報作成部５８は、各注意状態係数と当該注意状態係数に対応する所定の関係式を用いて、各時刻における各注意種類の注意度を算出する。注意状態算出情報作成部５８は、各時刻について、最大の注意度と、注意度が最大である注意種類と、を特定する。注意状態算出情報作成部５８は、注意種類欄９１３及び注意度欄９１４に、特定した注意種類及び注意度をそれぞれ格納する。

ステップ１５８において、誤差算出部５９は、第ｉ誤差算出情報９２を作成する。具体的には、誤差算出部５９は、例えば、第ｉ誤差算出特徴量情報９０２の時間欄９０２１及び脳活動信号名欄９０２２の値を、第ｉ誤差算出情報９２の時間欄９２１及び脳活動信号名欄９２２にそれぞれ格納する。

続いて、誤差算出部５９は、第ｉ誤差学習蓄積情報８８を参照して、誤差計測信号情報８２が作成された誤差信号名、並びに当該誤差信号名に対応する誤差要因及び誤差係数を取得する。誤差算出部５９は、全ての誤差計測信号情報８２から各時刻における誤差信号の値を取得する。また、誤差算出部５９は、第ｉ誤差算出特徴量情報９０２から、各時刻における脳活動信号誤差範囲及び指標誤差範囲を取得する。

誤差算出部５９は、取得した各誤差係数、当該誤差係数に対応する所定の関係式、並びに取得した誤差信号、脳活動信号誤差範囲、及び指標誤差範囲の値、を用いて、各時刻における脳活動信号の誤差それぞれを算出する。また、誤差算出部５９は、各時刻について、各種類の誤差の和を算出する。誤差算出部５９は、算出した各時刻の誤差の和を累計誤差欄９２３に、特定した各時刻の誤差要因それぞれを誤差要因欄９２４に、算出した各時刻の誤差それぞれを誤差欄９２５に格納する。

なお、誤差係数を用いて算出される誤差と、注意状態係数を用いて算出される注意度と、の間で単位や次元が異なる場合、誤差算出部５９は、ステップＳ１４２と同様の方法を用いて、第ｉ誤差算出情報９２の各誤差欄９２５及び各累計誤差欄９２３の誤差を変換することにより、誤差の単位や次元を注意度の単位や次元に合わせてもよい。

ステップ１５９において誤差算出部５９は、カウンタｉの値を１、インクリメントする。ステップ１６０において、注意状態情報格納部６２は注意状態格納情報９３を作成し、誤差情報格納部６３は誤差格納情報９４を作成し、最適注意状態選択部６５は最適注意状態選択情報９５を作成する。

具体的には、注意状態情報格納部６２は、第１注意状態算出情報９１〜第ｍ注意状態算出情報９１を、時間欄９１１をキーにしてマージすることにより、注意状態格納情報９３を作成する。また、誤差情報格納部６３は、第１誤差算出情報９２〜第ｍ誤差算出情報９２を、時間欄９２１をキーにしてマージすることにより、誤差格納情報９４を作成する。

また、最適注意状態選択部６５は、誤差格納情報９４を参照して、各時刻について、第１脳活動信号〜第ｍ脳活動信号から最適な誤差を示す脳活動信号である最適信号を選択し、当該選択した最適信号の累計誤差欄９４６の値を取得する。最適注意状態選択部６５は、各時刻について、選択した最適信号の名称を最適信号名欄９５２に格納し、取得した累計誤差を最適誤差欄９５３に格納する。

なお、最適注意状態選択部６５は、例えば、各時刻において、第１脳活動信号〜第ｍ脳活動信号のうち、累計誤差が最小である脳活動信号を最適信号として選択する。また、最適注意状態選択部６５は、例えば、第１脳活動信号〜第ｍ脳活動信号から予め選択された複数の信号から最適信号を選択してもよい。以下、最適信号の累計誤差を最適誤差と呼ぶ。

また、例えば、最適注意状態選択部６５は、最適信号情報８９を参照し、各時刻における累計誤差の平均値が所定値以上である脳活動信号を、最適信号の選択候補から除外してもよい。また、例えば、最適注意状態選択部６５は、累計誤差が所定値以下である脳活動信号からランダムに選択した１つの脳活動信号を、当該時刻の最適信号に決定してもよい。

ステップ１６１において、最適注意状態選択部６５は、カウンタｉの値を１に設定する。ステップ１６２において、最適注意状態算出部６４は、第ｉ脳活動信号が最適信号であるか否かを判定する。第ｉ脳活動信号が最適誤差の場合は（ステップ１６２：ＹＥＳ）ステップ１６４に進み、最適誤差でない場合は（ステップ１６２：ＮＯ）ステップ１６３に進む。

ステップ１６３において、最適注意状態算出部６４は、カウンタｉの値を１、インクリメントする。ステップ１６４において、最適注意状態算出部６４は、最適注意状態情報９６を作成する。具体的には、最適注意状態算出部６４は、最適注意状態選択情報９５の時間欄９５１と最適信号名欄９５２と最適誤差欄９５３からなるテーブルと、注意状態格納情報９３の時間欄９３１と最適信号における注意種類欄９３４及び注意度欄９３６からなるテーブルと、を、時間欄をキーにマージすることにより、最適注意状態情報９６を作成する。

ステップ１６５において、最適注意誤差修正情報算出部６６は、誤差修正情報９７を作成する。具体的には、最適注意誤差修正情報算出部６６は、最適注意状態情報９６の時間欄９６１の値と最適信号名欄９６２の値とを、誤差修正情報９７の時間欄９７１と算出最適信号欄９７３とにそれぞれ格納する。

また、最適注意誤差修正情報算出部６６は、例えば、最適信号情報８９の最終行の各脳活動信号の合計の累計誤差から、学習時における最適信号を選択する。学習時における最適信号の選択方法は、ステップ１５９における最適注意状態選択部６５による最適信号の選択方法と同様である。

最適注意誤差修正情報算出部６６は、学習時における最適信号を学習最適信号欄９７２に格納する。つまり、学習最適信号欄９７２には全て同じ値が格納される。最適注意誤差修正情報算出部６６は、例えば、学習最適信号と算出最適信号が同一であるレコードの判定結果欄９７４に「ＯＫ」を格納し、学習最適信号と算出最適信号が異なるレコードの判定結果欄９７４に「ＮＧ」を格納する。

上述の注意状態算出処理において、注意状態算出部５１は、注意状態学習部２１が取得した複数種類の脳活動信号と注意状態と注意状態の誤差との関係を用いて、各脳活動信号から注意状態の推定値と注意状態の推定値の誤差とを算出する。注意状態算出部５１は、算出した各誤差を比較することで最適誤差を取得し、最適誤差を示した脳活動信号による注意状態の推定値を選択する。これにより、注意状態算出部５１は、誤差が大きく精度が悪い脳活動信号と当該脳活動信号による注意状態の推定値の影響を受けずに、精度良く注意状態を評価できる。

なお、注意状態学習部２１及び注意状態算出部５１が、複数の計測チャネル（計測点）から計測された同種の脳活動信号を用いる場合、例えば、当該複数の計測チャネルにおける脳活動信号の平均値、又は当該複数の計測チャネル間の一定時間幅の位相差若しくは相関などの指標を、当該種類の脳活動信号として用いればよい。また、この場合において、注意状態学習部２１及び注意状態算出部５１は、例えば、最適信号の選択方法と同様の方法を用いて、当該複数チャネルから１つのチャネルの脳活動信号を選択してもよい。

図８は、注意状態出力部７１による処理の一例を示す。ステップ１７１において、最適注意状態出力部７２は、出力情報が作成されたか否かを判定する。出力情報は、記憶部に格納された任意の情報からなる情報である。以下、出力情報は、最適注意状態情報９６、最適注意状態選択情報９５、誤差格納情報９４、誤差修正情報９７からなるものとする。

最適注意状態出力部７２は、出力情報が作成されたと判定した場合は（ステップＳ１７１１：ＹＥＳ）ステップ１７２に進み、作成されていないと判定した場合は（ステップＳ１７１１：ＮＯ）ステップ１７１を繰り返す。なお、ステップ１７１の判定処理は、注意状態出力部７１の他の部が実施してもよい。

ステップ１７２において、例えば、最適注意状態出力部７２は最適注意状態情報９６を、最適注意状態選択情報出力部７３は最適注意状態選択情報９５を、誤差情報出力部７４は誤差格納情報９４を、最適注意誤差修正情報出力部７５は誤差修正情報９７を、出力部１５に出力する。なお、出力情報が他の情報を含む場合、注意状態出力部７１に含まれるいずれかの部が当該他の情報を出力してもよいし、当該他の情報を出力するための出力部が注意状態出力部７１に含まれていてもよい。

ステップ１７３において、最適注意誤差修正情報出力部７５は、誤差修正情報９７の判定結果を用いて、例えば現在時刻を含む所定幅の時間窓における全ての時刻において、学習最適信号と算出最適信号が一致しているか否かを判定する。最適注意誤差修正情報出力部７５は、一致していると判定した場合は（ステップ１７３：ＹＥＳ）ステップ１７１に戻り、一致していないと判定した場合は（ステップ１７３：ＮＯ）ステップ１７４に進む。

ステップ１７４において、最適注意誤差修正情報出力部７５は、最適信号情報８９を参照して、例えば学習最適信号における最大の誤差を示した誤差要因を特定し、特定した誤差要因の抑制指示を出力部１５に出力する。誤差要因の抑制指示は、例えば、誤差要因ごとに予め定められている。「脳波の電極をつけ直してください」という指示は、脳波の誤差要因の抑制指示の一例である。

このように、注意状態出力部７１は、注意状態算出部５１が算出した注意状態の推定値と推定値の誤差や、注意状態算出部５１が作成した情報を、ユーザや計測者に対して示すことができる。また、注意状態出力部７１は、学習最適信号と算出最適信号とを比較することで、誤差を小さくするための指示を出力することができる。ひいては、誤差要因の影響を抑制した、注意状態評価が実現される。

なお、図８の例では、最適注意誤差修正情報出力部７５は、学習最適信号の誤差抑制指示を出力しているが、誤差格納情報９４を参照して他の脳活動信号を選択し、選択した脳活動信号についての誤差抑制指示を出力してもよい。なお、注意状態出力部７１は、作成された一部のみを出力してもよい。注意状態出力部７１は、例えば、最適信号の名称のみを出力し、注意状態の評価をユーザが行ってもよい。このとき、心的活動状態評価システムは、心的活動状態の評価を支援する、心的活動状態評価支援システムである。

また、例えば、最適注意誤差修正情報出力部７５は、選択した脳活動信号それぞれにおいて最大の誤差を示す誤差要因を抑制する指示を出力してもよい。また、例えば、最適注意誤差修正情報出力部７５は、複数の脳活動信号の誤差要因それぞれの誤差を算出し、最大の誤差を示す誤差要因を抑制するように指示を出力してもよい。また、誤差抑制指示は、計測機器や環境設定機器による誤差要因を小さくするための計測設定や計測環境を変更指示等のように、計測者等のユーザ以外の対象に出力されてもよい。

また、例えば、演算部２０の各部は、処理の一部を、専門家等のユーザの入力に従って実施してもよい。また、演算部２０の各部は、例えば、事前に設定された情報や以前の注意状態学習時又は注意状態算出時に作成された情報を用いて処理を実行してもよい。また、例えば専門家の判断等により、注意状態及び注意状態の誤差を算出するための所定の関係式等が変更されてもよい。

本実施例の情報処理装置１は、注意状態学習蓄積情報８７を修正する。本実施例及び後述する実施例では、実施例１との相違点を説明する。

図９は、注意状態学習蓄積情報８７の修正処理の一例を示す。以下では、注意状態学習特徴量蓄積部３３が修正処理を実行する例を説明するが、注意状態学習部２１の他の部が修正処理を実行してもよいし、注意状態学習部２１が修正処理を実行する部をさらに含んでいてもよい。に新たな機能部を追加して、その機能部により実施されてもよい修正処理１１０は、例えば、計測処理１０６、関係取得処理１０７、照合処理１０８、及び補正処理１０９を含む。

まず、計測処理１０６において、注意状態学習特徴量蓄積部３３は、実施例１と同様の方法で、各注意度における各脳活動信号を計測する。続いて、注意状態学習特徴量蓄積部３３は、各脳活動信号について、当該脳活動信号と注意状態の関係を示す関数（図中の曲線）をフィッティング等により生成する。

照合処理１０８において、注意状態学習特徴量蓄積部３３は、例えば、計測処理１０６において第１注意度を示した各脳活動信号の値を１つずつ取得する。注意状態学習特徴量蓄積部３３は、取得した各脳活動信号の値を当該脳活動信号に対応する関数に代入することにより取得した各脳活動信号値に対応する注意度の推定値を算出し、算出した各推定値の最大値と最小値の差が所定値以下であるか否か判定する。なお、当該所定値は０であってもよい。また、第１注意度は、例えば、計測処理１０６によって得られた注意度の平均的な値であることが好ましい。

注意状態学習特徴量蓄積部３３は、算出した推定値の最大値と最小値の差が所定値を超えていると判定した場合、補正処理１０９を実行する。注意状態学習部２１は、補正処理１０９において、関数を修正する。

注意状態学習特徴量蓄積部３３は、例えば、最適信号情報８９が示す最適信号以外の脳活動信号に対応する関数を修正する。例えば、注意状態学習特徴量蓄積部３３は、最適信号情報８９を参照して最適信号を特定し、取得した各脳活動信号の注意度の推定値の最大値と最小値の差が所定値以下になるように、最適信号以外の脳活動信号に対応する関数の係数をランダムに変更する。また、例えば、注意状態学習特徴量蓄積部３３は、取得した各脳活動信号の注意度の推定値の平均値を算出し、取得した各脳活動信号の注意度の推定値が当該平均値と一致するように、各関数の係数をランダムに変更してもよい。

そして、注意状態学習特徴量蓄積部３３は、修正した関係式を用いて、各時刻の各脳活動信号の注意度を再度算出し、算出した注意度を用いて注意状態係数を再度算出し、算出した注意状態係数を注意状態係数欄８７３に格納する。

修正処理１１０は、例えば、最適信号情報８９を用いずに関数を修正する場合、ステップ１４２の直前に実施される。また、修正処理１１０は、関数の修正に最適信号情報８９を用いる場合及び用いない場合の双方において、ステップ１４２の後に実施されてもよい。尚、ステップ１４２の後に修正処理１１０が実施される場合、再度ステップ１４２戻り最適信号情報８９が再作成されてもよい。

本実施例の注意状態学習蓄積情報８７は修正処理１１０を実行することにより、より精度の高い注意状態係数を得ることができ、ひいては、注意状態の推定精度を向上させることができる。

本実施例の情報処理装置１は、複数の脳活動信号を組み合わせて新たな脳活動信号を定義する。具体的には、例えば、情報処理装置１は、脳波と光トポグラフィの組み合わせを新たな脳活動信号として用いる。以下、実施例１と同様に脳活動信号入力部１１には第１脳活動信号〜第ｍ脳活動信号（ｍは２以上の整数）が入力されているものとする。

また、第１脳活動信号〜第ｍ脳活動信号に含まれる複数の脳活動信号の組み合わせによって生成される新たな脳活動信号である第ｍ＋１脳活動信号〜第ｍ＋ａ脳活動信号（ａは１以上の整数）それぞれが定義されているものとする。以下、これらの脳活動信号を組み合わせ脳活動信号と呼ぶ。

注意状態学習部２１は、ステップ１２９において、第ｉ脳活動信号情報がないと判定された後、ｍ＋１以上かつｍ＋ａ以下の整数ｉについてステップ１３０〜ステップ１３９の処理を行う。つまり、注意状態学習部２１は、組み合わせ脳活動信号それぞれに対応する、注意状態学習情報８３、注意状態学習特徴量情報８４、誤差学習情報８５、誤差学習特徴量情報８６、注意状態学習蓄積情報８７、誤差学習蓄積情報を生成する。その後、注意状態学習部２１はステップ１４１に遷移する。

また、注意状態算出部５１は、ステップ１５５において、第ｉ脳活動信号情報がないと判定された後、ｍ＋１以上かつｍ＋ａ以下の整数ｉについてステップ１５６〜ステップ１５８の処理を行う。つまり、注意状態算出部５１は、組み合わせ脳活動信号それぞれに対応する、算出特徴量群情報９０、注意状態算出情報９１、及び誤差算出情報９２を作成する。また、注意状態算出部５１は、ステップ１６０において、第１脳活動信号〜第ｍ＋ａ脳活動信号から、即ち脳活動信号入力部１１入力された脳活動信号及び生成された組み合わせ脳活動信号から、最適信号を選択する。

なお、組み合わせ脳活動信号の名称、信号値、注意状態、指標は、例えば、以下のようにして決定される。例えば、組み合わせ脳活動信号の名称は、例えば、予め定められていてもよいし、当該組み合わせ脳活動信号を構成する複数の脳活動信号の名称の組み合わせであってよい。また、組み合わせ脳活動信号に対応する注意種類及び注意度は、例えば、当該組み合わせ脳活動信号を構成する複数の脳活動信号の注意種類及び注意度に応じて予め定められている。

また、注意状態学習部２１及び注意状態算出部５１は、組み合わせ脳活動信号の値を、例えば、当該組み合わせ脳活動信号を構成する複数の脳活動信号の値からなるベクトルに決定してもよいし、当該複数の脳活動信号の値を所定の関数に代入して得られる値に決定してもよい。

また、注意状態学習部２１及び注意状態算出部５１は、組み合わせ脳活動信号の指標値を、例えば、当該組み合わせ脳活動信号を構成する複数の脳活動信号の指標値からなるベクトルに決定してもよいし、当該複数の脳活動信号を構成する脳活動信号の指標値を所定の関数に代入して得られる値に決定してもよい。例えば、脳波信号から取得されるα波パワーと光トポグラフィ信号から取得される酸素化ヘモグロビン量変化との一定時間幅の相関係数は、脳波信号と光トポグラフィ信号とから構成される組み合わせ脳活動信号の指標の一例である。

本実施例の情報処理装置１は、複数の脳活動信号を組み合わせることにより、当該複数の脳活動信号に含まれる異なる性質をもつ指標の組み合わせによって生成される指標を取得し、当該指標と注意状態と注意状態の誤差との関係を取得することができる。本実施例の情報処理装置１は、例えば、持続性注意と選択性注意を組み合わせた転換性注意を評価する場合、持続性注意を精度良く評価できる光トポグラフィ信号の指標と、選択性注意を精度良く評価できる脳波信号の指標と、を組み合わせて新たな指標を作成することで、高い精度で注意状態を評価することができる。

なお、指標を組み合わせる条件は上記したものに限らず、情報処理装置１は、例えば、転換性注意を評価するために、光トポグラフィ信号から抽出した選択性注意の評価指標と、脳波信号から抽出した持続性注意の評価指標と、を組み合わせてもよいし、注意度を精度良く評価できる光トポグラフィ信号の指標と、注意の種類の切り替えを精度良く評価できる脳波信号の指標と、を組み合わせてもよい。

本実施例の心的状態評価システムは、心的活動対象計測装置により計測された心的活動対象の情報を計測する。図１０は、本実施例の心的状態評価システムの構成例を示す。心的活動状態評価システムは、さらに１以上の心的活動対象計測装置７を含む。

心的活動対象とは、ユーザが心的活動状態を向けている対象やユーザの心的活動状態を誘起している対象である。心的活動状態として注意状態が評価される場合、ユーザの注意領域は心的活動対象の一例である。注意領域とは、ユーザが注意を向けている領域のことであり、例えば、出力装置６に含まれるディスプレイの一部分である。

なお、心的活動対象はハードウェアそのものでなくともよい。ユーザが、ディスプレイに表示された複数の画像のうち１の画像に注意を向けている場合は、当該１の画像が表示されているディスプレイの一部分が注意領域としてもよいし、当該１の画像自体が注意領域としてもよいし、当該１の画像に含まれる特定の情報、例えば当該１の画像に文字が含まれる場合における当該文字の文字色や意味等を注意領域としてもよい。

心的活動対象計測装置７は、心的活動対象を計測する。心的状態評価システムが、心的活動状態として注意状態を評価する場合、心的活動対象計測装置７は、ユーザの注意領域を計測するための装置であり、例えば視線計測装置である。視線計測装置が計測したユーザの視線を向けている領域を示す座標は、視線計測装置によって計測される信号の一例である。以下、心的活動対象計測装置７は、注意領域計測装置であるものとする。

以下、本実施例の情報処理装置１の構成について説明する。入力部１０は、心的活動対象計測装置７が計測した、注意領域を示す信号の入力を受け付ける部をさらに含む。

注意状態学習部２１及び注意状態算出部５１は、例えば、入力部１０から心的活動対象計測装置７が計測した信号を取得する機能部をさらに含む。また、注意状態学習部２１は、例えば、注意領域学習情報、注意領域学習特徴量情報、及び注意領域学習特徴量蓄積情報それぞれを生成する機能部をさらに含む。また、注意状態算出部５１は、例えば、注意領域算出特徴量情報、及び注意領域情報を算出するための機能部をさらに含む。

注意状態出力部７１は、例えば、注意状態学習部２１及び注意状態算出部５１が作成した注意領域に関する情報を出力するための機能部をさらに含む。注意領域に関する情報とは、実施例１において作成されず、かつ本実施例において作成される情報であり、例えば注意領域情報を含み、例えば、ユーザからの指示に従って出力される。

注意領域学習情報、注意領域学習特徴量情報、及び注意領域学習特徴量蓄積情報それぞれは、注意状態学習情報８３、注意状態学習特徴量情報８４、及び注意領域学習特徴量蓄積情報それぞれの注意状態欄、注意度欄、脳活動信号名欄、指標欄、及び注意状態係数欄それぞれが、注意領域種類欄、注意領域欄、信号名欄、注意領域指標欄、及び注意領域係数欄に置換された情報である。

また、注意領域算出特徴量情報及び注意領域情報それぞれは、注意状態算出特徴量情報９０１及び注意状態算出情報９１それぞれの脳活動信号名欄、指標欄、注意種類欄、及び注意度欄それぞれが、信号名欄、注意領域指標欄、注意領域種類欄、及び注意領域欄に置換された情報である。

注意状態学習部２１及び注意状態算出部５１は、注意領域種類及び注意領域を、例えば、専門家等による入力に従って、決定する。また、注意状態学習部２１及び注意状態算出部５１は、課題ごとに予め定められた注意領域種類及び注意領域を取得してもよい。

注意状態学習部２１及び注意状態算出部５１は、例えば、心的活動対象計測装置７が計測した信号を取得する機能部ごとに予め定められた名称を信号名として取得する。視線領域は、信号名の一例である。また、注意状態学習部２１及び注意状態算出部５１は、専門家等により入力された名称を、信号名に決定してもよい。

注意状態学習部２１及び注意状態算出部５１は、例えば、心的活動対象計測装置７が計測した信号からに所定の処理を施すことにより注意領域指標値を算出する。注意状態学習部２１及び注意状態算出部５１は、例えば、バンドパスフィルタやトレンド除去などのノイズを軽減するための信号処理を行うことにより注意領域指標値を算出する。

なお、注意状態学習部２１及び注意状態算出部５１は、専門家等から入力された、注意領域指標値を算出するためのアルゴリズムに従って、注意領域指標値を算出してもよい。視線計測装置が計測した、ユーザが視線を向けている領域座標、及びユーザの視線移動の軌跡はいずれも注意領域指標の一例である。

注意状態学習部２１及び注意状態算出部５１は、例えば、注意領域指標を独立変数、注意領域を従属変数とする係数不明の所定の関係式と、注意領域学習特徴量情報の該当する注意領域種類の注意領域欄及び注意領域指標欄の値と、を用いて注意領域係数を算出する。注意領域係数の算出方法は、注意状態係数の算出方法と同様である。

また本実施例における処理について、図６及び図７を参照し、実施例１と異なる処理を実行するステップを説明する。

ステップ１２２において、実施例１における処理に加えて、注意領域学習情報作成部は、ステップ１２１で出力された指示に対応する注意領域を取得する。ステップ１２３において：実施例１における処理に加えて、注意領域学習情報作成部は、注意領域学習情報に格納する信号を取得し、注意領域学習情報を生成する。

ステップ１２８において第ｋ課題がない場合（ステップＳ１２８：ＮＯ）、実施例１における処理に加えて、ステップ１４２に進む前に、注意領域学習特徴量蓄積作成部は、注意領域学習特徴量蓄積情報を作成する。ステップ１３８において、実施例１における処理に加えて、注意領域学習特徴量作成部は、注意領域学習特徴量情報を作成する。

ステップ１５２において、実施例１における処理に加えて、注意領域算出特徴量作成部は、注意領域算出特徴量情報に格納する信号を取得し、注意領域算出特徴量情報を作成する。

ステップ１６４において、実施例１における処理に加えて、注意領域情報作成部は、注意領域情報を作成する。なお、注意領域情報作成処理は、ステップ１６４において必ずしも実行される必要はなく、ステップ１６１の直前から、ステップ１６６が実行されるまでの間に実行されればよい。

このように、本実施例の情報処理装置１は、心的活動対象計測装置７が計測した信号を用いることで、心的活動の対象を評価できる。特に心的活動対象計測装置７が注意領域計測装置である場合、情報処理装置１は、ユーザが注意を向けている対象を評価できる。注意状態は様々な要因により変化することが知られており、情報処理装置１は注意を向けている対象を評価することで、注意状態が変化した要因を評価できる。

本実施例の心的活動評価システムは、自律神経活動を用いて心的活動評価を行う。図１０は、本実施例の心的活動評価システムの構成例を示す。心的活動評価システムは、自律神経活動計測装置８及び自律神経活動計測装置９をさらに含む。なお、心的活動評価システムに含まれる自律神経活動計測装置の台数は問わない。つまり、心的活動評価システムは１種類以上の自律神経活動信号を用いて、心的活動評価を実施する。

自律神経活動信号とは、自律神経の活動を評価することができ、生体から取得される信号である。心電図、血圧、呼吸量や呼吸間隔、発汗量、皮膚抵抗、皮膚温、鼓膜温はいずれも自律神経活動信号の一例である。自律神経活動計測装置８及び自律神経活動計測装置９は、自律神経活動信号を取得する。

以下、本実施例の情報処理装置１の構成について説明する。入力部１０は、自律神経活動計測装置８及び自律神経活動計測装置９が計測した自律神経信号の入力を受け付けるための入力部をさらに含む。注意状態学習部２１及び注意状態算出部５１は、例えば、自律神経活動計測装置８及び自律神経活動計測装置９が計測した信号を、入力部１０から取得する機能部をさらに含む。

なお、本実施例における処理フローは以下の通りである。注意状態学習部２１は、ステップ１２９において、第ｉ脳活動信号情報がないと判定された後、自律神経活動信号それぞれに対応する、注意状態学習情報８３、注意状態学習特徴量情報８４、誤差学習情報８５、誤差学習特徴量情報８６、注意状態学習蓄積情報８７、誤差学習蓄積情報を生成する。その後、注意状態学習部２１はステップ１４１に遷移する。

また、注意状態算出部５１は、ステップ１５５において、第ｉ脳活動信号情報がないと判定された後、自律神経信号それぞれに対応する、算出特徴量群情報９０、注意状態算出情報９１、及び誤差算出情報９２を作成する。また、注意状態算出部５１は、ステップ１６０において、第１脳活動信号〜第ｍ脳活動信号及び全ての自律神経信号から、最適信号を選択する。また、注意状態学習部２１及び注意状態算出部５１は自律神経活動信号から各指標を算出してもよいし、脳活動信号と自律神経活動信号とから各指標を算出してもよい。

本実施例の情報処理装置１は、脳活動に加えて、自律神経活動を評価することで、より高精度に注意状態を評価可能な指標を取得できる。自律神経は、生体の恒常性を維持するために重要な役割を担っており、注意状態などの心的活動状態の変化に対する応答を示す。また、自律神経は脳の深部に位置する視床下部により制御されており、脳波や光トポグラフィ信号といった非侵襲的な脳活動計測により評価することは困難である。そのため、本実施例の情報処理装置１は、脳活動と自律神経活動を組み合わせた評価を実施することにより、より高精度に注意状態を評価できる。

本実施例は、ユーザが心的活動状態を評価する際に用いられるＧＵＩ（Ｇｒａｐｈｉｃａｌ Ｕｓｅｒ Ｉｎｔｅｒｆａｃｅ）を説明する。図１２は、心的活動状態を評価するための計測情報表示画面の例である。計測情報表示画面２００は、例えば、最適信号表示領域２０１、誤差要因表示領域２０２、学習最適信号表示領域２０３、心的活動状態表示領域２０４、データ選択領域２０５、脳計測信号表示領域２０６、誤差計測信号表示領域２０７、及びボタン２０８を含む。

最適信号表示領域２０１は、例えば、誤差修正情報９７の算出最適信号の名称、評価中の心的活動状態の種類、及び当該算出最適信号を用いて算出された心的活動状態と心的活動状態の誤差を表示する。誤差要因表示領域２０２は、最適信号を用いて算出した心的活動状態、の誤差のうち、例えば、最大誤差を示した誤差要因と当該最大誤差と当該誤差要因による誤差を抑制する方法を表示する。

学習最適信号表示領域２０３は、例えば、誤差修正情報９７の学習最適信号及び判定結果を表示する。図１２の例では、算出最適信号が光トポグラフィ信号であり、学習最適信号が脳波信号であるため、学習最適信号表示領域２０３は判定結果「ＮＧ」を表示している。心的活動状態表示領域２０４は、例えば、評価中の心的活動状態の名称、及び評価中の心的活動状態の時系列データを表示する。

データ選択領域２０５は、例えば、心的活動状態を評価するための脳活動信号として、新規計測データを用いるか、又は既存データを読み込むかを選択するための入力を受け付ける。また、データ選択領域２０５は、計測開始と計測終了を実施するためのボタンを含む。脳計測信号表示領域２０６は、例えば、計測中の脳活動計測信号の名称、当該脳活動信号を用いて算出した心的活動状態と心的活動状態の誤差、及び当該脳活動計測信号の時系列データを表示する。

誤差計測信号表示領域２０７は、例えば、計測中の誤差計測信号の名称、各脳活動信号が示す心的活動状態に対して当該誤差計測信号が及ぼす誤差、及び、当該誤差計測信号の時系列データを表示する。ボタン２０８は、計測情報表示画面２００と後述する設定画面のどちらを表示するかを選択するためのボタンである。

図１３は、心的活動状態の評価パラメータなどを設定するための設定画面の例である。設定画面３００は、例えば、脳活動信号設定領域３０１、誤差計測信号設定領域３０２、算出方法設定領域３０３、学習データ修正設定領域３０４、心的活動状態設定領域３０５、ボタン３０６、及びボタン２１４を含む。

脳活動信号設定領域３０１は、例えば、情報処理装置１において使用される脳活動信号、脳活動信号の計測点数、及び複数の計測点から得られた同種の脳活動信号から当該種類の脳活動信号の値を定める方法、それぞれを設定するための領域を含む。

誤差計測信号設定領域３０２は、例えば、情報処理装置１において使用される誤差計測信号、誤差計測信号に対応する誤差要因、及び誤差倍率を設定するための領域を含む。誤差倍率とは、誤差計測信号によって算出される誤差に重みづけを行うための倍率である。

算出方法設定領域３０３は、心的活動状態と心的活動状態の誤差を算出する方法を選択するための領域である。具体的には、ユーザは、算出方法設定領域３０３を介して、例えば、当該算出に学習データを用いるのか、学習データを用いずに算出するのか、また当該算出に学習データを用いる場合は、新規に学習を実行するのか、また既存データを用いるのか、を設定することができる。

学習データ修正設定領域３０４は、学習データの修正の有無及び修正する場合の修正方法を設定するための領域である。なお学習データの修正とは、実施例２における修正処理１１０に相当する。また、学習データの修正方法とは、例えば学習データにより算出された心的活動状態の推定値が一致しなかった場合に、当該推定値を一致させるために図９における曲線を修正するための方法を示す。

図１２の学習データ修正設定領域３０４における、「平均値」は算出された推定値が算出された推定値平均値と一致するように、「最適誤差」は算出された推定値が最適誤差を示した脳活動信号を用いた心的活動状態の推定値に一致するように、「信号１」及び「信号２」それぞれは算出された推定値が脳活動信号１及び脳活動信号２それぞれを用いた心的活動状態の推定値に一致するように、当該曲線を修正するためのラジオボタンである。

心的活動状態設定領域３０５は、評価する心的活動状態を選択するための領域である。具体的には、心的活動状態設定領域３０５は、例えば、心的活動状態として、既存の心的活動状態を評価するのか、新規の心的活動状態を評価するのか、既存の心的活動状態を評価する場合は例えば注意状態を評価するのか、ストレス状態を評価するのか、気分状態を評価するのか等、を選択するためのラジオボタンを含む。ボタン３０６は、設定画面３００において設定されたパラメータを保存するためのボタンである。

本実施例のＧＵＩにより、ユーザが心的活動状態を評価する際に、評価結果を容易に理解できるとともに、学習データや評価パラメータなどの評価に用いる情報を容易に設定し、さらに当該設定を変更、追加、及び削除することができる。

なお、本実施例の計測情報表示画面２００及び設定画面３００に表示されている内容は一例であり、例えば、計測情報表示画面２００は記憶部８０に格納されている任意の情報を表示してもよいし、設定画面３００は専門家等の知見に基づく情報を設定するための領域をさらに含んでもよい。

なお、本発明は上記した実施例に限定されるものではなく、様々な変形例が含まれる。例えば、上記した実施例は本発明を分かりやすく説明するために詳細に説明したものであり、必ずしも説明したすべての構成を備えるものに限定されるものではない。また、ある実施例の構成の一部を他の実施例の構成に置き換えることが可能であり、また、ある実施例の構成に他の実施例の構成を加えることも可能である。また、各実施例の構成の一部について、他の構成の追加・削除・置換をすることが可能である。

また、上記の各構成・機能・処理部等は、それらの一部又は全部を、例えば集積回路で設計する等によりハードウェアで実現してもよい。また、上記の各構成、機能等は、プロセッサがそれぞれの機能を実現するプログラムを解釈し、実行することによりソフトウェアで実現してもよい。各機能を実現するプログラム、テーブル、ファイル等の情報は、メモリや、ハードディスク、ＳＳＤ（Ｓｏｌｉｄ Ｓｔａｔｅ Ｄｒｉｖｅ）等の記録装置、または、ＩＣカード、ＳＤカード等の記録媒体に置くことができる。また、制御線や情報線は説明上必要と考えられるものを示しており、製品上必ずしもすべての制御線や情報線を示しているとは限らない。実際には殆どすべての構成が相互に接続されていると考えてもよい。

Claims (15)

1. 複数種類の脳活動信号を用いた心的活動状態の評価、を支援する、心的活動状態評価支援装置であって、
   プロセッサと記憶装置とを含み、
   前記記憶装置は、前記複数種類の脳活動信号を変化させる前記心的活動状態以外の要因の程度を示す誤差計測信号と、前記複数種類の脳活動信号それぞれに対応する前記心的活動状態の推定値、の前記要因による誤差を算出するための誤差係数と、の対応を示す誤差学習蓄積情報を保持し、
   前記プロセッサは、
   前記誤差計測信号を取得し、
   前記誤差学習蓄積情報が示す誤差係数と前記取得した誤差計測信号とから、前記複数種類の脳活動信号それぞれに対応する心的活動状態の推定値の前記要因による誤差を算出し、
   前記算出した誤差それぞれの大きさに基づいて、前記複数種類の脳活動信号から、第１種脳活動信号を選択し、
   前記第１種脳活動信号を示す情報を出力する、心的活動状態評価支援装置。
2. 請求項１に記載の心的活動状態評価支援装置であって、
   前記プロセッサは、
   複数の時刻における前記複数種類の脳活動信号と、前記複数の時刻における前記誤差計測信号と、を取得し、
   前記複数種類の脳活動信号それぞれについて、
   前記複数の時刻それぞれにおける、当該時刻を含む期間における当該脳活動信号の特徴量のばらつきを算出し、
   前記複数の時刻それぞれにおける誤差計測信号と前記算出したばらつきとの対応に基づいて、前記誤差学習蓄積情報に含まれる誤差計測信号と当該脳活動信号に対応する心的活動状態の推定値の前記要因による誤差との対応を決定する、心的活動状態評価支援装置。
3. 請求項１に記載の心的活動状態評価支援装置であって、
   前記記憶装置は、前記複数種類の脳活動信号それぞれと前記心的活動状態の推定値との対応を示す心的活動状態学習情報をさらに保持し、
   前記プロセッサは、
   前記複数種類の脳活動信号を取得し、
   前記心的活動状態学習情報を参照して、前記第１種脳活動信号から前記心的活動状態の第１推定値を算出し、
   前記第１種脳活動信号を示す情報は、前記第１推定値を含む心的活動状態評価支援装置。
4. 請求項３に記載の心的活動状態評価支援装置であって、
   前記プロセッサは、
   複数の時刻における前記複数種類の脳活動信号を取得し、
   予め定められた関係に従って、前記複数の時刻それぞれにおける前記複数種類の脳活動信号それぞれに対応する心的活動状態を決定し、
   前記複数種類の脳活動信号それぞれにおける、前記複数の時刻それぞれにおける当該脳活動信号それぞれと、前記複数の時刻それぞれにおける当該脳活動信号に対応する心的活動状態と、の関係に基づいて、前記心的活動状態学習情報を作成する、心的活動状態評価支援装置。
5. 請求項３に記載の心的活動状態評価支援装置であって、
   表示装置に接続され、
   前記プロセッサは、前記第１推定値及び前記第１推定値の誤差を前記表示装置に出力する、心的活動状態評価支援装置。
6. 請求項３に記載の心的活動状態評価支援装置であって、
   前記複数種類の脳活動信号に含まれる第２種脳活動信号から、前記心的活動状態を決定する第１関係と、
   前記複数種類の脳活動信号に含まれる第３種脳活動信号から、前記心的活動状態を決定する第２関係と、が予め定義され、
   前記プロセッサは、前記第２種脳活動信号の第１脳活動信号と、前記第３種脳活動信号の第２脳活動信号と、を取得し、
   前記第１関係が示す前記第１脳活動信号に対応する心的活動状態と、前記第２関係が示す前記第２脳活動信号に対応する心的活動状態と、の差は第１閾値以下であり、
   前記プロセッサは、
   前記心的活動状態学習情報を参照して、前記第１脳活動信号から前記心的活動状態の第２推定値を算出し、前記第２脳活動信号から前記心的活動状態の第３推定値を算出し、
   前記心的活動状態学習情報を修正し、
   前記修正において、前記心的活動状態学習情報に含まれる前記第２種脳活動信号と前記心的活動状態の推定値との対応、及び前記心的活動状態学習情報に含まれる前記第３種脳活動信号と前記心的活動状態の推定値との対応の少なくとも一方を、前記修正後の心的活動状態学習情報から算出される前記第２推定値と前記第３推定値との差が第２閾値以下となるように修正する、心的活動状態評価支援装置。
7. 請求項６に記載の心的活動状態評価支援装置であって、
   前記第２閾値は０である、心的活動状態評価支援装置。
8. 請求項１に記載の心的活動状態評価支援装置であって、
   前記要因は、前記複数種類の脳活動信号に含まれる複数の脳活動信号を組み合わせて生成される組み合わせ脳活動信号を変化させ、
   前記誤差学習蓄積情報は、前記誤差計測信号と、前記組み合わせ脳活動信号それぞれに対応する心的活動状態の推定値、の前記要因による誤差を算出するための誤差係数と、の対応を示し、
   前記プロセッサは、
   前記誤差学習蓄積情報が示す誤差係数と前記取得した誤差計測信号とから、前記組み合わせ脳活動信号それぞれに対応する心的活動状態の推定値の前記要因による誤差を算出し、
   前記複数種類の脳活動信号の誤差及び前記組み合わせ脳活動信号の誤差それぞれの大きさに基づいて、前記複数種類の脳活動信号及び前記組み合わせ脳活動信号から、前記第１種脳活動信号を選択する、心的活動状態評価支援装置。
9. 請求項１に記載の心的活動状態評価支援装置であって、
   前記プロセッサは、
   前記心的活動状態が向けられている対象又は前記心的活動状態を誘起する対象である心的活動対象を示す心的活動対象計測信号の入力を受け付け、
   前記心的活動対象計測信号に基づいて、前記心的活動対象を算出し、
   前記算出した心的活動対象を示す情報を出力する、心的活動状態評価支援装置。
10. 請求項１に記載の心的活動状態評価支援装置であって、
    前記要因は、自律神経活動信号を変化させ、
    前記誤差学習蓄積情報は、前記誤差計測信号と、前記自律神経活動信号それぞれに対応する心的活動状態の推定値、の前記要因による誤差を算出するための誤差係数と、の対応を示し、
    前記プロセッサは、
    前記誤差学習蓄積情報が示す誤差係数と前記取得した誤差計測信号とから、前記自律神経活動信号それぞれに対応する心的活動状態の推定値の前記要因による誤差を算出し、
    前記複数種類の脳活動信号の誤差及び前記自律神経活動信号の誤差それぞれの大きさに基づいて、前記複数種類の脳活動信号及び前記自律神経活動信号から、前記第１種脳活動信号を選択する、心的活動状態評価支援装置。
11. 請求項１に記載の心的活動状態評価支援装置であって、
    前記プロセッサは、複数種類の前記誤差計測信号を取得し、
    前記誤差学習蓄積情報は、前記複数種類の誤差計測信号と前記要因との対応を示し、
    前記プロセッサは、
    前記誤差学習蓄積情報を参照して、前記第１種脳活動信号に対応する心的活動状態の推定値の、前記複数種類の誤差計測信号それぞれに対応する要因による誤差を算出し、
    前記算出した各要因に対応する誤差それぞれの大きさに基づいて、前記複数種類の誤差計測信号から第１種誤差計測信号を決定し、
    前記第１種誤差計測信号を示す情報を出力する、心的活動状態評価支援装置。
12. 請求項１１に記載の心的活動状態評価支援装置であって、
    表示装置に接続され、
    前記表示装置は、前記複数種類の誤差計測信号と、前記要因と、の対応を入力するための領域を含み、
    前記プロセッサは、
    前記複数種類の誤差計測信号と前記要因との対応の入力を受け付け、
    前記入力に従って、前記誤差学習蓄積情報に含まれる前記複数種類の誤差計測信号と前記要因との対応を作成し、
    前記誤差学習蓄積情報を参照して、前記第１種誤差計測信号に対応する要因を、前記第１種誤差計測信号を示す情報として出力する、心的活動状態評価支援装置。
13. 請求項１に記載の心的活動状態評価支援装置であって、
    前記心的活動状態は、注意種類と注意度からなる注意状態であり、
    前記心的活動状態の誤差は前記注意度の誤差である、心的活動状態評価支援装置。
14. 複数種類の脳活動信号を用いた心的活動状態の評価、を支援する、心的活動状態評価支援システムであって、
    心的活動状態評価支援装置と、誤差計測信号を取得する誤差計測装置と、を含み、
    心的活動状態評価支援装置は、
    前記複数種類の脳活動信号を変化させる前記心的活動状態以外の要因の程度を示す誤差計測信号と、前記複数種類の脳活動信号それぞれに対応する前記心的活動状態の推定値、の前記要因による誤差を算出するための誤差係数と、の対応を示す誤差学習蓄積情報を保持し、
    前記誤差計測装置から、前記誤差計測信号を取得し、
    前記誤差学習蓄積情報が示す誤差係数と前記取得した誤差計測信号とから、前記複数種類の脳活動信号それぞれに対応する心的活動状態の推定値の前記要因による誤差を算出し、
    前記算出した誤差それぞれの大きさに基づいて、前記複数種類の脳活動信号から、第１種脳活動信号を選択し、
    前記第１種脳活動信号を示す情報を出力する、心的活動状態評価支援システム。
15. 心的活動状態評価支援装置が、複数種類の脳活動信号を用いた心的活動状態の評価、を支援する、方法であって、
    前記心的活動状態評価支援装置は、
    前記複数種類の脳活動信号を変化させる前記心的活動状態以外の要因の程度を示す誤差計測信号と、前記複数種類の脳活動信号それぞれに対応する前記心的活動状態の推定値、の前記要因による誤差を算出するための誤差係数と、の対応を示す誤差学習蓄積情報を保持し、
    前記方法は、
    前記心的活動状態評価支援装置が、
    前記誤差計測信号を取得し、
    前記誤差学習蓄積情報が示す誤差係数と前記取得した誤差計測信号とから、前記複数種類の脳活動信号それぞれに対応する心的活動状態の推定値の前記要因による誤差を算出し、
    前記算出した誤差それぞれの大きさに基づいて、前記複数種類の脳活動信号から、第１種脳活動信号を選択し、
    前記第１種脳活動信号を示す情報を出力する、方法。

Images