JP6557489B2 - 生体状態推定装置及びコンピュータプログラム - Google Patents
生体状態推定装置及びコンピュータプログラム Download PDFInfo
- Publication number
- JP6557489B2 JP6557489B2 JP2015058835A JP2015058835A JP6557489B2 JP 6557489 B2 JP6557489 B2 JP 6557489B2 JP 2015058835 A JP2015058835 A JP 2015058835A JP 2015058835 A JP2015058835 A JP 2015058835A JP 6557489 B2 JP6557489 B2 JP 6557489B2
- Authority
- JP
- Japan
- Prior art keywords
- sleepiness
- index
- sleep
- drowsiness
- time
- 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.)
- Active
Links
- 238000004590 computer program Methods 0.000 title claims description 13
- 206010041349 Somnolence Diseases 0.000 claims description 381
- 208000032140 Sleepiness Diseases 0.000 claims description 282
- 230000037321 sleepiness Effects 0.000 claims description 282
- 230000007958 sleep Effects 0.000 claims description 91
- 238000004364 calculation method Methods 0.000 claims description 77
- 238000000034 method Methods 0.000 claims description 60
- 230000006870 function Effects 0.000 claims description 44
- 230000003860 sleep quality Effects 0.000 claims description 42
- 238000004458 analytical method Methods 0.000 claims description 39
- 238000011156 evaluation Methods 0.000 claims description 21
- 210000000467 autonomic pathway Anatomy 0.000 claims description 18
- 230000004622 sleep time Effects 0.000 claims description 17
- 230000002123 temporal effect Effects 0.000 claims description 5
- 238000005259 measurement Methods 0.000 claims description 4
- 230000008859 change Effects 0.000 description 39
- 238000010586 diagram Methods 0.000 description 39
- 230000008921 facial expression Effects 0.000 description 36
- 238000002474 experimental method Methods 0.000 description 24
- 239000011159 matrix material Substances 0.000 description 16
- 230000004424 eye movement Effects 0.000 description 12
- 230000008035 nerve activity Effects 0.000 description 11
- 230000000875 corresponding effect Effects 0.000 description 9
- 230000002889 sympathetic effect Effects 0.000 description 7
- 230000003595 spectral effect Effects 0.000 description 6
- 230000002596 correlated effect Effects 0.000 description 5
- 230000007423 decrease Effects 0.000 description 5
- 238000001514 detection method Methods 0.000 description 5
- 238000012360 testing method Methods 0.000 description 5
- 230000000694 effects Effects 0.000 description 4
- 210000005037 parasympathetic nerve Anatomy 0.000 description 4
- 210000001002 parasympathetic nervous system Anatomy 0.000 description 4
- 210000002820 sympathetic nervous system Anatomy 0.000 description 4
- 206010062519 Poor quality sleep Diseases 0.000 description 3
- 230000010349 pulsation Effects 0.000 description 3
- 238000005070 sampling Methods 0.000 description 3
- 208000024891 symptom Diseases 0.000 description 3
- 210000000709 aorta Anatomy 0.000 description 2
- 239000000284 extract Substances 0.000 description 2
- 238000000605 extraction Methods 0.000 description 2
- 238000009499 grossing Methods 0.000 description 2
- 238000011160 research Methods 0.000 description 2
- 230000037322 slow-wave sleep Effects 0.000 description 2
- 238000001228 spectrum Methods 0.000 description 2
- 241001282135 Poromitra oscitans Species 0.000 description 1
- 208000022249 Sleep-Wake Transition disease Diseases 0.000 description 1
- 206010048232 Yawning Diseases 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- 230000037007 arousal Effects 0.000 description 1
- 210000001367 artery Anatomy 0.000 description 1
- 230000002567 autonomic effect Effects 0.000 description 1
- 210000003403 autonomic nervous system Anatomy 0.000 description 1
- 210000004204 blood vessel Anatomy 0.000 description 1
- 210000000748 cardiovascular system Anatomy 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 238000005314 correlation function Methods 0.000 description 1
- 230000003111 delayed effect Effects 0.000 description 1
- 238000001914 filtration Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 230000030214 innervation Effects 0.000 description 1
- 230000007774 longterm Effects 0.000 description 1
- 210000005036 nerve Anatomy 0.000 description 1
- 230000008452 non REM sleep Effects 0.000 description 1
- 230000010355 oscillation Effects 0.000 description 1
- 210000005259 peripheral blood Anatomy 0.000 description 1
- 239000011886 peripheral blood Substances 0.000 description 1
- 230000002093 peripheral effect Effects 0.000 description 1
- 229920000642 polymer Polymers 0.000 description 1
- 230000008569 process Effects 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 230000036385 rapid eye movement (rem) sleep Effects 0.000 description 1
- 238000004904 shortening Methods 0.000 description 1
- 230000008667 sleep stage Effects 0.000 description 1
- 230000000638 stimulation Effects 0.000 description 1
- 230000002861 ventricular Effects 0.000 description 1
Landscapes
- Measuring Pulse, Heart Rate, Blood Pressure Or Blood Flow (AREA)
- Measurement Of The Respiration, Hearing Ability, Form, And Blood Characteristics Of Living Organisms (AREA)
Description
生体信号測定装置により測定された生体信号を用いて生体の状態を推定する生体状態推定装置であって、
前記生体信号から自律神経評価指標を求め、この自律神経評価指標から眠気指標を求める眠気指標演算手段と、
前記眠気指標演算手段により眠気指標を求める分析対象時間帯より前に生じた、1サイクル以上の睡眠周期を伴った睡眠時間帯における睡眠の質情報を取得する睡眠の質情報取得手段と
を具備し、
前記眠気指標演算手段が、前記睡眠の質情報取得手段から得られる睡眠の質情報に応じて演算条件を異ならせて前記眠気指標を求めることを特徴とする。
前記眠気指標演算手段は、所定の時間幅毎に眠気指標を求め、その眠気指標を時系列に出力する手段であり、前記演算条件である前記所定の時間幅を、前記深い睡眠の時間的な割合に応じて異ならせる構成であることが好ましい。
前記深い睡眠の時間的な割合が、所定の範囲の場合には、前記眠気指標演算手段における時間幅を所定時間幅以上に設定し、前記深い睡眠の時間的な割合が、前記所定の範囲以下と所定の範囲以上の場合には、前記眠気指標演算手段における時間幅を前記所定時間幅よりも短い時間幅で設定する構成であることが好ましい。
前記眠気指標演算手段から得られる眠気指標を眠気レベルに変換する眠気レベル判定手段をさらに有する構成とすることが好ましい。
前記眠気レベル判定手段は、予め、所定の眠気指標を用いて教師データを作成すると共に、その教師データを用いて正準判別分析を行って複数の正準判別関数を作成しておき、分析対象時間帯の生体信号について、前記眠気指標演算手段によって求められた眠気指標を、前記正準判別関数に代入して最も近い眠気レベルを判定する手段であることが好ましい。
コンピュータに、生体信号測定装置により測定された生体信号を用いて眠気を推定する手順を実行させるコンピュータプログラムであって、
前記眠気を推定する手順として、
前記生体信号から自律神経評価指標を求め、この自律神経評価指標から眠気指標を求める眠気指標演算手順と、
前記眠気指標演算手順により眠気指標を求める分析対象時間帯より前に生じた、1サイクル以上の睡眠周期を伴った睡眠時間帯における睡眠の質情報を取得する睡眠の質情報取得手順と
を実行させる構成であり、
前記眠気指標演算手順が、前記睡眠の質情報取得手順の実行により得られる睡眠の質情報に応じて演算条件を異ならせて前記眠気指標を求めることを特徴とする。
前記眠気指標演算手順は、所定の時間幅毎に眠気指標を求め、その眠気指標を時系列に出力する手順であり、前記演算条件である前記所定の時間幅を、前記深い睡眠の時間的な割合に応じて異ならせることが好ましい。
前記深い睡眠の時間的な割合が、所定の範囲の場合には、前記眠気指標演算手順における時間幅を所定時間幅以上に設定し、前記深い睡眠の時間的な割合が、前記所定の範囲以下と所定の範囲以上の場合には、前記眠気指標演算手順における時間幅を前記所定時間幅よりも短い時間幅で設定することが好ましい。
前記眠気指標演算手順から得られる眠気指標を眠気レベルに変換する眠気レベル判定手順をさらに実行することが好ましい。
前記眠気レベル判定手順は、予め、所定の眠気指標を用いて教師データを作成すると共に、その教師データを用いて正準判別分析を行って複数の正準判別関数を作成しておき、分析対象時間帯の生体信号について、前記眠気指標演算手順の実行によって求められた眠気指標を、前記正準判別関数に代入して最も近い眠気レベルを判定することが好ましい。
・実験条件
まず、被験者AからGについて、実験実施日の前日の睡眠を睡眠の質情報取得手段12が睡眠情報記録装置2から取得し、深い睡眠の時間的な割合により、上記した条件1及び条件2に分類した。結果を表1〜3に示す。なお、被験者AからGの年齢、身長、体重、性別は表4のとおりである。睡眠情報記録装置2は、上記のTrinity社製、商品名「UP by JAWBONE」を用いた。
まず、実験実施日の昼食を12時から13時の間にとってもらい、実験の開始時刻は14時頃から16時頃とした。実験直前の約10分間は、着座状態で安静に待機させてリラックスさせ、60分間実験を行った。
a)第1眠気指標演算手段111における「RRIX_M」について
(1)深い眠りの割合が25%以下及び45%以上の条件1に係る被験者集団、すなわち、眠りが浅いか、逆に熟睡時間の長い人の集団の場合
代表事例を図8〜図9に示す。いずれも、横軸が変化期間Mで、縦軸がRRIX_Mにより求めた演算結果と眠気レベルと相関係数であり、RRI差分Xの値毎に示したものである。図8は、被験者Hの12月8日のデータであり、図9は被験者Aの12月8日のデータである。
図10〜図11が代表事例であり、このうち、図10は、被験者Bの12月7日のデータであり、図11は被験者Aの12月11日のデータである。
(1)深い睡眠の割合が25%以下及び45%以上の条件1に係る被験者集団、すなわち、眠りが浅いか、逆に熟睡時間の長い人の集団の場合
代表事例を図12〜図13に示す。図12は、図8と同じ被験者Hの12月8日のデータであり、変化期間Mが3以下の小さいときの方が、眠気との相関が高い傾向にある。図13は、被験者Bの11月27日のデータであり、変化期間M=3のときに相関係数が最大で、Mが大きくなるにつれて相関係数が小さくなっている。なお、図12及び図13のデータでは、相関係数が負になる場合があり、HF差分Y及び変化期間Mの値の設定によっては、適切な眠気推定結果が得られないことがわかる。
図14〜図15が代表事例であり、このうち、図14は、被験者Eの12月11日のデータであり、図15は、図13と同じ被験者Bの12月7日のデータである。いずれも、変化期間Mが大きくなるほど相関係数が高くなる傾向が見られる。また、被験者Bについて、深い眠りの割合が条件2に分類される図15の12月7日のデータと、深い眠りの割合が条件1に分類される図13の11月27日のデータとを比較すると、同じ被験者であっても、前日の深い眠りの割合によってY、Mの値を異ならせることで、より高い相関が得られることがわかる。
図16及び図17は、12月10日の被験者Cのデータであり、図16は第1眠気指標演算手段111における「RRIX_M」で求めた眠気指標に関するデータで、図17は第2眠気指標演算手段112における「HFY_M」で求めた眠気指標に関するデータである。
(1)条件1の被験者の眠気レベルの判定結果
被験者個人の教師データによる推定成功率(顔表情評価による眠気(以下、場合により「顔表情眠気」と略記)と推定眠気レベルとの一致率)及び顔表情評価による眠気との相関係数を表10の上段に示し、当該被験者を含まない一般の教師データによる推定成功率及び顔表情による眠気との相関係数を表10の下段に示す。
表11は、11月25日の被験者Aのデータによって作成された教師データの正準判別関数の正準相関、分散の割合及び構造行列係数である。分散の割合が大きい関数が眠気レベルをよく判別できているということになる。個人の教師データを用いた推定眠気レベルは、指標RRI20_3、RRI20_2、MAKeの影響が大きいということが判別関数1の構造行列の大小関係の比較でわかる。
表12は、被験者A以外の一般の被験者を教師データにした判別関数の正準相関、分散の割合及び構造行列係数を示している。この一般の被験者の教師データを用いた推定眠気レベルでは、MAKeの影響が最も大きかった。
これらの図から、眠気の変化の傾向は両者ともに概ね捉えられていることがわかる。定量的に見てもそれぞれの相関係数が0.68、0.80であることから、眠気の変化を捉えることができている。但し、本来20分頃から入眠しているが、推定眠気レベルでは10分頃から眠気レベル4「睡眠中」を示しており、眠気レベルの判定精度の点では改善の余地がある。
表13は、11月24日の被験者Fのデータによって作成された教師データの正準判別関数の正準相関、分散の割合及び構造行列係数である。MAKeの値から、眼球運動のデータの影響が大きいことがわかる。
表14は、被験者F以外の一般の被験者を教師データにした判別関数の正準相関、分散の割合及び構造行列係数を示している。この一般の被験者の教師データを用いた推定眠気レベルでは、判別関数の分散の割合が97.2%となっており、判別関数1によってほぼ判別されていることがわかる。またその主因子がMAKeだということもわかる。
図28から、顔表情眠気レベルが14分頃の眠気レベル4「睡眠中」になるのに合わせて推定眠気レベルも上昇しており、33分頃の眠気レベル1「覚醒」になっている箇所は明確に推定できている。従って、概ね眠気の変化の傾向は捉えることができることがわかる。相関係数も0.79と高く、推定眠気レベルが、顔表情眠気と相関があることがわかる。但し、推定眠気レベルは、顔表情眠気で眠気レベル4「睡眠中」に至る前にそのことを捉えているわけではないので、入眠予兆を捉えるということはできていない。
図29は、被験者F以外の一般の教師データセットとした判別分析をもとに、1月14日の被験者Fの推定眠気レベルを判定した結果である。こちらも相関係数は0.77と高い値を示しているが、顔表情眠気での眠気レベル4「睡眠中」を、推定眠気レベでは推定できていない。
表15は、12月10日の被験者Gのデータによって作成された教師データの正準判別関数の正準相関、分散の割合及び構造行列係数である。被験者Gの場合、判別関数1の構造行列に着目するとRRI20_2の係数が最も大きく、他のどの指標も複合的に推定に使われていることがわかる。
しかし、表16の被験者G以外の一般の被験者を教師データにした判別関数の正準相関、分散の割合及び構造行列係数では、被験者A、被験者Fと同様に、MAKeの影響が大きいことがわかる。
いずれも、長時間寝ている時間帯を推定眠気レベルが判定しており、被験者A、被験者Fと比べて高い推定正解率、相関関数を示している。また、個人による推定よりも一般による推定の方が精度が向上していると共に、顔表情眠気で眠気レベル4「睡眠中」に至る数分前に推定眠気レベルは眠気レベル4に至っており、入眠予兆も検出できていると言える。
表17に、条件2に該当する被験者について、個人で推定した眠気と顔表情眠気の比較によって算出された推定正解率及び相関係数、及び、当該被験者を含まない一般の教師データによる推定成功率及び顔表情による眠気との相関係数を示す。なお、個人による推定では、同一被験者で条件2に3回該当する場合、1回学習させた場合と、2回学習させた場合について判定を行った。
表18は、12月12日の被験者Dのデータによって作成された教師データの正準判別関数の正準相関、分散の割合及び構造行列係数である。被験者Dの場合、個人による推定の際の判別関数1の係数に着目すると、MAKeの係数が最も大きく、被験者Dの教師データによる推定もMAKeの影響が大きいことがわかる。また、判別関数2の分散の割合が30.2%となっており、判別関数2を含めた平面的な判別が行われていた。
表19は、被験者D以外の一般の被験者を教師データにした判別関数の正準相関、分散の割合及び構造行列係数を示している。分散の割合は、判別関数1が98.9%と高く、判別関数1でほとんど判別され、MAKeの影響が大きかった。
図33は、一般の教師データセットとした判別分析をもとに、12月13日の被験者Dの推定眠気レベルを判定した結果である。表17では、被験者の推定正解率が、一般による推定の方が個人による推定よりも高いが、図33を見ると、全体的に推定された眠気レベルの推定の値が低めになっていた。
表20は、1月11日の被験者Fのデータによって作成された教師データの正準判別関数の正準相関、分散の割合及び構造行列係数であり、表21は、被験者F以外の一般の被験者を教師データにした判別関数の正準相関、分散の割合及び構造行列係数を示している。いずれの場合も、MAKeの値から、眼球運動のデータの影響が大きいことがわかる。
図35は、被験者F以外の一般の教師データセットとした判別分析をもとに、1月11日の被験者Fの推定眠気レベルを判定した結果である。全体的に眠気の傾向は捉えており、40分頃の眠気レベルが小さくなっている傾向も個人による推定より捉えていることがわかる。相関係数も、個人による推定「0.49」から一般による推定「0.66」へと上昇している(表17参照)。
表22は、12月12日の被験者Gのデータによって作成された教師データの正準判別関数の正準相関、分散の割合及び構造行列係数であり、表23は、被験者G以外の一般の被験者を教師データにした判別関数の正準相関、分散の割合及び構造行列係数を示している。いずれの場合も、MAKeの値から、眼球運動のデータの影響が大きいことがわかる。
図37は、被験者G以外の一般の教師データセットとした判別分析をもとに、1月16日の被験者Gの推定眠気レベルを判定した結果である。入眠の予測はできていないが、顔表情による眠気が眠気レベル4になった時点に対し、推定眠気が1分遅れで眠気レベル4になっているため、図36よりも高い精度で推定できている。
表24は、12月11日の被験Eのデータによって作成された教師データの正準判別関数の正準相関、分散の割合及び構造行列係数である。被験者Eの場合、全ての実験で指標作成期間(7〜60分)において眠気レベル1「覚醒」に判定されることはなかった(図38参照)。このことから、眠気レベル2.3,4に分ける判別分析を行っており、判別関数は2種類となっている。個人による推定の際の判別関数1の係数に着目すると、1回学習させた場合ではMAKeの影響が大きかった。
しかし、表25に示したように、被験者Eの12月5日と12月9日の2回のデータを学習させた場合には、HF5_7とMAKeが同程度に影響を及ぼしていることがわかる。
表26は、被験者E以外の一般の被験者を教師データにした判別関数の正準相関、分散の割合及び構造行列係数を示しているが、この場合は、MAKeの値から、眼球運動のデータの影響が大きいことがわかる。
上記の表14によると、1回学習させたときよりも2回学習させたときの推定成功率が上昇しているが相関係数が低い。これは、図38、図39に示したように、顔表情による眠気では常に眠気レベル4であるのに対し、38分頃の推定眠気が大きく変動しているためである。この点、図40の一般による推定でも、同様の推定眠気と顔表情眠気のずれがあった。
10 生体状態推定装置
11 眠気指標演算手段
111 第1眠気指標演算手段
112 第2眠気指標演算手段
12 睡眠の質情報取得手段
13 眠気レベル判定手段
Claims (8)
- 生体信号測定装置により測定された生体信号を用いて生体の状態を推定する生体状態推定装置であって、
前記生体信号から自律神経評価指標を求め、この自律神経評価指標から眠気指標を求める眠気指標演算手段と、
前記眠気指標演算手段により眠気指標を求める分析対象時間帯より前に生じた、1サイクル以上の睡眠周期を伴った睡眠時間帯における睡眠の質情報を取得する睡眠の質情報取得手段と
を具備し、
前記眠気指標演算手段が、前記睡眠の質情報取得手段から得られる睡眠の質情報に応じて演算条件を異ならせて前記眠気指標を求める手段であり、
前記睡眠の質情報取得手段は、前記1サイクル以上の睡眠周期を伴った睡眠時間帯における深い睡眠の時間的な割合を取得し、
前記眠気指標演算手段は、所定の時間幅毎に眠気指標を求め、その眠気指標を時系列に出力する手段であって、前記演算条件である前記所定の時間幅を、前記深い睡眠の時間的な割合に応じて異ならせて前記眠気指標を求めることを特徴とする生体状態推定装置。 - 前記深い睡眠の時間的な割合が、所定の範囲の場合には、前記眠気指標演算手段における時間幅を所定時間幅以上に設定し、前記深い睡眠の時間的な割合が、前記所定の範囲以下と所定の範囲以上の場合には、前記眠気指標演算手段における時間幅を前記所定時間幅よりも短い時間幅で設定する請求項1記載の生体状態推定装置。
- 前記眠気指標演算手段から得られる眠気指標を眠気レベルに変換する眠気レベル判定手段をさらに有する請求項1又は2記載の生体状態推定装置。
- 前記眠気レベル判定手段は、予め、所定の眠気指標を用いて教師データを作成すると共に、その教師データを用いて正準判別分析を行って複数の正準判別関数を作成しておき、分析対象時間帯の生体信号について、前記眠気指標演算手段によって求められた眠気指標を、前記正準判別関数に代入して最も近い眠気レベルを判定する手段である請求項3記載の生体状態推定装置。
- コンピュータに、生体信号測定装置により測定された生体信号を用いて眠気を推定する手順を実行させるコンピュータプログラムであって、
前記眠気を推定する手順として、
前記生体信号から自律神経評価指標を求め、この自律神経評価指標から眠気指標を求める眠気指標演算手順と、
前記眠気指標演算手順により眠気指標を求める分析対象時間帯より前に生じた、1サイクル以上の睡眠周期を伴った睡眠時間帯における睡眠の質情報を取得する睡眠の質情報取得手順と
を実行させる構成であり、
前記眠気指標演算手順が、前記睡眠の質情報取得手順の実行により得られる睡眠の質情報に応じて演算条件を異ならせて前記眠気指標を求める手順であり、
前記睡眠の質情報取得手順は、前記1サイクル以上の睡眠周期を伴った睡眠時間帯における深い睡眠の時間的な割合を取得し、
前記眠気指標演算手順は、所定の時間幅毎に眠気指標を求め、その眠気指標を時系列に出力する手順であって、前記演算条件である前記所定の時間幅を、前記深い睡眠の時間的な割合に応じて異ならせて前記眠気指標を求めるコンピュータプログラム。 - 前記深い睡眠の時間的な割合が、所定の範囲の場合には、前記眠気指標演算手順における時間幅を所定時間幅以上に設定し、前記深い睡眠の時間的な割合が、前記所定の範囲以下と所定の範囲以上の場合には、前記眠気指標演算手順における時間幅を前記所定時間幅よりも短い時間幅で設定する請求項5記載のコンピュータプログラム。
- 前記眠気指標演算手順から得られる眠気指標を眠気レベルに変換する眠気レベル判定手順をさらに実行する請求項5又は6に記載のコンピュータプログラム。
- 前記眠気レベル判定手順は、予め、所定の眠気指標を用いて教師データを作成すると共に、その教師データを用いて正準判別分析を行って複数の正準判別関数を作成しておき、分析対象時間帯の生体信号について、前記眠気指標演算手順の実行によって求められた眠気指標を、前記正準判別関数に代入して最も近い眠気レベルを判定する請求項7記載のコンピュータプログラム。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2015058835A JP6557489B2 (ja) | 2015-03-22 | 2015-03-22 | 生体状態推定装置及びコンピュータプログラム |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2015058835A JP6557489B2 (ja) | 2015-03-22 | 2015-03-22 | 生体状態推定装置及びコンピュータプログラム |
Publications (2)
Publication Number | Publication Date |
---|---|
JP2016174838A JP2016174838A (ja) | 2016-10-06 |
JP6557489B2 true JP6557489B2 (ja) | 2019-08-07 |
Family
ID=57069955
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2015058835A Active JP6557489B2 (ja) | 2015-03-22 | 2015-03-22 | 生体状態推定装置及びコンピュータプログラム |
Country Status (1)
Country | Link |
---|---|
JP (1) | JP6557489B2 (ja) |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP6922790B2 (ja) * | 2018-03-07 | 2021-08-18 | 日本電信電話株式会社 | 疲労度推定装置およびプログラム |
JP7099037B2 (ja) * | 2018-05-07 | 2022-07-12 | オムロン株式会社 | データ処理装置、モニタリングシステム、覚醒システム、データ処理方法、及びデータ処理プログラム |
Family Cites Families (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP4595377B2 (ja) * | 2004-04-28 | 2010-12-08 | 株式会社デンソー | 運転者状態検出装置及びプログラム |
JP4421507B2 (ja) * | 2005-03-30 | 2010-02-24 | 株式会社東芝 | 眠気予測装置及びそのプログラム |
JP2011128823A (ja) * | 2009-12-17 | 2011-06-30 | Aisin Seiki Co Ltd | 安全運転サポート装置 |
JP2012118951A (ja) * | 2010-12-03 | 2012-06-21 | Fujitsu Ten Ltd | 車載装置および運転支援システム |
-
2015
- 2015-03-22 JP JP2015058835A patent/JP6557489B2/ja active Active
Also Published As
Publication number | Publication date |
---|---|
JP2016174838A (ja) | 2016-10-06 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US10687757B2 (en) | Psychological acute stress measurement using a wireless sensor | |
KR101656611B1 (ko) | 무구속적으로 측정한 생체신호를 이용하여 산소탈포화지수를 획득하는 방법 | |
JP6516846B2 (ja) | 睡眠監視のデバイス及び方法 | |
JP6757532B2 (ja) | 睡眠段階判定装置、睡眠段階判定方法、睡眠段階判定プログラム | |
US20150245777A1 (en) | Detection of emotional states | |
JP2018524080A (ja) | 被検者の生理学的状態を監視する装置及び方法 | |
KR101910982B1 (ko) | 개인화된 생체 신호 패턴을 이용한 생체 신호의 동잡음 제거 방법 및 장치 | |
JP5760351B2 (ja) | 睡眠評価装置、睡眠評価システムおよびプログラム | |
WO2009150765A1 (ja) | 睡眠状態モニタリング装置、モニタリングシステムおよびコンピュータプログラム | |
JP6079824B2 (ja) | 睡眠評価装置およびプログラム | |
JP5929020B2 (ja) | 意識状態推定装置及びプログラム | |
JP2011115188A (ja) | 睡眠状態モニタリング装置、モニタリングシステムおよびコンピュータプログラム | |
JP2022008806A (ja) | 血圧推定システム、血圧推定方法、学習装置、学習方法及びプログラム | |
Park et al. | Prediction of daily mental stress levels using a wearable photoplethysmography sensor | |
WO2017099257A1 (ja) | 生体状態推定装置、生体状態推定方法、コンピュータプログラム及び記録媒体 | |
Ghosh et al. | Detection of essential hypertension with physiological signals from wearable devices | |
JP6666705B2 (ja) | 生体状態推定装置、生体状態推定方法及びコンピュータプログラム | |
JP6291922B2 (ja) | 睡眠深度判定装置 | |
JP2017164397A (ja) | 睡眠段階判定方法、睡眠段階判定装置、及び睡眠段階判定プログラム | |
JP6557489B2 (ja) | 生体状態推定装置及びコンピュータプログラム | |
JP2008253727A (ja) | モニタ装置、モニタシステム及びモニタ方法 | |
WO2022120125A1 (en) | Time domain processing of periodic physiological signals | |
JP2022063926A (ja) | 睡眠状態推定システム | |
CN116369888A (zh) | 一种非接触式心率变异性数据获取方法和装置 | |
JP2007283041A (ja) | 集中度計測装置 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20180224 |
|
A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20181219 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20181225 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20190220 |
|
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: 20190617 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20190712 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 6557489 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |
|
R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |