JP6785136B2 - 覚醒度処理方法および覚醒度処理装置 - Google Patents
覚醒度処理方法および覚醒度処理装置 Download PDFInfo
- Publication number
- JP6785136B2 JP6785136B2 JP2016228131A JP2016228131A JP6785136B2 JP 6785136 B2 JP6785136 B2 JP 6785136B2 JP 2016228131 A JP2016228131 A JP 2016228131A JP 2016228131 A JP2016228131 A JP 2016228131A JP 6785136 B2 JP6785136 B2 JP 6785136B2
- Authority
- JP
- Japan
- Prior art keywords
- physiological data
- data
- alertness
- arousal
- arousal level
- 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
Images
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)
- Measurement And Recording Of Electrical Phenomena And Electrical Characteristics Of The Living Body (AREA)
Description
本発明は、覚醒度処理方法および覚醒度処理装置に関する。
人をはじめとする生物（動物）の覚醒の度合いを定量的に把握するための研究が行われている。例えば人に関して、その覚醒度を定量的なデータとして把握することは、ヒューマンマシンインタフェース（ＨＭＩ）においてマシン側にとっての重要な要素の一つとなり得る。
特許文献１から３までには、それぞれ、覚醒度を判定するための技術が記載されている。特許文献１および特許文献２に記載された技術では、心拍波形からの情報を基に、覚醒度を判定している。また、特許文献３に記載された技術では、呼吸波形からの情報を基に、覚醒度を判定している。
しかしながら、心拍波形や呼吸波形などといった生理データと覚醒度との関係は、必ずしも単純ではなく、個人差（個体差）も大きい。つまり、ある個人にとっては心拍波形と覚醒度との間の良好な相関が得られるために心拍波形に基づいて覚醒度を精度よく判定することができても、別の個人にとっては必ずしも心拍波形と覚醒度との間に良好な相関が得られるわけではない。また、ある個人にとっては呼吸波形と覚醒度との間の良好な相関が得られるために呼吸波形に基づいて覚醒度を精度よく判定することができても、別の個人にとっては必ずしも呼吸波形と覚醒度との間に良好な相関が得られるわけではない。また、特許文献１，２，３に記載されている技術は、それぞれ、単一の生理データ（心拍波形または呼吸波形）に基づいて覚醒度を判定しようとしているが、単一の生理データのみを用いた覚醒度の判定には、その精度に限界がある。
本発明は、上記の課題認識に基づいて行なわれたものであり、単一の種類の生理データだけに依らず、複数の種類の生理データを複合的に用いるとともに、個人差（個体差）をも考慮して、生理データと覚醒度との関係を精度よく求めることのできる覚醒度処理方法および覚醒度処理装置を提供しようとするものである。また、生理データと覚醒度との関係に基づいて、精度良く覚醒度を求めることのできる、覚醒度処理方法および覚醒度処理装置を提供しようとするものである。
上記の課題を解決するため、請求項１に記載の発明に係る覚醒度処理方法は、生体からの信号に基づいて生理データを取得する生理データ取得過程と、前記生体の覚醒度を取得する覚醒度取得過程と、前記生理データ取得部が取得した前記生理データと前記覚醒度取得部が取得した前記覚醒度とに基づいて回帰分析処理を行うことによって、前記生理データと前記覚醒度との関係を表すモデルの情報を求め、前記モデルの情報をモデル記憶部に書き込む学習過程とを含む。
また、請求項２に記載の発明に係る覚醒度処理方法は、上記の覚醒度処理方法において、前記モデルの情報は、前記生理データを基に前記覚醒度を算出するための関数の情報であることを特徴とする。
また、請求項３に記載の発明に係る覚醒度処理方法は、上記の覚醒度処理方法において、前記生理データは、前記生体の自律神経活動に関するデータであることを特徴とする。
また、請求項４に記載の発明に係る覚醒度処理方法は、上記の覚醒度処理方法において、前記生理データは、心電信号に基づくデータと、脈波信号に基づくデータと、皮膚コンダクタンスに関するデータと、呼吸間隔に関するデータのうちの複数のいずれかを少なくとも含むことを特徴とする。
また、請求項５に記載の発明に係る覚醒度処理方法は、上記の覚醒度処理方法において、前記覚醒度は、脳波信号に含まれるアルファ波の成分のエネルギーと前記脳波信号に含まれる全周波数成分のエネルギーとの比に基づく数値のデータである、ことを特徴とする。ここで、アルファ波は、脳波信号のうちの所定の範囲内の周波数（例えば、８Ｈｚ以上且つ１３Ｈｚ以下）の成分である。
また、請求項６に記載の発明に係る覚醒度処理方法は、上記の覚醒度処理方法において、前記覚醒度は、主観評価による尺度に基づく数値のデータである、ことを特徴とする。ここで、主観評価による尺度とは、例えば、カロリンスカ眠気尺度やスタンフォード眠気尺度などである。
また、請求項７に記載の発明に係る覚醒度処理方法は、上記の覚醒度処理方法において、前記モデル記憶部に書き込まれている前記モデルの情報を読み出すとともに、前記生体からの信号に基づいて生理データを取得し、取得した前記生理データと前記モデルの情報が表す生理データと覚醒度との関係とに基づいて覚醒度を推定する覚醒度推定過程、を含むことを特徴とする。
また、請求項８に記載の発明に係る覚醒度処理装置は、生体からの信号に基づいて生理データを取得する生理データ取得部と、前記生体の覚醒度を取得する覚醒度取得部と、前記生理データと前記覚醒度との関係を表すモデルの情報を記憶するモデル記憶部と、前記生理データ取得部が取得した前記生理データと前記覚醒度取得部が取得した前記覚醒度とに基づいて回帰分析処理を行うことによって前記モデルの情報を求め、前記モデルの情報を前記モデル記憶部に書き込む学習部とを具備することを特徴とする。
本発明の請求項１に係る覚醒度処理方法および本発明の請求項８に係る覚醒度処理装置では、生理データ取得部が、生体（人等）に関して、生理データを取得する。また、覚醒度取得部が、当該生体に関して覚醒度を取得する。学習部は、生理データと覚醒度とを相互に関連付け、回帰分析を行うことにより、生理データと覚醒度との関係を表すモデルを特定する。モデルとは、具体的には、生理データと覚醒度との関係を表すパラメーター値（の集合）である。学習部は上記のモデルの情報をモデル記憶部に書き込む。これにより、当該生体における生理データと覚醒度との関係を、モデル記憶部に記憶させておくことができる。このモデルの情報は、生体に固有のものであり、当該生体に関して生理データと覚醒度との関係を精度よく表す情報として得られる。
また、本発明の請求項２に係る覚醒度処理方法では、モデルの情報は、生理データを基に覚醒度を算出するための関数の情報である。これにより、モデルの情報をモデル記憶部から読み出すことにより、別途取得する生理データから、覚醒度への写像を行うことができる。
また、本発明の請求項３に係る覚醒度処理方法では、取得する生理データは、生体の自律神経活動に関するデータである。これにより、対象とする生体が持つ意思とは関係なく、当該生体自体が置かれている状況や当該生体に与えられる刺激や情報に対応して反応した状況を、データとして利用する。
また、本発明の請求項４に係る覚醒度処理方法では、生理データが、心電信号に基づくデータと、脈波信号に基づくデータと、皮膚コンダクタンスに関するデータと、呼吸間隔に関するデータのいずれかを含むことにより、覚醒度との相関が得られやすい。また、生理データが、ここに列挙するデータのうちの複数のいずれかを少なくとも含むことにより、生理データと覚醒度との関係を精度よく得ることが可能となる。また、生理データが、ここに列挙するデータのうちの複数のいずれかを少なくとも含むことにより、生理データと覚醒度との関係における個体差（人の場合は、個人差）にも対応できるようになる。
また、本発明の請求項５に係る覚醒度処理方法では、覚醒度は、脳波信号に含まれるアルファ波の成分のエネルギーと脳波信号に含まれる全周波数成分のエネルギーとの比に基づく数値データであるため、より客観的な指標としての覚醒度のデータが得られる。
また、本発明の請求項６に係る覚醒度処理方法では、覚醒度は、主観評価による尺度に基づく数値のデータであるため、より簡便な手段で覚醒度のデータを取得することが可能となる。
また、本発明の請求項７に係る覚醒度処理方法では、予めある個体（人の場合は、個人）について記憶しておいたモデルの情報に基づいて、別のタイミングで取得した当該個体の生理データから、そのときの覚醒度を推定することができる。モデルの情報は、個体に特有の情報であるため、生理データに基づいて、個体の覚醒度を精度よく推定することができる。また、脳波を検出するための手段を用いたり、主観評価による尺度を用いたりすることなく、客観的なデータ（生理データ）に基づいて覚醒度の推定を行うことができる。
以下、図面を参照しながら、本発明の実施形態について説明する。
［第１実施形態］
図１は、本発明の第１実施形態に係る覚醒度処理装置の概略機能構成を示したブロック図である。図示するように、覚醒度処理装置１は、覚醒度取得部１１と、生理データ取得部１２と、学習部１４と、モデル記憶部１８とを含んで構成される。これらの各部の機能を、例えば電子回路を用いて実現する。また、後述するようにコンピュータープログラムでこれら各部の機能を実現するようにしてもよい。また、これら各部において情報を記憶するために、例えば、磁気ハードディスク装置や半導体メモリー等を用いる。この構成により、覚醒度処理装置１は、個人に関して覚醒度データと生理データとを取得し、これら覚醒度データおよび生理データに基づく学習処理を行うことにより、当該個人に関する覚醒度データと生理データとの関係を表す関数のモデルを構築する。具体的には、覚醒度処理装置１は、覚醒度データと生理データとに基づく回帰分析を行い、覚醒度データと生理データとの関係を表す関数のモデルのパラメーターを算出し、記憶する。覚醒度処理装置１を構成する各部の機能は、次の通りである。
図１は、本発明の第１実施形態に係る覚醒度処理装置の概略機能構成を示したブロック図である。図示するように、覚醒度処理装置１は、覚醒度取得部１１と、生理データ取得部１２と、学習部１４と、モデル記憶部１８とを含んで構成される。これらの各部の機能を、例えば電子回路を用いて実現する。また、後述するようにコンピュータープログラムでこれら各部の機能を実現するようにしてもよい。また、これら各部において情報を記憶するために、例えば、磁気ハードディスク装置や半導体メモリー等を用いる。この構成により、覚醒度処理装置１は、個人に関して覚醒度データと生理データとを取得し、これら覚醒度データおよび生理データに基づく学習処理を行うことにより、当該個人に関する覚醒度データと生理データとの関係を表す関数のモデルを構築する。具体的には、覚醒度処理装置１は、覚醒度データと生理データとに基づく回帰分析を行い、覚醒度データと生理データとの関係を表す関数のモデルのパラメーターを算出し、記憶する。覚醒度処理装置１を構成する各部の機能は、次の通りである。
覚醒度取得部１１は、対象とする個人の覚醒度のデータを取得する（覚醒度取得過程の処理）。言い換えれば、覚醒度取得部１１は、生体の覚醒度を取得する。本実施形態の覚醒度取得部１１は、具体的には、下の式（１）で表される覚醒度のデータを取得する。
つまり、覚醒度取得部１１は、対象となる個人の脳波を取得し、取得した脳波についてフーリエ変換を行うことによって周波数ごとの成分を求める。α波（アルファ波）は脳波の全成分のうちの８Ｈｚ（ヘルツ）から１３Ｈｚまでの範囲の成分の波である。つまり、覚醒度取得部１１は、脳波をフーリエ変換した結果に基づき、脳波の全周波数成分のエネルギーと、α波の成分のエネルギーとを算出し、式（１）にしたがって覚醒度を算出する。式（１）による覚醒度は、０以上且つ１以下の値を取る。そして、その数値が高いほど（つまり１に近いほど）覚醒されている状態を表し、数値が低いほど（つまり０に近いほど）覚醒されていない状態であることを表す。
なお、別の定義による覚醒度を用いる方法については、後で、変形例として説明する。
なお、別の定義による覚醒度を用いる方法については、後で、変形例として説明する。
生理データ取得部１２は、生体からの信号に基づいて、対象とする個人の各種の生理データを取得する（生理データ取得過程の処理）。本実施形態における生理データ取得部１２は、生理データとして、心電信号に基づくデータと、脈波信号に基づくデータと、皮膚コンダクタンスに関するデータと、呼吸間隔に関するデータのうちの複数のいずれかを少なくとも含む。生理データ取得部１２が取得する生理データの詳細については、後述する。
学習部１４は、生理データ取得部１２が取得した生理データと覚醒度取得部１１が取得した覚醒度とに基づいて回帰分析処理を行うことによって、モデルの情報（後述する）を求め、このモデルの情報をモデル記憶部１８に書き込む（学習過程の処理）。言い換えれば、学習部１４は、覚醒度取得部１１が取得した覚醒度のデータと、生理データ取得部１２が取得した生理データとに基づき、学習処理により、覚醒度データと生理データとの関係を表すモデルを構築する。具体的には、学習部１４は、教師データとして、相互に関連付けられた覚醒度データと生理データのペアを、所定数、入力する。このペアの数は、適宜定めればよいが、例えば、２０以上且つ４０以下とする。例えば、ペアの数を３０程度とする。このとき、ペアの数が小さ過ぎれば精度よく学習を行うことができない。また、ペアの数が大き過ぎれば、学習処理に時間がかかり過ぎる。また、ペアの数が大き過ぎれば、回帰の結果が過剰適合となってしまう可能性もある。覚醒度データをＹとし、生理データをＸとするとき（ただし、Ｘはベクトルである）、両者の間にはＹ＝Ｆ（Ｘ）という関係が成立することを想定することができる。なお、ここでＦは所定の関数である。なお、関数Ｆは、個人ごとに異なる関数である。学習部１４は、上記の教師データに基づき、この関数Ｆがいかなる関数であるかを求める。具体的には、学習部１４は、教師データを用いた回帰分析により関数Ｆを表すパラメーターを求める処理を行い、得られたパラメーターをモデル記憶部１８に書き込む。
なお、具体的な学習処理（回帰分析）の手法の例については、後述する。
なお、具体的な学習処理（回帰分析）の手法の例については、後述する。
モデル記憶部１８は、学習部１４によって求められる関数Ｆを表すパラメーターを記憶するものである。ある個人に関して、生理データと覚醒度との関係を表すモデルの情報を記憶する。モデルの情報とは、具体的にはパラメーター（通常は、複数のパラメーター）の値の集合である。特に、本実施形態において、モデルの情報とは、生理データＸを覚醒度データＹに写像するための関数Ｆ（つまり、Ｙ＝Ｆ（Ｘ））がどういった関数であるかを表すパラメーター値の集合の情報である。
一例として、Ｘがｍ次元ベクトルであり、Ｙがスカラーであるとき、関数Ｆ（Ｘ）を、Ｘ−Ｙ多次元空間内における複数の超曲面の線形和として表す場合、それらの超曲面のそれぞれの重み係数の集合は、ここでモデル記憶部１８が記憶するモデルの情報（の少なくとも一部）である。
一例として、Ｘがｍ次元ベクトルであり、Ｙがスカラーであるとき、関数Ｆ（Ｘ）を、Ｘ−Ｙ多次元空間内における複数の超曲面の線形和として表す場合、それらの超曲面のそれぞれの重み係数の集合は、ここでモデル記憶部１８が記憶するモデルの情報（の少なくとも一部）である。
図２は、第１実施形態による覚醒度処理装置が含む生理データ取得部のさらに詳細な機能構成を示したブロック図である。図示するように、生理データ取得部１２は、心電検出部１０１と、心拍間隔算出部１０２と、ローレンツプロット算出部１０３と、ＣＳＩ算出部１０４と、ＣＶＩ算出部１０５と、皮膚コンダクタンス検出部１１１と、皮膚コンダクタンス反応（ＳＣＲ）検出部１１２と、呼吸検出部１２１と、呼吸間隔（ＲＩ）算出部１２２と、脈波検出部１３１と、脈波頂点算出部１３２とを含んで構成される。生理データ取得部１２は、人の様々な生理データを取得するための測定装置を備えており、それらの測定装置により対象とする個人の生理データを取得する。生理データ取得部１２を構成する各部の具体的な機能は、次の通りである。
心電検出部１０１は、対象とする個人の生体から心電信号を検出する。
心拍間隔算出部１０２は、心電検出部１０１が検出した心電信号に基づいて、心拍間隔の時間を算出する。心拍間隔算出部１０２は、例えば、心拍間隔の時間をミリ秒単位で求める。
ローレンツプロット算出部１０３は、心拍間隔算出部１０２が算出した各心拍の間隔の情報に基づいて、ローレンツプロットを算出する。ローレンツプロットは、自律神経活動の時間領域指標の一つであり、次の方法により求められる。即ち、第ｎ番目（ｎ＝１，２，・・・）の心拍間隔をＲＲＩ（ｎ）としたとき、ＲＲＩ（ｎ）とＲＲＩ（ｎ＋１）との組みの集合がローレンツプロットである。なお、ローレンツプロットを視覚的に表現する場合には、２次元座標平面上において、第１の軸にＲＲＩ（ｎ）の値を、第２の軸にＲＲＩ（ｎ＋１）の値を対応させることによって特定される点を、プロットする。つまり、ローレンツプロットは隣接する心拍間隔の長さの変動の程度を示す指標である。
心拍間隔算出部１０２は、心電検出部１０１が検出した心電信号に基づいて、心拍間隔の時間を算出する。心拍間隔算出部１０２は、例えば、心拍間隔の時間をミリ秒単位で求める。
ローレンツプロット算出部１０３は、心拍間隔算出部１０２が算出した各心拍の間隔の情報に基づいて、ローレンツプロットを算出する。ローレンツプロットは、自律神経活動の時間領域指標の一つであり、次の方法により求められる。即ち、第ｎ番目（ｎ＝１，２，・・・）の心拍間隔をＲＲＩ（ｎ）としたとき、ＲＲＩ（ｎ）とＲＲＩ（ｎ＋１）との組みの集合がローレンツプロットである。なお、ローレンツプロットを視覚的に表現する場合には、２次元座標平面上において、第１の軸にＲＲＩ（ｎ）の値を、第２の軸にＲＲＩ（ｎ＋１）の値を対応させることによって特定される点を、プロットする。つまり、ローレンツプロットは隣接する心拍間隔の長さの変動の程度を示す指標である。
ＣＳＩ算出部１０４は、ローレンツプロット算出部１０３が算出したローレンツプロットに基づいて、ＣＳＩ（交感神経機能指標，cardiac sympathetic index）を算出する。なお、ＣＳＩの算出方法自体は周知事項である。
ＣＶＩ算出部１０５は、ローレンツプロット算出部１０３が算出したローレンツプロットに基づいて、ＣＶＩ（副交感神経機能指標，cardiac vagal index）を算出する。なお、ＣＶＩの算出方法自体は周知事項である。
ＣＶＩ算出部１０５は、ローレンツプロット算出部１０３が算出したローレンツプロットに基づいて、ＣＶＩ（副交感神経機能指標，cardiac vagal index）を算出する。なお、ＣＶＩの算出方法自体は周知事項である。
皮膚コンダクタンス検出部１１１は、対象とする個人の生体の皮膚コンダクタンスを測定する。皮膚コンダクタンスは、例えば発汗の程度に応じて変化し得る値である。
皮膚コンダクタンス反応（ＳＣＲ）検出部１１２は、皮膚コンダクタンス検出部１１１が検出した皮膚コンダクタンスに基づいて、ＳＣＲ（皮膚コンダクタンス反応，skin conductance response）を検出する。ＳＣＲは、与えられた刺激に対する反応の時間に関する指標である。
皮膚コンダクタンス反応（ＳＣＲ）検出部１１２は、皮膚コンダクタンス検出部１１１が検出した皮膚コンダクタンスに基づいて、ＳＣＲ（皮膚コンダクタンス反応，skin conductance response）を検出する。ＳＣＲは、与えられた刺激に対する反応の時間に関する指標である。
呼吸検出部１２１は、対象とする個人の呼吸を検出する。
呼吸間隔（ＲＩ）算出部１２２は、呼吸検出部１２１が検出した呼吸（息の吸い込みと吐き出し）に基づいて、ＲＩ（呼吸間隔，respiration interval）を算出する。
呼吸間隔（ＲＩ）算出部１２２は、呼吸検出部１２１が検出した呼吸（息の吸い込みと吐き出し）に基づいて、ＲＩ（呼吸間隔，respiration interval）を算出する。
脈波検出部１３１は、対象とする個人の脈波を検出する。
脈波頂点算出部１３２は、脈波検出部１３１が検出した脈波の信号に基づいて、脈波頂点の振幅を算出する。
脈波頂点算出部１３２は、脈波検出部１３１が検出した脈波の信号に基づいて、脈波頂点の振幅を算出する。
以上の構成により、生理データ取得部１２は、ＣＳＩと、ＣＶＩと、ＳＣＲと、ＲＩと、脈波頂点の振幅のデータを取得する。なお、生理データ取得部１２が、ここに列挙したデータの一部分のみを取得するようにしてもよい。また、生理データ取得部１２が、ここに挙げていない他の生理データを取得するようにしてもよい。
例えば、生理データ取得部１２が、脈波の周波数成分解析結果を生理データの一部として取得するようにしてもよい。この場合、生理データ取得部１２は、対象とする個人の脈波のフーリエ変換処理を行い、周波数成分ごと（例えば、低周波成分と高周波成分など）のエネルギー量の分布を生理データとして取得したり、所定の周波数帯域の成分のエネルギー量と他の周波数帯域の成分のエネルギー量との比の値を生理データとして取得したりする。
また、例えば、生理データ取得部１２が、散瞳量を生理データの一部として取得するようにしてもよい。この場合、生理データ取得部１２は、対象とする個人の瞳孔の直径を測定し、その直径の値を生理データとして取得したり、平常時の瞳孔の直径に対する測定時の瞳孔の直径の比を生理データとして取得したりする。
また、例えば、生理データ取得部１２が、内分泌量を生理データの一部として取得するようにしてもよい。この場合、生理データ取得部１２は、対象とする個人の内分泌に関するデータ、即ち血液中に分泌されるホルモン等の量に関するデータを生理データとして取得する。
例えば、生理データ取得部１２が、脈波の周波数成分解析結果を生理データの一部として取得するようにしてもよい。この場合、生理データ取得部１２は、対象とする個人の脈波のフーリエ変換処理を行い、周波数成分ごと（例えば、低周波成分と高周波成分など）のエネルギー量の分布を生理データとして取得したり、所定の周波数帯域の成分のエネルギー量と他の周波数帯域の成分のエネルギー量との比の値を生理データとして取得したりする。
また、例えば、生理データ取得部１２が、散瞳量を生理データの一部として取得するようにしてもよい。この場合、生理データ取得部１２は、対象とする個人の瞳孔の直径を測定し、その直径の値を生理データとして取得したり、平常時の瞳孔の直径に対する測定時の瞳孔の直径の比を生理データとして取得したりする。
また、例えば、生理データ取得部１２が、内分泌量を生理データの一部として取得するようにしてもよい。この場合、生理データ取得部１２は、対象とする個人の内分泌に関するデータ、即ち血液中に分泌されるホルモン等の量に関するデータを生理データとして取得する。
次に、覚醒度取得部１１および生理データ取得部１２が取得したデータの構成について説明する。
図３は、第１実施形態による覚醒度処理装置が取得する覚醒度データと生理データのデータ構成、および覚醒度データと生理データとの対応関係を示す概略図である。図示するデータは、特定の個人から取得したデータであり、その個人の生理データから覚醒度データへの写像を表している。図示するように、覚醒度データと生理データとはそれぞれｎ個（ｎ行）ずつ存在する。覚醒度データと生理データの各行には、指標値（１，２，・・・，ｎ）が付与されている。同一の指標値を有する覚醒度データと生理データとは、ペアを成している。つまり、指標値がｉである（１≦ｉ≦ｎ）覚醒度データＹｉと、指標値がｉである生理データＸｉ１，Ｘｉ２，・・・，Ｘｉｍとはペアを成している。ペアを成している覚醒度データおよび生理データは、同じタイミングで取得されたデータである。つまり、ペアを成している覚醒度データと生理データは、同時に、または充分に小さい所定の時間差内に取得されたデータである。１個（１行）の生理データは、ｍ個の要素を含んでいる。つまり、第ｉ行（１≦ｉ≦ｎ）の生理データは、Ｘｉ１，Ｘｉ２，・・・，Ｘｉｍのｍ個の要素を含んでいる。第ｉ行の生理データをベクトルとして表すと、Ｘｉ＝（Ｘｉ１，Ｘｉ２，・・・，Ｘｉｍ）である。
なお、覚醒度処理装置１が取得する覚醒度データおよび生理データに関して、ｎの値（ペアの数）は、学習部１４が行う学習処理のために十分に大きな値となるようにする。また、精度の良い学習処理を学習部１４が行えるように、覚醒度処理装置１が取得する生理データＸ１，Ｘ２，・・・，Ｘｎは、できるだけ多様な値であることが望ましい。
図３は、第１実施形態による覚醒度処理装置が取得する覚醒度データと生理データのデータ構成、および覚醒度データと生理データとの対応関係を示す概略図である。図示するデータは、特定の個人から取得したデータであり、その個人の生理データから覚醒度データへの写像を表している。図示するように、覚醒度データと生理データとはそれぞれｎ個（ｎ行）ずつ存在する。覚醒度データと生理データの各行には、指標値（１，２，・・・，ｎ）が付与されている。同一の指標値を有する覚醒度データと生理データとは、ペアを成している。つまり、指標値がｉである（１≦ｉ≦ｎ）覚醒度データＹｉと、指標値がｉである生理データＸｉ１，Ｘｉ２，・・・，Ｘｉｍとはペアを成している。ペアを成している覚醒度データおよび生理データは、同じタイミングで取得されたデータである。つまり、ペアを成している覚醒度データと生理データは、同時に、または充分に小さい所定の時間差内に取得されたデータである。１個（１行）の生理データは、ｍ個の要素を含んでいる。つまり、第ｉ行（１≦ｉ≦ｎ）の生理データは、Ｘｉ１，Ｘｉ２，・・・，Ｘｉｍのｍ個の要素を含んでいる。第ｉ行の生理データをベクトルとして表すと、Ｘｉ＝（Ｘｉ１，Ｘｉ２，・・・，Ｘｉｍ）である。
なお、覚醒度処理装置１が取得する覚醒度データおよび生理データに関して、ｎの値（ペアの数）は、学習部１４が行う学習処理のために十分に大きな値となるようにする。また、精度の良い学習処理を学習部１４が行えるように、覚醒度処理装置１が取得する生理データＸ１，Ｘ２，・・・，Ｘｎは、できるだけ多様な値であることが望ましい。
次に、覚醒度処理装置１による処理の手順について説明する。
図４は、第１実施形態による覚醒度処理装置が覚醒度データと生理データの関係を表すモデルを確立するための処理の手順（覚醒度処理方法）を示すフローチャートである。以下、このフローチャートに沿って処理手順を説明する。
まずステップＳ１１において、覚醒度取得部１１は、１件の覚醒度データを取得する。
次にステップＳ１２において、生理データ取得部１２は、ステップＳ１１で取得した覚醒度データに対応する１セットの生理データを取得する。第ｉ番目の生理データは、ベクトルＸｉにあたるものである。
図４は、第１実施形態による覚醒度処理装置が覚醒度データと生理データの関係を表すモデルを確立するための処理の手順（覚醒度処理方法）を示すフローチャートである。以下、このフローチャートに沿って処理手順を説明する。
まずステップＳ１１において、覚醒度取得部１１は、１件の覚醒度データを取得する。
次にステップＳ１２において、生理データ取得部１２は、ステップＳ１１で取得した覚醒度データに対応する１セットの生理データを取得する。第ｉ番目の生理データは、ベクトルＸｉにあたるものである。
次にステップＳ１３において、覚醒度処理装置１は、覚醒度データおよび生理データの取得を終了するか否かを判断する。本ステップでのこの判断は、例えば、覚醒度データおよび生理データのペアが、充分な個数分（例えば、予め設定しておいた個数）得られたか否かに基づいて行う。あるいは、本ステップでのこの判断は、例えば、既に取得済みの複数回分の覚醒度データの値が、適度に分散しているか否か（似たような覚醒度の値のデータばかりではないか）に基づいて行う。ここで、覚醒度データの値が適度に分散しているか否かの判断は、例えば、既に取得済みの覚醒度データの平均値と分散値を計算し、その分散値が所定の閾値以上であるか否かに基づいて行う。あるいは、本ステップでのこの判断は、例えば、装置のユーザーによる操作に基づいて行うようにする。
データの取得を終了する場合（ステップＳ１３：ＹＥＳ）には次のステップＳ１４に進む。データの取得を終了しない場合（ステップＳ１３：ＮＯ）には、当該個人の次の覚醒度データおよび生理データを取得するために、ステップＳ１１に戻る。
データの取得を終了する場合（ステップＳ１３：ＹＥＳ）には次のステップＳ１４に進む。データの取得を終了しない場合（ステップＳ１３：ＮＯ）には、当該個人の次の覚醒度データおよび生理データを取得するために、ステップＳ１１に戻る。
次にステップＳ１４に進んだ場合、同ステップにおいて、学習部１４は、個人マップデータを作成する。つまり、学習部１４は、ステップＳ１１からＳ１３までのループで取得した覚醒度データ（Ｙｉ）および生理データ（Ｘｉ）を基に、ＸｉからＹｉへの写像の集合（１≦ｉ≦ｎ）のデータを作成する。この個人マップデータの構成は、図３で既に説明した通りである。
次にステップＳ１５において、学習部１４は、ステップＳ１４で作成した個人マップデータを教師データとして用いて、回帰分析を行い、当該個人用のモデルを確立させる。この処理は、つまり、個人マップデータに基づいて回帰分析を行い、関数を求めるものである。ここで求められる関数Ｆは、生理データ（Ｘ）を覚醒度データ（Ｙ）に写像する関数である。つまり、Ｙ＝Ｆ（Ｘ）の関係が成り立つ。そして、学習部１４は、求められた関数Ｆを表すモデル（具体的には、パラメーター値の集合）を、モデル記憶部１８に書き込む。
なお、ステップＳ１５における回帰分析の具体的手法としては、例えば、サポートベクトル回帰（support vector regression，ＳＶＲ）を用いる。サポートベクトル回帰自体は、知られた処理であり、コンピュータープログラムのライブラリーとしても提供されている。また、ステップＳ１５で用いることのできる回帰分析の手法は、サポートベクトル回帰に限られず、他の手法によって関数Ｆを求めるようにしてもよい。
図５は、第１実施形態による覚醒度処理装置が覚醒度のデータを取得するための処理（覚醒度処理方法）の手順を示すフローチャートである。この図５は、図４におけるステップＳ１１の処理をさらに詳細化して示したものである。以下、このフローチャートに沿って処理手順を説明する。
まずステップＳ２１において、覚醒度取得部１１は、脳波信号を取得する。
次にステップＳ２２において、覚醒度取得部１１は、ステップＳ２１で取得した脳波信号をフーリエ変換することによって、周波数帯域ごとの成分を解析する。
次にステップＳ２３において、覚醒度取得部１１は、ステップＳ２２におけるフーリエ変換の結果に基づいて、α波の成分を抽出する。なお、α波の成分は、８Ｈｚ以上且つ１３Ｈｚ以下の成分である。
次にステップＳ２４において、覚醒度取得部１１は、覚醒度の値を算出する。覚醒度の値は、前に式（１）で示した通りである。つまり、覚醒度取得部１１は、α波の成分のエネルギーと、脳波の全成分のエネルギーとを算出し、そして式（１）に基づき覚醒度の値を計算する。
覚醒度取得部１１がある時点における覚醒度を求めるための処理は、以上の通りである。
まずステップＳ２１において、覚醒度取得部１１は、脳波信号を取得する。
次にステップＳ２２において、覚醒度取得部１１は、ステップＳ２１で取得した脳波信号をフーリエ変換することによって、周波数帯域ごとの成分を解析する。
次にステップＳ２３において、覚醒度取得部１１は、ステップＳ２２におけるフーリエ変換の結果に基づいて、α波の成分を抽出する。なお、α波の成分は、８Ｈｚ以上且つ１３Ｈｚ以下の成分である。
次にステップＳ２４において、覚醒度取得部１１は、覚醒度の値を算出する。覚醒度の値は、前に式（１）で示した通りである。つまり、覚醒度取得部１１は、α波の成分のエネルギーと、脳波の全成分のエネルギーとを算出し、そして式（１）に基づき覚醒度の値を計算する。
覚醒度取得部１１がある時点における覚醒度を求めるための処理は、以上の通りである。
以上、説明したように、本実施形態によれば、個人ごとに生理データと覚醒度データとをペアとして相互に関連付ける形で、複数回取得する。そして、それらの生理データと覚醒度データとを教師データとして、回帰分析処理により、生理データと覚醒度データとの関係を表すモデルを算出する。得られたこのモデルは、当該個人に特有のものであり、例えば生理データのみから覚醒度データを精度よく推定するために用いることができる情報である。
［第２実施形態］
次に第２実施形態について説明する。なお、以下では、本実施形態に特有の事項を中心に説明し、前実施形態において既に述べた事項については説明を省略する場合がある。
図６は、本発明の第２実施形態に係る覚醒度処理装置の概略機能構成を示したブロック図である。図示するように、覚醒度処理装置２は、覚醒度取得部１１と、生理データ取得部１２と、学習部１４と、モデル記憶部１８と、覚醒度推定部２１と、推定結果出力部２２とを含んで構成される。つまり、本実施形態による覚醒度処理装置２は、第１実施形態における覚醒度処理装置１の構成に加えて、覚醒度推定部２１と、推定結果出力部２２とを含んでいる。これらの各部の機能を、第１実施形態と同様に、例えば電子回路を用いて実現する。また、後述するようにコンピュータープログラムでこれら各部の機能を実現するようにしてもよい。
覚醒度処理装置２は、学習モードで機能する場合と、推定モードで機能する場合とがある。覚醒度処理装置２は、ユーザーの操作等によって、適宜、これらのモードの切り替えを行う。
次に第２実施形態について説明する。なお、以下では、本実施形態に特有の事項を中心に説明し、前実施形態において既に述べた事項については説明を省略する場合がある。
図６は、本発明の第２実施形態に係る覚醒度処理装置の概略機能構成を示したブロック図である。図示するように、覚醒度処理装置２は、覚醒度取得部１１と、生理データ取得部１２と、学習部１４と、モデル記憶部１８と、覚醒度推定部２１と、推定結果出力部２２とを含んで構成される。つまり、本実施形態による覚醒度処理装置２は、第１実施形態における覚醒度処理装置１の構成に加えて、覚醒度推定部２１と、推定結果出力部２２とを含んでいる。これらの各部の機能を、第１実施形態と同様に、例えば電子回路を用いて実現する。また、後述するようにコンピュータープログラムでこれら各部の機能を実現するようにしてもよい。
覚醒度処理装置２は、学習モードで機能する場合と、推定モードで機能する場合とがある。覚醒度処理装置２は、ユーザーの操作等によって、適宜、これらのモードの切り替えを行う。
なお、覚醒度取得部１１と生理データ取得部１２と学習部１４とモデル記憶部１８の各々の機能は、第１実施形態における各部の機能と同様のものである。そして、学習モードで機能する場合の処理は、第１実施形態で既に説明した処理の内容と同様のものである。
生理データ取得部１２は、学習モードで機能する状況においては、取得した生理データを学習部１４に渡す。それに対して、生理データ取得部１２は、推定モードで機能する状況においては、取得した生理データを覚醒度推定部２１に渡す。
また、本実施形態に特有の各部の機能は、次に説明する通りである。
生理データ取得部１２は、学習モードで機能する状況においては、取得した生理データを学習部１４に渡す。それに対して、生理データ取得部１２は、推定モードで機能する状況においては、取得した生理データを覚醒度推定部２１に渡す。
また、本実施形態に特有の各部の機能は、次に説明する通りである。
覚醒度推定部２１と推定結果出力部２２とは、推定モードのみに用いられる機能である。また、推定モードで機能する場合には、学習部１４による学習処理が既に済んでいて、モデル記憶部１８が学習結果であるパラメーターの情報を記憶していることを前提とする。
覚醒度推定部２１は、モデル記憶部１８から読み出したパラメーターの値と、生理データ取得部１２が取得した生理データとに基づいて、覚醒度を算出し、その覚醒度の値を推定結果出力部２２に渡す（覚醒度推定過程の処理）。具体的には、覚醒度推定部２１は、モデル記憶部１８から読み出したパラメーターの値によって決まる関数Ｆと、生理データ取得部１２が取得した生理データＸとに基づいて、覚醒度の推定値であるＹ＝Ｆ（Ｘ）を算出する。
推定結果出力部２２は、覚醒度推定部２１によって算出された覚醒度の値を、推定結果として外部に出力する。
覚醒度推定部２１は、モデル記憶部１８から読み出したパラメーターの値と、生理データ取得部１２が取得した生理データとに基づいて、覚醒度を算出し、その覚醒度の値を推定結果出力部２２に渡す（覚醒度推定過程の処理）。具体的には、覚醒度推定部２１は、モデル記憶部１８から読み出したパラメーターの値によって決まる関数Ｆと、生理データ取得部１２が取得した生理データＸとに基づいて、覚醒度の推定値であるＹ＝Ｆ（Ｘ）を算出する。
推定結果出力部２２は、覚醒度推定部２１によって算出された覚醒度の値を、推定結果として外部に出力する。
次に、推定モードにおける覚醒度処理装置２の処理の手順について説明する。
図７は、第２実施形態による覚醒度処理装置が、生理データに基づいて覚醒度を推定するための処理の手順を示すフローチャートである。以下、このフローチャートに沿って処理手順を説明する。
図７は、第２実施形態による覚醒度処理装置が、生理データに基づいて覚醒度を推定するための処理の手順を示すフローチャートである。以下、このフローチャートに沿って処理手順を説明する。
まずステップＳ３１において、生理データ取得部１２が生理データ（Ｘ）を取得する。ここで生理データ取得部１２が取得する生理データは、図４（第１実施形態）のステップＳ１２で取得する生理データと同様のものである。
次にステップＳ３２において、覚醒度推定部２１は、モデル記憶部１８からモデルの情報を読み出す。つまり、覚醒度推定部２１は、本ステップにおいて、モデル記憶部１８から読み出すパラメーターの情報により、生理データＸを入力とする関数Ｆを特定する。
次にステップＳ３３において、覚醒度推定部２１は、ステップＳ３１で取得した生理データＸに、ステップＳ３２で特定した関数Ｆを適用し、即ちＦ（Ｘ）の計算を行い、覚醒度の推定値Ｙを算出する。
次にステップＳ３４において、推定結果出力部２２は、ステップＳ３３において算出した覚醒度の推定値Ｙを外部に出力する。
このフローチャートに示した処理により、生理データを基に、個人の特性を織り込み済みの関数Ｆを用いて、その生理データを取得した時点での覚醒度を推定することができる。
次にステップＳ３２において、覚醒度推定部２１は、モデル記憶部１８からモデルの情報を読み出す。つまり、覚醒度推定部２１は、本ステップにおいて、モデル記憶部１８から読み出すパラメーターの情報により、生理データＸを入力とする関数Ｆを特定する。
次にステップＳ３３において、覚醒度推定部２１は、ステップＳ３１で取得した生理データＸに、ステップＳ３２で特定した関数Ｆを適用し、即ちＦ（Ｘ）の計算を行い、覚醒度の推定値Ｙを算出する。
次にステップＳ３４において、推定結果出力部２２は、ステップＳ３３において算出した覚醒度の推定値Ｙを外部に出力する。
このフローチャートに示した処理により、生理データを基に、個人の特性を織り込み済みの関数Ｆを用いて、その生理データを取得した時点での覚醒度を推定することができる。
［変形例］
次に、第１実施形態および第２実施形態に関する変形例を説明する。
第１実施形態および第２実施形態では、覚醒度として、式（１）によって計算する値を用いていた。覚醒度は上記実施形態で用いたものに限定されるものではなく、異なる態様の覚醒度を用いるようにしてもよい。ここで説明する変形例では、主観評価による覚醒度を用いる。例えば、主観評価による尺度として、カロリンスカ眠気尺度（Karolinska sleepiness scale，ＫＳＳ）や、スタンフォード眠気尺度（Stanford sleepiness scale，ＳＳＳ）などといった尺度を用いることができる。なお、カロリンスカ眠気尺度やスタンフォード眠気尺度自体は、既に知られている尺度である。
次に、第１実施形態および第２実施形態に関する変形例を説明する。
第１実施形態および第２実施形態では、覚醒度として、式（１）によって計算する値を用いていた。覚醒度は上記実施形態で用いたものに限定されるものではなく、異なる態様の覚醒度を用いるようにしてもよい。ここで説明する変形例では、主観評価による覚醒度を用いる。例えば、主観評価による尺度として、カロリンスカ眠気尺度（Karolinska sleepiness scale，ＫＳＳ）や、スタンフォード眠気尺度（Stanford sleepiness scale，ＳＳＳ）などといった尺度を用いることができる。なお、カロリンスカ眠気尺度やスタンフォード眠気尺度自体は、既に知られている尺度である。
上記のカロリンスカ眠気尺度は、１から９までの９段階の数値で眠気を表すものである。カロリンスカ眠気尺度を取得するために、覚醒度取得部１１は、「あなたの眠気の状態を最もよく表した数字を選択してください」という設問を対象者に対して提示する。また、覚醒度取得部１１は、選択肢「１：非常にはっきり目覚めている」，「３：目覚めている」，「５：どちらでもない」，「７：眠い」，「９：とても眠い（眠気と戦っている）」を対象者に対して提示する。この提示を受けた対象者は、１から９までの数値のいずれかを選択することができる。なお、数値として、２は１と３の間の状態を表し、４は３と５の間の状態を表し、６は５と７の間の状態を表し、８は７と９の間の状態を表す。覚醒度取得部１１は、対象者が選択した数値を、眠気尺度として取得する。覚醒度取得部１１が取得するカロリンスカ眠気尺度の値を以下においてＫＳＳ値と呼ぶ。
あるいは上記のスタンフォード眠気尺度を用いることもできる。スタンフォード眠気尺度は、１から７までの７段階の数値で眠気を表すものである。スタンフォード眠気尺度を取得するために、覚醒度取得部１１は、「現在のあなたの眠気について、最も近いものを一つ選んでください」という設問を対象者に対して提示する。また、覚醒度取得部１１は、選択肢「１：やる気があり、活発で、頭がさえていて、眠くない感じ」，「２：最高とはいえないまでも、頭の働きが活発、集中していられる」，「３：くつろいで起きている、しかしどちらかというと少し頭がぼんやりし反応が悪い」，「４：すこしぼんやりしていて、何かしたいと思わない」，「５：ぼんやりしている、集中していられない、起きているのが困難」，「６：眠いので横になりたい、ぼおっとしている」，「７：まどろんでいる、起きていられない、すぐにねむってしまいそうだ」を対象者に対して提示する。この提示を受けた対象者は、１から７までの数値のいずれかを選択することができる。覚醒度取得部１１は、対象者が選択した数値を、眠気尺度として取得する。覚醒度取得部１１が取得するスタンフォード眠気尺度の値を以下においてＳＳＳ値と呼ぶ。
あるいは上記のスタンフォード眠気尺度を用いることもできる。スタンフォード眠気尺度は、１から７までの７段階の数値で眠気を表すものである。スタンフォード眠気尺度を取得するために、覚醒度取得部１１は、「現在のあなたの眠気について、最も近いものを一つ選んでください」という設問を対象者に対して提示する。また、覚醒度取得部１１は、選択肢「１：やる気があり、活発で、頭がさえていて、眠くない感じ」，「２：最高とはいえないまでも、頭の働きが活発、集中していられる」，「３：くつろいで起きている、しかしどちらかというと少し頭がぼんやりし反応が悪い」，「４：すこしぼんやりしていて、何かしたいと思わない」，「５：ぼんやりしている、集中していられない、起きているのが困難」，「６：眠いので横になりたい、ぼおっとしている」，「７：まどろんでいる、起きていられない、すぐにねむってしまいそうだ」を対象者に対して提示する。この提示を受けた対象者は、１から７までの数値のいずれかを選択することができる。覚醒度取得部１１は、対象者が選択した数値を、眠気尺度として取得する。覚醒度取得部１１が取得するスタンフォード眠気尺度の値を以下においてＳＳＳ値と呼ぶ。
覚醒度取得部１１は、ＫＳＳ値あるいはＳＳＳ値を取得すると、これを覚醒度の値に変換する。ＫＳＳ値を用いる場合には、覚醒度取得部１１は、式（２）によって覚醒度を算出する。また、ＳＳＳ値を用いる場合には、覚醒度取得部１１は、式（３）によって覚醒度を算出する。
式（２）または式（３）によって覚醒度取得部１１が計算する覚醒度の値は、０以上且つ１以下となる。なお、覚醒度の値を０以上且つ１以下になるようにして、覚醒度が１のときに最も覚醒されている状態であって、覚醒度が０のときに最も覚醒されていない（つまり眠気を感じている）状態とするためには、上の式（２）や式（３）によって覚醒度を計算すればよい。ただし、ＫＳＳ値あるいはＳＳＳ値に基づいて他の計算方法によって覚醒度を算出するようにしてもよい。また、ＫＳＳ値あるいはＳＳＳ値をそのまま覚醒度の値として用いてもよい（ただし、その場合は、値が小さいほど覚醒された状態を表す）。
本変形例では、学習過程において、上記の主観評価によって取得される覚醒度を用いる。そして、そのような学習処理によって、学習部１４は回帰分析により関数Ｆを求める。この学習処理によって求められた関数Ｆを用いて、推定モードにおける覚醒度推定部２１は、覚醒度を推定することができる。
なお、さらにカロリンスカ眠気尺度やスタンフォード眠気尺度以外の尺度を用いて覚醒度を取得するようにしてもよい。
［さらなる変形例］
上記の実施形態では、覚醒度を処理する対象が人である場合を述べた。しかし、対象は人に限定されるものではなく、人以外の生物（動物）の覚醒度を処理するようにしてもよい。
また、生理データとして、実施形態において例示したもの以外のデータを用いるようにしてもよい。
上記の実施形態では、覚醒度を処理する対象が人である場合を述べた。しかし、対象は人に限定されるものではなく、人以外の生物（動物）の覚醒度を処理するようにしてもよい。
また、生理データとして、実施形態において例示したもの以外のデータを用いるようにしてもよい。
なお、上述した各実施形態および変形例における覚醒度処理装置の機能をコンピューターで実現するようにしても良い。その場合、機能を実現するためのプログラムをコンピューター読み取り可能な記録媒体に記録して、この記録媒体に記録されたプログラムをコンピューターシステムに読み込ませ、実行することによって実現しても良い。なお、ここでいう「コンピューターシステム」とは、ＯＳや周辺機器等のハードウェアを含むものとする。また、「コンピューター読み取り可能な記録媒体」とは、フレキシブルディスク、光磁気ディスク、ＲＯＭ、ＣＤ−ＲＯＭ等の可搬媒体、コンピューターシステムに内蔵されるハードディスク等の記憶装置のことをいう。さらに「コンピューター読み取り可能な記録媒体」とは、インターネット等のネットワークや電話回線等の通信回線を介してプログラムを送信する場合の通信線のように、短時間の間、動的にプログラムを保持するもの、その場合のサーバーやクライアントとなるコンピューターシステム内部の揮発性メモリーのように、一定時間プログラムを保持しているものも含んでも良い。また上記プログラムは、前述した機能の一部を実現するためのものであっても良く、さらに前述した機能をコンピューターシステムにすでに記録されているプログラムとの組み合わせで実現できるものであっても良い。
以上、この発明の実施形態について図面を参照して詳述してきたが、具体的な構成はこの実施形態に限られるものではなく、この発明の要旨を逸脱しない範囲の設計等も含まれる。
［実施例］
次に、一つの実施例について説明する。
本実施例では、生理データとして、心拍（「ＨＲ」で表す）と、呼吸頻度（「ｒｅｓｐ」で表す）の２つを用いる。つまり、図３に示した生理データにおいて、ｍ＝２である。そして、この生理データ中の第１列（Ｘ１１，Ｘ２１，・・・）がＨＲの数値にあたる。また、生理データ中の第２列（Ｘ１２，Ｘ２２，・・・）がｒｅｓｐの数値にあたる。
次に、一つの実施例について説明する。
本実施例では、生理データとして、心拍（「ＨＲ」で表す）と、呼吸頻度（「ｒｅｓｐ」で表す）の２つを用いる。つまり、図３に示した生理データにおいて、ｍ＝２である。そして、この生理データ中の第１列（Ｘ１１，Ｘ２１，・・・）がＨＲの数値にあたる。また、生理データ中の第２列（Ｘ１２，Ｘ２２，・・・）がｒｅｓｐの数値にあたる。
表１は、一人の特定の被験者に関して取得した、覚醒度と、生理データとの関係を表す表である。ここで、心拍は、単位時間当たりの心拍回数の数値であり、単位は「回数／ｍｉｎ」（回数毎秒）である。また、呼吸頻度は、単位時間当たりの呼吸の回数の数値であり、単位は「回数／ｍｉｎ」（回数毎秒）である。また、覚醒度（arousal）は、０以上且つ１以下の実数で表される。なお、この表において、覚醒度の有効数字は小数点第６位まで、心拍の有効数字は小数点第５位まで、呼吸の有効数字は小数点第５位までとして、それぞれ扱っている。また、この表は、当該被験者の様々な状況における２０件のデータを含んでいる。
学習部１４は、表１に示したデータに基づいて学習処理を行う。言い換えれば、学習部１４は、表１に示したデータに関する回帰分析を行う。具体的には、学習部１４は、ＨＲとｒｅｓｐに関する一次式で、回帰分析を行う。即ち、学習部１４は、ａｒｏｕｓａｌ＝α・ＨＲ＋β・ｒｅｓｐ という一次式における重み係数αおよびβを求める。
表１のデータに基づいて学習部１４が回帰分析を行った結果、α＝０．０５７９７、β＝−０．２１７７２ という値が得られる。即ち、表１のデータは、下の式（４）の一次式に回帰される。
図８は、表１に示したデータを３次元空間内に表したグラフである。図示するグラフの３つの軸は、覚醒度（ａｒｏｕｓａｌ）と、心拍（ＨＲ）と、呼吸頻度（ｒｅｓｐ，ｒｅｓｐｉｒａｔｉｏｎ）である。図示するグラフにおいて、覚醒度の値の範囲は、０．０以上且つ１．０以下である。また、心拍（ＨＲ）の値の範囲は、５７以上且つ６４以下である。また、呼吸頻度（ｒｅｐｓｉｒａｔｉｏｎ）の値の版には、１３．５以上且つ１６．０以下である。この３次元空間内に示した黒丸の印が、表１の各行のデータに対応する点の位置を示す。また、表１に含まれる２０行のデータに基づいて回帰分析した結果が、グラフ内に示す傾いた平面である。言い換えれば、表１に含まれる各行のデータが表す位置が、この平面の近傍になるように、重み係数が求められている。この平面を表す式は、上で述べた式（４）である。
なお、様々な種類の生理データのうちのどの生理データが覚醒度に大きく影響するかというのは、被験者それぞれによって異なる。言い換えれば、覚醒度を求める数式（複数種類の生理データを重み付け加算するための積和形の数式）において、どの生理データの重み係数が大きくなるかというのは、被験者それぞれによって異なる。実施形態で説明した覚醒度処理装置は、そういった被験者ごとの特徴（どの生理データが覚醒度に大きく影響するか）にも対応し、汎用的な方法で回帰分析を行い、生理データの種類ごとの重み係数を求める。一方で、被験者個人の特性に応じて、多種の生理データのうち相対的に覚醒度に大きく影響する特定の数種類のみを予め選択するようにしてもよい。ここで説明する実施例では、そのように多種の生理データのうち、当該被験者に合った２種類の生理データ（心拍と呼吸頻度）を選択している。そして、覚醒度処理装置が、回帰分析により、覚醒度を推定するための計算式（式（４））を求めている。
学習部１４が上記の回帰分析処理を行った後、覚醒度処理装置２の覚醒度推定部２１は、新たに取得する生理データと、学習部１４による回帰分析結果（回帰式のパラメーターで表されるモデル）とに基づいて、覚醒度を推定することができる。一例として、回帰分析処理によって式（４）が既に得られている場合、且つ当該被験者から取得した心拍（ＨＲ）が５８．６９［回／ｍｉｎ］、また呼吸頻度（ｒｅｓｐ）が１３．４５［回／ｍｉｎ］の場合、覚醒度推定部２１は次のように覚醒度を推定する。即ち、ＨＲ＝５８．６９、ｒｅｓｐ＝１３．４５の値を、式（４）内の変数それぞれに代入する。その結果、得られる覚醒度は、０．８６である（小数点第３位を四捨五入）。
１，２ 覚醒度処理装置
１１ 覚醒度取得部
１２ 生理データ取得部
１４ 学習部
１８ モデル記憶部
２１ 覚醒度推定部
２２ 推定結果出力部
１０１ 心電検出部
１０２ 心拍間隔算出部
１０３ ローレンツプロット算出部
１０４ ＣＳＩ算出部
１０５ ＣＶＩ算出部
１１１ 皮膚コンダクタンス検出部
１１２ 皮膚コンダクタンス反応（ＳＣＲ）検出部
１２１ 呼吸検出部
１２２ 呼吸間隔（ＲＩ）算出部
１３１ 脈波検出部
１３２ 脈波頂点算出部
１１ 覚醒度取得部
１２ 生理データ取得部
１４ 学習部
１８ モデル記憶部
２１ 覚醒度推定部
２２ 推定結果出力部
１０１ 心電検出部
１０２ 心拍間隔算出部
１０３ ローレンツプロット算出部
１０４ ＣＳＩ算出部
１０５ ＣＶＩ算出部
１１１ 皮膚コンダクタンス検出部
１１２ 皮膚コンダクタンス反応（ＳＣＲ）検出部
１２１ 呼吸検出部
１２２ 呼吸間隔（ＲＩ）算出部
１３１ 脈波検出部
１３２ 脈波頂点算出部
Claims (4)
- 生体からの信号に基づいて生理データを取得する生理データ取得過程と、
前記生体の覚醒度を取得する覚醒度取得過程と、
前記生理データ取得過程で取得した前記生理データと前記覚醒度取得過程で取得した前記覚醒度とに基づいて回帰分析処理を行うことによって、前記生理データと前記覚醒度との関係を表すモデルの情報を求め、前記モデルの情報をモデル記憶部に書き込む学習過程と、
を含み、
取得される前記生理データは、前記生体の自律神経活動に関するデータであり、心電信号に基づくデータと、脈波信号に基づくデータと、皮膚コンダクタンスに関するデータと、呼吸間隔に関するデータのうちの複数のいずれかを少なくとも含むものであり、
前記覚醒度取得過程においては、脳波の周波数ごとの成分を求め、脳波の全周波数成分のエネルギーとα波の成分のエネルギーとを算出し、前記α波の成分のエネルギーを前記脳波の全周波数成分のエネルギーで除した値を１から減ずることによって前記覚醒度を取得する、
覚醒度処理方法。 - 前記モデルの情報は、前記生理データを基に前記覚醒度を算出するための関数の情報である、
ことを特徴とする請求項１に記載の覚醒度処理方法。 - 前記モデル記憶部に書き込まれている前記モデルの情報を読み出すとともに、前記生体からの信号に基づいて生理データを取得し、取得した前記生理データと前記モデルの情報が表す生理データと覚醒度との関係とに基づいて覚醒度を推定する覚醒度推定過程、
を含むことを特徴とする請求項１または２に記載の覚醒度処理方法。 - 生体からの信号に基づいて生理データを取得する生理データ取得部と、
前記生体の覚醒度を取得する覚醒度取得部と、
前記生理データと前記覚醒度との関係を表すモデルの情報を記憶するモデル記憶部と、
前記生理データ取得部が取得した前記生理データと前記覚醒度取得部が取得した前記覚醒度とに基づいて回帰分析処理を行うことによって前記モデルの情報を求め、前記モデルの情報を前記モデル記憶部に書き込む学習部と、
を具備し、
取得される前記生理データは、前記生体の自律神経活動に関するデータであり、心電信号に基づくデータと、脈波信号に基づくデータと、皮膚コンダクタンスに関するデータと、呼吸間隔に関するデータのうちの複数のいずれかを少なくとも含むものであり、
前記覚醒度取得部は、脳波の周波数ごとの成分を求め、脳波の全周波数成分のエネルギーとα波の成分のエネルギーとを算出し、前記α波の成分のエネルギーを前記脳波の全周波数成分のエネルギーで除した値を１から減ずることによって前記覚醒度を取得する、
ことを特徴とする覚醒度処理装置。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP2016228131A JP6785136B2 (ja) | 2016-11-24 | 2016-11-24 | 覚醒度処理方法および覚醒度処理装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP2016228131A JP6785136B2 (ja) | 2016-11-24 | 2016-11-24 | 覚醒度処理方法および覚醒度処理装置 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| JP2018082931A JP2018082931A (ja) | 2018-05-31 |
| JP6785136B2 true JP6785136B2 (ja) | 2020-11-18 |
Family
ID=62237324
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| JP2016228131A Active JP6785136B2 (ja) | 2016-11-24 | 2016-11-24 | 覚醒度処理方法および覚醒度処理装置 |
Country Status (1)
| Country | Link |
|---|---|
| JP (1) | JP6785136B2 (ja) |
Families Citing this family (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP7252542B2 (ja) * | 2019-05-21 | 2023-04-05 | 本田技研工業株式会社 | 覚醒状態推定装置及び覚醒状態推定方法 |
| WO2022124515A1 (ko) * | 2020-12-07 | 2022-06-16 | 주식회사 오토웰즈 | 비접촉 방식의 뇌파신호 측정을 통한 운전자 모니터링 및 차량 안전 제어 장치 및 방법 |
| WO2022176221A1 (ja) * | 2021-02-16 | 2022-08-25 | ヘルスセンシング株式会社 | 信号処理装置、信号処理システムおよび信号処理プログラム |
| EP4176801A4 (en) * | 2021-02-16 | 2023-11-01 | Health Sensing Co., Ltd. | SIGNAL PROCESSING APPARATUS, SIGNAL PROCESSING SYSTEM AND SIGNAL PROCESSING PROGRAM |
| JP7389413B1 (ja) * | 2022-07-26 | 2023-11-30 | インタークロス株式会社 | 被験者の脳波スコア算出装置および方法 |
Family Cites Families (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JPH0596971A (ja) * | 1991-10-04 | 1993-04-20 | Nissan Motor Co Ltd | 居眠り運転防止装置 |
| JP2005323691A (ja) * | 2004-05-12 | 2005-11-24 | Toyota Motor Corp | 状態表示装置及び状態表示方法 |
| JP5036383B2 (ja) * | 2007-04-18 | 2012-09-26 | 株式会社デルタツーリング | 睡眠状態判定装置、睡眠状態判定方法及びコンピュータプログラム |
| US20100100004A1 (en) * | 2008-10-16 | 2010-04-22 | Koninklijke Nederlandse Akademie Van Wetenschappen | Skin Temperature Measurement in Monitoring and Control of Sleep and Alertness |
| JP6122884B2 (ja) * | 2015-02-13 | 2017-04-26 | 日本電信電話株式会社 | 作業覚醒度推定装置、方法およびプログラム |
-
2016
- 2016-11-24 JP JP2016228131A patent/JP6785136B2/ja active Active
Also Published As
| Publication number | Publication date |
|---|---|
| JP2018082931A (ja) | 2018-05-31 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| JP6785136B2 (ja) | 覚醒度処理方法および覚醒度処理装置 | |
| Bulagang et al. | A review of recent approaches for emotion classification using electrocardiography and electrodermography signals | |
| Blascovich et al. | Social psychophysiology for social and personality psychology | |
| Mazher et al. | An EEG-based cognitive load assessment in multimedia learning using feature extraction and partial directed coherence | |
| Nacke | An introduction to physiological player metrics for evaluating games | |
| JP6190466B2 (ja) | 生体信号測定器及び接触状態推定方法 | |
| US20190008436A1 (en) | Method and system for monitoring and improving attention | |
| JP2015042267A (ja) | 睡眠／覚醒状態評価方法及びシステム | |
| JP5929020B2 (ja) | 意識状態推定装置及びプログラム | |
| Wallot et al. | Using complexity metrics with RR intervals and BPM heart rate measures | |
| KR20110004899A (ko) | 생리적 상태를 결정하기 위한 방법 및 시스템 | |
| Sharma et al. | Modeling stress recognition in typical virtual environments | |
| Mikuckas et al. | Emotion recognition in human computer interaction systems | |
| Cimr et al. | Automatic detection of breathing disorder from ballistocardiography signals | |
| JP2017536946A (ja) | 意識状態を決定するデバイスおよび方法 | |
| JP6627112B2 (ja) | 生体機能検査装置、生体機能検査装置の作動方法及びプログラム | |
| CN113614751A (zh) | 脑电图信号的识别和提取 | |
| Urrestilla et al. | Measuring cognitive load: Heart-rate variability and pupillometry assessment | |
| Nacke | Introduction to biometric measures for games user research | |
| Chu et al. | Physiological signals based quantitative evaluation method of the pain | |
| Ahmad et al. | Multiparameter physiological analysis in obstructive sleep apnea simulated with Mueller maneuver | |
| Yiu et al. | Fatigue-Related change in surface electromyographic activities of the perilaryngeal muscles | |
| JP2016047305A (ja) | 意識状態推定装置及びプログラム | |
| Sim et al. | A study on emotion classification utilizing bio-signal (PPG, GSR, RESP) | |
| JP6209395B2 (ja) | 生体状態推定装置及びコンピュータプログラム |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| RD03 | Notification of appointment of power of attorney |
Free format text: JAPANESE INTERMEDIATE CODE: A7423 Effective date: 20181005 |
|
| A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20181127 |
|
| A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20190822 |
|
| A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20190903 |
|
| A521 | Written amendment |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20191002 |
|
| A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20200317 |
|
| 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: 20200929 |
|
| A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20201026 |
|
| R150 | Certificate of patent or registration of utility model |
Ref document number: 6785136 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |