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
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。
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、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。
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。
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。
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。
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。
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。
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。
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。
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。
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。
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。
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、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。
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。
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。
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。
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 |