JP7214986B2 - 反射性判定装置、反射性判定方法、プログラム - Google Patents

Description

本発明は、眼球運動が反射性であるか否かを判定する技術に関する。

従来、音を受聴可能な状態にあるヒトの眼のサッカードに関する特徴量に基づいて、当該音が目立つ音（顕著性の高い音）であるか否かを判別する技術が知られている（特許文献１）。この技術では、音が呈示されているときのサッカードの特徴量と音が呈示されていないときのサッカードの特徴量との相違度合いに基づいて、呈示された音が目立つ音であるか否かを判別する。

特開２０１５－１３２７８２号公報

特許文献１では、目立つ音として、注意せずに不意に聞こえてしまう音（注意を引きつけられてしまう音）だけでなく、注意深く聞こうとしているときに聞こえる音も含むため、眼球の動きが、外部刺激によって無意識的に（反射的に）引き起こされたものなのか、意識的に引き起こされたものなのかについては判別することができない。つまり、眼球運動が外部刺激によって引き起こされた反射的なものであるのか否かなど、眼球運動の反射性に関して判定することができない。

そこで本発明では、眼球運動の反射性を判定する技術を提供することを目的とする。

本発明の反射性判定装置は、特徴量抽出部と、判定部を含む。判定部は、特徴量抽出部が抽出した対象者の眼球運動に現れるサッカードの特徴量を用いて、対象者の眼球運動の反射性や対象者の眼に関する反射性についての判定結果を生成する。

本発明によれば、眼球運動の反射性を判定することが可能となる。

各実施形態の発明の基礎となる実験の様子を示す図。 実験結果を示す図。 実験結果を示す図。 反射性判定装置１００の構成の一例を示すブロック図。 反射性判定装置１００の動作の一例を示すフローチャート。 ステップ応答モデルのパラメータを説明する図。 反射性判定装置２００／３００の構成の一例を示すブロック図。 反射性判定装置２００／３００の動作の一例を示すフローチャート。 反射性判定モデル学習装置４００の構成の一例を示すブロック図。 反射性判定モデル学習装置４００の動作の一例を示すフローチャート。 実験結果を示す図。 反射性判定装置５００／６００の構成の一例を示すブロック図。 反射性判定装置５００／６００の動作の一例を示すフローチャート。 反射性判定モデル学習装置７００の構成の一例を示すブロック図。 反射性判定モデル学習装置７００の動作の一例を示すフローチャート。

以下、本発明の実施の形態について、詳細に説明する。なお、同じ機能を有する構成部には同じ番号を付し、重複説明を省略する。

＜技術的背景＞
各実施形態の発明は、外部刺激により反射的に眼が動いてしまうときのサッカードの特徴量と、反射を抑えて意識的に眼を動かそうとしているときのサッカードの特徴量とに差があるという自然法則の発見に基づくものであり、この発見を利用して眼球運動の反射性を判定するものである。

以下、基礎となる実験とその結果について説明する。

［実験１］

（１）タスク１Ａ
被験者の前に置かれたディスプレイに視覚的合図となる注視点の画像を表示し、一定時間後に注視点の位置が左または右に移動するので、それを追従して眼を動かすように被験者に指示しておく。

注視点の画像を初期位置（中央）に一定時間表示した後、注視点の画像を一定時間消去した後、注視点の位置を左または右のいずれかへ移動させた画像を表示する（図１（Ａ）参照）。ここで、初期位置に注視点の画像を表示している時間区間を“第１時間区間”、注視点の画像を消去している時間区間を“第２時間区間”、移動後の注視点の画像を表示している時間区間を“第３時間区間”と呼ぶこととする。第３時間区間が、被験者が眼を動かすタスクを実行する時間区間であり、この時間区間での被験者の眼の動きを赤外線カメラ等で撮像し、１回のサッカードの特徴量を抽出する。ここでは、サッカードの特徴量を瞳孔の動きまたは瞳孔と虹彩の動きの差から抽出するものとする。具体的には、瞳孔のサッカードの減衰係数、瞳孔のサッカードの減衰係数と虹彩のサッカードの減衰係数との差を特徴量として用いる。減衰係数の詳細については後述する。

（２）タスク１Ｂ
被験者の前に置かれたディスプレイに注視点の画像を表示し、一定時間後に注視点の位置が左または右に移動するので、注視点の移動方向とは逆の方向に眼を動かすように被験者に指示しておく。

以下の手順は、タスク１Ａと同様とする。したがって、第１時間区間～第３時間区間の定義や抽出するサッカードの特徴量はタスク１Ａと同じある。

［実験２］
実験１では、ディスプレイに表示された注視点の画像の動きに合わせて眼を動かしたが、実験２では、画像の代わりに音を用いる。そのため、被験者の正面、左側、右側の３箇所にそれぞれスピーカを設置する。

（１）タスク２Ａ
被験者の正面に置かれたスピーカから聴覚的合図となる音を発生させ、一定時間後に左側または右側のいずれかのスピーカから音を発生させるので、それを追従して眼を動かすように被験者に指示しておく。

以下の手順は、タスク１Ａと同様とする（図１（Ｂ）参照）。つまり、第１時間区間では正面のスピーカから音を発生させ、第３時間区間では左右いずれかのスピーカから音を発生させる。そして、第３時間区間での被験者の眼の動きからサッカードの特徴量を抽出する。なお、スピーカの代わりに、ヘッドホンを用いてもよい。

（２）タスク２Ｂ
被験者の正面に置かれたスピーカから音を発生させ、一定時間後に左側または右側のいずれかのスピーカから音を発生させるので、音を発生させているスピーカとは逆の方向に眼を動かすように被験者に指示しておく。

以下の手順は、タスク２Ａと同様であり、第３時間区間での被験者の眼の動きからサッカードの特徴量を抽出する。

［実験結果］
図２は、実験結果を示す図である。減衰係数の値は、複数の被験者に対して、タスク１Ａ～タスク２Ｂの４種類のタスクをそれぞれ複数回試行してもらい、各試行で抽出したサッカードの減衰係数の平均値である。図２（Ａ）は、瞳孔の動きから抽出した減衰係数のタスク毎の値、図２（Ｂ）は、虹彩の動きから抽出した減衰係数のタスク毎の値を示している。いずれの図も左から順にタスク１Ａ、タスク１Ｂ、タスク２Ａ、タスク２Ｂの減衰係数を示している。この実験結果からわかるように、図２（Ａ）の場合、すなわち瞳孔の動き（瞳孔運動）に着目すると、タスク１Ａやタスク２Ａよりもタスク１Ｂやタスク２Ｂの方が減衰係数が大きくなるという傾向がある。一方、図２（Ｂ）の場合、すなわち虹彩の動き（虹彩運動）に着目すると、タスクによる有意差は見られないことがわかる。

また、図３は、縦軸を、瞳孔運動の減衰係数と虹彩運動の減衰係数との差としたものであるが、同様の傾向、つまり、タスク１Ｂやタスク２Ｂの方が減衰係数の差が大きくなるという傾向が見られた。サッカード後の虹彩の振動（オーバーシュート）は、瞳孔のそれに比べると小さいものの、全く発生しないわけではない。そこで、瞳孔運動の減衰係数と虹彩運動の減衰係数との差を取ることによって、眼球全体のオーバーシュート（虹彩のエッジから抽出した動き）に対する相対的な瞳孔のオーバーシュートを見ることが可能となる。つまり、眼球全体の動きを差し引いた瞳孔の振動を特徴量として抽出することが可能となる。

一般に、注視点が動いたり、特定方向から目立つ音が発生したりすると、反射的に眼がその方向に動く傾向がある。タスク１Ａやタスク２Ａでは、注視点の動き・音が発生している方向と眼を動かすべき方向が一致するので、反射的に動きに任せて眼を動かせばよいが、タスク１Ｂやタスク２Ｂでは、反射的な動きに逆らって意識的に眼を逆方向に動かす必要がある。つまり、タスク１Ｂやタスク２Ｂは眼の動きを意識的にコントロールしようとしている状態、タスク１Ａやタスク２Ａは眼の動きについて特に意識をしていない状態であるといえる。したがって、本実験結果は、眼の動きについて特に意識をしていない、反射的な動きに任せているときのサッカードの減衰係数は、眼の動きを意識的にコントロールしようとしているときのサッカードの減衰係数よりも小さくなる傾向にあることを示しているといえる。

以下、外的要因によって引き起こされる眼球運動のことをプロサッカード、プロサッカードを抑えて実行する随意的な眼球運動のことをアンチサッカードという。

＜第１実施形態＞
反射性判定装置１００は、対象者の眼球運動が反射的に起きたものであるか否かを判定
する。

以下、図４～図５を参照して、反射性判定装置１００を説明する。図４は、反射性判定装置１００の構成を示すブロック図である。図５は、反射性判定装置１００の動作を示すフローチャートである。図４に示すように反射性判定装置１００は、呈示部１１０と、眼球運動取得部１２０と、特徴量抽出部１３０と、判定部１４０と、制御部１８０と、記録部１９０を含む。記録部１９０は、反射性判定装置１００の処理に必要な情報を適宜記録する構成部である。

図５に従い反射性判定装置１００の動作について説明する。

［呈示部１１０］
Ｓ１１０において、呈示部１１０は、タスク１Ａまたはタスク１Ｂの注視点の画像を視覚的合図として対象者に呈示する。具体的には、対象者の正面にあるディスプレイの中央に注視点の画像を表示、一定時間注視点の画像を消去した後、中央から左または右のいずれかへ移動した注視点の画像を表示する。注視点の画像の呈示は、制御部１８０からの指示に従うものとする。なお、タスク１Ａまたはタスク１Ｂの開始時点において注視点の画像を表示する位置（以下、注視点の初期位置という）は、ディスプレイの中央に限るものではなく、中央から所定の誤差範囲に含まれればよい。

なお、呈示部１１０は、タスク１Ａまたはタスク１Ｂの注視点の画像を呈示する代わりに、タスク２Ａまたはタスク２Ｂの音を呈示するようにしてもよい。つまり、Ｓ１１０において、呈示部１１０は、タスク２Ａまたはタスク２Ｂの音を聴覚的合図として対象者に呈示する。具体的には、対象者の正面にあるスピーカから音を発生させ、一定時間の無音時間が経過した後、対象者の左側または右側のいずれかに位置するスピーカから音を発生させる。音の呈示は、制御部１８０からの指示に従うものとする。

［制御部１８０］
制御部１８０は、呈示部１１０による画像（音）の呈示を制御するとともに、画像（音）呈示中の第３時間区間における対象者の眼球運動の情報を眼球運動取得部１２０が取得するよう制御することにより、タスク１Ａまたはタスク１Ｂ（タスク２Ａまたはタスク２Ｂ）を実行するよう制御する。その際、制御部１８０は、タスク１Ａ、タスク１Ｂ（タスク２Ａ、タスク２Ｂ）それぞれについて、少なくとも１回以上実行するように制御する。また、制御部１８０は、タスク１Ａまたはタスク１Ｂ（タスク２Ａまたはタスク２Ｂ）のいずれかを実行する都度、どちらのタスクを実行するよう指示したのかを特定する情報（以下、タスク種別という）を特徴量抽出部１３０に出力する。

［眼球運動取得部１２０］
Ｓ１２０において、眼球運動取得部１２０は、制御部１８０からの指示に従い、第３時間区間における対象者の眼球運動の情報を取得し、出力する。例えば、タスク実行中の対象者の眼球の動きを赤外線カメラにより撮像する。そして、撮像した結果を画像処理することで、時間毎（例えば、1000Hz）の眼球の位置情報の時系列を眼球運動の情報として取得する。なお、左右両方の眼球の位置情報を取得してもよいし、何れか一方の眼球の位置情報のみを取得してもよい。本実施形態では、一方の眼球の位置情報のみを取得するものとする。また、ここでは、眼球運動は瞳孔運動であり、眼球運動の情報として瞳孔の位置情報の時系列を取得する。

［特徴量抽出部１３０］
Ｓ１３０において、特徴量抽出部１３０は、Ｓ１２０で取得した眼球運動の情報と制御部１８０からの入力であるタスク種別から、タスク１Ａまたはタスク２Ａ（つまり、視覚
的合図又は聴覚的合図を追従するように眼を動かすタスク）における対象者の眼球運動に現れるサッカードの特徴量（以下、第１の特徴量という）と、タスク１Ｂまたはタスク２Ｂ（つまり、視覚的合図又は聴覚的合図とは逆の方向に眼を動かすタスク）における対象者の眼球運動に現れるサッカードの特徴量（以下、第２の特徴量という）とを抽出し、出力する。ここでは、第１の特徴量、第２の特徴量は、瞳孔に関する特徴量（瞳孔運動の特徴量）となる。

以下、特徴量の抽出方法について説明する。最初に、眼球運動の情報（眼球の位置情報の時系列）からサッカードが起きている区間を検出する。例えば、眼球の位置情報の時系列について１次階差系列を計算し、階差系列の絶対値が所定の閾値を上回る時間区間をサッカードが起きている区間として検出する。取得された眼球の位置情報にノイズが多く含まれると判断される場合などには、１次階差系列の計算にあたって適当な範囲での移動平均値を用いてもよい。検出に用いる閾値には、階差系列の標準偏差の6倍程度の値を用いることが好ましい。

次に、サッカードが起きているときの眼球の位置情報の時系列を位置制御系のステップ応答としてモデル化することにより、特徴量を抽出する。以下、説明する。位置制御系のステップ応答は、固有角振動数をω_ｎとして、

と表される。ここでG(s)は伝達係数,y(t)は位置, y'(t)は速度を表す。また、減衰率λ、減衰係数ζ、固有角振動数をω_ｎは、それぞれ

と表される。ただし、ｔは時刻を表すインデックスであり、ｓはラプラス変換によるパラメタ（複素数）である。固有角振動数ω_ｎはサッカードの応答の速さを表す指標に相当し、減衰係数ζはサッカードの応答の正確性に対応する指標に相当する。また、A, V_max, A_o, V_o,T_pはそれぞれ以下を表す（図６参照）。

（１）基準振幅A:サッカードによる眼球の動きが収束したときの移動量である。
（２）最大速度V_max:基準振幅A＋オーバーシュートの振幅A_oに達するまでの最大の速度である。
（３）オーバーシュートの振幅A_o:サッカードによって基準振幅Aを超過した（行き過ぎた）部分の量である。オーバーシュートとは、波形の立ち上がり部分で、波形が基準振幅Aを超えて突出する現象、または、その突出した波形である。言い換えると、オーバーシュートの振幅とは、突出した部分の量である。
（４）オーバーシュートの速度V_o:基準振幅A＋オーバーシュートの振幅A_oから基準振幅Aに収束しようとする際の最大の速度である。
（５）立ち上がり時間T_p:基準振幅A＋オーバーシュートの振幅A_oに達する（立ち上がる）までにかかる時間である。なお、基準振幅A＋オーバーシュートの振幅A_oに達するまでにかかる時間は、最大速度V_maxからオーバーシュートの速度V_oに達するまでにかかる時間と同じ値となる。

このようにステップ応答としてモデル化することにより、眼球運動に現れるサッカードの特徴量として、減衰係数ζ、減衰率λ、基準振幅A、最大速度V_max、固有角振動数ω_ｎなどが得られる。

ここで、眼球運動取得部１２０が取得する眼球運動の情報（眼球の位置情報の時系列）は瞳孔の位置情報の時系列であるので、眼球運動に現れるサッカードの特徴量として、瞳孔運動に現れるサッカードの減衰係数ζ、減衰率λ、基準振幅A、最大速度V_max、固有角振動数ω_ｎを得ることができるが、ここでは、減衰係数ζを抽出することにする。つまり、特徴量抽出部１３０が抽出する眼球運動に現れるサッカードの特徴量は、瞳孔運動に現れるサッカードの減衰係数である。

なお、タスク１Ａ、タスク１Ｂ（タスク２Ａ、タスク２Ｂ）について複数回実行した場合には、抽出した値の代表値を第１の特徴量、第２の特徴量とすればよい。代表値には、平均値、中央値、最大値、最小値などを用いることができる。

［判定部１４０］
Ｓ１４０において、判定部１４０は、Ｓ１３０で抽出した第１の特徴量とＳ１３０で抽出した第２の特徴量の相違度合に基づいて、対象者の眼球運動が反射的に起きたものであるか否かを示す判定結果を生成し、出力する。具体的には、判定部１４０は、相違度合が大きい場合、対象者の瞳孔運動が反射的に起きたものであることを示す判定結果を生成し、それ以外の場合、対象者の瞳孔運動が反射的に起きたものとはいえないことを示す判定結果を生成する。以下、詳しく説明する。ζ₁を第１の特徴量、ζ₂を第２の特徴量、Δ（Δ≧0）を所定の値とし、第２の特徴量と第１の特徴量との差ζ₂-ζ₁が所定の値Δより大きい又は所定の値Δ以上である場合は、対象者の眼球運動が反射的に起きたものであることを示す判定結果を生成し、それ以外の場合は対象者の眼球運動が反射的に起きたものとはいえないことを示す判定結果を生成する。なお、Δ>0とすることにより、大小関係判定時の誤差を許容することができる。

なお、本実施形態においては、瞳孔運動の特徴量に基づいて、眼球運動が反射的に起きたものであるか否かを判定している。ここで、特徴量の抽出対象が“瞳孔”であるのは、＜技術的背景＞で示した通り、有意差が表れるのが眼の中でも瞳孔に関する特徴量だからである。ただし、眼の反射的な動きというのは眼球全体の動きのことであるため、判定の対象は“眼球運動”としている 。

（変形例１）
上記説明では、特徴量として、瞳孔運動に現れるサッカードの減衰係数を用いたが、減衰係数の代わりに、瞳孔運動に現れるサッカードの減衰係数と正の相関関係にあるものを用いてもよいし、負の相関関係にあるものを用いてもよい。例えば、瞳孔運動に現れるサッカードの減衰率を用いてもよい。減衰率は、減衰係数と負の相関関係にある。この場合、眼球運動取得部１２０が取得する眼球運動の情報（眼球の位置情報の時系列）を瞳孔の位置情報の時系列とし、特徴量抽出部１３０は、瞳孔運動に現れるサッカードの減衰率を眼球運動に現れるサッカードの特徴量として抽出する。また、判定部１４０は、λ₁を第１の特徴量、λ₂を第２の特徴量、Δ（Δ≧0）を所定の値とし、第１の特徴量と第２の特徴量との差λ₁-λ₂が所定の値Δより大きい又は所定の値Δ以上である場合は対象者の眼球運動が反射的に起きたものであることを示す判定結果を生成し、それ以外の場合は対象者の眼球運動が反射的に起きたものとはいえないことを示す判定結果を生成する。

本実施形態の発明によれば、眼球運動の反射性を判定することが可能となる。具体的には、対象者の眼球運動が反射的に起きたものであるか否かを判定することが可能となる。

＜第２実施形態＞
反射性判定装置２００は、対象者の眼が反射的に動きやすい状態にあるか否かを判定する。

以下、図７～図８を参照して、反射性判定装置２００を説明する。図７は、反射性判定装置２００の構成を示すブロック図である。図８は、反射性判定装置２００の動作を示すフローチャートである。図７に示すように反射性判定装置２００は、眼球運動取得部２２０と、特徴量抽出部２３０と、判定部２４０と、記録部１９０を含む。記録部１９０は、反射性判定装置２００の処理に必要な情報を適宜記録する構成部である。例えば、記録部１９０には、意識を集中させている状態における対象者の眼球運動に現れるサッカードの特徴量である基準値を事前に記録しておく。例えば、以下のようにして基準値を準備する。対象者がタスク１Ｂ（タスク２Ｂ）を実行することにより得られる第３時間区間における対象者の眼球運動の情報から、対象者の眼球運動に現れるサッカードの特徴量を抽出する。これを複数回繰り返し、その代表値を基準値とする。代表値には、平均値、中央値、最大値、最小値などを用いることができる。なお、基準値とする眼球運動に現れるサッカードの特徴量は、特徴量抽出部２３０が抽出する眼球運動に現れるサッカードの特徴量と
同一のものを用いる必要がある。

図８に従い反射性判定装置２００の動作について説明する。

［眼球運動取得部２２０］
Ｓ２２０において、眼球運動取得部２２０は、所定の時間区間における対象者の眼球運動の情報を取得し、出力する。眼球運動の情報の取得方法は、眼球運動取得部１２０と同様でよい。また、ここでは、眼球運動の情報として瞳孔の位置情報の時系列を取得する。

［特徴量抽出部２３０］
Ｓ２３０において、特徴量抽出部２３０は、Ｓ２２０で取得した眼球運動の情報から、対象者の眼球運動に現れるサッカードの特徴量を抽出し、出力する。特徴量の抽出方法は、特徴量抽出部１３０と同様でよい。また、眼球運動に現れるサッカードの特徴量として瞳孔運動に現れるサッカードの減衰係数を抽出する。

なお、複数回実行した場合には、抽出した値の代表値を特徴量とすればよい。代表値には、平均値、中央値、最大値、最小値などを用いることができる。また、所定の時間区間においてサッカードが起きている区間が複数検出された場合も、同様に、代表値を特徴量とすればよい。

［判定部２４０］
Ｓ２４０において、判定部２４０は、記録部１９０に記録した基準値とＳ２３０で抽出した特徴量の相違度合に基づいて、対象者の眼が反射的に動きやすい状態にあるか否かを示す判定結果を生成し、出力する。具体的には、判定部２４０は、相違度合が大きい場合、対象者の眼が反射的に動きやすい状態にあることを示す判定結果を生成し、それ以外の場合、対象者の眼が反射的に動きやすい状態にあるとはいえないことを示す判定結果を生成する。以下、詳しく説明する。ζを特徴量、ζ_cを基準値、Δ（Δ≧0）を所定の値とし、基準値と特徴量との差ζ_c-ζが所定の値Δより大きい又は所定の値Δ以上である場合は、対象者の眼が反射的に動きやすい状態にあることを示す判定結果を生成し、それ以外の場合は対象者の眼が反射的に動きやすい状態にあるとはいえないことを示す判定結果を生成する。つまり、特徴量ζが基準値ζ_cより小さい場合、対象者の眼が反射的に動きやすい状態にあると判定する。なお、Δ>0とすることにより、大小関係判定時の誤差を許容することができる。

（変形例１）
上記説明では、特徴量・基準値として、瞳孔運動に現れるサッカードの減衰係数を用いたが、減衰係数の代わりに、瞳孔運動に現れるサッカードの減衰係数と正の相関関係にあるものを用いてもよいし、負の相関関係にあるものを用いてもよい。例えば、瞳孔運動に現れるサッカードの減衰率を用いてもよい。減衰率は、減衰係数と負の相関関係にある。この場合、眼球運動取得部２２０が取得する眼球運動の情報（眼球の位置情報の時系列）を瞳孔の位置情報の時系列とし、特徴量抽出部２３０は、瞳孔運動に現れるサッカードの減衰率を眼球運動に現れるサッカードの特徴量として抽出する。また、判定部２４０は、λを特徴量、λ_cを基準値、Δ（Δ≧0）を所定の値とし、特徴量と基準値との差λ-λ_cが所定の値Δより大きい又は所定の値Δ以上である場合は、対象者の眼が反射的に動きやすい状態にあることを示す判定結果を生成し、それ以外の場合は対象者の眼が反射的に動きやすい状態にあるとはいえないことを示す判定結果を生成する。

（変形例２）
眼球運動取得部２２０が取得する眼球運動の情報（眼球の位置情報の時系列）を瞳孔の位置情報の時系列と虹彩の位置情報の時系列とし、特徴量抽出部２３０が抽出する眼球運
動に現れるサッカードの特徴量を瞳孔運動に現れるサッカードの減衰係数と虹彩運動に現れるサッカードの減衰係数との差としてもよい。この場合、眼球運動取得部２２０は、瞳孔の位置情報の時系列と虹彩の位置情報の時系列を眼球運動の情報として取得する。また、特徴量抽出部２３０は、Ｓ２２０で取得した眼球運動の情報である瞳孔の位置情報の時系列と虹彩の位置情報の時系列から、それぞれ瞳孔運動に現れるサッカードの減衰係数と虹彩運動に現れるサッカードの減衰係数を求め、瞳孔運動に現れるサッカードの減衰係数と虹彩運動に現れるサッカードの減衰係数との差（つまり、“瞳孔運動に現れるサッカードの減衰係数”－“虹彩運動に現れるサッカードの減衰係数”）を対象者の眼球運動に現れるサッカードの特徴量として抽出し、出力する。なお、虹彩運動に現れるサッカードの特徴量は、瞳孔運動に現れるサッカードの特徴量と同様に、ステップ応答モデルを用いて求めればよい。さらに、判定部２４０は、αを特徴量（すなわち、“瞳孔運動に現れるサッカードの減衰係数”－“虹彩運動に現れるサッカードの減衰係数”）、α_cを基準値、Δ（Δ≧0）を所定の値とし、基準値と特徴量との差α_c-αが所定の値Δより大きい又は所定の値Δ以上である場合は、対象者の眼が反射的に動きやすい状態にあることを示す判定結果を生成し、それ以外の場合は対象者の眼が反射的に動きやすい状態にあるとはいえないことを示す判定結果を生成する。

別の例として、瞳孔運動に現れるサッカードの減衰係数、虹彩運動に現れるサッカードの減衰係数の代わりに、瞳孔運動に現れるサッカードの減衰率、虹彩運動に現れるサッカードの減衰率を用いてもよい。この場合、眼球運動取得部２２０は、瞳孔の位置情報の時系列と虹彩の位置情報の時系列を眼球運動の情報として取得する。また、特徴量抽出部２３０は、Ｓ２２０で取得した眼球運動の情報である瞳孔の位置情報の時系列と虹彩の位置情報の時系列から、それぞれ瞳孔運動に現れるサッカードの減衰率と虹彩運動に現れるサッカードの減衰率を求め、瞳孔運動に現れるサッカードの減衰率と虹彩運動に現れるサッカードの減衰率との差（つまり、“瞳孔運動に現れるサッカードの減衰率”－“虹彩運動に現れるサッカードの減衰率”）を対象者の眼球運動に現れるサッカードの特徴量として抽出し、出力する。さらに、判定部２４０は、βを特徴量（すなわち、“瞳孔運動に現れるサッカードの減衰率”－“虹彩運動に現れるサッカードの減衰率”）、β_cを基準値、Δ（Δ≧0）を所定の値とし、特徴量と基準値との差β-β_cが所定の値Δより大きい又は所定の値Δ以上である場合は、対象者の眼が反射的に動きやすい状態にあることを示す判定結果を生成し、それ以外の場合は対象者の眼が反射的に動きやすい状態にあるとはいえないことを示す判定結果を生成する。

本実施形態の発明によれば、眼球運動の反射性を判定することが可能となる。具体的には、対象者の眼が反射的に動きやすい状態にあるか否かを判定することが可能となる。

＜第３実施形態＞
先述の通り、特徴量としては、減衰係数や減衰率のほかにも、基準振幅、最大速度、固有角振動数などがある。ここでは、これらを減衰係数や減衰率と組み合わせた特徴量を用いて、対象者の眼が反射的に動きやすい状態にあるか否かを判定する実施形態について説明する。その際、機械学習の手法により学習した、眼球運動に現れるサッカードの特徴量を入力として、眼が反射的に動きやすい状態にあるか否かを示す判定結果を出力する反射性判定モデルを用いる。これにより、より精度の高い判定結果を生成することが可能になる。

反射性判定装置３００は、反射性判定装置２００と同様、対象者の眼が反射的に動きやすい状態にあるか否かを判定する。

以下、図７～図８を参照して、反射性判定装置３００を説明する。図７は、反射性判定装置３００の構成を示すブロック図である。図８は、反射性判定装置３００の動作を示す
フローチャートである。図７に示すように反射性判定装置３００は、眼球運動取得部２２０と、特徴量抽出部３３０と、判定部３４０と、記録部１９０を含む。記録部１９０は、反射性判定装置３００の処理に必要な情報を適宜記録する構成部である。例えば、記録部１９０には、反射性判定モデルを事前に記録しておく。ここで、反射性判定モデルとは、眼球運動に現れるサッカードの特徴量を入力として、眼が反射的に動きやすい状態にあるか否かを示す判定結果を出力するように、機械学習の手法により学習された学習済みモデルである。入力とする特徴量は、少なくとも、減衰係数と正の相関関係にある特徴量（例えば、減衰係数）または減衰係数と負の相関関係にある特徴量（例えば、減衰率）のいずれか１つを含むものとする。具体的には、特徴量は、少なくとも、瞳孔運動に現れるサッカードの減衰係数、瞳孔運動に現れるサッカードの減衰係数と虹彩運動に現れるサッカードの減衰係数との差、瞳孔運動に現れるサッカードの減衰率、瞳孔運動に現れるサッカードの減衰率と虹彩運動に現れるサッカードの減衰率との差のいずれか１つを含むものとする。加えて、最大速度、基準振幅、固有角振動数などを特徴量として含んでもよい。

反射性判定モデルの学習方法については、後述する。

図８に従い反射性判定装置３００の動作について説明する。

［眼球運動取得部２２０］
Ｓ２２０において、眼球運動取得部２２０は、所定の時間区間における対象者の眼球運動の情報を取得し、出力する。なお、眼球運動取得部２２０は、瞳孔の位置情報の時系列のみか、瞳孔の位置情報の時系列と虹彩の位置情報の時系列のいずれかを眼球運動の情報として取得する。いずれであるかは、反射性判定モデルの入力となる特徴量により定まる。

［特徴量抽出部３３０］
Ｓ３３０において、特徴量抽出部３３０は、Ｓ２２０で取得した眼球運動の情報から、対象者の眼球運動に現れるサッカードの特徴量を抽出し、出力する。特徴量は、特徴量抽出部１３０と同様、ステップ応答モデルを用いて求めればよい。ここで抽出する特徴量は、反射性判定モデルの入力となる特徴量と同一となる。例えば、反射性判定モデルの入力が瞳孔運動に現れるサッカードの減衰係数、最大速度、基準振幅の組である場合には、特徴量抽出部３３０は、瞳孔運動に現れるサッカードの減衰係数、最大速度、基準振幅を抽出することになる。

［判定部３４０］
Ｓ３４０において、判定部３４０は、記録部１９０に記録した反射性判定モデルを用いて、Ｓ３３０で抽出した対象者の眼球運動に現れるサッカードの特徴量から、対象者の眼が反射的に動きやすい状態にあるか否かを示す判定結果を生成し、出力する。

本実施形態の発明によれば、眼球運動の反射性を判定することが可能となる。具体的には、対象者の眼が反射的に動きやすい状態にあるか否かを判定することが可能となる。

＜第４実施形態＞
反射性判定モデル学習装置４００は、反射性判定装置３００が用いる反射性判定モデルを学習する。

以下、図９～図１０を参照して、反射性判定モデル学習装置４００を説明する。図９は、反射性判定モデル学習装置４００の構成を示すブロック図である。図１０は、反射性判定モデル学習装置４００の動作を示すフローチャートである。図９に示すように反射性判定モデル学習装置４００は、呈示部１１０と、眼球運動取得部１２０と、特徴量抽出部４
３０と、学習部４４０と、制御部１８０と、記録部１９０を含む。記録部１９０は、反射性判定モデル学習装置４００の処理に必要な情報を適宜記録する構成部である。

図１０に従い反射性判定モデル学習装置４００の動作について説明する。

［眼球運動取得部１２０］
Ｓ１２０において、眼球運動取得部１２０は、制御部１８０からの指示に従い、第３時間区間における対象者の眼球運動の情報を取得し、出力する。なお、眼球運動に現れるサッカードの特徴量として瞳孔運動に現れるサッカードの特徴量のみを用いる場合は、眼球運動取得部１２０は、眼球運動の情報として瞳孔の位置情報の時系列のみを取得する。また、眼球運動に現れるサッカードの特徴量として瞳孔運動に現れるサッカードの特徴量と虹彩運動に現れるサッカードの特徴量を用いる場合は、眼球運動取得部１２０は、眼球運動の情報として瞳孔の位置情報の時系列と虹彩の位置情報の時系列を取得する。

［特徴量抽出部４３０］
Ｓ４３０において、特徴量抽出部４３０は、Ｓ１２０で取得した眼球運動の情報と制御部１８０からの入力であるタスク種別を入力とし、眼球運動の情報から対象者の眼球運動に現れるサッカードの特徴量を抽出し、当該特徴量と出力ラベルの組を学習データとして生成し、出力する。ここで抽出する特徴量は、反射性判定モデルの入力となる特徴量と同一となる。なお、学習データの要素である出力ラベルは、タスク種別に応じて付されるラベルであり、正解ラベルに相当する。タスク種別がタスク１Ａまたはタスク２Ａであれば、対象者の眼が反射的に動きやすい状態にあることを示すラベルとし、タスク種別がタスク１Ｂまたはタスク２Ｂであれば、対象者の眼が反射的に動きやすい状態にあるとはいえない（反射的に動きにくい状態にある）ことを示すラベルとする。生成した学習データは、記録部１９０に記録される。

なお、特徴量は、特徴量抽出部１３０と同様、ステップ応答モデルを用いて求めればよい。

Ｓ４３０で生成した学習データの集合のことを学習データ集合という。この学習データ集合は、制御部１８０がタスク１Ａまたはタスク２Ａ（視覚的合図又は聴覚的合図を追従するように眼を動かすタスク）と、タスク１Ｂまたはタスク２Ｂ（視覚的合図又は聴覚的合図とは逆の方向に眼を動かすタスク）とをそれぞれ複数回実行させるようにして、生成する。

［学習部４４０］
Ｓ４４０において、学習部４４０は、Ｓ４３０で生成した学習データの集合である学習データ集合を用いて、反射性判定モデルを学習する。

反射性判定モデルの学習には、例えばサポートベクターマシン（ＳＶＭ）やニューラルネットワークを用いることができる。ＳＶＭの場合、特徴量をベクトルとして扱うこととして（以下、特徴量ベクトルという）、特徴量ベクトル空間における、視覚的合図又は聴覚的合図を追従するように眼を動かすタスクでのサッカードの特徴量ベクトルに対応する点群（眼が反射的に動きやすい状態にあることを示すラベルに対応する特徴量ベクトルからなる点群）と、視覚的合図又は聴覚的合図とは逆の方向に眼を動かすタスクでのサッカードの特徴量ベクトルに対応する点群（眼が反射的に動きやすい状態にあるとはいえない（反射的に動きにくい状態にある）ことを示すラベルに対応する特徴量ベクトルからなる点群）を分離（識別）する超平面を求めることになる。これにより、未知のサッカードの特徴量（特徴量ベクトル）が入力されたとき、その特徴量ベクトルが超平面のどちら側に属するかによって眼が反射的に動きやすい状態にあるか否かのラベル（判定結果）を生成
する分類器（学習済みモデル）を学習することができる。つまり、その特徴量ベクトルが視覚的合図又は聴覚的合図を追従するように眼を動かすタスクでのサッカードの特徴量ベクトルに対応する点群が属する側にある場合、対象者の眼は反射的に動きやすい状態にあることを示す判定結果を、その特徴量ベクトルが視覚的合図又は聴覚的合図とは逆の方向に眼を動かすタスクでのサッカードの特徴量ベクトルに対応する点群が属する側にある場合、対象者の眼は反射的に動きやすい状態にあるとはいえないことを示す判定結果を生成する分類器が学習されることになる。

また、ニューラルネットワークの場合、学習データの要素である眼球運動に現れるサッカードの特徴量をニューラルネットワークに入力したときの出力結果（出力ラベルの推定結果）が学習データ中の当該特徴量と組となる出力ラベル（正解の出力ラベル）となるように、ニューラルネットワークの各パラメータを更新することにより、モデルを学習する。学習アルゴリズムには、周知のものを用いればよい。また、ニューラルネットワークの各パラメータには、適当な初期値を設定し学習を開始するとよい。

（変形例１）
反射性判定モデル学習装置４００が学習に用いる学習データを、タスク１Ａ及びタスク１Ｂ（タスク２Ａ及びタスク２Ｂ）に基づいて生成したが、対象者の眼が反射的に動いている状態とそうでない状態とを判別可能な状況において対象者から取得したサッカードの特徴量とそのときの状態（正解の出力ラベル）の組を学習データとして生成できるのであれば、どのようなタスクから学習データを生成するようにしてもよい。

本実施形態の発明によれば、眼球運動の反射性を判定するために用いる反射性判定モデルを学習することが可能となる。

＜第５実施形態＞
第１実施形態～第３実施形態は、ひとりの者から抽出された特徴量を比較することにより、その者の眼球運動の反射性を判定するものであった。ここでは、複数の者の特徴量と比較することにより、ある者の眼球運動の反射性を判定する実施形態について説明する。

まず、背景となる実験結果について説明する。

［背景となる実験結果］
複数の被験者にタスク１Ａとタスク１Ｂ（またはタスク２Ａとタスク２Ｂ）を実行させた場合に、図１１に示すような傾向が見られた。図１１の横軸は、ある被験者が実行したタスク１Ｂ／タスク２Ｂ（つまり、アンチサッカードタスク）の全試行回数に対する、誤って順方向（注視点の移動方向）に眼を向けてしまった試行回数の割合（エラー率）である。また、図１１の縦軸は、ある被験者が実行したタスク１Ａ／タスク２Ａ（つまり、プロサッカードタスク）における瞳孔運動の減衰係数と虹彩運動の減衰係数との差である。つまり、図１１は、各被験者に関するエラー率と減衰係数の差をプロットしたものである。図１１は、エラー率の高い被験者の方がエラー率の低い被験者よりも減衰係数の差が小さい傾向にあることを示している。この結果から、減衰係数の差が小さい被験者の方が、減衰係数の差が大きい被験者よりもタスクを間違えやすい傾向、反射の影響を受けやすい傾向があると考えられる。

本実施形態の発明は、この自然法則の発見に基づくものである。

反射性判定装置５００は、対象者の眼が反射の影響を受けやすいか否かを判定する。

以下、図１２～図１３を参照して、反射性判定装置５００を説明する。図１２は、反射
性判定装置５００の構成を示すブロック図である。図１３は、反射性判定装置５００の動作を示すフローチャートである。図１２に示すように反射性判定装置５００は、呈示部５１０と、眼球運動取得部５２０と、特徴量抽出部５３０と、判定部５４０と、制御部５８０と、記録部１９０を含む。記録部１９０は、反射性判定装置５００の処理に必要な情報を適宜記録する構成部である。例えば、記録部１９０には、眼球運動に現れるサッカードの特徴量である基準値を事前に記録しておく。ここでは、眼球運動に現れるサッカードの特徴量として、瞳孔運動に現れるサッカードの減衰係数と虹彩運動に現れるサッカードの減衰係数との差を用いる。例えば、以下のようにして基準値を準備する。被験者がタスク１Ａ（タスク２Ａ）を実行することにより得られる第３時間区間における被験者の眼球運動の情報から、被験者の眼球運動に現れるサッカードの特徴量として、瞳孔運動に現れるサッカードの減衰係数と虹彩運動に現れるサッカードの減衰係数との差を抽出する。これを複数回繰り返す。さらに、この作業を複数の被験者に対して行う。このようにして得られた差の代表値を基準値とする。代表値には、平均値、中央値、最大値、最小値などを用いることができる。

図１３に従い反射性判定装置５００の動作について説明する。

［呈示部５１０］
Ｓ５１０において、呈示部５１０は、タスク１Ａの注視点の画像を視覚的合図として対象者に呈示する。あるいは、Ｓ５１０において、呈示部５１０は、タスク２Ａの音を聴覚的合図として対象者に呈示する。注視点の画像・音の呈示は、制御部５８０からの指示に従うものとする。

［制御部５８０］
制御部５８０は、呈示部５１０による画像（音）の呈示を制御するとともに、画像（音）呈示中の第３時間区間における対象者の眼球運動の情報を眼球運動取得部５２０が取得するよう制御することにより、タスク１Ａ（タスク２Ａ）を実行するよう制御する。

［眼球運動取得部５２０］
Ｓ５２０において、眼球運動取得部５２０は、制御部５８０からの指示に従い、第３時間区間における対象者の眼球運動の情報を取得し、出力する。ここでは、眼球運動の情報として瞳孔の位置情報の時系列と虹彩の位置情報の時系列を取得する。

［特徴量抽出部５３０］
Ｓ５３０において、特徴量抽出部５３０は、Ｓ５２０で取得した眼球運動の情報から、対象者の眼球運動に現れるサッカードの特徴量を抽出し、出力する。具体的には、瞳孔の位置情報の時系列から瞳孔に現れるサッカードの減衰係数を求め、虹彩の位置情報の時系列から虹彩に現れるサッカードの減衰係数を求め、瞳孔に現れるサッカードの減衰係数と虹彩に現れるサッカードの減衰係数との差を眼球運動に現れるサッカードの特徴量として抽出する。特徴量は、特徴量抽出部１３０と同様、ステップ応答モデルを用いて求めればよい。

なお、複数回実行した場合には、抽出した値の代表値を特徴量とすればよい。代表値には、平均値、中央値、最大値、最小値などを用いることができる。

［判定部５４０］
Ｓ５４０において、判定部５４０は、記録部１９０に記録した基準値とＳ５３０で抽出した特徴量の相違度合に基づいて、対象者の眼が反射の影響を受けやすいか否かを示す判定結果を生成し、出力する。具体的には、判定部５４０は、相違度合が大きい場合、対象者の眼が反射の影響を受けやすいことを示す判定結果を生成し、それ以外の場合、対象者
の眼が反射の影響を受けやすいとはいえないことを示す判定結果を生成する。以下、詳しく説明する。αを特徴量、α_cを基準値、Δ（Δ≧0）を所定の値とし、基準値と特徴量との差α_c-αが所定の値Δより大きい又は所定の値Δ以上である場合は、対象者の眼が反射の影響を受けやすいことを示す判定結果を生成し、それ以外の場合は対象者の眼が反射の影響を受けやすいとはいえないことを示す判定結果を生成する。なお、Δ>0とすることにより、大小関係判定時の誤差を許容することができる。

本実施形態の発明によれば、眼球運動の反射性を判定することが可能となる。具体的には、対象者の眼が反射の影響を受けやすいか否かを判定することが可能となる。

＜第６実施形態＞
ここでは、第５実施形態で説明した知見に基づいて、対象者の眼に関する反射の影響の受けやすさを判定する実施形態について説明する。当該形態では、機械学習の手法により学習した、眼球運動に現れるサッカードの特徴量を入力として、眼に関する反射の影響の受けやすさの程度を示す情報を出力する反射性判定モデルを用いる。

反射性判定装置６００は、対象者の眼に関する反射の影響の受けやすさの程度を示す情報を生成する。

以下、図１２～図１３を参照して、反射性判定装置６００を説明する。図１２は、反射性判定装置６００の構成を示すブロック図である。図１３は、反射性判定装置６００の動作を示すフローチャートである。図１２に示すように反射性判定装置６００は、呈示部５１０と、眼球運動取得部５２０と、特徴量抽出部５３０と、判定部６４０と、制御部５８０と、記録部１９０を含む。記録部１９０は、反射性判定装置６００の処理に必要な情報を適宜記録する構成部である。例えば、記録部１９０には、反射性判定モデルを事前に記録しておく。ここで、反射性判定モデルとは、眼球運動に現れるサッカードの特徴量を入力として、眼に関する反射の影響の受けやすさの程度を示す情報を出力するように、機械学習の手法により学習された学習済みモデルである。入力とする特徴量は、瞳孔運動に現れるサッカードの減衰係数と虹彩運動に現れるサッカードの減衰係数との差である。また、反射の影響の受けやすさの程度を示す情報とは、反射の影響の受けやすさのランクを示すものである。例えば、ランクをＡ、Ｂ、Ｃの３つの階層とし、Ａから順に反射の影響を受けやすいことを示すものとするとよい。この場合、Ａが反射の影響を最も受けやすいことを、Ｃが反射の影響を最も受けにくいことを示すものとなる。

反射性判定モデルの学習方法については、後述する。

図１３に従い反射性判定装置６００の動作について説明する。

［判定部６４０］
Ｓ６４０において、判定部６４０は、記録部１９０に記録した反射性判定モデルを用いて、Ｓ５３０で抽出した対象者の眼球運動に現れるサッカードの特徴量（つまり、瞳孔運動に現れるサッカードの減衰係数と虹彩運動に現れるサッカードの減衰係数との差）から、対象者の眼に関する反射の影響の受けやすさを示す情報を判定結果として生成し、出力する。

本実施形態の発明によれば、眼球運動の反射性を判定することが可能となる。具体的には、対象者の眼に関する反射の影響の受けやすさを判定することが可能となる。

＜第７実施形態＞
反射性判定モデル学習装置７００は、反射性判定装置６００が用いる反射性判定モデル
を学習する。

以下、図１４～図１５を参照して、反射性判定モデル学習装置７００を説明する。図１４は、反射性判定モデル学習装置７００の構成を示すブロック図である。図１５は、反射性判定モデル学習装置７００の動作を示すフローチャートである。図１４に示すように反射性判定モデル学習装置７００は、呈示部１１０と、眼球運動取得部１２０と、特徴量抽出部７３０と、学習部７４０と、制御部１８０と、記録部１９０を含む。記録部１９０は、反射性判定モデル学習装置７００の処理に必要な情報を適宜記録する構成部である。

図１４に従い反射性判定モデル学習装置７００の動作について説明する。

［眼球運動取得部１２０］
Ｓ１２０において、眼球運動取得部１２０は、制御部１８０からの指示に従い、第３時間区間における被験者の眼球運動の情報を取得し、出力する。ここでは、眼球運動の情報として瞳孔の位置情報の時系列と虹彩の位置情報の時系列を取得する。

［特徴量抽出部７３０］
Ｓ７３０において、特徴量抽出部７３０は、Ｓ１２０で取得した眼球運動の情報と制御部１８０からの入力であるタスク種別を入力とし、被験者が実行したタスク１Ａ（タスク２Ａ）における眼球運動の情報から当該被験者の眼球運動に現れるサッカードの特徴量を抽出し、当該被験者が実行したタスク１Ｂ（タスク２Ｂ）の全試行回数に対する、誤って順方向（注視点の移動方向）に眼を向けてしまった試行回数の割合であるエラー率に基づいて、当該被験者の眼に関する反射の影響の受けやすさを示す情報を計算し、当該特徴量と当該眼に関する反射の影響の受けやすさを示す情報の組を学習データとして生成し、出力する。ここで抽出する特徴量は、反射性判定モデルの入力となる特徴量と同一、つまり、瞳孔に現れるサッカードの減衰係数と虹彩に現れるサッカードの減衰係数との差となる。なお、学習データの要素である眼に関する反射の影響の受けやすさを示す情報が正解ラベルに相当する。生成した学習データは記録部１９０に記録される。

なお、眼に関する反射の影響を受けやすさを示す情報として上記エラー率そのものを用いてもよい。この場合、エラー率が高いほど反射の影響を受けやすいことを示すことになる。また、エラー率のとりうる範囲を複数の区間に分割し、各区間にランクを示すラベルを付与し、当該ランクを反射の影響の受けやすさを示す情報としてもよい。例えば、エラー率の高い区間から順に、Ａ，Ｂ，Ｃとラベルを付すと、Ａが反射の影響を最も受けやすいことを、Ｃが反射の影響を最も受けにくいことを示す情報となる。

Ｓ７３０で生成した学習データの集合のことを学習データ集合という。この学習データ集合は、制御部１８０がタスク１Ａまたはタスク２Ａ（プロサッカードタスク）と、タスク１Ｂまたはタスク２Ｂ（アンチサッカードタスク）とを複数の被験者に複数回実行させるようにして、生成する。

［学習部７４０］
Ｓ７４０において、学習部７４０は、Ｓ７３０で生成した学習データの集合である学習データ集合を用いて、反射性判定モデルを学習する。

反射性判定モデルの学習には、学習部４４０と同様、例えばサポートベクターマシン（ＳＶＭ）やニューラルネットワークを用いることができる。

本実施形態の発明によれば、眼球運動の反射性を判定するために用いる反射性判定モデルを学習することが可能となる。

＜第８実施形態＞
対象者の眼が反射的に動きやすい状態にある場合、対象者の意識が外的要因に向きやすい状態にあると考えられる。したがって、反射性判定装置２００／３００を用いると、対象者の意識が外的要因に向きやすい状態にあるか否かを判定できるようになる。例えば、集中を要する作業などのように、外的要因に意識が向かない方が適している作業において、対象者が現在その作業を行うのに適した状態にあるか否かを判定することが可能となる。また、逆に、外的要因に意識が向きやすい状態の方が適している運動や作業において、対象者が現在その運動・作業を行うのに適した状態にあるか否かを判定することも可能となる。

対象者の意識が外的要因に向きやすい状態にあるか否かを判定できるようにするには、判定部２４０／３４０が、対象者の眼が反射的に動きやすい状態にあるか否かを示す判定結果を生成する代わりに、対象者の意識が外的要因に向きやすい状態にあるか否かを示す判定結果を生成するようにすればよい。

＜補記＞
本発明の装置は、例えば単一のハードウェアエンティティとして、キーボードなどが接続可能な入力部、液晶ディスプレイなどが接続可能な出力部、ハードウェアエンティティの外部に通信可能な通信装置（例えば通信ケーブル）が接続可能な通信部、ＣＰＵ（Central Processing Unit、キャッシュメモリやレジスタなどを備えていてもよい）、メモリであるＲＡＭやＲＯＭ、ハードディスクである外部記憶装置並びにこれらの入力部、出力部、通信部、ＣＰＵ、ＲＡＭ、ＲＯＭ、外部記憶装置の間のデータのやり取りが可能なように接続するバスを有している。また必要に応じて、ハードウェアエンティティに、ＣＤ－ＲＯＭなどの記録媒体を読み書きできる装置（ドライブ）などを設けることとしてもよい。このようなハードウェア資源を備えた物理的実体としては、汎用コンピュータなどがある。

ハードウェアエンティティの外部記憶装置には、上述の機能を実現するために必要となるプログラムおよびこのプログラムの処理において必要となるデータなどが記憶されている（外部記憶装置に限らず、例えばプログラムを読み出し専用記憶装置であるＲＯＭに記憶させておくこととしてもよい）。また、これらのプログラムの処理によって得られるデータなどは、ＲＡＭや外部記憶装置などに適宜に記憶される。

ハードウェアエンティティでは、外部記憶装置（あるいはＲＯＭなど）に記憶された各プログラムとこの各プログラムの処理に必要なデータが必要に応じてメモリに読み込まれて、適宜にＣＰＵで解釈実行・処理される。その結果、ＣＰＵが所定の機能（上記、…部、…手段などと表した各構成要件）を実現する。

本発明は上述の実施形態に限定されるものではなく、本発明の趣旨を逸脱しない範囲で適宜変更が可能である。また、上記実施形態において説明した処理は、記載の順に従って時系列に実行されるのみならず、処理を実行する装置の処理能力あるいは必要に応じて並列的にあるいは個別に実行されるとしてもよい。

既述のように、上記実施形態において説明したハードウェアエンティティ（本発明の装置）における処理機能をコンピュータによって実現する場合、ハードウェアエンティティが有すべき機能の処理内容はプログラムによって記述される。そして、このプログラムをコンピュータで実行することにより、上記ハードウェアエンティティにおける処理機能がコンピュータ上で実現される。

この処理内容を記述したプログラムは、コンピュータで読み取り可能な記録媒体に記録しておくことができる。コンピュータで読み取り可能な記録媒体としては、例えば、磁気記録装置、光ディスク、光磁気記録媒体、半導体メモリ等どのようなものでもよい。具体的には、例えば、磁気記録装置として、ハードディスク装置、フレキシブルディスク、磁気テープ等を、光ディスクとして、ＤＶＤ（Digital Versatile Disc）、ＤＶＤ－ＲＡＭ（Random Access Memory）、ＣＤ－ＲＯＭ（Compact Disc Read Only Memory）、ＣＤ－Ｒ（Recordable）／ＲＷ（ReWritable）等を、光磁気記録媒体として、ＭＯ（Magneto-Optical disc）等を、半導体メモリとしてＥＥＰ－ＲＯＭ（Electronically Erasable and Programmable-Read Only Memory）等を用いることができる。

また、このプログラムの流通は、例えば、そのプログラムを記録したＤＶＤ、ＣＤ－ＲＯＭ等の可搬型記録媒体を販売、譲渡、貸与等することによって行う。さらに、このプログラムをサーバコンピュータの記憶装置に格納しておき、ネットワークを介して、サーバコンピュータから他のコンピュータにそのプログラムを転送することにより、このプログラムを流通させる構成としてもよい。

このようなプログラムを実行するコンピュータは、例えば、まず、可搬型記録媒体に記録されたプログラムもしくはサーバコンピュータから転送されたプログラムを、一旦、自己の記憶装置に格納する。そして、処理の実行時、このコンピュータは、自己の記録媒体に格納されたプログラムを読み取り、読み取ったプログラムに従った処理を実行する。また、このプログラムの別の実行形態として、コンピュータが可搬型記録媒体から直接プログラムを読み取り、そのプログラムに従った処理を実行することとしてもよく、さらに、このコンピュータにサーバコンピュータからプログラムが転送されるたびに、逐次、受け取ったプログラムに従った処理を実行することとしてもよい。また、サーバコンピュータから、このコンピュータへのプログラムの転送は行わず、その実行指示と結果取得のみによって処理機能を実現する、いわゆるＡＳＰ（Application Service Provider）型のサービスによって、上述の処理を実行する構成としてもよい。なお、本形態におけるプログラムには、電子計算機による処理の用に供する情報であってプログラムに準ずるもの（コンピュータに対する直接の指令ではないがコンピュータの処理を規定する性質を有するデータ等）を含むものとする。

また、この形態では、コンピュータ上で所定のプログラムを実行させることにより、ハードウェアエンティティを構成することとしたが、これらの処理内容の少なくとも一部をハードウェア的に実現することとしてもよい。

Claims (9)

1. 対象者の眼球運動に現れるサッカードの特徴量を抽出する特徴量抽出部と、
   意識を集中させている状態における前記対象者の眼球運動に現れるサッカードの特徴量（以下、基準値という）と前記特徴量の相違度合に基づいて、前記対象者の眼が反射的に動きやすい状態にあるか否かを示す判定結果を生成する判定部と
   を含む反射性判定装置であって、
   前記眼球運動に現れるサッカードの特徴量は、瞳孔の位置情報の時系列、虹彩の位置情報の時系列をそれぞれ位置制御系のステップ応答としてモデル化して得られる、瞳孔運動に現れるサッカードの減衰係数と虹彩運動に現れるサッカードの減衰係数との差であり、
   前記判定部は、
   前記相違度合が大きい場合、前記対象者の眼が反射的に動きやすい状態にあることを示す判定結果を生成し、それ以外の場合、前記対象者の眼が反射的に動きやすい状態にあるとはいえないことを示す判定結果を生成するものであり、
   前記基準値から前記特徴量を減じることにより得られる差が所定の値より大きい又は所定の値以上である場合に前記対象者の眼が反射的に動きやすい状態にあることを示す判定結果を生成するものである
   反射性判定装置。
2. 対象者の眼球運動に現れるサッカードの特徴量を抽出する特徴量抽出部と、
   眼球運動に現れるサッカードの特徴量を入力として、眼が反射的に動きやすい状態にあるか否かを示す判定結果を出力するように学習された反射性判定モデルを用いて、前記特徴量から前記対象者の眼が反射的に動きやすい状態にあるか否かを示す判定結果を生成する判定部と
   を含む反射性判定装置であって、
   前記眼球運動に現れるサッカードの特徴量は、少なくとも瞳孔運動に現れるサッカードの減衰係数と虹彩運動に現れるサッカードの減衰係数との差、瞳孔運動に現れるサッカードの減衰率と虹彩運動に現れるサッカードの減衰率との差のいずれか１つを含み、瞳孔の位置情報の時系列、虹彩の位置情報の時系列をそれぞれ位置制御系のステップ応答としてモデル化して得られる特徴量である
   反射性判定装置。
3. 視覚的合図又は聴覚的合図を追従するように眼を動かすタスクにおける対象者の眼球運動に現れるサッカードの特徴量を抽出する特徴量抽出部と、
   複数の被験者が視覚的合図又は聴覚的合図を追従するように眼を動かすタスクを実行することにより得られる眼球運動に現れるサッカードの特徴量（以下、基準値という）と前記特徴量の相違度合に基づいて、前記対象者の眼が反射の影響を受けやすいか否かを示す判定結果を生成する判定部と
   を含む反射性判定装置であって、
   前記判定部は、
   前記相違度合が大きい場合、前記対象者の眼が反射の影響を受けやすいことを示す判定結果を生成し、それ以外の場合、前記対象者の眼が反射の影響を受けやすいとはいえないことを示す判定結果を生成し、
   前記眼球運動に現れるサッカードの特徴量は、瞳孔運動に現れるサッカードの減衰係数と虹彩運動に現れるサッカードの減衰係数との差であり、瞳孔の位置情報の時系列、虹彩の位置情報の時系列をそれぞれ位置制御系のステップ応答としてモデル化して得られる特徴量であり、
   前記基準値は、前記複数の被験者から得られる、瞳孔運動に現れるサッカードの減衰係数と虹彩運動に現れるサッカードの減衰係数との差の平均値、中央値、最大値、最小値のいずれかである
   反射性判定装置。
4. 対象者の眼球運動に現れるサッカードの特徴量を抽出する特徴量抽出部と、
   眼球運動に現れるサッカードの特徴量を入力として、眼に関する反射の影響の受けやすさの程度を示す情報を出力するように学習された反射性判定モデルを用いて、前記特徴量から前記対象者の眼に関する反射の影響を受けやすさの程度を示す情報を判定結果として生成する判定部と
   を含む反射性判定装置であって、
   前記眼球運動に現れるサッカードの特徴量は、瞳孔運動に現れるサッカードの減衰係数と虹彩運動に現れるサッカードの減衰係数との差であり、瞳孔の位置情報の時系列、虹彩の位置情報の時系列をそれぞれ位置制御系のステップ応答としてモデル化して得られる特徴量である
   反射性判定装置。
5. 反射性判定装置が、対象者の眼球運動に現れるサッカードの特徴量を抽出する特徴量抽出ステップと、
   前記反射性判定装置が、意識を集中させている状態における前記対象者の眼球運動に現れるサッカードの特徴量（以下、基準値という）と前記特徴量の相違度合に基づいて、前記対象者の眼が反射的に動きやすい状態にあるか否かを示す判定結果を生成する判定ステップと
   を含む反射性判定方法であって、
   前記眼球運動に現れるサッカードの特徴量は、瞳孔の位置情報の時系列、虹彩の位置情報の時系列をそれぞれ位置制御系のステップ応答としてモデル化して得られる、瞳孔運動に現れるサッカードの減衰係数と虹彩運動に現れるサッカードの減衰係数との差であり、
   前記判定ステップは、
   前記相違度合が大きい場合、前記対象者の眼が反射的に動きやすい状態にあることを示す判定結果を生成し、それ以外の場合、前記対象者の眼が反射的に動きやすい状態にあるとはいえないことを示す判定結果を生成ものであり、
   前記基準値から前記特徴量を減じることにより得られる差が所定の値より大きい又は所定の値以上である場合に前記対象者の眼が反射的に動きやすい状態にあることを示す判定結果を生成するものである
   反射性判定方法。
6. 反射性判定装置が、対象者の眼球運動に現れるサッカードの特徴量を抽出する特徴量抽出ステップと、
   前記反射性判定装置が、眼球運動に現れるサッカードの特徴量を入力として、眼が反射的に動きやすい状態にあるか否かを示す判定結果を出力するように学習された反射性判定モデルを用いて、前記特徴量から前記対象者の眼が反射的に動きやすい状態にあるか否かを示す判定結果を生成する判定ステップと
   を含む反射性判定方法であって、
   前記眼球運動に現れるサッカードの特徴量は、少なくとも瞳孔運動に現れるサッカードの減衰係数と虹彩運動に現れるサッカードの減衰係数との差、瞳孔運動に現れるサッカードの減衰率と虹彩運動に現れるサッカードの減衰率との差のいずれか１つを含み、瞳孔の位置情報の時系列、虹彩の位置情報の時系列をそれぞれ位置制御系のステップ応答としてモデル化して得られる特徴量である
   反射性判定方法。
7. 反射性判定装置が、視覚的合図又は聴覚的合図を追従するように眼を動かすタスクにおける対象者の眼球運動に現れるサッカードの特徴量を抽出する特徴量抽出ステップと、
   前記反射性判定装置が、複数の被験者が視覚的合図又は聴覚的合図を追従するように眼を動かすタスクを実行することにより得られる眼球運動に現れるサッカードの特徴量（以下、基準値という）と前記特徴量の相違度合に基づいて、前記対象者の眼が反射の影響を受けやすいか否かを示す判定結果を生成する判定ステップと
   を含む反射性判定方法であって、
   前記判定ステップは、
   前記相違度合が大きい場合、前記対象者の眼が反射の影響を受けやすいことを示す判定結果を生成し、それ以外の場合、前記対象者の眼が反射の影響を受けやすいとはいえないことを示す判定結果を生成し、
   前記眼球運動に現れるサッカードの特徴量は、瞳孔運動に現れるサッカードの減衰係数と虹彩運動に現れるサッカードの減衰係数との差であり、瞳孔の位置情報の時系列、虹彩の位置情報の時系列をそれぞれ位置制御系のステップ応答としてモデル化して得られる特徴量であり、
   前記基準値は、前記複数の被験者から得られる、瞳孔運動に現れるサッカードの減衰係数と虹彩運動に現れるサッカードの減衰係数との差の平均値、中央値、最大値、最小値のいずれかである
   反射性判定方法。
8. 反射性判定装置が、対象者の眼球運動に現れるサッカードの特徴量を抽出する特徴量抽出ステップと、
   前記反射性判定装置が、眼球運動に現れるサッカードの特徴量を入力として、眼に関する反射の影響の受けやすさの程度を示す情報を出力するように学習された反射性判定モデルを用いて、前記特徴量から前記対象者の眼に関する反射の影響を受けやすさの程度を示す情報を判定結果として生成する判定ステップと
   を含む反射性判定方法であって、
   前記眼球運動に現れるサッカードの特徴量は、瞳孔運動に現れるサッカードの減衰係数と虹彩運動に現れるサッカードの減衰係数との差であり、瞳孔の位置情報の時系列、虹彩の位置情報の時系列をそれぞれ位置制御系のステップ応答としてモデル化して得られる特徴量である
   反射性判定方法。
9. 請求項１ないし４のいずれか１項に記載の反射性判定装置としてコンピュータを機能させるためのプログラム。

Images