JP7347822B2 - 心身状態推定装置、心身状態推定方法、及びプログラム - Google Patents

心身状態推定装置、心身状態推定方法、及びプログラム Download PDF

Info

Publication number
JP7347822B2
JP7347822B2 JP2020500230A JP2020500230A JP7347822B2 JP 7347822 B2 JP7347822 B2 JP 7347822B2 JP 2020500230 A JP2020500230 A JP 2020500230A JP 2020500230 A JP2020500230 A JP 2020500230A JP 7347822 B2 JP7347822 B2 JP 7347822B2
Authority
JP
Japan
Prior art keywords
biometric information
event
difference
mental
specific event
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
Application number
JP2020500230A
Other languages
English (en)
Other versions
JPWO2019159352A1 (ja
Inventor
旭美 梅松
万貴子 秋口
明日華 松葉
祥史 大西
剛範 辻川
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
NEC Corp
Original Assignee
NEC Corp
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by NEC Corp filed Critical NEC Corp
Publication of JPWO2019159352A1 publication Critical patent/JPWO2019159352A1/ja
Application granted granted Critical
Publication of JP7347822B2 publication Critical patent/JP7347822B2/ja
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
    • G16H10/00—ICT specially adapted for the handling or processing of patient-related medical or healthcare data

Landscapes

  • Health & Medical Sciences (AREA)
  • Engineering & Computer Science (AREA)
  • Epidemiology (AREA)
  • General Health & Medical Sciences (AREA)
  • Medical Informatics (AREA)
  • Primary Health Care (AREA)
  • Public Health (AREA)
  • Measurement Of The Respiration, Hearing Ability, Form, And Blood Characteristics Of Living Organisms (AREA)
  • Medical Treatment And Welfare Office Work (AREA)

Description

本発明は、ユーザの心身状態の変化を推定するための、心身状態推定装置、及び心身状態推定方法に関し、更には、これらを実現するためのプログラムに関する。
近年、ストレス、疲労感、幸福感といった、人の主観的な心身状態を推定する試みがなされている。このような試みは、セミナー、ワークショップといったイベントの効果の確認等に有用である、と考えられる。また、心身状態を推定できれば、職場でのストレス又は疲労感を軽減することも可能になると考えられる。
また、特許文献１は、人の心身状態を推定するための装置を開示している。特許文献１に開示された装置は、アイウエア型の装置であり、ユーザの眼電位から、ユーザの特徴的な眼動を検出し、検出した眼動から心身状態を推定する。
具体的には、特許文献１に開示された装置では、予め、特徴的な眼動のパターンと、その眼動が検出されたときの外部刺激（例えば、映画の種々なシーンにおける、人の五感への刺激）とが、対応付けられて記録されている。そして、特許文献１に開示された装置は、特徴的な眼動を検出すると、登録されている外部刺激の中から、検出した眼動のパターンに一致する外部刺激を特定し、特定した外部刺激から、ユーザの心身状態を推定する。
特開２０１７－１５３８８７号公報
ところで、上記特許文献１に開示された装置は、眼動の検出によって心身状態を推定しており、推定される心身状態は、眼動が生じた時点の心身状態である。つまり、上記特許文献１に開示された装置では、瞬間における心身状態の推定は可能であるが、イベントの開始から終了までの間における心身状態の変化の推定は不可能である。このため、上記特許文献１に開示された装置には、イベントの効果を確認できないという問題がある。
本発明の目的の一例は、上記問題を解消し、イベントの前後における心身状態の変化を推定し得る、心身状態推定装置、心身状態推定方法、及びプログラムを提供することにある。
上記目的を達成するため、本発明の一側面における心身状態推定装置は、
特定のイベントの参加者における、前記特定のイベントの開始前の生体情報、及び前記特定のイベントの終了後の生体情報を取得する、生体情報取得部と、
取得された、前記特定のイベントの開始前の生体情報と前記特定のイベントの終了後の生体情報との差分を算出する、差分算出部と、
前記特定のイベントの開始前の生体情報、及び前記特定のイベントの終了後の生体情報のうち少なくとも一方と、算出された前記差分と、に基づいて、又は前記差分のみに基づいて、前記参加者の心身状態の変化を推定する、推定部と、
を備えていることを特徴とする。
また、上記目的を達成するため、本発明の一側面における心身状態推定方法は、
（ａ）特定のイベントの参加者における、前記特定のイベントの開始前の生体情報、及び前記特定のイベントの終了後の生体情報を取得する、ステップと、
（ｂ）取得された、前記特定のイベントの開始前の生体情報と前記特定のイベントの終了後の生体情報との差分を算出する、ステップと、
（ｃ）前記特定のイベントの開始前の生体情報、及び前記特定のイベントの終了後の生体情報のうち少なくとも一方と、算出された前記差分と、に基づいて、又は前記差分のみに基づいて、前記参加者の心身状態の変化を推定する、ステップと、
を有することを特徴とする。
更に、上記目的を達成するため、本発明の一側面におけるプログラムは、
コンピュータに、
（ａ）特定のイベントの参加者における、前記特定のイベントの開始前の生体情報、及び前記特定のイベントの終了後の生体情報を取得する、ステップと、
（ｂ）取得された、前記特定のイベントの開始前の生体情報と前記特定のイベントの終了後の生体情報との差分を算出する、ステップと、
（ｃ）前記特定のイベントの開始前の生体情報、及び前記特定のイベントの終了後の生体情報のうち少なくとも一方と、算出された前記差分と、に基づいて、又は前記差分のみに基づいて、前記参加者の心身状態の変化を推定する、ステップと、
を実行させることを特徴とする。
以上のように本発明によれば、イベントの前後における心身状態の変化を推定することができる。
図１は、本発明の実施の形態における心身状態推定装置の概略構成を示すブロック図である。 図２は、本発明の実施の形態における心身状態推定装置の具体的構成を示すブロック図である。 図３は、本発明の実施の形態において学習モデルの生成に用いられる目的変数及び説明変数の取得タイミングを説明するための図である。 図４は、本発明の実施の形態において学習モデルの生成に用いられる目的変数の一例を示す図である。 図５は、本発明の実施の形態において学習モデルの生成に用いられる説明変数の一例を示す図である。 図６は、本発明の実施の形態における心身状態推定装置の動作を示すフロー図である。 図７は、本発明の実施の形態における心身状態推定装置を実現するコンピュータの一例を示すブロック図である。
（実施の形態）
以下、本発明の実施の形態における、心身状態推定装置、心身状態推定方法、及びプログラムについて、図１～図７を参照しながら説明する。
［装置構成］
最初に、本実施の形態における心身状態推定装置の構成について説明する。図１は、本発明の実施の形態における心身状態推定装置の概略構成を示すブロック図である。
図１に示す、本実施の形態における心身状態推定装置１００は、人の心身状態の変化を推定するための装置である。心身状態推定装置１００は、生体情報取得部１０と、差分算出部２０と、推定部３０とを備えている。
生体情報取得部１０は、特定のイベントに参加する参加者における、特定のイベントの開始前の生体情報、及び特定のイベントの終了後の生体情報を取得する。また、本実施の形態において、イベントとしては、例えば、ワークショップ（体験型講座）、セミナー、研修、勉強会、コンサート等が挙げられる。
差分算出部２０は、生体情報取得部１０によって取得された、特定のイベントの開始前の生体情報と特定のイベントの終了後の生体情報との差分を算出する。推定部３０は、特定のイベントの開始前の生体情報、及び特定のイベントの終了後の生体情報のうち少なくとも一方と、差分算出部２０によって算出された差分と、に基づいて、参加者の心身状態の変化を推定する。また、推定部３０は、差分算出部２０によって算出された差分のみに基づいて、参加者の心身状態の変化を推定することもできる。
このように、本実施の形態における心身状態推定装置１００は、イベントの前後での生体情報の差分を算出し、差分から心身状態を推定する。つまり、心身状態推定装置１００によれば、瞬間ではなく、イベントの開始から終了までの間における心身状態の変化が推定される。
ここで、図２を用いて、心身状態推定装置１００の構成を更に詳細に説明する。図２は、本発明の実施の形態における心身状態推定装置の具体的構成を示すブロック図である。
図２に示すように、本実施の形態においては、心身状態推定装置１００は、人の生体情報を取得可能な端末装置６０にデータ通信可能に接続されている。図２の例では、端末装置６０は、無線通信によって、心身状態推定装置１００とデータ通信を行っている。また、端末装置６０は、生体情報を検出するセンサを備えている。
また、本実施の形態では、生体情報としては、例えば、参加者７０における、心拍数、皮膚温度、皮膚電気反応、動作の加速度等が挙げられる。また、生体情報は、これらのうちの１つの情報であっても良いし、２以上を組み合わせた情報であっても良い。
端末装置６０としては、例えば、腕時計型の端末装置、眼鏡型の端末装置といったウェアラブル端末が挙げられる。また、端末装置６０に備えられるセンサとしては、例えば、生体情報が心拍数であれば、心電図を測定するための電極、血液の動きを光学的に検出する光学センサが挙げられる。
更に、センサとしては、生体情報が皮膚温度であれば、温度センサが挙げられ、生体情報が皮膚電気反応であれば、皮膚の電位を検出する電位センサが挙げられ、生体情報が動作の加速度であれば、加速度センサが挙げられる。
また、端末装置６０は、センサが出力したセンサデータを取得すると、取得したセンサデータを用いて、心拍数、皮膚温度、皮膚電気反応、加速度といった生体情報を算出し、算出した生体情報を、心身状態推定装置１００に送信する。生体情報取得部１０は、本実施の形態では、端末装置６０から送信されてきた生体情報を取得する。
また、本実施の形態では、心身状態推定装置１００は、生体情報取得部１０、差分算出部２０、及び推定部３０に加えて、学習モデル生成部４０と、記憶部５０とを備えている。学習モデル生成部４０は、まず、サンプルとなるイベントの開始前に実施されたアンケートの結果とサンプルとなるイベントの終了後に実施されたアンケートの結果との差分を目的変数とする。また、学習モデル生成部４０は、サンプルとなるイベントの開始前の生体情報とサンプルとなるイベントの終了後の生体情報との差分を説明変数とする。そして、学習モデル生成部４０は、これらの目的変数と説明変数とを用いて、機械学習を実行し、学習モデル４１を生成する。また、学習モデル生成部４０は、生成した学習モデル４１を記憶部５０に格納する。
推定部３０は、本実施の形態では、学習モデル生成部４０によって生成された学習モデル４１を用いて、参加者７０の心身状態の変化を推定する。具体的には、推定部３０は、イベントの開始前の生体情報、イベントの終了後の生体情報、及び差分算出部２０によって算出された差分を、学習モデル４１に入力する。又は、推定部３０は、差分算出部２０によって算出された差分にのみを、学習モデル４１に入力することもできる。
これにより、心身状態の推定対象となる特定のイベントにおいて、開始前及び終了後にアンケートが実施された場合に得られるであろう、アンケート結果の差分（推定値）が得られることになる。そして、この得られた差分は、特定のイベントの参加者の心身状態の変化を示している。
ここで、図３及び図４を用いて学習モデルの生成処理について説明する。図３は、本発明の実施の形態において学習モデルの生成に用いられる目的変数及び説明変数の取得タイミングを説明するための図である。図４は、本発明の実施の形態において学習モデルの生成に用いられる目的変数の一例を示す図である。図５は、本発明の実施の形態において学習モデルの生成に用いられる説明変数の一例を示す図である。
図３は、サンプルとなるイベントがワークショップであり、このワークショップに参加する参加者から得られた生体情報とアンケートの結果とを用いて、学習モデル４１が生成される例を示している。そして、図３の例では、ワークショップの開始３０分前から、ワークショップ終了後１５分までの間、参加者それぞれから、端末装置６０を介して、生体情報が取得されているとする。また、アンケートは、ワークショップの開始前と終了後とに実施されている。
また、ワークショップが、例えば、幸福度の向上を図ることを目的としたものであるとすると、アンケートとしては、参加者が幸福度をどの程度感じているかを数値化できるものが挙げられる。アンケートの具体例としては、例えば、イリノイ大学名誉教授エド・ディーナーによって考案された「人生満足尺度」が挙げられる。
更に、ワークショップが、例えば、仕事でのストレスの軽減を図ることを目的としたものであるとする、アンケートとしては、参加者が仕事に対して感じていることを数値化できるものが挙げられる。アンケートの具体例としては、仕事に関する調査（URL:http://www.wilmarschaufeli.nl/publications/Schaufeli/Tests/UWES_JAP_9.pdf）、仕事とウェルビーイング（満足度）に関する調査（URL:http://www.wilmarschaufeli.nl/publications/Schaufeli/Tests/DUWAS_20_JAP.pdf）等が挙げられる。
また、図４に示すように、目的変数となる「イベントの開始前に実施されたアンケートの結果とイベントの終了後に実施されたアンケートの結果との差分」は、ワークショップに参加した参加者毎に算出される。
更に、図５に示すように、説明変数となる「イベントの開始前の生体情報とイベントの終了後の生体情報との差分」も、ワークショップに参加した参加者毎に算出される。また、図５の例では、生体情報の差分として、参加者毎に、１３個の差分が算出されている。
なお、目的変数及び説明変数の算出は、心身状態推定装置１００の外部で行われていても良いし、学習モデル生成部４０によって行われていても良い。後者の場合は、学習モデル生成部４０は、イベントの開始前に実施されたアンケートの結果、イベントの終了後に実施されたアンケートの結果、イベントの開始前の生体情報、及びイベントの終了後の生体情報を、外部から受け取る。また、学習モデル生成部４０は、受け取ったデータに基づいて、上述の差分を算出する。
また、本実施の形態において、学習モデル生成部４０は、既存の学習エンジン、例えば、サポートベクトルマシン、ニューラルネットワーク等を用いて機械学習を実行することができる。
［装置動作］
次に、本実施の形態における心身状態推定装置１００の動作について、図６を用いて説明する。図６は、本発明の実施の形態における心身状態推定装置の動作を示すフロー図である。以下の説明においては、適宜図１～図５を参酌する。また、本実施の形態では、心身状態推定装置１００を動作させることによって、心身状態推定方法が実施される。よって、本実施の形態における心身状態推定方法の説明は、以下の心身状態推定装置１００の動作説明に代える。
まず、前提として、学習モデル生成部４０が、サンプルとなるイベントで得られた、生体情報の差分とアンケートの結果の差分とを用いて、学習モデル４１を生成し、生成した学習モデル４１を記憶部５０に格納しているとする。
また、心身状態の推定対象となる特定のイベントが実施され、それに参加した参加者それぞれから、端末装置６０を介して、生体情報が取得されているとする。更に、各端末装置６０は、取得した生体情報を、心身状態推定装置１００に送信しているとする。
図６に示すように、最初に、生体情報取得部１０は、端末装置６０から心身状態推定装置１００に送信されてきている生体情報の中から、イベントの開始前の生体情報と、イベントの終了後の生体情報とを取得する（ステップＡ１）。また、参加者が複数存在し、それぞれの端末装置６０から生体情報が送信されてきている場合は、生体情報取得部１０は、参加者毎に、イベントの開始前及び終了後の生体情報を取得する。
次に、差分算出部２０は、ステップＡ１で取得された、イベントの開始前の生体情報と、イベントの終了後の生体情報との差分を算出する（ステップＡ２）。参加者が複数存在する場合は、差分算出部２０は、参加者毎に、差分を算出する。
具体的には、差分算出部２０は、生体情報の平均値の差分、標準偏差の差分、中央値の差分を算出する。また、生体情報が複数ある場合は、差分算出部２０は、各生体情報について、平均値の差分、標準偏差の差分、中央値の差分を算出する（図５参照）。
次に、推定部３０は、ステップＡ１で取得されたイベントの開始前の生体情報及びイベントの終了後の生体情報と、ステップＡ２で算出された差分とを、学習モデルに入力して、イベントの参加者の心身状態の変化を推定する（ステップＡ３）。参加者が複数存在する場合は、推定部３０は、参加者毎に、心身状態の変化を推定する。また、ステップＡ３では、推定部３０は、ステップＡ２で算出された差分のみを、学習モデルに入力しても良い。その後、推定部３０は、推定結果を外部に出力する（ステップＡ４）。
以上のように本実施の形態によれば、瞬間ではなく、イベントの開始から終了までの間における参加者の心身状態の変化を推定することが可能となるので、イベントによる効果を確認することができる。また、本実施の形態では、心身状態の変化は、ルールに基づいて一律に推定されているわけではなく、機械学習によって得られた学習モデルを用いて推定されていることから、推定結果の信頼性は高くなると期待される。
［プログラム］
本発明の実施の形態におけるプログラムは、コンピュータに、図６に示すステップＡ１～Ａ４を実行させるプログラムであれば良い。このプログラムをコンピュータにインストールし、実行することによって、本実施の形態における心身状態推定装置１００と心身状態推定方法とを実現することができる。この場合、コンピュータのプロセッサは、生体情報取得部１０、差分算出部２０、推定部３０、及び学習モデル生成部４０として機能し、処理を行なう。また、本実施の形態では、記憶部５０、コンピュータに備えられたハードディスク等の記憶装置によって実現できる。
また、本実施の形態におけるプログラムは、複数のコンピュータによって構築されたコンピュータシステムによって実行されても良い。この場合は、例えば、各コンピュータが、それぞれ、生体情報取得部１０、差分算出部２０、推定部３０、及び学習モデル生成部４０のいずれかとして機能しても良い。また、記憶部５０は、本実施の形態におけるプログラムを実行するコンピュータとは別のコンピュータ上に構築されていても良い。
ここで、本実施の形態におけるプログラムを実行することによって、心身状態推定装置１００を実現するコンピュータについて図７を用いて説明する。図７は、本発明の実施の形態における心身状態推定装置を実現するコンピュータの一例を示すブロック図である。
図７に示すように、コンピュータ１１０は、ＣＰＵ（Central Processing Unit）１１１と、メインメモリ１１２と、記憶装置１１３と、入力インターフェイス１１４と、表示コントローラ１１５と、データリーダ／ライタ１１６と、通信インターフェイス１１７とを備える。これらの各部は、バス１２１を介して、互いにデータ通信可能に接続される。なお、コンピュータ１１０は、ＣＰＵ１１１に加えて、又はＣＰＵ１１１に代えて、ＧＰＵ（Graphics Processing Unit）、又はＦＰＧＡ（Field-Programmable Gate Array）を備えていても良い。
ＣＰＵ１１１は、記憶装置１１３に格納された、本実施の形態におけるプログラム（コード）をメインメモリ１１２に展開し、これらを所定順序で実行することにより、各種の演算を実施する。メインメモリ１１２は、典型的には、ＤＲＡＭ（Dynamic Random Access Memory）等の揮発性の記憶装置である。また、本実施の形態におけるプログラムは、コンピュータ読み取り可能な記録媒体１２０に格納された状態で提供される。なお、本実施の形態におけるプログラムは、通信インターフェイス１１７を介して接続されたインターネット上で流通するものであっても良い。
また、記憶装置１１３の具体例としては、ハードディスクドライブの他、フラッシュメモリ等の半導体記憶装置が挙げられる。入力インターフェイス１１４は、ＣＰＵ１１１と、キーボード及びマウスといった入力機器１１８との間のデータ伝送を仲介する。表示コントローラ１１５は、ディスプレイ装置１１９と接続され、ディスプレイ装置１１９での表示を制御する。
データリーダ／ライタ１１６は、ＣＰＵ１１１と記録媒体１２０との間のデータ伝送を仲介し、記録媒体１２０からのプログラムの読み出し、及びコンピュータ１１０における処理結果の記録媒体１２０への書き込みを実行する。通信インターフェイス１１７は、ＣＰＵ１１１と、他のコンピュータとの間のデータ伝送を仲介する。
また、記録媒体１２０の具体例としては、ＣＦ（Compact Flash（登録商標））及びＳＤ（Secure Digital）等の汎用的な半導体記憶デバイス、フレキシブルディスク（Flexible Disk）等の磁気記録媒体、又はＣＤ－ＲＯＭ（Compact DiskRead Only Memory）などの光学記録媒体が挙げられる。
なお、本実施の形態における心身状態推定装置１００は、プログラムがインストールされたコンピュータではなく、各部に対応したハードウェアを用いることによっても実現可能である。更に、心身状態推定装置１００は、一部がプログラムで実現され、残りの部分がハードウェアで実現されていてもよい。
上述した実施の形態の一部又は全部は、以下に記載する（付記１）～（付記９）によって表現することができるが、以下の記載に限定されるものではない。
（付記１）
特定のイベントの参加者における、前記特定のイベントの開始前の生体情報、及び前記特定のイベントの終了後の生体情報を取得する、生体情報取得部と、
取得された、前記特定のイベントの開始前の生体情報と前記特定のイベントの終了後の生体情報との差分を算出する、差分算出部と、
前記特定のイベントの開始前の生体情報、及び前記特定のイベントの終了後の生体情報のうち少なくとも一方と、算出された前記差分と、に基づいて、又は前記差分のみに基づいて、前記参加者の心身状態の変化を推定する、推定部と、
を備えていることを特徴とする心身状態推定装置。
（付記２）
付記１に記載の心身状態推定装置であって、
前記生体情報取得部が、前記生体情報として、前記参加者における、心拍数、皮膚温度、皮膚電気反応、動作の加速度のうち、少なくとも一つを取得する、
ことを特徴とする心身状態推定装置。
（付記３）
付記１または２に記載の心身状態推定装置であって、
前記推定部が、
サンプルとなるイベントの開始前に実施されたアンケートの結果と前記サンプルとなるイベントの終了後に実施されたアンケートの結果との差分を目的変数とし、前記サンプルとなるイベントの開始前の生体情報と前記サンプルとなるイベントの終了後の生体情報との差分を説明変数とした、機械学習によって得られた学習モデルを用いて、
前記参加者の心身状態の変化を推定する、
ことを特徴とする心身状態推定装置。
（付記４）
（ａ）特定のイベントの参加者における、前記特定のイベントの開始前の生体情報、及び前記特定のイベントの終了後の生体情報を取得する、ステップと、
（ｂ）取得された、前記特定のイベントの開始前の生体情報と前記特定のイベントの終了後の生体情報との差分を算出する、ステップと、
（ｃ）前記特定のイベントの開始前の生体情報、及び前記特定のイベントの終了後の生体情報のうち少なくとも一方と、算出された前記差分と、に基づいて、又は前記差分のみに基づいて、前記参加者の心身状態の変化を推定する、ステップと、
を有することを特徴とする心身状態推定方法。
（付記５）
付記４に記載の心身状態推定方法であって、
前記（ａ）のステップにおいて、前記生体情報として、前記参加者における、心拍数、皮膚温度、皮膚電気反応、動作の加速度のうち、少なくとも一つを取得する、
ことを特徴とする心身状態推定方法。
（付記６）
付記４または５に記載の心身状態推定方法であって、
前記（ｃ）のステップにおいて、
サンプルとなるイベントの開始前に実施されたアンケートの結果と前記サンプルとなるイベントの終了後に実施されたアンケートの結果との差分を目的変数とし、前記サンプルとなるイベントの開始前の生体情報と前記サンプルとなるイベントの終了後の生体情報との差分を説明変数とした、機械学習によって得られた学習モデルを用いて、
前記参加者の心身状態の変化を推定する、
ことを特徴とする心身状態推定方法。
（付記７）
コンピュータに、
（ａ）特定のイベントの参加者における、前記特定のイベントの開始前の生体情報、及び前記特定のイベントの終了後の生体情報を取得する、ステップと、
（ｂ）取得された、前記特定のイベントの開始前の生体情報と前記特定のイベントの終了後の生体情報との差分を算出する、ステップと、
（ｃ）前記特定のイベントの開始前の生体情報、及び前記特定のイベントの終了後の生体情報のうち少なくとも一方と、算出された前記差分と、に基づいて、又は前記差分のみに基づいて、前記参加者の心身状態の変化を推定する、ステップと、
を実行させる、プログラム。
（付記８）
付記７に記載のプログラムであって、
前記（ａ）のステップにおいて、前記生体情報として、前記参加者における、心拍数、皮膚温度、皮膚電気反応、動作の加速度のうち、少なくとも一つを取得する、
ことを特徴とするプログラム。
（付記９）
付記７または８に記載のプログラムであって、
前記（ｃ）のステップにおいて、
サンプルとなるイベントの開始前に実施されたアンケートの結果と前記サンプルとなるイベントの終了後に実施されたアンケートの結果との差分を目的変数とし、前記サンプルとなるイベントの開始前の生体情報と前記サンプルとなるイベントの終了後の生体情報との差分を説明変数とした、機械学習によって得られた学習モデルを用いて、
前記参加者の心身状態の変化を推定する、
ことを特徴とするプログラム。
以上、実施の形態を参照して本願発明を説明したが、本願発明は上記実施の形態に限定されるものではない。本願発明の構成や詳細には、本願発明のスコープ内で当業者が理解し得る様々な変更をすることができる。
以上のように本発明によれば、イベントの前後における心身状態の変化を推定することができる。本発明は、ワークショップ、セミナーといったイベントの効果の確認に有用である。
１０ 生体情報取得部
２０ 差分算出部
３０ 推定部
４０ 学習モデル生成部
４１ 学習モデル
５０ 記憶部
６０ 端末装置
７０ 参加者
１００ 心身状態推定装置
１１０ コンピュータ
１１１ ＣＰＵ
１１２ メインメモリ
１１３ 記憶装置
１１４ 入力インターフェイス
１１５ 表示コントローラ
１１６ データリーダ／ライタ
１１７ 通信インターフェイス
１１８ 入力機器
１１９ ディスプレイ装置
１２０ 記録媒体
１２１ バス

Claims (6)

  1. 特定のイベントの参加者における、前記特定のイベントの開始前の生体情報、及び前記特定のイベントの終了後の生体情報を取得する、生体情報取得部と、
    取得された、前記特定のイベントの開始前の生体情報と前記特定のイベントの終了後の生体情報との差分を算出する、差分算出部と、
    前記特定のイベントの開始前の生体情報、及び前記特定のイベントの終了後の生体情報のうち少なくとも一方と、算出された前記差分と、に基づいて、又は前記差分のみに基づいて、前記参加者の心身状態の変化を推定する、推定部と、
    を備え、
    前記推定部が、
    前記イベントの参加者が前記イベントに関連して感じていることを数値化するアンケートを用いて、サンプルとなるイベントの開始前に実施された前記アンケートの結果と前記サンプルとなるイベントの終了後に実施された前記アンケートの結果との差分を目的変数とし、前記サンプルとなるイベントの開始前の生体情報と前記サンプルとなるイベントの終了後の生体情報との差分を説明変数とした、機械学習によって得られた学習モデルに、
    算出された、前記特定のイベントの開始前の生体情報と前記特定のイベントの終了後の生体情報との差分を入力し、前記学習モデルから出力された、アンケートの結果の差分を、前記参加者の心身状態の変化として推定する、
    ことを特徴とする心身状態推定装置。
  2. 請求項１に記載の心身状態推定装置であって、
    前記生体情報取得部が、前記生体情報として、前記参加者における、心拍数、皮膚温度、皮膚電気反応、動作の加速度のうち、少なくとも一つを取得する、
    ことを特徴とする心身状態推定装置。
  3. コンピュータが実行する方法であって、
    （ａ）特定のイベントの参加者における、前記特定のイベントの開始前の生体情報、及び前記特定のイベントの終了後の生体情報を取得する、ステップと、
    （ｂ）取得された、前記特定のイベントの開始前の生体情報と前記特定のイベントの終了後の生体情報との差分を算出する、ステップと、
    （ｃ）前記特定のイベントの開始前の生体情報、及び前記特定のイベントの終了後の生体情報のうち少なくとも一方と、算出された前記差分と、に基づいて、又は前記差分のみに基づいて、前記参加者の心身状態の変化を推定する、ステップと、
    を有し、
    前記（ｃ）のステップにおいて、
    前記イベントの参加者が前記イベントに関連して感じていることを数値化するアンケートを用いて、サンプルとなるイベントの開始前に実施された前記アンケートの結果と前記サンプルとなるイベントの終了後に実施された前記アンケートの結果との差分を目的変数とし、前記サンプルとなるイベントの開始前の生体情報と前記サンプルとなるイベントの終了後の生体情報との差分を説明変数とした、機械学習によって得られた学習モデルに、
    算出された、前記特定のイベントの開始前の生体情報と前記特定のイベントの終了後の生体情報との差分を入力し、前記学習モデルから出力された、アンケートの結果の差分を、前記参加者の心身状態の変化として推定する、
    ことを特徴とする心身状態推定方法。
  4. 請求項３に記載の心身状態推定方法であって、
    前記（ａ）のステップにおいて、前記生体情報として、前記参加者における、心拍数、皮膚温度、皮膚電気反応、動作の加速度のうち、少なくとも一つを取得する、
    ことを特徴とする心身状態推定方法。
  5. コンピュータに、
    （ａ）特定のイベントの参加者における、前記特定のイベントの開始前の生体情報、及び前記特定のイベントの終了後の生体情報を取得する、ステップと、
    （ｂ）取得された、前記特定のイベントの開始前の生体情報と前記特定のイベントの終了後の生体情報との差分を算出する、ステップと、
    （ｃ）前記特定のイベントの開始前の生体情報、及び前記特定のイベントの終了後の生体情報のうち少なくとも一方と、算出された前記差分と、に基づいて、又は前記差分のみに基づいて、前記参加者の心身状態の変化を推定する、ステップと、
    を実行させ、
    前記（ｃ）のステップにおいて、
    前記イベントの参加者が前記イベントに関連して感じていることを数値化するアンケートを用いて、サンプルとなるイベントの開始前に実施された前記アンケートの結果と前記サンプルとなるイベントの終了後に実施された前記アンケートの結果との差分を目的変数とし、前記サンプルとなるイベントの開始前の生体情報と前記サンプルとなるイベントの終了後の生体情報との差分を説明変数とした、機械学習によって得られた学習モデルに、
    算出された、前記特定のイベントの開始前の生体情報と前記特定のイベントの終了後の生体情報との差分を入力し、前記学習モデルから出力された、アンケートの結果の差分を、前記参加者の心身状態の変化として推定する、
    プログラム。
  6. 請求項５に記載のプログラムであって、
    前記（ａ）のステップにおいて、前記生体情報として、前記参加者における、心拍数、皮膚温度、皮膚電気反応、動作の加速度のうち、少なくとも一つを取得する、
    ことを特徴とするプログラム。
JP2020500230A 2018-02-19 2018-02-19 心身状態推定装置、心身状態推定方法、及びプログラム Active JP7347822B2 (ja)

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
PCT/JP2018/005695 WO2019159352A1 (ja) 2018-02-19 2018-02-19 心身状態推定装置、心身状態推定方法、及びコンピュータ読み取り可能な記録媒体

Publications (2)

Publication Number Publication Date
JPWO2019159352A1 JPWO2019159352A1 (ja) 2021-01-28
JP7347822B2 true JP7347822B2 (ja) 2023-09-20

Family

ID=67619848

Family Applications (1)

Application Number Title Priority Date Filing Date
JP2020500230A Active JP7347822B2 (ja) 2018-02-19 2018-02-19 心身状態推定装置、心身状態推定方法、及びプログラム

Country Status (2)

Country Link
JP (1) JP7347822B2 (ja)
WO (1) WO2019159352A1 (ja)

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2016165373A (ja) 2015-03-10 2016-09-15 日本電信電話株式会社 センサデータを用いた推定装置、センサデータを用いた推定方法、センサデータを用いた推定プログラム
JP2017121304A (ja) 2016-01-06 2017-07-13 日本電信電話株式会社 情報処理装置、情報処理方法、及び、プログラム

Family Cites Families (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP6198530B2 (ja) * 2013-08-30 2017-09-20 株式会社ニコン 画像処理装置
JP6034926B1 (ja) * 2015-07-08 2016-11-30 西日本電信電話株式会社 指標出力装置、指標出力方法及びコンピュータプログラム
JP6946622B2 (ja) * 2016-07-20 2021-10-06 日本電気株式会社 ストレス判定装置、ストレス判定方法、及び、ストレス判定プログラム

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2016165373A (ja) 2015-03-10 2016-09-15 日本電信電話株式会社 センサデータを用いた推定装置、センサデータを用いた推定方法、センサデータを用いた推定プログラム
JP2017121304A (ja) 2016-01-06 2017-07-13 日本電信電話株式会社 情報処理装置、情報処理方法、及び、プログラム

Also Published As

Publication number Publication date
JPWO2019159352A1 (ja) 2021-01-28
WO2019159352A1 (ja) 2019-08-22

Similar Documents

Publication Publication Date Title
US11013449B2 (en) Methods and systems for decoding, inducing, and training peak mind/body states via multi-modal technologies
Huynh et al. Engagemon: Multi-modal engagement sensing for mobile games
US10839201B2 (en) Facial expression detection for screening and treatment of affective disorders
Islam et al. Cybersickness prediction from integrated hmd’s sensors: A multimodal deep fusion approach using eye-tracking and head-tracking data
Schoenherr et al. Identification of movement synchrony: Validation of windowed cross-lagged correlation and-regression with peak-picking algorithm
Ding et al. An exploratory study using electroencephalography (EEG) to measure the smartphone user experience in the short term
JP7311637B2 (ja) 認知トレーニング及び監視のためのシステム及び方法
Liapis et al. Stress recognition in human-computer interaction using physiological and self-reported data: a study of gender differences
Herbig et al. Investigating multi-modal measures for cognitive load detection in e-learning
JP6479708B2 (ja) 特徴量抽出装置、推定装置、それらの方法、およびプログラム
Davis III et al. Collaborative filtering with preferences inferred from brain signals
JP7278972B2 (ja) 表情解析技術を用いた商品に対するモニタの反応を評価するための情報処理装置、情報処理システム、情報処理方法、及び、プログラム
JP7311118B2 (ja) 感情推定方法および感情推定システム
JP7005921B2 (ja) 睡眠状態推定装置、睡眠状態推定方法および睡眠状態推定プログラム
JP7347822B2 (ja) 心身状態推定装置、心身状態推定方法、及びプログラム
JP6509712B2 (ja) 印象推定装置およびプログラム
EP3182892B1 (en) Method and system for eeg signal processing
WO2021260836A1 (ja) 学習モデル生成装置、ストレス推定装置、学習モデル生成方法、ストレス推定方法、及びコンピュータ読み取り可能な記録媒体
JP2019022540A (ja) プログラム、情報処理装置およびストレス評価方法
De Santana et al. Measuring quantitative situated user experience with a mobile galvanic skin response sensor
Courtemanche et al. Multiresolution feature extraction during psychophysiological inference: addressing signals Asynchronicity
JP2015029609A (ja) 嗜好性評価方法、嗜好性評価装置およびプログラム
WO2022101990A1 (ja) 疲労度推定装置、疲労度推定方法、及びコンピュータ読み取り可能な記録媒体
WO2022038776A1 (ja) ストレス推定装置、推定方法、プログラム及び記憶媒体
JP2017202048A (ja) 特徴量抽出装置、推定装置、それらの方法、およびプログラム

Legal Events

Date Code Title Description
A521 Request for written amendment filed

Free format text: JAPANESE INTERMEDIATE CODE: A523

Effective date: 20200814

A621 Written request for application examination

Free format text: JAPANESE INTERMEDIATE CODE: A621

Effective date: 20200814

A131 Notification of reasons for refusal

Free format text: JAPANESE INTERMEDIATE CODE: A131

Effective date: 20211019

A521 Request for written amendment filed

Free format text: JAPANESE INTERMEDIATE CODE: A523

Effective date: 20211216

A02 Decision of refusal

Free format text: JAPANESE INTERMEDIATE CODE: A02

Effective date: 20220517

C60 Trial request (containing other claim documents, opposition documents)

Free format text: JAPANESE INTERMEDIATE CODE: C60

Effective date: 20220816

C22 Notice of designation (change) of administrative judge

Free format text: JAPANESE INTERMEDIATE CODE: C22

Effective date: 20221227

A61 First payment of annual fees (during grant procedure)

Free format text: JAPANESE INTERMEDIATE CODE: A61

Effective date: 20230831

R151 Written notification of patent or utility model registration

Ref document number: 7347822

Country of ref document: JP

Free format text: JAPANESE INTERMEDIATE CODE: R151