JPWO2019159252A1 - Stress estimation device and stress estimation method using biological signals - Google Patents
Stress estimation device and stress estimation method using biological signals Download PDFInfo
- Publication number
- JPWO2019159252A1 JPWO2019159252A1 JP2019571856A JP2019571856A JPWO2019159252A1 JP WO2019159252 A1 JPWO2019159252 A1 JP WO2019159252A1 JP 2019571856 A JP2019571856 A JP 2019571856A JP 2019571856 A JP2019571856 A JP 2019571856A JP WO2019159252 A1 JPWO2019159252 A1 JP WO2019159252A1
- Authority
- JP
- Japan
- Prior art keywords
- stress
- biological signal
- short
- term
- feature amount
- 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.)
- Granted
Links
Images
Classifications
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/16—Devices for psychotechnics; Testing reaction times ; Devices for evaluating the psychological state
Landscapes
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Engineering & Computer Science (AREA)
- Hospice & Palliative Care (AREA)
- Pathology (AREA)
- Developmental Disabilities (AREA)
- Psychiatry (AREA)
- Psychology (AREA)
- Social Psychology (AREA)
- Physics & Mathematics (AREA)
- Child & Adolescent Psychology (AREA)
- Biophysics (AREA)
- Educational Technology (AREA)
- Biomedical Technology (AREA)
- Heart & Thoracic Surgery (AREA)
- Medical Informatics (AREA)
- Molecular Biology (AREA)
- Surgery (AREA)
- Animal Behavior & Ethology (AREA)
- General Health & Medical Sciences (AREA)
- Public Health (AREA)
- Veterinary Medicine (AREA)
- Measurement Of The Respiration, Hearing Ability, Form, And Blood Characteristics Of Living Organisms (AREA)
Abstract
ストレス推定装置は、ストレス推定の対象者から収集された生体信号データを、ストレスが推定されるべき全期間に亘って連結して全期間生体信号を生成し、生体信号データを、全期間よりも短い複数の短期間のそれぞれに亘って連結して複数の短期間生体信号を生成する生体信号構成手段12と、全期間生体信号からストレス特徴量を算出して全期間特徴量とし、短期間生体信号からストレス特徴量を算出して短期間特徴量とするストレス特徴量算出手段15と、全期間特徴量と短期間特徴量とからストレススコアを推定するストレススコア推定手段16とを備える。The stress estimation device connects the biological signal data collected from the subject of stress estimation over the entire period in which the stress should be estimated to generate the biological signal for the entire period, and the biological signal data is generated from the entire period. A biological signal constituent means 12 that generates a plurality of short-term biological signals by connecting them over a plurality of short periods, and a stress feature amount is calculated from the biological signal for the entire period to obtain a feature amount for the entire period. It is provided with a stress feature amount calculating means 15 that calculates a stress feature amount from a signal and uses it as a short-term feature amount, and a stress score estimating means 16 that estimates a stress score from the full-period feature amount and the short-term feature amount.
Description
本発明は、生体信号を用いるストレス推定装置およびストレス推定方法に関する。 The present invention relates to a stress estimation device and a stress estimation method using biological signals.
長期ストレス(chronic stress)は、人が長期間に亘って様々なストレッサー(stresser)に曝されることによって蓄積されるストレスである。長期ストレスは、鬱病等の精神疾患をもたらす可能性がある。職業性ストレス(occupational stress )は、長期ストレスの一例である。職業性ストレスは、特に勤務者が就業中に様々なストレッサーに曝されることによって蓄積されるストレスである。職業性ストレスがもたらす鬱病等は、労働者の生産性を低下させる。よって、鬱病等の早期発見および防止は重要である。鬱病等の早期発見および防止のために、様々な長期ストレス推定技術が提案されている。 Chronic stress is the stress that accumulates when a person is exposed to various stressors over a long period of time. Long-term stress can lead to mental illness such as depression. Occupational stress is an example of long-term stress. Occupational stress is the stress that accumulates, especially when workers are exposed to various stressors during work. Depression caused by occupational stress reduces the productivity of workers. Therefore, early detection and prevention of depression and the like are important. Various long-term stress estimation techniques have been proposed for early detection and prevention of depression and the like.
長期ストレス推定システムの一例が、非特許文献1,2,3,4に記載されている。例えば、非特許文献1および非特許文献2には、1ヶ月という長期に亘る被験者の生体信号が統計的に処理された特徴量を用いて、ストレスの程度を識別する技術が開示されている。特徴量は、生体信号を、座位、歩行、走行、および睡眠等の行動時間別に統計的に処理することによって得られる。そして、長期ストレスの指標としてよく用いられるPSS (Perceived Stress Scale)アンケートのスコアが高い人と低い人とが識別されている。 An example of a long-term stress estimation system is described in Non-Patent Documents 1, 2, 3 and 4. For example, Non-Patent Document 1 and Non-Patent Document 2 disclose a technique for identifying the degree of stress by using a feature amount obtained by statistically processing a biological signal of a subject over a long period of one month. The feature amount is obtained by statistically processing the biological signal according to the action time such as sitting, walking, running, and sleeping. Then, a person with a high score and a person with a low score in the PSS (Perceived Stress Scale) questionnaire, which is often used as an index of long-term stress, are identified.
非特許文献3には、人の身体活動の継続時間の頻度分布によって、ユーザの幸福度および生産性を推定する技術が開示されている。非特許文献4には、歩行、会話、およびデスクワーク等の行動と、それらの行動時間(行動時間そのもの、1日における当該行動時間の割合、および行動の数)の統計量(平均、標準偏差、および中央値)と、性格や鬱の指標との間の相関分析が示されている。 Non-Patent Document 3 discloses a technique for estimating user happiness and productivity from the frequency distribution of the duration of physical activity of a person. Non-Patent Document 4 contains statistics (mean, standard deviation,) of actions such as walking, conversation, and desk work, and their action time (action time itself, the ratio of the action time in one day, and the number of actions). And median) and correlation analysis between personality and depression indicators are shown.
各非特許文献に記載された技術は、生体信号データからストレス推定のための特徴量を算出する際、ストレスが推定されるべき期間全体(例えば、1ヶ月)に亘って統計的処理を行う。そのために、充分高い推定精度が得られない。 The techniques described in each non-patent document perform statistical processing over the entire period (for example, one month) in which stress should be estimated when calculating features for stress estimation from biological signal data. Therefore, a sufficiently high estimation accuracy cannot be obtained.
その理由は、心理学的に長期ストレスを反映すると認められているPSS アンケートや職業性ストレス簡易調査票のストレス反応の項目等では、ストレスが推定されるべき期間(1ヶ月)の全体的なストレス経験は問われず、その期間中の短期間のストレス経験の有無やその頻度が問われているためである。このように、長期ストレスを推定する処理において、ストレスが推定されるべき期間よりも細かい粒度の時間単位の生体信号情報は、充分に利用されていない。その結果、PSS アンケートや職業性ストレス簡易調査票等の長期ストレス指標におけるスコアを高精度に推定することが難しい。 The reason for this is the overall stress during the period (1 month) in which stress should be estimated in the stress response items of the PSS questionnaire and the simple occupational stress questionnaire, which are psychologically recognized to reflect long-term stress. This is because the experience is not asked, and the existence and frequency of short-term stress experiences during that period are asked. As described above, in the process of estimating long-term stress, the biological signal information in time units having a finer granularity than the period in which the stress should be estimated is not fully utilized. As a result, it is difficult to accurately estimate the scores in long-term stress indicators such as PSS questionnaires and simple occupational stress questionnaires.
本発明は、高い精度で長期ストレスを推定できるストレス推定装置およびストレス推定方法を提供することを目的とする。 An object of the present invention is to provide a stress estimation device and a stress estimation method capable of estimating long-term stress with high accuracy.
本発明によるストレス推定装置は、ストレス推定の対象者から収集された生体信号データを、ストレスが推定されるべき全期間に亘って連結して全期間生体信号を生成し、生体信号データを、全期間よりも短い複数の短期間のそれぞれに亘って連結して複数の短期間生体信号を生成する生体信号構成手段と、全期間生体信号からストレス特徴量を算出して全期間特徴量とし、短期間生体信号からストレス特徴量を算出して短期間特徴量とするストレス特徴量算出手段と、全期間特徴量と短期間特徴量とからストレススコアを推定するストレススコア推定手段とを備える。 The stress estimation device according to the present invention connects the biological signal data collected from the subject of stress estimation over the entire period in which the stress should be estimated to generate the biological signal for the entire period, and generates the biological signal data for the entire period. A biological signal component means for generating a plurality of short-term biological signals by connecting over a plurality of short-terms shorter than a period, and a stress feature amount calculated from the whole-period biological signal to obtain a full-period feature amount, which is short-term. It is provided with a stress feature amount calculating means for calculating a stress feature amount from an inter-biological signal and using it as a short-term feature amount, and a stress score estimating means for estimating a stress score from a full-period feature amount and a short-term feature amount.
本発明によるストレス推定方法は、ストレス推定の対象者から収集された生体信号データを、ストレスが推定されるべき全期間に亘って連結して全期間生体信号を生成し、生体信号データを、全期間よりも短い複数の短期間のそれぞれに亘って連結して複数の短期間生体信号を生成し、全期間生体信号からストレス特徴量を算出して全期間特徴量とし、短期間生体信号からストレス特徴量を算出して短期間特徴量とし、全期間特徴量と短期間特徴量とからストレススコアを推定する。 In the stress estimation method according to the present invention, the biological signal data collected from the subject of the stress estimation is concatenated over the entire period in which the stress should be estimated to generate the biological signal for the entire period, and the biological signal data is collected. Multiple short-term biological signals are generated by connecting them over a plurality of short-terms shorter than the period, and the stress feature amount is calculated from the whole-period biological signal to obtain the full-period feature amount, and the stress is obtained from the short-term biological signal. The feature amount is calculated and used as a short-term feature amount, and the stress score is estimated from the full-period feature amount and the short-term feature amount.
本発明によるストレス推定プログラムは、コンピュータに、ストレス推定の対象者から収集された生体信号データを、ストレスが推定されるべき全期間に亘って連結して全期間生体信号を生成し、生体信号データを、全期間よりも短い複数の短期間のそれぞれに亘って連結して複数の短期間生体信号を生成する処理と、全期間生体信号からストレス特徴量を算出して全期間特徴量とし、短期間生体信号からストレス特徴量を算出して短期間特徴量とする処理と、全期間特徴量と短期間特徴量とからストレススコアを推定する処理とを実行させる。 The stress estimation program according to the present invention generates a biological signal by connecting the biological signal data collected from the subject of the stress estimation to a computer over the entire period in which the stress should be estimated, and generates the biological signal data. Is processed to generate a plurality of short-term biological signals by concatenating each of a plurality of short-terms shorter than the entire period, and a stress feature amount is calculated from the whole-period biological signal to obtain a full-period feature amount. A process of calculating a stress feature amount from an inter-biological signal to obtain a short-term feature amount and a process of estimating a stress score from a full-period feature amount and a short-term feature amount are executed.
本発明によれば、長期ストレスを高精度に推定できる。 According to the present invention, long-term stress can be estimated with high accuracy.
以下、本発明の実施形態を図面を参照して説明する。 Hereinafter, embodiments of the present invention will be described with reference to the drawings.
実施形態1.
図1は、ストレス推定装置の第1の実施形態を示すブロック図である。第1の実施形態では、ストレス推定装置は、情報処理サーバ100で実現されている。情報処理サーバ100は、生体信号記憶部101と、生体信号構成部102と、全期間生体信号記憶部103と、短期間生体信号記憶部104と、ストレス特徴量算出部105と、ストレススコア推定部106と、ストレススコア出力部107とを含む。Embodiment 1.
FIG. 1 is a block diagram showing a first embodiment of the stress estimation device. In the first embodiment, the stress estimation device is realized by the
なお、生体信号構成部102、ストレス特徴量算出部105およびストレススコア推定部106は、例えば情報処理サーバ100における記憶部(図示せず)に格納されたストレス推定プログラムに従って、情報処理サーバ100における1つまたは複数のプロセッサ(例えば、CPU:Central Processing Unit )が処理を実行することによって実現可能である。生体信号記憶部101、全期間生体信号記憶部103および短期間生体信号記憶部104は、情報処理サーバ100における記憶装置(図示せず)で実現可能である。
The biological
また、ストレス推定プログラムが格納される記憶部は、例えば、ROM(Read Only Memory)、フラッシュメモリ、ハードディスクなどの非一時的な不揮発性メモリである。また、生体信号記憶部101、全期間生体信号記憶部103および短期間生体信号記憶部104実現する記憶装置は、一例として、ハードディスク、フラッシュメモリ、またはSSD(Solid State Drive )である。
The storage unit in which the stress estimation program is stored is, for example, a non-temporary non-volatile memory such as a ROM (Read Only Memory), a flash memory, or a hard disk. Further, the storage device that realizes the biological
また、本実施形態では、ストレス推定装置は情報処理サーバ100で実現されるが、ストレス推定装置の構成要素をハードウェア回路で実現することも可能である。
Further, in the present embodiment, the stress estimation device is realized by the
生体信号記憶部101は、ストレス推定の対象者から収集された生体信号データを記憶する。生体信号構成部102は、生体信号記憶部101が記憶している生体信号データを用いる。生体信号構成部102は、所定期間に亘る生体信号データを連結する。本実施形態では、所定期間として、ストレススコアが算出されるべき全期間と、全期間よりも短い期間(短期間:例えば、1日)とがある。例えば、全期間が1ケ月である場合には、生体信号構成部102は、1ケ月間の生体信号データを連結して全期間生体信号とする。また、短期間が1日である場合には、1月の第1日から末日までのそれぞれの日の生体信号データを連結し、各々の日に関する短期間生体信号とする。
The biological
以下、一例として、全期間を1ケ月、短期間を1日とする。(1)式で示される数列PNを、第N日の1日分のある生体信号とする。「ある生体信号」は、心拍、脈波、皮膚導電性の数値、X軸方向の加速度等、1次元の信号であれば、いずれでもよい。数列において、pnはn番目の生体信号データそのものを表す。D は、1日分の生体信号の数である。例えば、サンプリングレートをSR[Hz]とすると、うるう秒が挿入されるような例外的な場合を除き、D =24*3600*SRである。Hereinafter, as an example, the entire period will be one month and the short period will be one day. Let the sequence P N represented by the equation (1) be a certain biological signal for one day on the Nth day. The "certain biological signal" may be any one-dimensional signal such as a heartbeat, a pulse wave, a numerical value of skin conductivity, and an acceleration in the X-axis direction. In the sequence, p n represents the nth biological signal data itself. D is the number of biological signals for one day. For example, if the sampling rate is SR [Hz], then D = 24 * 3600 * SR, except in exceptional cases where leap seconds are inserted.
全期間生体信号(1ケ月分の生体信号)Q は、(2)式で示される。 The biological signal (biological signal for one month) Q for the entire period is expressed by Eq. (2).
(2)式において、M は、1ケ月の日数を示す。M は、状況に応じて、28,29,30,31のいずれかの数になる。生体信号記憶部101に記憶された生体信号データは、下記のような断片化されたpnの集合であるRLである。ここで、EL>SL である。In equation (2), M indicates the number of days in one month. M can be any number of 28, 29, 30, and 31 depending on the situation. The biological signal data stored in the biological
例えば、特定の第N'日の生体信号データが、RL' ,RL' +1,RL' +2であるとする。このとき、RL' ,RL' +1,RL' +2を順に連結することによって、第N'日の生体信号PN' が生成される。For example, suppose that the biological signal data on the specific N'day is R L' , R L'+1 and R L'+2 . At this time, by connecting RL', RL'+1 and RL'+2 in order, the biological signal P N'of the N'day is generated.
各RLが収集された時点の間に空期間(RLの収集が途絶えた期間)が存在することがある。その場合には、生体信号記憶部101に、空期間の存在を示す情報も記録される。この場合、PN' の構成要素の数はD よりも少ない。There may be an empty period (the period during which the collection of R L is stopped) between the time when each R L is collected. In that case, information indicating the existence of an empty period is also recorded in the biological
また、第N'日の最初のデータp(N' - 1)D と、RL' の最初のデータpSL'との間に空期間が存在する場合にも、生体信号記憶部101に、そのような空期間の存在を示す情報が記録される。第N'日の最後のデータとRL' +2の最後のデータとの間に空期間が存在する場合にも、生体信号記憶部101に、そのような空期間の存在を示す情報が記録される。Also, when there is an empty period between the first data p (N'-1) D of the N'day and the first data p SL'of R L' , the biological
このようにして、第N'日の1日分のデータPN' とともに、データが抜けている部分の情報も記録される。その記録をNPN'とする。なお、1日の区切り位置がRLの途中に存在する場合には、生体信号構成部102は、RLを切断する処理を行う。In this way, along with the data P N'for one day of the N'day, the information of the part where the data is missing is also recorded. Let the record be N P N' . If the daily break position exists in the middle of R L , the
以上のようにして、生体信号構成部102は、適切なRLの組み合わせからPN' およびNPN'を構成することができる。同様にして、生体信号構成部102は、適切なRLの組み合わせからQ を構成することも可能である。Q についても、データが抜けている部分の情報NQが、生体信号記憶部101に記録される。この場合、Q の構成要素の数は、MDよりも少ない。As described above, the
以上に説明されたプロセスを、本明細書では、「連結」と呼ぶ。なお、本実施形態では、全期間を1ヶ月、短期間を1日とするが、短期間の2倍が全期間以下であれば、これらの2つの期間はどのような長さでもよい。 The process described above is referred to herein as "consolidation". In the present embodiment, the total period is one month and the short period is one day, but these two periods may be of any length as long as the short period is twice as long as the total period or less.
全期間生体信号記憶部103は、生体信号構成部102が出力した全期間の生体信号(全期間生体信号)を記憶する。短期間生体信号構成部104は、生体信号構成部102が出力した短期間の生体信号(短期間生体信号)を記憶する。
The whole-period biological
ストレス特徴量算出部105は、全期間生体信号と短期間生体信号とのそれぞれについてストレス特徴量を算出し、全期間特徴量および短期間特徴量として出力する。ストレス特徴量として、非特許文献1,2,3,4に挙げられているように、座位、歩行、走行、デスクワーク、対話および睡眠等の行動時間別に統計的に処理した特徴量(例えば、平均、分散、中央値、パワースペクトル密度、および、30秒間等の一定期間のピーク数のヒストグラムの構成要素等)が好適に用いられる。また、所定のしきい値以上の活動の継続時間の頻度分布等も、好適に用いられる。
The stress feature
ストレススコア推定部106には、ストレス特徴量算出部105から出力された全期間特徴量および短期間特徴量が入力される。ストレススコア推定部106は、全期間特徴量および短期間特徴量からストレススコアを推定する。ストレススコアは、長期間に亘って蓄積されたストレスのスコアである。例えば、PSS アンケートのスコア等の心理学的にストレスを反映することが認められているスコアである。ストレススコアを正確に推定するために、ストレススコア推定部106は、予め多くの被験者から取得した生体信号データと、教師データであるストレススコアとがセットになって記憶されているデータベースを用いて充分に学習された機械学習モデル等を用いる。
In the stress
なお、ストレススコア推定部106は、ストレススコアとして、PSS スコアそのものを推定してもよいが、ストレススコア等を使用してクラス分類を行ってもよい。例えば、ストレススコア推定部106は、1つまたは複数のストレススコアに関するしきい値を設定することによって2以上の数のクラスを設定する。そして、ストレススコア推定部106は、しきい値を使用して、ストレススコアのクラス分類を行う。この場合、算出されるストレススコアは分類クラスを指定する番号等である。
The stress
ストレススコア推定部106は、ストレススコアの推定値を、ストレススコア出力部107に出力する。
The stress
本実施形態では、上記のような機能が実現されることによって、ストレスの全体の傾向とストレスのより細かい時間変化の傾向とが同時に反映されたストレススコアが推定される。すなわち、ストレスが推定されるべき全期間のストレス経験だけではなく、心理学的に重要な短期間毎のストレス経験の頻度の情報も得られるので、より正確なストレススコアを推定することが可能である。 In the present embodiment, by realizing the above-mentioned functions, a stress score that simultaneously reflects the overall tendency of stress and the tendency of finer time change of stress is estimated. In other words, not only the stress experience for the entire period for which stress should be estimated, but also information on the frequency of stress experiences for each short period, which is psychologically important, can be obtained, so that a more accurate stress score can be estimated. is there.
次に、図2のフローチャートを参照して本実施形態の動作を説明する。 Next, the operation of the present embodiment will be described with reference to the flowchart of FIG.
まず、生体信号構成部102は、生体信号記憶部101から、時系列生体信号データを取得する(ステップA1)。生体信号構成部102は、生体信号データに含まれる時系列情報に基づいて生体信号データを連結する(ステップA2)。
First, the biological signal
さらに、生体信号構成部102は、生体信号データの時系列情報から短期間生体信号の区切り位置(例えば、短期間が1日であるときには1日の終わりである24時、短期間が1週であるときには1週間の終わりである日曜日の24 時)を読み取ったとき(ステップA3)、データ連結を停止する(ステップA6)。そして、生体信号構成部102は、連結した生体信号データを、短期間生体信号として短期間生体信号記憶部104に保存する(ステップA8)。
Further, the
また、生体信号構成部102が、ストレス推定期間の全期間の最終位置(例えば、全期間が1ヶ月であるときには第30日または第31日の24時)を読み取ったとき(ステップA4)、データ連結を停止する(ステップA7)。そして、生体信号構成部102は、連結した生体信号データを、全期間生体信号として全期間生体信号記憶部103に保存する(ステップA9)。
Further, when the
全期間生体信号記憶部103および短期間生体信号記憶部104が記憶する全期間生体信号および短期間生体信号は、ストレス特徴量算出部105に入力される。ストレス特徴量算出部105は、全期間生体信号と短期間生体信号とのそれぞれについてストレス特徴量を算出する。ストレス特徴量算出部105は、例えば、非特許文献1,2,3,4に挙げられているように、座位、歩行、走行、デスクワーク、対話および睡眠等の行動時間別に統計的に処理したストレス特徴量(例えば、平均、分散、中央値、パワースペクトル密度、および、30秒間等の一定期間のピーク数のヒストグラムの構成要素等)を算出する(ステップA10,A11)。なお、ストレス特徴量算出部105は、一定のしきい値以上の活動の継続時間の頻度分布等を、ストレス特徴量として算出してもよい。
The full-period biological signal and the short-term biological signal stored by the full-period biological
最後に、ストレススコア推定部106は、上述したように、算出された全期間特徴量と短期間特徴量とを用いて、ストレススコアを推定する。ストレススコアを正確に推定するために、ストレススコア推定部106は、上述したような機械学習モデル等を用いてストレススコアを推定する(ステップA12)。ストレススコア出力部107は、推定されたスコアを出力する。
Finally, the stress
本実施形態の効果を説明する。 The effect of this embodiment will be described.
本実施形態では、全期間生体信号に基づく特徴量(長期間特徴量)と短期間生体信号に基づく特徴量(短期間特徴量)とをともに用いてストレススコアが推定される。すなわち、ストレスが推定されるべき全期間のストレス経験だけではなく、心理学的に重要な短期間毎のストレス経験の頻度の情報も得られる。よって、長期ストレスがより高精度に推定される。 In the present embodiment, the stress score is estimated by using both the feature amount based on the whole-period biological signal (long-term feature amount) and the feature amount based on the short-term biological signal (short-term feature amount). That is, not only the stress experience for the entire period for which stress should be estimated, but also the frequency of the stress experience for each short period of psychological importance can be obtained. Therefore, long-term stress is estimated with higher accuracy.
実施形態2.
次に、本発明の第2の実施形態を図面を参照して詳細に説明する。Embodiment 2.
Next, a second embodiment of the present invention will be described in detail with reference to the drawings.
図3は、ストレス推定装置の第2の実施形態を示すブロック図である。第2の実施形態のストレス推定装置には、図1に示された第1の実施形態のストレス推定装置に対して、短期間特徴量差分計算部108が付加されている。なお、第2の実施形態でも、ストレス推定装置が情報処理サーバ100で実現される場合を例にする。
FIG. 3 is a block diagram showing a second embodiment of the stress estimation device. In the stress estimation device of the second embodiment, a short-term feature amount
図2における短期間特徴量差分計算部108以外の構成要素、すなわち、生体信号記憶部101、生体信号構成部102、全期間生体信号記憶部103、短期間生体信号記憶部104、ストレス特徴量算出部105、ストレススコア推定部106、およびストレススコア出力部107の構成および機能は、図1に示された対応する要素の構成および機能と同じである。
Components other than the short-term feature amount
短期間特徴量差分計算部108は、ストレス特徴量算出部105が算出した短期間生体信号に基づく特徴量の一部を対象として差分計算を実行する。差分計算は、以下のような場合に効果的である。
The short-term feature amount
例えば、ユーザが勤務者であって、勤務先企業の制度として長期ストレス推定を実施している場合、勤務日にしか生体信号が取得されないことがある。そのような場合には、ストレス蓄積が緩和される期間として重要であると推察される週末のストレス蓄積の状況を生体信号から取得できない。そこで、短期間特徴量差分計算部108は、週末の金曜日と週明けの月曜日との差分を算出する。短期間特徴量差分計算部108は、差分も特徴量としてストレススコア推定部106に出力する。
For example, when the user is a worker and long-term stress estimation is carried out as a system of the company where he / she works, the biological signal may be acquired only on the working day. In such a case, the state of stress accumulation on the weekend, which is presumed to be important as a period for alleviating stress accumulation, cannot be obtained from the biological signal. Therefore, the short-term feature
すなわち、短期間特徴量差分計算部108は、例えば、生体信号データ未取得期間の前後の短期間特徴量の差分を計算し、計算結果を、追加の短期間特徴量としてストレススコア推定部106に出力する。
That is, the short-term feature amount
なお、短期間特徴量差分計算部108は、ストレス特徴量算出部105から入力した短期間特徴量もストレススコア推定部106に出力する。しかし、ストレス特徴量算出部105が、短期間特徴量を直接ストレススコア推定部106に出力するように構成されてもよい。
The short-term feature
次に、図4のフローチャートを参照して本実施形態の動作を説明する。 Next, the operation of the present embodiment will be described with reference to the flowchart of FIG.
図4に示すステップA1〜A12の処理は、図2に示された処理と同じである。 The processes of steps A1 to A12 shown in FIG. 4 are the same as the processes shown in FIG.
ステップB1において、短期間特徴量差分計算部108は、ストレス特徴量算出部105が算出した短期間生体信号に基づく特徴量に対して、上述したような差分計算を実行する。
In step B1, the short-term feature amount
本実施形態では、ストレススコア推定部106は、ストレススコアの推定に際して、短期間特徴量差分計算部108から入力される差分も考慮する。差分には、生体信号データが取得されない期間におけるストレスの低減の程度または増加の程度が反映されていると考えられる。ストレススコア推定部106は、差分に基づいて、例えばストレス経験からの回復に関する頻度を推定できる。ストレススコア推定部106は、ストレススコアに差分を加味することによって、より的確なストレス推定を行うことができる。
In the present embodiment, the stress
本実施形態では、全期間生体信号に基づく特徴量、短期間生体信号に基づく特徴量に加えて、短期間生体信号に基づく特徴量に関する差分の情報が得られるので、例えば、ユーザの短期間におけるストレス経験からの回復に関する頻度の情報が得られる。その情報も使用して、より高い推定精度が達成される。 In the present embodiment, in addition to the feature amount based on the biological signal for the entire period and the feature amount based on the biological signal for a short period of time, information on the difference regarding the feature amount based on the biological signal for a short period of time can be obtained. Information on the frequency of recovery from stress experiences is available. That information is also used to achieve higher estimation accuracy.
実施形態3.
次に、本発明の第3の実施形態を図面を参照して説明する。Embodiment 3.
Next, a third embodiment of the present invention will be described with reference to the drawings.
図5は、ストレス推定装置の第3の実施形態を示すブロック図である。第3の実施形態のストレス推定装置には、図3に示された第2の実施形態のストレス推定装置に対して、特徴量計算部109が付加されている。なお、第3の実施形態でも、ストレス推定装置が情報処理サーバ100で実現される場合を例にする。
FIG. 5 is a block diagram showing a third embodiment of the stress estimation device. In the stress estimation device of the third embodiment, a feature
図5における特徴量計算部109以外の構成要素、すなわち、生体信号記憶部101、生体信号構成部102、全期間生体信号記憶部103、短期間生体信号記憶部104、ストレス特徴量算出部105、ストレススコア推定部106、ストレススコア出力部107、および短期間特徴量差分計算部108は、図3に示された要素と同様に構成される。
Components other than the feature
特徴量計算部109は、ストレス特徴量算出部105が算出した短期間特徴量の全部または一部、および短期間特徴量差分計算部108が算出した短期間特徴量の差分の全部または一部を対象として、特徴量(特徴値)の計算または特徴値の検出を実行する。特徴値として、例えば、最大値、最小値、第2の最大値、第2の最小値、第1四分位、第3四分位、および標準偏差等が挙げられる。
The feature
ストレススコア推定部106は、短期間特徴量および短期間特徴量の差分だけではなく、短期間特徴量の全部もしくは一部、または、短期間特徴量の差分の全部もしくは一部の特徴値(最大値、最小値、第2の最大値、第2の最小値、第1四分位、第3四分位、および標準偏差等)を考慮することによって、より明確に心理学的に重要なストレス経験およびその頻度に関する情報を得ることができる。なお、ストレススコア推定部106は、短期間特徴量の全部または一部と、短期間特徴量の差分の全部または一部との双方の特徴量を考慮してもよい。
The stress
次に、図6のフローチャートを参照して本実施形態の動作を説明する。 Next, the operation of the present embodiment will be described with reference to the flowchart of FIG.
図6におけるステップA1〜A12,B1の処理は、図4に示された処理と同じである。 The processing of steps A1 to A12 and B1 in FIG. 6 is the same as the processing shown in FIG.
ステップC1,C2において、特徴量計算部109は、ストレス特徴量算出部105が算出した短期間特徴量と、短期間特徴量差分計算部108が算出した短期間特徴量の差分とを対象として、それぞれの全部または一部を対象として特徴値の計算を実行する。
In steps C1 and C2, the feature
特徴値を計算する意義を説明する。特徴量(特徴値)が、あるストレス経験の強さに比例する場合を例にする。長期ストレスが推定されるべき全期間では、ユーザAとユーザBとで特徴量が同一であるとする。また、各々の短期間が、長期ストレスが推定されるべき全期間の(1/8)である場合を例にする。 The significance of calculating feature values will be explained. Take as an example the case where the feature amount (feature value) is proportional to the strength of a certain stress experience. It is assumed that the features are the same for user A and user B during the entire period in which long-term stress should be estimated. Further, the case where each short period is (1/8) of the total period for which long-term stress should be estimated is taken as an example.
一例として、ユーザAの短期間特徴量が「20、1、19、2、18、3、17、4」であり、ユーザBの短期間特徴量が「11、10、11、10,11、10、11、10」であったとする。これらの数値から、短期間の強いストレス経験が頻繁に起こったのはユーザAであるといえる。また、ユーザBは、ユーザAが経験したほどの強いストレス経験は少ないといえる。よって、この例では、PSS アンケートのスコアは、ユーザAの方が高くなることが予想される。なお、ここでは一例として全期間が8分割されて短期間とされるが、全期間をいくつの短期間に分割するか等の条件は状況に応じて任意に設定できる。 As an example, the short-term feature amount of user A is "20, 1, 19, 2, 18, 3, 17, 4", and the short-term feature amount of user B is "11, 10, 11, 10, 11, It is assumed that it was 10, 11, 10 ". From these figures, it can be said that it is User A who frequently experienced strong stress for a short period of time. Further, it can be said that the user B does not have as much stress experience as the user A experienced. Therefore, in this example, the score of the PSS questionnaire is expected to be higher for User A. Here, as an example, the entire period is divided into eight to make it a short period, but conditions such as how many short periods the entire period is divided into can be arbitrarily set according to the situation.
短期間特徴量の最大値、最小値、第2の最大値、および第2の最小値は、長期ストレスが推定されるべき全期間の中で、どの程度の強いストレス経験があったかを推定することに役立つ。上記のユーザAとユーザBとの例では、ユーザAの最大値は「20」、第2の最大値は「19」である。ユーザBの最大値は「11」であり、第2の最大値も「11」である。なお、最大値だけでなく最小値も使用される理由は、個々の特徴量の中には、ストレス経験に比例するものだけでなく、反比例や逆比例するもの等が含まれているためである。 The maximum, minimum, second maximum, and second minimum of short-term features are to estimate how strong the stress experience was during the entire period during which long-term stress should be estimated. Useful for. In the above example of user A and user B, the maximum value of user A is "20" and the second maximum value is "19". The maximum value of user B is "11", and the second maximum value is also "11". The reason why not only the maximum value but also the minimum value is used is that the individual feature quantities include not only those proportional to the stress experience but also those that are inversely proportional or inversely proportional. ..
第1四分位および第3四分位は、長期ストレスが推定されるべき全期間の中で、強いストレス経験の頻度を推定することに役立つ。上記のユーザAとユーザBとの例では、ユーザAの第1四分位は「19」であり、ユーザBの第1四分位は「11」である。なお、第1四分位だけでなく第3四分位も特徴量として使用される理由は、最大値および最小値の場合と同じように、個々の特徴量の中には、ストレス経験に比例するものだけでなく、反比例や逆比例するもの等が含まれているためである。 The first and third quartiles help estimate the frequency of intense stress experiences during the entire period during which long-term stress should be estimated. In the above example of user A and user B, the first quartile of user A is "19" and the first quartile of user B is "11". The reason why not only the first quartile but also the third quartile is used as a feature amount is that, as in the case of the maximum value and the minimum value, some of the individual feature amounts are proportional to the stress experience. This is because it includes not only those that do, but also those that are inversely proportional or inversely proportional.
標準偏差(ストレス経験のばらつき)は、長期ストレスが推定されるべき全期間の中で、弱いストレス経験と強いストレス経験との差を推定することに役立つ。全期間特徴量が同じでも、弱いストレス経験と強いストレス経験との間で大きな差があるということは、頻繁に比較的強いストレス経験が存在したということを意味する。例えば、ユーザAとユーザBとの例では、ユーザAの標準偏差は8.64であり、ユーザBの標準偏差は0.53である。 The standard deviation (variation in stress experience) helps to estimate the difference between a weak stress experience and a strong stress experience during the entire period during which long-term stress should be estimated. Even if the features are the same for the entire period, a large difference between the weak stress experience and the strong stress experience means that there were frequent and relatively strong stress experiences. For example, in the example of user A and user B, the standard deviation of user A is 8.64 and the standard deviation of user B is 0.53.
さらに、ユーザAとユーザBとの短期間特徴量について、それぞれ隣り合う2つの短期間特徴量のペア4つを対象として差分計算が実行されると、ユーザAについて「19、17、15、13」、ユーザBについて「1、1、1、1」である。これらについて、最大値、第2最大値、第1四分位、および標準偏差等を計算した場合、いずれも、ユーザAの方が高くなる。 Further, when the difference calculation is executed for four pairs of two adjacent short-term features for the short-term features of user A and user B, "19, 17, 15, 13" for user A are executed. , "1, 1, 1, 1" for user B. When the maximum value, the second maximum value, the first quartile, the standard deviation, and the like are calculated for these, the user A is higher.
本実施形態では、短期間特徴量および短期間特徴量の差分を対象として特徴量の計算が実行される。全期間特徴量、短期間特徴量、および短期間特徴量の差分の情報とともに、短期間特徴量と短期間特徴量の差分とに関する特徴値も使用することによって、より明確に心理学的に重要な指標を得ることができる。 In the present embodiment, the feature amount is calculated for the difference between the short-term feature amount and the short-term feature amount. It is more clearly psychologically important by using the feature values related to the difference between the short-term feature and the short-term feature as well as the information on the difference between the full-term feature, the short-term feature, and the short-term feature. Index can be obtained.
具体的には、ストレススコア推定部106は、ストレススコアの推定に際して特徴量計算部109が計算した結果の値(特徴値)も考慮する。つまり、短期間特徴量の全部または一部、または、短期間特徴量の差分の全部または一部に関する特徴値(最大値、最小値、第2の最大値、第2の最小値、第1四分位、第3四分位、および標準偏差等)も考慮する。ストレススコア推定部106は、それらも考慮することによって、より的確なストレス推定を行うことができる。
Specifically, the stress
実施例1.
次に、図7および図8を参照して、第1の実施例を説明する。第1の実施例は、第1の実施形態に対応する実施例である。以下の説明では、第1の実施形態の効果を確認するために実際に行った実験における具体的な条件にも言及される。Example 1.
Next, a first embodiment will be described with reference to FIGS. 7 and 8. The first embodiment is an embodiment corresponding to the first embodiment. In the following description, specific conditions in an experiment actually performed to confirm the effect of the first embodiment are also referred to.
図7は、第1の実施例のストレス推定装置の全体的な構成例を示す説明図である。図7に示す例では、情報処理サーバとしての分析サーバ400は、通信手段410a,410b,410c,410dを介して、生体信号センサ420A,420Bおよび情報表示装置430A,430Bと通信可能であるよう構成されている。
FIG. 7 is an explanatory diagram showing an overall configuration example of the stress estimation device of the first embodiment. In the example shown in FIG. 7, the
生体信号センサ420A,420Bは、就業者であるユーザの生体信号を、就業時間に取得する。ユーザの生体信号として、非特許文献1,2,3,4に挙げられているような、ユーザの発汗を反映する皮膚表面電気活動、ユーザの体動を反映する3軸加速度、ユーザの体温(皮膚表面温)脈波、心拍、および音声等が挙げられる。
The
生体信号センサ420A,420Bは、一例として、非特許文献1,2に記載されているようなリストバンドタイプのセンサである。しかし、非特許文献3,4に記載されているようなバッジタイプまたは社員証タイプ等のセンサも、生体信号センサ420A,420Bとして好適に使用可能である。
As an example, the
実際の実験では、Empatica社の E4 センサを用いた。E4 センサは、皮膚導電性、3軸加速度、脈波、および皮膚表面温度の各データを、それぞれ、4Hz、32Hz、64Hz、1Hz のサンプリングレートで取得する。取得されたデータは、生体信号センサ420A,420Bの内蔵メモリに保存される。
In the actual experiment, Empatica's E4 sensor was used. The E4 sensor acquires skin conductivity, triaxial acceleration, pulse wave, and skin surface temperature data at sampling rates of 4 Hz, 32 Hz, 64 Hz, and 1 Hz, respectively. The acquired data is stored in the built-in memory of the
通信手段410a,410b,410cは、生体信号センサ420A,420Bが取得した生体信号データを分析サーバ400に送信する。
The communication means 410a, 410b, 410c transmits the biological signal data acquired by the
実際の実験では、E4センサは、通信手段410a,410bとしての付属のUSB (Universal Serial Bus)ケーブルでパーソナルコンピュータに接続される。パーソナルコンピュータは、インストールされた専用ソフトウエアによって、通信手段410cとしての無線LAN(Local Area Network)および通信手段410dとしてのインターネット、を介して生体信号データをEmpatica Cloudにアップロードする。分析サーバ400は、Empatica Cloudから生体信号データをダウンロードする。
In the actual experiment, the E4 sensor is connected to the personal computer by the attached USB (Universal Serial Bus) cable as the communication means 410a and 410b. The personal computer uploads the biological signal data to Empatica Cloud via the wireless LAN (Local Area Network) as the communication means 410c and the Internet as the communication means 410d by the installed dedicated software. The
図8は、分析サーバの構成例を示すブロック図である。分析サーバ400には、通信インターフェース111、生体信号記憶部101、生体信号構成部102、全期間生体信号記憶部103、短期間生体信号記憶部104、ストレス特徴量算出部105、ストレススコア推定部106、ストレススコア出力部107、およびストレススコア記憶部110が存在する。
FIG. 8 is a block diagram showing a configuration example of the analysis server. The
なお、生体信号構成部102、ストレス特徴量算出部105およびストレススコア推定部106は、例えば分析サーバ400における記憶部(図示せず)に格納されたプログラムに従って、分析サーバ400におけるプロセッサ(例えば、CPU)が処理を実行することによって実現可能である。生体信号記憶部101、全期間生体信号記憶部103、短期間生体信号記憶部104およびストレススコア記憶部110は、分析サーバ400における記憶装置(図示せず)で実現可能である。
The biological
生体信号記憶部101は、通信インターフェース111で受信された生体信号データを記憶する。生体信号構成部102は、生体信号記憶部101が記憶している生体信号データを用いて、全期間生体信号を生成する。また、生体信号構成部102は、短期間生体信号も生成する。全期間生体信号および短期間生体信号は、全期間生体信号記憶部103および短期間生体信号記憶部104に記憶される。
The biological
実際の実験では、全期間を1ヶ月、短期間を1週間とした。 In the actual experiment, the total period was one month and the short period was one week.
ストレス特徴量算出部105は、1ケ月間の全期間生体信号からストレス特徴量を算出する。また、ストレス特徴量算出部105は、1週間毎の短期間生体信号からストレス特徴量を算出する。ストレス特徴量として、上述したような、座位、歩行、走行、デスクワーク、対話および睡眠等の行動時間別に統計的に処理した特徴量(例えば、平均、分散、中央値、パワースペクトル密度、および、30秒間等の一定期間のピーク数のヒストグラムの構成要素等)、または、一定のしきい値以上の活動の継続時間の頻度分布等が好適に用いられる。
The stress feature
実際の実験では、ストレス特徴量として、非特許文献1に開示されている、発汗、体動、皮膚表面温等の、平均、分散、中央値、パワースペクトル密度、および、30秒間等の一定期間のピーク数のヒストグラムの構成要素の全てを計算した。また、それらについて、座位、歩行および走行の3活動状態、ならびに、それら全てを合わせた全体について計算を行った。なお、非特許文献1では、睡眠時全体および睡眠時の第1,第2,第3,第4四半期について特徴量を計算するとされている。しかし、本実施例では、対象が就業者であり、就業時間中のデータしか取得していないので、睡眠時のデータは用いられない。また、本実施例では、Empatica E4 が取得可能な心拍を使用しなかった。また、パワースペクトル密度、および、一定期間のピーク数のヒストグラム要素等は、データ取得時間の大小に依存する。そこで、それらを、実際のデータ取得時間(装着ミス等できちんとデータが取得できなかった時間や装着していなかった時間等の全てを除く純粋なデータ取得時間)で割ることによって正規化する。 In an actual experiment, as stress features, the average, dispersion, median value, power spectral density, and a certain period such as 30 seconds, which are disclosed in Non-Patent Document 1, such as sweating, body movement, and skin surface temperature. All of the components of the peak number histogram of were calculated. In addition, for them, the three active states of sitting, walking and running, and the total of all of them were calculated. In Non-Patent Document 1, it is said that the feature amount is calculated for the whole sleep and the first, second, third, and fourth quarters during sleep. However, in this embodiment, since the target is a worker and only the data during working hours is acquired, the data during sleep is not used. Moreover, in this example, the heartbeat that can be acquired by Empatica E4 was not used. Further, the power spectral density, the histogram element of the number of peaks in a certain period, and the like depend on the magnitude of the data acquisition time. Therefore, they are normalized by dividing them by the actual data acquisition time (pure data acquisition time excluding all the time when data could not be acquired properly due to mounting mistakes and the time when the data was not mounted).
ストレススコア推定部106は、入力された1ケ月間の長期間特徴量および1週間毎の短期間特徴量を用いて、長期ストレスを推定する。
The stress
実際の実験では、長期ストレスとして、PSS を回帰分析によって推定した。ユーザに対して実験期間(1ヶ月間)の最後に実施されたPSS アンケートから算出したスコアを教師データとし、ストレス特徴量算出部105が算出した特徴量を用いて線形回帰モデルを学習させ、このモデルを用いてPSS を推定した。推定において、Leave One-person Out Cross Validation 法を用いた。すなわち、1人のユーザのPSS スコアを推定するために、他の全てのユーザを訓練データとし、それらのユーザの PSS スコアと特徴量とを用いる学習済みのモデルを使用した。
In the actual experiment, PSS was estimated by regression analysis as long-term stress. The score calculated from the PSS questionnaire conducted at the end of the experimental period (1 month) is used as teacher data for the user, and the linear regression model is trained using the feature amount calculated by the stress feature
さらに、モデルの性能評価も行った。その際に、線形回帰モデルのハイパーパラメータに関する正則化係数を0.2に固定した。また、サンプル数が少なくなりがちなPSS スコアが高い領域のユーザおよび低い領域のユーザに関して、Over Sampling 法によって訓練サンプルを増加した。 In addition, the performance of the model was evaluated. At that time, the regularization coefficient for the hyperparameters of the linear regression model was fixed at 0.2. In addition, the Over Sampling method increased the number of training samples for users in the high PSS score area and low sample area users, who tend to have a small number of samples.
具体的には、PSS スコアでの上位20%、下位20%のユーザについて、Over Sampling によって訓練サンプル数を増やす処理を導入した。なお、Over Sampling 比に関して、1対1(Over Sampling をしない)、10対1(上位20%および下位20%の訓練サンプルを10倍に増やす場合)、および、1対0(上位20%および下位20%以外の中位60%のサンプルを学習しない場合)の3つの場合の処理を実行した。特徴量の選択に関して、PSS との相関係数の上位5位まで、上位10位まで、および上位20位までの3つの場合の処理を実行した。上記の9通り(3×3)に対して、PSS との相関係数の3つの場合について、線形回帰によって推定した PSS スコアと実際のスコアの間の相関係数を計算した。また、推定 PSS スコアの実際のスコアに対する誤差、具体的には RMSE(Rooted Mean Square Error)を性能指標として計算した。 Specifically, we introduced a process to increase the number of training samples by Over Sampling for the top 20% and bottom 20% of users in the PSS score. Regarding the Over Sampling ratio, 1: 1 (without Over Sampling), 10: 1 (when increasing the training sample of the top 20% and bottom 20% by 10 times), and 1: 0 (top 20% and bottom). The processing of three cases (when not learning the medium 60% sample other than 20%) was executed. Regarding the selection of the feature quantity, the processing of the top 5 ranks, the top 10 ranks, and the top 20 ranks of the correlation coefficient with PSS was executed. For the above 9 cases (3 × 3), the correlation coefficient between the PSS score estimated by linear regression and the actual score was calculated for the three cases of the correlation coefficient with PSS. In addition, the error of the estimated PSS score with respect to the actual score, specifically, RMSE (Rooted Mean Square Error) was calculated as a performance index.
さらに、PSS スコア上位20%のユーザを「高ストレス群」として定義し、高ストレス群ユーザを見出すための再現率カーブおよび適合率カーブを作成した。そして、それらのカーブの下の面積(Area Under Curve)も性能指標として計算した。以上の性能指標を含むモデルを「第1実施例モデル」とする。 Furthermore, the users with the top 20% of PSS scores were defined as the "high stress group", and the recall curve and the precision rate curve for finding the users in the high stress group were created. Then, the area under the curves (Area Under Curve) was also calculated as a performance index. The model including the above performance index is referred to as the "first embodiment model".
また、第1の実施形態の効果を確認するために、短期間特徴量を用いず、1ヶ月間の全期間特徴量のみを用いたモデル(「参考モデル」とする。)の性能指標も計算した。図9に、第1実施例モデルと参考モデルとのそれぞれについて、相関係数が最大の場合の結果が図9に示されている。図9に示す例では、全ての性能指標に関して、第1実施例モデルは、参照モデルを上回る。 In addition, in order to confirm the effect of the first embodiment, the performance index of a model (referred to as "reference model") using only the full-term features for one month without using the short-term features is also calculated. did. FIG. 9 shows the results when the correlation coefficient is maximum for each of the first embodiment model and the reference model. In the example shown in FIG. 9, the first embodiment model outperforms the reference model for all performance indicators.
ストレススコア推定部106が推定したストレススコアは、ストレススコア出力部107を介してストレススコア記憶部110に記録される。
The stress score estimated by the stress
ストレススコアは、ユーザの要求に応じて、通信インターフェース111、インターネット、および無線LANを介してパーソナルコンピュータに供給可能である。パーソナルコンピュータにおいて、情報表示装置430A,430Bにストレススコアが表示される。
The stress score can be supplied to the personal computer via the
なお、本実施例では、情報表示装置430A,430Bの機能と生体信号センサ420A,420Bの機能とは別の構成要素で実現されているが、それらの機能が1つの端末で実現されてもよい。
In this embodiment, the functions of the
実施例2.
次に、図10を参照して、第2の実施例を説明する。第2の実施例も、第1の実施形態に対応する実施例である。図10は、第2の実施例のストレス推定装置の全体的な構成例を示すブロック図である。第2の実施例では、ウェアラブル端末500において、ストレス推定装置が構築されている。Example 2.
Next, a second embodiment will be described with reference to FIG. The second embodiment is also an embodiment corresponding to the first embodiment. FIG. 10 is a block diagram showing an overall configuration example of the stress estimation device of the second embodiment. In the second embodiment, the stress estimation device is constructed in the
図7に示された生体信号センサ420A,420Bに相当する生体信号センサ420が、ウェアラブル端末500に内蔵されている。また、図7に示された情報表示装置430A,430Bに相当する情報表示装置430が、ウェアラブル端末500に内蔵されている。
The
ウェアラブル端末500は、さらに、分析装置510を内蔵する。分析装置510は、生体信号記憶部101、生体信号構成部102、全期間生体信号記憶部103、短期間生体信号記憶部104、ストレス特徴量算出部105、ストレススコア推定部106、ストレススコア出力部107、およびストレススコア記憶部110を含む。
The
第1の実施例と比較すると、第2の実施例では、通信手段410a,410b,410c,410dに相当する構成要素を介して信号を送受信するプロセスが存在しない。したがって、通信手段が得られない状況でもストレス推定装置の機能が実現される。 Compared with the first embodiment, in the second embodiment, there is no process of transmitting and receiving signals via the components corresponding to the communication means 410a, 410b, 410c, 410d. Therefore, the function of the stress estimation device is realized even in a situation where communication means cannot be obtained.
信号を送受信するプロセス以外のストレス推定装置の動作は、第1の実施例における動作と同じである。 The operation of the stress estimation device other than the process of transmitting and receiving signals is the same as the operation of the first embodiment.
なお、図10には、ウェアラブル端末500として腕時計タイプの端末が例示されているが、ウェアラブル端末500は、腕時計タイプのものに限られず、眼鏡タイプの端末等も好適に使用可能である。
Although a wristwatch-type terminal is illustrated as the
以上に説明したように、上記の実施形態では、長期ストレスを高精度に推定できる。その理由は、長期ストレスが推定されるべき期間全体だけでなく、それより短期間の時間単位で、ストレス推定のための特徴量が算出されることによって、心理学的に重要な短期間のストレス経験の有無とその頻度の情報を、長期ストレスの推定に取り入れることが可能になっているからである。 As described above, in the above embodiment, long-term stress can be estimated with high accuracy. The reason is that short-term stress, which is psychologically important, is calculated by calculating features for stress estimation not only for the entire period during which long-term stress should be estimated, but also for shorter time units. This is because it is possible to incorporate information on the presence or absence of experience and its frequency into the estimation of long-term stress.
図11は、ストレス推定装置の主要部を示すブロック図である。図11に示すように、ストレス推定装置10は、ストレス推定の対象者から収集された生体信号データを、ストレスが推定されるべき全期間に亘って連結して全期間生体信号を生成し、生体信号データを、全期間よりも短い複数の短期間のそれぞれに亘って連結して複数の短期間生体信号を生成する生体信号構成手段12(実施形態では、生体信号構成部102で実現される。)と、全期間生体信号からストレス特徴量を算出して全期間特徴量とし、短期間生体信号からストレス特徴量を算出して短期間特徴量とするストレス特徴量算出手段15(実施形態では、ストレス特徴量算出部105で実現される。)と、全期間特徴量と短期間特徴量とからストレススコアを推定するストレススコア推定手段16(実施形態では、ストレススコア推定部106で実現される。)とを備える。
FIG. 11 is a block diagram showing a main part of the stress estimation device. As shown in FIG. 11, the
図12は、ストレス推定装置の他の態様の主要部を示すブロック図である。図12に示すストレス推定装置10は、さらに、生成された全期間生体信号を記憶する全期間生体信号記憶手段13(実施形態では、全期間生体信号記憶部103で実現される。)と、生成された短期間生体信号を記憶する短期間生体信号記憶手段14(実施形態では、短期間生体信号記憶部104で実現される。)とを備え、ストレス特徴量算出手段15が、全期間生体信号記憶手段に記憶されている全期間生体信号を使用して全期間特徴量を算出し、短期間生体信号記憶手段に記憶されている短期間生体信号を使用して短期間特徴量を算出する。
FIG. 12 is a block diagram showing a main part of another aspect of the stress estimation device. The
図13は、ストレス推定装置の他の態様の主要部を示すブロック図である。図13に示すストレス推定装置10は、さらに、生体信号データ未取得期間の前後の短期間特徴量の差分を計算し、計算結果を、追加の短期間特徴量としてストレススコア推定手段16に出力する短期間特徴量補充手段18(実施形態では、短期間特徴量差分計算部108で実現される。)を備える。
FIG. 13 is a block diagram showing a main part of another aspect of the stress estimation device. The
図14は、ストレス推定装置の別の態様の主要部を示すブロック図である。図14に示すストレス推定装置10は、さらに、短期間生体信号から算出された短期間特徴量または短期間特徴量補充手段18が出力した短期間特徴量から特徴値を算出し、算出結果を、追加の短期間特徴量としてストレススコア推定手段16に出力する短期間特徴量計算手段19(実施形態では、特徴量計算部109で実現される。)を備える。
FIG. 14 is a block diagram showing a main part of another aspect of the stress estimator. The
上記の実施形態の一部又は全部は以下の付記のようにも記載されうるが、本発明の構成は以下の構成に限定されない。 Although some or all of the above embodiments may be described as in the appendix below, the configuration of the present invention is not limited to the following configuration.
(付記1)ストレス推定の対象者から収集された生体信号データを、ストレスが推定されるべき全期間に亘って連結して全期間生体信号を生成し、前記生体信号データを、前記全期間よりも短い複数の短期間のそれぞれに亘って連結して複数の短期間生体信号を生成する生体信号構成手段と、
前記全期間生体信号からストレス特徴量を算出して全期間特徴量とし、前記短期間生体信号からストレス特徴量を算出して短期間特徴量とするストレス特徴量算出手段と、
前記全期間特徴量と前記短期間特徴量とからストレススコアを推定するストレススコア推定手段と
を備えるストレス推定装置。(Appendix 1) Biological signal data collected from the subject of stress estimation is concatenated over the entire period in which stress should be estimated to generate a biological signal for the entire period, and the biological signal data is obtained from the entire period. A biological signal component means for generating a plurality of short-term biological signals by connecting them over a plurality of short periods, respectively.
A stress feature amount calculating means for calculating a stress feature amount from the whole-period biological signal and using it as a full-time feature amount, and calculating a stress feature amount from the short-term biological signal and using it as a short-term feature amount.
A stress estimation device including a stress score estimating means for estimating a stress score from the whole-period feature amount and the short-term feature amount.
(付記2)生成された前記全期間生体信号を記憶する全期間生体信号記憶手段と、
生成された前記短期間生体信号を記憶する短期間生体信号記憶手段とを備え、
前記ストレス特徴量算出手段は、前記全期間生体信号記憶手段に記憶されている前記全期間生体信号を使用して前記全期間特徴量を算出し、前記短期間生体信号記憶手段に記憶されている前記短期間生体信号を使用して前記短期間特徴量を算出する
付記1のストレス推定装置。(Appendix 2) An all-period biosignal storage means for storing the generated biomedical signal for the entire period,
A short-term biological signal storage means for storing the generated short-term biological signal is provided.
The stress feature amount calculating means calculates the whole period feature amount using the whole period biological signal stored in the whole period biological signal storage means, and stores it in the short period biological signal storage means. The stress estimation device of Appendix 1 that calculates the short-term feature amount using the short-term biological signal.
(付記3)生体信号データ未取得期間の前後の前記短期間特徴量の差分を計算し、計算結果を、追加の短期間特徴量として前記ストレススコア推定手段に出力する短期間特徴量補充手段をさらに備える
付記1または付記2のストレス推定装置。(Appendix 3) A short-term feature replenishment means that calculates the difference between the short-term features before and after the period during which the biological signal data has not been acquired and outputs the calculation result as an additional short-term feature to the stress score estimation means. Further provided, the stress estimation device of Appendix 1 or Appendix 2.
(付記4)前記短期間生体信号から算出された前記短期間特徴量または前記短期間特徴量補充手段が出力した前記短期間特徴量から特徴値を算出し、算出結果を、追加の短期間特徴量として前記ストレススコア推定手段に出力する短期間特徴量計算手段をさらに備える
付記3のストレス推定装置。(Appendix 4) A feature value is calculated from the short-term feature amount calculated from the short-term biological signal or the short-term feature amount output by the short-term feature amount replenishing means, and the calculation result is added to the additional short-term feature. The stress estimation device of Appendix 3 further comprising a short-term feature amount calculation means that outputs a quantity to the stress score estimation means.
(付記5)前記生体信号データは、皮膚電気伝導度、皮膚表面温度、脈波、心拍、音声、加速度の信号の一部または全部である
付記1から付記4のうちのいずれかのストレス推定装置。(Appendix 5) The biological signal data is a part or all of the signals of skin electrical conductivity, skin surface temperature, pulse wave, heartbeat, voice, and acceleration. A stress estimation device according to any one of Appendix 1 to Appendix 4. ..
(付記6)ストレス推定の対象者から収集された生体信号データを、ストレスが推定されるべき全期間に亘って連結して全期間生体信号を生成し、前記生体信号データを、前記全期間よりも短い複数の短期間のそれぞれに亘って連結して複数の短期間生体信号を生成し、
前記全期間生体信号からストレス特徴量を算出して全期間特徴量とし、前記短期間生体信号からストレス特徴量を算出して短期間特徴量とし、
前記全期間特徴量と前記短期間特徴量とからストレススコアを推定する
ストレス推定方法。(Appendix 6) Biological signal data collected from the subject of stress estimation is concatenated over the entire period in which stress should be estimated to generate a biological signal for the entire period, and the biological signal data is obtained from the entire period. Also short, multiple short-term biosignals are generated by linking over each of them.
The stress feature amount was calculated from the whole period biological signal and used as the whole period feature amount, and the stress feature amount was calculated from the short period biological signal and used as the short period feature amount.
A stress estimation method for estimating a stress score from the all-period features and the short-term features.
(付記7)生成された前記全期間生体信号を全期間生体信号記憶手段に保存し、
生成された前記短期間生体信号を短期間生体信号記憶手段に保存し、
前記全期間生体信号記憶手段に保存されている前記全期間生体信号を使用して前記全期間特徴量を算出し、前記短期間生体信号記憶手段に保存されている前記短期間生体信号を使用して前記短期間特徴量を算出する
付記6のストレス推定方法。(Appendix 7) The generated biological signal for the entire period is stored in the biological signal storage means for the entire period.
The generated short-term biological signal is stored in the short-term biological signal storage means,
The whole-period feature amount is calculated using the whole-period biological signal stored in the whole-period biological signal storage means, and the short-term biological signal stored in the short-term biological signal storage means is used. The stress estimation method of Appendix 6 for calculating the short-term feature amount.
(付記8)生体信号データ未取得期間の前後の前記短期間特徴量の差分を計算し、計算結果を、前記ストレススコア推定のために使用する追加の短期間特徴量とする
付記6または付記7のストレス推定方法。(Appendix 8) The difference between the short-term features before and after the period when the biological signal data is not acquired is calculated, and the calculation result is used as an additional short-term feature used for estimating the stress score. Appendix 6 or Appendix 7 Stress estimation method.
(付記9)前記短期間生体信号から算出された前記短期間特徴量または前記差分に基づく前記短期間特徴量から特徴値を算出し、算出結果を、ストレススコア推定のために使用する追加の短期間特徴量とする
付記8のストレス推定方法。(Appendix 9) An additional short-term feature value is calculated from the short-term feature amount calculated from the short-term biological signal or the short-term feature amount based on the difference, and the calculation result is used for stress score estimation. The stress estimation method of Appendix 8 as an inter-feature amount.
(付記10)コンピュータに、
ストレス推定の対象者から収集された生体信号データを、ストレスが推定されるべき全期間に亘って連結して全期間生体信号を生成し、前記生体信号データを、前記全期間よりも短い複数の短期間のそれぞれに亘って連結して複数の短期間生体信号を生成する処理と、
前記全期間生体信号からストレス特徴量を算出して全期間特徴量とし、前記短期間生体信号からストレス特徴量を算出して短期間特徴量とする処理と、
前記全期間特徴量と前記短期間特徴量とからストレススコアを推定する処理と
を実行させるためのストレス推定プログラム。(Appendix 10) To the computer
Biological signal data collected from the subject of stress estimation is concatenated over the entire period for which stress should be estimated to generate a biological signal for the entire period, and the biological signal data is obtained from a plurality of biological signal data shorter than the entire period. Processing to generate multiple short-term biological signals by connecting them over a short period of time,
The process of calculating the stress feature amount from the whole period biological signal and using it as the whole period feature amount, and calculating the stress feature amount from the short period biological signal and making it the short period feature amount.
A stress estimation program for executing a process of estimating a stress score from the full-term feature amount and the short-term feature amount.
(付記11)コンピュータに、
生成された前記全期間生体信号を全期間生体信号記憶手段に保存する処理と、
生成された前記短期間生体信号を短期間生体信号記憶手段に保存する処理と、
前記全期間生体信号記憶手段に保存されている前記全期間生体信号を使用して前記全期間特徴量を算出し、前記短期間生体信号記憶手段に保存されている前記短期間生体信号を使用して前記短期間特徴量を算出する処理とを実行させる
付記10のストレス推定プログラム。(Appendix 11) To the computer
A process of storing the generated biological signal for the entire period in the biological signal storage means for the entire period,
A process of storing the generated short-term biological signal in the short-term biological signal storage means,
The whole-period feature amount is calculated using the whole-period biological signal stored in the whole-period biological signal storage means, and the short-term biological signal stored in the short-term biological signal storage means is used. The stress estimation program of
(付記12)コンピュータに、
生体信号データ未取得期間の前後の前記短期間特徴量の差分を計算し、計算結果を、前記ストレススコア推定のために使用する追加の短期間特徴量とする処理を実行させる
付記10または付記11のストレス推定プログラム。(Appendix 12) To the computer
(付記13)コンピュータに、
前記短期間生体信号から算出された前記短期間特徴量または前記差分に基づく前記短期間特徴量から特徴値を算出し、算出結果を、ストレススコア推定のために使用する追加の短期間特徴量とする処理を実行させる
付記12のストレス推定プログラム。(Appendix 13) To the computer
A feature value is calculated from the short-term feature amount calculated from the short-term biological signal or the short-term feature amount based on the difference, and the calculation result is used as an additional short-term feature amount used for stress score estimation. The stress estimation program of
(付記14)ストレス推定プログラムが記憶された非一時的な記録媒体であって、ストレス推定プログラムは、プロセッサで実行されるときに、
ストレス推定の対象者から収集された生体信号データを、ストレスが推定されるべき全期間に亘って連結して全期間生体信号を生成し、前記生体信号データを、前記全期間よりも短い複数の短期間のそれぞれに亘って連結して複数の短期間生体信号を生成し、
前記全期間生体信号からストレス特徴量を算出して全期間特徴量とし、前記短期間生体信号からストレス特徴量を算出して短期間特徴量とし、
前記全期間特徴量と前記短期間特徴量とからストレススコアを推定する。(Appendix 14) When the stress estimation program is stored in a non-temporary recording medium and the stress estimation program is executed by the processor,
Biological signal data collected from the subject of stress estimation is concatenated over the entire period for which stress should be estimated to generate a biological signal for the entire period, and the biological signal data is obtained from a plurality of biological signal data shorter than the entire period. Generate multiple short-term biosignals by linking them over a short period of time.
The stress feature amount was calculated from the whole period biological signal and used as the whole period feature amount, and the stress feature amount was calculated from the short period biological signal and used as the short period feature amount.
The stress score is estimated from the total-period features and the short-term features.
(付記15)ストレス推定プログラムは、プロセッサで実行されるときに、
生成された前記全期間生体信号を全期間生体信号記憶手段に保存し、
生成された前記短期間生体信号を短期間生体信号記憶手段に保存し、
前記全期間生体信号記憶手段に保存されている前記全期間生体信号を使用して前記全期間特徴量を算出し、前記短期間生体信号記憶手段に保存されている前記短期間生体信号を使用して前記短期間特徴量を算出する。
付記14の記録媒体。(Appendix 15) When the stress estimation program is executed on the processor,
The generated biological signal for the entire period is stored in the biological signal storage means for the entire period,
The generated short-term biological signal is stored in the short-term biological signal storage means,
The whole-period feature amount is calculated using the whole-period biological signal stored in the whole-period biological signal storage means, and the short-term biological signal stored in the short-term biological signal storage means is used. The short-term feature amount is calculated.
(付記16)ストレス推定プログラムは、プロセッサで実行されるときに、
生体信号データ未取得期間の前後の前記短期間特徴量の差分を計算し、計算結果を、前記ストレススコア推定のために使用する追加の短期間特徴量とする
付記14または付記15の記録媒体。(Appendix 16) When the stress estimation program is executed on the processor,
The recording medium of
(付記17)ストレス推定プログラムは、プロセッサで実行されるときに、
前記短期間生体信号から算出された前記短期間特徴量または前記差分に基づく前記短期間特徴量から特徴値を算出し、算出結果を、ストレススコア推定のために使用する追加の短期間特徴量とする処理を実行させる
付記16の記録媒体。(Appendix 17) When the stress estimation program is executed on the processor,
A feature value is calculated from the short-term feature amount calculated from the short-term biological signal or the short-term feature amount based on the difference, and the calculation result is used as an additional short-term feature amount used for stress score estimation. The recording medium of
10 ストレス推定装置
12 生体信号構成手段
13 全期間生体信号記憶手段
14 短期間生体信号記憶手段
15 ストレス特徴量算出手段
16 ストレススコア推定手段
18 短期間特徴量補充手段
100 情報処理サーバ
101 生体信号記憶部
102 生体信号構成部
103 全期間生体信号記憶部
104 短期間生体信号記憶部
105 ストレス特徴量算出部
106 ストレススコア推定部
107 ストレススコア出力部
108 短期間特徴量差分計算部
109 特徴量計算部
110 ストレススコア記憶部
111 通信インターフェース
400 分析サーバ
410a,410b,410c,410d 通信手段
420,420A,420B 生体信号センサ
430,430A,430B 情報表示装置
500 ウェアラブル端末
510 分析装置10
Claims (10)
前記全期間生体信号からストレス特徴量を算出して全期間特徴量とし、前記短期間生体信号からストレス特徴量を算出して短期間特徴量とするストレス特徴量算出手段と、
前記全期間特徴量と前記短期間特徴量とからストレススコアを推定するストレススコア推定手段と
を備えるストレス推定装置。Biological signal data collected from the subject of stress estimation is concatenated over the entire period for which stress should be estimated to generate a biological signal for the entire period, and the biological signal data is obtained from a plurality of biological signal data shorter than the entire period. A biological signal construct means for generating a plurality of short-term biological signals by connecting them over a short period of time,
A stress feature amount calculating means for calculating a stress feature amount from the whole-period biological signal and using it as a full-time feature amount, and calculating a stress feature amount from the short-term biological signal and using it as a short-term feature amount.
A stress estimation device including a stress score estimating means for estimating a stress score from the whole-period feature amount and the short-term feature amount.
生成された前記短期間生体信号を記憶する短期間生体信号記憶手段とを備え、
前記ストレス特徴量算出手段は、前記全期間生体信号記憶手段に記憶されている前記全期間生体信号を使用して前記全期間特徴量を算出し、前記短期間生体信号記憶手段に記憶されている前記短期間生体信号を使用して前記短期間特徴量を算出する
請求項1記載のストレス推定装置。An all-period biological signal storage means for storing the generated all-period biological signal,
A short-term biological signal storage means for storing the generated short-term biological signal is provided.
The stress feature amount calculating means calculates the whole period feature amount using the whole period biological signal stored in the whole period biological signal storage means, and stores it in the short period biological signal storage means. The stress estimation device according to claim 1, wherein the short-term feature amount is calculated using the short-term biological signal.
請求項1または請求項2記載のストレス推定装置。A claim further comprising a short-term feature replenishment means for calculating the difference between the short-term features before and after the period during which the biological signal data has not been acquired and outputting the calculation result to the stress score estimation means as an additional short-term feature. 1 or the stress estimation device according to claim 2.
請求項3記載のストレス推定装置。A feature value is calculated from the short-term feature amount calculated from the short-term biological signal or the short-term feature amount output by the short-term feature amount replenishing means, and the calculation result is used as an additional short-term feature amount as the stress. The stress estimation device according to claim 3, further comprising a short-term feature amount calculation means for outputting to the score estimation means.
請求項1から請求項4のうちのいずれか1項に記載のストレス推定装置。The stress according to any one of claims 1 to 4, wherein the biological signal data is a part or all of a signal of skin electrical conductivity, skin surface temperature, pulse wave, heartbeat, voice, and acceleration. Estimator.
前記全期間生体信号からストレス特徴量を算出して全期間特徴量とし、前記短期間生体信号からストレス特徴量を算出して短期間特徴量とし、
前記全期間特徴量と前記短期間特徴量とからストレススコアを推定する
ストレス推定方法。Biological signal data collected from the subject of stress estimation is concatenated over the entire period for which stress should be estimated to generate a biological signal for the entire period, and the biological signal data is obtained from a plurality of biological signal data shorter than the entire period. Generate multiple short-term biosignals by linking them over a short period of time.
The stress feature amount was calculated from the whole period biological signal and used as the whole period feature amount, and the stress feature amount was calculated from the short period biological signal and used as the short period feature amount.
A stress estimation method for estimating a stress score from the all-period features and the short-term features.
生成された前記短期間生体信号を短期間生体信号記憶手段に保存し、
前記全期間生体信号記憶手段に保存されている前記全期間生体信号を使用して前記全期間特徴量を算出し、前記短期間生体信号記憶手段に保存されている前記短期間生体信号を使用して前記短期間特徴量を算出する
請求項6記載のストレス推定方法。The generated biological signal for the entire period is stored in the biological signal storage means for the entire period,
The generated short-term biological signal is stored in the short-term biological signal storage means,
The whole-period feature amount is calculated using the whole-period biological signal stored in the whole-period biological signal storage means, and the short-term biological signal stored in the short-term biological signal storage means is used. The stress estimation method according to claim 6, wherein the short-term feature amount is calculated.
請求項6または請求項7記載のストレス推定方法。The sixth or seventh aspect, wherein the difference between the short-term features before and after the period during which the biological signal data is not acquired is calculated, and the calculation result is used as an additional short-term feature used for estimating the stress score. Stress estimation method.
請求項8記載のストレス推定方法。A feature value is calculated from the short-term feature amount calculated from the short-term biological signal or the short-term feature amount based on the difference, and the calculation result is used as an additional short-term feature amount used for stress score estimation. The stress estimation method according to claim 8.
ストレス推定の対象者から収集された生体信号データを、ストレスが推定されるべき全期間に亘って連結して全期間生体信号を生成し、前記生体信号データを、前記全期間よりも短い複数の短期間のそれぞれに亘って連結して複数の短期間生体信号を生成する処理と、
前記全期間生体信号からストレス特徴量を算出して全期間特徴量とし、前記短期間生体信号からストレス特徴量を算出して短期間特徴量とする処理と、
前記全期間特徴量と前記短期間特徴量とからストレススコアを推定する処理と
を実行させるためのストレス推定プログラム。On the computer
Biological signal data collected from the subject of stress estimation is concatenated over the entire period for which stress should be estimated to generate a biological signal for the entire period, and the biological signal data is obtained from a plurality of biological signal data shorter than the entire period. Processing to generate multiple short-term biological signals by connecting them over a short period of time,
The process of calculating the stress feature amount from the whole period biological signal and using it as the whole period feature amount, and calculating the stress feature amount from the short period biological signal and using it as the short period feature amount.
A stress estimation program for executing a process of estimating a stress score from the full-term feature amount and the short-term feature amount.
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
PCT/JP2018/005056 WO2019159252A1 (en) | 2018-02-14 | 2018-02-14 | Stress estimation device and stress estimation method using biosignal |
Publications (2)
Publication Number | Publication Date |
---|---|
JPWO2019159252A1 true JPWO2019159252A1 (en) | 2020-12-03 |
JP6849106B2 JP6849106B2 (en) | 2021-03-24 |
Family
ID=67618927
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2019571856A Active JP6849106B2 (en) | 2018-02-14 | 2018-02-14 | Stress estimation device and stress estimation method using biological signals |
Country Status (2)
Country | Link |
---|---|
JP (1) | JP6849106B2 (en) |
WO (1) | WO2019159252A1 (en) |
Families Citing this family (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP7205433B2 (en) * | 2019-09-24 | 2023-01-17 | カシオ計算機株式会社 | State estimation device, state estimation method and program |
JP7276586B2 (en) * | 2020-02-14 | 2023-05-18 | 日本電気株式会社 | STRESS ESTIMATION DEVICE, STRESS ESTIMATION METHOD, AND PROGRAM |
JP7456495B2 (en) | 2020-03-31 | 2024-03-27 | 日本電気株式会社 | Stress management device, stress management method, and program |
WO2021199271A1 (en) * | 2020-03-31 | 2021-10-07 | 日本電気株式会社 | Stress release degree calculation device, stress release degree calculation method, and computer-readable recording medium |
JPWO2022038776A1 (en) * | 2020-08-21 | 2022-02-24 | ||
WO2022113276A1 (en) * | 2020-11-27 | 2022-06-02 | 日本電気株式会社 | Information processing device, control method, and storage medium |
US20240104430A1 (en) * | 2021-01-21 | 2024-03-28 | Nec Corporation | Information processing apparatus, feature quantity selection method, training data generation method, estimation model generation method, stress level estimation method, and storage medium |
US20240185124A1 (en) * | 2021-04-02 | 2024-06-06 | Nec Corporation | Learning device, stress estimation device, learning method, stress estimation method, and storage medium |
WO2022254575A1 (en) * | 2021-06-01 | 2022-12-08 | 日本電気株式会社 | Stress factor estimation device, stress factor estimation method and storage medium |
WO2023119433A1 (en) * | 2021-12-21 | 2023-06-29 | 日本電気株式会社 | Calculation method, calculation device, and storage medium |
WO2024122363A1 (en) * | 2022-12-09 | 2024-06-13 | 株式会社資生堂 | Stress diagnosis system, stress diagnosis apparatus, program, and method |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2008212391A (en) * | 2007-03-05 | 2008-09-18 | Isuzu Motors Ltd | Stress detector |
JP2016500016A (en) * | 2012-10-30 | 2016-01-07 | ヴァイタル コネクト, インコーポレイテッドVital Connect, Inc. | Measurement of psychological stress from cardiovascular and activity signals |
JP2018011721A (en) * | 2016-07-20 | 2018-01-25 | 日本電気株式会社 | Stress estimation device, stress estimation method, and stress estimation program |
-
2018
- 2018-02-14 WO PCT/JP2018/005056 patent/WO2019159252A1/en active Application Filing
- 2018-02-14 JP JP2019571856A patent/JP6849106B2/en active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2008212391A (en) * | 2007-03-05 | 2008-09-18 | Isuzu Motors Ltd | Stress detector |
JP2016500016A (en) * | 2012-10-30 | 2016-01-07 | ヴァイタル コネクト, インコーポレイテッドVital Connect, Inc. | Measurement of psychological stress from cardiovascular and activity signals |
JP2018011721A (en) * | 2016-07-20 | 2018-01-25 | 日本電気株式会社 | Stress estimation device, stress estimation method, and stress estimation program |
Also Published As
Publication number | Publication date |
---|---|
JP6849106B2 (en) | 2021-03-24 |
WO2019159252A1 (en) | 2019-08-22 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP6849106B2 (en) | Stress estimation device and stress estimation method using biological signals | |
US20190365332A1 (en) | Determining wellness using activity data | |
Kocielnik et al. | Smart technologies for long-term stress monitoring at work | |
Li et al. | Eustress or distress: An empirical study of perceived stress in everyday college life | |
WO2012140537A1 (en) | Stress-measuring device and method | |
CN109983505A (en) | Personage's trend recording device, personage's trend recording method and program | |
JPWO2012169003A1 (en) | Information processing system and information processing method | |
Kusserow et al. | Modeling arousal phases in daily living using wearable sensors | |
WO2011119509A1 (en) | Spatially constrained biosensory measurements to decode physiological states and user responses induced by marketing media | |
US20180310867A1 (en) | System and method for stress level management | |
Bunn et al. | Assessment of step accuracy using the Consumer Technology Association standard | |
US20190008466A1 (en) | Life log utilization system, life log utilization method, and recording medium | |
WO2019069417A1 (en) | Biological information processing device, biological information processing system, biological information processing method, and storage medium | |
Delay et al. | Non invasive wearable device for fetal movement detection | |
JP2023089729A (en) | Computer system and emotion estimation method | |
US10229192B2 (en) | Hierarchical de-duplication techniques for tracking fitness metrics | |
CN111870250A (en) | User state monitoring method and device, computing equipment and computer storage medium | |
US20220206745A1 (en) | Relationship analysis utilizing biofeedback information | |
CN103186701A (en) | Method, system and equipment for analyzing eating habits | |
RU2704547C1 (en) | Method for remote collection and group treatment of psychophysiological reactions with presentation of various information | |
JP7276586B2 (en) | STRESS ESTIMATION DEVICE, STRESS ESTIMATION METHOD, AND PROGRAM | |
Ekiz et al. | Long short-term memory network based unobtrusive workload monitoring with consumer grade smartwatches | |
JP2018200622A (en) | Mental Health Measure Support System and Mental Health Measure Support Method | |
EP3716151A1 (en) | Stress monitor and stress-monitoring method | |
Amor et al. | Detecting and analyzing activity levels for the wrist wearable unit in the USEFIL project |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20200417 |
|
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: 20210202 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20210215 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 6849106 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |