WO2013140523A1 - 覚醒度判定装置、覚醒度判定プログラムおよび覚醒度判定方法 - Google Patents

覚醒度判定装置、覚醒度判定プログラムおよび覚醒度判定方法 Download PDF

Info

Publication number
WO2013140523A1
WO2013140523A1 PCT/JP2012/057071 JP2012057071W WO2013140523A1 WO 2013140523 A1 WO2013140523 A1 WO 2013140523A1 JP 2012057071 W JP2012057071 W JP 2012057071W WO 2013140523 A1 WO2013140523 A1 WO 2013140523A1
Authority
WO
WIPO (PCT)
Prior art keywords
point
subject
spectral density
arousal level
heart rate
Prior art date
Application number
PCT/JP2012/057071
Other languages
English (en)
French (fr)
Inventor
佐野　聡
裕太 増田
小田切　淳一
Original Assignee
富士通株式会社
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 富士通株式会社 filed Critical 富士通株式会社
Priority to EP12872002.6A priority Critical patent/EP2829229A1/en
Priority to PCT/JP2012/057071 priority patent/WO2013140523A1/ja
Priority to JP2014505854A priority patent/JP5962751B2/ja
Publication of WO2013140523A1 publication Critical patent/WO2013140523A1/ja
Priority to US14/480,821 priority patent/US20140378852A1/en

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
    • A61B5/24—Detecting, measuring or recording bioelectric or biomagnetic signals of the body or parts thereof
    • A61B5/316—Modalities, i.e. specific diagnostic methods
    • A61B5/318—Heart-related electrical modalities, e.g. electrocardiography [ECG]
    • A61B5/346—Analysis of electrocardiograms
    • A61B5/349—Detecting specific parameters of the electrocardiograph cycle
    • A61B5/352—Detecting R peaks, e.g. for synchronising diagnostic apparatus; Estimating R-R interval
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/02—Detecting, measuring or recording pulse, heart rate, blood pressure or blood flow; Combined pulse/heart-rate/blood pressure determination; Evaluating a cardiovascular condition not otherwise provided for, e.g. using combinations of techniques provided for in this group with electrocardiography or electroauscultation; Heart catheters for measuring blood pressure
    • A61B5/024—Detecting, measuring or recording pulse rate or heart rate
    • A61B5/02405—Determining heart rate variability
    • 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
    • A61B5/18—Devices for psychotechnics; Testing reaction times ; Devices for evaluating the psychological state for vehicle drivers or machine operators
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/48—Other medical applications
    • A61B5/4806—Sleep evaluation
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/72—Signal processing specially adapted for physiological signals or for diagnostic purposes
    • A61B5/7235—Details of waveform analysis
    • A61B5/7253—Details of waveform analysis characterised by using transforms
    • A61B5/7257—Details of waveform analysis characterised by using transforms using Fourier transforms

Definitions

  • the present invention relates to an arousal level determination device and the like.
  • a frequency analysis technique that uses a subject's heartbeat signal or the like as a method for measuring the subject's sleepiness and arousal level without imposing a burden on the subject.
  • a frequency at the peak of fluctuation of a heartbeat signal and a spectral density are used as feature amounts, and the arousal level of the subject is determined based on the movement of the feature amounts.
  • the arousal level obtained from the feature amount of the prior art may be different from the actual arousal level of the subject.
  • the present invention has been made in view of the above, and an object thereof is to provide a wakefulness determination device, a wakefulness determination program, and a wakefulness determination method that can accurately determine the wakefulness of a subject.
  • the disclosed arousal level determination device includes a heartbeat interval calculation unit, a spectrum calculation unit, an extraction unit, and a determination unit.
  • the heartbeat interval calculation unit calculates a heartbeat interval from the heartbeat signal of the subject.
  • the spectrum calculation unit calculates a spectral density for each frequency by performing frequency analysis on the heartbeat interval.
  • the extraction unit extracts a spectral density maximum point and a set of frequencies corresponding to the maximum point, and a spectral density minimum point and a frequency set corresponding to the minimum point.
  • the determination unit determines the arousal level of the subject based on the maximum point, a set of frequencies corresponding to the maximum point, and a minimum point and a set of frequencies corresponding to the minimum point.
  • arousal level determination device it is possible to accurately determine the level of arousal of a subject.
  • FIG. 1 is a functional block diagram illustrating the configuration of the arousal level determination device according to the first embodiment.
  • FIG. 2 is a diagram illustrating an example of heart rate signal data.
  • FIG. 3 is a diagram for explaining the processing of the heartbeat interval calculation unit.
  • FIG. 4 is a diagram illustrating an example of heartbeat interval variation data.
  • FIG. 5 is a diagram illustrating the relationship between frequency and spectral density.
  • FIG. 6 is a diagram illustrating an example of the arousal level determination graph.
  • FIG. 7 is a diagram illustrating an example of changes in spectral density data.
  • FIG. 8 is a flowchart illustrating the processing procedure of the arousal level determination apparatus according to the first embodiment.
  • FIG. 9 is a diagram for explaining the effect of the arousal level determination device according to the first embodiment.
  • FIG. 10 is a diagram illustrating an example of a computer that executes an arousal level determination program.
  • FIG. 1 is a functional block diagram illustrating the configuration of the arousal level determination device according to the first embodiment.
  • the arousal level determination device 100 includes a heartbeat detection unit 101, a heartbeat interval calculation unit 102, a spectrum calculation unit 103, an extraction unit 104, a determination unit 105, and an output unit 106.
  • the heartbeat detection unit 101 is a device that detects a heartbeat signal of a subject.
  • the heartbeat detection unit 101 acquires a heartbeat signal of the subject from the potential difference between the electrodes with respect to the electrode in contact with the subject.
  • the electrode may be installed on a vehicle handle or the like, and a heartbeat signal may be detected from the subject while the subject is driving. Further, for example, a pulse signal obtained from an ear clip type photoelectric pulse wave sensor may be detected.
  • FIG. 2 is a diagram showing an example of heartbeat signal data.
  • the horizontal axis indicates time, and the vertical axis indicates the amplitude of the heartbeat signal.
  • the heartbeat signal data has an amplitude peak at a constant cycle.
  • the heartbeat interval calculation unit 102 is a processing unit that detects the timing of the amplitude peak of the heartbeat signal based on the heartbeat signal data and detects the interval of each timing of the amplitude peak.
  • FIG. 3 is a diagram for explaining the processing of the heartbeat interval calculation unit. In FIG. 3, the horizontal axis indicates time, and the vertical axis indicates the amplitude of the heartbeat signal. The signal in FIG. 3 is a part of the heartbeat signal data shown in FIG.
  • the heartbeat interval calculation unit 102 detects a point where the amplitude of the heartbeat signal is equal to or greater than a threshold as an amplitude peak.
  • the amplitude interval calculation unit 102 detects amplitude peaks R1 and R2. Then, the heartbeat interval calculation unit 102 detects the time interval between the timing of the amplitude peak R1 and the amplitude peak R2. The time interval of each amplitude peak is expressed as a heartbeat interval.
  • the heartbeat interval calculation unit 102 sequentially detects the heartbeat interval, and outputs the detected heartbeat interval data to the spectrum calculation unit 103.
  • heartbeat interval data is referred to as heartbeat interval data.
  • the method for detecting the amplitude peak is not limited to the above-described method. For example, a method for detecting the peak by performing pattern matching on the amplitude waveform, a method using the maximum value of the differential coefficient of the pulse signal, or the like may be used. I do not care.
  • the spectrum calculation unit 103 is a processing unit that calculates a spectral density with respect to fluctuations in the heartbeat interval based on the heartbeat interval data.
  • the processing of the spectrum calculation unit 103 will be specifically described.
  • the spectrum calculation unit 103 generates heartbeat interval data that varies over time based on the heartbeat interval data. Data on the heartbeat interval that varies over time is expressed as heartbeat interval variation data.
  • FIG. 4 is a diagram showing an example of heartbeat interval variation data.
  • the horizontal axis indicates time
  • the vertical axis indicates the size of the heartbeat interval.
  • the heartbeat interval fluctuates with time.
  • the spectrum calculation unit 103 calculates the spectral density corresponding to each frequency based on the heartbeat interval fluctuation data.
  • FIG. 5 is a diagram illustrating the relationship between frequency and spectral density. The horizontal axis of FIG. 5 shows the frequency, and the vertical axis shows the magnitude of the spectral density.
  • the spectrum calculation unit 103 outputs spectral density data corresponding to each frequency to the extraction unit 104. In the following description, spectral density data corresponding to each frequency is expressed as spectral density data.
  • the spectrum calculation unit 103 may calculate spectral density data by performing Fourier transform.
  • the spectrum calculation unit 103 can calculate the spectral density using, for example, an AR (Autoregressive) model.
  • AR Autoregressive
  • the AR model is a linear representation of past time-series data. This model is expressed as a sum, and has a feature that a clear maximum point can be obtained even with a small number of data compared to the Fourier transform.
  • Equation (1) The p-order AR model of time series x (s) can be expressed by Equation (1) using an AR coefficient a (m) and an error term e (s) that are weights for past values.
  • e (s) included in Equation (1) corresponds to white noise.
  • the spectral density P AR (f) can be expressed by equation (2).
  • Equation (2) p represents the identification order, f s represents the sampling frequency, and ⁇ p represents the identification error.
  • the following symbols indicate k-th order AR counts.
  • the spectrum calculation unit 103 may calculate spectrum density data based on the equation (2) and heartbeat interval fluctuation data.
  • the extraction unit 104 specifies the maximum point and the minimum point of the spectral density based on the spectral density data.
  • the maximum point is expressed as a peak
  • the minimum point is expressed as a bottom. The process of the extraction unit 104 will be described with reference to FIG.
  • the extraction unit 104 identifies the peak P and the bottom B.
  • the extraction unit 104 represents the peak P by Pf and Pd.
  • Pf corresponds to a frequency value obtained by subtracting the frequency of the reference point O from the frequency of the peak P.
  • Pd corresponds to a value obtained by subtracting the spectral density of the reference point O from the spectral density of the peak P.
  • Data of Pf and Pd of the peak P is appropriately expressed as P (Pf, Pd).
  • Extraction unit 104 represents bottom B by Bf and Bd.
  • Bf corresponds to a value obtained by subtracting the frequency of the bottom B from the frequency of the reference point O.
  • Bd corresponds to a value obtained by subtracting the spectral density of the bottom B from the spectral density of the reference point O.
  • the data of Bf and Bd at the bottom B is appropriately expressed as B (Bf, Bd).
  • the extraction unit 104 outputs P (Pf, Pd) and B (Bf, Bd) to the determination unit 105.
  • the extraction unit 104 specifies P (Pf, Pd) and B (Bf, Bd) each time spectrum density data is acquired from the spectrum calculation unit 103, and outputs it to the determination unit 105.
  • the extraction unit 104 may specify the reference point O in any way.
  • the extraction unit 104 specifies the midpoint of the line segment connecting the bottom B and the peak P as the reference point O.
  • the extraction unit 104 may specify the center of gravity of the region including the bottom B and the peak P as the reference point O.
  • the determination unit 105 is a processing unit that determines the arousal level of the subject based on P (Pf, Pd) and B (Bf, Bd). A process when the determination unit 105 calculates the awakening level will be described.
  • Determination unit 105 calculates state index data based on P (Pf, Pd) and B (Bf, Bd).
  • the state index data has a parameter f and a parameter PSD.
  • the determination unit 105 calculates the parameter f by adding Pf and Bf.
  • the determination unit 105 calculates the parameter PSD by adding Pd and Bf.
  • the state index data is appropriately expressed as a state index S (f, PSD).
  • the determining unit 105 determines the arousal level of the subject based on the position of the state index S (f, PSD) on the arousal level determination graph defined by the parameter f and the parameter PSD.
  • FIG. 6 is a diagram illustrating an example of the arousal level determination graph.
  • the horizontal axis indicates the frequency, and the vertical axis corresponds to the magnitude of the spectral density.
  • the arousal level determination graph is classified into Levels 1 to 5.
  • the Level 5 region is the region where the subject's awakening level is the lowest and he wants to sleep, and the awakening level increases in the order of Levels 5, 4, 3, 2 and 1. It is assumed that the scale of the arousal level determination graph and the levels 1 to 5 are set in the determination unit 105 in advance.
  • the determination unit 105 determines the arousal level depending on which region of the arousal level determination graph includes the state index S (f, PSD). For example, as illustrated in FIG. 6, when the position corresponding to the state index S (f, PSD) is S 1 , the determination unit 105 determines the awakening level of the subject as Level 3. If condition index S (f, PSD) is the position corresponding to the S 2, the determination unit 105 determines that Level4 alertness of a subject.
  • the determination unit 105 sequentially acquires P (Pf, Pd) and B (Bf, Bd) from the extraction unit 104, and sequentially calculates the state index S (f, PSD).
  • the determination unit 105 may determine whether the subject is getting sleepy or not getting sleepy based on the moving direction of the state index S (f, PSD) on the arousal level determination graph. In the arousal level determination graph illustrated in FIG. 6, the determination unit 105 determines that the subject is getting sleepy when the state index S (f, PSD) is moving in the direction from Level 1 to Level 5. On the other hand, the determination unit 105 determines that the subject is not sleepy when the state index S (f, PSD) is moving from Level 5 to Level 1.
  • FIG. 7 is a diagram illustrating an example of changes in spectral density data.
  • the spectral density data changes, and the peak P 1 and the bottom B 1 change to the peak P 2 and the bottom B 2 .
  • the state index S 2 is changed from S 1 .
  • the state index S (f, PSD) moves in the direction from Level 1 to Level 4. For this reason, the determination unit 105 determines that the subject is getting sleepy.
  • the output unit 106 is a processing unit that outputs information on each tumor based on the determination result of the determination unit 105. For example, the output unit 106 acquires the awakening level of the subject from the determination unit 105, and outputs a warning when the awakening level is included in Levels 3 to 5. The output unit 106 may output a warning when the subject is getting sleepy. The output unit 106 may display the position of the state index S (f, PSD) on the arousal level determination graph on the display device in real time.
  • FIG. 8 is a flowchart illustrating the processing procedure of the arousal level determination apparatus according to the first embodiment. For example, the processing shown in FIG. 8 is executed when the heartbeat detection unit 101 starts acquiring heartbeat signal data.
  • the arousal level determination device 100 acquires heartbeat signal data (step S101) and detects a heartbeat interval (step S102). The arousal level determination device 100 calculates a spectral density corresponding to each frequency (step S103).
  • the arousal level determination device 100 calculates the peak P and the bottom B (step S104).
  • the arousal level determination device 100 calculates a state index based on the peak P and the bottom B (step S105).
  • the arousal level determination device 100 plots the movement of the state index on the arousal level determination graph (step S106), and determines the arousal level of the subject based on the position of the state index (step S107).
  • the awakening level determination device 100 outputs a determination result (step S108).
  • the arousal level determination device 100 generates spectral density data in which a frequency and a spectral density are associated with each other by executing frequency analysis on the heartbeat signal data. Then, the arousal level determination device 100 identifies the peak P and the bottom B based on the spectral density data, and determines the arousal level of the subject using the identified peak P and bottom B. For this reason, according to the arousal level determination apparatus 100, the awakening level of the subject can be accurately determined.
  • FIG. 9 is a diagram for explaining the effect of the arousal level determination apparatus according to the first embodiment.
  • the horizontal axis indicates the frequency
  • the vertical axis indicates the spectral density.
  • spectral density data 20A and spectral density data 20B are shown.
  • the spectral density data corresponding to the subject changes from the spectral density data 20A to the spectral density data 20B. It is assumed that the test subject's resistance to drowsiness and the arousal level has been reduced by, for example, detecting drowsiness using a facial expression and acquiring spectral density data at that time.
  • the arousal level determination apparatus 100 determines not only the peak P but also the change in the bottom B to determine the level of the subject's awakening, the level of awakening of the subject can be accurately determined.
  • the arousal level determination apparatus 100 sets a reference point, sets a peak P and a bottom B based on the distance from the reference point, and determines the arousal level based on the peak P and the bottom B. Using the relative changes of the peak P and the bottom B with reference to the reference point, the arousal level of the subject can be determined more accurately. Further, since the reference value is set every time based on the peak P and the bottom B, the arousal level determination device 100 dynamically corresponds to the physical condition of the subject, and the arousal level can be accurately determined even if the physical condition is different from usual. Can be determined.
  • the extraction unit 104 sets the reference point O based on the peak P and the bottom B.
  • the present invention is not limited to this.
  • the extraction unit 104 may previously set a unique reference point O for each subject, or may adjust the position of the reference point O according to the subject.
  • the reference point O it is possible to accurately determine the arousal level specific to each subject.
  • the determination unit 105 may determine the arousal level of the subject by comparing the reference point O with the peak P and the bottom B. For example, the determination unit 105 may determine that the arousal level of the subject has decreased when the peak P falls below the spectral density or frequency of the reference point O. Further, the determination unit 105 may determine that the awakening level of the subject has decreased when the bottom B exceeds the spectral density or frequency of the reference value O.
  • the determination unit 105 performs processing by using the determination result 1 of the arousal degree based on the arousal degree determination graph and the state index S and the determination result 2 based on the comparison between the reference point O and the peak P and the bottom B in combination. You can go.
  • the determination unit 105 assumes that the arousal level tends to decrease according to the determination result 1 and that the subject's arousal level decreases according to the determination result 2.
  • the warning may be given with a louder sound than a normal warning.
  • the determination unit 105 may correct the reference point O by calculating the midpoint of the line segment between the peak P and the bottom B again.
  • Predictive detection based on ratio of peak P to bottom B Pd of peak P is an index indicating a state in which the heartbeat rhythm is constant and continuous.
  • Pf is an index proportional to the amount of activity of the subject.
  • Bd and Bf both indicate the degree of disturbance of the heartbeat rhythm, and are considered to be indexes particularly indicating the activity of the sympathetic nerve.
  • the determination unit 105 determines that there is a sign that the wakefulness level decreases when the change amount of the fighting degree F is equal to or greater than the threshold value. If the determination unit 105 determines that there is a sign that the degree of arousal will decrease, the determination unit 105 may warn the subject. When the determination unit 105 executes such a process, it is possible to prevent a reduction in the arousal level.
  • each component of the arousal level determination device 100 shown in the embodiment is functionally conceptual and does not necessarily need to be physically configured as illustrated.
  • the specific form of distribution / integration of each device is not limited to that shown in the figure, and all or a part thereof may be functionally or physically distributed or arbitrarily distributed in arbitrary units according to various loads or usage conditions. Can be integrated and configured.
  • each processing function performed by each device may be realized by a CPU and a program that is analyzed and executed by the CPU, or may be realized as hardware by wired logic.
  • FIG. 10 is a diagram illustrating an example of a computer that executes the arousal level determination program.
  • the computer 200 includes a CPU 201 that executes various arithmetic processes, an input device 202 that receives data input from a user, and a display 203.
  • the computer 200 also includes a reading device 204 that reads programs and the like from a storage medium, and an interface device 205 that exchanges data with other computers via a network.
  • the computer 200 includes a heartbeat detection device 206 that detects a heartbeat signal of the subject.
  • the computer 200 also includes a RAM 207 that temporarily stores various information and a hard disk device 208.
  • the devices 201 to 208 are connected to the bus 209.
  • the hard disk device 208 includes, for example, a spectrum calculation program 208a, an extraction program 208b, and a determination program 208c.
  • the CPU 201 reads each program 208 a to 208 c and develops it in the RAM 207.
  • the spectrum calculation program 208a functions as a spectrum calculation process 207a.
  • the extraction program 208b functions as the extraction process 207b.
  • the determination program 208c functions as a determination process 207c.
  • the spectrum calculation process 207 a corresponds to the spectrum calculation unit 103.
  • the extraction process 207 b corresponds to the extraction unit 104.
  • the determination process 207 c corresponds to the determination unit 105.
  • each program is stored in a “portable physical medium” such as a flexible disk (FD), a CD-ROM, a DVD disk, a magneto-optical disk, or an IC card inserted into the computer 200. Then, the computer 300 may read the programs 208a to 208c from these and execute them.
  • a “portable physical medium” such as a flexible disk (FD), a CD-ROM, a DVD disk, a magneto-optical disk, or an IC card inserted into the computer 200.
  • the computer 300 may read the programs 208a to 208c from these and execute them.

Abstract

　本実施例にかかる覚醒度判定装置（１００）は、心拍検出部から、被験者から心拍信号データを取得して、心拍間隔データを検出する。覚醒度判定装置（１００）は、心拍間隔データを基にして、各周波数に対応するスペクトル密度を算出し、ピークＰとボトムＢとを算出し、状態指数Ｓを算出する。そして、覚醒度判定装置（１００）は、状態指数の動きを覚醒度判定グラフにプロットし、状態指数Ｓの位置に基づいて、被験者の覚醒度を判定する。

Description

覚醒度判定装置、覚醒度判定プログラムおよび覚醒度判定方法
　本発明は、覚醒度判定装置等に関する。
　被験者に負担をかけることなく、被験者の眠気や覚醒度を計測する手法として、被験者の心拍信号等を用いた周波数解析技術が存在する。例えば、心拍信号の揺らぎのピーク時の周波数とスペクトル密度とを特徴量とし、かかる特徴量の動きを基にして、被験者の覚醒度を判定する従来技術が存在する。
国際公開第２００８／０６５７２４号
　しかしながら、上述した従来技術では、被験者の覚醒度を正確に判定することができないという問題があった。
　例えば、被験者が眠気を感じていても眠らないように抗っている状態では、従来技術の特徴量から求められた覚醒度と、実際の被験者の覚醒度とが異なっている場合があった。
　本発明は、上記に鑑みてなされたものであって、被験者の覚醒度を正確に判定することができる覚醒度判定装置、覚醒度判定プログラムおよび覚醒度判定方法を提供することを目的とする。
　開示の覚醒度判定装置は、心拍間隔算出部、スペクトル算出部、抽出部、判定部を有する。心拍間隔算出部は、被験者の心拍信号から心拍間隔を算出する。スペクトル算出部は、心拍間隔に対して周波数解析を実行することで、周波数毎のスペクトル密度を算出する。抽出部は、スペクトル密度の極大点および該極大点に対応する周波数の組と、スペクトル密度の極小点および該極小点に対応する周波数の組とを抽出する。判定部は、極大点および該極大点に対する周波数の組と、極小点および該極小点に対応する周波数の組とを基にして、被験者の覚醒度を判定する。
　開示の覚醒度判定装置によれば、被験者の覚醒度を正確に判定することができるという効果を奏する。
図１は、本実施例１に係る覚醒度判定装置の構成を示す機能ブロック図である。 図２は、心拍信号データの一例を示す図である。 図３は、心拍間隔算出部の処理を説明するための図である。 図４は、心拍間隔変動データの一例を示す図である。 図５は、周波数とスペクトル密度との関係を示す図である。 図６は、覚醒度判定グラフの一例を示す図である。 図７は、スペクトル密度データの変化の一例を示す図である。 図８は、本実施例１に係る覚醒度判定装置の処理手順を示すフローチャートである。 図９は、本実施例１に係る覚醒度判定装置の効果を説明するための図である。 図１０は、覚醒度判定プログラムを実行するコンピュータの一例を示す図である。
　以下に、本発明にかかる覚醒度判定装置、覚醒度判定プログラムおよび覚醒度判定方法の実施例を図面に基づいて詳細に説明する。なお、この実施例によりこの発明が限定されるものではない。
　本実施例１に係る覚醒度判定装置について説明する。図１は、本実施例１に係る覚醒度判定装置の構成を示す機能ブロック図である。図１に示すように、覚醒度判定装置１００は、心拍検出部１０１、心拍間隔算出部１０２、スペクトル算出部１０３、抽出部１０４、判定部１０５、出力部１０６を有する。
　心拍検出部１０１は、被験者の心拍信号を検出する装置である。この心拍検出部１０１は、例えば、被験者に接触している電極に対し、各電極の電位差から被験者の心拍信号を取得する。例えば、電極は車両のハンドルなどに設置されており、被験者が運転している間に、被験者から心拍信号を検出しても良い。また例えば、イヤクリップ式の光電脈波センサーから得られる脈拍信号を検知してもよい。
　図２は、心拍信号データの一例を示す図である。図２の横軸は時間を示し、縦軸は心拍信号の振幅を示す。図２に示すように、心拍信号データは、一定の周期で、振幅ピークが現れる。
　心拍間隔算出部１０２は、心拍信号データに基づいて心拍信号の振幅ピークのタイミングをそれぞれ検出し、振幅ピークの各タイミングの間隔を検出する処理部である。図３は、心拍間隔算出部の処理を説明するための図である。図３において、横軸は時間を示し、縦軸は心拍信号の振幅を示す。図３の信号は、図２に示した心拍信号データの一部である。
　心拍間隔算出部１０２は、心拍信号の振幅が閾値以上となるポイントを、振幅ピークとして検出する。図３に示す例では、振幅間隔算出部１０２は、振幅ピークＲ１、Ｒ２を検出する。そして、心拍間隔算出部１０２は、振幅ピークＲ１のタイミングと、振幅ピークＲ２との時間間隔を検出する。各振幅ピークの時間間隔を、心拍間隔と表記する。
　心拍間隔算出部１０２は、順次心拍間隔を検出し、検出した心拍間隔のデータを、スペクトル算出部１０３に出力する。以下の説明において、心拍間隔のデータを、心拍間隔データと表記する。なお、振幅ピークの検出方法は上述の方法に限るものではなく、例えば、振幅波形につきパターンマッチングを行ってピークを検出する方法、脈拍信号の微分係数の最大値を使う方法、などを用いても構わない。
　スペクトル算出部１０３は、心拍間隔データを基にして心拍間隔の変動に対するスペクトル密度を算出する処理部である。ここで、スペクトル算出部１０３の処理を具体的に説明する。まず、スペクトル算出部１０３は、心拍間隔データを基にして、時間経過によって変動する心拍間隔のデータを生成する。時間経過によって変動する心拍間隔のデータを、心拍間隔変動データと表記する。
　図４は、心拍間隔変動データの一例を示す図である。図４において、横軸は時間を示し、縦軸は心拍間隔の大きさを示す。図４に示すように、心拍間隔は、時間変化に伴って変動している。
　スペクトル算出部１０３は、心拍間隔変動データを基にして各周波数に対応するスペクトル密度を算出する。図５は、周波数とスペクトル密度との関係を示す図である。図５の横軸は周波数を示し、縦軸はスペクトル密度の大きさを示す。スペクトル算出部１０３は、各周波数に対応するスペクトル密度のデータを、抽出部１０４に出力する。以下の説明において、各周波数に対応するスペクトル密度のデータを、スペクトル密度データと表記する。
　なお、スペクトル算出部１０３がスペクトル密度データを算出する方法はどのような方法を用いても構わない。例えば、スペクトル算出部１０３は、フーリエ変換を行うことで、スペクトル密度データを算出しても良い。
　また、スペクトル算出部１０３は、例えば、ＡＲ（Autoregressive）モデルを用いてスペクトル密度を算出することができる。ＡＲモデルは、非特許文献（佐藤俊輔、吉川昭、木竜徹、”生体信号処理の基礎”、コロナ社）などに開示されてあるように、ある時点の状態を過去の時系列データの線形和で表すモデルであり、フーリエ変換と比較して少ないデータ数でも明瞭な極大点が得られるという特徴がある。
　時系列ｘ（ｓ）のｐ次のＡＲモデルは、過去の値に対する重みであるＡＲ係数ａ（ｍ）および誤差項ｅ（ｓ）を用いて、式（１）によって表すことができる。理想的な状態では、式（１）に含まれるｅ（ｓ）はホワイトノイズに対応する。
Figure JPOXMLDOC01-appb-M000001
　スペクトル密度ＰAR（ｆ）は、式（２）によって表すことができる。
Figure JPOXMLDOC01-appb-M000002
　式（２）において、ｐは同定次数を示し、ｆｓはサンプリング周波数を示し、εpは同定誤差を示す。また、下記の記号は、ｋ次のＡＲ計数を示す。
Figure JPOXMLDOC01-appb-M000003
　スペクトル算出部１０３は、式（２）および心拍間隔変動データを基にして、スペクトル密度データを算出しても良い。
　抽出部１０４は、スペクトル密度データを基にして、スペクトル密度の極大点と、極小点を特定する。以下の説明において、極大点をピークと表記し、極小点をボトムと表記する。図５を利用して、抽出部１０４の処理を説明する。
　図５に示す例では、抽出部１０４は、ピークＰとボトムＢとを特定する。抽出部１０４は、ピークＰをＰｆとＰｄによって表す。Ｐｆは、ピークＰの周波数から基準点Ｏの周波数を減算した周波数の値に対応する。Ｐｄは、ピークＰのスペクトル密度から、基準点Ｏのスペクトル密度を減算した値に対応する。ピークＰのＰｆ、Ｐｄのデータを適宜、Ｐ（Ｐｆ、Ｐｄ）と表記する。
　抽出部１０４は、ボトムＢをＢｆとＢｄによって表す。Ｂｆは、基準点Ｏの周波数からボトムＢの周波数を減算した値に対応する。Ｂｄは、基準点Ｏのスペクトル密度から、ボトムＢのスペクトル密度を減算した値に対応する。ボトムＢのＢｆ、Ｂｄのデータを適宜、Ｂ（Ｂｆ、Ｂｄ）と表記する。
　抽出部１０４は、Ｐ（Ｐｆ、Ｐｄ）およびＢ（Ｂｆ、Ｂｄ）を、判定部１０５に出力する。抽出部１０４は、スペクトル算出部１０３から、スペクトル密度データを取得する度に、Ｐ（Ｐｆ、Ｐｄ）、Ｂ（Ｂｆ、Ｂｄ）を特定し、判定部１０５に出力する。
　ところで、抽出部１０４は、基準点Ｏをどのように特定しても良い。例えば、抽出部１０４は、ボトムＢとピークＰとを結んだ線分の中点を、基準点Ｏとして特定する。また、抽出部１０４は、ボトムＢとピークＰを含む領域の重心を、基準点Ｏとして特定しても良い。
　判定部１０５は、Ｐ（Ｐｆ、Ｐｄ）、Ｂ（Ｂｆ、Ｂｄ）を基にして、被験者の覚醒度を判定する処理部である。判定部１０５が覚醒度を算出する場合の処理について説明する。
　判定部１０５は、Ｐ（Ｐｆ、Ｐｄ）、Ｂ（Ｂｆ、Ｂｄ）を基にして、状態指数データを算出する。状態指数データは、パラメータｆと、パラメータＰＳＤを有する。判定部１０５は、ＰｆとＢｆとを加算することで、パラメータｆを算出する。判定部１０５は、ＰｄとＢｆとを加算することで、パラメータＰＳＤを算出する。以下では、状態指数データを適宜、状態指数Ｓ（ｆ、ＰＳＤ）と表記する。
　判定部１０５は、パラメータｆとパラメータＰＳＤによって定義される覚醒度判定グラフ上の、状態指数Ｓ（ｆ、ＰＳＤ）の位置によって、被験者の覚醒度を判定する。図６は、覚醒度判定グラフの一例を示す図である。図６に示す覚醒度判定グラフにおいて、横軸は周波数を示し、縦軸はスペクトル密度の大きさに対応する。覚醒度判定グラフは、Ｌｅｖｅｌ１～５の領域に分類される。Ｌｅｖｅｌ５の領域が、被験者の覚醒度が最も低く、眠たい領域であり、Ｌｅｖｅｌ５、４、３、２、１の順に、覚醒度が高くなる。覚醒度判定グラフのスケールや、Ｌｅｖｅｌ１～５の領域は、予め、判定部１０５に設定されているものとする。
　判定部１０５は、覚醒度判定グラフの何れの領域に、状態指数Ｓ（ｆ、ＰＳＤ）が含まれるかにより、覚醒度を判定する。例えば、図６に示すように、状態指数Ｓ（ｆ、ＰＳＤ）に対応する位置がＳ１の場合には、判定部１０５は、被験者の覚醒度をＬｅｖｅｌ３と判定する。状態指数Ｓ（ｆ、ＰＳＤ）に対応する位置がＳ２の場合には、判定部１０５は、被験者の覚醒度をＬｅｖｅｌ４と判定する。
　また、判定部１０５は、抽出部１０４からＰ（Ｐｆ、Ｐｄ）およびＢ（Ｂｆ、Ｂｄ）を順次取得して、状態指数Ｓ（ｆ、ＰＳＤ）を順次算出する。判定部１０５は、覚醒度判定グラフ上の、状態指数Ｓ（ｆ、ＰＳＤ）の移動方向に基づき、被験者が眠くなりつつあるのか、被験者の眠くなくなっているのかを判定しても良い。図６に示した覚醒度判定グラフにおいて、判定部１０５は、状態指数Ｓ（ｆ、ＰＳＤ）が、Ｌｅｖｅｌ１からＬｅｖｅｌ５の方向に移動している場合には、被験者は眠くなりつつあると判定する。これに対して、判定部１０５は、状態指数Ｓ（ｆ、ＰＳＤ）がＬｅｖｅｌ５からＬｅｖｅｌ１の方向に移動している場合には、被験者の眠くなくなっていると判定する。
　図７は、スペクトル密度データの変化の一例を示す図である。図７に示すように、例えば、スペクトル密度データが変化し、ピークＰ１およびボトムＢ１が、ピークＰ２およびボトムＢ２に変化したことにより、図６に示すように、状態指数が状態指数Ｓ１から状態指数Ｓ２に変化したとする。この場合には、状態指数Ｓ（ｆ、ＰＳＤ）が、Ｌｅｖｅｌ１からＬｅｖｅｌ４の方向に移動している。このため、判定部１０５は、被験者が眠くなりつつあると判定する。
　出力部１０６は、判定部１０５の判定結果に基づいて、各腫の情報を出力する処理部である。例えば、出力部１０６は、判定部１０５から被験者の覚醒度を取得し、覚醒度がＬｅｖｅｌ３～５に含まれる場合には、警告を出力する。また、出力部１０６は、被験者が眠くなりつつある場合に、警告を出力しても良い。また、出力部１０６は、覚醒度判定グラフ上の状態指数Ｓ（ｆ、ＰＳＤ）の位置をリアルタイムに表示装置に表示しても良い。
　次に、本実施例１に係る覚醒度判定装置１００の処理手順について説明する。図８は、本実施例１に係る覚醒度判定装置の処理手順を示すフローチャートである。例えば、図８に示す処理は、心拍検出部１０１が、心拍信号データの取得を開始したことを契機に実行させる。
　図８に示すように、覚醒度判定装置１００は、心拍信号データを取得し（ステップＳ１０１）、心拍間隔を検出する（ステップＳ１０２）。覚醒度判定装置１００は、各周波数に対応するスペクトル密度を算出する（ステップＳ１０３）。
　覚醒度判定装置１００は、ピークＰとボトムＢとを算出する（ステップＳ１０４）。覚醒度判定装置１００は、ピークＰとボトムＢとを基にして、状態指数を算出する（ステップＳ１０５）。
　覚醒度判定装置１００は、状態指数の動きを覚醒度判定グラフにプロットし（ステップＳ１０６）、状態指数の位置に基づいて、被験者の覚醒度を判定する（ステップＳ１０７）。覚醒度判定装置１００は、判定結果を出力する（ステップＳ１０８）。
　次に、本実施例１に係る覚醒度判定装置１００の効果について説明する。覚醒度判定装置１００は、心拍信号データに対して周波数解析を実行することで、周波数とスペクトル密度とを対応付けたスペクトル密度データを生成する。そして、覚醒度判定装置１００は、スペクトル密度データを基にして、ピークＰとボトムＢとを特定し、特定したピークＰとボトムＢを利用して、被験者の覚醒度を判定する。このため、覚醒度判定装置１００によれば、被験者の覚醒度を正確に判定することができる。
　図９は、本実施例１に係る覚醒度判定装置の効果を説明するための図である。図９の横軸は周波数を示し、縦軸はスペクトル密度を示す。図９において、スペクトル密度データ２０Ａとスペクトル密度データ２０Ｂとを示す。被験者が眠気に抵抗している状態で、例えば、覚醒度が低下した場合には、被験者に対応するスペクトル密度データが、スペクトル密度データ２０Ａから、スペクトル密度データ２０Ｂに変化する。被験者が眠気に抵抗して覚醒度が低下した旨は、例えば、顔面表情による眠気推定方法により検出し、そのときのスペクトル密度データを取得したものとする。
　図９を参照すると、被験者が眠気に抵抗している状態で、覚醒度が低下した場合には、各スペクトル密度データ２０Ａ、２０ＢのピークＰは等しいままである。これに対して、スペクトル密度データ２０ＢのボトムＢ１は、スペクトル密度データ２０ＡのボトムＢ２よりも低下していることがわかる。覚醒度判定装置１００は、ピークＰだけでなく、ボトムＢの変化も利用して、被験者の覚醒度を判定するので、正確に被験者の覚醒度を判定することができる。
　また、覚醒度判定装置１００は、基準点を設定し、基準点からの距離を基に、ピークＰおよびボトムＢを設定し、ピークＰおよびボトムＢを基にして、覚醒度を判定するので、基準点を基準としたピークＰ、ボトムＢの相対的な変化を用いて、より正確に、被験者の覚醒度を判定することができる。また、覚醒度判定装置１００は、ピークＰとボトムＢとを基に、基準値が毎回設定するため、被験者の体調に動的に対応し、普段と異なる体調であっても、覚醒度を正確に判定することが可能となる。
　さて、これまで本発明の実施例について説明したが、本発明は上述した実施例１以外にも種々の異なる形態にて実施されてよいものである。そこで、以下では実施例２として本発明に含まれる他の実施例を説明する。
（１）基準点について
　上記実施例１では、抽出部１０４が、ピークＰとボトムＢとを基にして、基準点Ｏを設定していたが、これに限定されるものではない。例えば、抽出部１０４は、被験者毎に固有の基準点Ｏを予め設定しておいても良いし、被験者に応じて、基準点Ｏの位置を調整しても良い。このように、基準点Ｏを被験者毎に設定することで、被験者毎に固有の覚醒度を正確に判定することができる。
　また、判定部１０５は、基準点ＯとピークＰおよびボトムＢとを比較して、被験者の覚醒度を判定しても良い。例えば、判定部１０５は、ピークＰが基準点Ｏのスペクトル密度または周波数を下回った場合に、被験者の覚醒度が低下したと判定しても良い。また、判定部１０５は、ボトムＢが、基準値Ｏのスペクトル密度または周波数を上回った場合に、被験者の覚醒度が低下したと判定しても良い。
　また、判定部１０５は、覚醒度判定グラフおよび状態指数Ｓによる覚醒度の判定結果１と、基準点ＯとピークＰおよびボトムＢとの比較による判定結果２とを複合的に用いて、処理を行っても良い。判定部１０５は、判定結果１により、覚醒度が低下傾向にあり、かつ、判定結果２により、被験者の覚醒度が低下した場合には、被験者が眠ってしまう恐れが「大」であるとして、通常の警告よりもより大きな音で警告を行っても良い。
　これに対して、判定結果１により、覚醒度が上昇傾向にあるにもかかわらず、判定結果２により、被験者の覚醒度が低下した場合には、基準点Ｏの設定に誤りがあるとして、基準点Ｏを再度設定し直しても良い。例えば、判定部１０５は、再度、ピークＰとボトムＢとの線分の中点を算出し、基準点Ｏを修正しても良い。
（２）ピークＰとボトムＢとの比による予兆検知
　ピークＰのＰｄは、心拍リズムが一定で連続する状態を示す指数である。また、Ｐｆは、被験者の活動量に比例した指数である。一方、ボトムＢのうち、Ｂｄ、Ｂｆは共に心拍リズムを乱す程度を示し、特に交感神経の活性を示す指標であると考えられる。
　上記の交感神経と副交感神経のバランスの偏りが、眠気や覚醒に関係すると考えられる。このため、ピークＰとボトムＢとの比の変化に着目して、覚醒度が低下することを事前に予測することができる。
　判定部１０５は、格闘度Ｆ＝Ｐｄ／Ｂｄを順次算出する。判定部１０５は、格闘度Ｆの変化量が閾値以上となった場合に、覚醒度が低下する予兆があると判定する。判定部１０５は、覚醒度が低下する予兆があると判定した場合には、被験者に警告を行っても良い。判定部１０５が、このような処理を実行することで、覚醒度の低下を未然に防止することが可能となる。
（３）システムの構成など
　ところで、本実施例において説明した各処理のうち、自動的に行われるものとして説明した処理の全部または一部を手動的に行うこともでき、あるいは、手動的に行われるものとして説明した処理の全部あるいは一部を公知の方法で自動的に行うこともできる。この他、上記文書中や図面中で示した処理手順、制御手順、具体的名称、各種のデータやパラメータを含む情報については、特記する場合を除いて任意に変更することができる。
　また、実施例に示した覚醒度判定装置１００の各構成要素は機能概念的なものであり、必ずしも物理的に図示の如く構成されていることを要しない。すなわち、各装置の分散・統合の具体的形態は図示のものに限られず、その全部または一部を、各種の負荷や使用状況などに応じて、任意の単位で機能的または物理的に分散・統合して構成することができる。さらに、各装置にて行われる各処理機能は、その全部または任意の一部がＣＰＵおよび当該ＣＰＵにて解析実行されるプログラムにて実現され、あるいは、ワイヤードロジックによるハードウェアとして実現され得る。
　図１０は、覚醒度判定プログラムを実行するコンピュータの一例を示す図である。図１０に示すように、コンピュータ２００は、各種演算処理を実行するＣＰＵ２０１と、ユーザからのデータの入力を受け付ける入力装置２０２と、ディスプレイ２０３を有する。また、コンピュータ２００は、記憶媒体からプログラム等を読み取る読み取り装置２０４と、ネットワークを介して他のコンピュータとの間でデータの授受を行うインターフェース装置２０５とを有する。また、コンピュータ２００は、被験者の心拍信号を検出する心拍検出装置２０６を有する。また、コンピュータ２００は、各種情報を一時記憶するＲＡＭ２０７と、ハードディスク装置２０８を有する。そして、各装置２０１～２０８は、バス２０９に接続される。
　ハードディスク装置２０８は、例えば、スペクトル算出プログラム２０８ａ、抽出プログラム２０８ｂ、判定プログラム２０８ｃを有する。ＣＰＵ２０１は、各プログラム２０８ａ～２０８ｃを読み出して、ＲＡＭ２０７に展開する。
　スペクトル算出プログラム２０８ａは、スペクトル算出プロセス２０７ａとして機能する。抽出プログラム２０８ｂは、抽出プロセス２０７ｂとして機能する。判定プログラム２０８ｃは、判定プロセス２０７ｃとして機能する。
　例えば、スペクトル算出プロセス２０７ａは、スペクトル算出部１０３に対応する。抽出プロセス２０７ｂは、抽出部１０４に対応する。判定プロセス２０７ｃは、判定部１０５に対応する。
　なお、各プログラム２０８ａ～２０８ｃについては、必ずしも最初からハードディスク装置２０７に記憶させておかなくてもよい。例えば、コンピュータ２００に挿入されるフレキシブルディスク（ＦＤ）、ＣＤ－ＲＯＭ、ＤＶＤディスク、光磁気ディスク、ＩＣカードなどの「可搬用の物理媒体」に各プログラムを記憶させておく。そして、コンピュータ３００がこれらから各プログラム２０８ａ～２０８ｃを読み出して実行するようにしてもよい。
　１００　覚醒度判定装置
　１０１　心拍検出部
　１０２　心拍間隔算出部
　１０３　スペクトル算出部
　１０４　抽出部
　１０５　判定部
　１０６　出力部

Claims (8)

  1. 　被験者の心拍信号から心拍間隔を算出する心拍間隔算出部と、
    　前記心拍間隔算出部によって算出された心拍間隔に対して周波数解析を実行することで、周波数毎のスペクトル密度を算出するスペクトル算出部と、
    　前記スペクトル算出部によって算出されたスペクトル密度の極大点および該極大点に対応する周波数の組と、スペクトル密度の極小点および該極小点に対応する周波数の組とを抽出する抽出部と、
    　前記抽出部に抽出された極大点および該極大点に対する周波数の組と、極小点および該極小点に対応する周波数の組とを基にして、前記被験者の覚醒度を判定する判定部と
    　を有することを特徴とする覚醒度判定装置。
  2. 　前記判定部は、前記極大点のスペクトル密度と前記極小点のスペクトル密度とを加算したスペクトル密度と、前記極大点に対応する周波数と前記極小点に対応する周波数とを加算した周波数との組を状態指数として算出し、該状態指数の変化を基にして、前記被験者の覚醒度を判定することを特徴とする請求項１に記載の覚醒度判定装置。
  3. 　前記抽出部は、前記極大点および前記極小点を基にして基準点を特定し、前記判定部は、該基準点と前記極大点との距離の変化および前記基準点と前記極小点との距離の変化を利用して、前記被験者の覚醒度を判定することを特徴とする請求項２に記載の覚醒度判定装置。
  4. 　前記判定部は、前記極大点が前記基準点を下回った場合、または、前記極小点が前記基準点を上回った場合に、前記被験者が眠たい状態であると判定することを特徴とする請求項１に記載の覚醒度判定装置。
  5. 　前記抽出部は、被験者毎に前記基準点を特定し、前記判定部は、被験者に対応する基準点を利用して、覚醒度を判定することを特徴とする請求項３または４に記載の覚醒度判定装置。
  6. 　前記判定部は、前記極大点のスペクトル密度と前記極小点のスペクトル密度との比を基にして、前記被験者の覚醒度が低下する予兆があるか否かを判定することを特徴とする請求項１に記載の覚醒度判定装置。
  7. 　コンピュータに、
    　被験者の心拍信号から心拍間隔を算出し、
    　前記心拍間隔に対して周波数解析を実行することで、周波数毎のスペクトル密度を算出し、
    　前記スペクトル密度の極大点および該極大点に対応する周波数の組と、スペクトル密度の極小点および該極小点に対応する周波数の組とを抽出し、
    　前記極大点および該極大点に対する周波数の組と、極小点および該極小点に対応する周波数の組とを基にして、前記被験者の覚醒度を判定する
    　各処理を実行させることを特徴とする覚醒度判定プログラム。
  8. 　コンピュータが実行する覚醒度判定方法であって、
    　被験者の心拍信号から心拍間隔を算出し、
    　前記心拍間隔に対して周波数解析を実行することで、周波数毎のスペクトル密度を算出し、
    　前記スペクトル密度の極大点および該極大点に対応する周波数の組と、スペクトル密度の極小点および該極小点に対応する周波数の組とを抽出し、
    　前記極大点および該極大点に対する周波数の組と、極小点および該極小点に対応する周波数の組とを基にして、前記被験者の覚醒度を判定する
    　各処理を実行することを特徴とする覚醒度判定方法。
PCT/JP2012/057071 2012-03-19 2012-03-19 覚醒度判定装置、覚醒度判定プログラムおよび覚醒度判定方法 WO2013140523A1 (ja)

Priority Applications (4)

Application Number Priority Date Filing Date Title
EP12872002.6A EP2829229A1 (en) 2012-03-19 2012-03-19 Awaking degree determination device, awaking degree determination program, and awaking degree determination method
PCT/JP2012/057071 WO2013140523A1 (ja) 2012-03-19 2012-03-19 覚醒度判定装置、覚醒度判定プログラムおよび覚醒度判定方法
JP2014505854A JP5962751B2 (ja) 2012-03-19 2012-03-19 覚醒度判定装置、覚醒度判定プログラムおよび覚醒度判定方法
US14/480,821 US20140378852A1 (en) 2012-03-19 2014-09-09 Awakening-degree determining device, awakening-degree determination program, and awakening-degree determination method

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
PCT/JP2012/057071 WO2013140523A1 (ja) 2012-03-19 2012-03-19 覚醒度判定装置、覚醒度判定プログラムおよび覚醒度判定方法

Related Child Applications (1)

Application Number Title Priority Date Filing Date
US14/480,821 Continuation US20140378852A1 (en) 2012-03-19 2014-09-09 Awakening-degree determining device, awakening-degree determination program, and awakening-degree determination method

Publications (1)

Publication Number Publication Date
WO2013140523A1 true WO2013140523A1 (ja) 2013-09-26

Family

ID=49222017

Family Applications (1)

Application Number Title Priority Date Filing Date
PCT/JP2012/057071 WO2013140523A1 (ja) 2012-03-19 2012-03-19 覚醒度判定装置、覚醒度判定プログラムおよび覚醒度判定方法

Country Status (4)

Country Link
US (1) US20140378852A1 (ja)
EP (1) EP2829229A1 (ja)
JP (1) JP5962751B2 (ja)
WO (1) WO2013140523A1 (ja)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20160235316A1 (en) * 2015-02-16 2016-08-18 Mediatek Inc. Physiological signal processing circuit

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2008065724A1 (fr) 2006-11-29 2008-06-05 Fujitsu Limited Procédé d'évaluation de niveau d'alerte et programme d'évaluation de niveau d'alerte
JP2010131061A (ja) * 2008-12-02 2010-06-17 Toyota Motor Corp 眠気検出装置
WO2010140241A1 (ja) * 2009-06-04 2010-12-09 富士通株式会社 覚醒度判定装置、覚醒度判定方法および覚醒度判定プログラム

Family Cites Families (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US7254439B2 (en) * 2004-01-06 2007-08-07 Monebo Technologies, Inc. Method and system for contactless evaluation of fatigue of an operator
JP3987053B2 (ja) * 2004-03-30 2007-10-03 株式会社東芝 睡眠状態判定装置および睡眠状態判定方法
US9161714B2 (en) * 2008-08-21 2015-10-20 Palo Alto Research Center Incorporated Specificity of analyte detection in etalons

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2008065724A1 (fr) 2006-11-29 2008-06-05 Fujitsu Limited Procédé d'évaluation de niveau d'alerte et programme d'évaluation de niveau d'alerte
JP2010131061A (ja) * 2008-12-02 2010-06-17 Toyota Motor Corp 眠気検出装置
WO2010140241A1 (ja) * 2009-06-04 2010-12-09 富士通株式会社 覚醒度判定装置、覚醒度判定方法および覚醒度判定プログラム

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
See also references of EP2829229A4
SHUNSUKE SATO; SHO KIKKAWA; TORU KIRYU: "Introduction to Biosignal Processing", CORONA PUBLISHING CO., LTD.

Also Published As

Publication number Publication date
EP2829229A4 (en) 2015-01-28
JP5962751B2 (ja) 2016-08-03
US20140378852A1 (en) 2014-12-25
EP2829229A1 (en) 2015-01-28
JPWO2013140523A1 (ja) 2015-08-03

Similar Documents

Publication Publication Date Title
JP5383200B2 (ja) 覚醒度判定方法および覚醒度判定プログラム
JP5920364B2 (ja) 情報処理装置、代表波形生成方法および代表波形生成プログラム
CN105636515B (zh) 用于自动评估失神eeg的计算机程序和评估设备
JP6809126B2 (ja) 眠気判定装置および眠気判定方法
WO2012158984A1 (en) Methods and apparatus for assessment of atypical brain activity
JP5929020B2 (ja) 意識状態推定装置及びプログラム
JP4830765B2 (ja) 活動量計測システム
JP2016123594A (ja) 自律神経活動推定装置及び自律神経活動推定方法
JP6845404B2 (ja) 睡眠段階判定方法、睡眠段階判定装置、及び睡眠段階判定プログラム
JP5831622B2 (ja) 覚醒度判定装置、覚醒度判定プログラムおよび覚醒度判定方法
WO2010140241A1 (ja) 覚醒度判定装置、覚醒度判定方法および覚醒度判定プログラム
Carrubba et al. Continuous EEG-based dynamic markers for sleep depth and phasic events
JP5982910B2 (ja) 解析装置、解析プログラムおよび解析方法
Fuss A robust algorithm for optimisation and customisation of fractal dimensions of time series modified by nonlinearly scaling their time derivatives: Mathematical theory and practical applications
JP6197451B2 (ja) 情報処理装置および情報処理方法
JP5962751B2 (ja) 覚醒度判定装置、覚醒度判定プログラムおよび覚醒度判定方法
JP6750229B2 (ja) 眠気検知プログラム、眠気検知方法および眠気検知装置
JP4609539B2 (ja) 眠気検出装置
JP2016047305A (ja) 意識状態推定装置及びプログラム
JP5609985B2 (ja) 覚醒度判定装置、覚醒度判定方法及び覚醒度判定プログラム
JP6925056B2 (ja) 睡眠段階判定方法、睡眠段階判定装置、及び睡眠段階判定プログラム
Rawal et al. Adaptive correlation dimension method for analysing heart rate variability during the menstrual cycle
JP2017018420A (ja) 耳鳴患者判別システム、耳鳴患者判別方法および耳鳴患者判別プログラム
JP6596847B2 (ja) 覚醒度判定プログラムおよび覚醒度判定装置
JP2020151358A (ja) 睡眠時無呼吸症候群判定装置、睡眠時無呼吸症候群判定方法および睡眠時無呼吸症候群判定プログラム

Legal Events

Date Code Title Description
121 Ep: the epo has been informed by wipo that ep was designated in this application

Ref document number: 12872002

Country of ref document: EP

Kind code of ref document: A1

ENP Entry into the national phase

Ref document number: 2014505854

Country of ref document: JP

Kind code of ref document: A

WWE Wipo information: entry into national phase

Ref document number: 2012872002

Country of ref document: EP

NENP Non-entry into the national phase

Ref country code: DE