WO2019202971A1 - 生体情報評価装置および生体情報評価方法 - Google Patents

生体情報評価装置および生体情報評価方法 Download PDF

Info

Publication number
WO2019202971A1
WO2019202971A1 PCT/JP2019/014660 JP2019014660W WO2019202971A1 WO 2019202971 A1 WO2019202971 A1 WO 2019202971A1 JP 2019014660 W JP2019014660 W JP 2019014660W WO 2019202971 A1 WO2019202971 A1 WO 2019202971A1
Authority
WO
WIPO (PCT)
Prior art keywords
period
observation data
observation
signal processing
processing circuit
Prior art date
Application number
PCT/JP2019/014660
Other languages
English (en)
French (fr)
Inventor
直也 佐塚
Original Assignee
ソニー株式会社
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 ソニー株式会社 filed Critical ソニー株式会社
Priority to US17/047,253 priority Critical patent/US20210145368A1/en
Priority to CN201980025454.5A priority patent/CN111970964A/zh
Priority to EP19787958.8A priority patent/EP3782537A4/en
Priority to KR1020207029176A priority patent/KR20200143384A/ko
Publication of WO2019202971A1 publication Critical patent/WO2019202971A1/ja

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
    • A61B5/72—Signal processing specially adapted for physiological signals or for diagnostic purposes
    • A61B5/7271—Specific aspects of physiological measurement analysis
    • A61B5/7278—Artificial waveform generation or derivation, e.g. synthesising signals from measured signals
    • 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
    • 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
    • A61B5/165—Evaluating the state of mind, e.g. depression, anxiety
    • 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
    • A61B5/30—Input circuits therefor
    • 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
    • A61B5/369—Electroencephalography [EEG]
    • A61B5/372—Analysis of electroencephalograms
    • A61B5/374—Detecting the frequency distribution of signals, e.g. detecting delta, theta, alpha, beta or gamma waves
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/68—Arrangements of detecting, measuring or recording means, e.g. sensors, in relation to patient
    • A61B5/6801—Arrangements of detecting, measuring or recording means, e.g. sensors, in relation to patient specially adapted to be attached to or worn on the body surface
    • A61B5/6813—Specially adapted to be attached to a specific body part
    • A61B5/6814—Head
    • 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
    • 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
    • A61B5/7271—Specific aspects of physiological measurement analysis
    • A61B5/7275—Determining trends in physiological measurement data; Predicting development of a medical condition based on physiological measurements, e.g. determining a risk factor
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/74—Details of notification to user or communication with user or patient ; user input means
    • A61B5/742—Details of notification to user or communication with user or patient ; user input means using visual displays
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/74—Details of notification to user or communication with user or patient ; user input means
    • A61B5/742—Details of notification to user or communication with user or patient ; user input means using visual displays
    • A61B5/7445—Display arrangements, e.g. multiple display units
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/74—Details of notification to user or communication with user or patient ; user input means
    • A61B5/7475—User input or interface means, e.g. keyboard, pointing device, joystick
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F3/00—Input arrangements for transferring data to be processed into a form capable of being handled by the computer; Output arrangements for transferring data from processing unit to output unit, e.g. interface arrangements
    • G06F3/14—Digital output to display device ; Cooperation and interconnection of the display device with other functional units
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
    • G16H50/00—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics
    • G16H50/30—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for calculating health indices; for individual health risk assessment
    • 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
    • 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
    • A61B5/026—Measuring blood flow
    • A61B5/0261—Measuring blood flow using optical means, e.g. infrared light
    • 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
    • A61B5/369—Electroencephalography [EEG]
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/42—Detecting, measuring or recording for evaluating the gastrointestinal, the endocrine or the exocrine systems
    • A61B5/4261—Evaluating exocrine secretion production
    • A61B5/4266—Evaluating exocrine secretion production sweat secretion
    • 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
    • A61B5/7264—Classification of physiological signals or data, e.g. using neural networks, statistical classifiers, expert systems or fuzzy systems
    • A61B5/7267—Classification of physiological signals or data, e.g. using neural networks, statistical classifiers, expert systems or fuzzy systems involving training the classification device
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F2218/00—Aspects of pattern recognition specially adapted for signal processing
    • G06F2218/12—Classification; Matching

Definitions

  • the present disclosure relates to a biological information evaluation apparatus and a biological information evaluation method.
  • Non-Patent Document 1 In order to acquire high-quality human biological information in order to know the desired state, it generally takes time and effort to construct a method for controlling the human to a desired state and increase the number of samples. However, in order to show the difference between states (or between groups) significantly in psychology, it is considered that collection of a relatively large number of samples and a long measurement time are required (for example, Non-Patent Document 1). reference). In addition to human beings, animals and the like can be included in the biometric information to be acquired.
  • the biological information evaluation apparatus is based on a plurality of partial observation data in an observation period shorter than the observation period of observation data included in each observation data obtained by biological observation in a predetermined period. And a signal processing circuit for generating characteristic values of the observation target waveform for each observation data.
  • the biological information evaluation method is based on a plurality of partial observation data in an observation period shorter than the observation period of observation data included in each observation data obtained by biological observation in a predetermined period.
  • the signal processing for generating the characteristic value of the observation target waveform for each observation data is performed using a signal processing circuit.
  • the characteristic value of the observation target waveform is generated for each observation data based on a plurality of partial observation data included in each observation data. This robustly shows the difference between the states.
  • the difference between states can be achieved with a small number of samples and a short measurement time by utilizing biological information in which periodic fluctuations can be confirmed. It becomes possible to know.
  • the effect of this indication is not necessarily limited to the effect described here, Any effect described in this specification may be sufficient.
  • FIG. 17 is a diagram illustrating an example of estimation accuracy when the length of a divided period ⁇ W is ⁇ W2. It is a figure showing an example of schematic structure of a living body information evaluation device concerning a 2nd embodiment of this indication. It is a figure showing the modification of schematic structure of the biometric information evaluation apparatus of FIG. It is a figure showing the modification of schematic structure of the biometric information evaluation apparatus of FIG.
  • FIG. 1 shows an example of a schematic configuration of the biological information evaluation apparatus 1.
  • the biological information evaluation device 1 is a device that detects biological information of the living body 100.
  • the biological information evaluation apparatus 1 further generates a characteristic value of the observation target waveform included in the detected biological information, and evaluates a difference between the detected biological information regarding the observation target waveform based on the generated characteristic value.
  • a device that generates values. Examples of biological information include brain waves, pulse, sweating, and the like.
  • the living body 100 is typically a human but may be an animal.
  • the biological information evaluation apparatus 1 is a wearable device such as a head-mounted display, for example.
  • the biological information evaluation apparatus 1 includes, for example, a detector 10, an ADC (Analog-Digital Converter), an input unit 30, a storage unit 40, a signal processing circuit 50, a display control unit 60, and a display unit 70.
  • a detector 10 an ADC (Analog-Digital Converter)
  • ADC Analog-Digital Converter
  • the detector 10 detects living body information of the living body 100 and outputs the detected living body information to the ADC 20 as an analog signal.
  • the detector 10 acquires analog observation data 44 by living body observation in a predetermined period (an observation period T described later), and outputs the acquired observation data 44 to the ADC 20.
  • the detector 10 includes, for example, a pair of electrodes that are brought into contact with the living body 100 and a detection circuit that outputs an analog signal corresponding to a potential difference between the pair of electrodes.
  • the detector 10 detects, for example, a light source that irradiates light on the living body 100 and light reflected and scattered inside the living body 100 out of light emitted from the light source, and an analog signal corresponding to the detected light. May be included.
  • the ADC 20 converts the analog observation data 44 (analog signal) input from the detector 10 into a digital signal, and outputs the digital observation data 44 (digital signal) obtained by the conversion to the signal processing circuit 50.
  • the input unit 30 is configured by a device that can be input by a user, such as a touch panel, a button, a microphone, a switch, or a lever. For example, the input unit 30 receives an input of a setting value 42 described later.
  • the storage unit 40 stores a program (for example, a processing program 41) executed by the signal processing circuit 50, a length 42 of the divided period ⁇ T, a length 43 of the overlapping period ⁇ d1, and the like.
  • the processing program 41 is a program for acquiring observation data 44 from the detector 10 and performing predetermined signal processing on the acquired observation data 44.
  • predetermined processing for example, the characteristic value of the observation target waveform is generated for each observation data 44 from the acquired observation data 44, and the observation target waveform related to the observation target waveform 44 And processing for generating an evaluation value for the difference between the observation data 44.
  • the length 42 of the divided period ⁇ T includes an initial value.
  • the length 43 of the overlap period ⁇ d1 includes an initial value.
  • the storage unit 40 data input from the input unit 30 to the signal processing circuit 50 is stored.
  • the setting value of the length of the divided period ⁇ T input from the input unit 30 and the setting value of the length of the overlap period ⁇ d1 input from the input unit 30 are stored in the storage unit 40.
  • the set value of the divided period ⁇ T input from the input unit 30 is included in the length 42 of the divided period ⁇ T in the storage unit 40.
  • the set value of the overlap period ⁇ d1 input from the input unit 30 is included in the length 43 of the overlap period ⁇ d1 in the storage unit 40.
  • the storage unit 40 further stores data input from the detector 10 to the signal processing circuit 50 via the ADC 20.
  • digital observation data 44 input from the detector 10 via the ADC 20 is stored in the storage unit 40.
  • n observation data 44 is stored in the storage unit 40.
  • the signal processing circuit 50 includes a processor, and executes a program (for example, a processing program 41) stored in the storage unit 40. For example, when the processing program 41 is loaded, the signal processing circuit 50 generates a characteristic value of the observation target waveform from the observation data 44 for each observation data 44, and based on the characteristic value for each observation data 44, An evaluation value for the difference between the observation data 44 relating to the observation target waveform is generated.
  • a program for example, a processing program 41
  • the display control unit 60 is a controller that controls display on the display unit 70.
  • the display control unit 60 generates a video signal for displaying a video including the evaluation value input from the signal processing circuit 50 and outputs the video signal to the display unit 70.
  • the display unit 70 displays a video corresponding to the video signal input from the display control unit 60.
  • the display unit 70 is configured by, for example, a liquid crystal panel or an organic EL (Electro Luminescence) panel.
  • an area area_a (a at the end is an integer from 1 to n), which will be described later, is exemplified as the above-described characteristic value.
  • the effect amount d1 mentioned later is illustrated as an above-mentioned evaluation value.
  • FIG. 2 schematically shows an example of the procedure for calculating the characteristic value and the evaluation value in the biological information evaluation apparatus 1.
  • FIG. 3 is a flowchart illustrating an example of a procedure for calculating the above-described characteristic value and the above-described evaluation value in the biological information evaluation apparatus 1. The calculation procedure shown in FIG. 2 is referred to as Example 1.
  • the signal processing circuit 50 instructs the detector 10 to acquire biological information for a predetermined period (observation period T). Then, the detector 10 acquires analog biological information (observation data 44) from the living body 100 for a predetermined period (observation period T), and outputs the acquired analog observation data 44 to the ADC 20.
  • the ADC 20 converts the analog observation data 44 (analog signal) input from the detector 10 into a digital signal, and outputs the digital observation data 44 (digital signal) obtained by the conversion to the signal processing circuit 50.
  • the signal processing circuit 50 stores the digital observation data 44 input from the ADC 20 in the storage unit 40.
  • the signal processing circuit 50 stores the n observation data 44 in the storage unit 40 by repeatedly executing this procedure. At this time, the n observation data 44 may be, for example, data obtained from the same person, or may be data obtained individually from n persons.
  • the signal processing circuit 50 acquires n pieces of observation data 44 (samples) from the storage unit 40 (step S101).
  • the signal processing circuit 50 determines the characteristic value of the observation target waveform based on the plurality of partial observation data 45 in the observation period (division period ⁇ T) shorter than the observation period T of the observation data 44 included in each acquired observation data 44. (Area area_a) is generated for each observation data 44.
  • the signal processing circuit 50 derives a power spectrum P ⁇ Ta_b (t) (1 ⁇ a ⁇ n, 1 ⁇ b ⁇ m) for each divided period ⁇ T in each observation data 44 (step S102). ).
  • the signal processing circuit 50 derives a power spectrum P ⁇ Ta_b (t) by performing FFT (Fast Fourier Transform) on the partial observation data 45 of each divided period ⁇ T in the individual observation data 44, for example.
  • the power spectrum P ⁇ Ta_b (t) is a function of the time t within the divided period ⁇ T, and may include the frequency spectrum of the observation target waveform.
  • examples of the observation target waveform include an ⁇ wave, a ⁇ wave, a ⁇ wave, a ⁇ wave, and a ⁇ wave.
  • the divided period ⁇ T has a minimum length necessary for analysis of the observation target waveform.
  • the divided period ⁇ T is, for example, about several seconds to several tens of seconds.
  • the signal processing circuit 50 sets an initial value of the length 42 of the divided period ⁇ T stored in the storage unit 40 as the divided period ⁇ T.
  • the signal processing circuit 50 further divides each divided period so that an observation period (division period ⁇ T) of some partial observation data 45 partially overlaps an observation period (division period ⁇ T) of other partial observation data 45.
  • ⁇ T is set. That is, the observation period (division period ⁇ T) of some partial observation data 45 and the observation period (division period ⁇ T) of other partial observation data 45 partially overlap.
  • the signal processing circuit 50 sets an initial value of the length 43 of the overlap period ⁇ d1 stored in the storage unit 40 as the partial overlap (overlap period ⁇ d1).
  • the signal processing circuit 50 performs component analysis to derive an analysis result R ⁇ Ta_b (1 ⁇ a ⁇ n, 1 ⁇ b ⁇ m) in each divided period ⁇ T (step S103). For example, the signal processing circuit 50 derives the area fc (t) of the frequency band of the observation target waveform included in each power spectrum P ⁇ Ta_b (t), and uses the derived area fc (t) as the analysis result R ⁇ Ta_b. When the observation target waveform is an ⁇ wave, the signal processing circuit 50 derives the area of the frequency band of the ⁇ wave in each power spectrum P ⁇ Ta_b (t), for example.
  • the frequency band of the ⁇ wave is generally 8 to 13 Hz, but is not limited to this frequency band in deriving the area fc (t).
  • the signal processing circuit 50 derives the power spectrum P ⁇ Ta (1 ⁇ a ⁇ n) of the analysis result R ⁇ Ta_b in each observation data 44 (step S104).
  • the signal processing circuit 50 derives the power spectrum P ⁇ Ta, for example, by performing FFT on the area fc (t) in each observation data 44.
  • the signal processing circuit 50 derives an area area_a (1 ⁇ a ⁇ n) of the power spectrum P ⁇ Ta in each observation data 44 (step S105). For example, in the individual observation data 44, the signal processing circuit 50 derives an area for each unit frequency of the power spectrum P ⁇ Ta and an average value of these areas, and derives an area for each unit frequency, and these areas. Is the area area_a.
  • the signal processing circuit 50 derives an effect amount d1 from the area area_a in each observation data 44.
  • the signal processing circuit 50 derives the effect amount d1 by applying the area area_a in the individual observation data 44 to the following formulas (1) to (4).
  • the “average value” in Expression (1) is, for example, an average value included in the area area_a.
  • “individual numerical values” in Expressions (3) and (4) are, for example, areas for each unit frequency included in the area area_a.
  • the signal processing circuit 50 outputs the derived effect amount d1 to the display control unit 60.
  • the display control unit 60 generates a video signal for displaying a video including the effect amount d1 and outputs the video signal to the display unit 70.
  • the display unit 70 displays a video corresponding to the video signal input from the display control unit 60.
  • the user examines the appropriateness of the length of the divided period ⁇ T and the appropriateness of the length of the overlapping period ⁇ d1 from the effect amount d1 displayed on the display unit 70. Whether or not the length of the divided period ⁇ T is appropriate can be determined, for example, based on whether or not the effect amount d1 is maximized.
  • whether or not the length of the overlap period ⁇ d1 is appropriate can be determined, for example, based on whether or not the effect amount d1 is maximized. It is considered that the appropriate value of the length of the divided period ⁇ T may be different for each individual of the living body 100. Similarly, it is considered that an appropriate value for the length of the overlapping period ⁇ d1 may be different for each individual of the living body 100.
  • the user When the user determines that the length of the divided period ⁇ T needs to be changed, the user inputs a set value for the length of the divided period ⁇ T to the input unit 30.
  • the input unit 30 outputs the set value of the length of the divided period ⁇ T input from the user to the signal processing circuit 50.
  • the signal processing circuit 50 stores the set value of the length of the divided period ⁇ T input from the input unit 30 in the storage unit 40.
  • the user determines that the length of the overlap period ⁇ d1 needs to be changed, the user inputs a set value for the length of the overlap period ⁇ d1 to the input unit 30.
  • the input unit 30 outputs the set value of the length of the overlap period ⁇ d1 input from the user to the signal processing circuit 50.
  • the signal processing circuit 50 stores the set value of the length of the overlap period ⁇ d1 input from the input unit 30 in the storage unit 40.
  • the signal processing circuit 50 determines whether or not to change the length of the divided period ⁇ T.
  • the signal processing circuit 50 determines whether or not to change the length of the divided period ⁇ T.
  • the signal processing circuit 50 The set value of the length of the divided period ⁇ T is read from the storage unit 40, and the length of the divided period ⁇ T is changed based on the read set value (step S107: YES).
  • the signal processing circuit 50 executes steps S101 to S106 in the divided period ⁇ T having the changed length.
  • step S108 step S107: NO.
  • the signal processing circuit 50 determines whether or not to change the length of the overlap period ⁇ d1.
  • the signal processing circuit 50 The set value of the length of the overlap period ⁇ d1 is read from the storage unit 40, and the length of the overlap period ⁇ d1 is changed based on the read set value (step S108: YES).
  • the signal processing circuit 50 executes Steps S101 to S107 in the overlap period ⁇ d1 of the changed length.
  • the signal processing circuit 50 ends.
  • FIG. 4 schematically illustrates an example of a procedure for calculating the above-described characteristic value and the above-described evaluation value in the biological information evaluation apparatus according to the comparative example.
  • FIG. 5 is a flowchart illustrating an example of a procedure for calculating the above-described characteristic value and the above-described evaluation value in the biological information evaluation apparatus according to the comparative example.
  • the biological information evaluation apparatus (signal processing circuit) according to the comparative example acquires n observation data 44 (samples) from the storage unit (step S201). Next, the biological information evaluation apparatus (signal processing circuit) according to the comparative example derives a power spectrum PTa (1 ⁇ a ⁇ n) for each observation data 44 (step S202). Next, the biological information evaluation apparatus (signal processing circuit) according to the comparative example derives an analysis result RTa (1 ⁇ a ⁇ n) in each observation data 44 by performing component analysis (step S203).
  • the biological information evaluation apparatus derives, for example, the area fca (t) of the frequency band of the observation target waveform included in each power spectrum PTa and the average value fca_avg of the area fca (t). Then, the derived area fca (t) and average value fca_avg are set as the analysis result RTa.
  • the signal processing circuit 50 derives the effect amount d ⁇ b> 2 from the analysis result RTa in the individual observation data 44.
  • the signal processing circuit 50 derives the effect amount d2 by, for example, applying the analysis result RTa in the individual observation data 44 to the above formulas (1) to (4).
  • the “average value” in Expression (1) is, for example, the average value fca_avg included in the analysis result RTa.
  • “individual numerical values” in the mathematical expressions (3) and (4) are, for example, the area fca (t) included in the area area_a. In this way, the processing in the biological information evaluation apparatus (signal processing circuit) according to the comparative example is completed.
  • a characteristic value (for example, area area_a) of an observation target waveform is generated for each observation data 44 based on a plurality of partial observation data 45 included in each observation data 44. Is done. This indicates that there is a difference between the states. As a result, it is possible to know the difference between the states (for example, the effect amount d1) with a small number of samples and a short measurement time.
  • the evaluation value (for example, the effect amount d1) regarding the difference between the observation data 44 regarding the observation target waveform generated based on the characteristic value for each observation data 44 is the evaluation value according to the comparative example. It becomes larger than (for example, the effect amount d2). Therefore, in the biological information evaluation apparatus 1 according to the present embodiment, the number of samples can be reduced, and even if the measurement time is shortened, it can be shown that there is a difference between states.
  • the observation period ⁇ T of the partial observation data 45 is the minimum length necessary for analyzing the observation target waveform.
  • the observation period T of the observation data 44 can be made long enough to meet the application needs. Therefore, the biological information evaluation apparatus 1 according to the present embodiment can indicate that there is a difference between states even if the measurement time is shortened.
  • the length of the observation period ⁇ T is changed based on the set value of the observation period ⁇ T received by the input unit 30, and the observation data 44 is changed from the observation data 44 in the changed observation period ⁇ T.
  • a plurality of partial observation data 45 is acquired, and a characteristic value (for example, area area_a) of the observation target waveform is generated for each observation data 44 based on the acquired plurality of partial observation data 45.
  • the length of the observation period ⁇ T can be set to a length that maximizes the difference between the states (for example, the effect amount d1). Therefore, in the biological information evaluation apparatus 1 according to the present embodiment, the number of samples can be reduced, and even if the measurement time is shortened, it can be shown that there is a difference between states.
  • a video signal for displaying a video including an evaluation value (for example, the effect amount d1) is generated, and the video is displayed based on the generated video signal.
  • the user can examine the suitability of the length of the divided period ⁇ T from the displayed evaluation value (for example, the effect amount d1).
  • the suitability of the length of the divided period ⁇ T can be determined, for example, based on whether the evaluation value (for example, the effect amount d1) is maximized. Therefore, in the biological information evaluation apparatus 1 according to the present embodiment, the number of samples can be reduced, and even if the measurement time is shortened, it can be shown that there is a difference between states.
  • the observation period ⁇ T of some partial observation data 45 and the observation period of other partial observation data 45 partially overlap.
  • the evaluation value for example, the effect amount d1
  • the number of samples can be reduced, and even if the measurement time is shortened, it can be shown that there is a difference between the states.
  • the length of the overlap period ⁇ d1 is changed based on the set value of the overlap period ⁇ d1 received by the input unit 30, and from each observation data 44 in the overlap period ⁇ d1 of the changed length.
  • a plurality of partial observation data 45 is acquired, and a characteristic value (for example, area area_a) of the observation target waveform is generated for each observation data 44 based on the acquired plurality of partial observation data 45.
  • the length of the overlap period ⁇ d1 can be set to a length that maximizes the difference between the states (for example, the effect amount d1). Therefore, in the biological information evaluation apparatus 1 according to the present embodiment, the number of samples can be reduced, and even if the measurement time is shortened, it can be shown that there is a difference between states.
  • a video signal for displaying a video including an evaluation value for example, the effect amount d1
  • the video is displayed based on the generated video signal.
  • the user can examine the suitability of the length of the overlap period ⁇ d1 from the displayed evaluation value (for example, the effect amount d1).
  • the suitability of the length of the overlap period ⁇ d1 can be determined, for example, based on whether or not the evaluation value (for example, the effect amount d1) is maximized. Therefore, in the biological information evaluation apparatus 1 according to the present embodiment, the number of samples can be reduced, and even if the measurement time is shortened, it can be shown that there is a difference between states.
  • a certain divided period ⁇ T and another divided period ⁇ T may not overlap each other. Even in this case, the same effect as the above embodiment can be obtained.
  • FIG. 7 shows a modification of the schematic configuration of the biological information evaluation apparatus 1 according to the first embodiment.
  • the storage unit 40 further includes a divided period in addition to the program (for example, the processing program 41) executed by the signal processing circuit 50, the length 42 of the divided period ⁇ T, and the length 43 of the overlapping period ⁇ d1.
  • the length 46 of ⁇ W and the length 47 of the overlap period ⁇ d2 are stored.
  • the length 46 of the divided period ⁇ W includes an initial value.
  • the length 47 of the overlap period ⁇ d2 includes an initial value.
  • the divided period ⁇ W is longer than the divided period ⁇ T, and preferably longer than ⁇ W1 described later.
  • FIG. 8 schematically illustrates an example of a procedure for calculating the above-described characteristic value and the above-described evaluation value in the biological information evaluation apparatus 1 according to this modification.
  • FIG. 9 is a flowchart illustrating an example of a procedure for calculating the above-described characteristic value and the above-described evaluation value in the biological information evaluation apparatus 1 according to this modification.
  • the signal processing circuit 50 acquires n pieces of observation data 44 (samples) from the storage unit 40 (step S301). Subsequently, the signal processing circuit 50 executes steps S102 and S103 described above, and derives an analysis result R ⁇ Ta_b (1 ⁇ a ⁇ n, 1 ⁇ b ⁇ k) in each divided period ⁇ T (step S302). For example, the signal processing circuit 50 sets the above-described area fc (t) as the analysis result R ⁇ Ta_b. Furthermore, the signal processing circuit 50 generates an analysis result R ⁇ Ta (t) that is a function of time t within the observation period T based on the derived analysis result R ⁇ Ta_b.
  • the signal processing circuit 50 derives a power spectrum P ⁇ Wa_b (t) for each divided period ⁇ W in the analysis result R ⁇ Ta (t) (step S302).
  • the signal processing circuit 50 derives the power spectrum P ⁇ Wa_b (t) by performing FFT on the partial analysis result of each divided period ⁇ W in each analysis result R ⁇ Ta (t).
  • the power spectrum P ⁇ Wa_b (t) is a function of time t within the divided period ⁇ W, and may include the frequency spectrum of the observation target waveform.
  • the signal processing circuit 50 sets an initial value of the length 46 of the divided period ⁇ W stored in the storage unit 40 as the divided period ⁇ W.
  • the signal processing circuit 50 derives an analysis result R ⁇ Wa_b (1 ⁇ a ⁇ n, 1 ⁇ b ⁇ k) in each divided period ⁇ W by performing component analysis (step S303). For example, the signal processing circuit 50 derives the area fc1 (t) of the frequency band of the observation target waveform included in each power spectrum P ⁇ Wa_b (t), and uses the derived area fc1 (t) as the analysis result R ⁇ Wa_b. Next, the signal processing circuit 50 derives the power spectrum P ⁇ Wa (1 ⁇ a ⁇ n) of the analysis result R ⁇ Wa_b in each observation data 44 (step S304). The signal processing circuit 50 derives the power spectrum P ⁇ Wa by performing FFT on the area fc1 (t) in the individual observation data 44, for example.
  • the signal processing circuit 50 derives an area area_a (1 ⁇ a ⁇ n) of the power spectrum P ⁇ Wa in each observation data 44 (step S305). For example, in the individual observation data 44, the signal processing circuit 50 derives the area for each unit frequency of the power spectrum P ⁇ Wa and the average value of these areas, and derives the area for each unit frequency and these areas. Is the area area_a. Next, the signal processing circuit 50 derives an effect amount d1 from the area area_a in each observation data 44. The signal processing circuit 50 derives the effect amount d1 by, for example, applying the area area_a in the individual observation data 44 to the above formulas (1) to (4).
  • the signal processing circuit 50 outputs the derived effect amount d1 to the display control unit 60.
  • the display control unit 60 generates a video signal for displaying a video including the effect amount d1 and outputs the video signal to the display unit 70.
  • the display unit 70 displays a video corresponding to the video signal input from the display control unit 60.
  • the user examines the appropriateness of the lengths of the divided periods ⁇ T and ⁇ W and the appropriateness of the lengths of the overlapping periods ⁇ d1 and ⁇ d2 from the effect amount d1 displayed on the display unit 70. Whether or not the lengths of the divided periods ⁇ T and ⁇ W are appropriate can be determined, for example, based on whether or not the effect amount d1 is maximized.
  • whether or not the lengths of the overlapping periods ⁇ d1 and ⁇ d2 are appropriate can be determined, for example, based on whether or not the effect amount d1 is maximized. It is considered that suitable values for the lengths of the divided periods ⁇ T and ⁇ W may be different for each individual of the living body 100. Similarly, it is considered that suitable values of the lengths of the overlapping periods ⁇ d1 and ⁇ d2 may be different for each individual of the living body 100.
  • the user When the user determines that the lengths of the divided periods ⁇ T and ⁇ W need to be changed, the user inputs a set value for the length of the divided periods ⁇ T and ⁇ W to the input unit 30.
  • the input unit 30 outputs the set values of the lengths of the divided periods ⁇ T and ⁇ W input from the user to the signal processing circuit 50.
  • the signal processing circuit 50 stores the set values of the lengths of the divided periods ⁇ T and ⁇ W input from the input unit 30 in the storage unit 40.
  • the user determines that the length of the overlapping periods ⁇ d1 and ⁇ d2 needs to be changed, the user inputs a set value for the length of the overlapping periods ⁇ d1 and ⁇ d2 to the input unit 30.
  • the input unit 30 outputs the set value of the length of the overlap periods ⁇ d1 and ⁇ d2 input from the user to the signal processing circuit 50.
  • the signal processing circuit 50 stores the set value of the length of the overlapping periods ⁇ d1 and ⁇ d2 input from the input unit 30 in the storage unit 40.
  • the signal processing circuit 50 determines whether or not to change the length of the divided periods ⁇ T and ⁇ W.
  • the set values of the lengths of the divided periods ⁇ T and ⁇ W are newly stored in the storage unit 40, or the set values of the lengths of the divided periods ⁇ T and ⁇ W of the storage unit 40 are updated.
  • the set values of the lengths of the divided periods ⁇ T and ⁇ W are read from the storage unit 40, and the lengths of the divided periods ⁇ T and ⁇ W are changed based on the read set values (step S307: YES).
  • the signal processing circuit 50 executes steps S301 to S306 with the divided periods ⁇ T and ⁇ W having the changed length.
  • step S308 step S307: NO.
  • the signal processing circuit 50 determines whether or not to change the length of the overlapping periods ⁇ d1 and ⁇ d2.
  • the set value of the length of the overlap periods ⁇ d1 and ⁇ d2 is newly stored in the storage unit 40, or the set value of the length of the overlap periods ⁇ d1 and ⁇ d2 of the storage unit 40 is updated.
  • the set values of the lengths of the overlap periods ⁇ d1 and ⁇ d2 are read from the storage unit 40, and the lengths of the overlap periods ⁇ d1 and ⁇ d2 are changed based on the read set values (step S308: YES).
  • the signal processing circuit 50 executes Steps S301 to S307 in the overlap periods ⁇ d1 and ⁇ d2 of the changed length.
  • the set value of the length of the overlap periods ⁇ d1 and ⁇ d2 is not stored in the storage unit 40, or the set value of the length of the overlap periods ⁇ d1 and ⁇ d2 of the storage unit 40 is not updated. If so, the process ends.
  • a power spectrum P ⁇ Ta_b is derived for each partial observation data 45, component analysis is performed for each derived power spectrum P ⁇ Ta_b, and included in data (analysis result R ⁇ Ta) obtained based on the component analysis.
  • the power spectrum R ⁇ Wa_b is derived for each data of a plurality of divided periods ⁇ W longer than the divided period ⁇ T, and component analysis is performed for each derived power spectrum R ⁇ Wa_b. Based on the component analysis, the effect amount d1 is observed data It is generated every 44. Thereby, the same effect as the above-described embodiment can be obtained.
  • a certain divided period ⁇ T and another divided period ⁇ T may not overlap each other. Furthermore, a certain divided period ⁇ W may not overlap with another divided period ⁇ W. Even in this case, the same effect as the above modification can be obtained.
  • the biological information evaluation apparatus 1 may store a learning model 48 in the storage unit 40 as illustrated in FIG. 11, for example.
  • the learning model 48 performs, for example, the learning procedure shown in FIG. 12 and the estimation procedure shown in FIG.
  • each of the h observation data 44 for learning is included in the power spectrum P ⁇ Ta_b (t) (1 ⁇ a ⁇ h, 1 ⁇ b ⁇ j) derived every j divided periods ⁇ T.
  • the area of the frequency band of the observation target waveform is S ⁇ Ta_b (t) (see FIG. 12).
  • the area of the frequency band of the target waveform is S ⁇ Wa_b (t) (see FIG. 12).
  • the emotional state within the observation period T is E (t).
  • the number (h) of observation data 44 for learning is equal to the number (n) of observation data 44 at the time of emotion estimation described later. Further, the number of divisions (k pieces) of the observation data 44 at the time of learning may be equal to or different from the number of divisions (j pieces) of the observation data 44 at the time of emotion estimation described later. Further, it is assumed that data exists at the same time in the observation period T in the area S ⁇ Ta_b (t) and the area S ⁇ Wa_b (t).
  • the learning model 48 uses 2n pieces of data in which b is common to the area S ⁇ Ta_b (t) and the area S ⁇ Wa_b (t) as explanatory variables, and the emotional state in a period corresponding to b in the emotional state E (t)
  • This is a model in which learning including machine learning using E (t) as an objective variable has been performed (see FIG. 14). That is, the learning model 48 is a model for estimating one emotional state from 2n pieces of data.
  • the signal processing circuit 50 derives a power spectrum P ⁇ Ta_b (t) (1 ⁇ a ⁇ n, 1 ⁇ b ⁇ k) for each divided period ⁇ T divided into k in each of the actually measured n observation data 44. Then, an area R ⁇ Ta_b (t) of the frequency band of the observation target waveform included in the derived power spectrum P ⁇ Ta_b (t) is derived (see FIG. 13). In addition, the signal processing circuit 50 further calculates a power spectrum P ⁇ Wa_b (t) (1 ⁇ a ⁇ n, 1 ⁇ b ⁇ k) for each divided period ⁇ W divided into k in each of the actually measured n observation data 44. The frequency band area R ⁇ Wa_b (t) of the observation target waveform included in the derived power spectrum P ⁇ Wa_b (t) is derived (see FIG. 13).
  • the emotional state Out_b corresponding to the 2n pieces of data is input to the signal processing circuit. 50 (see FIG. 13).
  • the emotional state Out_b is estimated using the learning model 48.
  • two states such as high and low arousal levels can be estimated.
  • the learning model up to an intermediate level state such as how high is or is low. Therefore, in this modification, a higher estimation accuracy than the above embodiment can be obtained.
  • the emotional state Out_b is estimated using the learning model 48, and therefore the number (n) of observation data 44 at the time of emotion estimation is less than the number of data in the above embodiment. Estimation is possible, and even one is possible. Therefore, even when a large number (n) of observation data 44 at the time of emotion estimation cannot be acquired, emotion estimation can be performed.
  • the biological information evaluation apparatus 1 uses, for example, the area S ⁇ Ta_b (t) as an explanatory variable for each b and corresponds to b in the emotional state E (t) as illustrated in FIG.
  • a model in which learning including machine learning using the emotional state E (t) of the period as an objective variable may be used. That is, in this modification, the learning model 48 is a model that estimates one emotional state from n pieces of data.
  • the signal processing circuit 50 derives a power spectrum P ⁇ Ta_b (t) (1 ⁇ a ⁇ n, 1 ⁇ b ⁇ k) for each divided period ⁇ T divided into k in each of the actually measured n observation data 44. Then, an area R ⁇ Ta_b (t) of the frequency band of the observation target waveform included in the derived power spectrum P ⁇ Ta_b (t) is derived (see FIG. 15).
  • the learning model 48 When the area R ⁇ Ta_b derived by the signal processing circuit 50 is input for each b, the learning model 48 outputs the emotional state Out_b corresponding to the input n pieces of data to the signal processing circuit 50 (see FIG. 15). .
  • the emotional state Out_b is estimated using the learning model 48.
  • two states such as high and low arousal levels can be estimated.
  • the learning model up to an intermediate level state such as how high is or is low. Therefore, in this modification, a higher estimation accuracy than the above embodiment can be obtained.
  • FIG. 16 shows an example of the relationship between the length of the divided period ⁇ W and the estimation accuracy in a model in which the divided period ⁇ T, the overlapping period ⁇ d1, and the overlapping period ⁇ d2 are fixed to certain values.
  • FIG. 17 shows an example of estimation accuracy when the length of the divided period ⁇ W is fixed to a value ( ⁇ W2) larger than ⁇ W1 in the model of FIG. 16 and 17 illustrate the estimation accuracy in the modified examples B and C. 16 and 17, it can be seen that in the modified example B, the state can be estimated with higher accuracy than the modified example C when the length of the divided period ⁇ W is equal to or greater than ⁇ W1.
  • the numerical values in FIGS. 16 and 17 are merely examples, and in some cases, numerical values higher than those in FIGS. 16 and 17 may be obtained.
  • the biological information evaluation apparatus 2 includes, for example, a biological information observation apparatus 210 and a biological information analysis apparatus 220.
  • the biological information observation apparatus 210 includes, for example, a detector 10, an ADC 20, a signal processing circuit 211, and a communication unit 212.
  • the signal processing circuit 211 includes a processor and controls, for example, the acquisition of the observation data 44 by the detector 10 and the transmission of the acquired observation data 44 by the communication unit 212.
  • the communication unit 212 transmits the observation data 44 to the biological information analyzer 220 according to control by the signal processing circuit 211.
  • the biological information analyzer 220 is, for example, a mobile terminal, a smartphone, or a tablet having a communication function.
  • the biological information analyzer 220 includes, for example, a communication unit 221, an input unit 30, a storage unit 40, a signal processing circuit 50, a display control unit 60, and a display unit 70.
  • the communication unit 221 receives the observation data 44 transmitted from the biological information observation apparatus 210 and outputs the received observation data 44 to the signal processing circuit 50.
  • short-range wireless communication is used for communication between the communication unit 212 and the communication unit 221.
  • Short-range wireless communication is, for example, ISO / IEC14443 (international RFID standard), ISO / IEC18092 (international wireless communication standard called NFC), ISO / IEC15693 (RFID international standard), or It is performed by Bluetooth (registered trademark) or the like.
  • the communication between the communication unit 212 and the communication unit 221 may be, for example, a wired LAN (Local Area Network), a wireless LAN such as Wi-Fi, or a mobile phone line. .
  • the number of samples can be reduced as in the first embodiment and its modifications A, B, and C, and even if the measurement time is shortened, there is a difference between the states. You can show that there is.
  • the state of high arousal level (stress) and the low level of arousal level (stress) are measured by measuring brain waves.
  • the first and second embodiments and the modifications A, B, and C of the first embodiment include, for example, games, e-sports, movies, music, healthcare, medical care, learning, automobiles, etc. It can be applied to an application that knows the difference between states in driving the body. For example, in a game, it is possible to change the game scenario and the difficulty level by knowing the difference in the degree of user immersion and the difference in the degree of excitement of the user.
  • the measurement target is a living body, but is not limited thereto.
  • the present disclosure can be applied in a field where the observation target waveform is known and the observation data 44 including the known observation target waveform can be acquired using the detector 10.
  • the observation target is a person, but the animals are animals such as livestock, a zoo, and an aquarium. Also good.
  • the observation target is an animal such as livestock, a zoo, an aquarium, etc.
  • the first and second embodiments and modifications of the first embodiment are also used for detecting, for example, animal stress. Is possible.
  • this indication can take the following composition.
  • (1) Based on a plurality of partial observation data in an observation period shorter than the observation period of the observation data included in each observation data obtained by living body observation for a predetermined period, the characteristic value of the observation target waveform is determined for each observation data.
  • a biological information evaluation apparatus including a signal processing circuit to be generated.
  • (2) The biological information evaluation apparatus according to (1), wherein the signal processing circuit generates an evaluation value for a difference between the observation data regarding the observation target waveform based on the characteristic value for each observation data.
  • (3) The biological information evaluation apparatus according to (2), wherein the evaluation value is an effect amount.
  • (4) The biological information evaluation apparatus according to any one of (1) to (3), wherein an observation period of the partial observation data is a minimum length necessary for analysis of the observation target waveform.
  • An input unit for receiving an input of a set value for the length of the observation period of the partial observation data;
  • the signal processing circuit changes the length of the observation period of the partial observation data based on the setting value received by the input unit, and a plurality of the observation data from the observation data in the changed observation period.
  • the biological information evaluation apparatus according to (2) or (3), wherein partial observation data is acquired, and a characteristic value of an observation target waveform is generated for each of the observation data based on the plurality of acquired partial observation data.
  • the living body according to (5) further comprising: a display control unit that generates a video signal for displaying a video including the evaluation value; and a display unit that displays a video based on the video signal from the display control unit.
  • the biological information evaluation apparatus according to any one of (1) to (6), wherein an observation period of certain partial observation data partially overlaps an observation period of other partial observation data.
  • An input unit that receives an input of a setting value for the length of the overlapping period between the observation period of the partial observation data and the observation period of the other partial observation data;
  • the signal processing circuit changes the length of the overlapping period based on the set value received by the input unit, and a plurality of the partial observation data from each of the observation data in the overlapping period of the changed length.
  • the biological information evaluation device according to (7), wherein the characteristic value of the observation target waveform is generated for each observation data based on the plurality of partial observation data acquired.
  • the living body further comprising: a display control unit that generates a video signal for displaying a video including the evaluation value; and a display unit that displays a video based on the video signal from the display control unit.
  • Information evaluation device A detector for acquiring each observation data by living body observation; The biological information evaluation apparatus according to any one of (1) to (9).
  • the signal processing circuit derives a first power spectrum for each partial observation data, performs component analysis for each derived first power spectrum, and based on the component analysis, converts the characteristic values to the observation data.
  • the biometric information evaluation device according to any one of (1) to (10), which is generated for each.
  • the signal processing circuit derives a first power spectrum for each partial observation data, performs component analysis for each derived first power spectrum, and is included in data obtained based on the component analysis.
  • a second power spectrum is derived for each of a plurality of second period data longer than the first period, a component analysis is performed for each derived second power spectrum, and the characteristic value is determined based on the component analysis.
  • the biological information evaluation apparatus according to any one of (1) to (10).
  • the signal processing circuit derives a first power spectrum for each partial observation data, performs component analysis for each derived first power spectrum, and first data obtained based on the component analysis;
  • the second power spectrum is derived for each data of the second period longer than the first period included in the observation data, the component analysis is performed for each derived second power spectrum, and the component analysis is performed.
  • the biological information evaluation apparatus according to claim 1, wherein an emotional state is obtained based on the second data obtained based on the second data.
  • the signal processing circuit derives a power spectrum for each partial observation data, performs component analysis for each derived power spectrum, and obtains an emotional state based on data obtained based on the component analysis.
  • the biological information evaluation apparatus according to 1.
  • the characteristic value of the observation target waveform is determined for each observation data.
  • a biological information evaluation method in which signal processing to be generated is performed using a signal processing circuit.

Landscapes

  • Health & Medical Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Engineering & Computer Science (AREA)
  • Public Health (AREA)
  • Medical Informatics (AREA)
  • Physics & Mathematics (AREA)
  • General Health & Medical Sciences (AREA)
  • Pathology (AREA)
  • Biomedical Technology (AREA)
  • Biophysics (AREA)
  • Surgery (AREA)
  • Animal Behavior & Ethology (AREA)
  • Molecular Biology (AREA)
  • Heart & Thoracic Surgery (AREA)
  • Veterinary Medicine (AREA)
  • Psychiatry (AREA)
  • Physiology (AREA)
  • Artificial Intelligence (AREA)
  • Signal Processing (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Psychology (AREA)
  • Hospice & Palliative Care (AREA)
  • Social Psychology (AREA)
  • Theoretical Computer Science (AREA)
  • Child & Adolescent Psychology (AREA)
  • Developmental Disabilities (AREA)
  • Educational Technology (AREA)
  • General Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Human Computer Interaction (AREA)
  • Data Mining & Analysis (AREA)
  • Databases & Information Systems (AREA)
  • Epidemiology (AREA)
  • Primary Health Care (AREA)
  • Mathematical Physics (AREA)
  • Measurement And Recording Of Electrical Phenomena And Electrical Characteristics Of The Living Body (AREA)
  • Measuring And Recording Apparatus For Diagnosis (AREA)
  • Measuring Pulse, Heart Rate, Blood Pressure Or Blood Flow (AREA)

Abstract

本開示の一実施形態に係る生体情報評価装置は、所定の期間の生体観測により得られた各観測データに含まれる、観測データの観測期間よりも短い期間の複数の部分観測データに基づいて、観測対象波形の特性値を観測データごとに生成する信号処理回路を備えている。この生体情報評価装置の観測対象は、例えば、人、または、動物である。

Description

生体情報評価装置および生体情報評価方法
　本開示は、生体情報評価装置および生体情報評価方法に関する。
　所望の状態を知るために質の良い人の生体情報を獲得するには、一般には所望の状態に人を制御させる方法の構築やサンプル数の増加に時間と労力がかかる。しかしながら、心理学において状態間(もしくは群間)の差を有意に示すためには、比較的多くのサンプルの収集と、長い測定時間が必要であると考えられている（例えば、非特許文献１参照）。獲得する生体情報の対象には、人の他に、動物なども含まれ得る。
Eur Child Adolesc Psychiatry (2017) 26:1511-1522
　そのため、状態間の差を知りたいアプリケーションニーズを満たす技術を構築することは、極めて困難であった。少ないサンプル数と、短い測定時間で、状態間の差を知ることを可能にする生体情報評価装置および生体情報評価方法を提供することが望ましい。
　本開示の一実施形態に係る生体情報評価装置は、所定の期間の生体観測により得られた各観測データに含まれる、観測データの観測期間よりも短い観測期間の複数の部分観測データに基づいて、観測対象波形の特性値を観測データごとに生成する信号処理回路を備えている。
　本開示の一実施形態に係る生体情報評価方法は、所定の期間の生体観測により得られた各観測データに含まれる、観測データの観測期間よりも短い観測期間の複数の部分観測データに基づいて、観測対象波形の特性値を観測データごとに生成する信号処理を、信号処理回路を用いて行う。
　本開示の一実施形態に係る生体情報評価装置および生体情報評価方法では、各観測データに含まれる複数の部分観測データに基づいて、観測対象波形の特性値が観測データごとに生成される。これにより、ロバストに状態間の差が示される。
　本開示の一実施形態に係る生体情報評価装置および生体情報評価方法によれば、周期的な変動が確認できる生体情報を活用することにより、少ないサンプル数と、短い測定時間で、状態間の差を知ることが可能となる。なお、本開示の効果は、ここに記載された効果に必ずしも限定されず、本明細書中に記載されたいずれの効果であってもよい。
本開示の第１の実施形態に係る生体情報評価装置の概略構成の一例を表す図である。 図１の生体情報評価装置における特性値や評価値の算出手順の一例を表す模式図である。 図１の生体情報評価装置における特性値や評価値の算出手順の一例を表す流れ図である。 比較例に係る特性値や評価値の算出手順の一例を表す模式図である。 比較例に係る特性値や評価値の算出手順の一例を表す流れ図である。 図３の算出手順の一変形例を表す模式図である。 図１の生体情報評価装置の概略構成の一変形例を表す図である。 図７の生体情報評価装置における特性値や評価値の算出手順の一例を表す模式図である。 図７の生体情報評価装置における特性値や評価値の算出手順の一例を表す流れ図である。 図７の生体情報評価装置における特性値や評価値の算出手順の一変形例を表す模式図である。 図１の生体情報評価装置の概略構成の一変形例を表す図である。 図１１の生体情報評価装置における学習モデルの学習手順の一例を表す模式図である。 図１１の生体情報評価装置における学習モデルによる状態推定手順の一例を表す模式図である。 図１１の生体情報評価装置における学習モデルの学習手順の一変形例を表す模式図である。 図１１の生体情報評価装置における学習モデルによる状態推定手順の一変形例を表す模式図である。 分割期間ΔＷの長さと推定精度との関係の一例を表す図である。 図１６において分割期間ΔＷの長さがΔＷ２のときの推定精度の一例を表す図である。 本開示の第２の実施形態に係る生体情報評価装置の概略構成の一例を表す図である。 図１８の生体情報評価装置の概略構成の一変形例を表す図である。 図１８の生体情報評価装置の概略構成の一変形例を表す図である。
　以下、本開示を実施するための形態について、図面を参照して詳細に説明する。なお、説明は以下の順序で行う。

　１．第１の実施の形態
　２．第１の実施の形態の変形例
　３．第２の実施の形態
＜１．第１の実施の形態＞
[構成]
　本開示の第１の実施の形態に係る生体情報評価装置１について説明する。図１は、生体情報評価装置１の概略構成の一例を表したものである。生体情報評価装置１は、生体１００の生体情報を検出する装置である。生体情報評価装置１は、さらに、検出した生体情報に含まれる観測対象波形の特性値を生成するとともに、生成した特性値に基づいて、観測対象波形に関する、検出した生体情報同士の差異についての評価値を生成する装置である。生体情報としては、例えば、脳波、脈拍、発汗などが挙げられる。生体１００は、典型的には人であるが、動物であってもよい。生体情報評価装置１は、例えば、ヘッドマウントディスプレイなどのウェアラブル機器である。
　生体情報評価装置１は、例えば、検出器１０、ＡＤＣ（Analog-Digital Converter）、入力部３０、記憶部４０、信号処理回路５０、表示制御部６０および表示部７０を備えている。
　検出器１０は、生体１００の生体情報を検出し、検出した生体情報をアナログ信号として、ＡＤＣ２０に出力する。検出器１０は、所定の期間（後述の観測期間Ｔ）の生体観測によりアナログの観測データ４４を取得し、取得した観測データ４４をＡＤＣ２０に出力する。検出器１０は、例えば、生体１００に接触させる一対の電極と、一対の電極の電位差に応じたアナログ信号を出力する検出回路とを有している。なお、検出器１０は、例えば、生体１００に光を照射する光源と、光源から出射された光のうち生体１００の内部で反射・散乱された光を検出し、検出した光に応じたアナログ信号を出力する受光回路とを有していてもよい。
　ＡＤＣ２０は、検出器１０から入力されたアナログの観測データ４４（アナログ信号）をデジタル信号に変換し、変換により得られたデジタルの観測データ４４（デジタル信号）を信号処理回路５０に出力する。入力部３０は、例えば、タッチパネル、ボタン、マイクロフォン、スイッチ又はレバー等、ユーザによって入力操作され得る装置によって構成されている。入力部３０は、例えば、後述の設定値４２の入力を受け付ける。
　記憶部４０は、信号処理回路５０によって実行されるプログラム（例えば、処理プログラム４１）や、分割期間ΔＴの長さ４２、重なり期間Δｄ１の長さ４３などを記憶している。処理プログラム４１は、検出器１０から、観測データ４４を取得したり、取得した観測データ４４に対して所定の信号処理を行ったりするためのプログラムである。ここで「所定の処理」には、例えば、取得した観測データ４４から、観測対象波形の特性値を観測データ４４ごとに生成するとともに、観測データ４４ごとの特性値に基づいて、観測対象波形に関する、観測データ４４同士の差異についての評価値を生成する処理などが含まれる。分割期間ΔＴの長さ４２には、初期値が含まれている。重なり期間Δｄ１の長さ４３には、初期値が含まれている。
　記憶部４０には、入力部３０から信号処理回路５０に入力されたデータが記憶される。記憶部４０には、例えば、入力部３０から入力された分割期間ΔＴの長さの設定値や、入力部３０から入力された重なり期間Δｄ１の長さの設定値が記憶される。なお、入力部３０から入力された分割期間ΔＴの設定値は、記憶部４０において、分割期間ΔＴの長さ４２に含まれる。また、入力部３０から入力された重なり期間Δｄ１の設定値は、記憶部４０において、重なり期間Δｄ１の長さ４３に含まれる。
　記憶部４０には、さらに、ＡＤＣ２０を介して検出器１０から信号処理回路５０に入力されたデータが記憶される。記憶部４０には、例えば、ＡＤＣ２０を介して検出器１０から入力されたデジタルの観測データ４４が記憶される。記憶部４０には、例えば、図１に示したように、ｎ個の観測データ４４が記憶される。
　信号処理回路５０は、プロセッサを含んで構成されており、記憶部４０に記憶されたプログラム（例えば、処理プログラム４１）を実行する。信号処理回路５０は、例えば、処理プログラム４１がロードされることにより、観測データ４４から、観測対象波形の特性値を観測データ４４ごとに生成するとともに、観測データ４４ごとの特性値に基づいて、観測対象波形に関する、観測データ４４同士の差異についての評価値を生成する。
　表示制御部６０は、表示部７０の表示を制御するコントローラである。表示制御部６０は、信号処理回路５０から入力された評価値を含む映像を表示するための映像信号を生成し、表示部７０に出力する。表示部７０は、表示制御部６０から入力された映像信号に応じた映像を表示する。表示部７０は、例えば、液晶パネル、または、有機ＥＬ（Electro Luminescence）パネルなどによって構成されている。
　次に、上述の特性値や、上述の評価値の生成について説明する。なお、以下では、上述の特性値として、後述の面積ａｒｅａ＿ａ（末尾のａは、１以上ｎ以下の整数）が例示されている。また、以下では、上述の評価値として、後述の効果量ｄ１が例示されている。
　図２は、生体情報評価装置１における上述の特性値や上述の評価値の算出手順の一例を模式的に表したものである。図３は、生体情報評価装置１における上述の特性値や上述の評価値の算出手順の一例を流れ図で表したものである。なお、図２に記載の算出手順を実施例１と称する。
　まず、信号処理回路５０は、検出器１０に対して、所定の期間（観測期間Ｔ）、生体情報を取得することを指示する。すると、検出器１０は、生体１００から、所定の期間（観測期間Ｔ）、アナログの生体情報（観測データ４４）を取得し、取得したアナログの観測データ４４をＡＤＣ２０に出力する。ＡＤＣ２０は、検出器１０から入力されたアナログの観測データ４４（アナログ信号）をデジタル信号に変換し、変換により得られたデジタルの観測データ４４（デジタル信号）を信号処理回路５０に出力する。信号処理回路５０は、ＡＤＣ２０から入力されたデジタルの観測データ４４を記憶部４０に格納する。信号処理回路５０は、この手順を繰り返し実行することにより、ｎ個の観測データ４４を記憶部４０に格納する。このとき、ｎ個の観測データ４４は、例えば、同一人物から得られたデータであってもよいし、ｎ人の人から個々に得られたデータであってもよい。
　次に、信号処理回路５０は、記憶部４０からｎ個の観測データ４４（サンプル）を取得する（ステップＳ１０１）。信号処理回路５０は、取得した各観測データ４４に含まれる、観測データ４４の観測期間Ｔよりも短い観測期間（分割期間ΔＴ）の複数の部分観測データ４５に基づいて、観測対象波形の特性値（面積ａｒｅａ＿ａ）を観測データ４４ごとに生成する。
　具体的には、まず、信号処理回路５０は、個々の観測データ４４において、分割期間ΔＴごとにパワースペクトラムＰΔＴａ＿ｂ（ｔ）（１≦ａ≦ｎ，１≦ｂ≦ｍ）を導出する（ステップＳ１０２）。信号処理回路５０は、例えば、個々の観測データ４４において、各分割期間ΔＴの部分観測データ４５に対して、ＦＦＴ(Fast Fourier Transform）を行うことにより、パワースペクトラムＰΔＴａ＿ｂ（ｔ）を導出する。パワースペクトラムＰΔＴａ＿ｂ（ｔ）は、分割期間ΔＴ内の時刻ｔの関数となっており、観測対象波形の周波数スペクトラムを含み得る。
　生体１００が人の頭部である場合、観測対象波形としては、例えば、α波、β波、γ波、θ波、δ波などが挙げられる。分割期間ΔＴは、観測対象波形の分析に最低限必要な長さとなっている。生体１００が人の頭部であり、観測対象波形がα波である場合には、分割期間ΔＴは、例えば、数秒～数十秒程度である。信号処理回路５０は、分割期間ΔＴとして、例えば、記憶部４０に記憶された分割期間ΔＴの長さ４２の初期値を設定する。
　信号処理回路５０は、さらに、ある部分観測データ４５の観測期間（分割期間ΔＴ）と、他の部分観測データ４５の観測期間（分割期間ΔＴ）とが、部分的に重なり合うように、各分割期間ΔＴを設定する。つまり、ある部分観測データ４５の観測期間（分割期間ΔＴ）と、他の部分観測データ４５の観測期間（分割期間ΔＴ）とが、部分的に重なり合っている。信号処理回路５０は、部分的な重なり（重なり期間Δｄ１）として、例えば、記憶部４０に記憶された重なり期間Δｄ１の長さ４３の初期値を設定する。
　次に、信号処理回路５０は、成分解析を行うことで、個々の分割期間ΔＴにおける解析結果ＲΔＴａ＿ｂ（１≦ａ≦ｎ，１≦ｂ≦ｍ）を導出する（ステップＳ１０３）。信号処理回路５０は、例えば、個々のパワースペクトラムＰΔＴａ＿ｂ（ｔ）に含まれる観測対象波形の周波数帯域の面積ｆｃ（ｔ）を導出し、導出した面積ｆｃ（ｔ）を解析結果ＲΔＴａ＿ｂとする。観測対象波形がα波である場合には、信号処理回路５０は、例えば、個々のパワースペクトラムＰΔＴａ＿ｂ（ｔ）におけるα波の周波数帯域の面積を導出する。なお、α波の周波数帯域は、一般的には８～１３Ｈｚであるが、面積ｆｃ（ｔ）の導出に際してこの周波数帯域に限定されるものではない。次に、信号処理回路５０は、個々の観測データ４４において、解析結果ＲΔＴａ＿ｂのパワースペクトラムＰΔＴａ（１≦ａ≦ｎ）を導出する（ステップＳ１０４）。信号処理回路５０は、例えば、個々の観測データ４４において、面積ｆｃ（ｔ）に対して、ＦＦＴを行うことにより、パワースペクトラムＰΔＴａを導出する。
　次に、信号処理回路５０は、個々の観測データ４４において、パワースペクトラムＰΔＴａの面積ａｒｅａ＿ａ（１≦ａ≦ｎ）を導出する（ステップＳ１０５）。信号処理回路５０は、例えば、個々の観測データ４４において、パワースペクトラムＰΔＴａの単位周波数ごとの面積と、これらの面積の平均値とを導出し、導出した、単位周波数ごとの面積と、これらの面積の平均値とを面積ａｒｅａ＿ａとする。次に、信号処理回路５０は、個々の観測データ４４における面積ａｒｅａ＿ａから、効果量ｄ１を導出する。信号処理回路５０は、例えば、個々の観測データ４４における面積ａｒｅａ＿ａを、下記の数式（１）～（４）に当てはめることにより、効果量ｄ１を導出する。ここで、数式（１）における「平均値」は、例えば、面積ａｒｅａ＿ａに含まれる平均値である。また、数式（３）および（４）における「個々の数値」は、例えば、面積ａｒｅａ＿ａに含まれる単位周波数ごとの面積である。
Figure JPOXMLDOC01-appb-M000001
Figure JPOXMLDOC01-appb-M000002
Figure JPOXMLDOC01-appb-M000003
Figure JPOXMLDOC01-appb-M000004
　次に、信号処理回路５０は、導出した効果量ｄ１を表示制御部６０に出力する。すると、表示制御部６０は、効果量ｄ１を含む映像を表示するための映像信号を生成し、表示部７０に出力する。表示部７０は、表示制御部６０から入力された映像信号に応じた映像を表示する。ユーザは、表示部７０に表示された効果量ｄ１から、分割期間ΔＴの長さの適否や、重なり期間Δｄ１の長さの適否を検討する。分割期間ΔＴの長さの適否は、例えば、効果量ｄ１が最大となるか否かで判断することができる。同様に、重なり期間Δｄ１の長さの適否も、例えば、効果量ｄ１が最大となるか否かで判断することができる。分割期間ΔＴの長さの適した値は、生体１００の個体ごとに異なっている場合もあると考えられる。同様に、重なり期間Δｄ１の長さの適した値も、生体１００の個体ごとに異なっている場合もあると考えられる。
　ユーザは、分割期間ΔＴの長さを変更する必要があると判断した場合には、ユーザは、入力部３０に、分割期間ΔＴの長さの設定値を入力する。入力部３０は、ユーザから入力された、分割期間ΔＴの長さの設定値を、信号処理回路５０に出力する。信号処理回路５０は、入力部３０から入力された、分割期間ΔＴの長さの設定値を記憶部４０に記憶させる。また、ユーザは、重なり期間Δｄ１の長さを変更する必要があると判断した場合には、ユーザは、入力部３０に、重なり期間Δｄ１の長さの設定値を入力する。入力部３０は、ユーザから入力された、重なり期間Δｄ１の長さの設定値を、信号処理回路５０に出力する。信号処理回路５０は、入力部３０から入力された、重なり期間Δｄ１の長さの設定値を記憶部４０に記憶させる。
　信号処理回路５０は、分割期間ΔＴの長さを変更するか否かを判断する。信号処理回路５０は、記憶部４０に分割期間ΔＴの長さの設定値が新たに記憶されたか、または、記憶部４０の分割期間ΔＴの長さの設定値が更新されている場合には、記憶部４０から、分割期間ΔＴの長さの設定値を読み出し、読み出した設定値に基づいて、分割期間ΔＴの長さを変更する（ステップＳ１０７：ＹＥＳ）。信号処理回路５０は、変更した長さの分割期間ΔＴで、ステップＳ１０１～ステップＳ１０６を実行する。信号処理回路５０は、記憶部４０に分割期間ΔＴの長さの設定値が記憶されていないか、または、記憶部４０の分割期間ΔＴの長さの設定値が更新されていない場合には、ステップＳ１０８へ移行する（ステップＳ１０７：ＮＯ）。
　信号処理回路５０は、重なり期間Δｄ１の長さを変更するか否かを判断する。信号処理回路５０は、記憶部４０に重なり期間Δｄ１の長さの設定値が新たに記憶されたか、または、記憶部４０の重なり期間Δｄ１の長さの設定値が更新されている場合には、記憶部４０から、重なり期間Δｄ１の長さの設定値を読み出し、読み出した設定値に基づいて、重なり期間Δｄ１の長さを変更する（ステップＳ１０８：ＹＥＳ）。信号処理回路５０は、変更した長さの重なり期間Δｄ１で、ステップＳ１０１～ステップＳ１０７を実行する。信号処理回路５０は、記憶部４０に重なり期間Δｄ１の長さの設定値が記憶されていないか、または、記憶部４０の重なり期間Δｄ１の長さの設定値が更新されていない場合には、処理を終了する。
　図４は、比較例に係る生体情報評価装置における上述の特性値や上述の評価値の算出手順の一例を模式的に表したものである。図５は、比較例に係る生体情報評価装置における上述の特性値や上述の評価値の算出手順の一例を流れ図で表したものである。
　比較例に係る生体情報評価装置（信号処理回路）は、記憶部からｎ個の観測データ４４（サンプル）を取得する（ステップＳ２０１）。次に、比較例に係る生体情報評価装置（信号処理回路）は、観測データ４４ごとにパワースペクトラムＰＴａ（１≦ａ≦ｎ）を導出する（ステップＳ２０２）。次に、比較例に係る生体情報評価装置（信号処理回路）は、成分解析を行うことで、個々の観測データ４４における解析結果ＲＴａ（１≦ａ≦ｎ）を導出する（ステップＳ２０３）。比較例に係る生体情報評価装置（信号処理回路）は、例えば、個々のパワースペクトラムＰＴａに含まれる観測対象波形の周波数帯域の面積ｆｃａ（ｔ）と、面積ｆｃａ（ｔ）の平均値ｆｃａ＿ａｖｇを導出し、導出した、面積ｆｃａ（ｔ）と、平均値ｆｃａ＿ａｖｇとを解析結果ＲＴａとする。次に、信号処理回路５０は、個々の観測データ４４における解析結果ＲＴａから、効果量ｄ２を導出する。信号処理回路５０は、例えば、個々の観測データ４４における解析結果ＲＴａを、上記の数式（１）～（４）に当てはめることにより、効果量ｄ２を導出する。ここで、数式（１）における「平均値」は、例えば、解析結果ＲＴａに含まれる平均値ｆｃａ＿ａｖｇである。また、数式（３）および（４）における「個々の数値」は、例えば、面積ａｒｅａ＿ａに含まれる面積ｆｃａ（ｔ）である。このようにして、比較例に係る生体情報評価装置（信号処理回路）における処理は終了する。
［効果］
　次に、生体情報評価装置１の効果について説明する。
　心理学において状態間の差を有意に示すためには、比較的多くのサンプルの収集と、長い測定時間が必要であると考えられている。しかし、所望の状態を知るために質の良い人の生体情報を獲得するには、一般には所望の状態に人を制御させる方法の構築やサンプル数の増加に時間と労力がかかる。従って、状態間の差を知りたいアプリケーションニーズを満たす技術を構築することは、極めて困難であった。
　一方、本実施の形態に係る生体情報評価装置１では、各観測データ４４に含まれる複数の部分観測データ４５に基づいて、観測対象波形の特性値（例えば面積ａｒｅａ＿ａ）が観測データ４４ごとに生成される。これにより、状態間に差があることが示される。その結果、少ないサンプル数と、短い測定時間で、状態間の差（例えば、効果量ｄ１）を知ることが可能となる。
　実際、観測データ４４ごとの特性値（例えば面積ａｒｅａ＿ａ）に基づいて生成した、観測対象波形に関する、観測データ４４同士の差異についての評価値（例えば、効果量ｄ１）は、比較例に係る評価値（例えば、効果量ｄ２）と比べると、大きくなる。従って、本実施の形態に係る生体情報評価装置１では、サンプル数を少なくすることができ、さらに、測定時間を短くしても、状態間に差があることを示すことができる。
　また、本実施の形態では、部分観測データ４５の観測期間ΔＴは、観測対象波形の分析に最低限必要な長さとなっている。これにより、部分観測データ４５を分析に必要な十分な数だけ確保するために、観測データ４４の観測期間Ｔを、アプリケーションニーズを満たす程度の長さで済ますことができる。従って、本実施の形態に係る生体情報評価装置１では、測定時間を短くしても、状態間に差があることを示すことができる。
　また、本実施の形態では、入力部３０で受け付けた観測期間ΔＴの設定値に基づいて、観測期間ΔＴの長さが変更され、変更された長さの観測期間ΔＴで、各観測データ４４から複数の部分観測データ４５が取得され、取得された複数の部分観測データ４５に基づいて、観測対象波形の特性値（例えば面積ａｒｅａ＿ａ）が観測データ４４ごとに生成される。これにより、観測期間ΔＴの長さを、状態間の差（例えば、効果量ｄ１）が最も大きくなる長さに設定することが可能となる。従って、本実施の形態に係る生体情報評価装置１では、サンプル数を少なくすることができ、さらに、測定時間を短くしても、状態間に差があることを示すことができる。
　また、本実施の形態では、評価値（例えば、効果量ｄ１）を含む映像を表示するための映像信号が生成され、生成された映像信号に基づいて映像が表示される。これにより、ユーザは、表示された評価値（例えば、効果量ｄ１）から、分割期間ΔＴの長さの適否を検討することができる。分割期間ΔＴの長さの適否は、例えば、評価値（例えば、効果量ｄ１）が最大となるか否かで判断することができる。従って、本実施の形態に係る生体情報評価装置１では、サンプル数を少なくすることができ、さらに、測定時間を短くしても、状態間に差があることを示すことができる。
　また、本実施の形態では、ある部分観測データ４５の観測期間ΔＴと、他の部分観測データ４５の観測期間とが、部分的に重なり合っている。このようにすることにより、評価値（例えば、効果量ｄ１）をより大きくすることができる場合がある。その場合には、サンプル数を少なくすることができ、さらに、測定時間を短くしても、状態間に差があることを示すことができる。
　また、本実施の形態では、入力部３０で受け付けた重なり期間Δｄ１の設定値に基づいて、重なり期間Δｄ１の長さが変更され、変更された長さの重なり期間Δｄ１で、各観測データ４４から複数の部分観測データ４５が取得され、取得された複数の部分観測データ４５に基づいて、観測対象波形の特性値（例えば面積ａｒｅａ＿ａ）が観測データ４４ごとに生成される。これにより、重なり期間Δｄ１の長さを、状態間の差（例えば、効果量ｄ１）が最も大きくなる長さに設定することが可能となる。従って、本実施の形態に係る生体情報評価装置１では、サンプル数を少なくすることができ、さらに、測定時間を短くしても、状態間に差があることを示すことができる。
　また、本実施の形態では、評価値（例えば、効果量ｄ１）を含む映像を表示するための映像信号が生成され、生成された映像信号に基づいて映像が表示される。これにより、ユーザは、表示された評価値（例えば、効果量ｄ１）から、重なり期間Δｄ１の長さの適否を検討することができる。重なり期間Δｄ１の長さの適否は、例えば、評価値（例えば、効果量ｄ１）が最大となるか否かで判断することができる。従って、本実施の形態に係る生体情報評価装置１では、サンプル数を少なくすることができ、さらに、測定時間を短くしても、状態間に差があることを示すことができる。
　なお、本実施の形態において、例えば、図６に示したように、ある分割期間ΔＴと、他の分割期間ΔＴとが、重なり合わなくてもよい。このようにした場合であっても、上記実施の形態と同様の効果が得られる。
＜２．第１の実施の形態の変形例＞
［変形例Ａ］
　図７は、上記第１の実施の形態に係る生体情報評価装置１の概略構成の一変形例を表したものである。本変形例では、記憶部４０は、信号処理回路５０によって実行されるプログラム（例えば、処理プログラム４１）、分割期間ΔＴの長さ４２および重なり期間Δｄ１の長さ４３の他に、さらに、分割期間ΔＷの長さ４６および重なり期間Δｄ２の長さ４７を記憶している。分割期間ΔＷの長さ４６には、初期値が含まれている。重なり期間Δｄ２の長さ４７には、初期値が含まれている。分割期間ΔＷは、分割期間ΔＴよりも長い値となっており、好ましくは、後述のΔＷ１よりも長い値となっている。
　図８は、本変形例に係る生体情報評価装置１における上述の特性値や上述の評価値の算出手順の一例を模式的に表したものである。図９は、本変形例に係る生体情報評価装置１における上述の特性値や上述の評価値の算出手順の一例を流れ図で表したものである。
　まず、信号処理回路５０は、記憶部４０からｎ個の観測データ４４（サンプル）を取得する（ステップＳ３０１）。続いて、信号処理回路５０は、上述のステップＳ１０２，Ｓ１０３を実行して、個々の分割期間ΔＴにおける解析結果ＲΔＴａ＿ｂ（１≦ａ≦ｎ，１≦ｂ≦ｋ）を導出する（ステップＳ３０２）。信号処理回路５０は、例えば、上述の面積ｆｃ（ｔ）を解析結果ＲΔＴａ＿ｂとする。さらに、信号処理回路５０は、導出した解析結果ＲΔＴａ＿ｂに基づいて、観測期間Ｔ内の時刻ｔの関数である解析結果ＲΔＴａ（ｔ）を生成する。
　次に、信号処理回路５０は、解析結果ＲΔＴａ（ｔ）において、分割期間ΔＷごとにパワースペクトラムＰΔＷａ＿ｂ（ｔ）を導出する（ステップＳ３０２）。信号処理回路５０は、例えば、個々の解析結果ＲΔＴａ（ｔ）において、各分割期間ΔＷの部分解析結果に対して、ＦＦＴを行うことにより、パワースペクトラムＰΔＷａ＿ｂ（ｔ）を導出する。パワースペクトラムＰΔＷａ＿ｂ（ｔ）は、分割期間ΔＷ内の時刻ｔの関数となっており、観測対象波形の周波数スペクトラムを含み得る。信号処理回路５０は、分割期間ΔＷとして、例えば、記憶部４０に記憶された分割期間ΔＷの長さ４６の初期値を設定する。
　次に、信号処理回路５０は、成分解析を行うことで、個々の分割期間ΔＷにおける解析結果ＲΔＷａ＿ｂ（１≦ａ≦ｎ，１≦ｂ≦ｋ）を導出する（ステップＳ３０３）。信号処理回路５０は、例えば、個々のパワースペクトラムＰΔＷａ＿ｂ（ｔ）に含まれる観測対象波形の周波数帯域の面積ｆｃ１（ｔ）を導出し、導出した面積ｆｃ１（ｔ）を解析結果ＲΔＷａ＿ｂとする。次に、信号処理回路５０は、個々の観測データ４４において、解析結果ＲΔＷａ＿ｂのパワースペクトラムＰΔＷａ（１≦ａ≦ｎ）を導出する（ステップＳ３０４）。信号処理回路５０は、例えば、個々の観測データ４４において、面積ｆｃ１（ｔ）に対して、ＦＦＴを行うことにより、パワースペクトラムＰΔＷａを導出する。
　次に、信号処理回路５０は、個々の観測データ４４において、パワースペクトラムＰΔＷａの面積ａｒｅａ＿ａ（１≦ａ≦ｎ）を導出する（ステップＳ３０５）。信号処理回路５０は、例えば、個々の観測データ４４において、パワースペクトラムＰΔＷａの単位周波数ごとの面積と、これらの面積の平均値とを導出し、導出した、単位周波数ごとの面積と、これらの面積の平均値とを面積ａｒｅａ＿ａとする。次に、信号処理回路５０は、個々の観測データ４４における面積ａｒｅａ＿ａから、効果量ｄ１を導出する。信号処理回路５０は、例えば、個々の観測データ４４における面積ａｒｅａ＿ａを、上述の数式（１）～（４）に当てはめることにより、効果量ｄ１を導出する。
　次に、信号処理回路５０は、導出した効果量ｄ１を表示制御部６０に出力する。すると、表示制御部６０は、効果量ｄ１を含む映像を表示するための映像信号を生成し、表示部７０に出力する。表示部７０は、表示制御部６０から入力された映像信号に応じた映像を表示する。ユーザは、表示部７０に表示された効果量ｄ１から、分割期間ΔＴ，ΔＷの長さの適否や、重なり期間Δｄ１，Δｄ２の長さの適否を検討する。分割期間ΔＴ，ΔＷの長さの適否は、例えば、効果量ｄ１が最大となるか否かで判断することができる。同様に、重なり期間Δｄ１，Δｄ２の長さの適否も、例えば、効果量ｄ１が最大となるか否かで判断することができる。分割期間ΔＴ，ΔＷの長さの適した値は、生体１００の個体ごとに異なっている場合もあると考えられる。同様に、重なり期間Δｄ１，Δｄ２の長さの適した値も、生体１００の個体ごとに異なっている場合もあると考えられる。
　ユーザは、分割期間ΔＴ，ΔＷの長さを変更する必要があると判断した場合には、ユーザは、入力部３０に、分割期間ΔＴ，ΔＷの長さの設定値を入力する。入力部３０は、ユーザから入力された、分割期間ΔＴ，ΔＷの長さの設定値を、信号処理回路５０に出力する。信号処理回路５０は、入力部３０から入力された、分割期間ΔＴ，ΔＷの長さの設定値を記憶部４０に記憶させる。また、ユーザは、重なり期間Δｄ１，Δｄ２の長さを変更する必要があると判断した場合には、ユーザは、入力部３０に、重なり期間Δｄ１，Δｄ２の長さの設定値を入力する。入力部３０は、ユーザから入力された、重なり期間Δｄ１，Δｄ２の長さの設定値を、信号処理回路５０に出力する。信号処理回路５０は、入力部３０から入力された、重なり期間Δｄ１，Δｄ２の長さの設定値を記憶部４０に記憶させる。
　信号処理回路５０は、分割期間ΔＴ，ΔＷの長さを変更するか否かを判断する。信号処理回路５０は、記憶部４０に分割期間ΔＴ，ΔＷの長さの設定値が新たに記憶されたか、または、記憶部４０の分割期間ΔＴ，ΔＷの長さの設定値が更新されている場合には、記憶部４０から、分割期間ΔＴ，ΔＷの長さの設定値を読み出し、読み出した設定値に基づいて、分割期間ΔＴ，ΔＷの長さを変更する（ステップＳ３０７：ＹＥＳ）。信号処理回路５０は、変更した長さの分割期間ΔＴ，ΔＷで、ステップＳ３０１～ステップＳ３０６を実行する。信号処理回路５０は、記憶部４０に分割期間ΔＴ，ΔＷの長さの設定値が記憶されていないか、または、記憶部４０の分割期間ΔＴ，ΔＷの長さの設定値が更新されていない場合には、ステップＳ３０８へ移行する（ステップＳ３０７：ＮＯ）。
　信号処理回路５０は、重なり期間Δｄ１，Δｄ２の長さを変更するか否かを判断する。信号処理回路５０は、記憶部４０に重なり期間Δｄ１，Δｄ２の長さの設定値が新たに記憶されたか、または、記憶部４０の重なり期間Δｄ１，Δｄ２の長さの設定値が更新されている場合には、記憶部４０から、重なり期間Δｄ１，Δｄ２の長さの設定値を読み出し、読み出した設定値に基づいて、重なり期間Δｄ１，Δｄ２の長さを変更する（ステップＳ３０８：ＹＥＳ）。信号処理回路５０は、変更した長さの重なり期間Δｄ１，Δｄ２で、ステップＳ３０１～ステップＳ３０７を実行する。信号処理回路５０は、記憶部４０に重なり期間Δｄ１，Δｄ２の長さの設定値が記憶されていないか、または、記憶部４０の重なり期間Δｄ１，Δｄ２の長さの設定値が更新されていない場合には、処理を終了する。
　本変形例では、部分観測データ４５ごとにパワースペクトラムＰΔＴａ＿ｂが導出され、導出されたパワースペクトラムＰΔＴａ＿ｂごとに成分解析が行われ、その成分解析に基づいて得られたデータ（解析結果ＲΔＴａ）に含まれる、分割期間ΔＴよりも長い複数の分割期間ΔＷのデータごとにパワースペクトラムＲΔＷａ＿ｂが導出され、導出されたパワースペクトラムＲΔＷａ＿ｂごとに成分解析が行われ、その成分解析に基づいて、効果量ｄ１が観測データ４４ごとに生成される。これにより、上記実施の形態と同様の効果が得られる。
　なお、本変形例において、例えば、図１０に示したように、ある分割期間ΔＴと、他の分割期間ΔＴとが、重なり合わなくてもよい。さらに、ある分割期間ΔＷと、他の分割期間ΔＷとが、重なり合わなくてもよい。このようにした場合であっても、上記変形例と同様の効果が得られる。
［変形例Ｂ］
　上記変形例Ａにおいて、生体情報評価装置１は、例えば、図１１に示したように、記憶部４０に学習モデル４８を記憶していてもよい。学習モデル４８は、例えば、図１２に示した学習手順および図１３に示した推定手順を実施する。
　ここで、学習用のｈ個の観測データ４４の各々で、ｊ個に分割した分割期間ΔＴごとに導出したパワースペクトラムＰΔＴａ＿ｂ（ｔ）（１≦ａ≦ｈ，１≦ｂ≦ｊ）に含まれる観測対象波形の周波数帯域の面積をＳΔＴａ＿ｂ（ｔ）とする（図１２参照）。また、学習用のｈ個の観測データ４４の各々で、ｊ個に分割した分割期間ΔＷごとに導出したパワースペクトラムＰΔＷａ＿ｂ（ｔ）（１≦ａ≦ｈ，１≦ｂ≦ｊ）に含まれる観測対象波形の周波数帯域の面積をＳΔＷａ＿ｂ（ｔ）とする（図１２参照）。学習用のｈ個の観測データ４４の各々で、観測期間Ｔ内の情動状態をＥ（ｔ）とする。なお、学習用の観測データ４４の数（ｈ個）は、後述の情動推定時の観測データ４４の数（ｎ個）と等しくなっている。また、学習時の観測データ４４の分割数（ｋ個）は、後述の情動推定時の観測データ４４の分割数（ｊ個）と等しくなっていてもよいし、異なっていてもよい。また、面積ＳΔＴａ＿ｂ（ｔ）および面積ＳΔＷａ＿ｂ（ｔ）において、観測期間Ｔにおいて同じ時刻にデータが存在しているものとする。
　学習モデル４８は、面積ＳΔＴａ＿ｂ（ｔ）および面積ＳΔＷａ＿ｂ（ｔ）において、ｂが互いに共通する２ｎ個のデータを説明変数とするとともに、情動状態Ｅ（ｔ）のうちｂに対応する期間の情動状態Ｅ（ｔ）を目的変数とする機械学習をはじめとする学習がなされたモデルである（図１４参照）。つまり、学習モデル４８は、２ｎ個のデータから、１つの情動状態を推定するモデルである。
　信号処理回路５０は、実測されたｎ個の観測データ４４の各々で、ｋ個に分割した分割期間ΔＴごとパワースペクトラムＰΔＴａ＿ｂ（ｔ）（１≦ａ≦ｎ，１≦ｂ≦ｋ）を導出し、導出したパワースペクトラムＰΔＴａ＿ｂ（ｔ）に含まれる観測対象波形の周波数帯域の面積ＲΔＴａ＿ｂ（ｔ）を導出する（図１３参照）。信号処理回路５０は、さらに、実測されたｎ個の観測データ４４の各々で、ｋ個に分割した分割期間ΔＷごとパワースペクトラムＰΔＷａ＿ｂ（ｔ）（１≦ａ≦ｎ，１≦ｂ≦ｋ）を導出し、導出したパワースペクトラムＰΔＷａ＿ｂ（ｔ）に含まれる観測対象波形の周波数帯域の面積ＲΔＷａ＿ｂ（ｔ）を導出する（図１３参照）。
　学習モデル４８は、信号処理回路５０によって導出された面積ＲΔＴａ＿ｂおよび面積ＲΔＷａ＿ｂにおいて、ｂが互いに共通する２ｎ個のデータが入力されると、これら２ｎ個のデータに応じた情動状態Ｏｕｔ＿ｂを信号処理回路５０に出力する（図１３参照）。
　ここで、面積ＲΔＴａ＿ｂおよび面積ＲΔＷａ＿ｂに対応する実際の情動状態が全て同じであったとき、情動状態Ｏｕｔ＿ｂのうち、ｉ個（ｉ≦ｋ）が実際の情動状態と一致したとする。このとき、推定精度は、ｉ／ｋとなる。
　本変形例では、学習モデル４８を用いて情動状態Ｏｕｔ＿ｂが推定される。上記実施の形態で得られる効果量ｄ１では、例えば覚醒度が高い、低いといった２つの状態を推定可能となっていたが、本変形例では、例えば覚醒度が高い、低いだけでなく、覚醒度がどの程度高いのか、どの程度低いのかといった中間レベルの状態まで学習モデルによって推定可能である。従って、本変形例では、上記実施の形態よりも高い推定精度が得られる。
　また、本変形例では、学習モデル４８を用いて情動状態Ｏｕｔ＿ｂを推定するため、情動推定時の観測データ４４の数（ｎ個）は、上記実施の形態の場合のデータ数よりも少なくても推定が可能であり、１つであっても推定が可能である。従って、情動推定時の観測データ４４の数（ｎ個）を沢山取得できない場合であっても、情動推定をすることができる。
［変形例Ｃ］
　上記変形例Ｂにおいて、生体情報評価装置１は、例えば、図１４に示したように、面積ＳΔＴａ＿ｂ（ｔ）をｂごとに説明変数とするとともに、情動状態Ｅ（ｔ）のうちｂに対応する期間の情動状態Ｅ（ｔ）を目的変数とする機械学習をはじめとする学習がなされたモデルであってもよい。つまり、本変形例では、学習モデル４８は、ｎ個のデータから、１つの情動状態を推定するモデルである。
　信号処理回路５０は、実測されたｎ個の観測データ４４の各々で、ｋ個に分割した分割期間ΔＴごとパワースペクトラムＰΔＴａ＿ｂ（ｔ）（１≦ａ≦ｎ，１≦ｂ≦ｋ）を導出し、導出したパワースペクトラムＰΔＴａ＿ｂ（ｔ）に含まれる観測対象波形の周波数帯域の面積ＲΔＴａ＿ｂ（ｔ）を導出する（図１５参照）。
　学習モデル４８は、信号処理回路５０によって導出された面積ＲΔＴａ＿ｂがｂごとに入力されると、入力されたｎ個のデータに応じた情動状態Ｏｕｔ＿ｂを信号処理回路５０に出力する（図１５参照）。
　ここで、面積ＲΔＴａ＿ｂに対応する実際の情動状態が全て同じであったとき、情動状態Ｏｕｔ＿ｂのうち、ｉ個（ｉ≦ｋ）が実際の情動状態と一致したとする。このとき、推定精度は、ｉ／ｋとなる。
　本変形例では、学習モデル４８を用いて情動状態Ｏｕｔ＿ｂが推定される。上記実施の形態で得られる効果量ｄ１では、例えば覚醒度が高い、低いといった２つの状態を推定可能となっていたが、本変形例では、例えば覚醒度が高い、低いだけでなく、覚醒度がどの程度高いのか、どの程度低いのかといった中間レベルの状態まで学習モデルによって推定可能である。従って、本変形例では、上記実施の形態よりも高い推定精度が得られる。
　次に、図１６、図１７を参照して、上記変形例Ｂ，Ｃに係る生体情報評価装置１の効果について説明する。
　図１６は、分割期間ΔＴ、重なり期間Δｄ１および重なり期間Δｄ２をある値に固定したモデルにおいて、分割期間ΔＷの長さと推定精度との関係の一例を表したものである。図１７は、図１６のモデルにおいて分割期間ΔＷの長さをΔＷ１よりも大きな値（ΔＷ２）に固定したときの推定精度の一例を表したものである。図１６、図１７には、変形例Ｂ，Ｃにおける推定精度が例示されている。図１６、図１７から、変形例Ｂでは、分割期間ΔＷの長さがΔＷ１以上となったとき、変形例Ｃよりも高い精度で状態を推定することができることがわかる。なお、図１６、図１７の数値は、あくまでも一例であり、場合によっては、図１６、図１７の数値よりも高い数値が得られることもあり得る。
＜３．第２の実施の形態＞
[構成]
　次に、本開示の第２の実施の形態に係る生体情報評価装置２について説明する。図１８、図１９、図２０は、上記第１の実施の形態およびその変形例Ａ，Ｂ，Ｃに係る生体情報評価装置１を含む生体情報評価装置２の概略構成の一例を表したものである。
　生体情報評価装置２は、例えば、生体情報観察装置２１０と、生体情報分析装置２２０とを備えている。
　生体情報観察装置２１０は、例えば、検出器１０、ＡＤＣ２０、信号処理回路２１１および通信部２１２を有している。信号処理回路２１１は、プロセッサを含んで構成されており、例えば、検出器１０による観測データ４４の取得を制御したり、取得した観測データ４４の、通信部２１２による送信を制御したりする。通信部２１２は、信号処理回路２１１による制御に従って、観測データ４４を、生体情報分析装置２２０に送信する。
　生体情報分析装置２２０は、例えば、携帯端末、スマートフォン、または、通信機能を持ったタブレットなどである。生体情報分析装置２２０は、例えば、通信部２２１、入力部３０、記憶部４０、信号処理回路５０、表示制御部６０および表示部７０を有している。通信部２２１は、生体情報観察装置２１０から送信されてきた観測データ４４を受信し、受信した観測データ４４を信号処理回路５０に出力する。通信部２１２と通信部２２１との間の通信には、例えば、近距離の無線通信が用いられる。近距離の無線通信は、例えば、ＩＳＯ／ＩＥＣ１４４４３（近接型ＲＦＩＤの国際標準規格）や、ＩＳＯ／ＩＥＣ１８０９２（ＮＦＣと呼ばれる無線通信の国際規格）、ＩＳＯ／ＩＥＣ１５６９３（ＲＦＩＤの国際標準規格）、または、ブルートゥース（登録商標）等によって行われる。なお、通信部２１２と通信部２２１との間の通信は、例えば、有線ＬＡＮ（Ｌｏｃａｌ　Ａｒｅａ　Ｎｅｔｗｏｒｋ）であってもよいし、Ｗｉ－Ｆｉ等の無線ＬＡＮや、携帯電話回線などであってもよい。
　本実施の形態でも、上記第１の実施の形態およびその変形例Ａ，Ｂ，Ｃと同様、少ないサンプル数と、短い測定時間を短くしても、状態間に差があることを示すことが可能となる。また、本実施の形態でも、上記第１の実施の形態およびその変形例Ａ，Ｂ，Ｃと同様、サンプル数を少なくすることができ、さらに、測定時間を短くしても、状態間に差があることを示すことができる。
　なお、本明細書中に記載された効果は、あくまで例示である。本開示の効果は、本明細書中に記載された効果に限定されるものではない。本開示が、本明細書中に記載された効果以外の効果を持っていてもよい。
　例えば、上述した一連の処理は、ソフトウェアにより実行させることもできるが、ハードウェアにより実行させることもできる。
　また、第１および第２の実施の形態ならびに第１の実施の形態の変形例Ａ，Ｂ，Ｃは、脳波の計測により、覚醒度（ストレス）の高い状態と、覚醒度（ストレス）の低い状態とを知るアプリケーションに適用することが可能であるが、それ以外の用途にも適用することが可能である。第１および第２の実施の形態ならびに第１の実施の形態の変形例Ａ，Ｂ，Ｃは、例えば、ゲームや、ｅ－ｓｐｏｒｔｓ、映画、音楽、ヘルスケア、医療、学習、自動車などの移動体の運転などにおいて、状態間の差を知るアプリケーションに適用することが可能である。例えば、ゲームでは、ユーザの没入度の差や、ユーザの興奮度の差などを知ることで、ゲームのシナリオや難易度を変えたりすることが可能となる。
　また、第１および第２の実施の形態ならびに第１の実施の形態の変形例Ａ，Ｂ，Ｃでは、計測対象が生体となっていたが、それに限定されるものではない。観測対象波形が既知であり、既知の観測対象波形を含む観測データ４４を、検出器１０を用いて取得することが可能な分野において、本開示を適用することが可能である。また、第１および第２の実施の形態ならびに第１の実施の形態の変形例Ａ，Ｂ，Ｃでは、観測対象が人となっていたが、家畜や動物園、水族園などの動物であってもよい。観測対象が家畜や動物園、水族園などの動物である場合、第１および第２の実施の形態ならびに第１の実施の形態の変形例を、例えば、動物のストレス等の検知にも利用することが可能である。
　また、例えば、本開示は以下のような構成を取ることができる。
（１）
　所定の期間の生体観測により得られた各観測データに含まれる、前記観測データの観測期間よりも短い観測期間の複数の部分観測データに基づいて、観測対象波形の特性値を前記観測データごとに生成する信号処理回路を備えた
　生体情報評価装置。
（２）
　前記信号処理回路は、前記観測データごとの前記特性値に基づいて、前記観測対象波形に関する、前記観測データ同士の差異についての評価値を生成する
　（１）に記載の生体情報評価装置。
（３）
　前記評価値は、効果量である
　（２）に記載の生体情報評価装置。
（４）
　前記部分観測データの観測期間は、前記観測対象波形の分析に最低限必要な長さである
　（１）ないし（３）のいずれか１つに記載の生体情報評価装置。
（５）
　前記部分観測データの観測期間の長さについての設定値の入力を受け付ける入力部を更に備え、
　前記信号処理回路は、前記入力部で受け付けた前記設定値に基づいて、前記部分観測データの観測期間の長さを変更し、変更した長さの観測期間で、各前記観測データから複数の前記部分観測データを取得し、取得した複数の前記部分観測データに基づいて、観測対象波形の特性値を前記観測データごとに生成する
　（２）または（３）に記載の生体情報評価装置。
（６）
　前記評価値を含む映像を表示するための映像信号を生成する表示制御部と
　前記表示制御部からの前記映像信号に基づいて映像を表示する表示部と
　を更に備えた
　（５）に記載の生体情報評価装置。
（７）
　ある前記部分観測データの観測期間と、他の前記部分観測データの観測期間とが、部分的に重なり合っている
　（１）ないし（６）のいずれか１つに記載の生体情報評価装置。
（８）
　ある前記部分観測データの観測期間と、他の前記部分観測データの観測期間との重なり期間の長さについての設定値の入力を受け付ける入力部を更に備え、
　前記信号処理回路は、前記入力部で受け付けた前記設定値に基づいて、前記重なり期間の長さを変更し、変更した長さの前記重なり期間で、各前記観測データから複数の前記部分観測データを取得し、取得した複数の前記部分観測データに基づいて、観測対象波形の特性値を前記観測データごとに生成する
　（７）に記載の生体情報評価装置。
（９）
　前記評価値を含む映像を表示するための映像信号を生成する表示制御部と
　前記表示制御部からの前記映像信号に基づいて映像を表示する表示部と
　を更に備えた
　（８）に記載の生体情報評価装置。
（１０）
　生体観測により各前記観測データを取得する検出器を更に備えた、
　（１）ないし（９）のいずれか１つに記載の生体情報評価装置。
（１１）
　前記信号処理回路は、前記部分観測データごとに第１のパワースペクトラムを導出し、導出した前記第１のパワースペクトラムごとに成分解析を行い、その成分解析に基づいて、前記特性値を前記観測データごとに生成する
　（１）ないし（１０）のいずれか１つに記載の生体情報評価装置。
（１２）
　前記信号処理回路は、前記部分観測データごとに第１のパワースペクトラムを導出し、導出した前記第１のパワースペクトラムごとに成分解析を行い、その成分解析に基づいて得られたデータに含まれる、前記第１期間よりも長い複数の第２期間のデータごとに第２のパワースペクトラムを導出し、導出した前記第２のパワースペクトラムごとに成分解析を行い、その成分解析に基づいて、前記特性値を前記観測データごとに生成する
　（１）ないし（１０）のいずれか１つに記載の生体情報評価装置。
（１３）
　前記信号処理回路は、前記部分観測データごとに第１のパワースペクトラムを導出し、導出した前記第１のパワースペクトラムごとに成分解析を行い、その成分解析に基づいて得られた第１のデータと、前記観測データに含まれる、前記第１期間よりも長い第２期間のデータごとに第２のパワースペクトラムを導出し、導出した前記第２のパワースペクトラムごとに成分解析を行い、その成分解析に基づいて得られた第２のデータとに基づいて、情動状態を得る
　請求項１に記載の生体情報評価装置。
（１４）
　前記信号処理回路は、前記部分観測データごとにパワースペクトラムを導出し、導出した前記パワースペクトラムごとに成分解析を行い、その成分解析に基づいて得られたデータに基づいて、情動状態を得る
　請求項１に記載の生体情報評価装置。
（１５）
　所定の期間の生体観測により得られた各観測データに含まれる、前記観測データの観測期間よりも短い観測期間の複数の部分観測データに基づいて、観測対象波形の特性値を前記観測データごとに生成する信号処理を、信号処理回路を用いて行う
　生体情報評価方法。
　本出願は、日本国特許庁において２０１８年４月１７日に出願された日本特許出願番号第２０１８－０７８８０７号を基礎として優先権を主張するものであり、この出願のすべての内容を参照によって本出願に援用する。
　当業者であれば、設計上の要件や他の要因に応じて、種々の修正、コンビネーション、サブコンビネーション、および変更を想到し得るが、それらは添付の請求の範囲やその均等物の範囲に含まれるものであることが理解される。

Claims (15)

  1. 　所定の期間の生体観測により得られた各観測データに含まれる、前記観測データの観測期間よりも短い第１期間の複数の部分観測データに基づいて、観測対象波形の特性値を前記観測データごとに生成する信号処理回路を備えた
    　生体情報評価装置。
  2. 　前記信号処理回路は、前記観測データごとの前記特性値に基づいて、前記観測対象波形に関する、前記観測データ同士の差異についての評価値を生成する
    　請求項１に記載の生体情報評価装置。
  3. 　前記評価値は、効果量である
    　請求項２に記載の生体情報評価装置。
  4. 　前記第１期間は、前記観測対象波形の分析に最低限必要な長さである
    　請求項１に記載の生体情報評価装置。
  5. 　前記第１期間の長さについての設定値の入力を受け付ける入力部を更に備え、
    　前記信号処理回路は、前記入力部で受け付けた前記設定値に基づいて、前記第１期間の長さを変更し、変更した長さで、各前記観測データから複数の前記部分観測データを取得し、取得した複数の前記部分観測データに基づいて、観測対象波形の特性値を前記観測データごとに生成する
    　請求項２に記載の生体情報評価装置。
  6. 　前記評価値を含む映像を表示するための映像信号を生成する表示制御部と
    　前記表示制御部からの前記映像信号に基づいて映像を表示する表示部と
    　を更に備えた
    　請求項５に記載の生体情報評価装置。
  7. 　ある前記第１期間と、他の前記第１期間とが、部分的に重なり合っている
    　請求項１に記載の生体情報評価装置。
  8. 　ある前記第１期間と、他の前記第１期間との重なり期間の長さについての設定値の入力を受け付ける入力部を更に備え、
    　前記信号処理回路は、前記入力部で受け付けた前記設定値に基づいて、前記重なり期間の長さを変更し、変更した長さの前記重なり期間で、各前記観測データから複数の前記部分観測データを取得し、取得した複数の前記部分観測データに基づいて、観測対象波形の特性値を前記観測データごとに生成する
    　請求項７に記載の生体情報評価装置。
  9. 　前記評価値を含む映像を表示するための映像信号を生成する表示制御部と
    　前記表示制御部からの前記映像信号に基づいて映像を表示する表示部と
    　を更に備えた
    　請求項８に記載の生体情報評価装置。
  10. 　生体観測により各前記観測データを取得する検出器を更に備えた、
    　請求項１に記載の生体情報評価装置。
  11. 　前記信号処理回路は、前記部分観測データごとに第１のパワースペクトラムを導出し、導出した前記第１のパワースペクトラムごとに成分解析を行い、その成分解析に基づいて、前記特性値を前記観測データごとに生成する
    　請求項１に記載の生体情報評価装置。
  12. 　前記信号処理回路は、前記部分観測データごとに第１のパワースペクトラムを導出し、導出した前記第１のパワースペクトラムごとに成分解析を行い、その成分解析に基づいて得られたデータに含まれる、前記第１期間よりも長い複数の第２期間のデータごとに第２のパワースペクトラムを導出し、導出した前記第２のパワースペクトラムごとに成分解析を行い、その成分解析に基づいて、前記特性値を前記観測データごとに生成する
    　請求項１に記載の生体情報評価装置。
  13. 　前記信号処理回路は、前記部分観測データごとに第１のパワースペクトラムを導出し、導出した前記第１のパワースペクトラムごとに成分解析を行い、その成分解析に基づいて得られた第１のデータと、前記観測データに含まれる、前記第１期間よりも長い第２期間のデータごとに第２のパワースペクトラムを導出し、導出した前記第２のパワースペクトラムごとに成分解析を行い、その成分解析に基づいて得られた第２のデータとに基づいて、情動状態を得る
    　請求項１に記載の生体情報評価装置。
  14. 　前記信号処理回路は、前記部分観測データごとにパワースペクトラムを導出し、導出した前記パワースペクトラムごとに成分解析を行い、その成分解析に基づいて得られたデータに基づいて、情動状態を得る
    　請求項１に記載の生体情報評価装置。
  15. 　所定の期間の生体観測により得られた各観測データに含まれる、前記観測データの観測期間よりも短い観測期間の複数の部分観測データに基づいて、観測対象波形の特性値を前記観測データごとに生成する信号処理を、信号処理回路を用いて行う
    　生体情報評価方法。
PCT/JP2019/014660 2018-04-17 2019-04-02 生体情報評価装置および生体情報評価方法 WO2019202971A1 (ja)

Priority Applications (4)

Application Number Priority Date Filing Date Title
US17/047,253 US20210145368A1 (en) 2018-04-17 2019-04-02 Biological-information evaluating device and method of evaluating biological information
CN201980025454.5A CN111970964A (zh) 2018-04-17 2019-04-02 生物信息评估设备及评估生物信息的方法
EP19787958.8A EP3782537A4 (en) 2018-04-17 2019-04-02 DEVICE FOR EVALUATING BIOMETRIC INFORMATION AND METHOD FOR EVALUATING BIOMETRIC INFORMATION
KR1020207029176A KR20200143384A (ko) 2018-04-17 2019-04-02 생체 정보 평가 장치 및 생체 정보 평가 방법

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
JP2018-078807 2018-04-17
JP2018078807A JP2019181049A (ja) 2018-04-17 2018-04-17 生体情報評価装置および生体情報評価方法

Publications (1)

Publication Number Publication Date
WO2019202971A1 true WO2019202971A1 (ja) 2019-10-24

Family

ID=68239084

Family Applications (1)

Application Number Title Priority Date Filing Date
PCT/JP2019/014660 WO2019202971A1 (ja) 2018-04-17 2019-04-02 生体情報評価装置および生体情報評価方法

Country Status (6)

Country Link
US (1) US20210145368A1 (ja)
EP (1) EP3782537A4 (ja)
JP (1) JP2019181049A (ja)
KR (1) KR20200143384A (ja)
CN (1) CN111970964A (ja)
WO (1) WO2019202971A1 (ja)

Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US6609024B1 (en) * 1998-11-12 2003-08-19 Electronics And Telecommunications Research Institute Method of making a judgment on emotional positivity or negativity by detecting asymmetry of brain waves of left and right cerebral hemispheres
JP2005518238A (ja) * 2002-02-22 2005-06-23 デイテックス−オーメダ インコーポレイテッド ケプストラム領域パルスオキシメータ
JP2009078139A (ja) * 2007-09-06 2009-04-16 Hidetsugu Manoi 睡眠の質を評価するために用いる表示又は印刷を行う装置、方法、コンピュータプログラム、呼吸補助装置、慢性心疾患患者を対象とした呼吸補助装置、睡眠導入装置、マッサージ装置、検査装置
JP2009521246A (ja) * 2005-09-12 2009-06-04 エモーティブ システムズ ピーティーワイ リミテッド 精神状態の検出およびそれを用いる対話
JP2010154998A (ja) * 2008-12-30 2010-07-15 Suwa Trust:Kk 時系列データの解析装置及び時系列データの解析プログラムを記録したコンピュータ読み取り可能な記録媒体
JP2013202123A (ja) * 2012-03-27 2013-10-07 Tohoku Univ 自律神経機能測定装置
WO2017096358A1 (en) * 2015-12-04 2017-06-08 University Of Iowa Research Foundation Apparatus, systems and methods for predicting, screening and monitoring of encephalopathy / delirium
JP2018078807A (ja) 2016-11-14 2018-05-24 公立大学法人 富山県立大学 水産物養殖装置と水産物養殖システム及び水産物養殖方法

Family Cites Families (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP4995625B2 (ja) * 2007-04-25 2012-08-08 キヤノン電子株式会社 情報処理装置、情報処理方法
US20090133047A1 (en) * 2007-10-31 2009-05-21 Lee Hans C Systems and Methods Providing Distributed Collection and Centralized Processing of Physiological Responses from Viewers
US8684742B2 (en) * 2010-04-19 2014-04-01 Innerscope Research, Inc. Short imagery task (SIT) research method
JP5605204B2 (ja) * 2010-12-15 2014-10-15 ソニー株式会社 呼吸信号処理装置およびその処理方法ならびにプログラム
US10157459B2 (en) * 2013-07-19 2018-12-18 Sony Corporation Cell evaluation apparatus and method to search for an area to be observed in cardiomyocytes
DK3046466T3 (da) * 2013-09-19 2019-07-08 Prolira B V Fremgangsmåde og system til bestemmelse af en parameter, som indikerer, om en patient er delirøs
JP5967621B2 (ja) * 2013-11-13 2016-08-10 株式会社ソニー・インタラクティブエンタテインメント 光ディスク装置
WO2015127119A2 (en) * 2014-02-24 2015-08-27 Sony Corporation Body position optimization and bio-signal feedback for smart wearable devices
KR101700069B1 (ko) * 2016-08-01 2017-01-25 그루솔루션(주) 환자 실시간 통합 모니터링을 위한 생체 정보 디스플레이 성능 향상 방법

Patent Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US6609024B1 (en) * 1998-11-12 2003-08-19 Electronics And Telecommunications Research Institute Method of making a judgment on emotional positivity or negativity by detecting asymmetry of brain waves of left and right cerebral hemispheres
JP2005518238A (ja) * 2002-02-22 2005-06-23 デイテックス−オーメダ インコーポレイテッド ケプストラム領域パルスオキシメータ
JP2009521246A (ja) * 2005-09-12 2009-06-04 エモーティブ システムズ ピーティーワイ リミテッド 精神状態の検出およびそれを用いる対話
JP2009078139A (ja) * 2007-09-06 2009-04-16 Hidetsugu Manoi 睡眠の質を評価するために用いる表示又は印刷を行う装置、方法、コンピュータプログラム、呼吸補助装置、慢性心疾患患者を対象とした呼吸補助装置、睡眠導入装置、マッサージ装置、検査装置
JP2010154998A (ja) * 2008-12-30 2010-07-15 Suwa Trust:Kk 時系列データの解析装置及び時系列データの解析プログラムを記録したコンピュータ読み取り可能な記録媒体
JP2013202123A (ja) * 2012-03-27 2013-10-07 Tohoku Univ 自律神経機能測定装置
WO2017096358A1 (en) * 2015-12-04 2017-06-08 University Of Iowa Research Foundation Apparatus, systems and methods for predicting, screening and monitoring of encephalopathy / delirium
JP2018078807A (ja) 2016-11-14 2018-05-24 公立大学法人 富山県立大学 水産物養殖装置と水産物養殖システム及び水産物養殖方法

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
EUR CHILD ADOLESC PSYCHIATRY, vol. 26, 2017, pages 1511 - 1522
See also references of EP3782537A4

Also Published As

Publication number Publication date
KR20200143384A (ko) 2020-12-23
CN111970964A (zh) 2020-11-20
JP2019181049A (ja) 2019-10-24
US20210145368A1 (en) 2021-05-20
EP3782537A4 (en) 2021-06-09
EP3782537A1 (en) 2021-02-24

Similar Documents

Publication Publication Date Title
AU2015101130B4 (en) Heart rate path optimizer
JP2018102617A (ja) 感情推定装置、方法およびプログラム
CN114098730B (zh) 基于认知图谱的认知能力测试和训练方法、装置、设备和介质
WO2014052506A2 (en) Devices and methods to facilitate affective feedback using wearable computing devices
CN111223566A (zh) 注意力测评和训练方法、装置、设备及可读存储介质
CN109788920B (zh) 信息处理设备、信息处理方法以及程序
KR20210099556A (ko) 사용자의 감정 상태의 모니터링 및 목표 상태 보강을 통해 사용자 간의 상호 작용의 향상을 위한 시스템 및 방법
CA3017450C (en) Intention emergence device, intention emergence method, and intention emergence program
KR20210098954A (ko) 사용자 간에 바이오리듬 데이터를 수집, 분석 및 공유하기 위한 시스템 및 방법
US20200214630A1 (en) Psychological Pressure Evaluation Method and Device
CN108968972A (zh) 柔性疲劳检测装置以及信息处理方法及装置
CN110868912A (zh) 神经生理信号中的伪影的移除
WO2019146405A1 (ja) 表情解析技術を用いた商品に対するモニタの反応を評価するための情報処理装置、情報処理システム、プログラム
US20210401354A1 (en) Biological information acquisition device and biological information acquisition method
WO2019202971A1 (ja) 生体情報評価装置および生体情報評価方法
CN109475301A (zh) 用于意识水平测量的诊断系统及其方法
JP2019028732A (ja) 音声等から気分を解析して動作を制御する装置
JP2022003426A (ja) 情報処理装置、情報処理方法及びプログラム
US20230172533A1 (en) Pain measuring device and pain measuring method
JP2015029609A (ja) 嗜好性評価方法、嗜好性評価装置およびプログラム
JP2015029609A6 (ja) 嗜好性評価方法、嗜好性評価装置およびプログラム
US20230157600A1 (en) Information processor and information processing program
US11429188B1 (en) Measuring self awareness utilizing a mobile computing device
Ryabinin et al. Towards Mitigating the Eye Gaze Tracking Uncertainty in Virtual Reality
KR102431261B1 (ko) 테스트 결과 데이터에 기초하여 치매 식별 모델을 학습시키는 기법

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: 19787958

Country of ref document: EP

Kind code of ref document: A1

NENP Non-entry into the national phase

Ref country code: DE

ENP Entry into the national phase

Ref document number: 2019787958

Country of ref document: EP

Effective date: 20201117