JP2018504188A - 被験体の精神状態を導き出すための方法および装置 - Google Patents

Abstract

被験体の精神状態を導き出すための方法（１５００）が開示されている。この方法は、被験体からバイオ信号を受け取ること（１５０２）と、バイオ信号から導き出される少なくとも２つの生理学的パラメータのそれぞれの統計的変動を計算することと、少なくとも２つの生理学的パラメータのそれぞれの統計的変動の計算値に基づいて被験体の興奮レベルを求めること（１５０４）と、バイオ信号から時間領域心拍数変動性信号を導き出して少なくとも２つの心拍数変動性パラメータを計算することと、少なくとも２つの心拍数変動性パラメータの計算値に基づいて被験体の感情価レベルを求めること（１５０６）と、興奮レベルおよび感情価レベルから精神状態を導き出すこと（１５０８）とを含んでいる。関連装置についても開示されている。【選択図】図１５

Description

本発明は被験体の精神状態を導き出すための方法および装置に関するものである。

感情の喚起（興奮）は、我々のまわりの絶え間なく変わっていく状況に対する人体の自然な反応である。ストレスをもたらす興奮が存在すると、人体は本能的に「戦うまたは逃げるための」ストレス（反応）ホルモン、たとえばアドレナリンまたはコルチゾールを生じる。ストレスホルモンの血液循環中への分泌は特徴的な生理学的変化を心拍数、血圧、呼吸、筋肉機能にもたらす。これらの変化は、状況に対して正しく効率的に反応、対処することができるように個人が集中力を保ち、エネルギッシュな気持ちおよび警戒心を保ち続けるための助けとなる。

日常のパフォーマンスにとってストレスは不可欠かつ有益であると考えられているが、高レベルのストレスホルモンに慢性的に晒されていると高血圧症、免疫抑制、消化不良、うつ病、心配性障害、性欲減弱、頭痛、記憶喪失、集中力不足、学習困難、不眠症などの危険を増大させることも知られている。

図１はＹｅｒｋｅｓ−Ｄｏｄｓｏｎ曲線として知られている興奮レベルとパフォーマンスとの間の経験的な関係の一例を示すグラフ１００である。Ｙｅｒｋｅｓ−Ｄｏｄｓｏｎ法則によれば、パフォーマンスはある点までは興奮レベルの上昇とともに上昇して行くものの、その点を過ぎてしまうと下降して行く傾向があることが示されている。また研究によれば、異なる職務には異なるレベルの興奮が最適なパフォーマンスには必要であることがさらに分かっているので、Ｙｅｒｋｅｓ−Ｄｏｄｓｏｎ曲線の形状は一定ではない可能性が高い。知的水準の高い職務の場合、精神的集中を可能とするために興奮レベルが低いことが必要とされるが、体力または粘り強さを必要とする職務の場合、動機づけを促進するために興奮レベルが高いことが必要とされる。図２に記載のグラフ２００にはさらなる一例が示されている。単純な職務またはよく覚えている職務の場合、興奮レベルとパフォーマンスとの関係は線形であり、興奮レベルが上昇するにつれてパフォーマンスが良くなっていくと考えられている。しかしながら複雑な職務、慣れていない職務または困難な職務の場合、興奮レベルとパフォーマンスとの間の関係は逆になる。興奮レベルが上昇するにつれてパフォーマンスが悪くなっていく。

自分が遭遇した状況に対して個人がどのように反応し、受け止めるかに応じて、ストレスは通常２つの異なる形態で生じる。良いストレスとして知られている陽性の形態のストレスは、個人にその人の最高のパフォーマンスを発揮できるように動機付けをし、活力を与える。この陽性のストレスを経験する個人は、自分のことを「ワクワクしている」、「気合いが入っている」と自称することが多い。また、個人が自分の最適なレベルで働くために必要とする理想的な良いストレスの量というのが存在すると考えられている。良いストレスがほとんどないと個人は退屈してしまうし、良いストレスがあまり多いと個人は無謀な行動に走ってしまい不適切な決断を下し、（肉体的にも精神的にも）疲れ果ててしまうことになる。一方、陰性のストレスまたは苦痛は、個人が不安または心配などのネガティブな感情を持っていることに関連していることが多い。残念なことに、この種の陰性のストレスは、上述のように、パフォーマンスを低下させ、精神的および肉体的な障害を引き起こしてしまう。

通常、健全な心臓は心拍数変動（ＨＲＶ）として知られている自然な心拍間隔の変動を有していることは知られている。この変動のパターンおよびリズムは健康や全般的良好状態にとって重要である。研究によれば、個人が異なる感情状態にシフトすると、直ぐにその人の心臓のリズムが変わってしまうことが報告されている。詳細にいえば、陰性の感情（または、負の感情価）、たとえば心配および欲求不満は乱れて無秩序な変動に起因している。一方、陽性の感情（または、正の感情価）、たとえば落ち着きおよび平静は、呼吸と同期した規則正しいリズムを示す傾向がある。このことはＨＲＶコヒーレンスとして知られている。したがって、ＨＲＶコヒーレンスを制御することができる個人は、認識能力を向上させ、精神的に安定でいられることになる。

もっと正確にいえば、個人にとって、自分の感情状態を認識して自分の心身の全般的な健康を維持するために必要な行動を取ることができるということは重要なことである。

現在、精神的安定を評価するために心理学者により通常用いられている一般的な方法には、インタビュー、アンケートおよび参加者の自己評価が含まれている。しかしながら、このようなテストからの結果には観察者および参加者の判断の誤りが含まれてしまうことが多い。他の評価方法としては唾液のコルチゾール試験を挙げることができる。唾液のコルチゾール試験は、ストレスの検出という点ではかなり正確なものであるが、やや面倒で時間がかかってしまう場合もある。したがって、個人が従来の解決方法を用いて長期間にわたって連続的に自分の感情レベルを監視するというのは実現可能ではない。

したがって、本発明の１つの目的は、先行技術の問題うちの少なくとも１つに対処しかつ／または当該技術分野において有益な選択肢を提供することにある。

本発明の第一の態様によれば、被験体の精神状態を導き出す方法は、（ｉ）被験体からバイオ信号を受け取ることと、（ｉｉ）バイオ信号から導き出される少なくとも２つの生理学的パラメータのそれぞれの統計的変動を計算することと、（ｉｉｉ）少なくとも２つの生理学的パラメータのそれぞれの統計的変動の計算値に基づいて被験体の興奮レベルを求めることと、（ｉｖ）バイオ信号から時間領域心拍数変動性信号を導き出して少なくとも２つの心拍数変動性パラメータを計算することと、（ｖ）少なくとも２つの心拍数変動性パラメータの計算値に基づいて被験体の感情価レベルを求めることと、（ｖｉ）興奮レベルおよび感情価レベルから精神状態を導き出すこととを含んでいる。

提案された方法の利点は、２つの心拍数変動性パラメータ、たとえばＬＦ／ＨＦ比、カートシス値および／またはＨＲＶコヒーレンスを用いることにより、被験体の精神状態をより正確に導き出すことができ、ひいては、被験体の感情状態を必要時間期間にわたって追跡することが可能となることである。

好ましくは、少なくとも２つの生理学的パラメータは呼吸速度、心拍数および脈圧からなる群から選択されうる。

好ましくは、バイオ信号を受け取ることはバイオ信号の少なくとも５つの心臓サイクルに関連するデータを受け取ることを含みうる。

好ましくは、かかる方法は、ステップ（ｖ）の感情価レベルを取得するために、少なくとも２つの心拍数変動性パラメータのうちの１番目のパラメータを用いて被験体の初期の感情価レベルを求めることと、少なくとも２つの心拍数変動性パラメータのうちの２番目のパラメータを条件付きしきい値パラメータとして用いて初期の感情価レベルを確認することとをさらに含みうる。

好ましくは、少なくとも２つの心拍数変動性パラメータは被験体の心拍数変動性コヒーレンス、ＬＦ／ＨＦ比およびカートシス値からなる群から選択されうる。

好ましくは、心拍数変動性コヒーレンスは、時間領域心拍数変動性信号と参照信号との間の相関関係を求めることにより計算されうる。

好ましくは、ＬＦ／ＨＦ比およびカートシス値は、時間領域心拍数変動性信号から取得される周波数領域信号から計算されうる。

好ましくは、周波数領域信号は、時間領域心拍数変動性信号を電力スペクトル密度のスペクトルに変換することにより取得されうる。

好ましくは、参照信号は時間領域参照信号を表わす正弦波でありうる。

好ましくは、上述のデータは、各心臓サイクルの収縮期ピーク、開始時刻および終了時刻に関連する少なくとも５つの心臓サイクルの時間区間を含みうる。

好ましくは、かかる方法は、統計的変動の計算値をまとめて用いて興奮レベルを求めるように機械学習分類器を構成することをさらに含みうる。

好ましくは、機械学習分類器にはサポートベクターマシン、ナイーブベイズ法（単純ベイズ分類器）およびｋ近傍法が含まれうる。

本発明の第二の態様によれば、電子機器にダウンロード可能な被験体の精神状態を導き出すためのコンピュータプログラムは、１組のインストラクションを備えており、実行されると、（ｉ）被験体からバイオ信号を受け取り、（ｉｉ）バイオ信号から導き出される少なくとも２つの生理学的パラメータのそれぞれの統計的変動を計算し、（ｉｉｉ）少なくとも２つの生理学的パラメータのそれぞれの統計的変動の計算値に基づいて被験体の興奮レベルを求め、（ｉｖ）バイオ信号から時間領域心拍数変動性信号を導き出して少なくとも２つの心拍数変動性パラメータを計算し、（ｖ）少なくとも２つの心拍数変動性パラメータの計算値に基づいて被験体の感情価レベルを求め、（ｖｉ）興奮レベルおよび感情価レベルから被験体の精神状態を導き出すよう上述の電子機器のプロセッサを制御するように構成されている。

好ましくは、コンピュータプログラムはインターネットを介してダウンロード可能でありうる。

本発明の第三の態様によれば、電子機器のメモリー内に格納されるコンピュータプログラムは、１組のインストラクションを備えており、実行されると、（ｉ）被験体からバイオ信号を受け取り、（ｉｉ）バイオ信号から導き出される少なくとも２つの生理学的パラメータのそれぞれの統計的変動を計算し、（ｉｉｉ）少なくとも２つの生理学的パラメータのそれぞれの統計的変動の計算値に基づいて被験体の興奮レベルを求め、（ｉｖ）バイオ信号から時間領域心拍数変動性信号を導き出して少なくとも２つの心拍数変動性パラメータを計算し、（ｖ）少なくとも２つの心拍数変動性パラメータの計算値に基づいて被験体の感情価レベルを求め、（ｖｉ）興奮レベルおよび感情価レベルから被験体の精神状態を導き出すよう上述の電子機器のプロセッサを制御するように構成されている。

本発明の第四の態様によれば、被験体の精神状態を導き出すための装置は、（ｉ）被験体からバイオ信号を受け取るための受信器と、（ｉｉ）（ａ）バイオ信号から導き出される少なくとも２つの生理学的パラメータのそれぞれの統計的変動を計算し、（ｂ）少なくとも２つの生理学的パラメータのそれぞれの統計的変動の計算値に基づいて被験体の興奮レベルを求め、（ｃ）バイオ信号から時間領域心拍数変動性信号を導き出して少なくとも２つの心拍数変動性パラメータを計算し、（ｄ）少なくとも２つの心拍数変動性パラメータの計算値に基づいて被験体の感情価レベルを求め、（ｅ）興奮レベルおよび感情価レベルから被験体の精神状態を導き出すためのプロセッサとを備えている。

好ましくは、かかる装置は電子機器の形態を有しうる。

好ましくは、上述の電子機器は通信デバイスまたは装着可能デバイスでありうる。

好ましくは、かかる装置は装着可能デバイスと受信器を有する通信デバイスとを備え、装着可能デバイスは、被験体からバイオ信号を取得するための信号検知デバイスと、バイオ信号に関連するデータを求めるためのデータ処理モジュールとを有し、通信デバイスの受信器は求められたバイオ信号に関連するデータを受け取るように構成されうる。

好ましくは、上述の電子機器は少なくとも１つのＬＥＤと少なくとも１つのフォトダイオードとを有し、ＬＥＤは被験体の表面に光を発射するように構成され、フォトダイオードは発射された光のうちの被験体の表面により反射された光を受け取るように構成され、反射された光はバイオ信号の少なくとも５つの心臓サイクルに関連するデータに相当しうる。

本発明の第五の態様によれば、被験体の感情価レベルを求める方法は、（ｉ）被験体からバイオ信号を受け取ることと、（ｉｉ）バイオ信号から時間領域心拍数変動性信号を導き出して少なくとも２つの心拍数変動性パラメータを計算することと、（ｉｉｉ）少なくとも２つの心拍数変動性パラメータからの感情価レベルを求めることとを含んでいる。

好ましくは、少なくとも２つの心拍数変動性パラメータは、被験体の心拍数変動性コヒーレンス、ＬＦ／ＨＦ比およびカートシス値からなる群から選択されうる。

本発明の第六の態様によれば、被験体の興奮レベルを求める方法は、（ｉ）被験体からバイオ信号を受け取ることと、（ｉｉ）バイオ信号から導き出される少なくとも１つの生理学的パラメータの統計的変動を計算することと、（ｉｉｉ）少なくとも１つの生理学的パラメータの統計的変動の計算値に基づいて被験体の興奮レベルを求めることとを含んでおり、統計的変動の計算値が被験体の唾液のコルチゾールの４０％を超える増加に相当する場合、興奮レベルはストレスレベルにあると判断される。

好ましくは、バイオ信号を受け取ることはバイオ信号の少なくとも５つの心臓サイクルに関連するデータを受け取ることを含みうる。

好ましくは、上述のデータは、各心臓サイクルの収縮期ピーク、開始時刻および終了時刻に関連する少なくとも５つの心臓サイクルの時間区間を含みうる。

好ましくは、少なくとも１つの生理学的パラメータは脈圧を含みうる。

好ましくは、少なくとも１つの生理学的パラメータの統計的変動を計算することは脈圧の標準偏差を計算することを含みうる。

好ましくは、脈圧の計算値の標準偏差が約３．０〜１２．０ｍｍＨｇ水銀レベルの範囲内にあるしきい値よりも大きい場合、興奮レベルはストレスレベルにあると判断されうる。

好ましくは、脈圧の標準偏差の計算値が約６．０〜１０．０ｍｍＨｇ水銀レベルの範囲内にあるしきい値よりも大きい場合、興奮レベルはストレスレベルにあると判断されうる。

本発明の第七の態様によれば、被験体の精神状態を導き出す方法は、（ｉ）被験体からバイオ信号を受け取ることと、（ｉｉ）バイオ信号から導き出される少なくとも２つの生理学的パラメータのそれぞれの統計的変動を計算することと、（ｉｉｉ）少なくとも２つの生理学的パラメータのそれぞれの統計的変動の計算値に基づいて被験体の興奮レベルを求めることとを含んでいる。

好ましくは、少なくとも２つの生理学的パラメータは、呼吸速度、心拍数および脈圧からなる群から選択されうる。

本発明の第八の態様によれば、被験体の興奮レベルを求める方法は、（ｉ）被験体からバイオ信号を受け取ることと、（ｉｉ）バイオ信号から導き出される少なくとも１つの生理学的パラメータの統計的変動を計算することと、（ｉｉｉ）少なくとも１つの生理学的パラメータの統計的変動の計算値に基づいて被験体の興奮レベルを求めることとを含んでおり、統計的変動の計算値が約３．０〜１２．０ｍｍＨｇ水銀レベルの範囲内にあるしきい値よりも大きい場合、興奮レベルはストレスレベルにあると判断される。

いうまでもなく、本発明の１つの態様に関連する構成要素が本発明の他の態様にも適用可能である。

本発明のこれらおよび他の態様は下記の実施形態から明白でありかつ下記の実施形態を参照して説明されている。

以下に、添付の図面を参照して本発明の実施形態を明らかにする。

従来技術に従って興奮レベルとパフォーマンスとの間の経験的関係を示す第一のグラフである。 従来技術に従って興奮レベルと容易な職務のパフォーマンスおよび困難な職務のパフォーマンスとの間の経験的な関係を示す第二のグラフである。 本発明の実施形態に従って被験体の精神状態を導き出すための装置を概略的に示す図である。 図３の装置を概略的に示すブロック図である。 図３の装置の装着可能デバイスのＬＥＤ−ＰＤ配置を概略的に示す図である。 被験体の興奮レベルを求めるために図１の装置により実行される方法を示すフローチャートである。 ＰＰＧ信号を示す図である。 ストレスのある状況およびストレスのない状況を正確に比較することに関し様々なパラメータについて得られた結果を示す表である。 ＳＶＭを用いた興奮レベルの分類の改善結果を示す図である。 被験体の感情価レベルを求めるために図１の装置により実行される方法を示すフローチャートである。 ＰＳＤスペクトルを示すグラフである。 様々な感情の分類間の関係のオーバーラップを示すベン図である。 落ち着いた状態におけるＨＲＶコヒーレンスとカートシス値との差を示す図である。 感情価レベルを求めるために様々なＨＲＶ特性を用いる方法を示すベン図である。 被験体の精神状態を導き出すために図１の装置により実行される方法を示すフローチャートである。 様々なレベルの興奮および感情価を様々な感情状態に分類するために用いられる図である。 様々なレベルのストレスおよび感情価を様々な感情状態にさらに詳細に分類するために用いられる図である。 ストレスのある状況およびストレスのない状況の下で経験的に取得されたＳＤＰＰパラメータ値に相当する水銀レベルの測定値を示す表である。

図３は、本発明の第一の実施形態に従って被験体（図示せず）の精神状態を導き出すための（装着可能デバイス３０２と通信デバイス３０４とを備える）装置３００を概略的に示す図である。図４には装置３００の概要が示されている。被験体とは装置３００のユーザのことである。装着可能デバイス３０２は、様々な形態、たとえば腕時計として実現可能である。もちろんいうまでもなく、考えられる他の実施形態では、装着可能デバイス３０２はユーザの体の任意の部分、たとえば腕、耳、胸、指、首または足などに装着するのに適切ないかなる他の形態を有していてもよい。いうまでもなく、いずれの場合であっても、装着可能デバイス３０２は携帯に便利な、たとえば手のひらサイズとなるように構成されることが好ましい。装着可能デバイス３０２は、（当該装着可能デバイス３０２を装着している）ユーザから生理学的な測定値を取得し、ユーザの精神状態（感情状態とも呼ぶ）を導き出し、次いで、導き出した結果を（有線または無線で）通信デバイス３０４に伝えるように構成されている。通信デバイス３０４の例としては、携帯電話、適切な携帯用電子機器、デスクトップコンピュータ、ラップトップコンピューター、タブレットなどの計算デバイスなどが挙げられる。

図４を参照すると、装着可能デバイス３０２は被験体からバイオ信号を取得するための信号感知モジュール４０２を備えている。この場合、信号感知モジュール４０２は図５に示されているようなＬＥＤ−ＰＤモジュール５００の形態で実現されているもののそれに限定されるわけではない。ＬＥＤ−ＰＤモジュール５００はＬＥＤ５０２と２つの（すなわち、第一および第二の）ＰＤ５０４ａ、５０４ｂを有している。用語「ＰＤ」はフォトダイオードのことである。さらに詳細にいえば、装着可能デバイス３０２が腕時計の形態で実現されている場合、ＬＥＤ−ＰＤモジュール５００は光反射モードで測定を行うように構成される。これらの測定値は、（たとえば、装着可能デバイス３０２が腕時計である場合）被験体の表面にＬＥＤ５０２により発射される／送られる光の量に基づくものであり、その後、発された光のうちの一部は被験体の表面により反射光として反射される。次いで、この反射された光は２つのＰＤ５０４ａ、５０４ｂにより被験体のバイオ信号として検出される。すなわち、信号感知モジュール４０２とは光学的測定センサーのことである。

さらにいうまでもなく、装置３００は、他のタイプの生理学的パラメータセンサー（図４に図示せず）、たとえば信号感知モジュール４０２と共に用いられ使用可能なＥＣＧ、ＥＥＧ、ＥＭＧ、ＧＳＲ、温度センサーおよび／または圧力センサーをさらに有していている。これらの様々な生理学的パラメータセンサーは装着可能デバイス３０２とは別体として構成されてもよいしまたは被験体のデバイス３０２と一体化されたものとして構成されてもよい。またこれらの様々な生理学的パラメータセンサーは、ユーザの様々な生理学的パラメータ（たとえば体温およびＧＳＲ）を取得するように構成され、感知時、ユーザの体において、（装着可能デバイス３０２と）同じ部位に配置されてもよいしまたは異なる部位に配置されてもよい。

装着可能デバイス３０２は、プロセッサの如きデータ処理・計算モジュール４０４（以下、簡潔さのためにデータ処理モジュールと呼ぶ）をさらに備えている。データ処理モジュールは信号感知モジュール４０２により取得されるバイオ信号を受け取り、処理して出力結果を生成するように構成されている。装着可能デバイス３０２は、出力結果を被験体に対して表示するための表示ユニット４０６をさらに有している。また、装着可能デバイス３０２は、出力結果を通信デバイス３０４に有線／無線で伝えるように構成される有線／無線送信モジュール４０８をさらに備えている。それに対応して、通信デバイス３０４は装着可能デバイス３０２からの出力結果に関する信号を受信するための有線／無線受信器モジュール４１０と、受信結果を被験体に対して表示するための表示ユニット４１２とを有していることはいうまでもない。念のためにいっておけば、装着可能デバイス３０２のユーザと通信デバイス３０４のユーザとは同一の個人であってもよいしまたは異なる個人であってもよいものの、この実施形態では説明を容易にするために、装着可能デバイス３０２を操作するユーザと通信デバイス３０４を操作するユーザとは同一の個人であると想定している。

図１の装置３００により実行される被験体の精神状態を導き出すための方法を示すフローチャート１５００である図１５を参照すると、当該方法のステップの概要が簡潔に示されている。以下には、各ステップの詳細について説明されている。ステップ１５０２では、被験体が装着可能デバイス３０２を操作して自分のバイオ信号を取得し、次のステップ１５０４では、この取得されたバイオ信号に基づいて、装着可能デバイス３０２により被験体の感情の喚起のレベルが計算される。次のステップ１５０６では、取得されたバイオ信号に基づいて、装着可能デバイス３０２により被験体の感情価レベルがさらに計算される。いうまでもなく、ステップ１５０４とステップ１５０６との順番はステップ１５０８で取得される最終結果に対して影響を与えることなく交換可能である。最後のステップ１５０８では、装着可能デバイス３０２が計算された興奮レベルおよび感情価レベルに基づいて被験体の精神状態を導き出して決定する。次いで、導き出された精神状態が装着可能デバイス３０２により適切な信号の形態で通信デバイス３０４へ送信されて被験体自身に対して表示される。

ステップ１５０８を参照すると、様々なレベルの興奮および感情価について得られた結果を組み合わせることにより、多次元スペースで、複数の精神状態（すなわち複数の感情）を分類することが可能であることが分かる。図１６には、多次元スペースが参照番号１６００により示されている。具体的にいえば、図１６に記載の多次元スペースのうちの「ゾーン１」１６０２および「ゾーン２」１６０４は、被験体がこれらのうちのいずれかのゾーンに分類された場合に、当該被験体がストレス状態にあると考えられることを示している。詳細にいえば、「ゾーン１」１６０２は「悪いストレス（ｄｉｓｔｒｅｓｓ）」状態に分類されたことを表わし、「ゾーン２」１６０４は「良いストレス（ｅｕｓｔｒｅｓｓ）」状態に分類されたこを表わしている。それに対して、被験体が「ゾーン３」１６０６または「ゾーン４」１６０８に分類された場合、当該被験体がストレスのない状態にあると考えられる。「ゾーン３」１６０６は「落ち着いた」状態に分類されたことを表わし、「ゾーン４」１６０８は「平常」状態（標準状態）に分類されたことを表わしている。いうまでもなく、「ゾーン１」１６０２と「ゾーン２」１６０４との間の分類または「ゾーン３」１６０６と「ゾーン４」１６０８と間における分類はＬＦ／ＨＦ（低周波／高周波）比率により判定される。このことについては以下にさらに詳細に説明されている。また、オーバーラップしている感情をさらに正確に定義するための分類の助けるために、ＨＲＶコヒーレンスおよびカートシス値がさらに用いられるようになっている。図１７には他の図１７００が示されている。この図では、様々なレベルの興奮および感情価からなる詳細な分類を先に記載の方法を用いてさらに多い数の感情状態のレベルに分類されている。ここでいうさらに多い数の感情状態のレベルには、たとえば「腹を立てた」状態、「警戒」状態、「興奮した」状態、「ストレスのある状況」状態、「平常な」状態、「幸福な」状態、「憂鬱な」状態、「退屈な」状態、「落ち着いた」状態などが含まれる。

以下に、上述の図１５に記載の方法のステップ１５０２〜１５０６がそれぞれさらに詳細に説明されている。
感情の喚起のレベルの決定
図６を参照すると、被験体の感情の喚起のレベルを求めるために図１の装置３００により実行される方法のフローチャート６００が示されている。図６の方法はそのまま図１５の方法のステップ１５０４に対応するものであることが分かる。図６の方法は次のステップに従って実行される。ステップ６０２では、被験体からのバイオ信号が取得される。これは実質的に図１５の方法のステップ１５０２である。次いて、ステップ６０４では、取得されたバイオ信号がフィルタリングされ、ステップ６０６では、取得され、フィルタリングされたバイオ信号が複数の処理ウィンドウに分割される。さらに、次のステップ６０８では、（ステップ６０６で取得された）複数の処理ウィンドウにおいて、被験体の生理学的パラメータ、たとえば体温、皮膚温度、電気皮膚反応（ＧＳＲ）、呼吸速度、心拍数（ＨＲ）および脈圧（ＰＰ）のうちの少なくとも任意の２つの生理学的パラメータのそれぞれに関連する統計的変動（たとえば、標準偏差、平均値シフト、連続する差の二乗平均値の平方根（ＲＭＳＳＤ）が計算される。たとえば、ＨＲとＰＰとが選択され、ＨＲおよびＰＰのそれぞれの標準偏差が計算される（すなわち、ＳＤＨＲおよびＳＤＰＰ）。もちろん所望ならば、ステップ６１０で取得される最終結果の正確さを向上させるために２を超える数の生理学的パラメータが用いられてもよい。また、いうまでもなく、取得されたバイオ信号から生理学的パラメータのうちの一部が求められ、上述の生理学的パラメータセンサーから他の生理学的パラメータが取得されるようになっていてもよい。最後のステップ６１０では、選択された少なくとも２つの生理学的パラメータのそれぞれの統計的変動の計算値に基づいて被験体の感情の喚起のレベルが計算され、決定される。

以下に、図６の方法のステップ６０２〜６１０がそれぞれ詳細に説明されている。
１．図６の方法のステップ６０２
ステップ６０２では、信号感知モジュール４０２を用いて装着可能デバイス３０２により信号の取得が実行され、バイオ信号が取得される。この実施形態では、ここでいうバイオ信号とは、少なくとも５つの心臓サイクル（心臓の収縮から拡張までの鼓動サイクル）からなる（図７の例に記載のような）動脈ＰＰＧ波形信号７００のことである。すなわち、ＰＰＧ信号７００は少なくとも５つの心臓サイクルを含んでいる。これらの少なくとも５つの心臓サイクルは連続的に並んだ配置にある。ＰＰＧ信号７００は、各心臓サイクルの収縮期ピーク、開始時刻および終了時刻と関連する少なくとも５つの心臓サイクルの時間区間を含んでいる。ＰＰＧ信号７００は、被験体の身体のいかなる末梢部、たとえば手首および／または指から取得されるようになっていてもよい。被験体のバイオ信号を取得するための適切な精度は、限定するわけではないが、たとえば被験体のバイオ信号を取得するための測定ウィンドウとして１８０秒を用いるように信号感知モジュール４０２を設定することにより達成しうることが経験的に見出されている。
２．図６の方法のステップ６０４
取得されたＰＰＧ信号７００は次にデータ処理モジュール４０４に送られ、処理され、計算される。データ処理モジュール４０４は事前に決定されたディジタルバンドパスフィルタ（図示せず）を有していてもよい。ディジタルバンドパスフィルタは、取得されたＰＰＧ７００から雑音およびアーチファクトをフィルタリングしてフィルタリング処理されたＰＰＧ信号（図示せず）を生成するためのものである。
３．図６の方法のステップ６０６
次のステップ６０６では、フィルタリングされたＰＰＧ信号は後処理を容易にするために複数の処理ウィンドウに分割される。しかしながらいうまでもなく、実施形態によっては、フィルタリングされたＰＰＧ信号を複数の処理ウィンドウに分割することが必ずしも必要ではない場合もある。このような状況では、代わりに、（ステップ６０２において被験体のバイオ信号を取得するために用いられた）測定ウィンドウ全体の統計的変動が計算される。複数の処理ウィンドウに分割される実施形態では各処理ウィンドウが少なくとも５つの（連続した）心臓サイクルを含むように構成され、かつ、ステップ６０２にはＰＰＧ信号７００が少なくとも５つの心臓サイクルを含むことが記載されているため、ステップ６０６からは最低１つの処理ウィンドウが生じることになる。処理ウィンドウのサイズはウィンドウの指定継続時間として定義されているものの、これは一例であって、唯一の定義として解釈されるべきではない。たとえば、被験体のＳＤＰＰおよびＳＤＨＲの計算に関していえば、ＳＤＰＰおよびＳＤＨＲの計算に適切な精度は、限定するわけではないが、たとえば特有の精度要件に基づいて事前に決定された約３０秒というウィンドウサイズを用いることにより達成される。高精度の結果を確保するためにさらに多くの数の心臓サイクル（すなわち、５つ以上）が各処理ウィンドウに含まれるように、各処理ウィンドウのサイズが分割プロセス時に最適に設定されるようになっていてもよい。
４．図６の方法のステップ６０８
ステップ６０８では、記載のように、（ステップ６０６で取得された）複数の処理ウィンドウにおいて、被験体の以下の生理学的パラメータのうちの少なくともいずれか２つに関連するそれぞれの統計的変動（たとえば、標準偏差、平均シフト、連続する差の二乗平均値の平方根（ＲＭＳＳＤ））が計算される：体温、皮膚温度、電気皮膚反応（ＧＳＲ）、呼吸速度、心拍数（ＨＲ）および脈圧（ＰＰ）。たとえば、ＨＲとＰＰとを選択し、ＨＲおよびＰＰのそれぞれの標準偏差（すなわち、ＳＤＨＲおよびＳＤＰＰ）が計算される。統計的変動の計算には従来の方法が用いられるので、簡潔さのため、従来の方法の詳細については本明細書では説明されていない。
５．図６の方法のステップ６１０
ステップ６１０では、ステップ６０８から取得された複数の統計的変動（またはそれに代えて、測定ウィンドウ全体が計算に用いられる場合には単一の統計的変動）の計算値が様々な興奮レベルに分類するための機械学習分類器に提供される。採用される機械学習分類器が臨床試験結果を用いた分類に用いられるパラメータと同一の／類似のパラメータを用いて前もって訓練されることを前提とするならば、サポートベクターマシン（Ｓｕｐｐｏｒｔ Ｖｅｃｔｏｒ Ｍａｃｈｉｎｅ：ＳＶＭ）、ナイーブベイズ（Ｎａｉｖｅ Ｂａｙｅｓ）, ｋ近傍法（ｋ−Ｎｅａｒｅｓｔ Ｎｅｉｇｈｂｏｒｓ：ＫＮＮ）などの既知の機械学習分類器ならばいかなる機械学習分類器が単独で／組み合わせて採用されてもよい。この実施形態では、ＳＶＭの性能がロバストでありかつ高精度であるという理由で、採用される機械学習分類器としてＳＶＭが選択されている。

記載のように、用いられる生理学的パラメータのうちの１つの例として脈圧が選択されており、ストレスのある状況およびストレスのない状況に関する測定値において有意差があると判断されているので、ＳＤＰＰが用いられてもよい。したがって、ＳＤＰＰを用いることにより、ストレスのある状況とストレスのない状況との間のより正確な区別が可能となる。図８は、行われた臨床研究からのパラメータのリストおよびそれぞれに関する分類能力を示す表８００である。表８００から分かることは、ストレスのある状況の値とストレスのない状況の値との間の最も大きな差がＳＤＰＰに対して得られた低いｐ−値によって明白に示されているということである。

図６の方法で使用するのに（一例として）ＳＤＨＲおよびＳＤＰＰが選択されてもよいが、図９ａおよび図９ｂには、ストレスのある状況とストレスのない状況との正確な分類に用いることができないデータのオーバーラップが各パラメータには依然として存在していることが示されている。この問題に対応してオーバーラップしているデータクラスをさらに分類するためにＳＶＭ機械学習分類器が用いられる。図９ｃには、訓練されたＳＶＭ機械学習分類器がストレスのある状況とストレスのない状況とを実質的に区別することができるということを示す改善後の結果が示されている。
感情価レベルの決定
図１０を参照すると、被験体の感情価レベルを求めるために図１の装置３００により実行される方法のフローチャート１０００が示されている。図１０の方法はそのまま図１５の方法のステップ１５０６に対応するものであることが分かる。図１０の方法は次のステップで実行される。ステップ１００２ではバイオ信号が取得される。これは実質的に図１５の方法のステップ１５０２である。したがってもっと正確にいえば、ステップ６０２およびステップ１００２はまさに図１５のステップ１５０２である。次いでステップ１００４では、取得されたバイオ信号がフィルタリングされ、次いでステップ１００６では、取得され、フィルタリングされたバイオ信号から時間領域の心拍数変動性（ＨＲＶ）信号が抽出される。ステップ１００８では、ＨＲＶ信号を参照信号と相関させることにより被験体のＨＲＶコヒーレンスが計算される。参照信号とはたとえば時間領域における参照信号を表わす正弦波のことである。次いで、ステップ１０１０では、（高速フーリエ変換（ＦＦＴ）アルゴリズムを用いて）時間領域のＨＲＶ信号に対して周波数領域解析が実行され、ＰＳＤグラフが導き出され、少なくとも１つの関連する周波数領域パラメータが計算される。少なくとも１つの関連する周波数領域パラメータには、ＬＦ／ＨＦ（低周波／高周波）比率およびカートシス値が含まれているが、他の実施形態では、他の適切な特性が含まれていてもよい。最後のステップ１０１２では、ＨＲＶコヒーレンスの計算値、ＬＦ／ＨＦ比およびカートシス値に基づいて（この場合には）被験体の感情価レベルが求められる。いうまでもなく、ＨＲＶコヒーレンス、ＬＦ／ＨＦ比およびカートシス値を集合的にＨＲＶパラメータ／特性と呼ぶようにしてもよい。

（上述のように）ステップ１００４は必要な変更を加えれば図６の方法のステップ６０４と類似していることが明らかであるので、簡潔さのため、説明は繰り返さない。以下には、図１０の方法のステップ１００６〜１０１２が詳細に説明されている。
１．図１０の方法のステップ１００６およびステップ１００８
ステップ１００６およびステップ１００８については、公開番号第ＷＯ２０１４／０３１０８２号を有するＰＣＴ出願の教示内容全体が本明細書に援用される。したがって、バイオ信号から時間領域ＨＲＶ信号を導き出し、次いで、参照信号と相関させ、被験体のＨＲＶコヒーレンスを取得する方法についてすべての詳細に興味のある読者はＰＣＴ出願第ＷＯ２０１４／０３１０８２号を参照されたい。もちろんいうまでもなく、（時間領域または周波数領域のいずれであっても）ＨＲＶコヒーレンスの計算にいかなる他の既知の方法が用いられされてもよく、ＰＣＴ出願第ＷＯ２０１４／０３１０８２号に開示されている方法のみに限定されるわけではない。
２．図１０の方法のステップ１０１０
ステップ１０１０では、データ処理モジュール４０４により高速フーリエ変換（ＦＦＴ）アルゴリズムを用いて時間領域ＨＲＶ信号が電力スペクトル密度（ＰＳＤ）グラフに変換される。図１１には、ＰＳＤのグラフ１１００の一例が示されている。すなわち、ＰＳＤグラフは、時間領域ＨＲＶ信号から取得された周波数領域スペクトルである。詳細にいえば、ＰＳＤグラフの数学的な積分により、ＰＳＤグラフの低周波（ＬＦ）電力（すなわち、０．０４〜０．１５Ｈｚ）および高周波（ＨＦ）電力（すなわち、０．１５〜０．４Ｈｚ）のバンドが定量化される。次いで、この結果が、高周波電力に対する低周波パワーの比（ＬＦ／ＨＦ）を計算するためにデータ処理モジュール４０４により用いられる。さらに、カートシス値を計算するためにＰＳＤグラフに対してスペクトルカートシス解析がデータ処理モジュール４０４により実行される。
３．図１０の方法のステップ１０１２
様々なレベルの感情価を区別するためにＬＦ／ＨＦ比が一般に用いられているものの、図１２に記載のベン図１２００の陰陰部に示されているように、同じＬＦ／ＨＦ比の値に基づいたとしても密接に関連する感情には依然としてオーバーラップが存在する。ＬＦ／ＨＦ比とは別に、ＨＲＶコヒーレンスも感情価（情緒）レベルに密接に関係していると考えられる。ＰＳＤグラフのカートシス解析の場合、図１３ａおよび図１３ｂに示されているように、個人のＨＲＶコヒーレンスとカートシス値が高い関連性を有していることが見出されている。本実施形態では、被験体の感情価レベルを求める際にＨＲＶコヒーレンス、ＬＦ／ＨＦ比およびカートシス値を組み合わせた解析により最も高い精度が得られると考えられている。

したがって、ステップ１０１２では、ＨＲＶコヒーレンス、ＬＦ／ＨＦ比およびカートシス値を組み合わせたものから感情価レベルが導き出されている。記載のように、被験体のＬＦ／ＨＦ比の値はそれに対応する感情価を通常示しているものの、密接に関連する感情状態を分離する境界（すなわち、図１６または図１７を参照）が依然として曖昧であることが分かる。それにもかかわらず、感情価の初期のレベルを求めることはできる。その後、求められた初期の感情価レベルの正確性を確認する助けとしてＨＲＶコヒーレンスおよびカートシス値が用いられる。たとえば、被験体が落ち着いた状態（すなわち、高自律平衡の状態）にいる場合、感情価レベルは高ＬＦ／ＨＦ比により表される。説明のために図１４に記載のベン図１４００を参照すると、求められたＬＦ／ＨＦ比の値が高い被験者は平常状態にいるにもかかわらず落ち着いた状態にいると誤解されてしまう恐れがある。もっと正確にいえば、ＨＲＶコヒーレンスおよびカートシス値を（単独にまたは組み合わせて）しきい値パラメータ（しきい値と比較される）として解析に組み入れることにより、被験体が本当に落ち着いた状態にいるのか否かをさらに確認することが可能となる。念のためにいえば、しきい値は臨床試験から経験的に事前に決定されるようになっている。たとえば、感情価レベルの計算値が平常領域内に含まれるか否かを判断するために次の不等方程式のセットが用いられてもよい：ＩＦ「ＬＦ／ＨＦの計算値＞Ｘ”」、「カートシスの計算値＜Ａ”」、および「ＨＲＶコヒーレンスの計算値＜Ｂ”」である場合、”感情価レベル＝平常」となる。ここで、変数「Ａ」および「Ｂ」は事前に決定されたしきい値を表わし、「Ｘ」は単に事前に決定された値を表わしている。

以下には、その他の構成（ｃｏｎｆｉｇｕｒａｔｉｏｎｓ）が説明されている。説明を簡潔にするために、複数の異なる構成の間で共通する同様の部品、同様の機能および同様の動作の説明は繰り返してなされていないが、重要な構成の類似の部品については説明がなされている。

第二の実施形態では、２つの別個のデバイス（すなわち、装着可能デバイス３０２および通信デバイス３０４）として構成されるのではなく、装置３００自体が単一の等価電子機器として実現されてもよい。この装置３００では、装着可能デバイス３０２と通信デバイス３０４とが一体化され（ハードウェア）、第一の実施形態に記載のすべての機能と同じ機能が実行されるように構成されている。さらに、図１５に記載のフローチャート１５００内のステップ１５０２〜１５０８のすべて（したがって、図６に記載のフローチャート６００のステップ６０２〜６１２および図１０に記載のフローチャート１０００のステップ１００２〜１０１２も含む）が、電子機器のメモリーに格納するためにインターネットを介してダウンロード可能なコンピュータプログラム製品として実現されてもよい。換言すれば、図１５に記載の方法が改良された場合、電子機器もそれらの改良を（必要に応じてまたは必要な時に）コンピュータプログラム製品をダウンロードすることにより反映するよう更新されるようになっていてもよい。

第三の実施形態では、図１５のフローチャート１５０のステップ１５０２〜１５０８のすべてが（装着可能デバイス３０２ではなく）通信デバイス３０４でありうる１つの電子機器、または他の想定しうる適切な電子機器により実行されるようになっていてもよい。換言すれば、様々なモジュール、たとえば信号感知モジュール４０２、データ処理モジュール４０４などが同一の電子機器の一部、恐らく通信デバイス３０４の一部を形成するようになっていてもよい。したがってこのような構成では、有線／無線送信モジュール４０８および有線／無線受信器モジュール４１０の必要性はもはや存在しなくなる。言うまでもなく、この単一の電子機器も被験体の身体に装着される装着可能な検知デバイスとして実現されてもよい。

第四の実施形態では、（たとえば）通信デバイス３０４のデータ処理モジュール（図示せず）が装着可能デバイス３０２の処理能力よりも高い処理能力を有すると判断された場合、装着可能デバイス３０２に代えて通信デバイス３０４のデータ処理モジュールにより図１５に記載の方法のステップ１５０４〜１５０８が実行されるようになっていてもよい。ただし、このことは限定事項として解釈されるべきではない。さらに、図１５に記載のステップ１５０４〜１５０８の実行も、装置３００のユーザによりもたらされる所望の構成に応じて、通信デバイス３０４のデータ処理モジュールと装着可能デバイス３０２のデータ処理モジュール４０４との間で動的に割り当てられるようになっていてもよい。要約すると、（図３の提案された装置３００により実行される）図１５に記載の方法により、被験体の感情価レベルがそのＨＲＶ信号から取得される。ＨＲＶ信号の時間領域および周波数領域の両方がプロセスの間用いられる。詳細にいえば、時間領域から被験体のＨＲＶコヒーレンスが求められる。また、ＨＲＶ信号を時間領域から周波数領域に変換することによりＰＳＤグラフが取得される。そして、ＰＳＤグラフからＬＦ／ＨＦ比およびカートシス値が導き出される。その後、ＨＲＶコヒーレンス、ＬＦ／ＨＦ比およびカートシス値を組み合わせて解析することにより、被験体の感情価レベルが求められる。それに加えて、被験体の心拍数および脈圧の統計的変動から、同じ被験体の感情の喚起のレベルが求められる。しかしながら上述のように、体温、皮膚温度、電気皮膚反応（ＧＳＲ）、呼吸速度からなる生理学的パラメータ群のうちの他のどの２つの生理学的パラメータが選択されるようになっていてもよい。先に記載のパラメータと同じパラメータを用いて様々な興奮レベルを分類するように訓練された機械学習分類器（たとえばＳＶＭ）を用いて（たとえば）心拍数および脈圧の統計的変動の測定値に基づいて被験体の興奮レベルが求められる。したがって、ユーザの精神状態が被験体の求められた感情価および興奮レベルに基づいて導き出される。

第五の実施形態では、図６に記載の方法のステップ６１０において、（ステップ６０８から取得された）統計的変動の計算値を機械学習分類器へ送信して様々な興奮レベルに分類するのとは異なる手法が用いられるようになっている。詳細にいえば、図１８は、ストレスのある状況およびトレスのない状況の下で経験的に取得されたＳＤＰＰパラメータに関する水銀レベルの測定値を、ストレス状態の指標として唾液のコルチゾールを用いた臨床研究に基づく分類パフォーマンスに対して示す表１８００である。この研究結果によれば、被験体の脈圧（ＰＰ）の標準偏差は、ストレスのない条件（すなわち、図１８に記載のラベル：「１−休息」「３−回復」を参照）と比較して、唾液のコルチゾールの４０％を超える増加（すなわち、＞４０％）に相当するストレスのある状況（すなわち、図１８に記載のラベル：「２−精神的ストレス試験」）において高くなっていることが分かる。具体的にいえば、ＳＤＰＰについていえば、唾液のコルチゾールの４０％を超える増加（すなわち、＞４０％）は経験的に取得された水銀レベルの測定値では約３．０〜１２．０ｍｍＨｇのカットオフしきい値範囲に相当することが分かり、さらに詳細にいえば、その範囲は、水銀レベルの約６．０〜１０．０ｍｍＨｇの範囲に含まれることが分かる。好ましくは、必要ならば、正確な指標として約８．０ｍｍＨｇ水銀レベルというカットオフしきい値を用いても有益である。したがって、このカットオフしきい値を用いると、この実施形態では機械学習分類器が必要ではなくなる。

図１６を参照すると、このことは、被験体の唾液のコルチゾールの測定値に＞４０％の増加がある場合、求められる被験体の興奮レベルが「ゾーン４」１６０８から「ゾーン１」１６０２へと移動することを意味する。したがって、この良好な相関性の結果は、ストレスを求めるために唾液のコルチゾールの試験をすることに代えてＰＰをパラメータとして用いてもうまくいくことを示している。したがって、本実施形態では、唾液のコルチゾールの＞４０％の増加を検出するとストレスが生じたと定義される。したがって大まかに一般化すると、少なくとも１つの生理学的パラメータ（たとえば、ＰＰ）の統計的変動の計算値が被験体の唾液のコルチゾールの４０％を超える増加に相当する場合、その被験体の興奮レベルはストレスレベルにあると判断されるといえるし、また同様の趣旨で、統計的変動の計算値が約３．０〜１２．０ｍｍＨｇ水銀レベルの範囲内にあるしきい値よりも大きい場合、興奮レベルがストレスレベルにあると判断されるといえる。たとえば、このしきい値は約８．０ｍｍＨｇ水銀レベルであってもよい。詳細にいえば、脈圧の標準偏差の計算値が約３．０〜１２．０ｍｍＨｇ水銀レベルに相当する判断されると、興奮レベルがストレスレベル（すなわち、＞唾液のコルチゾールの４０％増加）にあると判断される。さらに好ましくは、脈圧の標準偏差の計算値が約８．０ｍｍＨｇの水銀レベルのしきい値に相当すると判断されると、興奮レベルがストレスレベルにあると判断される。また、何度も繰り返すために、図６に記載の方法６００が図１５に記載の方法１５００から独立して実行されるようにしてもよい。さらに、必要ならば、図１に記載の装置３００が求められた興奮レベルの読取値を独立して（すなわち、装着可能デバイス３０２の表示ユニット４０６を介して）提供するように構成されてもよい。
用途
有益なことに、提案された装置３００は、個人が所望の期間にわたって自分の感情状態を追跡するという課題に対する解決策を提供している（装置３００はこの期間にわたって自動追跡を可能とするようにプログラムされるようになっていてもよい）。このことにより、個人が自分の感情に変化を引き起こす恐れのある状況を認識することができるようになるので、今後、個人がこれらの状況によりうまく対処していく方法を学習することができるようになる。上述の所望の期間は、個人の目的に応じて１時間、２４時間、７日、１か月というように任意の継続期間に設定することができる。所望の時間にわたって感情状態を追跡することにより装置３００により生成されるデータは、文字形式またはグラフ形式（傾向を棒グラフまたは円グラフとして表示）で個人に対して提示されるようになっていてもよい。

また、提案された装置３００は、ストレスを管理することまたは健康な精神状態のうちの１つにまで改善することを支援するためのバイオフィードバック、訓練または治癒行為を個人に提供するようになっていてもよい。１例として、第ＷＯ２０１４／０３１０８２号という公開番号を有するＰＣＴ出願には、ＨＲＶコヒーレンスを改善するために呼吸訓練を用いることが教示されている。簡潔にいえば、装着可能デバイス３０２は、呼吸訓練のための指示を表示ユニット４０６および音声出力モジュールを介してユーザに提供する音声出力モジュール（たとえば、スピーカーの形態）を備えるようになっていてもよい。もちろん、呼吸訓練のための指示が通信デバイス３０４またはその他の適切な外部デバイスにより与えられるようになっていてもよい。他の例としては、個人がリラックスするのを支援するために音声刺激／視覚的刺激（装置３００によりもたらされる）を提供することならびに／または長期にわたってストレスに晒されている個人を警告するために振動の生成、アラートの生成および／もしくは電子メールの生成の如き行為（同様に、装置３００によりもたらされる）を用いることが挙げられる。

さらに、装置３００は、感情を監視する助けおよび感情を変える助けを行うことができるので、問題の解決に感情が重要な役割を果たすような状況ではとくに有用である。異なる職務には様々なレベルの興奮および感情価が必要となるので、装置３００を用いることにより、個人が関連する職務のパフォーマンスを著しく高めることができるように自分の感情を容易かつ故意に変えることができるようになる。１例として、装置３００を用いることにより、社会人／学生が自分の注意力レベルまたは創造的思考の如きパフォーマンスが低下していると思われる時はいつで興奮レベルを検出してそれを下げる助けをすることが可能となる。同様に、企業は、個々のスタッフが疲労の如き問題に直面しているまたは自分の仕事をうまくこなそうとする動機に欠けている（すなわち、低興奮）というようなスタッフの感情状態を監視し、そのスタッフを助けるために救済処置が必要か否かを判断する助けとなるように提案された装置３００を用いてもよい。

他の例としては、たとえば内科医−患者の関係という場面設定では、患者が装置３００を用いて自分の感情を監視して管理するようにしてもよく、また、内科医がある期間にわたって患者の感情状態を追跡することによりならびに／または活動および睡眠の追跡データの如き他の挙動データとの間の相関関係を求めることにより良好な診断を可能とし、効果的な治療を施せるようにしてもよい。

また有益なことに、提案された装置３００はスポーツ部門にも適用可能である。スポーツ選手にとって競技中に最適なパフォーマンスを達成するためには気合いを入れる（すなわち、良い意味で興奮する）ことが重要であるが、スポーツ選手が新しい技能／技術を修得しようとする場合／極めようとする場合は事情が違ってくる。すなわち、この場合には、落ち着いた心（すなわち、低興奮およびプラスの感情価）がより有益になってくる。一方、コーチにとっては、スポーツ選手の感情の状態および傾向を分析することができれば、実施されたトレーニングの有効性を判断するのに、また、競技に参加するのに適したスポーツ選手を選択するのに役立つと考えられる。

比較すると、ユーザに自分の感情レベルを測定させることを可能とするデバイスは従来から数多く存在するが、図３に記載の提案された装置３００とは異なり、これらのデバイスのほとんどはＨＲＶの如き単一の共通パラメータのみを用いた測定に基づくものである。したがって、図３に記載の装置３００により、従来の解決策には知識の隙間が存在するという問題が良好に解決されている。図３に記載の装置３００は、個人の精神的安定を正確に求めるために生理学的パラメータと感情状態との間の複雑な関係を意図的に活用している。

本発明が、図面および先の記載において実施形態を示しながら詳細に説明されているが、このような実施形態および説明は例示のみを意図したものであり、限定を意図したものではない。さらに、本発明は開示されている実施形態により限定されるものでもない。本願発明の実施にあたって、当業者は、開示の実施形態の以外の複数の変形例を考えつき実施してもよい。たとえば、図５に記載のＬＥＤ−ＰＤモジュール５００は、１つ以上のＰＤと対になった複数の同様のＬＥＤ５０２を有するようになっていてもよい。すなわちこの場合、ＬＥＤ−ＰＤモジュール５００の基本的な構成は少なくとも１つのＬＥＤと少なくとも１つのＰＤを有している。それに加えて、図１０に記載の方法の場合、少なくとも１つのしきい値は、ＬＦ／ＨＦ比およびカートシス値以外に、他の適切なパラメータを組み合わせたものであってもよい。さらに、ある実施形態では、感情価レベルを導き出すにあたって、たとえ得られる結果の正確性が下がってしまう可能性があるとしても、ＬＦ／ＨＦ比およびカートシス値のうちの一方のみをＨＲＶコヒーレンスと一緒に用いるようにしてもよい。さらに所望ならば、感情価レベルを導き出すにあたって、ＬＦ／ＨＦ比、カートシス値およびＨＲＶコヒーレンスのうちの１つのみを用いるようにしてもよい。また、図６に記載のステップ６０８では、複数の処理ウィンドウの統計的変動の演算値すべての平均を取ることにより統計的変動の平均値が求められてもよい。次いで、この統計的変動の平均値が機械学習分類器に送られ（ステップ６１０）、様々な興奮レベルに分類されるようになっていてもよい。

さらに、ある実施形態では、感情価レベルを導き出すにあたって、少なくとも任意の２つのＨＲＶパラメータがＨＲＶコヒーレンス、ＬＦ／ＨＦ比、カートシス値および他の適切なパラメータからなる群から選択され、用いられるようになっていてもよい。この場合、選択された２つのＨＲＶパラメータのうちの１番目のパラメータが被験体の初期の感情価レベルを求めるために用いられ、次いで、選択された２つのＨＲＶパラメータのうちの２番目のパラメータが初期の感情価レベルを検証するための条件付きしきい値パラメータとして用いられ、それにより、最終的な感情価レベル（図１０に記載のステップ１０１２）が取得される。一例として、（たとえばＬＦ／ＨＦに代えて）ＨＲＶコヒーレンスが初期の感情価を確定するために用いられ、さらに検証を補助するために、カートシス値および／またはＬＦ／ＨＦ比が条件付きしきい値として用いられる。他の例では、ＬＦ／ＨＦ比が初期の感情価を確定するために用いられ、検証するために、カートシス値のみが条件付きしきい値として用いられる。

Claims (32)

1. 被験体の精神状態を導き出す方法であって、
   （ｉ）前記被験体からバイオ信号を受け取ることと、
   （ｉｉ）前記バイオ信号から導き出される少なくとも２つの生理学的パラメータのそれぞれの統計的変動を計算することと、
   （ｉｉｉ）前記少なくとも２つの生理学的パラメータのそれぞれの統計的変動の計算値に基づいて前記被験体の興奮レベルを求めることと、
   （ｉｖ）前記バイオ信号から時間領域心拍数変動性信号を導き出して少なくとも２つの心拍数変動性パラメータを計算することと、
   （ｖ）前記少なくとも２つの心拍数変動性パラメータの計算値に基づいて前記被験体の感情価レベルを求めることと、
   （ｖｉ）前記興奮レベルおよび前記感情価レベルから前記精神状態を導き出すことと
   を含む、方法。
2. 前記少なくとも２つの生理学的パラメータが呼吸速度、心拍数および脈圧からなる群から選択される、請求項１に記載の方法。
3. 前記バイオ信号を受け取ることが、前記バイオ信号の少なくとも５つの心臓サイクルに関連するデータを受け取ることを含む、請求項１乃至２のうちのいずれか一項に記載の方法。
4. ステップ（ｖ）の前記感情価レベルを取得するために、前記少なくとも２つの心拍数変動性パラメータのうちの１番目のパラメータを用いて前記被験体の初期の感情価レベルを求めることと、前記少なくとも２つの心拍数変動性パラメータのうちの２番目のパラメータを条件付きしきい値パラメータとして用いて前記初期の感情価レベルを確認することとをさらに含む、請求項１乃至３のうちのいずれか一項に記載の方法。
5. 前記少なくとも２つの心拍数変動性パラメータが前記被験体の心拍数変動性コヒーレンス、ＬＦ／ＨＦ比およびカートシス値からなる群から選択される、請求項１乃至４のうちのいずれか一項に記載の方法。
6. 前記時間領域心拍数変動性信号と参照信号との間の相関関係を求めることにより、前記心拍数変動性コヒーレンスが計算される、請求項５に記載の方法。
7. 前記時間領域心拍数変動性信号から取得される周波数領域信号から前記ＬＦ／ＨＦ比および前記カートシス値が計算される、請求項５に記載の方法。
8. 前記時間領域心拍数変動性信号を電力スペクトル密度のスペクトルに変換することにより前記周波数領域信号が取得される、請求項７に記載の方法。
9. 前記参照信号が時間領域参照信号を表わす正弦波である、請求項６に記載の方法。
10. 前記データが各心臓サイクルの収縮期ピーク、開始時刻および終了時刻と関連する前記少なくとも５つの心臓サイクルの時間区間を含む、請求項３に記載の方法。
11. 前記統計的変動の計算値をまとめて用いて前記興奮レベルを求めるように機械学習分類器を構成することをさらに含む、請求項１乃至１０のうちのいずれか一項に記載の方法。
12. 前記機械学習分類器には、サポートベクターマシン、ナイーブベイズ法およびｋ近傍法が含まれる、請求項１１に記載の方法。
13. 電子機器にダウンロード可能な被験体の精神状態を導き出すためのコンピュータプログラムであって、
    １組のインストラクションを備えており、実行されると、
    前記電子機器のプロセッサを、
    （ｉ）前記被験体からバイオ信号を受け取り、
    （ｉｉ）前記バイオ信号から導き出される少なくとも２つの生理学的パラメータのそれぞれの統計的変動を計算し、
    （ｉｉｉ）前記少なくとも２つの生理学的パラメータのそれぞれの統計的変動の計算値に基づいて前記被験体の興奮レベルを求め、
    （ｉｖ）前記バイオ信号から時間領域心拍数変動性信号を導き出して少なくとも２つの心拍数変動性パラメータを計算し、
    （ｖ）前記少なくとも２つの心拍数変動性パラメータの計算値に基づいて前記被験体の感情価レベルを求め、
    （ｖｉ）前記興奮レベルおよび前記感情価レベルから前記精神状態を導き出すよう制御するように構成されてなる、コンピュータプログラム。
14. 前記コンピュータプログラムがインターネットを介してダウンロード可能に構成されてなる、請求項１３に記載のコンピュータプログラム。
15. 電子機器のメモリー内に格納されるコンピュータプログラムであって、
    １組のインストラクションを備えており、実行されると、
    前記電子機器のプロセッサを、
    （ｉ）被験体からバイオ信号を受け取り、
    （ｉｉ）前記バイオ信号から導き出される少なくとも２つの生理学的パラメータのそれぞれの統計的変動を計算し、
    （ｉｉｉ）前記少なくとも２つの生理学的パラメータの前記統計的変動の計算値に基づいて前記被験体の興奮レベルを求め、
    （ｉｖ）前記バイオ信号から時間領域心拍数変動性信号を導き出して少なくとも２つの心拍数変動性パラメータを計算し、
    （ｖ）前記少なくとも２つの心拍数変動性パラメータの計算値に基づいて前記被験体の感情価レベルを求め、
    （ｖｉ）前記興奮レベルおよび前記感情価レベルから前記被験体の精神状態を導き出すように制御するように構成されてなる、コンピュータプログラム。
16. 被験体の精神状態を導き出すための装置であって、
    （ｉ）前記被験体からバイオ信号を受け取るための受信器と、
    （ｉｉ）
    （ａ）前記バイオ信号から導き出される少なくとも２つの生理学的パラメータのそれぞれの統計的変動を計算し、
    （ｂ）前記少なくとも２つの生理学的パラメータのそれぞれの統計的変動の計算値に基づいて前記被験体の興奮レベルを求め、
    （ｃ）前記バイオ信号から時間領域心拍数変動性信号を導き出して少なくとも２つの心拍数変動性パラメータを計算し、
    （ｄ）前記少なくとも２つの心拍数変動性パラメータの計算値に基づいて前記被験体の感情価レベルを求め、
    （ｅ）前記興奮レベルおよび前記感情価レベルから前記精神状態を導き出すためのプロセッサと
    を備えてなる、装置。
17. 前記装置が電子機器の形態を有してなる、請求項１６に記載の装置。
18. 前記電子機器が通信デバイスまたは装着可能デバイスである、請求項１７に記載の装置。
19. 前記装置が装着可能デバイスと受信器を有する通信デバイスとを備えており、前記装着可能デバイスが、前記被験体から前記バイオ信号を取得するための信号検知デバイスと、前記バイオ信号に関連するデータを求めるためのデータ処理モジュールとを有しており、前記通信デバイスの前記受信器が、求められた前記バイオ信号に関連するデータを受け取るように構成されてなる、請求項１８に記載の装置。
20. 前記電子機器が少なくとも１つのＬＥＤと少なくとも１つのフォトダイオードとを有しており、前記ＬＥＤが前記被験体の表面に光を発射するように構成され、前記フォトダイオードが発射された前記光のうちの前記被験体の表面により反射された光を受け取るように構成され、前記反射された光が前記バイオ信号の前記少なくとも５つの心臓サイクルに関連する前記データに相当してなる、請求項１７または１８のうちのいずれか一項に記載の装置。
21. 被験体の感情価レベルを求める方法であって、
    （ｉ）被験体からバイオ信号を受け取ることと、
    （ｉｉ）前記バイオ信号から時間領域心拍数変動性信号を導き出して少なくとも２つの心拍数変動性パラメータを計算すことと、
    （ｉｉｉ）前記少なくとも２つの心拍数変動性パラメータからの感情価レベルを求めることと
    を含む、方法。
22. 前記少なくとも２つの心拍数変動性パラメータが前記被験体の心拍数変動性コヒーレンス、ＬＦ／ＨＦ比およびカートシス値からなる群から選択される、請求項２１に記載の方法。
23. 被験体の興奮レベルを求める方法であって、
    （ｉ）前記被験体からバイオ信号を受け取ることと、
    （ｉｉ）前記バイオ信号から導き出される少なくとも１つの生理学的パラメータの統計的変動を計算することと、
    （ｉｉｉ）前記少なくとも１つの生理学的パラメータの統計的変動の計算値に基づいて前記被験体の興奮レベルを求めることとを含んでおり、
    前記統計的変動の計算値が前記被験体の唾液のコルチゾールの４０％を超える増加に相当する場合、前記興奮レベルがストレスレベルにあると判断される、方法。
24. 前記バイオ信号を受け取ることが前記バイオ信号の少なくとも５つの連続する心臓サイクルに関連するデータを受け取ることを含む、請求項２３に記載の方法。
25. 前記データが各心臓サイクルの収縮期ピーク、開始時刻および終了時刻に関連する前記少なくとも５つの心臓サイクルの時間区間を含む、請求項２４に記載の方法。
26. 前記少なくとも１つの生理学的パラメータが脈圧を含む、請求項２３乃至２５のうちのいずれか一項に記載の方法。
27. 前記少なくとも１つの生理学的パラメータの統計的変動を計算することが前記脈圧の標準偏差を計算することを含む、請求項２６に記載の方法。
28. 前記脈圧の計算値の標準偏差が約３．０〜１２．０ｍｍＨｇ水銀レベルの範囲内にあるしきい値よりも大きい場合、前記興奮レベルが前記ストレスレベルにあると判断される、請求項２７に記載の方法。
29. 前記脈圧の標準偏差の計算値が約６．０〜１０．０ｍｍＨｇ水銀レベルの範囲内にあるしきい値よりも大きい場合、前記興奮レベルが前記ストレスレベルにあると判断される、請求項２８に記載の方法。
30. 被験体の精神状態を導き出す方法であって、
    （ｉ）前記被験体からバイオ信号を受け取ることと、
    （ｉｉ）前記バイオ信号から導き出される少なくとも２つの生理学的パラメータのそれぞれの統計的変動を計算することと、
    （ｉｉｉ）前記少なくとも２つの生理学的パラメータのそれぞれの統計的変動の計算値に基づいて前記被験体の興奮レベルを求めることと
    を含む、方法。
31. 前記少なくとも２つの生理学的パラメータが呼吸速度、心拍数および脈圧からなる群から選択される、請求項３０に記載の方法。
32. 被験体の興奮レベルを求める方法であって、
    （ｉ）前記被験体からバイオ信号を受け取ることと、
    （ｉｉ）前記バイオ信号から導き出される少なくとも１つの生理学的パラメータの統計的変動を計算することと、
    （ｉｉｉ）前記少なくとも１つの生理学的パラメータの統計的変動の計算値に基づいて前記被験体の興奮レベルを求めることとを含み、
    前記統計的変動の計算値が約３．０〜１２．０ｍｍＨｇ水銀レベルの範囲内にあるしきい値よりも大きい場合、前記興奮レベルがストレスレベルにあると判断される、方法。
    

Images