JP2019510550A - 注意力予測システム及び方法 - Google Patents

Abstract

【課題】注意力レベルの更に正確な推定を行うために監視される個人からデータを収集することによって疲労及び注意力を予測する従来のモデルを改良するウェアラブル装置のような装置に用いられる注意力予測生物数理モデル。
【解決手段】生物数理モデルを、睡眠覚醒ホメオスタシス態様及びサーカディアンリズム態様を組み込む二過程アルゴリズムとすることができる。モデルの睡眠覚醒ホメオスタシス態様を、睡眠及び覚醒推定の精度を上げるために遠位皮膚尺度、周囲光尺度及び心拍数尺度と共にアクティグラフィー尺度を用いることによって改良する。サーカディアンリズムモデル態様は、遠位皮膚データ、心拍数データ及びアクティグラフィーデータを用いることによって疲労予測及び推定を向上させる。睡眠覚醒ホメオスタシス態様及びサーカディアンリズム態様を、注意力推定の精度を更に上げるために他の自覚尺度及び他覚尺度並びにユーザからの情報と組み合わせてもよい。
【選択図】図８

Description

本願は、２０１６年２月１８日に出願された表題が注意力予測アルゴリズム（Ａｌｔｅｒｎｅｓｓ Ｐｒｅｄｉｃｔｉｏｎ Ａｌｇｏｒｉｔｈｍ）である米国仮出願第６２／２９６，８００号明細書（代理人整理番号ＴＶＣ−１４１ＵＳＰ）及び２０１６年１２月１２日に出願された表題が注意力予測システム（Ａｌｔｅｒｎｅｓｓ Ｐｒｅｄｉｃｔｉｏｎ Ｓｙｓｔｅｍ）である米国仮出願第６２／４３２，９７７号明細書（代理人整理番号ＴＶＣ−１４１ＵＳＰ−１）の優先権を主張し、各々の内容を参照によりここに組み込む。

個人（ｉｎｄｉｖｉｄｕａｌ）の注意力の抑えの利かない劣化は大きな関心事であり、一部の領域において影響（ｃｏｎｓｅｑｕｅｎｃｅｓ）が及ぼされている。一例として、１日に２５０，０００人のドライバが居眠り運転をする。重大であるとともに命にかかわるトラック、バス、列車及び自動車の事故が大変な率で生じる。製造工場における多くの怪我及び事故は、疲労に関連する。注意力を監視する目的は、これらの緊急事態及び他の緊急事態が発生するのを防止するとともに事後に処理できるようにすることである。例えば、居眠り運転をしてから起こすのでは既に手遅れである。

歴史的には、個人の注意力を予測又は推定するアルゴリズムは、しばしば二過程モデルと称されるものに基づいていた。二過程モデルは、サーカディアンリズム工程及び睡眠覚醒ホメオスタシスモデルから構成されている。モデルのサーカディアンリズム態様は、典型的には、標準的な時間周期（例えば、２３〜２５時間）のみに基づく。それに対し、睡眠覚醒ホメオスタシスモデルは、典型的には、アクティグラフィー決定のみに基づく。

現在の形式の二過程アルゴリズムモデルの欠点は、少ないサンプル集合から収集されたデータに基づいて注意力の予測を一般化することである。一般的に、アルゴリズムは、アルゴリズムの使用を意図する個人のパーソナライズの不足に悩まされる。

本発明の態様は、個人の注意力レベルの更に正確な推定を行うために監視される個人からデータを収集することによって疲労レベル及び注意力レベルを予測する従来のモデルを改良することである。アルゴリズム又は生物数理モデルを、自覚尺度及び他覚尺度の極致（ｃｕｌｍｉｎａｔｉｏｎ ｏｆ ｓｕｂｊｅｃｔｉｖｅ ａｎｄ ｏｂｊｅｃｔｉｖｅ ｍｅａｓｕｒｅｓ）に基づいて個人の注意力を検出、予測及び／又は推定するためにウェアラブル装置に組み込んでもよい。

本発明の態様による一つのアルゴリズム生物数理モデルは、睡眠覚醒ホメオスタシス態様及びサーカディアンリズム態様を組み込む二過程アルゴリズムを含む。モデルの睡眠覚醒ホメオスタシス態様を、個人に対する睡眠及び覚醒推定の精度を上げるために遠位皮膚尺度、周囲光尺度及び心拍数尺度と共にアクティグラフィー尺度を用いることによって改良することができる。疲労予測及び推定のサーカディアンリズムモデルを、遠位皮膚データ、心拍数データ及びアクティグラフィーデータを組み合わせることによって改良することができる。サーカディアンリズム推定は、ユーザの午後半ばの一時的な小休止及び夕方の集中力の増大を取得することができる更に正確なモデルを生成する。睡眠覚醒ホメオスタシス及びサーカディアンリズムを、推定の精度を更に上げるために他の自覚尺度及び他覚尺度並びにユーザによって供給される情報と組み合わせてもよい。

本発明の態様による他のアルゴリズム生物数理モデルは、種々の測定（ｍｅｔｒｉｃｓ）を用いて個人の注意力を予測する疲労スコアを生成してもよい。ここで説明する生物数理モデル並びに生物数理モデルを組み込む装置、システム及び方法を、個人の注意力に興味がある状況において用いることができる。生物数理モデルは、アプリケーションとして（ウェアラブル装置のような）スタンドアロン装置に存在することができる又は他のソフトウェア環境内に存在することができる。興味がある測定の一部又は全てを、個人の注意力レベルを互いに関連付ける出力を生成するために収集するとともに生物数理モデルを介し得て供給することができる。

個人の注意力レベルを推定又は予測する既存のシステム及びアルゴリズムモデルは、個人のサンプル集合となるようにトレーニングされるとともにサーカディアンリズム推定に対するフィードバックをほとんど又は全く含まないことがある。これによって、個人のサーカディアンリズムの非常に不正確なモデルが生じ、一般化された簡単な正弦曲線のために（午後半ばの一時的な小休止及び夕方の覚醒のような）既知のサーカディアンイベントの予測をしばしば見逃す。しかしながら、ここで説明する本発明の装置、システム及び生物数理モデルは、モデルが個人のサーカディアンリズムに適合するので精度を上げ続ける。提案するモデルは、他のシステムがデータのサンプル集合に対して一般化されている場合に個人に対してパーソナライズされてもよい。

本発明は、添付図面に関連して読まれるときの以下の詳細な説明から最もよく理解され、同様な構成要素は、同一の参照番号を有する。複数の同様な構成要素が存在するとき、単一の参照番号を、特定の構成要素を表す小文字を有する複数の同様な構成要素に割り当てる。構成要素を集合的に示すとき又は構成要素の非特定の一つ以上を示すとき、小文字を付すのを省略する。これは、常識に従った強調であり、図面の種々の形態は、寸法通りではない。それに対し、種々の形態の寸法は、明瞭のために任意の拡大又は縮小している。以下の図が図面に含まれる。

本発明の態様によるウェアラブル装置のブロック図である。 本発明の態様による睡眠覚醒ホメオスタシス（ホメオスタシス睡眠欲）と個人のサーカディアンリズムとの相互作用を示す図である。 本発明の態様による個人のサーカディアンリズム内の例示的なイベント又は特徴を示す図である。 本発明の態様による外部装置と通信を行うここで説明するウェアラブル装置を含むシステムのブロック図である。 本発明の態様によるユーザの注意力を予測するステップのフローチャートである。 本発明の態様による図５による概念を実現する例示的な方法のフローチャートである。 本発明の態様による生物数理モデルからの注意力予測出力の図である。 本発明の態様による疲労を予測する例示的な方法のフローチャートである。 図８の方法において抽出することができる第１の係数のグラフである。 図８の方法において抽出することができる第２の係数のグラフである。 図８の方法において抽出することができる第３の係数のグラフである。 図８の方法において抽出することができる第４の係数のグラフである。

本発明の態様は、種々の測定を用いて個人の疲労レベルを予測するウェアラブル装置を提供する。所定の態様は、二過程アルゴリズムを含み、所定のタイプの生物数理モデルは、アクティグラフィーの正確な測定及び個人のサーカディアンリズムの予測を用いることによって注意力レベルを予測する。ウェアラブル装置は、スマートフォンアプリケーション又は他の「スマート」装置のような他のシステムと接続されてもよい又は通信してもよい。アクティグラフィー推定とサーカディアンリズム推定の両方を、個人の動き、体位、心拍数及び遠位皮膚温度（ｄｉｓｔａｌ ｓｋｉｎ ｔｅｍｐｅｒａｔｕｒｅ）の測定を用いることによって行うことができる。生物数理モデルの注意力の予測を、ここで更に詳しく説明する他の自覚尺度及び他覚尺度を含めることによって精度を更に上げることができる。生物数理モデルは、閉ループフィードバック並びに継続的な学習及び監視による改良を可能にする。

図１は、例えば、装置１００及び／又は他の実在物（ｅｎｔｉｔｙ）を装着する個人に対して個人の疲労を監視するとともに個人の注意力レベルを予測するウェアラブル装置１００を示す。適切なウェアラブル装置は、米国特許公開第２０１４／８４８，７７１号明細書に記載されている。図示したウェアラブル装置１００は、例えば、個人の手首に配置することができるバンド１０２に組み込まれている。バンド１０２は、少なくとも一つのモーションセンサ１０４と、個人の生体測定（ｂｉｏｍｅｔｒｉｃｓ）を監視する少なくとも一つのバイオメトリックセンサモジュール１０５と、を支持する。バイオメトリックセンサモジュール１０５は、皮膚温度センサ１０５ａと心拍数モニタ１０５ｂの少なくとも一つを含んでもよい。本発明と共に用いられる適切なモーションセンサ１０４及びバイオメトリックセンサモジュール１０５は、ここの記載から当業者によって理解される。

モーションセンサ１０４は、（線形、角度等の）動きを追跡するためのジャイロスコープ及び／又は加速度計を含んでもよい。監視又は追跡される動きは、ユーザの所定の動作、所定の動作以外のユーザによる動作、ユーザの相対運動又は（トラックエンジンからの振動等のような）ユーザの環境によって生じた動きを含んでもよい。モーションセンサ１０４を、動きの測定の他にユーザの体位（例えば、座っている状態、立っている状態、横たわっている状態）の推定のために用いてもよい。

動き及び／又は体位を追跡する技術は、加速度計及び／又はジャイロスコープを介するものである。市販されている多くの小型で低電力のジャイロスコープが存在する。ジャイロスコープは、典型的には、圧電センサ又は他の形態の微小電気モーションセンサ（ｍｉｃｒｏ−ｅｌｅｃｔｒｏｎｉｃ ｍｏｔｉｏｎ ｓｅｎｓｏｒｓ）（ＭＥＭＳ）を用いる。例えば、ＳＧＳトムソンマイクロエレクトロニクス（ｓｔ．ｃｏｍ）は、低電力で動作し、３軸全ての動きを測定し、マイクロプロセッサに直接供給することができるデジタル出力を提供し、高精度かつ高い再現性で微細運動を測定できるように低雑音しきい値及び小さいドリフトを有するＭＥＭＳベースのジャイロスコープのシリーズを有する。Ｌ３Ｇ３２００Ｄは、２．４Ｖから３．６Ｖまでの動作電圧範囲を有する適切な装置であり、当該装置は、バッテリ動作に非常に適しており、典型的な動作において６．１ｍＡしか消費せず、−４０℃と＋８５℃の動作範囲を有し、埋め込み温度センサを有し、温度と１６ビット以下の角速度の精度を有する動きの角速度の両方のデジタル出力を有する。

ＭＥＭＳジャイロスコープの代替として、直線加速度計を用いてもよい。参照によりここに全体が組み込まれる２０１３年３月に刊行されたフリースケールセミコンダクター社の文献番号ＡＮ３４６１の第６版のマーク ペドレーによる論文「２軸加速度計を用いたチルト検知」（Ｔｉｌｔ Ｓｅｎｓｉｎｇ Ｕｓｉｎｇ ａ Ｔｈｒｅｅ−Ａｘｉｓ Ａｃｃｅｌｅｒｏｍｅｔｅｒ）に記載されているように、ＭＥＭＳ直線加速度計は、重力場及び直線加速度に応答するので、３軸形態で配置したときにヨーイング（ｙａｗ）、上下動（ｐｉｔｃｈ）及び横揺れ（ｒｏｌｌ）への回転変化を演算することができる。

バイオメトリックセンサモジュール１０５は、ユーザの一つ以上のバイオマーカーを測定する一つ以上のセンサを有してもよい。本発明の態様に従って測定することができるバイオマーカーは、皮膚温度と、心拍数を含む心臓に関する測定と、を含むが、それに限定されない。バイオメトリックセンサモジュール１０５を、例えば、１分に１回の測定の割合でユーザの種々のバイオマーカーの継続的及び／又は周期的な受動測定を行うために用いてもよい。一部の実施の形態において、バイオメトリックセンサモジュール１０５は、一般的なものであってもよく、バイオメトリックセンサと非バイオメトリックセンサ（例えば、周囲光センサ１０７）の両方を有してもよい。一実施の形態において、バイオメトリックセンサモジュール１０５を、装置１００内で一体的に統合してもよい。他の実施の形態において、バイオメトリックセンサモジュール１０５を、装置１００内に及び／又は装置１００のあらゆる場所に分散した複数の構成要素から構成してもよい。

バイオメトリックセンサモジュール１０５は、皮膚温度センサ１０５ａと、カールソンロボティクス社（Ｋａｒｌｓｓｏｎ Ｒｏｂｏｔｉｃｓ）の心拍数センサのような心拍数センサ１０５ｂと、を含んでもよい。皮膚温度センサ１０５ａを、ウェアラブル装置１００の位置のユーザの皮膚の温度を測定するのに用いてもよい。シリコンラボラトリーズ社は、心拍数センサ及び血液オキシメーター（ｂｌｏｏｄ ｏｘｉｍｅｔｒｙ）（血液の酸素飽和度）を含む集積回路チップを製造する。これらのタイプのシステムは、システムが装着されているか否かを決定する際に有利となるが、設計の目的がバッテリ寿命を保つことである場合には、一部の態様において、温度センサのみを用いてもよい。例えば、発光ダイオード及び酸素飽和度を測定するとともに大電流を有するセンサを用いるオキシメトリセンサを省略してもよい。

バイオメトリックセンサモジュール１０５を、心臓に関する測定及び皮膚温度を有するユーザの種々のバイオマーカーの経時的な変化を検出するのに用いることもできる。変化を、バイオメトリックセンサモジュール１０５内の一つ以上のセンサによってユーザの継続的かつ周期的な受動他覚測定によって検出してもよい。

本発明の態様によれば、ウェアラブル装置１００は、腕時計と同様に快適なリストバンドと一体である。しかしながら、装置１００は、前腕に取り付けられて、ひじの周りに装着されて又は実質的にいずれかの体の部位に取り付けられて作動することができる。また、装置１００を、手袋又は装置１１０をユーザに保持する他の手段のような衣類に組み込んでもよい。本発明の態様による装置１００の設計は、オペレータへの装着を目立たなくするとともにオペレータが装着するのを助けるようにする。このために、バイオメトリックセンサモジュール１０５を、（例えば、ウェアラブル装置１００がユーザの皮膚に現在接触していることを示す温度測定に基づいて）ウェアラブル装置１００が現在装着されているか否かを検出するのに用いてもよい。例えば、温度センサ及び／又は心拍数センサは、このために作動する。バイオメトリックセンサモジュール１０５の他のバイオメトリックセンサをこのために用いてもよい。モーションセンサ１０４及び任意の監視される動きを、ユーザが装置１００を現在装着しているか否かを決定するのに用いることができる。

ウェアラブル装置１００は、個人の注意力又は疲労のレベルを予測する生物数理モデルを格納するメモリ１１０を有する。生物数理モデルを、睡眠覚醒ホメオスタシス態様及びサーカディアンリズム態様を組み込む二過程アルゴリズムとすることができる。睡眠覚醒ホメオスタシスは、個人の睡眠の必要性又は睡眠欲を反映する。睡眠覚醒ホメオスタシス決定（又はホメオスタシス睡眠欲）を、ユーザの最近寝てからの時間（睡眠負債）、ユーザの最近の睡眠時間の長さ及びユーザの最近の睡眠時間中の睡眠の質のような要因から構成してもよい。ユーザが実際に覚醒状態と睡眠状態のいずれであるかの決定は、アクティグラフィーと称される方法を用いて行われる。モデルの睡眠覚醒ホメオスタシス態様は、個人に対する睡眠覚醒決定の精度を上げるために、遠位皮膚測定、周囲光測定及び心拍数測定の他にモーションセンサ１０４により検出される動きから導き出される正確なアクティグラフィー測定を用いる。モデルは、遠位皮膚データ、心拍数データ及びアクティグラフィーデータを組み合わせることによって導き出される疲労予測及び推定のサーカディアンリズムモデル態様も含む。このサーカディアンリズム推定は、ユーザの午後半ばの一時的な小休止及び夕方の集中力の増大を記録することができる。

メモリ１１０は、人々の一般集団のサンプルから導き出されるサーカディアンリズムの一般化されたデフォルト推定も格納する。一般化されたデフォルト推定は、約２４時間のサーカディアンリズムサイクルを仮定する。個人が最初に装置１００を装着するとき、装置１１０は、一般化されたデフォルト推定を個人に適用する。しかしながら、経時的に、装置１００は、閉ループシステムにおける個人の種々の継続的な受動測定に基づいて、格納された生物数理モデルを適用することにより個人の実際のサーカディアンリズムを反映するために一般化されたデフォルト推定を調整する。測定は、動き、皮膚温度及び心拍数を含んでもよい。個人のパーソナルサーカディアンリズムは、例えば、一般化されたデフォルト推定から偏位しながら実際には２３．５時間と２５時間の間で変化する。したがって、一般化されたデフォルト推定は、個人の実際のサーカディアンリズムの推定に従って調整されるように構成され、これによって、生物数理モデルを適用した後の個人に対する注意力の予測をパーソナライズする。例えば、個人の一般化されたデフォルト推定の調整を、個人が装置１００を２日間装着した後に適用することができ、２日間に亘る測定は、一般化されたデフォルト推定が個人の実際のサーカディアンリズムを反映するのに不十分であることを示す。

プロセッサ１０８は、モーションセンサ１０４及びバイオメトリックセンサモジュール１０５に結合されている。プロセッサ１０８をプログラマブルマイクロプロセッサとしてもよい。プロセッサ１０８は、データを格納及び読み出すためにメモリ１１０にも結合されている。プロセッサ１０８は、ここで説明するウェアラブル装置１００の機能を提供するために命令を実行することができる又はメモリ１１０に格納された生物数理モデルを適用ことができる。プロセッサ１０８は、モーションセンサ１０４及びバイオメトリックセンサモジュール１０５から取得したデータをメモリ１１０に格納するとともに格納したデータを処理のためにメモリ１１０から読み出すこともできる。メモリ１１０を、例えば、スタティックランダムアクセスメモリ（ＲＡＭ）のような通常のメモリとしてもよい。プロセッサ１０８を、低消費電力の組み込みプロセッサとしてもよい。ファームウェアのアップグレードを可能にするリプログラマブルマイクロプロセッサ装置としてもよい。適切なプロセッサ１０８は、３．３Ｖ（適切なジャイロスコープに適合する動作電圧範囲）で動作するアルテラ社のＭＡＸ７０００Ａである。

プロセッサ１０８を、タイムド及び／又はスケジュールドイベントを監視するためのクロック１１２並びにリモート位置に信号を送信する及び／又はリモート位置から信号を受信するトランシーバ１１４に結合してもよい。クロック１１２を、（例えば、ミリ秒、マイクロ秒等のような１秒の数分の一の）時間を測定することができる集積回路クロックとしてもよい。トランシーバ１１４を、例えば、通知の場合にウェアラブル装置１００がテレマティクス装置、リモートコンピュータシステム、コンピュータアプリケーション及び／又はスマートフォンアプリケーションに通知を行うことができるようにするブルートゥース（登録商標）送信機としてもよい。バッテリ１１６によってウェアラブル装置１００の構成要素に給電を行うことができる。バッテリ１１６を、リチウムイオンバッテリセルのような充電池としてもよい。

プロセッサ１０８は、装置が皮膚に接触して装着されているか否かを決定するためにモーションセンサ１０４及びバイオメトリックセンサモジュール１０５からの温度出力及びモーション出力を監視することができる。モーションセンサ１０４からのモーション出力を、ウェアラブル装置１００の動きを監視するためにプロセッサ１０８によって用いることができる。プロセッサ１０８を、速度が０ｄｐｓ（度／秒）と２０００ｄｐｓの間である角運動を探すように構成してもよい。範囲の下限は、振動による小さい角度シフトを除外し、範囲の上限は、トラックの旋回からのような大規模な径方向運動を除外する。オペレータの応答時間並びに記録された温度及び時間をメモリ１１０に格納してもよく、したがって、例えば、配車係は、テレマティクスシステムが通信に利用できない場合に装置が適切に装着されていたことを後の時点で確認することができる。

装置１００は、周囲光検出器１０７を更に含んでもよい。周囲光検出器１０７を、光のユーザへの照射を検出するのに用いてもよい。光照射は、個人のサーカディアンリズムに影響を及ぼすとともに個人のサーカディアンクロックを調整することがある。これによって個人のサーカディアンリズムをシフトすることがある。生物数理モデルは、光の個人への照射に応答して、周囲光検出器１０７から取得した情報を個人のサーカディアンリズムの将来の変化の予測に組み込むことができる。周囲光検出器１０７を、個人のサーカディアンリズムに大きな影響を及ぼす青色波長の光のユーザへの照射を決定するように構成してもよい。プロセッサ１０８を周囲光検出器１０７に結合してもよい。プロセッサ１０８は、モーションセンサ１０４、バイオメトリックセンサモジュール１０５及び周囲光検出器１０７によって測定された出力を監視及び処理してもよい。

プロセッサ１０８は、動きの測定をアクティグラフィー決定に組み込むことによって個人の睡眠覚醒の周期を含む個人の睡眠覚醒ホメオスタシスをメモリ１１０に格納した生物数理モデルを用いて評価するために、モーションセンサ１０４及びバイオメトリックセンサモジュール１０５からの温度出力、心拍数出力及びモーション出力を監視してもよい。

ユーザの最近の寝てからの時間の検出を、心拍数及び皮膚温度のようなバイオマーカーと組み合わされた（睡眠中の時間を表す）ユーザの動きの不足を表すアクティグラフィー動きデータの分析によりプロセッサ１０８によって決定することができる。プロセッサは、遠位皮膚温度及び心拍数の測定を用いてアクティグラフィー決定を調整及び／又は確認してもよい。例えば、プロセッサ１０８は、個人が睡眠状態と覚醒状態のいずれであるかを確認するために遠位皮膚温度を（パターン認識又は他の技術を用いて）アクティグラフィー決定に適用することができる。これを、しきい値、基本データの探索又は所定の期間に亘る皮膚温度の上昇のパターンを用いることによって行うことができる。皮膚温度の上昇は、個人が睡眠状態であることとの相関関係を示し、皮膚温度の低下は個人が覚醒状態であることとの相関関係を示す。

さらに、プロセッサ１０８は、例えば、個人が覚醒状態と睡眠状態のいずれであるかを簡単に決定できない場合に、周囲光検出器１０７からの周囲光の測定を追加の出力としてアクティグラフィー睡眠又は覚醒決定に適用してもよい。例えば、個人が覚醒状態と睡眠状態のいずれであるかを簡単に決定できないが大量の周囲光が存在する場合、アクティグラフィー出力を、個人が覚醒状態であるという予測とすることができる。一方、光の不存在は、個人が睡眠状態であることを示す。

プロセッサ１０８は、アクティグラフィー決定を確認及び／又は調整するために体位の決定及び心拍数の決定をアクティグラフィー決定に適用してもよい。体位は、ユーザが睡眠状態と覚醒状態のいずれかであるかについての追加の情報を提供することができるので、体位を周囲光と同様に用いることができる。例えば、ユーザが立っている又は座っている場合は、ユーザが横になっている場合よりも睡眠状態である可能性が低い。心拍数は、皮膚温度と同様に、個人が睡眠状態と覚醒状態のいずれであるかを表すパターンを有する。プロセッサ１０８は、睡眠覚醒ホメオスタシス評価を向上させるために、アクティグラフィーの睡眠／覚醒予測の精度を更に上げるためのこの追加の入力を用いることができる。

また、プロセッサ１０８は、個人のサーカディアンリズムを推定する。図２参照。プロセッサ１０８は、ユーザのパーソナルサーカディアンリズムを推定するために皮膚温度又は心拍数のような少なくとも一つのバイオマーカーの当初測定を処理してもよい。結果的に得られる処理データを、例えば、図２のようにグラフにすることができ、プロセッサ１０８は、個人のサーカディアンリズム内の特定位置に相関する特徴又はイベントを識別又は抽出することができる。一日に亘るユーザの注意力を、ユーザのサーカディアンリズム内のユーザの位置に強く相関させることができる。ユーザのサーカディアンリズムを推定する能力は、所定の日の任意のポイントにおけるユーザの注意力の正確な予測を提供することができる。

ユーザのパーソナルサーカディアンリズムを推定するためのバイオマーカーは、ユーザの遠位皮膚温度である。ユーザの遠位皮膚温度を、ユーザの中核体温に関連させる。中核体温は、ユーザのサーカディアンリズムに従い、中核体温は、ユーザのサーカディアンリズムに従う結果として覚醒の時間中に増大するとともに典型的な睡眠時間中に減少する。したがって、ユーザの注意力のレベルは、サーカディアンリズムと共に変化する。ユーザの体が体の手足を通じて熱を分散することによって中核体温を調整するので、手足の温度は、中核体温が低下したときに上昇する。したがって、ユーザの遠位皮膚温度の測定を、ユーザのサーカディアンリズムに従う遠位皮膚温度を中核体温に相関させることによってユーザのパーソナルサーカディアンリズムを正確に推定するのに用いることができる。

遠位皮膚温度を、ユーザのメラトニンレベルに相関させることもできる。ユーザの内因性メラトニンのレベルは、パーソナルサーカディアンリズム内のユーザの位置の信頼性がある正確なインディケータであり、したがって、ユーザの注意度のインディケータである。メラトニンは、典型的には、注意力が下がる間（例えば、夜の睡眠前の期間）に増加するとともに注意力が上がる間に減少する。メラトニンレベルが上がるときにユーザの皮膚温度がユーザのサーカディアンリズムに関連しながら上昇するので、皮膚温度は、一般的には、メラトニンレベルに相関する。このようにして、皮膚温度は、ユーザの現在のメラトニンレベルを決定するための相関プロキシ（ｃｏｒｒｅｌａｔｉｖｅ ｐｒｏｘｙ）、したがって、パーソナルサーカディアンリズム内のユーザの位置によって決定されるようなユーザの現在の注意力のレベルとしての役割を果たすことができる。

ユーザのパーソナルサーカディアンリズム及び／又はメラトニンレベルの推定のための人の遠位皮膚温度の当初測定を、足、腕、手首及び手を含むユーザの体の種々の位置で取り出してもよい。ユーザのパーソナルサーカディアンリズム及び／又はメラトニンレベルのプロセッサ１０８による推定に組み込むことができるバイオマーカーの他の当初測定は、心拍数のような心臓に関する測定を含むことができるが、それに限定されない。

既存のユーザのパーソナルサーカディアンリズムの推定の例は、検査期間中の手首のような体の遠位位置でのユーザのウェアラブル装置１００の装着によって開始してもよい。検査期間は、２日以上の期間を有してもよい。歩行皮膚温度（ａｍｂｕｌａｔｏｒｙ ｓｋｉｎ ｔｅｍｐｅｒａｔｕｒｅ）を、少なくとも２日間に１分に１回の頻度で温度センサ１０５ａによって測定してもよい。プロセッサ１０８は、遠位皮膚温度測定から導き出されるデータに基づいて、ユーザのパーソナルサーカディアンリズムを推定することができる。検査期間に亘るバイオマーカーの他の当初測定を、ユーザのサーカディアンリズムを推定するのに用いてもよい。

プロセッサ１０８によるサーカディアンリズム推定を、所定の期間に亘る個人の遠位皮膚温度及び／又は心拍数の測定を収集することによって可能にする。プロセッサ１０８は、遠位皮膚温度及び心拍数の測定から導き出されるデータ点を生成する。プロセッサ１０８は、データ点を精緻化するために個人による動きの測定も組み込んでもよい。データ点は、個人の実際のサーカディアンリズムの時点を表し、プロセッサ１０８は、所定の時間に亘るこれらのデータ点をプログレッション（ｐｒｏｇｒｅｓｓｉｏｎ）として編集することにより個人の全体に亘るサーカディアンリズムを推定するためにこれらのデータ点を用いることができる。また、プロセッサ１０８は、個人の実際のサーカディアンリズムより良く反映するようにメモリ１１０に格納された一般化されたデフォルト推定を調整するためにこれらのデータ点を用いる。プロセッサ１０８は、サーカディアンリズム決定を個人に対してパーソナライズするように調整を行うためにパターン認識及び／又は機械学習技術を適用してもよい。

個人のサーカディアンリズムは、典型的には、日々大幅に変化しない。しかしながら、個人の活動は毎日変化することがある。これらの活動は、典型的には安定した個人のサーカディアンリズムのインディケータを「マスク」することができる。遠位皮膚温度及び／又は心拍数が（歩行、睡眠等のような）「マスキング」イベント以外のものによって影響が及ぼされるので、プロセッサ１０８は、皮膚温度又は心拍数データをこれらの「マスキング」非サーカディアンリズムから分離又は「デマスク」するために追加の信号処理技術を適用する必要があり得る。プロセッサ１０８は、サーカディアンリズムの正確な予測を提供するために、内在する皮膚温度及び心拍数データ（すなわち、未加工サーカディアンデータ）から「マスキングイベント」を除去する「デマスキング」アルゴリズムを適用する。例えば、人の周期的な起床及び（例えば、ある会社から他の会社への）歩行のマスキングイベントは、毎日全く同じ時間に生じない。これは、遠隔（ｏｕｔｌｙｉｎｇ）「マスキング」因子を除去するとともに内在する一致信号（ｕｎｄｅｒｌｙｉｎｇ ｃｏｎｓｉｓｔｅｎｔ ｓｉｇｎａｌ）を保持することができる用いられる信号処理技術によって毎日同じ時点（例えば、毎日午後１２時５分）で収集されるデータ点を複数の日に亘って検査できることを意味する。これを、複数の日に亘る所定の２４時間周期の複数点の各々を平均化する技術によって大抵容易に実現されるが、フィルタリングのような他の信号処理技術を用いてもよい。同様に、この同じ原理を、サーカディアンリズムにより同様に影響が及ぼされるとともにマスキングの影響のために歴史的には用いられなかった心拍数測定に適用してもよい。

遠位皮膚温度測定及び心拍数測定の「デマスキング」において考慮される変数は、皮膚温度及び心拍数からの内在するサーカディアンリズム信号をゆがめることがある「マスキング」イベントである個人の体位及び活動である。例えば、サーカディアンリズムが観察される典型的な環境は、最小の食物摂取で動きのないユーザが固定位置のベッドに横たわる研究室にある。「デマスキング」は、そのような制御される環境の外側で生じるイベントの影響を除去するプロセスである。一例として、個人はジョギングを行うことができる。これが生じるとき、個人の遠位皮膚温度は、個人が汗をかき始める際に低下する。さらに、個人の心拍数は、肉体的な活動のために上がる。このために、内在するサーカディアン信号は、典型的には消失する。しかしながら、プロセッサ１０８は、特定の期間にメモリに保存された履歴情報及び状況情報を組み込むことによりこれらのマスキング効果がある場合に内在するサーカディアン信号を保持することができる「デマスキング」アルゴリズムを適用する。装置１００及びプロセッサ１０８が、個人が走っていることを知る場合、プロセッサ１０８は、受信したデータが不良データであるとともに当該データを廃棄することができること又は生物数理モデルを介して実際の注意力を決定する際に重要性が減少されうることを決定することができる。

好適な実施の形態において、サーカディアンリズム推定は、各データ点に関連したＱ値（ｑｕａｌｉｔｙ ｆａｃｔｏｒ）の概念によっても向上される。データが取得された状況（例えば、ユーザが歩いていた又は寝ていた場合）についての追加の情報を知ることができる場合、このデータ点にＱ値を付与することができる。例えば、データ点を取得する際にユーザが歩いている場合、データ点は、低いＱ値のデータ点であると考えられ、それに対し、データ点を取得する際にユーザが所定の時間に亘って座っていたとき、データ点は、高いＱ値の品質データ点である。Ｑ値の概念を用いることによって、全てのデータ点が等しく扱われないので、サーカディアンリズムの精度を向上させることができる。プロセッサ１０８は、数日に亘る特定の期間中の所定のデータ点を平均することによってデータ点内の皮膚温度又は心拍数データに対して「デマスク」又はＱ値の適用を行ってもよい。例えば、遠位皮膚温度を所定の日の午後１２時５分に正確に収集した場合、個人は、バスに間に合うために走っていることがあり、その結果、データ点に低いＱ値が与えられる。次の日、他のデータ点が午後１２時５分に収集される。このとき、ユーザは椅子に座っており、その結果、このデータ点は、高いＱ値のデータ点となる。これらのデータ点に対して重み付けされた平均を適用することによって、更に正確な「デマスクされた」遠位皮膚温度又は心拍数をプロセッサ１０８によって取得することができる。

プロセッサ１０８は、１日の所定の点に対するサーカディアンリズムデータの複数の日の価値を組み合わせる重み付けされた平均のための係数としてＱ値を用いる。例えば、プロセッサ１０８は、火曜日の午後１２時５分及び水曜日の午後１２時５分のデータ点を取り出してもよい。火曜日は０．１のＱ値であると評価され、それに対し、水曜日は、０．９のＱ値を有する。結果的に得られる重み付けされた平均は、（０．１＊火曜日＿データ＋０．９＊水曜日＿データ）としてプロセッサにより計算される。これは、数日に亘る簡単なデータの平均より優れた推定を提供する。その理由は、プロセッサ１０８は、全てのデータ点を等しい値として扱わないからである。

さらに、プロセッサ１０８は、皮膚温度及び／又は心拍数の傾向を組み込むことによって（典型的な個人に対しては正確に２４時間ではない）サーカディアンリズムの実際の期間を推定することができる。皮膚温度及び／又は心拍数データに対してＱ値が割り当てられる及び／又は「デマスク」が行われることによって、プロセッサ１０８は、データを正規化するとともにサーカディアンリズムが位相シフトされるとともに相関したパターンであると仮定することができる。さらに、メラニンレベルを、サーカディアンリズム係数（位相Φ）及び個人のサーカディアンリズムの周期（τ）のマーカとして用いることができる正規化された遠位皮膚温度データの急な増大によって予測することができる。

プロセッサ１０８は、生物数理モデルに従って睡眠覚醒ホメオスタシス決定と実際のサーカディアンリズム推定とを組み合わせて個人の注意力の予測とすることもできる。この結果、個人に対する注意力予測が更に正確になるとともにパーソナライズされる。睡眠覚醒ホメオスタシス及びサーカディアンリズムは、個人の中で協力して個人の常に変化する注意力となる。図３参照。サーカディアンリズムを、注意力の全体に亘る推定を作成するために生物数理モデルによって睡眠ホメオスタシス情報と組み合わせることができる。生物数理モデルに対する各入力を、パターン認識及び／又は機械学習技術を用いて組み合わせてもよい。これらの技術の一部は、ある部分から他の部分までの重み付けを含む。生物数理モデルの重み付けされた部分を静的に又は動的に規定してもよい。例えば、サーカディアンリズムに付与される重みは、プロセッサ１０８が収集したデータの推定される品質に基づく。

図４は、本発明の態様によるウェアラブル装置１００を含むシステム４００を示す。ウェアラブル装置１００は、例えば、スマート装置４５０及び／又は外部コンピュータ装置４６０と通信を行うことができる。スマート装置４５０を、スマートフォンのような携帯機器としてもよい。外部コンピュータ装置４６０を、パーソナルコンピュータ等としてもよい。ウェアラブル装置１００によって収集されたデータを、スマート装置４５０及び／又は外部コンピュータ装置４６０に送信することができる。また、スマート装置４５０及び／又は外部コンピュータ装置４６０は、他の情報をウェアラブル装置１００に送信することができる。

スマート装置４５０及び／又は外部コンピュータ装置４６０は、ウェアラブル装置１００から受信したデータの表示、格納及び／又は他の処理を行うことができるアプリケーション又は他のソフトウェアモジュールを有してもよい。例えば、スマート装置４５０は、ウェアラブル装置１００から受信するとともにスマート装置４５０によって格納されたデータから導き出されたデータの経時的な個人の注意力予測又は疲労スコアのグラフを表示するソフトウェアアプリケーションを有してもよい。スマート装置４５０及び／又は外部コンピュータ装置４６０を、ウェアラブル装置１００から受信したデータが個人の疲労を予測した場合に個人に警告を行うために用いてもよい。さらに、スマート装置４５０及び／又は外部コンピュータ装置４６０は、データクラウド４７０とのデータの通信及び交換を行うことができる。したがって、スマート装置４５０及び／又は外部コンピュータ装置４６０によって受信したデータを、格納のためにクラウド４７０に転送することができ、スマート装置４５０及び／又は外部コンピュータ装置４６０は、例えば、経時的な個人の疲労に関するデータのグラフ又は図を生成するためにクラウド４７０に格納されたデータを検索することができる。さらに、管理者又は発車係のような第三者は、スマート装置４５０及び／又は外部コンピュータ装置４６０を介して個人の疲労又は注意力に関する情報を見ることができる。

図５は、本発明の態様による個人の注意力を予測するステップを示す。先ず、ステップ５００において、モーションセンサによって生成されたモーションデータ、温度センサによって生成された遠位皮膚温度データ及び／又は心拍数モニタによって生成された心拍数データを、プロセッサ１０８によって取得又は受信する。モーションセンサ、温度センサ及び心拍数モニタの各々を、個人が装着したウェアラブル装置１００に関連させることができる。モーションセンサは、個人の体位のデータ又はステップ５００ａで個人によって実行される動きのタイプのデータも生成することができ、これらのデータもプロセッサ１０８によって取得される。ステップ５００ａは、プロセッサ１０８によって取得又は受信される周囲光センサによって生成される周囲光データも含んでもよい。

ステップ５００ｂにおいて、プロセッサは、ウェアラブル装置１００のメモリに格納することができる生物数理モデルによって指示されるようなデータを精緻化するために遠位皮膚温度データ及び／又は心拍数データを処理する。プロセッサ１０８は、皮膚温度データ及び心拍数の処理を行うために、例えば、ローパスフィルタリング及び移動平均を含む信号処理技術を適用することができる。そのような処理／フィルタリングは、更に明確であるとともに更に正確な信号を生成するために遠位皮膚温度データ信号及び／又は心拍数データ信号から「雑音」を除去する。

ステップ５０３ｃにおいて、プロセッサは、個人の体位のデータと個人によって行われる動きのタイプのデータのうちの少なくとも一つに基づいて、生物数理モデルに従ってＱ値を皮膚温度データ及び／又は心拍数データに割り当てることができる。

ステップ５００ｄにおいて、プロセッサは、皮膚温度データ及び／又は心拍数データ内のサーカディアンデータ及び非サーカディアンデータ（すなわち、未加工サーカディアンデータ）を識別し、精緻化されたサーカディアンデータを取得する（すなわち、サーカディアンデータを「デマスキング」する）ために非サーカディアンデータを除去する。サーカディアンデータは、サーカディアンリズムイベントから導き出されるデータとして規定され、一方、非サーカディアンデータは、非サーカディアンイベントから導き出されるデータである。プロセッサは、パターン認識及び／又は機械学習技術を用いて非サーカディアンデータを除去してもよい。プロセッサ１０８は、個人に対する疲労リスクの潜在時間（ｐｏｔｅｎｔｉａｌ ｔｉｍｅｓ）を識別するために精緻化／デマスクされたサーカディアンデータ内の極大イベント及び極小イベントを検出することもできる。

ステップ５１０において、プロセッサ１０８は、モーションセンサから受信したモーションデータを用いてアクティグラフィー決定を行う。プロセッサ１０８は、更に正確なアクティグラフィー決定を行うために遠位皮膚温度データ及び心拍数データのうちの少なくとも一つを用いてステップ５１０ａでアクティグラフィー決定の精緻化を行ってもよい。

プロセッサ１０８は、個人の睡眠時間及び覚醒時間を含む個人の睡眠覚醒ホメオスタシス生物数理モデルを評価するためにステップ５２０でアクティグラフィー決定を用いる。この評価を繰り返し行ってもよい。プロセッサは、個人の睡眠覚醒ホメオスタシスを評価するために未加工アクティグラフィー決定又は精緻化されたアクティグラフィー決定を用いてもよい。さらに、プロセッサ１０８は、睡眠覚醒ホメオスタシス評価を精緻化するために個人の体位のデータを組み込んでもよい。プロセッサは、周囲光データを組み込むことによって個人の睡眠覚醒ホメオスタシス評価を精緻化してもよい。

ステップ５３０において、プロセッサ１０８は、遠位皮膚温度データ及び心拍数データのうちの少なくとも一つを用いてデータ点を計算する。プロセッサ１０８は、データ点を計算するためにステップ５００ｂからの皮膚温度データ及び／又は心拍数データの処理されたデータ又は未処理のデータを組み込んでもよい。さらに、プロセッサ１０８は、ステップ５００ｃからの皮膚温度データ及び／又は心拍数データに割り当てられたＱ値をデータ点の計算に組み込んでもよい。プロセッサ１０８は、皮膚温度データ及び／又は心拍数データを、データ点を計算するために除去された非サーカディアンデータと共に又は当該非サーカディアンデータを用いることなく皮膚温度データ及び／又は心拍数データを組み込んでもよい。

ステップ５４０において、プロセッサ１０８は、個人に対する推定されるサーカディアンリズムを生成する。これを周期的に生成してもよい。プロセッサ１０８は、ウェアラブル装置のメモリに格納されたデフォルトサーカディアンリズムを精緻化するために処理データ点を用いることによって推定されるサーカディアンリズムを生成してもよい。デフォルトサーカディアンリズムを、人々の一般集団のサンプルから導き出してもよく、デフォルトサーカディアンリズムは、約２４時間のサーカディアンリズムサイクルを仮定してもよい。さらに、プロセッサ１０８は、周囲光データを組み込むことによって推定されたサーカディアンリズムを精緻化してもよい。

プロセッサ１０８は、個人のサーカディアンリズム係数（現在の位相Φ）、個人の覚醒／睡眠係数、個人のサーカディアンリズム周期（τ）、個人の就寝時間及び／又は個人のメラトニン発現をステップ５４０ａで推定してもよい。各個人は、異なるサーカディアンリズム位相（Φ）シフトを有してもよく、それは、各個人のサーカディアンリズム周期（τ）が異なる時点で始まってもよいことを意味する。就寝時間を、例えば、デマスクされた遠位皮膚温度の上昇（例えば、３５％の上昇）に続く個人のデマスクされた遠位皮膚温度内の底部（ｌｏｗ ｐｏｉｎｔ）を識別することによって決定することができる。底部は、個人内の高い注意力のレベルに相関し、底部からの３５％の上昇は、メラトニン発現を表す。また、メラトニン発現を、個人のサーカディアンリズムサイクル又は周期（τ）が始まる時間のマーカとして用いることができる。

ステップ５５０において、個人は、他覚パラメータ及び自覚パラメータを装置１００に入力する。個人は、他覚パラメータ及び自覚パラメータをスマート装置４５０及び／又は外部コンピュータ装置４６０に入力し、パラメータをウェアラブル装置１００に送信するとともにウェアラブル装置１００によって用いるようにしてもよい。入力することができるパラメータは、米国特許出願公開第２０１４／８４８，７７１号明細書によって詳しく説明されるような所定の動き、個人の病歴に関するデータ、十分な睡眠が得られていないことの影響に対する感受性、個人によって回答される質問事項からのデータ及び個人による個人の注意力のレベルの自覚評価を含むが、それに限定されない。

ステップ５６０において、プロセッサ１０８は、個人の注意力のレベルを予測する又は疲労予測を生成するために睡眠覚醒ホメオスタシス評価及び推定されたサーカディアンリズムを生物数理モデルに組み込む。プロセッサ１０８は、個人に対する疲労予測を更に精緻化するために自覚パラメータ及び他覚パラメータを組み込んでもよい。これらのパラメータを、生物数理モデルに従って予測の精緻化に組み込むためにパターン認識及又は機械学習技術を用いて非線形的に重み付けしてもよい。プロセッサ１０８は、個人の注意力を予測するために、推定されたサーカディアンリズム係数／位相（Φ）、サーカディアンリズム周期（τ）、覚醒／睡眠係数、就寝時間及び／又はメラトニン発現を用いてもよい。プロセッサ１０８は、生物数理モデルに従って予測を行うときに精緻化された又は精緻化されていない睡眠覚醒ホメオスタシス評価及び／又は精緻化された又は精緻化されていない推定されたサーカディアンリズムを組み込んでもよい。プロセッサ１０８は、検出した極大イベント及び極小イベントを用いることによって個人に対する注意力の予測を精緻化してもよい。その後、注意力の予測を、表示、格納及び／又は更なる処理のために、ウェアラブル装置１００によって外部コンピュータ装置４６０及び／又はスマート装置４５０に送信してもよい。

図６は、図５による概念を実現する例示的な方法６００のステップを示す。先ず、ステップ６０２において、個人の動き、遠位皮膚温度及び心拍数のデータを取得する。ウェアラブル装置１００又はウェアラブル装置のプロセッサ１０８は、モーションセンサ１０４、温度センサ１０５ａ及び／又は心拍数モニタ１０５ｂからの信号としてこのデータを取得することができる。ウェアラブル装置１００又はプロセッサ１０８は、個人の体位を示すモーションセンサ１０４からの信号を受信してもよい。

ステップ６０４において、温度センサ１０５ａから受信した信号及び心拍数モニタ１０５ｂから受信した信号を、この例示的な方法６００に対する二過程アルゴリズムである生物数理モデルによって指示されるようにデータをクリーンアップするためにプロセッサ１０８によって処理する。プロセッサ１０８は、皮膚温度及び心拍数データの信号処理を向上させるためにローパスフィルタリング及び移動平均を適用してもよい。

ステップ６０６において、皮膚温度及び心拍数データを、非サーカディアンイベントによって生じた不明瞭信号（ｏｂｓｃｕｒｉｎｇ ｓｉｇｎａｌ）を個人の遠位皮膚温度及び心拍数の内在する測定データ信号から除去するために二過程アルゴリズムに従って「デマスク」する。これらのイベントは、睡眠、肉体的な活動及び所定の体位を含むが、それに限定されない。サーカディアンリズムに関連する内在する信号を、例えば、数日のデータの価値を平均することによって「デマスク」することができる。皮膚温度及び心拍数を含む「デマスク」されたデータを、個人の実際のサーカディアンリズムのデータ点を生成するために用いることができる。ステップ６０６において、Ｑ値を、個人によって行われる検出された動きのタイプに基づいて皮膚温度及び／又は心拍数に割り当てる。

ステップ６０８において、二過程アルゴリズムの特徴抽出態様を、測定されるとともに「デマスク」された信号から意味を持つイベント又はサーカディアンリズムに関する特徴を抽出するために用いる。これらの意味を持つイベント又は特徴は、個人のサーカディアンリズムに従うとともに注意力のレベルの低下を表す遠位皮膚温度の緩増加を含む。また、遠位温度の急上昇は、注意力レベルの突然の変化を表す。機械学習及び／又はパターン認識技術を、イベント及び／又はパターンを抽出するために用いることができる。複数の一般的に用いられる関数を、ピーク検出アルゴリズム、点間の補間及びコサイナー関数（ｃｏｓｉｎｏｒ ｆｕｎｃｔｉｏｎ）を含む特徴抽出を行うためのアルゴリズムによって用いてもよい。

ステップ６１０において、就寝時間を、現在の位相／サーカディアンリズム係数（Φ）又は個人のサーカディアンリズム周期（τ）内の個人が存在する位置を推定するために用いられる「デマスク」されたデータから決定する。各個人は異なる位相（Φ）シフトを有し、これは、各個人のサーカディアンリズム周期（τ）が異なる時間に始まることを意味する。就寝時間を、例えば、サーカディアンリズムの３５％の上昇に続くサーカディアンリズム内の底部を識別することによって決定することができる。底部は、個人内の高い注意力のレベルに相関し、底部からの３５％の上昇は、メラトニン発現を表す。また、メラトニン発現を、個人のサーカディアンリズムサイクル又は周期（τ）が始まる時間のマーカとして用いることができる。

ステップ６１２において、「デマスク」された皮膚温度データ及び／又は心拍数データ内の極大及び極小点又はイベントを、所定の個人に対する疲労リスクの潜在時間として検出及び識別することができる。これらの検出されたイベントは、眠気のレベルの上昇に相関する。例えば、午後２時と午後４時の時間枠の間の皮膚温度の上昇を、しばしば午後半ばの時間に観察される注意力の低下として識別することができる。

ステップ６１４において、個人からのアクティグラフィーデータを、個人の睡眠覚醒周期及び二過程アルゴリズムモデルの個人の結果的に得られる睡眠覚醒ホメオスタシスを決定するのに用いることができる。これを、個人によって行われる検出された動きを用いるだけで決定することができる。しかしながら、心拍数、遠位皮膚温度及び周囲光の照射のような他の測定を、個人の睡眠及び活動周期の決定を更に正確に行うために組み込むことができる。

ステップ６１６において、個人は、他の自覚パラメータ及び他覚パラメータを装置１００に入力することができる。個人は、自覚パラメータ及び他覚パラメータをスマート装置４５０及び／又は外部コンピュータ装置４６０に入力し、パラメータをウェアラブル装置１００に送信するとともにウェアラブル装置１００によって用いてもよい。これらのパラメータを、個人内の注意力の予測を更に精緻化するのに用いることができる。入力することができるパラメータは、米国特許出願公開第２０１４／８４８，７７１号明細書によって詳しく説明されるような所定の動き、個人の病歴に関するデータ、十分な睡眠が得られていないことの影響に対する感受性、個人によって回答される質問事項からのデータ及び個人による個人の注意力のレベルの自覚評価を含むが、それに限定されない。これらのパラメータを、生物数理モデルの精緻化に組み込むためにパターン認識及又は機械学習技術を用いて非線形的に重み付けしてもよい。

ステップ６１８において、データ点から導き出される周期（τ）、位相／サーカディアンリズム係数（Φ）、イベント特徴及びメラトニン発現を含むサーカディアンリズム態様からの入力を、個人の注意力レベルを予測するパフォーマンス尺度を生成するために二過程アルゴリズムの睡眠覚醒ホメオスタシス態様の入力に組み合わせる。アルゴリズムに対するこれらの入力の各々を、パターン認識技術及び／又は機械学習技術を用いて組み合わせる。これらの技術の一部は、アルゴリズムのある部分から他の部分までの重み付けを含んでもよい。例えば、アルゴリズムモデルのサーカディアンリズム態様に割り当てられる重みは、収集されたデータの推定される品質に基づく。この注意力レベル予測を、ステップ６１６から導き出される入力、他の他覚パラメータ及び他の自覚パラメータを用いて更に精緻化することができる。これらの他覚パラメータ及び自覚パラメータを、個人の注意力の予測に組み込む前に重み付けしてもよい。

図７は、生物数理モデルから導き出される２４時間周期に亘る個人に対する注意力予測出力を示す。破線は、０から１０までのスケールの個人の注意力リスクを表し、１０は、最大疲労を表し、疲労リスク基準としての役割を果たす。図は、２４時間周期に亘る経時的な個人の注意力予測変化を示す。図は、個人に対する睡眠時間も示し、低疲労リスク、中疲労リスク及び高疲労リスクを表す個人に対する注意力予測を示す。

図８は、本発明の態様による着用者／個人の疲労を推定する方法８００のステップを示す。方法８００のステップの一つ以上を、省略することができる、及び／又は、繰り返すことができる、及び／又は、本発明の範囲及び精神を逸脱することなくここに開示したものから変更することができる（同時を含む）順番で実行することができる。

ステップ８０２において、センサデータを取得する。センサデータは、着用者についての情報、例えば、動き、位置、遠位皮膚温度及び／又は心拍数を含んでもよい。さらに、センサデータは、環境条件、例えば、周囲光レベル及び／又は温度を含んでもよい。ウェアラブル装置１００又はウェアラブル装置のプロセッサ１０８は、センサデータを、例えば、モーションセンサ１０４、温度センサ１０５ａ心拍数モニタ１０５ｂ及び／又は光センサからの信号として取得することができる。

ステップ８０４において、信号処理を行う。例えば、温度センサ１０５ａ及び心拍数モニタ１０５ｂから受信した信号を、ここで説明する生物数理モデルによって指示されるようにデータをクリーンアップするためにプロセッサ１０８によって処理してもよい。プロセッサ１０８は、例えば、皮膚温度及び心拍数データの信号の品質を上げるためにローパスフィルタリング及び移動平均を適用してもよい。

ステップ８０６において、サーカディアンリズムを、受信及び処理した信号から推定する。プロセッサ１０８は、皮膚温度データ及び／又は心拍数データ内のサーカディアンデータ及び非サーカディアンデータ（すなわち、未加工サーカディアンデータ）を識別し、精緻化されたサーカディアンデータを取得する（すなわち、サーカディアンデータを「デマスキング」する）ために非サーカディアンデータを除去してもよい。プロセッサ１０８は、パターン認識及び／又は機械学習技術を用いて非サーカディアンデータを除去してもよい。

ステップ８０８において、個別のパラメータを取得する。個別のパラメータは、自覚及び／又は他覚パラメータを含んでもよい。個別のパラメータは、個人の病歴に関するデータ、十分な睡眠が得られていないことの影響に対する感受性、規定の動きを行う能力、個人によって回答される質問事項からのデータ及び個人による個人の注意力のレベルの自覚評価を含むが、それに限定されない。個別のパラメータを、例えば、装置１００又はスマート装置４５０及び／又は外部コンピュータ装置４６０のユーザ入力を介して着用者から受信し、パラメータをウェアラブル装置１００に送信するとともにウェアラブル装置１００によって用いてもよい。これらのパラメータを、個人に対する注意力の予測を更に精緻化するために用いることができる。

ステップ８１０において、特徴を、受信及び処理した信号、推定されたサーカディアンリズム並びに取得した個別のパラメータから抽出する。抽出した特徴は、局所的なサーカディアン高低（ｌｏｃａｌ ｃｉｒｃａｄｉａｎ ｈｉｇｈｓ ａｎｄ ｌｏｗｓ）（例えば、「昼食後に眠くなること」）のようなサーカディアンリズムの形状を表すマーカ、睡眠潜時、睡眠慣性、サーカディアンの沈み（ｃｉｒｃａｄｉａｎ ｌｏｗｓ）、サーカディアンの好み（朝型の人ｖｓ．夜型の人）、習慣的な睡眠機会及び位置（位相）、平均する及び昼寝習慣のような仕事日と休日の両方のユーザの睡眠習慣に関する情報並びに年齢、性別、ＢＭＩ等の一般的な医療情報を含んでもよい。一実施の形態において、抽出した特徴は、（１）仕事日：歩行時間、アラーム使用、エネルギー低下時間、就寝時間、中間睡眠時間、睡眠時間、睡眠潜時、（２）休日：歩行時間、エネルギー低下時間、就寝時間、中間睡眠時間、睡眠時間、睡眠潜時、（３）年齢、（４）性別、（５）ＢＭＩ及び／又は（６）修正された中間睡眠位相情報である。特徴を、簡単な平均、（微分、積分、位相シフト等を介した）データの変換前後の（信号の）ピーク及びバレー検出、代数組み合わせ、マッピング関数に基づく変換データの周波数領域への変換等によって抽出してもよい。

ステップ８１２において、一つ以上のパターン認識及び／又は機械学習技術アルゴリズムを、抽出した特徴を用いて係数を決定することができる方法を識別するために抽出した特徴に適用することができる。プロセッサ１０８は、サーカディアンリズム係数を個人に対してパーソナライズする及び／又はある係数から他の係数までの重み付けをするためにパターン認識及び／又は機械学習技術を適用することができる。アルゴリズムモデルの重み付けされた部分を、静的又は動的に規定することができる。パターン認識及び／又は機械学習アルゴリズムは、ピーク検出アルゴリズム、点間の補間及び／又はコスナー関数を適用してもよい。一実施の形態において、回帰ベースの機械学習アルゴリズムを、次のステップで抽出する係数を決定するために抽出した特徴に適用する。

ステップ８１４において、係数を、例えば、プロセッサ１０８によって抽出する。一実施の形態において、四つの係数を抽出する。四つ係数は、サーカディアンリズム係数（位相Φ）、覚醒／睡眠係数、サーカディアンリズム重み付け係数及び覚醒／睡眠重み付け係数を含んでもよい。プロセッサ１０８は、ステップ８１２の機械学習の（マッピング、位相シフト等を適用する）出力を変換することによって係数を抽出し、後に説明するステップ８１８の生物数理モデルに供給できるようにしてもよい。

ステップ８１６において、アクティグラフィーデータを決定する。プロセッサ１０８は、モーションセンサから受信した処理されたモーションデータを用いてアクティグラフィーデータ決定を行うことができる。プロセッサ１０８は、アクティグラフィーデータ決定、例えば、人が覚醒状態と睡眠状態のいずれであるか、人が座っている状態と動いている状態のいずれであるか等を更に正確に行うために遠位皮膚温度及び／又は心拍数データのうちの少なくとも一つを用いてアクティグラフィーデータ決定を精緻化してもよい。

ステップ８１８において、生物数理モデルを、例えば、プロセッサ１０８によって、抽出した係数及び決定したアクティグラフィーデータに適用する。一実施の形態において、生物数理モデルは、少なくとも二つのサブモデル、例えば、個人が覚醒中であるときに適用される覚醒サブモデル及び個人が睡眠中であるときに適用される睡眠サブモデルを含む。個人が覚醒状態と睡眠状態のいずれであるかを、アクティグラフィーデータに基づいてプロセッサ１０８によって決定することができ、適切なモデルが、決定した覚醒／睡眠状態に基づいて適用される。

ステップ８２０において、疲労スコアを生成する。疲労スコアをプロセッサ１０８によって生成することができる。疲労スコア及びその表示を、ユーザ又は関心がある人（例えば、雇用主）に示すことができる。疲労スコアが高い疲労のレベルを示す場合、刺激をユーザに示すことができる（例えば、ウェアラブル装置による振動）。

図９Ａは、１６人の個人に対する第１の係数値を示す。示した第１の係数値は、サーカディアンサイクル／位相（Φ）値である。係数の最適値を、丸印によって表し、サーカディアンサイクルの係数抽出によって決定した抽出された値をバツ印によって表す。

図９Ｂは、１６人の個人に対する第２の係数値を示す。示した第２の係数値は、覚醒／睡眠サイクル値である。係数の最適値を、丸印によって表し、覚醒／睡眠サイクルの係数抽出によって決定した抽出された値をバツ印によって表す。

図９Ｃは、１６人の個人に対する第３の係数値を示す。示した第３の係数値は、サーカディアンサイクル重み付け値である。係数の最適値を、丸印によって表し、サーカディアンサイクル重み付けの係数抽出によって決定した抽出された値をバツ印によって表す。

図９Ｄは、１６人の個人に対する第４の係数値を示す。示した第３の係数値は、覚醒／睡眠サイクル重み付け値である。係数の最適値を、丸印によって表し、覚醒／睡眠サイクル重み付けの係数抽出によって決定した抽出された値をバツ印によって表す。

図９Ａ〜９Ｄに示す情報は、本発明の態様による技術を用いて抽出した特徴が個人のレベルで正確であることを示し、個人の疲労の正確な予測を可能にすることを示す。

本発明を特定の実施の形態を参照しながらここで説明したが、本発明は、示した詳細に限定することを意図しない。種々の変形を、特許請求の範囲の等価物の範囲内で発明から逸脱することなく詳細において行うことができる。

Claims (25)

1. 個人の注意力を監視及び予測するウェアラブル装置であって、
   個人についての情報信号を取得するように構成された一つ以上のセンサであって、個人の動きデータ及び／又は体位データを生成するように構成されたモーションセンサ、個人の遠位皮膚温度データを生成するように構成された温度センサ及び個人の心拍数データを生成するように構成された心拍数モニタのうちの少なくとも一つを備える一つ以上のセンサと、
   個人に対する予測されたサーカディアンリズムを生成するために個人についての情報信号から導き出されるデータによって精緻化されるように構成されたデフォルトサーカディアンリズム及び個人に対する疲労スコアを生成するように構成された生物数理モデルを格納するように構成されたメモリと、
   前記一つ以上のセンサ及び前記メモリに結合され、前記動きデータ、前記体位データ、前記遠位皮膚温度データ及び前記心拍数データのうちの少なくとも一つを含む個人についての情報信号を受信し、前記デフォルトサーカディアンリズムを精緻化するために個人についての情報信号を組み込むことによって個人のサーカディアンリズムを推定し、個人についての情報信号及び推定したサーカディアンリズムから特徴を抽出し、少なくとも一つのパターン認識アルゴリズム又は機械学習アルゴリズムを、抽出した特徴に適用し、前記少なくとも一つのパターン認識アルゴリズム又は機械学習アルゴリズムを用いて、前記抽出した特徴から少なくとも一つの係数を抽出し、少なくとも一つの抽出した特徴に生物数理モデルを適用し、前記生物数理モデルを用いて、前記少なくとも一つの抽出した特徴から個人に対する疲労スコアを生成するように構成されたプロセッサと、
   前記一つ以上のセンサ、前記メモリ及び前記プロセッサを個人に支持するように構成された支持部と、
   を備えるウェアラブル装置。
2. 前記生物数理モデルは、睡眠覚醒ホメオスタシス及び前記推定したサーカディアンリズムの評価を用いて個人の注意力レベルを予測するように構成された二過程アルゴリズムであり、前記プロセッサは、前記動きデータ及び／又は前記体位データを用いてアクティグラフィー決定を行い、前記アクティグラフィー決定に基づいて、睡眠時間及び覚醒時間を含む個人の前記睡眠覚醒ホメオスタシスを、前記二過程アルゴリズムを用いて評価し、前記二過程アルゴリズムに従う前記睡眠覚醒ホメオスタシス及び前記推定したサーカディアンリズムの評価を個人に対する疲労スコアの生成に組み合わせるように更に構成された請求項１に記載のウェアラブル装置。
3. 前記プロセッサは、前記遠位皮膚温度データ及び前記心拍数データのうちの少なくとも一つを用いて前記アクティグラフィー決定を精緻化し、精緻化したアクティグラフィー決定に基づいて個人の睡眠覚醒ホメオスタシスを更に評価するように更に構成された請求項２に記載のウェアラブル装置。
4. 前記少なくとも一つの係数は、サーカディアンリズム係数（Φ）、覚醒／睡眠係数（τ）、サーカディアンリズム重み付け係数及び覚醒／睡眠重み付け係数の少なくとも一つを含む請求項１に記載のウェアラブル装置。
5. 前記プロセッサは、信号処理技術を用いて個人についての情報信号を処理し、処理された情報信号を個人のサーカディアンリズムの推定に組み込み、前記処理された情報信号を前記特徴の抽出に組み込むように更に構成された請求項１に記載のウェアラブル装置。
6. 前記プロセッサは、個人の動き及び／又は位置についての情報信号を取得し、個人の動きについての情報信号を用いて個人に対するアクティグラフィーデータを決定し、覚醒生物数理サブモデルと睡眠生物数理サブモデルのうちの一つから選択した前記生物数理モデルを前記アクティグラフィーデータに適用し、前記アクティグラフィーデータを個人に対する疲労スコアの生成に組み込むように更に構成された請求項１に記載のウェアラブル装置。
7. 前記プロセッサは、個人の遠位皮膚温度についての情報信号と個人の心拍数についての情報信号のうちの少なくとも一つを用いて前記アクティグラフィーデータを精緻化するように更に構成された請求項６に記載のウェアラブル装置。
8. 前記抽出した特徴は、個人のサーカディアンリズムの形状を表すマーカ、仕事日と休日の両方における個人の睡眠習慣に関する情報及び個人についての一般病歴情報のうちの一つ以上を含む請求項１に記載のウェアラブル装置。
9. 前記プロセッサは、個人についての個人パラメータを前記個人パラメータが前記ウェアラブル装置に入力されたときに前記特徴の抽出に組み込むように更に構成された請求項１に記載のウェアラブル装置。
10. 前記プロセッサは、個人についての情報信号内の未加工サーカディアンデータを識別し、前記未加工サーカディアンデータ内の非サーカディアンイベントによって生じた非サーカディアンデータを識別し、精緻化されたサーカディアンデータを取得するために前記非サーカディアンデータ前記未加工サーカディアンデータから除去し、前記精緻化されたサーカディアンデータを個人のサーカディアンデータの推定に組み込むように更に構成された請求項１に記載のウェアラブル装置。
11. 前記ウェアラブル装置のセンサは、周囲光レベルデータ及び周囲温度データのうちの少なくとも一つを含む個人の環境についての環境情報信号を収集するように構成され、前記プロセッサは、前記環境情報信号を前記サーカディアンリズムの推定に組み込むように更に構成された請求項１に記載のウェアラブル装置。
12. 前記ウェアラブル装置のセンサは、個人の周囲の周囲光から周囲光データを生成するように構成された周囲光センサを更に備え、前記プロセッサは、前記周囲光センサに結合され、前記プロセッサは、前記周囲光データを組み込むことによって前記生物数理モデルを用いた前記サーカディアンリズム推定を精緻化するように更に構成された請求項１１に記載のウェアラブル装置。
13. 前記温度センサは、個人の周囲の周囲温度から周囲温度データを生成するように更に構成され、前記プロセッサは、前記周囲温度データを組み込むことによって前記生物数理モデルを用いた前記サーカディアンリズム推定を精緻化するように更に構成された請求項１１に記載のウェアラブル装置。
14. 個人の疲労スコアを生成する方法であって、
    ウェアラブル装置のセンサによって、動き、位置、遠位皮膚温度及び心拍数のうちの少なくとも一つを含む個人についての情報信号を取得することと、
    前記ウェアラブル装置のプロセッサによって、個人についての情報信号から個人のサーカディアンリズムを推定することと、
    前記プロセッサによって、個人についての情報信号及び推定されたサーカディアンリズムから特徴を抽出することと、
    前記プロセッサによって、少なくとも一つのパターン認識アルゴリズム又は機械学習アルゴリズムを抽出した特徴に適用することと、
    前記プロセッサによって、前記少なくとも一つのパターン認識アルゴリズム又は機械学習アルゴリズムを用いて、抽出した特徴から少なくとも一つの係数を抽出することと、
    前記プロセッサによって、生物数理モデルを抽出した係数に適用することと、
    前記プロセッサによって、前記生物数理モデルを用いて、抽出した係数から個人の疲労スコアを生成することと、
    を備える方法。
15. 前記プロセッサによって、信号処理技術を用いて、個人についての情報信号を処理することと、
    前記プロセッサによって、処理された情報信号を、個人のサーカディアンリズムの推定に組み込むことと、
    前記プロセッサによって、前記処理された情報信号を、前記特徴の抽出に組み込むことと、
    を更に備える請求項１４に記載の方法。
16. 前記ウェアラブル装置のセンサは、周囲光レベルデータ及び周囲温度データのうちの少なくとも一つを含む個人の環境についての環境情報信号を収集するように構成され、前記プロセッサによって前記環境情報信号を前記サーカディアンリズムの推定に組み込むように構成された請求項１４に記載の方法。
17. 前記プロセッサによって、個人についての情報信号内の未加工サーカディアンデータを識別することと、
    前記プロセッサによって、前記未加工サーカディアンデータ内の非サーカディアンイベントによって生じた非サーカディアンデータを識別することと、
    前記プロセッサによって、精緻化されたサーカディアンデータを取得するために前記非サーカディアンデータ前記未加工サーカディアンデータから除去することと、
    前記プロセッサによって、前記精緻化されたサーカディアンデータを個人のサーカディアンデータの推定に組み込むことと、
    を更に備える請求項１４に記載の方法。
18. 前記ウェアラブル装置に個人についての個人パラメータを入力することと、
    前記プロセッサによって、前記個人パラメータを前記特徴の抽出に組み込むことと、
    を更に備える請求項１４に記載の方法。
19. 前記少なくとも一つの係数は、サーカディアンリズム係数（Φ）、覚醒／睡眠係数（τ）、サーカディアンリズム重み付け係数及び覚醒／睡眠重み付け係数の少なくとも一つを含む請求項１４に記載の方法。
20. 前記ウェアラブル装置の動きセンサによって、個人の動き及び／又は位置についての情報信号を取得することと、
    前記プロセッサによって、個人の動きについての情報信号を用いて個人に対するアクティグラフィーデータを決定することと、
    前記プロセッサによって、覚醒生物数理サブモデルと睡眠生物数理サブモデルのうちの一つから選択した前記生物数理モデルを前記アクティグラフィーデータに適用することと、
    前記プロセッサによって、前記アクティグラフィーデータを個人に対する疲労スコアの生成に組み込むことと、
    を更に備える請求項１４に記載の方法。
21. 前記プロセッサによって、個人の遠位皮膚温度についての情報信号と個人の心拍数についての情報信号のうちの少なくとも一つを用いて前記アクティグラフィーデータを精緻化することを更に備える請求項２０に記載の方法。
22. 前記プロセッサによって、個人が覚醒状態と睡眠状態のいずれであるかを、前記アクティグラフィーデータを用いて決定することを更に備える請求項２０に記載の方法。
23. 前記プロセッサによって、個人が覚醒状態であることを決定するときに前記覚醒生物数理サブモデルを選択することを更に備える請求項２２に記載の方法。
24. 前記プロセッサによって、個人が睡眠状態あることを決定するときに前記睡眠生物数理サブモデルを選択することを更に備える請求項２２に記載の方法。
25. 前記抽出した特徴は、個人のサーカディアンリズムの形状を表すマーカ、仕事日と休日の両方における個人の睡眠習慣に関する情報及び個人についての一般病歴情報のうちの一つ以上を含む請求項１４に記載の方法。