WO2012057331A1 - 生体状態推定装置及びコンピュータプログラム - Google Patents

生体状態推定装置及びコンピュータプログラム Download PDF

Info

Publication number
WO2012057331A1
WO2012057331A1 PCT/JP2011/074962 JP2011074962W WO2012057331A1 WO 2012057331 A1 WO2012057331 A1 WO 2012057331A1 JP 2011074962 W JP2011074962 W JP 2011074962W WO 2012057331 A1 WO2012057331 A1 WO 2012057331A1
Authority
WO
WIPO (PCT)
Prior art keywords
frequency
time series
waveform
time
biological signal
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Ceased
Application number
PCT/JP2011/074962
Other languages
English (en)
French (fr)
Inventor
藤田　悦則
小倉　由美
良香 延廣
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Delta Tooling Co Ltd
Original Assignee
Delta Tooling Co Ltd
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 Delta Tooling Co Ltd filed Critical Delta Tooling Co Ltd
Priority to EP11836464.5A priority Critical patent/EP2633812B1/en
Priority to US13/881,871 priority patent/US9622708B2/en
Publication of WO2012057331A1 publication Critical patent/WO2012057331A1/ja
Anticipated expiration legal-status Critical
Ceased legal-status Critical Current

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
    • A61B5/7235—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
    • A61B5/02—Detecting, measuring or recording for evaluating the cardiovascular system, e.g. pulse, heart rate, blood pressure or blood flow
    • A61B5/0205—Simultaneously evaluating both cardiovascular conditions and different types of body conditions, e.g. heart and respiratory condition
    • 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 for evaluating the cardiovascular system, e.g. pulse, heart rate, blood pressure or blood flow
    • A61B5/024—Measuring pulse rate or heart rate
    • A61B5/0245—Measuring pulse rate or heart rate by using sensing means generating electric signals, i.e. ECG signals
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/16—Devices for psychotechnics; Testing reaction times ; Devices for evaluating the psychological state
    • A61B5/18—Devices for psychotechnics; Testing reaction times ; Devices for evaluating the psychological state for vehicle drivers or machine operators
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/68—Arrangements of detecting, measuring or recording means, e.g. sensors, in relation to patient
    • A61B5/6887—Arrangements of detecting, measuring or recording means, e.g. sensors, in relation to patient mounted on external non-worn devices, e.g. non-medical devices
    • A61B5/6893—Cars

Definitions

  • the present invention relates to a technique for estimating the state of a living body using a time-series waveform of a biological signal obtained from a human upper body.
  • Patent Documents 1 to 3 the present applicant discloses a method of determining a sleep onset symptom phenomenon by arranging a pressure sensor in a seat cushion portion, collecting and analyzing a heel pulse wave.
  • the maximum value and the minimum value of the time series waveform of the pulse wave are obtained by the smoothing differential method using Savitzky and Golay, respectively. Then, the maximum value and the minimum value are divided every 5 seconds, and the average value of each is obtained. The square of the difference between the average values of the obtained local maximum and local minimum is used as a power value, and this power value is plotted every 5 seconds to create a time series waveform of the power value.
  • the gradient of the power value is obtained by the least square method for a certain time window Tw (180 seconds). Next, the next time window Tw is similarly calculated at the overlap time Tl (162 seconds), and the result is plotted.
  • This calculation (movement calculation) is sequentially repeated to obtain a time series waveform of the gradient of the power value.
  • the maximum Lyapunov exponent is obtained by chaos analysis of the time series waveform of the pulse wave, the maximum value is obtained by smoothing differentiation, and the time series waveform of the gradient of the maximum Lyapunov exponent is obtained by moving calculation.
  • the time series waveform of the power value slope and the time series waveform of the maximum Lyapunov exponent slope are in opposite phase, and furthermore, the time series waveform of the power value slope has a low frequency and large amplitude waveform.
  • the waveform is determined as a characteristic signal indicating a sleep onset sign, and the point at which the amplitude subsequently decreases is determined as the sleep onset point.
  • Patent Document 4 an air bag (air pack) in which a three-dimensional solid knitted fabric is inserted is provided, and the air pack is disposed at a portion corresponding to a person's back to measure air pressure fluctuations of the air pack.
  • a system for detecting a human biological signal from the obtained time-series data of air pressure fluctuation and analyzing the state of the human biological body is disclosed.
  • Non-Patent Documents 1 and 2 also report attempts to detect a human biological signal by arranging an air pack sensor along the lumbar gluteal muscle.
  • This air pressure fluctuation of the air pack is due to shaking of the descending aorta accompanying the movement of the heart, and it is possible to capture a state change closer to the movement of the heart than when using the buttocks pulse wave of Patent Documents 1 and 2. .
  • JP 2004-344612 A JP 2004-344613 A WO2005 / 092193A1 publication JP 2007-90032 A
  • the time series waveform of the power value slope and the time series waveform of the slope of the maximum Lyapunov exponent are in opposite phases, and the power value slope
  • the low-frequency and large-amplitude waveforms occur in the time-series waveform, it is regarded as a sleep onset symptom phenomenon.
  • the applicant has also proposed the following technique as Japanese Patent Application No. 2009-237802.
  • it is a technique that obtains a time series waveform of a frequency from a time series waveform of a biological signal obtained by a biological signal measuring means, and uses a frequency gradient time series waveform and a frequency variation time series waveform obtained from the time series waveform of this frequency.
  • This is a technique for determining a person's condition by combining the signs).
  • the applicant has proposed a technique for grasping a person's state using a biological signal as described above, but a proposal for a technique for grasping a person's state more accurately is always desired. Further, if there are a plurality of methods for grasping the state of the person, it becomes possible to grasp the state of the person more accurately by using them together.
  • the present invention has been made in view of the above, and an object of the present invention is to provide a technique for analyzing a biological signal using a new analysis method and grasping the state of a person.
  • Atrial fibrillation which is one of heart diseases
  • the place where the characteristics of fluctuations of the heart and circulatory system are switched is said to be 0.0033 Hz
  • fluctuations for adjusting fluctuations of 0.0033 Hz are It is said that it exists below 0.0033 Hz.
  • a frequency-gradient time-series waveform for calculating the low-frequency fluctuation inherent in the biological signal is obtained and subjected to frequency analysis.
  • 0.0017 Hz which is lower than 0.0033 Hz
  • 0.0035 Hz in the vicinity of 0.0033 Hz are mainly used. It was confirmed that the fluctuation occurred. In addition to these two, it was confirmed that fluctuation centered at 0.0053 Hz occurred.
  • the inventor of the present invention based on a 0.0035 Hz signal (hereinafter referred to as “fatigue acceptance signal”) as a signal indicating the degree of progress of fatigue in a normal activity state.
  • the signal (hereinafter referred to as “activity adjustment signal”) is a signal in which the degree of influence by the control of the brain and the autonomic nervous system appears during the activity, and a 0.0017 Hz signal (hereinafter referred to as function) having a frequency lower than 0.0033 Hz.
  • the adjustment signal is a signal for controlling body modulation and functional deterioration, and attention is paid to determining a human state from a time-series change of the power spectrum of these signals, and the present invention has been completed.
  • the biological state estimation device of the present invention is a biological state estimation device that estimates a human state using a biological signal collected from a human upper body by a biological signal measurement unit, and is obtained by the biological signal measurement unit.
  • a frequency calculation means for obtaining a time series waveform of a frequency from a time series waveform of the biological signal to be obtained, and a predetermined time set with a predetermined overlap time in the time series waveform of the frequency of the biological signal obtained by the frequency calculation means
  • a frequency slope time series analysis calculating means for performing a movement calculation for obtaining the slope of the frequency for each time window, and outputting a time series change of the slope of the frequency obtained for each time window as a frequency slope time series waveform; and the frequency slope Spectral time series change calculation to obtain time series change of power spectrum by frequency analysis of frequency gradient time series waveform obtained from time series analysis calculation means
  • frequency components corresponding to a predetermined function adjustment signal, fatigue acceptance signal and activity adjustment signal are extracted from the time series change of the power spectrum obtained by the spectrum time series change
  • the frequency calculation means obtains a zero-cross point that switches from positive to negative in the time-series waveform of the biological signal obtained by the biological signal measurement means, and uses the zero-cross point to obtain a time-series waveform of the frequency of the biological signal.
  • a first frequency gradient time series analysis calculating means for performing a movement calculation for obtaining the frequency gradient and outputting a time series change of the frequency gradient obtained for each time window as a frequency gradient time series waveform
  • the time series change calculation means performs frequency analysis on the frequency slope time series waveform obtained from the first frequency slope time series analysis calculation means, It is preferably configured to obtain the time-series change in the spectrum.
  • the frequency calculating means obtains a maximum value by smoothing and differentiating the time series waveform of the biological signal obtained by the biological signal measuring means, and obtains a time series waveform of the frequency of the biological signal using the maximum value.
  • a predetermined time window set with a predetermined overlap time in the time-series waveform of the frequency of the biological signal obtained by the second frequency calculation means.
  • a second frequency gradient time series analysis calculating means for performing a movement calculation for obtaining the frequency gradient every time, and outputting a time series change of the frequency gradient obtained for each time window as a frequency gradient time series waveform
  • Spectral time series change calculation means performs frequency analysis on the frequency slope time series waveform obtained from the second frequency slope time series analysis calculation means, and calculates the time series change of the power spectrum. It is preferable that the Mel configuration.
  • the determination means is configured to determine, as the waveform change pattern of the distribution rate waveform, a time zone in which the function adjustment signal and the fatigue acceptance signal are in opposite phases as a drowsiness related phenomenon appearance period. .
  • the distribution rate of the activity adjustment signal is greater than or equal to a predetermined value Is preferably determined to be the sleep onset sign phenomenon appearance period. It is preferable that the frequency of the function adjustment signal used for the distribution rate waveform calculation means is 0.0017 Hz, the frequency of the fatigue acceptance signal is 0.0035 Hz, and the frequency of the activity adjustment signal is 0.0053 Hz.
  • the computer program of the present invention is a computer program set in a biological state estimating device that estimates a human state using a biological signal collected from a human upper body by a biological signal measuring unit, the biological signal measuring unit
  • the frequency calculation step for obtaining the time series waveform of the frequency from the time series waveform of the biological signal obtained by the above, and the time series waveform of the frequency of the biological signal obtained by the frequency calculation step are set with a predetermined overlap time Performing a movement calculation to obtain the slope of the frequency for each predetermined time window, and outputting a time series change of the slope of the frequency obtained for each time window as a frequency slope time series waveform; and Frequency slope time series waveform obtained from the frequency slope time series analysis operation step Corresponding to a predetermined function adjustment signal, fatigue acceptance signal, and activity adjustment signal from a spectral time series change calculation step for obtaining a time series change of the power spectrum and a time series change of the power spectrum obtained by the spectral time series change calculation step
  • the frequency calculating step obtains a zero-cross point that switches from positive to negative in the time-series waveform of the biological signal obtained by the biological-signal measuring means, and uses the zero-cross point to obtain a time-series waveform of the frequency of the biological signal.
  • a frequency calculation step wherein the frequency gradient time series calculation step is performed for each predetermined time window set with a predetermined overlap time in the time series waveform of the frequency of the biological signal obtained by the first frequency calculation step.
  • a first frequency gradient time series analysis calculation step for performing a movement calculation for obtaining the frequency gradient and outputting a time series change of the frequency gradient obtained for each time window as a frequency gradient time series waveform
  • the time series change calculation step is a frequency slope time system obtained from the first frequency slope time series analysis calculation step. Waveform frequency analysis is preferably configured to obtain the time-series change in the power spectrum.
  • the frequency calculating step obtains a maximum value by smoothing and differentiating a time series waveform of the biological signal obtained by the biological signal measuring means, and obtains a time series waveform of the frequency of the biological signal using the maximum value.
  • a predetermined time window set with a predetermined overlap time in the time-series waveform of the frequency of the biological signal obtained by the second frequency calculation step.
  • a second frequency gradient time series analysis calculating step for performing a movement calculation for obtaining the frequency gradient every time, and outputting a time series change of the frequency gradient obtained for each time window as a frequency gradient time series waveform
  • the spectrum time series change calculation step performs frequency analysis on the frequency slope time series waveform obtained from the second frequency slope time series analysis calculation step, It is preferably configured to obtain the time-series change of over spectrum.
  • the determination step is configured to determine, as the waveform change pattern of the distribution rate waveform, a time zone in which the function adjustment signal and the fatigue acceptance signal are in opposite phases as a drowsiness related phenomenon appearance period. .
  • the function adjustment signal and the fatigue acceptance signal are in opposite phases and the distribution rate of the activity adjustment signal is a predetermined time period or more Is preferably determined to be the sleep onset sign phenomenon appearance period.
  • the frequency of the function adjustment signal used in the distribution rate waveform calculation step is preferably 0.0017 Hz, the frequency of the fatigue acceptance signal is 0.0035 Hz, and the frequency of the activity adjustment signal is 0.0053 Hz.
  • the present invention has means for obtaining a time series waveform of a frequency from a time series waveform of a biological signal collected from a human upper body, and further obtaining a time series waveform of a frequency gradient to perform frequency analysis. More preferably, it has means for obtaining a time-series waveform of frequency fluctuation and performing frequency analysis.
  • the frequency analysis the power spectrum of each frequency corresponding to a predetermined function adjustment signal, fatigue acceptance signal, and activity adjustment signal is obtained. And a person's state is judged from the time series change of each power spectrum.
  • the fatigue acceptance signal indicates the degree of progress of fatigue in the normal activity state
  • the human state Fatigue state, sympathetic nerve dominant state, parasympathetic nerve dominant state, etc.
  • FIG. 1 is a diagram showing a biological signal measuring means used in one embodiment of the present invention.
  • FIG. 2 is a diagram showing another aspect of the biological signal measuring means according to the embodiment.
  • FIG. 3 is a diagram showing a process of incorporating the biological signal geodetic means into the sheet.
  • FIG. 4 is a diagram illustrating a configuration of the biological state estimation apparatus according to an embodiment of the present invention.
  • FIG. 5 is a diagram for explaining a method of obtaining a frequency gradient time-series waveform using the peak value or zero-cross point of the biological signal detected by the biological signal measuring means.
  • FIG. 6A shows the result of frequency analysis of data obtained by connecting the original waveforms of heart fluctuation waves in 22 sleep subjects without sleepiness (active state) and the heart with sleepiness in the sleep induction experiment.
  • FIG. 6B is a diagram showing a frequency analysis result of a time series waveform generated by the APW zero-cross detection method and the peak detection method collected according to the presence or absence of drowsiness shown in FIG. 6A.
  • FIGS. 7 (a) and 7 (b) are diagrams showing the results of frequency analysis of the APW of FIG. 6 (a) converted into a time series waveform, and FIG. 7 (a) shows the result of using the peak detection method. (B) uses the zero cross method.
  • FIG. 8 is a heart model diagram similar to a piston / crank mechanism.
  • FIG. 9 is a diagram showing how to determine the force generated in the aorta for a heart model similar to a piston / crank mechanism.
  • FIG. 10 is a diagram showing the ultralow frequency band (0 to 0.007 Hz) of the frequency spectrum by performing frequency analysis on the concatenated data of the center oscillation wave shown in FIG.
  • FIG. 11 is a diagram showing frequency analysis results of fingertip volume pulse wave and APW.
  • FIGS. 12 (a) to 12 (d) are diagrams showing the results of frequency analysis of the heart rocking wave in the sleep induction experiment for each state.
  • FIGS. 13A to 13C are diagrams showing analysis results of frequency gradient time series waveforms to which the zero cross method (0x detection method) obtained from the first frequency gradient time series analysis calculation means is applied.
  • FIG. 14A to 14C are diagrams showing the analysis results of the frequency gradient time series waveform to which the peak detection method obtained from the second frequency gradient time series analysis calculation means is applied.
  • FIG. 15 (a) shows a comparison between a waveform obtained by performing zero-cross detection processing on APW and APW ⁇ and a time-series waveform of inclination by the zero-cross detection method
  • FIG. 15 (b) shows a combined wave of sine waves of 0.0017Hz, 0.0035Hz and 0.0053Hz
  • FIG. 15C is a diagram showing a comparison of frequency analysis results of a synthesized wave and a tilt time-series waveform by the zero-cross detection method according to the zero-cross detection method.
  • FIG. 15 (a) shows a comparison between a waveform obtained by performing zero-cross detection processing on APW and APW ⁇ and a time-series waveform of inclination by the zero-cross detection method
  • FIG. 15 (b) shows a combined wave of sine waves of 0.0017
  • FIG. 16 (a) shows a comparison between a waveform obtained by peak detection of APW and APW and an inclination time series waveform by the peak detection method
  • FIG. 16 (b) shows a combined wave of sine waves of 0.0017Hz, 0.0035Hz and 0.0053Hz
  • FIG. 16C is a diagram showing a comparison of frequency analysis results of a synthesized wave and a tilt time series waveform by the peak detection method.
  • FIGS. 17A to 17C are diagrams for explaining how to obtain the distribution ratio of the three frequency components of 0.0017 Hz0.00, 0.0033 Hz, and 0.0053 Hz.
  • 18 (a) to 18 (c) are diagrams showing the analysis results of the sleep induction experiment of male subjects in their 30s.
  • FIG. 19 is a diagram for explaining the degree of coincidence between the electroencephalogram distribution rate and the heart rate oscillation wave distribution rate.
  • FIG. 20 is a diagram showing the relationship between the distribution rate waveforms of the three frequency components of the heart oscillating wave and the state of each subject for the subject in the representative example of the sleep induction experiment.
  • FIG. 21 is a diagram showing a tilt time series waveform pattern by the zero cross method in the awake state.
  • FIG. 22 is a diagram showing the correlation between the results of FIGS. 20 and 21 and the human condition.
  • FIG. 23 is a diagram showing the correlation between the results of FIGS. 20 and 21 and the human state.
  • FIG. 24 is a diagram showing a method for determining from the original waveform of the central oscillation wave (APW).
  • AW central oscillation wave
  • FIG. 25 is a diagram showing a comparison between the waveform of the APW zero-cross detection method and the waveform of the peak detection method, and the electroencephalogram and autonomic nerve activity.
  • FIGS. 26A and 26B are diagrams for explaining a method of determining a human state by performing frequency analysis on the waveform of the APW zero-cross detection method and the waveform of the peak detection method of FIG.
  • FIG. 1 and 2 are biological signals to be analyzed by the biological state estimating device 60 according to the present embodiment, in this case, a heart swing wave (atrial motion and aortic swing detected from the back of a human upper body).
  • FIG. 3 is a view showing a process of incorporating the biological signal measuring means 1 into the automobile seat 100.
  • the biological signal measuring means 1 includes a three-dimensional solid knitted fabric 10, a three-dimensional solid knitted fabric support member 15, a film 16, plate-like foams 21 and 22, and a vibration sensor 30.
  • the three-dimensional solid knitted fabric 10 includes, for example, a pair of ground knitted fabrics spaced apart from each other and a pair of ground knitted fabrics that are reciprocated between the pair of ground knitted fabrics as disclosed in JP-A-2002-331603.
  • the knitted fabric has a three-dimensional three-dimensional structure having a large number of connecting yarns for joining the two.
  • One ground knitted fabric is formed by, for example, a flat knitted fabric structure (fine stitches) that is continuous in both the wale direction and the course direction from a yarn obtained by twisting a single fiber.
  • a knitted structure having a honeycomb-shaped (hexagonal) mesh is formed from a yarn obtained by twisting short fibers.
  • this knitted fabric structure is arbitrary, and it is also possible to adopt a knitted fabric structure other than a fine structure or a honeycomb shape, and a combination thereof is also arbitrary, such as adopting a fine structure for both.
  • the connecting yarn is knitted between two ground knitted fabrics so that one ground knitted fabric and the other ground knitted fabric maintain a predetermined distance.
  • the connecting yarn is preferably composed of a monofilament.
  • the resonance depends on the type of biological signal to be collected.
  • the connecting yarn can also be composed of multifilaments.
  • the three-dimensional solid knitted fabric 10 has a load-deflection characteristic in the thickness direction within a range up to a load of 100 N when it is placed on a measurement plate and pressed with a pressure plate having a diameter of 30 mm or 98 mm. It is preferable to provide a spring constant approximating the load-deflection characteristics of the buttocks muscles. Specifically, the spring constant when pressed with a pressure plate having a diameter of 30 mm is in the range of 0.1 to 5 N / mm, or the spring constant when pressed with a pressure plate having a diameter of 98 mm is 1 to 10 N / mm. It is preferable to use one that is mm.
  • the three-dimensional knitted fabric By approximating the load-deflection characteristics of the muscles of the human buttocks, the three-dimensional knitted fabric and the muscle balance, and when a biological signal such as heartbeat, breathing, atrial and aortic oscillations is propagated, the three-dimensional The three-dimensional knitted fabric generates vibration similar to that of human muscles, and can propagate a biological signal without greatly attenuating it.
  • Each three-dimensional solid knitted fabric can be used by stacking a plurality of pieces as necessary.
  • Product number 49076D (manufactured by Sumie Textile Co., Ltd.)
  • Material Front side ground knitted fabric: twisted yarn of 300 dtex / 288 f polyethylene terephthalate fiber false twisted yarn and 700 dtex / 192 f polyethylene terephthalate fiber false twisted yarn
  • Back side ground knitted fabric 450 dtex / 108 f polyethylene Combination of terephthalate fiber false twisted yarn and 350 decitex / 1f polytrimethylene terephthalate monofilament Linked yarn ... 350 decitex / 1f polytrimethylene terephthalate monofilament
  • Product number 49013D (manufactured by Sumie Textile Co., Ltd.)
  • Material Front side ground knitted fabric: two twisted yarns of 450 dtex / 108f polyethylene terephthalate fiber false twisted yarn Backside ground knitted fabric ... 450 twists of polyethylene terephthalate fiber false twisted yarn of 108 dtex / 108f Connecting thread: 350 dtex / 1f polytrimethylene terephthalate monofilament
  • the plate-like foams 21 and 22 are preferably composed of bead foams.
  • the bead foam for example, a foam molded body by a bead method of a resin containing at least one of polystyrene, polypropylene, and polyethylene can be used.
  • the plate-like foams 21 and 22 made of bead foam propagate biosignals with minute amplitudes as membrane vibrations due to the characteristics of spherical resin films formed by foaming that constitute individual fine beads. .
  • This membrane vibration is transmitted to the three-dimensional solid knitted fabric as a string vibration, the membrane vibration and the string vibration are superimposed, and the biological signal is a vibration described later as a mechanical vibration amplified by the superposition of the membrane vibration and the string vibration. Detected by sensor 30. Therefore, detection of a biological signal becomes easy.
  • the foaming ratio is preferably in the range of 25 to 50 times, and the thickness is preferably less than the average diameter of the beads.
  • the average diameter of 30 times expanded beads is about 4 to 6 mm
  • the thickness of the plate-like foams 21 and 22 is sliced to about 3 to 5 mm.
  • the plate-like foams 21 and 22 may be arranged on both sides of the three-dimensional solid knitted fabric 10 as in the present embodiment, but are arranged on either one side, preferably only on the seat back side. It can also be configured.
  • the three-dimensional solid knitted fabric 10 is a strip having a width of 40 to 100 mm and a length of 100 to 300 mm. With this size, preliminary compression (a state in which tension is generated in the connecting yarn) is likely to occur in the three-dimensional solid knitted fabric 10, and an equilibrium state is easily created between the person and the three-dimensional solid knitted fabric 10.
  • two sheets are arranged on the object with a portion corresponding to the spinal column in between.
  • the three-dimensional solid knitted fabric 10 is preferably supported by a three-dimensional solid knitted fabric support member 15 as shown in FIG.
  • the three-dimensional three-dimensional knitted fabric support member 15 is formed in a plate shape, and two vertically arranged through holes 15a and 15a are formed at symmetrical positions with a portion corresponding to the spine.
  • the three-dimensional three-dimensional knitted fabric support member 15 is preferably composed of a bead foam formed in a plate shape, like the plate foams 21 and 22.
  • a preferable foaming ratio and thickness range are the same as those of the plate-like foams 21 and 22.
  • the thickness of the plate-like foams 21 and 22 stacked on the top and bottom of the three-dimensional solid knitted fabrics 10 and 10 is set so that the three-dimensional solid knitted fabric support member 15 It is preferable that the thickness is smaller than the thickness.
  • the film 16 on the front side and the back side of the three-dimensional solid knitted fabric 10 and 10 are arranged. 16 are stacked.
  • the peripheral portions of the films 16 and 16 are attached to the peripheral portions of the placement through holes 15a and 15a and laminated.
  • the formation positions of the placement through holes 15a, 15a are swaying caused by movement accompanying the atrium and the aorta (particularly, the “descending aorta”) and A position corresponding to a region where the movement of the aortic valve can be detected is preferable.
  • the three-dimensional solid knitted fabrics 10 and 10 are sandwiched between the upper and lower surfaces by the plate-shaped foams 21 and 22 and the peripheral portion is surrounded by the three-dimensional solid knitted fabric support member 15.
  • the three-dimensional solid knitted fabric support member 15 functions as a resonance box (resonance box).
  • the wall of the aorta is rich in elasticity among the arteries, and can receive the high pressure of blood that is pumped directly from the heart. There is a certain aortic valve. For this reason, when the position of the three-dimensional solid knitted fabric is set to the above position, the movement of the negative feedback mechanism between the brain and the autonomic nervous system for maintaining the continuity of the living body can be well understood.
  • the three-dimensional solid knitted fabrics 10 and 10 are thicker than the three-dimensional solid knitted fabric support member 15. That is, when the three-dimensional solid knitted fabrics 10 and 10 are arranged in the placement through holes 15a and 15a, the front and back surfaces of the three-dimensional solid knitted fabrics 10 and 10 protrude from the placement through holes 15a and 15a. Thickness. Thereby, since the three-dimensional solid knitted fabrics 10 and 10 are pressed in the thickness direction when the peripheral portions of the films 16 and 16 are attached to the peripheral portions of the placement through holes 15a and 15a, the reaction force of the films 16 and 16 Tension is generated and solid vibration (membrane vibration) is likely to occur in the films 16 and 16.
  • pre-compression occurs also in the three-dimensional solid knitted fabrics 10 and 10
  • the connecting yarn that holds the thickness form of the three-dimensional solid knitted fabric is also subjected to tension due to reaction force, and string vibration is likely to occur.
  • the connecting yarn of the three-dimensional solid knitted fabric 10, 10 is stretched between a pair of ground knitted fabrics, it becomes a long string wound in a coil shape, and a film that functions as a resonance box (resonance box) at upper and lower nodes. 16 and 16 and plate-like foams 21 and 22 are disposed. Since a biological signal typified by heart rate variability has a low frequency, it is amplified by a resonance system having such a long string and a large number of nodes. That is, the string vibration of the connecting yarn causes the film vibration of the films 16 and 16 and the film vibration of the beads of the plate-like foams 21 and 22 through a large number of nodes, which act in an overlapping manner and are amplified.
  • yarn is so preferable.
  • the films 16 and 16 are adhered to the plate-like foams 21 and 22 in advance and integrated, and the plate-like foams 21 and 22 are simply laminated on the three-dimensional three-dimensional knitted fabric support member 15. It is also possible to adopt a configuration in which 16 can be arranged on the front side and the back side of the three-dimensional solid knitted fabrics 10 and 10. However, in order to apply pre-compression to the three-dimensional solid knitted fabrics 10, 10, it is preferable to fix the films 16, 16 to the surface of the three-dimensional solid knitted fabric support member 15 as described above. In addition, as shown in FIG. 1, a film is not disposed corresponding to each three-dimensional solid knitted fabric 10, but two two-dimensional solid knitted fabrics 10, 10 are covered as shown in FIG. You may make it use the film 16 of the magnitude
  • a plastic film made of polyurethane elastomer (for example, product number “DUS605-CDR” manufactured by Seadam Co., Ltd.) is preferably used to capture heart rate fluctuation.
  • the films 16 and 16 generate membrane vibration due to resonance if the natural frequencies match, the present invention is not limited to this, and the natural vibration according to the object to be collected (heartbeat, breathing, shaking of the atrium and aorta, etc.) It is preferable to use one having a number.
  • a biaxially formed material made of a material having low stretchability for example, a nonwoven fabric made of thermoplastic polyester (for example, polyethylene naphthalate (PEN) fiber (1100 dtex) manufactured by Teijin Ltd.) It is also possible to use a woven fabric (length: 20 / inch, width: 20 / inch). Further, for example, an elastic fiber nonwoven fabric having an elongation of 2.0% to 0 %% or more and a recovery rate of 8% to 0 %% or more (e.g., K B Seren Co., Ltd., trade name “Espancione”). It is also possible to use.
  • a nonwoven fabric made of thermoplastic polyester for example, polyethylene naphthalate (PEN) fiber (1100 dtex) manufactured by Teijin Ltd.
  • PEN polyethylene naphthalate
  • a woven fabric length: 20 / inch, width: 20 / inch.
  • the vibration sensor 30 is fixedly disposed on one of the three-dimensional solid knitted fabrics 10 before the above-described films 16 and 16 are laminated.
  • the three-dimensional three-dimensional knitted fabric 10 is composed of a pair of ground knitted fabrics and connecting yarns, and the string vibration of each connecting yarn is applied to the films 16 and 16 and the plate-like foams 21 and 22 via the nodes with the ground knitted fabric.
  • the vibration sensor 30 preferably fixes the sensing unit 30a to the surface of the three-dimensional solid knitted fabric 10 (the surface of the ground knitted fabric).
  • a microphone sensor in particular, a condenser microphone sensor.
  • the lead wire of the microphone sensor is easily wired. be able to.
  • the vibration of the body surface via the human muscle accompanying the biological signal is propagated not only to the three-dimensional solid knitted fabric 10 but also to the plate-like foams 21 and 22, and the film 16. They are superposed and amplified by vibration (string vibration, membrane vibration). Therefore, the vibration sensor 30 is not limited to the three-dimensional solid knitted fabric 10, and the sensing unit 30 a can be fixed to the plate-like foams 21 and 22 and the film 16 constituting the vibration transmission path.
  • the three-dimensional solid knitted fabric 10 since the three-dimensional solid knitted fabric 10, the three-dimensional solid knitted fabric support member 15, the plate-like foams 21, 22 and the film 16 mechanically amplify the biological signal, these constitute a mechanical amplification device. To do.
  • the above-described biological signal measuring means 1 is disposed inside the skin 120 covered by the seat back frame 110 of the automobile seat 100.
  • the three-dimensional solid knitted fabric 10, the three-dimensional solid knitted fabric support member 15, the film 16, the plate-like foams 21, 22, the vibration sensor 30 and the like constituting the biological signal measuring means 1 are previously united. It is preferable to make it.
  • the biological signal measuring means 1 described above is a mechanical amplification device including a three-dimensional solid knitted fabric 10 and plate-like foams 21 and 22 laminated around the three-dimensional solid knitted fabric 10, preferably the three-dimensional solid knitted fabric 10. And the plate-like foams 21 and 22 have a mechanical amplification device in which a film 16 is disposed, and a vibration sensor is attached to the mechanical amplification device. Microvibrations on the body surface due to human biological signals such as heartbeat, breathing, and shaking of the atrium and aorta are propagated to the plate-like foams 21 and 22, the film 16, and the three-dimensional solid knitted fabric 10. 21 and 22 and film 16 cause membrane vibration, and three-dimensional solid knitting causes string vibration of yarn.
  • the three-dimensional solid knitted fabric 10 is formed by connecting threads between a pair of ground knitted fabrics, and has a load-flexure characteristic that approximates the load-flexure characteristic of human muscles. Therefore, the load-deflection characteristic of the mechanical amplifying device including the three-dimensional solid knitted fabric 10 is approximated to that of the muscle, and it is arranged adjacent to the muscle, so that the muscle and the three-dimensional solid knitted fabric are arranged.
  • the internal and external pressure differences are equal, and biological signals such as heartbeat, respiration, atrial and aortic oscillations can be accurately transmitted, and thereby string vibration is generated in the yarn (particularly the connecting yarn) constituting the three-dimensional solid knitted fabric 10. Can be generated.
  • the plate-like foams 21 and 22, preferably bead foams, laminated on the three-dimensional solid knitted fabric 10 tend to cause membrane vibration on each bead due to the soft elasticity and small density of the beads. Since the film 16 is fixed at the periphery and elastically supported by a three-dimensional solid knitted fabric that approximates the load-deflection characteristics of human muscles, a predetermined tension is generated, and therefore membrane vibration is likely to occur. That is, according to the biological signal measuring means 1, a plate-like shape in a mechanical amplifying device having a load-deflection characteristic that approximates the load-deflection characteristic of a muscle due to biological signals such as heartbeat, respiration, atrial and aortic oscillations.
  • Membrane vibration is generated in the foams 21 and 22 and the film 16, and string vibration is generated in the three-dimensional solid knitted fabric 10 having a load-deflection characteristic approximate to the load-deflection characteristic of human muscles.
  • the string vibration of the three-dimensional solid knitted fabric 10 again affects the film vibration of the film 16 and the like, and these vibrations are superimposed and act.
  • the vibration input from the body surface along with the biological signal is directly detected by the vibration sensor 30 as a solid vibration amplified by superposition of the string vibration and the membrane vibration.
  • the biological signal measuring means 1 used in the present invention it is possible to use a conventional configuration for detecting the air pressure fluctuation in the sealed bag, but since the volume and the pressure are in inverse proportion, the sealed It is difficult to detect pressure fluctuations unless the bag volume is reduced.
  • the biological signal measuring means 1 described above it is propagated to the mechanical amplification devices (three-dimensional solid knitted fabric 10, plate-like foams 21, 22, and film 16) as described above, not the air pressure fluctuation.
  • the volume (volume) is rarely limited from the viewpoint of detection sensitivity, and vibration with small amplitude accompanying heartbeat, breathing, atrial or aortic oscillation, etc. Can be detected with high sensitivity. For this reason, it can respond to people with various physiques.
  • the biosignal measuring means 1 can detect a biosignal with high sensitivity even in an environment where people having various physiques, such as a vehicle seat, and various external vibrations are input. Further, since it is not necessary to make a sealed structure, the manufacturing process is simplified, the manufacturing cost can be reduced, and it is suitable for mass production.
  • the above-mentioned biological signal measuring means 1 is incorporated in the inside of the skin 120 of the seat 100, it may be incorporated in a seat cushion to be attached later on the surface of the skin 120.
  • a three-dimensional solid knitted fabric is not pre-compressed, and thus a biological signal is absorbed without being reflected, but by providing a hard surface as described above, Variations in the compression characteristics on the sheet side are absorbed, and a biological signal having a large amplitude is easily obtained.
  • the biological state estimation device 60 includes first frequency calculation means 610 and second frequency calculation means 620 as frequency calculation means, and first frequency gradient time series analysis calculation means 630 and second frequency as frequency gradient time series calculation means.
  • An inclination time series analysis calculation means 640 is provided. Further, it includes a spectrum time series change calculating means 650, a distribution rate waveform calculating means 660, and a determining means 670.
  • the biological state estimation device 60 is configured by a computer, and includes a first frequency calculation step, a second frequency calculation step, and a first frequency gradient time series analysis calculation step and a frequency gradient time series calculation step.
  • a computer program for causing a computer to execute a two-frequency gradient time series analysis calculation step, a spectrum time series change calculation step, a distribution rate waveform calculation step, and a determination step is set.
  • the computer program can be provided by being stored in a recording medium such as a flexible disk, hard disk, CD-ROM, MO (magneto-optical disk), DVD-ROM, or memory card, or transmitted through a communication line. Is possible.
  • the first and second frequency calculation means 610 and 620 are time-series data of output signals obtained from the vibration sensor 30 of the biological signal measurement means 1, preferably filtering processing (for example, 0.01 Hz or less generated by body movement or the like)
  • the time-series waveform of the frequency in the time-series data in a predetermined frequency region that has been subjected to the filtering process for removing the low-frequency component of the frequency is obtained.
  • the first frequency calculation means 610 relates to LF / HF used as an index of sympathetic nerve function
  • the second frequency calculation means 620 relates to HF used as an index of parasympathetic nerve function.
  • the first frequency calculation means 610 uses a point where the output signal obtained from the vibration sensor of the biological signal measurement means 1 switches from positive to negative (hereinafter referred to as “zero cross point”). This is a method for obtaining a time series waveform of frequency (hereinafter referred to as “zero cross method”). This zero-crossing method captures the fundamental component of the frequency of the biological signal, and indicates whether or not the frequency balance is achieved by the action of the central adjustment function, which is a negative feedback mechanism in frequency adjustment. The level of HF expression is shown.
  • the zero-cross point when the zero-cross point is first obtained, it is divided, for example, every 5 seconds, and the reciprocal of the time interval between the zero-cross points of the time-series waveform included in the 5 seconds is obtained as the individual frequency f.
  • the average value of the individual frequencies f in the second is adopted as the value of the frequency F in the five seconds (step [1] in FIG. 5).
  • a frequency time series waveform is obtained by plotting the frequency F obtained every 5 seconds (step [2] in FIG. 5).
  • the second frequency calculation means 620 smoothes and differentiates the time series waveform of the output signal obtained from the vibration sensor of the biological signal measurement means 1 and obtains the time series waveform using the maximum value (peak) (hereinafter referred to as “peak”). Detection method).
  • the peak detection method is basically a time series waveform corresponding to the function of HF.
  • the maximum value is obtained by a smoothing differential method using Savitzky and Golay. Next, for example, the local maximum value is divided every 5 seconds, and the reciprocal of the time interval between the local maximum values of the time series waveform included in the 5 seconds (the peak on the peak side of the waveform) is obtained as the individual frequency f.
  • the average value of f is adopted as the value of the frequency F for 5 seconds (step [1] in FIG. 5).
  • a frequency time series waveform is obtained by plotting the frequency F obtained every 5 seconds (step [2] in FIG. 5).
  • the first and second frequency gradient time series analysis calculation means 630 and 640 are vibration sensors of the biological signal measurement means 1 obtained by the first and second frequency calculation means 610 and 620 using the zero cross method or the peak detection method.
  • a time window with a predetermined time width is set from the time series waveform of the frequency of the output signal, the slope of the frequency of the output signal of the vibration sensor is obtained by the least square method for each time window, and the time series waveform is output. is there.
  • the frequency gradient in a certain time window Tw1 is obtained by the least square method and plotted (steps [3] and [5] in FIG. 5).
  • the next time window Tw2 is set at the overlap time Tl (step [6] in FIG.
  • the frequency gradient in this time window Tw2 is similarly obtained by the least square method and plotted.
  • This calculation (movement calculation) is sequentially repeated, and the time-series change in the frequency gradient of the airpack signal is output as a frequency gradient time-series waveform (step [8] in FIG. 5).
  • the time width of the time window Tw is preferably set to 180 seconds
  • the overlap time Tl is preferably set to 162 seconds.
  • Patent Document 3 WO2005 / 092193A1 by the present applicant, this is a characteristic signal waveform from a sleep experiment in which the time width of the time window Tw and the overlap time Tl are variously changed. Is selected as the value that appears most sensitively.
  • the fluctuation characteristics of atrial fibrillation are switched at 0.0033 Hz, and fluctuations for adjusting the fluctuation of 0.0033 Hz are said to exist in the vicinity of 0.0033 Hz or less. Therefore, when the fluctuation state centered at 0.0017 Hz, which is between 0 Hz and 0.0033 Hz, is considered, an outline of the fluctuation state occurring at 0.0033 Hz or less appears even if variations occur.
  • the state of change in 180 seconds and 3 minutes, change tendency, differential coefficient, and slope are captured as time series waveforms.
  • the slope which is the average value for 180 seconds, is overlapped by 90% for the time of 180 seconds for smoothing, and a time series waveform is created by plotting every 18 seconds, and analysis is performed using the time series waveform of this slope. I do.
  • This tilt time-series waveform captures fluctuations in homeostasis, and is used to globally evaluate the degree of control of heart rate variability as a time-series waveform.
  • the first frequency gradient time series analysis calculation means 630 is a means for obtaining a frequency gradient time series waveform from the time series waveform of the frequency of the first frequency calculation means 610 using the zero cross method, and the second frequency gradient time series analysis.
  • the calculating means 640 is a means for obtaining a frequency gradient time series waveform from the frequency time series waveform of the second frequency calculating means 620 using the peak detection method.
  • the frequency gradient time-series waveform obtained by the first frequency gradient time-series analysis calculation means 630 using the zero-cross method (0x detection method) indicates fluctuations of the living body that captures the balance of the expression of the sympathetic nerve and the parasympathetic nerve.
  • the time-series waveform obtained by the second frequency gradient time-series analysis calculation unit 640 using the peak detection method indicates the fluctuation of the living body that captures the state of the parasympathetic nerve.
  • the spectrum time series change calculating means 650 performs frequency analysis on the frequency slope time series waveform obtained from the first frequency slope time series analysis computing means 630 and the frequency slope time series waveform obtained from the second frequency slope time series analysis computing means 640, respectively. And means for obtaining a power spectrum of each frequency corresponding to the function adjustment signal, fatigue acceptance signal, and activity adjustment signal.
  • the distribution rate waveform calculation means 660 extracts frequency components corresponding to predetermined function adjustment signals, fatigue acceptance signals, and activity adjustment signals from the time series changes of the power spectrum obtained by the spectrum time series change calculation means 650.
  • the ratio of the three frequency components when the sum of the power spectrum values of the three frequency components is set to 100 is calculated in time series, and the time series fluctuation waveform is obtained as a distribution rate waveform.
  • 0.0017 Hz is a function adjustment signal
  • 0.0035 Hz is a fatigue acceptance signal
  • 0.0053 Hz is an activity adjustment signal. The validity of this frequency will be further described in detail in a test example described later.
  • the determination unit 670 specifies the waveform change pattern of each of the above three frequency components in the distribution rate waveform obtained by the distribution rate waveform calculation unit 660, and the waveform stored in the storage unit in advance is the specified waveform change pattern.
  • the human state is determined in light of the correlation data between the change pattern and the human state.
  • a function adjustment signal (0.0017 Hz) and a fatigue acceptance signal (0.0035 Hz) appear in opposite phases, a function adjustment signal (0.0017 Hz) and a fatigue acceptance signal (0.0035 Hz). And appearing in opposite phases, and a pattern in which the activity adjustment signal (0.0053 Hz) has a distribution ratio equal to or higher than a predetermined value.
  • These waveform change patterns are stored in advance in a storage unit (such as a hard disk) of the biological state determination device 1.
  • the storage unit also stores correlation data between the waveform change pattern and the human state.
  • the determination unit 670 compares the waveform change patterns of the three signals in the predetermined time zone during measurement with the stored waveform change patterns, and identifies which pattern corresponds to the pattern change pattern. Then, the state of the person corresponding to the specified waveform change pattern is determined from the correlation data.
  • Test example (test content)
  • the biological signal measuring means 1 shown in FIG. 1 is laminated on the back side of the product name “Twin Lumber” made by Delta Touring Co., Ltd., seat cushion, attached to an automobile seat installed indoors, and a subject is seated Then, a biological signal (hereinafter referred to as “heart swing wave”, but sometimes abbreviated as “APW”) by swinging the atrium or aorta in a sitting posture was collected, and a sleep introduction experiment was performed.
  • the plate-like foams 21 and 22 and the three-dimensional three-dimensional knitted fabric support member 15 constituting the biological signal measuring means 1 were bead foams having an average bead diameter of about 5 mm and slice-cut to a thickness of 3 mm.
  • the three-dimensional solid knitted fabric 10 was manufactured by Sumie Textile Co., Ltd., product number: 49011D, and had a thickness of 10 mm.
  • As the film 16 a product number “DUS605-CDR” manufactured by Seadam Co., Ltd. was used.
  • the electroencephalogram is an electroencephalograph (“Nippon Koden Kogyo Co., Ltd., EEG-9100, Neurofax ⁇ ”).
  • the fingertip plethysmograph is a fingertip plethysmograph (manufactured by AMCO, finger clip probe). SR-5C) was attached and measured.
  • FIG. 6A shows the result of frequency analysis of data obtained by connecting the original waveforms of the heartbeat fluctuation waves in the sleepless experiment of 22 subjects without sleepiness (wakefulness), and the sleepy state (sleeping).
  • the frequency analysis result of the data which connected the original waveform of the heart part oscillation wave of the resistance time) is shown.
  • 0.6 Hz and 1.2 Hz are components of the heart motion and pulse wave, and it is considered that the heart rate is controlled by these.
  • the motion of the heart is stabilized by the compensatory action of the sympathetic nerve, and the pulse wave and the 1.2 Hz motion of the heart become dominant.
  • the energy to move the heart is minimized. In other words, to maintain the function of the body for a long time when tired, it is considered that the homeostasis is maintained by reducing the energy consumed.
  • the APW which shows heart motion and pulse wave components, is a band centered on 1/3 to 1/2 frequency components of the heart rate (0.5th order), a heart rate band (first order), and a heart rate It is mainly composed of three components (second order) that are twice the number. This indicates a decrease in chaotic properties. Low dimensional chaos consumes less energy, so mechanical energy consumption is minimized.
  • FIG. 6 (b) shows the result of frequency analysis of the time-series waveform created by the APW zero-cross detection method and peak detection method collected according to the presence or absence of drowsiness shown in FIG. 6 (a).
  • a component based on the peak detection method linked to the heart rate component is arranged at 0.25 Hz (1/4 Hz) or higher, and the component mainly consists of 1/3 to 1/2 component (1/8 to 1/12 Hz) of the heart rate. Show. Those using the zero-cross detection method were placed below 0.25 Hz. It can be clearly seen that the movement is linked to the tendency of FIG.
  • FIGS. 7 (a) and 7 (b) show the results of frequency analysis of the APW of FIG. 6 (a) converted into a time series waveform, and FIG. 7 (a) shows the result of using the peak detection method. Uses the zero-cross method. Compared to FIGS. 6 (a) and 6 (b), the difference between the state without sleepiness and the state with sleepiness is small, but the tendency of interlocking with FIGS. 6 (a) and 6 (b) is maintained. ing.
  • heart motion and the motion of the pulse wave generated in the aorta are assumed in the heart model as shown in FIG.
  • AGW heart swing wave
  • FIG. 10 shows a frequency analysis of the concatenated data of the center oscillation wave shown in FIG. 6 (a), and shows a very low frequency band (0 to 0.007 Hz) of the frequency spectrum. It can be seen that the low-frequency component is smaller in the resistance period (with drowsiness) than the awakening period, and the entire change is reflected even in the ultra-low frequency region.
  • FIG. 10 shows that there are fluctuations at 0.0015 Hz, 0.0023 Hz, and 0.003 Hz. From this, it can be said that the switching point of the cardiac / circulatory system dynamics is 0.0035 Hz or less. The possibility is high because the switching point of atrial fibrillation is 0.0033 Hz as described above.
  • FIG. 11 shows the frequency analysis results of fingertip volume pulse wave and APW. It can be seen that the finger plethysmogram is characterized by a high-frequency component due to the secondary inertia force, and the APW is characterized by a band indicated by a low-frequency component (arrow a).
  • FIG. 12 shows the result of frequency analysis of the heartbeat wave in the sleep induction experiment for each state.
  • the power spectrum in half the frequency band of the heart rate component decreases from awakening to falling asleep, the peak of the heart rate component spectrum shifts to a low frequency, and in the state of sleepiness after waking up, the original state is restored. I'm back. It is suggested that the dynamics of the heart and circulatory system are changed at the same time the state changes.
  • the 0.5th order, the first order, and the second order components are well expressed.
  • FIG. 13 and FIG. 14 show the result of frequency analysis of the gradient time-series waveform of the heart rocking wave frequency in the sleep introduction experiment.
  • FIG. 13 shows the analysis result of the frequency slope time series waveform obtained by applying the zero cross method (0x detection method) obtained from the first frequency slope time series analysis calculation means 630
  • FIG. 14 shows the second frequency slope time series analysis. It is an analysis result of a frequency gradient time series waveform to which a peak detection method obtained from the calculation means 640 is applied.
  • FIGS. 13 (a) and 14 (a) show the spectra of each of the 22 subjects of the sleep induction experiment
  • FIGS. 13 (b) and 14 (b) show FIGS. 13 (a) and 14 (b).
  • the result of integrating the spectrum of a) every 0.0001 Hz is shown.
  • FIG. 13C and FIG. 14C show the results of frequency analysis after connecting the time-gradient waveforms of the frequency for 36 subjects in the sleep introduction experiment to one data. It can be seen that the frequency spectrum analysis result of the frequency gradient time-series waveform has higher power spectrum discrimination sensitivity compared to the frequency analysis result of the original waveform of the center oscillation wave in FIG.
  • FIG. 15A shows a comparison between a waveform obtained by performing zero-cross detection processing on APW and APW ⁇ and an inclination time-series waveform by the zero-cross detection method.
  • FIG. 15 (b) shows a comparison between a sine wave of 0.0017 Hz, 0.0035 Hz, and 0.0053 Hz and a tilt time series waveform by the zero cross detection method.
  • FIG. 15 (c) shows a comparison of frequency analysis results of the synthesized wave and the slope time series waveform by the zero cross detection method.
  • FIG. 16A shows a comparison between a waveform obtained by performing peak detection processing of APW and APW and a time-series waveform of inclination by the peak detection method.
  • FIG. 16B shows a comparison between a sine wave of 0.0017 Hz17, 0.0035 Hz, and 0.0053 Hz and an inclination time series waveform by the peak detection method.
  • FIG. 16 (c) shows a comparison of frequency analysis results of the synthesized wave and the slope time series waveform by the peak detection method. Since the combined time series waveform of the sine wave of 0.0017Hz, 0.0033Hz and 0.0053Hz and the slope of APW are approximate, 0.0017Hz, 0.0033Hz and 0.0053Hz indicate the degree of control for maintaining homeostasis. It is thought that.
  • the zero cross method (0x detection method) or the peak detection method is used by the first frequency gradient time series analysis calculation means 630 or the second frequency gradient time series analysis calculation means 640.
  • the spectrum time series change calculating means 640 obtains the spectrum time series change of each frequency and obtains the spectrogram.
  • the distribution ratio waveform calculation means 660 extracts three frequency components of 0.0017 Hz, 0.0035 Hz, and 0.0053 Hz from the spectrogram that is a time-series change of the power spectrum, as shown in FIG.
  • the sum of the values of the power spectra of the three components is set to 100, and the variation rate of each ratio is obtained as the distribution rate.
  • FIG. 18 shows an analysis result of a sleep introduction experiment of a male subject in their 30s.
  • FIG. 18A is a diagram showing time-series changes in the distribution rate of the brain wave ⁇ wave (4 to 7 Hz), ⁇ wave (8 to 13 Hz), and ⁇ wave (18 to 30 Hz).
  • FIG. 18B is a diagram showing the appearance degrees of sympathetic nerves and parasympathetic nerves obtained by wavelet analysis of fingertip volume pulse waves.
  • FIG. 18 (c) shows the frequency fluctuation time-series waveform measured by the zero-cross method (0x detection method) by measuring the center oscillation wave, and 0.0017 Hz, 0. It is the figure which showed the time series change of the distribution rate of 0035Hz and 0.0053Hz.
  • the distribution rate of 0.0053 Hz becomes the smallest 34 minutes after the start of the experiment, and the distribution rates of 0.0017 Hz and 0.0035 Hz are in opposite phases.
  • a rapid rise of 0.0053 Hz is observed around 42 minutes.
  • 18A and 18B it can be said that the reverse phase of the distribution ratios of 0.0017 Hz and 0.0035 Hz indicates a sleep onset symptom phenomenon.
  • FIG. 18 (b) since a transient increase in LF / HF (sympathetic nerve) is observed during the onset of sleep phenomenon, the rapid increase of 0.0053 Hz in FIG. It is thought to reflect neural activity.
  • the brain wave distribution rates of the 22 subjects in the sleep induction experiment were compared with the distribution rates of the above three frequency components of the heart fluctuation wave, and the rise of the ⁇ wave and ⁇ wave of the brain wave, the heart fluctuation wave
  • the locations where both rises of 0.0017 Hz and 0.0035 Hz appeared were examined.
  • the ⁇ wave increased the 0.0017 Hz increase appeared at 16 locations, and the 0.0035 Hz increase appeared at 7 locations.
  • the ⁇ wave increased an increase of 0.0017 Hz appeared at 5 locations, and an increase of 0.0035 Hz appeared at 13 locations.
  • the correlation between the ⁇ wave and 0.0017 Hz is high, and the correlation between the ⁇ wave and 0.0035 Hz is high.
  • ⁇ waves are said to appear at rest or in a relaxed state, and fluctuations of 0.0035 Hz are considered to be linked to parasympathetic nerve activity. This is shown in FIG. In FIG. 18C, it can also be seen from the high distribution rate of 0.0035 Hz.
  • the subjects of the representative example of the sleep induction experiment were analyzed with respect to the distribution rate waveforms of the above three frequency components of the oscillating part of the heart and the state of each subject.
  • the three frequency components are calculated by the zero cross method (0x detection method) and the peak detection method (peak detection method), respectively, and in the distribution rate waveform of at least one of the zero cross method (0x detection method) and the peak detection method (peak detection method).
  • the time zone in which 0.0017 Hz and 0.0035 Hz are in opposite phases was compared with the state of the subject in that time zone. The results are shown in FIG.
  • APW (1) was 55.6%
  • APW (2) was 66.7%
  • APW (3) was 50%
  • APW (4) was 72.2%. It was. Therefore, the waveform change pattern of APW (1) is set to “weak sleepiness”, the waveform change pattern of APW (2) is set to “strong sleepiness”, and the waveform change pattern of APW (3) is set to “resist sleepiness”.
  • the correlation data in which the waveform change pattern of the APW (4) is in the state of “pregnant sleep” is stored in the storage unit.
  • the determination unit 670 determines which of the above-described waveform change patterns corresponds to the human state.
  • the three frequency components can be determined for sleepiness or sleep onset, regardless of whether the zero cross method (0x detection method) or the peak detection method (peak detection method) is used.
  • the zero cross method (0x detection method) or the peak detection method (peak detection method) is used.
  • the biological signal measuring means of the present invention is used in a car or the like and used for snoozing detection, even if an opposite phase appears in either one, if it is determined that it is drowsiness or a sign of falling asleep, It is considered effective.
  • FIG. 21 is a diagram showing a gradient time-series waveform pattern by the zero cross method in the awake state, and shows a comparison between the waveform and psychological judgment (whether it is awake or feels light sleepiness).
  • FIG. 23 shows the number of cases that resulted in falling asleep and those that did not fall asleep in APW (1) (2) (3) (4) in the psychological judgment (APW (+)) in FIG.
  • FIG. 21 summarizes the cases of falling asleep and cases of not falling asleep in the psychological judgment (APW ( ⁇ )) in FIG. 21.
  • FIG. 24 is a diagram showing a method of determining from the original waveform of the heart part oscillating wave (APW). That is, a transition state (a state in which sleepiness occurs and a state in which a sleep onset sign phenomenon is manifested) and a steady state (awake state) are determined from the ratio of the power spectrum height of the frequency analysis result of the APW original waveform.
  • the transition state was defined as 50% or more when the peak value of the frequency of 1 / 3f0 to 1 / 2f0 divided by the peak value of f050 when the average frequency of heart rate variability was f0.
  • the determination of the steady state and the transition state can be identified from the APW original waveform although there is variation.
  • FIG. 25 shows a comparison between the waveform of the APW zero-cross detection method and the waveform of the peak detection method, and the electroencephalogram and autonomic nerve activity.
  • FIGS. 26 (a) and 26 (b) show the APW of FIG. Frequency analysis of the waveform of the zero-cross detection method and the waveform of the peak detection method, with the sleep state power spectrum as a reference, over 30% is the sleepiness / onset symptom phenomenon, and over 100% is the steady state (wakefulness) . As a result, it can be determined that the steady state and the transition state can be determined from these waveforms. In particular, when the waveform of the zero cross detection method is used, it can be determined more accurately.
  • the present invention is not limited to the case where biological signal measuring means is disposed on a vehicle seat such as an automobile to estimate the state of occupant sleepiness, etc., but the biological signal measurement is performed on a chair, office chair, etc. It can also be applied to state estimation by arranging means. Further, the present invention can also be applied to estimating a human state by arranging a biological signal measuring means on a bedding such as a bed, capturing the swing of the aorta at the back, and analyzing the biological signal measuring device. Thereby, it is possible to easily grasp the health status of a sleeping person (especially a sick person or a person who needs care) from the screen displayed on the monitor of the display means.
  • Biosignal measuring means 10 Three-dimensional solid knitted fabric 15 Three-dimensional solid knitted fabric support member 15a Arrangement through-hole 16 Film 21,22 Plate-like foam 30 Vibration sensor 100 Sheet 110 Seat back frame 120 Skin 60 60 Living body state estimation apparatus 610 1st Frequency calculation means 620 Second frequency calculation means 630 First frequency gradient time series analysis calculation means 640 Second frequency gradient time series analysis calculation means 650 Spectrum time series change calculation means 660 Distribution rate waveform calculation means 670 Determination means

Landscapes

  • Health & Medical Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Engineering & Computer Science (AREA)
  • Veterinary Medicine (AREA)
  • Biomedical Technology (AREA)
  • Animal Behavior & Ethology (AREA)
  • Surgery (AREA)
  • Molecular Biology (AREA)
  • Medical Informatics (AREA)
  • Physics & Mathematics (AREA)
  • Public Health (AREA)
  • Biophysics (AREA)
  • Pathology (AREA)
  • General Health & Medical Sciences (AREA)
  • Heart & Thoracic Surgery (AREA)
  • Physiology (AREA)
  • Cardiology (AREA)
  • Signal Processing (AREA)
  • Psychiatry (AREA)
  • Artificial Intelligence (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Developmental Disabilities (AREA)
  • Child & Adolescent Psychology (AREA)
  • Educational Technology (AREA)
  • Social Psychology (AREA)
  • Psychology (AREA)
  • Hospice & Palliative Care (AREA)
  • Pulmonology (AREA)
  • Measuring Pulse, Heart Rate, Blood Pressure Or Blood Flow (AREA)
  • Measurement Of The Respiration, Hearing Ability, Form, And Blood Characteristics Of Living Organisms (AREA)

Abstract

　人の状態をより正確に把握する技術を提供する。　人の上体から採取した生体信号の時系列波形から周波数の時系列波形を求め、さらに、周波数傾きの時系列波形、周波数変動の時系列波形を求めてこれらを周波数解析する手段を有する。周波数解析の際には、予め定めた機能調整信号、疲労受容信号及び活動調整信号に相当する各周波数のパワースペクトルを求める。そして、各パワースペクトルの時系列変化から人の状態を判定する。疲労受容信号は、通常の活動状態における疲労の進行度合いを示すため、これに併せて、機能調整信号や活動調整信号の優性度合いをそれらの分布率として比較することにより、人の状態（リラックス状態、疲労状態、交感神経優位の状態、副交感神経優位の状態など）をより正確に判定することができる。

Description

生体状態推定装置及びコンピュータプログラム
　本発明は、人の上体から得られる生体信号の時系列波形を用いて生体の状態を推定する技術に関する。
　運転中の運転者の生体状態を監視することは、近年、事故予防策等として注目されている。本出願人は、特許文献１～３において、シートクッション部に圧力センサを配置し、臀部脈波を採取して分析し、入眠予兆現象を判定する手法を開示している。
　具体的には、脈波の時系列波形を、それぞれ、ＳａｖｉｔｚｋｙとＧｏｌａｙによる平滑化微分法により、極大値と極小値を求める。そして、５秒ごとに極大値と極小値を切り分け、それぞれの平均値を求める。求めた極大値と極小値のそれぞれの平均値の差の二乗をパワー値とし、このパワー値を５秒ごとにプロットし、パワー値の時系列波形を作る。この時系列波形からパワー値の大域的な変化を読み取るために、ある時間窓Ｔｗ（１８０秒）について最小二乗法でパワー値の傾きを求める。次に、オーバーラップ時間Ｔｌ（１６２秒）で次の時間窓Ｔｗを同様に計算して結果をプロットする。この計算（移動計算）を順次繰り返してパワー値の傾きの時系列波形を得る。一方、脈波の時系列波形をカオス解析して最大リアプノフ指数を求め、上記と同様に、平滑化微分によって極大値を求め、移動計算することにより最大リアプノフ指数の傾きの時系列波形を得る。
　そして、パワー値の傾きの時系列波形と最大リアプノフ指数の傾きの時系列波形が逆位相となっており、さらには、パワー値の傾きの時系列波形で低周波、大振幅の波形が生じている波形を、入眠予兆を示す特徴的な信号と判定し、その後に振幅が小さくなったポイントを入眠点と判定している。
　また、特許文献４として、内部に三次元立体編物を挿入した空気袋（エアパック）を備え、このエアパックを人の背部に対応する部位に配置し、エアパックの空気圧変動を測定し、得られた空気圧変動の時系列データから人の生体信号を検出し、人の生体の状態を分析するシステムを開示している。また、非特許文献１及び２においても、腰腸肋筋に沿うようにエアパックセンサを配置して人の生体信号を検出する試みを報告している。このエアパックの空気圧変動は、心臓の動きに伴う下行大動脈の揺れによるものであり、特許文献１及び２の臀部脈波を利用する場合よりも、心臓の動きにより近い状態変化を捉えることができる。
特開２００４－３４４６１２号公報 特開２００４－３４４６１３号公報 ＷＯ２００５／０９２１９３Ａ１公報 特開２００７－９００３２号公報
「原著・指尖容積脈波情報を用いた入眠予兆現象計測法の開発」藤田悦則（外８名）、人間工学　Ｖｏｌ４１、Ｎｏ．４（’０５） 「非侵襲型センサによって測定された生体ゆらぎ信号の疲労と入眠予知への応用」、落合直輝（外６名）、第３９回日本人間工学会　中国・四国支部大会　講演論文集、平成１８年１１月２５日発行、発行所：日本人間工学会　中国・四国支部事務局 「非侵襲生体信号センシング機能を有する車両用シートの試作」、前田慎一郎（外４名）、第３９回日本人間工学会　中国・四国支部大会　講演論文集、平成１８年１１月２５日発行、発行所：日本人間工学会　中国・四国支部事務局
　特許文献１～４及び非特許文献１～３の技術は、上記したように、パワー値の傾きの時系列波形と最大リアプノフ指数の傾きの時系列波形が逆位相となり、かつ、パワー値の傾きの時系列波形で低周波、大振幅の波形が生じた時点をもって入眠予兆現象と捉えている。
　また、本出願人は、特願２００９－２３７８０２として次のような技術も提案している。すなわち、生体信号測定手段により得られる生体信号の時系列波形から周波数の時系列波形を求め、この周波数の時系列波形から求められる周波数傾き時系列波形と周波数変動時系列波形を用いた技術であり、周波数傾き時系列波形の正負、周波数傾き時系列波形の積分波形の正負、周波数傾き時系列波形と周波数変動時系列波形とを重ねて出力した場合における逆位相の出現（逆位相の出現が入眠予兆を示す）等を組み合わせて人の状態を判定する技術である。
　本出願人は、上記のように生体信号を用いた人の状態を把握する技術を提案しているが、人の状態をより正確に把握する技術の提案が常に望まれている。また、人の状態を把握する手法が複数あれば、それらを併用することにより、さらに、正確に人の状態を把握することが可能となる。本発明は上記に鑑みなされたものであり、生体信号を新たな分析方法を用いて分析し、人の状態を把握する技術を提供することを課題とする。
　ここで、心疾患の一つである心房細動において、心・循環系のゆらぎの特性が切り替わるところは、０．００３３Ｈｚと言われており、０．００３３Ｈｚのゆらぎを調整するためのゆらぎが、０．００３３Ｈｚ近傍以下に存在すると言われている。生体信号に内在する低周波のゆらぎを算出する周波数傾き時系列波形を求め、それを周波数解析したところ、０．００３３Ｈｚよりも低周波の０．００１７Ｈｚ、０．００３３Ｈｚ近傍の０．００３５Ｈｚを中心にしたゆらぎが生じていることが確認できた。また、これらこの２つ以外に、０．００５３Ｈｚを中心としたゆらぎが生じていることが確認できた。
　そこで、本発明者は上記した知見から、０．００３５Ｈｚの信号（以下、「疲労受容信号」という）を基本として、これを通常の活動状態における疲労の進行度合いを示す信号とし、０．００５３Ｈｚの信号（以下、「活動調整信号」という）を、活動時において脳や自律神経系の制御による影響の度合いが出現する信号とし、０．００３３Ｈｚよりも低周波の０．００１７Ｈｚの信号（以下、機能調整信号）を、体の変調や機能低下を制御する信号とし、これらの信号のパワースペクトルの時系列変化から人の状態を判定することに着目し、本発明を完成するに至った。
　また、生体信号としては、指尖容積脈波ではなく、心房と大動脈の揺れ具合を捉えることに着目した。これは、大動脈の壁は、動脈の中でも弾力性に富んでおり、心臓から直接送り出される血液の高い圧力を受け止めることができ、また、心臓の左心室からでたばかりのところには逆流防止の弁である大動脈弁がある。このため、心房と大動脈の揺れ具合を捉えた生体信号を解析することで、生体の定常性維持のための脳と自律神経系の負のフィードバック機構の調節環をよく捉えることができ、それにより、自律神経の活動だけでなく脳機能の活性化状態を併せて把握し、より正確に生体状態を推定できるからである。
　すなわち、本発明の生体状態推定装置は、生体信号測定手段により人の上体から採取した生体信号を用いて、人の状態を推定する生体状態推定装置であって、前記生体信号測定手段により得られる生体信号の時系列波形から、周波数の時系列波形を求める周波数演算手段と、前記周波数演算手段により得られた前記生体信号の周波数の時系列波形において、所定のオーバーラップ時間で設定した所定の時間窓毎に前記周波数の傾きを求める移動計算を行い、時間窓毎に得られる前記周波数の傾きの時系列変化を周波数傾き時系列波形として出力する周波数傾き時系列解析演算手段と、前記周波数傾き時系列解析演算手段から得られる周波数傾き時系列波形を周波数解析し、パワースペクトルの時系列変化を求めるスペクトル時系列変化演算手段と、前記スペクトル時系列変化演算手段により得られたパワースペクトルの時系列変化から、予め定めた機能調整信号、疲労受容信号及び活動調整信号に相当する周波数成分を抜き出し、前記３つの周波数成分のパワースペクトルの値の合計を１００とした際の前記３つの各周波成分の割合を時系列に算出して分布率波形として求める分布率波形演算手段と、前記分布率波形演算手段により得られた分布率波形における前記３つの各周波成分の波形変化パターンを特定し、特定した波形変化パターンを、予め記憶部に記憶している波形変化パターンと人の状態との相関データに照らし、人の状態を判定する判定手段とを具備することを特徴とする。
　前記周波数演算手段が、前記生体信号測定手段により得られる生体信号の時系列波形において、正から負に切り替わるゼロクロス地点を求め、このゼロクロス地点を用いて生体信号の周波数の時系列波形を求める第１周波数演算手段を有し、前記周波数傾き時系列演算手段が、前記第１周波数演算手段により得られた前記生体信号の周波数の時系列波形において、所定のオーバーラップ時間で設定した所定の時間窓毎に前記周波数の傾きを求める移動計算を行い、時間窓毎に得られる前記周波数の傾きの時系列変化を周波数傾き時系列波形として出力する第１周波数傾き時系列解析演算手段を有し、前記スペクトル時系列変化演算手段が、前記第１周波数傾き時系列解析演算手段から得られる周波数傾き時系列波形を周波数解析し、パワースペクトルの時系列変化を求める構成であることが好ましい。
　また、前記周波数演算手段が、前記生体信号測定手段により得られる生体信号の時系列波形を平滑化微分して極大値を求め、この極大値を用いて生体信号の周波数の時系列波形を求める第２周波数演算手段を有し、前記周波数傾き時系列演算手段が、前記第２周波数演算手段により得られた前記生体信号の周波数の時系列波形において、所定のオーバーラップ時間で設定した所定の時間窓毎に前記周波数の傾きを求める移動計算を行い、時間窓毎に得られる前記周波数の傾きの時系列変化を周波数傾き時系列波形として出力する第２周波数傾き時系列解析演算手段を有し、前記スペクトル時系列変化演算手段が、前記第２周波数傾き時系列解析演算手段から得られる周波数傾き時系列波形を周波数解析し、パワースペクトルの時系列変化を求める構成であることが好ましい。
　前記判定手段は、前記分布率波形の波形変化パターンとして、前記機能調整信号と前記疲労受容信号とが逆位相となっている時間帯を、眠気関連現象出現期と判定する構成であることが好ましい。前記判定手段は、前記分布率波形の波形変化パターンとして、前記機能調整信号と前記疲労受容信号とが逆位相となっていると共に、前記活動調整信号の分布率が所定以上となっている時間帯を入眠予兆現象出現期と判定する構成であることが好ましい。前記分布率波形演算手段に用いる前記機能調整信号の周波数が０．００１７Ｈｚであり、前記疲労受容信号の周波数が０．００３５Ｈｚであり、前記活動調整信号の周波数が０．００５３Ｈｚであることが好ましい。
　本発明のコンピュータプログラムは、生体信号測定手段により人の上体から採取した生体信号を用いて、人の状態を推定する生体状態推定装置に設定されるコンピュータプログラムであって、前記生体信号測定手段により得られる生体信号の時系列波形から、周波数の時系列波形を求める周波数演算ステップと、前記周波数演算ステップにより得られた前記生体信号の周波数の時系列波形において、所定のオーバーラップ時間で設定した所定の時間窓毎に前記周波数の傾きを求める移動計算を行い、時間窓毎に得られる前記周波数の傾きの時系列変化を周波数傾き時系列波形として出力する周波数傾き時系列解析演算ステップと、前記周波数傾き時系列解析演算ステップから得られる周波数傾き時系列波形を周波数解析し、パワースペクトルの時系列変化を求めるスペクトル時系列変化演算ステップと、前記スペクトル時系列変化演算ステップにより得られたパワースペクトルの時系列変化から、予め定めた機能調整信号、疲労受容信号及び活動調整信号に相当する周波数成分を抜き出し、前記３つの周波数成分のパワースペクトルの値の合計を１００とした際の前記３つの各周波成分の割合を時系列に算出して分布率波形として求める分布率波形演算ステップと、前記分布率波形演算ステップにより得られた分布率波形における前記３つの各周波成分の波形変化パターンを特定し、特定した波形変化パターンを、予め記憶部に記憶している波形変化パターンと人の状態との相関データに照らし、人の状態を判定する判定ステップとをコンピュータに実行させることを特徴とする。
　前記周波数演算ステップが、前記生体信号測定手段により得られる生体信号の時系列波形において、正から負に切り替わるゼロクロス地点を求め、このゼロクロス地点を用いて生体信号の周波数の時系列波形を求める第１周波数演算ステップを有し、前記周波数傾き時系列演算ステップが、前記第１周波数演算ステップにより得られた前記生体信号の周波数の時系列波形において、所定のオーバーラップ時間で設定した所定の時間窓毎に前記周波数の傾きを求める移動計算を行い、時間窓毎に得られる前記周波数の傾きの時系列変化を周波数傾き時系列波形として出力する第１周波数傾き時系列解析演算ステップを有し、前記スペクトル時系列変化演算ステップが、前記第１周波数傾き時系列解析演算ステップから得られる周波数傾き時系列波形を周波数解析し、パワースペクトルの時系列変化を求める構成であることが好ましい。
　また、前記周波数演算ステップが、前記生体信号測定手段により得られる生体信号の時系列波形を平滑化微分して極大値を求め、この極大値を用いて生体信号の周波数の時系列波形を求める第２周波数演算ステップを有し、前記周波数傾き時系列演算ステップが、前記第２周波数演算ステップにより得られた前記生体信号の周波数の時系列波形において、所定のオーバーラップ時間で設定した所定の時間窓毎に前記周波数の傾きを求める移動計算を行い、時間窓毎に得られる前記周波数の傾きの時系列変化を周波数傾き時系列波形として出力する第２周波数傾き時系列解析演算ステップを有し、前記スペクトル時系列変化演算ステップが、前記第２周波数傾き時系列解析演算ステップから得られる周波数傾き時系列波形を周波数解析し、パワースペクトルの時系列変化を求める構成であることが好ましい。
　前記判定ステップは、前記分布率波形の波形変化パターンとして、前記機能調整信号と前記疲労受容信号とが逆位相となっている時間帯を、眠気関連現象出現期と判定する構成であることが好ましい。前記判定ステップは、前記分布率波形の波形変化パターンとして、前記機能調整信号と前記疲労受容信号とが逆位相となっていると共に、前記活動調整信号の分布率が所定以上となっている時間帯を入眠予兆現象出現期と判定する構成であることが好ましい。前記分布率波形演算ステップに用いる前記機能調整信号の周波数が０．００１７Ｈｚであり、前記疲労受容信号の周波数が０．００３５Ｈｚであり、前記活動調整信号の周波数が０．００５３Ｈｚであることが好ましい。
　本発明は、人の上体から採取した生体信号の時系列波形から周波数の時系列波形を求め、さらに、周波数傾きの時系列波形を求めて周波数解析する手段を有する。より好ましくは、周波数変動の時系列波形を求めて周波数解析する手段を有する。周波数解析の際には、予め定めた機能調整信号、疲労受容信号及び活動調整信号に相当する各周波数のパワースペクトルを求める。そして、各パワースペクトルの時系列変化から人の状態を判定する。疲労受容信号は、通常の活動状態における疲労の進行度合いを示すため、これに併せて、機能調整信号や活動調整信号の優性度合いをそれらの分布率として比較することにより、人の状態（リラックス状態、疲労状態、交感神経優位の状態、副交感神経優位の状態など）をより正確に判定することができる。
図１は、本発明の一の実施形態において用いた生体信号測定手段を示した図である。 図２は、上記実施形態に係る生体信号測定手段の他の態様を示した図である。 図３は、上記生体信号測地手段をシートに組み込む過程を示した図である。 図４は、本発明の一の実施形態に係る生体状態推定装置の構成を示した図である。 図５は、生体信号測定手段により検出した生体信号のピーク値又はゼロクロス地点を用いて、周波数傾き時系列波形を求める方法を説明するための図である。 図６（ａ）は、睡眠導入実験において、２２名の被験者の眠気の無い状態（活性状態）の心部揺動波の原波形を連結したデータの周波数分析結果と、眠気がある状態の心部揺動波の原波形を連結したデータの周波数分析結果を示したものである。図６（ｂ）は、図６（ａ）に示す眠気の有無の状態別で採取したＡＰＷのゼロクロス検出法、ピーク検出法によって作られた時系列波形の周波数分析した結果を示した図である。 図７（ａ），（ｂ）は、図６（ａ）のAPWを傾き時系列波形にしたものを周波数分析した結果を示した図であり、（ａ）はピーク検出法を利用したもので、（ｂ）はゼロクロス法を利用したものである。 図８は、ピストン・クランク機構に例えた心臓モデル図である。 図９は、ピストン・クランク機構に例えた心臓モデルに関し、大動脈に発生する力の求め方を示した図である。 図１０は、図６（ａ）で示した心部揺動波の連結データを周波数分析し、周波数スペクトルの超低周波数帯域（０～０．００７Ｈｚ）を示した図である。 図１１は、指尖容積脈波とAPWの周波数分析結果を示した図である。 図１２（ａ）～（ｄ）は、睡眠導入実験での心部揺動波を状態別に周波数分析した結果を示した図である。 図１３（ａ）～（ｃ）は、第１周波数傾き時系列解析演算手段から得られるゼロクロス法（０ｘ検出法）を適用した周波数の傾き時系列波形の分析結果を示した図である。 図１４（ａ）～（ｃ）は、第２周波数傾き時系列解析演算手段から得られるピーク検出法を適用した周波数の傾き時系列波形の分析結果を示した図である。 図１５（ａ）はAPW とAPW をゼロクロス検出処理した波形とゼロクロス検出法による傾き時系列波形の比較を示し、図１５（ｂ）は0.0017Hz と0.0035Hz と0.0053Hzのサイン波の合成波とゼロクロス検出法による傾き時系列波形の比較を示し、図１５（ｃ）は合成波とゼロクロス検出法による傾き時系列波形の周波数分析結果の比較を示した図である。 図１６（ａ）はAPWとAPWをピーク検出処理した波形とピーク検出法による傾き時系列波形の比較を示し、図１６（ｂ）は0.0017Hz と0.0035Hz と0.0053Hz のサイン波の合成波とピーク検出法による傾き時系列波形の比較を示し、図１６（ｃ）は合成波とピーク検出法による傾き時系列波形の周波数分析結果の比較を示した図である。 図１７（ａ）～（ｃ）は、0.0017Hz と0.0033Hz と0.0053Hz の３の周波数成分の分布率の求め方を説明するための図である。 図１８（ａ）～（ｃ）は、３０歳代男性被験者の睡眠導入実験の解析結果を示した図である。 図１９は、脳波分布率と心部揺動波の分布率の一致度を説明するための図である。 図２０は、睡眠導入実験の代表事例の被験者について、心部揺動波の上記３つの周波数成分の分布率の波形と各被験者の状態との関係を示した図である。 図２１は、覚醒状態におけるゼロクロス法による傾き時系列波形のパターンを示した図である。 図２２は、図２０と図２１の結果と人の状態との相関を示した図である。 図２３は、図２０と図２１の結果と人の状態との相関を示した図である。 図２４は、心部揺動波（ＡＰＷ）の原波形から判定する方法を示した図である。 図２５は、ＡＰＷのゼロクロス検出法の波形及びピーク検出法の波形と、脳波及び自律神経活動との比較を示した図である。 図２６（ａ），（ｂ）は、図２５のＡＰＷのゼロクロス検出法の波形及びピーク検出法の波形を周波数分析して人の状態を判定する方法を説明するための図である。
　以下、図面に示した本発明の実施形態に基づき、本発明をさらに詳細に説明する。図１及び図２は、本実施形態に係る生体状態推定装置６０の分析対象である生体信号、ここでは心部揺動波（人の上体の背部から検出される心房の動き及び大動脈の揺動に伴う生体信号）を採取する生体信号測定手段１を示した図であり、図３は、該生体信号測定手段１を自動車用のシート１００に組み込む過程を示した図である。まず、この生体信号測定手段１について説明する。生体信号測定手段１は、三次元立体編物１０、三次元立体編物支持部材１５、フィルム１６、板状発泡体２１，２２、振動センサ３０を有して構成される。
　三次元立体編物１０は、例えば、特開２００２－３３１６０３号公報に開示されているように、互いに離間して配置された一対のグランド編地と、該一対のグランド編地間を往復して両者を結合する多数の連結糸とを有する立体的な三次元構造となった編地である。
　一方のグランド編地は、例えば、単繊維を撚った糸から、ウェール方向及びコース方向のいずれの方向にも連続したフラットな編地組織（細目）によって形成され、他方のグランド編地は、例えば、短繊維を撚った糸から、ハニカム状（六角形）のメッシュを有する編み目構造に形成されている。もちろん、この編地組織は任意であり、細目組織やハニカム状以外の編地組織を採用することもできるし、両者とも細目組織を採用するなど、その組み合わせも任意である。連結糸は、一方のグランド編地と他方のグランド編地とが所定の間隔を保持するように、２つのグランド編地間に編み込んだものである。本実施形態では、三次元立体編物の固体振動、特に、連結糸の弦振動を検出するものであるため、連結糸はモノフィラメントから構成することが好ましいが、採取する生体信号の種類に応じて共振周波数を調整するため、連結糸もマルチフィラメントから構成することもできる。
　また、三次元立体編物１０は、厚み方向の荷重－たわみ特性が、測定板上に載置して直径３０ｍｍ又は直径９８ｍｍの加圧板で加圧した際に、荷重１００Ｎまでの範囲で、人の臀部の筋肉の荷重－たわみ特性に近似したバネ定数を備えることが好ましい。具体的には直径３０ｍｍの加圧板で加圧した際の当該バネ定数が０．１～５Ｎ／ｍｍの範囲、又は、直径９８ｍｍの加圧板で加圧した際の当該バネ定数が１～１０Ｎ／ｍｍであるものを用いることが好ましい。人の臀部の筋肉の荷重－たわみ特性に近似していることにより、三次元立体編物と筋肉とが釣り合い、心拍、呼吸、心房や大動脈の揺動などの生体信号が伝播されると、三次元立体編物が人の筋肉と同様の振動を生じることになり、生体信号を大きく減衰させることなく伝播できる。
　このような三次元立体編物としては、例えば、以下のようなものを用いることができる。なお、各三次元立体編物は、必要に応じて複数枚積層して用いることもできる。
（１）製品番号：４９０７６Ｄ（住江織物（株）製）
材質：
　表側のグランド編地・・・３００デシテックス／２８８ｆのポリエチレンテレフタレート繊維仮撚加工糸と７００デシテックス／１９２ｆのポリエチレンテレフタレート繊維仮撚加工糸との撚り糸
　裏側のグランド編地・・・４５０デシテックス／１０８ｆのポリエチレンテレフタレート繊維仮撚加工糸と３５０デシテックス／１ｆのポリトリメチレンテレフタレートモノフィラメントとの組み合わせ
　連結糸・・・・・・・・・３５０デシテックス／１ｆのポリトリメチレンテレフタレートモノフィラメント
（２）製品番号：４９０１１Ｄ（住江織物（株）製）
材質：
　グランド編地（縦糸）・・・６００デシテックス／１９２ｆのポリエチレンテレフタレート繊維仮撚加工糸
　グランド編地（横糸）・・・３００デシテックス／７２ｆのポリエチレンテレフタレート繊維仮撚加工糸
　連結糸・・・・・・・・・８００デシテックス／１ｆのポリエチレンテレフタレートモノフィラメント
（３）製品番号：４９０１３Ｄ（住江織物（株）製）
材質：
　表側のグランド編地・・・４５０デシテックス／１０８ｆのポリエチレンテレフタレート繊維仮撚加工糸の２本の撚り糸
　裏側のグランド編地・・・４５０デシテックス／１０８ｆのポリエチレンテレフタレート繊維仮撚加工糸の２本の撚り糸
　連結糸・・・・・・・・・３５０デシテックス／１ｆのポリトリメチレンテレフタレートモノフィラメント
（４）製品番号：６９０３０Ｄ（住江織物（株）製）
材質：
　表側のグランド編地・・・４５０デシテックス／１４４ｆのポリエチレンテレフタレート繊維仮撚加工糸の２本の撚り糸
　裏側のグランド編地・・・４５０デシテックス／１４４ｆのポリエチレンテレフタレート繊維仮撚加工糸と３５０デシテックス／１ｆのポリトリメチレンテレフタレートモノフィラメントとの組み合わせ
　連結糸・・・・・・・・・３５０デシテックス／１ｆのポリトリメチレンテレフタレートモノフィラメント
（５）旭化成せんい（株）製の製品番号：Ｔ２４０５３ＡＹ５－１Ｓ
　板状発泡体２１，２２は、ビーズ発泡体により構成することが好ましい。ビーズ発泡体としては、例えば、ポリスチレン、ポリプロピレン及びポリエチレンのいずれか少なくとも一つを含む樹脂のビーズ法による発泡成形体が用いることができる。ビーズ発泡体からなる板状発泡体２１，２２は、個々の微細なビーズを構成している発泡により形成された球状の樹脂膜の特性により、微小な振幅を伴う生体信号を膜振動として伝播する。この膜振動が三次元立体編物に弦振動として伝わり、これらの膜振動と弦振動が重畳され、生体信号は、膜振動と弦振動が重畳されることによって増幅された機械振動として、後述する振動センサ３０により検出される。従って、生体信号の検出が容易になる。
　板状発泡体２１，２２をビーズ発泡体から構成する場合、発泡倍率は２５～５０倍の範囲で、厚さがビーズの平均直径以下に形成されていることが好ましい。例えば、３０倍発泡のビーズの平均直径が４～６ｍｍ程度の場合では、板状発泡体２１，２２の厚さは３～５ｍｍ程度にスライスカットする。これにより、板状発泡体２１，２２に柔らかな弾性が付与され、振幅の小さな振動に共振した固体振動を生じやすくなる。なお、板状発泡体２１，２２は、本実施形態のように、三次元立体編物１０を挟んで両側に配置されていても良いが、いずれか片側、好ましくは、シートバック側のみに配置した構成とすることもできる。
　ここで、三次元立体編物１０は、幅４０～１００ｍｍ、長さ１００～３００ｍｍの範囲の短冊状のものが用いられる。この大きさのものだと、三次元立体編物１０に予備圧縮（連結糸に張力が発生する状態）を生じやすくなり、人と三次元立体編物１０との間で平衡状態が作りやすい。本実施形態では、人が背部が当接した際の違和感軽減のため、脊柱に対応する部位を挟んで対象に２枚配設するようにしている。三次元立体編物１０を簡単に所定位置に配置するようにするため、図１に示したように、三次元立体編物１０は三次元立体編物支持部材１５に支持させた構成とすることが好ましい。三次元立体編物支持部材１５は、板状に成形され、脊柱に対応する部位を挟んで対称位置に、縦長の配置用貫通孔１５ａ，１５ａが２つ形成されている。三次元立体編物支持部材１５は、上記板状発泡体２１，２２と同様に、板状に形成されたビーズ発泡体から構成することが好ましい。三次元立体編物支持部材１５をビーズ発泡体から構成する場合の好ましい発泡倍率、厚さの範囲は上記板状発泡体２１，２２と同様である。但し、生体信号により膜振動をより顕著に起こさせるためには、三次元立体編物１０，１０の上下に積層される板状発泡体２１，２２の厚さが、三次元立体編物支持部材１５の厚さよりも薄いことが好ましい。
　三次元立体編物支持部材１５に形成した配置用貫通孔１５ａ，１５ａに、２つの三次元立体編物１０，１０を挿入配置した状態で、三次元立体編物１０，１０の表側及び裏側にフィルム１６，１６を積層する。本実施形態では、配置用貫通孔１５ａ，１５ａの周縁部にフィルム１６，１６の周縁部を貼着して積層する。なお、配置用貫通孔１５ａ，１５ａの形成位置（すなわち、三次元立体編物１０，１０の配設位置）は、心房と大動脈（特に、「下行大動脈」）の拍出に伴う動きによって生じる揺れ及び大動脈弁の動きを検知可能な領域に相当する位置とすることが好ましい。この結果、三次元立体編物１０，１０は、上下面が板状発泡体２１，２２によりサンドイッチされ、周縁部が三次元立体編物支持部材１５によって取り囲まれており、板状発泡体２１，２２及び三次元立体編物支持部材１５が共振箱（共鳴箱）の機能を果たす。なお、大動脈の壁は、動脈の中でも弾力性に富んでおり、心臓から直接送り出される血液の高い圧力を受け止めることができ、また、心臓の左心室からでたばかりのところには逆流防止の弁である大動脈弁がある。このため、三次元立体編物の位置を上記の位置にすると、生体の定常性維持のための脳と自律神経系の負のフィードバック機構の動きをよく捉えることができる。
　また、三次元立体編物支持部材１５よりも、三次元立体編物１０，１０の方が厚いものを用いることが好ましい。つまり、三次元立体編物１０，１０を配置用貫通孔１５ａ，１５ａに配置した場合には、三次元立体編物１０，１０の表面及び裏面が、該配置用貫通孔１５ａ，１５ａよりも突出するような厚さ関係とする。これにより、フィルム１６，１６の周縁部を配置用貫通孔１５ａ，１５ａの周縁部に貼着すると、三次元立体編物１０，１０は厚み方向に押圧されるため、フィルム１６，１６の反力による張力が発生し、該フィルム１６，１６に固体振動（膜振動）が生じやすくなる。一方、三次元立体編物１０，１０にも予備圧縮が生じ、三次元立体編物の厚さ形態を保持する連結糸にも反力による張力が生じて弦振動が生じやすくなる。なお、フィルム１６，１６は、三次元立体編物１０，１０の表側及び裏側の両側に設けることが好ましいが、いずれか少なくとも一方に設けた構成とすることも可能である。
　三次元立体編物１０，１０の連結糸は、一対のグランド編地間に掛け渡されるため、いわばコイル状に巻かれた長い弦となり、上下の節点に共振箱（共鳴箱）の機能を果たすフィルム１６，１６及び板状発泡体２１，２２が配設されている。心拍変動に代表される生体信号は、低周波であるため、このような長い弦と多数の節点を備えた共振システムにより増幅される。つまり、連結糸の弦振動が多数の節点を介してフィルム１６，１６の膜振動及び板状発泡体２１，２２のビーズの膜振動を起こさせ、これらが重畳して作用し、増幅される。なお、三次元立体編物の連結糸の節点間の間隔、すなわち、連結糸の配置密度は高いほど好ましい。
　また、フィルム１６，１６を板状発泡体２１，２２側に予め貼着して一体化しておき、板状発泡体２１，２２を三次元立体編物支持部材１５に積層するだけで、フィルム１６，１６を三次元立体編物１０，１０の表側及び裏側に配置できる構成とすることも可能である。但し、三次元立体編物１０，１０に予備圧縮を付与するためには、上記のように、フィルム１６，１６を三次元立体編物支持部材１５の表面に固着することが好ましい。また、図１のように、三次元立体編物１０毎に対応してフィルムを配設するのではなく、図２に示したように、２つの三次元立体編物１０，１０を両方とも覆うことのできる大きさのフィルム１６を用いるようにしてもよい。
　フィルム１６，１６としては、例えば、心拍変動を捉えるには、ポリウレタンエラストマーからなるプラスチックフィルム(例えば、シーダム株式会社製、品番「ＤＵＳ６０５－ＣＤＲ」）を用いることが好ましい。但し、フィルム１６，１６は固有振動数が合致すれば共振による膜振動を生じるため、これに限るものではなく、採取する対象（心拍、呼吸、心房や大動脈の揺動等）に応じた固有振動数を有するものを使用することが好ましい。例えば、後述の試験例で示したように、伸縮性の小さい素材、例えば、熱可塑性ポリエステルからなる不織布(例えば、帝人（株）製のポリエチレンナフタレート（ＰＥＮ）繊維（１１００ｄｔｅｘ）から形成した２軸織物（縦：２０本／ｉｎｃｈ、横：２０本／ｉｎｃｈ））を用いることも可能である。また、例えば、伸度２ ０ ０ ％ 以上、１ ０ ０ ％ 伸長時の回復率が８ ０ ％ 以上である弾性繊維不織布（ 例えば、Ｋ Ｂ セーレン（ 株） 製、商品名「エスパンシオーネ」） を用いることも可能である。
　振動センサ３０は、上記したフィルム１６，１６を積層する前に、いずれか一方の三次元立体編物１０に固着して配設される。三次元立体編物１０は一対のグランド編地と連結糸とから構成されるが、各連結糸の弦振動がグランド編地との節点を介してフィルム１６，１６及び板状発泡体２１，２２に伝達されるため、振動センサ３０は感知部３０ａを三次元立体編物１０の表面（グランド編地の表面）に固着することが好ましい。振動センサ３０としては、マイクロフォンセンサ、中でも、コンデンサ型マイクロフォンセンサを用いることが好ましい。本実施形態では、マイクロフォンセンサを配置した部位（すなわち、三次元立体編物１０を配置した配置用貫通孔１５ａ）の密閉性を考慮する必要がないため、マイクロフォンセンサのリード線の配線は容易に行うことができる。本実施形態では、上記したように、生体信号に伴う人の筋肉を介した体表面の振動は、三次元立体編物１０だけでなく、板状発泡体２１，２２、フィルム１６にも伝播され、それらが振動（弦振動、膜振動）して重畳されて増幅する。よって、振動センサ３０は、三次元立体編物１０に限らず、振動伝達経路を構成する板状発泡体２１，２２及びフィルム１６に、その感知部３０ａを固定することもできる。なお、本実施形態では、三次元立体編物１０、三次元立体編物支持部材１５、板状発泡体２１，２２、フィルム１６が生体信号を機械的に増幅させるため、これらが機械的増幅デバイスを構成する。
　上記した生体信号測定手段１は、例えば、図３に示したように、自動車用シート１００のシートバックフレーム１１０に被覆される表皮１２０の内側に配置される。なお、配置作業を容易にするため、生体信号測定手段１を構成する三次元立体編物１０、三次元立体編物支持部材１５、フィルム１６、板状発泡体２１，２２、振動センサ３０等は予めユニット化しておくことが好ましい。
　 上記した生体信号測定手段１は、三次元立体編物１０と三次元立体編物１０の周辺に積層される板状発泡体２１，２２とを備えた機械的増幅デバイス、好ましくは、三次元立体編物１０と板状発泡体２１，２２との間にフィルム１６が配設された機械的増幅デバイスを有し、この機械的増幅デバイスに振動センサが取り付けられた構成である。心拍、呼吸、心房や大動脈の揺動などの人の生体信号による体表面の微小振動は、板状発泡体２１，２２、フィルム１６及び三次元立体編物１０に伝播されるが、板状発泡体２１，２２及びフィルム１６では膜振動を生じ、三次元立体編物には糸の弦振動を生じさせる。
　さらに言えば、三次元立体編物１０は、一対のグランド編地間に連結糸が配設されてなるが、人の筋肉の荷重－たわみ特性に近似した荷重－たわみ特性を備えている。従って、三次元立体編物１０を含んだ機械的増幅デバイスの荷重－たわみ特性を筋肉のそれに近似させたものにして、それを筋肉に隣接して配置されることで、筋肉及び三次元立体編物間の内外圧差が等しくなり、心拍、呼吸、心房や大動脈の揺動などの生体信号を正確に伝えることができ、これにより、三次元立体編物１０を構成する糸（特に、連結糸）に弦振動を生じさせることができる。また、三次元立体編物１０に積層された板状発泡体２１，２２、好ましくはビーズ発泡体は、ビーズの有する柔らかな弾性と小さな密度により各ビーズに膜振動が生じやすい。フィルム１６は、周縁部を固定し、人の筋肉の荷重－たわみ特性に近似する三次元立体編物で弾性支持することにより、所定の張力が生じるため、膜振動が生じやすい。すなわち、生体信号測定手段１によれば、心拍、呼吸、心房や大動脈の揺動などの生体信号により、筋肉の荷重－たわみ特性に近似する荷重－たわみ特性をもつ機械的増幅デバイス内の板状発泡体２１，２２やフィルム１６に膜振動が生じると共に、人の筋肉の荷重－たわみ特性に近似した荷重－たわみ特性を有する三次元立体編物１０に弦振動が生じる。そして、三次元立体編物１０の弦振動は再びフィルム１６等の膜振動に影響を与え、これらの振動が重畳して作用する。その結果、生体信号に伴って体表面から入力される振動は、弦振動と膜振動との重畳によって増幅された固体振動として直接振動センサ３０により検出されることになる。
　本発明で使用する生体信号測定手段１としては、従来のように密閉袋内の空気圧変動を検出する構成としたものを用いることも可能であるが、体積と圧力が反比例関係にあるため、密閉袋の体積を小さくしないと圧力変動を検出しにくい。これに対し、上記した生体信号測定手段１によれば、空気圧変動ではなく、上記のように、機械的増幅デバイス（三次元立体編物１０、板状発泡体２１，２２、フィルム１６）に伝播される増幅された固体振動を検出するものであるため、その容積（体積）が検出感度の観点から制限されることはほとんどなく、心拍、呼吸、心房や大動脈の揺動等に伴う振幅の小さな振動を感度良く検出できる。このため、多様な体格を有する人に対応できる。従って、上記生体信号測定手段１は、乗物用シートのように、多様な体格を有する人が利用し、さらに多様な外部振動が入力される環境下においても感度良く生体信号を検出できる。また、密閉構造を作る必要がないため、製造工程が簡素化され、製造コストも下げることができ、量産に適している。
　なお、上記した生体信号測定手段１は、シート１００の表皮１２０の内側に組み込んでいるが、表皮１２０の表面に後付で取り付けるシート用クッションに組み込むようにしてもよい。但し、後付で取り付ける場合は、三次元立体編物が体重により予備圧縮が生じやすいように、シートと三次元立体編物との間に、硬い面を設けることが、例えば、面剛性の高い三次元立体編物、あるいは、ポリプロピレンなどの合成樹脂製の厚さ１～２ｍｍ程度のプレートを挿入するなどすることが好ましい。例えば、柔らかい圧縮特性をもつシートの場合、三次元立体編物が予備圧縮されず、そのために生体信号が反射されずに吸収されてしまうが、上記のような硬い面を設けることにより、このようなシート側の圧縮特性のばらつきが吸収され、振幅の大きな生体信号がとりやすくなる。
　次に、生体状態推定装置６０の構成について図４に基づいて説明する。生体状態推定装置６０は、周波数演算手段として、第１周波数演算手段６１０と第２周波数演算手段６２０を有し、周波数傾き時系列演算手段として第１周波数傾き時系列解析演算手段６３０と第２周波数傾き時系列解析演算手段６４０を有している。また、スペクトル時系列変化演算手段６５０と、分布率波形演算手段６６０と、判定手段６７０を有して構成される。生体状態推定装置６０は、コンピュータから構成され、周波数演算ステップを構成する第１周波数演算ステップと第２周波数演算ステップ、周波数傾き時系列演算ステップを構成する第１周波数傾き時系列解析演算ステップと第２周波数傾き時系列解析演算ステップ、スペクトル時系列変化演算ステップ、分布率波形演算ステップ、判定ステップをコンピュータに実行させるコンピュータプログラムが設定されている。なお、コンピュータプログラムは、フレキシブルディスク、ハードディスク、ＣＤ－ＲＯＭ、ＭＯ（光磁気ディスク）、ＤＶＤ－ＲＯＭ、メモリカードなどの記録媒体へ記憶させて提供することもできるし、通信回線を通じて伝送することも可能である。
　第１及び第２周波数演算手段６１０，６２０は、生体信号測定手段１の振動センサ３０から得られ出力信号の時系列データ、好ましくは、フィルタリング処理（例えば、体動などにより生じた０．０１Ｈｚ以下の低周波成分を除去するフィルタリング処理）された所定の周波数領域の時系列データにおける周波数の時系列波形を求める。このうち、第１周波数演算手段６１０は、交感神経機能の指標として用いられるＬＦ／ＨＦに関するもので、第２周波数演算手段６２０は、副交感神経機能の指標として用いられるＨＦに関するものである。
　具体的には、第１周波数演算手段６１０は、生体信号測定手段１の振動センサから得られる出力信号の時系列波形において、正から負に切り替わる地点（以下、「ゼロクロス地点」という）を用いて周波数の時系列波形を求める方法（以下、「ゼロクロス法」という）である。このゼロクロス法は、生体信号の周波数の基本成分を捉えるものであり、周波数調節における負のフィードバック機構である中枢における調節機能の作用により周波数平衡状態となっているか否かを示すもので、ＬＦ／ＨＦの発現の強弱レベルを示す。この方法では、まず、ゼロクロス地点を求めたならば、それを例えば５秒毎に切り分け、その５秒間に含まれる時系列波形のゼロクロス地点間の時間間隔の逆数を個別周波数ｆとして求め、その５秒間における個別周波数ｆの平均値を当該５秒間の周波数Ｆの値として採用する（図５の[1]のステップ）。そして、この５秒毎に得られる周波数Ｆをプロットすることにより、周波数の時系列波形を求める（図５の[2]のステップ）。
　第２周波数演算手段６２０は、生体信号測定手段１の振動センサから得られる出力信号の時系列波形を平滑化微分して極大値（ピーク）を用いて時系列波形を求める方法（以下、「ピーク検出法」という）である。ピーク検出法は、基本的にはＨＦの機能に相当する時系列波形である。例えば、ＳａｖｉｔｚｋｙとＧｏｌａｙによる平滑化微分法により極大値を求める。次に、例えば５秒ごとに極大値を切り分け、その５秒間に含まれる時系列波形の極大値（波形の山側頂部）間の時間間隔の逆数を個別周波数ｆとして求め、その５秒間における個別周波数ｆの平均値を当該５秒間の周波数Ｆの値として採用する（図５の[1]のステップ）。そして、この５秒毎に得られる周波数Ｆをプロットすることにより、周波数の時系列波形を求める（図５の[2]のステップ）。
　第１及び第２周波数傾き時系列解析演算手段６３０，６４０は、第１及び第２周波数演算手段６１０，６２０によって、ゼロクロス法又はピーク検出法を用いて得られた生体信号測定手段１の振動センサの出力信号の周波数の時系列波形から、所定の時間幅の時間窓を設定し、時間窓毎に最小二乗法により振動センサの出力信号の周波数の傾きを求め、その時系列波形を出力する構成である。具体的には、まず、ある時間窓Ｔｗ１における周波数の傾きを最小二乗法により求めてプロットする（図５の[3],[5]のステップ）。次に、オーバーラップ時間Ｔｌ（図５の[6]のステップ）で次の時間窓Ｔｗ２を設定し、この時間窓Ｔｗ２における周波数の傾きを同様に最小二乗法により求めてプロットする。この計算（移動計算）を順次繰り返し、エアパック信号の周波数の傾きの時系列変化を周波数傾き時系列波形として出力する（図５の[8]のステップ）。なお、時間窓Ｔｗの時間幅は１８０秒に設定することが好ましく、オーバーラップ時間Ｔｌは１６２秒に設定することが好ましい。これは、本出願人による上記特許文献３（ＷＯ２００５／０９２１９３Ａ１公報）において示したように、時間窓Ｔｗの時間幅及びオーバーラップ時間Ｔｌを種々変更して行った睡眠実験から、特徴的な信号波形が最も感度よく出現する値として選択されたものである。
　また、上記したように、心房細動のゆらぎの特性は０．００３３Ｈｚで切り替わり、０．００３３Ｈｚのゆらぎを調整するためのゆらぎが、０．００３３Ｈｚ近傍以下に存在すると言われている。従って、０Ｈｚと０．００３３Ｈｚの中間である０．００１７Ｈｚを中心としたゆらぎの状態を見ると、ばらつきが生じたとしても０．００３３Ｈｚ以下に生じるゆらぎの状態の概要が現れると考えられる。０．００１７Ｈｚの波形の１／４周期にあたる時間は１４７秒である。９０％ラップ状態で波形をスムージングするとして、前後の１０％の時間を加算すると、１４７／０．８＝約１８０秒となり、この点からも１８０秒とすることが好ましいと言える。ここに、180秒、3 分間で変化していく様子、変化の傾向、微分係数、傾きを時系列波形として捉える。そして180 秒間の平均値である傾きを、スムージングさせるために180 秒間の時間を90％ラップさせて、18 秒毎にプロットしていき時系列波形を作り、この傾きの時系列波形を使って解析を行う。この傾き時系列波形は恒常性のゆらぎを捉えるもので、心拍変動の制御の程度を時系列波形として大局的に評価するものである。
　なお、第１周波数傾き時系列解析演算手段６３０は、ゼロクロス法を用いた第１周波数演算手段６１０の周波数の時系列波形から周波数傾き時系列波形を求める手段であり、第２周波数傾き時系列解析演算手段６４０は、ピーク検出法を用いた第２周波数演算手段６２０の周波数の時系列波形から周波数傾き時系列波形を求める手段である。ゼロクロス法（０ｘ検出法）を用いた第１周波数傾き時系列解析演算手段６３０により得られる周波数傾き時系列波形は、交感神経及び副交感神経の発現のバランスを捉えた生体のゆらぎを示すものであり、ピーク検出法を用いた第２周波数傾き時系列解析演算手段６４０により求めた時系列波形は、副交感神経の状態を捉えた生体のゆらぎを示すものである。
　スペクトル時系列変化演算手段６５０は、第１周波数傾き時系列解析演算手段６３０から得られる周波数傾き時系列波形、第２周波数傾き時系列解析演算手段６４０から得られる周波数傾き時系列波形をそれぞれ周波数解析し、上記した機能調整信号、疲労受容信号及び活動調整信号に相当する各周波数のパワースペクトルを求める手段である。
　分布率波形演算手段６６０は、スペクトル時系列変化演算手段６５０により得られたパワースペクトルの時系列変化から、予め定めた機能調整信号、疲労受容信号及び活動調整信号に相当する周波数成分を抜き出し、この３つの周波数成分のパワースペクトルの値の合計を１００とした際の３つの各周波成分の割合を時系列に算出し、その時系列変動波形を分布率波形として求める。ここで、本実施形態では、上記したように、０．００１７Ｈｚを機能調整信号とし、０．００３５Ｈｚを疲労受容信号とし、０．００５３Ｈｚを活動調整信号とした。この周波数の妥当性については、後述の試験例でさらに詳述する。
　判定手段６７０は、分布率波形演算手段６６０により得られた分布率波形における上記した３つの各周波成分の波形変化パターンを特定し、特定した波形変化パターンを、予め記憶部に記憶している波形変化パターンと人の状態との相関データに照らし、人の状態を判定する。
　波形変化パターンとしては、機能調整信号（０．００１７Ｈｚ）と疲労受容信号（０．００３５Ｈｚ）とが逆位相となって現れるパターン、機能調整信号（０．００１７Ｈｚ）と疲労受容信号（０．００３５Ｈｚ）とが逆位相となって現れ、かつ、活動調整信号（０．００５３Ｈｚ）が所定以上の分布率となっているパターンが挙げられる。これらの波形変化パターンは、予め生体状態判定装置１の記憶部（ハードディスク等）に記憶されている。記憶部には、波形変化パターンと人の状態との相関データも記憶されている。判定手段６７０が、測定中の所定時間帯における３つの信号の波形変化パターンを、記憶されている波形変化パターンと比較し、いずれのパターンに相当するかを特定する。そして、上記相関データから、特定した波形変化パターンに対応する人の状態を判定する。
試験例
（試験内容）
　図１に示した生体信号測定手段１を、（株）デルタツーリング製、シートクッションである商品名「ツインランバー」の背部の裏側に積層し、屋内に設置した自動車用シートに取り付け、被験者を着座させ、座位姿勢での心房や大動脈の揺動による生体信号（以下、「心部揺動波」というが、「ＡＰＷ」と略記する場合もある）を採取し、睡眠導入実験を行った。なお、生体信号測定手段１を構成する板状発泡体２１，２２及び三次元立体編物支持部材１５は、ビーズの平均直径が約５ｍｍで、厚さ３ｍｍにスライスカットしたビーズ発泡体を用いた。三次元立体編物１０は、住江織物（株）製、製品番号：４９０１１Ｄで、厚さ１０ｍｍのものであった。フィルム１６は、シーダム株式会社製、品番「ＤＵＳ６０５－ＣＤＲ」を用いた。
　睡眠導入実験は、人通りの無い屋内の隔離された空間で、実験開始３０分間は眠気に耐えて覚醒状態を維持することを義務付けた。その後、３０分間以降は各自に意志に任せ、眠たい人は眠りに入り、まだ頑張り続けられる人は頑張っても良いというものである。ただし、入眠すると即起床させた。
　睡眠導入実験では、心部揺動波の採取に併行して、従来の医学的指標、脳波・心電図・指尖容積脈波の採取も行った。脳波は、脳波測定器（「日本光電工業（株）、ＥＥＧ－９１００、ニューロファックスμ」を使用し、指尖容積脈波は、指尖容積脈波計（(株)アムコ製、フィンガークリッププローブ　ＳＲ－５Ｃ）を装着して測定した。
　図６（ａ）は、睡眠導入実験において、２２名の被験者の眠気の無い状態（覚醒期）の心部揺動波の原波形を連結したデータの周波数分析結果と、眠気のある状態（入眠に対する抵抗時期）の心部揺動波の原波形を連結したデータの周波数分析結果を示したものである。
　覚醒期では０．６Ｈｚと１．２Ｈｚにピークがあることから、０．６Ｈｚと１．２Ｈｚが、心臓の運動と脈波の成分であり、これらにより心拍数が制御されていると考えられる。ところが、疲労が進行し、眠気が生じると、交感神経の代償作用により、心臓の運動が安定し、脈波と心臓の１．２Ｈｚの運動が優位になる。より高周波で制御することにより心臓を動かすためのエネルギーが最小限ですむ。つまり、疲れているときに長く身体の機能を維持しようするため、消費するエネルギーを少なすることで恒常性を維持していると考えられる。心臓の運動と脈波の成分が表れるＡＰＷは、心拍数の１／３～１／２の周波数成分を中心とする帯域（０．５次）、心拍数の帯域（１次）、及び、心拍数の２倍の成分（２次）の３つで主に構成されている。これは、カオス性の低下を示す。低次元カオスはエネルギー消費が少なくなるため、力学的エネルギーの消費が最小限に抑えられる。
　図６（ｂ）は、図６（ａ）に示す眠気の有無の状態別で採取したＡＰＷのゼロクロス検出法、ピーク検出法によって作られた時系列波形の周波数分析した結果を示す。心拍数成分に連動するピーク検出法によるものを0.25Hz（1/4Hz）以上に配し、心拍数の1/3～1/2成分（1/8～1/12Hz）を主体とする成分を示す。ゼロクロス検出法によるものは0.25Hz以下に配した。図６（ａ）の傾向に連動している様子がよくわかる。
　図７（ａ），（ｂ）は、図６（ａ）のAPWを傾き時系列波形にしたものを周波数分析した結果を示し、（ａ）はピーク検出法を利用したもので、（ｂ）はゼロクロス法を利用したものである。図６（ａ），（ｂ）と比較して、眠気の無い状態と眠気のある状態との間での差は少ないものの、図６（ａ），（ｂ）との連動の傾向は維持されている。
　なお、心臓の運動と大動脈で発生する脈波（心部揺動波（ＡＰＷ））の運動について、図８に示したような心臓モデルを想定し、ピストン・クランク機構に例えて、大動脈に発生する力を求めると、図９に示したようになる。すなわち、心室の拡張と収縮を周期として変化を繰り返す項と、その半分の周期を持つ項の和から求められ、図６（ａ）の１次・２次慣性力成分と一致する。
　図１０は図６（ａ）で示した心部揺動波の連結データを周波数分析し、周波数スペクトルの超低周波数帯域（０～０．００７Ｈｚ）を示したものである。覚醒期に対し、入眠に対する抵抗期（眠気ありの状態）では低周波成分が小さくなっており、超低周波領域でも全体の変化を反映していることがわかる。図１０から、０．００１５Ｈｚ、０．００２３Ｈｚ、０．００３Ｈｚで変動があることがわかるが、このことから、心・循環系動態の切り替えポイントが０．００３５Ｈｚ以下にあると言える。心房細動の切り替えポイントが上記したように０．００３３Ｈｚであることからもその可能性は高い。
　図１１は、指尖容積脈波とAPWの周波数分析結果を示す。指尖容積脈波は二次慣性力による高周波成分に特徴があり、APWは低周波成分（矢印a）に示す帯域に特徴があることがわかる。
　図１２は睡眠導入実験での心部揺動波を状態別に周波数分析した結果を示す。覚醒から入眠に至るにつれ心拍成分の１／２の周波数帯域のパワースペクトルが小さくなり、心拍成分のスペクトルのピークが低周波へ移行し、覚醒した後の眠気のある状態ではまたもとの状態に戻っている。状態が変わると同時に、心・循環系の動態を変えていることが示唆される。ここでも０．５次、１次、２次成分がよく表れている。
　図１３及び図１４は睡眠導入実験での心部揺動波の周波数の傾き時系列波形を周波数分析した結果である。図１３は、第１周波数傾き時系列解析演算手段６３０から得られるゼロクロス法（０ｘ検出法）を適用した周波数の傾き時系列波形の分析結果であり、図１４は、第２周波数傾き時系列解析演算手段６４０から得られるピーク検出法を適用した周波数の傾き時系列波形の分析結果である。
　図１３（ａ）及び図１４（ａ）は、睡眠導入実験の被験者２２名の各被験者のスペクトルを示し、図１３（ｂ）及び図１４（ｂ）は、図１３（ａ）及び図１４（ａ）のスペクトルを０．０００１Ｈｚごとに積算した結果を示す。図１３（ｃ）及び図１４（ｃ）は睡眠導入実験の被験者３６名分の周波数の傾き時系列波形を１つのデータに連結した後、周波数分析した結果である。図６の心部揺動波の原波形の周波数分析結果と比較して、周波数の傾き時系列波形の周波数分析結果の方がパワースペクトルの分別感度が高いことがわかる。
　図１３（ａ），（ｂ）及び図１４（ａ），（ｂ）から、バラツキの中心を最低周波数の帯域で求めると0.0017Hzとなり、次の帯域では0.0033Hzに中心があり、次の帯域では0.0053Hzに中心があるとして境界線を引いてみた。すると、図１３（ｃ），図１４（ｃ）でも同様の傾向がみられた。すなわち、０．００１７Ｈｚ、０．００３５Ｈｚ、０．００５３Ｈｚの三つ周波数帯を中心とする極超低周波帯域において変動が認められることがわかる。また、０．００１７Ｈｚ～０．００５３Ｈｚの帯域で変動するゆらぎは、体調や疲労の進行度合いに応じて変化しており、これらの変化の仕方により、人の状態を捉えられると考えられる。つまり心臓の恒常性維持機能は３分間を中心とした非常に低周波の周波数帯の中でバラツキを持って存在する可能性が示唆された。
　ここで逆に、3 つの周波数（0.0017Hz、0.0033Hz、0.0053Hz）からAPW が求められるかを検討する。図１５（ａ）はAPW とAPW をゼロクロス検出処理した波形とゼロクロス検出法による傾き時系列波形の比較を示す。図１５（ｂ）は0.0017Hz と0.0035Hz と0.0053Hzのサイン波の合成波とゼロクロス検出法による傾き時系列波形の比較を示す。図１５（ｃ）は合成波とゼロクロス検出法による傾き時系列波形の周波数分析結果の比較を示す。図１６（ａ）はAPWとAPWをピーク検出処理した波形とピーク検出法による傾き時系列波形の比較を示す。図１６（ｂ）は0.0017Hz と0.0035Hz と0.0053Hz のサイン波の合成波とピーク検出法による傾き時系列波形の比較を示す。図１６（ｃ）は合成波とピーク検出法による傾き時系列波形の周波数分析結果の比較を示す。0.0017Hz と0.0033Hz と0.0053Hz のサイン波の合成波とAPW の傾き時系列波形は近似していることから、0.0017Hz、0.0033Hz、0.0053Hzは恒常性維持のための制御の程度をよく示していると考えられる。
　次に、３の周波数成分の分布率の求め方を具体的に説明する。まず、図１７（ａ）に示したように、第１周波数傾き時系列解析演算手段６３０又は第２周波数傾き時系列解析演算手段６４０により、ゼロクロス法（０ｘ検出法）又はピーク検出法を用いた周波数傾き時系列波形を求める。次に、スペクトル時系列変化演算手段６４０により、図１７（ｂ）に示したように、各周波数のスペクトルの時系列変化を求め、スペクトログラムを求める。次に、分布率波形演算手段６６０が、パワースペクトルの時系列変化であるスペクトログラムから、０．００１７Ｈｚ、０．００３５Ｈｚ、０．００５３Ｈｚの３つの周波数成分を抜き出し、図１７（ｃ）に示したように、３成分の各パワースペクトルの値の合計を１００としてそれぞれの割合の変動率を分布率として求める。
　図１８は、３０歳代男性被験者の睡眠導入実験の解析結果である。図１８（ａ）は、脳波のθ波（４～７Ｈｚ）、α波（８～１３Ｈｚ）、β波（１８～３０Ｈｚ）の分布率の時系列変化を示した図である。図１８（ｂ）は指尖容積脈波をウエーブレット解析して求めた交感神経と副交感神経の出現度合いを示した図である。図１８（ｃ）は、心部揺動波を測定し、ゼロクロス法（０ｘ検出法）による周波数傾き時系列波形を求め、この時系列波形から上記のようにして求めた０．００１７Ｈｚ、０．００３５Ｈｚ、０．００５３Ｈｚの分布率の時系列変化示した図である。
　図１８（ａ）から、実験開始後３３分からα波に乱れが生じ、３４分から低下傾向を示し、θ波が２０％を超えて急激に上昇していることから、この時点で眠気が発現し、４５分経過時点ではα波が５０％を下回り、θ波が２０％を超え、その後安定的に推移している。よって、脳波の分布率の時系列変化から４５分で入眠したと判断できる。これを図１８（ｂ）で見ると、実験開始後３２分を境にして交感神経優位な状態から副交感神経優位な状態に移行し、３９分には入眠予兆を示す交感神経のバースト波が生じており、脳波による判定とほぼ同様の傾向を示している。
　一方、図１８（ｃ）では、実験開始後３４分に０．００５３Ｈｚの分布率が一番小さくなり、０．００１７Ｈｚと０．００３５Ｈｚの分布率が逆位相となっている。また、４２分付近で０．００５３Ｈｚの急上昇が見られる。これを図１８（ａ），（ｂ）に照らすと、０．００１７Ｈｚと０．００３５Ｈｚの分布率の逆位相は入眠予兆現象を示すものであると言える。また、図１８（ｂ）から明らかなように、入眠予兆現象時にＬＦ／ＨＦ（交感神経）の一過性の上昇が見られることから、図１８（ｃ）における０．００５３Ｈｚの急上昇は、交感神経活動を反映しているものと考えられる。
　図１８（ａ）の脳波の分布率の変動と図１８（ｃ）の心部揺動波の３つの周波数成分の分布率の変動をさらに比較すると、α波とθ波の急激な変化を繰り返し示している３２分から４４分にかけて、０．００１７Ｈｚはθ波と、０．００３５Ｈｚはα波と、０．００５３Ｈｚはβ波と同じ傾向を示した。一次元テンプレートマッチングを用い、図１８（ａ）の脳波の分布率の変動と図１８（ｃ）の心部揺動波の３つの周波数成分の分布率の変動の一致度を示す指標（Ｍｋ）を次式：
　Ｍｋ＝Σ（Ｇ（ｉ）－Ｔ（ｊ））２／Ｎ
により求めた。
　なお、Ｇ（ｉ）は比較検証データである心部揺動波の分布率を与え、Ｔ（ｉ）はテンプレート波形である脳波分布率を与えた。結果を図１９に示す。この指標Ｍｋは、値が小さいほど一致度が大きいが、図１９から、０．００１７Ｈｚがθ波に、０．００３５Ｈｚがα波に、０．００５３Ｈｚがβ波に近似していることがわかる。
　また、睡眠導入実験の２２名の被験者の脳波の分布率と心部揺動波の上記３つの周波数成分の分布率とを比較し、脳波のθ波及びα波の上昇、心部揺動波の０．００１７Ｈｚ及び０．００３５Ｈｚの上昇が共に現れた箇所を調べた。その結果、θ波の上昇時に、０．００１７Ｈｚの上昇は１６箇所に現れ、０．００３５Ｈｚの上昇は７箇所に現れた。α波の上昇時には、０．００１７Ｈｚの上昇は５箇所に現れ、０．００３５Ｈｚの上昇は１３箇所に現れた。このことからも、θ波と０．００１７Ｈｚの相関性が高く、α波と０．００３５Ｈｚの相関性が高い。α波は安静時やリラックス状態で出現するとされており、０．００３５Ｈｚのゆらぎは副交感神経活動に連動していると考えられるが、このことは、図１８（ｂ）において副交感神経優位の時間帯において、図１８（ｃ）では、０．００３５Ｈｚの分布率が高いことからもわかる。
　次に、睡眠導入実験の代表事例の被験者について、心部揺動波の上記３つの周波数成分の分布率の波形と各被験者の状態について分析した。３つの周波数成分はゼロクロス法（０ｘ検出法）とピーク検出法（ｐｅａｋ検出法）によりそれぞれ算出し、ゼロクロス法（０ｘ検出法）とピーク検出法（ｐｅａｋ検出法）の少なくとも一方の分布率波形において、０．００１７Ｈｚと０．００３５Ｈｚが逆位相になっている時間帯とその時間帯における被験者の状態を比較した。結果を図２０に示す。
　図２０から、０．００１７Ｈｚと０．００３５Ｈｚが逆位相になっている時間帯では、被験者がウトウトしていたり、入眠していたりする人数が相対的に多くなっている。
　また、逆位相の時間帯において、０．００１７Ｈｚが０．００３５Ｈｚよりも分布率が高い場合（ＡＰＷ（１））、０．００３５Ｈｚが０．００１７Ｈｚよりも分布率が高い場合（ＡＰＷ（２））、０．００１７Ｈｚの分布率が高い時間帯と０．００３５Ｈｚの分布率が高い時間帯とが連続的に生じた場合（ＡＰＷ（３））、０．００１７Ｈｚと０．００３５Ｈｚの逆位相が生じていてかつ０．００５３Ｈｚが上昇が生じた場合（ＡＰＷ（４））について、その後入眠に至ったか否かを調べた。
　その結果、図２０に示したように、ＡＰＷ（１）が５５．６％、ＡＰＷ（２）が６６．７％、ＡＰＷ（３）が５０％、ＡＰＷ（４）が７２．２％であった。従って、ＡＰＷ（１）の波形変化パターンを「弱い眠気」の状態、ＡＰＷ（２）の波形変化パターンを「強い眠気」の状態、ＡＰＷ（３）の波形変化パターンを「眠気に抵抗」している状態、ＡＰＷ（４）の波形変化パターンを「入眠予兆」の状態とした相関データを記憶部に記憶させておく。判定手段６７０は、波形変化パターンを特定したならば、上記の波形変化パターンのいずれに該当するかを特定し、人の状態を判定する。
　なお、図２０に示したように、３つの周波数成分はゼロクロス法（０ｘ検出法）とピーク検出法（ｐｅａｋ検出法）のいずれで算出した場合も眠気、入眠予兆の判定は可能であり、いずれを用いてもよいが、感度の高さに個人差もあるため、個人毎にいずれを用いるかを設定してもよい。また、常に両方を用い、両者ともに逆位相が現れた場合に、眠気、入眠予兆現象と判定するようにすることもできる。但し、本発明の生体信号測定手段を自動車などに配置して居眠り検知に利用する場合、いずれか一方において逆位相が現れただけでも、眠気、入眠予兆と判定するようにすると、居眠りの予防により効果的と考えられる。
　一方、図２１は、覚醒状態におけるゼロクロス法による傾き時系列波形のパターンを示した図であり、波形と心理判定（覚醒しているか、軽い眠気を感じているか）との比較を示している。
　図２２は、図２０における心理判定（ＡＰＷ（＋））の中で、「覚醒」と判定されたものを「Ａｗａｋｅ」、「ウトウト・眠気」及び「入眠」と判定されたものを「Ｓｌｅｅｐ」とし、図２１における心理判定（ＡＰＷ（－））の中で、「覚醒」と判定されたものを「Ａｗａｋｅ」、「軽い眠気」と判定されたものを「Ｓｌｅｅｐ」として相関を示したものである。その結果、Ｘ２（カイ２乗値）＝３０．９８であり、自由度１の場合のＰ＝５％の値である３．８４１より大きいので、ＡＰＷ（－）とＡＰＷ（＋）の間には有意差があるといえる。
　図２３は、図２０における心理判定（ＡＰＷ（＋））の中で、ＡＰＷ（１）（２）（３）（４）の中で入眠に至った事例と入眠に至らなかった事例の数、及び、図２１における心理判定（ＡＰＷ（－））の中で、入眠に至った事例と入眠に至らなかった事例をまとめたものである。その結果、Ｘ２（カイ２乗値）＝２６．９７であり、自由度２の場合のＰ＝５％の値である５．９９１より大きいので、ＡＰＷ（－）とＡＰＷ（１）（２）（３）とＡＰＷ（４）の間には有意差があるといえる。
　図２４は、心部揺動波（ＡＰＷ）の原波形から判定する方法を示した図である。すなわち、遷移状態（眠気が生じた状態と入眠予兆現象を発現した状態）と定常状態（覚醒状態）をＡＰＷの原波形の周波数分析結果のパワースペクトルの高さの比から判定したものである。遷移状態は、心拍変動の平均周波数をf0 とした場合、1/3f0～1/2f0 の周波数のピーク値をf0 のピーク値で割った値が50％以上の場合と定義した。この結果、定常状態と遷移状態の判定は、バラツキはあるもののＡＰＷの原波形からも同定できる。
　図２５は、ＡＰＷのゼロクロス検出法の波形及びピーク検出法の波形と、脳波及び自律神経活動との比較を示したものであり、図２６（ａ），（ｂ）は、図２５のＡＰＷのゼロクロス検出法の波形及びピーク検出法の波形を周波数分析し、睡眠状態のパワースペクトルを基準として、その３０％超えを眠気・入眠予兆現象、１００％超えを定常（覚醒）状態としたものである。その結果、これらの波形から定常状態と遷移状態を判定できると判断でき、特に、ゼロクロス検出法の波形を用いると、より正確に判定できる。
　本発明は、自動車などの乗物のシートに生体信号測定手段を配置して、乗員の眠気などの状態を推定する場合に限らず、家庭内に配置される椅子、事務用椅子等に生体信号測定手段を配置して状態推定を行うことに適用することもできる。また、ベッドなどの寝具に生体信号測定手段を配置し、背部の大動脈の揺動を捉え、上記した生体信号測定装置により解析して、人の状態推定を行うことに適用することもできる。これにより、寝ている人（特に、病人、介護を要する人）の健康状態を表示手段のモニタに示される画面により容易に把握することができる。
　１　生体信号測定手段
　１０　三次元立体編物
　１５　三次元立体編物支持部材
　１５ａ　配置用貫通孔
　１６　フィルム
　２１，２２　板状発泡体
　３０　振動センサ
　１００　シート
　１１０　シートバックフレーム
　１２０　表皮
　６０　生体状態推定装置
　６１０　第１周波数演算手段
　６２０　第２周波数演算手段
　６３０　第１周波数傾き時系列解析演算手段
　６４０　第２周波数傾き時系列解析演算手段
　６５０　スペクトル時系列変化演算手段
　６６０　分布率波形演算手段
　６７０　判定手段

Claims (12)

  1. 　生体信号測定手段により人の上体から採取した生体信号を用いて、人の状態を推定する生体状態推定装置であって、
    　前記生体信号測定手段により得られる生体信号の時系列波形から、周波数の時系列波形を求める周波数演算手段と、
    　前記周波数演算手段により得られた前記生体信号の周波数の時系列波形において、所定のオーバーラップ時間で設定した所定の時間窓毎に前記周波数の傾きを求める移動計算を行い、時間窓毎に得られる前記周波数の傾きの時系列変化を周波数傾き時系列波形として出力する周波数傾き時系列解析演算手段と、
    　前記周波数傾き時系列解析演算手段から得られる周波数傾き時系列波形を周波数解析し、パワースペクトルの時系列変化を求めるスペクトル時系列変化演算手段と、
    　前記スペクトル時系列変化演算手段により得られたパワースペクトルの時系列変化から、予め定めた機能調整信号、疲労受容信号及び活動調整信号に相当する周波数成分を抜き出し、前記３つの周波数成分のパワースペクトルの値の合計を１００とした際の前記３つの各周波成分の割合を時系列に算出して分布率波形として求める分布率波形演算手段と、
    　前記分布率波形演算手段により得られた分布率波形における前記３つの各周波成分の波形変化パターンを特定し、特定した波形変化パターンを、予め記憶部に記憶している波形変化パターンと人の状態との相関データに照らし、人の状態を判定する判定手段と
    を具備することを特徴とする生体状態推定装置。
  2. 　前記周波数演算手段が、前記生体信号測定手段により得られる生体信号の時系列波形において、正から負に切り替わるゼロクロス地点を求め、このゼロクロス地点を用いて生体信号の周波数の時系列波形を求める第１周波数演算手段を有し、
    　前記周波数傾き時系列演算手段が、前記第１周波数演算手段により得られた前記生体信号の周波数の時系列波形において、所定のオーバーラップ時間で設定した所定の時間窓毎に前記周波数の傾きを求める移動計算を行い、時間窓毎に得られる前記周波数の傾きの時系列変化を周波数傾き時系列波形として出力する第１周波数傾き時系列解析演算手段を有し、
    　前記スペクトル時系列変化演算手段が、前記第１周波数傾き時系列解析演算手段から得られる周波数傾き時系列波形を周波数解析し、パワースペクトルの時系列変化を求める構成である請求項１記載の生体状態推定装置。
  3. 　前記周波数演算手段が、前記生体信号測定手段により得られる生体信号の時系列波形を平滑化微分して極大値を求め、この極大値を用いて生体信号の周波数の時系列波形を求める第２周波数演算手段を有し、
    　前記周波数傾き時系列演算手段が、前記第２周波数演算手段により得られた前記生体信号の周波数の時系列波形において、所定のオーバーラップ時間で設定した所定の時間窓毎に前記周波数の傾きを求める移動計算を行い、時間窓毎に得られる前記周波数の傾きの時系列変化を周波数傾き時系列波形として出力する第２周波数傾き時系列解析演算手段を有し、
    　前記スペクトル時系列変化演算手段が、前記第２周波数傾き時系列解析演算手段から得られる周波数傾き時系列波形を周波数解析し、パワースペクトルの時系列変化を求める構成である請求項１又は２記載の生体状態判定装置。
  4. 　前記判定手段は、前記分布率波形の波形変化パターンとして、前記機能調整信号と前記疲労受容信号とが逆位相となっている時間帯を、眠気関連現象出現期と判定する請求項１～３のいずれか１に記載の生体状態判定装置。
  5. 　前記判定手段は、前記分布率波形の波形変化パターンとして、前記機能調整信号と前記疲労受容信号とが逆位相となっていると共に、前記活動調整信号の分布率が所定以上となっている時間帯を入眠予兆現象出現期と判定する請求項４記載の生体状態判定装置。
  6. 　前記分布率波形演算手段に用いる前記機能調整信号の周波数が０．００１７Ｈｚであり、前記疲労受容信号の周波数が０．００３５Ｈｚであり、前記活動調整信号の周波数が０．００５３Ｈｚである請求項１～５のいずれか１に記載の生体状態判定装置。
  7. 　生体信号測定手段により人の上体から採取した生体信号を用いて、人の状態を推定する生体状態推定装置に設定されるコンピュータプログラムであって、
    　前記生体信号測定手段により得られる生体信号の時系列波形から、周波数の時系列波形を求める周波数演算ステップと、
    　前記周波数演算ステップにより得られた前記生体信号の周波数の時系列波形において、所定のオーバーラップ時間で設定した所定の時間窓毎に前記周波数の傾きを求める移動計算を行い、時間窓毎に得られる前記周波数の傾きの時系列変化を周波数傾き時系列波形として出力する周波数傾き時系列解析演算ステップと、
    　前記周波数傾き時系列解析演算ステップから得られる周波数傾き時系列波形を周波数解析し、パワースペクトルの時系列変化を求めるスペクトル時系列変化演算ステップと、
    　前記スペクトル時系列変化演算ステップにより得られたパワースペクトルの時系列変化から、予め定めた機能調整信号、疲労受容信号及び活動調整信号に相当する周波数成分を抜き出し、前記３つの周波数成分のパワースペクトルの値の合計を１００とした際の前記３つの各周波成分の割合を時系列に算出して分布率波形として求める分布率波形演算ステップと、
    　前記分布率波形演算ステップにより得られた分布率波形における前記３つの各周波成分の波形変化パターンを特定し、特定した波形変化パターンを、予め記憶部に記憶している波形変化パターンと人の状態との相関データに照らし、人の状態を判定する判定ステップと
    をコンピュータに実行させるコンピュータプログラム。
  8. 　前記周波数演算ステップが、前記生体信号測定手段により得られる生体信号の時系列波形において、正から負に切り替わるゼロクロス地点を求め、このゼロクロス地点を用いて生体信号の周波数の時系列波形を求める第１周波数演算ステップを有し、
    　前記周波数傾き時系列演算ステップが、前記第１周波数演算ステップにより得られた前記生体信号の周波数の時系列波形において、所定のオーバーラップ時間で設定した所定の時間窓毎に前記周波数の傾きを求める移動計算を行い、時間窓毎に得られる前記周波数の傾きの時系列変化を周波数傾き時系列波形として出力する第１周波数傾き時系列解析演算ステップを有し、
    　前記スペクトル時系列変化演算ステップが、前記第１周波数傾き時系列解析演算ステップから得られる周波数傾き時系列波形を周波数解析し、パワースペクトルの時系列変化を求める構成である請求項７記載のコンピュータプログラム。
  9. 　前記周波数演算ステップが、前記生体信号測定手段により得られる生体信号の時系列波形を平滑化微分して極大値を求め、この極大値を用いて生体信号の周波数の時系列波形を求める第２周波数演算ステップを有し、
    　前記周波数傾き時系列演算ステップが、前記第２周波数演算ステップにより得られた前記生体信号の周波数の時系列波形において、所定のオーバーラップ時間で設定した所定の時間窓毎に前記周波数の傾きを求める移動計算を行い、時間窓毎に得られる前記周波数の傾きの時系列変化を周波数傾き時系列波形として出力する第２周波数傾き時系列解析演算ステップを有し、
    　前記スペクトル時系列変化演算ステップが、前記第２周波数傾き時系列解析演算ステップから得られる周波数傾き時系列波形を周波数解析し、パワースペクトルの時系列変化を求める構成である請求項７又は８記載のコンピュータプログラム。
  10. 　前記判定ステップは、前記分布率波形の波形変化パターンとして、前記機能調整信号と前記疲労受容信号とが逆位相となっている時間帯を、眠気関連現象出現期と判定する請求項８～９のいずれか１に記載のコンピュータプログラム。
  11. 　前記判定ステップは、前記分布率波形の波形変化パターンとして、前記機能調整信号と前記疲労受容信号とが逆位相となっていると共に、前記活動調整信号の分布率が所定以上となっている時間帯を入眠予兆現象出現期と判定する請求項１０記載のコンピュータプログラム。
  12. 　前記分布率波形演算ステップに用いる前記機能調整信号の周波数が０．００１７Ｈｚであり、前記疲労受容信号の周波数が０．００３５Ｈｚであり、前記活動調整信号の周波数が０．００５３Ｈｚである請求項７～１１のいずれか１に記載のコンピュータプログラム。
PCT/JP2011/074962 2010-10-29 2011-10-28 生体状態推定装置及びコンピュータプログラム Ceased WO2012057331A1 (ja)

Priority Applications (2)

Application Number Priority Date Filing Date Title
EP11836464.5A EP2633812B1 (en) 2010-10-29 2011-10-28 Vital status estimation device and computer program
US13/881,871 US9622708B2 (en) 2010-10-29 2011-10-28 Biological body state estimation device and computer program

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
JP2010244832A JP5733499B2 (ja) 2010-10-29 2010-10-29 生体状態推定装置及びコンピュータプログラム
JP2010-244832 2010-10-29

Publications (1)

Publication Number Publication Date
WO2012057331A1 true WO2012057331A1 (ja) 2012-05-03

Family

ID=45994033

Family Applications (1)

Application Number Title Priority Date Filing Date
PCT/JP2011/074962 Ceased WO2012057331A1 (ja) 2010-10-29 2011-10-28 生体状態推定装置及びコンピュータプログラム

Country Status (4)

Country Link
US (1) US9622708B2 (ja)
EP (1) EP2633812B1 (ja)
JP (1) JP5733499B2 (ja)
WO (1) WO2012057331A1 (ja)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2016112144A (ja) * 2014-12-12 2016-06-23 株式会社デルタツーリング 生体状態分析装置及びコンピュータプログラム

Families Citing this family (27)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US7148879B2 (en) 2000-07-06 2006-12-12 At&T Corp. Bioacoustic control system, method and apparatus
US8908894B2 (en) 2011-12-01 2014-12-09 At&T Intellectual Property I, L.P. Devices and methods for transferring data through a human body
JP6118097B2 (ja) * 2012-12-14 2017-04-19 株式会社デルタツーリング 運転時生体状態判定装置及びコンピュータプログラム
US10108984B2 (en) 2013-10-29 2018-10-23 At&T Intellectual Property I, L.P. Detecting body language via bone conduction
US9594433B2 (en) * 2013-11-05 2017-03-14 At&T Intellectual Property I, L.P. Gesture-based controls via bone conduction
US10678322B2 (en) 2013-11-18 2020-06-09 At&T Intellectual Property I, L.P. Pressure sensing via bone conduction
US9349280B2 (en) 2013-11-18 2016-05-24 At&T Intellectual Property I, L.P. Disrupting bone conduction signals
US9715774B2 (en) 2013-11-19 2017-07-25 At&T Intellectual Property I, L.P. Authenticating a user on behalf of another user based upon a unique body signature determined through bone conduction signals
US9405892B2 (en) 2013-11-26 2016-08-02 At&T Intellectual Property I, L.P. Preventing spoofing attacks for bone conduction applications
US9589482B2 (en) 2014-09-10 2017-03-07 At&T Intellectual Property I, L.P. Bone conduction tags
US9882992B2 (en) 2014-09-10 2018-01-30 At&T Intellectual Property I, L.P. Data session handoff using bone conduction
US9582071B2 (en) 2014-09-10 2017-02-28 At&T Intellectual Property I, L.P. Device hold determination using bone conduction
US10045732B2 (en) 2014-09-10 2018-08-14 At&T Intellectual Property I, L.P. Measuring muscle exertion using bone conduction
US9600079B2 (en) 2014-10-15 2017-03-21 At&T Intellectual Property I, L.P. Surface determination via bone conduction
JP6450170B2 (ja) * 2014-12-05 2019-01-09 株式会社ブリヂストン 路面状態判別方法
JP6588035B2 (ja) * 2014-12-12 2019-10-09 株式会社デルタツーリング 生体状態分析装置及びコンピュータプログラム
EP3387994B1 (en) * 2015-12-12 2024-06-05 Delta Kogyo Co., Ltd. Biological state estimation device, biological state estimation method, computer program, and recording medium
JP6447530B2 (ja) * 2016-01-29 2019-01-09 オムロン株式会社 信号処理装置、信号処理装置の制御方法、制御プログラム、および記録媒体
WO2019060298A1 (en) 2017-09-19 2019-03-28 Neuroenhancement Lab, LLC METHOD AND APPARATUS FOR NEURO-ACTIVATION
US11717686B2 (en) 2017-12-04 2023-08-08 Neuroenhancement Lab, LLC Method and apparatus for neuroenhancement to facilitate learning and performance
US11478603B2 (en) 2017-12-31 2022-10-25 Neuroenhancement Lab, LLC Method and apparatus for neuroenhancement to enhance emotional response
US12280219B2 (en) 2017-12-31 2025-04-22 NeuroLight, Inc. Method and apparatus for neuroenhancement to enhance emotional response
US11364361B2 (en) 2018-04-20 2022-06-21 Neuroenhancement Lab, LLC System and method for inducing sleep by transplanting mental states
US10831316B2 (en) 2018-07-26 2020-11-10 At&T Intellectual Property I, L.P. Surface interface
US11452839B2 (en) 2018-09-14 2022-09-27 Neuroenhancement Lab, LLC System and method of improving sleep
US11786694B2 (en) 2019-05-24 2023-10-17 NeuroLight, Inc. Device, method, and app for facilitating sleep
GB2589337A (en) * 2019-11-27 2021-06-02 Continental Automotive Gmbh Method of determining fused sensor measurement and vehicle safety system using the fused sensor measurement

Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2002331603A (ja) 2001-05-10 2002-11-19 Delta Tooling Co Ltd 三次元立体編物、三次元立体編物へのパイル糸の植毛方法、及び三次元立体編物の端末部処理方法
JP2004344613A (ja) 2003-05-21 2004-12-09 Delta Tooling Co Ltd 運転席用座席システム及び覚醒状態復帰装置
JP2004344612A (ja) 2003-05-21 2004-12-09 Delta Tooling Co Ltd 生体評価システム、コンピュータプログラム及び記録媒体
WO2005092193A1 (ja) 2004-03-25 2005-10-06 Delta Tooling Co., Ltd. 負荷体状態判定装置、乗物用シート及びコンピュータプログラム
JP2006149470A (ja) * 2004-11-25 2006-06-15 Delta Tooling Co Ltd 快適感評価方法及び快適感評価装置
JP2007090032A (ja) 2005-02-28 2007-04-12 Delta Tooling Co Ltd クッション材及び圧力変動検出装置
JP2009237802A (ja) 2008-03-26 2009-10-15 Panasonic Electric Works Co Ltd 報知システム
WO2010123125A1 (ja) * 2009-04-25 2010-10-28 株式会社デルタツーリング 生体状態分析装置及びコンピュータプログラム
JP2011167362A (ja) * 2010-02-18 2011-09-01 Delta Tooling Co Ltd 生体状態推定装置及びコンピュータプログラム

Family Cites Families (30)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US4602247A (en) * 1983-02-18 1986-07-22 Nissan Motor Company, Limited Method and system for detecting driver fatigue including differentiation of effects of rest periods
JP2751431B2 (ja) * 1989-07-14 1998-05-18 日産自動車株式会社 シート
US7081095B2 (en) * 2001-05-17 2006-07-25 Lynn Lawrence A Centralized hospital monitoring system for automatically detecting upper airway instability and for preventing and aborting adverse drug reactions
US7758503B2 (en) * 1997-01-27 2010-07-20 Lynn Lawrence A Microprocessor system for the analysis of physiologic and financial datasets
JP3512493B2 (ja) * 1994-11-16 2004-03-29 パイオニア株式会社 運転精神状態検出装置
US20060184047A1 (en) * 1995-11-17 2006-08-17 Yuichi Yamashita Optical measurement instrument for living body
US9042952B2 (en) * 1997-01-27 2015-05-26 Lawrence A. Lynn System and method for automatic detection of a plurality of SPO2 time series pattern types
EP0968681B1 (en) * 1997-11-20 2005-12-14 Seiko Epson Corporation Pulse wave examination apparatus
DE19803158C1 (de) * 1998-01-28 1999-05-06 Daimler Chrysler Ag Vorrichtung zur Vigilanzzustandsbestimmung
JP3619662B2 (ja) * 1998-02-18 2005-02-09 パイオニア株式会社 生体情報検出装置
US6280394B1 (en) * 1998-03-18 2001-08-28 Sean R. Maloney Apparatus and methods for detecting and processing EMG signals
DE19842107A1 (de) * 1998-09-08 2000-03-09 Biotronik Mess & Therapieg Verfahren zur Erkennung der Körperlage eines Menschen
BRPI0414359A (pt) * 2000-06-16 2006-11-14 Bodymedia Inc sistema para a monitoração e gerenciamento do peso corpóreo e demais condições psicológicas que abrangem um planejamento interativo e personalizado, intervenção e capacidade de formular relatórios
AU2001290292A1 (en) * 2000-10-31 2002-05-15 Takeshi Sahashi Body movement analysis system and body movement analysis method
WO2002051307A1 (en) * 2000-12-27 2002-07-04 Medic4All Inc. System and method for automatic monitoring of the health of a user
JP4216546B2 (ja) * 2002-08-28 2009-01-28 ダイハツ工業株式会社 車両の乗員疲労度評価方法
JP4252268B2 (ja) * 2002-08-29 2009-04-08 パイオニア株式会社 疲労度判別システム、疲労度判別方法、および疲労度判別用プログラム
JP2004090724A (ja) * 2002-08-30 2004-03-25 Pioneer Electronic Corp 移動体用再生制御システム、移動体用再生制御方法並びに移動体用再生制御プログラムおよびそれを記録した記録媒体
US7183930B2 (en) * 2003-07-18 2007-02-27 Intelligent Mechatronic Systems Inc. Occupant heartbeat detection and monitoring system
US8002553B2 (en) * 2003-08-18 2011-08-23 Cardiac Pacemakers, Inc. Sleep quality data collection and evaluation
WO2005023105A1 (ja) * 2003-09-02 2005-03-17 Matsushita Electric Industrial Co., Ltd. 生体センサ及びこれを用いた支援システム
EP1685798B1 (en) * 2003-10-23 2011-03-02 Delta Tooling Co., Ltd. Fatigue degree measuring device, fatigue detection device, and computer program
KR100624424B1 (ko) * 2004-06-10 2006-09-19 삼성전자주식회사 전기자극을 이용한 건강 훈련/모니터링 장치 및 방법
US7529579B2 (en) * 2004-07-09 2009-05-05 Ansar, Inc. Methods for real-time autonomic nervous system monitoring using total heart rate variability, and notched windowing
WO2006061834A2 (en) * 2004-12-07 2006-06-15 Tylerton International Inc. Device and method for training, rehabilitation and/or support
WO2007121769A1 (en) * 2006-04-26 2007-11-01 Analisi Tecnologica Innovadora Per A Processos Industrials Competitius, S.L. System and method for detecting the heart beat rate of a person in a vehicle, and system and method for detecting fatigue
US20090227883A1 (en) * 2008-03-05 2009-09-10 Yunlong Zhang Automated heart function classification to standardized classes
CN102281816B (zh) * 2008-11-20 2015-01-07 人体媒介公司 用于确定危重护理参数的方法和设备
US20130144181A1 (en) * 2010-04-14 2013-06-06 Donovan L. Fogt Measurements of fatigue level using heart rate variability data
KR20130064473A (ko) * 2011-12-08 2013-06-18 한국전자통신연구원 생체 신호 송신 장치, 자동차 제어 장치, 이를 이용한 자동차 자동 제어 시스템 및 그 방법

Patent Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2002331603A (ja) 2001-05-10 2002-11-19 Delta Tooling Co Ltd 三次元立体編物、三次元立体編物へのパイル糸の植毛方法、及び三次元立体編物の端末部処理方法
JP2004344613A (ja) 2003-05-21 2004-12-09 Delta Tooling Co Ltd 運転席用座席システム及び覚醒状態復帰装置
JP2004344612A (ja) 2003-05-21 2004-12-09 Delta Tooling Co Ltd 生体評価システム、コンピュータプログラム及び記録媒体
WO2005092193A1 (ja) 2004-03-25 2005-10-06 Delta Tooling Co., Ltd. 負荷体状態判定装置、乗物用シート及びコンピュータプログラム
JP2006149470A (ja) * 2004-11-25 2006-06-15 Delta Tooling Co Ltd 快適感評価方法及び快適感評価装置
JP2007090032A (ja) 2005-02-28 2007-04-12 Delta Tooling Co Ltd クッション材及び圧力変動検出装置
JP2009237802A (ja) 2008-03-26 2009-10-15 Panasonic Electric Works Co Ltd 報知システム
WO2010123125A1 (ja) * 2009-04-25 2010-10-28 株式会社デルタツーリング 生体状態分析装置及びコンピュータプログラム
JP2011167362A (ja) * 2010-02-18 2011-09-01 Delta Tooling Co Ltd 生体状態推定装置及びコンピュータプログラム

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
See also references of EP2633812A4 *

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2016112144A (ja) * 2014-12-12 2016-06-23 株式会社デルタツーリング 生体状態分析装置及びコンピュータプログラム

Also Published As

Publication number Publication date
JP5733499B2 (ja) 2015-06-10
EP2633812A1 (en) 2013-09-04
US20130225940A1 (en) 2013-08-29
US9622708B2 (en) 2017-04-18
JP2012095779A (ja) 2012-05-24
EP2633812B1 (en) 2015-09-30
EP2633812A4 (en) 2014-11-12

Similar Documents

Publication Publication Date Title
JP5733499B2 (ja) 生体状態推定装置及びコンピュータプログラム
JP5553303B2 (ja) 生体状態推定装置及びコンピュータプログラム
JP5429946B2 (ja) 生体状態分析装置及びコンピュータプログラム
US10136850B2 (en) Biological state estimation device, biological state estimation system, and computer program
JP6460560B2 (ja) 音・振動情報収集機構及び音・振動情報センシングシステム
JP5669287B2 (ja) 飲酒検知システム及びコンピュータプログラム
JP5892678B2 (ja) 生体状態推定装置及びコンピュータプログラム
JP5751475B2 (ja) 生体状態推定装置及びコンピュータプログラム
JP5327584B2 (ja) 生体状態分析装置、コンピュータプログラム及び記録媒体
WO2011007886A1 (ja) 生体状態推定装置及びコンピュータプログラム
JP2011152242A (ja) 生体信号検出装置
US20180360389A1 (en) Biological state estimation device, biological state estimation method, computer program, and recording medium
JP2020130264A (ja) 体調判定装置及びコンピュータプログラム
JP6209395B2 (ja) 生体状態推定装置及びコンピュータプログラム

Legal Events

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

Ref document number: 11836464

Country of ref document: EP

Kind code of ref document: A1

NENP Non-entry into the national phase

Ref country code: DE

WWE Wipo information: entry into national phase

Ref document number: 13881871

Country of ref document: US

WWE Wipo information: entry into national phase

Ref document number: 2011836464

Country of ref document: EP