発明が解決しようとする課題[発明の詳細な説明]から抜粋

しかしながら、ＨＦとＬＦを用いた従来の判断方法では、必ずしも眠気の判断精度が高くないという問題がある。図１、図２を用いて説明する。 図１（ａ）は、ＬＦ/ＨＦと眠気レベルの時間的な推移を示す図である。眠気レベルは１〜５の５段階（値が大きいほど眠気が大きい）であり、被験者が自己申告した値である。眠気レベルは時間と共に増大しているが、ＬＦ/ＨＦの値は１５０秒以降で低下している。したがって、ＬＦ/ＨＦの値に着目するだけでは、被験者の眠気が大きい場合に眠気が大きいことを検出できないおそれがある。 図１（ｂ）はＨＦとＬＦを所定のアルゴリズムに入力して得られる眠気レベルの時間的な推移を示す図である。なお、このアルゴリズムは公開されておらず特許文献１に記載のものとは同じでない。図１（ｂ）においても図１（ａ）の眠気レベルが正しい判断結果である。しかし、図１（ｂ）の眠気レベルと図１（ａ）の眠気レベルを比較すると、誤り率は８５％を超えており、眠気の判断精度が高くないことが分かる。 図２は、ＨＦとＬＦという２つの値にのみ着目することが必ずしも妥当でないことを説明する図の一例である。図２（ａ）〜（ｃ）において横軸はＬＦ，縦軸はＨＦである。図２からは明らかでないが図２はＨＦとＬＦに対する眠気レベル１〜５の散布図である。被験者のＲＲＩ信号から算出されたＨＦとＬＦに対し自己申告による眠気レベル１〜５のいくつかの組が得られている。図２では更に、適切な機械学習により眠気レベル１〜５の識別境界が描画されており、同じ眠気レベルの領域には同じ濃度（実際はカラーなので同じ色）が付されている。濃度が濃いほど眠気レベルが高いことを示す。 図２（ａ）〜（ｃ）はそれぞれ３人の異なる被験者の実験結果を示す。図２（ａ）の被験者にとってエリアＡＲ１は眠気が小さいことを示すが、図２（ｂ）の被験者のエリアＡＲ１は、眠気が大きいことを示している。同様に、図２（ａ）の被験者にとってエリアＡＲ２は眠気が小さいことを示すが、図２（ｃ）の被験者のエリアＡＲ２は、眠気が大きいことを示している。また、図２（ａ）の被験者にとってエリアＡＲ３は眠気が大きいことを示すが、図２（ｃ）の被験者のエリアＡＲ３は、眠気が小さいことが示している。 図２の実験結果からＨＦとＬＦという２つの値に着目しても、汎用性のある識別器１８が得られないことが分かる。換言すると、被験者ごとの学習データを使って学習装置が学習を行えばＨＦとＬＦという２つの値にのみ着目しても眠気を検出することが可能になる可能性があるが、任意のユーザの眠気を判断することは困難になる。 本発明は、課題に鑑み、対象者の状態の推定精度が向上された状態推定装置を提供することを目的とする。

課題を解決するための手段[発明の詳細な説明]から抜粋

本発明によれば、対象者の状態の推定精度が向上された状態推定装置を提供することができる。