知財求人 - 知財ポータルサイト「IP Force」
(19)【発行国】日本国特許庁(JP)
(12)【公報種別】公開特許公報(A)
(11)【公開番号】P2023035319
(43)【公開日】2023-03-13
(54)【発明の名称】バイオフィードバック装置
(51)【国際特許分類】
A61B 5/16 20060101AFI20230306BHJP
A61B 5/055 20060101ALI20230306BHJP
【ＦＩ】
A61B5/16 100
A61B5/055 390
A61B5/055 380
【審査請求】未請求
【請求項の数】2
【出願形態】ＯＬ
(21)【出願番号】P 2021142090
(22)【出願日】2021-09-01
(71)【出願人】
【識別番号】516259468
【氏名又は名称】一般社団法人ブレインインパクト
(74)【代理人】
【識別番号】110000925
【氏名又は名称】弁理士法人信友国際特許事務所
(72)【発明者】
【氏名】山川 義徳
【テーマコード（参考）】
4C038
4C096
【Ｆターム（参考）】
4C038PP03
4C096AA17
4C096AA18
4C096AD14
4C096DC27
4C096DC35
(57)【要約】
【課題】低コストかつ高精度で、被験者または患者の生体情報から精神状態を推定するバイオフィードバック装置を提供する。
【解決手段】バイオフィードバック装置は、ＶＲコンテンツ及び／またはＶＲゲームの再生を行うことによって、被験者に対して精神的刺激を与えながら生体情報を取得する。すると、被験者の生体情報と、被験者の健康診断結果及び生活環境アンケート結果から、脳情報推定装置が有するＤＮＮの機能によって、被験者の圧縮脳情報を推定する。更にバイオフィードバック装置は、推定した被験者の脳情報と、健康診断結果及び生活環境アンケート結果から、精神状態推定装置が有するＤＮＮの機能によって、被験者の精神状態を推定する。
【選択図】図１
【解決手段】バイオフィードバック装置は、ＶＲコンテンツ及び／またはＶＲゲームの再生を行うことによって、被験者に対して精神的刺激を与えながら生体情報を取得する。すると、被験者の生体情報と、被験者の健康診断結果及び生活環境アンケート結果から、脳情報推定装置が有するＤＮＮの機能によって、被験者の圧縮脳情報を推定する。更にバイオフィードバック装置は、推定した被験者の脳情報と、健康診断結果及び生活環境アンケート結果から、精神状態推定装置が有するＤＮＮの機能によって、被験者の精神状態を推定する。
【選択図】図１
【特許請求の範囲】
【請求項1】
被験者に対して感情面における刺激を与えるための、少なくとも映像を含む映像コンテンツを前記被験者に閲覧させるための映像表示装置と、
前記映像表示装置に前記映像コンテンツを表示させた状態で、所定の生体情報取得用センサを用いて前記被験者の生体情報を取得し、前記生体情報に基づいて前記被験者の脳情報を推定して推定脳情報を出力する脳情報推定装置と、
前記被験者の生体情報と前記推定脳情報に基づいて前記被験者の精神状態を推定して推定精神状態情報を出力する精神状態推定装置と
を具備する、バイオフィードバック装置。
前記映像表示装置に前記映像コンテンツを表示させた状態で、所定の生体情報取得用センサを用いて前記被験者の生体情報を取得し、前記生体情報に基づいて前記被験者の脳情報を推定して推定脳情報を出力する脳情報推定装置と、
前記被験者の生体情報と前記推定脳情報に基づいて前記被験者の精神状態を推定して推定精神状態情報を出力する精神状態推定装置と
を具備する、バイオフィードバック装置。
【請求項2】
前記脳情報は、学習用被験者からｆＭＲＩ装置が生成したＭＲＩ画像ファイル群から得られる灰白質量と、神経線維異方性と、大脳皮質領域間相互作用であり、
前記脳情報推定装置は、複数名の前記学習用被験者から得られる前記生体情報を入力データとし、前記脳情報をラベルとして学習処理を行うことで形成されるニューラルネットワークであり、
前記精神状態推定装置は、複数名の前記学習用被験者から得られる前記生体情報及び前記脳情報を入力データとし、前記学習用被験者に対して実施したアンケート結果をラベルとして学習処理を行うことで形成されるニューラルネットワークである、
請求項１に記載のバイオフィードバック装置。
前記脳情報推定装置は、複数名の前記学習用被験者から得られる前記生体情報を入力データとし、前記脳情報をラベルとして学習処理を行うことで形成されるニューラルネットワークであり、
前記精神状態推定装置は、複数名の前記学習用被験者から得られる前記生体情報及び前記脳情報を入力データとし、前記学習用被験者に対して実施したアンケート結果をラベルとして学習処理を行うことで形成されるニューラルネットワークである、
請求項１に記載のバイオフィードバック装置。
【発明の詳細な説明】
【技術分野】
【0001】
本発明は、バイオフィードバック装置に関する。
より詳細には、被験者または患者に対し、所定の視聴覚情報を提供しながら生体情報を計測し、被験者または患者の精神状態を推定することで、被験者または患者の心身状態を向上させるバイオフィードバック装置に関する。
より詳細には、被験者または患者に対し、所定の視聴覚情報を提供しながら生体情報を計測し、被験者または患者の精神状態を推定することで、被験者または患者の心身状態を向上させるバイオフィードバック装置に関する。
【背景技術】
【0002】
バイオフィードバックとは、特許文献１等に示されるように、心拍数等の、日常生活では数値として知覚できない生体情報をリアルタイムで被験者または患者に提示（フィードバック）することで、通常であれば自ら意識できない状態を制御するべく訓練する手法である。
バイオフィードバックにおける生体情報を脳情報にて応用した手法として、特許文献２等に開示されるニューロフィードバックがある。ニューロフィードバックとは、被験者または患者が自らの脳活動に関するフィードバックを受けることで、脳活動を自らの意思で制御するべく訓練する手法である。
バイオフィードバックにおける生体情報を脳情報にて応用した手法として、特許文献２等に開示されるニューロフィードバックがある。ニューロフィードバックとは、被験者または患者が自らの脳活動に関するフィードバックを受けることで、脳活動を自らの意思で制御するべく訓練する手法である。
【0003】
特許文献１には、被評価者の姿勢の変化に伴う心拍データの変化から、被評価者の体調を正確に評価することができる体調評価方法及び体調評価システムが開示されている。
特許文献２には、計測される脳領域間の結合の相関をフィードバック情報に利用して、脳領域間の結合の相関を変化させる訓練を行うための脳活動訓練装置が開示されている。
特許文献３には、脳解析情報を扱い易い値に変換し、健康の指標として使用することができる、発明者らによる脳情報解析装置と脳健康指標演算装置が開示されている。
特許文献４には、架台のボア内の居住性を向上可能な磁気共鳴イメージング装置が開示されている。
特許文献２には、計測される脳領域間の結合の相関をフィードバック情報に利用して、脳領域間の結合の相関を変化させる訓練を行うための脳活動訓練装置が開示されている。
特許文献３には、脳解析情報を扱い易い値に変換し、健康の指標として使用することができる、発明者らによる脳情報解析装置と脳健康指標演算装置が開示されている。
特許文献４には、架台のボア内の居住性を向上可能な磁気共鳴イメージング装置が開示されている。
【0004】
なお、これ以降、本明細書において脳画像データから得られる情報を、脳情報と総称する。脳情報とは例えば、脳画像データを画像解析した結果得られる、脳の特定部位における灰白質の量や、脳の特定部位における神経線維の異方性、脳活動に関連した血流動態反応に基づく大脳皮質領域の反応性や領域間の同期性等である。
脳情報は、特許文献３にも開示されている他、本発明において重要なキーワードである。
脳情報は、特許文献３にも開示されている他、本発明において重要なキーワードである。
【先行技術文献】
【特許文献】
【0005】
【特許文献1】特開２０２０－１１３１１８号公報
【特許文献2】再表２０１９／１７２２４５号公報
【特許文献3】特開２０１８－３３５１６号公報
【特許文献4】特許６７７５９４３号公報
【発明の概要】
【発明が解決しようとする課題】
【0006】
バイオフィードバックやニューロフィードバックの目的は、被験者または患者の心身の健康、特に精神面の健康を向上させることである。しかしながら、これまでのバイオフィードバックは、取得した生体情報に基づいて被験者又は患者の精神状態等をディスプレイ表示する際の、精神状態を表示する精度が必ずしも高くはない、という課題があった。また、特許文献２に開示されるニューロフィードバックは、ＭＲＩ装置の使用が前提条件であり、システムの運用コストが無視できない。
【0007】
本発明はかかる課題を解決し、低コストかつ高精度で、被験者または患者の生体情報から精神状態を推定するバイオフィードバック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】
【0008】
上記課題を解決するために、本発明のバイオフィードバック装置は、被験者に対して感情面における刺激を与えるための、少なくとも映像を含む映像コンテンツを被験者に閲覧させるための映像表示装置と、映像表示装置に映像コンテンツを表示させた状態で、所定の生体情報取得用センサを用いて被験者の生体情報を取得し、生体情報に基づいて被験者の脳情報を推定して推定脳情報を出力する脳情報推定装置と、被験者の生体情報と推定脳情報に基づいて被験者の精神状態を推定して推定精神状態情報を出力する精神状態推定装置とを具備する。
【発明の効果】
【0009】
本発明により、低コストかつ高精度で、被験者または患者の生体情報から精神状態を推定するバイオフィードバック装置を提供することができる。
上記した以外の課題、構成及び効果は、以下の実施形態の説明により明らかにされる。
上記した以外の課題、構成及び効果は、以下の実施形態の説明により明らかにされる。
【図面の簡単な説明】
【0010】
【図1】本発明の実施形態に係るバイオフィードバック装置を示す概略図である。
【図2】バイオフィードバック装置の情報取得時における使用状態を示す概略図である。
【図3】ｆＭＲＩ装置の模式的断面図である。
【図4】バイオフィードバック装置のハードウェア構成を示すブロック図である。
【図5】バイオフィードバック装置のソフトウェア機能を示すブロック図である。
【図6】脳情報圧縮演算処理部の内部処理の詳細を示すブロック図である。
【図7】各種テーブルのフィールド構成を示す図である。
【図8】バイオフィードバック装置の学習モードにおける処理手順を示すフローチャートである。
【図9】圧縮脳情報学習処理、圧縮脳情報推定処理、被験者精神状態学習処理及び被験者精神状態推定処理を示す概略図である。
【図10】脳情報推定装置と精神状態推定装置の機能ブロック図である。
【図11】バイオフィードバック装置の推定モードにおける処理手順を示すフローチャートである。
【発明を実施するための形態】
【0011】
本発明は、先ず、心と脳と身体状態のデータベース、すなわち、精神状態と脳情報と生体情報のデータベースを構築する。これが脳情報データベースである。
次に本発明は、脳情報データベースを基にＤＮＮ（Deep Neural Network）を用いて、生体情報から脳情報を推定する装置を構築する。これが脳情報推定装置である。
次に本発明は、脳情報データベースを基にＤＮＮを用いて、脳情報から精神状態を推定する装置を構築する。これが精神状態推定装置である。
次に本発明は、上述の脳情報推定装置と精神状態推定装置を組み合わせて、生体情報から脳情報を推定し、推定した脳情報から精神状態を推定する装置を構築する。これがバイオフィードバック装置である。
なお、本発明の実施形態として、バイオフィードバック装置を説明するが、以上の説明より明らかなように、バイオフィードバック装置は、脳情報推定装置及び精神状態推定装置を構成要素として内包する。そして、脳情報推定装置及び精神状態推定装置は脳情報データベースを基に構築される。
次に本発明は、脳情報データベースを基にＤＮＮ（Deep Neural Network）を用いて、生体情報から脳情報を推定する装置を構築する。これが脳情報推定装置である。
次に本発明は、脳情報データベースを基にＤＮＮを用いて、脳情報から精神状態を推定する装置を構築する。これが精神状態推定装置である。
次に本発明は、上述の脳情報推定装置と精神状態推定装置を組み合わせて、生体情報から脳情報を推定し、推定した脳情報から精神状態を推定する装置を構築する。これがバイオフィードバック装置である。
なお、本発明の実施形態として、バイオフィードバック装置を説明するが、以上の説明より明らかなように、バイオフィードバック装置は、脳情報推定装置及び精神状態推定装置を構成要素として内包する。そして、脳情報推定装置及び精神状態推定装置は脳情報データベースを基に構築される。
【0012】
人の心と体の間には脳が存在する。つまり、人の生体情報からいきなり精神状態を推定するよりも、生体情報から脳情報を推定して、推定脳情報から精神状態を推定する方が、推定精度が高い。更に、脳情報と精神状態との関連性を脳情報データベースから導き出すことができるので、脳情報データベースに蓄積されるデータ量が多くなるほど、バイオフィードバック装置における精神状態の推定精度の向上が見込まれる。
本発明は、発明者が特許文献３等を始めとする、脳情報に関する知見の蓄積により完成した。
本発明は、発明者が特許文献３等を始めとする、脳情報に関する知見の蓄積により完成した。
【0013】
図１は、本発明の実施形態に係るバイオフィードバック装置１０１を示す概略図である。
被験者１０２は、映像コンテンツを閲覧するための映像表示装置であるＶＲゴーグル１０３を装着し、ＶＲコンテンツＶ１０４を閲覧し、及び／またはＶＲゲームに興じる。
その際、被験者１０２から種々のセンサによって生体情報が取得される。
被験者１０２は、映像コンテンツを閲覧するための映像表示装置であるＶＲゴーグル１０３を装着し、ＶＲコンテンツＶ１０４を閲覧し、及び／またはＶＲゲームに興じる。
その際、被験者１０２から種々のセンサによって生体情報が取得される。
【0014】
バイオフィードバック装置１０１は、ＶＲコンテンツＶ１０４及び／またはＶＲゲームの再生を行うと同時に、被験者１０２の生体情報を取得する。そして、バイオフィードバック装置１０１は、被験者１０２の生体情報から被験者１０２の脳情報を推定する。更にバイオフィードバック装置１０１は、推定した被験者１０２の脳情報から被験者１０２の精神状態を推定する。
推定した被験者１０２の脳情報及び精神状態は、例えばネットワーク１０５を通じて端末１０６にて表示される。なお、バイオフィードバック装置１０１はスタンドアロン構成でもよい。その場合、端末１０６は不要になる。
バイオフィードバック装置１０１は、被験者１０２の推定脳情報と推定精神状態から、ＶＲコンテンツＶ１０４及び／またはＶＲゲームの継続、切り替え、あるいは停止等を判断する。
推定した被験者１０２の脳情報及び精神状態は、例えばネットワーク１０５を通じて端末１０６にて表示される。なお、バイオフィードバック装置１０１はスタンドアロン構成でもよい。その場合、端末１０６は不要になる。
バイオフィードバック装置１０１は、被験者１０２の推定脳情報と推定精神状態から、ＶＲコンテンツＶ１０４及び／またはＶＲゲームの継続、切り替え、あるいは停止等を判断する。
【0015】
本発明におけるバイオフィードバック装置１０１は、被験者１０２が訓練を意識することなく、ＶＲコンテンツＶ１０４に興じるだけで、被験者１０２の心身の健康向上が期待できるという点において、従来技術におけるバイオフィードバックと異なる。よって、被験者１０２の精神的負担は軽微であり、被験者１０２は気軽にバイオフィードバックを受けることができる。
【0016】
バイオフィードバック装置１０１は、その内部に脳情報推定装置と精神状態推定装置を内包する。
脳情報推定装置は、被験者１０２の生体情報の入力を受けると、被験者１０２の脳情報を推定し、推定圧縮脳情報を出力する。
精神状態推定装置は、被験者１０２の圧縮脳情報の入力を受けると、被験者１０２の精神状態を推定し、推定精神状態情報を出力する。
脳情報推定装置は、被験者１０２の生体情報の入力を受けると、被験者１０２の脳情報を推定し、推定圧縮脳情報を出力する。
精神状態推定装置は、被験者１０２の圧縮脳情報の入力を受けると、被験者１０２の精神状態を推定し、推定精神状態情報を出力する。
【0017】
図２は、バイオフィードバック装置１０１の情報取得時における使用状態を示す概略図である。
図３は、ｆＭＲＩ装置２０１の模式的断面図である。
バイオフィードバック装置１０１を構成する脳情報推定装置と精神状態推定装置は、脳情報データベースに後述する学習処理を施すことで、構成される。
なお、図２及び図３に図示されている被験者は、図１の被験者１０２とは別の、脳情報データベースにデータを収集して蓄積するための被験者なので、学習用被験者２０６として区別する。
図３は、ｆＭＲＩ装置２０１の模式的断面図である。
バイオフィードバック装置１０１を構成する脳情報推定装置と精神状態推定装置は、脳情報データベースに後述する学習処理を施すことで、構成される。
なお、図２及び図３に図示されている被験者は、図１の被験者１０２とは別の、脳情報データベースにデータを収集して蓄積するための被験者なので、学習用被験者２０６として区別する。
【0018】
ｆＭＲＩ装置２０１（functional magnetic resonance imaging）は、通常のＭＲＩと比べ、学習用被験者２０６の脳活動に関連した血流動態反応をもデータ化できるＭＲＩ装置である。
図３に示すように、ｆＭＲＩ装置２０１には、特許文献４に開示されているものと同様の、学習用被験者２０６に映像を表示する反射板３０１とレンズ３０２を有するプロジェクタ３０３が、学習用被験者２０６の頭上に設置されている。また、反射板３０１の近傍には、学習用被験者２０６の顔を撮影する不図示のカメラが取り付けられている。このカメラは、学習用被験者２０６の脈拍を検出し、脈拍信号として出力することができる。カメラは更に、学習用被験者２０６の瞳孔を撮影し、瞳孔径を計測することができる。他にも、ｆＭＲＩ装置２０１には学習用被験者２０６の血圧や心拍、発汗等を取得するセンサが設けられている。
図３に示すように、ｆＭＲＩ装置２０１には、特許文献４に開示されているものと同様の、学習用被験者２０６に映像を表示する反射板３０１とレンズ３０２を有するプロジェクタ３０３が、学習用被験者２０６の頭上に設置されている。また、反射板３０１の近傍には、学習用被験者２０６の顔を撮影する不図示のカメラが取り付けられている。このカメラは、学習用被験者２０６の脈拍を検出し、脈拍信号として出力することができる。カメラは更に、学習用被験者２０６の瞳孔を撮影し、瞳孔径を計測することができる。他にも、ｆＭＲＩ装置２０１には学習用被験者２０６の血圧や心拍、発汗等を取得するセンサが設けられている。
【0019】
以上より、ｆＭＲＩ装置２０１は、学習用被験者２０６のＭＲＩ画像ファイル群２０２を出力する他、学習用被験者２０６の計測時生体情報２０３を出力する。これらの情報はバイオフィードバック装置１０１の内部において、日時情報を伴う。
バイオフィードバック装置１０１は、学習用被験者２０６のＭＲＩ画像ファイル群２０２、学習用被験者２０６の計測時生体情報２０３の他、学習用被験者２０６の健康診断結果２０４、学習用被験者２０６のｆＭＲＩ装置２０１計測前及び計測後の生活環境アンケート結果２０５の入力を受け、内部のデータベースに登録する。バイオフィードバック装置１０１は、それら情報をデータベース登録した後、後述する学習処理を行うことで、脳情報推定装置と精神状態推定装置を構成する。
バイオフィードバック装置１０１は、学習用被験者２０６のＭＲＩ画像ファイル群２０２、学習用被験者２０６の計測時生体情報２０３の他、学習用被験者２０６の健康診断結果２０４、学習用被験者２０６のｆＭＲＩ装置２０１計測前及び計測後の生活環境アンケート結果２０５の入力を受け、内部のデータベースに登録する。バイオフィードバック装置１０１は、それら情報をデータベース登録した後、後述する学習処理を行うことで、脳情報推定装置と精神状態推定装置を構成する。
【0020】
健康診断結果２０４は、通常の健康診断にて得られる診断結果の情報の集合体である。学習用被験者２０６の年齢、身長、体重、視力、聴力、体脂肪率、ＢＭＩ（Body Mass Index：ボディマス指数）、血中中性脂肪値、γＧＴＰ（γ-glutamyltransferase：ガンマグルタミルトランスフェラーゼ）等、年に一回実施される健康診断の診断結果の情報である。これらのデータは、学習用被験者２０６から機械的あるいは化学的な手段で取得される、学習用被験者２０６の主観が入り込む余地のない、客観的な測定結果である。なお、健康診断に留まらず、学習用被験者２０６から日常的に計測を行った体重や血圧等の生体計測データ、歩数や活動量等のライフログデータも、この健康診断結果２０４に含めることができる。
【0021】
生活環境アンケート結果２０５は、健康診断の際に設問され、学習用被験者２０６が回答する種々のアンケートの他に、精神神経系の健康指標を推し量るためのアンケートも含まれる。例えば、以下の様な項目について設問を設け、学習用被験者２０６に回答させる。
（１）階層帰属意識及び金融不安を含む社会経済的な状況の自覚
（２）生活に関する満足感と生活向上への意識を含む健康で安心なことについての自覚
（３）個人的な価値観、ポスト物質主義（物質や経済的な富よりも精神や心の安寧（リッチネス）を優先させる考え方）及びエピクロス主義（将来の為の準備よりも現在に生きることに優先権を与えて生きる主義）
（４）ストレスや疲労感（身体的疲労や精神的疲労等）及びその他の気分（怒り、混乱、抑うつ、緊張、無気力等）に関する自覚
（５）モチベーション（報酬反応性や刺激探求、駆動等）や対人関係（共感的関心や視点取得、空想、個人的苦痛等）、好奇心（進展型好奇心、包括型好奇心等）、根性（根気や一貫性等）等の性格特性や状態特性に関する自己評価
（６）幸福感やWellbeingに関する自覚
（７）ワークエンゲージメント（仕事への熱意、仕事への没頭、仕事への活力等）に関する自覚
すなわち、これらのデータは健康診断結果２０４とは異なり、学習用被験者２０６の主観が混じるアンケート結果等の情報である。
なお、「Wellbeing」とは、１９４８年の世界保健機関 (ＷＨＯ) 憲章における健康の定義から、当該個人が肉体的、精神的及び社会的に充足した状態を指す。
（１）階層帰属意識及び金融不安を含む社会経済的な状況の自覚
（２）生活に関する満足感と生活向上への意識を含む健康で安心なことについての自覚
（３）個人的な価値観、ポスト物質主義（物質や経済的な富よりも精神や心の安寧（リッチネス）を優先させる考え方）及びエピクロス主義（将来の為の準備よりも現在に生きることに優先権を与えて生きる主義）
（４）ストレスや疲労感（身体的疲労や精神的疲労等）及びその他の気分（怒り、混乱、抑うつ、緊張、無気力等）に関する自覚
（５）モチベーション（報酬反応性や刺激探求、駆動等）や対人関係（共感的関心や視点取得、空想、個人的苦痛等）、好奇心（進展型好奇心、包括型好奇心等）、根性（根気や一貫性等）等の性格特性や状態特性に関する自己評価
（６）幸福感やWellbeingに関する自覚
（７）ワークエンゲージメント（仕事への熱意、仕事への没頭、仕事への活力等）に関する自覚
すなわち、これらのデータは健康診断結果２０４とは異なり、学習用被験者２０６の主観が混じるアンケート結果等の情報である。
なお、「Wellbeing」とは、１９４８年の世界保健機関 (ＷＨＯ) 憲章における健康の定義から、当該個人が肉体的、精神的及び社会的に充足した状態を指す。
【0022】
従来、ＭＲＩ装置では学習用被験者２０６の平常状態における脳情報を取得していた。平常状態とは、学習用被験者２０６に対して特別な刺激を与えていない状態である。このような状態における脳情報は、他の人と比較した特徴程度しか、有用な情報を得られず、学習用被験者２０６の脳の機能的特色を見出すには至らない。
【0023】
そこで、本発明に係るバイオフィードバック装置１０１は、ｆＭＲＩ装置２０１で学習用被験者２０６の脳情報を取得する際に、学習用被験者２０６に対して学習用被験者２０６の感情を揺さぶるための、様々な精神的刺激を与える。例えば、学習用被験者２０６に美麗な絵やイラストレーションを一定時間見せた後に、醜悪な絵等を一定時間見せる、あるいは簡単なアクションゲームで遊んで貰う等である。
【0024】
この、学習用被験者２０６または被験者１０２に対して感情面における刺激を与えるための、少なくとも映像を含む映像コンテンツが、ＶＲコンテンツＶ１０４である。
ＶＲコンテンツＶ１０４は、学習用被験者２０６または被験者１０２に対して様々な感情面における刺激を与えるため、多様なコンテンツを用意する。また、ＶＲコンテンツＶ１０４は、単に静止画を表示させるのみならず、学習用被験者２０６または被験者１０２に特定の感情を誘起させるために、ストーリー性を有する動画コンテンツや、クイズやゲーム等も用意する。
ＶＲコンテンツＶ１０４は、学習用被験者２０６または被験者１０２に対して様々な感情面における刺激を与えるため、多様なコンテンツを用意する。また、ＶＲコンテンツＶ１０４は、単に静止画を表示させるのみならず、学習用被験者２０６または被験者１０２に特定の感情を誘起させるために、ストーリー性を有する動画コンテンツや、クイズやゲーム等も用意する。
【0025】
バイオフィードバック装置１０１によりＶＲコンテンツＶ１０４を学習用被験者２０６に閲覧させ、あるいはバイオフィードバック装置１０１によりＶＲゲームを学習用被験者２０６にプレイして貰うことで、学習用被験者２０６の感情が誘起される。学習用被験者２０６の感情が誘起される、ということは、学習用被験者２０６の脳がＶＲコンテンツＶ１０４やＶＲゲームという刺激に対して反応することを意味する。
【0026】
脳が外的刺激に対して反応すると、その感情の種類によって、脳の異なる部位における血流が活発になることが知られている。本発明に係るバイオフィードバック装置１０１は、ＶＲコンテンツＶ１０４で学習用被験者２０６の脳を刺激しながらｆＭＲＩ装置２０１で脳情報を取得することで、学習用被験者２０６の脳が特定の感情を誘起した状態においてどのような状態になるのかを知ることができる。
【0027】
更に、ｆＭＲＩ装置２０１で脳情報を取得している間、生体情報も同時に取得することで、学習用被験者２０６が特定の感情を誘起した状態における脳情報と学習用被験者２０６の生体情報を紐付けることが可能になる。
加えて、ｆＭＲＩ装置２０１で脳情報と生体情報を同時取得した直後に、学習用被験者２０６に対して精神状態をモニタリングするための簡単なアンケートを実施する。このアンケートの結果によって学習用被験者２０６の精神状態を示す情報を取得できる。すると、学習用被験者２０６が特定の感情を誘起した状態における脳情報と、学習用被験者２０６の生体情報と、学習用被験者２０６の精神状態情報を紐付けることが可能になる。
加えて、ｆＭＲＩ装置２０１で脳情報と生体情報を同時取得した直後に、学習用被験者２０６に対して精神状態をモニタリングするための簡単なアンケートを実施する。このアンケートの結果によって学習用被験者２０６の精神状態を示す情報を取得できる。すると、学習用被験者２０６が特定の感情を誘起した状態における脳情報と、学習用被験者２０６の生体情報と、学習用被験者２０６の精神状態情報を紐付けることが可能になる。
【0028】
すなわち、ＶＲコンテンツＶ１０４で学習用被験者２０６に精神的刺激を与えながら脳情報と生体情報を取得し、更にＶＲコンテンツＶ１０４のチャプター終了直後に、学習用被験者２０６にアンケートを実施して精神状態情報を取得することで、学習用被験者２０６が特定の感情を誘起した状態における脳情報と、学習用被験者２０６の生体情報と、学習用被験者２０６の精神状態情報という、データベースのレコードが得られる。このレコードの集合体が、本発明におけるバイオフィードバック装置１０１が取得する脳情報データベースである。
この脳情報データベースを基に、ＤＮＮ等によるＡＩを構築することで、生体情報から脳情報を推定する脳情報推定装置、そして脳情報から精神状態を推定する精神状態推定装置を実現することが可能になる。
この脳情報データベースを基に、ＤＮＮ等によるＡＩを構築することで、生体情報から脳情報を推定する脳情報推定装置、そして脳情報から精神状態を推定する精神状態推定装置を実現することが可能になる。
【0029】
しかしながら、脳情報と健康状態は密接な関連性を有することが、脳科学分野におけるこれまでの研究等により明らかである。また、脳情報は年齢と性別によるばらつきが激しいことが、発明者のこれまでの研究により明らかになっている。このため、学習用被験者２０６から得られるＭＲＩ画像ファイル群２０２をそのままＤＮＮに投入すると、過学習を引き起こし易い。
そこで、脳情報推定装置において生体情報から脳情報を推定する際に、予め学習用被験者２０６をグルーピングする。以下、グルーピングの一例を示す。
先ず、学習用被験者２０６を性別と年齢層でグルーピングする。年齢層は例えば、学習用被験者２０６の年齢を１０歳毎に区切る。次に、性別と年齢層でグルーピングした学習用被験者２０６のグループに対し、ＧＭ－ＢＨＱ及びＦＡ－ＢＨＱの平均値を算出する。そして、ＧＭ－ＢＨＱ及びＦＡ－ＢＨＱの平均値を境に、以下のようなグルーピングが可能になる。
（１）ＧＭ－ＢＨＱ値が平均値以上、且つ、ＦＡ－ＢＨＱ値が平均値以上のグループ。
（２）ＧＭ－ＢＨＱ値が平均値以上、且つ、ＦＡ－ＢＨＱ値が平均値未満のグループ。
（３）ＧＭ－ＢＨＱ値が平均値未満、且つ、ＦＡ－ＢＨＱ値が平均値以上のグループ。
（４）ＧＭ－ＢＨＱ値が平均値未満、且つ、ＦＡ－ＢＨＱ値が平均値未満のグループ。
なお、このようなグルーピングは、学習用被験者２０６のサンプル数に応じて適宜変更し得る。
学習用被験者２０６に対して以上のようなグルーピングを施した上で、学習用被験者２０６の健康状態、ｆＭＲＩ装置２０１による計測前のアンケート、ｆＭＲＩ装置２０１による計測直後のアンケートも、推定精度を高めるための情報としてＤＮＮに投入する。学習用被験者２０６を適切にグルーピングすることによって、ＤＮＮの過学習を防ぎ、ＤＮＮによる高精度な推定を実現できる。
そこで、脳情報推定装置において生体情報から脳情報を推定する際に、予め学習用被験者２０６をグルーピングする。以下、グルーピングの一例を示す。
先ず、学習用被験者２０６を性別と年齢層でグルーピングする。年齢層は例えば、学習用被験者２０６の年齢を１０歳毎に区切る。次に、性別と年齢層でグルーピングした学習用被験者２０６のグループに対し、ＧＭ－ＢＨＱ及びＦＡ－ＢＨＱの平均値を算出する。そして、ＧＭ－ＢＨＱ及びＦＡ－ＢＨＱの平均値を境に、以下のようなグルーピングが可能になる。
（１）ＧＭ－ＢＨＱ値が平均値以上、且つ、ＦＡ－ＢＨＱ値が平均値以上のグループ。
（２）ＧＭ－ＢＨＱ値が平均値以上、且つ、ＦＡ－ＢＨＱ値が平均値未満のグループ。
（３）ＧＭ－ＢＨＱ値が平均値未満、且つ、ＦＡ－ＢＨＱ値が平均値以上のグループ。
（４）ＧＭ－ＢＨＱ値が平均値未満、且つ、ＦＡ－ＢＨＱ値が平均値未満のグループ。
なお、このようなグルーピングは、学習用被験者２０６のサンプル数に応じて適宜変更し得る。
学習用被験者２０６に対して以上のようなグルーピングを施した上で、学習用被験者２０６の健康状態、ｆＭＲＩ装置２０１による計測前のアンケート、ｆＭＲＩ装置２０１による計測直後のアンケートも、推定精度を高めるための情報としてＤＮＮに投入する。学習用被験者２０６を適切にグルーピングすることによって、ＤＮＮの過学習を防ぎ、ＤＮＮによる高精度な推定を実現できる。
【0030】
図４は、バイオフィードバック装置１０１のハードウェア構成を示すブロック図である。
周知のサーバ装置で構成されるバイオフィードバック装置１０１は、バス４１０に、ＣＰＵ４０１、ＲＯＭ４０２、ＲＡＭ４０３、不揮発性ストレージ４０４、ＮＩＣ（Network Interface Card）４０５、ＵＳＢ等のシリアルポート４０６、ＲＴＣ（Real Time Clock）４０７が接続されている。
バイオフィードバック装置１０１は周知のＰＣ等でも代用可能であり、その場合は表示部４０８と操作部４０９が付随する。
周知のサーバ装置で構成されるバイオフィードバック装置１０１は、バス４１０に、ＣＰＵ４０１、ＲＯＭ４０２、ＲＡＭ４０３、不揮発性ストレージ４０４、ＮＩＣ（Network Interface Card）４０５、ＵＳＢ等のシリアルポート４０６、ＲＴＣ（Real Time Clock）４０７が接続されている。
バイオフィードバック装置１０１は周知のＰＣ等でも代用可能であり、その場合は表示部４０８と操作部４０９が付随する。
【0031】
図５は、バイオフィードバック装置１０１のソフトウェア機能を示すブロック図である。
入出力制御部５０１は、端末１０６または操作部４０９から受ける操作命令に従い、種々の動作を行う。
入出力制御部５０１は、ｆＭＲＩ装置２０１からＭＲＩ画像ファイル群２０２及び計測時生体情報２０３を受信する。また入出力制御部５０１は、端末１０６、操作部４０９またはシリアルポート４０６等から、健康診断結果２０４及び生活環境アンケート結果２０５を受信する。そして入出力制御部５０１は、これら受信した情報を後述するテーブルに登録する。
入出力制御部５０１は更に、テーブルや演算処理機能とデータのやり取りを行い、種々の実行結果を端末１０６または表示部４０８に表示する。
入出力制御部５０１は、端末１０６または操作部４０９から受ける操作命令に従い、種々の動作を行う。
入出力制御部５０１は、ｆＭＲＩ装置２０１からＭＲＩ画像ファイル群２０２及び計測時生体情報２０３を受信する。また入出力制御部５０１は、端末１０６、操作部４０９またはシリアルポート４０６等から、健康診断結果２０４及び生活環境アンケート結果２０５を受信する。そして入出力制御部５０１は、これら受信した情報を後述するテーブルに登録する。
入出力制御部５０１は更に、テーブルや演算処理機能とデータのやり取りを行い、種々の実行結果を端末１０６または表示部４０８に表示する。
【0032】
ＮＮ演算処理部５０２は、ＤＮＮ（Deep Neural Network）のエンジンである。
脳情報圧縮演算処理部５０３は、ＭＲＩ画像ファイル群２０２から得られる脳情報を次元圧縮する次元圧縮演算処理を実行する。
脳情報圧縮演算処理部５０３は、ＭＲＩ画像ファイル群２０２から得られる脳情報を次元圧縮する次元圧縮演算処理を実行する。
【0033】
図６は、脳情報圧縮演算処理部５０３の内部処理の詳細を示すブロック図である。
脳情報圧縮演算処理部５０３は、灰白質量算出部６０１、神経線維異方性算出部６０２、大脳皮質領域間相互作用算出部６０３、大脳皮質領域間反応性算出部６０４及び平均値演算部６０５ａ、６０５ｂ、６０５ｃ、６０５ｄよりなる。
灰白質量算出部６０１は、入出力制御部５０１を通じて入力されるＭＲＩ画像ファイル群２０２に対して灰白質量演算処理を行い、例えば１１６個の灰白質量データ群６０６を出力する。灰白質量データ群６０６は更に平均値演算部６０５ａに入力される。平均値演算部６０５ａは灰白質量データ群６０６の平均値を演算して灰白質量平均値６０７を出力する。この灰白質量平均値６０７の演算処理は特許文献３に示されるＧＭ－ＢＨＱ（Grey-Matter Brain Healthcare Quotient）と等価であり、灰白質量平均値６０７は単一のスカラ値である。
脳情報圧縮演算処理部５０３は、灰白質量算出部６０１、神経線維異方性算出部６０２、大脳皮質領域間相互作用算出部６０３、大脳皮質領域間反応性算出部６０４及び平均値演算部６０５ａ、６０５ｂ、６０５ｃ、６０５ｄよりなる。
灰白質量算出部６０１は、入出力制御部５０１を通じて入力されるＭＲＩ画像ファイル群２０２に対して灰白質量演算処理を行い、例えば１１６個の灰白質量データ群６０６を出力する。灰白質量データ群６０６は更に平均値演算部６０５ａに入力される。平均値演算部６０５ａは灰白質量データ群６０６の平均値を演算して灰白質量平均値６０７を出力する。この灰白質量平均値６０７の演算処理は特許文献３に示されるＧＭ－ＢＨＱ（Grey-Matter Brain Healthcare Quotient）と等価であり、灰白質量平均値６０７は単一のスカラ値である。
【0034】
神経線維異方性算出部６０２は、入出力制御部５０１を通じて入力されるＭＲＩ画像ファイル群２０２に対して神経線維異方性演算処理を行い、例えば４８個の神経線維異方性データ群６０８を出力する。神経線維異方性データ群６０８は更に平均値演算部６０５ｂに入力される。平均値演算部６０５ｂは神経線維異方性データ群６０８の平均値を演算して神経線維異方性平均値６０９を出力する。この神経線維異方性平均値６０９の演算処理は特許文献３に示されるＦＡ－ＢＨＱ（fractional anisotropy Brain Healthcare Quotient）と等価であり、神経線維異方性平均値６０９は単一のスカラ値である。
【0035】
大脳皮質領域間相互作用算出部６０３は、入出力制御部５０１を通じて入力されるＭＲＩ画像ファイル群２０２に対して大脳皮質領域間相互作用演算処理を行い、例えば１１６個の領域間相互作用データ群６１０を出力する。この領域間相互作用データ群６１０は、ｆＭＲＩでのみ計測可能な、学習用被験者２０６の脳の活動に関連した血流動態反応に基づく情報である。領域間相互作用データ群６１０は更に平均値演算部６０５ｃに入力される。平均値演算部６０５ｃは領域間相互作用データ群６１０の平均値を演算して領域間相互作用平均値６１１を出力する。この領域間相互作用平均値６１１は単一のスカラ値である。
【0036】
大脳皮質領域間反応性算出部６０４は、入出力制御部５０１を通じて入力されるＭＲＩ画像ファイル群２０２に対して大脳皮質領域間反応性演算処理を行い、例えば１１６×（１１６－１）÷２＝６６７０個の領域間反応性データ群６１２を出力する。この領域間反応性データ群６１２は、ｆＭＲＩでのみ計測可能な、学習用被験者２０６の脳の活動に関連した血流動態反応に基づく情報である。領域間反応性データ群６１２は更に平均値演算部６０５ｄに入力される。平均値演算部６０５ｄは領域間反応性データ群６１２の平均値を演算して領域間反応性平均値６１３を出力する。この領域間反応性平均値６１３は単一のスカラ値である。
以上、灰白質量データ群６０６、灰白質量平均値６０７、神経線維異方性データ群６０８、神経線維異方性平均値６０９、領域間相互作用データ群６１０、領域間相互作用平均値６１１、領域間反応性データ群６１２及び領域間反応性平均値６１３が圧縮脳情報６１４として、図７にて後述する被験者計測情報テーブル５０７の圧縮脳情報フィールドに記録される。
以上、灰白質量データ群６０６、灰白質量平均値６０７、神経線維異方性データ群６０８、神経線維異方性平均値６０９、領域間相互作用データ群６１０、領域間相互作用平均値６１１、領域間反応性データ群６１２及び領域間反応性平均値６１３が圧縮脳情報６１４として、図７にて後述する被験者計測情報テーブル５０７の圧縮脳情報フィールドに記録される。
【0037】
図５に戻ってブロック図の説明を続ける。
精神状態判定処理部５０４は、アンケート結果から学習用被験者２０６の精神状態を判定し、判定した精神状態情報を出力する。
アンケートは例えば公知のＰＯＭＳ２等であり、精神状態は例えばＰＯＭＳ２で測定できる７つの気分尺度
１：怒り－敵意
２：混乱－当惑
３：抑うつ－落ち込み
４：疲労－無気力
５：緊張－不安
６：活気－活力
７：友好
を基本とする種々の精神状態情報である。
精神状態判定処理部５０４は、アンケート結果から学習用被験者２０６の精神状態を判定し、判定した精神状態情報を出力する。
アンケートは例えば公知のＰＯＭＳ２等であり、精神状態は例えばＰＯＭＳ２で測定できる７つの気分尺度
１：怒り－敵意
２：混乱－当惑
３：抑うつ－落ち込み
４：疲労－無気力
５：緊張－不安
６：活気－活力
７：友好
を基本とする種々の精神状態情報である。
【0038】
図７は、図５のブロック図に示される各種テーブルのフィールド構成を示す図である。
被験者マスタ５０５は、被験者ＩＤフィールドと、被験者氏名フィールドと、性別フィールドと、年齢フィールドを有する。
被験者ＩＤフィールドには、学習用被験者２０６を一意に識別する被験者ＩＤが格納される。
被験者氏名フィールドには、学習用被験者２０６の氏名が格納される。
性別フィールドには、学習用被験者２０６の性別が格納される。
年齢フィールドには、学習用被験者２０６の年齢が格納される。
被験者マスタ５０５は、被験者ＩＤフィールドと、被験者氏名フィールドと、性別フィールドと、年齢フィールドを有する。
被験者ＩＤフィールドには、学習用被験者２０６を一意に識別する被験者ＩＤが格納される。
被験者氏名フィールドには、学習用被験者２０６の氏名が格納される。
性別フィールドには、学習用被験者２０６の性別が格納される。
年齢フィールドには、学習用被験者２０６の年齢が格納される。
【0039】
被験者基本情報テーブル５０６は、被験者ＩＤフィールドと、ｆＭＲＩ計測日フィールドと、健康診断結果フィールドと、ｆＭＲＩ計測前アンケート結果フィールドと、ｆＭＲＩ計測後アンケート結果フィールドを有する。
被験者ＩＤフィールドは、被験者マスタ５０５の同名フィールドと同じである。
ｆＭＲＩ計測日フィールドには、学習用被験者２０６がｆＭＲＩ装置２０１にて計測を実施した日が格納される。
健康診断結果フィールドには、学習用被験者２０６が提供する学習用被験者２０６自身の健康診断の結果の情報が格納される。
被験者ＩＤフィールドは、被験者マスタ５０５の同名フィールドと同じである。
ｆＭＲＩ計測日フィールドには、学習用被験者２０６がｆＭＲＩ装置２０１にて計測を実施した日が格納される。
健康診断結果フィールドには、学習用被験者２０６が提供する学習用被験者２０６自身の健康診断の結果の情報が格納される。
【0040】
ｆＭＲＩ計測前アンケート結果フィールドには、学習用被験者２０６がｆＭＲＩ装置２０１にて計測を実施した日における、ｆＭＲＩ装置２０１計測前のアンケート結果が格納される。
ｆＭＲＩ計測後アンケート結果フィールドには、学習用被験者２０６がｆＭＲＩ装置２０１にて計測を実施した日における、ｆＭＲＩ装置２０１計測後のアンケート結果が格納される。
この被験者基本情報テーブル５０６は、ｆＭＲＩ装置２０１における計測が実施された際の、時間を伴わない情報が格納される。
ｆＭＲＩ計測後アンケート結果フィールドには、学習用被験者２０６がｆＭＲＩ装置２０１にて計測を実施した日における、ｆＭＲＩ装置２０１計測後のアンケート結果が格納される。
この被験者基本情報テーブル５０６は、ｆＭＲＩ装置２０１における計測が実施された際の、時間を伴わない情報が格納される。
【0041】
被験者計測情報テーブル５０７は、被験者ＩＤフィールドと、日時フィールドと、脳情報フィールドと、圧縮脳情報フィールドと、生体情報フィールドと、ｆＭＲＩ計測中アンケート結果フィールドを有する。
被験者ＩＤフィールドは、被験者マスタ５０５の同名フィールドと同じである。
日時フィールドには、学習用被験者２０６がｆＭＲＩ装置２０１にて計測を実施した際の、後述する脳情報フィールド、生体情報フィールド、ｆＭＲＩ計測中アンケート結果フィールドの値を取得した日時が格納される。
被験者ＩＤフィールドは、被験者マスタ５０５の同名フィールドと同じである。
日時フィールドには、学習用被験者２０６がｆＭＲＩ装置２０１にて計測を実施した際の、後述する脳情報フィールド、生体情報フィールド、ｆＭＲＩ計測中アンケート結果フィールドの値を取得した日時が格納される。
【0042】
脳情報フィールドには、学習用被験者２０６がｆＭＲＩ装置２０１にて計測を実施した際の、リアルタイムで取得した脳情報が格納される。
圧縮脳情報フィールドには、脳情報フィールドの脳情報を脳情報圧縮演算処理部５０３で圧縮した圧縮脳情報６１０が格納される。
生体情報フィールドには、学習用被験者２０６がｆＭＲＩ装置２０１にて計測を実施した際の、リアルタイムで取得した生体情報が格納される。
圧縮脳情報フィールドには、脳情報フィールドの脳情報を脳情報圧縮演算処理部５０３で圧縮した圧縮脳情報６１０が格納される。
生体情報フィールドには、学習用被験者２０６がｆＭＲＩ装置２０１にて計測を実施した際の、リアルタイムで取得した生体情報が格納される。
【0043】
ｆＭＲＩ計測中アンケート結果フィールドには、学習用被験者２０６がｆＭＲＩ装置２０１にて計測を実施した際の、リアルタイムで取得したアンケート結果、またはＶＲコンテンツＶ１０４内で取得される種々の情報が格納される。
ＶＲコンテンツＶ１０４内で取得される種々の情報とは、例えばＶＲゲームにおけるスコア値等である。
この被験者計測情報テーブル５０７は、ｆＭＲＩ装置２０１における計測が実施された際の、時間を伴う情報が格納される。
ＶＲコンテンツＶ１０４内で取得される種々の情報とは、例えばＶＲゲームにおけるスコア値等である。
この被験者計測情報テーブル５０７は、ｆＭＲＩ装置２０１における計測が実施された際の、時間を伴う情報が格納される。
【0044】
ＶＲコンテンツ情報５０８は、相対時間フィールドと、ＶＲコンテンツ名称フィールドと、ＶＲコンテンツ本体フィールドを有する。
相対時間フィールドには、ＶＲコンテンツＶ１０４の相対時間情報（チャプター）が格納される。
相対時間フィールドには、ＶＲコンテンツＶ１０４の相対時間情報（チャプター）が格納される。
【0045】
ＶＲコンテンツ名称フィールドには、ＶＲコンテンツＶ１０４のチャプター毎の名称が格納される。
ＶＲコンテンツ本体フィールドには、ＶＲコンテンツＶ１０４の動画データやＶＲゲーム等のプログラム等のＶＲコンテンツ本体が格納される。
ＶＲコンテンツ本体フィールドには、ＶＲコンテンツＶ１０４の動画データやＶＲゲーム等のプログラム等のＶＲコンテンツ本体が格納される。
【0046】
被験者ＡＩ係数テーブル５０９は、被験者年齢層フィールドと、被験者性別フィールドと、ＡＩ種別フィールドと、近似関数パラメータフィールドを有する。
被験者年齢層フィールドには、学習用被験者２０６をグルーピングする際の年齢層が格納される。
被験者性別フィールドには、学習用被験者２０６の性別が格納される。
ＡＩ種別フィールドには、推定出力を行うＤＮＮの種別を示す情報が格納される。
近似関数パラメータフィールドには、ＤＮＮの学習処理を行った際の近似関数パラメータが格納される。
被験者年齢層フィールドには、学習用被験者２０６をグルーピングする際の年齢層が格納される。
被験者性別フィールドには、学習用被験者２０６の性別が格納される。
ＡＩ種別フィールドには、推定出力を行うＤＮＮの種別を示す情報が格納される。
近似関数パラメータフィールドには、ＤＮＮの学習処理を行った際の近似関数パラメータが格納される。
【0047】
本発明の実施形態に係る脳情報推定装置と精神状態推定装置は、ＤＮＮよりなる。
脳情報推定装置は、図９で後述するが、被験者１０２の年齢、事前アンケート結果、事後アンケート結果、計測中生体情報を入力されると、被験者１０２の圧縮脳情報６１０を推定する。
精神状態推定装置は、図９で後述するが、被験者１０２の年齢、事前アンケート結果、事後アンケート結果、圧縮脳情報６１０を入力されると、被験者１０２の精神状態情報を推定する。
脳情報推定装置は、図９で後述するが、被験者１０２の年齢、事前アンケート結果、事後アンケート結果、計測中生体情報を入力されると、被験者１０２の圧縮脳情報６１０を推定する。
精神状態推定装置は、図９で後述するが、被験者１０２の年齢、事前アンケート結果、事後アンケート結果、圧縮脳情報６１０を入力されると、被験者１０２の精神状態情報を推定する。
【0048】
ＤＮＮよりなるこれらの脳情報推定装置及び精神状態推定装置は、過学習を防ぐために、学習用被験者２０６を年齢層と性別でグルーピングして、学習処理を行う。
被験者年齢層フィールドと被験者性別フィールドは、学習用被験者２０６のグルーピングに用いる情報である。
ＡＩ種別フィールドは、脳情報推定と精神状態推定の何れかを示す情報である。
被験者年齢層フィールドと被験者性別フィールドは、学習用被験者２０６のグルーピングに用いる情報である。
ＡＩ種別フィールドは、脳情報推定と精神状態推定の何れかを示す情報である。
【0049】
図８は、バイオフィードバック装置１０１の学習モードにおける処理手順を示すフローチャートである。
処理を開始すると（Ｓ８０１）、先ず、ｆＭＲＩ計測作業に先立ち、学習用被験者２０６に事前アンケートを実施する（Ｓ８０２）。
次に、学習用被験者２０６に所定の生体情報取得用センサを装着して貰いながら、ｆＭＲＩ装置２０１に入って貰う（Ｓ８０３）。
最初に、ＶＲコンテンツＶ１０４を再生しない状態で、学習用被験者２０６の初期状態時のｆＭＲＩ計測を実施すると共に、同時に生体情報も計測する（Ｓ８０４）。
処理を開始すると（Ｓ８０１）、先ず、ｆＭＲＩ計測作業に先立ち、学習用被験者２０６に事前アンケートを実施する（Ｓ８０２）。
次に、学習用被験者２０６に所定の生体情報取得用センサを装着して貰いながら、ｆＭＲＩ装置２０１に入って貰う（Ｓ８０３）。
最初に、ＶＲコンテンツＶ１０４を再生しない状態で、学習用被験者２０６の初期状態時のｆＭＲＩ計測を実施すると共に、同時に生体情報も計測する（Ｓ８０４）。
【0050】
これ以降（Ｓ８０５からＳ８０８）はループ処理である。
バイオフィードバック装置１０１のＶＲコンテンツ情報５０８からＶＲコンテンツＶ１０４を再生して、ＶＲ映像を表示、及び／またはＶＲゲームを実行する。そして、ｆＭＲＩ計測を実施すると共に、同時に生体情報も計測する（Ｓ８０６）。
１つのチャプターのＶＲコンテンツＶ１０４の再生が終わったら、ＶＲコンテンツＶ１０４の再生を一旦停止し、学習用被験者２０６にアンケートを実施する（Ｓ８０７）。
このステップＳ８０６とＳ８０７を、全てのＶＲコンテンツＶ１０４の再生が終了するまで繰り返す（Ｓ８０８）。
バイオフィードバック装置１０１のＶＲコンテンツ情報５０８からＶＲコンテンツＶ１０４を再生して、ＶＲ映像を表示、及び／またはＶＲゲームを実行する。そして、ｆＭＲＩ計測を実施すると共に、同時に生体情報も計測する（Ｓ８０６）。
１つのチャプターのＶＲコンテンツＶ１０４の再生が終わったら、ＶＲコンテンツＶ１０４の再生を一旦停止し、学習用被験者２０６にアンケートを実施する（Ｓ８０７）。
このステップＳ８０６とＳ８０７を、全てのＶＲコンテンツＶ１０４の再生が終了するまで繰り返す（Ｓ８０８）。
【0051】
全てのＶＲコンテンツＶ１０４の再生が終了したら、ｆＭＲＩ計測も終了する。その後、学習用被験者２０６に事後アンケートを実施する（Ｓ８０９）。
一通りの情報収集が終了したら、バイオフィードバック装置１０１は脳情報圧縮演算処理を実行し、被験者計測情報テーブル５０７の脳情報フィールドから、圧縮脳情報フィールドの値を生成して記憶する（Ｓ８１０）。
一通りの情報収集が終了したら、バイオフィードバック装置１０１は脳情報圧縮演算処理を実行し、被験者計測情報テーブル５０７の脳情報フィールドから、圧縮脳情報フィールドの値を生成して記憶する（Ｓ８１０）。
【0052】
圧縮脳情報６１０が出来上がったら、学習用被験者２０６を年齢層と性別で分類した上で、圧縮脳情報学習を実施する（Ｓ８１１）。
次に、学習用被験者２０６を年齢層と性別で分類した上で、被験者精神状態学習を実施する（Ｓ８１２）。
そして、一連の処理を終了する（Ｓ８１３）。
次に、学習用被験者２０６を年齢層と性別で分類した上で、被験者精神状態学習を実施する（Ｓ８１２）。
そして、一連の処理を終了する（Ｓ８１３）。
【0053】
図９Ａは、圧縮脳情報学習処理を示す概略図である。
先ず、ＮＮ演算処理部５０２を学習モードで稼働させる。これが図９Ａにおける特定年代及び性別の被験者群のＮＮ学習モード９０１ａである。その上で、学習用被験者２０６の年齢、健康診断結果、事前アンケート結果、事後アンケート結果、計測中生体情報を学習データとしてＮＮ学習モード９０１ａに入力し、圧縮脳情報６１０をラベル（回答）としてＮＮ学習モード９０１ａに入力して、学習処理を行う。このとき、特定被験者群の近似関数パラメータ９０２が生成され、更新される。
先ず、ＮＮ演算処理部５０２を学習モードで稼働させる。これが図９Ａにおける特定年代及び性別の被験者群のＮＮ学習モード９０１ａである。その上で、学習用被験者２０６の年齢、健康診断結果、事前アンケート結果、事後アンケート結果、計測中生体情報を学習データとしてＮＮ学習モード９０１ａに入力し、圧縮脳情報６１０をラベル（回答）としてＮＮ学習モード９０１ａに入力して、学習処理を行う。このとき、特定被験者群の近似関数パラメータ９０２が生成され、更新される。
【0054】
図９Ｂは、圧縮脳情報推定処理を示す概略図である。
先ず、ＮＮ演算処理部５０２を推定モードで稼働させる。これが図９Ｂにおける特定年代及び性別の被験者群のＮＮ推定モード９０１ｂである。その上で、特定被験者群の近似関数パラメータ９０２をＮＮ推定モード９０１ｂに読み込ませた上で、被験者１０２の年齢、健康診断結果、事前アンケート結果、計測中生体情報を評価データとして入力すると、ＮＮ推定モード９０１ｂは推定圧縮脳情報を出力する。
先ず、ＮＮ演算処理部５０２を推定モードで稼働させる。これが図９Ｂにおける特定年代及び性別の被験者群のＮＮ推定モード９０１ｂである。その上で、特定被験者群の近似関数パラメータ９０２をＮＮ推定モード９０１ｂに読み込ませた上で、被験者１０２の年齢、健康診断結果、事前アンケート結果、計測中生体情報を評価データとして入力すると、ＮＮ推定モード９０１ｂは推定圧縮脳情報を出力する。
【0055】
図９Ｃは、被験者精神状態学習処理を示す概略図である。
先ず、ＮＮ演算処理部５０２を学習モードで稼働させる。これが図９Ｃにおける特定年代及び性別の被験者群のＮＮ学習モード９０１ｃである。その上で、学習用被験者２０６の年齢、健康診断結果、事前アンケート結果、事後アンケート結果、計測中圧縮脳情報を学習データとしてＮＮ学習モード９０１ｃに入力し、計測中精神状態をラベル（回答）としてＮＮ学習モード９０１ｃに入力して、学習処理を行う。このとき、特定被験者群の近似関数パラメータ９０３が生成され、更新される。
先ず、ＮＮ演算処理部５０２を学習モードで稼働させる。これが図９Ｃにおける特定年代及び性別の被験者群のＮＮ学習モード９０１ｃである。その上で、学習用被験者２０６の年齢、健康診断結果、事前アンケート結果、事後アンケート結果、計測中圧縮脳情報を学習データとしてＮＮ学習モード９０１ｃに入力し、計測中精神状態をラベル（回答）としてＮＮ学習モード９０１ｃに入力して、学習処理を行う。このとき、特定被験者群の近似関数パラメータ９０３が生成され、更新される。
【0056】
図９Ｄは、被験者精神状態推定処理を示す概略図である。
先ず、ＮＮ演算処理部５０２を推定モードで稼働させる。これが図９Ｄにおける特定年代及び性別の被験者群のＮＮ推定モード９０１ｄである。その上で、特定被験者群の近似関数パラメータ９０３をＮＮ推定モード９０１ｄに読み込ませた上で、被験者１０２の年齢、健康診断結果、事前アンケート結果、計測中精神状態を評価データとして入力すると、ＮＮ推定モード９０１ｄは推定精神状態情報を出力する。
先ず、ＮＮ演算処理部５０２を推定モードで稼働させる。これが図９Ｄにおける特定年代及び性別の被験者群のＮＮ推定モード９０１ｄである。その上で、特定被験者群の近似関数パラメータ９０３をＮＮ推定モード９０１ｄに読み込ませた上で、被験者１０２の年齢、健康診断結果、事前アンケート結果、計測中精神状態を評価データとして入力すると、ＮＮ推定モード９０１ｄは推定精神状態情報を出力する。
【0057】
図１０は、脳情報推定装置１００１と精神状態推定装置１００２の機能ブロック図である。
脳情報推定装置１００１は、前述の図９Ｂに示した圧縮脳情報推定処理と同一である。
ＮＮ演算処理部５０２を推定モードで稼働させ、特定被験者群の近似関数パラメータ９０２をＮＮ演算処理部５０２に読み込ませると、脳情報推定装置１００１が構成される。脳情報推定装置１００１に、被験者１０２の年齢、健康診断結果、事前アンケート結果、事後アンケート結果、計測中生体情報を評価データとして入力すると、脳情報推定装置１００１は推定圧縮脳情報を出力する。
精神状態推定装置１００２は、前述の図９Ｄに示した被験者精神状態推定処理と同一である。
脳情報推定装置１００１は、前述の図９Ｂに示した圧縮脳情報推定処理と同一である。
ＮＮ演算処理部５０２を推定モードで稼働させ、特定被験者群の近似関数パラメータ９０２をＮＮ演算処理部５０２に読み込ませると、脳情報推定装置１００１が構成される。脳情報推定装置１００１に、被験者１０２の年齢、健康診断結果、事前アンケート結果、事後アンケート結果、計測中生体情報を評価データとして入力すると、脳情報推定装置１００１は推定圧縮脳情報を出力する。
精神状態推定装置１００２は、前述の図９Ｄに示した被験者精神状態推定処理と同一である。
【0058】
ＮＮ演算処理部５０２を推定モードで稼働させ、特定被験者群の近似関数パラメータ９０３をＮＮ演算処理部５０２に読み込ませると、精神状態推定装置１００２が構成される。精神状態推定装置１００２に、被験者１０２の年齢、健康診断結果、事前アンケート結果、そして脳情報推定装置１００１が出力した推定圧縮脳情報を評価データとして入力すると、精神状態推定装置１００２は推定精神状態情報を出力する。
脳情報推定装置１００１が出力する推定圧縮脳情報と、精神状態推定装置１００２が出力する推定精神状態情報は、入出力制御部５０１によって所定の表示用加工が施された上で、端末１０６または表示部４０８に送られる。
脳情報推定装置１００１が出力する推定圧縮脳情報と、精神状態推定装置１００２が出力する推定精神状態情報は、入出力制御部５０１によって所定の表示用加工が施された上で、端末１０６または表示部４０８に送られる。
【0059】
図１１は、バイオフィードバック装置１０１の推定モードにおける処理手順を示すフローチャートである。
処理を開始すると（Ｓ１１０１）、先ず、精神状態介入治験に先立ち、被験者１０２に事前アンケートを実施する（Ｓ１１０２）。
次に、被験者１０２に図示しない所定の生体情報取得用センサと、ＶＲゴーグル１０３を装着して貰う（Ｓ１１０３）。
最初に、ＶＲコンテンツＶ１０４を再生しない状態で、被験者１０２の初期状態時の生体情報を計測する（Ｓ１１０４）。
処理を開始すると（Ｓ１１０１）、先ず、精神状態介入治験に先立ち、被験者１０２に事前アンケートを実施する（Ｓ１１０２）。
次に、被験者１０２に図示しない所定の生体情報取得用センサと、ＶＲゴーグル１０３を装着して貰う（Ｓ１１０３）。
最初に、ＶＲコンテンツＶ１０４を再生しない状態で、被験者１０２の初期状態時の生体情報を計測する（Ｓ１１０４）。
【0060】
これ以降（Ｓ１１０５からＳ１１１１）はループ処理である。
バイオフィードバック装置１０１のＶＲコンテンツ情報５０８からＶＲコンテンツＶ１０４を再生して、ＶＲ映像を表示、及び／またはＶＲゲームを実行する。そして、生体情報を計測する（Ｓ１１０６）。
１つのチャプターのＶＲコンテンツＶ１０４の再生が終わったら、ＶＲコンテンツＶ１０４の再生を一旦停止し、被験者１０２にアンケートを実施する（Ｓ１１０７）。
生体情報とアンケート結果をＡＩに投入して、被験者１０２の圧縮脳情報６１０を推定する（Ｓ１１０８）。これが、脳情報推定装置１００１の機能である。
バイオフィードバック装置１０１のＶＲコンテンツ情報５０８からＶＲコンテンツＶ１０４を再生して、ＶＲ映像を表示、及び／またはＶＲゲームを実行する。そして、生体情報を計測する（Ｓ１１０６）。
１つのチャプターのＶＲコンテンツＶ１０４の再生が終わったら、ＶＲコンテンツＶ１０４の再生を一旦停止し、被験者１０２にアンケートを実施する（Ｓ１１０７）。
生体情報とアンケート結果をＡＩに投入して、被験者１０２の圧縮脳情報６１０を推定する（Ｓ１１０８）。これが、脳情報推定装置１００１の機能である。
【0061】
ステップＳ１１０８で取得した被験者１０２の推定圧縮脳情報とアンケート結果をＡＩに投入して、被験者１０２の精神状態を推定する（Ｓ１１０９）。これが、精神状態推定装置１００２の機能である。
図示しないバイオフィードバック装置１０１の操作者は、推定した被験者１０２の精神状態に応じて、直前に再生したＶＲコンテンツＶ１０４を再度再生するか、別のＶＲコンテンツＶ１０４を再生すべきか、あるいは終了すべきかを判断する（Ｓ１１１０）。
以上、Ｓ１１０６からＳ１１１０までを、ステップＳ１１１０で終了すべきと判断するまで繰り返す（Ｓ１１１１）。そして、一連の処理を終了する（Ｓ１１１２）。
図示しないバイオフィードバック装置１０１の操作者は、推定した被験者１０２の精神状態に応じて、直前に再生したＶＲコンテンツＶ１０４を再度再生するか、別のＶＲコンテンツＶ１０４を再生すべきか、あるいは終了すべきかを判断する（Ｓ１１１０）。
以上、Ｓ１１０６からＳ１１１０までを、ステップＳ１１１０で終了すべきと判断するまで繰り返す（Ｓ１１１１）。そして、一連の処理を終了する（Ｓ１１１２）。
【0062】
なお、上述の図１１に示したバイオフィードバック装置１０１の処理手順では、操作者、つまり人間の判断で、ＶＲコンテンツＶ１０４の再生継続や停止等を選択したが、手順に定型化の傾向が明確になれば、推定圧縮脳情報及び推定精神状態情報の値に応じて、ＶＲコンテンツＶ１０４の選択、再生継続、停止等をプログラムで制御することも可能である。
【0063】
本発明の実施形態では、脳情報推定装置１００１、精神状態推定装置１００２、バイオフィードバック装置１０１及び脳情報データベースを説明した。
本発明の実施形態に係るバイオフィードバック装置１０１は、ＶＲコンテンツＶ１０４及び／またはＶＲゲームの再生を行うことによって、被験者１０２に対して精神的刺激を与えながら生体情報を取得する。すると、被験者１０２の生体情報と、被験者１０２の健康診断結果２０４及び生活環境アンケート結果２０５から、脳情報推定装置１００１が有するＤＮＮの機能によって、被験者１０２の圧縮脳情報を推定する。更にバイオフィードバック装置１０１は、推定した被験者１０２の脳情報と、健康診断結果２０４及び生活環境アンケート結果２０５から、精神状態推定装置１００２が有するＤＮＮの機能によって、被験者１０２の精神状態を推定する。
本発明の実施形態に係るバイオフィードバック装置１０１は、ＶＲコンテンツＶ１０４及び／またはＶＲゲームの再生を行うことによって、被験者１０２に対して精神的刺激を与えながら生体情報を取得する。すると、被験者１０２の生体情報と、被験者１０２の健康診断結果２０４及び生活環境アンケート結果２０５から、脳情報推定装置１００１が有するＤＮＮの機能によって、被験者１０２の圧縮脳情報を推定する。更にバイオフィードバック装置１０１は、推定した被験者１０２の脳情報と、健康診断結果２０４及び生活環境アンケート結果２０５から、精神状態推定装置１００２が有するＤＮＮの機能によって、被験者１０２の精神状態を推定する。
【0064】
脳情報推定装置１００１は、学習用被験者２０６の年齢、事前アンケート結果、事後アンケート結果、計測中生体情報を学習データとして、そして圧縮脳情報６１０をラベル（回答）として、学習モードで稼働するＮＮ演算処理部５０２に入力して、ＮＮ演算処理部５０２に学習処理を行うことで、構成される。
精神状態推定装置１００２は、学習用被験者２０６の年齢、事前アンケート結果、事後アンケート結果、計測中圧縮脳情報を学習データとして、そして計測中精神状態をラベル（回答）として、学習モードで稼働するＮＮ演算処理部５０２に入力して、ＮＮ演算処理部５０２に学習処理を行うことで、構成される。
精神状態推定装置１００２は、学習用被験者２０６の年齢、事前アンケート結果、事後アンケート結果、計測中圧縮脳情報を学習データとして、そして計測中精神状態をラベル（回答）として、学習モードで稼働するＮＮ演算処理部５０２に入力して、ＮＮ演算処理部５０２に学習処理を行うことで、構成される。
【0065】
すなわち、被験者基本情報テーブル５０６と被験者計測情報テーブル５０７において、学習用被験者２０６の年齢、性別、健康診断結果、事前アンケート結果、事後アンケート結果、計測中生体情報、計測中脳情報が紐付けられており、被験者基本情報テーブル５０６と被験者計測情報テーブル５０７は、脳情報推定装置１００１及び精神状態推定装置１００２を構成するに必要な、脳情報データベースを構成する。
【0066】
以上、本発明の実施形態について説明したが、本発明は上記実施形態に限定されるものではなく、特許請求の範囲に記載した本発明の要旨を逸脱しない限りにおいて、他の変形例、応用例を含む。
【符号の説明】
【0067】
１０１…バイオフィードバック装置、１０２…被験者、１０３…ＶＲゴーグル、１０５…ネットワーク、１０６…端末、２０１…ｆＭＲＩ装置、２０２…ＭＲＩ画像ファイル群、２０３…計測時生体情報、２０４…健康診断結果、２０５…生活環境アンケート結果、２０６…学習用被験者、３０１…反射板、３０２…レンズ、３０３…プロジェクタ、４０１…ＣＰＵ、４０２…ＲＯＭ、４０３…ＲＡＭ、４０４…不揮発性ストレージ、４０５…ＮＩＣ、４０６…シリアルポート、４０７…ＲＴＣ、４０８…表示部、４０９…操作部、４１０…バス、５０１…入出力制御部、５０２…ＮＮ演算処理部、５０３…脳情報圧縮演算処理部、５０４…精神状態判定処理部、５０５…被験者マスタ、５０６…被験者基本情報テーブル、５０７…被験者計測情報テーブル、５０８…ＶＲコンテンツ情報、５０９…被験者ＡＩ係数テーブル、６０１…灰白質量算出部、６０５ａ、６０５ｂ…平均値演算部、６０２…神経線維異方性算出部、６０３…大脳皮質領域間相互作用算出部、６０６…灰白質量データ群、６０７…灰白質量平均値、６０８…神経線維異方性データ群、６０９…神経線維異方性平均値、６１０…領域間相互作用データ群、６１１…領域間相互作用平均値、６１２…領域間反応性データ群、６１３…領域間反応性平均値、６１４…圧縮脳情報、９０１ａ、９０１ｃ…ＮＮ学習モード、９０１ｂ、９０１ｄ…ＮＮ推定モード、９０２、９０３…近似関数パラメータ、１００１…脳情報推定装置、１００２…精神状態推定装置
【図1】
【図2】
【図3】
【図4】
【図5】
【図6】
【図7】
【図8】
【図9】
【図10】
【図11】