特許 7563363 生理状態指標算出システム、生理状態指標算出方法及び生理状態指標算出プログラム

(19)【発行国】日本国特許庁(JP)

(12)【公報種別】特許公報(B2)

(11)【特許番号】

(24)【登録日】2024-09-30

(45)【発行日】2024-10-08

(54)【発明の名称】生理状態指標算出システム、生理状態指標算出方法及び生理状態指標算出プログラム

(51)【国際特許分類】

   A61B 5/026 20060101AFI20241001BHJP

   A61B 5/1455 20060101ALI20241001BHJP

【ＦＩ】

A61B5/026 120

A61B5/1455

【請求項の数】 11

(21)【出願番号】P 2021187848

(22)【出願日】2021-11-18

(65)【公開番号】P2023074743

(43)【公開日】2023-05-30

【審査請求日】2023-11-08

(73)【特許権者】

【識別番号】000003207

【氏名又は名称】トヨタ自動車株式会社

(74)【代理人】

【識別番号】100103894

【弁理士】

【氏名又は名称】家入 健

(72)【発明者】

【氏名】林 敬司

(72)【発明者】

【氏名】山田 整

(72)【発明者】

【氏名】山口 雄平

(72)【発明者】

【氏名】今村 千絵

【審査官】藤原 伸二

(56)【参考文献】

【文献】国際公開第２０１７／０５１８８５（ＷＯ，Ａ１）

【文献】特開平０６－０１４９０８（ＪＰ，Ａ）

【文献】特開２０２０－０７４８０５（ＪＰ，Ａ）

【文献】特開２０２０－１１０３０４（ＪＰ，Ａ）

【文献】特開２０１８－０１９８９５（ＪＰ，Ａ）

(58)【調査した分野】(Int.Cl.，ＤＢ名)

Ａ６１Ｂ ５／００－５／０３

Ａ６１Ｂ ５／０６－５／２２

Ａ６１Ｂ １０／００

(57)【特許請求の範囲】

【請求項1】

生体の脳血流に基づく生理状態指標を算出する生理状態指標算出システムであって、
前記脳血流から得られた脳血流波形情報を、０．４～１．５ｍＨｚ（ＵＬＦ２）、１．５～４ｍＨｚ（ＵＬＦ１）、４～１５ｍＨｚ（ＶＬＦ２）、１５～４０ｍＨｚ（ＶＬＦ１）、０．０４～０．１５Ｈｚ（ＬＦ）、０．１５～０．４Ｈｚ（ＨＦ）、０．４～１．５Ｈｚ（δ１波）、１．５～４Ｈｚ（δ２波）、４～８Ｈｚ（θ波）、８～１３Ｈｚ（α波）、１３～３０Ｈｚ（β波）、３０Ｈｚ～（γ波）の帯域のうちの少なくとも１つの周波数帯域でフィルタリングするバンドパスフィルタと、
フィルタリングされた前記脳血流波形情報を、前記少なくとも１つの周波数帯域について複素数化する複素数化部と、
瞬時振幅に相当する、前記複素数化された脳血流波形情報を表す振動波形式の対数の実数部を、生理的に定常状態とみなせる期間で集計して、前記瞬時振幅の確率密度分布を算出する分布算出部と、
算出された前記瞬時振幅の前記確率密度分布を単峰性の分布で近似し、近似された前記瞬時振幅の前記単峰性の分布の平均値及び分散値の少なくとも一方を、前記生理状態指標に相当する特徴量として算出する特徴量算出部とを含む、
生理状態指標算出システム。

【請求項2】

生体の脳血流に基づく生理状態指標を算出する生理状態指標算出システムであって、
前記脳血流から得られた脳血流波形情報を、０．４～１．５ｍＨｚ（ＵＬＦ２）、１．５～４ｍＨｚ（ＵＬＦ１）、４～１５ｍＨｚ（ＶＬＦ２）、１５～４０ｍＨｚ（ＶＬＦ１）、０．０４～０．１５Ｈｚ（ＬＦ）、０．１５～０．４Ｈｚ（ＨＦ）、０．４～１．５Ｈｚ（δ１波）、１．５～４Ｈｚ（δ２波）、４～８Ｈｚ（θ波）、８～１３Ｈｚ（α波）、１３～３０Ｈｚ（β波）、３０Ｈｚ～（γ波）の帯域のうちの少なくとも１つの周波数帯域でフィルタリングするバンドパスフィルタと、
フィルタリングされた前記脳血流波形情報を、前記少なくとも１つの周波数帯域について複素数化する複素数化部と、
前記複素数化された脳血流波形情報を表す振動波形式の対数の虚数部の時間微分値を求めることにより、瞬時周波数を算出する瞬時周波数算出部と、
算出された前記瞬時周波数を、生理的に定常状態とみなせる期間で集計して、前記瞬時周波数の確率密度分布を算出する分布算出部と、
算出された前記瞬時周波数の確率密度分布を単峰性の分布で近似し、近似された前記瞬時周波数の前記単峰性の分布の平均値及び分散値の少なくとも一方を、前記生理状態指標に相当する特徴量として算出する特徴量算出部とを含む、
生理状態指標算出システム。

【請求項3】

前記脳血流波形情報は、血液の光学的特性に基づいて識別される第１の脳血流波形情報及び第２の脳血流波形情報を含み、
前記バンドパスフィルタは、第１の脳血流波形情報及び第２の脳血流波形情報を加算した脳血流波形情報をフィルタリングし、又は、第１の脳血流波形情報及び第２の脳血流波形情報のいずれか一方をフィルタリングする、請求項１又は２に記載の生理状態指標算出システム。

【請求項4】

前記脳血流を表す情報は、頭部の１以上の部位の血流を測定して得られることを特徴とする、請求項１～３のいずれか１項に記載の生理状態指標算出システム。

【請求項5】

前記周波数帯域のうち、周波数が０．４Ｈｚ以上の各周波数帯域において周波数の分布が多峰性の分布になる場合は、前記周波数の分布が単峰性の分布になるように、前記各周波数帯域が複数の帯域に分割されることを特徴とする、請求項１～４のいずれか１項に記載の生理状態指標算出システム。

【請求項6】

前記特徴量によって表される前記生体の生理状態は、前記周波数帯域の数、頭部測定部位数、及び前記特徴量の種類数に基づく多次元空間で表現されることを特徴とする、請求項１～５のいずれか１項に記載の生理状態指標算出システム。

【請求項7】

前記単峰性の分布は、正規分布で近似することを特徴とする、請求項１～５のいずれか１項に記載の生理状態指標算出システム。

【請求項8】

生体の脳血流に基づく生理状態指標を算出する生理状態指標算出方法であって、コンピュータが、
前記脳血流から得られた脳血流波形情報を、０．４～１．５ｍＨｚ（ＵＬＦ２）、１．５～４ｍＨｚ（ＵＬＦ１）、４～１５ｍＨｚ（ＶＬＦ２）、１５～４０ｍＨｚ（ＶＬＦ１）、０．０４～０．１５Ｈｚ（ＬＦ）、０．１５～０．４Ｈｚ（ＨＦ）、０．４～１．５Ｈｚ（δ１波）、１．５～４Ｈｚ（δ２波）、４～８Ｈｚ（θ波）、８～１３Ｈｚ（α波）、１３～３０Ｈｚ（β波）、３０Ｈｚ～（γ波）の帯域のうちの少なくとも１つの周波数帯域でフィルタリングし、
フィルタリングされた前記脳血流波形情報を、前記少なくとも１つの周波数帯域について複素数化し、
瞬時振幅に相当する、前記複素数化された脳血流波形情報を表す振動波形式の対数の実数部を、生理的に定常状態とみなせる期間で集計して、前記瞬時振幅の確率密度分布を算出し、
算出された前記瞬時振幅の前記確率密度分布を単峰性の分布で近似し、
近似された前記瞬時振幅の前記単峰性の分布の平均値及び分散値の少なくとも一方を、前記生理状態指標に相当する特徴量として算出する、
生理状態指標算出方法。

【請求項9】

生体の脳血流に基づく生理状態指標を算出する生理状態指標算出方法であって、コンピュータが、
前記脳血流から得られた脳血流波形情報を、０．４～１．５ｍＨｚ（ＵＬＦ２）、１．５～４ｍＨｚ（ＵＬＦ１）、４～１５ｍＨｚ（ＶＬＦ２）、１５～４０ｍＨｚ（ＶＬＦ１）、０．０４～０．１５Ｈｚ（ＬＦ）、０．１５～０．４Ｈｚ（ＨＦ）、０．４～１．５Ｈｚ（δ１波）、１．５～４Ｈｚ（δ２波）、４～８Ｈｚ（θ波）、８～１３Ｈｚ（α波）、１３～３０Ｈｚ（β波）、３０Ｈｚ～（γ波）の帯域のうちの少なくとも１つの周波数帯域でフィルタリングし、
フィルタリングされた前記脳血流波形情報を、前記少なくとも１つの周波数帯域について複素数化し、
前記複素数化された脳血流波形情報を表す振動波形式の対数の虚数部の時間微分値を求めることにより、瞬時周波数を算出し、
算出された前記瞬時周波数を、生理的に定常状態とみなせる期間で集計して、前記瞬時周波数の確率密度分布を算出し、
算出された前記瞬時周波数の確率密度分布を単峰性の分布で近似し、
近似された前記瞬時周波数の前記単峰性の分布の平均値及び分散値の少なくとも一方を、前記生理状態指標に相当する特徴量として算出する
生理状態指標算出方法。

【請求項10】

生体の脳血流に基づく生理状態指標を算出する生理状態指標算出プログラムであって、コンピュータに対し、
前記脳血流から得られた脳血流波形情報を、０．４～１．５ｍＨｚ（ＵＬＦ２）、１．５～４ｍＨｚ（ＵＬＦ１）、４～１５ｍＨｚ（ＶＬＦ２）、１５～４０ｍＨｚ（ＶＬＦ１）、０．０４～０．１５Ｈｚ（ＬＦ）、０．１５～０．４Ｈｚ（ＨＦ）、０．４～１．５Ｈｚ（δ１波）、１．５～４Ｈｚ（δ２波）、４～８Ｈｚ（θ波）、８～１３Ｈｚ（α波）、１３～３０Ｈｚ（β波）、３０Ｈｚ～（γ波）の帯域のうちの少なくとも１つの周波数帯域でフィルタリングさせ、
フィルタリングされた前記脳血流波形情報を、前記少なくとも１つの周波数帯域について複素数化させ、
瞬時振幅に相当する、前記複素数化された脳血流波形情報を表す振動波形式の対数の実数部を、生理的に定常状態とみなせる期間で集計させて、前記瞬時振幅の確率密度分布を算出させ、
算出された前記瞬時振幅の前記確率密度分布を単峰性の分布で近似させ、
近似された前記瞬時振幅の前記単峰性の分布の平均値及び分散値の少なくとも一方を、前記生理状態指標に相当する特徴量として算出させる、
生理状態指標算出プログラム。

【請求項11】

生体の脳血流に基づく生理状態指標を算出する生理状態指標算出プログラムであって、コンピュータに対し、
前記脳血流から得られた脳血流波形情報を、０．４～１．５ｍＨｚ（ＵＬＦ２）、１．５～４ｍＨｚ（ＵＬＦ１）、４～１５ｍＨｚ（ＶＬＦ２）、１５～４０ｍＨｚ（ＶＬＦ１）、０．０４～０．１５Ｈｚ（ＬＦ）、０．１５～０．４Ｈｚ（ＨＦ）、０．４～１．５Ｈｚ（δ１波）、１．５～４Ｈｚ（δ２波）、４～８Ｈｚ（θ波）、８～１３Ｈｚ（α波）、１３～３０Ｈｚ（β波）、３０Ｈｚ～（γ波）の帯域のうちの少なくとも１つの周波数帯域でフィルタリングさせ、
フィルタリングされた前記脳血流波形情報を、前記少なくとも１つの周波数帯域について複素数化させ、
前記複素数化された脳血流波形情報を表す振動波形式の対数の虚数部の時間微分値を求めさせることにより、瞬時周波数を算出させ、
算出された前記瞬時周波数を、生理的に定常状態とみなせる期間で集計させて、前記瞬時周波数の確率密度分布を算出させ、
算出された前記瞬時周波数の確率密度分布を単峰性の分布で近似させ、
近似された前記瞬時周波数の前記単峰性の分布の平均値及び分散値の少なくとも一方を、前記生理状態指標に相当する特徴量として算出させる
生理状態指標算出プログラム。

【発明の詳細な説明】

【技術分野】

【0001】

本発明は、生体の生理状態指標を算出するための生理状態指標算出システム、生理状態指標算出方法及び生理状態指標算出プログラムに関する。

【背景技術】

【0002】

従来、生体の生理状態指標を算出するための種々の技術が提案されている。このような技術の一例として、特許文献１が開示する病状判定装置は、異なる負荷に基づく２種類の血流情報の分離度と、脳血流のヘモグロビン濃度変化の振幅と、脳血流のヘモグロビン濃度変化の位相とに基づいて、被験者の病状を判定する。

【先行技術文献】

【特許文献】

【0003】

【文献】国際公開第２０１８／０５６１３７号

【発明の概要】

【発明が解決しようとする課題】

【0004】

しかしながら、特許文献１が開示する病状判定装置は、２種類の負荷課題を被験者に与えて測定した脳血流量の変化から、そのまま振幅と位相を検出して統計的に処理し、脳血流量の変化の大小に基づいて病状を判定するため、被験者の微妙な生理状態の変化を捉えることができないという問題があった。

【0005】

本発明は、このような問題を解決するためのものであり、生体の生理状態の微妙な変化を捉えることが可能な生理状態指標算出システム、生理状態指標算出方法及び生理状態指標算出プログラム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】

【0006】

本発明の一態様に係る生体の生理状態指標を算出する生理状態指標算出システムは、
時系列データである生体の脳血流を脳の少なくとも１箇所において計測し、血流量波形情報を生成する波形情報生成部と、
血流量波形情報を、少なくとも１つの周波数帯域でフィルタリングするバンドパスフィルタと、フィルタリングされた血流量波形情報を複素数化する演算部を有する。

【0007】

演算部は、少なくとも１つの周波数帯域について一つの振動子とみなして複素数化された血流量波形情報の対数値を求め、その実数部は瞬時振幅、その虚数部は瞬時位相とし、その時間微分値を瞬時周波数とする。

【0008】

さらに、演算部は、生理的に定常状態とみなせる期間で瞬時振幅を集計して確率分布を算出する。その分布は単峰性の分布、例えばガウシアン様の分布になり、同じく瞬時周波数を集計して確率分布を算出すると単峰性の分布、例えばガウシアン様の分布になる。

【0009】

最後に、演算部は、瞬時振幅及び瞬時周波数の単峰性の分布形状から平均値と分散などをフィッティングによって算出する。それらは生理状態を表す特徴量となる。

【0010】

以上の方法によって周波数帯域数×脳血流測定部位数×４（振幅２＋周波数２）個の数理的独立な特徴量が得られ、生理状態を多次元データ空間として扱うことができる。生理学的な実験にこの手法を使って解析を行うとこれまでの生理指標では判別できなかった微妙な生理状態の変化を統計的に判別が可能となる。

【0011】

バンドパスフィルタを行う周波数帯域は、浜松ホトニクス製ｔＮＩＲＳ－１非侵襲脳酸素モニタＣ１２７０７（サンプリング周波数０．２Ｈｚ）の場合、４～１５ｍＨｚ（ＶＬＦ２）、１５～４０ｍＨｚ（ＶＬＦ１）、及び０．０４～０．１５Ｈｚ（ＬＦ）の帯域で生理的特徴量を算出できる。

【0012】

さらに、浜松ホトニクス製ＮＩＲＯ－２００ＮＸの場合、脳血流の測定精度は劣るがサンプリング周波数は２０Ｈｚであるため、０．４～４ｍＨｚ（ＶＬＦ２）、０．１５～０．４Ｈｚ（ＶＬＦ１）、０．０４～０．１５Ｈｚ（ＬＦ）、０．１５～０．4Ｈｚ（ＨＦ）、０．４～１．５Ｈｚ（δ１）、１．５～４Ｈｚ（δ２）、及び４～８Ｈｚ（θ）の帯域が可能である。サンプリング周波数が高い装置を使用すれば脳波のα波以上の生理的特徴量を算出できる。

【発明の効果】

【0013】

本発明により、生体の生理状態の微妙な変化を捉えることが可能な生理状態指標算出システム、生理状態指標算出方法及び生理状態指標算出プログラムを提供することができる。より詳細には、複素数化部によって複素数化された脳血流波形情報は、生体の生理状態を脳血流の各帯域波形の瞬時振幅と瞬時周波数の分布形状を特徴量として表現するため、生体の生理状態の微妙な変化を捉えることができる。

【図面の簡単な説明】

【0014】

【図1】非被験者の前頭葉の血流の測定データをＦＦＴ分析した結果を示す図である。

【図2】本発明の一態様に係るアルゴリズムを示す図である。

【図3】被験者の左右前頭葉の血流内のヘモグロビン濃度の一例を示す図である。

【図4】被験者の左前頭葉の各周波数帯域についての瞬時振幅ａ_１ｋ分布密度の一例を示す図である。

【図5】被験者の左前頭葉の各周波数帯域についての瞬時周波数ω_１ｋの分布密度の一例を示す図である。

【図6】被験者の右前頭葉の各周波数帯域についての瞬時振幅ａ_２ｋ分布密度の一例を示す図である。

【図7】被験者の右前頭葉の各周波数帯域についての瞬時周波数ω_２ｋの分布密度の一例を示す図である。

【図8】被験者に対して実施した疲労実験のプロトコルを示す図である。

【図9】本発明の一態様に係る特徴量の分散分析の結果を示す図である。

【図10】本発明の一態様に係る特徴量ｍｗ１のＱＱプロットと箱ひげ図を示す。

【図11】本発明の一態様に係る特徴量ｓｗ１のＱＱプロットと箱ひげ図を示す。

【図12】本発明の一態様に係る特徴量ｓｗｆ１のＱＱプロットと箱ひげ図を示す。

【図13】本発明の一態様に係る特徴量ｍｗ２のＱＱプロットと箱ひげ図を示す。

【図14】ステップワイズによる重回帰分析の結果を示す図である。

【図15】目的変数（主観指標及び行動指標）と説明変数（生理指標の特徴量）との相関関係を示す図である。

【図16】ＶＡＳ（疲労感）と特徴量ｓｗｆ１の相関及び回帰係数を示す図である。

【図17】ｐｌｅａｓａｎｔ（心地良さ）と特徴量ｓｗ１の相関及び回帰係数を示す図である。

【図18】ｒｅｌａｘ＿（リラックス逆）と特徴量ｓｗ１の相関及び回帰係数を示す図である。

【図19】ｆａｔｉｇｕｅ（倦怠）と特徴量ｓｗｆ１の相関及び回帰係数を示す図である。

【図20】ａｎｘｉｅｔｙ（不安）と特徴量ｓｗ１の相関及び回帰係数を示す図である。

【図21】ｓｔｒｅｓｓ（ストレス）と特徴量ｍｗ１の相関及び回帰係数を示す図である。

【図22】ｒｅｓ＿ｍ（ＰＶＴの反応時間の平均）と特徴量ｍｗ１の相関及び回帰係数を示す図である。

【図23】ｒｅｓ＿ｓ（ＰＶＴの反応時間の標準偏差）と特徴量ｍｗ１の相関及び回帰係数を示す図である。

【図24】本発明の一態様に係る生理状態指標算出システムの一例を示す図である。

【図25】本発明の一態様に係る生理状態指標算出プログラムの一例を示す図である。

【図26】本発明の一態様に係る生理状態指標算出システムにおいて実行される処理の一例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】

【0015】

脳血流データのＦＦＴ（Fast Fourier Transform）解析
以下、図面を参照して、本発明の一態様について説明する。図１は、非侵襲脳酸素モニタ（浜松ホトニクス製ｔＮＩＲＳ－１）を用いて、被験者の前頭葉の血流を測定し、その測定データをＦＦＴ分析した結果を示す図である。なお、このときのサンプリング周波数は０．２Ｈｚであり、測定時間は６０分である。

【0016】

図１に示す「Ｏ_２Ｈｂ＋ＨＨｂ」は、酸素化ヘモグロビンの濃度と脱酸素化ヘモグロビンの濃度の和を示しており、総ヘモグロビン濃度に相当する。総ヘモグロビン濃度は、被験者の前頭葉の動脈を流れる血流量に比例する。本図から、総ヘモグロビン濃度（Ｏ_２Ｈｂ＋ＨＨｂ）の周波数スペクトルが１／ｆラインに乗っていることが分かる。

【0017】

脳血流データのａｋ－ωｋ分析法の提案
本発明の一態様では、非侵襲脳酸素モニタによる脳血流内の総ヘモグロビン量の測定データのａｋ－ωｋ分析法を提案する。本発明の一態様では、図２に示すように、被験者の測定された左前頭葉の脳血流内の総ヘモグロビン量φ１（ｔ）及び右前頭葉の脳血流内の総ヘモグロビン量φ２（ｔ）を表す波形情報に対して、既定の周波数帯域でバンドパスフィルタ処理を行う。既定の周波数帯域には、例えば、ＬＦ（Low Frequency）［０．０４：０．１５］Ｈｚ（血圧性変動）、ＶＬＦ（Very Low Frequency）１［１５：４０］ｍＨｚ（第１の自律神経性変動）、ＶＬＦ２［４：１５］ｍＨｚ（第２の自律神経性変動）等が含まれる。ＬＦは血圧性変動に関連し、ＶＬＦ１及びＶＬＦ２は自律神経性変動に関連する。

【0018】

次いで、それぞれの周波数帯域の波形情報について複素数化を行う。本実施形態では、複素数化手法としてヒルベルト変換を採用する。各周波数帯域の波形情報を複素数化することにより、下記数式１及び３に示す振動波形式が得られる。ｋは、ｋ＝１（ＶＬＦ２），ｋ＝２（ＶＬＦ１），ｋ＝３（ＬＦ）のように、各周波数帯域を表す。数式１及び２は、左脳に関する数式である。数式１が示す振動波形式の対数の実数部ａ_１ｋ（ｔ）は瞬時振幅を表し、虚数部ψ_１ｋ（ｔ）は瞬時位相を表す。数式２が示すω_１ｋ（ｔ）は、瞬時周波数を表し、当該瞬時位相の時間微分に相当する。数式３及び４は、右脳に関する数式である。数式３が示す振動波形式の対数の実数部ａ_２ｋ（ｔ）は瞬時振幅を表し、虚数部ψ_２ｋ（ｔ）は瞬時位相を表す。数式４が示すω_２ｋ（ｔ）は、瞬時周波数を表し、当該瞬時位相の時間微分に相当する。

【数1】

【数2】

【数3】

【数4】

【0019】

ここで、数式１及び２は左前頭葉の脳血流、数式３及び４は右前頭葉の脳血流を示しているが、多チャネルの非侵襲脳酸素モニタを使って、前頭葉以外の側頭葉、頭頂葉、後頭葉の脳血流を同時に計測して、同様の分析を行うことができる。

【0020】

総ヘモグロビン波形データ処理方法
図３は、生理的に定常状態とみなせる期間（以下、「生理的定常期間とする」。）における被験者の左右前頭葉の血流内のヘモグロビン濃度を示す図である。図３に示す例では、生理的定常期間として７分を採用した。図３では、被検者の左右前頭葉の脳血流を計測し、第一の脳血流情報（血流内の酸素化へモグロビン濃度：Ｏ_２Ｈｂ）、第二の脳血流情報（脱酸素化ヘモグロビン濃度：ＨＨｂ）、及びそれらの合計の総ヘモグロビン濃度（Ｏ_２Ｈｂ＋ＨＨｂ）がそれぞれ示されている。

【0021】

これらの酸素化ヘモグロビン濃度と脱酸素化ヘモグロビン濃度の合計のデータに基づいて上記数式１～数式４を導出し、数式１～数式４が示す時系列データを生理的に定常状態とみなせる期間で集計して分布密度を算出した結果、図４～７に示す結果が得られた。ここで、酸素化ヘモグロビン濃度又は脱酸素化ヘモグロビン濃度のいずれか一方のデータに基づいて、上記数式１～数式４を導出してもよい。図４は、被験者の左前頭葉の周波数帯域（ＬＦ，ＶＬＦ１，ＶＬＦ２）における瞬時振幅ａ_１ｋの分布密度（対数正規分布）を示す図である。図５は、被験者の左前頭葉の周波数帯域（ＬＦ，ＶＬＦ１，ＶＬＦ２）の瞬時周波数ω_１ｋの分布密度（正規分布）を示す図である。図６は、被験者の右前頭葉の周波数帯域（ＬＦ，ＶＬＦ１，ＶＬＦ２）における瞬時振幅ａ_２ｋの分布密度（対数正規分布）を示す図である。図７は、被験者の右前頭葉の周波数帯域（ＬＦ，ＶＬＦ１，ＶＬＦ２）の瞬時周波数ω_２ｋの分布密度（正規分布）を示す図である。図４～７に示す通り、数式１～数式４が示す時系列データの分布密度は、ガウシアン分布で近似できる。

【0022】

瞬時振幅ａ_１ｋ，瞬時振幅ａ_２ｋ，瞬時周波数ω_１ｋ，瞬時周波数ω_２ｋの分布密度を正規分布でフィッティング（図中の実線）して、その分布の平均と標準偏差を求めると、上記測定期間における被験者の生理的安定状態を表す特徴量を得ることができる。

【0023】

なお、本実験で用いた非侵襲脳酸素モニタよりもサンプリング周波数の上限が高い非侵襲脳酸素モニタ、例えば浜松ホトニクス製ＮＩＲＯ－２００ＮＸ（サンプリング周波数２０Ｈｚ）を用いることにより、本実験で用いた非侵襲脳酸素モニタよりも測定精度は劣るが、ＨＦ（High Frequency）［０．１５：０．４］Ｈｚ帯域、δ［０．４：１．５］Ｈｚ、θ［１．５：４］Ｈｚ、α［４：１３］Ｈｚ帯域も分析することができる。さらに、サンプリング周波数が高い装置を使用すれば、α波以上の生理的特徴量を算出できる。

【0024】

さらに、生理的定常状態を長時間（例えば数十分）保持して、脳血流を測定することができれば、ＶＬＦ帯域よりさらに低い周波数のＵＬＦ帯域（［０．４：１．５］ｍＨｚ、［１．５：４］ｍＨｚ）も分析の対象とすることができ、免疫系等のより長い周期の生体状態を表す指標を導出できる可能性がある。

【0025】

上記説明は、瞬時振幅ａ_ｉｋと瞬時周波数ω_ｉｋ、（ｉ＝１，２，…）が生理的に定常状態とみなせる場合に、その分布を近似する確率密度分布関数が正規分布であるときを考えたが、その分布は、正規分布に限定するものではない。他の単峰性分布、例えばガンマ分布、ローレンツ分布などで近似してもよい。正規分布以外の単峰性の分布に近似する場合は標準偏差の代わりに、分散値または半値幅などの形状パラメータを用い得る。

【0026】

上記の説明で一つの脳血流データをバンドパスフィルタして複素数化した振動波形を、一つの振動子とみなして特徴量を抽出するが、時には複数の振動子の重ね合わせとして多峰性の分布になっている場合がある。その場合は次の二つの場合が考えられる。分布を集計している期間中に生理状態が変化した場合と、測定部位の脳内動脈の下流に複数の振動子がある場合である。前者の場合は、分布を集計する時間間隔を区切って単峰性の分布になるようにする。後者の場合は、バンドパスフィルタする帯域幅を分割するか、もしくは、測定部位を脳内動脈の下流部位に移動させて、一つの振動子として単峰性の分布になるようにしなければならない。

【0027】

疲労実験における脳血流データの分析
＜実験方法＞
図８は、１０名の被験者に対して実施した疲労実験のプロトコルを示す図である。被験者の疲労状態を評価するため、心理指標として、疲労及び覚醒主観評価ＲＡＳ（Roken Arousal Scale）、一過性ストレス主観評価ＰＳＳ（Perceived Stress Scale）等の主観評価を実施した。また、行動指標として、反応時間検査ＰＶＴ（Psychomotor Vigilance Task）を疲労課題の前後に実施した。具体的には、４桁のデジタルカウンタが２～１０秒のランダムな間隔で動き出し、手元のボタンを押してカウンタの動きを止めるまでの反応時間を測定した。さらに、疲労課題としてＮバック課題（３バック２０分）を行った。さらに、生理指標として、安静１及び安静２の測定において脳血流に基づく脳活動を測定し、生化学系を唾液中バイオマーカにより計測した。

【0028】

＜被験者＞
被験者は、健康な成人男性１０名であり、その年齢は２０～４４歳で、平均年齢は２８．５歳であった。

【0029】

＜実験デザイン＞
日常の疲労感に対する客観的な指標探索を目的として、疲労負荷課題前後の前頭葉の脳活動及び自律神経活動と、主観評価の疲労感等及び行動指標の課題成績との関連について検討した。本実験では、２部屋の会議室を使用し、各部屋で男性２名又は女性２名が実験を行った。各被験者は１４：００～１５：３０又は１５：３０～１７：００のいずれかの時間帯に実験に参加した。各種電極と脳血流を測定する非侵襲脳酸素モニタ（浜松ホトニクス製ｔＮＩＲＳ－１、以下、「ＮＩＲＳ」とする。）を各被験者が装着した状態で５分間の座位安静測定（安静１）を実施し、ＮＩＲＳを装着していない状態で１０分間の座位安静測定（安静１）を実施した。次いで、後述する作業課題を計３０分実施した後、７分間の座位安静測定（安静２）を行った。作業課題から７分間の安静２が終了する迄、ＮＩＲＳ装置のセンサを、被験者男性１０人の左右の前頭部に装着した状態で左右の脳血流を測定した。実験環境は、会議室のエアコン設定により、室温が２５℃±１℃になるように調整した。

【0030】

＜作業課題と行動指標＞
精神疲労負荷課題として、現在呈示されている刺激がｎ回前の刺激と同じかどうかを答えるワーキングメモリ課題であるｎバック課題を使用し、被験者に対し、３バック課題を２０分間（約２６０問）行った。３バック課題の直前と直後に、５分間のＰＶＴを行った。ＰＶＴは、３バック課題前の１回目のＰＶＴと、３バック課題後の２回目のＰＶＴの成績を比較した。

【0031】

＜主観評価＞
主観評価として、安静１の前後及び安静２の後に、ＶＡＳ（Visual Analog Scale）による疲労感、アフェクトグリッド法による快／不快及び覚醒／眠気を評価した。また、疲労及びストレスに関連する気分状態について、ＲＡＳ及びＰＳＳを用いて評価した。

【0032】

＜非侵襲脳酸素モニタによる脳血流測定とａｋ－ωｋ分析と分散分析＞
安静１（５分）、作業課題及び安静２（７分）において脳血流を測定した男性１０名の、安静１（５分）と安静２（１～６分）のそれぞれ５分間（開始５分間）の脳血流内の総へモブロビンの時系列データについて、図２に示すフローでデータ処理を行い、瞬時振幅ａ_１ｋ、瞬時周波数ω_１ｋ、瞬時振幅ａ_２ｋ、及び瞬時周波数ω_２ｋの分布密度を計算し、これらの分布密度を正規分布でフィッティングした。これにより、２（ａｋ，ωｋ）×２（左脳及び右脳）×３（ＬＦ，ＶＬＦ１，ＶＬＦ２）×２（平均μ，標準偏差σ）の２４個の特徴量が得られた。

【0033】

これらの特徴量をｒｉ（r１：安静１、r２：安静２）、ｉｄ（１０名の被験者）の水準を使って分散分析（ｒｉ水準の一元分散分析及びｒｉ＋ｉｄ水準の二元分散分析）を行うと、図９の結果が得られた。２４個の特徴量のうち、作業課題（ＰＶＴ５分＋３－Ｂａｃｋ２０分＋ＰＶＴ５分）によって９５％有意となった特徴量が３つ（ｍｗ１，ｓｗ１，ｍｗ２）、９０％有意となった特徴量（ｓｗｆ１）が１つ抽出できた。

【0034】

ここで、特徴量ｍｗ１は、被験者の左脳前頭葉の総ヘモグロビンから導出されたＶＬＦ２の複素数波形式の瞬時振幅ａ_１ｋの値の平均μを表す特徴量である。特徴量ｓｗ１は、被験者の左脳前頭葉の総ヘモグロビンから導出されたＶＬＦ２の複素数波形式の瞬時振幅ａ_１ｋの値の標準偏差σを表す特徴量である。特徴量ｍｗ２は、被験者の右脳前頭葉の総ヘモグロビンから導出されたＶＬＦ２の複素数波形式の瞬時振幅ａ_２ｋの値の平均μを表す特徴量である。特徴量ｓｗｆ１は、被験者の左脳前頭葉の総ヘモグロビンから導出されたＶＬＦ２の複素数波形式の瞬時位相ψ_１ｋの時間微分値である瞬時周波数ω_１ｋの値の標準偏差σを表す特徴量である。

【0035】

図９に示す「ｍ」は分布の平均μを表す。「ｓ」は分布の標準偏差σを表す。「ｌ」はＬＦ帯域の振幅を表す。「ｌｆ」はＬＦ帯域の周波数を表す。「ｖ」はＶＬＦ１帯域の振幅を表す。「ｖｆ」はＶＬＦ１帯域の周波数を表す。「ｗ」はＶＬＦ２帯域の振幅を表す。「ｗｆ」はＶＬＦ２帯域の周波数を表す。「１」は左脳を表し、「２」は右脳を表す。

【0036】

疲労課題前後における一元分散分析を図１０～図１３に示す。図１０は、安静１及び安静２における特徴量ｍｗ１のＱＱプロットと箱ひげ図を示す。図１１は、安静１及び安静２における特徴量ｓｗ１のＱＱプロットと箱ひげ図を示す。図１２は、安静１及び安静２における特徴量ｓｗｆ１のＱＱプロットと箱ひげ図を示す。図１３は、安静１及び安静２における特徴量ｍｗ２のＱＱプロットと箱ひげ図を示す。

【0037】

＜主観評価（ＲＡＳ，ＰＳＳ，ＶＡＳ）及び行動指標（ＰＶＴ）とａｋ－ωｋ分析法の特徴量との重回帰分析＞
分散分析によって有意となった生理指標である４つの特徴量（ｍｗ１，ｓｗ１，ｓｗｆ１，ｍｗ２）を説明変数とし、主観指標（ＲＡＳ，ＰＳＳ，ＶＡＳ、アフェクトグリッド（快／不快及び覚醒／眠気））及び行動指標（ＰＶＴ）を目的変数として、重回帰分析を行った。

【0038】

個体における主観指標、行動指標、及び生理指標の特徴量（ｍｗ１，ｓｗ１，ｓｗｆ１，ｍｗ２）のばらつきを低減するため、主観指標、行動指標及び生理指標の特徴量について、作業課題前後の差分をとり、ステップワイズによる重回帰分析を行った。ここで、ステップワイズによる重回帰でp値が１０％を超えた説明変数を除き、ｐ値が１０％以下の説明変数のみを残す作業を行った。図１４は、ステップワイズによる重回帰分析の結果を示す。図１５は、目的変数（主観指標及び行動指標）と説明変数（生理指標の特徴量）との相関関係を示す。

【0039】

ここで、ＶＡＳは、０～１００の数値で表される疲労の強度を示す指標である。ｐｌｅａｓａｎｔ（心地良さ）及びａｒｏｕｓａｌ（覚醒）は、アフェクトグリッドに基づく数値で表される指標である。ｓｌｅｅｐｙ（眠気）、ａｃｔｉｖｅ＿（活動的の逆）、ｒｅｌａｘ＿（リラックス逆）、ｓｔｒａｉｎＲ（緊張）、ｃｏｎｃｅｎｔｒａｔｅ（集中状態）、ｍｏｔｉｖａｔｉｏｎ（やる気のある状態）は、ＲＡＳの回答結果に基づく指標である。ｆａｔｉｇｕｅ（倦怠）、Ｐｌｅｓａｎｔ＿Ｐ（不快）、ａｎｇｒｙ（怒り）、ａｎｘｉｅｔｙ（不安）、ｓｔｒｅｓｓ（ストレス状態）、ｓｔｒａｉｎＰ（緊張）は、ＰＳＳの回答結果に基づく指標である。ｒｅｓ＿ｍはＰＶＴの反応時間の平均を表し、ｒｅｓ＿ｓはＰＶＴの反応時間の標準偏差を表す。

【0040】

図１６～図２３は、各目的変数（主観指標及び行動指標）と説明変数（生理指標の特徴量）の相関及び回帰係数を示す。図１６は、ＶＡＳ（疲労感）と特徴量ｓｗｆ１の相関及び回帰係数を示す。図１７は、ｐｌｅａｓａｎｔ（心地良さ）と特徴量ｓｗ１の相関及び回帰係数を示す。図１８は、ｒｅｌａｘ＿（リラックス逆）と特徴量ｓｗ１の相関及び回帰係数を示す。図１９は、ｆａｔｉｇｕｅ（倦怠）と特徴量ｓｗｆ１の相関及び回帰係数を示す。図２０は、ａｎｘｉｅｔｙ（不安）と特徴量ｓｗ１の相関及び回帰係数を示す。図２１は、ｓｔｒｅｓｓ（ストレス）と特徴量ｍｗ１の相関及び回帰係数を示す。図２２は、ｒｅｓ＿ｍ（ＰＶＴの反応時間の平均）と特徴量ｍｗ１の相関及び回帰係数を示す。図２３は、ｒｅｓ＿ｓ（ＰＶＴの反応時間の標準偏差）と特徴量ｍｗ１の相関及び回帰係数を示す。

【0041】

図１５を参照すると、特徴量ｓｗｆ１（左額部分のＶＬＦ２帯域における周波数バラツキ）が、ＶＡＳ（疲労）、ｆａｔｉｇｕｅ（倦怠）、ａｎｘｉｅｔｙ（不安）及びｓｔｒｅｓｓ（ストレス）の増大と共に大きくなることが分かる。また、特徴量ｍｗ１（左額部分のＶＬＦ２帯域における周波数平均値）が、ＶＡＳ（疲労）、ｒｅｌａｘ＿（リラックス逆）、ｓｔｒｅｓｓ（ストレス）の増大と共に大きくなり、Ｐｌｅａｓａｎｔ（心地良さ）の減少と共に大きくなることが分かる。ここで、ｒｅｓ＿ｍ（ＰＶＴ反応時間平均）及びｒｅｓ＿ｓ（ＰＶＴ反応時間標準偏差）が減少すると共に、特徴量ｍｗ１が増大するのは、疲労効果としては逆の傾向のように思われるが、真剣にＰＶＴ課題に取り組んだ人は、反応時間が早くなるが、その結果疲労し、適当に取り組んだ人は、反応時間は遅くなるが、疲労しないと解釈することができる。このようにａｋ－ωｋ分析を行うことにより、疲労の増加が、特徴量ｓｗｆ１及び特徴量ｍｗ１の増加として現れることが判った。

【0042】

図２４は、本発明の一態様に係る生理状態指標算出システム１の一例を示す。生理状態指標算出システム１は、情報処理装置１０と、脳酸素モニタ２０とを含む。情報処理装置１０の具体例としては、ＰＣ（Personal Computer）、サーバ、ラズベリーパイ、スマートフォン、ウェアラブル端末、タブレット端末等が挙げられる。これらの装置は、コンピュータに相当する。

【0043】

脳酸素モニタ２０の具体例としては、上述したｔＮＩＲＳ－１、ＮＩＲＯ－２００ＮＸ等が挙げられる。なお、情報処理装置１０が有する機能を脳酸素モニタ２０に実装し、生理状態指標算出システム１を１つの装置として構成してもよい。

【0044】

情報処理装置１０は、演算装置１１と、通信インタフェース（Ｉ／Ｆ）１２と、記憶装置１３と、表示装置１４とを備える。

【0045】

演算装置１１は、情報処理装置１０の全体制御を行う装置である。演算装置１１の具体例としては、ＣＰＵ（Central Processing Unit）、ＭＰＵ（Micro Processing Unit）、ＥＣＵ（Electronic Control Unit）等が挙げられる。演算装置１１も、コンピュータに相当する。

【0046】

演算装置１１は、生理状態指標算出プログラム１００と、登録部１１０と、出力部１２０とを実行する。演算装置１１は、生理状態指標算出プログラムを実行することにより、生理状態指標算出方法を実現する。生理状態指標算出プログラム１００の詳細については後述する。

【0047】

登録部１１０は、生理状態指標算出プログラム１００が算出した生理状態指標を記憶装置１３のデータベースに登録するプログラムである。登録部１１０は、外部の装置に構築されたデータベースに生理状態指標を登録してもよい。

【0048】

出力部１２０は、生理状態指標算出プログラム１００が算出した生理状態指標を出力するプログラムである。出力部１２０は、生理状態指標を表示装置１４に出力して、表示装置１４に生理状態指標を表示させることができる。また、出力部１２０は、通信インタフェース１２を介して、外部の装置に生理状態指標を出力することができる。

【0049】

なお、ＦＰＧＡ（Field-Programmable Gate Array）やＡＳＩＣ（Application Specific Integrated Circuit）等の半導体装置が、生理状態指標算出プログラムを実行してもよい。これらの半導体装置もコンピュータに相当する。

【0050】

通信インタフェース（Ｉ／Ｆ）１２は、外部装置と相互にデータを通信する装置である。通信インタフェース（Ｉ／Ｆ）１２は、脳酸素モニタ２０から脳血流情報を取得する。通信インタフェース（Ｉ／Ｆ）１２は、専用線を介して接続された脳酸素モニタ２０から脳血流情報を取得することができる。また、通信インタフェース（Ｉ／Ｆ）１２は、ＬＡＮ（Local Area Network）及び／又はＷＡＮ（Wide Area Network）で構成可能なネットワークを介して、脳酸素モニタ２０から脳血流情報を取得してもよい。

【0051】

表示装置１４は、演算装置１１が算出した生理状態指標等の種々の情報を表示する装置である。記憶装置１３は、生理状態指標算出プログラム等の種々の情報が保存される記憶装置である。

【0052】

図２５は、生理状態指標算出プログラム１００の一例を示す図である。生理状態指標算出プログラム１００は、時系列データである生体の左脳の血流量を表す脳血流情報及び生体の右脳の血流量を表す脳血流情報の少なくとも一方を用いて、脳血流波形情報を生成する。次いで、生理状態指標算出プログラム１００は、脳血流波形情報を、少なくとも１つの周波数帯域でフィルタリングする。

【0053】

生理状態指標算出プログラム１００は、複素化された波形情報の対数を算出し、その実数部を瞬時振幅とし、その虚数部を瞬時位相、その瞬時位相の時間微分値を瞬時周波数として、生理的に安静状態とみなせる期間で集計する。それらの分布を算出すると、ガウシアン様に分布する。生理状態指標算出プログラム１００は、それらを正規分布と近似して平均値μ及び標準偏差σを、生体の生理状態指標として算出する。具体的には、生理状態指標算出プログラム１００は、上記既定の周波数帯域について、数式（１）～（４）に従って左右脳血流波形情報おける複素数式の瞬時振幅ａ_ｉｋ（ｔ）と瞬時周波数ω_ｉｋ（ｔ）（ｉ＝１，２）を算出し、生理的に定常状態とみなせる期間で集計し確率密度分布を算出し、正規分布でフィッティングして平均値と標準偏差をそれぞれの帯域毎に算出する。

【0054】

生理状態指標算出プログラム１００は、波形情報生成部１０１と、バンドパスフィルタ１０２と、複素数化部１０３と、第１の分布算出部１０４と、瞬時周波数算出部１０５と、第１の特徴量算出部１０６と、第２の分布算出部１０７と、第２の特徴量算出部１０８とを含む。

【0055】

波形情報生成部１０１は、時系列データである生体の左脳の血流量を表す脳血流情報及び生体の右脳の血流量を表す脳血流情報の少なくとも一方を用いて、脳血流波形情報を生成するプログラムである。脳血流情報は、身体の１以上の部位の血流を測定して得られる。脳血流情報の具体例として、生体の脳内の血流量を反映する脳内血液中の総ヘモグロビンの濃度、酸素化ヘモグロビン濃度、脱酸素ヘモグロビン濃度が挙げられる。対象の脳領域は、実施例では左右の前頭葉であるが、生体の生理状態を反映し得る他の脳の領域、例えば、側頭葉や後頭葉を対象としてもよい。また、内頸動脈等の脳内に流入する動脈を測定することにより脳血流情報を得ることができる。

【0056】

バンドパスフィルタ１０２は、波形情報生成部１０１が生成した脳血流波形情報を、少なくとも１つの周波数帯域でフィルタリングするプログラムである。具体的には、バンドパスフィルタ１０２は、変換された脳血流波形情報を、少なくとも１つの振動子とみなせる周波数帯域で分割する。この周波数帯域には、例えば、４～１５ｍＨｚ（ＶＬＦ２）、１５～４０ｍＨｚ（ＶＬＦ１）、及び０．０４～０．１５Ｈｚ（ＬＦ）の帯域の少なくとも１つが含まれる。また、周波数帯域は、０．４～１．５ｍＨｚ（ＵＨＦ２）、１．５～４ｍＨｚ（ＵＨＦ１）、０．１５～０．４Ｈｚ（ＨＦ）、０．４～１．５Ｈｚ（δ１波）、１．５～４Ｈｚ（δ２波）、及び４～８Ｈｚ（θ波）、８～１３Ｈｚ（α波）、１３～３０Ｈｚ（β波）、３０Ｈｚ～（γ波）の帯域の少なくとも１つを含んでもよい。さらに、バンドパスフィルタ１０２は、上記周波数帯域において複数の振動子が確認されれば、これらの振動子に対応する複数の帯域に上記周波数帯域を分割してもよい。なお、上記周波数帯域の境界に該当する周波数は、いずれの帯域に含んでもよい。例えば、１５ｍＨｚは、ＶＬＦ１及びＶＬＦ２の一方に属することができる。

【0057】

脳血流波形情報は、血液の光学的特性に基づいて識別される第１の脳血流波形情報及び第２の脳血流波形情報を含む。バンドパスフィルタ１０２は、第１の脳血流波形情報及び第２の脳血流波形情報を加算した脳血流波形情報をフィルタリングすることができる。また、バンドパスフィルタ１０２は、第１の脳血流波形情報及び第２の脳血流波形情報の一方をフィルタリングすることができる。

【0058】

複素数化部１０３は、バンドパスフィルタ１０２によってフィルタリングされた脳血流波形情報を複素数化して、複素数化された脳血流波形情報を生成するプログラムである。具体的には、複素数化部１０３は、上記既定の周波数帯域について、複素数化された脳血流波形情報を算出する。複素数化部１０３は、複素数化手法として、例えば、ヒルベルト変換を採用することができる。なお、複素数化手法は、ヒルベルト変換に限られず、任意の複素数化手法を採用することができる。複素数化された脳血流波形情報は、生体の生理状態を反映する振動子である。

【0059】

第１の分布算出部１０４は、瞬時振幅に相当する、複素数化部１０３によって複素数化された脳血流波形情報を表す振動波形式の対数の実数部を、生理的定常期間で集計して、瞬時振幅の確率密度分布を算出するプログラムである。具体的には、第１の分布算出部１０４は、数式１及び数式３が示す対数の実数部ａ_１ｋ（ｔ），ａ_２ｋ（ｔ）を、生理的定常期間で集計して、瞬時振幅の確率密度分布を算出する。分布データは、通常、ガウシアン様に分布する。

【0060】

瞬時周波数算出部１０５は、複素数化部１０３によって複素数化された脳血流波形情報を表す振動波形式の対数の虚数部の時間微分値を求めることにより、瞬時周波数を算出するプログラムである。振動波形式の対数の虚数部は、瞬時位相を表す。具体的には、数式１及び数式３が示す対数の虚数部ψ_１ｋ（ｔ），ψ_２ｋ（ｔ）が瞬時位相を表す。瞬時周波数算出部１０５は、数式２及び数式４に従い、対数の虚数部ψ_１ｋ（ｔ），ψ_２ｋ（ｔ）の時間微分値を求めることにより、瞬時周波数を算出する。時間微分値の算出には、瞬時周波数として用いることができる。

【0061】

第２の分布算出部１０７は、瞬時周波数算出部１０５によって算出された瞬時周波数を、生理的定常期間で集計して、瞬時周波数の確率密度分布を算出するプログラムである。分布データは、通常、ガウシアン様に分布する。

【0062】

第１の特徴量算出部１０６は、第１の分布算出部１０４によって算出された瞬時振幅の確率密度分布を特定の分布で近似し、当該特定の分布の平均値μ及び標準偏差σの少なくとも一方を、特徴量として算出するプログラムである。特定の分布には、正規分布及びその他の分布、例えば、ガンマ分布、指数分布等が含まれる。第１の特徴量算出部１０６は、各周波数帯域について特徴量を算出する。第１の特徴量算出部１０６が算出した特徴量、すなわち、上記周波数帯域における左右の脳血流に基づく瞬時振幅の分布の平均値及び標準偏差は、生理状態指標となり得る。

【0063】

第２の特徴量算出部１０８は、第２の分布算出部１０７によって算出された瞬時周波数の確率密度分布を特定の分布で近似し、当該特定の分布の平均値μ及び標準偏差σの少なくとも一方を、特徴量として算出するプログラムである。特定の分布には、正規分布及びその他の分布、例えば、ガンマ分布、指数分布等が含まれる。第２の特徴量算出部１０８は、各周波数帯域について特徴量を算出する。第２の特徴量算出部１０８が算出した特徴量、すなわち、上記周波数帯域における左右の脳血流に基づく瞬時周波数の分布の平均値及び標準偏差は、生理状態指標となり得る。

【0064】

出力部１２０は、生理状態指標算出プログラム１００が算出した、上記周波数帯域で左右の脳血流の瞬時振幅の分布の平均値及び標準偏差と瞬時周波数の分布の平均値及び標準偏差を、生理状態指標として出力する。

【0065】

図２６は、本発明の一態様に係る生理状態指標算出システム１において実行される処理の一例を示すフローチャートである。

【0066】

ステップＳ１０１では、波形情報生成部１０１が、時系列データである生体の左脳の血流量を表す脳血流情報及び生体の右脳の血流量を表す脳血流情報を用いて、脳血流波形情報を生成する。

【0067】

ステップＳ１０２では、バンドパスフィルタ１０２が、上記既定の周波数帯域で脳血流波形情報をフィルタリングする。ステップＳ１０３では、複素数化部１０３が、フィルタリングされた脳血流波形情報を複素数化する。

【0068】

ステップＳ１０４では、第１の分布算出部１０４が、複素数化された脳血流波形情報を用いて、瞬時振幅の確率密度分布を算出する。ステップＳ１０５では、第１の特徴量算出部１０６が、瞬時振幅の確率密度分布に基づく特徴量を算出する。

【0069】

ステップＳ１０６では、瞬時周波数算出部１０５が、複素数化された脳血流波形情報を用いて、瞬時周波数を算出する。ステップＳ１０７では、第２の分布算出部１０７が、瞬時周波数を用いて、瞬時周波数の確率密度分布を算出する。ステップＳ１０８では、第２の特徴量算出部１０８が、瞬時周波数の確率密度分布に基づく特徴量を算出する。

【0070】

ステップＳ１０９では、登録部１１０が、上記処理で算出された生理状態指標をデータベースに登録する。具体的には、登録部１１０は、複素数化された脳血流波形情報、瞬時振幅の確率密度分布に基づく特徴量、及び、瞬時周波数の確率密度分布に基づく特徴量のうち少なくとも１つを、データベースに登録することができる。

【0071】

ステップＳ１１０では、出力部１２０が、上記処理で算出された生理状態指標を出力し、図２６の処理が終了する。具体的には、出力部１２０は、複素数化された脳血流波形情報、瞬時振幅の確率密度分布に基づく特徴量、及び、瞬時周波数の確率密度分布に基づく特徴量のうち少なくとも１つを、出力することができる。

【0072】

上述した実施形態では、波形情報生成部１０１が、測定部位毎に時系列データである生体の脳の血流量を表す血流量波形情報を生成する。次いで、バンドパスフィルタ１０２が、血流量波形情報を、少なくとも１つの周波数帯域でフィルタリングする。次いで、複素数化部１０３が、フィルタリングされた血流量波形情報を複素数化して、少なくとも１つの振動子とみなせる血流量波形情報を生成する。そして、分布算出部１０４，１０７が、少なくとも１つの振動子について、生理的に定常状態とみなせる期間の瞬時振幅と瞬時周波数の分布を集計し、特徴量算出部１０６，１０８が、それぞれの分布を正規分布でフィッティングして振幅と周波数の平均値と標準偏差を、生理状態を表す特徴量として算出する。そして出力部１２０が、算出した特徴量をデータベース化して外部へ出力する。

【0073】

上述した通り、生体の脳血流量情報から導出された特徴量を用いて、上述した実施形態のような生理学的な実験を行い、心理的アンケートと併せて統計学的処理することで、生体の生理状態の微妙な変化を捉えることができる。

【0074】

上述の例において、プログラムは、コンピュータに読み込まれた場合に、実施形態で説明された１又はそれ以上の機能をコンピュータに行わせるための命令群（又はソフトウェアコード）を含む。プログラムは、非一時的なコンピュータ可読媒体又は実体のある記憶媒体に格納されてもよい。限定ではなく例として、コンピュータ可読媒体又は実体のある記憶媒体は、random-access memory（RAM）、read-only memory（ROM）、フラッシュメモリ、solid-state drive（SSD）又はその他のメモリ技術、CD-ROM、digital versatile disk（DVD）、Blu-ray（登録商標）ディスク又はその他の光ディスクストレージ、磁気カセット、磁気テープ、磁気ディスクストレージ又はその他の磁気ストレージデバイスを含む。プログラムは、一時的なコンピュータ可読媒体又は通信媒体上で送信されてもよい。限定ではなく例として、一時的なコンピュータ可読媒体又は通信媒体は、電気的、光学的、音響的、又はその他の形式の伝搬信号を含む。

【0075】

本発明は、上述した実施形態に限られたものではなく、本発明の趣旨を逸脱しない範囲で適宜変更することが可能である。

【符号の説明】

【0076】

１ 生理状態指標算出システム
１０ 情報処理装置
１１ 演算装置
１２ 通信インタフェース
１３ 記憶装置
１４ 表示装置
２０ 脳酸素モニタ
１００ 生理状態指標算出プログラム
１０１ 波形情報生成部
１０２ バンドパスフィルタ
１０３ 複素数化部
１０４ 第１の分布算出部
１０５ 瞬時周波数算出部
１０６ 第１の特徴量算出部
１０７ 第２の分布算出部
１０８ 第２の特徴量算出部
１１０ 登録部
１２０ 出力部

【図1】

【図2】

【図3】

【図4】

【図5】

【図6】

【図7】

【図8】

【図9】

【図10】

【図11】

【図12】

【図13】

【図14】

【図15】

【図16】

【図17】

【図18】

【図19】

【図20】

【図21】

【図22】

【図23】

【図24】

【図25】

【図26】