WO2020157988A1 - 状態推定装置、状態推定方法、及びコンピュータ読み取り可能な記録媒体 - Google Patents

状態推定装置、状態推定方法、及びコンピュータ読み取り可能な記録媒体 Download PDF

Info

Publication number
WO2020157988A1
WO2020157988A1 PCT/JP2019/003750 JP2019003750W WO2020157988A1 WO 2020157988 A1 WO2020157988 A1 WO 2020157988A1 JP 2019003750 W JP2019003750 W JP 2019003750W WO 2020157988 A1 WO2020157988 A1 WO 2020157988A1
Authority
WO
WIPO (PCT)
Prior art keywords
pulse wave
state estimation
noise
filter
heart rate
Prior art date
Application number
PCT/JP2019/003750
Other languages
English (en)
French (fr)
Inventor
剛範 辻川
Original Assignee
日本電気株式会社
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 日本電気株式会社 filed Critical 日本電気株式会社
Priority to US17/427,228 priority Critical patent/US20220096016A1/en
Priority to JP2020569334A priority patent/JP7327417B2/ja
Priority to PCT/JP2019/003750 priority patent/WO2020157988A1/ja
Publication of WO2020157988A1 publication Critical patent/WO2020157988A1/ja

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
    • A61B5/02—Detecting, measuring or recording pulse, heart rate, blood pressure or blood flow; Combined pulse/heart-rate/blood pressure determination; Evaluating a cardiovascular condition not otherwise provided for, e.g. using combinations of techniques provided for in this group with electrocardiography or electroauscultation; Heart catheters for measuring blood pressure
    • A61B5/024—Detecting, measuring or recording pulse rate or heart rate
    • 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
    • A61B5/7203—Signal processing specially adapted for physiological signals or for diagnostic purposes for noise prevention, reduction or removal
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/0059—Measuring for diagnostic purposes; Identification of persons using light, e.g. diagnosis by transillumination, diascopy, fluorescence
    • A61B5/0062—Arrangements for scanning
    • A61B5/0064—Body surface scanning

Definitions

  • the present invention relates to a state estimation device and a state estimation method for estimating a human state, and further relates to a computer-readable recording medium for realizing these.
  • Heart rate and pulse time fluctuations are used as indicators of autonomic nervous activity, and affect sleep state discrimination, sleepiness discrimination, stress level, emotion discrimination, mental workload, and autonomic nerves. It is said that it is useful for estimating various human states such as discrimination of diseases causing illness and detection of arrhythmia.
  • Non-Patent Document 1 sleep is calculated from a heart rate calculated from an ECG signal measured by an electrocardiogram (ECG) or a heart rate calculated from a PPG signal measured by a photoplethysmography (PPG). And a technique for discriminating arousal.
  • the technique disclosed in Non-Patent Document 1 is a technique for automatically extracting a heartbeat variability component by a learned neural network and finally discriminating between sleep and awakening.
  • learning is performed by inputting a time-series signal of the calculated heart rate into a convolutional neural network (CNN) and the output of sleep and awakening discrimination results are correct labels (sleep or Awakening).
  • CNN convolutional neural network
  • Non-Patent Document 1 sleep and awakening can be discriminated from a time-series signal of the heart rate, but in order to extract the heart rate variability component, the heart rate is It is necessary to calculate with high time resolution and high accuracy. Therefore, it is necessary to attach a sensor (ECG sensor and PPG sensor in Non-Patent Document 1) for detecting the movement of the heart to each person's skin without gaps. As a result, there is a problem that the person wearing the sensor feels a constraint and has a heavy wearing load.
  • a wristband type wearable sensor with a built-in PPG sensor a sensor installed on a bed or chair that measures pressure or vibration, a sensor that measures sound, emits microwaves to a person's chest, and the chest wave is moved from reflected waves.
  • a technique of detecting a heartbeat from a wave (pulse wave) indicating a motion of the heart acquired by various sensors such as a capturing sensor and an image sensor for acquiring a human face image By introducing such a technique, it is considered that the above-mentioned problem that the mounting load is high can be solved.
  • An example of an object of the present invention is to provide a state estimation device, a state estimation method, and a computer-readable recording medium that solves the above problems and can estimate the state of a person with high accuracy while suppressing the wearing load. It is in.
  • the state estimation device Based on the statistical value of the heart rate within a certain time interval in the pulse wave data of the person, to create a filter for removing noise included in the pulse wave data, a filter creation unit, Using the filter, to remove noise included in the pulse wave data, a noise removal unit, Based on the pulse wave data after noise is removed, to estimate the state of the person, a state estimation unit, Is equipped with It is characterized by
  • the state estimation method is (A) A step of creating a filter for removing noise included in the pulse wave data based on a statistical value of a heart rate within a certain time period in the pulse wave data of a person, (B) using the filter, removing noise included in the pulse wave data, and (C) estimating a person's condition based on the pulse wave data after noise is removed; Has, It is characterized by
  • a computer-readable recording medium is (A) A step of creating a filter for removing noise included in the pulse wave data based on a statistical value of a heart rate within a certain time period in the human pulse wave data, (B) removing noise included in the pulse wave data using the filter, (C) estimating a person's condition based on the pulse wave data after noise is removed; Recording a program, including instructions to execute It is characterized by
  • FIG. 1 is a block diagram showing a configuration of a state estimation device according to an embodiment of the present invention.
  • FIG. 2 is a block diagram more specifically showing the configuration of the filter creation unit shown in FIG. 3A is a diagram showing an example of a pulse wave before noise removal input to the noise removal unit shown in FIG. 1, and FIG. 3B is an output from the noise removal unit shown in FIG. It is a figure which shows an example of the pulse wave after the noise removal performed.
  • FIG. 4 is a flowchart showing the operation of the state estimation device in the embodiment of the present invention.
  • FIG. 5 is a block diagram showing an example of a computer that realizes the state estimation device in the embodiment of the present invention.
  • FIG. 1 is a block diagram showing a configuration of a state estimation device according to an embodiment of the present invention.
  • State estimation device 10 in the present embodiment shown in FIG. 1 is a device for estimating the state of person 30.
  • the state estimation device 10 includes a filter creation unit 11, a noise removal unit 12, and a state estimation unit 13.
  • the filter creation unit 11 creates a filter that removes noise included in pulse wave data (pulse wave time-series signals) based on the statistical value of the heart rate within a certain time period in the human pulse wave data.
  • the filter creating unit 11 is a filter for emphasizing the heartbeat component and the heartbeat fluctuation component by removing noise included in the pulse wave X from the time series signal of the pulse wave X of the person 30, for example. To create.
  • the noise removing unit 12 removes the noise included in the pulse wave data using the created filter.
  • the noise removing unit 12 removes noise included in the pulse wave X by convolving the created filter and the time-series signal of the pulse wave X, and outputs the pulse wave Y after noise removal. To do.
  • the state estimation unit 13 estimates the state of a person based on the pulse wave data after the noise is removed.
  • the state estimation unit 13 estimates the state of the person 30 based on the time-series signal of the pulse wave Y after this noise removal, and outputs the state Z as the estimation result.
  • a filter for removing noise included in the time-series signal of the pulse wave X is created, and the noise included in the pulse wave X is removed by the filter.
  • the pulse-wave time-series signal Y after noise removal contains the heartbeat component of high time resolution contained in the original pulse wave X.
  • the noise included in the original pulse wave X is removed, the purity of the heartbeat component in the time series signal of the pulse wave Y after noise removal is high, and the pulse wave Y contains a highly accurate heartbeat fluctuation component. ..
  • the human state is estimated from the time-series signal of pulse wave Y after the noise removal, so that the human state can be estimated with high accuracy.
  • FIG. 2 is a block diagram more specifically showing the configuration of the filter creation unit 11 shown in FIG.
  • state estimation device 10 is connected to pulse wave sensor 20.
  • the pulse wave sensor 20 includes an imaging device 21 and a pulse wave calculator 22.
  • the imaging device 21 is arranged so that the face of the person 30 who uses the state estimation device can be imaged.
  • the imaging device 21 outputs image data of a captured image (image including a face) to the pulse wave calculator 22 at set time intervals.
  • the imaging device 21 is a digital camera, a web camera, or the like.
  • the pulse wave calculation unit 22 calculates the pulse wave by an existing method, for example, by utilizing the characteristic that hemoglobin absorbs green light, and the brightness (G value) of the green component in the face image. ) Is detected.
  • the pulse wave sensor 20 including the imaging device 21 and the pulse wave calculator 22 is described above, the pulse wave sensor 20 is not limited to this in the present embodiment. Absent. As other pulse wave sensor 20, a wristband type wearable sensor with a built-in PPG sensor, a sensor for measuring pressure and vibration installed in a bed or a chair, a sensor for measuring sound, radiating a microwave to a human chest, It is possible to use an existing pulse wave sensor such as a sensor that detects the movement of the chest from the reflected wave.
  • the filter creation unit 11 includes a heart rate calculation unit 111, a statistical value calculation unit 112, and a filter design unit 113.
  • the heart rate calculator 111 calculates the heart rate from the pulse wave X.
  • the statistical value calculation unit 112 calculates the statistical value of the heart rate within a certain time W0.
  • the filter design unit 113 designs a filter that passes only the heartbeat component included in the pulse wave and removes the noise component from the statistical value of the heart rate, and outputs the designed filter F.
  • the heart rate calculation unit 111 determines the time series signal of the pulse wave X in the window for a time W1 (for example, 4 seconds) shorter than a fixed time W0 (for example, 60 seconds) for calculating the statistical value of the heart rate. Then, frequency analysis such as fast Fourier transform is performed. Since the heartbeat component has a time period, the heartbeat calculation unit 111 extracts the frequency power spectrum having the largest power and calculates the frequency as the average heartbeat of the time W1. Further, the heart rate calculation unit 111 shifts the start point of the window for frequency analysis by a time W2 shorter than the time W1 (for example, 1 second), and repeats the frequency analysis, so that when the heart rate included in the constant time W0 is reached. A series signal can be obtained.
  • a time W1 for example, 4 seconds
  • a fixed time W0 for example, 60 seconds
  • the heart rate can be calculated with high time resolution and high accuracy by setting the time W1 short (for example, 0.25 seconds).
  • the time W1 is set longer (for example, 10 seconds) as the noise increases, the frequency power spectrum corresponding to the heartbeat component is buried in the noise, and the heart rate cannot be calculated with high accuracy.
  • the time W2 is set to be shorter (for example, 0.25 seconds)
  • the time W1 is set to be shorter, almost the same heart rate can be obtained, and a heart rate with high time resolution cannot be obtained. Therefore, when the pulse wave signal X contains noise, the heart rate cannot be calculated with high time resolution and high accuracy.
  • the heart rate calculation unit 111 may calculate the heart rate with low time resolution.
  • the statistical value calculation unit 112 calculates a statistical value of the range of the heart rate within the fixed time W0 from the time-series signal of the heart rate included in the fixed time W0. For example, the statistical value calculation unit 112 calculates the maximum value and the minimum value and defines the range. Also, assuming that the time-series signal of the heart rate has a normal distribution, calculate the average value M and the standard deviation S, and further define the range as M ⁇ 3S, 99.7% of the data will fall within that range. included.
  • the upper limit of the existing range of the specified heart rate is U and the lower limit is L.
  • the filter design unit 113 designs a bandpass filter that passes the frequency components corresponding to the lower limit L to the upper limit U of the existing range of the heart rate by the existing method, and outputs the bandpass filter F.
  • the bandpass filter F allows the heartbeat component included in the pulse wave X of W0 for a certain period of time to pass, but can block other noises.
  • the heart rate changes momentarily according to the state of the person 30, but the filter creation unit 11 creates effects by sequentially creating filters for the pulse wave signal X at a certain time W0 at different times.
  • the noise can be blocked by passing only the heartbeat component.
  • FIGS. 3(a) and 3(b) the noise removing unit 12 performs the convolution operation of the bandpass filter F created by the filter creating unit 11 and the time series signal of the pulse wave X containing noise, A time series signal of pulse wave Y after noise removal is obtained.
  • FIG. 3A is a diagram showing an example of a pulse wave before noise removal which is input to the noise removal unit shown in FIG. 1.
  • FIG. 3B is a diagram showing an example of the pulse wave after noise removal output from the noise removal unit 12 shown in FIG. 1.
  • the noise is reduced as compared with the pulse wave X before the noise removal.
  • the heartbeat component that is the signal is emphasized. Since the band-pass filter allows frequencies in the range of the heart rate to pass, the heartbeat fluctuation component included in the pulse wave X is retained in the pulse wave Y while maintaining high temporal resolution.
  • the state estimation unit 13 receives the time-series signal of the pulse wave Y after noise removal, which is the output of the noise removal unit 12, and outputs the estimated value Z of the state by referring to the state estimation model learned in advance. For example, assuming that the state in which the person 30 is awake is 1 and the state in which the person 30 is sleeping is 0, the estimated value Z is either 1 or 0. Of course, the presence or absence of drowsiness can be estimated (determined) by learning the state estimation model by defining the presence or absence of drowsiness as 1 (present) and 0 (absent). Further, if the degree of drowsiness or stress is defined and learned with a continuous value of 1 to 0, the estimated value Z becomes an estimated value of 1 to 0.
  • emotions are discriminated, for example, whether they are frustrated, impatient, whether they are happy, whether they are happy, etc. are defined as 1 and 0, and then they can be discriminated by the value of estimated Z. Become. The same applies to mental workload (how the brain works) and the presence or absence of arrhythmia.
  • the state estimation model used in the state estimation unit 13 may be an existing neural network such as a convolutional neural network or a recurrent neural network used in Non-Patent Document 1.
  • the state estimation model that is, the learning of the neural network, is performed by a pulse wave time series signal that does not include noise, for example, the time series signal shown in FIG. ) And a plurality of sets, and the learning algorithm such as the error backpropagation method is executed so that the output when the pulse wave is input to the neural network matches the state label.
  • FIG. 4 is a flowchart showing the operation of the state estimation device in the embodiment of the present invention.
  • FIGS. 1 to 3 will be referred to as appropriate.
  • the state estimation method is implemented by operating state estimation device 10. Therefore, the description of the state estimation method according to the present embodiment will be replaced with the following description of the operation of state estimation device 10.
  • the filter creation unit 11 receives the time-series signal of the pulse wave X output from the pulse wave sensor 20, and creates the filter F based on the received pulse wave X (step A1). ).
  • the noise removing unit 12 performs a convolution operation of the filter F created in step A1 and the time-series signal X of the pulse wave output by the pulse wave sensor 20 to calculate the time-series signal of the pulse wave Y after noise removal. Is obtained (step A2).
  • the state estimation unit 13 estimates the state Z of the person 30 based on the time series signal of the pulse wave Y from which the noise is removed in step A2 and the state estimation model learned in advance (step A3). ..
  • step A1 After the execution of step A3, when time series signals of the pulse wave X at different times are input to the state estimation device 10, step A1 is executed again.
  • the state estimation device 10 can continuously estimate the state of the person 30 by repeatedly performing the steps A1 to A3.
  • the filter creation processing in the filter creation unit 11 is performed in advance.
  • the filter creating unit 11 creates a large number of filters F1 to FN corresponding to the pulse waves X1 to XN from the time series signals of the large number of pulse waves X1 to XN containing noise prepared in advance.
  • the noise removing unit 12 obtains a time series signal of each of the pulse waves Y1 to YN after noise removal by applying each of the created filters F1 to FN.
  • the noise eliminator 12 uses a combination of a large number of pulse waves X and pulse waves Y (X1, Y1) to (XN, YN) as learning data to execute a method called Denoising Auto Encoder, thereby It is possible to learn a conversion function (corresponding to a combination of F1 to FN) that converts each of X1 to XN into pulse waves Y1 to YN. Assuming that the conversion function is F, the noise removal unit 12 reads the conversion function F learned in advance from the filter creation unit 11 and applies it to the time-series signal of the new pulse wave X to remove noise after removal of noise. A time series signal of pulse wave Y can be obtained.
  • a filter for removing noise included in the time-series signal of pulse wave X is created, and the noise included in pulse wave X is removed by the filter.
  • the time-series signal of the pulse wave Y after noise removal contains the heartbeat component with high time resolution contained in the original pulse wave signal X.
  • the noise included in the original pulse wave signal X is removed, the purity of the heartbeat component in the time series signal Y of the pulse wave after noise removal is high, and the heartbeat fluctuation component with high accuracy is included. Since the state of the person is estimated from the time-series signal Y of the pulse wave after the noise removal, the state of the person can be estimated with high accuracy.
  • the program according to the present embodiment may be any program that causes a computer to execute steps A1 to A3 shown in FIG.
  • the state estimation device 10 and the state estimation method according to the present embodiment can be realized by installing and executing this program on a computer.
  • the processor of the computer functions as the filter creation unit 11, the noise removal unit 12, and the state estimation unit 13 to perform the processing.
  • each computer may function as any one of the filter creation unit 11, the noise removal unit 12, and the state estimation unit 13.
  • FIG. 5 is a block diagram showing an example of a computer that realizes the state estimation device in the embodiment of the present invention.
  • the computer 1100 includes a CPU (Central Processing Unit) 1110, a main memory 1120, a storage device 1130, an input interface 1140, a display controller 1150, a data reader/writer 1160, and a communication interface 1170. With. These respective units are connected to each other via a bus 1210 so as to be capable of data communication.
  • the computer 1100 may include a GPU (Graphics Processing Unit) or an FPGA (Field-Programmable Gate Array) in addition to the CPU 1110 or in place of the CPU 1110.
  • the CPU 1110 expands the program (code) according to the present embodiment, which is stored in the storage device 1130, into the main memory 1120 and executes these in a predetermined order to perform various calculations.
  • the main memory 1120 is typically a volatile storage device such as a DRAM (Dynamic Random Access Memory).
  • the program in the present embodiment is provided in a state of being stored in computer-readable recording medium 1200.
  • the program in the present embodiment may be distributed on the Internet connected via communication interface 1170.
  • the storage device 1130 include a hard disk drive and a semiconductor storage device such as a flash memory.
  • the input interface 1140 mediates data transmission between the CPU 1110 and an input device 1180 such as a keyboard and a mouse.
  • the display controller 1150 is connected to the display device 1190 and controls the display on the display device 1190.
  • the data reader/writer 1160 mediates data transmission between the CPU 1110 and the recording medium 1200, reads a program from the recording medium 1200, and writes the processing result in the computer 1100 to the recording medium 1200.
  • the communication interface 1170 mediates data transmission between the CPU 1110 and another computer.
  • the recording medium 1200 a general-purpose semiconductor storage device such as CF (Compact Flash (registered trademark)) and SD (Secure Digital), a magnetic recording medium such as a flexible disk, or a CD- An optical recording medium such as a ROM (Compact Disk Read Only Memory) can be given.
  • CF Compact Flash
  • SD Secure Digital
  • a magnetic recording medium such as a flexible disk
  • An optical recording medium such as a ROM (Compact Disk Read Only Memory) can be given.
  • state estimation device 10 in the present embodiment can also be realized by using hardware corresponding to each unit instead of using a computer in which a program is installed. Furthermore, the state estimation device 10 may be partially implemented by a program and the rest may be implemented by hardware.
  • (Appendix 2) (A) A step of creating a filter for removing noise included in the pulse wave data based on a statistical value of a heart rate within a certain time period in the pulse wave data of a person, (B) using the filter, removing noise included in the pulse wave data, and (C) estimating a person's condition based on the pulse wave data after noise is removed; Has, A state estimation method characterized by the above.
  • the present invention it is possible to estimate the human condition with high accuracy while suppressing the wearing load.
  • INDUSTRIAL APPLICABILITY The present invention is useful for various systems such as a system in which estimation of a human state is required, for example, a vehicle driving support system, a business computer system, and the like.
  • state estimation device 11 filter creation unit 12 noise removal unit 13 state estimation unit 20 pulse wave sensor 21 imaging device 22 pulse wave calculation unit 30 people 111 heart rate calculation unit 112 statistical value calculation unit 113 filter design unit 1100 computer 1110 CPU 1120 Main Memory 1130 Storage Device 1140 Input Interface 1150 Display Controller 1160 Data Reader/Writer 1170 Communication Interface 1180 Input Equipment 1190 Display Device 1200 Recording Medium 1210 Bus

Landscapes

  • Health & Medical Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Engineering & Computer Science (AREA)
  • Pathology (AREA)
  • Animal Behavior & Ethology (AREA)
  • Physiology (AREA)
  • Cardiology (AREA)
  • Physics & Mathematics (AREA)
  • Veterinary Medicine (AREA)
  • Biophysics (AREA)
  • Signal Processing (AREA)
  • Biomedical Technology (AREA)
  • Heart & Thoracic Surgery (AREA)
  • Medical Informatics (AREA)
  • Molecular Biology (AREA)
  • Surgery (AREA)
  • Public Health (AREA)
  • General Health & Medical Sciences (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Artificial Intelligence (AREA)
  • Psychiatry (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

状態推定装置１０は、人の顔画像の画像データから、人の脈波の時系列信号から、それに含まれるノイズを除去することで心拍成分および心拍変動成分を強調するためのフィルタを作成する、フィルタ作成部１１と、フィルタ作成部１１で作成されたバンドパスフィルタとノイズが含まれる脈波の時系列信号との畳み込み演算により、ノイズ除去後の脈波信号を得る、ノイズ除去部１２と、ノイズ除去部１２の出力である、ノイズ除去後の脈波の時系列信号を受けて、予め学習した状態推定モデルを参照して、状態の推定値を出力する、状態推定部１３と、を備えている。

Description

状態推定装置、状態推定方法、及びコンピュータ読み取り可能な記録媒体
　本発明は、人の状態を推定するための、状態推定装置、及び状態推定方法に関し、更には、これらを実現するためのコンピュータ読み取り可能な記録媒体に関する。
　近年のウェアラブルセンサの普及に伴い、生体情報、特に、心拍及び脈拍（どちらも心拍と呼ぶ）など心臓の動作を示す情報から、人の状態を推定する技術に関する研究開発が盛んに行われている。心拍及び脈拍の時間変動（どちらも心拍変動と呼ぶ）は、自律神経活動の指標として用いられ、睡眠状態の判別、眠気の判別、ストレスの度合い、感情判別、またメンタルワークロード、自律神経に影響を及ぼす疾患の判別、不整脈の検知など、種々の人の状態を推定することに対して有用と言われている。
　例えば、非特許文献１は、心電図（ECG:Electrocardiogram）で計測したECG信号から算出した心拍数、または光電式容積脈波計（PPG:photoplethysmography）で計測したPPG信号から算出した心拍数から、睡眠と覚醒を判別する技術について開示している。非特許文献１に開示された技術は、学習が行われたニューラルネットワークによって、心拍変動成分を自動的に抽出して、最終的に睡眠と覚醒とを判別する、技術である。また、非特許文献１において、学習は、算出した心拍数の時系列信号を畳み込みニューラルネットワーク（CNN:Convolutional neural network）に入力し、出力である睡眠と覚醒の判別結果とが正解ラベル（睡眠もしくは覚醒）と合うように行われる。
John Malik, Yu-Lun Lo, and Hau-tieng Wu, ``Sleep-wake classification via quantifying heart rate variability by convolutional neural network,’’ Physiological Measurement 39, 085004, 2018.
　ところで、上述したように、非特許文献１に開示された技術によれば、心拍数の時系列信号から睡眠と覚醒とを判別できるが、心拍変動成分を抽出するためには、心拍数を、高い時間分解能で、かつ高い精度で算出する必要がある。そのため、心臓の動きを検出するためのセンサ（非特許文献１ではECGセンサとPPGセンサ）を、各人の肌に隙間なく装着させる必要がある。その結果、センサを装着した人においては、拘束感があり、装着負荷が高いという問題がある。
　一方、PPGセンサ内蔵のリストバンド型のウェアラブルセンサ、ベッド又は椅子に設置した圧力又は振動を計測するセンサ、音を計測するセンサ、マイクロ波を人の胸に放射し、反射波から胸の動きを捉えるセンサ、人の顔画像を取得する画像センサなど、様々なセンサで取得した心臓の動作を示す波（脈波）から心拍を検出する技術が知られている。このような技術を導入すれば、上記の装着負荷が高いという問題は解決できると考えられる。
　但し、このようなセンサを利用した場合は、拘束感が少なく、人は自由に動くことが可能なため、センサと人との位置関係、周囲環境の音、振動、光などが変化してしまう。このため、これらの変化に起因したノイズが脈波に混ざるため、心拍数を、高い時間分解能で、かつ高い精度で算出することが困難になり、その結果として高精度に状態を推定できないという問題がある。
　本発明の目的の一例は、上記問題を解消し、装着負荷を抑えつつ、人の状態を高精度に推定し得る、状態推定装置、状態推定方法、及びコンピュータ読み取り可能な記録媒体を提供することにある。
　上記目的を達成するため、本発明の一側面における状態推定装置は、
　人の脈波データにおける一定時間区間内の心拍数の統計値に基づいて、脈波データに含まれるノイズを除去するフィルタを作成する、フィルタ作成部と、
　前記フィルタを用いて、前記脈波データに含まれるノイズを除去する、ノイズ除去部と、
　ノイズが除去された後の前記脈波データに基づいて、前記人の状態を推定する、状態推定部と、
を備えている、
ことを特徴とする。
　また、上記目的を達成するため、本発明の一側面における状態推定方法は、
（ａ）人の脈波データにおける一定時間区間内の心拍数の統計値に基づいて脈波データに含まれるノイズを除去するフィルタを作成する、ステップと、
（ｂ）前記フィルタを用いて、前記脈波データに含まれるノイズを除去する、ステップと、
（ｃ）ノイズが除去された後の前記脈波データに基づいて、人の状態を推定する、ステップと、
を有する、
ことを特徴とする。
　更に、上記目的を達成するため、本発明の一側面におけるコンピュータ読み取り可能な記録媒体は、
（ａ）人の脈波データにおける一定時間区間内の心拍数の統計値に基づいて脈波データに含まれるノイズを除去するフィルタを作成する、ステップと、
（ｂ）前記フィルタを用いて、前記脈波データに含まれるノイズを除去する、ステップと、
（ｃ）ノイズが除去された後の前記脈波データに基づいて、人の状態を推定する、ステップと、
を実行させる命令を含む、プログラムを記録している、
ことを特徴とする。
　以上のように、本発明によれば、装着負荷を抑えつつ、人の状態を高精度に推定することができる。
図１は、本発明の実施の形態における状態推定装置の構成を示すブロック図である。 図２は、図１に示したフィルタ作成部の構成をより具体的に示すブロック図である。 図３（ａ）は、図１に示したノイズ除去部に入力されるノイズ除去前の脈波の一例を示す図であり、図３（ｂ）は、図１に示したノイズ除去部から出力されるノイズ除去後の脈波の一例を示す図である。 図４は、本発明の実施の形態における状態推定装置の動作を示すフロー図である。 図５は、本発明の実施の形態における状態推定装置を実現するコンピュータの一例を示すブロック図である。
（実施の形態）
　以下、本発明の実施の形態における、状態推定装置、状態推定方法、及びプログラムについて、図１～図５を参照しながら説明する。
［装置構成］
　最初に、図１を用いて、本実施の形態における状態推定装置の構成について説明する。図１は、本発明の実施の形態における状態推定装置の構成を示すブロック図である。
　図１に示す、本実施の形態における状態推定装置１０は、人３０の状態を推定する装置である。図１に示すように、状態推定装置１０は、フィルタ作成部１１と、ノイズ除去部１２と、状態推定部１３とを備えている。
　フィルタ作成部１１は、人の脈波データにおける、一定時間区間内の心拍数の統計値に基づいて、脈波データ（脈波の時系列信号）に含まれるノイズを除去するフィルタを作成する。本実施の形態では、フィルタ作成部１１は、例えば、人３０の脈波Xの時系列信号から、脈波Xに含まれるノイズを除去することで心拍成分および心拍変動成分を強調するためのフィルタを作成する。
　ノイズ除去部１２は、作成されたフィルタを用いて、脈波データに含まれるノイズを除去する。本実施の形態では、ノイズ除去部１２は、作成されたフィルタと脈波Xの時系列信号とを畳み込むことにより、脈波Xに含まれるノイズを除去し、ノイズ除去後の脈波Yを出力する。
　状態推定部１３は、ノイズが除去された後の前記脈波データに基づいて、人の状態を推定する。状態推定部１３は、本実施の形態では、このノイズ除去後の脈波Yの時系列信号に基づいて、人３０の状態を推定し、推定結果として状態Zを出力する。
　このように、本実施の形態では、脈波Xの時系列信号に含まれるノイズを除去するフィルタが作成され、そのフィルタにより脈波Xに含まれるノイズが除去される。ノイズ除去後の脈波の時系列信号Yには、もともとの脈波Xに含まれる高い時間分解能の心拍成分が含まれる。加えて、もともとの脈波Xに含まれるノイズは除去されるため、ノイズ除去後の脈波Yの時系列信号における心拍成分の純度は高く、脈波Yは、高精度な心拍変動成分を含む。本実施の形態によれば、そのノイズ除去後の脈波Yの時系列信号から人の状態が推定されるため、人の状態を高精度に推定することができる。
　続いて、図１に加えて、図２及び図３を用いて、本実施の形態における状態推定装置１０の構成及び各部の機能についてより具体的に説明する。図２は、図１に示したフィルタ作成部１１の構成をより具体的に示すブロック図である。
　図１に示すように、本実施の形態では、状態推定装置１０は、脈波センサ２０に接続されている。脈波センサ２０は、撮像装置２１と脈波算出部２２とから構成されている。撮像装置２１は、状態推定装置を使用する人３０の顔を撮影できるように配置されている。撮像装置２１は、設定時間間隔で、撮影した画像（顔を含む画像）の画像データを、脈波算出部２２に出力する。撮像装置２１は、デジタルカメラ、Ｗｅｂカメラ等である。
　本実施の形態において、脈波算出部２２では、脈波の算出は、既存の手法によって、例えば、ヘモグロビンが緑色光を吸収するという特性を利用して、顔画像における緑色成分の輝度（Ｇ値）の変化を検出することによって行われる。
　なお、上記においては、撮像装置２１と脈波算出部２２とから構成される脈波センサ２０について説明しているが、本実施の形態では、脈波センサ２０は、これに限定されるもではない。他の脈波センサ２０としては、PPGセンサ内蔵のリストバンド型のウェアラブルセンサ、ベッドや椅子に設置した圧力や振動を計測するセンサ、音を計測するセンサ、マイクロ波を人の胸に放射し、反射波から胸の動きを捉えるセンサ、など既存の脈波センサを用いることができる。
　図２に示すように、本実施の形態では、フィルタ作成部１１は、心拍数算出部１１１と、統計値算出部１１２と、フィルタ設計部１１３とを備えている。心拍数算出部１１１は、脈波Xから心拍数を算出する。統計値算出部１１２は、一定時間W0内の心拍数の統計値を算出する。フィルタ設計部１１３は、心拍数の統計値から、脈波に含まれる心拍成分のみを通過させ、ノイズ成分を除去するフィルタを設計し、設計したフィルタFを出力する。
　具体的には、心拍数算出部１１１は、心拍数の統計値を算出する一定時間W0（例えば６０秒）より短い時間W1（例えば４秒）の窓内の脈波Xの時系列信号に対して、高速フーリエ変換などの周波数分析を行う。心拍成分は、時間周期を持つため、心拍数算出部１１１は、最もパワーが大きい周波数パワースペクトルを抽出しと、その周波数を、時間W1の平均的な心拍数として算出する。また、心拍数算出部１１１は、周波数分析を行う窓の始点を時間W1より短い時間W2（例えば１秒）だけずらして、周波数分析を繰り返すことで、一定時間W0内に含まれる心拍数の時系列信号を得ることができる。
　なお、脈波信号Xにノイズが含まれない場合には、時間W1を短く（例えば０．２５秒）設定することで、高い時間分解能で、かつ高い精度で、心拍数を算出できる。しかし、ノイズが多いほど時間W1を長く（例えば１０秒）設定しないと、心拍成分に相当する周波数パワースペクトルがノイズに埋もれてしまい、高い精度で心拍数を算出できなくなる。また、時間W2をさらに短く（例えば０．２５秒）設定しても、時間W1を短く設定できない限り、殆ど同じ心拍数が得られるだけで、高い時間分解能の心拍数を得ることができない。そのため、脈波信号Xにノイズが含まれる場合には、高い時間分解能で、かつ高い精度で心拍数を算出することができない。
　これに対して、フィルタの作成では、一定時間W0内に含まれる心拍数がどの範囲に分布するかがわかればよい。このため、心拍数算出部１１１は、低い時間分解能で心拍数を算出しても良い。
　統計値算出部１１２は、一定時間W0内に含まれる心拍数の時系列信号から、一定時間W0内の心拍数がどの範囲に分布するかの統計値を算出する。例えば、統計値算出部１１２は、最大値と最小値とを算出して範囲を定める。また、心拍数の時系列信号が正規分布であると仮定して、平均値Mと標準偏差Sとを算出し、更に、範囲をM±3Sと定めれば、データの99.7%はその範囲に含まれる。なお、定めた心拍数の存在範囲の上限をU、下限をLとする。
　フィルタ設計部１１３は、心拍数の存在範囲の下限Lから上限Uに相当する周波数成分を通過させるバンドパスフィルタを既存の手法で設計し、バンドパスフィルタFを出力する。バンドパスフィルタFは、一定時間W0の脈波Xに含まれる心拍成分を通過させるが、それ以外のノイズを遮断することができる。
　心拍数は、人３０の状態に応じて時々刻々と変化するが、フィルタ作成部１１は、異なる時刻の一定時間W0の脈波信号Xに対して、逐次的にフィルタを作成することで、効果的に心拍成分だけを通過させ、ノイズを遮断することができる。
　ノイズ除去部１２は、図３（ａ）及び（ｂ）に示すように、フィルタ作成部１１で作成されたバンドパスフィルタFとノイズが含まれる脈波Xの時系列信号との畳み込み演算により、ノイズ除去後の脈波Yの時系列信号を得る。図３（ａ）は、図１に示したノイズ除去部に入力されるノイズ除去前の脈波の一例を示す図である。図３（ｂ）は、図１に示したノイズ除去部１２から出力されるノイズ除去後の脈波の一例を示す図である。
　図３（ａ）と図３（ｂ）との比較から分かるように、ノイズ除去後の脈波Yにおいては、ノイズ除去前の脈波Xに比べて、ノイズが減少することにより、周期性の信号である心拍成分が強調されている。なお、バンドパスフィルタにより心拍数の存在範囲の周波数は通過するため、脈波Xに含まれる心拍変動成分は高い時間分解能を維持したまま、脈波Yでは保持される。
　状態推定部１３は、ノイズ除去部１２の出力である、ノイズ除去後の脈波Yの時系列信号を受けて、予め学習した状態推定モデルを参照して、状態の推定値Zを出力する。例えば、人３０が起きている状態を１、寝ている状態を０とすると、推定値Zは、１または０のいずれかとなる。もちろん、眠気の有無を１（有）と０（無）で定義して、状態推定モデルを学習すれば、眠気の有無を推定（判別）できる。また、眠気やストレスの度合いを１～０の連続値で定義して学習すれば、推定値Zは、１～０の推定値となる。その他、感情の判別、例えば、苛々しているかどうか、焦っているかどうか、楽しいかどうか、嬉しいかどうかなどを１、０で定義して学習すれば、推定Zの値によって感情の判別も可能となる。メンタルワークロード（脳がどの程度働いているか）、不整脈の有無なども同様である。
　状態推定部１３で用いられる状態推定モデルとしては、例えば、非特許文献1で使用されている畳み込みニューラルネットワーク、再帰型ニューラルネットワークなど、既存のニューラルネットワークが挙げられる。状態推定モデル、すなわちニューラルネットワークの学習は、ノイズを含まない脈波の時系列信号、例えば、図３（ｂ）に示された時系列信号とその時系列信号に対応する状態ラベル（状態の正解ラベル）とのセットを、複数準備し、脈波をニューラルネットワークに入力した際の出力が状態ラベルに合うように、誤差逆伝搬法などの学習アルゴリズムを実行することによって、行うことができる。
［装置動作］
　次に、本発明の実施の形態における、状態推定装置１０の動作について図４を用いて説明する。図４は、本発明の実施の形態における状態推定装置の動作を示すフロー図である。以下の説明においては、適宜図１から図３を参照する。また、本実施の形態では、状態推定装置１０を動作させることによって、状態推定方法が実施される。よって、本実施の形態における状態推定方法の説明は、以下の状態推定装置１０の動作説明に代える。
　最初に、図４に示すように、フィルタ作成部１１は、脈波センサ２０が出力した脈波Xの時系列信号を受け取り、受け取った脈波Xに基づいて、フィルタFを作成する（ステップＡ１）。
　次に、ノイズ除去部１２は、ステップＡ１で作成されたフィルタFと、脈波センサ２０が出力した脈波の時系列信号Xとの畳み込み演算により、ノイズ除去後の脈波Yの時系列信号を得る（ステップＡ２）。
　その後、状態推定部１３は、ステップＡ２でノイズが除去された脈波Yの時系列信号と、事前に学習された状態推定モデルとに基づいて、人３０の状態Zを推定する（ステップＡ３）。
　また、ステップＡ３の実行後、異なる時刻の脈波Xの時系列信号が、状態推定装置１０に入力されると、再度、ステップＡ１が実行される。ステップＡ１～Ａ３が繰り返し実行されることにより、状態推定装置１０は、連続的に人３０の状態を推定できる。
［変形例］
　以下に、本実施の形態１における変形例について説明する。
　本変形例では、フィルタ作成部１１におけるフィルタ作成処理が事前に行われる。フィルタ作成部１１は、予め用意されたノイズを含む多数の脈波X1～XNそれぞれの時系列信号から、これら脈波X1～XNそれぞれに対応した多数のフィルタF1～FNを作成する。そして、ノイズ除去部１２は、作成されたフィルタF1～FNそれぞれを適用することで、多数のノイズ除去後の脈波Y1～YNそれぞれの時系列信号を得る。
　ノイズ除去部１２は、多数の脈波Xと脈波Yとの組（X1,Y1）～（XN,YN）を学習データとして用いて、Denoising Auto Encoderと呼ばれる手法を実行することにより、脈波X1～XNそれぞれを脈波Y1～YNに変換する変換関数（F1～FNをまとめたものに相当）を学習することができる。その変換関数をFとすると、ノイズ除去部１２は、事前に学習した変換関数Fを、フィルタ作成部１１から読み込み、新しい脈波Xの時系列信号に対して適用することで、ノイズ除去後の脈波Yの時系列信号を得ることができる。
　このように、本変形例によれば、新しい脈波Xの時系列信号毎にフィルタを作成する必要がない。そのため、新しい脈波Xの時系列信号に対して効率的に処理ができるというメリットがある。
［実施の形態における効果］
　以上のように、本実施の形態によれば、脈波Xの時系列信号に含まれるノイズを除去するフィルタが作成され、そのフィルタにより脈波Xに含まれるノイズが除去される。ノイズ除去後の脈波Yの時系列信号には、もともとの脈波信号Xに含まれる高い時間分解能の心拍成分が含まれる。加えて、もともとの脈波信号Xに含まれるノイズは除去されるため、ノイズ除去後の脈波の時系列信号Yにおける心拍成分の純度は高く、高精度な心拍変動成分を含む。そのノイズ除去後の脈波の時系列信号Yから人の状態を推定するため、人の状態を高精度に推定することができる。
［プログラム］
　本実施の形態におけるプログラムは、コンピュータに、図４に示すステップＡ１～Ａ３を実行させるプログラムであれば良い。このプログラムをコンピュータにインストールし、実行することによって、本実施の形態における状態推定装置１０と状態推定方法とを実現することができる。この場合、コンピュータのプロセッサは、フィルタ作成部１１、ノイズ除去部１２、及び状態推定部１３として機能し、処理を行なう。
　また、本実施の形態におけるプログラムは、複数のコンピュータによって構築されたコンピュータシステムによって実行されても良い。この場合は、例えば、各コンピュータが、それぞれ、フィルタ作成部１１、ノイズ除去部１２、及び状態推定部１３のいずれかとして機能しても良い。
　ここで、本実施の形態におけるプログラムを実行することによって、状態推定装置１０を実現するコンピュータについて図５を用いて説明する。図５は、本発明の実施の形態における状態推定装置を実現するコンピュータの一例を示すブロック図である。
　図５に示すように、コンピュータ１１００は、ＣＰＵ（Central Processing Unit）１１１０と、メインメモリ１１２０と、記憶装置１１３０と、入力インターフェイス１１４０と、表示コントローラ１１５０と、データリーダ／ライタ１１６０と、通信インターフェイス１１７０とを備える。これらの各部は、バス１２１０を介して、互いにデータ通信可能に接続される。また、コンピュータ１１００は、ＣＰＵ１１１０に加えて、又はＣＰＵ１１１０に代えて、ＧＰＵ（Graphics Processing Unit）、又はＦＰＧＡ（Field-Programmable Gate Array）を備えていても良い。
　ＣＰＵ１１１０は、記憶装置１１３０に格納された、本実施の形態におけるプログラム（コード）をメインメモリ１１２０に展開し、これらを所定順序で実行することにより、各種の演算を実施する。メインメモリ１１２０は、典型的には、ＤＲＡＭ（Dynamic Random Access Memory）等の揮発性の記憶装置である。また、本実施の形態におけるプログラムは、コンピュータ読み取り可能な記録媒体１２００に格納された状態で提供される。なお、本実施の形態におけるプログラムは、通信インターフェイス１１７０を介して接続されたインターネット上で流通するものであっても良い。
　また、記憶装置１１３０の具体例としては、ハードディスクドライブの他、フラッシュメモリ等の半導体記憶装置が挙げられる。入力インターフェイス１１４０は、ＣＰＵ１１１０と、キーボード及びマウスといった入力機器１１８０との間のデータ伝送を仲介する。表示コントローラ１１５０は、ディスプレイ装置１１９０と接続され、ディスプレイ装置１１９０での表示を制御する。
　データリーダ／ライタ１１６０は、ＣＰＵ１１１０と記録媒体１２００との間のデータ伝送を仲介し、記録媒体１２００からのプログラムの読み出し、及びコンピュータ１１００における処理結果の記録媒体１２００への書き込みを実行する。通信インターフェイス１１７０は、ＣＰＵ１１１０と、他のコンピュータとの間のデータ伝送を仲介する。
　また、記録媒体１２００の具体例としては、ＣＦ（Compact Flash（登録商標））及びＳＤ（Secure Digital）等の汎用的な半導体記憶デバイス、フレキシブルディスク（Flexible Disk）等の磁気記録媒体、又はＣＤ－ＲＯＭ（Compact Disk Read Only Memory）などの光学記録媒体が挙げられる。
　なお、本実施の形態における状態推定装置１０は、プログラムがインストールされたコンピュータではなく、各部に対応したハードウェアを用いることによっても実現可能である。更に、状態推定装置１０は、一部がプログラムで実現され、残りの部分がハードウェアで実現されていてもよい。
　上述した実施の形態の一部又は全部は、以下に記載する（付記１）～（付記３）によって表現することができるが、以下の記載に限定されるものではない。
（付記１）
　人の脈波データにおける一定時間区間内の心拍数の統計値に基づいて、脈波データに含まれるノイズを除去するフィルタを作成する、フィルタ作成部と、
　前記フィルタを用いて、前記脈波データに含まれるノイズを除去する、ノイズ除去部と、
　ノイズが除去された後の前記脈波データに基づいて、前記人の状態を推定する、状態推定部と、
を備えている、
ことを特徴とする状態推定装置。
（付記２）
（ａ）人の脈波データにおける一定時間区間内の心拍数の統計値に基づいて脈波データに含まれるノイズを除去するフィルタを作成する、ステップと、
（ｂ）前記フィルタを用いて、前記脈波データに含まれるノイズを除去する、ステップと、
（ｃ）ノイズが除去された後の前記脈波データに基づいて、人の状態を推定する、ステップと、
を有する、
ことを特徴とする状態推定方法。
（付記３）
　コンピュータに、
（ａ）人の脈波データにおける一定時間区間内の心拍数の統計値に基づいて脈波データに含まれるノイズを除去するフィルタを作成する、ステップと、
（ｂ）前記フィルタを用いて、前記脈波データに含まれるノイズを除去する、ステップと、
（ｃ）ノイズが除去された後の前記脈波データに基づいて、人の状態を推定する、ステップと、
を実行させる命令を含む、プログラムを記録している、
ことを特徴とするコンピュータ読み取り可能な記録媒体。
　以上、実施の形態を参照して本願発明を説明したが、本願発明は上記実施の形態に限定されるものではない。本願発明の構成や詳細には、本願発明のスコープ内で当業者が理解し得る様々な変更をすることができる。
　以上のように、本発明によれば、装着負荷を抑えつつ、人の状態を高精度に推定することができる。本発明は、人の状態の推定が求められているシステム、例えば、車両の運転支援システム、業務用のコンピュータシステム等、様々なシステムに有用である。
　１０　状態推定装置
　１１　フィルタ作成部
　１２　ノイズ除去部
　１３　状態推定部
　２０　脈波センサ
　２１　撮像装置
　２２　脈波算出部
　３０　人
　１１１　心拍数算出部
　１１２　統計値算出部
　１１３　フィルタ設計部
　１１００　コンピュータ
　１１１０　ＣＰＵ
　１１２０　メインメモリ
　１１３０　記憶装置
　１１４０　入力インターフェイス
　１１５０　表示コントローラ
　１１６０　データリーダ／ライタ
　１１７０　通信インターフェイス
　１１８０　入力機器
　１１９０　ディスプレイ装置
　１２００　記録媒体
　１２１０　バス

Claims (3)

  1. 　人の脈波データにおける一定時間区間内の心拍数の統計値に基づいて、脈波データに含まれるノイズを除去するフィルタを作成する、フィルタ作成部と、
    　前記フィルタを用いて、前記脈波データに含まれるノイズを除去する、ノイズ除去部と、
    　ノイズが除去された後の前記脈波データに基づいて、前記人の状態を推定する、状態推定部と、
    を備えている、
    ことを特徴とする状態推定装置。
  2. （ａ）人の脈波データにおける一定時間区間内の心拍数の統計値に基づいて脈波データに含まれるノイズを除去するフィルタを作成する、ステップと、
    （ｂ）前記フィルタを用いて、前記脈波データに含まれるノイズを除去する、ステップと、
    （ｃ）ノイズが除去された後の前記脈波データに基づいて、人の状態を推定する、ステップと、
    を有する、
    ことを特徴とする状態推定方法。
  3. 　コンピュータに、
    （ａ）人の脈波データにおける一定時間区間内の心拍数の統計値に基づいて脈波データに含まれるノイズを除去するフィルタを作成する、ステップと、
    （ｂ）前記フィルタを用いて、前記脈波データに含まれるノイズを除去する、ステップと、
    （ｃ）ノイズが除去された後の前記脈波データに基づいて、人の状態を推定する、ステップと、
    を実行させる命令を含む、プログラムを記録している、
    ことを特徴とするコンピュータ読み取り可能な記録媒体。
PCT/JP2019/003750 2019-02-01 2019-02-01 状態推定装置、状態推定方法、及びコンピュータ読み取り可能な記録媒体 WO2020157988A1 (ja)

Priority Applications (3)

Application Number Priority Date Filing Date Title
US17/427,228 US20220096016A1 (en) 2019-02-01 2019-02-01 State estimation apparatus, state estimation method, and computer-readable recording medium
JP2020569334A JP7327417B2 (ja) 2019-02-01 2019-02-01 状態推定装置、状態推定方法、及びプログラム
PCT/JP2019/003750 WO2020157988A1 (ja) 2019-02-01 2019-02-01 状態推定装置、状態推定方法、及びコンピュータ読み取り可能な記録媒体

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
PCT/JP2019/003750 WO2020157988A1 (ja) 2019-02-01 2019-02-01 状態推定装置、状態推定方法、及びコンピュータ読み取り可能な記録媒体

Publications (1)

Publication Number Publication Date
WO2020157988A1 true WO2020157988A1 (ja) 2020-08-06

Family

ID=71841059

Family Applications (1)

Application Number Title Priority Date Filing Date
PCT/JP2019/003750 WO2020157988A1 (ja) 2019-02-01 2019-02-01 状態推定装置、状態推定方法、及びコンピュータ読み取り可能な記録媒体

Country Status (3)

Country Link
US (1) US20220096016A1 (ja)
JP (1) JP7327417B2 (ja)
WO (1) WO2020157988A1 (ja)

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH01153139A (ja) * 1987-08-14 1989-06-15 Natl Res Dev Corp パルスオキシメータ装置
WO2007046283A1 (ja) * 2005-10-18 2007-04-26 Sharp Kabushiki Kaisha 生体情報取得装置及び生体情報取得方法
JP2011115459A (ja) * 2009-12-04 2011-06-16 Nippon Soken Inc 生体情報検出装置及び生体情報検出方法
WO2016032972A1 (en) * 2014-08-25 2016-03-03 Draeger Medical Systems, Inc. Rejecting noise in a signal

Family Cites Families (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP5471297B2 (ja) * 2009-10-26 2014-04-16 セイコーエプソン株式会社 拍動検出装置及び拍動検出方法
JP2013103072A (ja) * 2011-11-16 2013-05-30 Ntt Docomo Inc メンタル状態推定装置、メンタル状態推定システム、メンタル状態推定方法、メンタル状態推定プログラム、及び携帯端末
JP2015031889A (ja) * 2013-08-05 2015-02-16 株式会社半導体理工学研究センター 音響信号分離装置、音響信号分離方法及び音響信号分離プログラム
US10532211B2 (en) * 2015-10-05 2020-01-14 Mc10, Inc. Method and system for neuromodulation and stimulation
US20170173391A1 (en) * 2015-12-18 2017-06-22 MAD Apparel, Inc. Adaptive calibration for sensor-equipped athletic garments
JP2017205145A (ja) * 2016-05-16 2017-11-24 富士通株式会社 脈拍推定装置、脈拍推定システム、脈拍推定方法および脈拍推定プログラム

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH01153139A (ja) * 1987-08-14 1989-06-15 Natl Res Dev Corp パルスオキシメータ装置
WO2007046283A1 (ja) * 2005-10-18 2007-04-26 Sharp Kabushiki Kaisha 生体情報取得装置及び生体情報取得方法
JP2011115459A (ja) * 2009-12-04 2011-06-16 Nippon Soken Inc 生体情報検出装置及び生体情報検出方法
WO2016032972A1 (en) * 2014-08-25 2016-03-03 Draeger Medical Systems, Inc. Rejecting noise in a signal

Also Published As

Publication number Publication date
JPWO2020157988A1 (ja) 2021-11-25
US20220096016A1 (en) 2022-03-31
JP7327417B2 (ja) 2023-08-16

Similar Documents

Publication Publication Date Title
Azami et al. Refined composite multiscale dispersion entropy and its application to biomedical signals
TWI720215B (zh) 提供即時訊號分段和基準點對準架構的系統與方法
Karthikeyan et al. Detection of human stress using short-term ECG and HRV signals
EP3225158A2 (en) Method and apparatus for heart rate and respiration rate estimation using low power sensor
US8543196B2 (en) Lie detection based on heart rate variability
US8795173B2 (en) Methods and apparatus for assessment of atypical brain activity
US7035685B2 (en) Apparatus and method for measuring electroencephalogram
JP6190466B2 (ja) 生体信号測定器及び接触状態推定方法
CN113951818A (zh) 用于睡眠监测的设备和方法
Altan et al. ECG based human identification using second order difference plots
WO2016193030A1 (en) Sleep monitoring method and system
US20210090740A1 (en) State estimation apparatus, state estimation method, and non-transitory recording medium
WO2023112384A1 (ja) 計算機システム及び情動推定方法
CN111698939B (zh) 生成与外部对象相关联的心率波动信息的方法及其设备
JP7325576B2 (ja) 端末装置、出力方法及びコンピュータプログラム
WO2020157988A1 (ja) 状態推定装置、状態推定方法、及びコンピュータ読み取り可能な記録媒体
JP7211441B2 (ja) 覚醒度推定装置、覚醒度推定方法、及びプログラム
WO2019224113A1 (en) Measuring movement in a subject
Progonov et al. Heartbeat-based authentication on smartwatches in various usage contexts
Locharla et al. EEG-based deep learning neural net for apnea detection
JP2020073108A (ja) 睡眠段階判定方法、睡眠段階判定装置、及び睡眠段階判定プログラム
WO2022101990A1 (ja) 疲労度推定装置、疲労度推定方法、及びコンピュータ読み取り可能な記録媒体
EP3466322A1 (en) A computer-implemented method for the measurement of human emotion of a subject and a method for filtering an eda signal
JP7158641B1 (ja) 無呼吸低呼吸指標推定装置、方法およびプログラム
KR100327117B1 (ko) 뇌파를 이용한 긍정/부정 의사 분별 장치 및 그 방법

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: 19912718

Country of ref document: EP

Kind code of ref document: A1

ENP Entry into the national phase

Ref document number: 2020569334

Country of ref document: JP

Kind code of ref document: A

NENP Non-entry into the national phase

Ref country code: DE

122 Ep: pct application non-entry in european phase

Ref document number: 19912718

Country of ref document: EP

Kind code of ref document: A1