【発明の詳細な説明】

【０００１】

【発明の属する技術分野】本発明は、時系列生体信号の基本律動の５倍以上の帯域を一部に含む高周波数帯域の数理処理により、生体の主に情緒的情報を定量的に評価するための生体信号解析方法及び装置に関するものである。

【０００２】そして、本発明は例えば製品や作品に対する生体反応の客観的かつ定量的計測（感性評価）や、生体の置かれた環境に対する快／不快等の生体反応の計測、或いは生体の心理・生理状態を計測するための臨床／研究等々の方法又は装置に利用される。 また、更にこれら計測結果を帰還して生体或いは生体に刺激を与える対象を制御する方法又は装置に利用される。

【０００３】

【従来の技術】時系列生体信号から生体情報を得るために、臨床医学等の分野で用いられてきた従来方法は、信号強度の時間変化を図形表示した信号波形の経験的分類に従い、例えば或る疾病に特徴的な波形のパターンを目視で見い出すことが中心である。 これに対し、時系列生体信号の数値的解析により生体の情緒的情報を得る方法として、信号のスペクトル解析か試みられている。

【０００４】例えば脳波の場合に、主な周波数成分は深い睡眠時に現れるδ波（４Ｈｚ未満）、瞑想時など深いリラックス状態に現れるθ波（４〜８Ｈｚ）、深い睡眠時に現れるα波（８〜１３Ｈｚ）、瞑想時など深いリラックス状態に現れるβ波（１３〜３０Ｈｚ）に大別される。 特開平５−３００８９０号公報では、スペクトル解析による結果から各周波数帯域の信号強度を算出し、これらの帯域間で比較することにより、被検者の生体情報の評価が試みられている。

【０００５】

【発明が解決しようとする課題】しかしながら上述の従来例においては、疾病の典型的な症状を発見するか、或いはリラックス・緊張等の極めて単純化された生体情報が得られるに過ぎず、それらは定性的な情報に留まっている。 従って、近年要求が高まりつつある生体高次機能に関する情報の測定や、生体情報の定量化の実現は困難である。

【０００６】また、高々数１０Ｈｚまでの比較的低周波の生体信号を用いる場合に、高度な数値処理を試みるために要する十分なサンプル数を得るには相応の時間がかかる。 そのため、生体情報を実時間で観測したり、その情報を帰還して系の実時間制御を行うことは困難である。 また、そのサンプリング時間よりも高速な生体の変化を捉えることはできない。

【０００７】本発明の目的は、上述の問題点を解決し、
高速に生体の定量的情報を得ることが可能な生体信号解析方法及び装置を提供することにある。

【０００８】

【課題を解決するための手段】上記目的を達成するための本発明に係る生体信号解析方法は、時系列生体信号の基本律動の５倍以上の帯域を一部に含む高周波数帯域信号を抽出する第１工程と、該第１工程で抽出された信号に対して数理処理を施す第２工程と、該第２工程での数理処理の結果から生体情報を評価する第３工程とを含むことを特徴とする。

【０００９】また、本発明に係る生体信号解析装置は、
時系列生体信号の基本律動の５倍以上の帯域を一部に含む高周波数帯域信号を抽出する帯域抽出手段と、該帯域抽出手段で抽出された信号に対して数理処理を施す数理処理手段と、該数理処理手段による数理処理の結果から生体情報を評価する生体情報評価手段とを有することを特徴とする。

【００１０】

【発明の実施の形態】発明者らは従来技術の限界が、
(１)基本律動の５倍未満の低周波帯域のみを観測対象にしていること、及び（２）観測対象としている生体信号に対して、その発生機構に基づく数理処理を施していないことに原因があることを知見した。

【００１１】多くの生体信号の基本律動は数Ｈｚ〜数１
０Ｈｚまでの帯城に集中しており、また５０Ｈｚ又は６
０Ｈｚの商用電源に起因する雑音の強度は、微弱な生体信号のそれを凌ぐことも少なくない。 そのため、従来ではやむなく基本律動の５倍未満の低周波帯域のみを観測していたものと推察される。 しかしながら、生体細胞の電気的活動にはより高速な成分が含まれており、その高速成分には生体細胞の活動にとって重要な非線形ダイナミクスの本質が反映していると思われる。

【００１２】逆の観点からいえば、従来の技術が主として観測してきた低周波帯域の生体信号には、生体活動のダイナミクスに基づく高度な数理処理の結果、初めて得られる重要な生体情報に乏しいために、周波数帯域間の信号強度の比較程度の解析しか行われていなかつたものと推察される。

【００１３】そこで、発明者らはこれまで未開拓であった高周波帯域における生体信号に注目して鋭意研究を重ねた結果、基本律動の５倍以上の高周波帯域における微弱な生体信号に高度な数理処理を施すことによって、重要な生体情報を評価が可能となることを見い出した。

【００１４】ここで、図１に示すように、生体信号としては例えば脳波・脈波・心電・筋電・呼気等の時系列生体信号の基本律動の５倍以上の高周波帯域を一部に含む帯域を抽出し、更に例えばリアプノフ数の算出・相関次元の算出の何れかのカオス解析による数理処理を行い、
生体の情緒的情報を評価する。

【００１５】図２は生体信号として脳波を扱う場合に、
本発明の方法に用いる装置の構成図を示し、脳波測定部１からの出力は、増幅器２、Ａ／Ｄ変換器３、データ保持部４を経由して演算部５に接続されている。 そして、
演算部５には外部記憶部６、表示部７、印刷部８が接続されている。

【００１６】先ず、脳波測定部１により被検者の時系列生体信号として脳波を測定する。 この場合に、図３に示すように被検者の頭部の複数個所に電極１１をペースト１２により貼り付ける。 なお、これらの電極１１の装着部位は、国際脳波学会標準法(１０／２０法)に従っている。 電極１１により検出された脳波信号を増幅器２で所定のレベルまで増幅した後に、Ａ／Ｄ変換器３によりデジタル信号に変換し、データ保持部４に記録する。 なお、このＡ／Ｄ変換処理におけるサンプリング周波数は２４ＫＨｚとしている。

【００１７】図４は以上の手順に従って測定された脳波信号のグラフ図を示す。 なお、この脳波信号は測定Ｃ
Ｈ：Ｏｚにおいて測定されたものである。

【００１８】続いて、データ保持部４に記録したデジタル信号に対して、演算部５によりバンドパスフィルタリング操作を施こす。 この場合に抽出する周波数帯域としては、例えば５〜３７５Ｈｚの周波数帯域を４０Ｈｚごとに分割した周波数帯域を設定し（ハムノイズを含む４
５〜５５Ｈｚは除く）、５〜４５Ｈｚ、５５〜９５Ｈ
ｚ，９５〜１３５Ｈｚ、１３５〜１７５Ｈｚ、１７５〜
２２５Ｈｚ、２２５〜２５５Ｈｚ、２５５〜２９５Ｈ
ｚ、２９５〜３３５Ｈｚ、３３５〜３７５Ｈｚ、３７５
〜４１５Ｈｚ、４１５〜４５５Ｈｚ、４５５〜４９５Ｈ
ｚ、４９５〜５３５Ｈｚ、５３５〜５７５Ｈｚ、５７５
〜６１５Ｈｚの各周波数帯域を持つ時系列デジタル信号を得ることができる。 ここで、図５は５〜４５Ｈｚ、図６は２９５〜３３５Ｈｚの脳波信号のグラフ図を示している。

【００１９】次に、得られた各周波数帯域の時系列デジタル信号に対して、演算部５によりカオス解析として最大リアプノフ数の算出を行う。 図７は演算部５において最大リアプノフ数算出のためのアルゴリズムを示す処理過程のフローチャート図である。 時系列データは時間に関しての１次元であるが、実際に解析を行うためには、
少なくともそもそものカオスの次元よりも大きい次元のデータが必要である。 そこで、ステップ１１で得られた１次元のデータから、図７のステップ１２においてタケンスにより提案された埋め込み方法により、多次元のアトラクタを再構築する。

【００２０】タケンスによって提案された方法では、観測された時系列ｘ（ｔ）をｍ次元の空間に埋め込むには、或るパラメータτに対して、 {(ｘ _i （t），ｘ _i （t＋τ），ｘ _i （t＋2τ），・・・，
ｘ _i （t＋（m-1）τ)} なるｍ次元ベクトルを作る。

【００２１】なお、ここではパラメータτの大きさを各周波数帯域の平均周期の１／４〜１／３周辺に振り分けて解析を行い、埋め込み次元ｍは５次元とした。

【００２２】続いて、図７のステップ１３において、求めた５次元ベクトルから最大リアプノフ数の算出を行う。 先ず、前記のように求めたｘ _iから、前後或る一定の時間間隔内にある点を除いて、残りの点の中で最も近接する点ｙ _iを選択し、この２点間の距離の時間Δｔ後の増加率Ａ _i (ｔ，Ａt)を調べる。 Ａ _i (t，Ａt)＝｜ｘ _i (t+Δt)−ｙ _i (t+Δt)｜ ／ ｜ｘ _i
(t)−ｙ _i (t)｜

【００２３】次に、前記Ａ _i (t，At)を各点について計算し、平均Ａｖを求める。 Ａｖ＝(１/ｎ)(Ａ ₁ ＋Ａ ₂ ＋・・＋Ａ _n )

【００２４】これら２点の組は、もしカオスであるならば時間変化に伴って指数関数的に離れてゆく筈であるから、Δｔ後の時間発展に対する最大リアプノフ数λは、
次のように表される。 λ＝(１/Δt)ｌｏｇＡｖ(t，τ)

【００２５】続いて、演算部５によって求めた最大リアプノフ数λを外部記憶部６に保存する。 そして、以上の工程が各周波数帯域ごとに繰り返され、本実施例の場合に合計ｎ＝１５個の最大リアプノフ数λが算出される。
これを、今後λ _i (i＝１，２，・・・，１５）と表現する。

【００２６】更に、外部記憶部６に保存された各周波数帯域に対応する最大リアプノフ数λiが、演算部５によって平均：０、分散：１に基準化され、その周波数帯域に対する分布状況が表示部７に表示される。

【００２７】なお、最大リアプノフ数λの基準値Ｌｉは以下の式に従って算出される。 Ｌｉ＝（λ _i −λｖ）／δ

【００２８】 ここで、λｖ＝(１/ｎ)(λ ₁ ＋λ ₂ ＋・・・＋λ _n ) δ ² ＝(１/ｎ)Σ(λ _i −λｖ）

【００２９】演算部５において、事前に測定者によってヒトの思考状態に対応した基準値における閾値が各周波数帯域に設定されている場合に、被検者から測定された最大リアプノフ数λの基準値Ｌｉと比較することにより、被検者の思考状態を自動的に評価し、その結果を必要に応じて表示部７に表示したり、又は印刷部８によって印刷することができる。

【００３０】本実施例においては、被検者に対して（１）閉眼安静（２）開眼安静（３）科学雑誌通読の３
種類の賦活を与え、以上説明した処理過程に沿って、測定位置を後頭中央部（ＣＨ：Ｏｚ）として測定された脳波に対して解析を行ったところ、図８に示すような結果が表示部７に表示された。

【００３１】ここで、被検者に与えられた賦活は、
（１）＜（２）＜（３）の順に複雑な作業となっており、当然に被検者も同様の順番で複雑な思考を行っていると考えられる。 この結果をみると、最大リアプノフ数λの基準値Ｌｉのピークが、（１）閉眼安静では低周波帯域（５〜４５Ｈｚ）に見られたのが、（２）開眼安静ではより高周波帯域（２９５〜３７５Ｈｚ）にずれ込み、（３）科学技術雑誌通読においては更に高周波帯域（４１５〜５３５Ｈｚ）にずれ込んでいることが分かる。

【００３２】即ち、最大リアプノフ数λの基準値Ｌｉの周波数帯域に対する分布状況を評価することにより、ヒトの思考の複雑さの程度を判定するにとが可能になる。
この場合は、最大リアプノフ数λの基準値Ｌｉのピークが存在する周波数帯域が高いほど、被検者はより複雑な思考を行っている。 また、或る周波数帯域でのそれぞれの賦活における最大リアプノフ数λの基準値Ｌｉの大きさを比較することにより、被検者の思考の複雑さの程度を定量的に判定することが可能となる。

【００３３】即ち、例えば事前に演算部５において、４
１５〜４５５Ｈｚ帯域における最大リアプノフ数λの基準値Ｌｉに対する閾値として、「０．５以上で中程度の複雑な思考状態、１．０以上で高程度の複雑な思考状態」と設定することにより、最大リアプノフ数λの基準値Ｌｉの算出結果と閾値の大小関係の判断により自動的に評価が行われる。

【００３４】また、従来行われていた基本律動（１０Ｈ
ｚ）の５倍未満の周波数帯域に対する解析結果をみると、被検者の思考の複雑さの変化を十分には捉えきれておらず、この周減数帯域を解析対象としても、ヒトの思考の複雑さの程度を測定することは不可能なことが分かる。

【００３５】第２の実施例は第１の実施例の処理装置と同様の構成とされており、図９に示す処理のフローチャート図におけるステップ１７の相関次元の算出過程と、
ステップ１８の相関次元数による生体情報の評価に関してのみ、第１の実施例と異なっている。

【００３６】即ち、本実施例においては、図９のステップ１６に示すように、タケンスの埋め込み方法により得られたｍ次元ベクトル（本実施例では５次元ベクトル）
に対して、演算部５によりステップ１７に示すように、
カオス解析として相関次元数の算出を行う。

【００３７】先ず、前記のように求められたｘ _iに対して、以下の数式を満たす相関積分量を算出する。

【００３８】

【００３９】ただし、上記の数式において、Ｈ（ｔ）はヘビサイド関数、Ｎはデータ数、εは超球内の半径を表す距離とする。 このように算出された相関積分量Ｃ
（ε）を用いて、下記の数式により相関次元Ｄを算出する。

【００４０】

【００４１】続いて、演算部５によって求めた相関次元数Ｄを外部記億部６に保存する。 そして、以上の工程が各周波数帯域ごとに繰り返され、本実施例の場合に合計ｎ＝１５個の相関次元Ｄが算出される。 これを、今後Ｄ
ｉ（ｉ＝１，２，・・・，１５）と表現する。

【００４２】更に、外部記憶部６に保存された各周波数帯域に対応する相関次元Ｄｉが演算部５によって、平均：０、分散：１に基準化され、その周波数帯域に対する分布状況が表示部７に表示される。

【００４３】なお、相関次元Ｄｉの基準値ｄｉは次の式に従って算出される。 ｄｉ＝（Ｄｉ−Ｄｖ）／δ

【００４４】 ここで、Ｄｖ＝（２／ｎ）(Ｄ ₁ ＋Ｄ ₂ ＋・・・＋Ｄ _n ) δ ² ＝(１/ｎ)Σ(Ｄi−Ｄｖ）

【００４５】また、ここで演算部５において、事前に測定者によってヒトの思考状態に対応した基準値における閾値が各周波数帯域に設定されている場合に、被検者から測定された相関次元の基準値ｄｉと比較することにより、被検者の思考状態を自動的に評価できる。

【００４６】本実施例においても、被検者に対して（１）閉眼安静、（２）開眼安静、（３）科学雑誌通読の３種類の賦活を与え、以上説明した処理過程に沿って、測定位置の後頭中央部（ＣＨ：Ｏｚ）で測定された脳波に対して解析を行ったところ、図１０に示すような結果が表示部７に表示された。 これは、第１の実施例における最大リアプノフ数λの基準値Ｌｉを算出した場合と全く同様の結果となった。

【００４７】ここで、被検者に与えられた第１の実施例のように賦活は（１）＜（２）＜（３）の順に複雑な作業となっており、当然に被検者も同様の順番で複雑な思考を行っていると考えられる。 この結果をみると、相関次元の基準値ｄｉのピークが、（２）閉眼安静では低周波帯域（５〜４５Ｈｚ）に見られたのが、（２）開眼安静ではより高周波帯域（２９５〜３７５Ｈｚ）にずれ込み、（３）科学技術雑誌通読においては更に高周波帯域（４１５〜５３５Ｈｚ）にずれ込んでいることが分かる。

【００４８】即ち、相関次元Ｄｉの基準値ｄｉの周波数帯域に対する分布状況を評価することにより、ヒトの思考の複雑さの程度を判定することが可能になる。 この場合は、相関次元の基準値ｄｉのピークが存在する周波数帯域が高いほど、被検者はより複雑な思考を行っていることが分かる。

【００４９】また、或る周波数帯域でのそれぞれの賦活における相関次元Ｄｉの基準値ｄｉの大きさを比較することにより、被検者の思考の複雑さの程度を定量的に判定することが可能となる。 即ち、例えば事前に演算部５
において、４１５〜４５５Ｈｚ帯域における相関次元の基準値ｄｉに対する閾値として、「０．５以上で中程度の複雑な思考状態、１．０以上で高程度の複雑な思考状態」と設定することにより、相関次元Ｄｉの基準値ｄｉ
の算出結果と閾値の大小関係の判断により自動的に評価が行われ、表示部７に表示したり印刷部８によって印刷される。

【００５０】また、従来行われていた基本律動（１０Ｈ
ｚ）の５倍未満の周波数帯域に対する解析結果をみると、被検者の思考の複雑さの変化を十分には捉えきれておらず、この周減数帯域を解析対象としても、ヒトの思考の複雑さの程度を測定することは不可能なことが分かる。

【００５１】第３の実施例として、時系列生体信号として脈波を用いた場合について説明する。 図１１は中指に脈波測定センサ１３を付した場合の説明図、図１２は時系列生体信号として測定された脈波信号波形のグラフ図を示している。

【００５２】本実施例においては、第１の実施例における脳波の代りに、脈波を検出することと、演算部５によって抽出する周波数帯域が異なること以外は、全て第１
の実施例と同様の工程を実施する。 本実施例において、
演算部５によって抽出される周波数帯域は、例えば０．
１〜７５Ｈｚの周波数帯域を約５Ｈｚごとに分割した周波数帯域を設定し(ハムノイズを含む４５〜５５Ｈｚは除く)、０．１〜５Ｈｚ、５〜１０Ｈｚ、１０〜１５Ｈ
ｚ、２５〜２０Ｈｚ、２０〜２５Ｈｚ、２５〜３０Ｈ
ｚ、３０〜３５Ｈｚ、３５〜４０Ｈｚ、４０〜４５Ｈ
ｚ、５５〜６０Ｈｚ、６０〜６５Ｈｚ、６５〜７０Ｈ
ｚ、７０〜７５Ｈｚ、７５〜８０Ｈｚ，８０〜８５Ｈｚ
の各周波数帯域を持つ時系列デジタル信号を得ることができる。

【００５３】図１３は以上の工程により算出された最大リアプノフ数λの基準値Ｌｉが表示部７に表示された結果を示している。 この結果をみると、最大リアプノフ数λの基準値Ｌｉのピークが、（１）閉眼安静では低周波帯域（０．１〜５Ｈｚ）に見られたのが、（２）開眼安静ではより高周波帯域（３５〜４５Ｈｚ）にずれ込み、
（３）科学技術雑誌通読においては更に高周波帯域（６
０〜７０Ｈｚ）にずれ込むことが分かる。

【００５４】即ち、この場合においても、最大リアプノフ数λの基準値Ｌｉのピークが存在する周波数帯域の高低を比較することにより、ヒトの思考の複雑さの程度を判定することかが可能になり、最大リアプノフ数λの基準値Ｌｉのピークかが存在する周波数帯域が高いほど、
被検者はより複雑な思考を行っている。

【００５５】例えば、事前に演算部５において、６０〜
６５Ｈｚ帯域における最大リアプノフ数λの基準値Ｌｉ
に対する閾値として、「０．８以上で中程度の複雑な思考状態、１．０以上で高程度の複雑な思考状態」と設定することにより、最大リアプノフ数λの基準値Ｌｉの算出結果と閾値の大小関係の判断により自動的に評価が行われる。

【００５６】また、従来行われていた基本律動（１Ｈ
ｚ）の５倍未満の周波数帯域に対する解析結果をみると、被検者の思考の複雑さの変化を十分には捉えきれておらず、この周減数帯域を解析対象としても、ヒトの思考の複雑さの程度を測定することは不可能である。

【００５７】なお、本実施例において、第２の実施例と同様に相関次元Ｄｉの基準値ｄｉを算出した場合の結果は、第１の実施例の結果に対する第２の実施例の結果の関係と同様になった。

【００５８】図１４〜図１６は第４の実施例を示し、時系列生体信号として心電を用いている。 図１４は時系列生体信号として心電センサ１４を被検者の胸部に取り付けて心電を測定する説明図を示し、図１５は測定された心電信号波形のグラフ図を示し、図１６は表示部７に表示されたグラフ図を示している。 本実施例においては、
第１の実施例における脳波の代りに時系列生体信号として心電を検出することと、演算部５によって抽出する周波数帯域が異なるにと以外は、全て第１の実施例と同様の工程を実施する。

【００５９】最大リアプノフ数λの基準値Ｌｉが表示部７に表示された図１６の結果を見ると、基準値Ｌｉのピークが、（１）閉眼安静では低周波帯域（０．１〜０．
５Ｈｚ）に見られたのが、（２）開眼安静ではより高周波帯域（３５〜４５Ｈｚ）にずれ込み、（３）科学技術雑誌通読においては更に高周波帯域（６５〜７０Ｈｚ）
にずれ込むことが分かる。

【００６０】例えば、事前に演算部５において、６５〜
７０Ｈｚ帯域における最大リアプノフ数λの基準値Ｌｉ
に対する閾値として、「０．２５以上で中程度の複雑な思考状態、１．０以上で高程度の複雑な思考状態」と設定することにより、最大リアプノフ数λの基準値Ｌｉの算出結果と閾値の大小関係の判断により自動的に評価が行われる。

【００６１】また、従来行われていた基本律動（１Ｈ
ｚ）の５倍未満の周波数帯域に対する解析結果をみると、被検者の思考の複雑さの変化を十分には捉えきれておらず、この周減数帯域を解析対象としても、ヒトの思考の複雑さの程度を測定することは不可能なことが分かる。

【００６２】なお本実施例において、第２の実施例と同様に相関次元Ｄｉの基準値ｄｉを算出した場合の結果は、第１の実施例の結果に対する第２の実施例の結果の関係と同様になった。

【００６３】図１７〜図１９は第５の実施例を示し、時系列生体信号として筋電信号を用いた場合である。 図１
７は被検者の眼の横に筋電センサ１５を取り付けて筋電を測定する方法の説明図を示し、図１８は本実施例において測定された筋電信号波形のグラフ図、図１９は表示部７に表示されたグラフ図を示している。

【００６４】本実施例においては、時系列生体信号として筋電を検出することと、演算部５によって抽出する周波数帯域が異なること以外は、全て第１の実施例と同様の工程を実施する。 また、本実施例において演算部５によって抽出される周波数帯域は、例えば０．１〜６０Ｈ
ｚの周波数帯域を約２Ｈｚごとに分割した周波数帯域を設定し（ハムノイズを含む４６〜５４Ｈｚは除く）、
０．１〜２Ｈｚ、２〜４Ｈｚ、４〜６Ｈｚ、６〜８Ｈ
ｚ、８〜１０Ｈｚ、１０〜１２Ｈｚ、１２〜１４Ｈｚ、
１４〜１６Ｈｚ、１６〜１８Ｈｚ、１８〜２０Ｈｚ、２
０〜２２Ｈｚ、２２〜２４Ｈｚ、２４〜２６Ｈｚ、２６
〜２８Ｈｚ、２８〜３０Ｈｚ、３０〜３２Ｈｚ、３２〜
３４Ｈｚ、３４〜３６Ｈｚ、３６〜３８Ｈｚ、３８〜４
０Ｈｚ、４０〜４２Ｈｚ、４２〜４４Ｈｚ、４４〜４６
Ｈｚ、５４〜５６Ｈｚ、５６〜５８Ｈｚ、５８〜６０Ｈ
ｚの各周波数帯域を持つ時系列デジタル信号を得ることができる。

【００６５】図１９の最大リアプノフ数λの基準値Ｌｉ
のグラフ図から、最大リアプノフ数λの基準値Ｌｉのピークが、（２）閉眼安静では低周波帯域（０．１〜０．
５Ｈｚ）に見られたのが、（2）開眼安静ではより高周波帯域（３６〜４０Ｈｚ）にずれ込み、（３）科学技術雑誌通読においては更に高周波帯域（４０〜４４Ｈｚ）
にずれ込むことが分かる。

【００６６】例えば、事前に演算部５において５４〜５
６Ｈｚ 帯域における最大リアプノフ数λの基準値Ｌｉ
に対する閾値として、「０．４以上で中程度の複雑な思考状態、０．９以上で高程度の複雑な思考状態」と設定することにより、最大リアプノフ数λの基準値Ｌｉの算出結果と閾値の大小関係の判断により自動的に評価が行われる。

【００６７】また、従来行われていた基本律動（０．４
Ｈｚ）の５倍未満の周波数帯域に対する解析結果をみると、被検者の思考の複雑さの変化を十分には捉えきれておらず、この周減数帯域を解析対象としても、ヒトの思考の複雑さの程度を測定することは不可能なことが分かる。

【００６８】なお、本実施例において、第２の実施例と同様に相関次元Ｄｉの基準値ｄｉを算出した場合の結果は、第１の実施例の結果に対する第２の実施例の結果の関係と同様になった。

【００６９】図２０〜図２２は第６の実施例を示し、時系列生体信号として呼気を用いた場合であり、図２０は被検者の鼻の中に呼気センサ１６を取り付けて呼気を測定する場合の説明図、図２１は測定された呼気信号波形のグラフ図、図２２は表示部７に表示されたグラフ図を示している。

【００７０】ただし、図２２における４６〜５４Ｈｚの周波数帯域に関しては補完して表示している。 図２２の結果を見ると、最大リアプノフ数λの基準値Ｌｉのピークが、（１）閉眼安静では低周波帯域（０．１〜２Ｈ
ｚ）に見られたのが、（２）開眼安静ではより高周波帯域（３２〜４０Ｈｚ）にずれ込み、（３）科学技術雑誌通読においては更に高周波帯域（３６〜４４Ｈｚ）にずれ込んでいる。

【００７１】例えば、事前に演算部５において、５４〜
５６Ｈｚ帯域における最大リアプノフ数λの基準値Ｌｉ
に対する閾値として、「０．５以上で中程度の複雑な思考状態、１．０以上で高程度の複雑な思考状態」と設定することにより、最大リアプノフ数λの基準値Ｌｉの算出結果と閾値の大小関係の判断により自動的に評価が行われる。

【００７２】また、従来行われていた基本律動（０．４
Ｈｚ）の５倍未満の周波数帯域に対する解析結果をみると、被検者の思考の複雑さの変化を十分には捉えきれておらず、この周減数帯域を解析対象としても、ヒトの思考の複雑さの程度を測定することは不可能なことが分かる。

【００７３】なお、本実施例において、第２の実施例と同様に相関次元Ｄｉの基準値ｄｉを算出した場合の結果は、第１の実施例の結果に対する第２の実施例の結果の関係と同様になった。

【００７４】図２３、図２４は第７の実施例を示し、図２と同様の装置を書類の校正作業を一定時間行う被検者に対して適用し、更に計測結果を被検者に帰還して刺激を与えるように制御している。 図２３は処理装置を示し、図２に示した装置に対して、演算部５に制御部２１
を介して被検者に刺激マッサージチェア２２が接続されている。 制御部１０２は演算部５からの制御信号に応じてマッサージチェア２２の動作を制御する。

【００７５】本実施例において、被検者は１０分間に渡り書類の校正作業を行うこととした。 この作業において、第１の実施例と同様に測定を行うのであるが、生体情報として脳波を実時間で観測するために、データ保持部４に事前に設定した例えば時間間隔５秒の脳波データを記録するごとに、演算部５以下の処理が随時行われる。

【００７６】ここで、演算部５には予め４１５〜４５５
Ｈｚの周波数帯域のリアプノフ数λの基準値Ｌｉに対する閾値が定めてあり、算出されたリアプノフ数λの基準値Ｌｉとの関係に応じて、刺激装置として被検者が座るマツサージチェア２２に対して以下の規定の制御信号を送る。

【００７７】 Ｌｉ＜０．５：高速運転 ０．５≦Ｌｉ＜１．０：低速運転 １．０≦Ｌｉ：停止

【００７８】これにより、４１５〜４５５Ｈｚの周波数帯域のリアプノフ数λの基準値Ｌｉが低下、即ち疲労等の影響により複雑な思考活動が低下すると、被検者はマッサージチェア２２によるマッサージを受けることになり、疲労を軽減することが可能となり、結果として複雑な思考活動の回復を得ることができる。 また、マッサージチェア２２の運転が長時間継続した場合に、被検者は自身の思考活動の低下を認識し、適宜休息を取ることを選択することも可能となる。

【００７９】図２４は被検者の脳波において４１５〜４
５５Ｈｚの周波数帯域のリアプノフ数λの基準値Ｌｉを５秒間隔ごとに表示したグラフ図を示す。

【００８０】なお本実施例では、刺激装置としてマツサージチェア２２を使用したが、これ以外にも、例えば低周波治療器などの生体に対して有用な刺激を与える装置の使用も可能である。

【００８１】また生体情報として、脈波・心電・筋電・
呼気を使用した場合も、第３〜第６の実施例で説明したように、適切な周波数帯域と演算部５における閾値を設定することにより、同様の効果を得ることができる。 また、演算部５における解析方法として、第２の実施例で説明したように相関次元解析を行った場合も、同様の効果を得ることができる。

【００８２】図２５〜図３０は第８の実施例を示し、被検者に与える賦活として匂いを用い、その匂いに対する被検者の好みを判定した。 図２５は被検者に匂い賦活を与える方法の説明図、図２６は生体信号として脳波を用いた場合の表示部７に表示されたグラフ図、図２６は脈波を用いた場合のグラフ図、図２７は心電を用いた場合のグラフ図、図２８は筋電を用いた場合のグラフ図、図３０は呼気を用いた場合のグラフ図を示している。

【００８３】本実施例においては、先の実施例における匂いを用いて賦活を与えること以外は、全て先の実施例と同様の工程を実施する。 ここで匂いによる賦活は、図２５に示すように臭気発生部２３により発生したそれぞれの匂いが、チューブ２４を通じて、被検者が装着した臭気マスク２５に送られることにより被検者に与えられる。 匂いの賦活として、（１）無臭、（２）ラベンダー臭、（３）アンモニア臭の３種類の賦活を被検者に与え、それぞれに対する最大リアプノフ数λの基準値Ｌｉ
を算出した。

【００８４】また、上記の工程を行った後に、被検者に対しこれらの３種類の匂いに関する好みについてアンケ―トを行ったところ、それぞれ（１）好きでも嫌いでもない（２）好き、（３）嫌いとの結果が得られた。

【００８５】図２６〜図３０のグラフ図を見ると、それぞれの生体信号の基本律動が異なることから、絶対的な周波数帯域は異なるものの、全ての生体信号において最大リアプノフ数λの基準値Ｌｉのピークが、（１）好きでも嫌いでもない匂いの場合には低周波帯域に見られたのが、（２）好きな匂いの場合には高周波帯域にずれ込み、（３）嫌いな匂いの場合には更に高周波帯域にずれ込むことが分かり、定性的な傾向が一致していることが分かる。

【００８６】この結果と、事前に行ったアンケートから得られた被検者の３種類の匂いに対する好みの傾向を合わせて考えることにより、最大リアプノフ数λの基準値Ｌｉのピークが存在する周波数帯域の高低を比較することにより、匂いに対する好き・嫌い等の人の情動を測定することが可能になる。

【００８７】本実施例の場合には、最大リアプノフ数λ
の基準値Ｌｉのピークが存在する周波数帯域が高いほど、被検者はより嫌悪感を感じている。 更に、或る周波数帯域でのそれぞれの賦活における最大リアプノフ数λ
の基準値Ｌｉの大きさを比較することにより、匂いに対する被検者の好き・嫌い等の情動を定量的に測定することが可能となる。

【００８８】即ち、生体信号として脳波を用いる場合は、例えば事前に演算部５において、４９５〜５３５Ｈ
ｚ帯域における最大リアプノフ数の基準値Ｌｉに対する閾値として、「１．０以上で好意感、１．２以上で嫌悪感」と設定する。

【００８９】また、脈波を用いる場合には、７０〜７５
Ｈｚ帯域における基準値Ｌｉに対する閾値として、
「１．０以上で好意感、２．０以上で嫌悪感」と設定し、心電を用いる場合には、７０〜７５Ｈｚ帯域における基準値Ｌｉに対する閾値として、「１．０以上で好意感、１．８以上で嫌悪感」と設定する。 更に、生体信号として筋電を用いる場合には、５４〜５６Ｈｚ帯域における基準値Ｌｉに対する閾値として、「０．６以上で好意感、２．０以上で嫌悪感」と設定し、呼気を用いる場合には、５４〜５６Ｈｚ帯域における基準値Ｌｉに対する閾値として、「０．５以上で好意感、１．７以上で嫌悪感」と設定する。

【００９０】このように、それぞれの場合において演算部５において閾値を設定することにより、最大リアプノフ数λの基準値Ｌｉの算出結果と閾値の大小関係の判断から自動的に評価が行われるので、本装置によって匂いに対する被検者の好き・嫌い等の情動の程度を測定することができる。

【００９１】またここで、従来行われていた生体信号の基本律動の５倍未満の周波数帯域に対する解析結果をみると、匂いに対する被検者の好き・嫌いの情動の変化を十分には捉えきれておらず、この周減数帯域を解析対象としても、匂いに対するヒトの好き・嫌いの情動の程度を測定することは不可能なことが分かる。

【００９２】なお、実施例において、第２の実施例と同様に相関次元の基準値ｄｉを算出した場合の結果は、第１の実施例の結果に対する第２の実施例の結果の関係と同様に、本実施例の結果と同じになった。

【００９３】このように第１〜第８の実施例によれば、
時系列に測定された生体信号において、基本律動の５倍以上の帯域を一部に含む高周波数帯域に対して数理処理、つまり実施例ではカオス解析による最大リアプノフ数の算出、相関次元数の算出することによって、被検者の思考の複雑さ及び心理的・生理的反応等の被検者の高次な情動を反映する生体情報を定量的に測定することが可能となる。 また、これら生体情報の時間変化を利用して、実時間の制御システムを実現することもできる。

【００９４】なお以上の実施例では、被検者から時系列に測定された生体信号に対して、それぞれの実施例中に記した周波数帯域ごとに濾波を行ったが、基本律動の５
倍以上の帯域を一部を含む高周波数帯域として、これ以外の帯域を抽出した場合にも、本実施例と同様に生体情報の定量的な測定が可能である。

【００９５】

【発明の効果】以上説明したように本発明に係る生体信号解析方法及び装置は、基本律動の５倍以上の帯域を一部を含む高周波数帯域の時系列生体信号に数理処理を施すことによって、従来困難であった情動や思考、心理状態、或いは神経系の安定度などに関する高度な生体情報を計測することが可能となる。

【００９６】また、このように基本律動の５倍以上の帯域を一部に含む高周波帯域の時系列生体信号を用いることによって、生体情報の高速な時間変化を観測することが可能となる。

【００９７】更に、これら生体情報の時間変化を利用して実時間の制御システムを実現することもできる。

【図面の簡単な説明】

【図１】処理工程の説明図である。

【図２】第１の実施例の処理装置の構成図である。

【図３】時系列生体信号としての脳波の測定方法の説明図である。

【図４】測定された脳波信号のグラフ図である。

【図５】５〜４５Ｈｚの脳波信号のグラフ図である。

【図６】２９５〜３３５Ｈｚの脳波信号のグラフ図である。

【図７】演算部における処理のフローチャート図である。

【図８】表示部に表示されたグラフ図である。

【図９】第２の実施例の演算部における処理のフローチャート図である。

【図１０】表示部に表示されたグラフ図である。

【図１１】第３の実施例の時系列生体信号としての脈波の測定方法の説明図である。

【図１２】測定された脈波信号のグラフ図である。

【図１３】表示部に表示されたグラフ図である。

【図１４】第４の実施例の時系列生体信号としての心電の測定方法の説明図である。

【図１５】測定された心電信号のグラフ図である。

【図１６】表示部に表示されたグラフ図である。

【図１７】第５の実施例の時系列生体信号としての筋電の測定方法の説明図である。

【図１８】測定された筋電信号のグラフ図である。

【図１９】表示部に表示されたグラフ図である。

【図２０】第６の実施例の時系列生体信号としての呼気の測定方法の説明図である。

【図２１】測定された呼気信号のグラフ図である。

【図２２】表示部に表示されたグラフ図である。

【図２３】第７の実施例の処理装置の構成図である。

【図２４】表示部に表示された時間変化のグラフ図である。

【図２５】第８の実施例の匂いの賦活を与える方法の説明図である。

【図２６】脳波を用いた場合に表示部に表示されたグラフ図である。

【図２７】脈波を用いた場合に表示部に表示されたグラフ図である。

【図２８】心電を用いた場合に表示部に表示されたグラフ図である。

【図２９】筋電を用いた場合に表示部に表示されたグラフ図である。

【図３０】呼気を用いた場合に表示部に表示されたグラフ図である。

【符号の説明】

１ 脳波測定部 ２ 増幅器 ３ Ａ／Ｄ変換部 ４ データ保持部 ５ 演算部５ ６ 外部記憶部 ７ 表示部 ８ 印刷部 １１ 電極 １２ ペースト １３ 脈波センサ １４ 心電センサ １５ 筋電センサ １６ 呼気センサ ２１ 制御部 ２２ マッサージチエア ２３ 臭気発生部 ２４ チューブ ２５ 臭気マスク

───────────────────────────────────────────────────── フロントページの続き (51)Int.Cl. ⁷識別記号 ＦＩ テーマコート゛(参考） Ａ６１Ｂ 5/08 Ａ６１Ｂ 5/04 ３３０ (72)発明者 雲見 日出也 東京都大田区下丸子三丁目30番２号 キヤ ノン株式会社内 (72)発明者 菅野 恒裕 東京都大田区下丸子三丁目30番２号 キヤ ノン株式会社内 (72)発明者 徳田 隆二 東京都大田区下丸子三丁目30番２号 キヤ ノン株式会社内 Ｆターム(参考） 4C017 AA09 AA19 AB03 AC03 AC15 AC26 BB12 BD01 4C027 AA02 AA03 BB05 FF02 GG11 KK03 4C038 SS08 SX07