JP5086834B2 - 疲労解析装置及びコンピュータプログラム - Google Patents

Description

本発明は、人の疲労の度合いとしての疲労度を求めるための疲労解析装置及びそれに用いられるコンピュータプログラムに関する。

特許文献１には、人が疲労に対してとる恒常性維持のために使用される筋肉の仕事によるエネルギー量を、その仕事による産物の代謝量で比較することにより、それを人の疲労の度合いとなる疲労度として求める技術が開示されている。この技術は、人の生体信号を採取し、その生体信号データの原波形の各周期のピーク値から、所定時間範囲ごとに上限側のピーク値と下限側のピーク値との差を算出し、この差をパワー値として算出するパワー値算出手段と、このパワー値の所定時間範囲における時間軸に対する傾きを、所定回数スライド計算して求めるパワー値傾き算出手段と、得られたパワー値の傾きの時系列信号を絶対値処理して積分値を算出する手段とを有し、得られた積分値を疲労度として求めている。
ＷＯ２００５／０３９４１５Ａ１号公報

しかし、例えば、人が座席に着座した状態を継続した際の、特許文献１に開示された技術により求めた疲労度と、同時に計測したボルグスケールによる筋疲労の官能評価値とを比較した場合、両者が類似傾向を示さないことがあることがわかった。本発明者らはこの点について検討したところ、特許文献１により求められる疲労度が、着座姿勢を維持・継続するという状態に対し、着座姿勢を維持するために使われる抗重力筋（姿勢筋）のエネルギー使用量と、着座姿勢の継続に伴う痛みの発生による急激な筋収縮によるエネルギー使用量といった筋収縮に伴う代謝を見ているだけであるのに対し、官能評価値には、肉体的な疲労だけでなく、精神的な疲労も考慮されていると考えた。つまり、特許文献１の技術は、精神的リラックス状態において生じる疲労を求めることが前提となっており、交感神経機能によって疲労がカバー（代償）されて筋収縮として表れない場合には、交感神経活動によって血流量が変化しても、疲労度として考慮されていない。しかし、実際には、交感神経活動によって精神的疲労及びそれに伴う血流量の変化が生じており、このことが、官能評価値との乖離を生じるケースの主な原因であると考えた。

本発明は上記に鑑みなされたものであり、交感神経活動による代償分の代謝量を考慮し、官能評価値により近い疲労度を求めることができる疲労解析装置及びコンピュータプログラムを提供することを課題とする。

上記課題を解決するため、請求項１記載の本発明では、生体信号測定器により採取された脈波の生体信号データを用いて疲労解析を行う疲労解析装置であって、
前記生体信号データの原波形の各周期のピーク値から、所定時間範囲ごとに上限側のピーク値と下限側のピーク値との差を算出し、この差をパワー値とし、パワー値の時系列データを基にして基準疲労度を求める第１疲労度算出手段と、
前記生体信号データから求めた最大リアプノフ指数を利用して、前記第１疲労度算出手段で用いたパワー値の時系列データの値を補正し、得られた補正パワー値の時系列データを基にして補正疲労度を求める第２疲労度算出手段と、
交感神経活動による疲労の代償作用の有無を判定する判定手段と、
前記判定手段により、交感神経活動による疲労の代償がなされていない状態と判定された時間帯では、前記第１疲労度算出手段により得られた基準疲労度の累積和を求めて出力し、交感神経活動による疲労の代償がなされている状態と判定された時間帯では、前記第２疲労度算出手段により得られた補正疲労度の累積和を求めて出力する累積疲労度出力手段と
を具備することを特徴とする疲労解析装置を提供する。
請求項２記載の本発明では、前記判定手段は、前記生体信号データから最大リアプノフ指数を求め、この最大リアプノフ指数の時系列データを基にして喚起度を求める喚起度算出手段と、前記喚起度算出手段により得られた喚起度から、前記第２疲労度算出手段の補正疲労度を採用するタイミングを判定するタイミング判定手段とを備えてなり、
前記累積疲労度出力手段は、前記タイミング判定手段により、前記第２疲労度算出手段の補正疲労度を採用するタイミングと判定される前の時間帯では、前記第１疲労度算出手段により得られた基準疲労度の累積和を求めて出力し、前記第２疲労度算出手段の補正疲労度を採用するタイミングと判定された後の時間帯では、前記第２疲労度算出手段により得られた補正疲労度の累積和を求めて出力するように設定されていることを特徴とする請求項１記載の疲労解析装置を提供する。
請求項３記載の本発明では、前記第１疲労度算出手段が、前記生体信号データの原波形の各周期のピーク値から、所定時間範囲ごとに上限側のピーク値と下限側のピーク値との差を算出し、この差を前記パワー値とし、該パワー値の時系列データを算出するパワー値算出手段と、
前記パワー値の所定時間範囲における時間軸に対する傾きを、所定回数スライド計算して求めるパワー値傾き算出手段と、
前記パワー値傾き算出手段によりスライド計算して得られたパワー値の傾きの時系列信号を絶対値処理し、所定時間範囲ごとの積分値を前記基準疲労度として算出するパワー値傾き積分手段と
を備えてなることを特徴とする請求項２記載の疲労解析装置を提供する。
請求項４記載の本発明では、さらに、生体信号測定器により採取された心拍数又は脈拍数の時系列データを周波数解析して得られるＬＦ／ＨＦのパワースペクトルの時系列データを求めるＬＦ／ＨＦ時系列データ算出手段を備え、
前記パワー値算出手段は、前記ＬＦ／ＨＦのパワースペクトルの時系列データの値と、前記パワー値の時系列データの値とを、相互に対応する時間における値同士で掛け合わせ、それをＬＦ／ＨＦ算入パワー値とし、該ＬＦ／ＨＦ算入パワー値の時系列データを算出するように設定されていることを特徴とする請求項３記載の疲労解析装置を提供する。
請求項５記載の本発明では、前記第２疲労度算出手段が、前記喚起度算出手段で用いた最大リアプノフ指数の時系列データの値と、前記第１疲労度算出手段で用いたパワー値の時系列データの値とを、相互に対応する時間における値同士で掛け合わせ、それを補正パワー値とし、補正パワー値の時系列データを算出する補正パワー値算出手段と、
前記補正パワー値の所定時間範囲における時間軸に対する傾きを、所定回数スライド計算して求める補正パワー値傾き算出手段と、
前記補正パワー値算出手段によりスライド計算して得られた補正パワー値の傾きの時系列信号を絶対値処理し、所定時間範囲ごとの積分値を前記補正疲労度として算出する補正パワー値傾き積分手段と
を備えてなることを特徴とする請求項１〜３のいずれか１に記載の疲労解析装置を提供する。
請求項６記載の本発明では、前記第２疲労度算出手段が、前記喚起度算出手段で用いた最大リアプノフ指数の時系列データの値と、前記第１疲労度算出手段で用いたＬＦ／ＨＦ算入パワー値の時系列データの値とを、相互に対応する時間における値同士で掛け合わせ、それを補正パワー値とし、補正パワー値の時系列データを算出する補正パワー値算出手段と、
前記補正パワー値の所定時間範囲における時間軸に対する傾きを、所定回数スライド計算して求める補正パワー値傾き算出手段と、
前記補正パワー値算出手段によりスライド計算して得られた補正パワー値の傾きの時系列信号を絶対値処理し、所定時間範囲ごとの積分値を前記補正疲労度として算出する補正パワー値傾き積分手段と
を備えてなることを特徴とする請求項４記載の疲労解析装置を提供する。
請求項７記載の本発明では、前記喚起度算出手段が、前記生体信号データから最大リアプノフ指数を求め、最大リアプノフ指数の時系列データを算出する最大リアプノフ指数算出手段と、
前記最大リアプノフ指数の所定時間範囲における時間軸に対する傾きを、所定回数スライド計算して求める最大リアプノフ指数傾き算出手段と、
前記最大リアプノフ指数傾き算出手段によりスライド計算して得られた最大リアプノフ指数の傾きの時系列信号を絶対値処理し、所定時間範囲ごとの積分値を前記喚起度として算出する最大リアプノフ指数傾き積分手段とを備えてなり、
さらに、前記最大リアプノフ指数傾き積分手段により得られた前記喚起度の累積和を求めて出力する累積喚起度出力手段と
を備えてなることを特徴とする請求項２記載の疲労解析装置を提供する。
請求項８記載の本発明では、前記タイミング判定手段は、前記累積喚起度出力手段により出力される累積喚起度の傾きの急変換点を、前記第２疲労度算出手段の補正疲労度を採用するタイミングと判定することを特徴とする請求項２記載の疲労解析装置を提供する。
請求項９記載の本発明では、前記タイミング判定手段は、測定開始から所定時間範囲における前記累積喚起度の傾きを基準傾きとして求め、この基準傾きを求めた後の時間帯における所定時間範囲における累積喚起度の傾きが、基準傾きに対して少なくとも１０％の変化が生じた場合に前記急変換点と判定することを特徴とする請求項７記載の疲労解析装置を提供する。
請求項１０記載の本発明では、生体信号測定器により採取された脈波の生体信号データを用いて疲労解析を行う疲労解析装置を、
前記生体信号データの原波形の各周期のピーク値から、所定時間範囲ごとに上限側のピーク値と下限側のピーク値との差を算出し、この差をパワー値とし、パワー値の時系列データを基にして基準疲労度を求める第１疲労度算出手段と、
前記生体信号データから求めた最大リアプノフ指数を利用して、前記第１疲労度算出手段で用いたパワー値の時系列データの値を補正し、得られた補正パワー値の時系列データを基にして補正疲労度を求める第２疲労度算出手段と、
交感神経活動による疲労の代償作用の有無を判定する判定手段と、
前記判定手段により、交感神経活動による疲労の代償がなされていない状態と判定された時間帯では、前記第１疲労度算出手段により得られた基準疲労度の累積和を求めて出力し、交感神経活動による疲労の代償がなされている状態と判定された時間帯では、前記第２疲労度算出手段により得られた補正疲労度の累積和を求めて出力する累積疲労度出力手段と
して機能させるためのコンピュータプログラムを提供する。
請求項１１記載の本発明では、前記判定手段を、前記生体信号データから最大リアプノフ指数を求め、この最大リアプノフ指数の時系列データを基にして喚起度を求める喚起度算出手段と、前記喚起度算出手段により得られた喚起度から、前記第２疲労度算出手段の補正疲労度を採用するタイミングを判定するタイミング判定手段として機能させ、
前記累積疲労度出力手段を、前記タイミング判定手段により、前記第２疲労度算出手段の補正疲労度を採用するタイミングと判定される前の時間帯では、前記第１疲労度算出手段により得られた基準疲労度の累積和を求めて出力するように機能させ、前記第２疲労度算出手段の補正疲労度を採用するタイミングと判定された後の時間帯では、前記第２疲労度算出手段により得られた補正疲労度の累積和を求めて出力するように機能させることを特徴とする請求項１０記載のコンピュータプログラムを提供する。
請求項１２記載の本発明では、前記第１疲労度算出手段を、前記生体信号データの原波形の各周期のピーク値から、所定時間範囲ごとに上限側のピーク値と下限側のピーク値との差を算出し、この差を前記パワー値とし、該パワー値の時系列データを算出するパワー値算出手段と、
前記パワー値の所定時間範囲における時間軸に対する傾きを、所定回数スライド計算して求めるパワー値傾き算出手段と、
前記パワー値傾き算出手段によりスライド計算して得られたパワー値の傾きの時系列信号を絶対値処理し、所定時間範囲ごとの積分値を前記基準疲労度として算出するパワー値傾き積分手段と
して機能させることを特徴とする請求項１１記載のコンピュータプログラムを提供する。
請求項１３記載の本発明では、さらに、前記疲労解析装置を、生体信号測定器により採取された心拍数又は脈拍数の時系列データを周波数解析して得られるＬＦ／ＨＦのパワースペクトルの時系列データを求めるＬＦ／ＨＦ時系列データ算出手段として機能させ、
前記パワー値算出手段を、前記ＬＦ／ＨＦのパワースペクトルの時系列データの値と、前記パワー値の時系列データの値とを、相互に対応する時間における値同士で掛け合わせ、それをＬＦ／ＨＦ算入パワー値とし、該ＬＦ／ＨＦ算入パワー値の時系列データを算出するように機能させることを特徴とする請求項１２記載のコンピュータプログラムを提供する。
請求項１４記載の本発明では、前記第２疲労度算出手段を、前記喚起度算出手段で用いた最大リアプノフ指数の時系列データの値と、前記第１疲労度算出手段で用いたパワー値の時系列データの値とを、相互に対応する時間における値同士で掛け合わせ、それを補正パワー値とし、補正パワー値の時系列データを算出する補正パワー値算出手段と、
前記補正パワー値の所定時間範囲における時間軸に対する傾きを、所定回数スライド計算して求める補正パワー値傾き算出手段と、
前記補正パワー値算出手段によりスライド計算して得られた補正パワー値の傾きの時系列信号を絶対値処理し、所定時間範囲ごとの積分値を前記補正疲労度として算出する補正パワー値傾き積分手段と
して機能させることを特徴とする請求項１０〜１２のいずれか１に記載のコンピュータプログラムを提供する。
請求項１５記載の本発明では、前記第２疲労度算出手段を、前記喚起度算出手段で用いた最大リアプノフ指数の時系列データの値と、前記第１疲労度算出手段で用いたＬＦ／ＨＦ算入パワー値の時系列データの値とを、相互に対応する時間における値同士で掛け合わせ、それを補正パワー値とし、補正パワー値の時系列データを算出する補正パワー値算出手段と、
前記補正パワー値の所定時間範囲における時間軸に対する傾きを、所定回数スライド計算して求める補正パワー値傾き算出手段と、
前記補正パワー値算出手段によりスライド計算して得られた補正パワー値の傾きの時系列信号を絶対値処理し、所定時間範囲ごとの積分値を前記補正疲労度として算出する補正パワー値傾き積分手段と
して機能させることを特徴とする請求項１３記載のコンピュータプログラムを提供する。
請求項１６記載の本発明では、前記喚起度算出手段を、前記生体信号データから最大リアプノフ指数を求め、最大リアプノフ指数の時系列データを算出する最大リアプノフ指数算出手段と、
前記最大リアプノフ指数の所定時間範囲における時間軸に対する傾きを、所定回数スライド計算して求める最大リアプノフ指数傾き算出手段と、
前記最大リアプノフ指数傾き算出手段によりスライド計算して得られた最大リアプノフ指数の傾きの時系列信号を絶対値処理し、所定時間範囲ごとの積分値を前記喚起度として算出する最大リアプノフ指数傾き積分手段として機能させ、
さらに、前記疲労解析装置を、前記最大リアプノフ指数傾き積分手段により得られた前記喚起度の累積和を求めて出力する累積喚起度出力手段と
して機能させることを特徴とする請求項１１記載のコンピュータプログラムを提供する。
請求項１７記載の本発明では、前記タイミング判定手段を、前記累積喚起度出力手段により出力される累積喚起度の傾きの急変換点を、前記第２疲労度算出手段の補正疲労度を採用するタイミングと判定するように機能させることを特徴とする請求項１１記載のコンピュータプログラムを提供する。
請求項１８記載の本発明では、前記タイミング判定手段を、測定開始から所定時間範囲における前記累積喚起度の傾きを基準傾きとして求め、この基準傾きを求めた後の時間帯における所定時間範囲における累積喚起度の傾きが、基準傾きに対して少なくとも１０％の変化が生じた場合に前記急変換点と判定するように機能させることを特徴とする請求項１６記載のコンピュータプログラムを提供する。

本発明によれば、パワー値の時系列データを基にして、又は、パワー値の時系列データにＬＦ／ＨＦのパワースペクトルの時系列データを考慮した値（ＬＦ／ＨＦ算入パワー値）を基にして基準疲労度を求める第１疲労度算出手段と、生体信号データから求めた最大リアプノフ指数を利用して、第１疲労度算出手段で用いたパワー値又はＬＦ／ＨＦ算入パワー値の時系列データの値を補正し、得られた補正パワー値の時系列データを基にして補正疲労度を求める第２疲労度算出手段と、交感神経活動による疲労の代償作用の有無を判定する判定手段とを備え、累積疲労度出力手段が、交感神経活動による疲労の代償がなされていない状態と判定された時間帯では、第１疲労度算出手段により得られた基準疲労度の累積和を求めて出力し、交感神経活動による疲労の代償がなされている状態と判定された時間帯では、第２疲労度算出手段により得られた補正疲労度の累積和を求めて出力する構成である。すなわち、交感神経活動による疲労の代償の有無に応じて、パワー値のみ又はＬＦ／ＨＦ算入パワー値のみに基づいた疲労度（基準疲労度）か、あるいは、最大リアプノフ指数を考慮した疲労度（補正疲労度）かのいずれかが出力される構成であるため、累積疲労度の変化が、官能評価値により近い、すなわち、実際の疲労感により近いものとなる。

判定手段としては、生体信号データから最大リアプノフ指数を求め、最大リアプノフ指数の時系列データを基にして喚起度を求める喚起度算出手段と、喚起度算出手段により得られた喚起度から、第２疲労度算出手段の補正疲労度を採用するタイミングを判定するタイミング判定手段とを備えてなる構成とすることが好ましい。最大リアプノフ指数が高いほど、物事への適応力、緊張、集中力が高い状態であり、最大リアプノフ指数が低いほど、精神的にリラックスしている状態である。本発明で採用した判定手段において求める「喚起度」とは、この最大リアプノフ指数の時系列データから、最大リアプノフ指数の傾きを求め、その傾きを絶対値処理して積分して得られるように設定している。この結果、「喚起度」は、精神的に受けている刺激の程度を示す最大リアプノフ指数がどのように変動しているかの大域的な傾向を捉えていることになる。すなわち、「喚起度」は、交感神経が緊張することによって代償しているがために、筋収縮として捉えることができない疲労、つまり、筋疲労として捉えることができない脳の精神的疲労を捉える指標となる（人間工学 Vol. 40, No.5 (2004) 「指尖容積脈波情報を用いた長時間着座疲労の簡易評価法の開発」（藤田悦則等）参照）。従って、交感神経活動による疲労の代償が行われるまでの間は、喚起度を考慮せずに疲労度（基準疲労度）を求める一方で、喚起度の値から、交感神経活動による疲労の代償が行われていると判定されたならば、最大リアプノフ指数を組み込んだ補正パワー値を求め、補正パワー値を用いて改めて疲労度（補正疲労度）を求めることにより、累積疲労度の変化が、官能評価値により近いものとなる。

また、より厳密には、精神的疲労には、自律神経系の精神的疲労と脳の精神的疲労があるが、自律神経系の精神的疲労も、脳の精神的疲労と同様に、交感神経活動による代償作用の対象となる。例えば、横臥して十分な休憩や睡眠をとった後に疲労解析を行う場合、解析開始時においては、抗重力筋の肉体疲労がほとんど生じておらず、また、自律神経系並びに脳の精神的疲労のいずれもがあまり生じていない。このため、この状態から疲労度を求める場合には、まず、末梢系の肉体的疲労により基準疲労度を求め、その後、喚起度を目安に脳の精神的疲労を考慮した疲労度を求めれば、人の官能評価値に近づく。しかし、例えば、日常活動を行っている中で座席に着座した状態の疲労度を測定する場合には、脳の精神的疲労が大きく影響する前の段階において、末梢系の肉体的疲労と共に生じている自律神経系の精神的疲労も生じている。そこで、脳の精神的疲労を考慮し始める前の疲労度、つまり、基準疲労度の算出に当たっては、末梢系の肉体的疲労の指標である、生体信号データの原波形の各周期のピーク値から、所定時間範囲ごとに上限側のピーク値と下限側のピーク値との差として算出したパワー値に、自律神経系の精神的疲労の指標である心拍数又は脈拍数から得られるＬＦ／ＨＦのパワースペクトルの時系列データを考慮した値（ＬＦ／ＨＦ算入パワー値）を採用し、それにより、基準疲労度を求める構成とすることが好ましい。

本発明によれば、実際の疲労感に近い疲労度を求めることができるため、得られた疲労度を種々の用途に利用できる。例えば、人がシートに着座したときの疲労度、あるいは、寝具に横たわったときの疲労度から、その人に適合するシートや寝具の判定を従来よりも正確に行うことができる。シートの良し悪しは、着座疲労感で判断され、また、寝具の良し悪しも、横たわった際の疲労感で判断されるからである。

以下、図面に示した実施形態に基づき本発明をさらに詳細に説明する。図１は、本実施形態に係る疲労解析装置１の構成を示す図である。この図に示したように、疲労解析装置１は、コンピュータ等から構成され、生体信号測定器としての指尖容積脈波計２０のデータを受信するデータ受信手段１０を備えていると共に、疲労解析装置１を、データ受信手段１０により受信した生体信号データである指尖容積脈波の時系列データを加工する第１疲労度算出手段１１、第２疲労度算出手段１２、判定手段１３、累積疲労度出力手段１４として機能させるコンピュータプログラムが設定されている。

第１疲労度算出手段１１は、図２に示したように、パワー値算出手段１１１と、パワー値傾き算出手段１１２と、パワー値傾き積分手段１１３とを有している。パワー値算出手段１１１は、次のような処理工程を備えている。まず、指尖容積脈波計２０により採取し、データ受信手段１１により受信した指尖容積脈波の時系列データについて、それぞれ、ＳａｖｉｔｚｋｙとＧｏｌａｙによる平滑化微分法により、極大値と極小値を求める。次にこの極大値と極小値を、予め設定した所定の時間範囲ごと、本実施形態では、５秒毎に切り分け、その時間範囲の中で極大値の平均値（上限側のピーク値）及び極小値の平均値（下限側のピーク値）を求め、それらの差をパワー値として求める。但し、変化量を強調するために、本実施形態では、上記の所定時間範囲における極大値の平均値と極小値の平均値との差を二乗してパワー値としている。

パワー値傾き算出手段１１２は、パワー値算出手段１１１により得られたパワー値の時系列データから、所定時間幅Ｔｗ（本実施形態では１８０秒）について最小二乗法により時間軸に対する傾きを求める。次に、オーバーラップ時間Ｔｌ（１６２秒）で次の時間幅Ｔｗ（１８０秒）を同様に計算して結果をプロットする。この計算（スライド計算）を順次繰り返す。これにより、この例では、１８秒ごとにパワー値の傾きがプロットされ、その時系列データが得られる。

例えば、Ｔ秒（ｓ）間における傾きを、オーバーラップ率９０％で求める場合には、まず、０（ｓ）〜Ｔ（ｓ）間におけるパワー値の時間軸に対する傾きを、最小二乗近似により求める。次いで、
スライド計算（１）：Ｔ／１０（ｓ）〜Ｔ＋Ｔ／１０（ｓ）間、
スライド計算（２）：２×Ｔ／１０（ｓ）〜Ｔ＋２×Ｔ／１０（ｓ）間、
スライド計算（ｎ）：ｎ×Ｔ／１０（ｓ）〜Ｔ＋ｎ×Ｔ／１０（ｓ）間
における各傾きを最小二乗近似により求めていく。

パワー値傾き積分手段１１３は、まず、パワー値傾き算出手段１１２によりスライド計算して得られたパワー値の傾きの時系列信号を絶対値処理する。すなわち、上記の例で１８秒ごとに得られるパワー値の傾きを全て正の値にする。次いで、所定時間範囲ごと、すなわち、ある一つのパワー値の傾きをプロットした時点から次のパワー値の傾きをプロットした時点までの時間（この例では、１８秒間）の積分値を求める。そして、得られた積分値（この例では１８秒ごとに得られる）を基準疲労度とする。

ここで、上記した説明では、パワー値傾き算出手段１１２において、パワー値算出手段１１１から得られたパワー値を用いてパワー値傾きを算出し、基準疲労度を求めているが、基準疲労度としては、上記のように、自律神経系の精神的疲労も加味して求めることが好ましい。そこで、心電図計又は指尖容積脈波計によって測定された心拍数又は脈拍数の時系列データを周波数解析して得られるＬＦ／ＨＦのパワースペクトルの時系列データを求めるＬＦ／ＨＦ時系列データ算出手段１１１ａを設け、パワー値算出手段１１１は、ＬＦ／ＨＦ時系列データ算出手段１１１ａにより求めたＬＦ／ＨＦのパワースペクトルの時系列データの値を、上記のパワー値の時系列データの値に加味し、ＬＦ／ＨＦ算入パワー値を求める構成とすることが好ましい。

ＬＦ／ＨＦのパワースペクトルの時系列データの値を、パワー値へ加味する手法は次の通りである。なお、周波数解析手法としては、連続ウエーブレット変換を用いることが好ましい。心拍数又は脈拍数を周波数解析した際のＬＦ成分は０．０４〜０．１５Ｈｚであり、ＨＦ成分は０．１５〜０．４Ｈｚであるが、連続ウエーブレット変換は解像度が高いため、これらの波をよくとられることができ、心拍数又は脈拍数変動の周波数解析に適している。

具体的には、まず、心電図計又は指尖容積脈波計によって測定される心拍数又は脈拍数として、Ｒ−Ｒ間隔データから得られた１分間あたりの心拍数又は脈拍数の時系列データを用い、これを連続ウエーブレット解析して、単位時間（Ｒ−Ｒ間隔）毎のＨＦ成分、ＬＦ成分のパワースペクトルの合計値を算出し、ＬＦ／ＨＦの時系列データを求める（図４〜図６参照）。次に、このＬＦ／ＨＦの時系列データについて、５秒毎に平均値を求める（図７参照）。ＬＦ／ＨＦは、Ｒ−Ｒ間隔毎に求められるため、５秒毎の平均値は、５秒間に含まれる各Ｒ−Ｒ間隔毎のＬＦ／ＨＦの値の合計を、その５秒間に含まれるＲ−Ｒ間隔の個数で割って算出する。そして、この５秒毎の平均値の時系列データを、同じく５秒毎に算出したパワー値の時系列データに対して、対応する時間の値同士を掛け合わせる（図８参照）。これにより、ＬＦ／ＨＦ算入パワー値の時系列データが求められる。

なお、ＬＦ／ＨＦの平均値は、そのまま使用してもよいが、処理しやすくするため、何倍（例えば、１／５倍）かしてからパワー値に掛けていってもよい。また、ＬＦ／ＨＦの平均値並びに上記のパワー値を５秒毎に求めているが、この平均値を求める時間間隔はあくまで一例である。両者の時系列で出力される値同士を掛け合わせてＬＦ／ＨＦ算入パワー値を求めるため、両者における値の算出時間が一致するように、同じ時間間隔で平均値を求めていればよく、５秒間に限られるものではない。

第２疲労度算出手段１２は、図２に示したように、補正パワー値算出手段１２１と、補正パワー値傾き算出手段１２２と、補正パワー値傾き積分手段１２３とを備えている。補正パワー値算出手段１２１は、指尖容積脈波の時系列データから最大リアプノフ指数の時系列データを求め、該最大リアプノフ指数の時系列データの値と、上記第１疲労度算出手段１１のパワー値算出手段１１１で用いたパワー値の時系列データの値とを、相互に対応する時間における値同士で掛け合わせ、それを補正パワー値として求め、該補正パワー値の時系列データを算出する。

具体的には、指尖容積脈波の時系列データから最大リアプノフ指数の値を１秒毎に求め、さらに、本実施形態では、この最大リアプノフ指数の時系列データから、５秒毎の平均値を算出する（図９及び図１０（ａ））。そして、この５秒毎の平均値を、上記した５秒毎に求められたパワー値（図１０（ｂ））に掛け合わせ、最大リアプノフ指数を算入した補正パワー値の時系列データ（図１０（ｃ））を求めていく。なお、最大リアプノフ指数は、後述する喚起度算出手段１３１において求めることから、第２疲労度算出手段１２では、改めて求めずに、喚起度算出手段１３１で求めた最大リアプノフ指数を補正パワー値の算出に利用することが好ましい。但し、第１疲労度算出手段１１において、ＬＦ／ＨＦ算入パワー値から基準疲労度を求めた場合には、第２疲労度算出手段１２が稼働し始めると、補正パワー値算出手段１２１は、ＬＦ／ＨＦの時系列データに代えて、該最大リアプノフ指数の時系列データの値をパワー値の時系列データの値に掛け合わせることになる。この場合、補正パワー値算出手段１２１は、パワー値の時系列データにＬＦ／ＨＦの時系列データを掛け合わせたＬＦ／ＨＦ算入パワー値に、そのまま最大リアプノフ指数の時系列データの値を掛け合わせ、それを補正パワー値として用いることもできる。

補正パワー値傾き算出手段１２２は、計算の基礎となるデータとして補正パワー値を用いるほかは、上記のパワー値傾き算出手段１１２の構成と全く同様の構成により、補正パワー値の所定時間範囲における時間軸に対する傾きを求める。

補正パワー値傾き積分手段１２３も同様であり、計算の基礎となるデータとして補正パワー値の傾きを用いるほかは、上記のパワー値傾き積分手段１１３の構成と全く同様であり、補正パワー値の傾きの時系列信号を絶対値処理し、所定時間範囲ごとの積分値を算出していく。そして、この積分値を補正疲労度とする。

判定手段１３は、図３に示したように、喚起度算出手段１３１、累積喚起度出力手段１３２、タイミング判定手段１３３を備えて構成される。喚起度算出手段１３１は、さらに、最大リアプノフ指数算出手段１３１ａ、最大リアプノフ指数傾き算出手段１３１ｂ、最大リアプノフ指数傾き積分手段１３１ｃを備えて構成される。最大リアプノフ指数算出手段１３１ａは、データ受信手段１１により受信した指尖容積脈波の時系列データから最大リアプノフ指数を求め、最大リアプノフ指数の時系列データを算出する。具体的には、指尖容積脈波の時系列データを、まず、時間遅れ法によって状態空間に再構成する。指尖容積脈波の時系列の遅延時間は、５０ｍｓで、埋め込み次元はＦＮＮ（False Near Neighbors）法を用いると、次元３のときＦＮＮはほぼ零になり、次元４で完全に零になったことから、最適な埋め込み次元を４次元とした。ここで、得られた連続的なデータ計算値に対し、３０秒の時間幅でアトラクタを再構成し、時間幅を１秒ずつスライドさせることによって最大リアプノフ指数の値を１秒ごとにプロットし、最大リアプノフ指数の時系列データを求める。

最大リアプノフ指数傾き算出手段１３１ｂは、最大リアプノフ指数の所定時間範囲における時間軸に対する傾きを、所定回数スライド計算して求める。具体的には、上記により求めた最大リアプノフ指数を、ＳａｖｉｔｚｋｙとＧｏｌａｙによる平滑化微分法により平滑化して極大値と極小値を求めてプロットし、次いで、この極大値と極小値の時系列データについて、所定時間範囲における時間軸に対する傾きを求める。この傾きの求め方は、上記のパワー値傾き算出手段１１２と同様であり、まず、所定時間幅Ｔｗ（本実施形態では１８０秒）について最小二乗法により時間軸に対する傾きを求める。次に、オーバーラップ時間Ｔｌ（１６２秒）で次の時間幅Ｔｗ（１８０秒）を同様に計算して結果をプロットする。この計算（スライド計算）を順次繰り返す。これにより、この例では、１８秒ごとに最大リアプノフ指数の傾きがプロットされ、その時系列データが得られる。

最大リアプノフ指数傾き積分手段１３１ｃは、まず、最大リアプノフ指数傾き算出手段１３１ｂによりスライド計算して得られた最大リアプノフ指数の傾きの時系列信号を絶対値処理する。すなわち、上記の例で１８秒ごとに得られる最大リアプノフ指数の傾きを全て正の値にする。次いで、所定時間範囲ごと、すなわち、ある一つの最大リアプノフ指数の傾きをプロットした時点から次の最大リアプノフ指数の傾きをプロットした時点までの時間（この例では、１８秒間）の積分値を求める。そして、得られた積分値（この例では１８秒ごとに得られる）を喚起度とする（人間工学 Vol. 40, No.5 (2004) 「指尖容積脈波情報を用いた長時間着座疲労の簡易評価法の開発」（藤田悦則等）参照）。この喚起度は、上記したように、精神状態を示す最大リアプノフ指数の変動傾向を示すことになることから、交感神経の緊張によって代償された分の疲労の程度を示す指標となる。

累積喚起度出力手段１３２は、上記の最大リアプノフ指数傾き積分手段１３１ｂにより求めた各積分値（喚起度）の累積和を求めて出力する。これにより、喚起度の変動傾向を把握することができる。

タイミング判定手段１３３は、累積喚起度出力手段１３２により出力される累積喚起度の傾きの急変換点をもって、累積疲労度出力手段１４において、第２疲労度算出手段１２の補正疲労度を採用するタイミングを判定する手段である。「急変換点」は、測定開始から所定時間範囲における累積喚起度の傾きを基準傾きとして求め、この基準傾きを求めた後の時間帯における所定時間範囲における累積喚起度の傾きが、基準傾きに対して少なくとも１０％以上、人によっては２０％以上から３０％以上の変化が生じた場合とすることが好ましい。これは、疲労に対する人の調節能力には個人差があり、先天的に±１０％程度の許容範囲があると共に、後天的に備わる調節能力を加味すると±２０％〜±３０％程度の許容範囲があることに基づくものである。例えば、着座姿勢の維持に関しては、抗重力筋の鍛え方、あるいは呼吸法や心肺機能によって調節能力は変動する。基準傾きとしては、精神的な疲労が大きく影響する前の時間帯であることが好ましく、自動車のシートや事務用椅子などの着席時の疲労を解析する場合には、測定開始後３分から１５分の範囲における３分間〜１２分間の平均傾きを採用することが好ましい。基準傾きと比較する累積喚起度の傾きは、２分間〜５分間における平均傾きとすることが好ましい。

累積疲労度出力手段１４は、タイミング判定手段１３３により、第２疲労度算出手段１２の補正疲労度を採用するタイミングと判定される前の時間帯では、第１疲労度算出手段１１のパワー値傾き積分手段１１３により得られた基準疲労度の累積和を求めて出力する。一方、第２疲労度算出手段１２を採用するタイミングと判定された後の時間帯では、第２疲労度算出手段１２の補正パワー値傾き積分手段１２３により得られた補正疲労度の累積和を求めて出力する。これにより、リラックス状態において生じる疲労の蓄積は、基準疲労度の累積和として求められ、交換神経活動によって代償された精神的疲労が加味された状態での疲労の蓄積は、補正疲労度の累積和として求められる。この結果、累積疲労度の変化は、従来のパワー値のみにより算出した疲労度に基づいた場合と比較して、官能評価値により近いものとなる。但し、タイミング判定手段１３３による傾きの急変換点の判定は、２分間〜５分間の平均傾き同士を比較するため、急変換点が発生したことは、急変換点の実際の発生時刻から２分後〜５分後ということになる。そして、その判定のあった後に累積疲労度出力手段１４により、第２疲労度算出手段１２の補正疲労度の累積和が出力されることになる。

補正疲労度の算入は、本実施形態の疲労解析装置１のように、タイミング判定手段１３３を用いて補正疲労度を採用するタイミングを自動判定することが好ましいが、測定開始後３分から１５分の範囲における最大リアプノフ指数傾き積分手段１３１ｃにより得られる「喚起度／時間」（本実施形態では１８秒毎）から、所定の閾値を設定し、所定の閾値を超えた時点で、第２疲労度算出手段１２の補正疲労度の累積和が出力されるように設定することもできる。また、パワー値傾きの時系列データと最大リアプノフ指数傾きの時系列データとを重ねて表示させた時に逆位相で表れる興奮抑制共存期（人間工学 Vol. 40, No.5 (2004) 「指尖容積脈波情報を用いた長時間着座疲労の簡易評価法の開発」（藤田悦則等）参照）を補正疲労度を出力するタイミングと判定することもできる。

なお、上記した第１疲労度算出手段１１、第２疲労度算出手段１２、判定手段１３、累積疲労度出力手段１４等として機能させるコンピュータプログラムは、記録媒体へ記憶させて提供することができる。「記録媒体」とは、それ自身では空間を占有し得ないプログラムを担持することができる媒体であり、例えば、フレキシブルディスク、ハードディスク、ＣＤ−ＲＯＭ、ＭＯ（光磁気ディスク）、ＤＶＤ−ＲＯＭなどである。また、本発明に係るプログラムをインストールしたコンピュータから、通信回線を通じて他のコンピュータへ伝送することも可能である。また、汎用的な端末装置に対して、上記のプログラムをプリインストール、あるいはダウンロードすることで、本発明の疲労解析装置を形成することも可能である。

試験例１
（最大リアプノフ指数の利用が有効であるか否かの検証試験）
日本人成人の被験者２人（被験者Ａ：男性、３２才、身長１７８ｃｍ、体重６９．２ｋｇ、被験者Ｂ：男性、３４才、身長１６７ｃｍ、体重６８ｋｇ）により、木製椅子又は乗用車の運転席に用いられているウレタンシートに３０分間着座した状態での疲労を解析した。また、加振せずに静的に着座した場合、加振機に設置して加振した場合についても実験を行った。なお、加振条件は、平均０．１Ｇの加速度をもつ、実車走行時のフロアの振動を再現したものであった。各被験者に指尖容積脈波計２０を装着して指尖容器脈波を採取し、パワー値、ＬＦ／ＨＦ、最大リアプノフ指数を求め、基準疲労度、補正疲労度、喚起度を求めた。試験例１では、基準疲労度は、脈拍数のＬＦ／ＨＦの時系列データを加味したＬＦ／ＨＦ算入パワー値を用いて算出した。なお、パワー値の傾き、補正パワー値の傾き、最大リアプノフ指数の傾きは、１８０秒間について、オーバーラップ時間１６２秒として求めた。結果を図１１〜図１５に示す。また、図１１〜図１５の各（ａ）の図は、各被験者の官能評価値も併せて示している。なお、官能評価値にはボルグスケールを利用している。また、図１１は、被験者Ａがウレタンシートに静的条件で着座した際の試験結果を、図１２は、被験者Ａが木製椅子に静的条件で着座した際の試験結果を、図１３は、被験者Ａがウレタンシートに振動条件で着座した際の試験結果を、図１４は、被験者Ａが木製椅子に振動条件で着座した際の試験結果を、図１５は、被験者Ｂが木製椅子に静的条件で着座した際の試験結果を、それぞれ示す。

図１１〜図１５の各（ａ）の図に示した「自覚疲労度」が試験例１の出力結果である。この「自覚疲労度」は、図１１〜図１５の各（ａ）の図の一点鎖線で示した時間より前の時間帯においては、パワー値傾き積分手段１１３により出力されるパワー値にＬＦ／ＨＦを算入したＬＦ／ＨＦ算入パワー値から求めた基準疲労度の累積和である累積疲労度を採用し、一点鎖線で示した時間より後の時間帯においては、第２疲労度算出手段１２の補正パワー値算出手段１２１が、ＬＦ／ＨＦの時系列データに代えて、最大リアプノフ指数の時系列データの値をパワー値の時系列データの値に掛け合わせて補正パワー値を求め、該補正パワー値から補正疲労度を求め、その累積疲労度を採用したものである。

補正疲労度の採用時点である一点鎖線で示した時間は、官能評価の傾向が比較的大きく変わる時点を目安としたものであるが、試験例１により得られた自覚疲労度は、官能評価値に近い曲線を描いていることがわかる。

図１１〜図１５の各（ｂ）の図に、それぞれ（ａ）の図に示した自覚疲労度の疲労曲線（Ａ）、全時間帯において、パワー値のみから算出した基準疲労度の累積和の疲労曲線（Ｂ）、全時間帯において、ＬＦ／ＨＦ算入パワー値のみから算出した基準疲労度の累積和の疲労曲線（Ｃ）、（ａ）の図の一点鎖線で示した時間より前の時間帯においてＬＦ／ＨＦ算入パワー値から求めた基準疲労度と、その後の時間帯において、ＬＦ／ＨＦを算入したまま、さらに最大リアプノフ指数傾きを掛け合わせた補正疲労度とを組み合わせた疲労曲線（Ｄ）を併せて示した。その結果、疲労曲線（Ｂ），（Ｃ）は、自覚疲労度の疲労曲線（Ａ）とは、一点鎖線の時間帯以降、異なる変化を示し、官能評価値とも乖離する傾向にあり、所定の時点を境に、最大リアプノフ指数を算入した補正疲労度を採用することにより、官能評価値により近い疲労度を求めることができることがわかる。また、疲労曲線（Ｄ）の場合には、疲労曲線（Ｂ），（Ｃ）と比較すれば、官能評価値に近づくが、基準疲労度としてＬＦ／ＨＦの時系列データを算入していた場合には、試験例１の自覚疲労度として示した疲労曲線（Ａ）のように、最大リアプノフ傾きの時系列変化を算入する時点において該ＬＦ／ＨＦの時系列データを外した方が、より官能評価に近い傾向になることがわかった。

試験例２
（最大リアプノフ指数の算入タイミングを自動判定した試験）
試験例２では、試験例１と同様に、基準疲労度としては、パワー値に、脈拍数のＬＦ／ＨＦの時系列データを加味したＬＦ／ＨＦ算入パワー値を用いた。また、試験例２においては、上記実施形態の喚起度算出手段１３１、累積喚起度出力手段１３２、タイミング判定手段１３３を備えて構成される判定手段１３を用いて、最大リアプノフ指数を算入した補正疲労度を採用するタイミングを自動判定した。すなわち、累積喚起度出力手段１３２により得られた累積喚起度の急変換点をタイミング判定手段１３３により判定し、その時点以降、第２疲労度算出手段１２の補正パワー値算出手段１２１が、ＬＦ／ＨＦの時系列データに代えて、最大リアプノフ指数の時系列データの値をパワー値の時系列データの値に掛け合わせて補正パワー値を求め、該補正パワー値から補正疲労度を求め、さらに累積疲労度を出力した。そして、試験例１と同様に、基準疲労度の累積和と補正疲労度の累積和との組み合わせを自覚疲労度とした。

図１６〜図２０の各（ａ）の図に示した「自覚疲労度」が試験例２の出力結果である。図１６〜図２０の各（ｂ）の図は、「喚起度／時間」及び「累積喚起度」の時系列変化を示す図である。「喚起度／時間」は、最大リアプノフ指数傾き積分手段１３１ｃにより出力される１８秒ごとの積分値であり、「累積喚起度」は該積分値の累積和である。図１６〜図２０の（ａ）の図において、一点鎖線で示した時間が、タイミング判定手段１３３により補正疲労度を採用するタイミングと判定された時点である。なお、タイミング判定手段１３３においては、測定開始後３．３分後から４．４５分間（各（ｂ）の図の横軸２目盛り分）における累積喚起度の平均傾きを基準傾きとして求め、その後、２．２２５分間（各（ｂ）の図の横軸１目盛り分）ごとの平均傾きを基準傾きと比較して１０％以上の変化が生じた時点を急変換点として判定した。図１６〜図２０の各（ｂ）図において、符号「Ｘ」で示した時点が傾きの急変換点であり、符号「Ｙ」で示した時点（図１６〜図２０の（ａ）の図において、一点鎖線で示した時点と同じ）が補正疲労度の採用タイミング、すなわち、最大リアプノフ指数の算入タイミングである。例えば、図１６（ｂ）を参照すると、３．３分から７．７５分（横軸の２目盛りまで）を基準傾きとして、この基準傾きに対して、次の２．２２５分間、すなわち、７．７５分から９．９７５分までの平均傾きを比較する。このとき、３．３分から７．７５分までの基準傾きに対して、７．７５分から９．９７５分までの平均傾きが１０％以上変化していることが、９．９７５分経過時に判断できる。そこで、急変換点Ｘは、７．７５分の時点とし、算入タイミングは９．９７５分経過時となる。

また、図１６は、被験者Ａがウレタンシートに静的条件で着座した際の試験結果を、図１７は、被験者Ａが木製椅子に静的条件で着座した際の試験結果を、図１８は、被験者Ａがウレタンシートに振動条件で着座した際の試験結果を、図１９は、被験者Ａが木製椅子に振動条件で着座した際の試験結果を、図２０は、被験者Ｂが木製椅子に静的条件で着座した際の試験結果を、それぞれ示す。

この図から明らかなように、累積喚起度の傾きからタイミング判定手段１３３によって補正疲労度の算入タイミングを自動判定した場合にも、官能評価に近い自覚疲労度の疲労曲線が得られることがわかる。従って、試験例２の構成を採用した場合には、例えば、座席に着座している被験者の疲労度合いを、自動的にかつ正確に出力できる。

また、図１６〜図２０の各（ｃ）の図に、それぞれ（ａ）の図に示した自覚疲労度の疲労曲線（Ａ）、全時間帯において、パワー値のみから算出した基準疲労度の累積和の疲労曲線（Ｂ）、全時間帯において、ＬＦ／ＨＦ算入パワー値のみから算出した基準疲労度の累積和の疲労曲線（Ｃ）、（ａ）の図の一点鎖線で示した時間より前の時間帯においてＬＦ／ＨＦ算入パワー値から求めた基準疲労度と、その後の時間帯において、ＬＦ／ＨＦを算入したまま、さらに最大リアプノフ指数傾きを掛け合わせた補正疲労度とを組み合わせた疲労曲線（Ｄ）を併せて示したが、試験例２の自覚疲労度として示した疲労曲線（Ａ）のように、最大リアプノフ傾きの時系列変化を算入する時点において該ＬＦ／ＨＦの時系列データを外した方が、より官能評価に近い傾向になることがわかった。

試験例３
（最大リアプノフ指数の算入タイミングを「喚起度／時間」から判定した試験）
試験例３では、試験例１，２と同様に、基準疲労度としては、パワー値に、脈拍数のＬＦ／ＨＦの時系列データを加味したＬＦ／ＨＦ算入パワー値を用いた。また、試験例３は、最大リアプノフ指数傾き積分手段１３１ｃにより出力される１８秒ごとの積分値である「喚起度／時間」に所定の閾値を設定し、その閾値を超えた時点から、ＬＦ／ＨＦの時系列データに代えて、最大リアプノフ指数を算入した補正疲労度を採用した。そして、基準疲労度と補正疲労度との組み合わせを自覚疲労度として図２１〜図２５の各（ａ）の図に示した。

図２１〜図２５の各（ｄ）の図において、横軸に平行に示した破線が閾値である。閾値は、測定開始後３．３分後から４．４５分間（各（ｂ）の図の横軸２目盛り分）における「喚起度／時間」の変化を参照し、基本的には、その時間帯の「喚起度／時間」の変動幅よりも若干高い値を目安に測定者が設定した。なお、図２１は、被験者Ａがウレタンシートに静的条件で着座した際の試験結果を、図２２は、被験者Ａが木製椅子に静的条件で着座した際の試験結果を、図２３は、被験者Ａがウレタンシートに振動条件で着座した際の試験結果を、図２４は、被験者Ａが木製椅子に振動条件で着座した際の試験結果を、図２５は、被験者Ｂが木製椅子に静的条件で着座した際の試験結果を、それぞれ示す。また、図２１〜図２５の各（ｂ）の図は、それぞれ（ａ）の図に示した自覚疲労度の疲労曲線（Ａ）、全時間帯において、パワー値のみから算出した基準疲労度の累積和の疲労曲線（Ｂ）、全時間帯において、ＬＦ／ＨＦ算入パワー値のみから算出した基準疲労度の累積和の疲労曲線（Ｃ）、（ａ）の図の一点鎖線で示した時間より前の時間帯においてＬＦ／ＨＦ算入パワー値から求めた基準疲労度と、その後の時間帯において、ＬＦ／ＨＦを算入したまま、さらに最大リアプノフ指数傾きを掛け合わせた補正疲労度とを組み合わせた疲労曲線（Ｄ）を併せて示したものである。図２１〜図２５の各（ｃ）の図は、「喚起度／時間」及び「累積喚起度」の時系列変化を示す図である。

これらの図から明らかなように、測定開始後、所定の時間帯、好ましくは、測定開始後３分から１５分の範囲における３分間〜１２分間（本試験例では、４．４５分間）の時間帯の「喚起度／時間」の変化を参照して閾値を設定しても、官能評価に近い自覚疲労度の疲労曲線が得られることがわかる。試験例２のように、累積喚起度の傾き変化から最大リアプノフ指数を自動算入する構成の方が、試験例３の「喚起度／時間」の変化で閾値を手動で設定する場合よりも演算負担が大きいことを考慮すると、疲労解析装置の演算能力によっては、試験例３の手法により自覚疲労度を求めることも可能である。但し、累積喚起度の傾きの急変換点と判定する割合（１０％、２０％等）を設定しさえすれば、最大リアプノフ指数の算入タイミングを自動判定し、官能評価に近い自覚疲労度を出力できる試験例２の手法がより好ましい。

図１は、本発明の一の実施形態にかかる疲労解析装置の構成を示したブロック図である。 図２は、疲労解析装置に導入される第１疲労度算出手段、第２疲労度算出手段、累積疲労度出力手段の構成を説明するための図である。 図３は、疲労解析装置に導入される判定手段の構成を説明するための図である。 図４は、ＬＦ／ＨＦの時系列データの算出のために心電図計から採取した心拍数変動の一例を示すデータである。 図５は、図４の心拍数の時系列データを連続ウエーブレット解析して得られたＨＦ成分、ＬＦ成分のパワースペクトルを示す図である。 図６は、図５から得られたＬＦ／ＨＦの時系列データである。 図７は、図６のＬＦ／ＨＦの時系列データから５秒間隔毎に算出した平均値の時系列データである。 図８は、ＬＦ／ＨＦ算入手段を説明するための図であって、図８（ａ）は図７の時系列データを１／５倍した図であり、図８（ｂ）は、指尖容積脈波計により得られた脈波の時系列データを処理して得た５秒間毎のパワー値の平均値の時系列データであり、図８（ｃ）は、図８（ａ）の時系列データと図８（ｂ）の時系列データとを、対応する時間の値同士を掛け合わせて得られるＬＦ／ＨＦ算入パワー値の時系列データである。 図９は、補正パワー値の算出に利用する最大リアプノフ指数の５秒間隔毎の平均値の時系列データの一例を示す図である。 図１０は、最大リアプノフ指数を算入する過程を説明するための図であって、図１０（ａ）は、最大リアプノフ指数の５秒間隔毎の平均値の時系列データの一例（測定時間１８００秒分）であり、図１０（ｂ）は、指尖容積脈波計により得られた脈波の時系列データを、パワー値算出手段によって処理して得た５秒間毎のパワー値の平均値の時系列データの一例であり、図１０（ｃ）は、図１０（ａ）の時系列データと図１０（ｂ）の時系列データとを、対応する時間の値同士を掛け合わせて得られる補正パワー値の時系列データの一例である。 図１１は、試験例１において被験者Ａがウレタンシートに静的条件で着座した際の試験結果を示す図であり、（ａ）は、自覚疲労度の時系列変化を示し、（ｂ）は、各疲労曲線（Ａ）〜（Ｄ）を併せて示した図である。 図１２は、試験例１において被験者Ａが木製椅子に静的条件で着座した際の試験結果を示す図であり、（ａ）は、自覚疲労度の時系列変化を示し、（ｂ）は、各疲労曲線（Ａ）〜（Ｄ）を併せて示した図である。 図１３は、試験例１において被験者Ａがウレタンシートに振動条件で着座した際の試験結果を示す図であり、（ａ）は、自覚疲労度の時系列変化を示し、（ｂ）は、各疲労曲線（Ａ）〜（Ｄ）を併せて示した図である。 図１４は、試験例１において被験者Ａが木製椅子に振動条件で着座した際の試験結果を示す図であり、（ａ）は、自覚疲労度の時系列変化を示し、（ｂ）は、各疲労曲線（Ａ）〜（Ｄ）を併せて示した図である。 図１５は、試験例１において被験者Ｂが木製椅子に静的条件で着座した際の試験結果を示す図であり、（ａ）は、自覚疲労度の時系列変化を示し、（ｂ）は、各疲労曲線（Ａ）〜（Ｄ）を併せて示した図である。 図１６は、試験例２において被験者Ａがウレタンシートに静的条件で着座した際の試験結果を示す図であり、（ａ）は、自覚疲労度の時系列変化を示し、（ｂ）は、喚起度／時間及び累積喚起度の時系列変化を示し、（ｃ）は、各疲労曲線（Ａ）〜（Ｄ）を併せて示した図である。 図１７は、試験例２において被験者Ａが木製椅子に静的条件で着座した際の試験結果を示す図であり、（ａ）は、自覚疲労度の時系列変化を示し、（ｂ）は、喚起度／時間及び累積喚起度の時系列変化を示し、（ｃ）は、各疲労曲線（Ａ）〜（Ｄ）を併せて示した図である。 図１８は、試験例２において被験者Ａがウレタンシートに振動条件で着座した際の試験結果を示す図であり、（ａ）は、自覚疲労度の時系列変化を示し、（ｂ）は、喚起度／時間及び累積喚起度の時系列変化を示し、（ｃ）は、各疲労曲線（Ａ）〜（Ｄ）を併せて示した図である。 図１９は、試験例２において被験者Ａが木製椅子に振動条件で着座した際の試験結果を示す図であり、（ａ）は、自覚疲労度の時系列変化を示し、（ｂ）は、喚起度／時間及び累積喚起度の時系列変化を示し、（ｃ）は、各疲労曲線（Ａ）〜（Ｄ）を併せて示した図である。 図２０は、試験例２において被験者Ｂが木製椅子に静的条件で着座した際の試験結果を示す図であり、（ａ）は、自覚疲労度の時系列変化を示し、（ｂ）は、喚起度／時間及び累積喚起度の時系列変化を示し、（ｃ）は、各疲労曲線（Ａ）〜（Ｄ）を併せて示した図である。 図２１は、試験例３において被験者Ａがウレタンシートに静的条件で着座した際の試験結果を示す図であり、（ａ）は、自覚疲労度の時系列変化を示し、（ｂ）は、各疲労曲線（Ａ）〜（Ｄ）を併せて示した図であり、（ｃ）は、喚起度／時間及び累積喚起度の時系列変化を示し、（ｄ）は、喚起度／時間の時系列変化に閾値を設定した図である。 図２２は、試験例３において被験者Ａが木製椅子に静的条件で着座した際の試験結果を示す図であり、（ａ）は、自覚疲労度の時系列変化を示し、（ｂ）は、各疲労曲線（Ａ）〜（Ｄ）を併せて示した図であり、（ｃ）は、喚起度／時間及び累積喚起度の時系列変化を示し、（ｄ）は、喚起度／時間の時系列変化に閾値を設定した図である。 図２３は、試験例３において被験者Ａがウレタンシートに振動条件で着座した際の試験結果を示す図であり、（ａ）は、自覚疲労度の時系列変化を示し、（ｂ）は、各疲労曲線（Ａ）〜（Ｄ）を併せて示した図であり、（ｃ）は、喚起度／時間及び累積喚起度の時系列変化を示し、（ｄ）は、喚起度／時間の時系列変化に閾値を設定した図である。 図２４は、試験例３において被験者Ａが木製椅子に振動条件で着座した際の試験結果を示す図であり、（ａ）は、自覚疲労度の時系列変化を示し、（ｂ）は、各疲労曲線（Ａ）〜（Ｄ）を併せて示した図であり、（ｃ）は、喚起度／時間及び累積喚起度の時系列変化を示し、（ｄ）は、喚起度／時間の時系列変化に閾値を設定した図である。 図２５は、試験例３において被験者Ｂが木製椅子に静的条件で着座した際の試験結果を示す図であり、（ａ）は、自覚疲労度の時系列変化を示し、（ｂ）は、各疲労曲線（Ａ）〜（Ｄ）を併せて示した図であり、（ｃ）は、喚起度／時間及び累積喚起度の時系列変化を示し、（ｄ）は、喚起度／時間の時系列変化に閾値を設定した図である。

符号の説明

１ 疲労解析装置
１０ データ受信手段
１１ 第１疲労度算出手段
１１１ パワー値算出手段
１１１ａ ＬＦ／ＨＦ時系列データ算出手段
１１２ パワー値傾き算出手段
１１３ パワー値傾き積分手段
１２ 第２疲労度算出手段
１２１ 補正パワー値算出手段
１２２ 補正パワー値傾き算出手段
１２３ 補正パワー値傾き積分手段
１３ 判定手段
１３１ 喚起度算出手段
１３１ａ 最大リアプノフ指数算出手段
１３１ｂ 最大リアプノフ指数傾き算出手段
１３１ｃ 最大リアプノフ指数傾き積分手段
１３２ 累積喚起度出力手段
１３３ タイミング判定手段
１４ 累積疲労度算出手段
２０ 指尖容積脈波計

Claims (18)

1. 生体信号測定器により採取された脈波の生体信号データを用いて疲労解析を行う疲労解析装置であって、
   前記生体信号データの原波形の各周期のピーク値から、所定時間範囲ごとに上限側のピーク値と下限側のピーク値との差を算出し、この差をパワー値とし、パワー値の時系列データを基にして基準疲労度を求める第１疲労度算出手段と、
   前記生体信号データから求めた最大リアプノフ指数を利用して、前記第１疲労度算出手段で用いたパワー値の時系列データの値を補正し、得られた補正パワー値の時系列データを基にして補正疲労度を求める第２疲労度算出手段と、
   交感神経活動による疲労の代償作用の有無を判定する判定手段と、
   前記判定手段により、交感神経活動による疲労の代償がなされていない状態と判定された時間帯では、前記第１疲労度算出手段により得られた基準疲労度の累積和を求めて出力し、交感神経活動による疲労の代償がなされている状態と判定された時間帯では、前記第２疲労度算出手段により得られた補正疲労度の累積和を求めて出力する累積疲労度出力手段と
   を具備することを特徴とする疲労解析装置。
2. 前記判定手段は、前記生体信号データから最大リアプノフ指数を求め、この最大リアプノフ指数の時系列データを基にして喚起度を求める喚起度算出手段と、前記喚起度算出手段により得られた喚起度から、前記第２疲労度算出手段の補正疲労度を採用するタイミングを判定するタイミング判定手段とを備えてなり、
   前記累積疲労度出力手段は、前記タイミング判定手段により、前記第２疲労度算出手段の補正疲労度を採用するタイミングと判定される前の時間帯では、前記第１疲労度算出手段により得られた基準疲労度の累積和を求めて出力し、前記第２疲労度算出手段の補正疲労度を採用するタイミングと判定された後の時間帯では、前記第２疲労度算出手段により得られた補正疲労度の累積和を求めて出力するように設定されていることを特徴とする請求項１記載の疲労解析装置。
3. 前記第１疲労度算出手段が、前記生体信号データの原波形の各周期のピーク値から、所定時間範囲ごとに上限側のピーク値と下限側のピーク値との差を算出し、この差を前記パワー値とし、該パワー値の時系列データを算出するパワー値算出手段と、
   前記パワー値の所定時間範囲における時間軸に対する傾きを、所定回数スライド計算して求めるパワー値傾き算出手段と、
   前記パワー値傾き算出手段によりスライド計算して得られたパワー値の傾きの時系列信号を絶対値処理し、所定時間範囲ごとの積分値を前記基準疲労度として算出するパワー値傾き積分手段と
   を備えてなることを特徴とする請求項２記載の疲労解析装置。
4. さらに、生体信号測定器により採取された心拍数又は脈拍数の時系列データを周波数解析して得られるＬＦ／ＨＦのパワースペクトルの時系列データを求めるＬＦ／ＨＦ時系列データ算出手段を備え、
   前記パワー値算出手段は、前記ＬＦ／ＨＦのパワースペクトルの時系列データの値と、前記パワー値の時系列データの値とを、相互に対応する時間における値同士で掛け合わせ、それをＬＦ／ＨＦ算入パワー値とし、該ＬＦ／ＨＦ算入パワー値の時系列データを算出するように設定されていることを特徴とする請求項３記載の疲労解析装置。
5. 前記第２疲労度算出手段が、前記喚起度算出手段で用いた最大リアプノフ指数の時系列データの値と、前記第１疲労度算出手段で用いたパワー値の時系列データの値とを、相互に対応する時間における値同士で掛け合わせ、それを補正パワー値とし、補正パワー値の時系列データを算出する補正パワー値算出手段と、
   前記補正パワー値の所定時間範囲における時間軸に対する傾きを、所定回数スライド計算して求める補正パワー値傾き算出手段と、
   前記補正パワー値算出手段によりスライド計算して得られた補正パワー値の傾きの時系列信号を絶対値処理し、所定時間範囲ごとの積分値を前記補正疲労度として算出する補正パワー値傾き積分手段と
   を備えてなることを特徴とする請求項１〜３のいずれか１に記載の疲労解析装置。
6. 前記第２疲労度算出手段が、前記喚起度算出手段で用いた最大リアプノフ指数の時系列データの値と、前記第１疲労度算出手段で用いたＬＦ／ＨＦ算入パワー値の時系列データの値とを、相互に対応する時間における値同士で掛け合わせ、それを補正パワー値とし、補正パワー値の時系列データを算出する補正パワー値算出手段と、
   前記補正パワー値の所定時間範囲における時間軸に対する傾きを、所定回数スライド計算して求める補正パワー値傾き算出手段と、
   前記補正パワー値算出手段によりスライド計算して得られた補正パワー値の傾きの時系列信号を絶対値処理し、所定時間範囲ごとの積分値を前記補正疲労度として算出する補正パワー値傾き積分手段と
   を備えてなることを特徴とする請求項４記載の疲労解析装置。
7. 前記喚起度算出手段が、前記生体信号データから最大リアプノフ指数を求め、最大リアプノフ指数の時系列データを算出する最大リアプノフ指数算出手段と、
   前記最大リアプノフ指数の所定時間範囲における時間軸に対する傾きを、所定回数スライド計算して求める最大リアプノフ指数傾き算出手段と、
   前記最大リアプノフ指数傾き算出手段によりスライド計算して得られた最大リアプノフ指数の傾きの時系列信号を絶対値処理し、所定時間範囲ごとの積分値を前記喚起度として算出する最大リアプノフ指数傾き積分手段とを備えてなり、
   さらに、前記最大リアプノフ指数傾き積分手段により得られた前記喚起度の累積和を求めて出力する累積喚起度出力手段と
   を備えてなることを特徴とする請求項２記載の疲労解析装置。
8. 前記タイミング判定手段は、前記累積喚起度出力手段により出力される累積喚起度の傾きの急変換点を、前記第２疲労度算出手段の補正疲労度を採用するタイミングと判定することを特徴とする請求項２記載の疲労解析装置。
9. 前記タイミング判定手段は、測定開始から所定時間範囲における前記累積喚起度の傾きを基準傾きとして求め、この基準傾きを求めた後の時間帯における所定時間範囲における累積喚起度の傾きが、基準傾きに対して少なくとも１０％の変化が生じた場合に前記急変換点と判定することを特徴とする請求項７記載の疲労解析装置。
10. 生体信号測定器により採取された脈波の生体信号データを用いて疲労解析を行う疲労解析装置を、
    前記生体信号データの原波形の各周期のピーク値から、所定時間範囲ごとに上限側のピーク値と下限側のピーク値との差を算出し、この差をパワー値とし、パワー値の時系列データを基にして基準疲労度を求める第１疲労度算出手段と、
    前記生体信号データから求めた最大リアプノフ指数を利用して、前記第１疲労度算出手段で用いたパワー値の時系列データの値を補正し、得られた補正パワー値の時系列データを基にして補正疲労度を求める第２疲労度算出手段と、
    交感神経活動による疲労の代償作用の有無を判定する判定手段と、
    前記判定手段により、交感神経活動による疲労の代償がなされていない状態と判定された時間帯では、前記第１疲労度算出手段により得られた基準疲労度の累積和を求めて出力し、交感神経活動による疲労の代償がなされている状態と判定された時間帯では、前記第２疲労度算出手段により得られた補正疲労度の累積和を求めて出力する累積疲労度出力手段と
    して機能させるためのコンピュータプログラム。
11. 前記判定手段を、前記生体信号データから最大リアプノフ指数を求め、この最大リアプノフ指数の時系列データを基にして喚起度を求める喚起度算出手段と、前記喚起度算出手段により得られた喚起度から、前記第２疲労度算出手段の補正疲労度を採用するタイミングを判定するタイミング判定手段として機能させ、
    前記累積疲労度出力手段を、前記タイミング判定手段により、前記第２疲労度算出手段の補正疲労度を採用するタイミングと判定される前の時間帯では、前記第１疲労度算出手段により得られた基準疲労度の累積和を求めて出力するように機能させ、前記第２疲労度算出手段の補正疲労度を採用するタイミングと判定された後の時間帯では、前記第２疲労度算出手段により得られた補正疲労度の累積和を求めて出力するように機能させることを特徴とする請求項１０記載のコンピュータプログラム。
12. 前記第１疲労度算出手段を、前記生体信号データの原波形の各周期のピーク値から、所定時間範囲ごとに上限側のピーク値と下限側のピーク値との差を算出し、この差を前記パワー値とし、該パワー値の時系列データを算出するパワー値算出手段と、
    前記パワー値の所定時間範囲における時間軸に対する傾きを、所定回数スライド計算して求めるパワー値傾き算出手段と、
    前記パワー値傾き算出手段によりスライド計算して得られたパワー値の傾きの時系列信号を絶対値処理し、所定時間範囲ごとの積分値を前記基準疲労度として算出するパワー値傾き積分手段と
    して機能させることを特徴とする請求項１１記載のコンピュータプログラム。
13. さらに、前記疲労解析装置を、生体信号測定器により採取された心拍数又は脈拍数の時系列データを周波数解析して得られるＬＦ／ＨＦのパワースペクトルの時系列データを求めるＬＦ／ＨＦ時系列データ算出手段として機能させ、
    前記パワー値算出手段を、前記ＬＦ／ＨＦのパワースペクトルの時系列データの値と、前記パワー値の時系列データの値とを、相互に対応する時間における値同士で掛け合わせ、それをＬＦ／ＨＦ算入パワー値とし、該ＬＦ／ＨＦ算入パワー値の時系列データを算出するように機能させることを特徴とする請求項１２記載のコンピュータプログラム。
14. 前記第２疲労度算出手段を、前記喚起度算出手段で用いた最大リアプノフ指数の時系列データの値と、前記第１疲労度算出手段で用いたパワー値の時系列データの値とを、相互に対応する時間における値同士で掛け合わせ、それを補正パワー値とし、補正パワー値の時系列データを算出する補正パワー値算出手段と、
    前記補正パワー値の所定時間範囲における時間軸に対する傾きを、所定回数スライド計算して求める補正パワー値傾き算出手段と、
    前記補正パワー値算出手段によりスライド計算して得られた補正パワー値の傾きの時系列信号を絶対値処理し、所定時間範囲ごとの積分値を前記補正疲労度として算出する補正パワー値傾き積分手段と
    して機能させることを特徴とする請求項１０〜１２のいずれか１に記載のコンピュータプログラム。
15. 前記第２疲労度算出手段を、前記喚起度算出手段で用いた最大リアプノフ指数の時系列データの値と、前記第１疲労度算出手段で用いたＬＦ／ＨＦ算入パワー値の時系列データの値とを、相互に対応する時間における値同士で掛け合わせ、それを補正パワー値とし、補正パワー値の時系列データを算出する補正パワー値算出手段と、
    前記補正パワー値の所定時間範囲における時間軸に対する傾きを、所定回数スライド計算して求める補正パワー値傾き算出手段と、
    前記補正パワー値算出手段によりスライド計算して得られた補正パワー値の傾きの時系列信号を絶対値処理し、所定時間範囲ごとの積分値を前記補正疲労度として算出する補正パワー値傾き積分手段と
    して機能させることを特徴とする請求項１３記載のコンピュータプログラム。
16. 前記喚起度算出手段を、前記生体信号データから最大リアプノフ指数を求め、最大リアプノフ指数の時系列データを算出する最大リアプノフ指数算出手段と、
    前記最大リアプノフ指数の所定時間範囲における時間軸に対する傾きを、所定回数スライド計算して求める最大リアプノフ指数傾き算出手段と、
    前記最大リアプノフ指数傾き算出手段によりスライド計算して得られた最大リアプノフ指数の傾きの時系列信号を絶対値処理し、所定時間範囲ごとの積分値を前記喚起度として算出する最大リアプノフ指数傾き積分手段として機能させ、
    さらに、前記疲労解析装置を、前記最大リアプノフ指数傾き積分手段により得られた前記喚起度の累積和を求めて出力する累積喚起度出力手段と
    して機能させることを特徴とする請求項１１記載のコンピュータプログラム。
17. 前記タイミング判定手段を、前記累積喚起度出力手段により出力される累積喚起度の傾きの急変換点を、前記第２疲労度算出手段の補正疲労度を採用するタイミングと判定するように機能させることを特徴とする請求項１１記載のコンピュータプログラム。
18. 前記タイミング判定手段を、測定開始から所定時間範囲における前記累積喚起度の傾きを基準傾きとして求め、この基準傾きを求めた後の時間帯における所定時間範囲における累積喚起度の傾きが、基準傾きに対して少なくとも１０％の変化が生じた場合に前記急変換点と判定するように機能させることを特徴とする請求項１６記載のコンピュータプログラム。

Images