第1章 心拍、呼吸、脈波の非接触計測技術

第1節 マイクロ波ドップラーセンサを用いた非接触心拍計測技術

• 1.ウェアラブル生体センサの課題と心拍計測の低侵襲化
• 2.マイクロ波ドップラーセンサを用いた心拍の計測
• 3.ドップラーセンサのノイズと心拍抽出
• 4.ドライバモニタリングへの応用例

第2節 ミリ波レーダを用いた心拍,呼吸の計測技術

• 1.心拍・呼吸計測技術と課題
• 2.ミリ波計測技術の特徴と応用
• 3.呼吸計測技術
  • 3.1 呼吸計測技術
  • 3.2 実験方法と実験結果
• 4.拍動計測技術
  • 4.1 拍動計測技術
    • 4.1.1 最大強度法とサンプリングダイバーシティ
    • 4.1.2 バーグ法と多重解像度解析
  • 4.2 実験方法と実験結果
    • 4.2.1 実験方法
    • 4.2.2 実験結果

第3節 24GHZ帯レーダーを用いた呼吸、心拍の計測技術

• 1.FM-CWレーダーの動作原理
• 2.FM-CWレーダーの基本特性
  • 2.1 シミュレーションによる距離特性および微小変位特性
  • 2.2 実験による距離特性および微小変位特性
    • 2.2.1 距離特性の計測例
    • 2.2.2 微小変位特性の計測例
  • 2.3 反射係数について
    • 2.3.1 計算機シミュレーションによる評価
    • 2.3.2 実験による評価
• 3.レーダーによる人の挙動、呼吸および心拍の計測への応用例
  • 3.1 生活挙動の計測例
  • 3.2 呼吸および心拍の計測例
    • 3.2.1 呼吸数について
    • 3.2.2 心拍数について

第4節 超音波を用いた呼吸・心拍の非接触計測

• 1.空中における超音波計測の特徴
• 2.超音波による呼吸・心拍計測の基本方針
• 3.体表面の観測から得られる情報
• 4.仰臥位での体表面振動の計測
• 5.体表面の振動速度ベクトルの測定

第5節 生体計測に基づく注意・情動の推定と特性の顕在化

• 1.注意の推定と特性顕在化
  • 1.1 従来研究と本研究の目的
  • 1.2 実験
    • 1.2.1 目的
    • 1.2.2 方法
    • 1.2.3 データの分析方法
    • 1.2.4 結果
    • 1.2.5 考察
  • 1.3 注意変化推定手法
  • 1.4 評価
    • 1.4.1 評価方法
    • 1.4.2 評価結果
    • 1.4.3 考察
  • 1.5 まとめ
• 2.情動の推定と特性顕在化
  • 2.1 従来研究と本研究の目的
  • 2.2 実験
    • 2.2.1 目的
    • 2.2.2 方法
    • 2.2.3 データの分析方法
    • 2.2.4 結果
    • 2.2.5 考察
  • 2.3 情動変化推定手法
  • 2.4 評価
    • 2.4.1 評価方法
    • 2.4.2 評価結果
    • 2.4.3 考察
  • 2.5 まとめ

第6節 動画像からの高速でロバストな心拍数推定

• 1.関連研究
• 2.ビデオ映像からのロバストな心拍数推定
  • 2.1 ステップ 1:スペクトル抽出
  • 2.2 ステップ 2:ROI選択
  • 2.3 ステップ 3:心拍数追跡
    • 2.3.1 初期化
    • 2.3.2 予測
    • 2.3.3 重み計算
    • 2.3.4 心拍数推定
    • 2.3.5 リサンプリング
• 3.実験結果
  • 3.1 データセット
  • 3.2 評価設定
  • 3.3 心拍数推定
    • 3.3.1 事前評価
    • 3.3.2 ROI分類向けニューラルネットワークの構造
    • 3.3.3 心拍数推定精度
    • 3.3.4 処理時間
• 4.まとめ

第7節 高精細画像を活用した非接触型心拍推定

• 1.背景と目的
• 2.関連研究
  • 2.1 心拍推定手法
  • 2.2 JADEを適用した心拍推定手法
• 3.化粧の有無による心拍推定手法の精度評価
  • 3.1 評価環境
  • 3.2 評価結果
• 4.空間解像度と距離を変数とする心拍推定の精度評価
  • 4.1 評価環境
  • 4.2 近距離における心拍推定評価結果
  • 4.3 遠距離における心拍推定評価結果
• 5.まとめ

第8節 カメラによる非接触脈波情報抽出と血圧推定技術

• 1.脈波抽出技術
  • 1.1 光電容積脈波とは
  • 1.2 カメラによる脈波抽出
• 2.顔の脈波による血圧推定技術
  • 2.1 顔の検出、追従技術
  • 2.2 脈波から血圧を推定する技術
  • 2.3 体動の影響の評価

第9節 レンジイメージングによる非接触生体計測技術とその応用事例

• 1.カメラベースのレンジイメージング技術
  • 1.1 受動的ステレオ法
  • 1.2 能動的ステレオ法
  • 1.3 Time-Of-Flight法
• 2.レンジイメージングによる非接触呼吸換気量計測
• 3.レンジイメージングによる運動中の非接触呼吸計測
• 4.レンジイメージングによる非接触心拍計測

第10節 映像解析に基づく頑健な心拍数計測技術とその応用

• 1.映像からの心拍数計測
• 2.皮膚の見え方のモデル
• 3.心拍数の推定法
  • 3.1 剛体運動への対応
  • 3.2 照明の時間変動のある中での血流に関連する信号の抽出
  • 3.3 抽出したPG信号からの心拍数の推定
  • 3.4 多数決による頑健な心拍数推定
  • 3.5 データベースを用いた実験
  • 3.6 実環境での実験
  • 3.7 高速化の検討
• 4.心拍数計測の応用
  • 4.1 ネット動画からの感情状況推定
  • 4.2 映画視聴時の感情識別
  • 4.3 認知症高齢者のための遠隔コミュニケーションシステム

第11節 緑色LEDを用いた光電脈波計による心拍,呼吸の同時測定技術

• 1.光電脈波測定と呼吸変調
  • 1.1 光電脈波による心拍測定
  • 1.2 呼吸による心拍の変調
• 2.解析方法
• 3.実験方法
• 4.実験結果

第12節 湿度センサで呼吸を検出するポータブル呼吸数センサの開発

• 1.一般的な呼吸計測法
• 2.呼気に含まれる水分を用いる検出法
• 3.実験方法
  • 3.1 湿度センサチップの作製法
    • 3.1.1 基材の選択
    • 3.1.2 感湿膜の選択
  • 3.2 ポータブル呼吸数センサへの実装
• 4.実験結果

第2章 心拍、脈波の無拘束計測技術

第1節 圧力センサを用いた脈波・呼吸・体動の計測技術と応用事例

• 1.生体信号の定義と計測方法
• 2.無拘束生体信号センシング技術
• 3.ECMを用いた圧力式生体信号検出システム
• 4.脈波計測から睡眠深度の推定
• 5.生体信号計測に必要な要素技術
  • 5.1 時定数増幅技術6)
  • 5.2 エアチューブ型圧力センシング
• 6.脈波計測から速度脈波,加速度脈波へ
• 7.心電信号で確立されている交感神経・副交感神経との相関
• 8.心電波形増幅用時定数増幅器
• 9.容量結合型電極を用いた心電波形計測

第2節 圧電フィルムセンサによる無拘束生体センシング技術

• 1.多機能型センサ
• 2.無拘束生体センシング
• 3.バイタル及び体位センシング
• 4.まとめ
• 5.今後の展望

第3節 心拍,呼吸の無拘束計測技術と睡眠状態の推定

• 1.圧電素子を用いた無拘束心拍呼吸計測
  • 1.1 最小二乗逆フィルタによるBCGからの心拍計測
  • 1.2 複数BCGセンサからのLength transformによる心拍計測
  • 1.3 BCG信号のパワースペクトルからの呼吸計測
• 2.圧電素子を用いた睡眠状態の推定
  • 2.1 睡眠状態のモニタリングの重要性
  • 2.2 呼吸性不整脈の位相コヒーレンスと徐波睡眠の連関

第4節 圧電素子を用いたベッド上での心拍、呼吸検出システムの開発

• 1.呼吸・心拍の測定
  • 1.1 圧電素子
  • 1.2 計測環境
• 2.提案手法
  • 2.1 呼吸・心拍信号の抽出方法
    • 2.1.1 呼吸信号抽出方法
    • 2.1.2 心拍信号抽出方法
  • 2.2 素子選択法
  • 2.3 呼吸・心拍抽出信号の正規化方法
• 3.検証実験
  • 3.1 呼吸・心拍計測内容
  • 3.2 実験結果

第5節 触覚センサを用いた呼吸・心拍の無拘束計測技術

• 1.触覚センサを用いた睡眠モニタリングシステムの構成
• 2.呼吸数・心拍数測定方法
• 3.姿勢判別のためのパターン処理
• 4.姿勢判別の評価実験
  • 4.1 サンプルデータと評価方法
  • 4.2 学習
• 6.リアルタイムプログラム
• 7.瞬時心拍数の検出

第6節 超高感度圧力センサを用いた無拘束生体計測システムとその応用

• 1.空気圧方式による脈波,呼吸,鼾の無拘束センシングデバイス
  • 1.1 計測システムの物理モデル
    • 1.1.1 生命活動にともなう振動によるエアマットレス内の圧力特性
    • 1.1.2 エアマットレスとバックチャンバーの空気圧特性
    • 1.1.3 エレクトレットフィルムの動特性
    • 1.1.4 圧力センサ内の回路特性
    • 1.1.5 計測システム全体の周波数特性
  • 1.2 実際の計測回路の特性
• 2.応用事例
  • 2.1 様々な在宅環境での生体信号計測例
  • 2.2 確定的睡眠段階の推定および確率的睡眠段階の推定

第7節 静電容量型フレキシブル近接センサの開発と人感,呼吸センシング

• 1.静電容量型フレキシブル近接センサの生体情報センシングとしての特徴
• 2.スクリーンおよびスクリーンオフセット印刷法による静電容量型フレキシブル近接センサ
• 3.静電容量型フレキシブル近接センサによる人感センシング
• 4.静電容量型フレキシブル近接センサによる呼吸センシング

第8節 ウェアラブル電極素材hitoeRとリハビリテーションへの応用

• 1.ウェアラブル電極素材
  • 1.1 応用展開分野
  • 1.2 センサデータからの情報生成
• 2.回復期リハビリテーションにおける応用事例
  • 2.1 回復期リハビリテーション
  • 2.2 モニタリングシステム
    • 2.2.1 ウェアとトランスミッタ
    • 2.2.2 スマホ、無線ゲートウェイ
    • 2.2.3 サーバー
    • 2.2.4 セキュリティ
  • 2.3 脳卒中患者の活動性評価に用いる指標
    • 2.3.1 心拍数
    • 2.3.2 %予備心拍数 (%HRR)
    • 2.3.3 体動
    • 2.3.4 歩行
    • 2.3.5 姿勢
    • 2.3.6 活動コスト指数
  • 2.4 24時間相当の指標を生成するアンサンブル平均
• 3.実証実験結果
  • 3.1 安静時心拍の取得における夜間計測の有効性
  • 3.2 活動時間とFIMの関係性
  • 3.3 体動とFIMの関係性
  • 3.4 %HRRとFIMの関係性
  • 3.5 環境が身体に及ぼす影響
  • 3.6 リハビリテーション栄養、行動変容

第9節 スマートウェアを用いた心拍数計測とその応用

• 1.肌着を用いた心拍数計測
• 2.心拍数・心拍変動解析の基礎
• 3.暑熱労働環境の安全を見守るスマートウェア

第10節 導電性高分子膜を用いたウェアラブル生体情報モニタリングセンサの開発

• 1.ヘルスケア用ウェアラブルデバイス
• 2.イオン導電性高分子-金属接合体 (IPMC)
• 3.IPMCのスマートテキスタイルへの応用
  • 3.1 IPMCを用いた変位量計測
    • 3.1.1 計測方法
    • 3.1.2 計測結果
  • 3.2 人の動きを想定した実用性の評価
    • 3.2.1 計測方法
    • 3.2.2 計測結果
• 4.IPMCを用いた生体情報モニタリング
  • 4.1 ウェアラブル生体情報センサを用いた関節運動計測
  • 4.2 ウェアラブルデバイスを用いた動きと生体電気の同時計測
  • 4.3 計測結果

第11節 導電性繊維を用いた褥瘡予防センサの開発

• 1.導電性繊維の基本構造
• 2.褥瘡発症要因とその対策
• 3.静電容量型センサ
  • 3.1 静電容量計測原理
• 4.SNSを導入した褥瘡予防センサシステム
• 5.導電性繊維を用いた褥瘡予防のためのセンサ開発

第12節 銀メッキ導電性繊維を用いたスマートウェアの開発と生体情報計測

• 1.銀めっき導電性繊維「AGposs」ついて
  • 1.1 導電性繊維の分類
  • 1.2 AGpossの概要
  • 1.3 AGpossの用途例
  • 1.4 AGpossの洗濯耐久性
• 2.着衣型ウェアラブルデバイス「hamonR」について
  • 2.1 hamonの構成要素
  • 2.2 hamonの洗濯耐久性
  • 2.3 hamonによるソリューション
• 3.hamonによる生体計測について
  • 3.1 hamonでわかること
  • 3.2 心電データを検出するためにhamonに必要とされること
  • 3.3 hamonの電極位置

第13節 光ファイバセンサを用いたスマートテキスタイルセンシング

• 1.FBGセンシングシステムと脈波検知
  • 1.1 FBGセンサと脈波検知
  • 1.2 装着型システムのためのFBGセンサシステム
• 2.バイタルサインセンシング
  • 2.1 心理ストレス状態の計測
  • 2.2 血圧および血糖値の計測
• 3.非侵襲,無拘束バイタルサインのスマートテキスタイルの展望

第14節 ヘテロコア光ファイバを織り込んだ柔軟素材による無意識・無拘束生体モニタリング

• 1.ヘテロコア光ファイバ
• 2.織物センサ
• 3.生体情報モニタリングへの応用

第15節 スマートグラスを用いた生体情報のリアルタイムモニターシステムの開発

• 1.頭部での心電図計測法
  • 1.1 電極間の距離について
  • 1.2 電極の位置について
• 2.頭部で計測した心電図の信号処理法
  • 2.1 電磁波の影響について
  • 2.2 筋電の影響について
  • 2.3 周波数フィルタ処理法について
• 3.日常生活中で正確なHR検出のためのスマートアイモニターシステムにおける今後の課題
  • 3.1 電極種類について検討
  • 3.2 AIアルゴリズムを用いたデジタル信号処理について検討

第16節 ネックバンド型呼吸モニタリングシステムによる無呼吸・低呼吸の自動検出

• 1.口腔咽喉音分析による呼吸モニタリング
• 2.低呼吸・無呼吸の自動検出
  • 2.1 ピーク間隔検出法
  • 2.2 移動平均検出法
  • 2.3 2値化検出法
  • 2.4 各検出法の利点と欠点
• 3.ネックバンド型SpO2推定システム
• 4.呼吸酸素飽和度のモニタリング

第17節 ウェアラブルセンサと機械学習を用いた心理状態の推定と可視化

• 1.心理状態の測定
  • 1.1 アンケート
  • 1.2 行動
  • 1.3 生体信号
• 2.ウェアラブルセンサを用いたピッキング時の作業者の心理状態の推定
  • 2.1 概要
  • 2.2 作業者の生体信号・動作の取得
  • 2.3 行動と脈波特徴の計算
  • 2.4 仮説検定による変数選択
  • 2.5 ディープニューラルネットワークによる感情と没頭の予測
• 3.実験結果
  • 3.1 実験目的
  • 3.2 実験手順
  • 3.3 心理モデルの検証
  • 3.4 予測精度
• 4.結論

第18節 脈波波形を特徴量としたカフレス血圧推定法の開発

• 1.PPGと従来の特徴量
• 2.カフレス血圧推定法
  • 2.1 等高線脈波特徴量
  • 2.2 PLS回帰を用いた推定モデル
• 3.実験
  • 3.1 実験方法
  • 3.2 実験結果
• 4.考察

第19節 光電容積脈波からの血圧推定のためのオートエンコーダによる特徴抽出

• 1.光電容積脈波
• 2.脈波特徴量
  • 2.1 加速度脈波波形
  • 2.2 加速度脈波の波高比
• 3.脈波信号解析
  • 3.1 脈波信号処理
• 4.脈波特徴量抽出
  • 4.1 相互相関関数
  • 4.2 脈波特徴量の抽出
  • 4.3 オートエンコーダ
• 5.Deep Learningを用いた血圧推定実験
  • 5.1 自動血圧計
  • 5.2 光電容積脈波センサ
  • 5.3 計測環境・個人情報
  • 5.4 実験結果

第3章 顔や表情の解析と人の状態推定

第1節 顔画像からの感情推定と表情合成

• 1.産業応用
• 2.心理学における感情と表情の関係
  • 2.1 心理学と研究
  • 2.2 感情の指標としての表情
  • 2.3 「興味」と非言語的コミュニケーション
• 3.顔画像からの感情推定と表情合成
  • 3.1 顔撮影実験
  • 3.2 画像の正規化と平均顔の作成
  • 3.3 顔画像からの感情推定
  • 3.4 顔表情画像の合成

第2節 顔面表情認知にしぐさ・姿勢が及ぼす影響

• 1.コミュニケーションにおける非言語情報とその評価手法
  • 1.1 非言語情報の分類
  • 1.2 非言語情報の役割
  • 1.3 非言語情報の評価手法
• 2.表情認知過程における文脈情報の影響
• 3.刺激画像の取得
  • 3.1 顔面表情の撮影方法
  • 3.2 しぐさ、姿勢の撮影方法
• 4.研究例1
  • 4.1 方法
    • 4.1.1 実験刺激
    • 4.1.2 手続き
  • 4.2 結果と考察
• 5.研究例2
  • 5.1 方法
    • 5.1.1 実験刺激
    • 5.1.2 手続き
  • 5.2 結果と考察
• 6.以上の研究の意義と問題点

第3節 表情空間チャートを用いた心理的ストレスレベルの推定

• 1.背景
• 2.提案手法
  • 2.1 表情の表出度
  • 2.2 特徴抽出
  • 2.3 SOMによる表情パターンの分類
  • 2.4 FARTによる表情パターンの統合
  • 2.5 表情空間チャートの生成
  • 2.6 SVMによるストレスレベルの推定
• 3.データセット
  • 3.1 表情画像
  • 3.2 表情撮影
  • 3.3 ストレスレベルの測定
• 4.評価実験
  • 4.1 表情空間チャート生成結果 (被験者A)
  • 4.2 表情空間チャート生成結果 (被験者10名)
• 5.心理的ストレスレベルの推定

第4節 発話に伴う口唇の動きと心情および体調変化の関連

• 1.口唇の動きと心情・体調変化の関連
• 2.使用データ
  • 2.1 データ取得環境
  • 2.2 データ取得日程とデータセット
  • 2.3 体調不調データと体調良好データの分類
  • 2.4 発話に使用した単語の選定基準
• 3.体調判別のための特徴量算出処理
  • 3.1 概要
  • 3.2 口唇形状抽出処理
  • 3.3 口唇の横幅の時系列変化算出処理
  • 3.4 口唇の横幅の伸縮度合い算出処理
  • 3.5 時間軸の正規化処理
  • 3.6 累積差分値の平均値算出処理
  • 3.7 Daxの正規化処理
• 4.体調不調の判別実験
  • 4.1 体調判別のための閾値に関する検討
  • 4.2 判別実験
• 5.体調判別結果および考察
  • 5.1 結果
  • 5.2 体調判別に失敗した事例に対する考察

第4章 視線、眼球運動の計測、解析と人の状態推定

第1節 眼のほぼ横に設置した小型カメラによる視線推定と眼球回旋運動計測

• 1.個人差の影響を受けにくい眼球回旋運動計測
  • 1.1 システム構成
  • 1.2 血管テンプレート画像の選び方
  • 1.3 眼球回旋角度の算出法
  • 1.4 評価実験
• 2.ほぼ横から眼球を撮像しても推定精度を低下させない視線推定方法
  • 2.1 システム構成
  • 2.2 最適キャリブレーション注視点の選び方
  • 2.3 キャリブレーションパラメータの求め方
  • 2.4 評価実験
• 3.まとめ

第2節 閉眼時眼瞼運動の計測とその応用

• 1.閉眼時眼瞼運動の計測
  • 1.1 計測方法の選定
  • 1.2 眼瞼動作の抽出
    • 1.2.1 上眼瞼境界線の生成
    • 1.2.2 上眼瞼境界線の移動量の算出
  • 1.3 閉眼時眼瞼運動の抽出事例
  • 1.4 適用条件の緩和
• 2.聴覚情報処理過程の評価への適用
  • 2.1 瞬目と認知過程との関係
  • 2.2 聴覚刺激
  • 2.3 実験条件
  • 2.4 実験手順
  • 2.5 実験結果
    • 2.5.1 データ処理
    • 2.5.2 上眼瞼の移動量の時間分布
  • 2.6 瞬目特性との対比
• 3.音声読み上げ入力インタフェースへの応用
  • 3.1 背景
  • 3.2 実験システムの構成
  • 3.3 随意性運動と不随性運動の識別
  • 3.4 音声読み上げ方式
  • 3.5 実験結果と考察
  • 3.6 従来手法との比較
    • 3.6.1 文字選択精度
    • 3.6.2 入力速度
    • 3.6.3 入力効率
    • 3.6.4 入力の快適さ
    • 3.6.5 用途

第3節 機械学習を用いた画像からの視線推定手法

• 1.画像を用いた視線推定手法
  • 1.1 アピアランスベース手法
  • 1.2 モデルベース手法
  • 1.3 従来手法の問題点
• 2.明示的なキャリブレーション不要な視線推定手法とその応用
• 3.顔形状パラメータの逐次更新により個人適応を行う頭部/視線推定
  • 3.1 提案手法の概要と処理の流れ
  • 3.2 個人化パラメータ推定ネットワーク
  • 3.3 顔姿勢推定ネットワーク
  • 3.4 実験
    • 3.4.1 個人化パラメータ推定の精度評価
    • 3.4.2 顔姿勢推定の精度評価
  • 3.5 視線推定への拡張

第4節 眼球運動、頭部運動と手の動きの測定装置の開発と画像評価

• 1.測定装置の構成
• 2.視線の精度の評価
  • 2.1 視線の動きの測定
  • 2.2 視線の測定結果
  • 2.3 手の動きの精度評価
    • 2.3.1 手の動きの測定法
    • 2.3.2 手の動きの測定結果
  • 2.4 考察
    • 2.4.1 視線の動きの精度
    • 2.4.2 手の動きの精度

第5節 眼球運動の測定による注意の推定

• 1.眼球運動の種類
  • 1.1 眼の構造と視覚情報処理
  • 1.2 眼球運動の種類
    • 1.2.1 補償性眼球運動
    • 1.2.2 随意性眼球運動
    • 1.2.3 微細眼球運動/固視時不随意微小眼球運動 (固視微動)
• 2.眼球運動の測定法
  • 2.1 代表的な測定法
    • 2.1.1 角膜反射法
    • 2.1.2 ビデオ式眼球運動記録
    • 2.1.3 サーチコウイル法
    • 2.1.4 リンバストラッキング法
    • 2.1.5 眼電計
  • 2.2 アイトラッカによる眼球運動の測定
    • 2.2.1 Tobii社によるアイトラッキングの例
    • 2.2.2 アイトラッカによる視線情報の分析の例
• 3.眼球運動による注意の推定
  • 3.1 視覚的注意の心理学
  • 3.2 著者による研究例の紹介
    • 3.2.1 実験場面
    • 3.2.2 擬人化会話エージェントを用いたユーザの「視線情報の誘導」
    • 3.2.3 協同作業における「視線情報の一致」による会話の円滑化
    • 3.2.4 「視線のフィードバック」によるによる協同作業の促進

第6節 眼電位計測による人の心理的状態の検出

• 1.眼電図による眼球運動の検出方法
  • 1.1 眼球運動の検出方法
  • 1.2 3電極法による眼電図計測
• 2.JINS MEMEの概要
• 3.JINS MEMEによる計測事例
  • 3.1 視線移動方向とその速度成分の検出
  • 3.2 瞬目のタイミングと規模の検出
  • 3.3 計測信号と心理的指標との関連
• 4.考察
  • 4.1 計測される眼電図が示すもの
  • 4.2 微小電気信号増幅について
  • 4.3 ヒトの心理的状態の定量評価に向けて

第7節 顕著性マップと視線計測を用いた快・不快情動推定

• 1.情動と視線
• 2.顕著性マップ
  • 2.1 視覚的注意の定義
  • 2.2 特徴統合理論
  • 2.3 顕著性マップモデル
• 3.実験方法
  • 3.1 実験の概要
  • 3.2 実験課題
  • 3.3 刺激画像
• 4.快・不快情動に対する視線特性
  • 4.1 視線停留の判別
  • 4.2 顕著性を考慮した視線特徴
  • 4.3 解析結果

第8節 眼球運動と瞳孔計測によるストレス状態の推定

• 1.そもそもストレスとは
• 2.瞳孔とは
  • 2.1 瞳孔の神経支配,自律神経系
  • 2.2 瞳孔反応の見方
  • 2.3 瞳孔によるストレス計測
  • 2.4 瞳孔計測による疾患の診断
  • 2.5 眼科領域の疾患
• 3.眼球運動とストレス
  • 3.1 眼球運動の種類
  • 3.2 眼球運動の速度
  • 3.3 眼球運動の計測方法
  • 3.4 眼球運動からストレスを見る方法

第9節 “ながらスマホ”時の視線計測と危険性の考察

• 1.“ながらスマホ”に関わる交通事故の実態など
• 2.実験方法
  • 2.1 使用した視線計測装置
  • 2.2 モバイルタイプの視線計測装置
  • 2.3 視線特性の分析項目
• 3.“ながらスマホ”時の視線特性と危険性について
  • 3.1 クルマ運転時
    • 3.1.1 実車運転時
    • 3.1.2 ドライビングシミュレータを使った実験
  • 3.2 自転車運転時
  • 3.3 歩行時の“歩きスマホ”

第10節 短剣道の動作計測と技予測

• 1.研究対象としての短剣道
  • 1.1 短剣道とは
  • 1.2 特徴
• 2.深層学習を用いた短剣道打突動作の予測
  • 2.1 目的
  • 2.2 システム構成
  • 2.3 評価実験
  • 2.4 考察とまとめ
• 3.接近戦でも破壊されにくい世界カメラの設置位置
  • 3.1 目的
  • 3.2 システム構成
  • 3.3 世界カメラ取り付け位置の有効性の検証
  • 3.4 実証実験
• 4.まとめ

第5章 脳波の計測技術と人の状態推定

第1節 非侵襲脳内電気活動イメージングとその可視化

• 1.脳内電気活動イメージングの背景
• 2.脳内ダイポールイメージング
  • 2.1 問題の定式化
  • 2.2 フィルタ特性
  • 2.3 正則化パラメータ推定法
  • 2.4 時系列解析
  • 2.5 実形状モデルへの投影
• 3.シミュレーションによる検証
• 4.視覚誘発電位への応用

第2節 脳波による人の感情、状態の評価方法

• 1. 脳波による評価の実際
• 2. 脳波の記録一般
• 3.脳波の分析
  • 3.1 視察判定
  • 3.2 脳波の分析
• 4.自発脳波と感情や感性
  • 4.1 前頭部脳波活動の非対称性
  • 4.2 α波活動のゆらぎ
• 5.事象関連電位

第3節 脳波解析と瞳孔反応、表情反応を用いた感情推定

• 1.理性と感情、合理性と非合理性
  • 1.1 理性と感情から見る人間の特徴。
  • 1.2 主観、客観から見る人間の合理性、非合理性
• 2.人間から発せられる感情のサイン
  • 2.1 脳活動計測の手法
  • 2.2 他のバイタルデータ
• 3.測定方法
  • 3.1 脳波の測定方法
  • 3.2 瞳孔径の測定方法
  • 3.3 表情の測定方法
• 4.評価例
  • 4.1 測定システム
  • 4.2 提示コンテンツと測定基準
  • 4.3 脳波の解析
• 5.結果例
  • 5.1 喜びコンテンツの定常結果
  • 5.2 喜びコンテンツの時間変化
  • 5.3 恐怖、悲しみコンテンツの時間発展

第4節 脳波と深層学習を活用した記憶の想起に伴う快不快感情の認識

• 1.モデルベース回想法の構想
• 2.記憶に伴う感情と脳波のデータセット
  • 2.1 方法
    • 2.1.1 実験参加者
    • 2.1.2 手続き
  • 2.2 データセットの概要
  • 2.3 快不快での平均的な脳波の比較
• 3.深層学習による快不快感情の認識
  • 3.1 ネットワーク構成
  • 3.2 感情認識の方法
  • 3.3 感情認識の結果
• 4.深層学習による感情を伴う脳部位の可視化
  • 4.1 可視化の方法
    • 4.1.1 入力
    • 4.1.2 可視化
    • 4.1.3 集約
  • 4.2 可視化の結果

第5節 ウェアラブルNIRSによる快・不快情動の検出と評価

• 1.NIRSによる脳活動計測
• 2.実験方法
  • 2.1 実験デザインと計測条件
  • 2.2 画像の選定
• 3.結果
  • 3.1 主観評価による評価
  • 3.2 NIRS信号の変動
  • 3.3 機械学習による情動の検出
    • 3.3.1 識別条件
    • 3.3.2 サポートベクターマシン
    • 3.3.3 識別結果

第6節 脳波のフラクタル解析と感性計測

• 1.感性フラクタル解析手法
• 2.EFAMによる感情・不安の計測
  • 2.1 測定条件
  • 2.2 感性解析結果
    • 2.2.1 リファレンスデータに対する認識結果
    • 2.2.2 評価用データに対する認識結果
  • 2.3 想起したイメージの感性計測のまとめ
• 3.視覚刺激と感性
  • 3.1 測定環境及び条件
  • 3.2 評価画像
  • 3.2 想起・視覚情報のフラクタル次元解析
    • 3.2.1 華やかさを想起した場合の解析結果
    • 3.2.2 視覚刺激に対する“華やかさ”計測結果
  • 3.3 視覚刺激と感性のまとめ
• 4.嗅覚刺激と感性
  • 4.1 嗅覚と感性計測の目的
  • 4.2 測定内容
  • 4.3 嗅覚刺激に関する感性解析
  • 4.4 嗅覚と感性のまとめ

第6章 生体信号の処理、解析技術とノイズ対策

第1節 生体電気信号の発生と伝播メカニズム

• 1.細胞膜とイオン環境
  • 1.1 細胞膜の特徴
  • 1.2 静止膜電位
  • 1.3 静止膜電位の生成原理
  • 1.4 分極と脱分極
  • 1.5 Goldman-Hodgkin-Katzの式
• 2.細胞膜の電気的性質
  • 2.1 受動的性質
  • 2.2 能動的性質
  • 2.3 活動電位生成のイオン機序
  • 2.4 活動電位のイオン濃度への影響
  • 2.5 Hodgkin-Huxley モデル
  • 2.6 興奮のより簡略されたモデル
• 3.膜興奮性を担う分子の実体
  • 3.1 電位依存性イオンチャネル
  • 3.2 イオンチャネルの特徴
  • 3.2 イオンチャネルの構造
  • 3.3 活動電位の多様性を生むもの
• 4.活動電位の伝播
  • 4.1 膜ケーブルの受動的特性
  • 4.2 膜ケーブルの能動的性質
  • 4.3 跳躍伝導
• 5.隣接細胞への信号伝達
  • 5.1 化学シナプス
  • 5.2 ギャップ結合
• 6.細胞外領域に現れる電位差

第2節 信号解析アルゴリズムARSと生体センシングへの展開

• 1.背景 IoT時代のデータ解析
  • 1.1 エッジコンピューティング
  • 1.2 IoTとエッジコンピューティングがもたらすデータ処理への新しいニーズ
• 2.IoTに適した新しい振動解析法ARS
  • 2.1 基本原理
  • 2.2 ARSの構成
  • 2.3 数値例
• 3.特長と問題
  • 3.1 特長
  • 3.2 問題
• 4.まとめと今後の展開

第3節 生体信号の数理解析に基づく心身の状態評価

• 1.生理信号を用いた心理状態評価
• 2.心拍変動解析
  • 2.1 時間領域解析
  • 2.2 周波数領域解析
  • 2.3 非線形指標
• 3.連続血圧・脈波の解析
• 4.脳波解析
• 5.皮膚電気コンダクタンスの解析
• 6.睡眠ポリグラフデータの解析
• 7.身体活動量の解析

第4節 生体信号のゆらぎ解析とヘルスケアへの応用

• 1.ゆらぎ解析のためのデータ収集
  • 1.1 短時間記録と長時間記録
  • 1.2 ゆらぎの起源に応じたデータの抽出
  • 1.3 心電図と脈波
• 2.ゆらぎの量的解析
  • 2.1 心拍変動と自律神経機能
  • 2.2 心拍変動と健康リスク
• 3.ゆらぎの質的解析
  • 3.1 フラクタル解析
  • 3.2 複雑性・不規則性の解析
  • 3.3 非ガウス性の解析
  • 3.4 動的反応の解析

第5節 生体電気信号中の交流雑音の除去技術

• 1.交流雑音と対処法
• 2.適応フィルタによる交流雑音除去
  • 2.1 適応アルゴリズム
  • 2.2 適応フィルタによる雑音除去の問題
• 3.問題解決の試み
  • 3.1 所望信号が一過性パルス状信号の場合
  • 3.2 所望信号が持続的な場合
  • 3.3 オフライン処理が可能な場合
  • 3.4 周波数変動に対し耐性を持たせる試み