心拍変動による居眠り検知

Drowsiness detection using heart rate variability
Jose Vicente, Pablo Laguna, Ariadna Bartra, Raquel Bailon
Medical and Biological Engineering and Computing, Volume 54, Issue 6, Pages 927-937, 16 January 2016

交通事故死者の10~30%が眠気運転に関連していると推定されている.生物学的および車両情報に基づく運転者の眠気検知は,予防的自動車安全という点において研究がなされている.表面心電図から得られる心拍変動(HRV)信号によって非侵襲的に測定可能な自律神経系活動は,ストレス,過労および眠気症状間の変化を示す.我々は,これらの変化がHRVに現れていることから,運転者の眠気検出に使用可能であると仮定した.我々は,ドライバーが示した異なる睡眠不足レベルと,眠気または覚醒として注釈を付けられた各運転時3つの運転データベースの分析を行った.我々は,HRVに基づいて2つの異なる眠気検知器を開発した.眠気エピソード検出器は,HRV由来の7つの特徴(運転の3475分で肯定的予測値0.96,感度0.59,特異性0.98)を用いて運転の毎分を「覚醒」または「眠気」と評価すると同時に,睡眠不足検出器はドライバの睡眠不足機能から運転の可否を見分けた.睡眠不足状態は,最初の3分間の運転における1つのHRV特徴(陽性適中率0.80,感度0.62,特異度0.88,30人のドライバに基づく)から推定された.HRV信号に基づく眠気評価を取り入れることは,既存の自動車安全システムに著しい改善を加える可能性がある.

心拍変動による居眠り検知

Drowsiness detection using heart rate variability
Jose Vicente, Pablo Laguna, Ariadna Bartra, Raquel Bailon
Medical and Biological Engineering and Computing, Volume 54, Issue 6, Pages 927-937, 16 January 2016

交通事故死者の10~30%が眠気運転に関連していると推定されている.生物学的および車両情報に基づく運転者の眠気検知は,予防的自動車安全という点において研究がなされている.表面心電図から得られる心拍変動(HRV)信号によって非侵襲的に測定可能な自律神経系活動は,ストレス,過労および眠気症状間の変化を示す.我々は,これらの変化がHRVに現れていることから,運転者の眠気検出に使用可能であると仮定した.我々は,ドライバーが示した異なる睡眠不足レベルと,眠気または覚醒として注釈を付けられた各運転時3つの運転データベースの分析を行った.我々は,HRVに基づいて2つの異なる眠気検知器を開発した.眠気エピソード検出器は,HRV由来の7つの特徴(運転の3475分で肯定的予測値0.96,感度0.59,特異性0.98)を用いて運転の毎分を「覚醒」または「眠気」と評価すると同時に,睡眠不足検出器はドライバの睡眠不足機能から運転の可否を見分けた.睡眠不足状態は,最初の3分間の運転における1つのHRV特徴(陽性適中率0.80,感度0.62,特異度0.88,30人のドライバに基づく)から推定された.HRV信号に基づく眠気評価を取り入れることは,既存の自動車安全システムに著しい改善を加える可能性がある.

HRV解析を用いた運転者ストレスレベルの検出

Driver stress level detection using HRV analysis
Nermine Munla, Mohamad Khalil, Ahmad Shahin, Azzam Mourad
Advances in Biomedical Engineering (ICABME), 2015 International Conference on. IEEE, pp.415-427, 2015

本稿では、実世界運転実験における運転者のストレスレベルの検出について検討した.この検出は,ECG信号から得られ,人体の自律神経系状態を反映する心拍変動(HRV)分析に基づいている.自律神経系の変化は運転操作中の運転者のストレスレベルを予測するため,早期警告によって安全な運転を可能にする.運転中に起こるストレスは,気分の変化,生物学的リズム,疲労,退屈またはドライバーが不適切な運転状態に至るのを防ぐ疾患などの多様な要因によって引き起こされる.本研究では,HRV解析を行うことを目的にドライバのECG信号を抽出して前処理を行った.この分析は,時間,周波数,時間 – 周波数またはWaveletおよびSTFT(短時間フーリエ変換)を含む非線形方法などのドメイン分析アプローチの1つが使用される. HRV分析の後,複数のパラメータが抽出され,分類フェーズの特徴のベクトルが構築される.本実験は,自動車ドライバデータベース(DRIVEDB)のストレス認識からの16の異なる被験者からのデータを用いて行われた.半径方向基底関数(SVM-RBF)カーネル、K最近傍(KNN)、およびラジアル基底関数(RBF)分類子を含むサポートベクトルマシンを含むいくつかの分類技術が調査された.本研究の結果は,ストレス検出がSVM-RBF分類器を用いて83%の精度で予測可能であることを示した.このことはまた,運転者状態の正確な生理的指標としてのECGバイオメトリックのロバスト性を示す.

パ ニック症患者における, 恐怖心によって引き起こされた自律神経の失調が, 心拍変動に及ぼす影響

Threat-induced autonomic dysregulation in panic disorder evidenced by heart rate variability measures

本研究では,パニック症患者と健常者それぞれに,恐怖心を与えたときの自律神経反応について,5分間の心拍変動を計測することにより比較した.被験者として,パニック症患者を27名,健常者を20名募った.被験者には,心拍変動の計測が行われる直前まで安静状態を保ってもらった.そして,計測中は15枚の恐怖画像を提示することによって恐怖心を与えた.心拍変動を周波数解析し,高周波成分(HF:0.15~0.4Hz),低周波成分(LF:0.04~0.15Hz)のスペクトル,そして,それらの比(LF/HF)について検討した.安静時の心拍変動は,パニック症患者,健常者ともに大きな違いはみられなかった.一方で,恐怖心を与えている間では,健常者に比べ,パニック症患者のLFに大きなスペクトルが見られ,LF/HFについても大きな値が得られた.次に,LFとHFのスペクトル,そしてLF/HFの3つに対し,被験者別(パニック症患者と健常者),コンディション別(安静時と恐怖画像提示時)に比較するため,二元配置分散分析を行った.結果としてLF,HF,LF/HF全てに関して,被験者別(F=12.21;Pb.01),コンディション別(F=14.21;Pb.001)ともに有意差を確認することが出来た.本研究により,パニック症患者は健常者に比べ,恐怖心を刺激する画像に対し強い共感を示すことが分かった.

pdf