生物疲劳评价装置以及生物疲劳评价方法

专利名称：生物疲劳评价装置以及生物疲劳评价方法
技术领域：
本发明涉及根据人类的生物信号来评价处于疲劳状态的生物疲劳评价装置以及生物疲劳评价方法。
背景技术：
近年来，为了预防在汽车或职场等领域中的事故死或过劳死，专家等正在倡导客观评价人类的疲劳的重要性。此时，重要的不是像以往那样的实验室中的疲劳评价，而是在实践方面实时地评价，使用户意识到并促使用户注意。但是，以往的评价方法缺乏非侵入性、无拘束性、以及简易性，难以原样应用于实践方面的评价中。因此，作为以实践方面的使用为目标的生物疲劳评价装置，提出了一种明确根据人的脉搏信号得到的特征量与疲劳间的关系性、根据脉搏来评价疲劳的方法(例如，参照专利文献1)。图25A以及图25B为表示专利文献1中所记载以往的生物疲劳评价装置的构成的框图。以下，使用图25A以及图25B对专利文献1所记载的装置进行说明。如图25A所示，若脉搏计测部2501计测脉搏信号，则加速度脉搏计算部2502根据计测出的脉搏信号计算加速度脉搏，提取加速度脉搏的波形成分，并计算从第1波(a波) 到第5波(e波)的波高值。接着，在新计算的波高值比存储在存储部2503中的加速度脉搏的波高的基准值小的情况下，评价部2504评价为处于疲劳。具体而言，在专利文献1中， 在加速度脉搏的波形成分中特别关注a波，并以数据表示a波的波高值的降低与疲劳之间的关系性。并且，还公开了如图25B所示，在加速度脉搏计算部2502与评价部2507之间另外追加了混沌解析部2505的构成。混沌解析部2505对由加速度脉搏计算部2502计算的加速度脉搏进行混沌解析，并计算最大李雅普诺夫指数。接着，在新计算的最大李雅普诺夫指数比存储在存储部2506中的最大李雅普诺夫指数的基准值小的情况下，评价部2507评价为处于疲劳。在专利文献1中，通过上述的构成能够在非侵入状态下进行疲劳的评价。并且，提出了如下方法(例如，参照专利文献2)通过搭载在方向盘等上的脉搏计测部对驾驶员的脉搏信号进行计测，基于使用与心率相当的脉搏信息而计算的自律神经活动来推测紧张或困倦等状态。在专利文献2所提出的方法中，在交感神经活动量亢进、副交感神经活动量降低的情况(即交感神经优位状态)下，设为驾驶员处于焦急状态或兴奋状态的“兴奋”。并且， 在交感神经活动量降低、副交感神经活动量亢进的情况(即副交感神经优位状态)下，设为驾驶员处于困倦严重的状态或疲劳累积的状态“困倦”。进而，在交感神经活动量以及副交感神经活动量都亢进的情况下，设为驾驶员处于正想要克服困倦的状态的“困倦(矛盾)”， 在交感神经活动量以及副交感神经活动量都降低的情况下，设为驾驶员处于忧郁状态的 “忧郁(矛盾)”。现有技术文献专利文献
专利文献1 日本专利第379(^66号公报专利文献2 日本特开2008-125801号公报发明的概要发明要解决的技术问题但是，由于在疲劳以外的影响下脉搏的值也会发生变动，因此在如图25A那样的构成的情况下，缺乏计测值的再现性，并且难以维持评价的精度。另一方面，在如图25B那样进行混沌解析的情况下，一定程度上能够缓和疲劳以外的影响，但是混沌解析的处理较为复杂且计算量较多，并且，作为解析对象的数据而需要某种程度的数量，因此缺乏实时性。并且，在上述专利文献2中，虽然提出了使用脉搏信号而将用户的状态划分为4种状态来推测，但未提出成为决定状态时的根据的数据。因此，尚不明确该划分是否具有仅简单的划分以外的效果。

发明内容
本发明解决了这些技术问题，其目的在于提供一种能够进行评价精度较高的疲劳评价的生物疲劳评价装置以及生物疲劳评价方法。用于解决技术问题的手段为了解决上述技术问题，涉及本发明的一种实施方式的生物疲劳评价装置，具备 生物信号计测部，计测用户的脉搏信号；特征量提取部，提取第一特征量，该第一特征量根据由上述生物信号计测部计测的脉搏信号的收缩期后方成分而得到；存储部，用于存储由上述特征量提取部提取的第一特征量；以及疲劳判断部，利用由上述特征量提取部提取的第一特征量，判断用户的疲劳的有无，上述疲劳判断部比较由上述特征量提取部提取的第一特征量中的某一个特征量与上述存储部所存储的第一特征量中的至少一个特征量，来判断上述疲劳的有无。根据本结构，提取根据脉搏信号的收缩期后方成分而得到的第一特征量，比较提取的第一特征量中的某一特征量与存储在存储部中的第一特征量中的至少一个特征量，判断疲劳的有无。这里，脉搏信号的收缩期后方成分虽然受到疲劳以外的因素的影响，但是不易受到疲劳的影响。因此，通过使用根据该收缩期后方成分而得到的第一特征量，能够缓和疲劳以外的因素的影响，能够提高疲劳评价的评价精度。并且，优选的是，上述特征量提取部根据上述脉搏信号计算加速度脉搏，并利用多个成分波的信息提取上述第一特征量，该多个成分波的信息至少包括与上述收缩期后方成分对应的加速度脉搏的成分波即c波或d波的信息。根据本结构，通过使用c波或d波的信息，能够与基于加速度脉搏波形的波高值本身来评价疲劳的情况相比，能够缓和疲劳以外的因素的影响，提高疲劳评价的评价精度。并且，优选的是，上述特征量提取部提取上述加速度脉搏的上述c波的波高值与a 波、b波或e波的波高值的比，作为上述第一特征量，上述疲劳判断部在上述第一特征量的绝对值按时序增加的情况下，判断为处于疲劳。根据本结构，通过使用c波的波高值与a波、b波或e波的波高值的比，能够与基于加速度脉搏波形的波高值本身来评价疲劳的情况相比，能够缓和疲劳以外的因素的影响，提高疲劳评价的评价精度。并且，优选的是，上述特征量提取部提取上述加速度脉搏的a波的波高值与上述c 波的波高值的差，作为上述第一特征量，上述疲劳判断部在上述第一特征量的绝对值按时序减少的情况下，判断为处于疲劳。根据本结构，通过使用a波的波高值与c波的波高值的差，能够与基于加速度脉搏波形的波高值本身来评价疲劳的情况相比，能够缓和疲劳以外的因素的影响，提高疲劳评价的评价精度。并且，优选的是，上述特征量提取部提取用上述加速度脉搏的上述c波的波高值与上述d波的波高值的差除以上述加速度脉搏的a波而得到的值，作为上述第一特征量，上述疲劳判断部在上述第一特征量的绝对值按时序增加的情况下，判断为处于疲劳。根据本结构，通过使用用c波的波高值与d波的波高值的差除以a波而得到的值， 能够与基于加速度脉搏波形的波高值本身来评价疲劳的情况相比，能够缓和疲劳以外的因素的影响，提高疲劳评价的评价精度。并且，优选的是，还具备设备控制部，该设备控制部在由上述疲劳判断部判断为处于疲劳的情况下，控制向用户提供刺激的外部设备。根据本结构，通过在判断为处于疲劳的情况下向用户提供刺激，能够自动进行疲劳的评价结果的提示、或基于评价结果的护理。并且，优选的是，上述生物信号计测部还计测用户的心率或脉搏作为生物信号，上述特征量提取部还提取第二特征量，该第二特征量表示根据上述生物信号计测部所计测出的生物信号而得到的副交感神经活动量，上述存储部还存储有由上述特征量提取部提取的第二特征量，上述生物疲劳评价装置还具备疲劳性质判断部，该疲劳性质判断部利用由上述特征量提取部提取的第二特征量，判断用户的疲劳的性质、即是由困难的工作带来的疲劳还是由单调的工作带来的疲劳，在上述疲劳判断部判断为处于疲劳的情况下，上述疲劳性质判断部比较由上述特征量提取部提取的第二特征量中的某一个特征量与上述存储部所存储的第二特征量中的至少一个特征量，来判断上述疲劳的性质。根据本结构，在处于疲劳的情况下，能够利用第二特征量来判断用户的疲劳是由困难的工作带来的疲劳还是由单调的工作带来的疲劳这样的疲劳的性质，能够实现适合于用户的恢复援助。并且，由于基于心率或脉搏这样的不管在什么场合都能够容易计测的生物信号进行判断，因此通用性良好。并且，优选的是，上述疲劳性质判断部在上述第二特征量按时序减少的情况下，判断为是由困难的工作带来的疲劳，在不减少的情况下，判断为是由单调的工作带来的疲劳。根据本结构，通过第二特征量的时序变化，能够判断疲劳的性质，并能够实现适合于用户的恢复援助。并且，由于利用不管在什么场合都能够容易计测的生物信号来判断疲劳的性质，因此通用性良好。并且，优选的是，上述生物信号计测部还计测用户的脑内信号作为生物信号，上述特征量提取部还提取第三特征量，该第三特征量与根据上述生物信号计测部所计测出的生物信号而得到的β波以及α波中的至少某一方相关联，上述存储部还存储有由上述特征量提取部提取的第三特征量，上述生物疲劳评价装置还具备疲劳性质判断部，该疲劳性质判断部利用由上述特征量提取部提取的第三特征量，判断用户的疲劳的性质、即是由困难的工作带来的疲劳还是由单调的工作带来的疲劳，在上述疲劳判断部判断为处于疲劳的情况下，上述疲劳性质判断部比较由上述特征量提取部提取的第三特征量中的某一个特征量与上述存储部所存储的第三特征量中的至少一个特征量，来判断上述疲劳的性质。根据本结构，在处于疲劳的情况下，使用第三特征量能够判断用户的疲劳是由困难的工作带来的疲劳还是由单调的工作带来的疲劳、即疲劳的性质，能够实现适合于用户的恢复援助。并且，由于能够通过脑内信号来判断疲劳的性质，因此能够广泛应用于例如佩戴帽子或耳机麦克风等的职业的人员的劳务管理。并且，优选的是，还具备识别部，该识别部生成识别用户处于睁眼状态或是闭眼状态的识别信息，上述生物信号计测部向计测出的生物信号附加上述识别信息，上述特征量提取部提取上述第三特征量，该第三特征量使用了在由上述识别部识别出用户是睁眼状态或是闭眼状态的时间区间中的β波段的功率值、以及α波段的功率值中的至少一方的功率值。根据本结构，对于脑内信号中的β波段的功率值、α波段的功率值中的至少一方的功率值，区分其为用户的睁眼状态下的值或是闭眼状态下的值来使用，因此能够进一步提高疲劳评价的评价精度。并且，优选的是，上述特征量提取部提供上述第三特征量，该第三特征量是使用了由上述识别部识别出用户处于闭眼状态的时间区间中的α波段的功率值的特征量，上述疲劳性质判断部在上述第三特征量按时序增加的情况下，判断为是由困难的工作带来的疲劳。根据本结构，根据被识别出用户处于闭眼状态的时间区间中的α波段的功率值， 来判断用户的疲劳是否是由困难的工作带来的疲劳，因此能够进一步提高疲劳评价的评价精度。并且，通过疲劳的性质判断，对于由困难的工作带来的疲劳，能够实现适合于用户的恢复援助。 并且，优选的是，上述特征量提取部提取上述第三特征量，该第三特征量是使用了由上述识别部识别出用户处于睁眼状态或是闭眼状态的时间区间中的β波段的功率值的特征量，上述疲劳性质判断部在上述第三特征量按时序减少的情况下，判断为是由单调的工作带来的疲劳。根据本结构，由于根据被识别出用户处于睁眼状态或是闭眼状态的时间区间中的 β波段的功率值，来判断用户的疲劳是否是由单调的工作带来的疲劳，因此能够提高疲劳评价的评价精度。并且，通过疲劳的性质判断，对于由单调的工作带来的疲劳，能够实现适合于用户的恢复援助。并且，优选的是，还具备刺激输出部，向用户输出刺激听觉的听觉刺激；以及疲劳性质判断部，利用由上述特征量提取部提取的第一特征量，判断用户的疲劳的性质、即是由困难的工作带来的疲劳还是由单调的工作带来的疲劳，在上述疲劳判断部判断为处于疲劳的情况下，上述疲劳性质判断部比较上述存储部所存储的由上述刺激输出部输出听觉刺激之前的时间区间中的第一特征量与由上述刺激输出部输出了听觉刺激时的时间区间中的第一特征量，来判断上述疲劳的性质。根据本结构，通过输出听觉刺激，能够判断用户的疲劳是由困难的工作带来的疲劳还是由单调的工作带来的疲劳、即疲劳的性质，能够实现适合于用户的恢复援助。并且，由于使用不管在什么场合都容易计测的脉搏和不需要特殊装置的听觉刺激来判断疲劳的性质，因此能够广泛应用于例如在驾驶场合等中从驾驶员能接触的位置计测脉搏、使用相对于由导航系统输出的声音刺激的脉搏信号来判断疲劳的性质等。并且，优选的是，上述特征量提取部根据上述脉搏信号计算加速度脉搏，提取上述加速度脉搏的c波的波高值与a波的波高值的比，作为上述第一特征量，上述疲劳性质判断部在由上述刺激输出部输出听觉刺激时的时间区间中的第一特征量比上述存储部所存储的由上述刺激输出部输出听觉刺激之前的时间区间中的第一特征量增加了的情况下，判断为是由单调的工作带来的疲劳，在没有增加的情况下，判断为是由困难的工作带来的疲劳。根据本结构，能够判断用户的疲劳是由困难的工作带来的疲劳还是由单调的工作带来的疲劳、即疲劳的性质，能够实现适合于用户的恢复援助。并且，由于使用不管在什么场合都容易计测的脉搏和不需要特殊装置的听觉刺激来判断疲劳的性质，因此能够广泛应用。并且，优选的是，还具备设备控制部，该设备控制部根据由上述疲劳性质判断部判断出的疲劳的性质，控制对用户提供刺激的外部设备。根据本结构，通过根据疲劳性质向用户提供刺激，能够将疲劳的性质的判断结果提示给用户、或进行适合于用户的恢复援助。并且，为了解决上述技术问题，涉及本发明的一种实施方式的生物疲劳评价装置具备生物信号计测部，计测用户的心率或脉搏作为生物信号；特征量提取部，提取第二特征量，该第二特征量表示根据上述生物信号计测部所计测出的生物信号而得到的副交感神经活动量；存储部，用于存储由上述特征量提取部提取的第二特征量；以及疲劳性质判断部，利用由上述特征量提取部提取的第二特征量，判断用户的疲劳的性质、即是由困难的工作带来的疲劳还是由单调的工作带来的疲劳，上述疲劳性质判断部比较由上述特征量提取部提取的第二特征量中的某一个特征量与上述存储部所存储的第二特征量中的至少一个特征量，来判断上述疲劳的性质。根据本结构，能够使用第二特征量来判断用户的疲劳是由困难的工作带来的疲劳还是由单调的工作带来的疲劳、即疲劳的性质，能够实现适合于用户的恢复援助。并且，由于基于心率或脉搏这样的不管在什么场合都能够容易计测的生物信号来进行判断，因此通用性良好。并且，为了解决上述技术问题，涉及本发明的一种实施方式的生物疲劳评价装置具备生物信号计测部，计测用户的脑内信号作为生物信号；特征量提取部，提取第三特征量，该第三特征量与根据上述生物信号计测部所计测出的生物信号而得到的β波以及α 波中的至少某一方相关联；存储部，用于存储由上述特征量提取部提取的第三特征量；以及疲劳性质判断部，利用由上述特征量提取部提取的第三特征量，判断用户的疲劳的性质、 即是由困难的工作带来的疲劳还是由单调的工作带来的疲劳，上述疲劳性质判断部比较由上述特征量提取部提取的第三特征量中的某一个特征量与上述存储部所存储的第三特征量中的至少一个特征量，来判断上述疲劳的性质。根据本结构，能够使用第三特征量来判断用户的疲劳是由困难的工作带来的疲劳还是由单调的工作带来的疲劳、即疲劳的性质，能够实现适合于用户的恢复援助。并且，由于通过脑内信号来判断疲劳的性质，因此能够广泛应用于例如佩戴帽子或耳机麦克风等的职业的人员的劳务管理等。并且，为了解决上述技术问题，涉及本发明的一种实施方式的生物疲劳评价装置具备刺激输出部，向用户输出刺激听觉的听觉刺激；生物信号计测部，计测用户的脉搏信号；特征量提取部，提取第一特征量，该第一特征量根据上述生物信号计测部所计测出的脉搏信号的收缩期后方成分而得到；存储部，用于存储由上述特征量提取部提取的第一特征量；以及疲劳性质判断部，利用由上述特征量提取部提取的第一特征量，判断用户的疲劳的性质、即是由困难的工作带来的疲劳还是由单调的工作带来的疲劳，上述疲劳性质判断部比较上述存储部所存储的由上述刺激输出部输出听觉刺激之前的时间区间中的第一特征量与由上述刺激输出部输出了听觉刺激时的时间区间中的第一特征量，来判断上述疲劳的性质。根据本结构，通过输出听觉刺激，能够判断用户的疲劳是由困难的工作带来的疲劳还是由单调的工作带来的疲劳、即疲劳的性质，能够实现适合于用户的恢复援助。并且， 由于使用不管在什么场合都容易计测的脉搏和不需要特殊装置的听觉刺激来判断疲劳的性质，因此能够广泛应用于例如在驾驶场合等中从驾驶员接触的位置计测脉搏、使用相对于由导航系统输出的声音刺激的脉搏信号来判断疲劳的性质等。并且，本发明不仅能够作为这样的生物疲劳评价装置实现，也能够作为将生物疲劳评价装置所具备的各处理部进行的处理作为步骤的生物疲劳评价方法来实现。并且，也能够作为使计算机执行该生物疲劳评价方法中所包括的特征性处理的程序来实现。另外， 这样的程序当然能够经由CD-ROM等的记录媒体以及网络等的传送媒体来流通。并且，能够作为具有生物疲劳评价装置所包括的特征性处理部的集成电路来实现。发明效果根据本发明，能够进行评价精度高的疲劳评价。


图1是表示实施方式1中的生物疲劳评价装置的构成的框图。图2A是表示容积脉搏波形的一例的图。图2B是表示加速度脉搏波形的一例的图。图3A是表示实施方式1中的疲劳判断部的疲劳评价的一例的流程图。图;3B是表示实施方式1中的疲劳判断部的疲劳评价的另外一例的流程图。图4是表示实施方式2中的生物疲劳评价装置的构成的框图。图5A是表示实施方式2中的疲劳性质判断部的疲劳性质判断的一例的流程图。图5B是表示实施方式2中的疲劳性质判断部的疲劳性质判断的另外一例的流程图。图6是表示实施方式3中的生物疲劳评价装置的构成的框图。图7A是表示利用实施方式3中的疲劳性质判断部的α频带的功率值的来进行的疲劳性质判断的一例的流程图。图7Β是表示利用实施方式3中的疲劳性质判断部的α -blocking来进行的疲劳性质判断的一例的流程图。图8A是表示利用实施方式3中的疲劳性质判断部的α频带的功率值来进行的疲劳性质判断的另外一例的流程图。图8B是表示利用实施方式3中的疲劳性质判断部的α频带的功率值和平均频率来进行的疲劳性质判断的一例的流程图。图9Α是表示利用实施方式3中的疲劳性质判断部的β频带的功率值来进行的疲劳性质判断的一例的流程图。图9Β是表示利用实施方式3中的疲劳性质判断部的β频带的功率值来进行的疲劳性质判断的另外一例的流程图。图10是表示实施方式4中的生物疲劳评价装置的构成的框图。图11是表示实施方式4中的疲劳性质判断部的疲劳性质判断的一例的流程图。图12是表示实施方式5的生物疲劳评价装置的构成的框图。图13是表示实施方式5的生物疲劳评价装置的动作的一例的流程图。图14是表示精神疲劳负荷前后的ATMT的成绩变化的图。图15Α是表示精神疲劳负荷前后的主观报告评分的图。图15Β是表示试验结束时记录的N-back测试执行时的主观报告评分的图。图16A是表示精神疲劳负荷(Ο-back)前后的APG波形的波高值的变化的图。图16B是表示精神疲劳负荷Q-back)前后的APG波形的波高值的变化的图。图17是表示基于精神疲劳负荷前后的APG的指标值(c/a，c/b，c/e)的变化的图。图18是表示基于精神疲劳负荷前后的APG的指标值(a_c，c-a, | d_c | /a)的变化的图。图19是表示与精神疲劳负荷前后的听觉刺激相对应的c/a值的变化的图。图20是表示精神疲劳负荷前后的InHF的变化的图。图21是表示精神疲劳负荷前后的In β，In θ以及In θ /In β的变化的图。图22是表示精神疲劳负荷前后的In β，In α以及In θ /In α的变化的图。图23Α是表示精神疲劳负荷前后的％ θ的变化的图。图2 是表示精神疲劳负荷前后的％ α的变化的图。图M是表示精神疲劳负荷前后的α -阻断的变化的图。图25Α是表示以往的生物疲劳评价装置的构成的框图。图25Β是表示以往的生物疲劳评价装置的构成的框图。
具体实施例方式下面参照附图对本发明的实施方式进行说明。另外，存在对相同的要素赋予相同的符号而省略说明的情况。(实施方式1)图1是表示本发明的实施方式1中的生物疲劳评价装置100的构成的框图。如图1所示，生物疲劳评价装置100具备计测用户的脉搏信号的生物信号计测部 101，从脉搏信号提取特征量的特征量提取部102，存储特征量的存储部103，以及判断疲劳的有无的疲劳判断部104。另外，如图1所示，生物疲劳评价装置100可以是还具有基于疲劳评价结果而控制外部设备的设备控制部105的结构。生物信号计测部101以规定的采样周期对由传感器(transducer)等检测出的用户的脉搏进行采样，并按时序取得脉搏数据。关于安装生物信号计测部101的部位，代表性的有指尖部及耳朵部等，但也可以为前额及鼻尖部等其他能够取得脉搏的部位。特征量提取部102提取第一特征量，该第一特征量根据生物信号计测部101所计测出的脉搏信号的收缩期后方成分而得到。具体来说，特征量提取部102根据脉搏信号计算加速度脉搏，使用至少包括与收缩期后方成分对应的加速度脉搏的成分波即c波或d波的信息的多个成分波的信息，提取第一特征量。存储部103为用于存储由特征量提取部102提取的第一特征量的存储器。疲劳判断部104使用由特征量提取部102提取的第一特征量，判断用户的的疲劳的有无。具体来说，疲劳判断部104比较由特征量提取部102提取的第一特征量中的某一特征量与存储部103所存储的第一特征量中的至少1个特征量，从而判断疲劳的有无。例如，疲劳判断部104比较所提取的多个第一特征量中的当前提取的第一特征量与过去提取的第一特征量，从而判断疲劳的有无。例如，在特征量提取部102提取加速度脉搏的c波的波高值与a波、b波或e波的波高值的比作为第一特征量的情况下，疲劳判断部104在第一特征量的绝对值按时序增加的情况下，判断为处于疲劳。并且，在特征量提取部102提取加速度脉搏的a波的波高值与c波的波高值的差作为第一特征量的情况下，疲劳判断部104在第一特征量的绝对值按时序减少的情况下， 判断为处于疲劳。进而，在特征量提取部102提取用加速度脉搏的c波的波高值与d波的波高值的差除以加速度脉搏的a波而得到的值作为第一特征量的情况下，疲劳判断部104在第一特征量的绝对值按时序增加的情况下，判定为处于疲劳。图2A是表示生物信号计测部101计测的容积脉搏(Plethysmogram，简略为PTG) 波形的一例的图。并且，图2B是表示对图2A的容积脉搏进行2階微分后的加速度脉搏 (Accelerated Plethysmogram，简略为 APG)波形的一例的图。如图2A所示，在容积脉搏中检测出流出波(Pl)与反射波(P2)。并且，如图2B所示，加速度脉搏的波形由收缩初期阳性波(a波)、收缩初期阴性波(b波)、收缩中期再上升波(c波)、收缩后期再下降波(d波)、及扩张初期阳性波(e波)构成。在观察图2A所示的容积脉搏与图2B所示加速度脉搏的对应的情况下，加速度脉搏波形成分的a波与b波包含在容积脉搏的收缩期前方成分中，加速度脉搏波形成分的c 波与d波包含在容积脉搏的收缩期后方成分中。容积脉搏的收缩期前方成分反映通过血液的流出而产生的驱动压波，收缩期后方成分反映驱动压波传递到末梢并反射回来的反射压波。本次本发明者们通过与生物疲劳的非侵入性评价相关的可行性验证实验，发现 对脉搏进行2階微分后的加速度脉搏波形成分中的a波的波高值与b波的波高值，以及e 波的波高值在精神疲劳负荷前后显著地变化的倾向。这里，显著地变化在统计学上表示满足5%或的显著性水平而变化。另一方面，发现反映了脉搏的收缩期后方成分的特征量即c波的波高值以及d波的波高值在精神疲劳负荷前后不显著变化(即，没有发现随疲劳的变化)的倾向。并且还发现使用了包含c波或d波的多个加速度脉搏波形成分的特征量在精神疲劳负荷前后显著变化的倾向。下面，将a波 e波的波高值分别设为a e来进行说明。作为使用了包含c波或d波信息的多个加速度脉搏波形成分的信息的特征量，列举以下例子作为c波与a波的波高比的c/a值、作为c波与b波的波高比的c/b值、作为 c波与e波的波高比的c/e值。并且，除此之外，列举以下例子作为c波与a波的波高差的a-c值或c-a值、用c波与d波的波高差除以a波的波高值而得到的|d_C|/a值等。关于本发明者们实施的、与生物疲劳的非侵入性评价相关的可行性验证实验，在后面进行详细说明。这里，以特征量提取部102在多个特征量中提取c/a值的情况为例，下面进行说明。首先，特征量提取部102对由生物信号计测部101计测出的脉搏信号进行2階微分，变换为如图2B所示的加速度脉搏波形。然后，特征量提取部102根据加速度脉搏波形成分中时间上最早发生的极值，提取a波的波高值a，根据时间上第3个极值，提取c波的波高值c，并求出它们的比即c/a值。 这里，特征量提取部102将求出的c/a值按时序存储在存储部103中。另外，特征量提取部102可以将脉搏信号每1拍的值原样输出作为c/a值，也可以输出事先决定的时间区间(例如10秒等)的平均值作为c/a值。疲劳判断部104比较至少2个时刻的c/a值，来判断疲劳的有无。例如，若从特征量提取部102输出新的c/a值，则疲劳判断部104将存储部103所存储的c/a值中的在时序上前1个时刻的c/a值与当前时刻的c/a值进行比较。当然，不限于此，疲劳判断部104也可以将在某个决定的时刻(例如刚刚启动后等)所存储的c/a值作为基准值，与当前时刻的c/a值进行比较。另外，作为其他的比较方法，例如疲劳判断部104也可以将从当前时刻到某个期间为止的全部时刻的c/a值的合计与规定阈值进行比较。并且，若c/a值的合计为规定阈值以上，则疲劳判断部104可以判断为处于疲劳。图3A以及图:3B表示本实施方式1中的疲劳判断部104的疲劳评价的一例的流程图。首先，说明疲劳判断部104进行如图3A所示的动作的情况。若从特征量提取部 102输出c/a值(步骤S31)，则疲劳判断部104调出存储部103所存储的c/a值中、在时序上前1个时刻的c/a值(步骤S32)。然后，疲劳判断部104比较这2个的值、即当前时刻的c/a值与前1个时刻的c/a 值(步骤S33)。疲劳判断部104在判断为当前时刻的c/a值大于前1个时刻的c/a值的情况下 (步骤S33判断为“是”)，判断为用户处于疲劳(步骤S34)。并且，疲劳判断部104在判断为当前时刻的c/a值不大于前1个时刻的c/a值的情况下(步骤S33判断为“否”)，待机直到接下来从特征量提取部102输出c/a值，在下一个c/a值输出后，重复从步骤S31开始的动作。并且，疲劳判断部104也可以进行如图:3B所示的动作。进行图:3B所示动作的情况下，步骤S31 步骤S33的动作流程与图3A所示的动作例相同。疲劳判断部104在步骤S33中判断为当前时刻的c/a值大于前1个时刻的c/a值的情况下(在步骤S33判断为“是”)，计算从前1个时刻的c/a值向当前时刻的c/a值的变化量，并与事先设定的阈值Ll(例如，0. 03左右的变化量)进行比较(步骤S35)。疲劳判断部104在判断为计算的变化量比阈值Ll大的情况下(在步骤S35判断为“是”)，判断为用户处于疲劳(步骤S36)。疲劳判断部104在判断为当前时刻的c/a值不大于前1个时刻的c/a值的情况下， 或计算的变化量不大于阈值Ll的情况下(在步骤S35判断为“否”)，待机直到接下来从特征量提取部102输出c/a值，在下一个c/a值输出后，重复从步骤S31开始的动作。另外，阈值Ll不限于0. 03左右，若鉴于后述的实验结果，则优选设为从0. 03左右到0. 035左右的范围中包含的值(参照图17)。疲劳判断部104通过输出信息、例如在处于疲劳中时输出1、在未处于疲劳中时输出0等，来进行是否处于疲劳的判断。在生物疲劳评价装置100具有设备控制部105的情况下，设备控制部105基于由疲劳判断部104判断的结果，控制外部设备。例如，设备控制部105可以控制具有显示功能的显示器或输出声音的扬声器而向用户或管理监督用户的部门通知疲劳判断结果。并且，设备控制部105在由疲劳判断部104判断为处于疲劳的情况下，可以控制对用户给予刺激的外部设备。例如，设备控制部105可以控制产生气流或热的设备，而输出具有从疲劳中恢复或使疲劳减轻的效果的某种香气或气流、温热等刺激。或者设备控制部105 也可以保存、积累、传送由疲劳判断部104判断出的结果。如上所述，生物疲劳评价装置100基于使用多个加速度脉搏波形成分而从脉搏信号中提取的特征量，来判断疲劳的有无，该多个加速度脉搏波形成分包括对疲劳产生特异变化的c波或d波。根据这样的结构，提取根据脉搏信号的收缩期后方成分得到的第一特征量，并比较提取的第一特征量中的某一个特征量与存储部103所存储的第一特征量中的至少1个特征量，来判断疲劳的有无。这里，脉搏信号的收缩期后方成分虽然受到疲劳以外因素的影响，但是不易受到基于疲劳的影响。因此，通过使用根据该收缩期后方成分得到的第一特征量，能够减轻脉搏中包括的、疲劳以外因素的影响，提高疲劳评价的评价精度。并且，根据本结构，通过使用c波或d波的信息，与基于加速度脉搏波形的波高值自身来评价疲劳的情况相比，更能够缓和疲劳以外的因素的影响、提高疲劳评价的评价精度。并且，根据本结构，通过使用c波的波高值与a波、b波或e波的波高值的比，与基于加速度脉搏波形的波高值自身来评价疲劳的情况相比，更能够缓和疲劳以外的因素的影响、提高疲劳评价的评价精度。并且，根据本结构，通过使用a波的波高值与c波的波高值的差，与基于加速度脉搏波形的波高值自身来评价疲劳的情况相比，更能缓和疲劳以外的因素的影响、提高疲劳评价的评价精度。并且，根据本结构，通过使用用c波的波高值与d波的波高值的差除以a波而得到的值，与基于加速度脉搏波形的波高值自身来评价疲劳的情况相比，更能够缓和疲劳以外的因素的影响、提高疲劳评价的评价精度。并且，根据本结构，在判断为处于疲劳中的情况下，通过对用户给予刺激，能够自动进行疲劳的评价结果的提示或基于评价结果的护理。另外，在生物疲劳评价装置100不具备设备控制部105的情况下，也可以通过外部的结构控制外部设备。(实施方式2)图4是表示本发明的实施方式2中的生物疲劳评价装置400的构成的框图。如图4所示，生物疲劳评价装置400具备计测生物信号的生物信号计测部401、 从生物信号提取特征量的特征量提取部402、存储特征量的存储部403、以及判断疲劳的性质的疲劳性质判断部406。另外，如图4所示，生物疲劳评价装置400可以是还具有基于疲劳的性质的判断结果而控制外部设备的设备控制部405的结构。生物信号计测部401将用户的心率或脉搏作为生物信号进行计测。具体来说，生物信号计测部401是指计测例如心电图、脉搏、脑波、脑磁图那样的生物信号的生物传感器部。在取得心电图或脑波等的生物电量的情况下，典型的方法是在生物皮肤表面安装多个电极、并作为电信号导出到体外。在取得脑磁图等生物磁量的情况下，为了计测微弱的磁通密度，使用磁通量间门形的磁通计或更高灵敏度的超导量子干涉仪。在取得脉搏的情况下，典型的方法是使用LED等的光源对生物照射红外光、并利用光电二极管将通过了生物的光强度变换为电信号而取得。本发明者们通过与生物疲劳的非侵入性评价相关的可行性验证实验，发现由于困难的工作而产生的疲劳(以下，记为由困难的工作带来的疲劳)、由于单调的工作而产生的疲劳(以下，记为由单调的工作带来的疲劳)这样的疲劳的性质与作为自律神经活动的一种的副交感神经活动量具有关联。具体来说，发现了如下倾向当由困难的工作带来的疲劳时，副交感神经活动量显著降低，当由单调的工作带来的疲劳时，副交换神经活动量未显著降低(即，没有发现与由单调的工作带来的疲劳相伴随的副交换神经活动量的降低)。表示副交感神经活动量的指标值中典型的是对心电图中的心率间隔或脉搏间的 a波间隔的时序数据进行频率解析而求出的功率谱中的、0. 15Hz 0. 4Hz的高频带(High Frequency (高频)，以下记为HF)的功率值。并且，表示副交感神经活动量的指标值不限于该功率值，也可以是将HF功率值对数化后的InHF。此外，也可以是用将功率谱的其他的频带(作为0. 04Hz以下的频带的超低频(VLF =Very Low Frequency)，作为0. 04Hz 0. 15Hz 的频带的低频(LF:Low Frequency)等)合并后的总功率值除以HF功率值而得到的％ HF 等。对于本发明者们实施的与生物疲劳的非侵入性评价有关的可行性验证实验，在后面进行详细说明。这里，以将使用脉搏而计算的值作为副交感神经活动量的指标值的情况为例，下面对生物疲劳评价装置400的动作进行说明。首先，生物信号计测部401将用户的脉搏信号作为生物信号而进行计测。特征量提取部402提取第二特征量，该第二特征量表示根据由生物信号计测部 401计测到的生物信号而得到的副交感神经活动量。具体来说，特征量提取部402根据将生物信号计测部401所计测出的脉搏信号进行2階微分而得到的加速度脉搏波形，求出脉搏间的a波的间隔(以下记为aa间隔)，并使用aa间隔的时序数据来求出作为自律神经活动的一种的副交感神经活动量。例如，特征量提取部402利用高速傅里叶变换(FFT)或最大熵方法(MEM)等对aa间隔的时序数据进行频率解析，计算而求出功率谱中的HF功率值。并且，特征量提取部402将计算的HF功率值按时序存储到存储部403中。另外， 特征量提取部402可以将HF功率值作为为了进行频率解析而需要的最小时间区间(例如 30秒钟等)的计算值，也可以作为将最小时间区间的计算值进一步按时序集中后的某一定区间(例如2分钟等)的平均值。存储部403为存储由特征量提取部402提取的第二特征量的存储器。具体来说， 每当从特征量提取部402输出作为特征量的HF功率值时，存储部403按时序存储HF功率值。疲劳性质判断部406使用由特征量提取部402提取的第二特征量，判断用户的疲劳的性质、即是由困难的工作带来的疲劳还是由单调的工作带来的疲劳。具体来说，疲劳性质判断部406比较至少2个时刻的HF功率值而判断疲劳的性质。也就是说，疲劳性质判断部406比较由特征量提取部402提取的第二特征量中的某一个的特征量与存储部403所存储的第二特征量中的至少1个特征量，从而判断疲劳的性质。例如，若从特征量提取部402输出新的HF功率值，则疲劳性质判断部406判断存储部403所存储的HF功率值中的、时序上为前1个时刻的HF功率值与当前时刻的HF功率值。当然，基于疲劳性质判断部406的疲劳的性质的判断不限于此，还可以将在某一决定的时刻(例如刚刚启动后等)所存储的HF功率值作为基准值，与当前时刻的HF功率值进行比较。并且，疲劳性质判断部406在第二特征量按时序减少的情况下，判断为是由困难的工作带来的疲劳，在不减少的情况下判断为是由单调的工作带来的疲劳。图5A以及图5B是表示本实施方式2的疲劳性质判断部406的疲劳的性质判断的一例的流程图。首先，说明疲劳性质判断部406进行如图5A所示的动作的情况。若从特征量提取部402输出HF功率值(步骤S51)，则疲劳性质判断部406调出存储部403所存储的HF功率值中的、时序上为前1个时刻的HF功率值(步骤S52)。并且，疲劳性质判断部406比较这2个的值、即当前时刻的HF功率值与前1个时刻的HF功率值(步骤S53)。疲劳性质判断部406在判断为当前时刻的HF功率值小于前1个时刻的HF功率值的情况下(在步骤S53判断为“是”)，判断为是由困难的工作带来的疲劳(步骤S54)。并且，疲劳性质判断部406在判断为当前时刻的HF功率值不小于前1个时刻的 HF功率值的情况下(在步骤S53判断为“否”)，判断为是由单调的工作带来的疲劳(步骤 S55)。之后，若接着从特征量提取部402输出HF功率值，则疲劳性质判断部406重复从步骤S51开始的动作。另外，作为2个以上的时刻的其他比较方法，例如，疲劳性质判断部406可以将从当前时刻到某个期间为止的全部的时刻的HF功率值的合计与规定阈值进行比较。并且，若 HF功率值的合计为规定阈值以下，则疲劳性质判断部406判断为是由困难的工作带来的疲劳，若HF功率值的合计不是规定阈值以下，则疲劳性质判断部406判断为是由单调的工作带来的疲劳。并且，疲劳性质判断部406可以进行如图5B所示的动作。在进行如图5B所示的动作的情况下，步骤S51 步骤S53的动作流程与图5A所示的动作例相同。步骤S53中，疲劳性质判断部406在判断为当前时刻的HF功率值小于前1个时刻的HF功率值的情况下(在步骤S53判断为“是”)，计算从前1个时刻的HF功率值到当前时刻的HF功率值的变化量，并比较该变化量与事先设定的阈值L2 (例如，InHF的变化量成为0. 3左右那样的HF功率值的变化量)(步骤S56)。疲劳性质判断部406在判断为计算的变化量大于阈值L2的情况下(在步骤S56 判断为“是”)，判断为是由困难的工作带来的疲劳(步骤S57)。并且，疲劳性质判断部406在判断为当前时刻的HF功率值不小于前1个时刻的 HF功率值的情况下(在步骤S53判断为“否”)，或在计算的变化量不大于阈值L2的情况下 (在步骤S56判断为“否”)，判断为是由单调的工作带来的疲劳(步骤S58)。之后，若接下来从特征量提取部402输出HF功率值，则疲劳性质判断部406重复从步骤S51开始的动作。另外，阈值L2不限于如InHF的变化量为0. 3左右那样的HF功率值的变化量，若鉴于后述的实验结果，则优选将HF功率值的变化量设为InHF的变化量为0. 25左右到0. 4 左右的范围中包含的值(参照图20)。在生物疲劳评价装置400具有设备控制部405的情况下，设备控制部405基于由疲劳性质判断部406判断出的结果，控制外部设备。例如，设备控制部405可以控制具有显示功能的显示器或输出声音的扩音器那样的设备，并向用户或管理监督用户的部门通知疲劳性质判断结果。并且，设备控制部405也可以根据由疲劳性质判断部406判断出的疲劳的性质，控制向用户提供刺激的外部设备。例如，设备控制部405也可以控制产生气流或热的设备，输出与疲劳性质相应的、具有从疲劳中恢复或减轻疲劳的效果的香味或气流、温热等的刺激。 或者，设备控制部405可以保存、积累、传送由疲劳性质判断部406判断出的结果。如上所述，生物疲劳评价装置400基于表示副交感神经活动量的指标值，判断疲劳的性质、即是由困难的工作带来的疲还是由单调的工作带来的疲劳。根据这样的结构，能够判断用户的疲劳的性质，例如由此切换给予的处方(休息，睡眠，药等)，能够向用户实现更适合的恢复援助。并且，生物疲劳评价装置400利用不管在什么场合下都容易计测的心电图或者脉搏而提取副交感神经活动量，判断疲劳的性质，因此具有良好的通用性。并且，根据本结构，通过按照疲劳的性质来向用户提供刺激，能够向用户提示疲劳的性质的判断结果，或进行适合于用户的恢复援助。另外，在生物疲劳评价装置400不具有设备控制部405的情况下，可以通过外部的构成控制外部设备。(实施方式3)图6是表示本发明的实施方式3中的生物疲劳评价装置600的构成的框图。在图 6中，对与图4相同的构成要素使用相同的符号，并省略说明。如图6所示，生物疲劳评价装置600具有生物信号计测部401、特征量提取部 602、存储部603、疲劳性质判断部606，还具有对用户处于睁眼状态还是闭眼状态进行识别的识别部601。并且，生物疲劳评价装置600可以是还具备设备控制部405的结构。本次，本发明者们通过与生物疲劳的非侵入性评价相关的可行性验证实验，发现 基于脑内信号(脑波或者脑磁图)而提取的闭眼状态下的α波、或睁眼状态以及闭眼状态下的β波与由困难的工作带来的疲劳、由单调的工作带来的疲劳这样的疲劳的性质具有关联。具体来说，发现在由困难的工作带来的疲劳时，闭眼状态下的α波显著增加，由单调的工作带来的疲劳时，睁眼状态以及闭眼状态的β波显著降低。作为与α波相关的指标值，典型的是对脑内信号的时序数据进行频率解析而求得的功率谱中的α波段(8Hz以上且13Hz以下)的功率值(以下记为α)。并且，与α波相关的指标值也可以是用α的对数值(以下的式1所表示的值)、或θ波段(3Hz以上且 8Hz以下)的功率值(以下记为θ )的对数值来表现的、闭眼状态下的Slow-wave hdex (以下的式2所表示的值)。(Sl)Ina(式 2) In θ/In a并且，与α波相关的指标值可以是用α除以将θ、α及β波段(13Hz以上且 25Hz以下)的功率值(以下记为β)相加后的功率值而得到的％ a (以下的式3所表示的值)、或者用θ除以总功率值而得到的％ θ (以下的式4所表示的值)、或使用了 ％ θ的闭眼状态下的Slow-wave Index (以下的式5所表示的值)。(式 3)% α = α/(θ+α+β)(式 θ = θ/(θ+α+β)(式θ /% α并且，与α波相关的指标值可以使用表现了 α波的最有特征的性质之一的、受睁眼的抑制的α波阻断(block)的值。例如，与α波相关的指标值可以如以下的式6所示， 是睁眼状态的α (以下记为α (睁))与闭眼状态的α (以下记为α (闭))的差即α-阻断(blocking)(闭眼-睁眼)，也可以如以下的式7所示，是α (闭)与α (睁)的比即 α-阻断(闭眼/睁眼)。(式6)α (闭)-α (睁)(式7) α (闭)/α (睁)并且，该指标值可以是用θ波段的中心频率(Center frequency)与θ的相乘值、α波段的中心频率与α的相乘值、以及β波段的中心频率与β的相乘值的总和除以总功率值而得到的平均频率(Mean power frequency)(以下的式8所表示的值)。(式 8) (θ Χ5·5+α Χ10·5+β Χ19)/(θ+α+β)另一方面，作为与β波相关的指标值，典型的是β波段(13Hz以上且25Hz以下) 的功率值β。除此之外，作为与β波相关的指标值，列举β的对数值(以下的式9所表示的值)、睁眼状态或闭眼状态的Slow-wavelndex (以下的式10所表示的值)、睁眼状态的 Slow-wave hdex (以下的式11所表示的值)、％ β (以下的式12所表示的值)、睁眼状态或闭眼状态的Slow-wave Index(以下的式13所表示的值)等。(式 9) In β(式 10) In θ/In β(式 11) (1ηα+1ηθ)/1ηβ
(式 12)% β = β/θ+α+β(式13) % θ /% β另外，作为求出式3所示的％ α、式4所示的％ θ、式12所示的％ β、并且式8所示的平均频率的方法，并不限定于此，例如，可以将S波段(OHz以上且3Hz以下)的功率值加到总功率中来求出。但是，通常δ波段是瞬间的影响较大的频带，因此不少情况下被除外。关于本发明者们实施的与生物疲劳的非侵入性评价相关的可行性验证实验，在后面进行详细说明。首先，以将上述说明的α的对数值作为指标值的情况为例，下面说明生物疲劳评价装置600的动作。首先，识别部601生成识别用户处于睁眼状态还是闭眼状态的识别信息。具体来说，识别部601使用摄像机或眼电位等的信息，识别用户处于睁眼状态或是闭眼状态，并作为识别信息向生物信号计测部401输出。该识别信息例如是睁眼状态下为1、闭眼状态下为 0这样的信息。生物信号计测部401将用户的脑内信号作为生物信号计测，并对计测的生物信号附加识别信息。具体来说，生物信号计测部401在用户的脑内信号的中也计测脑波。并且， 若从识别部601输入识别信息，则生物信号计测部401对计测的脑波的时序数据附加识别信息并输出给特征量提取部602。特征量提取部602提取第三特征量，该第三特征量与根据生物信号计测部401所计测到的生物信号而得到的β波以及α波中的至少某一方相关联。也就是说，特征量提取部602提取利用由识别部601识别出用户处于睁眼状态或闭眼状态的时间区间中的β 波段的功率值、以及α波段的功率值中的至少某一方的功率值而得到的第三特征量。例如，特征量提取部602提取使用由识别部601识别出用户处于闭眼状态的时间区间的α波段的功率值而得到的第三特征量。并且，特征量提取部602提取使用由识别部 601识别出用户处于睁眼状态或者闭眼状态的时间区间的β波段的功率值而得到的第三特征量。具体来说，特征量提取部602对输入的脑波的时序数据进行频率解析，求出相当于α波的频带(8Hz以上且13Hz以下)、或者相当于β波(13Hz以上且25Hz以下)的频带各自的功率值(α或者β)。这些可以作为为了进行频率解析而需要的最小时间区间(例如30秒钟等)的功率值，也可以作为将最小时间区间的计算值进一步按时序集合后的某一定区间(例如2分钟等)的功率的平均值。并且，特征量提取部602求出将它们对数化后的Ina或者In β。并且，特征量提取部602将求出的Ina或In β与被输入的识别信息一起按时序存储到存储部603。另外，作为如上所述的与α波、β波相关联的指标值，可以考虑多种， 并不限定于功率值的对数值。存储部603是用于存储由特征量提取部602提取的第三特征量的存储器。具体来说，每当从特征量提取部602输出Ina或In β时，存储部603按时序积累In α或In β。疲劳性质判断部606使用由特征量提取部602提取的第三特征量，判断用户的疲劳的性质、即是由困难的工作带来的疲劳还是由单调的工作带来的疲劳。具体来说，疲劳性质判断部606比较由特征量提取部602提取的第三特征量中的某一特征量与存储部603所存储的第三特征量中的至少1个特征量，而判断疲劳的性质。具体来说，疲劳性质判断部606比较从特征量提取部602输出的、被赋予了识别信息的In α或In β与存储部603所存储的被赋予了识别信息的In α或In β，而判断疲劳的性质。另外，疲劳性质判断部606在使用Ina时，优选使用作为识别信息而被赋予了处于闭眼状态这样的信息的数据。另一方面，疲劳性质判断部606在使用In β时，可以使用被赋予了睁眼状态与闭眼状态中的某一个的信息的数据。例如，在特征量提取部602提取使用由识别部601识别出用户处于闭眼状态的时间区间的α波段的功率值而得到的第三特征量、且该第三特征量按时序增加的情况下，疲劳性质判断部606判断为是由困难的工作带来的疲劳。并且，在特征量提取部602提取使用由识别部601识别出用户处于睁眼状态或闭眼状态的时间区间的β波段的功率值而得到的第三特征量、且该第三特征量按时序减少的情况下，疲劳性质判断部606判断为是由单调的工作带来的疲劳。具体来说，若从特征量提取部602输出闭眼状态下的Ina，则疲劳性质判断部606 比较存储部603所存储的闭眼状态下的Ina中的时序上为前1个时刻的In α与当前时刻的闭眼状态下的Ina。这在使用睁眼状态或闭眼状态的In β时也相同。另外，这里，疲劳性质判断部606虽然比较时序上为前1个时刻的特征量与当前时刻的特征量，但不限定于此，也可以比较将某个决定的时刻所存储的特征量作为基准值，而与当前时刻的特征量进行比较。图7Α 图9Β是表示本实施方式3的疲劳性质判断部606的疲劳性质判断的一例的流程图。首先，说明疲劳性质判断部606进行图7Α所示的动作的情况。若从特征量提取部 602输出闭眼状态下的In a (步骤S71)，则疲劳性质判断部606调出存储部603所存储的闭眼状态下的Ina中的、时序上为前1个时刻的闭眼状态的Ina (步骤S72)。然后，疲劳性质判断部606比较这2个的值、即当前时刻的闭眼状态下的Ina与前1个时刻的闭眼状态下的Ina (步骤S73)。疲劳性质判断部606在判断为当前时刻的闭眼状态下的In α大于前1个时刻的闭眼状态下的Ina的情况下(在步骤S73判断为“是”)，判断为是由困难的工作带来的疲劳(步骤S74)。并且，疲劳性质判断部606在判断为当前时刻的闭眼状态下的Ina不大于前1个时刻的闭眼状态下的Ina的情况下(在步骤S73判断为“否”)，待机直到接下来从特征量提取部602输出Ina，在下一个In α输出后，重复从步骤S71开始的动作。并且，疲劳性质判断部606可以是进行图7B所示的动作的构成。该情况下，若从特征量提取部602输出α-阻断(闭眼/睁眼)(步骤S75)，则疲劳性质判断部606调出存储部603所存储的α-阻断(闭眼/睁眼)中的、时序上为前1个时刻的α-阻断(步骤 S76)。疲劳性质判断部606比较这2个的值、即当前时刻的a -阻断与前1个时刻的 a -阻断(步骤S77)。疲劳性质判断部606在判断为当前时刻的a _阻断大于前1个时刻的a -阻断的情况下(在步骤S77判断为“是”)，判断为由困难的工作带来的疲劳(步骤S78)。并且，疲劳性质判断部606在判断为当前时刻的α _阻断不大于前1个时刻的 α -阻断的情况下(在步骤S77判断为“否”)，待机直到接下来从特征量提取部602输出 α -阻断，在下一个α -阻断输出后，重复从步骤S81开始的动作。并且，疲劳性质判断部606可以是进行图8Α所示的动作的构成。在该情况下，若从特征量提取部602输出闭眼状态下的Ina与In θ/In α (以下记为α特征量)(步骤 S81)，则疲劳性质判断部606调出存储部603所存储的闭眼状态下的α特征量中的、时序上为前1个时刻的闭眼状态下的α特征量(步骤S82)。然后，疲劳性质判断部606比较这2个的值、即当前时刻的闭眼状态下的Ina与前1个时刻的闭眼状态下的Ina (步骤S83)。首先，疲劳性质判断部606在判断为当前时刻的闭眼状态下的Ina大于前1个时刻的闭眼状态下的Ina的情况下(在步骤S83判断为“是”)，比较当前时刻的闭眼状态下的In θ /In α与前1个时刻的闭眼状态下的In θ/In a (步骤S84)。疲劳性质判断部606在判断为当前时刻的闭眼状态下的In θ /In α小于前1个时刻的闭眼状态下的In θ/Ina的情况下(在步骤S84判断为“是”)，判断为是由困难的工作带来的疲劳(步骤S85)。疲劳性质判断部606在判断为当前时刻的闭眼状态下的In α不大于前1个时刻的闭眼状态下的Ina的情况下(在步骤S83判断为“否”)，待机直到接下来从特征量提取部602输出α特征量，在下一个α特征量输出后，重复从步骤S81开始的动作。并且，疲劳性质判断部606在判断为当前时刻的闭眼状态下的Ιηθ/ ηα不小于前1个时刻的闭眼状态下的In θ/Ina的情况下(在步骤S84判断为“否”)也同样，在下一个α特征量输出后，重复从步骤S81开始的动作。并且，疲劳性质判断部606可以是进行图8B所示的动作的构成。在该情况下，若从特征量提取部602提取闭眼状态下的In α与平均频率(步骤S86)，则疲劳性质判断部606 调出存储部603所存储的时序上为前1个的闭眼状态下的In α与平均频率(步骤S87)。疲劳性质判断部606比较这2个的值、即当前时刻的闭眼状态下的平均频率与前 1个时刻的闭眼状态下的平均频率(步骤S88)。若包括这2个值的平均频率的频带(θ波段，α波段，β波段等)没有变化(在步骤S88判断为“是”)，则疲劳性质判断部606比较当前时刻的闭眼状态下的Ina与前1 个时刻的闭眼状态下的Ina (步骤S83)。疲劳性质判断部606在判断为当前时刻的In α大于前1个时刻的In α的情况下 (在步骤S83判断为“是”)，判断为是由困难的工作带来的疲劳(步骤S89)。疲劳性质判断部606在步骤S88中判断为包括平均频率的频带有变化的情况下 (在步骤S88判断为“否”)，以及在步骤S83中判断为当前时刻的In α不大于前1个时刻的Ina的情况下(在步骤S83判断为“否”)，待机直到输出下一个特征量，输出后重复从步骤S86开始的动作。接着，对疲劳性质判断部606进行如图9A所示的动作的情况进行说明。该情况下， 若从特征量提取部602输出睁眼状态下的In β (步骤S91)，则疲劳性质判断部606调出存储部603所存储的睁眼状态下的In β中的、时序上为前1个时刻的睁眼状态下的Ιηβ (步骤 S92)。然后，疲劳性质判断部606比较这2个的值、即当前时刻的睁眼状态下的In β与前1个时刻的睁眼状态下的In β (步骤S93)。疲劳性质判断部606在判断为当前时刻的睁眼状态下的Ιηβ小于前1个时刻的睁眼状态下的Ιηβ的情况下(在步骤S93判断为“是”)，判断为是由单调的工作带来的疲劳(步骤S94)。疲劳性质判断部606在判断为当前时刻的睁眼状态下的Ιηβ不小于前1个时刻的睁眼状态的In β的情况下(在步骤S93判断为“否”)，待机直到接下来从特征量提取部 602输出In β，在下一个In β输出后，重复从步骤S91开始的动作。另外，也可以在特征量提取部602中提取闭眼状态下的In β，在疲劳性质判断部 606中进行相同的处理。在该情况下也与步骤S93的处理相同，疲劳性质判断部606基于当前时刻的In β是否小于前1个时刻的In β，来判断是否是由单调的工作带来的疲劳。并且，疲劳性质判断部606可以是进行图9Β所示的动作的构成。在该情况下，若从特征量提取部602输出睁眼状态下的Ιηβ与Ιηθ/ ηβ (以下记为β特征量)(步骤 S95)，则疲劳性质判断部606调出存储部603所存储的睁眼状态下的β特征量中的、时序上为前1个时刻的睁眼状态下的β特征量(步骤S96)。然后，疲劳性质判断部606比较这2个的值、即当前时刻的睁眼状态下的In β与前1个时刻的睁眼状态下的In β (步骤S93)。首先，疲劳性质判断部606在判断为当前时刻的睁眼状态下的In β小于前1个时刻的睁眼状态下的In β的情况下(在步骤S93判断为“是”)，比较当前时刻的睁眼状态下的In θ /In β与前1个时刻的睁眼状态下的In θ /In β (步骤S97)。疲劳性质判断部606在判断为当前时刻的睁眼状态下的In θ/In β大于前1个时刻的睁眼状态下的In θ/In β的情况下(在步骤S97判断为“是”)，判断为是由单调的工作带来的疲劳(步骤S98)。疲劳性质判断部606在判断为当前时刻的睁眼状态下的Ιηβ不小于前1个时刻的睁眼状态的In β的情况下(在步骤S93判断为“否”)，待机直到接下来从特征量提取部 602输出β特征量，在下一个β特征量输出后，重复从步骤S95开始的动作。并且，疲劳性质判断部606在判断为当前时刻的睁眼状态下的In θ/In β不大于前1个时刻的睁眼状态的In θ/In β的情况下(在步骤S97判断为“否”)也同样，在下一个β特征量输出后，重复从步骤S95开始的动作。另外，也可以在特征量提取部602中提取闭眼状态下的β特征量，在疲劳性质判断部606中进行相同的处理。该情况下也与步骤S93、步骤S97的处理同样，疲劳性质判断部606基于当前时刻的In β是否小于前1个时刻的In β、以及当前时刻的In θ /In β是否大于前1个时刻的In θ /Ιηβ，来判断是否是由单调的工作带来的疲劳。以上分为判断为是由困难的工作带来的疲劳的情况、与判断为是由单调的工作带来的疲劳的情况进行了说明，但是若将两者进行组合，则当然也能够根据脑内信号来判断是由困难的工作带来的疲劳还是由单调的工作带来的疲劳这样的疲劳的性质、即。如上所述，生物疲劳评价装置600根据脑内信号，基于与β波，α波中的至少某一方相关联的特征量，能够判断疲劳的性质、即是由困难的工作带来的疲劳还是由单调的工作带来的疲劳。基于判断出的疲劳的性质，例如切换给予用户的处方(休息，睡眠，药等)， 能够实现更适合用户的恢复援助。并且，生物疲劳评价装置600通过使传感器接触头部，能够根据计测的脑内信号来判断疲劳的性质，因此还能够应用于例如佩戴帽子或耳机麦克风等的职业的人们的劳务管理。并且，根据本构成，将脑内信号的β波段的功率值、α波段的功率值中的至少某一方的功率值区分为用户的睁眼状态下的值还是闭眼状态下的值来使用，因此能够进一步提高疲劳评价的评价精度。并且，根据本构成，根据识别出用户处于闭眼状态的时间区间的α波段的功率值，判断用户的疲劳是否是由困难的工作带来的疲劳，因此能够进一步提高疲劳评价的评价精度。并且，通过疲劳的性质判断，对于由困难的工作带来的疲劳，能够实现适合于用户的恢复援助。并且，根据本构成，根据识别出用户处于睁眼状态或处于闭眼状态的时间区间的 β波段的功率值，判断用户的疲劳是否是由单调的工作带来的疲劳，因此能够进一步提高疲劳评价的评价精度。并且，通过疲劳的性质判断，对于由单调的工作带来的疲劳，能够实现适合于用户的恢复援助。并且，根据本构成，按照疲劳的性质对用户给予刺激，从而能够将疲劳性质的判断结果提示给用户、或进行适合于用户的恢复援助。另外，在生物疲劳评价装置600不具备设备控制部405的情况下，可以通过外部的构成来控制外部设备。(实施方式4)图10是表示本发明的实施方式4的生物疲劳评价装置1000的构成的框图。在图 10中，对于与图4相同的构成成分使用相同的符号，并省略说明。如图10所示，生物疲劳评价装置1000具备生物信号计测部401、特征量提取部 1002、存储部1003、疲劳性质判断部1006，还具备对用户输出听觉刺激的刺激输出部1001。 并且，生物疲劳评价装置1000可以是还具有设备控制部405的结构。本次，本发明者们通过与生物疲劳的非侵入性评价相关的可行性验证实验，发现 与基于猝发音(tone burst)刺激(1000Hz下90dB)的听觉刺激对应的、加速度脉搏波形的特征量的变化，根据疲劳的性质而不同。具体来说，发现对于听觉刺激，与加速度脉搏波形相关联的特征量在精神疲劳负荷前和由单调的工作带来的疲劳负荷后都显著变化，但在由困难的工作带来的疲劳负荷后不显著变化。即，在由困难的工作带来的疲劳时，可以说对于听觉刺激的脉搏的反应迟钝。这里所说的与加速度脉搏波形相关联的特征量采用使用了包含实施方式1中所举的c波或d波的信息的、多个加速度脉搏波形成分的信息的特征量即可。对于本发明者们实施的与生物疲劳的非侵入性评价相关的可行性验证实验在后面进行详细说明。这里，以由生物信号计测部401计测脉搏、特征量提取部1002提取作为c波与a 波的波高比的c/a值的情况为例，在下面进行说明。刺激输出部1001输出对用户刺激听觉的听觉刺激。具体来说，刺激输出部1001 对用户输出听觉刺激，将表示输出了听觉刺激的刺激信息向生物信号计测部401输出。这里，对用户输出的听觉刺激设为医学领域的临床实验中经常使用的将90dB的声音刺激以1000Hz给予几分钟这样的刺激即可。另外，该刺激信息例如是在输出听觉刺激的情况下是1，未输出的情况下是0这样的信息。生物信号计测部401计测用户的脉搏信号，并且若从刺激输出部1001输入刺激信息，则对计测出的脉搏信号的时序数据附加刺激信息并向特征量提取部1002输出。特征量提取部1002提取根据生物信号计测部401所计测出的脉搏信号的收缩期后方成分而得到的第一特征量。也就是说，特征量提取部1002根据脉搏信号计算加速度脉搏，将c波的波高值与加速度脉搏的a波的波高值的比作为第一特征量提取。具体来说，首先，特征量提取部1002将由生物信号计测部401计测出的脉搏信号进行2階微分，变换为加速度脉搏波形。求出在加速度脉搏波形成分中特别是相当于容积脉搏的收缩期后方成分的c波与相当于收缩期前方成分的a波的比、即c/a值，并将c/a值与刺激信息一起输出到存储部1003。存储部1003将由特征量提取部1002提取的第一特征量按时序存储。另外，在特征量提取部1002中提取c/a值时，可以将脉搏信号每1拍的值原样输出，也可以将事先决定的时间区间(例如10秒等)中的平均值输出。疲劳性质判断部1006使用由特征量提取部1002提取的第一特征量，判断用户的疲劳的性质、即是由困难的工作带来的疲劳还是由单调的工作带来的疲劳。具体来说，疲劳性质判断部1006比较存储部1003所存储的由刺激输出部1001输出听觉刺激之前的时间区间中的第一特征量、与由刺激输出部1001输出听觉刺激时的时间区间中的第一特征量，从而判断疲劳性质。也就是说，在由刺激输出部输出了听觉刺激时的时间区间中的第一特征量比存储部1003所存储的由刺激输出部1001输出听觉刺激之前的时间区间中的第一特征量增加了的情况下，疲劳性质判断部1006判断为是由单调的工作带来的疲劳，在未增加的情况下， 判断为是由困难的工作带来的疲劳。更具体来说，疲劳性质判断部1006比较未被附加刺激信息的c/a值与被附加了刺激信息的c/a值，从而判断疲劳的性质。因此，若从特征量提取部1002输出新附加了刺激信息的c/a值，则疲劳性质判断部1006调出存储部1003所存储的c/a值中的、时序上为前 1个时刻的未被附加刺激信息的c/a值，并与被附加了当前时刻的刺激信息的c/a值进行比较。当然，基于疲劳性质判断部1006的疲劳的性质的判断不限定于此，也可以将在某一决定的时刻(例如刚刚启动后等)所存储的未被附加刺激信息的c/a值作为基准值，并与当前时刻的被附加了刺激信息的c/a值进行比较。图11是表示本实施方式4中的疲劳性质判断部1006的疲劳的性质判断的一例的流程图。如图11所示，若从特征量提取部1002输出被附加了刺激信息的c/a值(步骤 S111)，则疲劳性质判断部1006调出存储部1003所存储的c/a值中的、时序上为前1个时刻的未被附加刺激信息的c/a值(步骤S112)。疲劳性质判断部1006比较这2个的值、即当前时刻的被附加了刺激信息的c/a值与前1个时刻的未被附加刺激信息的c/a值(步骤S113)。疲劳性质判断部1006在判断为当前时刻的被附加了刺激信息的c/a值大于前1个时刻的未被附加刺激信息的c/a值的情况下(在步骤S113判断为“是”)，判断为是由单调的工作带来的疲劳(步骤S114)。并且，疲劳性质判断部1006在判断为当前时刻的被附加了刺激信息的c/a值不大于前1个时刻的未被附加刺激信息的c/a值的情况下(在步骤S113判断为“否”)，判断为是由困难的工作带来的疲劳(步骤S115)。如上所述，生物疲劳评价装置1000根据与加速度脉搏波形关联的特征量对听觉刺激的变化，判断用户的疲劳是由困难的工作带来的疲劳还是由单调的工作带来的疲劳这样的疲劳的性质。根据这样的构成，能够判断用户的疲劳的性质，并由此切换所提供的处方(休息，睡眠，药等)，从而能够实现更适合于用户的恢复援助。并且，生物疲劳评价装置 1000在任何场合下都使用容易计测的脉搏与不需特殊装置的听觉刺激来判断疲劳性质，因此具有良好的通用性。例如，可在行驶中从驾驶员接触的位置计测脉搏，使用脉搏信号相对由汽车导航系统输出的声音刺激的变化来判断疲劳的性质，也可以作为驾驶监测装置来应用。(实施方式5)图12是表示本发明的实施方式5中的生物疲劳评价装置1200的构成的框图。在图12中对于与图4相同的构成要素使用相同符号，并省略其说明。如图12所示，生物疲劳评价装置1200具备生物信号计测部401、特征量提取部1202、存储部1203、疲劳性质判断部1206，还具备判断用户疲劳的有无的疲劳判断部 1204。并且生物疲劳评价装置1200可以是还具有设备控制部405的结构。这里，以由生物信号计测部401计测脉搏信号的情况为例，下面说明生物疲劳评价装置1200的动作。若由生物信号计测部401计测脉搏信号，则特征量提取部1202与实施方式1同样提取c/a值，并与实施方式2同样提取HF功率值。这里，特征量提取部1202关于c/a值， 可以将脉搏信号每1拍的值原样输出，也可以输出与HF功率值的最小时间区间(例如30 秒间等)相同的时间区间中的平均值。存储部1203按时序积累由特征量提取部1202提取的c/a值与HF功率值。疲劳判断部1204与实施方式1同样判断疲劳的有无。在疲劳判断部1204判断为处于疲劳的情况下，疲劳性质判断部1206与实施方式 2同样判断用户的疲劳的性质、即是由困难的工作带来的疲劳还是由单调的工作带来的疲劳。图13是表示本实施方式5中的生物疲劳评价装置1200的动作的一例的流程图。具体来说，图13是表示将生物疲劳评价装置1200应用于驾驶汽车时的情况的处理的流程图。这里，生物信号计测部401的形态可以是搭载到转向装置的生物传感器，也可以是安装到驾驶员的手指或耳朵等适当部位的可佩戴的生物传感器。如图13所示，若由生物信号计测部401计测脉搏(步骤S1301)，则由特征量提取部1202提取并输出c/a值与HF功率值(步骤S1302)。若从特征量提取部1202输出c/a值，则疲劳判断部1204调出存储部1203所存储的c/a值中的、时序上为前1个时刻的c/a值(步骤S1303)。并且，疲劳判断部1204比较这2个值、即当前时刻的c/a值与前1个时刻的c/a值(步骤S1304)。疲劳判断部1204在判断为当前时刻的c/a值大于前1个时刻的c/a值的情况下 (在步骤S1304判断为“是”)，判断为处于疲劳，并将表示作出了处于疲劳的判断的信号向疲劳性质判断部1206输出(步骤S1305)。这里，输出的疲劳判断的信号例如，在处于疲劳中的情况下为1，其他情况下为0等即可。并且，疲劳判断部1204在判断为当前时刻的c/a值不大于前1个时刻的c/a值的情况下(在步骤S1304判断为“否”)，待机直到接下来从特征量提取部1202输出c/a值与 HF功率值，在下一个c/a值以及HF功率值输出后，重复从步骤S1302开始的动作。接着，若从疲劳判断部1204接收表示作出了处于疲劳的判断的信号，则疲劳性质判断部1206调出存储部1203所存储的HF功率值中的、时序上为前1个时刻的HF功率值 (步骤 S1306)。然后，疲劳性质判断部1206比较这2个的值、即当前时刻的HF功率值与前1个时刻的HF功率值(步骤S1307)。疲劳性质判断部1206在判断为当前时刻的HF功率值小于前1个时刻的HF功率值的情况下(在步骤S1307判断为“是”)，判断为是由困难的工作带来的疲劳(步骤S1308)。另一方面，疲劳性质判断部1206在判断为当前时刻的HF功率值不小于前1个时刻的HF功率值的情况下(在步骤S1307判断为“否”)，判断为是由单调的工作带来的疲劳 (步骤 S1309)。接着，在从疲劳性质判断部1206输出了是由困难的工作带来的疲劳的判断结果的情况下，使设备控制部405执行将导航的设定路线的难度降低、或促使在安全的场所停车休息等的辅助功能(步骤S1310)。另一方面，在从疲劳性质判断部1206输出了是由单调的工作带来的疲劳的判断结果的情况下，使设备控制部405执行将导航的设定路线切换为单一且较少的路线，或输出具有振奋效果的香气、温热、气流刺激，或加快音乐的节拍(beat)及速度(tempo)等的辅助功能(步骤S1311)。这里，疲劳判断部1204基于与脉搏相关联的特征量判断疲劳的有无、疲劳性质判断部1206基于与副交感神经活动量相关联的特征量判断疲劳性质，但是并不限定于此。也可以是，疲劳判断部1204还使用与脑波相关联的特征量来判断疲劳的有无，疲劳性质判断部1206还与实施方式3或实施方式4同样判断疲劳的性质。如上所述，生物疲劳评价装置1200基于与脉搏相关联的特征量和与作为自律神经活动的之一的副交感神经活动量相关联的特征量，进行疲劳的有无的判断，以及是由困难的工作带来的疲劳还是由单调的工作带来的疲劳这样的疲劳性质的判断。根据这样的构成，能够缓和疲劳以外的因素的影响、提供疲劳的有无的判断精度以及疲劳性质的判断精度。并且，根据疲劳性质的判断结果，切换提供给用户的处方，从而能够实现更适合于用户的恢复援助。(其他的变形例)另外，虽然基于上述实施方式对本发明进行了说明，但是本发明并不限定于上述实施方式，以下这样的情况也包含在本发明中。(1)在由包括微处理器、ROM、RAM、硬盘单元等的计算机系统构成上述的各装置的全部或一部分的情况下，在上述RAM或硬盘单元中存储有实现与上述各装置相同的动作的计算机程序。通过由上述微处理器按照上述计算机程序而动作，各装置实现其功能。(2)构成上述的各装置的构成要素的一部分或全部可以由1个系统LSKLarge Scale htegration:大规模集积回路)构成。系统LSI是将多个构成部在1个芯片上集聚而制造出的超多功能LSI，具体来说，是包含微处理器、R0M、RAM等而构成的计算机系统。在上述RAM中存储有实现与上述各装置相同的动作的计算机程序。通过由上述微处理器按照上述计算机程序而动作，系统LSI实现其功能。(3)构成上述的各装置的构成要素的一部分或全部可以由可装卸在各装置上的 IC卡或单独的模块构成。上述IC卡或上述模块是由微处理器、R0M、RAM等构成的计算机系统。上述IC卡或上述模块也可以包含上述的超多功能LSI。通过由微处理器按照计算机程序而动作，上述IC卡或上述模块实现其功能。该IC卡或该模块可以具有防篡改性。(4)本发明可以是由上述表示的计算机的处理实现的方法。并且，本发明也可以是通过计算机实现这些方法的计算机程序，也可以是由上述计算机程序构成的数字信号。并且，本发明可以是将上述计算机程序或上述数字信号记录在计算机可读取的记录媒体中的结构。计算机可读取的记录媒体例如是软盘、硬盘、CD-ROM、MO、DVD、DVD-ROM、 DVD-RAM,BD(Blu-ray Disc)、半导体存储器等。并且，本发明可以是被记录到这些记录媒体中的上述数字信号。并且，本发明可以将上述计算机程序或上述数字信号经由电通信线路、无线或有线通信线路、以因特网为代表的网络、数据广播等而进行传送。并且，本发明可以是具备微处理器与存储器的计算机系统，上述存储器存储有上述计算机程序，上述微处理器按照上述计算机程序而动作。并且，通过将上述程序或上述数字信号记录到上述记录媒体而进行移送，或通过将上述程序或上述数字信号经由上述网络等进行移送，可以通过独立的其他计算机系统进行实施。(5)可以将上述实施方式以及上述变形例设为分别任意地进行组合的结构。(实施例1)上述实施方式1 5都是基于以下情况而得出的，即本发明者们通过以非侵入性的生物疲劳评价可行性验证为目的的被验者实验发现人在陷入疲劳的状态(处于疲劳的状态)下、以及在疲劳中由困难的工作带来的疲劳与由单调的工作带来的疲劳中，心电图或加速度脉搏或脑波、脑磁图的变化上存在不同的相关性。下面，更加详细说明本被验者实验，但本被验者实验并不限定于此。<精神疲劳负荷的妥当性验证>(1)试验设计本发明者以20名健康的成人(男性，年龄32.0士 10. 2岁(平均士标准偏差)) 为被验者，用个人计算机(PC)实施30分钟的2种N-back测试来给予精神疲劳负荷，并分别在其前后实施30分钟的基于Advanced Trail Making Test (ATMT)的性能评价(执行课题时的总实验数以及错误数的测定)。并且，在实施ATMT前后实施主观检查，作为其内容，通过视觉模拟量表(VAS: Visual Analog Scale)计测整体疲劳感、精神疲劳感、身体疲劳感、压力、欲望、困倦、难度、单调、无聊，并通过卡洛林斯卡睡眠量表(KSS :Karolinska Sleepness Scale)计测困倦。 交叉实施2种试验，排除了由进行试验的顺序引发的影响。(2)精神疲劳负荷方法在N-back测试中，采用了 0_back测试与2_back测试。0_back测试是不使用工作存储器、而由被验者判断是否显示了被指定的数字及文字或记号的测试，强制单调的作业。本发明者们假设通过连续实施30分钟的该测试，对被验者引发由单调的工作带来的疲劳。作为具体的操作，在PC的画面上显示了指定的数字及文字或记号的情况下操作 PC鼠标的右键，在此以外的情况下操作PC鼠标的左键。另一方面，2-back测试是使用工作存储器、由被验者判断当前所显示的数字及文字或记号是否与2个前所显示的数字及文字或记号相同的测试，强制困难的作业。本发明者们假设通过连续实施30分钟的该测试，对被验者引发由困难的工作带来的疲劳。作为具体的操作，在PC的画面上显示的数字及文字或记号与2个前所显示的数字及文字或记号相同的情况下，操作PC鼠标的右键，在此以外的情况下操作鼠标的左键。 将数字及文字或记号的显示时间设为0. 5秒，从使数字及文字或记号的显示消失到下次显示为止的显示定时设为2. 5秒间隔。(3)结果图14是表示精神疲劳负荷前后的ATMT的成绩变化的图。为了判断通过进行30分钟的N-back测试是否引发了疲劳，而观察精神疲劳负荷前后的ATMT的成绩，则发现Ο-back测试实施群以及2-back测试实施群中错误数都显著增加。另外，以往已确认在30分钟的放松课题中，不认为课题前后的ATMT的错误数变化。这里，图14所示的“乍< 0. 05”表示在本图中的*标记的图表中，满足统计学上的5%的显著性水平而错误数增加。另外，在以下的图中也相同，因此在各图中省略详细说明。图15A是表示精神疲劳负荷前后的主观报告评分的图。若观察精神疲劳负荷前后的整体疲劳感以及精神疲劳感VAS评分的成绩，则发现 Ο-back测试实施群以及2-back测试实施群都显著增加。因此，精神的性能的降低以及疲劳感的增加通过执行30分钟的N-back测试而表现出来，判断为本试验(30分钟的N-back测试)作为疲劳试验是适合的。并且，图15B是表示试验结束时记录的、执行N-back测试时的主观报告评分的图。在试验结束时记录的执行N-back测试时的主观检查中，2_back测试实施群与 Ο-back测试实施群相比，其精神疲劳感以及难度VAS评分显著表现出高值。另一方面， Ο-back测试实施群与2-back测试实施群相比，其单调以及无聊VAS以及困倦KSS评分显著表现出高值。这表示30分钟的Ο-back测试是“单调、无聊、负荷较小的课题”，30分钟的 2-back测试是“困难、负荷较大的课题”。由此，认为30分钟的Ο-back测试适合作为“引发由单调、负荷较小的操作带来的疲劳的课题”。并且，认为30分钟的2-back测试适合作为“引发由困难、负荷较大的操作带来的疲劳的课题”。(实施例2)
<非侵入性的疲劳评价可行性验证>(1)试验设计本发明者以10名健康的成人(男性，年龄30. 8士9. 4岁(平均士标准偏差)) 为被验者，将实施例1中被证明为适合作为“引发由单调、负荷较小的操作带来的疲劳的课题”的Ο-back测试、与被证明为适合作为“引发由困难、负荷较大的操作带来的疲劳的课题” 的2-back测试作为引发精神疲劳的课题，分别实施30分钟。作为试验的具体的流程，进行作为课题实施前检查的安静时检查、视觉刺激检查、 听觉刺激检查。首先，作为安静时检查，在睁眼状态下保持2分钟安静，接着在闭眼状态下保持1分钟安静。接着，作为视觉刺激检查，施加由红色发光二极管的闪烁产生的对于左半视野的光刺激。将刺激进行2次，每次各1分钟，第1次使用IHz的闪烁刺激，第2次使用 16Hz的闪烁刺激。接着，作为听觉刺激检查，使用猝发音刺激(1000Hz，90dB)，第1次向右耳施加刺激，第2次向左耳施加刺激，每次各施加约4分钟。在听觉刺激检查结束后，将Ο-back测试以及2-back测试实施30分钟。实施N-back测试后进行课题实施后检查。课题实施后检查与课题实施前检查相同，但依次实施安静时检查、听觉刺激检查、视觉刺激检查。然后，在从实施课题前的安静时检查到实施课题后的视觉刺激检查为止的期间，连续计测加速度脉搏(APG)、心电图 (ECG)、脑波(EEG)、脑磁图(MEG)。并且，在课题实施前后实施主观检查，通过Visual Analog kale (VAS)计测整体疲劳感、精神疲劳感、身体疲劳感、压力、欲望、困倦、难度、单调、无聊，并通过Karolinska Sleepness Scale(KSS)计测困倦。进而，还为了调查被验者的慢性疲劳状态，只在2种试验的实施日中的首日，在试验开始前通过疲劳量表(Chalder’ s fatigue scale)计测疲劳的强度。并且，2种试验交替实施，排除由进行试验的顺序带来的影响。(2)观察项目APG检查在测定中使用指尖用的手指探测器(日本光电工业株式会社制)与独自开发的加速度脉搏计测程序。由此，测定将指尖容积脉搏进行了 2階微分后的加速度脉搏而测定a波、b波、c波、d波、e波各自的的波高值，并解析伴随作为精神疲劳负荷的 N-back测试的加速度脉搏波形的波高值及使用了这些波高值的特征量的变化。并且，根据脉搏间的a波的间隔即aa间隔变动的时序数据，通过最大熵法实施频率解析，计算低频成分(LF :Low Frequency component)及高步页成分(HF :High Frequency component)，并角军析伴随作为精神疲劳负荷的N-back测试的自律神经活动指标的变化。进而解析在N-back测试实施前与实施后、给与了听觉刺激时的加速度脉搏波形的反应的不同。ECG检查在测定中使用活动示踪器(active tracer) (arm电子株式会社制)。由此，测定心率变动，实施基于最大熵法的频率解析而计算LF及HF，并解析伴随作为精神疲劳负荷的N-back测试的自律神经活动指标的变化。EEG检查在测定中使用NEUR0FAX EEG 1518 (日本光电工业株式会社制)。由此，取得脑波的时序数据，并实施基于高速傅里叶变换法(FFT)的频率解析。关于解析对象部位，参考Kaida们的研究报告(非专利文献Kaida K et al.，Validation ofKarolinska sleepiness scale against performance and EEG variables. Clinical Neurophysiology. 117 :1574-1581, 2006.)，设为国际 10-20 法中的 F3，C3，01。解析频带设为θ波段(3Hz以上且8Hz以下)、α波段(8Hz以上且13Hz以下)、β波段(13Hz以上且25Hz以下)，并且将这些功率值的算术和作为总功率值。另外，考虑睁眼状态下的瞬间影响，从解析中排除δ波段(OHz以上且3Hz以下)。MEG检查在测定中使用了 160通道防护帽型(channel helmet type)脑磁图仪 (MEG vision)(横河电机株式会社制)。由此，在N_back测试实施前后的睁眼安静时以及闭眼安静时，测定主动磁场活动，并对此实施基于FFT的频率解析。基于FFT的主动脑活动的频率解析对象设为全部160通道，各频率的范围定义为与EEG相同。另外，对于2个群间的比较，实施配对t检验(Paired t-test)。对于2个群间的相关，实施了皮尔森(pearson)相关分析。关于P值，统计学上将小于0. 05的情况判断为显者ο(3)结果在N-back测试实施后的主观数据中，0-back测试实施群与2_back测试实施群相比，困倦、单调、无聊VAS评分显著表现出高值。另一方面，2-back测试实施群与Ο-back测试实施群相比，具有压力以及难度的VAS评分显著表现出高值的倾向。这些结果是与实施例1的结果大致相同的倾向，认为保证本试验的可靠性及妥当性。图16A是表示精神疲劳负荷(Ο-back)前后的APG波形波高值的变化的图。图16B 是表示精神疲劳负荷Ο-back)前后的APG波形波高值的变化的图。如这些图所示，在APG的波形解析中，如专利文献1所示的之前的研究中也有报告那样，认为Ο-back测试实施群以及2-back测试实施群都通过N_back测试，a波、e波显著降低以及b波显著上升。但是，关于c波或d波，未发现精神疲劳负荷的影响。也就是说，c波或d波是受疲劳以外的因素的影响而变化的成分波。因此，通过在指标值中使用c波或d波，能够抵消疲劳以外的因素的影响。认为本次发现的该现象不管是由单调的工作带来的疲劳还是由困难的工作带来的疲劳、是疲劳共通的特征。因此，计算使用了(3波或(1波的(3/&、(3/13、(3/^、&-(3以及C-a、 以及I d-c I /a那样的指标值，来分析对精神疲劳负荷的变化。图17是表示基于精神疲劳负荷前后的APG的指标值(C/a、C/b、C/e)的变化的图。 并且，图18是表示基于精神疲劳负荷前后的APG的指标值(a-C、C-a、d-c |/a)的变化的图。如这些图所示，分析对精神疲劳负荷的变化可知通过N-back测试，c/a、c/e、 c-a、I d-c I /a显著增加，c/b、a-c显著减少。例如，在0-back测试实施群的情况下，如图17 所示的c/a值在疲劳前后从0. 043显著增加到0. 091，在2-back测试实施群的情况下，如图 17所示的c/a值在疲劳前后从0. 048显著增加到0. 085。使用了没有这些精神疲劳负荷的影响的c波或d波的指标值与原样采用波高值的情况相比，能够抵消疲劳以外的因素的影响，被认为是疲劳评价中更有效的指标。图19是表示精神疲劳负荷前后的对听觉刺激的c/a值的变化的图。关于对听觉刺激的APG波形的反应解析，本次本发明者们进行解析的结果可知， Ο-back测试实施群在Ο-back测试实施前与实施后，c/a在听觉刺激前与听觉刺激中都表示显著的变化。另一方面可知，2-back测试实施群在2-back测试实施前，在听觉刺激前与听觉刺激中表示显著的变化，但在2-back测试实施后，在听觉刺激前与听觉刺激中不表示显著的变化(在2-back测试实施后的图表中没有显示“**”标记)。即表示在2-back测试实施后，在听觉刺激前与听觉刺激中不满足的显著水平，具体来说，在听觉刺激中比听觉刺激前示出高的值这表示概率小于99%。由此认为由单调的工作带来的疲劳与由困难的工作带来的疲劳对听觉刺激的c/a的特性不同。这在c/a 以外的、c/b、c/e、a-c、c-a、以及| d_c | /a那样的指标值中也为相同的结果。图20是表示精神疲劳负荷前后的InHF的变化的图。在APG或ECG的频率解析中，0_back测试实施群在0_back测试实施前后，将HF 进行对数化后的InHF不显著变化，但2-back测试实施群通过实施2-back测试，InHF显著降低。也就是说，图20所示的InHF在Ο-back测试实施群的情况下，在疲劳前后从6. 20减少到6. 01 (无显著差异)，在2-back测试实施群的情况下，在疲劳前后从6. 67显著减少到 6. 25。InHF被认为是副交感神经系活动的指标，根据本次的结果，认为由单调的工作带来的疲劳不伴随副交感神经系活动的变化，由困难的工作带来的疲劳的特征为副交感神经系活动的降低。图21表示精神疲劳负荷前后的In β、In θ以及In θ /In β变化的图。在EEG的频率解析中，在睁眼安静时，Ο-back测试实施群通过实施0_back测试， 将β波的功率值进行对数化后的In β显著减少，作为Slow-wave Index的In θ /In β显著增加。2-back测试实施群通过实施2-back测试，In θ以及In θ /In β显著减少。图22是表示精神疲劳负荷前后的In β、Ina以及In θ /In α变化的图。在闭眼安静时，Ο-back测试实施群通过实施Ο-back测试，01部的In β显著减少。 2-back测试实施群通过实施2-back测试，In α显著增加，闭眼时的Slow-wave Index即 In θ /In α显著减少。由此，认为由单调的工作带来的疲劳促进慢波化，引发清醒度降低，另一方面，由困难的工作带来的疲劳促进快波化，并引发清醒度持续或亢进。图23Α是表示精神疲劳负荷前后的％ θ变化的图，图2 是表示神疲劳负荷前后的％ α变化的图。并且图M是表示精神疲劳负荷前后的α-阻断变化的图。如图23Α所示，在MEG的频率解析中，在睁眼安静时，在Ο-back测试实施群中，通过实施Ο-back测试，θ波的功率值相对于θ波、α波以及β波的总功率值的比率(％ θ )显著增加。另外，θ波的功率值也得到相同的结果，得到与基于EEG的慢波化一致的结^ ο并且，如图2 所示，在闭眼安静时，在2-back测试实施群中，通过实施2_back测试，α波的功率值相对于θ波、α波以及β波的总功率值的比率(％ α)显著增加。另外，α波的功率值以及Ina也得到相同的结果。进而，如图M所示，在2-back测试实施群中，作为睁眼安静时的α波功率值与闭眼安静时的α波功率值的差的α-阻断(闭眼-睁眼)、作为睁眼安静时的α波功率值与闭眼安静时的α波功率值的比的α-阻断(闭眼/睁眼)都显著增加。并且，发现EEG也有相同的倾向。
此时，通过用θ与θ波段的中心频率(5.5Hz)的相乘值、α与α波段的中心频率(10.5Hz)的相乘值、β与β波段的中心频率(19Hz)的相乘值的总和除以总功率值而得到的数学式，求出MEG及EEG的功率谱的平均频率，并确认出平均频率在2-back测试实施前后无变化。由此认为由困难的工作带来的疲劳不仅单纯促进快波化，还增强作为脑的基础律动之一的α波(与其说回到标准值，不如说更加增强)。根据以上的结果发现APG波形的c波或d波不易受到精神疲劳负荷的影响。由此发现通过采用使用了 c波或d波的指标值，能够比以往更加提高疲劳评价的评价精度。进而发现通过APG或ECG的频率解析计算的副交感神经活动指标、通过EEG或MEG的频率解析计算的α波的功率值和β波的功率值，在“由单调、负荷较小的操作产生的疲劳”与“由困难、负荷较大的操作产生的疲劳”中产生不同的特性。已知通过APG或ECG的频率解析计算自律神经活动指标，并在疲劳时可以看出交感神经系活动增加、副交感神经系活动减少。 但是，本次本发明者们发现存在不伴随副交感神经活动的减少的类型的疲劳。因此，通过使用副交感神经活动指标、α波的功率值、β波的功率值，不仅判断疲劳的有无，还能够将疲劳性质的不同进行差别化。工业实用性涉及本发明的生物疲劳评价装置能够非侵入性地且简单地、精度良好地评价人的疲劳，对日常生活中疲劳的早期发现有用。并且，由于能够用简单的方法判断疲劳性质，因此能够实现适合于用户的恢复救助，能够应用于汽车中的驾驶员状态推测系统及职场中的工作人员管理系统等的用途中。符号说明100、400、600、1000、1200 生物疲劳评价装置101、401 生物信号计测部102、402、602、1002、1202 特征量提取部103、403、603、1003、1203 存储部104、1204疲劳判断部105,405 设备控制部406、606、1006、1206 疲劳性质判断部601 识别部1001 刺激输出部2501脉搏计测部2502加速度脉搏计算部2503、2506 存储部2504、2507 评价部2505 混沌解析部
权利要求
1.一种生物疲劳评价装置，具备 生物信号计测部，计测用户的脉搏信号；特征量提取部，提取第一特征量，该第一特征量根据由上述生物信号计测部计测的脉搏信号的收缩期后方成分而得到；存储部，用于存储由上述特征量提取部提取的第一特征量；以及疲劳判断部，利用由上述特征量提取部提取的第一特征量，判断用户的疲劳的有无， 上述疲劳判断部比较由上述特征量提取部提取的第一特征量中的某一个特征量与上述存储部所存储的第一特征量中的至少一个特征量，来判断上述疲劳的有无。
2.根据权利要求1所述的生物疲劳评价装置，上述特征量提取部根据上述脉搏信号计算加速度脉搏，并利用多个成分波的信息提取上述第一特征量，该多个成分波的信息至少包括与上述收缩期后方成分对应的加速度脉搏的成分波即c波或d波的信息。
3.根据权利要求2所述的生物疲劳评价装置，上述特征量提取部提取上述加速度脉搏的上述c波的波高值与a波、b波或e波的波高值的比，作为上述第一特征量，上述疲劳判断部在上述第一特征量的绝对值按时序增加的情况下，判断为处于疲劳。
4.根据权利要求2所述的生物疲劳评价装置，上述特征量提取部提取上述加速度脉搏的a波的波高值与上述c波的波高值的差，作为上述第一特征量，上述疲劳判断部在上述第一特征量的绝对值按时序减少的情况下，判断为处于疲劳。
5.根据权利要求2所述的生物疲劳评价装置，上述特征量提取部提取用上述加速度脉搏的上述c波的波高值与上述d波的波高值的差除以上述加速度脉搏的a波而得到的值，作为上述第一特征量，上述疲劳判断部在上述第一特征量的绝对值按时序增加的情况下，判断为处于疲劳。
6.根据权利要求1 5中任一项所述的生物疲劳评价装置，还具备设备控制部，该设备控制部在由上述疲劳判断部判断为处于疲劳的情况下，控制向用户提供刺激的外部设备。
7.根据权利要求1 6中任一项所述的生物疲劳评价装置， 上述生物信号计测部还计测用户的心率或脉搏作为生物信号，上述特征量提取部还提取第二特征量，该第二特征量表示根据上述生物信号计测部所计测出的生物信号而得到的副交感神经活动量，上述存储部还存储有由上述特征量提取部提取的第二特征量， 上述生物疲劳评价装置还具备疲劳性质判断部，该疲劳性质判断部利用由上述特征量提取部提取的第二特征量，判断用户的疲劳的性质、即是由困难的工作带来的疲劳还是由单调的工作带来的疲劳，在上述疲劳判断部判断为处于疲劳的情况下，上述疲劳性质判断部比较由上述特征量提取部提取的第二特征量中的某一个特征量与上述存储部所存储的第二特征量中的至少一个特征量，来判断上述疲劳的性质。
8.根据权利要求7所述的生物疲劳评价装置，上述疲劳性质判断部在上述第二特征量按时序减少的情况下，判断为是由困难的工作带来的疲劳，在不减少的情况下，判断为是由单调的工作带来的疲劳。
9.根据权利要求1 6中任一项所述的生物疲劳评价装置， 上述生物信号计测部还计测用户的脑内信号作为生物信号，上述特征量提取部还提取第三特征量，该第三特征量与根据上述生物信号计测部所计测出的生物信号而得到的β波以及α波中的至少某一方相关联， 上述存储部还存储有由上述特征量提取部提取的第三特征量， 上述生物疲劳评价装置还具备疲劳性质判断部，该疲劳性质判断部利用由上述特征量提取部提取的第三特征量，判断用户的疲劳的性质、即是由困难的工作带来的疲劳还是由单调的工作带来的疲劳，在上述疲劳判断部判断为处于疲劳的情况下，上述疲劳性质判断部比较由上述特征量提取部提取的第三特征量中的某一个特征量与上述存储部所存储的第三特征量中的至少一个特征量，来判断上述疲劳的性质。
10.根据权利要求9所述的生物疲劳评价装置，还具备识别部，该识别部生成识别用户处于睁眼状态还是闭眼状态的识别信息， 上述生物信号计测部对计测出的生物信号附加上述识别信息， 上述特征量提取部提取利用由上述识别部识别出用户处于睁眼状态或闭眼状态的时间区间中的β波段的功率值、以及α波段的功率值中的至少某一方功率值而得到的上述第三特征量。
11.根据权利要求10所述的生物疲劳评价装置，上述特征量提取部提取利用由上述识别部识别出用户处于闭眼状态的时间区间中的 α波段的功率值而得到的上述第三特征量，上述疲劳性质判断部在上述第三特征量按时序增加的情况下，判断为是由困难的工作带来的疲劳。
12.根据权利要求10或11所述的生物疲劳评价装置，上述特征量提取部提取利用由上述识别部识别出用户处于睁眼状态或闭眼状态的时间区间中的β波段的功率值而得到的上述第三特征量，上述疲劳性质判断部在上述第三特征量按时序减少的情况下，判断为是由单调的工作带来的疲劳。
13.根据权利要求1或2所述的生物疲劳评价装置，还具备 刺激输出部，向用户输出刺激听觉的听觉刺激；以及疲劳性质判断部，利用由上述特征量提取部提取的第一特征量，判断用户的疲劳的性质、即是由困难的工作带来的疲劳还是由单调的工作带来的疲劳，在上述疲劳判断部判断为处于疲劳的情况下，上述疲劳性质判断部比较上述存储部所存储的由上述刺激输出部输出听觉刺激之前的时间区间中的第一特征量与由上述刺激输出部输出了听觉刺激时的时间区间中的第一特征量，来判断上述疲劳的性质。
14.根据权利要求13所述的生物疲劳评价装置，上述特征量提取部根据上述脉搏信号计算加速度脉搏，提取上述加速度脉搏的c波的波高值与a波的波高值的比，作为上述第一特征量，上述疲劳性质判断部在由上述刺激输出部输出了听觉刺激时的时间区间中的第一特征量比上述存储部所存储的由上述刺激输出部输出听觉刺激之前的时间区间中的第一特征量增加了的情况下，判断为是由单调的工作带来的疲劳，在没有增加的情况下，判断为是由困难的工作带来的疲劳。
15.根据权利要求7 14中任一项所述的生物疲劳评价装置，还具备设备控制部，该设备控制部根据由上述疲劳性质判断部判断出的疲劳的性质， 控制对用户提供刺激的外部设备。
16.一种生物疲劳评价装置，具备生物信号计测部，计测用户的心率或脉搏作为生物信号；特征量提取部，提取第二特征量，该第二特征量表示根据上述生物信号计测部所计测出的生物信号而得到的副交感神经活动量；存储部，用于存储由上述特征量提取部提取的第二特征量；以及疲劳性质判断部，利用由上述特征量提取部提取的第二特征量，判断用户的疲劳的性质、即是由困难的工作带来的疲劳还是由单调的工作带来的疲劳，上述疲劳性质判断部比较由上述特征量提取部提取的第二特征量中的某一个特征量与上述存储部所存储的第二特征量中的至少一个特征量，来判断上述疲劳的性质。
17.—种生物疲劳评价装置，具备生物信号计测部，计测用户的脑内信号作为生物信号；特征量提取部，提取第三特征量，该第三特征量与根据上述生物信号计测部所计测出的生物信号而得到的β波以及α波中的至少某一方相关联；存储部，用于存储由上述特征量提取部提取的第三特征量；以及疲劳性质判断部，利用由上述特征量提取部提取的第三特征量，判断用户的疲劳的性质、即是由困难的工作带来的疲劳还是由单调的工作带来的疲劳，上述疲劳性质判断部比较由上述特征量提取部提取的第三特征量中的某一个特征量与上述存储部所存储的第三特征量中的至少一个特征量，来判断上述疲劳的性质。
18.—种生物疲劳评价装置，具备刺激输出部，向用户输出刺激听觉的听觉刺激； 生物信号计测部，计测用户的脉搏信号；特征量提取部，提取第一特征量，该第一特征量根据上述生物信号计测部所计测出的脉搏信号的收缩期后方成分而得到；存储部，用于存储由上述特征量提取部提取的第一特征量；以及疲劳性质判断部，利用由上述特征量提取部提取的第一特征量，判断用户的疲劳的性质、即是由困难的工作带来的疲劳还是由单调的工作带来的疲劳，上述疲劳性质判断部比较上述存储部所存储的由上述刺激输出部输出听觉刺激之前的时间区间中的第一特征量与由上述刺激输出部输出了听觉刺激时的时间区间中的第一特征量，来判断上述疲劳的性质。
19.一种生物疲劳评价方法，通过计算机评价生物的疲劳，包括 生物信号计测步骤，计测用户的脉搏信号；特征量提取步骤，提取第一特征量，该第一特征量根据上述生物信号计测步骤中计测出的脉搏信号的收缩期后方成分而得到；存储步骤，将由上述特征量提取步骤提取的第一特征量存储在存储部中；以及疲劳判断步骤，利用由上述特征量提取步骤提取的第一特征量，判断用户的疲劳的有无，在上述疲劳判断步骤中，比较由上述特征量提取步骤提取的第一特征量中的某一特征量与上述存储部所存储的第一特征量中的从上述存储部读出的至少一个特征量，来判断上述疲劳的有无。
20. 一种程序，使计算机执行权利要求19所述的生物疲劳评价方法所包括的步骤。
全文摘要
提供一种可进行高评价精度的疲劳评价的生物疲劳评价装置。生物疲劳评价装置(100)具备生物信号计测部(101)，计测用户的脉搏信号；特征量提取部(102)，提取第一特征量，该第一特征量根据由生物信号计测部(101)计测出的脉搏信号的收缩期后方成分来得到；存储部(103)，用于存储由特征量提取部(102)提取的第一特征量；及疲劳判断部(104)，使用由特征量提取部(102)提取的第一特征量，判断用户的疲劳的有无，疲劳判断部(104)比较由特征量提取部(102)提取的第一特征量中的某一特征量与存储部(103)所存储的第一特征量中的至少一个特征量，判断疲劳的有无。
文档编号A61B5/0245GK102271584SQ20108000383
公开日2011年12月7日 申请日期2010年10月26日 优先权日2009年10月29日
发明者水野敬, 渡边恭良, 田中雅彰, 船仓正三, 金井江都子, 鸣原良仁 申请人:松下电器产业株式会社