[go: up one dir, main page]
More Web Proxy on the site http://driver.im/

CN107427267A - 用于导出主体的精神状态的方法和装置 - Google Patents

用于导出主体的精神状态的方法和装置 Download PDF

Info

Publication number
CN107427267A
CN107427267A CN201580076908.3A CN201580076908A CN107427267A CN 107427267 A CN107427267 A CN 107427267A CN 201580076908 A CN201580076908 A CN 201580076908A CN 107427267 A CN107427267 A CN 107427267A
Authority
CN
China
Prior art keywords
main body
bio signal
calculated
level
exported
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Granted
Application number
CN201580076908.3A
Other languages
English (en)
Other versions
CN107427267B (zh
Inventor
埃·昂
基蒂彭·卡萨苏克
吴清文
皮姆蓬·穆阿因维
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Nitto Denko Corp
Original Assignee
Nitto Denko Corp
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Nitto Denko Corp filed Critical Nitto Denko Corp
Publication of CN107427267A publication Critical patent/CN107427267A/zh
Application granted granted Critical
Publication of CN107427267B publication Critical patent/CN107427267B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/16—Devices for psychotechnics; Testing reaction times ; Devices for evaluating the psychological state
    • A61B5/165—Evaluating the state of mind, e.g. depression, anxiety
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/02—Detecting, measuring or recording pulse, heart rate, blood pressure or blood flow; Combined pulse/heart-rate/blood pressure determination; Evaluating a cardiovascular condition not otherwise provided for, e.g. using combinations of techniques provided for in this group with electrocardiography or electroauscultation; Heart catheters for measuring blood pressure
    • A61B5/0205—Simultaneously evaluating both cardiovascular conditions and different types of body conditions, e.g. heart and respiratory condition
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/02—Detecting, measuring or recording pulse, heart rate, blood pressure or blood flow; Combined pulse/heart-rate/blood pressure determination; Evaluating a cardiovascular condition not otherwise provided for, e.g. using combinations of techniques provided for in this group with electrocardiography or electroauscultation; Heart catheters for measuring blood pressure
    • A61B5/021—Measuring pressure in heart or blood vessels
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/02—Detecting, measuring or recording pulse, heart rate, blood pressure or blood flow; Combined pulse/heart-rate/blood pressure determination; Evaluating a cardiovascular condition not otherwise provided for, e.g. using combinations of techniques provided for in this group with electrocardiography or electroauscultation; Heart catheters for measuring blood pressure
    • A61B5/024—Detecting, measuring or recording pulse rate or heart rate
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/02—Detecting, measuring or recording pulse, heart rate, blood pressure or blood flow; Combined pulse/heart-rate/blood pressure determination; Evaluating a cardiovascular condition not otherwise provided for, e.g. using combinations of techniques provided for in this group with electrocardiography or electroauscultation; Heart catheters for measuring blood pressure
    • A61B5/024—Detecting, measuring or recording pulse rate or heart rate
    • A61B5/02405—Determining heart rate variability
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/08—Detecting, measuring or recording devices for evaluating the respiratory organs
    • A61B5/0816—Measuring devices for examining respiratory frequency
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/145—Measuring characteristics of blood in vivo, e.g. gas concentration, pH value; Measuring characteristics of body fluids or tissues, e.g. interstitial fluid, cerebral tissue
    • A61B5/14507—Measuring characteristics of blood in vivo, e.g. gas concentration, pH value; Measuring characteristics of body fluids or tissues, e.g. interstitial fluid, cerebral tissue specially adapted for measuring characteristics of body fluids other than blood
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/16—Devices for psychotechnics; Testing reaction times ; Devices for evaluating the psychological state
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/72—Signal processing specially adapted for physiological signals or for diagnostic purposes
    • A61B5/7235—Details of waveform analysis
    • A61B5/7239—Details of waveform analysis using differentiation including higher order derivatives

Landscapes

  • Health & Medical Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Engineering & Computer Science (AREA)
  • Cardiology (AREA)
  • Physics & Mathematics (AREA)
  • Veterinary Medicine (AREA)
  • Surgery (AREA)
  • Biophysics (AREA)
  • Biomedical Technology (AREA)
  • Heart & Thoracic Surgery (AREA)
  • Medical Informatics (AREA)
  • Molecular Biology (AREA)
  • Pathology (AREA)
  • Animal Behavior & Ethology (AREA)
  • General Health & Medical Sciences (AREA)
  • Public Health (AREA)
  • Physiology (AREA)
  • Psychiatry (AREA)
  • Pulmonology (AREA)
  • Hospice & Palliative Care (AREA)
  • Social Psychology (AREA)
  • Child & Adolescent Psychology (AREA)
  • Developmental Disabilities (AREA)
  • Educational Technology (AREA)
  • Psychology (AREA)
  • Vascular Medicine (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Signal Processing (AREA)
  • Artificial Intelligence (AREA)
  • Optics & Photonics (AREA)
  • Measurement Of The Respiration, Hearing Ability, Form, And Blood Characteristics Of Living Organisms (AREA)
  • Measuring Pulse, Heart Rate, Blood Pressure Or Blood Flow (AREA)
  • Measuring And Recording Apparatus For Diagnosis (AREA)

Abstract

本发明公开一种用于导出主体的精神状态的方法(1500)。所述方法包括从所述主体接收(1502)生物信号；计算从所述生物信号被导出的至少两个生理参数的相应的统计变差；基于计算出的所述至少两个生理参数的所述统计变差确定(1504)所述主体的激发水平；从所述生物信号导出时域心率变异性信号用于计算至少两个心率变异性参数；基于所述至少两个心率变异性参数确定(1506)所述主体的效价水平；以及从所述激发水平和效价水平导出(1508)所述精神状态。还公开了一种相关的装置。

Description

用于导出主体的精神状态的方法和装置
技术领域
本发明涉及一种用于导出主体的精神状态的方法和装置。
背景技术
情绪激发是对我们周围不断变化的条件的人体的自然反应。在压力激发面前，人体本能地产生“逃或战”压力(反应)激素如肾上腺素或皮质醇。分泌压力激素至血流中导致对心率、血压、呼吸以及肌肉机能典型的生理变化。这些变化帮助个体保持专注、精力充沛和警觉使得他/她可以正确地和有效地反应和处理情况。
尽管压力被认为对于日常表现是必要的和有益的，但也知道长期暴露于高水平的压力激素下会增加高血压、免疫抑制、消化不良、抑郁、焦虑症、性欲减退、头痛、记忆力衰退、注意力不集中、学习困难、失眠等的风险。
图1是示出激发水平与表现之间的经验关系的一个示例的曲线图100，其被称为耶基斯—多德森曲线，借由此耶基斯—多德森定律指示出表现随激发水平(arousal level)增加而趋于增加直到某个点并且此后反而减小。研究还发现对于最佳表现不同的任务需要不同的激发水平并且因此耶基斯—多德森曲线的形状可以是高度可变的。对于需要智力的任务，需要较低的激发水平以使能够专注，然而对于需要耐力或毅力的任务，反而需要更高的激发水平以促进积极性。另一个示例在图2中的曲线图200中被示出。对于简单或掌握较好的任务，激发水平和表现之间的关系可以被认为是线性的，其中当激发水平增加时表现提高。但对于复杂的、不熟悉的或困难的任务，激发水平和表现之间的关系是相反的，由此当激发水平增加时表现降低。
根据个体如何对他/她所遇到的情况进行反应和感知，压力典型地被体验为两种不同的形式。正面形式的压力，也被称为积极压力，激发和促进个体实现他的/她的最佳表现。体验该正面压力的个体常常描述他们自己好像“振奋不已”或“亢奋不已”。还认为，为了在他的/她的最佳水平工作，有个体需要体验的理想量的积极压力。积极压力太少个体可能会感觉无聊，然而太多的积极压力可能导致个体轻率行事、做出糟糕的决定以及被拖垮(身体上和精神上二者)。另一方面，负面压力或消极压力经常与个体经历消极情绪如焦虑或担心相关。这种负面压力不期望地降低了表现并且造成如上所述的精神的和身体的弊端。
注意到，健康的心脏典型地具有自然的逐拍心率变化，被称为心率变异性(HRV)。在该变异性之内的模式和节律对于健康和总体幸福度是重要的。研究已经表明，当个体转变至不同的情绪状态，他的/她的心律立即改变。具体地，诸如焦虑和挫败之类的负面情绪(或负效价)与无序和混乱的变化相关。另一方面，诸如冷静和平静之类的正面情绪(或正效价)倾向于示出与呼吸同步的有序节律，其也被称为HRV相干性。因此，能够控制他的/她的HRV相干性的个体可以随后看到改善的认知表现和情绪幸福感。
实际上，因此个体清楚他的/她的情绪状态是重要的，使得可以采取必要的行动以维持他的/她的整体的身体的和精神的幸福感。
目前，心理学家评估情绪幸福感使用的普遍方法典型地涉及面谈、问卷以及参与者自评。然而来自这些测试的结果常常遭受来自观察者和参与者二者的判断错误。其他评估的方法可以包含唾液皮质醇测试，其虽然在检测压力上相当准确，但可能相当麻烦和费时。因此对于个体使用常规方案持续监控他的/她的情绪水平是不可行的，尤其是在很长的一段时间内。
因此本发明的一个目的是解决现有技术的问题中的至少一个和/或提供在本领域有用的选择。
发明内容
根据本发明的第一方面，提供一种用于导出主体的精神状态的方法，所述方法包括：(i)从所述主体接收生物信号；(ii)计算从所述生物信号被导出的至少两个生理参数的相应的统计变差；(iii)基于计算出的所述至少两个生理参数的所述统计变差确定所述主体的激发水平；(iv)从所述生物信号导出时域心率变异性信号用于计算至少两个心率变异性参数；(v)基于所述至少两个心率变异性参数确定所述主体的效价水平(valencelevel)；以及(vi)从所述激发水平和效价水平导出所述精神状态。
所提出的方法的优势在于，使用所述两个心率变异性参数(如LF/HF比和/或峭度值，和/或HRV相干性)使所述主体的精神状态能够更精确地被导出，因此允许所述主体的情绪状态在需求时间段内被跟踪。
优选地，所述至少两个生理参数可以选自于由呼吸率、心率和脉压组成的组。
优选地，接收所述生物信号可以包含接收与所述生物信号的至少五个心动周期有关的数据。
优选地，所述方法可以进一步包括使用所述至少两个心率变异性参数的第一个以确定所述主体的初始效价水平，以及使用所述至少两个心率变异性参数的第二个作为用于校验所述初始效价水平的条件阈值参数以在步骤(v)中获得所述效价水平。
优选地，所述至少两个心率变异性参数可以选自于由所述主体的心率变异性相干性、LF/HF比和峭度值组成的组。
优选地，所述心率变异性相干性可以通过将所述时域心率变异性信号与参考信号相关联而被计算出。
优选地，所述LF/HF比和峭度值可以根据从所述时域心率变异性信号获得的频域信号而被计算出。
优选地，所述频域信号可以通过将所述时域心率变异性信号转换为功率谱密度谱而被获得。
优选地，所述参考信号可以包含代表时域参考信号的正弦波。
优选地，所述数据可以包含所述至少五个心动周期的与每个心动周期的心脏收缩峰、开始时间和结束时间有关的时间间隔。
优选地，所述方法可以进一步包含将机器学习分类器配置为共同地使用计算出的所述统计变差以确定所述激发水平。
优选地，所述机器学习分类器可以包含支持向量机、朴素贝叶斯或k最邻近。
根据本发明的第二方面，提供一种用于导出主体的精神状态的计算机程序，所述计算机程序是可下载至电子设备的并且包含指令集，当被执行时，被设置为控制所述电子设备的处理器：(i)从所述主体接收生物信号；(ii)计算从所述生物信号被导出的至少两个生理参数的相应的统计变差；(iii)基于计算出的所述至少两个生理参数的所述统计变差确定所述主体的激发水平；(iv)从所述生物信号导出时域心率变异性信号用于计算至少两个心率变异性参数；(v)基于所述至少两个心率变异性参数确定所述主体的效价水平；以及(vi)从所述激发水平和效价水平导出所述精神状态。
优选地，所述计算机程序可以是在因特网上可下载的。
根据本发明的第三方面，提供一种被存储于电子设备的存储器中的计算机程序，所述计算机程序具有指令集，当被执行时，被设置为控制所述电子设备的处理器：(i)从主体接收生物信号；(ii)计算从所述生物信号被导出的至少两个生理参数的相应的统计变差；(iii)基于计算出的所述至少两个生理参数的所述统计变差确定所述主体的激发水平；(iv)从所述生物信号导出时域心率变异性信号用于计算至少两个心率变异性参数；(v)基于所述至少两个心率变异性参数确定所述主体的效价水平；以及(vi)从所述激发水平和效价水平导出所述主体的精神状态。
据本发明的第四方面，提供一种用于导出主体的精神状态的装置，所述装置包括：(i)用于从所述主体接收生物信号的接收器；以及(ii)处理器，其用于：(a)计算从所述生物信号被导出的至少两个生理参数的相应的统计变差；(b)基于计算出的所述至少两个生理参数的所述统计变差确定所述主体的激发水平；(c)从所述生物信号导出时域心率变异性信号用于计算至少两个心率变异性参数；(d)基于所述至少两个心率变异性参数确定所述主体的效价水平；以及(e)从所述激发水平和效价水平导出所述精神状态。
优选地，所述装置可以为电子设备的形式。
优选地，所述电子设备可以是电信设备或可穿戴设备。
优选地，所述装置可以包括可穿戴设备和具有接收器的电信设备，并且其中所述可穿戴设备包含用于从所述主体获得所述生物信号的信号感测设备，以及用于确定与所述生物信号有关的数据的数据处理模块，其中所述电信设备的所述接收器被设置为接收所述生物信号的所确定的数据。
优选地，所述电子设备可以包含至少一个LED和一个光电二极管，所述LED被设置为将光发射至所述主体的表面并且所述光电二极管被设置为接收由所述主体的所述表面从所述发射光反射的光，反射光对应于与所述生物信号的所述至少五个心动周期有关的数据。
根据本发明的第五方面，提供一种用于确定主体的效价水平的方法，所述方法包括：(i)从所述主体接收生物信号；(ii)从所述生物信号导出时域心率变异性信号用于计算至少两个心率变异性参数；以及(iii)从所述至少两个心率变异性参数确定所述效价水平。
优选地，所述至少两个心率变异性参数可以选自于由所述主体的心率变异性相干性、LF/HF比和峭度值组成的组。
根据本发明的第六方面，提供一种用于确定主体的激发水平的方法，所述方法包括：(i)从所述主体接收生物信号；(ii)计算从所述生物信号被导出的至少一个生理参数的统计变差；以及(iii)基于计算出的所述至少一个生理参数的所述统计变差确定所述主体的激发水平，其中如果计算出的所述统计变差对应于所述主体的唾液皮质醇中的多于40％的增加，那么所述激发水平被确定为处于有压力的水平。
优选地，接收所述生物信号可以包含接收与所述生物信号的至少五个连续心动周期有关的数据。
优选地，所述数据可以包含所述至少五个心动周期的与每个心动周期的心脏收缩峰、开始时间和结束时间有关的时间间隔。
优选地，所述至少一个生理参数可以包含脉压。
优选地，计算所述至少一个生理参数的所述统计变差可以包含计算所述脉压的所述标准差。
优选地，如果计算出的所述脉压的所述标准差大于阈值，那么所述激发水平可以被确定为处于所述有压力的水平，其中所述阈值在约3.0-12.0mmHg汞柱水平的范围内。
优选地，如果计算出的所述脉压的所述标准差大于阈值，那么所述激发水平可以被确定为处于所述有压力的水平，其中所述阈值在约6.0-10.0mmHg汞柱水平的范围内。
根据本发明的第七方面，提供一种用于导出主体的精神状态的方法，所述方法包括：(i)从所述主体接收生物信号；(ii)计算从所述生物信号被导出的至少两个生理参数的相应的统计变差；以及(iii)基于计算出的所述至少两个生理参数的所述统计变差确定所述主体的激发水平。
优选地，所述至少两个生理参数可以选自于由呼吸率、心率和脉压组成的组。
根据本发明的第八方面，提供一种用于确定主体的激发水平的方法，所述方法包括：(i)从所述主体接收生物信号；(ii)计算从所述生物信号被导出的至少一个生理参数的统计变差；以及(iii)基于计算出的所述至少一个生理参数的所述统计变差确定所述主体的激发水平，其中如果计算出的所述统计变差大于阈值，那么所述激发水平被确定为处于有压力的水平，其中所述阈值在约3.0-12.0mmHg汞柱水平的范围内。
显而易见，与本发明的一个方面有关的特征也可以是可应用于本发明的其他方面的。
参考以下描述的实施例，本发明的这些和其他方面将会变得显而易见并且被阐明。
附图说明
以下参照附图公开本发明的实施例，其中：
图1为根据现有技术的示出激发水平与表现之间的经验关系的第一曲线图；
图2为根据现有技术的示出激发水平与容易任务和困难任务的表现之间的经验关系的第二曲线图；
图3为根据本发明实施例的用于导出主体的精神状态的装置的示意图；
图4为图3的装置的示意方框图；
图5为用于图3的装置的可穿戴设备的LED-PD配置的示意图；
图6为由图1的装置执行的用于确定主体的激发水平的方法的流程图；
图7为PPG信号的图；
图8为示出与精确地比较有压力的情况和无压力的情况有关的相关结果的各种参数的表格；
图9包含图9a至图9c，示出通过使用SVM对激发水平进行分类的改善的结果；
图10为由图1的装置执行的用于确定主体的效价水平的方法的流程图；
图11为示出PSD谱的图；
图12为示出不同情绪分类之间的重叠关系的维恩图；
图13包括图13a和图13b，示出说明了在正常和冷静状态中HRV相干性和峭度值的差异的相应的图；
图14为示出使用不同HRV特征以确定效价水平的方法的维恩图；
图15为由图1的装置执行的用于导出主体的精神状态的方法的流程图；
图16为被用于将不同激发水平和效价水平分类为不同情绪状态的线图；
图17为被用于将不同压力水平和效价水平更详细分类为不同情绪状态的线图；以及
图18为如在有压力的情况和无压力的情况下经验性地获得的与SDPP参数相关的测量到的汞柱水平的表格。
具体实施方式
图3为根据本发明第一实施例的用于导出主体(未示出)的精神状态的装置300(包括可穿戴设备302和电信设备304)的示意图。图4示出装置300的示意图。主体是装置300的使用者。可穿戴设备302是以不同形式可实现的，例如作为手表。当然，将注意到，在其他设想的实施例中，可穿戴设备302还可以是适合被穿戴在使用者的身体的任何部分上的任何其他形式，如他的/她的手臂、耳朵、胸部、手指、脖子或脚。不管怎样，注意到，可穿戴设备302优选地被设置为可便于携带的，例如以手掌大小的形状因子。可穿戴设备302被配置为从(穿戴可穿戴设备302的)使用者获取生理测量值，导出所述用户的精神状态(其也被称为情绪状态)并且然后(有线/无线地)将导出的结果通讯至电信设备304。电信设备304的示例包含移动电话，适合的便携式电子设备，计算设备，如台式计算机、笔记本计算机、平板电脑等。
关于图4，可穿戴设备302包含用于从所述主体获得生物信号的信号感测模块402。在这种情况下，信号感测模块402以在如图5中所示的LED-PD模块500的形式被实施，但不应被解释为限制性的。LED-PD模块500包含LED 502和两个(第一和第二)PD 504a、504b。注意到，术语“PD”代表光电二极管。具体地，对于以手表形式被实施的可穿戴设备302，LED-PD模块500被配置为在反射模式下进行测量。测量基于由LED 502发射/传输至主体的表面(例如手腕，在可穿戴设备302为手表的情况下)的光量，其中部分发射光将随后作为反射光被表面反射。然后该反射光作为主体的生物信号被两个PD 504a、504b检测。也就是说，信号感测模块402因此是光测量传感器。
另外，注意到，装置300还包含其他类型的生理参数传感器(未在图4中被示出)，如可与信号感测模块402结合使用的ECG、EEG、EMG、GSR、温度传感器和/或压力传感器。不同生理参数传感器可以被设置为与可穿戴设备302分离或集成在其内。不同生理参数传感器被配置为获得使用者的各种生理参数(例如体温和GSR)，并且在感测中可以被定位于使用者的身体的相同或不同位置(作为可穿戴设备302)。
可穿戴设备302进一步包含数据处理和计算模块404(以下简称为数据处理模块)，如处理器，其被设置为将由信号感测模块402获取的生物信号接收和处理为输出结果。可穿戴设备302还包含用于向主体显示输出结果的显示单元406。此外，可穿戴设备302包含被设置为有线/无线地将输出结果通讯至电信设备304的有线/无线传输模块408。毋庸置疑，电信设备304包含对应的用于接收与来自可穿戴设备302的输出结果有关的信号的有线/无线接收模块410和用于向主体显示接收到的结果的显示单元412。按照惯例，将注意到，可穿戴设备302和电信设备304的使用者可以是一个相同个体或不同个体，但在本实施例中为了便于解释，假设操作可穿戴设备302和电信设备304的使用者是相同个体。
首先参照图15，其为由图1的装置300执行的用于导出主体的精神状态的方法的流程图1500，在简要概述了所述方法的步骤的概况之后，接着是每个步骤的详细描述。在步骤1502处，主体操作可穿戴设备302以获取其生物信号，而在下一步骤1504处，可穿戴设备302基于获取到的生物信号计算出主体的情绪激发水平。然后在步骤1506处，可穿戴设备302同样基于获取到的生物信号计算出主体的情绪效价水平。注意到，步骤1504和步骤1506的顺序是可互换的，而对在步骤1508处获得的最终结果无影响。最后，在步骤1508处，可穿戴设备302基于计算出的激发水平和效价水平确定和导出主体的精神状态。所导出的精神状态然后由可穿戴设备302以适合的信号的形式传输至电信设备304以被显示给主体他自己。
关于步骤1508，注意到，精神状态(即情绪)通过结合所获得的不同激发水平和效价水平的结果而可被分类为多维空间，并且该多维空间在图16中被示出的线图1600中被描述。特别地，图16中的多维空间的“区域1”1602和“区域2”1604示出：如果主体被分类在两个区域中的任一区域下，那么主体被认为处于有压力的状态。具体地，“区域1”1602代表“消极压力”状态分类而“区域2”1604代表“积极压力”状态分类。另一方面，如果主体被分类在“区域3”1606或“区域4”1608下，那么其被认为处于无压力的状态。“区域3”1606代表“冷静”状态分类而“区域4”1608代表“正常”状态分类。注意到，“区域1”1602和“区域2”1604之间或“区域3”1606和“区域4”1608之间的分类由LF/HF(低频/高频)比确定，其将在下面被详细阐述。另外，为了更精确地定义重叠的情绪，HRV相干性和峭度值也被用于进一步帮助分类。图17示出另一个线图1700，其中前述方法被用于实现将不同激发水平和效价水平分类为更多情绪状态水平的更详细分类，如“生气”、“警惕”、“激动”、“紧张”、“正常”、“快乐”、“沮丧”、“无聊”或“放松”。
上面提到的图15中的方法的步骤1502-1506现在在下面更详细的陈述中相应地描述。
·确定情绪激发水平
现在参照图6，示出一种由图1的装置300执行的用于确定主体的情绪激发水平的方法的流程图600。所以将注意到，图6的方法整体上对应于图15中的方法的步骤1504。图6的方法按照以下步骤被执行。在步骤602处，生物信号从主体被获取，其本质上是图15中的方法的步骤1502。然后在步骤604处，获取到的生物信号被滤波，并且随后在步骤606处将获取到的生物信号划分为多个处理窗口。此外，在下一步骤608处，多个处理窗口(在步骤606处被获得)的相应的统计变差(例如标准差、均值漂移、连续差值的均方根(RMSSD)等)被计算出，其与主体的以下生理参数中的至少任何两个有关：体温、皮肤温度、皮肤电反应(GSR)、呼吸率、心率(HR)和脉压(PP)。例如，HR和PP可以被选择并且HR和PP的相应的标准差(即SDHR和SDPP)被计算出。当然，若需要，多于两个生理参数也可以被用于提高在步骤610处被获得的最终结果的精确度。还注意到，一些生理参数从获取到的生物信号被确定，然而某些其他生理参数从如前所述的生理参数传感器被获得。最后，在步骤610处，基于所选择的至少两个生理参数的计算出的统计变差来计算和确定主体的情绪激发水平。
现在将图6的方法的每个步骤602-610的详细描述在下面陈述。
1.方法的步骤602
在步骤602处，信号采集由可穿戴设备302使用信号感测模块402来执行以获得生物信号，并且在本实施例中，生物信号是包括至少五个心动周期的动脉PPG波形信号700(如在图7中的示例中所述)。也就是说，PPG信号700要包含至少五个心动周期。所述至少五个心动周期也被连续地设置。PPG信号700包含所述至少五个心动周期的与每个心动周期的心脏收缩峰、开始时间和结束时间有关的时间间隔。PPG信号700可以从主体的身体的任何外周部位(如手腕和/或手指)被获取。已经验性地确定出，适合于获取主体的生物信号的精确度可以例如但不限于通过将信号感测模块402配置为使用180秒测量窗口以获得主体的生物信号而被实现。
2.方法的步骤604
获取到的PPG信号700接下来被传到数据处理模块404用于处理和计算。数据处理模块404可以包含预先定义的用于从获取到的PPG信号700中滤除噪声和伪信号(artifact)的数字带通滤波器(未示出)以产生被滤波过的PPG信号(未示出)。
3.方法的步骤606
在步骤606处，被滤波过的PPG信号然后被分割为多个处理窗口以促进后续处理。但当然，若不需要，将被滤波过的PPG信号分割为多个处理窗口在其他实施例中可以不是必须的。在这种情况下，则取而代之的是，整个测量窗口(在步骤602中被用于获取主体的生物信号)的统计变差被计算出。回到本实施例，每个处理窗口被设置为包含至少五个(连续的)心动周期，并且既然在步骤602中描述了PPG信号700要包含被连续地设置的至少五个心动周期，因而这意味着存在由步骤606得来的最小的一个处理窗口。处理窗口的大小被定义为所述窗口的指定持续时间，但其要被理解为示例，因此不能被解释为唯一可能的定义。例如，关于计算主体的SDPP和SDHR，已确定适合于计算SDPP和SDHR的精确度可以例如但不限于通过利用根据特定精确度需求的预先确定的约30秒的窗口大小而被实现。在分割过程中每个处理窗口的大小还可以被适应性地配置使得更多的心动周期(即多于五个)被包含在每个处理窗口中以确保结果的高精确度。
4.方法的步骤608
对于步骤608，如所提到的，多个处理窗口(在步骤606处被获得)的相应的统计变差(例如标准差、均值漂移、连续差值的均方根(RMSSD)等)被计算出，其与主体的以下生理参数中的至少任何两个有关：体温、皮肤温度、皮肤电反应(GSR)、呼吸率、心率(HR)和脉压(PP)。例如，HR和PP可以被选择并且HR和PP的相应的标准差(即SDHR和SDPP)被计算出。常规方法被用于计算统计变差，为简洁起见，因此不在此详述。
5.方法的步骤610
在步骤610处，从步骤608被获得的计算出的统计变差(或只是单个统计变差，如果取而代之的是整个测量窗口被用于计算)被提供给机器学习分类器用于分类为不同激发水平。假如要被采用的分类器是使用相同/相似的要被用于使用临床测试结果的分类的参数而被预训练的，那么任何已知的机器学习分类器(如支持向量机(SVM)、朴素贝叶斯、k最近邻(KNN)等)可以被独立/结合用于激发水平的分类。在本实施例中，由于SVM的稳健性和高精度性能，所以SVM被选择作为要被使用的分类器。
如所提到的，脉压可以被选择作为要被使用的生理参数中的一个的示例，并且因为对于有压力的情况和无压力的情况在相关测量值中确定的显著差异，所以SDPP可以被使用。因此，使用SDPP在有压力的情况和无压力的情况之间的更精确的区分是可能的。图8是描述来自被执行的临床研究的参数列表和相应的相关分类表现的表格800。从所述表格800将注意到，对于SDPP所获得的低p值清楚地示出有压力的情况和无压力的情况之间在数值上最显著的差异。
尽管SDHR和SDPP可以被选择(作为示例)用于图6的方法中，然而图9a和图9b示出在每个参数中仍有不能被用于在有压力的情况和无压力的情况之间精确地分类的重叠的数据。为解决该问题,SVM分类器被用于还对重叠种类的数据分类。改善的结果在图9c中被示出，其中所训练的SVM分类器基本上能够区分有压力的情况和无压力的情况。
·确定情绪效价水平
转至图10，其示出由图1的装置300执行的用于确定主体的效价水平的方法的流程图1000。将注意到，图10的方法整体上对应于图15中的方法的步骤1506。图10的方法按照以下步骤被执行。在步骤1002处，生物信号信号被获取，其本质上为图15中的方法的步骤1502。因此，步骤602和1002实际上就是图15的步骤1502。然后在步骤1004处，获取到的生物信号被滤波，并且随后在步骤1006处从获取到的生物信号提取时域心率变异性(HRV)信号。在步骤1008处，主体的HRV相干性通过将HRV信号与参考信号相关联而被计算出。例如，参考信号是代表时域参考信号的正弦波。然后，在步骤1010处，对时域HRV信号执行频域分析(使用快速傅立叶变换(FFT)算法)以导出PSD曲线图以计算至少一个相关的频域参数。至少一个频域参数包含LF/HF(低频/高频)比和峭度值，但在替代实施例中，其他适合的特征也可以被包含。最后，在步骤1012处，基于计算出的HRV相干性、LF/HF比和峭度值确定主体的效价水平(在此情况下)。注意到，HRV相干性、LF/HF比和峭度值还可以被统称为HRV参数/特征。
注意到，经过必要的修改，步骤1004与图6的方法的步骤604(如前所述)是相似的，因此为简洁起见，将不重复解释。现在将图10的方法的随后的步骤1006-1012的详细描述在下面陈述。
1.方法的步骤1006和1008
对于步骤1006和1008，具有公开号WO2014/031082的PCT申请的教导在此全部并入。因此，指引感兴趣的读者至前述PCT申请WO2014/031082获取关于如何从生物信号导出时域HRV信号以随后用于与参考信号相关联以便获得主体的HRV相干性的全部细节。当然，注意到，任何其他已知的用于计算HRV相干性(无论是在时域中还是频域中)的方法也可以被使用，并且不只限于在PCT申请WO2014/031082中被描述的方法。
2.方法的步骤1010
在步骤1010处，通过利用快速傅立叶变换(FFT)算法，时域HRV信号由数据处理模块404转换为功率谱密度(PSD)曲线图，其中PSD的示例曲线图1100被示出在图11中。也就是说，PSD曲线图是从时域HRV信号被获得的频域谱。具体地，PSD曲线图的低频(LF)功率(即0.04-0.15Hz)带和高频(HF)功率(即0.15-0.4Hz)带通过PSD曲线图的数学积分量化，其然后被数据处理模块404用于计算低频功率与高频功率的比(LF/HF)。此外，通过数据处理模块404对PSD曲线图执行谱峭度分析以计算峭度值。
3.方法的步骤1012
注意到，LF/HF比通常被用于区分不同效价水平的情绪。但如图12中的维恩图1200的阴影部分所描述，仍有基于相同LF/HF比值的密切相关的情绪的重叠。除LF/HF比外，HRV相干性也被确定为与(情绪)效价水平密切相关。如图13a和图13b所示，对于PSD的峭度分析，发现峭度值与个体的HRV相干性高度相关。对于本实施例，因此确定HRV相干性、LF/HF比和峭度值的结合分析在确定主体的效价水平中提供了最高的精确度。
所以，在步骤1012处，效价水平从HRV相干性、LF/HF比和峭度值共同地被导出。如所提到的，LF/HF比值典型地表明对应的主体的情绪效价，但注意到，分离密切相关的情绪状态(即参见图16或图17)的边界仍是模糊的。尽管如此，但效价的初始水平仍是可确定的。随后，HRV相干性和峭度值被用于进一步帮助校验初始确定的效价水平是正确的。例如，如果主体处于冷静状态(即高自主平衡)，效价水平由高LF/HF比来表征。为进行例示，参照图14中的维恩图1400，处于正常状态但被确定为具有更高的LF/HF比值的主体可能相反地被误认为处于冷静状态。实际上，通过将HRV相干性和峭度值(无论单独地还是结合的)合并至分析中作为阈值参数(其被与阈值相比较)，则主体是否真正处于冷静状态就可以被进一步校验。按照惯例，注意到阈值是从临床测试经验性地预先确定的。例如，以下不等式组可以被用于确定计算出的效价水平是否落在正常区域内：如果“计算出的LF/HF>X”、“计算出的峭度<A”并且“计算出的HRV相干性<B”，则“效价水平＝正常”，其中变量“A”和变量“B”代表预先确定的阈值，而“X”只代表预先确定的值。
下面将描述其余的配置。为简洁起见，不重复描述在不同配置间共同的相似元件、功能和操作；取而代之的是参考相关的一个或多个配置的相似部分。
在第二实施例中，装置300自身可以被实施为单个等效电子设备而不是两个分离的设备(即可穿戴设备302和电信设备304)，其中可穿戴设备302和电信设备304被(硬件)集成并且被配置为执行在第一实施例中被描述的所有相同功能。此外，图15的流程图1500中的所有步骤1502-1508(其因而还包含图6的流程图600中的步骤602-612和图10的流程图1000中的步骤1002-1012)可以被实施为在因特网上可下载用于存储在所述电子设备的存储器上的计算机程序产品。换句话说，如果图15的方法有改进，则电子设备也可以随这些改进通过所下载的计算机程序产品而被升级(根据需要并且当需要时)。
在第三实施例中，图15的流程图150中的所有步骤1502-1508可以由可以是电信设备304(而不是可穿戴设备302)的一个电子设备或其他设想的适合的电子设备来执行。换句话说，设想各种模块——信号感测模块402、数据处理模块404可以形成相同电子设备的部分，其可能作为电信设备304的一部分。结果，在这样的配置中对于有线/无线传输模块408或有线/无线接收模块410不再有任何需要。毋庸置疑，单个电子设备还可以被实现为要被穿在主体的身体上的可穿戴感测设备。
在第四实施例中，如果确定(例如)电信设备304的数据处理模块拥有高于可穿戴设备302的处理能力的处理能力，那么图15中的方法的步骤1504-1508可以替代地由电信设备304的数据处理模块(未示出)而不是可穿戴设备302执行，但这不应被解释为限制性的。此外，根据受装置300的使用者影响的期望配置，图15的步骤1504-1508的执行还可以被动态地在电信设备304的数据处理模块和可穿戴设备302的数据处理模块404之间分配。总之，通过图15的方法(其由所提出的图3的装置300执行)，主体的效价水平从其HRV信号被获得。在该过程中HRV信号的时域和频域二者都被利用。具体地，主体的HRV相干性从时域被确定。而且，PSD曲线图通过将HRV信号从时域转换到频域而被获得。由此，LF/HF比和峭度值从PSD曲线图被导出。随后，主体的效价水平通过结合分析HRV相干性、LF/HF比和峭度值而被确定。另外，相同主体的情绪激发水平也从主体的心率和脉压的统计变差而被确定。但如前所述，来自体温、皮肤温度、皮肤电反应(GSR)、呼吸率的组中的任何其他两个生理参数也是可选择的。基于(例如)测量出的心率和脉压的统计变差，已被训练为使用前面相同参数对不同激发水平进行分类的机器学习分类器(例如SVM)被用于确定主体的激发水平。因此，基于所确定的主体的效价水平和激发水平，使用者的精神状态被导出。
在第五实施例中，在图6的方法的步骤610处，替代地使用了将计算出的统计变差(从步骤608被获得)提供给机器学习分类器用于分类为不同的激发水平的替代方案。具体地，图18是与基于临床研究使用唾液皮质醇作为压力条件的指标与分类表现有关的如在有压力的情况和无压力的情况下经验性地获得的与SDPP参数相关的测量出的汞柱水平的表格1800。根据研究结果，相比于无压力的条件(即参见图18中的图例标签：“1-休息”和“3-恢复”)，测试主体的脉压(PP)的标准差被观察到在与唾液皮质醇中多于40％(即>40％)的增加相对应的有压力的条件中(即参见图18中的图例标签：“2-精神压力测试”)更高。特别地，注意到，对于SDPP，唾液皮质醇中多于40％(即>40％)的增加经验性地对应于测量出的约3.0-12.0mmHg汞柱水平的截止阈值范围，并且更具体地，那个范围可以进一步在约6.0-10.0mmHg汞柱水平的范围内。优选地，如果必要，约8.0mmHg汞柱水平的截止阈值可以有益地被用作为精确的指标。所以，在本实施例中使用所述截止阈值因此不需要机器学习分类器。
然后参考图16，如果在主体的唾液皮质醇中有测量到的>40％的增加，那么意味着所确定的主体的激发水平从“区域4”1608移动到“区域1”1602。因此，良好的关联结果示出PP可以充当用于压力的唾液皮质醇测试的良好的替代参数。因此，在本实施例中，压力(的出现)被定义为对应于在唾液皮质醇中检测到的>40％的增加。根据前面的陈述，可以大体上概括，如果计算出的至少一个生理参数(例如PP)的统计变差对应于主体的唾液皮质醇中多于40％的增加，那么主体的激发水平被确定为处于有压力的水平。而且，可以认为具有相同效果的是，如果计算出的统计变差大于阈值，则激发水平被确定为处于有压力的水平，其中阈值在约3.0-12.0mm Hg汞柱水平的范围内。例如，阈值可以是约8.0mmHg汞柱水平。具体地，计算出的脉压的标准差被确定为对应于约3.0-12.0mmHg汞柱水平的范围，以确定激发水平处于有压力的水平(即在唾液皮质醇中>40％的增加)。更优选地，在这种情况下，计算出的脉压的标准差被确定为对应于约8.0mmHg汞柱水平的阈值。而且，再次重申，图6的方法600可以不依赖图15的方法1500而被实施。此外，如果必要，图1的装置300还可以被配置为提供独立的所确定的激发水平的读出(即通过可穿戴设备302的显示单元406)。
·应用
所提出的装置300有益地为个体提供跟踪方案以在期望的时间段内跟踪其情绪状态(其中装置300可以被编程为实现在那个时间段自动跟踪)。这使个体能够识别可以对其造成情绪变化的情况，使得个体能够学会在将来将那些情况处理得更好。时间段可配置为个体想要的任何持续时间，例如过去的一小时或过去24小时、过去7天或过去1个月。在需求时间段内，由装置300从跟踪产生的数据可以以文本或图形格式(如被显示为柱状图或饼形图的趋势)被呈现给个体。
而且，所提出的装置300可以将生物反馈、训练或干预提供给个体以帮助管理压力或提高至健康的精神状态中的一种。如在具有公开号WO2014/031082的PCT申请中被教导的一个示例是使用呼吸训练以提高HRV相干性。简单来说，可穿戴设备302还可以包含音频输出模块(例如以扬声器的形式)，其中用于呼吸训练的指令通过显示单元406和音频输出模块给予使用者。当然，用于呼吸训练的指令还可以通过电信设备304或任何其他适合的外部设备被管理。其他示例包含配置音频/视觉刺激(通过装置300起作用)以帮助个体放松，和/或使用干预(类似地通过装置300起作用)，如产生振动、警报和/或邮件以警告个体持续暴露在压力下。
此外，装置300能够帮助监控和改变情绪，并且如将注意到的那样，因而在情绪对关注中的情况的结果起到重要作用的情况下尤其有用。因为不同任务需要不同情绪激发水平和情绪效价水平，所以使用装置300允许个体更容易地和故意地改变其情绪使得其相关任务的表现可以被大大提高。例如，通过使用装置300可以帮助工作的成人/学生在其认为妨碍其相关表现(如注意力水平或创造性思考)的任何时候检测和减小他们的激发水平。类似地，公司可以使用所提出的装置300以帮助监控其员工的情绪状态，如特定员工是否面临像精力耗尽或缺乏动机(即低激发)去执行好他的/她的工作的一个或多个的问题，并且相应地确定是否需要补救措施以帮助那个员工。
再例如，在医患关系设定下，患者也可以使用装置300以监控和管理他的/她的情绪，而为了做出更好的诊断用于有效治疗，医师可以在一段时间内有益地跟踪患者的情绪状态和/或与其他行为数据(如活动和睡眠跟踪数据)相关联。
所提出的装置300还可以有益地应用于体育界。虽然精神亢奋(即正面地激发的)以在比赛中取得最佳表现对于运动员是重要的，但如果运动员正尝试学习/掌握新技巧/技术却完全是另一回事，其中冷静的头脑(即低激发和正面效价)更为有益。另一方面，对于教练来说，能够分析其运动员的情绪状态和趋势可以对了解所进行的训练的效果有用也可以帮助教练选择适合的运动员参加比赛。
作为对比，虽然有很多使得使用者能够测量其自己的情绪水平的常规的设备，然而不同于所提出的图3的装置300，这些设备中的大多数基于仅通过单个通用参数(如HRV)的测量。因此，存在于常规解决方案中的知识缺口被图3的装置300有利地解决了，其有目的地利用生理参数和情绪状态之间的复杂关系以准确确定个体的情绪幸福感。
虽然本发明已经在附图和前面的描述中被详细示出和描述，但认为这样的示出和描述是示意性的或示例性的而非限制性的；本发明不限于所公开的实施例。本领域技术人员在实践要求保护的发明时可以理解和实现所公开的实施例的其它变型。例如，图5的LED-PD模块500可以可选地还包含与一个或多个PD配对的多个类似的LED 502。也就是说，LED-PD模块500的基本配置包含至少一个LED和一个PD。另外，对于图10中的方法，不同于LF/HF比和峭度值，至少一个阈值也可以包含其他适合的参数的组合。此外，在某些实施例中，可以仅使用LF/HF比或者峭度值与HRV相干性一起用于导出效价水平，即使获得的结果可能不太准确。此外，若需要，LF/HF比或峭度值或HRV相干性中只有一个可以被用于导出效价水平。而且，在图6的步骤608处，通过平均所有计算出的多个处理窗口的统计变差，平均统计变差可以可替选地被获得。然后，该平均统计变差(在步骤610处)被提供给机器学习分类器用于分类为不同激发水平。
此外，为了导出效价水平，至少任何两个HRV参数可以选自于由HRV相干性、LF/HF比、峭度值和其他可以被用在某些实施例中的适合的参数组成的组。在这种情况下，所选择的两个HRV参数的第一个可以被用于确定主体的初始效价水平，并且然后所选择的两个HRV参数的第二个可以被用作为用于校验初始效价水平的条件阈值参数以获得最终效价水平(在图10的步骤1012处)。例如，HRV相干性被用于(例如替代LF/HF)定义初始效价，而峭度值和/或LF/HF比被用作为条件阈值以进一步帮助校验。在另一个示例中，LF/HF比被用于定义初始效价，而只有峭度值被用作为用于校验的条件阈值。

Claims (32)

1.一种用于导出主体的精神状态的方法，所述方法包括：
(i)从所述主体接收生物信号；
(ii)计算从所述生物信号被导出的至少两个生理参数的相应的统计变差；
(iii)基于计算出的所述至少两个生理参数的所述统计变差确定所述主体的激发水平；
(iv)从所述生物信号导出时域心率变异性信号以用于计算至少两个心率变异性参数；
(v)基于所述至少两个心率变异性参数确定所述主体的效价水平；以及
(vi)从所述激发水平和效价水平导出所述精神状态。
2.根据权利要求1所述的方法，其中，所述至少两个生理参数选自于由呼吸率、心率和脉压组成的组。
3.根据前述权利要求中任一项所述的方法，其中，接收所述生物信号包含接收与所述生物信号的至少五个心动周期有关的数据。
4.根据前述权利要求中任一项所述的方法，进一步包括使用所述至少两个心率变异性参数的第一个以确定所述主体的初始效价水平，以及使用所述至少两个心率变异性参数的第二个作为用于校验所述初始效价水平的条件阈值参数以在步骤(v)中获得所述效价水平。
5.根据前述权利要求中任一项所述的方法，其中，所述至少两个心率变异性参数选自于由所述主体的心率变异性相干性、LF/HF比和峭度值组成的组。
6.根据权利要求5所述的方法，其中，所述心率变异性相干性通过将所述时域心率变异性信号与参考信号相关联而被计算出。
7.根据权利要求5所述的方法，其中，所述LF/HF比和峭度值根据从所述时域心率变异性信号获得的频域信号而被计算出。
8.根据权利要求7所述的方法，其中，所述频域信号通过将所述时域心率变异性信号转换为功率谱密度谱而被获得。
9.根据权利要求6所述的方法，其中，所述参考信号包含代表时域参考信号的正弦波。
10.根据权利要求3所述的方法，其中，所述数据包含所述至少五个心动周期的与每个心动周期的心脏收缩峰、开始时间和结束时间有关的时间间隔。
11.根据前述权利要求中任一项所述的方法，进一步包含将机器学习分类器配置为共同地使用计算出的所述统计变差以确定所述激发水平。
12.根据权利要求11所述的方法，其中，所述机器学习分类器包含支持向量机、朴素贝叶斯或k最邻近。
13.一种用于导出主体的精神状态的计算机程序，所述计算机程序是可下载至电子设备的并且包含指令集，当被执行时，被设置为控制所述电子设备的处理器：
(i)从所述主体接收生物信号；
(ii)计算从所述生物信号被导出的至少两个生理参数的相应的统计变差；
(iii)基于计算出的所述至少两个生理参数的所述统计变差来确定所述主体的激发水平；
(iv)从所述生物信号导出时域心率变异性信号以用于计算至少两个心率变异性参数；
(v)基于所述至少两个心率变异性参数确定所述主体的效价水平；以及
(vi)从所述激发水平和效价水平导出所述精神状态。
14.根据权利要求13所述的计算机程序，其中，所述计算机程序是在因特网上可下载的。
15.一种被存储于电子设备的存储器中的计算机程序，所述计算机程序具有指令集，当被执行时，被设置为控制所述电子设备的处理器：
(i)从主体接收生物信号；
(ii)计算从所述生物信号被导出的至少两个生理参数的相应的统计变差；
(iii)基于计算出的所述至少两个生理参数的所述统计变差确定所述主体的激发水平；
(iv)从所述生物信号导出时域心率变异性信号以用于计算至少两个心率变异性参数；
(v)基于所述至少两个心率变异性参数确定所述主体的效价水平；以及
(vi)从所述激发水平和效价水平导出所述主体的精神状态。
16.一种用于导出主体的精神状态的装置，所述装置包括：
(i)用于从所述主体接收生物信号的接收器；以及
(ii)处理器，其用于：
(a)计算从所述生物信号被导出的至少两个生理参数的相应的统计变差；
(b)基于计算出的所述至少两个生理参数的所述统计变差确定所述主体的激发水平；
(c)从所述生物信号导出时域心率变异性信号以用于计算至少两个心率变异性参数；
(d)基于所述至少两个心率变异性参数确定所述主体的效价水平；以及
(e)从所述激发水平和效价水平导出所述精神状态。
17.根据权利要求16所述的装置，其中，所述装置为电子设备的形式。
18.根据权利要求17所述的装置，其中，所述电子设备是电信设备或可穿戴设备。
19.根据权利要求18所述的装置，其中，所述装置包括可穿戴设备和具有接收器的电信设备；并且其中所述可穿戴设备包含用于从所述主体获得所述生物信号的信号感测设备，以及用于确定与所述生物信号有关的数据的数据处理模块，其中所述电信设备的所述接收器被设置为接收所述生物信号的所确定的数据。
20.根据权利要求17或18任一项所述的装置，其中，所述电子设备包含至少一个LED和一个光电二极管，所述LED被设置为将光发射至所述主体的表面并且所述光电二极管被设置为接收由所述主体的所述表面从发射光反射的光，所述反射光对应于与所述生物信号的所述至少五个心动周期有关的数据。
21.一种用于确定主体的效价水平的方法，所述方法包括：
(i)从所述主体接收生物信号；
(ii)从所述生物信号导出时域心率变异性信号以用于计算至少两个心率变异性参数；以及
(iii)从所述至少两个心率变异性参数确定所述效价水平。
22.根据权利要求21所述的方法，其中，所述至少两个心率变异性参数选自于由所述主体的心率变异性相干性、LF/HF比和峭度值组成的组。
23.一种用于确定主体的激发水平的方法，所述方法包括：
(i)从所述主体接收生物信号；
(ii)计算从所述生物信号被导出的至少一个生理参数的统计变差；以及
(iii)基于计算出的所述至少一个生理参数的统计变差确定所述主体的激发水平，
其中如果计算出的所述统计变差对应于所述主体的唾液皮质醇中的多于40％的增加，那么所述激发水平被确定为处于有压力水平。
24.根据权利要求23所述的方法，其中，接收所述生物信号包含接收与所述生物信号的至少五个连续心动周期有关的数据。
25.根据权利要求24所述的方法，其中，所述数据包含所述至少五个心动周期的与每个心动周期的心脏收缩峰、开始时间和结束时间有关的时间间隔。
26.根据权利要求23-25中任一项所述的方法，其中，所述至少一个生理参数包含脉压。
27.根据权利要求26所述的方法，其中，计算所述至少一个生理参数的所述统计变差包含计算所述脉压的所述标准差。
28.根据权利要求27所述的方法，其中，如果计算出的所述脉压的所述标准差大于阈值，那么所述激发水平被确定为处于所述有压力水平，其中所述阈值在约3.0-12.0mmHg汞柱水平的范围内。
29.根据权利要求28所述的方法，其中，如果计算出的所述脉压的所述标准差大于阈值，那么所述激发水平被确定为处于所述有压力水平，其中所述阈值在约6.0-10.0mmHg汞柱水平的范围内。
30.一种用于导出主体的精神状态的方法，所述方法包括：
(i)从所述主体接收生物信号；
(ii)计算从所述生物信号被导出的至少两个生理参数的相应的统计变差；以及
(iii)基于计算出的所述至少两个生理参数的所述统计变差确定所述主体的激发水平。
31.根据权利要求30所述的方法，其中，所述至少两个生理参数选自于由呼吸率、心率和脉压组成的组。
32.一种用于确定主体的激发水平的方法，所述方法包括：
(i)从所述主体接收生物信号；
(ii)计算从所述生物信号被导出的至少一个生理参数的统计变差；以及
(iii)基于计算出的所述至少一个生理参数的所述统计变差确定所述主体的激发水平，
其中如果计算出的所述统计变差大于阈值，那么所述激发水平被确定为处于有压力水平，其中所述阈值在约3.0-12.0mmHg汞柱水平的范围内。
CN201580076908.3A 2014-12-30 2015-12-23 用于导出主体的精神状态的方法和装置 Active CN107427267B (zh)

Applications Claiming Priority (3)

Application Number Priority Date Filing Date Title
SGPCT/SG2014/000622 2014-12-30
SG2014000622 2014-12-30
PCT/SG2015/050500 WO2016108754A1 (en) 2014-12-30 2015-12-23 Method and apparatus for deriving a mental state of a subject

Publications (2)

Publication Number Publication Date
CN107427267A true CN107427267A (zh) 2017-12-01
CN107427267B CN107427267B (zh) 2021-07-23

Family

ID=56284754

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201580076908.3A Active CN107427267B (zh) 2014-12-30 2015-12-23 用于导出主体的精神状态的方法和装置

Country Status (9)

Country Link
US (2) US11076788B2 (zh)
EP (1) EP3240481A4 (zh)
JP (2) JP6903579B2 (zh)
KR (1) KR20170109554A (zh)
CN (1) CN107427267B (zh)
AU (1) AU2015372661B2 (zh)
NZ (1) NZ732929A (zh)
SG (1) SG11201704941SA (zh)
WO (1) WO2016108754A1 (zh)

Families Citing this family (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US10732722B1 (en) 2016-08-10 2020-08-04 Emaww Detecting emotions from micro-expressive free-form movements
EP3409205A1 (en) * 2017-05-30 2018-12-05 Koninklijke Philips N.V. Device, system and method for determining an emotional state of a user
JP6710474B2 (ja) * 2017-09-21 2020-06-17 日本電信電話株式会社 コルチゾール濃度推定装置、コルチゾール濃度推定方法、及びプログラム
JP6621453B2 (ja) * 2017-09-21 2019-12-18 日本電信電話株式会社 性ホルモン濃度推定装置、性ホルモン濃度推定方法、及びプログラム
JP7058383B2 (ja) * 2017-10-02 2022-04-22 日本電気株式会社 情動判定装置、情動判定方法、及びプログラム
WO2019075522A1 (en) * 2017-10-19 2019-04-25 Medibio Limited RISK INDICATOR
KR102142183B1 (ko) * 2018-04-30 2020-08-06 한국과학기술원 사용자의 심리활동과 생체신호에 기반한 감정 추정 방법 및 그 시스템
KR102574087B1 (ko) 2018-07-27 2023-09-04 삼성전자주식회사 광 센서, 광 센서 어레이, 생체 신호 측정 장치 및 방법
CN109157230A (zh) * 2018-08-06 2019-01-08 广州杰赛科技股份有限公司 心理压力检测方法和系统、计算机设备、计算机存储介质
CN111184521B (zh) * 2020-01-20 2023-01-06 北京津发科技股份有限公司 一种压力识别手环
WO2022137497A1 (ja) * 2020-12-25 2022-06-30 日本電気株式会社 生体測定装置、生体測定方法、およびプログラム

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2003061921A (ja) * 2001-08-30 2003-03-04 Mitsuba Corp 体調判別方法および体調判別装置
CN101708121A (zh) * 2009-07-15 2010-05-19 香港中文大学 耳挂式低功耗生理参数监测装置
CN102551699A (zh) * 2010-12-09 2012-07-11 美国西门子医疗解决公司 非侵入性心输出量确定的系统
WO2014063160A1 (en) * 2012-10-19 2014-04-24 Basis Science, Inc. Detection of emotional states
US20140221866A1 (en) * 2010-06-02 2014-08-07 Q-Tec Systems Llc Method and apparatus for monitoring emotional compatibility in online dating

Family Cites Families (19)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US8932227B2 (en) * 2000-07-28 2015-01-13 Lawrence A. Lynn System and method for CO2 and oximetry integration
JPH1119076A (ja) * 1997-07-07 1999-01-26 Pola Chem Ind Inc 香りの抗ストレス効果の測定法
JP3108765B2 (ja) * 1999-03-24 2000-11-13 工業技術院長 慢性ストレス判定方法及びその装置、記録媒体、判定シート
US7689437B1 (en) 2000-06-16 2010-03-30 Bodymedia, Inc. System for monitoring health, wellness and fitness
JP2002112969A (ja) 2000-09-02 2002-04-16 Samsung Electronics Co Ltd 身体及び感情状態の認識装置及び方法
JP2005305132A (ja) * 2004-03-24 2005-11-04 Matsushita Electric Ind Co Ltd 機器操作器、表示器、環境制御システムおよびプログラム
JP4081686B2 (ja) * 2004-07-05 2008-04-30 ソニー株式会社 生体情報の処理装置および映像音響再生装置
JP3931895B2 (ja) 2004-07-29 2007-06-20 株式会社デンソー 生体情報表示装置
EP1871219A4 (en) 2005-02-22 2011-06-01 Health Smart Ltd METHODS AND SYSTEMS FOR PSYCHOPHYSIOLOGICAL AND PHYSIOLOGICAL CONTROL AND USES THEREOF
US8700009B2 (en) * 2010-06-02 2014-04-15 Q-Tec Systems Llc Method and apparatus for monitoring emotion in an interactive network
US20130245396A1 (en) * 2010-06-07 2013-09-19 Affectiva, Inc. Mental state analysis using wearable-camera devices
WO2011156272A1 (en) 2010-06-07 2011-12-15 Affectiva,Inc. Mental state analysis using web services
JP6101684B2 (ja) 2011-06-01 2017-03-22 コーニンクレッカ フィリップス エヌ ヴェＫｏｎｉｎｋｌｉｊｋｅ Ｐｈｉｌｉｐｓ Ｎ．Ｖ． 患者を支援する方法及びシステム
JP5828111B2 (ja) * 2011-07-28 2015-12-02 パナソニックＩｐマネジメント株式会社 心理状態評価装置、心理状態評価システムおよびプログラム
EP2559377B1 (de) * 2011-08-17 2019-09-11 BIOTRONIK SE & Co. KG Verfahren und implantierbares medizinisches system zum monitoring von atemparametern sowie ein entsprechendes computerprogramm und ein entsprechendes computerlesbares speichermedium
US9168020B2 (en) 2012-08-13 2015-10-27 Fujitsu Limited Frequency domain analysis transform of renal blood flow doppler signal to determine stress levels
WO2014031082A1 (en) 2012-08-23 2014-02-27 Nitto Denko Corporation Method and device for quantifying heart rate variability (hrv) coherence
JP6117552B2 (ja) * 2012-12-28 2017-04-19 株式会社Kri 生活習慣病判定支援装置および生活習慣病判定支援システム
US20150112208A1 (en) * 2013-10-23 2015-04-23 Quanttus, Inc. Medication management

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2003061921A (ja) * 2001-08-30 2003-03-04 Mitsuba Corp 体調判別方法および体調判別装置
CN101708121A (zh) * 2009-07-15 2010-05-19 香港中文大学 耳挂式低功耗生理参数监测装置
US20140221866A1 (en) * 2010-06-02 2014-08-07 Q-Tec Systems Llc Method and apparatus for monitoring emotional compatibility in online dating
CN102551699A (zh) * 2010-12-09 2012-07-11 美国西门子医疗解决公司 非侵入性心输出量确定的系统
WO2014063160A1 (en) * 2012-10-19 2014-04-24 Basis Science, Inc. Detection of emotional states

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
MICHAEL TRAPP等: "Impact of Mental and Physical Stress on Blood Pressure and Pulse Pressure under Normobaric versus Hypoxic Conditions", 《PLOS ONE》 *
NORIYASU TAKAI等: "Effect of psychological stress on the salivary cortisol and amylase levels in healthy young adults", 《ARCHIVES OF ORAL BIOLOGY》 *

Also Published As

Publication number Publication date
AU2015372661B2 (en) 2021-04-01
EP3240481A4 (en) 2018-11-21
AU2015372661A1 (en) 2017-07-06
CN107427267B (zh) 2021-07-23
KR20170109554A (ko) 2017-09-29
JP7191159B2 (ja) 2022-12-16
WO2016108754A1 (en) 2016-07-07
NZ732929A (en) 2022-04-29
JP2021154150A (ja) 2021-10-07
JP6903579B2 (ja) 2021-07-14
JP2018504188A (ja) 2018-02-15
US20210321924A1 (en) 2021-10-21
EP3240481A1 (en) 2017-11-08
US20170340257A1 (en) 2017-11-30
US11076788B2 (en) 2021-08-03
SG11201704941SA (en) 2017-07-28

Similar Documents

Publication Publication Date Title
CN107427267A (zh) 用于导出主体的精神状态的方法和装置
Schmidt et al. Wearable-based affect recognition—A review
Schmidt et al. Introducing wesad, a multimodal dataset for wearable stress and affect detection
Can et al. Stress detection in daily life scenarios using smart phones and wearable sensors: A survey
Delmastro et al. Cognitive training and stress detection in mci frail older people through wearable sensors and machine learning
Can et al. Personal stress-level clustering and decision-level smoothing to enhance the performance of ambulatory stress detection with smartwatches
Akmandor et al. Keep the stress away with SoDA: Stress detection and alleviation system
Schmidt et al. Wearable affect and stress recognition: A review
US9833184B2 (en) Identification of emotional states using physiological responses
Rehg et al. Mobile health
Chakraborty et al. A multichannel convolutional neural network architecture for the detection of the state of mind using physiological signals from wearable devices
CN107438398A (zh) 移动式可穿戴的监控系统
Beh et al. MAUS: A dataset for mental workload assessmenton N-back task using wearable sensor
CN109715049A (zh) 用于创伤性脑损伤的多模态生理刺激和评估的协议和签名
Amira et al. Monitoring chronic disease at home using connected devices
Ribeiro et al. A New Intelligent Approach for Automatic Stress Levels Assessment based on Multiple Physiological Parameters Monitoring
US20240090807A1 (en) Wearable device and method for stress detection, emotion recognition and emotion management
Maier et al. A mobile solution for stress recognition and prevention
Rincon et al. Intelligent wristbands for the automatic detection of emotional states for the elderly
Borthakur et al. Fuzzy C-means clustering and sonification of HRV features
Gjoreski Continuous stress monitoring using a wrist device and a smartphone
Schmidt Wearable-based affect recognition
Li Mobile sensing based human stress monitoring for smart health applications
JUSTINO MACHINE LEARNING MODELS FOR MENTAL STRESS CLASSIFICATION BASED ON MULTIMODAL BIOSIGNAL INPUT
Dai Smart Sensing and Clinical Predictions with Wearables: From Physiological Signals to Mental Health

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant