CN113438926A - 一种信息处理装置、信息处理方法和系统 - Google Patents

Abstract

本发明提供了一种信息处理装置。该信息处理装置包括：存储单元，用于存储表示自主神经指标值与脑功能的作用程度之间的关系的脑功能信息；获取单元，用于获取测量对象用户的自主神经指标值；判定单元，用于通过将由获取单元获取的用户自主神经指标值与脑功能信息进行比较来判定用户的脑功能的作用程度；以及输出单元，用于输出由判定单元判定的关于用户的脑功能的作用程度的信息。

Description

一种信息处理装置、信息处理方法和系统

优先权说明

本申请是根据2019年6月25日提交的日本专利申请No.2019-117207提出的，此处引用其内容。

技术领域

本发明涉及一种信息处理装置、信息处理方法和系统。

背景技术

已知自主神经包括交感神经和副交感神经，交感神经主要在起床和紧张时发挥作用，副交感神经主要在睡觉和放松时发挥作用，两者在保持平衡的同时发挥作用，调节生理功能。专利文献1公开了利用自主神经的作用测量用户疲劳的技术。

现有技术利文献1：专利公布2010-201113号公报。

发明内容

因此，通过分析自主神经功能可以测量用户的疲劳，但如果通过分析自主神经功能也可以测量疲劳以外的状态，那么用户就可以更加客观地了解自身的状态。

所以，本发明的目的是提供一种基于自主神经指标来评估用户脑功能状态的技术。提供以下技术方案：

根据本发明的一个实施例的信息处理装置包括：存储单元，用于存储表示自主神经指标值与脑功能的作用程度之间的关系的脑功能信息；获取单元，用于获取测量对象用户的自主神经指标值；判定单元，用于通过将由获取单元获取的用户自主神经指标值与脑功能信息进行比较来判定用户的脑功能的作用程度；以及输出单元，用于输出由判定单元判定的关于用户的脑功能的作用程度的信息。

一种信息处理装置，包括以下单元：

存储单元，用于存储表示自主神经指标值与脑功能的作用程度之间的关系的脑功能信息；

获取单元，用于获取测量对象用户的自主神经指标值；

判定单元，用于通过将由所述获取单元获取的所述用户自主神经指标值与所述脑功能信息进行比较来判定所述用户的脑功能的作用程度；

输出单元，用于输出由所述判定单元判定的关于所述用户的脑功能的作用程度的信息。

进一步地，所述脑功能信息是通过统计分析从多个受试者获得的自主神经指标值和从多个受试者获得的用于测量脑功能作用的测试结果而生成。

进一步地，所述脑功能的作用程度是所述用户执行指定工作时的理解力和/或记忆力的程度；

所述自主神经指标值，是在用户执行所述指定工作之前或执行指定工作期间测量的、表示交感神经功能的指标；

所述判断单元判定当所述用户执行所述指定工作时关于所述指定工作的理解能力和/或记忆力的程度；

所述输出单元输出当所述用户执行所述指定工作时关于所述指定工作的理解能力和/或记忆力的程度的信息。

进一步地，所述脑功能的作用程度是所述用户执行指定工作时的注意力程度；

所述自主神经指标值是所述用户执行所述指定工作时测量的、表示副交感神经功能的指标或表示交感神经功能与副交感神经功能之间的平衡性的指标；

所述判定单元判定当所述用户执行所述指定工作时所述用户对所述指定工作的注意力程度；

所述输出单元输出当所述用户执行所述指定工作时对所述指定工作的注意力程度的信息。

进一步地，所述脑功能信息按年龄存储自主神经指标值与脑功能作用程度之间的关系；

所述获取单元获取用户的年龄；

所述判定单元将由所述获取单元获取的所述用户的自主神经指标值与所述用户的年龄和所述脑功能信息进行比较，以判定所述用户的脑功能作用程度。

进一步地，所述脑功能信息存储自主神经指标值的偏差值与脑功能的作用程度之间的关系；

所述获取单元获取基于所述用户的生物信息和用户的年龄计算所得的所述用户的自主神经指标值的偏差值；

所述判定单元将由所述获取单元获取的所述用户的自主神经指标值的偏差值与脑功能信息进行比较，以确定所述用户的脑功能的作用程度。

一种由信息处理装置执行的信息处理方法，包括以下步骤：

获取步骤，获取测量对象用户的自主神经指标值；

判定步骤，将在所述获取步骤中获取的所述用户的自主神经指标值，与表示自主神经指标值与脑功能的作用程度之间的关系的脑功能信息进行比较，以判定所述用户的脑功能的作用程度；

输出步骤，输出在所述判定步骤中判定的所述用户的脑功能的作用程度的信息。

一种计算机执行系统，包括以下步骤：

获取步骤，获取测量对象用户的自主神经指标值；

判定步骤，将在所述获取步骤中获取的所述用户的自主神经指标值，与表示自主神经指标值与脑功能的作用程度之间的关系的脑功能信息进行比较，以判定所述用户的脑功能的作用程度；

输出步骤，输出在所述判定步骤中判定的所述用户的脑功能的作用程度的信息。

根据本发明，可以提供一种基于自主神经指标来评估用户脑功能状态的技术。

附图说明

为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图：

图1为本发明实施例中的信息处理系统的构成示意图。

图2为生物信息获取装置示意图。

图3为表示判定装置执行的处理步骤示例的流程示意图。

图4为选假名考试中出现的问题示意图。

图5为考察内容理解程度的考试示意图。

图6为用于说明实验结果的示意图。

图7为用于说明实验结果的示意图。

图8为用于说明实验结果的示意图。

图9为用于说明实验结果的示意图。

图10为用于说明实验结果的示意图。

图11为用于说明实验结果的示意图。

具体实施方式

下面结合附图对本发明方面做进一步详细说明。在每个图中，标记为相同符号的部分表示具有相同或类似的结构。

<系统配置>

图1为本发明实施例中的信息处理系统100的构成示意图。本实施例中的信息处理系统100包括输入装置110、生物信息获取装置120、判定装置130和输出装置140。

输入装置110是用于输入用户相关数据的装置，例如，由键盘和触摸面板上的输入接口等组成。用户可以使用输入装置110输入年龄、姓名、地址和性别等。

生物信息获取装置120是用于收集用户的生物信息数据的装置。这里，用户的生物信息数据优选心跳数据、脉搏数据或加速度脉搏波数据。另外，输入装置110和生物信息获取装置120可以是一体的。即，生物信息获取装置120可以具有作为输入装置110的功能。

图2为生物信息获取装置120示意图。如图2所示，生物信息获取装置120可以是超轻量无线生物传感器。更具体地，该装置可以具备安装在测量对象用户身体上的电极和无线发送器，并且通过无线发送器将所测量的用户生物信息发送到判定装置130。此外，市面上的心电图机或脉搏仪可以用作生物信息获取装置120。返回到图1继续进行说明。

判定装置130根据从生物信息获取装置120收集的用户生物信息数据获得的、指示用户自主神经的活动的自主神经指标值来判定用户的脑功能活动。判定装置130是由用户操作的终端，并且只要是具有通信功能的终端都可以使用任何信息处理装置，例如智能手机、平板终端、移动电话、个人计算机(PC)、笔记本电脑、掌上电脑(PDA)、家用游戏设备、用于确定用户大脑功能活动的专用设备等。并且，判定装置130可以是由一个或多个物理服务器等组成的信息处理装置，也可以是由在虚拟机监视器(hypervisor)上操作的虚拟服务器构成的信息处理装置，或者可以是由云服务器构成的信息处理装置。

判定装置130保持脑功能信息以表示自主神经指标值与脑功能的作用程度(也可以称为脑功能的工作程度)之间的关系，并且通过比较用户的自主神经指标值与脑功能信息来判定用户的脑功能的作用程度。例如，用户的脑功能的作用程度系指，用户的理解能力下降或处于较高状态，或者记忆力下降或处于较好状态，和/或注意力不集中或良好等。

输出装置140用于输出判定装置130所判定的用户的脑功能的作用程度的判定结果。作为要输出的信息，可以以报告形式输出判定结果的细节，也可以在判定结果的基础上(或代替判定结果)输出用户的自主神经指标值和用户脑功能的作用程度的相关信息。输出装置140可以是内置或连接到判定装置130的诸如显示器的显示设备，也可以是连接到判定装置130的诸如打印机的打印输出装置。

<功能块结构>

如图1所示，判定装置130包括计算单元11、获取单元12、判定单元13、输出单元14和存储单元21。存储单元21可以通过使用判定装置130所具备的存储装置20来实现。另外，计算单元11、获取单元12、判定单元13和输出单元14可以通过判定装置130的处理器10执行存储在存储装置20中的程序系统来实现。此外，该程序可以存储在存储介质中。存储该程序的存储介质可以是计算机可读的非暂时性存储介质(Non-transitory computer readablemedium)，非暂时性存储介质没有特别限制，例如，可以是USB存储器或CD-ROM之类的存储介质。

存储单元21存储表示自主神经指标值与脑功能的作用(例如，理解能力、记忆力、注意力等)程度之间的关系的脑功能信息。脑功能信息是通过统计分析从多个受试者获得的自主神经指标值和从该多个受试者获得的用于测量脑功能作用的测试结果而生成的信息。更详细地说，脑功能信息是通过统计分析从多个受试者获得的用于测量受试者的脑功能作用的测试结果，和在测试前后和测试期间测量的受试者的自主神经指标值而生成的、自主神经指标值与表示脑功能的作用程度的指标值之间的相关性。

脑功能信息中可以存储指标值信息，例如，当自主神经指标值小于A时，表示用户脑功能的作用程度的指标值代表“作用下降”；当自主神经指标值大于A时，表示用户脑功能的作用程度的指标值代表“作用良好”。自主神经指标值和表示脑功能作用程度的指标值可以分为多个阶段。

计算单元11具有计算功能，根据从生物信息获取装置120获取的用户生物信息计算用户的自主神经指标值。例如，计算单元11对用户的生物信息数据进行频率分析，根据频率区域的低频分量计算LF值，根据高频分量计算HF值。LF值是表示交感神经功能的指标，HF值是表示副交感神经功能的指标。

生物信息数据可以随时从生物信息获取装置120输入到判定装置130，也可以在生物信息获取装置120获取固定时间段的生物信息数据之后一起输入到判定装置130。

频率分析是为了从生物信息数据中获得LF值和HF值，频率分析(时间-频率分析)方法可以使用公知的分析方法，例如，最大熵法(MEM法)、快速傅立叶变换法(FFT法)、波浪法等。在这些方法中，优选使用最大熵法。根据最大熵法，可以进行时间分辨率高的分析。要使用的生物信息数据有心率(心电图)的R-R间隔(心跳模式)和加速度脉搏波的a-a间隔。例如，使用最大熵法(MEM)将心率(心电图)的R-R间隔分离为频率区域的低频分量(LF：0.04-0.15Hz)和高频分量(HF：0.15-0.4Hz)，并分别计算低频分量和高频分量的功率总和作为LF值和HF值。

具体地，例如，LF值和HF值可以通过下列公式来计算。

[公式1]

[公式2]

[公式3]

公式中，LF(t)表示LF值，HF(t)表示HF值，P(f)表示功率间隔函数，C(t)表示心率(心电图)R-R间隔的自相关函数，t表示时间，f表示频率。如公式3所示，算式上P(f)是在全时间领域积分，但实际上，只要在观测领域积分就足够了。

LF值和HF值的上限和下限频率是通常广泛使用的数值，如欧洲心电图学会定义的数值等，但用于分离LF值和HF值的频带不限于此，LF值和HF值也可以由其他频带定义。另外，不用说，也允许测量误差等存在。市场上的自主神经测量仪也可以用作生物信息获取装置120。

此外，计算单元11具有计算功能，即根据用户的LF值和HF值计算“LF/HF值”以表示用户自主神经平衡性。“LF/HF值”是表示交感神经和副交感神经平衡性的指标，通过LF值除以HF值得到。比如LF/HF值大于5.0，就意味着交感神经和副交感神经的平衡性大大失衡。

此外，计算单元11具有计算“自主神经活动量”的功能，即通过使用用户的心率、LF值和HF值来计算自主神经活动的活动量。“自主神经活动量”是一个数字，使用一个称为ccvTP的指标来表示自主神经功能的作用。ccvTP是通过LF值和HF值的测量期间内的心率(更具体地，R-R间隔的平均值)来校正LF值和HF值的总和(称作“TP”)(以下记作“LF+HF值”)所得的值。ccvTP也称为CVRR。具体而言，ccvTP可以通过以下公式来计算。

[公式4]

公式中，RR表示受试者心率的R-R间隔(秒)。R-R间隔(秒)＝60÷心率(次/分钟)。

由于实验已知心率高时TP的值较高，因此使用根据心率高低校正后的ccvTP，无论受试者心率高低，都能恰当地表达自主神经活动量。此外，本发明人发现，“LF+HF值”随着年龄的增长而减少，ccvTP亦如此。

以上说明的LF值、HF值、ccvTP(CVRR)，LF+HF和LF/HF，以及这些值的对数LogLF、LogHF、LogccvTP(LogCVRR)、Log(LF+HF)和Log(LF/HF)也可以包括在本实施例的自主神经指标值中。

在本实施例中，生物信息获取装置120执行由计算单元11实现的功能，并且判定装置130不具备计算单元11。

获取单元12具有获取功能更，可以获取由计算单元11计算出的测量对象用户的自主神经指标值。另外，获取单元12也可以具有获取传递功能，即从生物信息获取装置120获取测量对象用户的生物信息并将其传递给计算单元11。此外，获取单元12可以经由输入界面或生物信息获取装置120获取用户的年龄。

此外，获取单元12可以获取基于用户的生物信息和用户的年龄计算出的用户自主神经指标值的偏差值。关于自主神经指标值的偏差值将在后面叙述。

判定单元13具有比较判定功能，即将用户的自主神经指标值与存储在存储单元21中的脑功能信息进行比较，从而判定用户的脑功能的作用程度。自主神经指标值的范围和脑功能的作用程度的相关信息与脑功能信息相对应关联，并且判定单元13通过从脑功能信息中检索关于与用户的自主神经指标值相对应的脑功能的作用程度信息来判定用户的脑功能的作用程度。

此外，脑功能信息中可以按年龄存储自主神经指标值范围与脑功能作用程度的相关信息之间的关系。在这种情况下，判定单元13可以将获取单元12中获取的用户的自主神经指标值与用户的年龄和脑功能信息进行比较，以判定用户的脑功能的作用程度。由于自主神经活动随着用户的年龄增长而减弱，因此即使处于相同的自主神经状态，自主神经指标值也会随着用户的年龄而变化。然而，通过将按年龄存储自主神经指标值范围与脑功能作用程度关系的脑功能信息与用户的自主神经指标值进行比较，可以更准确地判定用户的脑功能的作用程度。

此外，脑功能信息中可以存储自主神经指标值的偏差值范围与脑功能作用程度之间的关系。在这种情况下，判定单元13可以将获取单元12中获取的用户的自主神经指标值的偏差值与脑功能信息进行比较，以判定用户的脑功能的作用程度。如上所述，自主神经指标值会随着用户的年龄而变化，但是如果自主神经指标值用偏差值来表示，那么无论用户的年龄如何，都可以用相同的标准来评估自主神经的作用。因此，通过将存储自主神经指标值的偏差值与脑功能的作用程度之间的关系的脑功能信息与用户的自主神经指标值的偏差值进行比较，可以更准确地判定用户的脑功能的作用程度。

另外，自主神经指标值的偏差值可按如下方法计算：首先，根据多个不同年龄受试者的自主神经指标值，计算受试者不同年龄的自主神经指标值的平均值和受试者不同年龄的自主神经指标值的标准差()，并将这些数值以数据库的形式整合成自主神经指标值分布数据。接着，根据想求出偏差值的受试者的自主神经指标值和自主神经指标值分布数据，获得与受试者年龄相对应的自主神经指标值的平均值和标准差()。然后，使用以下公式计算受试者的自主神经指标值的偏差值：“自主神经指标值的偏差值＝10×(受试者的自主神经指标值-受试者年龄相对应的自主神经指标值的平均值)÷受试者年龄相对应的自主神经指标值的标准差()+50”。

输出单元14具有输出功能，即向输出设备140输出由判定单元13判定的用户脑功能的作用程度的相关信息。

<处理步骤>

图3为流程图，用来表示判定装置130执行的处理步骤示例。首先，获取单元12获取由计算单元11计算出的测量对象用户的自主神经指标值(S11)。如果自主神经指标值在自主神经指标值的偏差值范围外，则获取单元12获取输入装置110中输入的用户年龄。如果用户今后要执行某项指定工作，则获取单元12要获取的用户的自主神经指标值可以是执行该项指定工作之前测量的自主神经指标值。

所谓指定工作，可以是任何工作，但应包括需要理解力、记忆力或注意力的工作，例如，学习、听讲、案头工作、会议、驾驶等。此外，如果用户已经开始指定工作，则由获取单元12获取的用户的自主神经指标值可以是用户执行指定工作期间测量的自主神经指标值。

接着，判定单元13从脑功能信息中检索并获取与用户的自主神经指标值的值与用户的年龄相关联的脑功能作用程度信息，从而判定用户的脑功能作用。由判定单元13测定的用户的脑功能作用程度可以用脑功能是否停滞或脑功能是否活跃这两个阶段来表示，也可以进一步用多个阶段来表示。

然后，输出单元14将判定结果输出到输出装置24(S13)。这里，输出单元14可以直接输出与脑功能的作用程度有关的信息，也可以输出与脑功能的作用程度有关的信息相对应的消息。例如，输出单元14可以根据与脑功能的作用程度有关的信息，输出“好像脑活动很活跃，要工作的话现在就做”，或者输出“注意力可能下降，请不要大意”等消息。

<实验内容>

接着，在安装有图2所示的生物信息获取装置120的状态下，让11个同龄受试者接受选假名考试(测试)，以获取考试执行前后的自主神经指标值，并将选假名考试的结果与自主神经指标值进行比较。

受试者的自主神经指标值的获取是在以下时间进行的：A：闭眼静息时(考试前)，B：睁眼静息时(考试前)，C：进行选假名考试时，D：进行内容确认考试时，E：睁眼静息时(考试结束后)。另外，A～E分别进行了3分钟的测量。

更详细来说，让受试者等待，直到受试者的心率和自主神经数值稳定到一定程度，并正常在电脑上显示数据，然后在闭着眼睛坐在椅子上的状态下获取3分钟的生物信息，从而获得闭眼静息时的自主神经指标值。接着，在受试者不改变姿势、睁开眼睛的状态下获取3分钟的生物信息，从而获取了睁眼静息时的自主神经功能。然后，我们开始选假名考试，通过获取考试过程中(3分钟)的生物信息，获得了选假名考试时的自主神经指标值。接着，开始调查选假名考试中出的文章的内容理解程度考试，获取考试过程中(3分钟)的生物信息。该考试结束后，在不改变姿势的情况下，在睁开眼睛的状态下获取3分钟的生物信息，从而获取了睁开眼睛静息时的自主神经指标值。

所谓选假名考试，是指从用平假名书写的400字左右的简单文章中，找出“A”行的文字(大小都要)，并且在规定时间内(3分钟)尽量用圆圈将其圈起来。要想在选假名考试中取得高分，就需要注意力，因此在选假名考试中得到高分，可以说是处于一种注意力高度集中的状态。

另外，所谓考查内容理解程度的考试，是指在规定时间内(3分钟)回答与选假名考试中出现的文章内容有关的问题的考试(满分10分)。要想在内容理解程度的考试中取得高分，就需要记忆在选假名考试中出现的句子的记忆力和理解句子中描述内容的理解力，因此在内容理解程度的考试中得到高分，可以说是记忆力和/或理解力处于较高的状态。

图4为选假名考试中出现的问题示例。另外，图5为考察内容理解程度的考试示例。

另外，在本实施例中，用于获取受试者的自主神经指标值的测试不限于“选假名考试”和“回答与选假名考试中出现的句子内容有关问题的考试”。只要是能够测量受试者的注意力和理解力的测试，使用任何类型均可。另外，测试所用语言不限于日语。

例如，“选假名考试”可以是“从规定的句子中找出指定的字符、字符串或符号等，并用圆圈等标记的考试”。此外，“回答与选假名考试中出现的句子内容有关问题的考试”可以是“回答与规定句子内容有关问题的考试”。此外，规定的句子和问题可以用英语、中文、西班牙语、印度语、阿拉伯语等任何语言书写。

<实验结果>

实验得到的结果如图6～图11所示，表示选假名考试的得分或内容理解程度的得分与自主神经指标值之间有无相关性。在图6～图11中，上段的数值表示相关系数(r值)，下段的数值表示显著性概率(p值)。当“r值<-0.2或0.2<r值”且“p值<0.05”时，可以认为“选假名考试的得分或内容理解程度的得分”与“自主神经指标值”之间有相关性。另一方面，当“r值<-0.2或0.2<r值”或“0.05<p值”时，可以认为“选假名考试的得分或内容理解程度的得分”与“自主神经指标值”之间没有相关性。在图6～图11中，对于被认为具有相关性的组合，r值和p值用虚线框圈起来了。

图6表示LogLF和选假名考试得分之间的相关性，以及LogLF和内容确认考试得分之间的相关性。根据图6所示的实验结果可知，选假名考试的得分越高，睁眼静息时(考试前)的LogLF值越高，存在正相关性。此外，还可以看出，在进行内容确认考试时，选假名考试的得分越高，LogLF的值就越高，存在正相关性。另外，可以看出，选假名考试的得分越高，睁眼静息时(考试结束后)LogLF的值越高，存在正相关性。

另一方面，选假名考试得分与闭眼静息时(考试前)的LogLF值之间，以及选假名考试得分与选假名考试时的LogLF值之间，没有发现相关性。

另外，根据图6可以看出，内容确认考试的得分越高，闭眼静息时(考试前)LogLF值越高，存在正相关性。另外，内容确认考试的得分越高，睁眼静息时(考试前)的LogLF值越高，存在正相关性。此外，内容确认考试的得分越高，进行选假名考试时的LogLF值越高，存在正相关性。此外，内容确认考试的得分越高，进行内容确认考试时的LogLF的值就越高，存在正相关性。另外，内容确认考试的得分越高，睁眼静息时(考试结束后)LogLF的值越高，存在正相关性。

图7表示LogHF和选假名考试得分之间的相关性，以及LogLF和内容确认考试得分之间的相关性。根据图7所示的实验结果可知，选假名考试的得分较高，进行选假名考试时的LogHF值就越低，存在负相关性。另一方面，选假名考试的得分与其他LogHF值之间没有发现相关性。另外，内容确认考试的得分和LogHF之间没有发现相关性。

图8表示LogCCVR和选假名考试得分之间的相关性，以及LogCCVR和内容确认考试得分之间的相关性。根据图8所示的实验结果可知，内容确认考试的得分越高，进行选假名考试时的LogCCVR的值越低，存在负相关性。另一方面，选假名考试的得分与LogCCVR的值之间没有发现相关性。另外，内容确认考试的得分与进行选假名考试以外的LogCCVR之间没有发现相关性。

图9表示Log(LF/HF)和选假名考试得分之间的相关性，以及Log(LF/HF)和内容确认考试得分之间的相关性。根据图9所示的实验结果可知，选假名考试的得分越高，进行选假名考试时的Log(LF/HF)值越高，存在正相关性。另一方面，选假名考试的得分和其他Log(LF/HF)值之间没有发现相关性。另外，内容确认考试的得分与Log(LF/HF)之间没有发现相关性。

图10和图11表示选假名考试实施前和实施过程中自主神经指标值的变化与选假名考试得分或内容确认考试得分之间是否存在相关性。

图10中LF值的变化是从进行选假名考试时的LF值中减去闭眼静息时(考试前)的LF值而得到的变化量(△LF)。图10表明，选假名考试前和考试期间内LF值的变化与内容确认考试的得分之间存在正相关性。

图11中HF值的变化是从进行选假名考试时的HF值中减去闭眼静息时(考试前)的HF值而得到的变化量(△HF)。图11表明，选假名考试前后HF值的变化与内容确认考试得分之间存在负相关性。

<实验结果总结>

(注意力方面)

根据以上说明的实验结果，可知自主神经指标值与选假名考试得分的相关性较高，该值是从睁眼静息时(考试前)的LogLF、进行内容确认考试时的LogLF、睁眼静息时(考试结束后)的LogLF、进行选假名考试时的LogHF、进行选假名考试时的Log(LF/HF)、进行选假名考试时的HF值中减去闭眼静息时(考试前)的HF值得到的变化量(△HF)。此外，如前所述，选假名考试得分高可以说是注意力高度集中的状态。

根据该实验结果，当判定执行指定工作时的注意力程度作为脑功能的作用程度时，判定单元13可以根据用户执行指定工作之前(相当于睁眼静息时)测量的、表示交感神经功能的指标(LF或LogLF)，来判定当用户执行指定工作时关于指定工作的注意力程度。例如，当表示交感神经功能的指标值小于指定阈值时，判定单元13判定注意力下降；而当表示交感神经功能的指标值大于或等于指定阈值时，判定处于注意力高度集中的状态。并且，输出单元14可以在用户执行指定工作时，输出指定工作的注意力程度相关的信息。

此外，当判定执行指定工作时的注意力程度作为脑功能的作用程度时，判定单元13可以根据在用户执行指定工作时(相当于进行选假名考试时)测量的、表示副交感神经功能的指标(HF或LogHF)，或表示交感神经功能与副交感神经功能之间的平衡性指标(LF/HF或LogLF/HF)，来判定当用户执行指定工作时关于指定工作的注意力程度。例如，当表示副交感神经功能的指标值，或表示交感神经功能与副交感神经功能之间的平衡性指标小于指定阈值时，判定单元13判定注意力下降；而当表示副交感神经功能的指标值，或表示交感神经功能与副交感神经功能之间的平衡性指标大于或等于指定阈值时，判定处于注意力高度集中的状态。

另外，当判定执行指定工作时的注意力程度作为脑功能的作用程度时，判定单元13可以根据在用户执行指定工作时(相当于进行选假名考试时)测量的、表示副交感神经功能的指标，与在用户执行指定工作之前(相当于睁眼静息时)测量的、表示副交感神经功能的指标之间的变化量(△HF或△LogHF)，来判定当用户执行指定工作时关于指定工作的注意力程度。例如，当该变化量小于指定阈值时，判定单元13判定注意力下降；而当该变化量大于或等于指定阈值时，判定处于注意力高度集中的状态。

(理解力和/或记忆力方面)

根据以上说明的实验结果，可知自主神经指标值与内容确认考试得分的相关性较高，该值是从闭眼静息(考试前)时的LogLF、睁眼静息(考试前)时的LogLF、进行选假名考试时的LogLF、进行内容确认考试时的LogLF、睁眼静息(考试结束后)时的LogLF、进行选假名考试时的LogCVRR、进行选假名考试时的LF值中减去闭眼静息(考试前)时的LF值得到的变化量(△LF)。此外，如前所述，在内容理解程度考察考试中能够获得高分，可以说是处于记忆力和/或理解力较高的状态。

根据该实验结果，当判定执行指定工作时的理解力和/或记忆力的程度作为脑功能的作用程度时，判定单元13可以根据用户执行指定工作之前(相当于闭眼静息或睁眼静息时)，或在用户执行指定工作期间(相当于进行选假名考试或进行内容确认考试时)测量的、表示交感神经功能的指标(LF或LogLF)，来判定用户执行指定工作时指定工作的理解力和/或记忆力的程度。此外，当用户执行指定工作时，输出单元14可以输出与指定工作相关的理解能力和/或记忆能力程度的信息。例如，当表示交感神经功能的指标值小于指定阈值时，判定单元13判定理解力和/或记忆力下降；而当指标值等于或大于指定阈值时，判定单元13判定理解力和/或记忆力处于较高状态。

此外，当判定执行指定工作时的理解力和/或记忆力的程度作为脑功能的作用程度时，判定单元13可以根据用户执行指定工作时(相当于进行选假名考试时)测量的、表示自主神经活动量的指标(CVRR或LogCVRR)，来判定用户执行指定工作时指定工作的理解力和/或记忆力的程度。例如，当自主神经活动量的值小于指定阈值时，判定单元13判定理解力和/或记忆力下降；而当自主神经活动量的值大于或等于指定阈值时，判定单元13判定理解力和/或记忆力处于较高状态。

另外，当判定执行指定工作时的理解力和/或记忆力的程度作为脑功能的作用程度时，判定单元13可以根据在用户执行指定工作时(相当于进行选假名考试时)测量的、表示交感神经功能的指标，与用户执行指定工作之前(相当于闭眼静息时)测量的、表示副交感神经功能的指标之间的变化量(△LF或△LogLF)，来判定用户执行指定工作时的指定工作的理解力和/或记忆力的程度。例如，当该变化量小于指定阈值时，判定单元13判定理解力和/或记忆力下降；而当该变化量大于或等于指定阈值时，判定单元13判定理解力和/或记忆力处于较高状态。

<其他例子>

只要能够获取用户的生物信息，生物信息获取装置120不限于图2所示的超轻量无线生物传感器。例如，生物信息获取装置120可以通过分析从正向拍摄用户而获得的影像并捕获面部表面颜色的细微变化来获取用户的脉搏数据。或者，生物信息获取装置120可以通过使用安装在用户颈部的传感器来获取用户的脉搏数据。若将本实施例中描述的技术应用于前一种生物信息获取装置120，例如，使用包括个人计算机、智能手机或平板终端中的前置摄像头，来拍摄使用个人计算机、智能手机或平板终端执行指定工作的用户的影像，也可以评估用户在执行指定工作时的理解能力、记忆力和/或注意力。

<总结>

根据以上说明的实施例，可以使用与用户的自主神经功能有关的指标来评估用户的脑功能状态。此外，由于使用的是从用户身体测量的生物信息来判定用户的脑功能状态，因此可以执行更客观的判定，而不受用户的主观性影响。

以上说明的实施例旨在为理解本发明提供方便，并非用于限制对本发明的解释。在实施例中描述的流程图、序列、实施例中包含的各个要素及其布置、材料、条件、形状和尺寸等不限于示例，并且可以适当地改变。另外，可以部分地替换或组合不同实施例中所示的配置。

Claims (8)

1.一种信息处理装置，其特征在于，包括以下单元：

存储单元，用于存储表示自主神经指标值与脑功能的作用程度之间的关系的脑功能信息；获取单元，用于获取测量对象用户的自主神经指标值；

判定单元，用于通过将由所述获取单元获取的所述用户自主神经指标值与所述脑功能信息进行比较来判定所述用户的脑功能的作用程度；

输出单元，用于输出由所述判定单元判定的关于所述用户的脑功能的作用程度的信息。

2.如权利要求1所述的一种信息处理装置，其特征在于，所述脑功能信息是通过统计分析从多个受试者获得的自主神经指标值和从多个受试者获得的用于测量脑功能作用的测试结果而生成。

3.如权利要求1或2所述的一种信息处理装置，其特征在于，

所述脑功能的作用程度是所述用户执行指定工作时的理解力和/或记忆力的程度；

所述自主神经指标值，是在用户执行所述指定工作之前或执行指定工作期间测量的、表示交感神经功能的指标；

所述判断单元判定当所述用户执行所述指定工作时关于所述指定工作的理解能力和/或记忆力的程度；

所述输出单元输出当所述用户执行所述指定工作时关于所述指定工作的理解能力和/或记忆力的程度的信息。

4.如权利要求3所述的一种信息处理装置，其特征在于，

所述脑功能的作用程度是所述用户执行指定工作时的注意力程度；

所述自主神经指标值是所述用户执行所述指定工作时测量的、表示副交感神经功能的指标或表示交感神经功能与副交感神经功能之间的平衡性的指标；

所述判定单元判定当所述用户执行所述指定工作时所述用户对所述指定工作的注意力程度；

所述输出单元输出当所述用户执行所述指定工作时对所述指定工作的注意力程度的信息。

5.如权利要求4所述的一种信息处理装置，其特征在于，

所述脑功能信息按年龄存储自主神经指标值与脑功能作用程度之间的关系；

所述获取单元获取用户的年龄；

所述判定单元将由所述获取单元获取的所述用户的自主神经指标值与所述用户的年龄和所述脑功能信息进行比较，以判定所述用户的脑功能作用程度。

6.如权利要求5所述的一种信息处理装置，其特征在于，

所述脑功能信息存储自主神经指标值的偏差值与脑功能的作用程度之间的关系；

所述获取单元获取基于所述用户的生物信息和用户的年龄计算所得的所述用户的自主神经指标值的偏差值；

所述判定单元将由所述获取单元获取的所述用户的自主神经指标值的偏差值与脑功能信息进行比较，以确定所述用户的脑功能的作用程度。

7.一种由信息处理装置执行的信息处理方法，其特征在于，包括以下步骤：

获取步骤，获取测量对象用户的自主神经指标值；

判定步骤，将在所述获取步骤中获取的所述用户的自主神经指标值，与表示自主神经指标值与脑功能的作用程度之间的关系的脑功能信息进行比较，以判定所述用户的脑功能的作用程度；

输出步骤，输出在所述判定步骤中判定的所述用户的脑功能的作用程度的信息。

8.一种计算机执行系统，其特征在于，包括以下步骤：

获取步骤，获取测量对象用户的自主神经指标值；

判定步骤，将在所述获取步骤中获取的所述用户的自主神经指标值，与表示自主神经指标值与脑功能的作用程度之间的关系的脑功能信息进行比较，以判定所述用户的脑功能的作用程度；

输出步骤，输出在所述判定步骤中判定的所述用户的脑功能的作用程度的信息。

Images