脑电波解析装置、脑电波解析系统以及脑电波解析程序

摘要

脑电波解析装置(30)包括：计算部(301)，其根据频谱来计算第一比率以及第二比率，其中，所述频谱是通过对脑电波的时序数据进行频率解析而得到的，所述脑电波是在对象者头部的规定部位测定到的脑电波，所述第一比率是其他电波的强度特征量相对于电波的强度特征量的比率，所述电波是在被施加压力的状态下产生的第一频段内的电波，所述其他电波是比该电波高的频段的第一频段内的其他电波，或者，所述第一比率是第一频段内的电波的强度特征量相对于在清醒状态下产生的第二频段内的电波的强度特征量的比率，所述第二比率是在睡眠状态产生的第三频段内的电波的强度特征量相对于在清醒状态下产生的第二频段内的电波的强度特征量的比率；以及推定部(302)，其基于第一比率、根据第一比率而决定的第一基准值、第二比率以及根据第二比率而决定的第二基准值，来推定对象者的状态。

说明书

技术领域

本发明的技术涉及脑电波解析装置、脑电波解析系统以及脑电波解析程序。

背景技术

已知一种利用多个电极来测定脑电波并利用测定到的脑电波来推定对象者状态的装置(例如，参照专利文献1)。

【现有技术文献】

【专利文献】

【专利文献1】日本特开2017-192425号公报

但是，在专利文献1所公开的装置中，尽管脑电波的检测精度较高，但是需要对象者佩戴多个电极。因为需要多个电极，所以对象者的行动就受到限制，无法测定对象者在日常环境中的脑电波，来推定对象者状态。

发明内容

本发明的目的在于，提供一种脑电波解析装置、脑电波解析系统以及脑电波解析程序，与佩戴多个电极的情况相比，通过简单测定，就能够评价由于环境刺激或身体感觉等的刺激而带来的专心或疼痛等感觉以及机能的变化。

本公开的第一方式是一种脑电波解析装置，包括：计算部，其根据频谱来计算第一比率以及第二比率，其中，所述频谱是通过对脑电波的时序数据进行频率解析而得到的，所述脑电波是在对象者的头部的规定部位测定到的脑电波，所述第一比率是其他电波的强度特征量相对于电波的强度特征量的比率，所述电波是在被施加压力的状态下产生的第一频段内的电波，所述其他电波是比该电波高的频段的所述第一频段内的其他电波，或者，所述第一比率是所述第一频段内的电波的强度特征量相对于在清醒状态下产生的第二频段内的电波的强度特征量的比率，所述第二比率是在睡眠状态下产生的第三频段内的电波的强度特征量相对于在清醒状态下产生的第二频段内的电波的强度特征量的比率；以及推定部，其基于所述第一比率、根据所述第一比率而决定的第一基准值、所述第二比率以及根据所述第二比率而决定的第二基准值，来推定所述对象者的状态。

在第一方式中，所述第一基准值是整个测定时间内的所述第一比率的平均值、给与刺激之前的期间的所述第一比率的平均值、正在给与刺激的期间的所述第一比率的平均值、给与了刺激的期间结束后的期间的所述第一比率的平均值、或者、没有刺激的期间的所述第一比率的平均值，所述第二基准值是整个测定时间内的所述第二比率的平均值、给与刺激之前的期间的所述第二比率的平均值、正在给与刺激的期间的所述第二比率的平均值、给与了刺激的期间结束后的期间的所述第二比率的平均值、或者、没有刺激的期间的所述第二比率的平均值。其中，第一基准值是第一比率或者将第一比率变换到自然对数后的值的算术平均值、加权平均值或者二乘平均平方根等的平均值，或者，是第一比率或者将第一比率变换成自然对数后的值的中位值。另外，第二基准值是第二比率或者将第二比率变换成自然对数后的值的算术平均值、加权平均值或者二乘平均平方根等的平均值，或者，是第二比率或者将第二比率变换成自然对数后的值的中位值。在上述平均值或者中位值是进行自然对数变换而求出的值的情况下，也可以将其返回到反对数后的值作为基准值。

在第一方式中，所述推定部判断点属于二维坐标的哪个象限来推定所述对象者的状态，其中，所述点是与由所述计算部计算出的所述第一比率以及所述第二比率对应的点，所述二维坐标是以所述第一基准值以及所述第二基准值为原点，以所述第一比率为一个轴，并且以所述第二比率为另一个轴的二维坐标。

在第一方式中，所述推定部还利用所述原点至所述点的距离、所述一个轴向上所述原点至所述点的距离、所述另一个轴向上所述原点至所述点的距离、以及、在规定期间内同一个象限内出现的点的发生频度中的至少一个，来推定所述对象者的状态的程度。

在第一方式中，所述推定部基于由所述计算部计算出的所述第一比率与所述第一基准值之差以及由所述计算部计算出的所述第二比率与所述第二基准值之差，通过判断由所述计算部计算出的所述第一比率以及所述第二比率在所述第一基准值以上且在所述第二基准值以上、在所述第一基准值以上且小于所述第二基准值、小于所述第一基准值且在所述第二基准值以上、或者、小于所述第一基准值且小于所述第二基准值，来推定所述对象者的状态。

在第一方式中，所述第一频段的电波是γ电波，所述第二频段的电波是β电波，并且，所述第三频段的电波是θ电波或者δ电波。

在第一方式中，所述频谱是第三比率超过第三基准值的噪声部分被剔除了的频谱，其中，所述第三比率是所述第一频段的电波或者所述第二频段的电波的强度特征量相对于第四频段内的电波的强度特征量的比率，所述第四频段比所述第二频段低且比所述第三频段高。

在第一方式中，所述噪声部分是第三比率超过第三基准值的部分，所述第三比率是所述第一频段的电波即Lowγ电波或者所述第二频段的电波即Highβ电波的强度特征量相对于所述第四频段内的电波即Lowα电波的强度特征量的比率。

在第一方式中，所述电波的强度特征量是属于相同频段内的电波的强度或者将电波的强度变换成自然对数后的值的算术平均值、加权平均值或者二乘平均平方根等的平均值、所述电波的强度的最大值、所述电波的强度的累计值或者所述电波的强度的中位值。或者，在将电波的强度变换成自然对数而求出的值的情况下，所述电波的强度特征量也可以是将其返回到反对数而得到的值。

在第一方式中，所述对象者的状态是注意状态、专心状态或者涣散状态。

在第一方式中，所述对象者的状态是正感受到疼痛的状态。

本公开的第二方式是脑电波解析装置，计算部，其根据频谱来计算第一比率以及差值量或者第四比率，其中，所述频谱是通过对脑电波的时序数据进行频率解析而得到的，所述脑电波是在对象者的头部的规定部位测定到的脑电波，所述第一比率是其他电波的强度特征量相对于电波的强度特征量的比率，所述电波是在被施加压力的状态下产生的第一频段内的电波，所述其他电波是比该电波高的频段的所述第一频段内的其他电波，或者，所述第一比率是所述第一频段内的电波的强度特征量相对于在清醒状态下产生的第二频段内的电波的强度特征量的比率，所述差值量是根据对在睡眠状态下产生的第三频段以上且小于所述第二频段的区域2分割后的各区域的电波的强度特征量而得到的，所述第四比率是各区域的电波的强度特征量的比率；以及推定部，其基于所述第一比率、根据所述第一比率而决定的第一基准值、所述差值量或者所述第四比率，以及，根据所述差值量或者所述第四比率而决定的第二基准值，来推定所述对象者的状态。

在第二方式中，所述差值量是低频率侧区域的强度或者功率值的积分值与高频率侧区域的强度或者功率值的积分值之差值，例如，是从低频率侧区域的强度或者功率值的积分值减去高频率侧区域的强度或者功率值的积分值后的值。

在第二方式中，所述第四比率是低频率侧区域的强度或者功率值的积分值与高频率侧区域的强度或者功率值的积分值之比率，例如，是低频率侧区域的强度或者功率值的积分值相对于高频率侧区域的强度或者功率值的积分值之比率。

在第二方式中，所述差值量是低频率侧区域的功率值的最大值与高频率侧区域的功率值的最小值之差值。

本公开的第三方式是脑电波解析系统，包括：数据获取部，其获取在所述对象者的头部上的规定部位测定到的脑电波的时序数据；以及上述脑电波解析装置。

本公开的第四方式，是脑电波解析程序，使计算机执行计算步骤和推定步骤，在所述计算步骤中，根据频谱来计算第一比率以及第二比率，其中，所述频谱是通过对脑电波的时序数据进行频率解析而得到的，所述脑电波是在对象者的头部的规定部位测定到的脑电波，所述第一比率是其他电波的强度特征量相对于电波的强度特征量的比率，所述电波是在被施加压力的状态下产生的第一频段内的电波，所述其他电波是比该电波高的频段的所述第一频段内的其他电波，或者，所述第一比率是所述第一频段内的电波的强度特征量相对于在清醒状态下产生的第二频段内的电波的强度特征量的比率，所述第二比率是在睡眠状态下产生的第三频段内的电波的强度特征量相对于在清醒状态下产生的第二频段内的电波的强度特征量的比率，在所述推定步骤中，基于所述第一比率、根据所述第一比率而决定的第一基准值、所述第二比率以及根据所述第二比率而决定的第二基准值，来推定所述对象者的状态。

本公开的第五方式使计算机执行计算步骤以及推定步骤，在所述计算步骤中，在所述计算步骤中，根据频谱来计算第一比率以及差值量，所述频谱是通过对脑电波的时序数据进行频率解析而得到的，所述脑电波是在对象者的头部的规定部位测定到的脑电波，所述第一比率是其他电波的强度特征量相对于电波的强度特征量的比率，所述电波是在被施加压力的状态下产生的第一频段内的电波，所述其他电波是比该电波高的频段的所述第一频段内的其他电波，或者，所述第一比率是所述第一频段内的电波的强度特征量相对于在清醒状态下产生的第二频段内的电波的强度特征量的比率，所述差值量是根据对在睡眠状态下产生的第三频段以上且小于所述第二频段的区域2分割后的各区域的电波的强度特征量而得到的，在所述推定步骤中，基于所述第一比率、根据所述第一比率而决定的第一基准值、所述差值量以及根据所述差值量而决定的第二基准值，来推定所述对象者的状态。

根据本公开的第一方式至第五方式，通过简单测定，就能够推定对象者的日常状态。

附图说明

图1是表示本实施方式所涉及的脑电波解析系统的一例的图。

图2是表示鼠以及人的脑电波的分类的图。

图3是表示脑电波解析装置的硬件结构的框图。

图4是表示脑电波解析装置的功能结构的例的框图。

图5是表示图像形成装置的脑电波解析处理的流程的流程图。

图6是表示坐标系中对象者的状态的图。

图7是表示坐标系中点的指标值的考虑方法的图。

图8是表示指标值的推移的图。

图9是表示测定期间的振幅频谱的推移的图。

图10是表示在图6的第三象限中出现的点的指标值的推移的图。

图11是表示给与刺激之前、正在给与刺激之时的指标值的平均值的图。

图12是表示在图6的第三象限中出现的点的指标值的推移的图。

图13是表示在图6的第一象限中出现的点的指标值的推移的图。

图14是表示利用了鼠的疼痛实验结果的图。

图15是表示对对象者的脑电波进行频率解析而得到的振幅频谱的一例的图。

图16是表示测定期间的振幅频谱的推移的图。

图17是表示噪声剔除后的振幅频谱的一例的图。

图18是表示噪声剔除后的振幅频谱的推移的图。

图19是表示对人的实验结果的图。

图20是表示对人的实验结果的图。

图21是表示对人的实验次序的图。

图22是表示图21所示的实验的各作业中第一象限中出现的点的频度的图。

图23是表示根据图22所示的频度而得到的涣散减小率的图。

图24是表示实施例3中对鼠投放福尔马林开始的时间与伤害刺激反应之间的关系的图。

图25是表示实施例3中疼痛时和不疼痛时θ电波的频段的频率特性的图。

图26是表示实施例3中对鼠投放福尔马林后，投放前后鼠的脑电波的强度的比率的频率特性的图。

图27是用于说明对鼠投放福尔马林后，投放前后鼠的脑电波的强度的比率之差值量的图。

图28是用于说明对鼠投放福尔马林后，投放前后鼠的脑电波的强度的比率之差值量的图。

图29是用于说明对鼠投放福尔马林后，投放前后鼠的脑电波的强度的比率之差值量的图。

图30是表示利用了鼠的疼痛实验结果的图。

图31是表示利用了鼠的疼痛实验结果的图。

图32是表示利用了鼠的疼痛实验结果的图。

图33是表示利用了鼠的疼痛实验结果的图。

具体实施方式

以下，一边参照附图，一边对本发明技术的实施方式的一例进行说明。其中，在各附图中对相同或者等效的结构要素以及部分，赋予同一个参照符号。另外，附图的尺寸比率为了说明的方便，存在夸大后与实际比率不一致的情况。

图1是表示本实施方式所涉及的脑电波解析系统的一例的图。

如图1所示，脑电波系统包括数据获取部10、便携终端20以及脑电波解析装置30。

数据获取部10例如佩戴在对象者的额头部、头侧部或者头后部，对对象者的脑电波进行检测，来获取脑电波数据。数据获取部10具有与对象者接触的至少一个电极12。电极12将从大脑皮层产生的电位变化检测为脑电波。数据获取部10具有未图示的发送部。数据获取部10将获取到的脑电波数据通过发送部发送给便携终端20。数据获取部10还具有参照电极14。参照电极14例如佩戴在对象者的耳朵上。数据获取部10将表示电极12和参照电极14的电位变化的数据通过发送部发送给便携终端20。此外，在本说明书中，利用了对象者这样的表达，但是对象者不限于人。只要是能够检测脑电波的对象即可，任何动物均可以包括在对象者之中。此外，在对象者是人以外的动物的情况下，在本领域技术人员选择出的适当的安装位置处，佩戴上述电极12以及参照电极14。

便携终端20为对象者所携带，保存在数据获取部10中获取到的脑电波数据。保存的脑电波数据在规定的时间点，通过因特网等通信网络40发送给脑电波解析装置30。脑电波解析装置30解析脑电波。针对脑电波解析的细节，将在后面叙述。

此外，在图1所示的例子中，脑电波数据一旦被保存于便携终端20，就被发送给脑电波解析装置30。但是，在数据获取部10中获取到的脑电波数据也可以直接发送给脑电波解析装置30。该情况下，脑电波数据通过无线或者有线，从数据获取部10发送给脑电波解析装置30。

通过脑电波解析装置30解析出的解析结果被显示于便携终端20所具备的显示部22以及脑电波解析装置30的显示部36中的至少一方。由此，解析结果能够被对象者以及解析者中的至少一方所确认。

图2是表示鼠以及人的脑电波的分类的图。在图2中，在上段表示鼠的脑电波的分类，在下段表示人的脑电波的分类。

通过图1的数据获取部10获取到的脑电波包括多个频段的电波，对各个频段标注有名称。在图2中，除了人的脑电波之外，还表示鼠的脑电波。在后述实施例中，为了针对利用了鼠的实验也进行说明，在此，对类似的人以及鼠的脑电波进行说明。

脑电波的频段分类多种多样，图示的分类至多是一例。即便与图2所示的频段分类稍有偏差，也能够适用本实施方式的脑电波解析系统。

首先，从鼠的脑电波开始说明。

鼠的脑电波大致被分类为第一频段的电波、第二频段的电波以及第三频段的电波。第一频段的电波可大量产生在被施加压力的状态之下。第二频段的电波可大量产生在通常的清醒状态之下。第三频段的电波可大量产生在睡眠状态之下。

按照频段从高到底的顺序，在第一频段中包括γ4电波～γ1电波，在第二频段中包括β电波，在第三频段中包括θ电波以及δ电波。

人的脑电波除了第一频段～第三频段之外，还被分类为第四频段。第一频段的电波可大量产生在被施加压力的状态之下。第二频段的电波可大量产生在通常的清醒状态之下。第三频段的电波可大量产生在睡眠状态之下。第四频段可大量产生在放松状态之下。

按照频段从高到底的顺序，在第一频段中包括Highγ电波、Midγ电波以及Lowγ电波，在第二频段中包括Highβ电波以及Lowβ电波，在第四频段中包括Highα电波以及Lowα电波，在第三频段中包括θ电波以及δ电波。各电波的频段以及名称在鼠与人之间是不同的。但已知的是，通过相同拉丁文字所表示的电波在鼠与人之间也存在类似特征。

下面，对脑电波解析装置30的硬件结构进行说明。

图3是表示脑电波解析装置的硬件结构的框图。

如图3所示，脑电波解析装置30具有CPU(Central Processing Unit，中央处理器)31、ROM(Read Only Memory，只读存储器)32、RAM(Random Access Memory，随机存储器)33、存储器34、输入部35、显示部36以及通信接口(I/F)37这各个部分。各个部分通过总线39可相互通信地连接。

CPU31是中央运算处理单元，执行各种程序或控制各个部分。即，CPU31从ROM32或者存储器34读出程序，将RAM33作为作业区域来执行程序。CPU31依据在ROM32或者存储器34中保存的程序，来进行上述各结构的控制以及各种运算处理。在本实施方式中，ROM32或者存储器34之中，存储了用于解析脑电波的脑电波解析程序。

ROM32存储各种程序以及各种数据。RAM33作为作业区域临时性地保存程序或者数据。存储器34由HDD(Hard Disk Drive，硬盘驱动器)或者SSD(Solid State Drive，固态硬盘驱动器)构成，存储包括操作系统在内的各种程序以及各种数据。

输入部35包括鼠标等指示设备以及键盘，用于各种输入。显示部36是液晶显示器，显示各种信息。显示部36也可以采用触控面板方式，作为输入部35发挥功能。

通信接口37是用于与数据获取部10以及便携终端20等其他设备进行通信的接口，例如，采用内联网(注册商标)、FDDI、Wi-Fi(注册商标)或者Bluetooth(注册商标)等规格。

下面，针对脑电波解析装置30的功能结构，进行说明。

图4是表示脑电波解析装置的功能结构的示例的框图。

如图4所示，脑电波解析装置30作为功能结构，具有计算部301以及推定部302。各功能结构通过CPU31读出在ROM32或者存储器34中保存的脑电波解析程序并将其展开在RAM33中执行而实现。

计算部301根据频谱来计算第一比率以及第二比率，频谱是通过对脑电波的时序数据进行频率解析而得到的，脑电波是在对象者的头部的规定部位测定到的脑电波。计算部301为了计算第一比率以及第二比率而从频谱中分别提取两个特定频率的电波，计算提取到的电波的强度特征量的比率。在此，规定部位如上述那样，是对象者的额头部、头侧部或者头后部。此外，频谱中存在振幅频谱以及功率频谱。以下，针对根据频率解析而得到振幅频谱的情况，进行说明。

第一比率是其他电波的强度特征量相对于电波的强度特征量的比率，所述电波是在被施加压力的状态下产生的第一频段内的电波，所述其他电波是比该电波高的频段的所述第一频段内的其他电波。该情况下，第一比率例如是图2所示的Highγ电波的强度相对于第一频段内的Lowγ电波的强度的比率。或者，第一比率是第一频段内的电波的强度特征量相对于在清醒状态下产生的第二频段内的电波的强度特征量的比率。该情况下，第一比率例如是在图2所示的第一频段内的Highγ电波或者Midγ电波的强度特征量相对于第二频段内的Highβ电波的强度特征量的比率。在鼠的情况下，第一比率例如是γ3波或者γ4波相对于γ1波的比率，或者是γ2电波，γ3电波或者γ4电波的强度特征量相对于β电波的强度特征量的比率。

第二比率是在睡眠状态下产生的第三频段内的电波的强度特征量相对于在清醒状态下产生的第二频段内的电波的强度特征量的比率。第二比率例如是图2所示的第三频段内的θ电波或者δ电波的强度特征量相对于第二频段内的β电波的整体、或Highβ电波或者Lowβ电波的强度特征量的比率。鼠的情况下，第二比率例如是θ电波的强度特征量相对于β电波的整体的比率。

电波的强度特征量是属于相同频段内的电波的强度的平均值、电波的强度的最大值、电波的强度的累计值或者电波的强度的中位值。在此，(第一，第二或者第三)频段内的电波的强度特征量可以根据该频段的一部分导出或者计算，也可以根据该频段的整体导出或者计算。例如，可以将频段内的特定频率的电波强度作为该频段内的电波强度特征量。另外，也可以将属于频段内的一部分或者整体的频段的电波的强度平均值、累计值、中位值或者最大值，作为该频段内的电波强度特征量。或者，也可以在频段内规定多个频段，计算属于规定的各频段的电波的强度平均值、累计值、中位值或者最大值，将计算出的值彼此的平均值或者加法值，作为该频段内的电波强度特征量。此外，在上述之中，平均值可以是基于算术平均值、加权平均值、几何平均值、二乘平均平方根的值的任何值。此外，电波的强度在频谱是振幅频谱的情况下是振幅值，在频谱是功率频谱的情况下是功率值。以下，针对利用振幅作为电波的强度的情况，来进行说明。

推定部302基于第一比率、根据第一比率而规定的第一基准值、第二比率以及根据第二比率而规定的第二基准值，来推定对象者的状态。针对第一基准值、第二基准值以及对象者的状态的推定，在后面叙述。

下面，针对脑电波解析装置30的作用，进行说明。

图5是表示图像形成装置进行脑电波解析处理的流程的流程图。CPU31从ROM32或者存储器34读出脑电波解析程序，并将其展开到RAM33来执行，由此进行脑电波解析处理。图6是表示坐标系中对象者的状态的图。

CPU31获取对对象者的脑电波测定规定时间而得到的脑电波数据(步骤S101)。脑电波数据如上述那样，从数据获取部10或者便携终端20接受。

CPU31通过傅里叶变换等手法将脑电波变换成各个频带的振幅，由此得到振幅频谱(步骤S102)。

CPU31利用通过傅里叶变换而得到的振幅频谱，来计算第一比率(步骤S103)。以下，作为第一比率的一例，针对CPU31计算Highγ电波的振幅相对于Lowγ电波的振幅的比率的情况，来进行说明。因此，CPU31从振幅频谱，提取Lowγ电波分量以及Highγ电波分量，计算各个时间的振幅比率。

接着，CPU31利用通过傅里叶变换而得到的振幅频谱，来计算第二比率(步骤S104)。在以下，作为第二比率的一例，针对CPU31计算θ电波的振幅相对于β电波的振幅的比率的情况，来进行说明。因此，CPU31从振幅频谱，提取β电波分量以及θ电波分量，计算各个时间的振幅比率。

CPU31利用第一比率以及第二比率，来创建坐标系(步骤S105)。具体而言，CPU31将脑电波的整个测定时间的第一比率或者依据将该第一比率变换成自然对数的值的算术平均、加重平均或者二乘平均平方根等方法而求出的平均值、第一比率或者将该第一比率变换成自然对数的值的中位值或者将所述平均值、中位值返回反对数的值作为第一基准值。另外，CPU31将整个测定时间的第二比率或者依据将该第二比率变换到自然对数的值的算术平均、加重平均或者二乘平均平方根等方法所求出的平均值、第二比率或者将该第二比率变换成自然对数的值的中位值或者将所述平均值、中位值返回到反对数的值作为第二基准值。从而，CPU31创建如图6所示那样的坐标系，以第一比率为纵轴(Y轴)，以第二比率为横轴(X轴)，以第一基准值以及第二基准值为原点。此外，只要将第一比率作为纵轴(Y轴)，将第二比率作为横轴(X轴)即可，也可以不一定要将第一基准值以及第二基准值作为原点。以下，通过将第一基准值以及第二基准值作为原点的坐标系，来进行说明。另外，第一基准值以及第二基准值可以不是脑电波的整个测定时间的平均值。可以是给与刺激之前的期间的平均值，正在给与刺激的期间的平均值，或者给与了刺激之后的期间结束后的期间的平均值。以下，针对第一基准值以及第二基准值被作为整个测定时间的平均值而求出的情况，来进行说明。

CPU31利用创建出的坐标系，来推定对象者的状态(步骤S106)。在创建出的坐标系中，纵轴的值越大，表示对象者越兴奋的状态。另外，横轴的值越大，表示对象者越涣散的状态。通过将各个产生(各个单位时间)的第一比率以及第二比率的组合在创建出的坐标系中描绘成点，来观察对相同象限的出现频度以及点的描绘位置的变迁。此外，点不限于根据某个单位时间的第一比率以及第二比率的组合而描绘的情况。点也可以作为连续的多个单位时间(例如1秒钟到5秒钟)的第一比率的平均值以及第二比率的平均值的组合而描绘出。

象限被划分成从第一象限51到第4象限54。在第一象限51中，点的X轴以及Y轴的值这二者在第一基准值以及第二基准值以上。在第二象限52，点的X轴的值小于第一基准值，Y轴的值在第二基准值以上。在第三象限53，点的X轴以及Y轴的值这两方小于第一基准值以及第二基准值。在第4象限54，点的X轴的值在第一基准值以上，Y轴的值小于第二基准值。

例如，第一象限51是对象者由于疼痛等刺激而成为涣散的状态时点易于描绘的区域。第二象限52是对象者正在注意时点易于描绘的区域。第三象限53是对象者正在专心时点易于描绘的区域。注意和专心的不同在于，注意是指一边专心于必要的目标，输入、处理以及输出信息，一边对周围给予关注的状态，与此相对，专心是对一个事物持续投入意识的状态。第4象限54是对象者由于瞌睡等而成为涣散时点易于描绘的区域。这样，预先找到各象限的特性，根据点是描绘在哪个象限的，就能够推定对象者的状态。

通过仅关注第一象限51～第4象限54中的、在特定象限描绘的点，能够更明确地推定对象者的状态种类以及程度，对象者成为该状态的时间等。针对关注特定象限的情况，进行说明。

图7是坐标系中关于点的指标值的考虑方法的图。图8是表示指标值的推移的图。

在图7中，以关注第一象限51的示例来进行说明。在点60被描绘在第一象限51的情况下，例如能够是下面所示的5个值为指标值。

指标值A点60距离原点50的X轴向的距离(x1)

指标值B点60距离原点50的Y轴向的距离(y1)

指标值C点60距离原点50的距离((x1

指标值D第一象限51中描绘点(出现)的发生频度

指标值E对上述A～C中的任意值乘以上述D后的值

不限于第一象限51，在第二象限52～第4象限54中描绘的点也同样地，能够根据距离原点50的关系以及在各象限中点的发生频度来得到指标值。

利用上述指标值A～E中的任意值，当按照时序排列指标值的推移时，例如能够得到图8所示那样的折线图。

在图8所示的折线图中可知，在对象者被给与了刺激的刺激期间，与刺激期间前后的期间相比，指标值较大。这样，通过按照时序表示指标值的推移，可以明确地知晓对象者的状态变化，明确地推定变成了特定状态。根据指标值的大小，还能够推定特定状态的程度，例如专心程度等。

此外，在图8所示的例子中，将施加刺激之前的期间作为原点计算期间，求取原点计算期间根据脑电波计算出的第一比率的值以及第二比率的值的平均值作为图7的原点，之后求出上述指标值A～E那样的指标值，表示该指标值的经时变化。在图8中，与施加刺激之前的期间的指标值相比，可知刺激期间的指标值显著上升。这样，利用哪个期间的脑电波来计算第一基准值以及第二基准值，这在推定对象者状态的方面，是重要的。作为原点计算期间，除了可以为正在施加刺激的刺激期间之前的期间之外，还可以为刺激期间、刺激期间之后的期间、没有给与刺激的期间(刺激期间与刺激期间之间的期间)或者从之前的期间到之后的期间的整个期间中的任一个。或者，在脑电波测定后，不是计算第一基准值以及第二基准值，而是可以实时地按顺序计算。该情况下，脑电波解析装置30按照顺序接受脑电波数据，在接受的范围内更新第一基准值以及第二基准值。由此，能够确定对象者的状态激烈变化，推定状态。

此外，在上述实施方式中，在步骤S105中创建坐标系，在坐标系内，根据点在哪个象限出现，来判断对象者的状态。但是，本实施方式可以不一定是以坐标系为前提。例如，也可以是基于由计算部301计算出的第一比率和第一基准值之差以及由计算部301计算出的第二比率和第二基准值之差，来推定对象者的状态。该情况下，通过对由计算部301计算出的第一比率以及第二比率，在第一基准值以上且在第二基准值以上，在第一基准值以上且小于第二基准值，小于第一基准值且在第二基准值以上，或者小于第一基准值且小于第二基准值，来进行判断，能够推定对象者的状态。

下面，说明实施例。

(实施例1)

图9是表示测定期间的振幅频谱的推移的图。图10表示图6的第三象限53中出现的点的指标值的推移的图。图11是表示施加刺激之前和正在施加刺激之中，距离原点的距离和在第三象限53的出现频度的积的平均值的图。

在实施例1中，从对象者通过数据获取部10检测约40分时间的脑电波。从脑电波检测开始经过约20分后到检测结束为止的时间，使对象者玩泡泡游戏，来给与刺激。

脑电波检测结束后，从数据获取部10对脑电波解析装置30发送脑电波数据，在脑电波解析装置30中解析脑电波。脑电波的解析依据图5所示的脑电波解析处理来进行。在步骤S105的坐标系创建之中，利用对象者的测定整个期间的脑电波数据，创建以作为其平均值的第一基准值以及第二基准值作为原点的坐标系。在步骤S106中，在图6所示的坐标系中，关注第三象限53，仅对于在第三象限53中出现的点来计算指标值。指标值作为从原点50到点的距离计算出来。

在以上条件下实施后的结果，作为脑电波的振幅频谱的推移，得到了图9所示的结果。在图9所示的结果中，表示了通过傅里叶变换得到的全部电波的振幅。可知，当对象者进行泡泡游戏时，某个电波下振幅上升了。但在哪个电波下振幅上升了，这难以知晓。此外，在图9所示的振幅频谱的推移的数据之中，包括来自电源的噪声。在以下，将来自电源的噪声称为电源噪声。优选将电源噪声剔除掉。在剔除电源噪声的情况下，在商用电源频率(日本为50Hz或者60Hz)或者靠近逆变器设备的环境中，剔除变换后的频率。当剔除电源噪声时，从频率的中位值取一定范围来进行删除。该范围可以根据电源噪声的强度来进行调整。电源噪声的强度强的情况下，与电源噪声的强度弱的情况相比，删除距离中位值大的范围的频段。例如，在商用电源频率为50Hz的情况，将49.25Hz～50.75Hz范围的频段从振幅频谱剔除掉。删除范围，可以在中位值的前后设定0.25～数个Hz。

创建图6所示的坐标系，当计算在第三象限53出现的点的指标值时，得到了图10所示的结果。当对象者专心时，易于在第三象限53出现点，如图10所示，泡泡游戏的刺激之中，与刺激前相比，指标值出现的频度高。即可知，在对象者正在进行泡泡游戏的期间，在图6所示的坐标系中，点出现在第三象限53的频度较高。可知刺激中指标值也稍微高一点。

在此，在刺激前的期间和刺激中的期间分别对出现的点的指标值(距离原点的距离)的平均值乘以点出现的频度。这样，如图11所示，可知在刺激前，在0.3以下的数值在刺激中为0.7以上，数值为2倍以上。这样，可知，通过在各个期间利用指标值使状态数值化，能够定量且明确地表现对象者的状态变化。

(实施例2)

图12是表示在图6的第三象限出现的点的指标值的推移的图。图13是表示在图6的第一象限出现的点的指标值的推移的图。

在实施例2中，在对象者的双耳上戴上耳机，测定约27分钟的脑电波。在脑电波的测定期间，设置完全没有播放音乐的期间P1、从耳机对对象者的双耳播发爵士音乐的期间P2以及从耳机对对象者的左耳播放华尔兹的音乐而在右耳播放爵士音乐的期间P3。期间P1约5分钟，期间P2约11分钟，期间P3约11分钟。

脑电波的检测结束后，从数据获取部10对脑电波解析装置30发送脑电波数据，在脑电波解析装置30解析脑电波。脑电波的解析依据图5所示的脑电波解析处理来进行。在步骤S105的坐标系创建之中，利用整个测定时间的脑电波数据，创建以作为其平均值的第一基准值以及第二基准值为原点的坐标系。在步骤S106中，在图6所示的坐标系中，关注第一象限51以及第三象限53，针对在第一象限51以及第三象限53中出现的点计算各自的指标值。指标值作为从原点50到点的X轴向的距离而计算出。

以上的条件实施后的结果，得到图12以及图13所示的指标值的推移。

在图12中，表示在第三象限53中出现点时的指标值。对象者专心的情况下，易于在第三象限53出现点。可知，相对于没有音乐的第一期间P1，对双耳播放爵士乐的第二期间P2点出现的频度降低。另外可知，相对于第一期间P1，在左右耳播放不同音乐的第三期间P3，点出现的频度增加。

另外，在图13中表示，点在第一象限51出现时的指标值。对象者涣散的状态的情况下，点易于出现在第一象限51。可知相对于没有音乐的第一期间P1，在双耳播放爵士乐的第二期间P2点出现的频度增加。另外可知，相对于第一期间P1，在左右耳播放不同音乐的第三期间P3点出现的频度降低。

如以上这样，在图12以及图13中，表示相反的专心状态和涣散状态，在期间P2以及期间P3，可知点出现的频度翻转了。这样就证明了，能够适当地推定，可关注并推定第一象限51的对象者的专心状态和可关注并推定第三象限53的对象者的涣散状态。

(实施例3)

图14是表示利用了鼠的疼痛实验结果的图。

在实施例3中，利用鼠来验证上述脑电波解析处理的对象者的状态推定。

首先，将用异氟烷麻醉后的鼠固定在脑定位固定装置上，钨电极的先端位于并插入固定在初级体感皮层(Primary somatosensory cortex)、缰核(habenular nucleus)以及额叶前皮质(prefrontal cortex)。手术5天以后，根据在开放区域自由行动之中的鼠，来记录局部电场电位(记录装置：Tucker-Davis Technologies公司制，RZ5)。之后，在其左后肢脚掌皮下注射5％福尔马林溶液20μL，再次在开放区域内记录1小时局部电场电位。另外，根据投放24时间之后在开放区域内自由行动中的鼠，来记录局部电场电位。作为福尔马林投放后的疼痛行动评价，利用秒表目测测定舔脚以及咬啮这样的疼痛行动的合计时间。

实施来自额叶前皮质的局部电场电位的频率频谱解析，将其分成各频带，根据它们的强度来判断脑的活动度。针对频率数据，进行福尔马林投放之前、投放后0-10分钟(称为Phase1或者P1)、投放后25-35分钟(称为Phase2或者P2)以及投放后24小时的10分钟这4个时间点的解析。进一步地，福尔马林投放后，还进行了0到5分钟后(称为PF)和10到15分钟后(称为P1-2)这2个时间点的解析。

基于脑电波的实施结果如图14所示那样。在图14中，将脑电波的整个测定时间的平均值作为X轴以及Y轴的原点，即作为第一基准值以及第二基准值，该情况下，表示在第一象限51中描绘了数据(点)的频度。如图14所示，与福尔马林投放前的Phase0相比，在Phase1～3，基于脑电波，点在第一象限51出现的出现频度格外高。随着时间从Phase1朝向Phase3经过，点在第一象限51出现的出现频度慢慢地下降。

上述第一象限51中，点的出现频度的推移，与通过目测监视到的疼痛行动的合计时间的推移相吻合。这样就确认到，根据脑电波推定的鼠的状态变化，与实际的鼠的状态变化相吻合。

(对来自肌电的降噪)

图15是表示对对象者的脑电波进行频率解析而得到的振幅频谱的一例的图。图16是表示测定期间的振幅频谱的推移的图。图17是表示噪声剔除后的振幅频谱的一例的图。图18是表示噪声剔除后的振幅频谱的推移的图。此外，在图15以及图17中，横轴的单位是1/4Hz，例如横轴的60是指15Hz。在图15以及图16中，通过从振幅频谱的数据剔除包括50Hz的50Hz附近的频带的数据，来剔除电源噪声。以下，除了电源噪声之外，还剔除来自肌电的噪声。

在上述上说明了的脑电波解析处理中，针对还剔除测定中的噪声的方式进行了说明。图17是表示噪声剔除后的振幅频谱的图。图18是表示噪声剔除后的振幅频谱的推移的图。

当在日常生活中进行脑电波测定时，由于筋肉的收缩而引起的活动电位，尤其是磨牙而产生的电位，对于从头前部开始的脑电波测定而言，其作为噪声，影响较大。为了去除噪声，剔除具有与牙齿咬紧时观测到的肌电类似的频率比率的数据。

在幼儿齿科科学杂志32(4)：872-888(1994)中记载了，在咬合时的肌电图中，至少在0～50Hz(较宽的情况下为0～100Hz)的频带，伴随着频率上升，功率几乎直线上升。这与人脑电波δ电波～γ电波的频带重叠，且强度大的肌电掩盖脑电波，因此，变成了利用可穿戴装置的日常生活中的脑电波测定的噪声。对于频率大且强度大的数据，假设其不包括在解析中，消除脑电波以外的噪声，来提高解析精度。例如，在Highβ/Lowα>2、Lowγ/Lowα>2这任意情况之下，考虑其不是脑电波，而是为肌电，将其从解析对象去除。此外，本示例中，将基准值(第三基准值)设为了2，但是基准值不限于2。能够根据脑电波计量仪的规格等来改变基准值。此外，上述文献中的折线图的纵轴是每20赫兹的功率值的积分相对于整体的百分率。

通过数据获取部10获取咀嚼时对象者的脑电波，进行频率解析，此时得到图15所示的振幅频谱。在此，在Lowα、Highβ、Lowγ电波出现的频段，观察到视为噪声的变形波形。包括正在咀嚼的期间的规定测定期间的振幅频谱的推移如图16所示。可知在对象者正在进行咀嚼的期间振幅变大。

在此，如上述那样，剔除满足了Highβ/Lowα>2以及Lowγ/Lowα>2中的至少一方的噪声部分，得到如图17以及图18所示的结果。

在图17所示的振幅频谱的图中可知，剔除咀嚼导致的噪声部分，没有了变形的波形。另外，在图18所示的振幅频谱的推移中，可知咀嚼所导致的振幅显示出异常大的咀嚼期间的数据也基本被剔除了。

当将以上内容依据图2所示的电波的分类提炼之后，如下述这样。第三比率超过第三基准值的部分为噪声部分，第三比率是第一频段的电波或者第二频段的电波的振幅相对于比第二频段低且比第三频段高的第四频段内的电波的振幅之比率。通过将该噪声部分从振幅频谱剔除，得到了剔除了噪声的脑电波的解析结果。

CPU31也可以根据对象者安静闭眼的期间(安静闭眼时)依据脑电波计算出的第一比率的值以及第二比率的值的平均值，作为第一基准值以及第二基准值，来创建坐标系。

图19以及图20是表示对人的实验结果的一例的折线图。图19是描绘了根据4个人的脑电波的频率特性而计算出的第一比率以及第二比率的折线图，该脑电波是对象者听音乐放松的状态之下的脑电波。图20是描绘了根据4个人的脑电波的频率特性而计算出的第一比率以及第二比率的折线图，该脑电波是对象者处于安静闭眼的状态之下的脑电波。图19以及图20所示的实验中，对4个人的对象者，进行了午前和午后2次脑电波的测定。在图中，例如，A1表示基于第一对象者午前的测定结果的描绘，P1表示基于相同第一对象者午后的测定结果的描绘。

如图19以及图20所示，安静闭眼时的第一比率的值以及第二比率的值，与放松了的状态相比，有变小的趋势。因此，当将安静闭眼时的值作为原点的坐标系时，存在第二象限52以及第三象限53的数据减小，难以进行对象者是注意还是专心这样的推定的情况。

在此也可以是，CPU31在以安静闭眼时的值为原点的坐标系之中，将从1减去在刺激期间的在第一象限51的出现频度后的值作为对象者的专心度指标，来推定对象者的状态。在以安静闭眼时的值为原点的坐标系之中，也将从1减去在刺激期间的在第一象限51的出现频度后的值称为涣散减小率。

列举以图21那样的次序使对象者进行作业的情况为例。对象者只要没有指示，就在睁眼的状态下进行各项作业。安静(1)是对象者进行例如登录PC或重启等无需特别专心并施加注意的作业的期间。任务(1)是对象者进行例如解开使用了数字的、难易度被设为简单的泡泡这一作业的期间。任务(2)是对象者进行在限制时间内例如解开各种泡泡这一作业的期间。安静睁眼是对象者仅睁开眼睛而处于散漫状态的期间。任务(3)是例如对象者解开使用了数字的、难易度被设定为比任务(1)的难度要难的泡泡这一作业的期间。任务(4)是对象者在限制时间内解开与例如任务(2)不同内容的各种泡泡这一作业的期间。安静闭眼是对象者仅闭上眼睛处于安静状态的期间。放松是对象者边听着心情放松的爵士音乐边放松的状态的期间。

图22是以折线图表示图21所示的各项作业时在第一象限51的出现频度的折线图。从而，图23是将图21所示的各项作业时的涣散减小率(从1减去在刺激期间的在第一象限51的出现频度的值)以柱状折线图表示的折线图。图23所示的折线图是指柱子的高度越高对象者的专心度越高的状态。因此，CPU31也可以根据对象者的涣散减小率来推定对象者的状态。

在本实施方式中，以第二比率为横轴来创建了坐标系，但是本发明不限于相关示例。也可以代替第二比率，而将根据在睡眠状态等中产生的第三频段以上且在清醒状态下产生的小于第二频段的区域2分割后的各区域的电波的强度所得到的特征量作为横轴，来创建坐标系。即，如果是人，则根据第三频段以及第四频段，例如在浅睡眠状态等下产生的第三频段以及第四频段(3.5Hz～11.75Hz)2分割后的各区域的电波的强度而得到的特征量作为横轴，来创建坐标系。另外，如果是鼠，则也可以根据对第三频段(4Hz～12Hz)2分割后的各区域的电波的强度而得到的特征量作为横轴，来创建坐标系。

图24是表示在实施例3中从对鼠投放福尔马林开始的时间与伤害刺激反应之间的关系的折线图。如图24所示，在Phase1(投放后0-10分钟)以及Phase2(投放后25-35分钟)看到了伤害刺激反应，与此相对，在Phase1与Phase2之间的期间，几乎没有看到伤害刺激反应。

图25是表示在实施例3的疼痛时和不疼痛时的θ电波的频段下的频率特性的折线图。符号201是不疼痛时的频率特性。符号202是Phase1的期间的频率特性。符号203是Phase2的期间的频率特性。如图25所示，根据采用了鼠的疼痛实验结果，可以看到，与不疼痛时相比，存在Phase1以及Phase2的疼痛时θ电波的峰值偏向低频率侧的趋势。

图26是表示在实施例3中，对鼠投放福尔马林之后，投放前后的鼠的脑电波的强度的比率的频率特性的折线图。在图26中表示，对鼠福尔马林投放后从0到5分钟后(PF)、投放后从0到10分钟后(Phase1：P1)、从10到15分钟后(P1-2)、从25到35分钟后(Phase2：P2)、24小时后(24H)的各频率的电波强度与投放前脑电波的强度(Pre)的强度比。PF期间被包括在P1期间，因此在以下，在与P1期间以及PF期间中的任意期间相关联的情况下，记载为P1(PF)。符号211是P1(PF)的期间的强度比。符号212是P1-2的期间的频率特性。符号213是P2的强度比。符号214是从福尔马林投放24小时经过后的强度比。

如图26所示，根据利用了鼠的疼痛实验结果，P1(PF)以及P2的疼痛时θ电波的强度在5Hz附近显著上升。另一方面，P1(PF)以及P2之间不疼痛时的θ电波的强度比的峰值以及24时间经过后不疼痛时θ电波的强度比的峰值在6～8Hz附近平稳地出现。即，P1(PF)以及P2疼痛时θ电波的峰值与不疼痛时θ电波的峰值相比，可以看到向低频率侧偏移的趋势。

另外，如图26所示，P1(PF)以及P2疼痛时在γ电波的区域，可以看到强度比上升的趋势。另外，如图26所示，在P1(PF)与P2之间的期间(P1-2)，强度比与前后期间相比，可以看到与24小时经过后不疼痛时(24H/Pre)接近的值的趋势。换而言之，如果对鼠投放福尔马林，则在P1(PF)以及P2这2个时间点，与不疼痛时(24H/Pre)相比，可以看到θ电波和γ电波(60Hz以上的部分)的强度比变高的疼痛双峰性的趋势。

在此，疼痛时，关注θ电波的峰值偏移这一趋势。CPU31也可以将θ电波的频段分割成2个，以根据各段电波的强度而得到的特征量之差作为横轴，来创建坐标系。定义为根据2段的电波强度而得到的特征量的差值量。CPU31将整个测定时间之差值量的算术平均、加重平均或二乘平均平方根等方法而求出的平均值，脑电波的整个测定时间之差值量的自然对数的平均值或者差值量的中位值作为第二基准值。

图27、图28、图29是用于说明对鼠投放福尔马林后，投放前后鼠的脑电波强度的比率之差值量的折线图。作为差值量而使用的值可以采用各种值。将2分割的频段中低频率侧作为A区域，将其高频率侧作为B区域。

图27是表示人的脑电波的振幅强度的频率特性的折线图。符号401是疼痛时脑电波的频率特性，符号402是不疼痛时脑电波的频率特性。在图27的示例中，将A区域大概作为4.0～9.5Hz，将B区域作为9.5Hz～12Hz。图28以及图29是表示鼠的脑电波的从不疼痛时开始的比率的频率特性的折线图。在图28以及图29的示例中，将A区域作为4.0～7.5Hz，将B区域作为8.0Hz～11.5Hz。图29是从图28的折线图开始筛选出Phase1频率特性的折线图。

此外，在本实施方式中，将上述频带设为了A区域以及B区域，但是各区域的频带不限于相关示例。例如，在人的情况下，可以将在Highα电波以及Lowα电波的频带中出现的峰值的频率前后1～2Hz的范围作为A区域，将Highα电波以及Lowα电波的频带且比A区域高的频率侧的区域作为B区域。例如，在鼠的情况下，将θ电波的频带进行等分，将其低频率侧作为A区域，将其高频率侧作为B区域。

CPU31也可以利用A区域的功率值的最大值作为A区域的特征量，利用在B区域的功率值的最小值作为B区域的特征量。另外，CPU31也可以利用在A区域的振幅值作为A区域的特征量，利用在B区域的振幅值作为B区域的特征量。另外，CPU31也可以利用在A区域的功率值的积分值作为A区域的特征量，利用在B区域的功率值的积分值作为B区域的特征量。从而，CPU31也可以将从A区域的特征量减去在B区域的特征量而得到的值，作为差值量。图27以及图28的H相对于利用A区域的功率值的最大值作为A区域的特征量，而利用在B区域的功率值的最小值作为B区域的特征量的情况下的差值值。

另外，CPU31也可以利用A区域的功率值的最大峰值的频率作为A区域的特征量，利用在B区域的功率值的最小峰值的频率作为B区域的特征量。从而，CPU31也可以将从A区域的特征量到B区域的特征量的距离(图27以及图28的W)作为差值量。

另外，CPU31还可以代替将θ电波的频段2分割，根据各段电波的强度而得到的特征量的差作为横轴，而将θ电波的频段2分割，根据各段电波的强度得到的特征量的比率即第四比率为横轴，来创建坐标系。CPU31以根据整个测定时间的第四比率的算术平均、加重平均或二乘平均平方根等方法而求出的平均值、脑电波的整个测定时间的第四比率的自然对数的平均值或者第四比率的中位值作为第二基准值。

(利用了鼠的疼痛实验)

图30以及图31是表示利用了鼠的疼痛实验结果的图。图30以及图31与图14所示的实验结果同样地，表示福尔马林投放前的Phase0以及福尔马林投放后的Phase1～3中点在第一象限51出现的出现频度的折线图。图30以及图31以脑电波的整个测定时间的平均值为X轴以及Y轴的原点，即第一基准值以及第二基准值。图30以及图31所示的实验结果，是与得到图14所示的实验结果的鼠不同个体的鼠所得的。

图30与图14相同，表示以X轴为第二比率(例如，θ/β)的情况下的在第一象限51中点的出现频度。在图31中表示，以X轴代替第二比率作为差值量(例如，图27的(H))的情况下点在第一象限51中的出现频度。图31的实验结果中的差值量采用了，从低段的功率值的最大值减去在高段的功率值的最小值而得到的值。脑电波解析装置30即便在以X轴代替第二比率作为差值量的情况下，也能够得到与图14所示实验结果同样的结果。

图32以及图33是表示利用了鼠的疼痛实验结果的图。在图32以及图33中表示，实施了福尔马林投放前的Phase0以及投放后0-5分钟(PF)、10-15分钟(Phase1-2：Phase1(投放后0-10分钟)与Phase2之间)、投放后25-35分钟(Phase2)、投放后24小时的10分钟(Phase3)这5时点的解析的情况下，点在第一象限51出现的出现频度的折线图。图32以及图33所示的折线图，以福尔马林投放前(预备时间)的数据的平均值为X轴以及Y轴的原点，即第一基准值以及第二基准值。在图32中，与图14以及图30相同，表示了以X轴为第二比率的情况下在第一象限51点的出现频度。在图33中，与图31相同地表示了，以X轴取代第二比率作为差值量(例如，图27的(H))的情况下在第一象限51点的出现频度。

如图26所示，在对鼠投放福尔马林的情况下，在Phase1以及Phase2的疼痛时出现θ电波的峰值。可知，在对此时的鼠的脑电波进行频率解析，并在坐标系描绘为点的情况下，以X轴为第二比率的情况下和以差值量的情况下这任意的情况之下，展现了疼痛的二峰性。因此，即便是将X轴作为差值量的情况下，脑电波解析装置30也能够推定鼠的状态。

(适用可能性)

下面，针对上述脑电波解析处理的适用可能性，进行说明。

<专心·涣散>

通过脑电波解析处理，来推定专心度，能够以个人为单位或者以集体为单位来把握，如果能够进行某种行动就能够提高专心度。例如，作为人类用途、产业用途、动物用途，可以考虑如以下这样的用途。

作为人类用途，考虑可以使用注意缺陷与多动障碍(ADHD，自闭症等)、睡眠障碍、认知症、妄想或抑郁等疾病的监控或者治疗。可以考虑适用于抑郁状态等精神状态、睡眠或者嗜睡相关联状态的监控。可以考虑适用于医药品等的有效性评价以及利用了其的医药品开发。可以考虑适用于健康管理、自主服药、正念减压法、美容，VR虚拟现实病(Virtualreality Sickness)等状态的推定。可以考虑适用于护理保健(提高看护设施舒适性，康复效果测定或者舒适化)。进一步地，可以考虑适用于技术训练、研习技术、学习、教育或竞技等。

另外，作为产业用途，可以考虑适用于作业安全、商品开发或者五感传感器(刺激对嗅觉、味觉、听觉、视觉或者触觉的异常检测)等。

作为动物用途，可以考虑适用于赏玩动物、宠物的健康管理，与宠物的意思交流等。可以考虑适用于畜牧、健康管理或者生产率的提高。

<疼痛>

变得能够以客观指标来评价疼痛、感到怎么疼痛、如何对应，能够以个人为单位把握如何缓解疼痛。例如，考虑下面的适用。

考虑适用于对偏头痛等疼痛病患的征兆检测。考虑适用于疼痛的定量化、基于疼痛感觉细分化治疗的高效化以及新治疗方法的开发高效化。另外，考虑适用于对医药品等的有效性评价以及利用其的医药品开发。

这样，本实施方式的脑电波解析处理能够对各种用途具有实用性。

上述处理，还能够利用专门的硬件电路来实现。该情况下，可以以以个硬件来执行，也可以以多个硬件来执行。

另外，使脑电波解析装置30动作的程序，可以通过USB(Universal Serial Bus，通用串行总线)、存储器、软盘，CD-ROM(Compact Disc Read Only Memory，只读光盘)等计算机可读取记录介质来提供，也可以通过因特网等网络来在线提供。该情况下，计算机可读记录介质中记录的程序通常被传送到内存或者存储器等中保存。此外，该程序例如可以作为单独的应用程序来提供，也可以作为脑电波解析装置30的一个功能组装到到其各个装置软件之中。

【符号说明】

30脑电波解析装置；31CPU；32ROM；33RAM；34存储器；35输入部；36显示部；37通信接口；39总线；40通信网络；50原点；51第一象限；52第二象限；53第三象限；54第4象限；60点；301计算部；302推定部。