脳内聴覚情報処理能力測定システム
【課題】 聴覚認知を通して、オージオメーターによる聴力検査のように、脳内聴覚情報処理能力を測定および向上させる脳内聴覚情報処理能力測定システムを提供する。
【解決手段】 脳の健康管理または医療行為に有用な脳内聴覚情報処理能力を検出する入力手段３と、測定された脳内聴覚情報処理能力を解析する演算手段４と、解析された脳内聴覚情報処理能力を評価する出力手段５、耳から脳に入ってきた混合音声情報に対して、混合音声が分離できる強さ比の極限値と単一音声が聞こえる相対な強さの極限値に着目して音声分離力を測る測定手段と、聴覚認知における音声分離力を定量化する手段と、を備える。
【解決手段】 脳の健康管理または医療行為に有用な脳内聴覚情報処理能力を検出する入力手段３と、測定された脳内聴覚情報処理能力を解析する演算手段４と、解析された脳内聴覚情報処理能力を評価する出力手段５、耳から脳に入ってきた混合音声情報に対して、混合音声が分離できる強さ比の極限値と単一音声が聞こえる相対な強さの極限値に着目して音声分離力を測る測定手段と、聴覚認知における音声分離力を定量化する手段と、を備える。
【発明の詳細な説明】
【発明の詳細な説明】
【技術分野】
【０００１】
本発明は、聴覚認知を通して、オージオメーターによる聴力検査のように、脳内聴覚情報処理能力を測定および向上することを目的とする脳内聴覚情報処理能力測定システムに関するものである。
【背景技術】
【０００２】
人間の脳は、身体の運動を制御するだけではなく、感情や理性など精神活動においても重要な役割を果たしているため、近年脳機能のトレーニングは様々な方法が提案され盛んに行われている。
【０００３】
脳機能を十分発達、改善させ、社会生活に必要な能力向上が期待されている。加齢につれ、人間の脳機能が衰えることで、高齢社会の進みとともに、老人性痴呆の有病率は増加しつつあると言われている。したがって、脳の健康を保ったり脳機能を発達したり脳の老化を予防したりすることは重要な課題となる。もし、何時でも手軽に一人で自分の脳の健康状況を把握できれば、脳の病気の予防と早期発見と早期対応を実現でき、手遅れに後悔する人々が無くなり、身体と精神とも健康な生活が送ることが出来る。
【発明の開示】
【発明が解決しようとする課題】
【０００４】
しかし、現在実施されているオージオメーターによる聴力検査は、センサーとしての耳が正常に機能しているかを検査する手段であって、脳内における聴覚情報の理解能力が反映されていない。人間は騒がしい環境で他人に影響されずに話し合える能力を持っている。すなわち、人間の脳は時間領域と周波数領域で、複合音声信号を解析・分離することができる。聴覚情報を処理し適切な行動を下すことは、聴覚野、頭頂連合野、前頭連合野などの皮質領野が関与する。したがって、人間の聴覚システムをブラックボックスとして、適切な聴覚刺激を利用すれば、脳内聴覚情報処理能力を測定したり、脳内の聴覚関連部位の健康状況を診断したりできると考えられる。更に、適切な聴覚刺激を与えることで、脳内の聴覚関連部位を活発させて、健康増進と処理能力が向上することが可能であると考えられる。
【０００５】
本発明は、このような点に鑑みて創作されたものであり、聴覚認知を通して、オージオメーターによる聴力検査のように、脳内聴覚情報処理能力を測定および向上させる脳内聴覚情報処理能力測定システムを提供することにある。
【課題を解決するための手段】
【０００６】
上述した課題を解決するために、本発明の脳内聴覚情報処理能力測定システムは、脳の健康管理または医療行為に有用な脳内聴覚情報処理能力を検出する測定手段と、測定された脳内聴覚情報処理能力を解析する演算手段と、解析された脳内聴覚情報処理能力を評価する出力手段を備えたことを特徴としている。
【０００７】
また、耳からの聴覚情報をパソコンへ入力しビジュアル的に表示できるヒューマンインタフェース、及び耳から脳に入ってきた混合音声情報に対して、混合音声が分離できる強さ比の極限値と単一音声が聞こえる相対な強さの極限値に着目して音声分離力を測る測定手段により構成されることを特徴としている。
【０００８】
更に、脳内聴覚情報処理能力を解析する演算手段は、混合音声情報のマスキング閾値の計算手段、混合音声情報の相違特徴量（ＤＥ）の計算手段、音声分離力（ＶＳＡ）の定量化計算手段により構成され、脳内聴覚情報処理能力を評価する出力手段は、母集団と評価基準の設定手法、音声分離力の相対評価手法、音声分離力の評価による脳年齢の評価手段により構成されることを特徴としている。
【発明の効果】
【０００９】
本発明の脳内聴覚情報処理能力測定システムによれば、在宅の使用者は手軽に一人で自分の脳の健康状況を把握でき、脳の病気の予防と早期発見と早期対応を実現でき、健康かつ長寿を全うして社会に貢献できる。
【発明を実施するための最良の形態】
【００１０】
脳内視覚情報処理能力測定システムの例を図１に示し、ユーザ１、ヒューマンインタフェース２、聴覚情報検出部３、混合音声分離力の定量化部４、聴覚情報処理能力の出力部５により構成される。
【００１１】
日常の経験より、人々は騒がしい環境で他人に影響されずに話し合える能力を持っている。このような能力は聴覚が選択性を持つと考えられる。聴覚の選択性は信号の成分を分離する能力に基づく。すなわち、図１に示すように、人間の脳は時間領域と周波数領域で、複合音声信号の構成成分を解析・分離することができる。この能力は、音声信号分離能力と呼ばれ、高次脳の音声認知能力として、極限が存在し、脳の健康状態に関係すると考えられる。よって、この能力の極限の研究を通して、脳健康の評価手段の一つを提供することができる。
【００１２】
音声分離実験は日本語の五つの母音から、一定の強さ比の二つで複合された音声信号を被験者に提示し、認識できる境界値を測定する。複合音声信号は三つ一組の（Ｄ、Ｂ、Ｒ）で表せる。Ｄは供試音として小さな強さの母音であり、Ｂは妨害音として大きな強さの母音であり、ＲはＤの強さ（Ｉｄ）とＢの強さ（Ｉｂ）の比である。ＤとＢは「あ、い、う、え、お」の中の一つであり、Ｒは相対的な比率として、デシベル（ｄＢ）で表示し、Ｒ＝１０ｌｏｇ１０（Ｉｄ／Ｉｂ）。ＤとＢの組合せで、Ｒを大きい方から、認識しにくい小さい方に、認識が不可能なところまで下り、そこでＲの境界値を獲得する。「あ」と「い」の場合を例として、（１）に示すような序列になる。測定のとき、ＤとＢの２０の組合せの序列がランダムで混ざり、（２）に示すような序列で測定する。そうすれば、被験者の記憶効果を除き、２０の組合せの音声分離の境界値ｒｃｋ（ｋ＝１、２、．．．２０）を取れる。
（あ，い，−１０），（あ，い，−１２），（あ，い，−１４），．．． （１）
（う，お，−１０），（あ、い，−１０），（い，お，−１０），．．．（あ，え，−１０），（い，お，−１２），（え，い，−１０），（あ，い，−１２），．．．（お，い，−１０），（あ，い，−１４），（う，え，−１０），（う，お，−１２），．．． （２）
【００１３】
実験用の音声信号はノートパソコンで複合される。被験者は両耳のヘッドホン（ＳＯＮＹＭＤＲ−ＸＤ３００）を通して複合信号の内容を認識し、答える。複合音声の序列は動態的に生成される。複合信号（ｄｉ、ｂｊ、ｒｋ）毎に、初めに誤識別する場合、序列の後の部分にランダムに挿入し、もう一回提示する。二回誤識別する或いは識別できないとき、境界点に達すると考えられる。２０代の男性大学生３０人を対象にとして、分離実験を行った。獲得した合成音声分離の信号強さの比の境界値ｒｃｋ（ｋ＝１、２、．．．２０）は表１に示している。
【表１】
【００１４】
表１によると，信号の強さ比の境界値はＤとＢの組合せ次第で変わり，大きな相違がある．「あ」「え」「お」など強母音（開母音）は，複合音声から分離しやすいが，「え」と「お」は弱母音（閉母音）なので，分離しにくいと考えられる．
【００１５】
人間の音声分離能力は、視力のような主観的な能力として、定量的に表示すると、能力評価などに対して便利になる。なお、音声分離能力も視力と同様に、定量的に表示できる。違う音声信号による測定の結果は異なるが、この能力を反映する唯一の値が存在するべきである。よって、以上の実験結果に基づいて、人間の分離能力を定量化する。
【００１６】
人間の音声分離の過程は信号分量の特徴の識別に関係するので、複合信号の分量の特徴を解析する。Ｆｉｇ。１に示すように、複合信号は二つの分量で複合される。つまり、目標分量と呼ばれる注目している信号分量と背景分量と呼ばれる認識を妨害している信号分量に分けられる。目標分量と背景分量は人間の注目次第で相対的な概念であり、ｄ（ｔ）とｂ（ｔ）で表示される。複合信号はｓ（ｔ）＝ｄ（ｔ）＋ｂ（ｔ）になる。音声分離においては分量ｄ（ｔ）とｂ（ｔ）の特徴の相違点が識別され、分量の内容が判断される。このため、時間領域と周波数領域の上で複合信号の中の目標分量と背景分量の相違の程度を表す相違特徴値（Ｄｉｓｓｉｍｉｌａｒｉｔｙ ｅｉｇｅｎｖａｌｕｅ）を定義し、分離の境界時の相違特徴値から得られる音声分離能力を獲得できる。一般的に、この相違特徴値は大きければ大きいほど、目標分量の内容を聞き取りやすくなる。それで、複合信号ずつ対して、人間の音声分離能力Ｆｋは背景分量と目標分量の強さの比が境界値ｒｃｋになるときの信号の相違特徴値ｄｉｆｆに表示される。
Ｆｋ＝ｄｉｆｆ（ｄｋ，ｂｋ，ｒｃｋ）（ｋ＝１，２，．．．２０） （３）
【００１７】
複合信号の相違特徴値において、我々は聴覚のマスキング効果を考え、特徴値の計算モテルを創る。マスキング効果と言うのはある音が他の音の存在によって聞こえにくくなることである［１］。二つの音声分量に対しては、互いにマスキング効果を発生し、ただ一部の信号特徴が脳の信号の内容識別に役立つ。よって、この一部の信号特徴を加算し、相違特徴値を推定する。人間の１６ｋＨｚまでの可聴範囲、２４の臨界帯域［２］を入れることができるので、我々はＥ。Ｚｗｉｃｋら［３］の臨界帯域幅雑音のマスキング効果の結論を用いて、臨界帯域ずつのマスキング量を加算し、目標分量のマスクされない特徴量を獲得できる。まず、式（４）で背景分量の臨界帯域ごとに相当の強さを求める。ここで、ＣＢｉはｉ番目の臨界帯域の周波数範囲であり、Ｂ（ｆ）はフーリエ変換を通した背景分量ｂ（ｔ）の平均スペクトルである。次に、式（５）で、全体の背景分量においての周波数ｆでのマスキング強さＭ（ｆ）を求める。ここで、関数ｍａｓｋ（ｉ、Ｉｉ、ｆ）はＥ。Ｚｗｉｃｋｅｒらの結論による背景分量Ｂの臨界帯域ｉの範囲に周波数ｆで発生するマスキング量を表し、ＡＴＨ（ｆ）は絶対可聴閾［４］を表し、ｃは調整パラメタである。
【００１８】
図３に示すように、点線は背景分量Ｂ（ｆ）から求めるマスキング強さＭ（ｆ）であり、つまり、点線の下方の目標分量Ｄ（ｆ）成分は心理上聞こえない、上方の目標分量Ｄ（ｆ）成分の分布及び強さは識別の結果を決める。よって、点線の上方の目標分量成分を一定の重みで加算すると、複合音声信号の相違特徴値は式（６）で表すことができる。式（６）の意味はマスキング強さＭ（ｆ）の上方の目的分量の部分の重みで積分である。ここで、Ｗ（ｆ）は周波数領域の各周波数が目標分量の識別に貢献をする重みであり、ｆｓは使ったデジタル音声信号のサンプリング周波数である。一人の音声分離能力は短期的に不変なので、２０の境界値ｒｃｋ（ｋ＝１、２、．．．２０）の場合においては、理論的に同じ相違特徴値が取られると考えられる。そして、２０の境界値の場合の複合信号のスペクトルの解析によって、目標分量の基本周波数Ｆ０及びホルマント周波数Ｆ１−Ｆ４のマスクされる状態は目標分量の識別結果を主に決める。なお、人間の聴覚系においては、各周波数によって生じる心理的な感覚が違うので、目標分量の識別に対して、絶対可聴閾ＡＴＨ（ｆ）の要素も考えるべきである。したがって、以上の二つの要素を考えて重みＷ（ｆ）は式（７）のように推定される。ここで、ａは調整パラメタである。式（７）を式（６）に代入し、表１のような境界場合の信号相違特徴値を計算し、結果は表２に示す。
【表２】
【００１９】
表２の結果はある程度の被験者たちの音声分離能力を表現する。求めた２０の信号相違特徴値が唯一の値となっていないが、統計的な特性は生理的な意義があると思われる。２０の相違特徴値の平均値は被験者の音声分離能力を表示し、脳の信号処理能力が反映されている。だから、音声信号分離能力は式（８）で定義される。計算される分離能力の意味は、被験者たちは目標分量の強さが背景分量の妨害量の２．１５ｄＢを超える際、音声信号の内容を分離し聞き取れる。さらに、相違特徴値の分布がちょっと集まらないのは、相違特徴値の計算関数がまだ不完備だと考え、または測定の結果に不可避な誤差が存在するとも考えている。
【００２０】
脳内聴覚情報処理能力の測定は、日本語の五つの母音により、各々の強さ比で二つの音声を混合し、被験者は両方を聞き分ける強さ比の境界値を測定する。音声混合の方法は、強さ比で縮小された一つの音声信号にもう一つの音声信号を加えることである。極限値の測定方法は、混合の強さ比が大きな方から、徐々に下がり、両方が正確に識別できない所を、極限値として獲得する。五つの音声信号の組合せにより、２０組の強さ比の極限値の平均を音声分離力の極限値とする。また、センサーとしての耳の聴力を考慮するため、単一母音に対する相対的な最小可聴強さを測定し、五つの平均値を聴力の極限値とする。このような測定法を用いて、２０代から７０代までの男女２３４人を被験者として測定実験を行った。測定結果として、図４に示すように、脳内聴覚情報処理能力の極限値と年齢との相関性を発見した。
【００２１】
上の線は、単一母音における聴力の極限値であり、被験者の耳の聴力を反映している。これにより、世代間における母音の聴力の差は、ほぼ見られない傾向がある。一方、下の線は、音声分離力の極限値であり、脳の情報処理の能力を反映していると思われる。この線により、年齢とともに、混合音声分離力の極限値が明らかに減少することが判った。二つの曲線の比較により、音声分離力の極限値の下がる原因としては、単純な聴力の低下ではなく、脳の聴覚情報処理能力の低下の影響を受けていることが示唆された。
【００２２】
脳の出力としての測定値の観点から、脳内聴覚情報処理能力と年齢と相関を調べた。脳内聴覚情報処理能力が脳機能を確かに反映することを実証するため、脳内聴覚情報処理能力と被験者の生体情報を照合した。２３４人の被験者の中で、検診クリニックにより、「人間ドック」の１１１人と「脳ドック」の６９人の生体情報を取得した。２２０項目の生体指標と脳内聴覚情報処理能力と相関性をピアソン積率相関係数で解析した。その中に、脳内聴覚情報処理能力に相関性がありそうな指標を表３に示す。また、年齢の影響を除く偏相関係数も示す。
【表３】
【００２３】
まず、ＨｂＡ１ｃ（血糖）、最高血圧、ＴＧ（中性脂肪）、ＢＭＩ（肥満度）が脳内聴覚情報処理能力にマイナスに相関する傾向があった。これらの四つの生体指標は、メタボリック症候群の重要な診断指標である。生活習慣により、内臓脂肪の蓄積は、高血糖、高血圧、脂質異常などの症状を起こす。そして、動脈硬化の傾向があり、心臓病や脳卒中のような病気になるおそれがある。また、ＩＭＴ（頚動脈肥厚）は、動脈硬化の重要な診断指標である。近年、ＩＭＴとメタボリック症候群との関連性も報告されている。
【００２４】
脳内聴覚情報処理能力は加齢とともに低下すると推測される事から、その脳力低下を音声分離訓練により緩和もしくは機能増進する事が可能か検証実験を行った。訓練実験の被験者は２０代の男性６人とし、二・三日に一度の頻度で訓練課題を課し、一人当たり８回の訓練を行った。この間、音声分離訓練の難易度を徐々に上げる事とした。１回の訓練時間は約８分であり、各被験者が訓練終了までに要した時間は約３週間であった。また、比較とする対照群を設置した。対照群の４人は訓練頻度と同様に、８回の単一音声聴取を行った。実験群と対照群の訓練前後に脳機能の変化を測定し考察した。具体的に、音声分離力の極限値の変化、音声補完力を代表としての他の脳機能の変化、及び大脳皮質の脳血流の変化の三つを併せて考察した。
【００２５】
訓練結果としては、音声分離力の変化を図５に示す。破線により、対照群は訓練前後でほぼ同様の能力値を示していた。実線により、実験群の訓練後の音声分離力の極限値が若干の減少傾向が認められた。また、訓練の３か月後の測定により、極限値が訓練前に戻らなかった。従って、音声分離訓練を通して、実験群の音声分離力が向上したと考えられる。次に、音声信号に慣れる可能性を除くとともに、他の脳機能への影響を調べるため、音声補完力の変化を考察した。手法としては、周期的に抹消された日本語五十音の劣化音声信号を用いて、訓練前後の認識の正答率を計測した。その結果は実験群の正答率が向上しているのに対し、対照群の正答率にほとんど変化がないことが確認された。
【図面の簡単な説明】
【図１】 本発明の脳内聴覚情報処理能力測定システムの例を示す図である。
【図２】 聴覚認知における音声分離力を示す図である。
【図３】 混合音声信号の相違特徴量（ＤＥ）を示す図である。
【図４】 音声分離力による相対脳年齢を示す図である。
【図５】 訓練による音声分離力の極限値の変化を示す図である。
【符号の説明】
１ 在宅使用者
２ ヒューマンインタフェース
３ 聴覚情報検出部
４ 混合音声分離力の定量化部
５ 聴覚情報処理能力の出力部
【発明の詳細な説明】
【技術分野】
【０００１】
本発明は、聴覚認知を通して、オージオメーターによる聴力検査のように、脳内聴覚情報処理能力を測定および向上することを目的とする脳内聴覚情報処理能力測定システムに関するものである。
【背景技術】
【０００２】
人間の脳は、身体の運動を制御するだけではなく、感情や理性など精神活動においても重要な役割を果たしているため、近年脳機能のトレーニングは様々な方法が提案され盛んに行われている。
【０００３】
脳機能を十分発達、改善させ、社会生活に必要な能力向上が期待されている。加齢につれ、人間の脳機能が衰えることで、高齢社会の進みとともに、老人性痴呆の有病率は増加しつつあると言われている。したがって、脳の健康を保ったり脳機能を発達したり脳の老化を予防したりすることは重要な課題となる。もし、何時でも手軽に一人で自分の脳の健康状況を把握できれば、脳の病気の予防と早期発見と早期対応を実現でき、手遅れに後悔する人々が無くなり、身体と精神とも健康な生活が送ることが出来る。
【発明の開示】
【発明が解決しようとする課題】
【０００４】
しかし、現在実施されているオージオメーターによる聴力検査は、センサーとしての耳が正常に機能しているかを検査する手段であって、脳内における聴覚情報の理解能力が反映されていない。人間は騒がしい環境で他人に影響されずに話し合える能力を持っている。すなわち、人間の脳は時間領域と周波数領域で、複合音声信号を解析・分離することができる。聴覚情報を処理し適切な行動を下すことは、聴覚野、頭頂連合野、前頭連合野などの皮質領野が関与する。したがって、人間の聴覚システムをブラックボックスとして、適切な聴覚刺激を利用すれば、脳内聴覚情報処理能力を測定したり、脳内の聴覚関連部位の健康状況を診断したりできると考えられる。更に、適切な聴覚刺激を与えることで、脳内の聴覚関連部位を活発させて、健康増進と処理能力が向上することが可能であると考えられる。
【０００５】
本発明は、このような点に鑑みて創作されたものであり、聴覚認知を通して、オージオメーターによる聴力検査のように、脳内聴覚情報処理能力を測定および向上させる脳内聴覚情報処理能力測定システムを提供することにある。
【課題を解決するための手段】
【０００６】
上述した課題を解決するために、本発明の脳内聴覚情報処理能力測定システムは、脳の健康管理または医療行為に有用な脳内聴覚情報処理能力を検出する測定手段と、測定された脳内聴覚情報処理能力を解析する演算手段と、解析された脳内聴覚情報処理能力を評価する出力手段を備えたことを特徴としている。
【０００７】
また、耳からの聴覚情報をパソコンへ入力しビジュアル的に表示できるヒューマンインタフェース、及び耳から脳に入ってきた混合音声情報に対して、混合音声が分離できる強さ比の極限値と単一音声が聞こえる相対な強さの極限値に着目して音声分離力を測る測定手段により構成されることを特徴としている。
【０００８】
更に、脳内聴覚情報処理能力を解析する演算手段は、混合音声情報のマスキング閾値の計算手段、混合音声情報の相違特徴量（ＤＥ）の計算手段、音声分離力（ＶＳＡ）の定量化計算手段により構成され、脳内聴覚情報処理能力を評価する出力手段は、母集団と評価基準の設定手法、音声分離力の相対評価手法、音声分離力の評価による脳年齢の評価手段により構成されることを特徴としている。
【発明の効果】
【０００９】
本発明の脳内聴覚情報処理能力測定システムによれば、在宅の使用者は手軽に一人で自分の脳の健康状況を把握でき、脳の病気の予防と早期発見と早期対応を実現でき、健康かつ長寿を全うして社会に貢献できる。
【発明を実施するための最良の形態】
【００１０】
脳内視覚情報処理能力測定システムの例を図１に示し、ユーザ１、ヒューマンインタフェース２、聴覚情報検出部３、混合音声分離力の定量化部４、聴覚情報処理能力の出力部５により構成される。
【００１１】
日常の経験より、人々は騒がしい環境で他人に影響されずに話し合える能力を持っている。このような能力は聴覚が選択性を持つと考えられる。聴覚の選択性は信号の成分を分離する能力に基づく。すなわち、図１に示すように、人間の脳は時間領域と周波数領域で、複合音声信号の構成成分を解析・分離することができる。この能力は、音声信号分離能力と呼ばれ、高次脳の音声認知能力として、極限が存在し、脳の健康状態に関係すると考えられる。よって、この能力の極限の研究を通して、脳健康の評価手段の一つを提供することができる。
【００１２】
音声分離実験は日本語の五つの母音から、一定の強さ比の二つで複合された音声信号を被験者に提示し、認識できる境界値を測定する。複合音声信号は三つ一組の（Ｄ、Ｂ、Ｒ）で表せる。Ｄは供試音として小さな強さの母音であり、Ｂは妨害音として大きな強さの母音であり、ＲはＤの強さ（Ｉｄ）とＢの強さ（Ｉｂ）の比である。ＤとＢは「あ、い、う、え、お」の中の一つであり、Ｒは相対的な比率として、デシベル（ｄＢ）で表示し、Ｒ＝１０ｌｏｇ１０（Ｉｄ／Ｉｂ）。ＤとＢの組合せで、Ｒを大きい方から、認識しにくい小さい方に、認識が不可能なところまで下り、そこでＲの境界値を獲得する。「あ」と「い」の場合を例として、（１）に示すような序列になる。測定のとき、ＤとＢの２０の組合せの序列がランダムで混ざり、（２）に示すような序列で測定する。そうすれば、被験者の記憶効果を除き、２０の組合せの音声分離の境界値ｒｃｋ（ｋ＝１、２、．．．２０）を取れる。
（あ，い，−１０），（あ，い，−１２），（あ，い，−１４），．．． （１）
（う，お，−１０），（あ、い，−１０），（い，お，−１０），．．．（あ，え，−１０），（い，お，−１２），（え，い，−１０），（あ，い，−１２），．．．（お，い，−１０），（あ，い，−１４），（う，え，−１０），（う，お，−１２），．．． （２）
【００１３】
実験用の音声信号はノートパソコンで複合される。被験者は両耳のヘッドホン（ＳＯＮＹＭＤＲ−ＸＤ３００）を通して複合信号の内容を認識し、答える。複合音声の序列は動態的に生成される。複合信号（ｄｉ、ｂｊ、ｒｋ）毎に、初めに誤識別する場合、序列の後の部分にランダムに挿入し、もう一回提示する。二回誤識別する或いは識別できないとき、境界点に達すると考えられる。２０代の男性大学生３０人を対象にとして、分離実験を行った。獲得した合成音声分離の信号強さの比の境界値ｒｃｋ（ｋ＝１、２、．．．２０）は表１に示している。
【表１】
【００１４】
表１によると，信号の強さ比の境界値はＤとＢの組合せ次第で変わり，大きな相違がある．「あ」「え」「お」など強母音（開母音）は，複合音声から分離しやすいが，「え」と「お」は弱母音（閉母音）なので，分離しにくいと考えられる．
【００１５】
人間の音声分離能力は、視力のような主観的な能力として、定量的に表示すると、能力評価などに対して便利になる。なお、音声分離能力も視力と同様に、定量的に表示できる。違う音声信号による測定の結果は異なるが、この能力を反映する唯一の値が存在するべきである。よって、以上の実験結果に基づいて、人間の分離能力を定量化する。
【００１６】
人間の音声分離の過程は信号分量の特徴の識別に関係するので、複合信号の分量の特徴を解析する。Ｆｉｇ。１に示すように、複合信号は二つの分量で複合される。つまり、目標分量と呼ばれる注目している信号分量と背景分量と呼ばれる認識を妨害している信号分量に分けられる。目標分量と背景分量は人間の注目次第で相対的な概念であり、ｄ（ｔ）とｂ（ｔ）で表示される。複合信号はｓ（ｔ）＝ｄ（ｔ）＋ｂ（ｔ）になる。音声分離においては分量ｄ（ｔ）とｂ（ｔ）の特徴の相違点が識別され、分量の内容が判断される。このため、時間領域と周波数領域の上で複合信号の中の目標分量と背景分量の相違の程度を表す相違特徴値（Ｄｉｓｓｉｍｉｌａｒｉｔｙ ｅｉｇｅｎｖａｌｕｅ）を定義し、分離の境界時の相違特徴値から得られる音声分離能力を獲得できる。一般的に、この相違特徴値は大きければ大きいほど、目標分量の内容を聞き取りやすくなる。それで、複合信号ずつ対して、人間の音声分離能力Ｆｋは背景分量と目標分量の強さの比が境界値ｒｃｋになるときの信号の相違特徴値ｄｉｆｆに表示される。
Ｆｋ＝ｄｉｆｆ（ｄｋ，ｂｋ，ｒｃｋ）（ｋ＝１，２，．．．２０） （３）
【００１７】
複合信号の相違特徴値において、我々は聴覚のマスキング効果を考え、特徴値の計算モテルを創る。マスキング効果と言うのはある音が他の音の存在によって聞こえにくくなることである［１］。二つの音声分量に対しては、互いにマスキング効果を発生し、ただ一部の信号特徴が脳の信号の内容識別に役立つ。よって、この一部の信号特徴を加算し、相違特徴値を推定する。人間の１６ｋＨｚまでの可聴範囲、２４の臨界帯域［２］を入れることができるので、我々はＥ。Ｚｗｉｃｋら［３］の臨界帯域幅雑音のマスキング効果の結論を用いて、臨界帯域ずつのマスキング量を加算し、目標分量のマスクされない特徴量を獲得できる。まず、式（４）で背景分量の臨界帯域ごとに相当の強さを求める。ここで、ＣＢｉはｉ番目の臨界帯域の周波数範囲であり、Ｂ（ｆ）はフーリエ変換を通した背景分量ｂ（ｔ）の平均スペクトルである。次に、式（５）で、全体の背景分量においての周波数ｆでのマスキング強さＭ（ｆ）を求める。ここで、関数ｍａｓｋ（ｉ、Ｉｉ、ｆ）はＥ。Ｚｗｉｃｋｅｒらの結論による背景分量Ｂの臨界帯域ｉの範囲に周波数ｆで発生するマスキング量を表し、ＡＴＨ（ｆ）は絶対可聴閾［４］を表し、ｃは調整パラメタである。
【００１８】
図３に示すように、点線は背景分量Ｂ（ｆ）から求めるマスキング強さＭ（ｆ）であり、つまり、点線の下方の目標分量Ｄ（ｆ）成分は心理上聞こえない、上方の目標分量Ｄ（ｆ）成分の分布及び強さは識別の結果を決める。よって、点線の上方の目標分量成分を一定の重みで加算すると、複合音声信号の相違特徴値は式（６）で表すことができる。式（６）の意味はマスキング強さＭ（ｆ）の上方の目的分量の部分の重みで積分である。ここで、Ｗ（ｆ）は周波数領域の各周波数が目標分量の識別に貢献をする重みであり、ｆｓは使ったデジタル音声信号のサンプリング周波数である。一人の音声分離能力は短期的に不変なので、２０の境界値ｒｃｋ（ｋ＝１、２、．．．２０）の場合においては、理論的に同じ相違特徴値が取られると考えられる。そして、２０の境界値の場合の複合信号のスペクトルの解析によって、目標分量の基本周波数Ｆ０及びホルマント周波数Ｆ１−Ｆ４のマスクされる状態は目標分量の識別結果を主に決める。なお、人間の聴覚系においては、各周波数によって生じる心理的な感覚が違うので、目標分量の識別に対して、絶対可聴閾ＡＴＨ（ｆ）の要素も考えるべきである。したがって、以上の二つの要素を考えて重みＷ（ｆ）は式（７）のように推定される。ここで、ａは調整パラメタである。式（７）を式（６）に代入し、表１のような境界場合の信号相違特徴値を計算し、結果は表２に示す。
【表２】
【００１９】
表２の結果はある程度の被験者たちの音声分離能力を表現する。求めた２０の信号相違特徴値が唯一の値となっていないが、統計的な特性は生理的な意義があると思われる。２０の相違特徴値の平均値は被験者の音声分離能力を表示し、脳の信号処理能力が反映されている。だから、音声信号分離能力は式（８）で定義される。計算される分離能力の意味は、被験者たちは目標分量の強さが背景分量の妨害量の２．１５ｄＢを超える際、音声信号の内容を分離し聞き取れる。さらに、相違特徴値の分布がちょっと集まらないのは、相違特徴値の計算関数がまだ不完備だと考え、または測定の結果に不可避な誤差が存在するとも考えている。
【００２０】
脳内聴覚情報処理能力の測定は、日本語の五つの母音により、各々の強さ比で二つの音声を混合し、被験者は両方を聞き分ける強さ比の境界値を測定する。音声混合の方法は、強さ比で縮小された一つの音声信号にもう一つの音声信号を加えることである。極限値の測定方法は、混合の強さ比が大きな方から、徐々に下がり、両方が正確に識別できない所を、極限値として獲得する。五つの音声信号の組合せにより、２０組の強さ比の極限値の平均を音声分離力の極限値とする。また、センサーとしての耳の聴力を考慮するため、単一母音に対する相対的な最小可聴強さを測定し、五つの平均値を聴力の極限値とする。このような測定法を用いて、２０代から７０代までの男女２３４人を被験者として測定実験を行った。測定結果として、図４に示すように、脳内聴覚情報処理能力の極限値と年齢との相関性を発見した。
【００２１】
上の線は、単一母音における聴力の極限値であり、被験者の耳の聴力を反映している。これにより、世代間における母音の聴力の差は、ほぼ見られない傾向がある。一方、下の線は、音声分離力の極限値であり、脳の情報処理の能力を反映していると思われる。この線により、年齢とともに、混合音声分離力の極限値が明らかに減少することが判った。二つの曲線の比較により、音声分離力の極限値の下がる原因としては、単純な聴力の低下ではなく、脳の聴覚情報処理能力の低下の影響を受けていることが示唆された。
【００２２】
脳の出力としての測定値の観点から、脳内聴覚情報処理能力と年齢と相関を調べた。脳内聴覚情報処理能力が脳機能を確かに反映することを実証するため、脳内聴覚情報処理能力と被験者の生体情報を照合した。２３４人の被験者の中で、検診クリニックにより、「人間ドック」の１１１人と「脳ドック」の６９人の生体情報を取得した。２２０項目の生体指標と脳内聴覚情報処理能力と相関性をピアソン積率相関係数で解析した。その中に、脳内聴覚情報処理能力に相関性がありそうな指標を表３に示す。また、年齢の影響を除く偏相関係数も示す。
【表３】
【００２３】
まず、ＨｂＡ１ｃ（血糖）、最高血圧、ＴＧ（中性脂肪）、ＢＭＩ（肥満度）が脳内聴覚情報処理能力にマイナスに相関する傾向があった。これらの四つの生体指標は、メタボリック症候群の重要な診断指標である。生活習慣により、内臓脂肪の蓄積は、高血糖、高血圧、脂質異常などの症状を起こす。そして、動脈硬化の傾向があり、心臓病や脳卒中のような病気になるおそれがある。また、ＩＭＴ（頚動脈肥厚）は、動脈硬化の重要な診断指標である。近年、ＩＭＴとメタボリック症候群との関連性も報告されている。
【００２４】
脳内聴覚情報処理能力は加齢とともに低下すると推測される事から、その脳力低下を音声分離訓練により緩和もしくは機能増進する事が可能か検証実験を行った。訓練実験の被験者は２０代の男性６人とし、二・三日に一度の頻度で訓練課題を課し、一人当たり８回の訓練を行った。この間、音声分離訓練の難易度を徐々に上げる事とした。１回の訓練時間は約８分であり、各被験者が訓練終了までに要した時間は約３週間であった。また、比較とする対照群を設置した。対照群の４人は訓練頻度と同様に、８回の単一音声聴取を行った。実験群と対照群の訓練前後に脳機能の変化を測定し考察した。具体的に、音声分離力の極限値の変化、音声補完力を代表としての他の脳機能の変化、及び大脳皮質の脳血流の変化の三つを併せて考察した。
【００２５】
訓練結果としては、音声分離力の変化を図５に示す。破線により、対照群は訓練前後でほぼ同様の能力値を示していた。実線により、実験群の訓練後の音声分離力の極限値が若干の減少傾向が認められた。また、訓練の３か月後の測定により、極限値が訓練前に戻らなかった。従って、音声分離訓練を通して、実験群の音声分離力が向上したと考えられる。次に、音声信号に慣れる可能性を除くとともに、他の脳機能への影響を調べるため、音声補完力の変化を考察した。手法としては、周期的に抹消された日本語五十音の劣化音声信号を用いて、訓練前後の認識の正答率を計測した。その結果は実験群の正答率が向上しているのに対し、対照群の正答率にほとんど変化がないことが確認された。
【図面の簡単な説明】
【図１】 本発明の脳内聴覚情報処理能力測定システムの例を示す図である。
【図２】 聴覚認知における音声分離力を示す図である。
【図３】 混合音声信号の相違特徴量（ＤＥ）を示す図である。
【図４】 音声分離力による相対脳年齢を示す図である。
【図５】 訓練による音声分離力の極限値の変化を示す図である。
【符号の説明】
１ 在宅使用者
２ ヒューマンインタフェース
３ 聴覚情報検出部
４ 混合音声分離力の定量化部
５ 聴覚情報処理能力の出力部
【特許請求の範囲】
【請求項１】
脳の健康管理または医療行為に有用な脳内聴覚情報処理能力を検出する測定手段と、測定された脳内聴覚情報処理能力を解析する演算手段と、解析された脳内聴覚情報処理能力を評価する出力手段を備えたことを特徴とする脳内聴覚情報処理能力測定システム。
【請求項２】
前記脳内聴覚情報処理能力を検出する測定手段は、耳からの聴覚情報をパソコンへ入力しビジュアル的に表示できるヒューマンインタフェース、及び耳から脳に入ってきた混合音声情報に対して、混合音声が分離できる強さ比の極限値と単一音声が聞こえる相対な強さの極限値に着目して音声分離力を測る測定手段により構成されることを特徴とする請求項１記載の脳内聴覚情報処理能力測定システム。
【請求項３】
前記脳内聴覚情報処理能力を解析する演算手段は、混合音声情報のマスキング閾値の計算手段、混合音声情報の相違特徴量（ＤＥ）の計算手段、音声分離力（ＶＳＡ）の定量化計算手段により構成されることを特徴とする請求項１と請求項２のいずれかに記載の脳内聴覚情報処理能力測定システム。
【請求項４】
前記脳内聴覚情報処理能力を評価する出力手段は、母集団と評価基準の設定手法、音声分離力の相対評価手法、音声分離力の評価による脳年齢の評価手段により構成されることを特徴とする請求項１〜請求項３のいずれかに記載の脳内聴覚情報処理能力測定システム。
【請求項１】
脳の健康管理または医療行為に有用な脳内聴覚情報処理能力を検出する測定手段と、測定された脳内聴覚情報処理能力を解析する演算手段と、解析された脳内聴覚情報処理能力を評価する出力手段を備えたことを特徴とする脳内聴覚情報処理能力測定システム。
【請求項２】
前記脳内聴覚情報処理能力を検出する測定手段は、耳からの聴覚情報をパソコンへ入力しビジュアル的に表示できるヒューマンインタフェース、及び耳から脳に入ってきた混合音声情報に対して、混合音声が分離できる強さ比の極限値と単一音声が聞こえる相対な強さの極限値に着目して音声分離力を測る測定手段により構成されることを特徴とする請求項１記載の脳内聴覚情報処理能力測定システム。
【請求項３】
前記脳内聴覚情報処理能力を解析する演算手段は、混合音声情報のマスキング閾値の計算手段、混合音声情報の相違特徴量（ＤＥ）の計算手段、音声分離力（ＶＳＡ）の定量化計算手段により構成されることを特徴とする請求項１と請求項２のいずれかに記載の脳内聴覚情報処理能力測定システム。
【請求項４】
前記脳内聴覚情報処理能力を評価する出力手段は、母集団と評価基準の設定手法、音声分離力の相対評価手法、音声分離力の評価による脳年齢の評価手段により構成されることを特徴とする請求項１〜請求項３のいずれかに記載の脳内聴覚情報処理能力測定システム。
【図１】
【図２】
【図３】
【図４】
【図５】
【図２】
【図３】
【図４】
【図５】
【公開番号】特開２０１０−１７９０８０（Ｐ２０１０−１７９０８０Ａ）
【公開日】平成２２年８月１９日（２０１０．８．１９）
【国際特許分類】
【出願番号】特願２００９−４９８９３（Ｐ２００９−４９８９３）
【出願日】平成２１年２月５日（２００９．２．５）
【出願人】（５０９０９３０２６）公立大学法人高知工科大学 (95)
【Ｆターム（参考）】
【公開日】平成２２年８月１９日（２０１０．８．１９）
【国際特許分類】
【出願日】平成２１年２月５日（２００９．２．５）
【出願人】（５０９０９３０２６）公立大学法人高知工科大学 (95)
【Ｆターム（参考）】
[ Back to top ]