PROBLEM TO BE SOLVED: To improve robustness against noise and estimation accuracy without an estimation result being biased toward a specific state in estimating a biological state using a biological measurement feature amount of a subject.SOLUTION: A device of the present invention estimates that the highest state stage of appearance probability acquired on the basis of each posterior probability of state stages that a biological state of a subject can take calculated by using a biological measurement feature amount and learning parameters, and transition probability between the state stages is a state stage that the biological state of the subject belongs to. The learning parameters are determined by machine learning using data for a teacher selected so that the contribution of data labelled to each of the state stages is equal to each other. The transition probability is determined on the basis of the frequency of transition of the state stages at each time point in the data on the determination result of the time series state stages by the measurement of the biological state for calibration.SELECTED DRAWING: Figure 1COPYRIGHT: (C)2020,JPO&INPIT【課題】 被検者の生体計測特徴量を用いた生体状態の推定に於いて、推定結果が特定の状態に偏らず、ノイズに対するロバスト性及び推定精度を向上すること。【解決手段】 本発明の装置は、生体計測特徴量と学習パラメータとを用いて算出された被検者の生体状態が取り得る状態段階の各々の事後確率と状態段階間の遷移確率とに基づいて得られる出現確率の最も高い状態段階が被検者の生体状態の属する状態段階であると推定する。学習パラメータは、状態段階の各々にラベル付けされているデータの寄与が互いに等しくなるように選択された教師用データを用いた機械学習により決定される。遷移確率は、校正用の生体状態の計測による時系列の状態段階の判定結果のデータに於ける時点毎の状態段階の推移の頻度に基づいて決定される。【選択図】 図１
