CN106691772A - 执行训练课程程序 - Google Patents

Abstract

本发明涉及执行训练课程程序。公开了用于通过执行包括多个锻炼和锻炼被患者练习的顺序的课程程序来训练患者运动的装置和方法。在一些实施方式中，装置包括处理器，其配置成：接收在根据课程程序的训练的早期阶段期间进行的测量的结果，所述测量指示表征患者的运动的参数；以及基于在训练的早期阶段期间接收的结果来执行课程程序的后期阶段。

Description

执行训练课程程序

领域和背景

本公开是在使用机器人矫正或步态康复装置训练患者行走的领域中。

在国际专利申请公布号WO09125397、WO0028927、WO14202767、WO0215819和WO2004009011中描述了在本领域中的一些方法和装置。

概述

本发明的一些实施方式的方面包括用于训练患者运动的计算机实现的方法。该方法包括：

为患者得到课程程序，课程程序包括多个锻炼和它们待被患者练习的顺序；

接收在根据课程程序的训练的早期阶段期间进行的测量的结果，所述测量指示表征患者的运动的参数；以及

基于在训练的早期阶段期间接收的结果来执行课程程序的后期阶段。

例如在一些实施方式中，所述课程程序可包括第一锻炼、第二锻炼、以及在执行第二锻炼之前执行第一锻炼的指令。在一些这样的实施方式中，该方法可包括：

执行第一锻炼；

在第一锻炼的执行期间，接收指示在练习第一锻炼期间患者的合规水平的测量的结果；

以及在所接收的结果指示合规水平等于或高于目标阈值合规水平之后(且在一些实施方式中，只有在所接收的结果指示合规水平等于或高于目标阈值合规水平之后)切换到执行第二锻炼。

可选地或此外，该方法可包括：

在执行第一锻炼之后执行第二锻炼；

在第二锻炼的执行期间，接收指示在练习第二锻炼时患者的合规水平的测量的结果；

以及如果所接收的结果指示合规水平低于目标阈值合规水平则切换到再次执行第一锻炼。

在一些实施方式中，得到课程程序可包括：

接收指示患者的诊断和患者的合规水平中的至少一个的输入；以及

基于所接收的输入来产生课程程序。

在一些实施方式中，课程程序对于多个锻炼中的每个包括至少一个目标合规水平。

在一些实施方式中，接收测量的结果包括从配置成感测在训练期间由患者施加的力的传感器接收。

在一些实施方式中，课程程序包括多个最小持续时间，多个最小持续时间中的每个与多个锻炼中的相应锻炼相关，且该方法包括：

在与锻炼相关的最小持续时间期间执行锻炼之后，基于在所述锻炼的执行期间接收的结果来估计患者的合规水平。

在一些实施方式中，患者的运动包括行走。

可选地或此外，患者的运动包括移动手。

本发明的一些实施方式的方面包括用于训练患者运动的计算机实现的方法。该方法可包括：

为患者得到课程程序，课程程序包括多个锻炼和它们待被患者练习的顺序；

接收在根据课程程序的训练的早期阶段期间进行的测量的结果，所述测量指示表征患者的运动的参数；以及

基于在训练的早期阶段期间接收的结果来执行课程程序的后期阶段。

例如在一些实施方式中，课程程序可包括第一锻炼、第二锻炼、以及在执行第二锻炼之前执行第一锻炼的指令。在一些这样的实施方式中，该方法可包括：

执行第一锻炼；

在第一锻炼的执行期间，接收指示在练习第一锻炼时患者的合规水平的测量的结果；

以及在所接收的结果指示合规水平等于或高于目标合规水平之后(且在一些实施方式中，只有在所接收的结果指示合规水平等于或高于目标合规水平之后)切换到执行第二锻炼。

可选地或此外，该方法可包括：

在执行第一锻炼之后执行第二锻炼；

在第二锻炼的执行期间，接收指示在练习第二锻炼时患者的合规水平的测量的结果；

以及如果所接收的结果指示合规水平低于目标合规水平则切换到再次执行第一锻炼。

在一些实施方式中，得到课程程序可包括：

接收指示患者的诊断和患者的表现水平中的至少一个的输入；以及

基于所接收的输入来产生课程程序。

在一些实施方式中，课程程序对于多个锻炼中的每个包括至少一个目标合规水平。

在一些实施方式中，接收测量的结果包括从配置成感测在训练期间由患者施加的力的传感器接收。

在一些实施方式中，课程程序包括多个最小持续时间，多个最小持续时间中的每个与多个锻炼中的一个或多个相应锻炼相关，且该方法包括：

在与锻炼相关的最小持续时间期间执行锻炼之后，基于在所述锻炼的执行期间接收的结果来估计患者的合规水平。

在一些实施方式中，患者的运动包括行走。

可选地或此外，患者的运动包括移动手。

本发明的一些实施方式的方面包括用于通过执行包括多个锻炼和锻炼被患者练习的顺序的课程程序来训练患者运动的装置。该装置包括处理器，其配置成：

接收在根据课程程序的训练的早期阶段期间进行的测量的结果，所述测量指示表征患者的运动的参数；以及

基于在训练的早期阶段期间接收的结果来执行课程程序的后期阶段。

在一些实施方式中，课程程序包括第一锻炼、第二锻炼、以及在执行第二锻炼之前执行第一锻炼的指令。在一些这样的实施方式中，处理器配置成：

给患者提供执行第一锻炼的指令；

在由患者执行第一锻炼期间，接收指示患者的合规水平的测量的结果；以及

在所接收的结果指示合规水平等于或高于目标合规水平之后给患者提供练习第二锻炼的指令。

在课程程序包括第一锻炼、第二锻炼以及在执行第二锻炼之前执行第一锻炼的指令的一些实施方式中，处理器配置成：

给患者提供在练习第一锻炼之后练习第二锻炼的指令；

在由患者练习第二锻炼期间，接收指示患者的合规水平的测量的结果；以及

在所接收的结果指示合规水平低于目标阈值合规水平之后，给患者提供再次执行第一锻炼的指令。

在一些实施方式中，处理器配置成通过基于指示患者的诊断和患者的合规水平中的至少一个的输入产生课程程序来得到课程程序。

在一些实施方式中，课程程序对于多个锻炼中的每个包括至少一个目标合规水平。

在一些实施方式中，装置包括配置成感测在训练期间由患者施加的力的传感器，且处理器配置成从传感器接收测量的结果。

在一些实施方式中，课程程序包括多个最小持续时间，多个最小持续时间中的每个与多个锻炼中的一个或多个相应锻炼相关，且处理器配置成在与锻炼相关的最小持续时间期间执行锻炼之后(且在一些实施方式中，只有在与锻炼相关的最小持续时间期间执行锻炼之后)，基于在所述锻炼的执行期间接收的结果来估计患者的合规水平。

附图的简要说明

在本文仅作为例子参考附图描述了本发明的一些实施方式。现在详细地特别参考附图，强调所示细节是作为例子且用于说明本发明的实施方式的讨论的目的。在这个方面中，使用附图进行的描述使本发明的实施方式可如何被实施对本领域中的技术人员变得明显。

图1A是根据本发明的一些实施方式的用于训练患者行走的装置的方框图；

图1B是根据本发明的一些实施方式的步态康复装置的图形表示和根据本发明的一些实施方式的设备的一部分的拉近视图；

图2是根据本发明的一些实施方式的训练患者执行特定步态事件的方法的流程图；

图3是根据本发明的一些实施方式的用于产生用于训练患者行走的程序课程的装置的方框图；

图4是根据本发明的一些实施方式的获得并执行训练课程程序的方法的流程图；

图5是根据本发明的一些实施方式的运行用于训练患者行走的训练课程的方法的流程图；

图6是根据本发明的一些实施方式的使用机器人矫正或步态康复装置训练患者行走的方法的流程图；以及

图7是根据本发明的一些实施方式的使用机器人矫正装置训练患者行走的方法的流程图。

详细描述

本公开在使用矫正步态康复装置训练患者行走的领域中。患者一般遭受神经疾病或矫正外科损伤。神经疾病的例子可包括头损伤、中风后疾病和帕金森疾病。矫正损伤的例子可包括全髋关节置换、全膝关节置换和全踝关节置换。

本发明的一些实施方式包括用于使用临床康复原理、知识和规则的综合来进行患者的个性化训练的方法和装置。例如，所公开的方法和装置允许缓慢地发起被动运动以标准化肌肉紧张度，并达到允许患者主动能力的检测的选定主动肌肉运动。

在一些实施方式中，所公开的方法和装置可检测步态偏离——重量承载不对称性、步态异常模式(足跟到足趾)、立脚/摆动不对称性、步长大小不对称性，并检测在本文也被称为表现水平的实际功能能力。

在一些实施方式中，实际功能能力/表现水平与患者的诊断结合可设置最佳步态训练程序(在本文也被称为课程程序)。程序可包括各种训练模式例如被动模式、有或没有生物反馈的主动模式、对特定步态事件的集中训练等的组合。

在一些实施方式中，在课程期间基于目标参数例如重量平衡对称性、耐性和主动参与的组合来度量实时合规分数。每个这样的参数可具有不同的权重，且根据加权分数以及它与目标分数的差异，系统可决定在执行课程程序时是向前还是向后移动。

本发明的一些实施方式允许基于参数例如患者功能能力、步态模式、重量承载、舒适速度、主动能力、足放置和耐性的快速初始对象评估来训练患者。所评估的参数可与标准功能能力测试相关并允许机器功能分数。

因此，在一些实施方式中，可基于在执行期间进行的测量来产生、执行并修改用于训练患者的课程程序。课程程序可包括由患者在课程期间练习的一组锻炼、它们在课程中的执行的顺序和一些目标，患者遵守这些目标以便继续根据程序在课程中进展。如果患者不满足合规目标，则他可能需要返回到前一锻炼。

本发明的一些实施方式包括例如基于患者的诊断和患者的表现水平(功能能力)的知识来产生课程程序。在一些实施方式中，功能能力本身由根据本发明的装置基于患者在被发现与用于确定功能能力的标准测试相关的锻炼中显示的表现水平来测量。在一些实施方式中，代替或结合功能能力，基于所测量的参数产生课程程序，以便确定患者的功能能力。这些参数可包括例如在由患者身体的每侧支撑的重量之间的对称性(也被称为重量承载对称性)、在患者的两个臀部处施加到测压仪的力中的对称性、舒适行走速度和在右腿和左腿中取的步长大小的对称性。

本发明的一些实施方式包括用于校准在移步期间由患者的腿施加的力的测量并基于所校准的力来起作用的方法和装置。

在一些实施方式中，校准包括例如当患者放松并只由机器人移动时测量由患者非有意地施加的第一力。只由机器人进行的这样的移动在本文被称为被动行走。校准也可包括当患者主动参与行走时测量由患者有意施加的第二力。由主动参与移动腿的患者进行的这样的移动在本文被称为主动行走。最后，校准可包括从在主动行走期间施加的所测量的力减去在被动行走期间施加的所测量的力以得到净力。

在一些实施方式中，只有患者重量的一部分由患者在行走期间支撑，且重量的其余部分由提升机支撑。在一些实施方式中，由患者在被动行走期间支撑的重量的部分与由患者在主动行走期间支撑的部分相同。这种类型的校准可向力测量提供增加的敏感性，且基于这样得到的净力采取的动作可以比如果基于只在主动行走期间测量的力而得到的更有效。

在一些实施方式中，由患者(或由提升机)支撑的重量的部分可从用户接口被提供到处理器。可选地或此外，该部分可以是表征课程程序中的锻炼的参数。

在一些实施方式中，基于净力来采取动作。例如，当净力高于某个预定阈值时，某个指令可被显示给患者；某个指令可基于净力被提供到机器人的机器人臂和/或机器人的踏车；和/或某个反馈可基于净力被提供给患者。反馈可包括患者符合(或视情况可能不符合)目标合规水平的标志。对患者的指令可以是在沿着步态周期的某个点处施加更大的力(例如，如果患者未被明确指示在那个点处更主动则识别出净力太低的情况)。例如如果净力低于目标阈值，对机器人的指令可以是更慢地行走。

在一些实施方式中，装置可包括用于感测由患者在行走期间施加的力的传感器和配置成接收指示由传感器感测的力的信号的处理器。处理器还可配置成控制机器人和显示器。机器人可配置成移动患者的腿，且显示器可配置成向患者提供指令和/或反馈。在一些实施方式中，处理器可配置成区分开在被动行走和主动行走期间从传感器接收的信号；基于在主动行走期间施加的力和在被动行走期间施加的力之间的差异来计算净力，并基于净力来控制机器人和/或显示器。

本公开还涉及特别配置成训练不同的特定步态事件的步态康复装置和方法。人的步态周期可被考虑为包括几个步态事件，例如足跟着地、足趾离地和摆动。患者可能在它们中的一个方面特别困难，且在这样的情况下当前公开的装置和方法可能在提供专注于那个特定步态事件的执行的训练方面是有利的。

在一些实施方式中，治疗师可识别需要特定训练的步态事件。治疗师可接着指示装置特别训练这个步态事件。指令可经由被配置成接收这样的指令的用户接口来提供。用户接口可连接到配置成基于从用户接口接收的输入来控制装置的处理器。

在一些实施方式中，需要特定训练的步态事件可由步态康复装置识别。装置可接着例如经由上面提到的(或其它)用户接口向治疗师指示识别出了对特定步态事件的特殊训练的需要。在一些实施方式中，治疗师可决定是否训练患者专注于特定步态事件，或何时开始这样的训练。在一些实施方式中，处理器开始训练专注于那个步态事件的患者，除非治疗师指示另外的情况。

可通过分析在患者有规律地使用装置期间进行的测量的结果来得到需要专注训练的特定步态事件的识别。例如，装置可包括附接到患者的脚的传感器，且这些传感器可提供关于由每只脚的不同部分施加的力的数据。这个数据可被分析以找到在步态事件中的特定步态事件中的异常。

在一些实施方式中，特定的训练可包括特定步态事件将开始的对患者的警告。这样的警告可使患者更注意在训练这个特定步态事件时的他的动作。在一些实施方式中，特定的训练可包括当特定步态事件开始时指示患者是更主动的(或开始为主动的)。是更主动的可包括例如施加更多的力。

图1A是描述用于训练患者110行走的装置100的方框图。装置100被示为包括机器人120、传感器130、显示器140和处理器150。图1B是装置100的图形表示。

机器人120配置成例如当患者的重量的一部分由提升机122支撑时移动患者的腿。在一些实施方式中，装置100还可包括踏车(124)，例如当患者的一些重量由提升机122支撑时和/或当患者的腿由机器人120移动时，患者可在踏车上行走。为了移动患者的腿，机器人120可包括设计成缠绕腿(例如在大腿处、在膝盖之下和/或在脚踝附近)的腿铐(126、128)。铐可连接到机器人120的机器人臂132。每个机器人臂可连接到电动机或可以用受控方式移动机器人臂的任何其它设备。机器人120的机器人臂的移动可由处理器150控制，且机器人可将关于铐的位置的反馈实时地发送到处理器，所以处理器可具有铐实际上在哪里，而不仅仅是它们应移动到哪里的信息。

传感器130可在一些实施方式中包括在患者的臀部处的测压仪。此外或可选地除了在臀部处的传感器以外，传感器130可包括在膝盖处(例如在膝盖下)、在脚踝处(例如在脚踝正上方)、在患者的鞋底中等的传感器。在一些实施方式中，传感器130可包括感测提升机支撑的重量的一个或多个重量传感器。这个重量可指示患者的重量——如果患者被抬离地面，或由患者本人支撑的患者的重量，其可以被计算为在患者的重量与由提升机支撑的重量之间的差异。在一些实施方式中，传感器130可包括感测多少重量在提升机的每侧处被支撑的传感器。这样的传感器可允许估计多少重量被患者的每条腿支撑。传感器130可感测例如由患者110在一个或多个铐上例如在两个臀铐126中的每个上施加的力。在一些实施方式中，传感器130可感测力的幅度和力的方向。在一些实施方式中，由传感器进行的测量可指示患者的肌肉活动(例如动作的力量和方向)或可指示移动患者的腿的肌肉——在本文也被称为腿肌肉——的活动的任何其它参数。传感器130可包括安装在铐中或附近——例如铐接触患者或他的衣服的地方、在铐和机器人臂之间的连接附近等——的传感器。在一些实施方式中，传感器130可包括位于患者的脚处(例如在患者的鞋底中)的传感器。传感器130可配置成将指示对其进行表征的所感测的力或参数的信号发送到处理器150。传感器130可感测患者110的动作，并实时地、即当患者正使用机器人训练行走时发送相应的信号。指示所感测到的信号的数据可直接地或经由接收数据并按照所接收的或在某个处理之后将它们传送到处理器的一个或多个中间设备从传感器传输到处理器。在传感器130和处理器150之间的通信可以是有线的、无线的，或可以是沿着路线的某个部分或某些部分是有线的和沿着路线的其它部分是无线的。

在一些实施方式中，处理器可以在远程服务器上(例如在给装置100提供云计算服务的公共或私有云中)。数据可经由通信网络(例如互联网)被发送到远程服务器、在服务器处被分析，且分析结果可通过通信网络被发送回到装置100。在一些实施方式中，分析结果(不管是远程地还是在本地被分析)可包括对机器人的指令以在一个方向或另一个方向上例如更快或更慢地移动。任选地或可选地，分析结果可包括对显示器(例如显示器140)的指令以向患者显示基于测量结果由服务器为患者选择的锻炼指令。这些指令可在一些实施方式中设计成训练患者实施特定步态事件。在一些实施方式中，分析结果可包括对治疗师的推荐，且治疗师可决定是接受它们，以某种修正的形式接受它们，还是拒绝它们。例如，服务器的推荐可包括使用特定的锻炼来训练患者执行足跟着地的推荐，且治疗师可接受推荐，决定使用另一锻炼来训练患者执行足跟着地，或拒绝推荐。在一些实施方式中，治疗师可决定例如使用小睡型功能延迟他的关于推荐的决定。

在一些实施方式中，分析——不管远程地还是在本地被执行——可包括净力的分析。净力可以是由患者在训练期间施加的力减去当患者放松且他的腿由机器人移动时由患者施加的力。这可使分析对由患者有意施加的力的变化更敏感，因为净力的使用允许忽略与患者的有意努力无关的力，例如腿的重量。

通过云工作可允许例如在中央将新锻炼加载到连接到同一云的不同装置。以这种方式，如果新锻炼被发现是在临床上有用的，则云可被装有这个锻炼。在一些实施方式中，云可进一步被装有何时应用或建议新锻炼的规则。以这种方式，新锻炼对连接到同一云的所有类似的装置的用户变成可采用的。通过云工作也可以是有利的，因为治疗师可提供关于不同锻炼的输入和反馈以及它们在不同的临床情况中的功效，且这个信息可与所有其他用户实时共享。可选地或此外，由用户输入的信息可用于提高由云提供的推荐。在一些实施方式中，锻炼的临床功效可基于在从患者接收的数据中的进行中的变化由云估计，并提高对这样的估计最好的推荐。虽然术语“云”被使用，本发明不限于任何特定的服务提供架构，并可利用例如一个或多个专用服务器。

处理器150可配置成控制机器人120以移动患者110的腿以便产生步态周期。

如在本文使用的，术语“处理器”可包括对输入或输出执行逻辑操作的电路。例如，这样的处理器可包括一个或多个集成电路、微芯片、微控制器、微处理器、中央处理单元(CPU)的全部或部分、图形处理单元(GPU)、数字信号处理器(DSP)、现场可编程门阵列(FPGA)或适合于执行指令或执行逻辑操作的其它电路。

由处理器执行的指令可以例如被预先加载到处理器内或可存储在单独的存储器单元例如RAM、ROM、硬盘、光盘、磁性介质、闪存、其它永久、固定或易失性存储器或能够为处理器存储指令的任何其它机构中。处理器可为了特定的用途而被定制，或可为了通用用途而配置并可通过执行不同的软件来执行不同的功能。

在一些实施方式中，多于一个处理器用于执行一个或多个所列举的指令。这通过对“至少一个处理器”的提及来强调，但在本文列举的任何处理器可以用一起配置成执行所列举的指令的多个处理器代替。在这样的实施方式中，所有所使用的处理器可具有类似的结构，或它们可具有不同的结构。所使用的处理器可彼此电连接或断开。它们可以是单独的电路或集成在单个电路中。当多于一个处理器被使用时，它们可配置成独立地或协作地操作。它们可以电子地、磁性地、光学地、声学地、机械地或通过允许它们交互作用的其它手段被耦合。

如在本文使用的，如果结构(例如机器人、处理器等)被描述为“配置成”执行特定任务(例如配置成移动患者的腿)，则结构包括使机器能够执行该特定任务的部件、零件或方面(例如软件)。在一些实施方式中，结构在操作期间执行这个任务。例如，配置成执行任务的处理器可被编程为实行一起导致任务的执行的指令。

每个步态周期可包括一起组成行走的步态事件。这样的事件(也被称为阶段)的例子可包括足跟着地、支撑、足趾离地、抬腿和摆动。在足跟着地阶段中，足首先以足跟碰地。在足跟着地阶段之后，在先的腿碰地，且肌肉起作用来处理穿过腿的力。这被称为支撑阶段。在足趾离地阶段期间，足准备离开地面——足跟首先，足趾最后。一旦足离开地面，下肢就抬高，为摆动阶段做准备。这被称为抬腿阶段。在摆动阶段中，抬高的腿被向前推进。这是行走的前向运动出现的地方。接着，足跟碰地，且整个周期重复。在一些实施方式中，步态周期可不同地被划分到步态事件，例如到站立阶段、蹬地阶段和摆动阶段。步态周期的另一可能划分是只分为站立阶段和摆动阶段。步态周期的另一可能划分是分为六个阶段：足跟着地、负重响应、站立中期、站立末期、预先摆动、摆动初期和中期以及摆动末期。本发明不取决于步态周期被划分到阶段或事件的特定方式。机器人使患者经过所有阶段行走，且传感器连续地传输指示由患者施加的力的数据，所以处理器可组合来自机器人臂的输入或它们的控制与来自传感器的输入以判断在每个步态事件处由患者施加了什么样的力。

在一些实施方式中，处理器150配置成使机器人120(或它的臂)移动而经过沿着步态周期的大量周期点，例如经过50、100、200、360或任何更小、更大或中间数量的周期点。周期点可分布在沿着步态周期的相等时差处。可通过设定在周期点之间的时差的大小来设定行走速度：从一个周期点移动到下一周期点花费的时间越长，行走速度就越慢。机器人可流畅地通过这些周期点，所以流畅的运动产生。处理器可包括存储在沿着步态周期的周期点与步态事件之间的相应性的存储器。以这种方式，处理器可按照周期点识别锻炼的患者在任何时刻的步态事件，机器人在那个时刻经过该周期点。处理器150可指示显示器140基于机器人经过的周期点来向患者110显示指令，且以这种方式，在被提供到患者的指令和患者的当前步态事件之间同步。

在一些实施方式中，处理器150可指示显示器140向患者显示在线反馈。在一些实施方式中，在线反馈可指示由患者施加的力，例如净力。在一些实施方式中，在线反馈可指示患者与所提供的指令的合规性。合规性可向患者指示所施加的力多么接近目标力。例如，如果为患者设置2kg的目标净力且患者施加仅仅2kg或更大的净力，则显示器可显示对下面的事实的标志：患者的成绩符合目标。这样的标记可包括例如与患者的行走同步地显示在屏幕上的绿色足迹。如果由患者施加的净力小于2kg，则显示器可显示对下面的事实的标志：患者的成绩不符合目标。这样的标记可包括例如与患者的行走同步地显示在屏幕上的红色足迹。足迹可被显示为在患者的步速和步长大小方面移动，以除了关于与目标力施加的合规性的反馈以外还向患者提供关于这些参数的反馈。如果一条腿(例如右腿)施加2kg或更大的力而另一条腿施加小于2kg的力，则显示器可显示绿色的右足迹和红色的左足迹。这是可通过显示器由处理器提供的足特定反馈的例子，使得患者可将他的努力集中于还不符合目标的腿并对另一条腿的表现满意。

处理器150可通过不同于显示器140(或除了显示器140以外)的通道提供类似的在线反馈。例如，在线反馈可以是以行走速度的变化的形式。

在一个这样的例子中，如果所施加的力(例如在两条腿中)低于目标阈值，则处理器可控制机器人减慢患者的步伐，且如果例如在预定时间段内目标阈值未达到则停止步伐，例如以让患者休息。在一些实施方式中，可设定合规阈值。在一些实施方式中，可按照在两条腿上的成绩的平均值来设定合规阈值。合规阈值也可考虑额外的因素，例如在由这两条腿迈出的步子的长度之间的对称性，在由每条腿支撑的重量之间的对称性(或差异)，等等。

在另一这样的例子中，如果合规阈值被达到(例如所施加的力高于目标阈值)，则处理器可控制机器人加快行走速度，以便训练患者更快地行走。在这两个例子中，步速变化(减慢或加快，看情况)向患者提供指示患者的合规性的在线反馈。

在一些实施方式中，处理器150可配置成基于实时用户输入来指示显示器140向患者110显示预定指令。例如，装置可包括配置成从用户(例如治疗师)接收练习特定步态事件现在应发生的指示的用户接口。在一个这样的例子中，用户接口可包括“现在练习”按钮，当治疗师看到患者进入待练习的步态事件时治疗师可按该按钮。在一些实施方式中，立即响应于该按钮被按下，处理器150指示显示器140例如起作用来向患者显示或以其他方式显现指令。处理器还可遵循患者与指令的合规性，调节另外的指令，并基于合规性来调节机器人的控制。在一些这样的实施方式中，处理器可使用治疗师输入来获悉步态事件何时开始。例如，用户接口还可允许用户指示哪个步态事件将被练习，以及处理器可配置成使所指示的步态事件与周期点相关，当用户按下“现在练习”按钮时，机器人经过周期点移动患者的腿。这个相关性机制可例如用于“教导”处理器150识别步态事件。在一些实施方式中，相关性机制可用于允许治疗师向装置100定义新步态事件。

本发明的一些实施方式的方面可以是如上所说的处理器150或包括它的任何步态康复装置。在一些这样的实施方式中，处理器150可配置成确定待训练的步态事件。如上所述，确定要训练哪个步态事件可基于用户输入。在一些实施方式中，确定可基于从传感器130接收的数据的分析，其可选地由处理器150执行。

在一些实施方式中，处理器150可配置成例如如上面所解释的使用机器人120经过的周期点识别患者的步态事件。可选地或此外，处理器150可使用来自传感器130的输入来识别步态事件。可选地或此外，处理器150可使用在线用户输入来识别步态事件。

在一些实施方式中，处理器150可配置成基于在所识别的步态事件和被确定为需要专注训练的步态事件之间的比较来指示患者进行动作。处理器150可通过使特定的指令显示在显示器140上来指示患者。可例如听觉地、视觉地和/或文本地显示指令。

在一些实施方式中，处理器150配置成从传感器130接收指示患者的步态事件的数据。例如，在鞋底处的传感器可提供指示足跟着地步行阶段正被练习的数据。处理器可在一些实施方式中配置成基于从至少一个传感器接收的数据来识别患者的步态事件。一旦被识别出，步态事件就可与被确定为需要专注训练的步态事件比较，且训练可相应地继续。

在操作中，显示器140可在患者正训练时向患者110显示指令，例如显示器可显示施加力的指令以便跟随机器人，使得移动腿的力的部分由患者施加，且只有力的其余部分由机器人施加。可文本地、视觉地、听觉地或通过文本、音频和视频的两个或多个的任何组合来显示指令。

在一些实施方式中，处理器150可配置成控制显示器140在机器人移动患者的腿经过特定步态事件时指示患者110动作。传感器130可感测患者110所做出的动作，并将相应的信号发送到处理器150。处理器150可配置成基于指示患者在指令显示在显示器140上之后做出的动作的信号来调节机器人120的控制。

在一些实施方式中，装置100可包括配置成允许用户指示特定步态事件的用户接口160，在该特定步态事件期间，患者被指示动作。用户接口可包括触摸屏、袖珍键盘、光学读取器(例如用于读取条形码或QR代码)或对从用户接收输入有用的任何其它装置。处理器150可配置成基于来自用户接口的输入来确定特定步态事件，并相应地控制显示器。在一些实施方式中，也可基于从用户接口接收的输入来控制机器人。

例如在一些实施方式中，处理器150可配置成，如果患者110的动作低于或高于合规阈值或在两个合规阈值之间定义的合规范围之外，则调节机器人的控制。合规阈值可以是例如所感测的参数的值、在所感测的参数之间的比值或在所感测的值和同一参数的目标值之间的比或指示患者与由显示器140提供给他的指令的合规性的任何其它值。这样的值可包括由患者施加的力的大小、力的方向、力施加的定时等。优选地，力可以是通过从在主动行走期间施加的力减去当患者放松并只由机器人移动时施加的力而得到的净力。可选地，力可以是在训练期间测量的力而没有这样的相减。在一个例子中，在患者需要对指令做出响应的锻炼中，可基于成功率例如指令的部分来计算合规指标，患者在从接收到指令起的预定时间段内对指令做出响应。这个部分(以及其它合规指标)可用于评估合规水平。在另一例子中，当患者需要不时地增加他的行走速度时，可基于平均行走速度除以目标平均行走速度来计算合规指标。在另一例子中，当机器人臂不在使用中时，例如当患者在由提升机部分地提升或独立于提升机的踏车上行走时，在两条腿中的步长大小(和/或跨步速度)之间的比可以作为合规指标。例如，相等的步长大小可向合规指标给出最高值，且当在两条腿中的步长大小之间的差(或比)增加时，合规指标可在值上减小。在另一例子中，例如与目标步长大小比较的步长大小的长度可用作合规指标。在一些实施方式中，合规水平可以是两个或多个合规指标的值的平均。在一些实施方式中，平均值可以是加权平均，不同的权重被分配到不同的合规指标。在一些实施方式中，权重可以相等。

机器人120的控制的调节可设计成向患者110提供关于他的合规性的肌肉运动反馈。例如在一些实施方式中，如果患者的合规性低于可接受的合规阈值，机器人可以减速并保持减速直到它停止为止，除非患者的合规性在减速期间提高。如果合规性高于要开始的阈值，患者不会经历减速。如果机器人停止，则机器人可以给患者提供某个预定休息时间并接着再次开始锻炼。锻炼可以以机器人使患者以有规律的步态经过所有步态事件行走一些步而开始，并接着指示患者在特定步态事件期间施加力，如上所述。

在一些实施方式中，患者可被指示连续地施加力，并在经由显示器140这么指示时加强所施加的力。如果成功(例如，如果合规性高于阈值)，则机器人可被控制来使患者以更高的速度行走。

图2是在实现根据本发明的一些实施方式的方法200时采取的动作的流程图。方法200可以是计算机实现的，且特别是可由图1A和1B所示的装置100的处理器150实现。计算机实现的方法200对于装置100可以是本地的或远程的，例如专用于控制步态康复设备，或在云上。方法200可以对训练患者执行特定步态事件是有用的。上面描述了步态事件。

在202中，可控制机器人(例如机器人120)以移动患者的脚以便产生步态周期。

在204中，识别出患者正进入必须被训练的特定步态事件。可如上所述执行识别。

在206中，患者被指示(例如通过适当地控制显示器140)来动作。当识别出患者正进入或将要进入待训练的步态事件时，执行这个步骤。动作的指令可与患者进入特定步态事件同步地(例如在开始特定步态事件之前、期间或之后不久的周期点)显示给患者。处理器可从用户接口例如从上面所述的用户接口160接收指示将被训练的特定步态事件的数据。在一些实施方式中，方法200可包括接收指示患者的步态模式的数据。这些数据可包括由脚施加在地面上的力的测量(例如什么部分接触、在什么力下和什么时候)。可在一些实施方式中从感测由患者的脚(或在患者的脚上)施加的力的传感器(例如在患者的鞋内部例如在鞋底上或下的传感器)得到这样的数据。在这样的实施方式中，处理器可使用这个数据来推断出特定步态事件将被训练，以及这个特定步态事件是什么。在一些实施方式中，处理器可建议治疗师训练这个特定步态事件。在一些实施方式中，处理器可开始训练这个特定步态事件而不从治疗师接收明确的指令来这么做。例如在一些实施方式中，治疗师也许能够给处理器提供一般指令以每当处理器发现这足够时就训练特定步态事件。在一些实施方式中，治疗师可能要求处理器在开始训练患者进行特定步态事件之前等待明确的指令。在206中，可在患者被指示(例如经由显示器140)来动作之后基于由患者做出的动作来调节机器人120的控制。

在一些实施方式中，步骤208可包括在步骤206被进行之后确定由患者做出的动作的合规水平。可基于从传感器(例如传感器130)接收的输入来确定合规水平，该输入指示由患者响应于患者在步骤204接收的指令而施加的力。

在步骤210中，基于所确定的合规水平来调节机器人的控制。例如，机器人可被控制成如果所确定的合规水平低于合规阈值则比在步骤206被进行之前更慢地移动患者的腿，以及如果所确定的合规水平等于或高于合规阈值则保持机器人的控制不变。

在另一例子中(或除了前一例子以外)，步骤210可包括调节机器人的控制以如果所确定的合规水平高于合规阈值则比在步骤206被进行之前更快地移动患者的腿。

图3是用于训练患者行走的装置300的方框图。装置300包括配置成移动患者305的腿的机器人310、用户接口320和处理器330。用户接口320配置成接收关于患者的诊断和患者的表现水平的输入。输入可由治疗师提交。可由治疗师从装置300可能在治疗中有用的条件的列表选择诊断。患者的表现水平也可例如基于患者的过去经历、在使用装置300之前执行的测试和来自患者的治疗师临床印象由治疗师插入。装置300也可具有保存关于患者的个人数据例如名字、性别、年龄等的存储器。

在一些实施方式中，患者的表现水平可以是例如从需要最大支撑到独立的预定表现水平之一。例如，可在踏车上行走而没有机器人臂的任何帮助的患者可具有“独立”表现水平。这可包括其身体重量的一部分在训练期间由提升机支撑的患者。在另一例子中，需要提升机来支撑他的整个身体重量并可几乎不响应于刺激而有意施加力的患者可被考虑为“需要最大支撑”。在这两种状态之间的中间的患者可被考虑为例如需要一些支撑，和需要相当大的支撑。在一些实施方式中，有四个表现水平，但本发明不限于任何特定数量的表现水平。

在一些实施方式中，指示患者的表现水平的输入可包括数据，处理器可从该数据得出表现水平。例如，在一些实施方式中，患者可能需要执行一组标准锻炼，且患者在这些锻炼的执行期间的表现可由有技能的治疗师评估以推断出患者的表现水平。这样的标准锻炼可包括例如Berg平衡测试、计时起立测试和10米行走测试。

在一些实施方式中，在本领域中已知的这组标准锻炼可以用在根据本公开的实施方式的装置(例如装置100或装置300)上执行的一组预定锻炼代替。临床试验可被保持以验证在由在根据本公开的装置上的表现指示的表现水平和由现有标准测试指示的表现水平之间的相关性。

处理器330可配置成经由用户接口320接收指示患者的诊断和患者的表现水平的输入，并基于输入产生患者的课程程序。

课程程序是用于训练课程的程序。训练课程是在患者练习可包括行走锻炼的多个锻炼期间的单个场合。课程可以以将患者连接到装置开始，并可以以使患者从装置断开结束。连接可包括例如到提升机的连接或到腿铐的连接。在一些实施方式中，在课程期间，患者可从腿铐断开，但保持连接到提升机。在一些实施方式中，训练课程的持续时间是大约一小时，但是本发明的实施方式不排除更短或更长的课程。例如，如果患者非常虚弱，则他可执行大约15分钟或20分钟的短课程。如果患者相当强壮，则他可有时甚至练习长于1小时，例如70分钟或90分钟。然而在很多情况下，课程花费在45分钟和60分钟之间。

对产生课程程序可考虑的一些示例性参数包括：在由患者身体的每侧支撑的重量之间的对称性(也被称为重量承载对称性)、在患者的两个臀部处施加到测压仪的力中的对称性、舒适行走速度和在右腿和左腿中取的步长大小的对称性。

课程程序可包括多个锻炼和它们由患者练习的顺序。在一些实施方式中，处理器330可包括存储使每对诊断和表现水平与课程程序相关的相关性产生代码例如查找表的存储器。可基于使用类似装置得到的临床经验来准备相关代码，其中课程程序由人治疗师而不是处理器决定。处理器150还可配置成控制机器人根据课程程序来移动患者的腿。

每个锻炼可以例如以锻炼参数为特征。锻炼参数的例子可包括锻炼的步速、步长、要锻炼的步态事件、在患者的合规性被估计之前要锻炼的最小时间、致力于锻炼的最大时间、最小合规阈值、最大合规阈值等。不同的锻炼可具有不同的参数，例如一些锻炼可被进行以训练特定步态事件，且一些锻炼并非如此，所以参数“要训练的步态事件”并非与所有锻炼相关。

在一些实施方式中，锻炼可以以模式为特征。例如，在第一模式中，患者可被预期是完全被动的，且患者的腿仅由机器人移动。在这个锻炼模式中的锻炼参数可包括锻炼的持续时间、行走的速度、步长、由患者支撑的患者身体重量的部分、由患者支撑的身体重量等。在这个锻炼模式中行走可用于设置在其它模式中测量的力的基线。例如，在这个模式中在锻炼期间在臀部处的测压仪上施加的力可从当在另一模式中锻炼时在同一臀部处的同一测压仪上施加的力减去。

在第二模式中，患者可被预期只响应于刺激(例如经由显示器给出的指令)来施加力。在这个模式中，除了持续时间、速度和步长以外，锻炼参数还可包括例如在第一刺激之前的持续时间、在患者的合规性的第一估计之前的持续时间、机器人等待患者对刺激的反应时的持续时间等。

在第三模式中，患者可被预期在一些力由机器人施加且部分力由患者本人施加时行走，且患者应在被刺激这么做时增加力。除了在第二模式中有用的那些参数以外的一些锻炼参数可以是多少力由机器人在患者增加力的时段之间施加。

在第四模式中，患者可独自行走(例如在踏车上)，且锻炼参数可以是例如行走的速度、由患者支撑的身体重量的部分和可能患者必须在行走期间练习的其它锻炼。本发明不限于表征组成课程程序的锻炼的一组特定的模式和锻炼参数。

在一些实施方式中，除了如上所述的锻炼参数以外，每个锻炼还可以以目标合规水平为特征。如在本文所述的，合规水平可以是指示在执行锻炼时患者的表现的质量的任何参数。合规水平可包括一个或多个参数的值，每个参数指示表现质量的方面。在一些实施方式中，合规水平是几个这样的参数的平均值。平均值可被加权，使得每个参数可具有它自己的权重。在一些实施方式中，一些权重或所有权重是相等的。考虑到一个或多个参数，例如训练时间的一部分——其中患者不必要地施加力(例如在患者被预期是完全被动的模式中)、在一条腿中的步长大小和在另一条腿中的步长大小之间的比(例如在患者在没有机器人臂的踏车上自由行走的模式中)、患者花费多长时间来对刺激做出响应、患者响应于刺激(例如力的大小和方向)而施加的力多么有效(例如强的、很好地定向的)等的值，可评估合规水平。目标合规水平可以是患者被预期达到或超过的合规水平的值。在一些实施方式中，可以有两个目标合规水平(在本文也被称为合规阈值或目标合规阈值)：患者被预期达到或超过的最小阈值，和如果被超过则可指示需要用更有挑战性的锻炼代替该锻炼的最大阈值。

在一些实施方式中，由处理器150确定的程序课程包括至少一个锻炼例如所有锻炼的目标合规水平。

在一些实施方式中，装置300还包括感测在训练期间由患者施加的力的传感器340。处理器330在一些这样的实施方式中配置成从传感器接收指示由传感器感测的力的输入。处理器330可配置成使合规水平与患者在训练期间的实际表现相关。处理器可配置成基于从传感器340接收的输入来做出这样的相关。在一些这样的实施方式中，处理器330可配置成比较与患者的实际合规性相关的合规水平与构成程序课程的部分的目标合规水平。程序课程可基于经由用户接口310接收的数据(例如诊断)由处理器确定。处理器330还可配置成基于比较的结果来控制机器人。例如，如果合规水平高于预定阈值，则处理器可停止当前的锻炼，并开始课程中的下一锻炼。在一些实施方式中，在程序课程中的一个或多个锻炼包括高目标合规水平和低目标合规水平，且如果患者未达到低目标合规水平，则处理器停止锻炼并再一次开始前一锻炼。如果患者达到高目标合规水平，则处理器可停止当前的锻炼并开始课程中的下一锻炼。在一些实施方式中，如果患者的合规水平在高和低目标合规水平之间，则当前锻炼继续例如预定的时间，其后患者的表现水平可再次与目标合规水平比较。

在一些实施方式中，处理器330配置成在预定时间段内比较一次基于来自传感器340的输入而估计的合规水平与目标合规水平。在一些实施方式中，课程程序对于每个锻炼包括预定时间段。

图4是根据本发明的一些实施方式的训练患者移动的方法600的流程图。移动可包括例如行走和/或移动患者的手。

方法600可包括得到用于患者的课程程序的步骤602。在一些实施方式中，可从外部源例如从远程存储器经由通信链路或网络(例如经由互联网)得到课程程序。在一些实施方式中，可在本地或远程地例如基于来自用户的输入来产生课程程序。该输入可经由用户接口例如用户接口320被输入。输入可包括患者的诊断和患者的表现水平中的至少一个，例如，如治疗师估计的或如从在方法600开始之前进行的测量推断出的。课程程序可包括多个锻炼和它们由患者练习的顺序。

方法600还可包括开始根据所得到的课程程序执行训练课程的步骤604。

方法600还可包括接收在训练课程的执行的早期阶段期间(例如在步骤604期间)进行的测量的结果的步骤606。可从传感器例如传感器340接收(直接或间接地)结果。测量可指示表征患者的移动的参数。例如，在移动包括行走的情况下，参数可包括在每条腿中的步长大小，由患者的腿施加的力(例如净力)，等等。锻炼可根据它被执行时的时间被考虑为在训练中的“早期”或“晚期”阶段中被执行。例如，首先执行的锻炼比在课程中最后执行的锻炼构成训练的更早阶段。因此，可在同一课程期间的稍后时间中考虑在某个时间得到的测量结果。

方法600还可包括基于在训练的早期阶段期间接收的结果来执行课程程序的晚期阶段的步骤608。例如，基于所得到的结果来执行课程的其余部分(在步骤602的执行之后)。

例如，课程程序可包括第一锻炼、第二锻炼和在执行第二锻炼之前执行第一锻炼的指令。在一些实施方式中，方法600包括首先执行第一锻炼；以及在第一锻炼的执行期间，接收指示在练习第一锻炼中患者的合规水平的测量的结果。然后，患者的合规水平可基于测量结果而被估计，并与目标合规水平比较。在一些实施方式中，目标合规水平构成所得到的课程程序的部分。该方法可包括只在所估计的合规水平等于或高于目标合规水平之后从执行第一锻炼切换到执行第二锻炼。

类似地，在一些实施方式中，方法600包括首先执行第一锻炼；以及然后第二锻炼。在第二锻炼的执行期间，指示在练习第二锻炼中患者的表现水平的测量的结果被接收到。然后，患者的合规水平可基于测量结果而被估计，并与和第二锻炼相关的目标合规水平比较。在一些实施方式中，目标合规水平及其与参与课程的不同锻炼的相关性构成在步骤602中得到的课程程序的部分。该方法可包括，如果所估计的合规水平低于目标合规水平，则从执行第二锻炼切换回到再次执行第一锻炼。这些例子参考下面所述的图5稍微更详细地被解释。

在一些实施方式中，课程程序对于被包括在课程程序中的每个锻炼包括最小持续时间。在患者的合规水平被估计之前，每个锻炼可在最小持续时间期间被执行。在一些实施方式中，在合规水平被估计且同一锻炼继续之后，合规水平可在相同长度的另一时期之后再次被估计。在一些实施方式中，在患者合规水平的第一估计之前的最小持续时间可以不同于在稍后估计之间的持续时间(例如更长)。在一些实施方式中，在患者的表现水平的每两个随后估计之间的时期可以不同。例如，这个持续时间可由为患者估计的合规水平确定。例如，如果合规水平相当远离目标，与如果患者的合规水平非常接近于目标相比，更长的时间可在合规水平被再次估计之前过去。

图4的方法和图5的方法可例如由如图1A、1B和3所述的装置实现，其中处理器配置成执行相应的方法。

图5是根据本发明的一些实施方式的、用于运行用于使用康复机器人来训练患者行走的训练课程的计算机实现的方法400的流程图。

在步骤402中，课程程序被接收或产生。课程程序可由计算机在线产生或例如由治疗师提前产生，并例如经由用户接口传递到计算机。课程程序包括锻炼的标识、锻炼被执行的顺序。每个锻炼还可包括最小合规阈值和最大合规阈值。

在步骤403中，待执行的锻炼的系列号n被设置为1。

在步骤404中，患者执行系列号n的锻炼。执行这个锻炼可包括由机器人(例如机器人120)进行的主动腿操纵。在一些实施方式中，计算机控制机器人来执行锻炼。步骤404可在最小时间Tn期间被执行，Tn可以是在课程程序中的锻炼#n的参数。

在步骤406中，在锻炼在最小时间期间运行之后，基于从传感器接收的数据来计算合规水平(CL)。

在步骤408中，所计算的合规水平与在课程程序中提供的最大合规阈值(THmax)比较。如果所计算的合规水平等于或大于最大合规阈值(408：是)，则待执行的锻炼的系列号扩大1，且该方法继续到步骤404(除非没有在课程中的另一锻炼，在这种情况下课程结束)。如果所计算的合规水平低于最大合规阈值(408：否)，则该方法转到步骤410。

在步骤410中，所计算的合规水平与在课程程序中提供的最小合规阈值比较。在一些实施方式中，如果所计算的合规水平在最小合规阈值之下(410：否)，则n减小1，且该方法回到步骤404，也就是说，课程回到前一锻炼。然而如果n＝1(未示出)且在课程程序中没有更容易的锻炼，则警告被发送到治疗师，以指示患者甚至在第一锻炼中也未达到他的目标。在一些实施方式中，代替警告治疗师或除了这样的警告之外，新课程程序产生，但针对具有从课程程序最初被产生时的合规水平低一个等级的合规水平的患者。如果所计算的合规水平在最小合规和最大阈值之间(410：是)，则程序返回到步骤404，以在额外的最小运行时间期间运行相同的锻炼。

图6是根据本发明的一些实施方式的用于使用机器人矫正或步态康复装置训练患者行走的计算机实现的方法500的流程图。方法500包括控制提升机来提升患者使得患者的整个身体重量由提升机支撑的步骤502。这可允许在训练患者做出行走跨步而同时不支撑患者的身体重量的任何部分。这样的锻炼可在本文被称为在空中行走。在空中行走训练中，可指示患者完全放松。可例如经由在训练期间向患者显示指令的显示器来提供指令。显示器可通过语音、视觉效果和/或文本来显示指令。由患者施加的力可包括归因于患者的痉挛状态的力。归因于患者的痉挛状态的力的变化可指示训练的进展。例如，在训练课程期间归因于患者的痉挛状态的力的减小可指示患者的痉挛状态在这个课程期间提高了。类似地，在包括多个训练课程的某个时间段期间归因于患者的痉挛状态的力的减小或最终消除可指示患者的痉挛状态提高了(由于训练课程或患者例如通过药物治疗并行地接收的其它处理)。

当患者不在他自己的腿上支撑他的任何重量时由每条腿施加的力可指示相应的腿的有效重量。有效重量可包括平衡作用于腿上的重力所需的力，如果患者是痉挛的，则是平衡痉挛状态所需的力。

在一些实施方式中，当患者不在他自己的腿上支撑他的任何重量时执行的测量可用作稍后当重量被患者支撑时的测量的基线。例如，患者可被指示为主动的。这样的指令可例如在患者的整个重量由提升机支撑时或当患者的一些重量仍然由提升机支撑时且一些重量由患者本人支撑时被提供。腿的有效重量不被参与行走的患者的努力影响。因此，为了评估由患者在腿上有意施加的净力，可从由腿施加到腿铐的、例如由臀部附近的测压仪测量的力减去腿的有效重量。可基于净力来控制进一步的训练。

方法500还可包括控制机器人移动患者的腿以便产生空中行走周期的步骤504。

方法500还可包括从传感器(例如传感器130或340)接收在空中行走期间由患者的腿施加的力的测量的结果的步骤506。

方法500还可包括控制提升机来降低患者使得患者的身体重量的至少部分由患者的腿支撑的步骤508。这样的行走可在本文被称为在地面上行走。在一些实施方式中，在地面上行走可在患者在踏车上时被执行，使得踏车可帮助设定患者的行走速度。

方法500还可包括控制机器人使患者在地面上行走的步骤510。在一些实施方式中，步骤510的控制可基于当患者在空中行走时从传感器接收的测量。例如，可基于在空中行走的两个不同事件中得到的结果的比较为患者确定程序课程。可选地或此外，可基于在地面锻炼时行走期间施加的净力为患者确定程序课程。

图7是使用配置成移动患者的腿的机器人以便产生行走周期来训练患者行走的方法700的流程图。方法700可以是计算机实现的，例如它可由图1A和1B的处理器150或图3的处理器330实现。方法700包括测量第一力和第二力的步骤。

在步骤702中，当患者(例如患者305)被指示放松并让他的腿由机器人移动(即参与被动行走)时，第一力例如由传感器130或340测量。在一些实施方式中，当患者的整个重量或患者的重量的一部分由提升机(例如提升机120)支撑时，可测量第一力。

在步骤704中，当患者被指示自己或与机器人一起移动腿(即参与主动行走)时，例如由测量第一力的相同传感器测量第二力。在一些实施方式中，当患者的重量的某个部分与在被动行走期间一样由提升机支撑时，可测量第二力。例如，当所有重量都在提升机上时或当重量的20％、25％、30％、50％或任何其它分数由患者本人支撑时，可完成被动和主动行走。

方法700还可包括基于被定义为第二力和第一力之间的差异的净力来起作用的步骤706。基于净力起作用可包括下列操作中的一个或多个：指示机器人基于净力来移动患者的腿；基于净力来给患者提供实时反馈；以及指示患者基于净力来动作。在一些实施方式中，实时反馈可包括患者感知的任何反馈，好像它被提供给他同时他正执行触发反馈的动作一样。实际上，可以有在患者的动作和他接收的对同一动作的反馈之间的最多大约0.1、0.2或0.25秒的时差。

在一些实施方式中，方法700可包括在多个步态周期点的每个处测量第一和第二力以及将每个步态周期点的净力确定(例如通过计算)为在那个步态周期点处测量的第二和第一力之间的差异。步骤706可接着包括在不同的步态周期点处不同地起作用。例如，步骤706可包括基于指示在不同的步态周期点测量的净力的值来起作用。这样的值可以例如是对所有点的平均值、指示沿着步态周期的净力的变化的值，例如描述作为步态周期点的函数的净力的函数的一个或多个参数。例如，如果净力周期性地改变，参数可包括振幅值、频率值和/或最佳地拟合净力的周期性变化的三角函数(例如正弦或余弦)的振幅值。相位可指示净力最大时的步态周期点(和/或力最小时的步态周期点)。

根据净力指示机器人移动的步骤706在一些实施方式中可包括指示机器人在沿着步态周期的不同点处不同地移动。例如在一些实施方式中，可基于在某些步态周期点处测量的净力来识别待训练的步态事件，且在步骤706中，机器人可训练患者以更专注的方式执行这个步态事件。待训练的步态事件的识别可例如基于每当患者进入这个步态事件时出现的净力的下降。

基于净力给患者提供实时反馈的步骤706在一些实施方式中可包括在显示器(例如显示器140)上向患者显示对合规水平的指示，其指示患者符合为净力预先确定的目标值的程度。合规水平可包括例如在平均净力与目标净力之间的差异(或比)。除了在显示器上显示反馈以外，在一些实施方式中，提供反馈可包括通过控制机器人臂和/或踏车来改变行走的速度。例如，如果合规水平高于阈值，则提供反馈可包括加速患者的行走。注意，在这样的情况下，提供反馈可以是通过指示机器人与以前不同地移动。

基于净力指示患者移动的步骤706在一些实施方式中可包括例如基于合规水平高于或低于阈值来指示患者更快或更慢地行走，如上面讨论的。在一些实施方式中，基于净力指示患者移动可包括在进入特定步态事件时指示患者动作。

在一些实施方式中，可在与步骤704相同的步态周期处执行步骤706。例如，机器人和/或患者被指示基于在同一步态周期中的早期点处测量的或为早期点计算的净力来在步态周期中的后期点处移动。也就是说，机器人行为对净力的适应可在同一步态周期期间发生。在步态周期中的点被称为“早期的”和“更早期的”，如果患者(和/或机器人)在经过被称为“后期的”或“更后期的”点之前经过这个点。换句话说，基于在步态周期中或在训练课程中出现的顺序来给出“后期的”和“早期的”描述语。

在一些实施方式中，可不在净力被确定时的同一步态周期处但在同一训练课程期间的同一锻炼中的稍后步态周期处执行步骤706。

在一些实施方式中，可使用图1A和1B的装置100和/或图3的装置300——如果它们例如通过编程被适当地配置——来实施方法700。

配置成实现方法700的装置100或300可包括：配置成移动患者的腿以便产生步态周期的机器人120；配置成当患者的腿移动时感测由患者的腿施加的力的传感器130；以及处理器150。

处理器150可配置成：从传感器130接收指示由患者的腿施加的力的信号；以及区分开当患者被指示放松且腿由机器人移动时从传感器接收的第一信号与当患者被指示移动腿时从传感器130接收的第二信号。第一和第二信号可在本文分别被称为第一和第二类型的信号。

例如，装置100或300可包括配置成允许用户指示患者何时被指示被动地行走的用户接口160。在一个这样的实施方式中，用户接口160可包括“校准”按钮。用户(例如治疗师)可指示患者放松，并例如当用户认为患者确实放松时按下校准按钮。处理器150或330可配置成将在校准按钮被压下之后接收的信号识别为第一类型的信号。在患者在一些周期期间跨步之后，用户可按下“开始训练”按钮，并指示患者开始主动行走。处理器可配置成将在“开始训练”按钮被按下之后测量的信号识别为第二类型的信号。

在一些实施方式中，每当训练课程开始时，处理器指示显示器140显示放松的指令(例如通过在放松背景上视觉地显现的文本和/或例如在平静的音乐的背景上提供的口头指令)。处理器接着将当放松的指令被显示时接收的信号识别为第一类型的信号。处理器还可配置成用主动行走的指令代替放松指令，例如将放松指令显示一段预定时间之后，在患者被动地行走预定数量的步态周期之后，等等。处理器可将当主动行走的指令被显示时接收的信号识别为第二类型的信号。

将第一信号(或多个信号)识别为第一类型的信号(或多个信号)和将另一信号(或多个信号)识别为第二类型的信号(或多个信号)可被考虑为区分开第一和第二类型的信号。

为了实现方法700，处理器150或330还可配置成将净力确定为由第一信号指示的力与由第二信号指示的力之间的差异。如上面讨论的，可对多个步态周期点确定净力。可例如通过根据下列公式的计算来确定净力：

F_净＝F₂-F₁

在上面的公式中，F_净是净力，F₂是当患者被指示移动时测量的力，以及F₁是当患者被指示放松时测量的力。可单独地对每个步态周期点或单独地对一些预定周期点或对一组步态周期点定义力(例如对包括在多个点中的点的平均力)。

最后，为了实现方法700，处理器150或330还可配置成基于所确定的净力来动作。动作可包括例如向患者提供实时反馈，指示机器人如何移动和/或指示患者如何移动，如上面在解释方法700时讨论的。

在一些实施方式中，配置成实现方法700的装置还可包括提升机，例如提升机120。在这样的实施方式中，处理器可配置成控制提升机来提升患者以便减小置于患者的脚上的患者的重量。提升机可由处理器例如在校准开始的指示时自动启动或通过例如经由用户接口160提供的来自用户(例如治疗师)的明确指令来启动。在一些实施方式中，当患者的整个重量在提升机上时，处理器可停止提升患者。如果例如处理器配置成从提升机接收指示由提升机支撑的重量的数据，且处理器配置成识别进一步的提升何时不增加这个重量，处理器可识别这个点。

在一些实施方式中，当患者的整个重量由提升机支撑时，第一类型的力被测量。处理器可配置成将第一类型的信号识别为当患者的整个重量由提升机支撑时接收的信号。

类似地，在一些实施方式中，用户可通过用户接口指示处理器降低提升机使得患者的重量的一部分由患者支撑和/或由提升机抬起患者，例如以便增加由提升机支撑的患者重量的部分。在一些实施方式中，处理器可配置成例如通过使在特定的时刻由提升机支撑的重量除以患者的全部重量来确定患者重量的多少部分在特定的时刻由提升机支撑。患者的全部重量可如上所述被测量。在一些实施方式中，可例如基于在步态康复装置上锻炼开始之前发生的称重经由用户接口160输入患者的全部重量。用户接口可配置成允许用户指示处理器减小(或扩大)提升机的高度，使得患者重量的预定部分(例如50％)或预定重量(例如20kg)由提升机(或由患者)支撑。处理器可配置成当患者的重量的预定部分由提升机支撑时基于上述比的计算来停止降低(或升高)提升机。

处理器可配置成将当患者的重量的一部分由患者支撑时从传感器接收的信号识别为第二类型的信号。

处理器150或330还可配置成基于在沿着步态周期的早期点处确定的净力来在沿着步态周期的后期点处采取动作。例如，处理器可配置成如果在早期点处测量的净力低于阈值则指示机器人在更后期的点减速，和/或如果在早期点处确定的净力高于阈值则在后期点处加速。

在示例性实施方式的前述描述中，为了简单化本公开的目的，在单个实施方式中将各种特征分组在一起。本公开的这个方法不应被解释为使发明反映所主张的发明需要比在每个权利要求中明确列举的更多的特征。更确切地，创造性方面可在于少于单个前述公开的实施方式的所有特征。

而且，从说明书的考虑和本公开的实践中对本领域中的技术人员将明显，可对所公开的装置和方法做出各种修改和变化而不偏离本发明的范围，如所主张的。例如，方法的一个或多个步骤和/或装置或设备的一个或多个部件可被省略、改变或替换而不偏离本发明的范围。因此，意图是说明书和例子仅用作例子，本公开的真实范围由下面的权利要求及其等效形式指示。

将认识到，上面描述的方法可以用很多方式改变，包括省略或添加步骤、改变步骤的顺序和所使用的设备的类型。此外，描述了多个各种特征，包括方法和设备。在一些实施方式中，主要描述了方法，然而，适合于执行方法的装置也可被考虑为在本发明的范围内。

应认识到，不同的特征可以用不同的方式组合。特别是，不是上面在特定实施方式中示出的所有特征都在本发明的每个相似的实施方式中是必要的。此外，上述特征的组合也被考虑为在本发明的一些实施方式的范围内。此外，用于执行和/或指导本文所述的步骤例如患者的腿运动的控制、指示患者来动作并提供反馈的硬件、软件和包括这样的软件的计算机可读介质在该范围内。

章节标题被提供用于帮助导航且不应被考虑为必须限制章节的内容。当在下面的权利要求中使用时，术语“包括(comprises)”、“包括(includes)”、“具有”及其词形变化意指“包括但不限于”。也应注意，设备适合于阴性和阳性，阳性代名词为了方便而被使用。

本领域中的技术人员将认识到，本发明不被到现在为止描述的内容限制。更确切地，本发明的范围仅由下面的权利要求限制。

Claims (14)

1.一种用于训练患者运动的计算机实现的方法，所述方法包括：

为所述患者得到课程程序，所述课程程序包括多个锻炼和所述多个锻炼待被所述患者练习的顺序；

接收在根据所述课程程序的训练的早期阶段期间进行的测量的结果，所述测量指示表征所述患者的运动的参数；以及

基于在所述训练的所述早期阶段期间接收的结果来执行所述课程程序的后期阶段。

2.如权利要求1所述的计算机实现的方法，其中所述课程程序包括第一锻炼；第二锻炼；以及在执行所述第二锻炼之前执行所述第一锻炼的指令，以及所述方法包括：

执行所述第一锻炼；

在所述第一锻炼的执行期间，接收指示在练习所述第一锻炼时所述患者的合规水平的测量的结果；

以及在所接收的结果指示合规水平等于或高于目标合规水平之后切换到执行所述第二锻炼。

3.如权利要求1所述的计算机实现的方法，其中所述课程程序包括第一锻炼；第二锻炼；以及在执行所述第二锻炼之前执行所述第一锻炼的指令，以及所述方法包括：

在执行所述第一锻炼之后执行所述第二锻炼；

在所述第二锻炼的执行期间，接收指示在练习所述第二锻炼时所述患者的合规水平的测量的结果；

以及在所接收的结果指示合规水平低于目标合规水平之后切换到再次执行所述第一锻炼。

4.如权利要求1到3中的任一项所述的计算机实现的方法，其中得到所述课程程序包括：

接收指示所述患者的诊断和所述患者的表现水平中的至少一个的输入；以及

基于所接收的输入来产生所述课程程序。

5.如权利要求1到4中的任一项所述的计算机实现的方法，其中所述课程程序对于所述多个锻炼中的每个包括至少一个目标合规水平。

6.如权利要求5所述的计算机实现的方法，其中接收测量的结果包括从配置成感测在所述训练期间由所述患者施加的力的传感器接收。

7.如权利要求1到6中的任一项所述的计算机实现的方法，其中所述课程程序包括多个最小持续时间，所述多个最小持续时间中的每个与所述多个锻炼中的相应的一个或多个锻炼相关，且所述方法包括：

在一锻炼被执行了与所述锻炼相关的所述最小持续时间之后，基于在所述锻炼的执行期间接收的结果来估计所述患者的合规水平。

8.一种用于通过执行课程程序来训练患者运动的装置，所述课程程序包括多个锻炼和所述锻炼待被所述患者练习的顺序，所述装置包括处理器，所述处理器配置成：

接收在根据所述课程程序的训练的早期阶段期间进行的测量的结果，所述测量指示表征所述患者的运动的参数；以及

基于在所述训练的所述早期阶段期间接收的结果来执行所述课程程序的后期阶段。

9.如权利要求8所述的装置，其中所述课程程序包括第一锻炼；第二锻炼；以及在执行所述第二锻炼之前执行所述第一锻炼的指令，且所述处理器配置成：

向所述患者提供执行所述第一锻炼的指令；

在由所述患者执行所述第一锻炼期间，接收指示所述患者的合规水平的测量的结果；以及

在所接收的结果指示合规水平等于或高于目标合规水平之后，给所述患者提供练习所述第二锻炼的指令。

10.如权利要求8所述的装置，其中所述课程程序包括第一锻炼、第二锻炼以及在执行所述第二锻炼之前执行所述第一锻炼的指令，且所述处理器配置成：

给所述患者提供在练习所述第一锻炼之后练习所述第二锻炼的指令；

在由所述患者练习所述第二锻炼期间，接收指示所述患者的合规水平的测量的结果；以及

在所接收的结果指示合规水平低于目标合规水平之后，给所述患者提供再次执行所述第一锻炼的指令。

11.如权利要求8到10中的任一项所述的装置，其中所述处理器配置成：通过基于指示所述患者的诊断和所述患者的表现水平中的至少一个的输入产生所述课程程序来得到所述课程程序。

12.如权利要求8到11中的任一项所述的装置，其中所述课程程序对于所述多个锻炼中的每个包括至少一个目标合规水平。

13.如权利要求12所述的装置，其包括配置成感测在所述训练期间由所述患者施加的力的传感器，且所述处理器配置成从所述传感器接收测量的结果。

14.如权利要求8到13中的任一项所述的装置，其中所述课程程序包括多个最小持续时间，所述多个最小持续时间中的每个与所述多个锻炼中的相应锻炼相关，且所述处理器配置成：

在一锻炼被执行了与所述锻炼相关的所述最小持续时间之后，基于在所述锻炼的执行期间接收的结果来估计所述患者的合规水平。