CN112137837B - 学习系统、步行训练系统、方法、程序及学习完毕模型 - Google Patents

学习系统、步行训练系统、方法、程序及学习完毕模型 Download PDF

Info

Publication number
CN112137837B
CN112137837B CN202010579473.7A CN202010579473A CN112137837B CN 112137837 B CN112137837 B CN 112137837B CN 202010579473 A CN202010579473 A CN 202010579473A CN 112137837 B CN112137837 B CN 112137837B
Authority
CN
China
Prior art keywords
walking
data
learning
abnormal
motion
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Active
Application number
CN202010579473.7A
Other languages
English (en)
Other versions
CN112137837A (zh
Inventor
大槻将久
中岛一诚
山本学
鬼头穗高
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Toyota Motor Corp
Original Assignee
Toyota Motor Corp
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Toyota Motor Corp filed Critical Toyota Motor Corp
Publication of CN112137837A publication Critical patent/CN112137837A/zh
Application granted granted Critical
Publication of CN112137837B publication Critical patent/CN112137837B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61H—PHYSICAL THERAPY APPARATUS, e.g. DEVICES FOR LOCATING OR STIMULATING REFLEX POINTS IN THE BODY; ARTIFICIAL RESPIRATION; MASSAGE; BATHING DEVICES FOR SPECIAL THERAPEUTIC OR HYGIENIC PURPOSES OR SPECIFIC PARTS OF THE BODY
    • A61H1/00—Apparatus for passive exercising; Vibrating apparatus; Chiropractic devices, e.g. body impacting devices, external devices for briefly extending or aligning unbroken bones
    • A61H1/02—Stretching or bending or torsioning apparatus for exercising
    • A61H1/0218—Drawing-out devices
    • A61H1/0229—Drawing-out devices by reducing gravity forces normally applied to the body, e.g. by lifting or hanging the body or part of it
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/103—Detecting, measuring or recording devices for testing the shape, pattern, colour, size or movement of the body or parts thereof, for diagnostic purposes
    • A61B5/1036—Measuring load distribution, e.g. podologic studies
    • A61B5/1038—Measuring plantar pressure during gait
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/103—Detecting, measuring or recording devices for testing the shape, pattern, colour, size or movement of the body or parts thereof, for diagnostic purposes
    • A61B5/11—Measuring movement of the entire body or parts thereof, e.g. head or hand tremor, mobility of a limb
    • A61B5/112—Gait analysis
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/48—Other medical applications
    • A61B5/4836—Diagnosis combined with treatment in closed-loop systems or methods
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/68—Arrangements of detecting, measuring or recording means, e.g. sensors, in relation to patient
    • A61B5/6801—Arrangements of detecting, measuring or recording means, e.g. sensors, in relation to patient specially adapted to be attached to or worn on the body surface
    • A61B5/6802—Sensor mounted on worn items
    • A61B5/6811—External prosthesis
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/68—Arrangements of detecting, measuring or recording means, e.g. sensors, in relation to patient
    • A61B5/6801—Arrangements of detecting, measuring or recording means, e.g. sensors, in relation to patient specially adapted to be attached to or worn on the body surface
    • A61B5/6813—Specially adapted to be attached to a specific body part
    • A61B5/6828—Leg
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/68—Arrangements of detecting, measuring or recording means, e.g. sensors, in relation to patient
    • A61B5/6801—Arrangements of detecting, measuring or recording means, e.g. sensors, in relation to patient specially adapted to be attached to or worn on the body surface
    • A61B5/6813—Specially adapted to be attached to a specific body part
    • A61B5/6829—Foot or ankle
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/68—Arrangements of detecting, measuring or recording means, e.g. sensors, in relation to patient
    • A61B5/6887—Arrangements of detecting, measuring or recording means, e.g. sensors, in relation to patient mounted on external non-worn devices, e.g. non-medical devices
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/72—Signal processing specially adapted for physiological signals or for diagnostic purposes
    • A61B5/7235—Details of waveform analysis
    • A61B5/7264—Classification of physiological signals or data, e.g. using neural networks, statistical classifiers, expert systems or fuzzy systems
    • A61B5/7267—Classification of physiological signals or data, e.g. using neural networks, statistical classifiers, expert systems or fuzzy systems involving training the classification device
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/74—Details of notification to user or communication with user or patient ; user input means
    • A61B5/742—Details of notification to user or communication with user or patient ; user input means using visual displays
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61H—PHYSICAL THERAPY APPARATUS, e.g. DEVICES FOR LOCATING OR STIMULATING REFLEX POINTS IN THE BODY; ARTIFICIAL RESPIRATION; MASSAGE; BATHING DEVICES FOR SPECIAL THERAPEUTIC OR HYGIENIC PURPOSES OR SPECIFIC PARTS OF THE BODY
    • A61H1/00—Apparatus for passive exercising; Vibrating apparatus; Chiropractic devices, e.g. body impacting devices, external devices for briefly extending or aligning unbroken bones
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61H—PHYSICAL THERAPY APPARATUS, e.g. DEVICES FOR LOCATING OR STIMULATING REFLEX POINTS IN THE BODY; ARTIFICIAL RESPIRATION; MASSAGE; BATHING DEVICES FOR SPECIAL THERAPEUTIC OR HYGIENIC PURPOSES OR SPECIFIC PARTS OF THE BODY
    • A61H1/00—Apparatus for passive exercising; Vibrating apparatus; Chiropractic devices, e.g. body impacting devices, external devices for briefly extending or aligning unbroken bones
    • A61H1/02—Stretching or bending or torsioning apparatus for exercising
    • A61H1/0237—Stretching or bending or torsioning apparatus for exercising for the lower limbs
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61H—PHYSICAL THERAPY APPARATUS, e.g. DEVICES FOR LOCATING OR STIMULATING REFLEX POINTS IN THE BODY; ARTIFICIAL RESPIRATION; MASSAGE; BATHING DEVICES FOR SPECIAL THERAPEUTIC OR HYGIENIC PURPOSES OR SPECIFIC PARTS OF THE BODY
    • A61H1/00—Apparatus for passive exercising; Vibrating apparatus; Chiropractic devices, e.g. body impacting devices, external devices for briefly extending or aligning unbroken bones
    • A61H1/02—Stretching or bending or torsioning apparatus for exercising
    • A61H1/0237—Stretching or bending or torsioning apparatus for exercising for the lower limbs
    • A61H1/024—Knee
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61H—PHYSICAL THERAPY APPARATUS, e.g. DEVICES FOR LOCATING OR STIMULATING REFLEX POINTS IN THE BODY; ARTIFICIAL RESPIRATION; MASSAGE; BATHING DEVICES FOR SPECIAL THERAPEUTIC OR HYGIENIC PURPOSES OR SPECIFIC PARTS OF THE BODY
    • A61H1/00—Apparatus for passive exercising; Vibrating apparatus; Chiropractic devices, e.g. body impacting devices, external devices for briefly extending or aligning unbroken bones
    • A61H1/02—Stretching or bending or torsioning apparatus for exercising
    • A61H1/0237—Stretching or bending or torsioning apparatus for exercising for the lower limbs
    • A61H1/0255—Both knee and hip of a patient, e.g. in supine or sitting position, the feet being moved together in a plane substantially parallel to the body-symmetrical plane
    • A61H1/0262—Walking movement; Appliances for aiding disabled persons to walk
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61H—PHYSICAL THERAPY APPARATUS, e.g. DEVICES FOR LOCATING OR STIMULATING REFLEX POINTS IN THE BODY; ARTIFICIAL RESPIRATION; MASSAGE; BATHING DEVICES FOR SPECIAL THERAPEUTIC OR HYGIENIC PURPOSES OR SPECIFIC PARTS OF THE BODY
    • A61H3/00—Appliances for aiding patients or disabled persons to walk about
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61H—PHYSICAL THERAPY APPARATUS, e.g. DEVICES FOR LOCATING OR STIMULATING REFLEX POINTS IN THE BODY; ARTIFICIAL RESPIRATION; MASSAGE; BATHING DEVICES FOR SPECIAL THERAPEUTIC OR HYGIENIC PURPOSES OR SPECIFIC PARTS OF THE BODY
    • A61H3/00—Appliances for aiding patients or disabled persons to walk about
    • A61H3/008—Appliances for aiding patients or disabled persons to walk about using suspension devices for supporting the body in an upright walking or standing position, e.g. harnesses
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B25—HAND TOOLS; PORTABLE POWER-DRIVEN TOOLS; MANIPULATORS
    • B25J—MANIPULATORS; CHAMBERS PROVIDED WITH MANIPULATION DEVICES
    • B25J9/00—Programme-controlled manipulators
    • B25J9/0006—Exoskeletons, i.e. resembling a human figure
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/21—Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
    • G06F18/214—Generating training patterns; Bootstrap methods, e.g. bagging or boosting
    • G06F18/2148—Generating training patterns; Bootstrap methods, e.g. bagging or boosting characterised by the process organisation or structure, e.g. boosting cascade
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N20/00—Machine learning
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/08—Learning methods
    • G06N3/084—Backpropagation, e.g. using gradient descent
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
    • G06V10/77—Processing image or video features in feature spaces; using data integration or data reduction, e.g. principal component analysis [PCA] or independent component analysis [ICA] or self-organising maps [SOM]; Blind source separation
    • G06V10/774—Generating sets of training patterns; Bootstrap methods, e.g. bagging or boosting
    • G06V10/7747—Organisation of the process, e.g. bagging or boosting
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
    • G06V10/77—Processing image or video features in feature spaces; using data integration or data reduction, e.g. principal component analysis [PCA] or independent component analysis [ICA] or self-organising maps [SOM]; Blind source separation
    • G06V10/776—Validation; Performance evaluation
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
    • G06V40/20—Movements or behaviour, e.g. gesture recognition
    • G06V40/23—Recognition of whole body movements, e.g. for sport training
    • G06V40/25—Recognition of walking or running movements, e.g. gait recognition
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
    • G16H20/00—ICT specially adapted for therapies or health-improving plans, e.g. for handling prescriptions, for steering therapy or for monitoring patient compliance
    • G16H20/30—ICT specially adapted for therapies or health-improving plans, e.g. for handling prescriptions, for steering therapy or for monitoring patient compliance relating to physical therapies or activities, e.g. physiotherapy, acupressure or exercising
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
    • G16H40/00—ICT specially adapted for the management or administration of healthcare resources or facilities; ICT specially adapted for the management or operation of medical equipment or devices
    • G16H40/60—ICT specially adapted for the management or administration of healthcare resources or facilities; ICT specially adapted for the management or operation of medical equipment or devices for the operation of medical equipment or devices
    • G16H40/63—ICT specially adapted for the management or administration of healthcare resources or facilities; ICT specially adapted for the management or operation of medical equipment or devices for the operation of medical equipment or devices for local operation
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
    • G16H50/00—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics
    • G16H50/20—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for computer-aided diagnosis, e.g. based on medical expert systems
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
    • G16H50/00—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics
    • G16H50/30—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for calculating health indices; for individual health risk assessment
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B2505/00—Evaluating, monitoring or diagnosing in the context of a particular type of medical care
    • A61B2505/09—Rehabilitation or training
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B2562/00—Details of sensors; Constructional details of sensor housings or probes; Accessories for sensors
    • A61B2562/02—Details of sensors specially adapted for in-vivo measurements
    • A61B2562/0247—Pressure sensors
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B2562/00—Details of sensors; Constructional details of sensor housings or probes; Accessories for sensors
    • A61B2562/02—Details of sensors specially adapted for in-vivo measurements
    • A61B2562/0252—Load cells
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/72—Signal processing specially adapted for physiological signals or for diagnostic purposes
    • A61B5/7271—Specific aspects of physiological measurement analysis
    • A61B5/7275—Determining trends in physiological measurement data; Predicting development of a medical condition based on physiological measurements, e.g. determining a risk factor
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/74—Details of notification to user or communication with user or patient ; user input means
    • A61B5/7405—Details of notification to user or communication with user or patient ; user input means using sound
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61H—PHYSICAL THERAPY APPARATUS, e.g. DEVICES FOR LOCATING OR STIMULATING REFLEX POINTS IN THE BODY; ARTIFICIAL RESPIRATION; MASSAGE; BATHING DEVICES FOR SPECIAL THERAPEUTIC OR HYGIENIC PURPOSES OR SPECIFIC PARTS OF THE BODY
    • A61H3/00—Appliances for aiding patients or disabled persons to walk about
    • A61H2003/007—Appliances for aiding patients or disabled persons to walk about secured to the patient, e.g. with belts
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61H—PHYSICAL THERAPY APPARATUS, e.g. DEVICES FOR LOCATING OR STIMULATING REFLEX POINTS IN THE BODY; ARTIFICIAL RESPIRATION; MASSAGE; BATHING DEVICES FOR SPECIAL THERAPEUTIC OR HYGIENIC PURPOSES OR SPECIFIC PARTS OF THE BODY
    • A61H2201/00—Characteristics of apparatus not provided for in the preceding codes
    • A61H2201/01—Constructive details
    • A61H2201/0173—Means for preventing injuries
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61H—PHYSICAL THERAPY APPARATUS, e.g. DEVICES FOR LOCATING OR STIMULATING REFLEX POINTS IN THE BODY; ARTIFICIAL RESPIRATION; MASSAGE; BATHING DEVICES FOR SPECIAL THERAPEUTIC OR HYGIENIC PURPOSES OR SPECIFIC PARTS OF THE BODY
    • A61H2201/00—Characteristics of apparatus not provided for in the preceding codes
    • A61H2201/01—Constructive details
    • A61H2201/0192—Specific means for adjusting dimensions
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61H—PHYSICAL THERAPY APPARATUS, e.g. DEVICES FOR LOCATING OR STIMULATING REFLEX POINTS IN THE BODY; ARTIFICIAL RESPIRATION; MASSAGE; BATHING DEVICES FOR SPECIAL THERAPEUTIC OR HYGIENIC PURPOSES OR SPECIFIC PARTS OF THE BODY
    • A61H2201/00—Characteristics of apparatus not provided for in the preceding codes
    • A61H2201/12—Driving means
    • A61H2201/1207—Driving means with electric or magnetic drive
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61H—PHYSICAL THERAPY APPARATUS, e.g. DEVICES FOR LOCATING OR STIMULATING REFLEX POINTS IN THE BODY; ARTIFICIAL RESPIRATION; MASSAGE; BATHING DEVICES FOR SPECIAL THERAPEUTIC OR HYGIENIC PURPOSES OR SPECIFIC PARTS OF THE BODY
    • A61H2201/00—Characteristics of apparatus not provided for in the preceding codes
    • A61H2201/16—Physical interface with patient
    • A61H2201/1602—Physical interface with patient kind of interface, e.g. head rest, knee support or lumbar support
    • A61H2201/1628—Pelvis
    • A61H2201/163—Pelvis holding means therefor
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61H—PHYSICAL THERAPY APPARATUS, e.g. DEVICES FOR LOCATING OR STIMULATING REFLEX POINTS IN THE BODY; ARTIFICIAL RESPIRATION; MASSAGE; BATHING DEVICES FOR SPECIAL THERAPEUTIC OR HYGIENIC PURPOSES OR SPECIFIC PARTS OF THE BODY
    • A61H2201/00—Characteristics of apparatus not provided for in the preceding codes
    • A61H2201/16—Physical interface with patient
    • A61H2201/1602—Physical interface with patient kind of interface, e.g. head rest, knee support or lumbar support
    • A61H2201/1635—Hand or arm, e.g. handle
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61H—PHYSICAL THERAPY APPARATUS, e.g. DEVICES FOR LOCATING OR STIMULATING REFLEX POINTS IN THE BODY; ARTIFICIAL RESPIRATION; MASSAGE; BATHING DEVICES FOR SPECIAL THERAPEUTIC OR HYGIENIC PURPOSES OR SPECIFIC PARTS OF THE BODY
    • A61H2201/00—Characteristics of apparatus not provided for in the preceding codes
    • A61H2201/16—Physical interface with patient
    • A61H2201/1602—Physical interface with patient kind of interface, e.g. head rest, knee support or lumbar support
    • A61H2201/164—Feet or leg, e.g. pedal
    • A61H2201/1642—Holding means therefor
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61H—PHYSICAL THERAPY APPARATUS, e.g. DEVICES FOR LOCATING OR STIMULATING REFLEX POINTS IN THE BODY; ARTIFICIAL RESPIRATION; MASSAGE; BATHING DEVICES FOR SPECIAL THERAPEUTIC OR HYGIENIC PURPOSES OR SPECIFIC PARTS OF THE BODY
    • A61H2201/00—Characteristics of apparatus not provided for in the preceding codes
    • A61H2201/16—Physical interface with patient
    • A61H2201/1602—Physical interface with patient kind of interface, e.g. head rest, knee support or lumbar support
    • A61H2201/165—Wearable interfaces
    • A61H2201/1652—Harness
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61H—PHYSICAL THERAPY APPARATUS, e.g. DEVICES FOR LOCATING OR STIMULATING REFLEX POINTS IN THE BODY; ARTIFICIAL RESPIRATION; MASSAGE; BATHING DEVICES FOR SPECIAL THERAPEUTIC OR HYGIENIC PURPOSES OR SPECIFIC PARTS OF THE BODY
    • A61H2201/00—Characteristics of apparatus not provided for in the preceding codes
    • A61H2201/50—Control means thereof
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61H—PHYSICAL THERAPY APPARATUS, e.g. DEVICES FOR LOCATING OR STIMULATING REFLEX POINTS IN THE BODY; ARTIFICIAL RESPIRATION; MASSAGE; BATHING DEVICES FOR SPECIAL THERAPEUTIC OR HYGIENIC PURPOSES OR SPECIFIC PARTS OF THE BODY
    • A61H2201/00—Characteristics of apparatus not provided for in the preceding codes
    • A61H2201/50—Control means thereof
    • A61H2201/5007—Control means thereof computer controlled
    • A61H2201/501—Control means thereof computer controlled connected to external computer devices or networks
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61H—PHYSICAL THERAPY APPARATUS, e.g. DEVICES FOR LOCATING OR STIMULATING REFLEX POINTS IN THE BODY; ARTIFICIAL RESPIRATION; MASSAGE; BATHING DEVICES FOR SPECIAL THERAPEUTIC OR HYGIENIC PURPOSES OR SPECIFIC PARTS OF THE BODY
    • A61H2201/00—Characteristics of apparatus not provided for in the preceding codes
    • A61H2201/50—Control means thereof
    • A61H2201/5023—Interfaces to the user
    • A61H2201/5043—Displays
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61H—PHYSICAL THERAPY APPARATUS, e.g. DEVICES FOR LOCATING OR STIMULATING REFLEX POINTS IN THE BODY; ARTIFICIAL RESPIRATION; MASSAGE; BATHING DEVICES FOR SPECIAL THERAPEUTIC OR HYGIENIC PURPOSES OR SPECIFIC PARTS OF THE BODY
    • A61H2201/00—Characteristics of apparatus not provided for in the preceding codes
    • A61H2201/50—Control means thereof
    • A61H2201/5058—Sensors or detectors
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61H—PHYSICAL THERAPY APPARATUS, e.g. DEVICES FOR LOCATING OR STIMULATING REFLEX POINTS IN THE BODY; ARTIFICIAL RESPIRATION; MASSAGE; BATHING DEVICES FOR SPECIAL THERAPEUTIC OR HYGIENIC PURPOSES OR SPECIFIC PARTS OF THE BODY
    • A61H2201/00—Characteristics of apparatus not provided for in the preceding codes
    • A61H2201/50—Control means thereof
    • A61H2201/5058—Sensors or detectors
    • A61H2201/5061—Force sensors
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61H—PHYSICAL THERAPY APPARATUS, e.g. DEVICES FOR LOCATING OR STIMULATING REFLEX POINTS IN THE BODY; ARTIFICIAL RESPIRATION; MASSAGE; BATHING DEVICES FOR SPECIAL THERAPEUTIC OR HYGIENIC PURPOSES OR SPECIFIC PARTS OF THE BODY
    • A61H2201/00—Characteristics of apparatus not provided for in the preceding codes
    • A61H2201/50—Control means thereof
    • A61H2201/5058—Sensors or detectors
    • A61H2201/5069—Angle sensors
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61H—PHYSICAL THERAPY APPARATUS, e.g. DEVICES FOR LOCATING OR STIMULATING REFLEX POINTS IN THE BODY; ARTIFICIAL RESPIRATION; MASSAGE; BATHING DEVICES FOR SPECIAL THERAPEUTIC OR HYGIENIC PURPOSES OR SPECIFIC PARTS OF THE BODY
    • A61H2201/00—Characteristics of apparatus not provided for in the preceding codes
    • A61H2201/50—Control means thereof
    • A61H2201/5058—Sensors or detectors
    • A61H2201/5084—Acceleration sensors
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61H—PHYSICAL THERAPY APPARATUS, e.g. DEVICES FOR LOCATING OR STIMULATING REFLEX POINTS IN THE BODY; ARTIFICIAL RESPIRATION; MASSAGE; BATHING DEVICES FOR SPECIAL THERAPEUTIC OR HYGIENIC PURPOSES OR SPECIFIC PARTS OF THE BODY
    • A61H2201/00—Characteristics of apparatus not provided for in the preceding codes
    • A61H2201/50—Control means thereof
    • A61H2201/5058—Sensors or detectors
    • A61H2201/5092—Optical sensor
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61H—PHYSICAL THERAPY APPARATUS, e.g. DEVICES FOR LOCATING OR STIMULATING REFLEX POINTS IN THE BODY; ARTIFICIAL RESPIRATION; MASSAGE; BATHING DEVICES FOR SPECIAL THERAPEUTIC OR HYGIENIC PURPOSES OR SPECIFIC PARTS OF THE BODY
    • A61H2205/00—Devices for specific parts of the body
    • A61H2205/10—Leg
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61H—PHYSICAL THERAPY APPARATUS, e.g. DEVICES FOR LOCATING OR STIMULATING REFLEX POINTS IN THE BODY; ARTIFICIAL RESPIRATION; MASSAGE; BATHING DEVICES FOR SPECIAL THERAPEUTIC OR HYGIENIC PURPOSES OR SPECIFIC PARTS OF THE BODY
    • A61H2230/00—Measuring physical parameters of the user
    • A61H2230/62—Posture
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/04—Architecture, e.g. interconnection topology
    • G06N3/044—Recurrent networks, e.g. Hopfield networks
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/04—Architecture, e.g. interconnection topology
    • G06N3/045—Combinations of networks

Landscapes

  • Health & Medical Sciences (AREA)
  • Engineering & Computer Science (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • General Health & Medical Sciences (AREA)
  • Public Health (AREA)
  • Medical Informatics (AREA)
  • Physics & Mathematics (AREA)
  • Animal Behavior & Ethology (AREA)
  • Veterinary Medicine (AREA)
  • Biomedical Technology (AREA)
  • Theoretical Computer Science (AREA)
  • Pathology (AREA)
  • Biophysics (AREA)
  • Artificial Intelligence (AREA)
  • Epidemiology (AREA)
  • Molecular Biology (AREA)
  • Surgery (AREA)
  • Heart & Thoracic Surgery (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Evolutionary Computation (AREA)
  • Physical Education & Sports Medicine (AREA)
  • General Physics & Mathematics (AREA)
  • Software Systems (AREA)
  • Data Mining & Analysis (AREA)
  • Rehabilitation Therapy (AREA)
  • Pain & Pain Management (AREA)
  • Databases & Information Systems (AREA)
  • Computing Systems (AREA)
  • Multimedia (AREA)
  • Primary Health Care (AREA)
  • Mathematical Physics (AREA)
  • Physiology (AREA)
  • General Engineering & Computer Science (AREA)
  • Dentistry (AREA)
  • Oral & Maxillofacial Surgery (AREA)
  • Psychiatry (AREA)
  • Orthopedic Medicine & Surgery (AREA)
  • Signal Processing (AREA)
  • Fuzzy Systems (AREA)
  • Human Computer Interaction (AREA)

Abstract

本发明提供用于恰当地进行步行训练的学习系统、步行训练系统、方法、程序以及学习完毕模型。学习系统具备：数据生成部，基于复健数据来生成学习用数据；和学习部，使用学习用数据来进行机器学习。传感器为了检测训练者的步行动作中的多个动作量而设置，在与异常步行基准的任一个相符的情况下，评价为是与相符的异常步行基准对应的异常步行模式。数据生成部将针对异常步行模式的评价结果发生了变化的前后的复健数据分别作为学习用数据来进行生成。学习部通过将复健数据分别作为1个数据组而依次被输入来进行机器学习。学习部构建将异常步行模式作为输入来输出设定参数的学习模型。

Description

学习系统、步行训练系统、方法、程序及学习完毕模型
技术领域
本公开涉及学习系统、步行训练系统、方法、程序以及学习完毕模型。
背景技术
在日本特开2015-223294号公报中公开了一种步行训练装置。
在这样的步行训练装置中，期望更恰当地进行步行训练。
发明内容
本公开是为了解决这样的问题而完成的，提供用于恰当地进行步行训练的学习系统、步行训练系统、方法、程序以及学习完毕模型。
本实施方式中的学习系统具备：数据取得部，取得来自步行训练系统的复健数据，该步行训练系统具备辅助训练者的步行动作的促动器、检测与被上述促动器辅助的步行动作相关的数据的传感器、以及根据设定参数来控制上述促动器的控制部；数据生成部，基于上述复健数据来生成学习用数据；以及学习部，使用上述学习用数据来进行机器学习，上述传感器为了检测上述训练者的步行动作中的多个动作量而设置，按步行动作的每个步行周期，在上述动作量的至少一个与预先决定的异常步行基准的任一个相符的情况下，评价为是与相符的上述异常步行基准对应的异常步行模式，上述数据生成部将针对上述异常步行模式的评价结果发生了变化的前后的步行周期中的上述复健数据分别作为学习用数据来进行生成，上述学习部通过将上述评价结果发生了变化的前后的步行周期中的上述复健数据分别作为1个数据组而依次被输入来进行机器学习，上述学习部构建将上述异常步行模式作为输入来输出上述设定参数的学习模型。
在上述的学习系统中，可以在上述设定参数的设定值刚刚变化之后，立即使用多个步行周期量的上述动作量的平均值来对是否与上述异常步行基准相符进行判定。
在上述的学习系统中，可以当在连续的步行周期中2个以上的上述设定参数的设定值同时变化的情况下，上述学习部对于同时变化的2个以上的上述设定参数进行加权。
本实施方式所涉及的学习方法具备：取得来自步行训练系统的复健数据的数据步骤，该步行训练系统具备辅助训练者的步行动作的促动器、检测与被上述促动器辅助的步行动作相关的数据的传感器、以及根据设定参数来控制上述促动器的控制部；基于上述复健数据来生成学习用数据的步骤；以及使用上述学习用数据来进行机器学习的步骤，上述传感器为了检测上述训练者的步行动作中的多个动作量而设置，按步行动作的每个步行周期，在上述动作量的至少一个与预先决定的异常步行基准的任一个相符的情况下，评价为是与相符的上述异常步行基准对应的异常步行模式，将针对上述异常步行模式的评价结果发生了变化的前后的步行周期中的上述复健数据分别作为学习用数据来进行生成，通过将上述评价结果发生了变化的前后的步行周期中的上述复健数据分别作为1个数据组而被依次被输入来进行机器学习，构建将上述异常步行模式作为输入来输出上述设定参数的学习模型。
本实施方式所涉及的程序用于使计算机执行上述的学习方法。
本实施方式所涉及的学习完毕模型是用于使计算机以基于由步行训练系统取得的评价用复健数据来输出与相符的异常步行模式相关的设定参数的方式发挥功能的学习完毕模型，上述学习完毕模型是利用上述的学习系统生成的学习模型。
本实施方式所涉及的步行训练系统具备：促动器，辅助训练者的步行动作；传感器，为了检测被上述促动器辅助的上述训练者的步行动作中的多个动作量而设置；控制部，根据多个设定参数来控制上述促动器；评价部，按上述步行动作的每个步行周期，在上述动作量的至少一个与预先决定的多个异常步行基准的任一个相符的情况下，评价为上述步行周期中的步行动作是与上述异常步行基准对应的异常步行模式；以及输出部，将上述异常步行模式作为输入来输出与上述异常步行模式相关的上述设定参数。
在上述的步行训练系统中，可以在上述设定参数的设定值刚刚变化之后，立即使用多个步行周期量的上述动作量的平均值对是否与上述异常步行基准相符进行判定。
在上述的步行训练系统中，上述输出部可以使用上述的学习完毕模型来输出上述设定参数。
本实施方式所涉及的步行训练系统的工作方法是具备如下部件的步行训练系统的工作方法：促动器，辅助训练者的步行动作；传感器，为了检测被上述促动器辅助的上述训练者的步行动作中的多个动作量而设置；以及控制部，根据多个设定参数来控制上述促动器，上述步行训练系统的工作方法具备如下步骤：按上述步行动作的每个步行周期，在上述动作量的至少一个与预先决定的多个异常步行基准的任一个相符的情况下，评价为上述步行周期中的步行动作是与上述异常步行基准对应的异常步行模式的步骤；和将上述异常步行模式作为输入来输出与上述异常步行模式相关的上述设定参数的步骤。
在上述的步行训练系统的工作方法中，可以在上述设定参数的设定值刚刚变化之后，立即使用多个步行周期量的上述动作量的平均值来对是否与上述异常步行基准相符进行判定。
在上述的步行训练系统的工作方法中，可以使用上述的学习完毕模型来输出上述设定参数。
根据本公开，提供用于恰当地进行步行训练的学习系统、步行训练系统、方法、程序以及学习完毕模型。
根据以下的详细描述和附图会更充分理解本公开的上述和其他目的、特征以及优点，附图仅以例示的方式给出，因此不应认为限制本公开。
附图说明
图1是本实施方式所涉及的步行训练装置的简要立体图。
图2是步行辅助装置的简要立体图。
图3是表示步行训练装置的系统构成的图。
图4是表示服务器的结构的框图。
图5是说明第1异常步行基准的图。
图6是说明第2异常步行基准的图。
图7是说明第3异常步行基准的图。
图8是说明第4异常步行基准的图。
图9是说明第5异常步行基准的图。
图10是说明第6异常步行基准的图。
图11是说明第7异常步行基准的图。
图12是表示步行训练装置的处理动作的流程图。
图13是表示异常步行的判定结果的表。
图14是用于说明控制部中的处理的流程图。
图15是表示设定参数的变化的表。
图16是说明学习用数据组的表。
图17是用于说明学习模型的图。
图18是表示使用了学习模型的步行训练装置的工作方法的流程图。
图19是表示提示相关设定参数的监视器画面的图。
图20是用于说明变形例的处理的流程图。
图21是用于说明变形例的处理的表。
具体实施方式
以下，通过发明的实施方式来对本发明进行说明，但并不将技术方案所涉及的发明限定为以下的实施方式。另外，并不限定为实施方式中说明的结构全部是作为用于解决课题的构件所必需的。
实施方式1
以下，参照附图对实施方式1进行说明。
(系统构成)
图1是表示实施方式1所涉及的复健辅助系统的一个构成例的整体示意图。本实施方式所涉及的复健辅助系统(步行训练系统)主要由步行训练装置(系统)100、外部通信装置300以及服务器(服务器装置)500构成。其中，服务器500可以是能够与步行训练装置100通信的外部服务器，也可以被组装于步行训练装置100的装置主体内。即，步行训练装置100可以包括服务器500，也可以不包括服务器500。后述的学习完毕模型可以成为被组装于外部的服务器500的结构，也可以成为被组装于步行训练装置100的结构。
步行训练装置100是对训练者(用户)900的复健(复健锻炼)进行辅助的复健辅助装置的一个具体例。步行训练装置100是用于供一条腿瘫痪的偏瘫患者亦即训练者900根据训练工作人员901的指导来进行步行训练的装置。这里，训练工作人员901能够是治疗师(物理治疗师)或者医师，由于通过指导或者帮助等来辅助训练者的训练，所以还能够称为训练指导者、训练帮助者、训练辅助者等。
步行训练装置100主要具备：控制盘133，被安装于构成整体骨架的框架130；跑步机131，供训练者900步行；以及步行辅助装置120，被佩戴于训练者900的瘫痪侧的腿部亦即病腿。
框架130立设于在地板面设置的跑步机131上。跑步机131通过未图示的马达使环状的带132旋转。跑步机131是促进训练者900的步行的装置，进行步行训练的训练者900登上带132并配合带132的移动来尝试步行动作。此外，例如如图1所示，训练工作人员901也能够站立在训练者900的背后的带132上而一同进行步行动作，但通常优选处于以跨着带132的状态站立等容易进行训练者900的帮助的状态。
框架130对收纳进行马达、传感器的控制的整体控制部210的控制盘133、向训练者900提示训练的进展状况等的例如作为液晶面板的训练用监视器138等进行支承。另外，框架130在训练者900的头上部前方附近支承前侧抻拉部135，在头上部附近支承保护带抻拉部112，在头上部后方附近支承后侧抻拉部137。另外，框架130包括用于供训练者900抓握的扶手130a。
扶手130a被配置于训练者900的左右两侧。各个扶手130a沿着与训练者900的步行方向平行的方向配置。扶手130a能够调整上下位置以及左右位置。即，扶手130a能够包括变更其高度以及宽度的机构。并且，扶手130a还能够构成为例如通过以使高度在步行方向的前方侧与后方侧不同的方式进行调整而能够变更其倾斜角度。例如，扶手130a能够带有沿着步行方向逐渐变高那样的倾斜角度。
另外，在扶手130a设置有检测从训练者900受到的载荷的扶手传感器218。例如，扶手传感器218能够是电极被配置为矩阵状的阻力变化检测型的载荷检测片。另外，扶手传感器218还能够是使3轴加速度传感器(x，y，z)与3轴陀螺仪传感器(roll，pitch，yaw)复合而成的6轴传感器。其中，扶手传感器218的种类、设置位置是任意的。
照相机140承担作为用于观察训练者900的全身的拍摄部的功能。照相机140以与训练者相对的方式设置于训练用监视器138的附近。照相机140拍摄训练中的训练者900的静态图像、动态图像。照相机140包括成为能够捕捉训练者900的全身的程度的视场角那样的镜头与拍摄元件的套件。拍摄元件例如是CMOS(Complementary Metal-Oxide-Semiconductor)影像传感器，将成像在成像面的光学像变换为图像信号。
通过前侧抻拉部135与后侧抻拉部137协作的动作，来以步行辅助装置120的载荷不成为病腿的负担的方式抵消该载荷，并且，根据设定的程度来辅助病腿的摆动动作。
前侧钢丝134的一端与前侧抻拉部135的卷取机构连结，另一端与步行辅助装置120连结。前侧抻拉部135的卷取机构通过使未图示的马达开/关来根据病腿的活动而卷取或导出前侧钢丝134。同样，后侧钢丝136的一端与后侧抻拉部137的卷取机构连结，另一端与步行辅助装置120连结。后侧抻拉部137的卷取机构通过使未图示的马达开/关来根据病腿的活动而卷取或导出后侧钢丝136。通过这样的前侧抻拉部135与后侧抻拉部137协作的动作，来以步行辅助装置120的载荷不成为病腿的负担的方式抵消该载荷，并且，根据设定的程度来辅助病腿的摆动动作。
例如，训练工作人员901作为操作人员来对于重度瘫痪的训练者将进行辅助的水平设定得大。若进行辅助的水平被设定得大，则前侧抻拉部135配合病腿的摆动时机以比较大的力卷取前侧钢丝134。若训练进展而不需要辅助，则训练工作人员901将进行辅助的水平设定为最小。若将进行辅助的水平设定为最小，则前侧抻拉部135配合病腿的摆动时机以仅消除步行辅助装置120的自重的力来卷取前侧钢丝134。
步行训练装置100具备以背带110、保护带钢丝111以及保护带抻拉部112为主要构成要素的、作为安全装置的防跌倒保护带装置。背带110是被卷绕于训练者900的腹部的带，例如通过面粘扣被固定于腰部。背带110具备将作为吊具的保护带钢丝111的一端连结的连结钩110a，还能够称为悬吊带。训练者900以连结钩110a位于后背部的方式佩戴背带110。
保护带钢丝111的一端与背带110的连结钩110a连结，另一端与保护带抻拉部112的卷取机构连结。保护带抻拉部112的卷取机构通过使未图示的马达开/关来卷取或导出保护带钢丝111。通过这样的结构，在训练者900要跌倒的情况下，防跌倒保护带装置根据检测到该活动的整体控制部210的指示来卷取保护带钢丝111，通过背带110支承训练者900的上身而防止训练者900跌倒。
背带110具备用于检测训练者900的姿势的姿势传感器217。姿势传感器217例如是将陀螺仪传感器与加速度传感器组合而成的传感器，输出佩戴了背带110的腹部相对于重力方向的倾斜角。
管理用监视器139被安装于框架130，是主要用于供训练工作人员901进行监视以及操作的显示输入装置。管理用监视器139例如为液晶面板，在其表面设置有触摸面板。管理用监视器139显示与训练设定相关的各种菜单项目、训练时的各种参数值、训练结果等。另外，在管理用监视器139的附近设置有紧急停止按钮232。通过训练工作人员901按压紧急停止按钮232，由此步行训练装置100紧急停止。
步行辅助装置120被佩戴于训练者900的病腿，通过减少病腿的膝关节处的伸展以及屈曲的负荷来辅助训练者900的步行。步行辅助装置120具备测量脚底载荷的传感器等，向整体控制部210输出与移动腿相关的各种数据。另外，背带110还能够使用具有旋转部的连接部件(以下，称为称为臀部接头：a hip joint)来与步行辅助装置120连接。关于步行辅助装置120的详细将后述。
整体控制部210生成可包含与训练设定相关的设定参数、作为训练结果而从步行辅助装置120输出的与移动腿相关的各种数据等的复健数据。该复健数据能够包含表示训练工作人员901或者其经验年数、熟练度等的数据、表示训练者900的症状、步行能力、恢复度等的数据、从设置于步行辅助装置120的外部的传感器等输出的各种数据等。其中，关于复健数据的详细将后述。
外部通信装置300是将复健数据向外部发送的发送构件的一个具体例。外部通信装置300能够具有接受步行训练装置100所输出的复健数据并暂时进行存储的功能和将所存储的复健数据向服务器500发送的功能。
外部通信装置300例如通过USB(Universal Serial Bus)线缆与步行训练装置100的控制盘133连接。另外，外部通信装置300经由无线通信设备410例如通过无线LAN(LocalArea Network)与因特网或者局域网等网络400连接。此外，步行训练装置100还能够具备通信装置来代替外部通信装置300。
服务器500是存储复健数据的存储构件的一个具体例。服务器500与网络400连接，具有蓄积从外部通信装置300接收到的复健数据的功能。关于服务器500的功能将后述。
在本实施方式1中，作为复健辅助装置的一个例子对步行训练装置100进行说明，但并不局限于此，也可以是进行训练者的复健辅助的任意复健辅助装置。例如，复健辅助装置也可以是辅助肩、臂的复健的上肢复健辅助装置。或者，复健辅助装置也可以是辅助训练者的平衡能力的复健的复健辅助装置。
接下来，使用图2对步行辅助装置120进行说明。图2是表示步行辅助装置120的一个构成例的简要立体图。步行辅助装置120主要具备控制单元121、支承病腿的各部的多个框架、以及用于检测施加于脚底的载荷的载荷传感器222。
控制单元121包括进行步行辅助装置120的控制的辅助控制部220，另外，还包括产生用于对膝关节的伸展运动以及屈曲运动进行辅助的驱动力的未图示的马达。支承病腿的各部的框架包括大腿框架122和与大腿框架122连结为转动自如的小腿框架123。另外，该框架还包括与小腿框架123连结为转动自如的脚掌框架124、用于连结前侧钢丝134的前侧连结框架127、以及用于连结后侧钢丝136的后侧连结框架128。
大腿框架122与小腿框架123绕图示的铰接轴Ha相对转动。控制单元121的马达根据辅助控制部220的指示进行旋转，以大腿框架122与小腿框架123绕铰接轴Ha相对打开或者闭合的方式施力。收纳于控制单元121的角度传感器223例如为旋转式编码器，检测大腿框架122与小腿框架123绕铰接轴Ha所成的角。小腿框架123与脚掌框架124绕图示的铰接轴Hb相对转动。相对转动的角度范围通过调整机构126预先调整。
前侧连结框架127被设置为在大腿的前侧沿左右方向伸延并在两端与大腿框架122连接。另外，在前侧连结框架127中，在左右方向的中央附近设置有用于连结前侧钢丝134的连结钩127a。后侧连结框架128被设置为在小腿的后侧沿左右方向伸延并在两端分别与沿上下伸延的小腿框架123连接。另外，在后侧连结框架128中，在左右方向的中央附近设置有用于连结后侧钢丝136的连结钩128a。
大腿框架122具备大腿带129。大腿带129是一体设置于大腿框架的带，被卷绕于病腿的大腿部来将大腿框架122固定于大腿部。由此，防止了步行辅助装置120的整体相对于训练者900的腿部偏移。
载荷传感器222是被埋入至脚掌框架124的载荷传感器。载荷传感器222检测训练者900的脚底所承受的垂直载荷的大小与分布，例如还能够构成为检测COP(Center OfPressure：载荷中心)。载荷传感器222例如是电极被配置为矩阵状的阻力变化检测型的载荷检测片。
接下来，参照图3对步行训练装置100的系统构成例进行说明。图3是表示步行训练装置100的系统构成例的框图。如图3所示，步行训练装置100能够具备整体控制部210、跑步机驱动部211、操作受理部212、显示控制部213以及抻拉驱动部214。另外，步行训练装置100能够具备保护带驱动部215、图像处理部216、姿势传感器217、扶手传感器218、通信连接IF(接口)219、输入输出单元231以及步行辅助装置120。
整体控制部210例如是MPU(Micro Processing Unit)，通过执行从系统存储器读入的控制程序来执行装置整体的控制。整体控制部210能够具有后述的步行评价部210a、训练判定部210b、输入输出控制部210c以及通知控制部210d。
跑步机驱动部211包括使带132旋转的马达和其驱动电路。整体控制部210通过向跑步机驱动部211发送驱动信号来执行带132的旋转控制。整体控制部210例如根据由训练工作人员901设定的步行速度来调整带132的旋转速度。
操作受理部212受理来自训练工作人员901的输入操作并将操作信号向整体控制部210发送。训练工作人员901对构成操作受理部212的、设置于装置的操作按钮、与管理用监视器139重叠的触摸面板、附属的遥控器等进行操作。通过该操作，能够赋予电源的开/关、训练的开始的指示、进行与设定相关的数值的输入、菜单项目的选择。此外，操作受理部212还能够受理来自训练者900的输入操作。
显示控制部213接受来自整体控制部210的显示信号来生成显示图像，并显示于训练用监视器138或者管理用监视器139。显示控制部213根据显示信号来生成表示训练的进展的图像、由照相机140拍摄到的实时影像。
抻拉驱动部214包括构成前侧抻拉部135的用于抻拉前侧钢丝134的马达及其驱动电路、和构成后侧抻拉部137的用于抻拉后侧钢丝136的马达及其驱动电路。整体控制部210通过向抻拉驱动部214发送驱动信号来分别控制前侧钢丝134的卷取与后侧钢丝136的卷取。另外，并不局限于卷取动作，还通过控制马达的驱动转矩来控制各钢丝的抻拉力。整体控制部210例如根据载荷传感器222的检测结果来确定病腿从立腿状态切换为摆腿状态的时机，通过与该时机同步地使各钢丝的抻拉力增减，来辅助病腿的摆动动作。
保护带驱动部215包括构成保护带抻拉部112的用于抻拉保护带钢丝111的马达及其驱动电路。整体控制部210通过向保护带驱动部215发送驱动信号来控制保护带钢丝111的卷取和保护带钢丝111的抻拉力。例如在预测到训练者900跌倒的情况下，整体控制部210卷取一定量的保护带钢丝111来防止训练者跌倒。
图像处理部216与照相机140连接，能够从照相机140接受图像信号。图像处理部216根据来自整体控制部210的指示来从照相机140接受图像信号，对接受到的图像信号进行图像处理而生成图像数据。另外，图像处理部216还能够根据来自整体控制部210的指示来对从照相机140接受到的图像信号实施图像处理而执行特定的图像解析。例如，图像处理部216通过图像解析来检测与跑步机131接触的病腿的脚的位置(立腿位置)。具体而言，例如通过提取脚掌框架124的前端附近的图像区域并对描绘在与该前端部重叠的带132上的识别标识进行解析来运算立腿位置。
姿势传感器217如上述那样检测训练者900的腹部相对于重力方向的倾斜角，并将检测信号向整体控制部210发送。整体控制部210使用来自姿势传感器217的检测信号来运算训练者900的姿势、具体为躯干的倾斜角。其中，整体控制部210与姿势传感器217可以通过有线连接，也可以通过近距离无线通信连接。
扶手传感器218检测施加于扶手130a的载荷。即，训练者900无法通过两腿完全支承自身的体重的量的载荷施加于扶手130a。扶手传感器218检测该载荷，并将检测信号向整体控制部210发送。
整体控制部210还承担作为执行与控制相关的各种运算、控制的功能执行部的作用。步行评价部210a使用从各种传感器取得的数据来评价训练者900的步行动作是否为异常步行。训练判定部210b例如基于步行评价部210a评价出的异常步行的累计数来对于一系列步行训练判定训练结果。整体控制部210能够生成该判定结果或成为其根本的异常步行的累计数等作为复健数据的一部分。
其中，包括该判定的基准在内，判定的方法是任意的。例如，能够按每个步行相位将瘫痪体部的动作量与基准比较来进行判定。其中，步行相位将关于病腿(或者健康腿)的1个步行周期(one walking cycle)分类成处于立腿状态的立腿期、从立腿期向处于摆腿状态的摆腿期的过渡期、摆腿期、从摆腿期向立腿期的过渡期等。例如能够如上述那样根据载荷传感器222的检测结果来分类(判定)处于哪个步行相位。此外，步行周期能够如上述那样以立腿期、过渡期、摆腿期、过渡期为1个周期，但将哪个时期定义为开始时期是任意的。除此之外，步行周期例如还能够以两腿支承状态、单腿(病腿)支承状态、两腿支承状态、单腿(健康腿)支承状态为1个周期，在这种情况下，将哪个状态定义为开始状态也是任意的。
另外，关注于右腿或者左腿(健康腿或者病腿)的步行周期还能够进一步细分，例如，能够将立腿期分为初始接地与4期来表达，将摆腿期分为3期来表达。初始接地是指观察脚部接地于地板的瞬间，立腿期的4期是指载荷响应期、立腿中期、立腿末期以及前摆腿期。载荷响应期是从初始接地至相反侧的脚部离开地板的瞬间(对侧离地)为止的期间。立腿中期是从对侧离地至观察脚部的脚后跟离开的瞬间(脚后跟离地)为止的期间。立腿末期是从脚后跟离地至相反侧的初始接地为止的期间。前摆腿期是从相反侧的初始接地至观察脚部离开地板(离地)为止的期间。摆腿期的3期是指摆腿初期、摆腿中期、以及摆腿后期。摆腿初期是从前摆腿期的最后(上述离地)至双脚交叉(脚部交叉)为止的期间。摆腿中期是从脚部交叉至胫骨成为垂直(胫骨垂直)为止的期间。摆腿末期是从胫骨垂直至下一初始接地为止的期间。
通信连接IF219是与整体控制部210连接的接口，是用于向被佩戴于训练者900的病腿的步行辅助装置120赋予指令、接受传感器信息的接口。
步行辅助装置120能够具备与通信连接IF219通过有线或者无线连接的通信连接IF229。通信连接IF229与步行辅助装置120的辅助控制部220连接。通信连接IF219、229是符合通信标准的例如有线LAN或者无线LAN等通信接口。
另外，步行辅助装置120能够具备辅助控制部220、关节驱动部221、载荷传感器222以及角度传感器223。辅助控制部220例如为MPU，通过执行由整体控制部210赋予的控制程序来执行步行辅助装置120的控制。另外，辅助控制部220将步行辅助装置120的状态经由通信连接IF219、229向整体控制部210通知。另外，辅助控制部220接受来自整体控制部210的指令而执行步行辅助装置120的起动/停止等控制。
关节驱动部221包括控制单元121的马达及其驱动电路。辅助控制部220通过向关节驱动部221发送驱动信号来以大腿框架122与小腿框架123绕铰接轴Ha相对打开或关闭的方式施力。通过这样的动作，来辅助膝的伸展动作以及屈曲动作、防止折膝。
载荷传感器222如上述那样检测训练者900的脚底所承受的垂直载荷的大小与分布并将检测信号向辅助控制部220发送。辅助控制部220通过接受并解析检测信号来进行摆腿/立腿的状态判别、切换推断等。
角度传感器223如上述那样检测大腿框架122与小腿框架123绕铰接轴Ha所成的角并将检测信号向辅助控制部220发送。辅助控制部220接受该检测信号并运算膝关节的打开角。
输入输出单元231例如包括USB(Universal Serial Bus)接口，是用于与外部的设备(外部通信装置300、其他外部设备)连接的通信接口。整体控制部210的输入输出控制部210c经由输入输出单元231与外部的设备通信，进行上述的整体控制部210内的控制程序、辅助控制部220内的控制程序的改写、指令的接受、生成的复健数据的输出等。步行训练装置100通过输入输出控制部210c的控制来经由输入输出单元231以及外部通信装置300进行与服务器500的通信。例如，输入输出控制部210c能够进行经由输入输出单元231以及外部通信装置300将复健数据发送至服务器500的控制、接收来自服务器500的指令的控制。
在需要针对训练工作人员901的通知的情形下，通知控制部210d通过控制显示控制部213或者另外设置的声音控制部等来从管理用监视器139或者另外设置的扬声器进行通知。关于该通知的详细将后述，但需要针对训练工作人员901的通知的情形能够是从服务器500接收到用于进行通知的指令的情况。
接下来，对服务器500的详细进行说明。
如上所述，步行训练装置100经由外部通信装置300将各种复健数据向服务器500发送。服务器500能够构成为从多个步行训练装置100接收复健数据，由此能够收集许多复健数据。而且，服务器500是处理各种数据的处理装置。例如，服务器500能够作为使用收集到的复健数据进行机器学习并构建学习完毕模型的学习装置(学习器或者学习系统)发挥功能。此外，学习装置还能够称为学习模型生成装置。
图4是表示服务器500的一个构成例的框图。如图4所示，服务器500能够具备控制部510、通信IF514、数据蓄积部520以及模型存储部521。控制部510例如为MPU，通过执行从系统存储器读入的控制程序来执行服务器500的控制。控制部510具备数据生成部510a以及学习部510b。该情况下，上述的控制程序包括用于实现这些数据生成部510a以及学习部510b的功能的程序。
通信IF514例如包括有线LAN接口，是用于与网络400连接的通信接口。控制部510能够经由通信IF514接收来自步行训练装置100的复健数据，能够发送向步行训练装置100的指令。
数据蓄积部520例如具有HDD(Hard Disk Drive)、SSD(Solid State Drive)等存储装置，存储复健数据。控制部510将经由通信IF514从外部通信装置300接收到的复健数据向数据蓄积部520写入。通信IF514以及数据蓄积部520例如作为取得复健数据的数据取得部发挥功能。
模型存储部521也具有HDD、SSD等存储装置。此外，数据蓄积部520与模型存储部521还能够具有共通的存储装置。模型存储部521存储未学习(还包括学习中的情况)的学习模型(以下，称为未学习模型)以及学习完毕的学习模型(以下，称为学习完毕模型)的至少一方。当服务器500作为学习装置发挥功能时，模型存储部521中至少存储有未学习模型。在服务器500与步行训练装置100配合来执行复健辅助处理的情况下，模型存储部521中至少存储有能够运用的学习完毕模型。
另外，控制部510能够构成为进行对作为学习装置的功能与通过学习完毕模型进行复健辅助处理的功能加以切换的控制。不过，服务器500也能够按照在学习阶段使用的装置和在伴有学习完毕模型的运用阶段使用的装置进行分散。数据生成部510a以及学习部510b为了使服务器500作为学习装置发挥功能而设置。
(复健数据)
这里，在对数据生成部510a以及学习部510b进行说明之前，对服务器500为了学习或者为了复健辅助处理而能够收集的复健数据进行说明。服务器500能够收集的复健数据主要包括：(1)步行训练装置100的设定参数、(2)由设置于步行训练装置100的传感器等检测到的检测数据、(3)与训练者900相关的数据、(4)与训练工作人员901相关的数据。(1)～(4)的复健数据可以与取得时间日期建立对应地收集。并且，检测数据或者设定参数可以作为按照时间序列的日志数据来收集。或者，也可以是每隔一定的时间的对于数据提取的特征量等。
复健数据主要是在步行训练装置100中通过操作输入、自动输入、传感器的测量等而获得的数据。另外，复健数据还能够包括由照相机140录像的录像数据。此外，复健数据能够是复健的每个实施日的数据，该情况下，还能够称为日报数据。以下，对服务器500收集由步行训练装置100生成的复健数据进行说明，但还能够构成为服务器500从步行训练装置100以外的例如其他服务器取得复健数据的一部分。这里所说的复健数据的一部分例如能够是训练者900的症状等上述(3)的详细数据、PT的经验年数等上述(4)的详细数据等。前者能够作为训练者900的病历信息储存于其他服务器，后者能够作为PT的履历书等储存储存于其他服务器。
在学习阶段中，服务器500只要在复健数据的产生时或每1天、每1周等定期地从步行训练装置100接收复健数据即可。在学习阶段与运用阶段中，能够使所使用的复健数据的种类(复健数据所包含的内容)不同。例如，在运用阶段中，服务器500只要在训练开始时从步行训练装置100接收复健数据并在训练中接收上述(1)、(2)中的存在变更的数据即可。另外，步行训练装置100与服务器500中的任一个可以成为主体来执行复健数据的收发。
对上述(1)进行说明。
上述(1)的数据能够与上述(2)的检测数据一同被定义为由步行训练装置100在复健实施中取得的训练者900的训练数据。
步行训练装置100的设定参数例如是为了设定步行训练装置100的动作而由操作人员输入的数据或者自动设定的数据。其中，如上所述，操作人员通常是在训练者900的训练中实际陪同的训练工作人员901，以下以操作人员是训练工作人员901为前提来进行说明。另外，由于训练工作人员901是物理治疗师(PT：Physical Therapist)的情况较多，所以以下还存在将训练工作人员901简称为“PT”的情况。
设定参数与促动器的设定相关。在步行训练装置100中，能够通过设定参数来调整步行训练的难易度。例如，整体控制部210根据设定参数来控制马达等促动器。其中，设定参数还能够包含表示难易度的水平的参数，该情况下，伴随着该水平的变更，能够使其他设定参数中的一部分或者全部变更。随着训练者900的恢复推进，训练工作人员901逐渐提高步行训练的难易度。即，随着训练者900的步行能力变高，训练工作人员901减少步行训练装置100的辅助。另外，当在步行训练中看到异常的情况下，训练工作人员901增加辅助。通过训练工作人员901恰当地调整设定参数，训练者900能够实施恰当的步行训练，能够更高效地进行复健。
设定参数的具体例如以下所示。
作为设定参数，例如能够举出部分体重免载量[％]、扶手130a的上下位置[cm]、扶手130a的左右位置[cm]、臀部接头的有无、踝关节跖屈限制[deg]、踝关节背屈限制[deg]等。另外，作为设定参数，例如还能够举出跑步机速度[km/h]、摆动辅助[水平]、摆动前后比[前/后]。另外，作为设定参数，例如还能够举出膝部伸展辅助[水平]、膝部屈曲角度[deg]、膝部屈伸时间[sec]、辅高[mm]、减重阈值[％]、载荷阈值[％]。其中，包括这里例示的设定参数在内，复健数据所包含的数据的单位是任意的。
部分体重免载量是通过保护带抻拉部112拉动保护带钢丝111而将训练者900的体重免载的比例。所希望的步行训练的难易度越高，则训练工作人员901将部分体重免载量设定为越低的值。扶手130a的上下位置以及左右位置是从扶手130a的基准位置起的调整量。臀部接头的有无是指是否安装有臀部接头。踝关节跖屈限制、踝关节背屈限制规定了小腿框架123与脚掌框架124能够绕铰接轴Hb转动的角度范围。踝关节跖屈限制与前侧的上限角度对应，踝关节背屈限制与后侧的最大角度对应。即，踝关节跖屈限制、踝关节背屈限制分别是使踝关节向降低脚尖的一侧、向提高脚尖的一侧弯曲的角度的限制值。训练工作人员901以所希望的步行训练的难易度越高则角度范围越大的方式来设定踝关节跖屈限制以及踝关节背屈限制的值。
跑步机速度是基于跑步机131的步行速度。所希望的步行训练的难易度越高，则训练工作人员901将跑步机速度设定为越高的值。摆动辅助是腿的摆动时与前侧钢丝134所赋予的抻拉力对应的程度，该程度越高，则最大抻拉力越大。所希望的步行训练的难易度越高，则训练工作人员901将摆动辅助设定为越低的程度。摆动前后比是在腿的摆动时前侧钢丝134的抻拉力与后侧钢丝136的抻拉力之比。
膝部伸展辅助是为了防止立腿时折膝而施加的与关节驱动部221的驱动转矩对应的程度，该程度越高则驱动转矩越大。所希望的步行训练的难易度越高，则训练工作人员901将膝部伸展辅助设定为越低的程度。膝部屈曲角度是进行膝部伸展辅助时的角度。膝部屈伸时间是进行膝部伸展辅助的期间，若该值大，则以缓慢地使膝部屈伸的方式进行辅助，若该值小，则以使膝部快速屈伸的方式进行辅助。
辅高是在与训练者900的瘫痪腿相反侧的腿(不佩戴辅助器亦即步行辅助装置120一侧的腿)的鞋底设置的缓冲物等部件的高度。减重阈值是施加于脚底的载荷的阈值之一，若低于该阈值，则解除摆动辅助。载荷阈值是施加于脚底的载荷的阈值之一，若超过该阈值，则进行摆动辅助。这样，步行辅助装置120能够构成为可通过膝部屈曲角度、膝部屈伸时间、减重阈值以及载荷阈值这4个设定参数来调整该膝部的屈伸运动。
另外，步行训练装置100例如还能够构成为通过声音从未图示的扬声器反馈载荷、角度等各种参数的设定值、目标值、目标的实现率、目标的实现时机等。上述的设定参数还能够包括关于这样的反馈声的有无、音量之类的设定的参数。
除此之外，上述的设定参数也可以不是与训练直接有关的设定参数。例如，上述的设定参数还能够是为了使训练者900提高积极性而用于通过训练用监视器138、未图示的扬声器提供的图像、音乐、游戏的种类、游戏的难易度等设定值等。
此外，上述的设定参数是一个例子，也可以存在这些以外的设定参数。或者，上述中的一部分设定参数可以不存在。另外，如上述那样，上述的设定参数是用于调整训练的难易度的参数较多，但也能够还包括与难易度无关的参数。例如，步行训练装置100能够构成为显示使训练用监视器138显示的注意唤起用的图标图像。而且，作为与难易度无关的设定参数，例如能够举出这样的注意唤起用的图标图像的大小、显示间隔等用于提高训练者900对训练的集中度的参数等。另外，上述的设定参数能够预先附加完成了该设定操作的时间日期等时间信息或者时间以外的时机信息(例如表示1个步行周期内的立腿期、摆腿期等的区别的信息)
对上述(2)进行说明。
上述(2)的检测数据能够与上述(1)的数据一同被定义为由步行训练装置100在复健实施中取得的训练者900的训练数据。
作为检测数据，主要能够举出传感器数据。传感器数据是由步行训练装置100的各种传感器检测出的传感器值。例如，传感器数据是由姿势传感器217检测出的躯干的倾斜角度、由扶手传感器218检测出的载荷、倾斜角度、由角度传感器223检测出的角度等。输出传感器数据的传感器是加速度传感器、角速度传感器、位置传感器、光传感器、转矩传感器、负载传感器等。另外，可以使用设置于前侧钢丝134、后侧钢丝136、保护带钢丝111的卷取机构等的马达的编码器作为传感器。并且，可以将马达的转矩传感器(测力元件)作为传感器，可以将对驱动马达的驱动电流值进行检测的电流检测部作为传感器。
另外，传感器数据例如能够包括由检测视线的视线检测传感器取得的视线数据。同样的视线数据还能够基于拍摄了训练者900的至少眼睛的图像并通过图像处理检测视线来获得，或者还能够基于拍摄了训练者900的至少面部的图像来判定面部的朝向(朝上/朝下等)而获得。这样的数据也能够包括于上述的检测数据。另外，检测数据还能够是由取得训练者900或者训练工作人员901的声音的麦克风等声音取得部取得的声音数据、或声音解析了该声音数据的文本数据、或解析了该文本数据的数据。训练工作人员901的声音能够包括对训练者900的与走法的矫正等相关的呼喊。另外，传感器数据还能够是利用脑波仪检测了训练者900的脑波的数据，还能够是利用脑波仪检测了训练工作人员901的脑波的数据。
另外，视线检测传感器、拍摄上述图像的拍摄部、麦克等能够设置于步行训练装置100的主体侧，但也能够设置于例如用于供训练者900佩戴的眼镜型可穿戴终端。只要在该终端具备通过Bluetooth(注册商标)等无线通信方式对数据进行无线通信的无线通信部，并且在步行训练装置100侧也具备无线通信部即可。由此，步行训练装置100能够通过无线通信取得由可穿戴终端取得的数据。脑波仪限于检测精度良好的脑波仪，能够构成为设置于步行训练装置100的主体侧而能够将训练者900的脑波与训练工作人员901的脑波区别来进行检测。其中，优选将脑波仪设置为成为上述的眼镜型可穿戴终端(例如眼镜的镜腿的部分等)等接近检测对象者的位置。
另外，传感器等取得检测数据的检测部并不局限于参照图1～图3说明的结构、或作为眼镜式可穿戴终端等而例示的结构。例如，能够使训练者900穿戴搭载了穿戴式生物体传感器以及/或者穿戴式触摸传感器的衣物。这里所说的衣物并不局限于穿戴于上半身的衣物，也可以是穿戴于下半身的衣物，还可以是上下成套的衣物，例如可以是背带110等穿戴于一部分的部件。另外，在衣物以及步行训练装置100具备上述那样的无线通信部。由此，步行训练装置100能够通过无线通信来取得由穿戴式生物体传感器、穿戴式触摸传感器取得的数据。穿戴式生物体传感器能够取得穿戴者的心率等重要(vital)数据。穿戴式触摸传感器能够取得表示穿戴者亦即训练者900被从外部触摸的信息、即训练工作人员901触摸训练者900的位置的信息的数据。
另外，检测数据并不局限于各种传感器等检测到的检测信号所表示的值，也能够包括基于来自多个传感器的检测信号而计算出的值、统计处理来自1个或者多个传感器等的检测信号的统计值。作为该统计值，例如能够采用平均值、最大值、最小值、标准偏差值等各种统计值，另外，也可以是静态统计的统计值，例如可以是1天、1次训练、1个步行周期等一定期间内的动态统计的统计值。
例如，传感器数据能够包括根据由角度传感器223检测出的大腿框架122与小腿框架123的角度而计算出的膝关节的打开角。并且，关于角度传感器的传感器数据能够包括将角度微分所得的角速度。关于加速度传感器的传感器数据可以是将加速度积分所得的速度、将加速度两次积分所得的位置。
例如，检测数据能够包括关于每日或者1日内的复健的每次实施的、如下那样的平均值、合计值、最大值、最小值、代表值。作为这里的平均值，能够举出平均速度(总步行距离/总步行时间)[km/h]、步距的平均值[cm]、表示每1分钟的步数(step)的步行率[steps/min]、步行PCI[拍/m]、跌倒规避帮助[％]等。平均速度例如能够是根据跑步机131的速度设定值而计算出的值、或根据跑步机驱动部211中的驱动信号而计算出的值。步距是指单侧的脚后跟接地至同侧的脚后跟下次再次接地为止的距离。PCI是指Physiological CostIndex(生理成本指数的临床指标)，步行PCI表示步行时的能量效率。跌倒规避帮助[％]是指按每1个步数计算训练工作人员901对训练者900进行了跌倒规避帮助的次数亦即跌倒规避帮助[次]的比例、即按照每1个步数进行了跌倒规避帮助的比例。
另外，作为这里的合计值，能够举出步行时间[秒]、步行距离[m]、步数[steps]、跌倒规避帮助[次]、跌倒规避帮助部位以及每个部位的次数[次]等。另外，作为这里的最大值或者最小值，能够举出连续步行时间[秒]、连续步行距离[m]、连续步数[steps]等的最大值、最小值、步行PCI[拍/m]的最小值(换言之，每1拍能够步行的距离的最长值)等。作为代表值，能够举出作为跑步机131的速度而最多使用的值(代表速度[km/h])等。
这样，检测数据能够包括从各种传感器等检测部直接或者间接供给的数据。另外，上述的检测数据能够预先附加完成该检测的时间日期等时间信息或者时间以外的时机信息。
其中，上述的检测数据是一个例子，也可以存在除此以外的检测数据。或者，上述中的一部分检测数据也可以不存在。即，在采用检测数据作为复健数据的情况下，服务器500只要收集1个以上检测数据即可。
对上述(3)进行说明。
与训练者900相关的数据(以下，称为训练者数据)例如表示训练者900的属性等。训练者数据能够以训练者900的年龄、性别、体格(身高、体重等)为代表而包括症状信息、Br.Stage、SIAS、初始步行FIM、最新的步行FIM等。另外，训练者数据能够包含训练者900的姓名或者ID，另外，还能够包含表示训练者900的喜好的嗜好信息、表示性格的性格信息等。另外，训练者数据能够包含步行能力所涉及的项目以外的运动项目作为FIM，另外，还能够包含认知项目。即，训练者数据能够包含表示训练者900的身体能力的各种数据。其中，训练者数据的一部分或者全部还能够称为身体信息、基本信息或训练者特征信息等。
这里，症状信息能够包含表示初始症状、其发病时期、当前的症状的信息，能够理解为训练者900主要因这里所包含的症状而需要复健。但是，症状信息也能够包含与复健无直接关系的症状。另外，在症状信息中能够与中风(脑血管病)、脊髄损伤等罹患的疾病的类型(病名或者疾病名)一同包含其部位(损伤部位)，能够根据类型不同而包含其分类。例如，中风能够分类为脑梗塞、头盖内出血(脑出血/蛛网膜下出血)等。
Br.Stage是指Brunnstrom Recovery Stage，针对偏瘫的恢复过程，根据观察将其恢复阶段分为6个阶段。训练者数据能够包括Br.stage中的与步行训练装置100有关的主要项目亦即下肢项目。SIAS是指Stroke Impairment Assessment Set，是综合地评价中风的功能障碍的指标。SIAS能够包括髋屈曲测试(Hip-Flex)、膝部伸展测试(Knee-Ext)、脚底板测试(Foot-Pat)。另外，SIAS能够包括下肢触觉(TouchL/E)、下肢位置感(PositionL/E)、腹肌力(Abdominal)、以及垂直性测试(Verticality)。
FIM(Functional Independence Measure：功能独立性评价表)决定了评价ADL(Activities of Daily Life)的评价方法之一。在FIM中，根据帮助量而以1分～7分这7个阶段进行评价。
例如，步行FIM成为表示恢复度的通用的指标。另外，步行FIM是表示不使用促动器的情况下的训练者的动作能力(即步行能力)的指标。在无帮助者且无背带(辅助器)能够步行50m以上的情况下，成为最高分的7分，在一个帮助者如何帮助也只能步行小于15m的情况下，成为最低分的1分。另外，在以最小帮助(帮助量为25％以下)能够移动50m的情况下，成为4分，在以中等程度帮助(帮助量25％以上)能够移动50m的情况下，成为3分。因此，随着恢复进展，训练者900的步行FIM逐渐变高。
因此，步行FIM是表示从复健开始时刻起的训练者900的恢复度的指标。步行FIM是表示不使用促动器的情况下的训练者900的动作能力、即步行能力的指标。换言之，在知晓训练者900的复健的进展状况的方面，步行FIM成为重要的指标。然而，为了对步行FIM进行打分，需要训练者900在帮助者位于附近的状态下在平坦地步行50m。因此，存在无法频繁地对步行FIM进行打分的情况。另外，如上述那样，在步行FIM为3分的情况下和为4分的情况下，仅帮助水平不同。即，根据帮助者(训练工作人员)不同，存在步行FIM的打分发生偏差的担忧。此外，进行步行FIM的评价的情况下的步行距离并不局限于50m，例如还存在15m的情况。
由此也可知，由步行训练装置100管理的最新的步行FIM不仅是表示训练者900的身体能力的指标，还是表示从复健开始时刻起的训练者900的恢复度的指标。换言之，在知晓训练者900的复健的进展状况的方面，步行FIM成为重要的指标。另外，从初始步行FIM向最新的步行FIM的变化量或者变化速度也成为表示恢复度的指标。变化速度还能够称为FIM效率，例如能够是将到现在为止的FIM的增益(变化量)除以复健的实施天数、表示复健的期间的经过天数、或训练者900为入院患者的情况下的入院天数等期间所得的值。
另外，步行FIM能够理解为穿戴了辅助器的情况等的评价时的条件下的分数，该情况下，还能够将表示该评价时所应用的条件的信息附加至表示步行FIM的信息。条件能够包含取得该信息时的辅高、所使用的背带(例如步行辅助装置120、其他步行辅助装置、无背带等)、该背带中的膝部、脚踝的部位的角度设定等设定、平地步行还是斜面步行等。另外，通常步行FIM是平地步行下的步行FIM，表示其的平地步行信息中还能够包含平地步行评价时步行最远的距离(最大连续步行距离[m])等信息。
这样，上述(3)的训练者数据能够包括关于训练者900利用步行训练装置100执行的复健的、包括训练者900的症状、身体能力以及恢复度的至少一个的指标数据。此外，对于最新的步行FIM等身体能力以及恢复度双方的概念所能包含的数据而言，通常只要包含于一方即可，但也能够包含于两方。此外，同样的情况对于复健数据的全部项目而言，某个项目的数据能够视为上述(1)～(4)中的任一个或者多个数据。另外，上述的训练者数据能够预先附加步行FIM的测定时间日期等取得其的时间日期等时间信息。
对上述(4)进行说明。
与训练工作人员901相关的数据(以下，称为工作人员数据)例如表示训练工作人员901的属性等。工作人员数据是训练工作人员901的姓名、ID、年龄、性别、体格(身高、体重等)、所属的医院名、作为PT或者医师的经验年数等。工作人员数据能够包含将帮助训练者900的时间数值化的值作为与帮助者相关的数据。
另外，在多个训练工作人员同时帮助复健的情况下，复健数据能够包含多人的工作人员数据。另外，各工作人员数据还能够包含表示是否是主要的训练工作人员、是否是辅助的训练工作人员、是否是仅进行操作的训练工作人员、是否是仅起到用手支承训练者900的作用的训练工作人员等的信息。
另外，优选步行训练装置100构成为能够输入对训练者900的复健计划。而且，这样输入的复健计划的数据也能够作为与作为其输入者的训练工作人员901相关的工作人员数据或属于其他分类的复健数据而包含。另外，为了能够应对训练工作人员901的变更，优选步行训练装置100构成为能够输入今后的对该训练者900的训练进行辅助时的注意事项、转告事项。而且，这样输入的数据也能够作为与作为其输入者的训练工作人员901相关的工作人员数据或属于其他分类的复健数据而包含。
使复健数据包含这些数据的理由是也可能存在某个训练工作人员正因为存在来自熟练的其他训练工作人员的注意事项、转告事项才能够顺利地推行训练者900的训练这一情形。另外，上述的工作人员数据例如能够预先附加复健计划的输入时间日期等完成该输入的时间日期等时间信息。
(步行评价部210a中的异常步行判定)
对步行评价部210a进行详述。步行评价部210a按每个步行周期对步行动作是否符合异常步行模式进行说明。本申请发明人们发现：偏瘫患者所展现的异常步行存在被分类成至少7种的模式。即，知晓了若对于各个模式规定了异常步行基准，则在训练者的步态与任一个异常步行基准相符的情况下，能够评价为该步行动作为异常步行。鉴于此，在本实施方式所涉及的步行训练装置100中，步行评价部210a将各瘫痪体部的动作量与各异常步行基准进行比较来评价该步行动作是否为异常步行。以下，对各个异常步行基准与其评价手法进行说明。
图5是对第一异常步行基准进行说明的图。图5是相对于步行方向从侧方观察病腿侧的下半身亦即瘫痪体部的情况下的示意图，从上起依次表示躯干TL、髋关节HJ、大腿HL、膝关节NJ、小腿CL、踝关节FJ、脚FL。其中，在本实施例中，“腿”以及“腿部”作为表示比髋关节HJ靠下部整体的用语使用，将“脚”以及“脚部”作为表示从脚踝至脚尖为止的部分的用语使用。
为了判断是否与第一异常步行基准相符，整体控制部210检测病腿完成摆腿期而着地时的、从髋关节HJ至踝关节FJ为止的沿着步行方向的距离X1作为伴随着步行动作的第一动作量。若为健康腿的通常步行，则完成摆腿期而着地的地点应该位于比髋关节HJ靠向步行方向(前方)的位置。然而，在病腿的步行中，由于不使病腿充分摆动，所以无法充分移动腿至前方，存在着地在比髋关节HJ稍靠前方、着地在比髋关节HJ靠后方的情况。
鉴于此，设定“小于基准距离Xc1”作为第一异常步行基准。若在步行动作中检测到的距离X1小于基准距离Xc1，则判断为异常步行。整体控制部210取得来自载荷传感器222的检测信号和来自照相机140的图像数据，使用这些信息来检测摆腿期的结束时刻的距离X1。例如在设定为Xc1＝20cm(＝从髋关节HJ向前方20cm)的情况下，当检测到的距离X1为10cm或－5cm时，步行评价部210a将该步行动作评价为异常步行。基准距离Xc1可以根据训练者的体格、复健的进展程度等而变更。
图6是对第二异常步行基准进行说明的图。图6是表示相对于步行方向从侧方观察病腿侧的下半身亦即瘫痪体部的情况下的示意图，与图5同样地表示各体部。
为了判断是否与第二异常步行基准相符，整体控制部210检测病腿的摆腿期内的脚底载荷X2作为伴随着步行动作的第二动作量。若为健康腿的通常步行，则脚底在摆腿期不会接地。然而，由于在病腿的步行中，提起整条腿的力不足，所以存在成为以脚底接地的状态将腿向前方抬出那样的所谓的拖地步行的情况。
鉴于此，设定“大于基准载荷Xc2”作为第二异常步行基准。若在步行动作中检测到的载荷X2大于基准载荷Xc2，则判断为异常步行。整体控制部210取得来自载荷传感器222的检测信号和来自照相机140的图像数据，使用这些信息来检测摆腿期内的载荷X2。通常设定为Xc2＝0。即，若在摆腿期中哪怕检测到一点来自脚底的载荷，步行评价部210a都将该步行动作评价为异常步行。但是，根据复健的进展程度等而允许少量的接地，例如也可以设定为Xc2＝10N。另外，可以将摆腿期中的累计载荷作为基准值。
图7是对第三异常步行基准进行说明的图。图7是相对于步行方向从侧方观察病腿侧的下半身亦即瘫痪体部的情况下的示意图，与图5同样地表示各体部。
为了判断是否与第三异常步行基准相符，整体控制部210检测病腿的立腿中的膝关节NJ的屈曲角度X3作为伴随着步行动作的第三动作量。若为健康腿的通常步行，则立腿中的膝关节NJ不那么屈曲。然而，在病腿的步行中，由于膝关节NJ支承上身的力不足，所以存在膝关节NJ在立腿中大幅屈曲的情况。根据情况不同，会引起所谓的折膝。
鉴于此，设定“小于基准角度Xc3”作为第三异常步行基准。若在步行动作中检测到的屈曲角度X3小于基准角度Xc3，则判断为异常步行。整体控制部210取得来自角度传感器223的检测信号和来自照相机140的图像数据，使用这些信息来检测立腿中的屈曲角度X3。例如，在设定为Xc3＝165度的情况下，当检测到的屈曲角度X3为140度时，步行评价部210a将该步行动作评价为异常步行。此外，若在立腿中连续检测到的屈曲角度X3哪怕一次小于基准角度Xc3，则步行评价部210a也将该步行动作评价为异常步行。基准角度Xc3可以根据训练者的年龄、复健的进展程度等而变更。
图8是对第四异常步行基准进行说明的图。图8是相对于步行方向从侧方观察病腿侧的下半身亦即瘫痪体部的情况下的示意图，与图5同样地表示各体部。
为了判断是否与第四异常步行基准相符，整体控制部210检测病腿从立腿期向摆腿期切换的摆动时的、从髋关节HJ至踝关节FJ为止的沿着步行方向的距离X4作为伴随着步行动作的第四动作量。若为健康的正常人的步行，则摆动时的踝关节FJ相对于髋关节HJ在某种程度上位于后方。然而，在瘫痪患者的步行中，由于无法自如地进行上身的体重移动，所以踝关节FJ在充分远离髋关节HJ之前就开始摆动。
鉴于此，设定“基准距离Xc4以上”作为第四异常步行基准。若在步行动作中检测到的距离X4小于基准距离Xc4，则判断为异常步行。整体控制部210取得来自载荷传感器222的检测信号和来自照相机140的图像数据，使用这些信息来检测从立腿期向摆腿期切换的摆动时刻的距离X4。例如，在设定为Xc4＝－20cm(＝从髋关节HJ向后方20cm)的情况下，当检测到的距离X4为－10cm(＝从髋关节HJ向后方10cm)或5cm(＝从髋关节HJ向前方5cm)时，步行评价部210a将该步行动作评价为异常步行。基准距离Xc4可以根据训练者的体格、复健的进展程度等而变更。
图9是对第五异常步行基准进行说明的图。图9是相对于步行方向从侧方观察病腿侧的下半身亦即瘫痪体部的情况下的示意图，与图5同样地表示各体部。
为了判断是否与第五异常步行基准相符，整体控制部210检测病腿的立腿中的躯干TL向前方向的倾斜角度X5作为伴随着步行动作的第五动作量。若为健康的正常人的通常步行，则立腿中的躯干TL相对于通过髋关节HJ的铅垂线为向前方稍微倾斜的程度。然而，在瘫痪患者的步行中，为了庇护下半身，存在躯干TL相对于通过髋关节HJ的铅垂线大幅前倾的情况。
鉴于此，设定“基准角度Xc5以上”作为第五异常步行基准。若在步行动作中检测到的向前方的倾斜角度X5为基准角度Xc5以上，则判断为异常步行。整体控制部210取得来自姿势传感器217的检测信号和来自照相机140的图像数据，使用这些信息检测立腿中的倾斜角度X5。例如，在设定为Xc5＝10度的情况下，当检测出的倾斜角度X5为30度时，步行评价部210a将该步行动作评价为异常步行。其中，若在立腿中连续检测出的倾斜角度X5哪怕一次为基准角度Xc5以上，则步行评价部210a也将该步行动作评价为异常步行。基准角度Xc5可以根据训练者的年龄、复健的进展程度等而变更。
图10是对第六异常步行基准进行说明的图。图10是从步行方向正面观察病腿侧的下半身亦即瘫痪体部的情况下的示意图，与图5同样地表示各体部。
为了判断是否与第六异常步行基准相符，整体控制部210检测病腿的立腿中的躯干TL向病腿侧的倾斜角度X6作为伴随着步行动作的第六动作量。若为健康的正常人的通常步行，则立腿中的躯干TL相对于通过髋关节HJ的铅垂线偏基本不会向左右方向晃动。然而，在瘫痪患者的步行中，由于对于体重施加于病腿侧的恐惧心理等，存在躯干TL相对于通过髋关节HJ的铅垂线向病腿侧大幅前倾的情况。
鉴于此，设定“基准角度Xc6以上”作为第六异常步行基准。若在步行动作中检测出的向病腿侧的倾斜角度X6为基准角度Xc6以上，则判断为异常步行。整体控制部210取得来自姿势传感器217的检测信号和来自照相机140的图像数据，使用这些信息来检测立腿中的倾斜角度X6。例如，在设定为Xc6＝10度的情况下，当检测出的倾斜角度X6为20度时，步行评价部210a将该步行动作评价为异常步行。此外，若在立腿中连续检测出的倾斜角度X6哪怕一次为基准角度Xc6以上，则步行评价部210a也将该步行动作评价为异常步行。基准角度Xc6可以根据训练者的年龄、复健的进展程度等而变更。
图11是对第七异常步行基准进行说明的图。图11是相对于步行方向从侧方观察病腿侧的下半身亦即瘫痪体部的情况下的示意图，与图5同样地表示各体部。
为了判断是否与第七异常步行基准相符，整体控制部210检测病腿的摆腿中的躯干TL向前方向的倾斜角度X7作为伴随着步行动作的第七动作量。若为健康的正常人的通常步行，则摆腿中的躯干TL相对于通过髋关节HJ的铅垂线向前方倾斜某种程度。然而，在瘫痪患者的步行中，无法自如地进行上身的体重移动而后仰，存在躯干TL相对于通过髋关节HJ的铅垂线向后方倾斜的情况。
鉴于此，设定“小于基准角度Xc7”作为第七异常步行基准。若在步行动作中检测出的向前方的倾斜角度X7小于基准角度Xc7，则判断为异常步行。整体控制部210取得来自姿势传感器217的检测信号和来自照相机140的图像数据，使用这些信息来检测摆腿中的倾斜角度X7。例如，在设定为Xc7＝－5度(＝向后方倾斜5度)的情况下，当检测出的倾斜角度X7为－20度时，步行评价部210a将该步行动作评价为异常步行。此外，若在摆腿中连续检测出的倾斜角度X7哪怕一次小于基准角度Xc7，则步行评价部210a也将该步行动作评价为异常步行。基准角度Xc7可以根据训练者的年龄、复健的进展程度等而变更。
以上，对7个异常步行基准进行了说明，但也可以增加其他的异常步行基准。在决定异常步行基准时，重要的是决定多个而非单个，该情况下的异常步行基准可以至少包括与瘫痪体部的相互不同的部位的动作量相关的2个以上基准、或者包括与瘫痪体部的同一部位向相互不同的方向的动作量相关的2个以上基准。
这里，与相互不同的部位的动作量相关的2个以上基准可从与躯干的动作量相关的基准、与膝关节的动作量相关的基准以及与从脚踝至脚尖的脚部的动作量相关的基准中选择。在上述的例子中，与躯干的动作量相关的基准是第五、六、七基准，与膝关节的动作量相关的基准是第三基准，与脚部的动作量相关的基准是第一、二、四基准。通过实验知晓：若这样选择所着眼的动作量，则在应该将实际的步态评价为异常步行的情况下，即便是根据一方的动作量不评价为异常步行的情况但根据另一方的动作量评价为异常步行的情况也很多。
另外，与瘫痪体部的同一部位向相互不同的方向的动作量相关的2个以上基准可以包括与躯干相对于步行方向的动作量相关的基准和相对于与步行方向正交的正交方向的动作量相关的基准。在上述的例子中，相当于第五以及第七任一个基准与第六基准的关系。通过实验可知：即使这样组合所着眼的动作量，在应该将实际的步态评价为异常步行的情况下，即便是根据一方的动作量未评价为异常步行的情况但根据另一方的动作量评价为异常步行的情况也很多。
另外，知晓了异常步行基准可以在病腿的摆腿期与立腿期分别是不同的基准。第一基准与第四基准相互是同一部位的相同方向的基准，但分别着眼于从摆腿期向立腿期切换的时刻和从立腿期向摆腿期切换的时刻。另外，第五基准与第七基准同样相互是同一部位的相同方向的基准，但分别着眼于立腿期和摆腿期。即，即便是同一部位且相同方向的动作量，若划分观察时刻，则也能够评价为步行动作不同的特征量。
接下来，对步行训练装置100的处理动作进行说明。图12是表示处理动作的流程图。从由训练者900或者操作人员选择训练菜单、启动一系列训练程序的时刻开始流程。
整体控制部210在步骤S101中将步行周期计数器n复位。而且，驱动跑步机驱动部211而开始带132的旋转，并且根据所设定的调整值驱动抻拉驱动部214以及关节驱动部221来执行训练者900的步行辅助。若训练者900开始方向动作，则在步骤S102中取得伴随着步行动作的各动作量。具体而言，利用图像处理部216解析从照相机140取得的图像信号、取得来自姿势传感器217、载荷传感器222、角度传感器223的检测信号并换算为动作量。
整体控制部210在步骤S103中对一个步行周期是否结束进行判断。异常步行的评价可以按病腿的每一步来执行，但在本实施方式中，按病腿的一步和与之连续的健康腿的一步的一个周期来执行评价。因此，整体控制部210若判断为一个步行周期结束，则进入至用于执行评价的步骤S104，若判断为尚未结束，则返回到步骤S102而继续各动作量的取得。
整体控制部210的步行评价部210a在步骤S104中执行异常步行的评价。具体而言，汇总步行动作中的各部位、各方向、各期间的动作量，对是否与上述的各异常步行基准相符进行确认。在评价为异常步行的情况下，将该步行动作判定为失败步行。步行评价部210a在步骤S105中对是否与上述的各异常步行基准的哪怕一个相符进行判断，在判断为与哪怕一个相符的情况下，进入至步骤S106，将“0”代入至第n步的评价变量En。而且，整体控制部210将该一步为失败步行的内容经由显示控制部213显示于训练用监视器138以及管理用监视器139。另一方面，当在步骤S105中判断为与上述的各异常步行基准的任一个都不相符的情况下，进入至步骤S108，将“1”代入至第n步的评价变量En。而且，整体控制部210将该一步为成功步行的内容经由显示控制部213显示于训练用监视器138以及管理用监视器139。
这里，在训练中实时显示是失败步行的内容的情况下，训练用监视器138以及管理用监视器139可以简单地进行单一的显示而不显示与哪个异常步行基准相符。或者，训练用监视器138以及管理用监视器139可以表示是否与每个异常步行基准相符。该情况下，只要按每个模式准备上述的评价变量En即可。此外，展示是否为失败步行的构件并不局限于管理用监视器139，还能够利用蜂鸣器声、闪烁光等。该情况下，优选声音、光也简单地以单一的方式表示给训练者900。这样展示是失败步行的内容的管理用监视器139、产生声音、光的设备等作为对与步行评价部210a的评价相关的信息进行展示的展示部发挥功能。
若在步骤S107中完成失败显示，或者在步骤S109中完成成功显示，则整体控制部210进入至步骤S110，将步行周期计数器n自加1。然后，在步骤S111中，对步行周期计数器n是否达到在一系列步行训练程序中预定的步行周期数n0进行判断。若判断为未达到，则返回到步骤S102，继续步行训练控制。若判断为达到，则进入至步骤S112。
整体控制部210的训练判定部210b在步骤S112中将一系列连续步行的步行训练试验中的评价结果汇总，进行用于表示步行训练试验的成功程度的判定。具体而言，训练判定部210b计算失败步行数相对于病腿的总步行数的比例、评价使保护带驱动部215动作的跌倒规避动作数来导出训练判定。在训练判定部210b将判定结果在步骤S113中经由显示控制部213显示于训练用监视器138以及管理用监视器139之后，整体控制部210结束一系列处理。
步行评价部210a基于预先设定的异常步行基准来进行异常步行判定。即，在与异常步行基准相符的情况下，步行评价部210a判定为符合与该异常步行基准对应的异常步行模式，在与异常步行基准不相符的情况下，步行评价部210a判定为不符合与该异常步行基准对应的异常步行模式。步行训练装置100记录是否符合异常步行模式的判定结果作为检测数据。
图13是表示异常步行模式的判定结果的表。如图13所示，检测数据按每一步包括是否符合7个异常步行模式的判定结果。在图20中，与异常步行基准相符的情况成为表示为符合异常步行模式的NG，与异常步行基准不相符的情况成为表示为不符合异常步行模式的OK。当然，也存在一步符合2个以上异常步行模式的情况。在上述的说明中，异常步行的模式数为7个，但也可以小于7，也可以为8以上。即，异常步行的模式数只要为1或2以上即可。此外，步行训练装置100可以按每一步将判定结果与拍摄到步行动作的动态图像建立对应地存储。
步行训练装置100将图13所示那样的是否符合异常步行模式的判定结果作为检测数据并发送至服务器500。服务器500将是否符合异常步行模式的判定结果作为复健数据的一部分进行收集。此外，步行训练装置100并不局限于将判定结果本身作为检测数据进行发送的构成，也可以发送用于进行判定的数据(例如距离X1等)。而且，服务器500也可以进行异常步行判定。
(学习模型的构建)
返回至图4的说明。服务器500作为生成学习模型的学习模型构建装置发挥功能。具体而言，服务器500从多个步行训练装置100收集复健数据。而且，服务器500将收集到的复健数据蓄积于数据蓄积部520。服务器500通过基于复健数据进行机器学习来构建学习完毕模型。
如图4所示，服务器500的控制部510具备数据生成部510a和学习部510b。控制部510进行用于对异常步行模式与设定参数的相关性进行机器学习的控制。控制部510使用异常步行判定的判定结果来进行机器学习。具体而言，在异常步行判定的判定结果变化了的时机的前后，数据生成部510a生成数据组。学习部510b使用判定结果变化的前后的数据组来进行基于RNN的机器学习。
图14是表示控制部510中的学习模型的构建方法(学习方法)的流程图。控制部510取得从步行训练装置100发送的复健数据(S11)。数据生成部510a生成学习数据作为机器学习的前处理(S12)。即，数据生成部510a基于蓄积在数据蓄积部520的复健数据来生成学习数据。学习部510b通过使用学习数据进行机器学习，来构建学习模型(S13)。
以下，对学习数据(亦称为学习用数据)进行说明。在以下的说明中，将用于对是否符合异常步行模式进行判定的动作量作为判定值。具体而言，在上述的7个模式的情况下，距离X1、载荷X2、屈曲角度X3、距离X4、倾斜角度X5、倾斜角度X6以及倾斜角度X7成为判定值。动作量是根据各种传感器的检测数据直接或者间接求出的值。因此，检测数据可以包含判定值。此外，可以将全部判定值标准化为用0～100％等的一定范围来表示。
另外，将成为判定值是否与异常步行基准相符的基准的值作为基准值。具体而言，在上述的7个模式的情况下，基准距离Xc1、基准载荷Xc2、基准角度Xc3、基准距离Xc4、基准角度Xc5、基准角度Xc6以及基准角度Xc7成为基准值。基准值成为用于判定异常步行的判定阈值。基准值是由步行训练装置100的训练工作人员901、步行训练装置的制造者、维护作业者等设定的值。或者，也可以通过机器学习等来求出更恰当的基准值或者判定阈值。另外，在将判定值标准化成0～100％的情况下，基准值可以为80％等的一定值。
步行评价部210a将判定值与基准值进行比较，来判定是否符合异常步行。各异常步行模式的判定结果能够用1位数据来表示。例如，在符合异常步行的情况下成为“1”，在不符合异常步行的情况下成为“0”。在异常步行模式存在7种模式的情况下，判定结果成为7位数据。按每个步行周期生成表示异常步行的判定结果的7位数据。
将在异常步行的判定中使用的数据作为判定数据。判定数据是根据与传感器的检测结果对应的检测数据求出的数据。判定数据可以包括在检测数据中。判定数据可以是表示判定结果的1位数据，也可以是基准值的数据。数据蓄积部520蓄积判定数据。判定数据可以包括在从多个步行训练装置100收集到的复健数据中，也可以通过服务器500对于复健数据进行运算处理来生成判定数据。
数据生成部510a准备判定数据与设定参数建立了关联的学习用数据。即，数据生成部510a将判定数据与获得该判定数据时的设定参数建立对应而作为1组学习用数据。数据生成部510a生成异常步行结果变化的前后的数据作为学习用数据。
例如，在图13所示的判定结果中，在第1～2步中为无步行异常，在第3步中符合步行异常模式1，在第4～7步中为无步行异常。另外，在第8步、第9步中产生步行异常模式2、7，这些为相同。因此，数据生成部510a将第2步、第3步、第4步、第7步、第8步的数据分别作为1个数据组。换言之，由于在第4步～第7步中为无步行异常而未变化，所以数据生成部510a从学习用数据组排除第5步、第6步的数据。这样一来，能够准备变化大的数据组。并且，由于能够排除变化小的数据组，所以能够抑制计算处理的负荷。
并不局限于判定结果存在变化的情况，数据生成部510a也可以在设定参数存在变化的前后生成数据组。例如，当训练工作人员901在1次实施的训练中改变了步行训练装置100中的辅助水平等设定参数的情况下，整体控制部210按每1步记录设定参数的变化。例如，如图15所示，整体控制部210只要按每1步记录设定参数的值即可。
设定参数1～N分别为不同的参数。例如，设定参数1为跑步机速度[km/h]，设定参数2为部分体重免载量[％]等。步行训练装置100将每1步的设定参数的设定值发送至服务器500。而且，与设定参数的判定结果的情况同样，在存在设定参数的变化的前后服务器500生成数据组。
数据生成部510a生成图16所示那样的数据组作为学习用数据。图16是用于说明学习用数据组的表。1个数据组包括设定参数和判定数据。在图16中，判定数据与设定参数建立对应而成为1个数据组。并且，1个数据组可以包括训练者数据。另外，虽然省略图示，但数据组可以包括工作人员数据。1个数据组是1个步行周期量的数据。
其中，在图16中，为了说明的简化，设定参数、判定数据以及训练者数据分别被表示为1个数据(例如parameter_1)，但实际上可以具有多个数据。例如，如上所述，设定参数可以具有部分体重免载量、扶手130a的上下位置等2个以上数据。如上所述，训练者数据可以包括训练者900的初始步行FIM、性别以及年龄等2个以上数据。优选训练者数据包括训练者的身体的特征，例如身高、体重等。优选训练者数据包括表示训练者的恢复度或者步行能力的数据，例如步行FIM等。
判定数据是在异常步行判定中使用的数据。判定数据可以是表示判定结果的数据，也可以是判定值。如上述那样，在连续的两个数据组中，判定数据不同。或者，在连续的两个数据组中，设定参数不同。
数据生成部510a准备多个学习数据的组。例如，可以准备在1次步行训练或者步行训练的1次实施中收集到的复健数据作为学习数据。1次步行训练是一个训练者900进行的一系列训练，若1次步行训练结束，则下一个训练者900在步行训练装置100进行训练。1次步行训练通常为20分钟～60分钟左右。步行训练的1次实施是在1次步行训练中训练者900持续步行的1个单位。1次步行训练包括多次实施。例如，1次实施为5分钟左右。具体而言，在1次步行训练中，训练者900在进行了5分钟的步行训练之后休息5分钟。即，在1次步行训练中，步行训练的实施与休息交替重复。休息与休息之间的5分钟成为1次实施的时间。当然，1次训练与1次实施的时间并不特别限定，能够针对每个训练者900恰当地设定。
学习部510b对判定数据与设定参数的相关性进行机器学习。即，学习部510b按每个异常步行模式对与哪个设定参数的相关性高进行判别。而且，学习部510b构建将异常步行模式作为输入并将与该异常步行模式相关性高的设定参数作为输出的学习模型。
例如，学习部510b能够进行机器学习作为从多个设定参数之中求出与判定数据相关性高的设定参数的回归问题。例如，通过按每个异常步行模式求出设定参数与判定数据之间的类似度或者相关系数，能够求出相关设定参数。另外，学习部510b也可以使用设定参数的变更与异常步行模式的判定结果的变化同时发生的同时概率，来求出相关性高的设定参数。
将相对于判定数据而言相关性高的设定参数作为相关设定参数。即，相关设定参数是在多个设定参数之中对判定数据造成的影响最大的设定参数。相关设定参数成为用于改善异常步行的设定参数。例如，若训练工作人员901变更相关设定参数的设定值，则与相关设定参数对应的异常步行模式的判定结果变化的可能性高。
此外，对于一个异常步行模式设定的相关设定参数并不局限于1个，也可以为2个以上。换言之，在同时变更了2个设定参数的情况下，也存在异常步行被改善的情况。学习部510b按每个异常步行模式求出1个或者多个相关设定参数。
图17是表示学习部510b所构建的学习模型的一个例子的图。这里，对使用了基于RNN的机器学习的例子进行说明。学习模型5110具备输入层5111、5121、输出层5112、5122以及中间层(亦称为隐藏层)5113、5123。输入层5111、5121将判定数据以及训练者数据作为输入。输出层5112、5122将设定参数作为输出。
输入层5111、输出层5112与异常步行的判定结果变化前的数据对应，输入层5121以及输出层5122与异常步行的判定结果变化后的数据对应。将连续的两个步行周期的第1个作为步行周期t1，将第2个作为步行周期t2。输入层5111、输出层5112为步行周期t1的数据，将这些作为第1组数据组。输入层5121、输出层5122为步行周期t2的数据，将这些作为第2组数据组。
中间层5113被设置于输入层5111与输出层5112之间。输入层5111将第1组数据组所包括的各数据作为输入。输出层5112将设定参数作为输出。中间层5113具有多个节点5115。各节点5115具有激活函数。此外，在图17中中间层5113为1层，但也可以由多层构成。该情况下，对将各节点连接的边缘进行加权。
中间层5123被设置于输入层5121与输出层5122之间。输入层5121将第2组数据组所包括的各数据作为输入。输出层5122输出设定参数。中间层5123具有多个节点5125。各节点5125具有激活函数。此外，在图17中中间层5123为1层，但也可以由多层构成。该情况下，对将各节点连接的边缘进行加权。
并且，在中间层5123的输入侧连接有中间层5113。即，由中间层5113计算出的数据的一部分或者全部被输入至中间层5123。中间层5123将中间层5113的输出数据与步行周期t2的判定数据等作为输入来输出步行周期t2的设定参数。
学习部510b将设定参数作为教导数据(正确答案标签)，能够进行有教导学习。学习部510b以输出层5112、5122的输出与实际的设定参数一致的方式构建学习模型5110。为了将实际的设定参数的值与学习模型的输出值的误差最小化，学习部510b使未学习模型不断读入大量的学习用数据。控制部510将构建好的学习模型5110写入至模型存储部521。学习模型5110是将设定参数作为因变量、将判定数据等作为解释变量的模型。
这里，利用学习部510b学习的学习模型5110的种类、其算法是任意的，但作为算法，能够使用神经网络。特别优选使用将中间层5113、5123多层化的深层神经网络(DNN)。作为DNN，例如能够使用采用了误差逆向传播法的多层感知器(MLP)等前馈(正向传播型)神经网络。另外，学习模型5110也可以为支持向量机(SVM)。
学习部510b可以通过深度学习来构建学习模型。学习部510b也可以通过进行卷积运算的CNN(Convolutional Neural Network)来构建学习模型。该情况下，学习模型5110可以具有卷积层、池化层等。学习部510b也可以通过处理时间序列数据的RNN(RecurrentNeural Network)、LSTM(Long Short Term Memory)等来构建学习模型。在RNN等中，步行周期t1的中间层5113与步行周期t2的中间层5123连接。例如，在判定结果变化前的步行周期收集到的复健数据被作为步行周期t1的学习用数据组，在变化后收集到的复健数据被作为步行周期t2的学习用数据组。
数据生成部510a生成针对异常步行模式的评价结果发生了变化的前后的步行周期中的复健数据分别作为学习用数据。学习部510b通过依次输入评价结果发生了变化的前后的步行周期中的复健数据分别作为1个数据组来进行机器学习。学习部510b构件将异常步行模式作为输入来输出设定参数的学习模型。
为了依次输入1次实施或者1个步行周期中的各时刻的输入数据，1个数据组可以包括检测数据等时间序列数据。例如，在转矩传感器等的数据根据1个步行周期中的时机而变化的情况下，1个数据组具有按照时间序列的检测数据。即，学习用数据组可以包括按照检测数据的时间序列的日志数据。可以将从日志数据提取出的特征量作为学习数据。
另外，在2个以上设定参数同时被变更的情况下，难以判断哪个设定参数对异常步行模式的改善的贡献较大。因此，在2个以上设定参数同时被变更的情况下，可以对同时变化的2以上设定参数进行加权。即，学习部510b可以对设定参数赋予权重。由此，能够更恰当地进行学习。
此外，如上所述，未学习模型并不局限于是完全的未学习的情况，也存在是处于学习中的模型的情况。此外，作为学习部510b所使用的学习手法，由于能够使用公知的算法，所以省略详细的说明。
学习部510b能够构建将判定数据作为输入并输出设定参数的学习模型。并且，学习部510b将实测的设定参数作为教导数据来构建学习模型。由此，学习部510b能够构建恰当的学习模型。若机器学习结束，则学习部510b将学习模型5110写入至模型存储部521。
其中，在以下的说明中，将机器学习结束并被写入至模型存储部521的学习模型亦称为学习完毕模型。即，将利用阶段中的学习模型亦称为学习完毕模型。当然，在新的复健数据被蓄积于数据蓄积部520的情况下，可以进行追加的机器学习来更新学习完毕模型。
控制部510或者步行训练装置100利用学习完毕模型，根据新的收集到的复健数据输出设定参数。以下，使用图18对学习完毕模型的利用进行说明。图18是表示利用了学习完毕模型的处理的流程图。这里，假设步行训练装置100的整体控制部210利用学习完毕模型来进行说明。其中，将新收集到的复健数据亦称为评价用复健数据。
若新的训练者900进行步行训练，则步行训练装置100取得复健数据(S21)。步行评价部210a基于复健数据的检测数据来进行异常步行的判定(S22)。即，步行评价部210a按每个异常步行模式对是否与异常步行基准相符进行判定。具体而言，步行评价部210a求出异常步行模式的判定值，并将判定值与基准值进行比较。步行评价部210a按每个异常步行模式输出判定结果。以下，将与基准相符的异常步行模式作为相符模式。
然后，整体控制部210将相符模式输入至学习完毕模型(S23)。而且，整体控制部210输出与相符模式相关的相关设定参数(S24)。例如，通知控制部210d使管理用监视器139显示相关设定参数。由此，管理用监视器139能够将相关设定参数提示给训练工作人员901。训练工作人员901对被提示的相关设定参数进行调整。
图19是表示管理用监视器139的显示画面的一个例子的图。显示画面139a具备照相机图像画面139b、异常步行模式表139c、以及设定参数表139d。
照相机图像画面139b实时显示由照相机140拍摄到的图像。这里，示出了照相机140从正面拍摄训练者900的例子。在照相机图像画面139b显示训练者900的步行动作。训练工作人员901能够目视确认训练者900的步行动作。
按每个异常步行模式在异常步行模式表139c显示有评价结果。在异常步行模式表139c显示有7个异常步行模式作为模式1～7。另外，模式5为与异常步行基准相符的相符模式139e。
在设定参数表139d显示有多个设定参数。这里，与相符模式139e对应的相关设定参数139f为摆动辅助量。相关设定参数139f被用粗框强调显示。由此，训练工作人员901能够迅速识别应该进行设定变更的设定参数。
并且，在设定参数表139d显示有相关设定参数139f的调整方向。这里，示出了通过增加作为相关设定参数139f的摆动辅助量来改善异常步行的情况。即，调整方向针对设定参数表示改善异常步行的方向。在设定参数表139d中示出了使异常步行改善的调整方向是增加(UP)还是减少(Down)设定参数的方向。此外，调整方向并不局限于增减方向，也可以是前后方向、左右方向。
训练工作人员901确认设定参数表139d来变更相关设定参数的设定值。由此，能够改善异常步行。即，由于训练工作人员901能够恰当地设定训练设定参数，所以成为异常步行的重要因素的促动器恰当地进行动作。由于促动器以恰当的设定参数动作，所以能够使异常步行的判定结果良好。
例如，观察到图18所示的显示画面139a的训练工作人员901使摆动辅助量增加1个水平。能够迅速改善与异常步行的基准相符的模式5的异常步行。即，由于促动器根据调整后的设定参数进行动作，所以促动器能够恰当地辅助步行动作。通过变更相关设定参数来使辅助量恰当。训练者900能够以不成为异常步行的步行动作进行步行训练，能够进行更恰当的步行训练。
此外，在图19中，通过用粗框显示相关设定参数139f来向训练工作人员901进行了提示，但也可以通过其他方法进行提示。例如，在显示画面139a中，可以通过使相关设定参数139f闪烁、改变显示色来强调显示相关设定参数139f。或者，也可以通过使用了扬声器的声音输出来提示相关设定参数。另外，管理监视器139也可以显示弹窗，来显示向训练工作人员901询问是否变更相关设定参数139f的消息。
在同时与异常步行基准相符的模式存在2个以上的情况下，整体控制部210可以提示针对每一个的相关设定参数。另外，也可以按每个异常步行模式独立设定相关设定参数。或者，在同时符合2个以上的异常步行模式的情况下，可以按每个异常步行模式的组合设定相关设定参数。
变形例
在变形例中，异常步行的判定与实施方式1不同。具体而言，在设定参数的设定值刚刚变化之后，立即使用多个步行周期量的动作量的平均值，来对是否与异常步行基准相符进行判定。
使用图20对本实施方式所涉及的工作方法进行说明。图20是表示步行训练装置100的工作方法的流程图。首先，整体控制部210取得复健数据(S31)。这里，整体控制部210按每个步行周期取得复健数据。然后，整体控制部210对设定参数是否存在变更进行判定(S32)。即，整体控制部210在连续的两个步行周期之间比较复健数据，来对设定参数的设定值是否被变更了进行判定。
在设定参数不存在变更的情况下(S32的否)，步行评价部210a进行异常步行的判定(S33)。整体控制部210将与异常步行基准相符的相符模式输入至学习完毕模型(S34)。然后，输出相关设定参数(S35)。由于步骤S31、S33、S34、S35与图16的步骤S21～S24同样，因而省略说明。
在设定参数存在变更的情况下(S32的是)，步行评价部210a蓄积多个周期量的复健数据(S36)。然后，步行评价部210a计算多个周期量的检测数据的平均值(S37)。该平均值成为用于判定是否是异常步行的判定值。步行评价部210a将作为判定值的平均值与基准值进行比较，来进行异常步行判定(S33)。整体控制部210将与异常步行基准相符的相符模式输入至学习完毕模型(S34)。然后，输出相关设定参数(S35)。
使用图21对步骤S36与步骤S37详细进行说明。图21是表示收集到的复健数据的表。各个数据组与1个步行周期量的数据对应。即，图21将第1周期～第4周期的复健数据表示为数据组1～4。
这里，假设在第1周期与第2周期之间变更了设定参数。该情况下，步行评价部210a通过将第2～4周期的检测数据平均化来求出判定值。例如，针对第1异常步行模式的判定值亦即距离X1，设第2～第4周期的值为X12、X13、X14。该情况下，在第2周期中，步行评价部210a以判定值为(X12+X13+X14)/3来进行异常步行判定。
这样一来，能够更恰当地进行异常步行判定。例如，在设定参数的设定值刚刚被变更之后，促动器的驱动力立即大幅变化。训练者900无法追随驱动力的变化，步行动作不稳定。在设定参数刚刚变更之后，立即基于多个周期量的动作量的平均值来进行异常步行判定。由此，能够更恰当地进行异常步行判定。
此外，在上述的说明中，通过简单平均求出了判定值，但也可以通过加权平均来求出判定值。另外，平均化的步行周期数并不局限于3环绕，可以是2环绕，也可以是4环绕以上。变形例所涉及的处理只要在学习阶段中的异常步行判定、以及利用阶段中的异常步行判定的至少一方中使用即可。
能够使用各种类型的非暂时性计算机可读介质来储存这样的程序，并供给至计算机。非暂时性计算机可读介质包括各种类型的有实体的记录介质。非暂时性计算机可读介质的例子包括磁记录介质(例如软盘、磁带、硬盘驱动器)、光磁记录介质(例如磁光盘)、CD-ROM(Read Only Memory)、CD-R、CD-R/W、半导体存储器(例如掩模ROM、PROM(ProgrammableROM)、EPROM(Erasable PROM)、闪速ROM、RAM(Random Access Memory))。另外，程序可以通过各种类型的暂时性计算机可读介质供给至计算机。暂时性计算机可读介质的例子包括电信号、光信号以及电磁波。暂时性计算机可读介质能够经由电线以及光纤等有线通信路或者无线通信路将程序供给至计算机。
此外，本发明并不局限于上述实施方式，在不脱离主旨的范围内能够恰当地进行变更。

Claims (9)

1.一种学习系统，其中，具备：
数据取得部，取得来自步行训练系统的复健数据，该步行训练系统具备辅助训练者的步行动作的促动器、检测与被所述促动器辅助的步行动作相关的数据的传感器、以及根据设定参数来控制所述促动器的控制部；
数据生成部，基于所述复健数据来生成学习用数据；以及
学习部，使用所述学习用数据来进行机器学习，
所述传感器为了检测所述训练者的步行动作中的多个动作量而设置，
按步行动作的每个步行周期，在所述动作量的至少一个与预先决定的异常步行基准的任一个相符的情况下，评价为是与相符的所述异常步行基准对应的异常步行模式，
所述数据生成部将针对所述异常步行模式的评价结果发生了变化的前后的步行周期中的所述复健数据分别作为学习用数据来进行生成，
所述学习部通过将所述评价结果发生了变化的前后的步行周期中的所述复健数据分别作为1个数据组而依次被输入来进行机器学习，
所述学习部构建将所述异常步行模式作为输入来输出所述设定参数的学习模型。
2.根据权利要求1所述的学习系统，其中，
在所述设定参数的设定值刚刚变化之后，立即使用多个步行周期量的所述动作量的平均值来对是否与所述异常步行基准相符进行判定。
3.根据权利要求1或2所述的学习系统，其中，
在连续的步行周期内，当2个以上的所述设定参数的设定值同时变化的情况下，所述学习部对于同时变化的2个以上的所述设定参数进行加权。
4.一种学习方法，其中，具备：
取得来自步行训练系统的复健数据的数据步骤，该步行训练系统具备辅助训练者的步行动作的促动器、检测与被所述促动器辅助的步行动作相关的数据的传感器、以及根据设定参数来控制所述促动器的控制部；
基于所述复健数据来生成学习用数据的步骤；以及
使用所述学习用数据来进行机器学习的步骤，
所述传感器为了检测所述训练者的步行动作中的多个动作量而设置，
按步行动作的每个步行周期，在所述动作量的至少一个与预先决定的异常步行基准的任一个相符的情况下，评价为是与相符的所述异常步行基准对应的异常步行模式，
将针对所述异常步行模式的评价结果发生了变化的前后的步行周期中的所述复健数据分别作为学习用数据来进行生成，
通过将所述评价结果发生了变化的前后的步行周期中的所述复健数据分别作为1个数据组而分别依次被输入来进行机器学习，
构建将所述异常步行模式作为输入来输出所述设定参数的学习模型。
5.一种非暂时性计算机可读介质，存储有程序，其中，
所述程序用于使计算机执行权利要求4所述的学习方法。
6.一种学习完毕模型，用于使计算机以基于由步行训练系统取得的评价用复健数据来输出与相符的异常步行模式相关的设定参数的方式发挥功能，其中，
所述学习完毕模型是利用权利要求1～3中任一项所述的学习系统生成的学习模型。
7.一种步行训练系统，其中，具备：
促动器，辅助训练者的步行动作；
传感器，为了检测被所述促动器辅助的所述训练者的步行动作中的多个动作量而设置；
控制部，根据多个设定参数来控制所述促动器；
评价部，按所述步行动作的每个步行周期，在所述动作量的至少一个与预先决定的多个异常步行基准的任一个相符的情况下，评价为所述步行周期中的步行动作是与所述异常步行基准对应的异常步行模式；以及
输出部，将所述异常步行模式作为输入来输出与所述异常步行模式相关的所述设定参数，
分别生成针对所述异常步行模式的评价结果发生了变化的前后的步行周期中的复健数据，
所述输出部将所述评价结果发生了变化的前后的步行周期中的所述复健数据分别作为1个数据组而依次输入来进行机器学习,
学习部构建将所述异常步行模式作为输入来输出所述设定参数的学习模型。
8.根据权利要求7所述的步行训练系统，其中，
在所述设定参数的设定值刚刚变化之后，立即使用多个步行周期量的所述动作量的平均值来对是否与所述异常步行基准相符进行判定。
9.根据权利要求7或8所述的步行训练系统，其中，
所述输出部使用权利要求6所述的学习完毕模型来输出所述设定参数。
CN202010579473.7A 2019-06-27 2020-06-23 学习系统、步行训练系统、方法、程序及学习完毕模型 Active CN112137837B (zh)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
JP2019119669A JP7200849B2 (ja) 2019-06-27 2019-06-27 学習装置、歩行訓練システム、方法、プログラム、及び学習済みモデル
JP2019-119669 2019-06-27

Publications (2)

Publication Number Publication Date
CN112137837A CN112137837A (zh) 2020-12-29
CN112137837B true CN112137837B (zh) 2023-03-10

Family

ID=73887476

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010579473.7A Active CN112137837B (zh) 2019-06-27 2020-06-23 学习系统、步行训练系统、方法、程序及学习完毕模型

Country Status (3)

Country Link
US (2) US11944427B2 (zh)
JP (1) JP7200849B2 (zh)
CN (1) CN112137837B (zh)

Families Citing this family (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113812964B (zh) * 2021-08-02 2023-08-04 杭州航弈生物科技有限责任公司 脑电特征的代理测量及伪多模态冻结步态检测方法、装置
KR102559659B1 (ko) * 2021-08-13 2023-07-27 휴카시스템 주식회사 족저부 압력 측정을 위한 3축 로드셀을 구비한 보행재활장치

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106361544A (zh) * 2015-07-23 2017-02-01 三星电子株式会社 步行辅助方法和执行步行辅助方法的设备
CN106539587A (zh) * 2016-12-08 2017-03-29 浙江大学 一种基于多运动传感器的跌倒风险评估以及监测系统及评估方法
CN109528203A (zh) * 2019-01-21 2019-03-29 郑州大学 一种基于多源信息融合的交互式脑卒中患者步态训练及评测系统
CN109793644A (zh) * 2017-11-17 2019-05-24 丰田自动车株式会社 步态评估装置、步态训练系统和步态评估方法

Family Cites Families (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2011144883A1 (en) * 2010-05-19 2011-11-24 Salisbury Nhs Foundation Trust Accelerometer assembly and the use thereof
CN103440368B (zh) * 2013-08-12 2017-06-13 上海交通大学 一种多模型动态软测量建模方法
JP6052234B2 (ja) 2014-05-27 2016-12-27 トヨタ自動車株式会社 歩行訓練装置
EP3304820B1 (en) * 2015-05-27 2019-12-18 Telefonaktiebolaget LM Ericsson (publ) Method and apparatus for analysing performance of a network by managing network data relating to operation of the network
US10937547B2 (en) * 2015-06-15 2021-03-02 The Regents Of The University Of California Subject assessment using localization, activity recognition and a smart questionnaire
CN105286875A (zh) * 2015-11-24 2016-02-03 龙岩学院 一种辅助筛查前交叉韧带损伤的步态分析方法
EP3257437A1 (en) * 2016-06-13 2017-12-20 Friedrich-Alexander-Universität Erlangen-Nürnberg Method and system for analyzing human gait
WO2018217652A1 (en) * 2017-05-24 2018-11-29 Neuropath Sprl Systems and methods for markerless tracking of subjects
JP7054130B2 (ja) * 2017-08-01 2022-04-13 株式会社国際電気通信基礎技術研究所 運動学習支援装置および運動学習支援方法
TWI684442B (zh) * 2018-07-27 2020-02-11 國立陽明大學 步態學習輔助系統及其應用方法
CN110320806B (zh) * 2019-07-24 2021-06-01 东北大学 基于集成即时学习的污水处理过程自适应预测控制方法

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106361544A (zh) * 2015-07-23 2017-02-01 三星电子株式会社 步行辅助方法和执行步行辅助方法的设备
CN106539587A (zh) * 2016-12-08 2017-03-29 浙江大学 一种基于多运动传感器的跌倒风险评估以及监测系统及评估方法
CN109793644A (zh) * 2017-11-17 2019-05-24 丰田自动车株式会社 步态评估装置、步态训练系统和步态评估方法
CN109528203A (zh) * 2019-01-21 2019-03-29 郑州大学 一种基于多源信息融合的交互式脑卒中患者步态训练及评测系统

Also Published As

Publication number Publication date
US20200406096A1 (en) 2020-12-31
US20240188848A1 (en) 2024-06-13
JP7200849B2 (ja) 2023-01-10
CN112137837A (zh) 2020-12-29
US11944427B2 (en) 2024-04-02
JP2021003454A (ja) 2021-01-14

Similar Documents

Publication Publication Date Title
JP7200851B2 (ja) 学習装置、リハビリ支援システム、方法、プログラム、及び学習済みモデル
JP7255392B2 (ja) リハビリ支援システム、推定装置、学習装置、方法、プログラム、及び学習済みモデル
CN112137846B (zh) 学习系统、步行训练系统、系统、方法、程序及学习完毕模型
CN112138334B (zh) 处理系统、步行训练系统、处理方法以及计算机可读介质
CN112137839B (zh) 学习系统、步行训练系统、方法、程序、以及学习完毕模型
US20240188848A1 (en) Learning system, walking training system, method, program, and trained model
CN112137838A (zh) 学习装置、步行训练系统、方法、程序及学习完毕模型
CN112168625B (zh) 动作辅助系统、动作辅助方法、存储介质、学习装置、学习完毕模型以及学习方法
CN112137834B (zh) 学习系统、复健辅助系统、方法、程序及学习完毕模型
CN112137836B (zh) 学习系统、复健辅助系统、方法、程序及学习完毕模型
CN112137832B (zh) 学习系统、复健辅助系统、方法、程序及学习完毕模型
JP7124796B2 (ja) リハビリ支援システム、リハビリ支援装置の作動方法、及びリハビリ支援プログラム
CN112137835B (zh) 学习系统、复健辅助系统、方法、程序及学习完毕模型

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant