JP2016035651A - 在宅リハビリテーションシステム - Google Patents
在宅リハビリテーションシステム Download PDFInfo
- Publication number
- JP2016035651A JP2016035651A JP2014158018A JP2014158018A JP2016035651A JP 2016035651 A JP2016035651 A JP 2016035651A JP 2014158018 A JP2014158018 A JP 2014158018A JP 2014158018 A JP2014158018 A JP 2014158018A JP 2016035651 A JP2016035651 A JP 2016035651A
- Authority
- JP
- Japan
- Prior art keywords
- joint
- database
- rehabilitation
- patient
- home
- 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.)
- Pending
Links
Images
Landscapes
- Orthopedics, Nursing, And Contraception (AREA)
- Medical Treatment And Welfare Office Work (AREA)
Abstract
【課題】安価なデバイスを用い、設置方法や場所に関する専門知識が不要で実用的な在宅リハビリテーションシステム、並びに、好ましくは人体の解剖学や運動学に関する高度な専門知識がないリハビリ患者が運動効果を的確に把握できるフィードバック機構およびグラフィカルな表示インタフェースを提供する。【解決手段】ゲーム機などに採用されて市場価格が下がった深度センサーを用い、関節の空間的な3D座標と回転加速度を推定する処理を行うことによって、モーション・キャプチャー技術と同様の人体の姿勢推定を行う。また、好ましくはリハビリ患者の関節可動域をスコア化するインタフェースと、うまく稼動できない関節を駆動できる筋肉群のうちで、リハビリ患者が容易に張力を発揮できる筋肉を提示するインタフェースを提供する。【選択図】 図1
Description
本発明は、在宅リハビリテーションなどの遠隔医療が行われる場面において、医師や理学療法士による遠隔からのリアルタイムフィードバックを可能にするシステムに関する。
高齢化社会の進展に伴い、従来の病院や介護施設における高齢者へのリハビリテーションを含む介護による医療費の高騰が社会問題化している。そのため、今後、ますます在宅でのリハビリテーションへの転換が迫られている。また、高齢者のリハビリテーションはさまざまな危険を伴っていることから、高度な専門知識を持ったPTやOTの指導のもとに行われることが求められている(PT(Physical Therapist)は理学療法士を、OT(Occupational Therapist)は作業療法士を、それぞれ意味し、以下、「理学療法士及び/又は作業療法士」をPT/OTと称する。)。また、多くの病院や介護施設では、リハビリテーションにあたり、運動障害の原因別分類に基づき、専用の治療プログラムを用いている。しかしながら、PT/OTの人材不足に加え、夜間の介護など介護従事者の労働形態は過酷である。そこで、介護従事者の負荷を軽減すべく、実用的な在宅リハビリテーションシステムの実現が望まれている。
在宅リハビリテーションシステムには、リハビリ患者が行う運動の効果やストレスを、遠隔地にいるPT/OTがリアルタイムに把握する機能が必須である。なお、運動の効果やストレスは関節の角度や筋張力の大きさの変動で知ることができる。
従来より、運動による関節の角度の変化や発揮される筋張力の大きさをリアルタイムで把握する方法として、下記特許文献1に記載の技術が知られている。下記特許文献1に記載のものは、人体の関節部位に装着した光学センサーからの入力信号をカメラで捕捉する光学式モーションキャプチャー(MoCap)の技術を利用して、関節の空間的な3D座標と回転加速度を算出している。さらに入力データに対して逆動力学計算を行うことによって、関節トルクや筋張力をリアルタイムに算出して、直観的にわかりやすい3Dで視覚化し、リハビリ患者にフィードバックする技術である。
しかしながら、上記特許文献1に記載の技術に関して、特に光学式のモーション・キャプチャー技術は、元来、スポーツ運動解析やロボット工学、その他の工学分野で利用される技術である。モーション・キャプチャーを行うため、人体の全ての関節に光学式センサーを装着する必要があるだけでなく、光学式センサーからの入力データを捕捉するカメラも複数台必要になる。センサーの装着やカメラの設置には高度な専門知識と手間が必要となるため、在宅リハビリテーションの現場で利用するのは困難であり、また、機器の価格も高価である。
また、関節の空間的な3D座標と回転加速度を3Dで視覚化する方法は、PT/OTがリハビリ患者の状況を把握するのに十分であるが、専門知識がない在宅のリハビリ患者にとって運動効果を把握できるものではなく、何らかの意味づけされたフィードバックを与える必要がある。
以上の理由から、特許文献1に記載の技術を在宅リハビリテーションにおいて活用することは現実的に困難である。
そこで、本発明は、上記の課題を踏まえ、安価なデバイスを用い、設置方法や場所に関する専門知識が不要で、実用的な在宅リハビリテーションシステムを提供することを目的とする。また、本発明の好ましい実施形態においては、人体の解剖学や運動学に関する高度な専門知識がないリハビリ患者でも運動効果を的確に把握できるフィードバック機構及びそのためのグラフィカルな表示インタフェースを備えた在宅リハビリテーションシステムを提供することを目的とする。
上記目的を達成するため、本発明の在宅リハビリテーションシステムは、自宅コンピュータシステムと病院等コンピュータシステムとがネットワークを介して相互に通信可能に接続された在宅リハビリテーションシステムであって、前記自宅コンピュータシステムは、自宅コンピュータと、該自宅コンピュータとそれぞれ相互に通信可能に接続された自宅モニターと深度センサーとを含み、前記自宅コンピュータは、筋肉のプロファイルデータと、筋肉と該筋肉が稼動する関節との対応関係とを格納する筋肉データベースと、 骨格のプロファイルデータを格納する骨格データベースと、関節角の慣性モーメントを格納する関節データベースと、関節の運動方向毎の関節可動域の上限値及び下限値を格納する関節可動域データベースと、リハビリテーション対象部位の位置及び姿勢の推定情報並びに該リハビリテーション対象部位に含まれる関節についての関節角の推定情報を格納する患者姿勢データベースと、前記リハビリテーション対象部位に含まれる関節を稼動する筋肉についての筋張力の推定情報を格納する患者筋張力データベースと、前記自宅モニターに表示する内容を指示する運動指示手段と、前記病院等コンピュータシステムとの間で情報の送受信を行う入出力手段と、前記筋肉データベース、骨格データベース及び関節データベースに登録する情報を抽出するデータ抽出手段と、前記深度センサーから、前記リハビリテーション対象部位についての深度情報を含む画像データを取得して、前記位置、姿勢、関節角及び筋張力を推定する演算処理を行う筋骨格推定手段と、を備え、前記病院等コンピュータシステムは、病院等コンピュータと、該病院等コンピュータと相互に通信可能に接続された病院等モニターとを含み、前記病院等コンピュータは、前記自宅コンピュータシステムとの間で情報の送受信を行い、及び前記病院等モニターとの間で情報の入出力処理を行うフィードバック手段を備えたことを特徴とする。
また、本発明の在宅リハビリテーションシステムは、好ましくは、前記運動指示手段が、前記患者姿勢データベース及び患者筋張力データベースに格納された情報に基づいて、前記運動パターンを実施している際のリハビリテーション対象部位の関節角及び稼働している筋肉の推定される状況を示す画像を前記自宅モニターに表示することを特徴とする。
また、本発明の在宅リハビリテーションシステムは、好ましくは、前記自宅コンピュータが、リハビリ患者に指示する運動パターンを格納する運動データベースを備え、前記運動指示手段が、前記患者姿勢データベース及び患者筋張力データベースに格納された情報に基づいて、リハビリ患者が実施すべき運動パターンを前記運動データベースから抽出することを特徴とする。
また、本発明の在宅リハビリテーションシステムは、好ましくは、前記病院等コンピュータが、前記関節可動域データベース及び患者姿勢データベースに格納された情報に基づいて、リハビリテーション対象部位に含まれる関節の運動方向毎の関節可動域をスコア化する個別運動計画手段を備えることを特徴とする。
また、本発明の在宅リハビリテーションシステムは、好ましくは、前記個別運動計画手段が、前記筋肉データベースに格納された情報に基づいて、前記スコア化された関節可動域の運動方向に運動する関節を稼働する筋肉を特定することを特徴とする。
また、本発明の在宅リハビリテーションシステムは、好ましくは、前記自宅コンピュータシステムが、前記自宅コンピュータと通信可能に接続された生体センサーを含み、前記自宅コンピュータが、前記生体センサーからの入力データを処理するデータ蓄積手段と、該処理した入力データを格納する患者ストレスデータベースを備えることを特徴とする。
本発明によれば、光学式センサーを関節に装着する必要がなくなるため、専門知識がない在宅のリハビリ患者が容易に利用することができ、且つ安価なシステムを構成できる。また、本発明の好ましい実施形態では、リハビリ患者やPT/OTは関節可動域のスコアを確認することによって、よく稼動できる関節とうまく稼動できない関節を知ることができるため、関節トルクや筋張力をリアルタイムにフィードバックするだけでは判断できない運動効果を的確に把握できるようになる。さらに、当該好ましい実施形態では、リハビリ患者がうまく稼動できない関節を稼動する筋肉を集中的に鍛えることができるため、うまく稼動できない関節に対する運動学習を促す効果を得ることができる。
以下、本発明を実施する場合の一形態を、図面を参照して具体的に説明する。本実施形態では、患者の手指のリハビリテーションを行っているが、本発明は、患者の身体のその他の部位についてリハビリテーションを行う場合にも適用することができる。
なお、本発明において、リハビリテーションをリハビリと略称することがある。
なお、本発明において、リハビリテーションをリハビリと略称することがある。
図1は本発明における在宅リハビリテーションシステムの構成の一例を示している。リハビリ患者91が遠隔からPT/OT93によるリハビリテーションの指導を受けながらリハビリを実施することを可能にするシステム構成である。具体的には、本発明の在宅リハビリテーションシステムは、ネットワーク3を介して相互に通信可能に接続された自宅コンピュータシステム1と病院等コンピュータシステム2を備えている。なお、実際にリハビリテーションを行う際はリハビリ補助者92がリハビリ患者91の動作を補助することが一般的に行われる。
リハビリ患者91の自宅には遠隔からのリハビリ指導を受けるため、自宅コンピュータシステム1が稼動する。自宅コンピュータシステム1は、自宅コンピュータと、自宅コンピュータとそれぞれ相互に通信可能に接続された自宅モニター41と深度センサー6、好ましくは、さらに生体センサー5を含んでいる。
自宅コンピュータは、CPU(Central Processing Unit)と、RAM(Random Access Memory)等で構成されるメモリと、ハードディスク等で構成される記憶装置とを備えている。自宅コンピュータの記憶装置は、自宅リハビリテーションプログラムを記憶している。自宅コンピュータのCPUが記憶装置からメモリに自宅リハビリテーションプログラムを読み出して実行することにより、自宅コンピュータの各機能が実現される。
自宅コンピュータは、自宅モニター41と接続して自宅モニター41の画面に表示する内容を指示する運動指示部10、遠隔のPT/OT93からのコマンド入力を受け付ける入出力部11、リハビリ患者91の身体プロファイル等を抽出するデータ抽出部12、リハビリ患者91の身体に装着された生体センサー5からの心電・心拍数などの入力データを処理するデータ蓄積部13、深度センサー6からの入力データを処理してリハビリ患者91の関節角や筋張力を推定する演算を処理する筋骨格推定部14などの手段で構成されている。
自宅コンピュータが備えるデータベース群は、リハビリ患者91の手指のプロファイルデータを格納する筋肉データベース102及び骨格データベース103、事前に算出した手指の関節角毎の慣性モーメントを格納する関節データベース104、尤もらしい手指の関節角を算出するための制約条件を定義した関節可動域データベース105、リハビリ患者91の手指の位置、姿勢及び関節角の推定結果を記録した患者姿勢データベース107、リハビリ患者91の運動時の筋張力の推定結果を記録した患者筋張力データベース108で構成され、好ましくは、さらに、リハビリ患者91に指示する複数の運動パターンを格納した運動データベース101及びリハビリ患者91の運動による負荷をチェックするため心拍数や心電図などの計測結果を記録した患者ストレスデータベース106を含む。
運動指示部10は、自宅モニター41と接続して自宅モニター41に、自宅モニター41の画面に表示する内容を指示する。具体的には、運動指示部10は、深度センサー6の撮影データ及び病院等コンピュータシステム2から受信したフィードバックコメントを自宅モニター41に表示する。
運動指示部10は、好ましくは、患者姿勢データベース107及び患者筋張力データベース108に格納された情報に基づいて、運動パターンを実施している際のリハビリ患者91のリハビリテーション対象部位の関節角及び稼働している筋肉の推定される状況を、手指と、腕の筋肉のグラフィカルな3D(Dimension)画像上にリアルタイムに自宅モニター41に表示する。
また、運動指示部10は、好ましくは、患者姿勢データベース107及び患者筋張力データベース108に格納された情報に基づいて、リハビリ患者91が実施すべき運動パターンを運動データベース101から抽出し、抽出した運動パターンを自宅モニター41に表示する。
入出力部11は、病院等コンピュータシステム2との間で情報の送受信を行う。具体的には、入出力部11は、病院等コンピュータシステム2から、フィードバックコメント表示要求、運動パターンの更新要求、患者データの入手要求、運動パターン表示要求等を受信する。なお、患者データとは、患者姿勢データベース107及び患者筋張力データベース108に格納された情報を総称するものであり、好ましい実施形態において、患者ストレスデータベース106を備えている場合には、患者姿勢データベース107、患者筋張力データベース108及び患者ストレスデータベース106に格納された情報を総称するものである。
データ抽出部12は、患者の身体プロファイルデータ等を抽出し、抽出したデータを対応するデータベースに登録する。具体的には、本実施形態では、リハビリ患者91の筋肉及び骨格に関するプロファイルデータ並びに関節角の慣性モーメントを抽出し、それぞれ抽出したデータを筋肉データベース102、骨格データベース103及び関節データベース104に登録する。
データ蓄積部13は、本発明の好ましい実施形態において、生体センサー5を備えている場合に設けられる。データ蓄積部13は、生体センサー5から入力されたデータを処理する。具体的には、データ蓄積部13は、生体センサー5から入力された心電図や心拍数に関するデータを患者ストレスデータベース106に登録する。
筋骨格推定部14は、深度センサー6から、リハビリ患者91のリハビリテーション対象部位についての深度情報を含む画像データを取得して、リハビリ患者91のリハビリテーション対象部位の位置、姿勢及び関節角、並びにリハビリテーション対象部位に含まれる関節を稼動する筋肉についての筋張力を推定する演算処理を行う。
自宅モニター41は、運動指示部10の指示に従って、指示された情報を表示する。また、自宅モニター41は、リハビリ患者91及び/又はリハビリ補助者92による入力を受け付ける。よって、自宅モニター41は、自宅コンピュータの入出力装置として機能する。なお、本実施形態では、自宅モニター41を自宅コンピュータの外部に設けているが、自宅モニター41を自宅コンピュータの一部として設けることも可能である。
深度センサー6としては、一般的なものを使用することができる。例えば、ゲーム機等で使用される廉価なものを使用することができる。具体的には、赤外線を対象物に照射し、該対象物によって歪められた照射パターンを統計分析することによって、該対象物との距離を測るもの等を用いることができる。これにより、光学式センサーの場合のように、複数のセンサーを装着したり、複数のカメラを設置する必要がなくなり、したがって、本発明では複雑で難解な装着方法や設置方法に関する知識を必要としない。
生体センサー5は、本発明の好ましい実施形態において設けられる。生体センサー5は、自宅コンピュータと通信可能に接続され、例えば、心電や心拍数等の生体情報が計測可能なセンサーである。
一方、病院や介護施設などでPT/OT93がリハビリ患者91の様子をチェックし指示を与えるため、病院等コンピュータシステム2が稼動する。病院等コンピュータシステム2は、病院等コンピュータと、病院等コンピュータと相互に通信可能に接続された病院等モニター42とを含んでいる。
病院等コンピュータシステム2は遠隔のリハビリ患者91の自宅で稼動する自宅コンピュータシステム1とネットワーク3で接続し、またPT/OT93の指示入力を受けるため病院等モニター42と接続している。
病院等コンピュータシステム2は、リハビリ患者91にフィードバックコメントを与えるフィードバック部20、リハビリ患者91の運動状態を元に適切な運動パターンを算出する個別運動計画部21で構成されている。
病院等コンピュータは、CPUと、RAM等で構成されるメモリと、ハードディスク等で構成される記憶装置とを備えている。病院等コンピュータの記憶装置は、病院等リハビリテーションプログラムを記憶している。病院等コンピュータのCPUが記憶装置からメモリに病院等リハビリテーションプログラムを読み出して実行することにより、病院等コンピュータの各機能が実現される。
フィードバック部20は、自宅コンピュータシステム1との間で情報の送受信を行い、及び病院等モニター42との間で情報の入出力処理を行う。具体的には、フィードバック部20は、病院等モニター42から、フィードバックコメント、運動パターン更新要求、患者データ入手要求及び運動パターン表示要求等の入力を受け付け、これらの入力に従って、フィードバックコメント表示要求、運動パターン更新要求、患者データ入手要求及び運動パターン表示要求等を自宅コンピュータシステム1に送信する。
個別運動計画部21は、本発明の好ましい実施形態において設けられる。個別運動計画部21は、関節可動域データベース105及び患者姿勢データベース107に格納された情報に基づいて、リハビリテーション対象部位に含まれる関節の運動方向毎に関節可動域をスコア化する。即ち、これは、各関節がそれぞれの運動方向毎に、どの程度稼動できるかを数値化するものであり、これにより、PT/OT93は、リハビリ患者91のどの関節がどの方向に運動することが不得意であるか等を定量的に把握することが可能となる。ここで、スコアについて予め所定の基準値を設定しておいて、当該基準値以下のスコアの関節可動域の運動方向を低スコアの関節可動域の運動方向として特定しておくことが望ましい。低スコアの関節可動域の運動方向に関節を運動させる運動パターンを重点的に実施することによりリハビリ効果がより大きくなるからである。
さらに好ましくは、個別運動計画部21は、筋肉データベース102に格納された情報に基づいて、前記低スコアの関節可動域の運動方向に運動する関節を稼働する筋肉を特定する。即ち、これは、ある関節をその不得意な方向に運動させるために利用される筋肉を特定することを意味し、これにより、重点的に強化するべき関節及び筋肉を把握することができ、より適切なリハビリテーションを実現することが可能となる。ここで、当該関節を不得意な方向に運動させるために利用される筋肉のうち、リハビリ患者91の利用頻度の高い筋肉を特定することがより望ましい。リハビリ患者91が利用し易い筋肉によって当該関節を運動させることができるため、当該関節に対するリハビリ効果がより大きくなるからである。
病院等モニター42は、病院等コンピュータと通信可能に接続されている。病院等モニター42は、フィードバック部20及び個別運動計画部21の指示に従って、指示された情報を表示する。また、病院等モニター42は、PT/OT93による入力を受け付ける。よって、病院等モニター42は、病院等コンピュータの入出力装置として機能する。なお、本実施形態では、病院等モニター42を病院等コンピュータの外部に設けているが、病院等モニター42を病院等コンピュータの一部として設けることも可能である。
図2Aは、手の解剖学上の部位の名称を示している。人体の手指は、thumb(親指)、index finger(人差し指)、middle finger(中指)、ring finger(薬指)及びpinky(子指)で構成され、手指の関節は最終的にwrist(手首)で連結される。各手指と手首の間の手の領域はpalm(手掌)及びback(手背)である。
図2Bは、手の解剖学上の骨格及び関節の名称を示している。手の骨格は、Distal phalanges(末節骨)、Intermediate phalanges(中節骨)、Proximal phalanges(基節骨)、Metacarpals(中手骨)及びCarpals(手根骨)で構成される。また、手の関節は、DIP関節(遠位指節間関節)、PIP関節(近位指節間関節)、MP関節(中手指節関節)、IP関節(指骨間関節)及びCM関節(手根中手関節)で構成される。thumb(親指)と、index finger(人差し指)、middle finger(中指)、ring finger(薬指)及びpinky(子指)とでは関節の順序は異なっている。即ち、thumb(親指)は指先端からIP関節、MP関節、CM関節の順番に配置されるが、他の指はDIP関節、PIP関節、MP関節の順番に配置される。各関節は稼動の自由度が決まっている。DIP関節、PIP関節及びIP関節はflexion(屈曲)‐extension(伸転)の自由度1である。MP関節はflexion(屈曲)‐extension(伸転)に加え、adduction(内転)‐abduction(外転)及びradial adduction(橈骨内転)‐ulnar adduction(尺骨内転)の自由度3である。CM関節は自由度2である。
図3は、関節の駆動モデル(index fingerの例)を示している。index fingerは先端からTIP、DIP関節、PIP関節、MP関節の順番に配置される。本実施形態では、先端から関節角θindex,1、θindex,2及びθindex,3xと、骨格長Lindex,1、Lindex,2及びLindex,3xと記述できる。図5の筋肉データベース102で記述するように、flexor digitorum superficialis index(第2浅指屈筋)が駆動できる関節としてPIP index flexion(第2指PIP屈曲)等、lumbrical I(第1虫様筋)が駆動できる関節としてDIP index extension(第2指DIP伸転)等がある。関節の回転運動の作用点を表すモーメントアームは関節毎に一意に定まり、r1及びr2と記述できる。また、手指の運動における慣性モーメントI1及びI2は関節の回転軸毎に一意に定まる。
図4は、単関節の筋張力モデルを示している。本実施形態では筋肉が収縮する際の筋張力のモデルを表している。等張性収縮では、活動張力が最大になるときの筋長は決まっている。この点を境に、筋肉が短縮する程(コンセントリックな運動)、筋肉が伸張する程(エキセントリックな運動)、発揮する筋張力は次第に小さくなる。また、筋肉が伸長する際、筋長を引き戻す側の張力(静止張力)が発生する。全筋張力は等張性収縮における筋張力と静止張力の和として記述できる。等張性収縮と静止張力は最大筋張力(Fmax)と筋長(l)の関数として記述できることは一般に周知されている。
運動データベース101には、リハビリ患者91が実施すべき複数の運動パターンが格納されている。また、例えば、本発明の好ましい実施形態において、個別運動計画部21によってスコア化された関節可動域の運動方向に運動する関節及びスコア化された関節可動域の運動方向に運動する関節を稼働する筋肉に関する情報に基づいて、PT/OT93が設定した新たな運動パターンが運動データベース101に格納されて更新され得る。なお、運動データベース101に格納される運動パターンは、リハビリテーション対象部位を当該運動パターンに運動させている状況をグラフィカルな映像として表示するための情報として格納されている。
図5は、本発明における筋肉データベース102の構成を示している。本データベースは、リハビリテーション対象部位に含まれる筋肉、ここでは手指を駆動する腕の筋肉と、駆動する関節の関係を記述したデータベースである。手指を駆動する腕の筋肉は34種類ある。筋肉の例として、flexor digitorum superficialis index(第2浅指屈筋)、lumbrical I(第1虫様筋)を示している。収縮時の筋肉の最大張力(Fmax)は筋肉毎に一意に定まる。静止長は活動張力が最大になるときの筋長(l0)である。最大筋張力と静止長はリハビリ患者91のプロファイルデータとして、計測装置等を利用して事前に計測することができる。また、標準的な人の最大筋張力と静止長の統計データを入手して利用することも可能である。筋肉が駆動できる関節は決まっている。flexor digitorum superficialis index(第2浅指屈筋)が発生させる筋張力によって、wrist flexion(手首屈曲)、wrist adduction (手首内転)、MP index flexion (第2指MP屈曲)、MP index adduction (第2指MP外転)及びPIP index flexion (第2指PIP屈曲)、即ち、3つの関節を合計で5つの運動方向に駆動する。各関節の駆動の際の関節からの応力中心距離(||r||)は一意に定まる。
図6は、本発明における骨格データベース103の構成を示している。本データベースは、手指の骨格の骨格長や組織重量のプロファイルを記述したデータベースである。骨格の例として、Distal phalanges index(第2指末節骨)、Intermediate phalanges index(第2指中節骨)、Proximal phalanges index(第2指基節骨)及びDistal phalanges middle(第3指末節骨)を示している。骨格長(L)、関節から質量中心までの距離(Lcom)、骨格・組織重量(m)は骨格毎に一意に定まる。骨格長と骨格・組織重量についても筋肉データベース102同様、リハビリ患者91のプロファイルデータとして、計測装置等を利用して事前に計測することができる。また、標準的な人の骨格長と骨格・組織重量の統計データを入手して利用することも可能である。
図7は、本発明における関節データベース104の構成を示している。本データベースは、関節の関節角や角速度から筋張力を推定する逆動力学計算を高速化する目的で、リハビリテーション対象部位に含まれる関節の関節角毎に慣性モーメントを算出して記述したデータベースである。骨格の例として、Distal phalanges index(第2指末節骨)、Intermediate phalanges index(第2指中節骨)を示している。関節角1(θ1)、関節角2(θ2)、関節角3x(θ3x)及び関節角3y(θ3y)には、図3の関節の駆動モデルの記述に従い、DIP関節、PIP関節及びMP関節の順番に添え字1、2、3x及び3yを付与した(後述するように、MP関節は2自由度として扱うため、2つの関節角3x(θ3x)と3y(θ3y)を挙げている。)。図2Bの関節自由度(DOF)に従い、DIP関節とPIP関節は自由度が1、MP関節は自由度が3となる。MP関節の自由度は3であるが、radial adduction(橈骨内転)とulnar adduction(尺骨内転)は無視できることを利用して、本実施形態では自由度2として扱う例を示した。自由度3として取り扱う場合は添え字3zの回転軸を考慮するだけで良い。また、慣性モーメント1(I1)、慣性モーメント2(I2)、慣性モーメント3x(I3x)及び慣性モーメント3y(I3y)についても同様に、DIP関節、PIP関節及びMP関節の順番に添え字を付与した。
図8は、本発明における関節可動域データベース105の構成を示している。本データベースは、手指の関節の運動方向毎の関節可動域の上限値と下限値を記述したデータベースである。尤もらしい関節角の推定を行うための制約条件として用いる。関節可動域の例として、DIP index flexion(第2指DIP関節屈曲)、DIP index extension(第2指DIP関節伸転)、PIP index flexion(第2指PIP関節屈曲)及びPIP index extension(第2指PIP関節伸転)の関節可動域の上限値(DOFu)及び関節可動域の下限値(DOFl)を記述している。関節可動域は人体の解剖学データベースを参照することで入手することができる。
図9Aは、本発明における患者ストレスデータベース106の構成のうち心拍数を示している。本データベースは、リハビリ患者91の身体に取り付けた生体センサー5から入手できる生体情報の一例として、日々の心拍数の時系列データを記述している。医師や理学療法士はリハビリ患者91に過度なストレスがかかり、合併症を引き起こされるのを防ぐため、リハビリ中の身体の状態を常にチェックする必要がある。
図9Bは、本発明における患者ストレスデータベース106の構成のうち心電図を示している。本データベースは、リハビリ患者91の身体に取り付けた生体センサー5から入手できる生体情報の一例として、心電図の時系列データを記述している。収集の目的は図9Aの心拍数と同様である。
図10は、本発明における患者姿勢データベース107の構成を示している。本データベースは、リハビリテーション対象部位、即ち、リハビリ患者91の運動中の手指の位置、姿勢及び関節角の推定情報を記述したデータベースである。グローバル座標系における手の位置は(X,Y,Z)で記述する。手の姿勢は回転を表す四元数(t,x,y,z)で記述する。図2Bの関節自由度(DOF)に示したように、手の関節の自由度は26ある。手指の関節角は26個の関節角データ(…,θindex,1,θindex,2,…)で記述する。患者姿勢データベース107の1レコードは深度センサー6で撮影した1フレームにおける手の位置と姿勢と関節角の推定情報を記述している。
図11は、本発明における患者筋張力データベース108の構成を示している。本データベースは、リハビリテーション対象部位に含まれる筋肉、即ち、リハビリ患者91の運動中の手指を駆動する際に発揮する個々の筋張力を記述したデータベースである。本実施形態では、flexor digitorum superficialis index(第2浅指屈筋)、flexor digitorum superficialis middle(第3浅指屈筋)の例を示している。筋肉毎に筋張力(Ffdsi, Ffdsm)、筋パワー(Pfdsi, Pfdsm)及び仕事(Wfdsi, Wfdsm)の3種類のデータを格納する。
図12Aは、本発明における自宅モニター41の表示例を示している。本実施形態では、リハビリ患者91が手を動かす運動を行う例を示している。リハビリ患者91に提示する表示画面は、フィードバック表示画面、運動指示表示画面、PT/OTコメント表示画面の3つである。フィードバック表示画面は、リハビリ患者91が行った手の運動について、推定される手指の関節角や稼動した筋肉の状況を、3Dでグラフィカルに表示された手指と、腕の筋肉の画像上に表示する画面である。よく屈曲した関節を太線表示する、また、発揮した筋張力の大きさを色分け表示する(濃度も変える)ことによって、リハビリ患者91に運動の進捗状況をリアルタイムにフィードバックすることが可能である。運動指示表示画面は、リハビリ患者91が次に行う運動の動作(運動パターン)を表示する画面である。PT/OTコメント表示画面は、PT/OT93がリハビリ患者91の運動の状態をモニターして気付いた点や指導内容をリハビリ患者91にコメントとして伝えるための画面である。遠隔地にある病院や介護施設に設けられた病院等コンピュータシステム2から入力できる。これらの画面の内容は、運動指示部10によって表示される。
図12Bは、本発明における病院等モニター42の表示例を示している。リハビリ患者91が手を動かす運動の状況をPT/OT93が確認することを可能にするため、PT/OT93に提示する表示画面は、患者運動プロフィール表示画面、診断表示画面の2つである。これ以外にも、患者ストレス表示やフィードバックコメント入力の画面を追加することが可能である。本実施形態では、flexor digitorum superficialis index(第2浅指屈筋)に関する筋張力(N)、筋パワー(W)及び仕事(J)の時系列データを表示する例を示している。これ以外のあらゆる筋肉の筋張力を確認することが可能である。診断表示画面は、リハビリ患者91が稼動した筋肉の利用頻度をグラフ化した画面である。PT/OT93はリハビリ患者91の筋肉の利用状況を把握することができるため、次回の運動計画を策定する際の重要な指針を得ることができる。
以下、本発明を実施する場合の処理の流れを、フローチャートを用いて具体的に説明する。
図13は、本発明における運動指示部10の処理のフローチャートを示している。リハビリ患者91やリハビリ補助者92によって自宅モニター41を用いて直接指定されるコマンドや入出力部11によって仲介される遠隔のPT/OT93(即ち、病院等コンピュータシステム2)からの入力を待ち(ステップ1301)、自宅コンピュータシステム1内で指定された運動終了コマンドかチェック(ステップ1302)する。運動終了コマンドの場合は処理を終了する。運動終了コマンド以外の場合は、PT/OT93によって入力されたフィードバックコマンドかチェック(ステップ1303)する。フィードバックコマンドの場合は自宅モニター41中のPT/OTコメント表示欄にフィードバックコメントを表示し(ステップ1304)、ステップ1301に処理を返す。フィードバックコメント以外の場合は、リハビリ患者91の深度センサー6の撮影データを自宅モニター41中のフィードバック表示欄に表示する(ステップ1305)。以降は、運動データベース 101、 患者姿勢データベース107及び患者筋張力データベース108の3つのデータベースを参照し(ステップ1306)、リハビリ患者91が次に行う運動パターンを運動データベース101から抽出して、自宅モニター41の運動指示欄に表示する(ステップ1307)。運動データベースは、医師や理学療法士によって作成され、リハビリ患者91向けの運動パターンを記述したファイルである。BVHやASFなどモーション・キャプチャーの標準的なファイルフォーマットを用いる。モーション・キャプチャーのファイルには、あるタイミングにおける手の姿勢情報が登録される。ファイルを再生すると、リハビリ患者91が運動を行う際に参考にする運動が映像として再生される。リハビリ患者91は運動指示欄を見ることによって、次に行う運動の動作を把握できる。さらに、リハビリ患者91の関節角や発揮している筋張力の推定状態をリアルタイムにそれぞれ患者姿勢データベース107及び患者筋張力データベース108から抽出して、フィードバック表示欄に表示し(ステップ1308)、ステップ1301に処理を返す。フィードバック表示欄には、リハビリ患者91が行っている運動のリアルタイム映像を表示し、この上から患者姿勢データベース107から抽出した手指の位置、姿勢及び関節角の推定情報と患者筋張力データベース108から抽出した運動中の手指を駆動する際に発揮する個々の筋張力情報を表示する。具体的には、患者姿勢データベースの特定の項目におけるグローバル座標(X、Y、Z)を用いて手の位置合わせを行い、姿勢を表す四元数(t、x、y、z)を元に手の回転方向を特定し、手指の関節角(…,θindex,1、θindex,2、…)を元に手指の関節の角度を特定し、図12Aに示したように、手指の関節情報をリアルタイム映像に重ね合わせて表示する。このとき、関節毎に異なる色彩を付して表示することが望ましく、本実施形態では、DIP関節を赤色、PIP関節を青色、MP関節を緑色、IP関節を黄色で表示している。一方、発揮された筋張力をグラフィカルに表示するため、発揮されている筋肉を色分けして表示する。また、筋張力の大きさに応じて表示濃度を変更する等の方法で筋張力の大きさを表現する。図12Aでは、橈側手根屈筋 (FCR)が発揮されて、濃い紫色で表示するという一例を示している。フィードバック表示欄には、自分の手指の関節角や稼動した筋肉の状況がグラフィカルに表示された手指と、腕の筋肉の画像上に表示されるため、リハビリ患者91はリハビリ運動のパフォーマンスを把握できる。
図13の実施形態では、運動指示部10が、患者姿勢データベース107及び患者筋張力データベース108の2つのデータベースを参照して、リハビリ患者91が次に行う運動パターンを運動データベース101から抽出して、自宅モニター41の運動指示欄に表示しているが、PT/OT93が病院等モニター42より運動パターン表示要求を入力し、これを自宅コンピュータシステム1に送信することにより、運動指示部10が当該運動パターンを運動指示欄に表示することもできる。この場合は、PT/OT93が、リハビリ患者91が次に実施すべき運動パターンを指示することになる。
図14は、本発明における入出力部11の処理のフローチャートを示している。リハビリ患者91の自宅コンピュータシステム1の入出力部11は遠隔のPT/OT93による入力を待つ(ステップ1401)。PT/OT93による入力を受信した場合、PT/OT93によるフィードバックコメント送信であるか(ステップ1402)、PT/OT93がリハビリ患者用の運動パターンを更新したか(ステップ1403)、PT/OT93がリハビリ患者91の運動状況等を示す患者データ入手を要求しているか(ステップ1404)、をチェックする。フィードバックコメント送信の場合は、その旨運動指示部10に通知し、運動指示部10によってリハビリ患者91の自宅コンピュータシステム1の自宅モニター41にPT/OT93によるフィードバックコメントを表示し(ステップ1405)、ステップ1401に処理を返す。PT/OT93による運動パターン更新の場合は、運動データベース101に運動パターンを登録し(ステップ1406)、ステップ1401に処理を返す。PT/OT93が患者データを入手する場合は、患者ストレスデータベース106、患者姿勢データベース107及び患者筋張力データベース108を読み込んで遠隔のPT/OT93が利用する病院等コンピュータシステム2にデータを転送し(ステップ1407)、ステップ1401に処理を返す。
図14には示していないが、入出力部11は、PT/OT93による運動パターン表示要求を受け付け、運動指示部10を通じて、自宅モニター41の運動指示欄に当該運動パターンを表示することも可能である。
図15Aは、本発明におけるデータ抽出部12による骨格データベース103の登録処理のフローチャートを示している。データ抽出部12は、リハビリ患者91の身体プロファイルを抽出するため、例えば、深度センサー6等を利用して、リハビリ患者91の手のデータを撮影する(ステップ1501)。撮影データをもとに手の骨格の関節を抽出する(ステップ1502)。この際、画像処理技術等を用いて手の画像のエッジ処理を行う方法やマーカーの情報を組み合せることによって、関節部分を自動的に抽出することが可能である。また、PT/OT93が関節箇所を指定する方法もある。いずれの方法によっても、リハビリ患者91の関節の箇所を特定することが可能である。関節箇所が特定された後では、個々の近接する関節の特徴点の組合せ(Ji,Jj)をチェックし(ステップ1503)、骨格長を算出して、骨格データベース103に登録する(ステップ1504)。さらに、公開されている基準の骨格・組織重量などを利用し、骨格長で補正した値から骨格・組織重量を推定し、骨格データベース103に登録する(ステップ1505)。ステップ1503に処理を返し、全ての近接する関節について処理を継続し、終了する。
図15Bは、本発明におけるデータ抽出部12による関節データベース104の登録処理のフローチャートを示している。まず、関節可動域データベース105を読み込み、全関節の運動方向毎の関節角の関節可動域の上限値と下限値を取得する(ステップ1511)。次に、骨格データベース103を読み込み、手指の全ての骨格長と骨格・組織重量を取得する(ステップ1512)。全ての指(thumb, index finger, middle finger, ring finger, pinky)の(ステップ1513)、全ての関節角の組み合せ(θ1,θ2,θ3x,θ3y)に関して(ステップ1514)、次の処理(又はこれに準じた処理)を行う。DIP関節の周りの慣性モーメント1(MOI1)は、全ての関節角に依存しない形で記述できる (I1=Σm1・L1 2)(ステップ1515)。一方、PIP関節の周りの慣性モーメント2(MOI2)は、DIP関節の周りの慣性モーメントとPIP関節の周りの慣性モーメントの総和になる。DIP関節角がθ1の場合は、Distal phalanges(末節骨)の回転半径はθ1 の関数となるため、DIP関節の周りの慣性モーメントはθ1の関数となる(I2=Σm2・L2 2 + I1(θ1))(ステップ1516)。同様に、MP関節の周りの慣性モーメント3(MOI3)は、DIP関節の周りの慣性モーメントとPIP関節の周りの慣性モーメントとMP関節の周りの慣性モーメントの総和になる。DIP関節の周りの慣性モーメントはθ1θ2の関数となり、PIP関節の周りの慣性モーメントはθ2の関数となる(I3x=Σm3・L3 2 + I2(θ2)+I1(θ1)(θ2))(ステップ1517)。1つの関節角の組み合せ(θ1,θ2,θ3x,θ3y)に関する慣性モーメントを算出した後、ステップ1514に処理を返す。1つの指に関して処理を終了した後、ステップ1513に処理を返し、全ての指の処理を終了した場合に終了する。
図16は、本発明におけるデータ蓄積部13の処理のフローチャートを示す。データ蓄積部13は生体センサー5からリハビリ患者91の心電や心拍数などのデータの入力を待ち(ステップ1601)、データを受信すると(ステップ1602)、患者ストレスデータベース106にデータを格納する(ステップ1603)。
図17Aは、本発明における筋骨格推定部14による患者姿勢データベース107の登録処理のフローチャートを示している。まず、深度センサー6から手の深度情報を含む画像データの入力を待ち(ステップ1701)、深度センサー6から画像データ(I)を受信すると(ステップ1702)、Canny法など著名なエッジ抽出アルゴリズムとskin colorを検出するアルゴリズムなどを組み合せることによって、手先領域の抽出を行う(Od(I))(ステップ1703)。一方、画像データ(I)とは別に、仮説の3Dモデル(Hd(I))を作成する(ステップ1704)。仮説の3Dモデルは、前回検出した手の姿勢データから、次にとり得る尤もらしい手の姿勢を推定したデータである。患者姿勢データベース107には前回検出した手の姿勢が格納されている。
一方、筋肉データベース102に示したように、筋肉毎に駆動できる関節は一意に決定される。つまり、次にとり得る尤もらしい手の姿勢は、手のどの筋肉の張力が発揮されるかによって決定される。発揮される筋肉の張力のパターンを網羅することによって、仮説の3Dモデルを作成できる。同時に発揮できる筋張力は1つであるという制約条件を設ければ、計算量を削減することができる。また、一回に駆動する関節角のパターンはあらかじめ設定する。本実施形態では、±5(deg)の例を示した。
次に全ての仮説の3Dモデルに関して(ステップ1705)、次の処理を行う。実モデルと仮説の3Dモデルのディスタンスを算出する(ステップ1706)。ディスタンスの算出は様々なアルゴリズムが考えられる。本実施形態では、実画像データから抽出した手先領域と個々の仮説の3Dモデルにおける各ピクセルの深度の総和をディスタンスとする例を示した(D = Σ |Od(I) - Hd(I)|)。深度以外にも、各ピクセルの色や輝度の差を考慮するアルゴリズムや、両者を組み合せてディスタンスを算出する方法もある。次に、仮説の3Dモデルにおけるディスタンスの最小値を記憶しつつ(Dmin = Min(D, Dmin))(ステップ1707)、ステップ1705に処理を返す。全ての仮説の3Dモデルについてディスタンスの計算を終了した際には、ディスタンスの最小値は確定している。これは尤もらしい姿勢を表していることから、ディスタンスを最小にする仮設の3Dモデルに対応する姿勢情報を患者姿勢データベース107に登録する(X,Y,Z,t,x,y,z,θ)(ステップ1708)。
図17Bは、本発明における筋骨格推定部14による患者筋張力データベース108の登録処理のフローチャートを示している。患者筋張力データベース108への登録は、逆動力学計算による全ての指の関節トルクの算出処理と最適化計算による筋張力の推定処理で構成される。
最初に、関節トルクの算出処理として、患者姿勢データベース107を参照して複数フレームの運動中の手指の位置と姿勢(DOF(t),DOF(t-1),…)を読み込み(ステップ1711)、続けて、筋肉データベース102、骨格データベース103、関節データベース104を読み込む(ステップ1712)。患者姿勢データベース107には任意の時間の全ての関節角(…,θindex,1, θindex,2,…)が記述されている。これをもとに、全ての指骨の角速度(…, ωindex,1, ωindex,2,…)と角加速度(…, αindex,1, αindex,2,…)を算出する(ステップ1713)。関節データベース104には全ての手指の骨に関する慣性モーメント(I1,I2,I3x,I3y)が記述されている。慣性モーメントは関節角に応じて動的に変化する。このため、患者姿勢データベース107における各関節の関節角に対応する慣性モーメントを読み込み、質量中心周りの慣性モーメント(…, Icom,index,1,…, Icom,index,1,…)に変換する(ステップ1714)。これらの入力データを元に、指の関節の運動方程式を導出するため、運動エネルギーと位置エネルギー(…,Kindex,1,Kindex,2,…,Uindex,1,Uindex,2,…)を算出する(ステップ1715)。指の運動はラグランジュの運動方程式等を用いることによって記述でき、逆動力学計算によって全ての指の関節トルク(…,τindex,1,τindex,2,…)を算出する(ステップ1716)。
次に、筋張力の推定処理として、筋肉データベース102を参照し(ステップ1717)、全ての筋肉(m)に関して(ステップ1718)、次の処理を行う。筋肉データベース102には筋肉(m)が駆動する関節の種類と応力中心距離(||r||)が登録されている。ヤコビアン(JT)の対応する手指の関節の要素に応力中心距離を符号付で登録し(ステップ1719)、ステップ1718に処理を返す。全ての筋肉について処理を終了した後、ステップ1716で算出した関節トルクを利用して、関節トルクベクトル(τ = […, τindex,1,τindex,2,…]T)を作成する(ステップ1720)。尤もらしい筋張力は、各筋肉の疲労が最も小さくなるように力を分担している状態である。この仮説をもとに、尤もらしい筋張力を推定する最適化計算を実行する(ステップ1721)。最後に、図4の単関節の筋張力モデル式を用いて、筋パワー及び仕事量を算出し(ステップ1722)、筋張力データベース108にデータを登録する(ステップ1723)。
図18は、本発明におけるフィードバック部20の処理のフローチャートを示している。まず、PT/OT93(即ち、病院等モニター42)からの入力を待つ(ステップ1801)。PT/OT93による入力を受信した場合、PT/OT93によるフィードバックコメント入力であるか(ステップ1802)、PT/OT93がリハビリ患者用の運動パターン更新要求を入力したか(ステップ1803)、PT/OT93がリハビリ患者91の運動状況を示す患者データ入手を要求しているか(ステップ1804)、をチェックする。フィードバックコメント入力の場合は、リハビリ患者91の自宅コンピュータシステム1の自宅モニター41にPT/OT93によるフィードバックコメントを(運動指示部10によって)表示し(ステップ1805)、ステップ1801に処理を返す。PT/OT93による運動パターン更新入力の場合は、PT/OT93が選択したリハビリ患者91に適切な運動パターンをリハビリ患者91の自宅コンピュータシステム1に送信し(ステップ1806)、ステップ1801に処理を返す。PT/OT93が患者データ入手を要求した場合は、患者データ入手コマンドをリハビリ患者91の自宅コンピュータシステム1に送信し(ステップ1807)、患者データとして、患者ストレスデータベース106、患者姿勢データベース107及び患者筋張力データベース108に格納された情報の受信を待ち(ステップ1808)、受信するたびにデータ集計して病院等モニター42にグラフ等を表示する(ステップ1809)。処理が終了した場合は、ステップ1801に処理を返す。
フィードバック部20は、病院等モニター42から運動パターン表示要求を受け付けることも可能である。この場合、当該運動パターン表示要求を自宅コンピュータシステム1に送信し、当該運動パターンが自宅モニター41の運動指示欄に表示される。
図19Aは、本発明における個別運動計画部21の得意・不得意運動判定処理のフローチャートを示している。まず、関節可動域データベース105及び患者姿勢データベース107を読み込み(ステップ1901)、患者姿勢データベース107の履歴から全ての関節の運動方向毎の関節角に関する関節可動域の頻度表(…,freqindex,1,5, freqindex,1,10,,…)を算出してグラフ表示する(ステップ1902)。全ての関節の運動方向について関節可動域の基本統計量(…,meanindex,1,medindex,1, varindex,1,…)を計算する(ステップ1903)。これには、関節可動域の平均や分散などの情報が含まれる。全ての関節の運動方向について関節可動域を関節可動域データベース105の関節可動域の上限値で規格化したスコアを算出し、関節の運動方向毎のスコアをPT/OT93に提示(病院等モニター42に表示)する(ステップ1904)。PT/OT93はスコアを確認することによって、リハビリ患者91がよく稼動できる関節とうまく稼動できない関節を判別することができる。
図19Bは、本発明における個別運動計画部21の代替運動抽出処理のフローチャートを示している。まず、筋肉データベース102及び患者筋張力データベース108を読み込み(ステップ1911)、患者筋張力データベース108の全ての筋肉に関する筋張力発揮の頻度表(…,freqflexor digitorum superficialis index,40,…)を算出してグラフ表示する(ステップ1912)。全ての筋肉について稼動域の基本統計量(…,meanflexor digitorum superficialis index,medflexor, varindex,,…)を計算する(ステップ1913)。図19Aの個別運動計画部21の得意・不得意運動判定処理のフローチャートで抽出したスコア化した関節可動域の運動方向のうち、予め定めた所定の基準値以下のスコアの全ての低スコアの関節可動域の運動方向に関して(ステップ1914)、次の処理を行う。筋肉データベース102から、該当する運動方向に関節を稼動する筋肉(…,mflexor digitorum superficialis index,…)を抽出し(ステップ1915)、ステップ1914に処理を返す。全ての低スコアの関節可動域の運動方向について処理を終了した後、低スコアの関節可動域の運動方向に関節を稼動する筋肉のうちで、使用頻度の高い筋肉をPT/OT93に提示(病院等モニター42に表示する)する(ステップ1916)。低スコアの関節可動域の運動方向に関節を稼動する、使用頻度の高い筋肉を繰り返し運動することによって、リハビリ患者91がうまく稼動できない関節に対する運動学習を促す効果を得ることができる。
1…自宅コンピュータシステム、10…運動指示部、11…入出力部、12…データ抽出部、13…データ蓄積部、14…筋骨格推定部、101…運動データベース、102…筋肉データベース、103…骨格データベース、104…関節データベース、105…関節可動域データベース、106…患者ストレスデータベース、107…患者姿勢データベース、108…患者筋張力データベース、2…病院等コンピュータシステム、20…フィードバック部、21…個別運動計画部、3…ネットワーク、41…自宅モニター、42…病院等モニター、5…生体センサー(心電・心拍数など)、6…深度センサー、91…リハビリ患者、92…リハビリ補助者、93…PT/OT(理学療法士 / 作業療法士)。
Claims (6)
- 自宅コンピュータシステムと病院等コンピュータシステムとがネットワークを介して相互に通信可能に接続された在宅リハビリテーションシステムであって、
前記自宅コンピュータシステムは、自宅コンピュータと、該自宅コンピュータとそれぞれ相互に通信可能に接続された自宅モニターと深度センサーとを含み、
前記自宅コンピュータは、
筋肉のプロファイルデータと、筋肉と該筋肉が稼動する関節との対応関係とを格納する筋肉データベースと、
骨格のプロファイルデータを格納する骨格データベースと、
関節角の慣性モーメントを格納する関節データベースと、
関節の運動方向毎の関節可動域の上限値及び下限値を格納する関節可動域データベースと、
リハビリテーション対象部位の位置及び姿勢の推定情報並びに該リハビリテーション対象部位に含まれる関節についての関節角の推定情報を格納する患者姿勢データベースと、
前記リハビリテーション対象部位に含まれる関節を稼動する筋肉についての筋張力の推定情報を格納する患者筋張力データベースと、
前記自宅モニターに表示する内容を指示する運動指示手段と、
前記病院等コンピュータシステムとの間で情報の送受信を行う入出力手段と、
前記筋肉データベース、骨格データベース及び関節データベースに登録する情報を抽出するデータ抽出手段と、
前記深度センサーから、前記リハビリテーション対象部位についての深度情報を含む画像データを取得して、前記位置、姿勢、関節角及び筋張力を推定する演算処理を行う筋骨格推定手段と、を備え、
前記病院等コンピュータシステムは、病院等コンピュータと、該病院等コンピュータと相互に通信可能に接続された病院等モニターとを含み、
前記病院等コンピュータは、
前記自宅コンピュータシステムとの間で情報の送受信を行い、及び前記病院等モニターとの間で情報の入出力処理を行うフィードバック手段を備えたことを特徴とする在宅リハビリテーションシステム。 - 前記運動指示手段が、前記患者姿勢データベース及び患者筋張力データベースに格納された情報に基づいて、前記運動パターンを実施している際のリハビリテーション対象部位の関節角及び稼働している筋肉の推定される状況を示す画像を前記自宅モニターに表示することを特徴とする請求項1に記載の在宅リハビリテーションシステム。
- 前記自宅コンピュータが、リハビリ患者に指示する運動パターンを格納する運動データベースを備え、
前記運動指示手段が、前記患者姿勢データベース及び患者筋張力データベースに格納された情報に基づいて、リハビリ患者が実施すべき運動パターンを前記運動データベースから抽出することを特徴とする請求項1又は2に記載の在宅リハビリテーションシステム。 - 前記病院等コンピュータが、前記関節可動域データベース及び患者姿勢データベースに格納された情報に基づいて、リハビリテーション対象部位に含まれる関節の運動方向毎の関節可動域をスコア化する個別運動計画手段を備えることを特徴とする請求項1乃至3のいずれかに記載の在宅リハビリテーションシステム。
- 前記個別運動計画手段が、前記筋肉データベースに格納された情報に基づいて、前記スコア化された関節可動域の運動方向に運動する関節を稼働する筋肉を特定することを特徴とする請求項4に記載の在宅リハビリテーションシステム。
- 前記自宅コンピュータシステムが、前記自宅コンピュータと通信可能に接続された生体センサーを含み、
前記自宅コンピュータが、前記生体センサーからの入力データを処理するデータ蓄積手段と、該処理した入力データを格納する患者ストレスデータベースを備えることを特徴とする請求項1乃至5のいずれかに記載の在宅リハビリテーションシステム。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2014158018A JP2016035651A (ja) | 2014-08-01 | 2014-08-01 | 在宅リハビリテーションシステム |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2014158018A JP2016035651A (ja) | 2014-08-01 | 2014-08-01 | 在宅リハビリテーションシステム |
Publications (1)
Publication Number | Publication Date |
---|---|
JP2016035651A true JP2016035651A (ja) | 2016-03-17 |
Family
ID=55523473
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2014158018A Pending JP2016035651A (ja) | 2014-08-01 | 2014-08-01 | 在宅リハビリテーションシステム |
Country Status (1)
Country | Link |
---|---|
JP (1) | JP2016035651A (ja) |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111067540A (zh) * | 2019-12-26 | 2020-04-28 | 南京康龙威康复医学工程有限公司 | 一种关节角度测量系统 |
JP2021529368A (ja) * | 2018-06-21 | 2021-10-28 | インターナショナル・ビジネス・マシーンズ・コーポレーションInternational Business Machines Corporation | 理学療法用の仮想環境 |
WO2022059228A1 (ja) * | 2020-09-18 | 2022-03-24 | 株式会社日立製作所 | 運動評価装置および運動評価システム |
JP2022520153A (ja) * | 2018-12-18 | 2022-03-29 | ユルディズ テクニク ユニベルシテシ | 診断及び治療を行うための理学療法及びリハビリテーションロボットの人工知能ベースのアルゴリズム |
WO2022118563A1 (ja) * | 2020-12-02 | 2022-06-09 | 日本電気株式会社 | リハビリテーション取組提案装置、方法、非一時的なコンピュータ可読媒体 |
-
2014
- 2014-08-01 JP JP2014158018A patent/JP2016035651A/ja active Pending
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2021529368A (ja) * | 2018-06-21 | 2021-10-28 | インターナショナル・ビジネス・マシーンズ・コーポレーションInternational Business Machines Corporation | 理学療法用の仮想環境 |
JP7289082B2 (ja) | 2018-06-21 | 2023-06-09 | インターナショナル・ビジネス・マシーンズ・コーポレーション | 理学療法用の仮想環境 |
JP2022520153A (ja) * | 2018-12-18 | 2022-03-29 | ユルディズ テクニク ユニベルシテシ | 診断及び治療を行うための理学療法及びリハビリテーションロボットの人工知能ベースのアルゴリズム |
JP7336794B2 (ja) | 2018-12-18 | 2023-09-01 | ユルディズ テクニク ユニベルシテシ | 診断及び治療を行うための理学療法及びリハビリテーションロボットの人工知能ベースのアルゴリズム |
CN111067540A (zh) * | 2019-12-26 | 2020-04-28 | 南京康龙威康复医学工程有限公司 | 一种关节角度测量系统 |
WO2022059228A1 (ja) * | 2020-09-18 | 2022-03-24 | 株式会社日立製作所 | 運動評価装置および運動評価システム |
WO2022118563A1 (ja) * | 2020-12-02 | 2022-06-09 | 日本電気株式会社 | リハビリテーション取組提案装置、方法、非一時的なコンピュータ可読媒体 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN104274183B (zh) | 动作信息处理装置 | |
US9700242B2 (en) | Motion information processing apparatus and method | |
JP5016687B2 (ja) | 人体における筋力と関節モーメントとをリアルタイムでインタラクティブに視覚化する方法 | |
CA2731775C (en) | 3d monocular visual tracking therapy system for the rehabilitation of human upper limbs | |
JP2021503340A (ja) | 関節応力をセンサーデータから判定する方法 | |
Zhao et al. | An augmented reality-assisted therapeutic healthcare exercise system based on bare-hand interaction | |
US9510789B2 (en) | Motion analysis method | |
JP2015514467A (ja) | 筋肉活動の取得および分析用のシステムならびにその動作方法 | |
JP2016035651A (ja) | 在宅リハビリテーションシステム | |
JP6518932B2 (ja) | 運動解析装置及び運動解析プログラム | |
Forsman et al. | A method for evaluation of manual work using synchronised video recordings and physiological measurements | |
JP7492722B2 (ja) | 運動評価システム | |
Oyekan et al. | Applying a fusion of wearable sensors and a cognitive inspired architecture to real-time ergonomics analysis of manual assembly tasks | |
JP7008342B2 (ja) | 運動評価システム | |
US10849532B1 (en) | Computer-vision-based clinical assessment of upper extremity function | |
Gauthier et al. | Human movement quantification using Kinect for in-home physical exercise monitoring | |
JP2002000584A (ja) | 関節可動域検査訓練システム | |
TWI509556B (zh) | Goal - oriented Rehabilitation Auxiliary System and Its Work Setting Method | |
Hossny et al. | Musculoskeletal analysis of mining activities | |
Fazeli et al. | A virtual environment for hand motion analysis | |
Nath et al. | A novel personal fitness trainer and tracker powered by artificial intelligence enabled by MEDIAPIPE and OpenCV | |
WO2021261529A1 (ja) | 身体運動支援システム | |
WO2022145563A1 (ko) | 사용자 맞춤형 운동 훈련 방법 및 시스템 | |
TWI484439B (zh) | 復健回饋整合系統及其方法 | |
WO2023127870A1 (ja) | 介護支援装置、介護支援プログラム、介護支援方法 |