JP2016035651A - 在宅リハビリテーションシステム - Google Patents

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。

特表２０１０−５２０５６１号公報

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。

本発明におけるシステム構成の一例を示す図である。 手の部位の解剖学上の名称を示す図である。 手の骨格・関節の解剖学上の名称を示す図である。 関節の駆動モデル（index fingerの例）を示す図である。 単関節の筋張力モデルを示す図である。 本発明における筋肉データベースの構成の一例を示す図である。 本発明における骨格データベースの構成の一例を示す図である。 本発明における関節データベースの構成の一例を示す図である。 本発明における関節可動域データベースの構成の一例を示す図である。 本発明における患者ストレスデータベースの構成のうち心拍数の一例を示す図である。 本発明における患者ストレスデータベースの構成のうち心電図の一例を示す図である。 本発明における患者姿勢データベースの構成の一例を示す図である。 本発明における患者筋張力データベースの構成の一例を示す図である。 本発明における自宅モニター表示例を示す図である。 本発明における病院等モニター表示例を示す図である。 本発明における運動指示部の処理の一例を示すフローチャートである。 本発明における入出力部の処理の一例を示すフローチャートである。 本発明におけるデータ抽出部の骨格データベース登録処理の一例を示すフローチャートである。 本発明におけるデータ抽出部の関節データベース登録処理の一例を示すフローチャートである。 本発明におけるデータ蓄積部の処理の一例を示すフローチャートである。 本発明における筋骨格推定部の患者姿勢データベース登録処理の一例を示すフローチャートである。 本発明における筋骨格推定部の患者筋張力データベース登録処理の一例を示すフローチャートである。 本発明における筋骨格推定部の患者筋張力データベース登録処理の一例を示すフローチャートである（図１７Ｂ−１のつづき）。 本発明におけるフィードバック部の処理の一例を示すフローチャートである。 本発明における個別運動計画部の得意・不得意運動判定処理の一例を示すフローチャートである。 本発明における個別運動計画部の代替運動抽出処理の一例を示すフローチャートである。

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。

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θ_index,1、θ_index,2及びθ_index,3xと、骨格長L_index,1、L_index,2及びL_index,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(F_max)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(F_max)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(L_com)、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(θ_3x)及び関節角3y(θ_3y)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(θ_3x)と3y(θ_3y)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(I_3x)及び慣性モーメント3y(I_3y)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(DOF_u)及び関節可動域の下限値(DOF_l)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(…,θ_index,1,θ_index,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(F_fdsi, F_fdsm)、筋パワー(P_fdsi, P_fdsm)及び仕事(W_fdsi, W_fdsm)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(…,θ_index,1、θ_index,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(J_i,J_j)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,θ_3x,θ_3y)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(I_3x=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,θ_3x,θ_3y)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(O_d(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(H_d(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 |O_d(I) - H_d(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(D_min = Min(D, D_min))（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(…,θ_index,1, θ_index,2,…)が記述されている。これをもとに、全ての指骨の角速度(…, ω_index,1, ω_index,2,…)と角加速度(…, α_index,1, α_index,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,I_3x,I_3y)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(…, I_com,index,1,…, I_com,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(…,K_index,1,K_index,2,…,U_index,1,U_index,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(…,τ_index,1,τ_index,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(J^T)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 = […, τ_index,1,τ_index,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(…,freq_index,1,5, freq_index,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(…,mean_index,1,med_index,1, var_index,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(…,freq_{flexor 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(…,mean_{flexor digitorum superficialis index},med_flexor, var_index,,…)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(…,m_{flexor 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)

1. 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。
2. 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。
3. 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。
4. 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。
5. 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。
6. 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。

Images