JP2021007633A - 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 - Google Patents

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 Download PDF

Info

Publication number
JP2021007633A
JP2021007633A JP2019122897A JP2019122897A JP2021007633A JP 2021007633 A JP2021007633 A JP 2021007633A JP 2019122897 A JP2019122897 A JP 2019122897A JP 2019122897 A JP2019122897 A JP 2019122897A JP 2021007633 A JP2021007633 A JP 2021007633A
Authority
JP
Japan
Prior art keywords
learning
trainee
assist level
data
profile data
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.)
Granted
Application number
JP2019122897A
Other languages
English (en)
Other versions
JP7211293B2 (ja
Inventor
将久 大槻
Masahisa Otsuki
将久 大槻
歩惟 黒川
Ai Kurokawa
歩惟 黒川
一誠 中島
Kazumasa Nakajima
一誠 中島
山本　学
Manabu Yamamoto
学 山本
大河 松本
Taiga Matsumoto
大河 松本
裕昌 太場
Hiromasa Oba
裕昌 太場
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
Priority to JP2019122897A priority Critical patent/JP7211293B2/ja
Priority to US16/916,545 priority patent/US11929173B2/en
Priority to CN202010610379.3A priority patent/CN112185506A/zh
Publication of JP2021007633A publication Critical patent/JP2021007633A/ja
Application granted granted Critical
Publication of JP7211293B2 publication Critical patent/JP7211293B2/ja
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • 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
    • A61B5/4848—Monitoring or testing the effects of treatment, e.g. of medication
    • 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
    • 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
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/0002—Remote monitoring of patients using telemetry, e.g. transmission of vital signals via a communication network
    • A61B5/0015—Remote monitoring of patients using telemetry, e.g. transmission of vital signals via a communication network characterised by features of the telemetry system
    • A61B5/0022—Monitoring a patient using a global network, e.g. telephone networks, internet
    • 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
    • A61B5/1121—Determining geometric values, e.g. centre of rotation or angular range of movement
    • 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
    • A61B5/1124—Determining motor skills
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/16—Devices for psychotechnics; Testing reaction times ; Devices for evaluating the psychological state
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/40—Detecting, measuring or recording for evaluating the nervous system
    • A61B5/4058—Detecting, measuring or recording for evaluating the nervous system for evaluating the central nervous system
    • A61B5/4064—Evaluating the brain
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/40—Detecting, measuring or recording for evaluating the nervous system
    • A61B5/4076—Diagnosing or monitoring particular conditions of the nervous system
    • A61B5/4082—Diagnosing or monitoring movement diseases, e.g. Parkinson, Huntington or Tourette
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/45—For evaluating or diagnosing the musculoskeletal system or teeth
    • A61B5/4538—Evaluating a particular part of the muscoloskeletal system or a particular medical condition
    • A61B5/4585—Evaluating the knee
    • 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
    • A61B5/4842—Monitoring progression or stage of a disease
    • 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
    • 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
    • A61H3/00—Appliances for aiding patients or disabled persons to walk about
    • A—HUMAN NECESSITIES
    • A63—SPORTS; GAMES; AMUSEMENTS
    • A63B—APPARATUS FOR PHYSICAL TRAINING, GYMNASTICS, SWIMMING, CLIMBING, OR FENCING; BALL GAMES; TRAINING EQUIPMENT
    • A63B22/00—Exercising apparatus specially adapted for conditioning the cardio-vascular system, for training agility or co-ordination of movements
    • A63B22/02—Exercising apparatus specially adapted for conditioning the cardio-vascular system, for training agility or co-ordination of movements with movable endless bands, e.g. treadmills
    • 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
    • G06N3/04—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
    • 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
    • G16H10/00—ICT specially adapted for the handling or processing of patient-related medical or healthcare data
    • G16H10/60—ICT specially adapted for the handling or processing of patient-related medical or healthcare data for patient-specific data, e.g. for electronic patient records
    • 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
    • G16H40/40—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 management of medical equipment or devices, e.g. scheduling maintenance or upgrades
    • 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
    • G16H40/67—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 remote 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
    • G16H50/30—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
    • 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
    • G16H50/50—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for simulation or modelling of medical disorders
    • 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
    • A61B2562/0219—Inertial sensors, e.g. accelerometers, gyroscopes, tilt switches
    • 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
    • A61H2205/00—Devices for specific parts of the body
    • A61H2205/08—Trunk
    • A61H2205/088—Hip
    • 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
    • A61H2205/102—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
    • A61H2205/00—Devices for specific parts of the body
    • A61H2205/10—Leg
    • A61H2205/106—Leg for the lower legs

Landscapes

  • Health & Medical Sciences (AREA)
  • Engineering & Computer Science (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Public Health (AREA)
  • Medical Informatics (AREA)
  • General Health & Medical Sciences (AREA)
  • Biomedical Technology (AREA)
  • Physics & Mathematics (AREA)
  • Biophysics (AREA)
  • Pathology (AREA)
  • Veterinary Medicine (AREA)
  • Animal Behavior & Ethology (AREA)
  • Molecular Biology (AREA)
  • Epidemiology (AREA)
  • Heart & Thoracic Surgery (AREA)
  • Surgery (AREA)
  • Primary Health Care (AREA)
  • Neurology (AREA)
  • Physical Education & Sports Medicine (AREA)
  • Physiology (AREA)
  • Data Mining & Analysis (AREA)
  • Artificial Intelligence (AREA)
  • Theoretical Computer Science (AREA)
  • Databases & Information Systems (AREA)
  • Oral & Maxillofacial Surgery (AREA)
  • Dentistry (AREA)
  • Mathematical Physics (AREA)
  • Neurosurgery (AREA)
  • Evolutionary Computation (AREA)
  • Business, Economics & Management (AREA)
  • General Business, Economics & Management (AREA)
  • Software Systems (AREA)
  • Psychology (AREA)
  • General Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Computing Systems (AREA)
  • Psychiatry (AREA)
  • Pain & Pain Management (AREA)
  • Geometry (AREA)
  • Developmental Disabilities (AREA)

Abstract

【課題】適切なアシストレベルを設定するための学習装置等を提供する。【解決手段】サーバ５００は、データ取得部５１０ａ及び学習部５１０ｂを有する学習装置である。データ取得部は、プロファイルデータ及び選択アシストレベルを学習用データとして取得する。プロファイルデータは、リハビリ支援システムである歩行訓練装置を利用し実行したリハビリテーションについての実行前の訓練者に関するプロファイルを示すデータである。選択アシストレベルは、リハビリテーションの実行の際に選択されたアシストレベルである。学習部は、学習用データに基づいて、訓練者がリハビリ支援システムを利用する場合において選択すべきと推奨される推奨アシストレベルを決定することを学習する。また学習部は、学習に基づいて、プロファイルデータを入力として推奨アシストレベルを出力とする学習済みモデルを生成する。【選択図】図４

Description

本発明は、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に関する。
患者等の訓練者は、リハビリテーション（リハビリ）を行うに際し、歩行訓練装置等のリハビリ支援システムを利用することがある。歩行訓練装置の例として、特許文献１には、訓練者の脚部に装着されて訓練者の歩行を補助する歩行補助装置を備えた歩行訓練装置が開示されている。歩行補助装置はモータユニットを有し、訓練者の歩行動作に応じて膝関節部を回転駆動することで訓練者の歩行を補助する。
訓練者がリハビリを行うに際し、リハビリ支援システムによっては、訓練者の補助として医師、理学療法士（ＰＴ：Physical Therapist）等の訓練スタッフが付き添い、そのリハビリ支援システムの設定操作を行うことがある。
特開２０１５−２２３２９４号公報
リハビリ支援システムにおいて、訓練者の回復に対して効果的な訓練を行うには、訓練者の状態に応じて、訓練者の動作を補助する際の補助動作のレベル（アシストレベル）を適切に設定することが重要となる。アシストレベルの設定は訓練スタッフが行う場合が多い。しかしながら、アシストレベルの設定は訓練スタッフの経験や勘に頼る所が大きい。そのため、訓練を担当する訓練スタッフの個人差により訓練の効果がばらついてしまうおそれがある。
本発明は、このような課題を解決するためになされたものであり、適切なアシストレベルを設定するための学習装置等を提供するものである。
本発明の１実施態様における学習装置は、データ取得部及び学習部を有している。データ取得部は、プロファイルデータ及び選択アシストレベルを、学習用データとして取得する。プロファイルデータは、訓練者の動作を補助する補助装置を有するリハビリ支援システムを利用し実行したリハビリテーションについての、実行前の訓練者に関するプロファイルを示すデータである。選択アシストレベルは、上記リハビリテーションの実行の際に選択された補助装置のアシストレベルである。学習部は、上記学習用データに基づいて、訓練者がリハビリ支援システムを利用する場合において選択すべきと推奨される補助装置のアシストレベルである推奨アシストレベルを決定することを学習する。また学習部は、上記学習に基づいて、プロファイルデータを入力として推奨アシストレベルを出力とする学習済みモデルを生成する。
これにより、学習装置は、任意のプロファイルデータを入力として、当該任意のプロファイルデータに対する推奨アシストレベルを出力する学習済みモデルを生成できる。
上記学習装置において、学習部は、プロファイルデータを入力層として取得する入力層取得部と、選択アシストレベルを出力層の教師データとして取得する教師データ取得部とを有することが好ましい。これにより、学習装置は取得したプロファイルデータ及び選択アシストレベルを利用して教師あり学習を行うことができる。
上記学習装置において、データ取得部は、プロファイルデータとして、訓練者が罹患した疾患のタイプに関する情報、訓練者の機能的自立度評価法に基づく認知レベル、訓練者の脳卒中機能評価法に基づく評価スコア、訓練者の運動能力を評価した運動能力レベル、及び訓練者の回復度の履歴を示す履歴データの少なくとも１つのデータを取得する。これにより、学習装置は、未学習のプロファイルデータに対して好適に推奨アシストレベルを出力できる。
上記学習装置において、プロファイルデータに含まれる疾患のタイプは、訓練者の脳疾患であって、疾患のタイプに関する情報は、脳疾患における脳の損傷部位に応じた情報であってもよい。これにより、学習装置は、訓練者が罹患した脳疾患における脳の損傷部位に応じて好適に推奨アシストレベルを出力できる。
上記学習装置において、補助装置は、訓練者の歩行を補助するためのモータであって、アシストレベルは、モータのトルクの大きさを示す指標であってもよい。また上記学習装置において、補助装置は、訓練者の膝関節の伸展動作を補助するモータであって、アシストレベルは、膝関節の角度の大きさに対するモータのトルクの大きさを示す指標であってもよい。これにより、学習装置は、歩行訓練の推奨アシストレベルを好適に出力できる。
本発明の１実施態様におけるリハビリ支援システムは、上述の学習装置で生成された学習モデルである学習済みモデルにアクセス可能なリハビリ支援システムであって、出力部と通知部とを有している。上記出力部は、訓練者のプロファイルデータを、学習済みモデルへの入力として出力する。上記通知部は、入力されたプロファイルデータに対する応答として学習済みモデルから出力された推奨アシストレベルを、リハビリ支援システムの使用者に通知する。また、本発明の１実施態様におけるリハビリ支援システムは、リハビリ支援システムに通信可能に接続されたサーバ装置をさらに有し、サーバ装置は、学習済みモデルを記憶する記憶部を有するものであってもよい。これにより、リハビリ支援システムは、リハビリテーションを行う訓練者の推奨アシストレベルをＰＴなどの訓練スタッフに通知できる。
本発明の１実施態様における学習方法は、データ取得ステップおよび学習ステップを有する。データ取得ステップは、プロファイルデータと選択アシストレベルとを取得する。プロファイルデータは、訓練者の動作を補助する補助装置を有するリハビリ支援システムを利用し実行したリハビリテーションについての、実行前の訓練者に関するプロファイルを示すデータである。選択アシストレベルは、上記リハビリテーションの実行の際に選択された補助装置のアシストレベルである。学習ステップは、プロファイルデータ及び選択アシストレベルに基づいて、訓練者がリハビリ支援システムを利用する場合において選択すべきと推奨される補助装置のアシストレベルである推奨アシストレベルを決定することを学習する。学習済みモデル生成ステップは、上記学習に基づいて、プロファイルデータを入力として推奨アシストレベルを出力とする学習済みモデルを生成する。これにより、学習方法は、任意のプロファイルデータを入力として、当該任意のプロファイルデータに対する推奨アシストレベルを出力する学習済みモデルを生成できる。
また、本発明の１実施態様におけるリハビリ支援方法は、上述の学習方法で生成された学習モデルである学習済みモデルにアクセス可能なリハビリ支援方法である。このリハビリ支援方法は、リハビリ支援システムを利用する訓練者のプロファイルデータを、学習済みモデルへの入力として出力する出力ステップを有している。また、リハビリ支援方法は、入力されたプロファイルデータに対する応答として学習済みモデルから出力された推奨アシストレベルを、リハビリ支援システムの使用者に通知する通知ステップを有している。これにより、リハビリ支援方法は、リハビリテーションを行う訓練者の推奨アシストレベルをＰＴなどの訓練スタッフに通知できる。
本発明の１実施態様における学習プログラムは、データ取得ステップ、学習ステップ及び学習済みモデル生成ステップを有する学習方法をコンピュータに実行させる。データ取得ステップは、プロファイルデータと選択アシストレベルとを取得する。プロファイルデータは、訓練者の動作を補助する補助装置を有するリハビリ支援システムを利用し実行したリハビリテーションについての、実行前の訓練者に関するプロファイルを示すデータである。選択アシストレベルは、上記リハビリテーションの実行の際に選択された補助装置のアシストレベルである。学習ステップは、プロファイルデータ及び選択アシストレベルに基づいて、訓練者がリハビリ支援システムを利用する場合において選択すべきと推奨される補助装置のアシストレベルである推奨アシストレベルを決定することを学習する。学習済みモデル生成ステップは、上記学習に基づいて、プロファイルデータを入力として推奨アシストレベルを出力とする学習済みモデルを生成する。これにより、プログラムは、任意のプロファイルデータを入力として、当該任意のプロファイルデータに対する推奨アシストレベルを出力する学習済みモデルを生成できる。これにより、学習プログラムは、任意のプロファイルデータを入力として、当該任意のプロファイルデータに対する推奨アシストレベルを出力する学習済みモデルを生成できる。
また、本発明の１実施態様における学習済みモデルは、訓練者のプロファイルデータに基づいて、推奨アシストレベルを出力するよう、コンピュータを機能させるための学習済みモデルであって、上記学習装置により生成された学習モデルである。この学習済みモデルを利用することにより、未学習のプロファイルデータに対して好適に推奨アシストレベルを出力できる。
本開示によれば、適切なアシストレベルを設定するための学習装置等を提供できる。
実施形態にかかるリハビリ支援システムの概略斜視図である。 歩行補助装置の概略斜視図である。 リハビリ支援システムのシステム構成を示すブロック図である。 サーバの構成を示すブロック図である。 訓練者の歩行周期の例を示す図である。 患脚の膝伸展角度の例を示す図である。 アシストレベルの例を示す第１の図である。 アシストレベルの例を示す第２の図である。 学習装置における処理を説明するためのフローチャートである。 学習装置に入力するデータの例を示す図である。 学習モデルの例を示す図である。 サーバの処理の一例を説明するためのフローチャートである。
以下、発明の実施形態を通じて本発明を説明するが、特許請求の範囲にかかる発明を以下の実施形態に限定するものではない。また、実施形態で説明する構成の全てが課題を解決するための手段として必須であるとは限らない。説明の明確化のため、以下の記載及び図面は、適宜、省略、及び簡略化がなされている。なお、各図面において、同一の要素には同一の符号が付されており、必要に応じて重複説明は省略されている。
＜実施形態＞
以下、図面を参照して実施形態について説明する。
（システム構成）
図１は、実施形態に係るリハビリ支援システムの一構成例を示す全体概念図である。本実施形態に係るリハビリ支援システム（リハビリシステム）は、主に、歩行訓練装置１００と、外部通信装置３００と、サーバ（サーバ装置）５００によって構成される。
歩行訓練装置１００は、訓練者（ユーザ）９００のリハビリ（リハビリテーション）を支援するリハビリ支援システムの一具体例である。歩行訓練装置１００は、一方の脚に麻痺を患う片麻痺患者である訓練者９００が、訓練スタッフ９０１の指導に従って歩行訓練を行うための装置である。ここで、訓練スタッフ９０１は、療法士（理学療法士）又は医師とすることができ、訓練者の訓練を指導又は介助などにより補助することから、訓練指導者、訓練介助者、訓練補助者などと称することもできる。
歩行訓練装置１００は、主に、全体の骨格を成すフレーム１３０に取り付けられた制御盤１３３と、訓練者９００が歩行するトレッドミル１３１と、訓練者９００の麻痺側の脚部である患脚に装着する歩行補助装置１２０と、を備える。また歩行訓練装置１００は、これに加えて、安全装置としての転倒防止ハーネス装置を備える。
フレーム１３０は、床面に設置されるトレッドミル１３１上に立設されている。トレッドミル１３１は、不図示のモータによりリング状のベルト１３２を回転させる。トレッドミル１３１は、訓練者９００の歩行を促す装置であり、歩行訓練を行う訓練者９００は、ベルト１３２に乗り、ベルト１３２の移動に合わせて歩行動作を試みる。なお、訓練スタッフ９０１は、例えば図１に示すように訓練者９００の背後のベルト１３２上に立って一緒に歩行動作を行うこともできるが、通常、ベルト１３２を跨いだ状態で立つなど、訓練者９００の介助を行い易い状態に居ることが好ましい。
フレーム１３０は、モータやセンサの制御を行う全体制御部２１０を収容する制御盤１３３や、訓練の進捗状況等を訓練者９００へ提示する例えば液晶パネルである訓練用モニタ１３８などを支持している。また、フレーム１３０は、訓練者９００の頭上部前方付近で前側引張部１３５を、頭上部付近でハーネス引張部１１２を、頭上部後方付近で後側引張部１３７を、それぞれ支持している。また、フレーム１３０は、訓練者９００が掴むための手摺り１３０ａを含む。
手摺り１３０ａは、訓練者９００の左右両側に配置されている。それぞれの手摺り１３０ａは、訓練者９００の歩行方向と平行な方向に配置されている。手摺り１３０ａは、上下位置、及び左右位置が調整可能となっている。つまり、手摺り１３０ａは、その高さを変更する機構を含むことができる。さらに、手摺り１３０ａは、例えば歩行方向の前方側と後方側とで高さを異ならせるように調整することで、その傾斜角度を変更できるように構成することもできる。例えば、手摺り１３０ａは、歩行方向に沿って徐々に高くなるような傾斜角度を付すことができる。
また、手摺り１３０ａには、訓練者９００から受ける荷重を検出する手摺りセンサ２１８が設けられている。例えば、手摺りセンサ２１８は、電極がマトリックス状に配置された抵抗変化検出型の荷重検出シートとすることができる。また、手摺りセンサ２１８は、３軸の加速度センサ（ｘ，ｙ，ｚ）と３軸のジャイロセンサ（ｒｏｌｌ，ｐｉｔｃｈ，ｙａｗ）とを複合させた６軸センサとすることもできる。但し、手摺りセンサ２１８の種類や設置位置は問わない。
カメラ１４０は、訓練者９００の全身を観察するための撮像部としての機能を担う。カメラ１４０は、訓練用モニタ１３８の近傍に、訓練者と相対するように設置されている。カメラ１４０は、訓練中の訓練者９００の静止画や動画を撮影する。カメラ１４０は、訓練者９００の全身を捉えられる程度の画角となるような、レンズと撮像素子のセットを含む。撮像素子は、例えばＣＭＯＳ（Complementary Metal-Oxide-Semiconductor）イメージセンサであり、結像面に結像した光学像を画像信号に変換する。
前側引張部１３５及び後側引張部１３７は、互いの連携した動作により、歩行補助装置１２０の荷重が患脚の負担とならないように当該荷重を相殺し、更には、設定の程度に応じて患脚の振出し動作をアシストする。
前側ワイヤ１３４は、一端が前側引張部１３５の巻取機構に連結されており、他端が歩行補助装置１２０に連結されている。前側引張部１３５の巻取機構は、不図示のモータをオン／オフさせることにより、患脚の動きに応じて前側ワイヤ１３４を巻き取ったり繰り出したりする。同様に、後側ワイヤ１３６は、一端が後側引張部１３７の巻取機構に連結されており、他端が歩行補助装置１２０に連結されている。後側引張部１３７の巻取機構は、不図示のモータをオン／オフさせることにより、患脚の動きに応じて後側ワイヤ１３６を巻き取ったり繰り出したりする。このような前側引張部１３５と後側引張部１３７の連携した動作により、歩行補助装置１２０の荷重が患脚の負担とならないように当該荷重を相殺し、更には、設定の程度に応じて患脚の振出し動作をアシストする。
例えば、訓練スタッフ９０１は、オペレータとして、重度の麻痺を抱える訓練者に対しては、アシストするレベルを大きく設定する。アシストするレベルが大きく設定されると、前側引張部１３５は、患脚の振出しタイミングに合わせて、比較的大きな力で前側ワイヤ１３４を巻き取る。訓練が進み、アシストが必要でなくなったら、訓練スタッフ９０１は、アシストするレベルを最小に設定する。アシストするレベルが最小に設定されると、前側引張部１３５は、患脚の振出しタイミングに合わせて、歩行補助装置１２０の自重をキャンセルするだけの力で前側ワイヤ１３４を巻き取る。
転倒防止ハーネス装置は、装具１１０、ハーネスワイヤ１１１、及びハーネス引張部１１２を主な構成要素として有している。装具１１０は、訓練者９００の腹部に巻き付けられるベルトであり、例えば面ファスナによって腰部に固定される。装具１１０は、吊具であるハーネスワイヤ１１１の一端を連結する連結フック１１０ａを備え、ハンガーベルトと称することもできる。訓練者９００は、連結フック１１０ａが後背部に位置するように、装具１１０を装着する。
ハーネスワイヤ１１１は、一端が装具１１０の連結フック１１０ａに連結されており、他端がハーネス引張部１１２の巻取機構に連結されている。ハーネス引張部１１２の巻取機構は、不図示のモータをオン／オフさせることにより、ハーネスワイヤ１１１を巻き取ったり繰り出したりする。このような構成により、転倒防止ハーネス装置は、訓練者９００が転倒しそうになった場合に、その動きを検知した全体制御部２１０の指示に従ってハーネスワイヤ１１１を巻き取り、装具１１０により訓練者９００の上体を支えて、訓練者９００の転倒を防ぐ。
装具１１０は、訓練者９００の姿勢を検出するための姿勢センサ２１７を備える。姿勢センサ２１７は、例えばジャイロセンサと加速度センサを組み合わせたものであり、装具１１０が装着された腹部の重力方向に対する傾斜角を出力する。
管理用モニタ１３９は、フレーム１３０に取り付けられており、主に訓練スタッフ９０１が監視及び操作するための表示入力装置である。管理用モニタ１３９は、例えば液晶パネルであり、その表面にはタッチパネルが設けられている。管理用モニタ１３９は、訓練設定に関する各種メニュー項目や、訓練時における各種パラメータ値、訓練結果などを表示する。
歩行補助装置１２０は、訓練者９００の患脚に装着され、患脚の膝関節における伸展及び屈曲の負荷を軽減することにより訓練者９００の歩行を補助する。歩行補助装置１２０は、足裏荷重を計測するセンサ等を備え、運脚に関する各種データを全体制御部２１０へ出力する。また、装具１１０は、回転部を有する接続部材（以下、ヒップジョイント）を用いて、歩行補助装置１２０と接続しておくこともできる。歩行補助装置１２０の詳細については後述する。
なお、本実施形態において、「脚」及び「脚部」は、股関節より下部全体を示す用語として用いられ、「足」及び「足部」は、足首からつま先までの部分を示す用語として用いられる。
全体制御部２１０は、訓練を行う際の訓練者に関する種々の情報を含むプロファイルデータを生成する。プロファイルデータは、例えば、罹患した疾患の症状情報、機能的自立度評価法に基づく認知レベル、脳卒中機能評価法に基づく評価スコア、運動能力を評価した運動能力レベル、回復度を示すデータ及び訓練者の属性を示すデータなどを含むことができる。なお、プロファイルデータの詳細については後述する。
また、全体制御部２１０は、上述のプロファイルデータに加えて、リハビリテーションに関するその他のデータ（以降、リハビリデータと称する）を生成することもできる。リハビリデータの詳細についても後述する。
外部通信装置３００は、プロファイルデータやリハビリデータを外部に送信する送信手段の一具体例である。外部通信装置３００は、歩行訓練装置１００が出力するデータを受け取り、一時的に記憶する機能と、記憶しているデータをサーバ５００へ送信する機能と、を有することができる。
外部通信装置３００は、歩行訓練装置１００の制御盤１３３と例えばＵＳＢ（Universal Serial Bus）ケーブルによって接続される。また、外部通信装置３００は、インターネット又はイントラネット等のネットワーク４００と無線通信機器４１０を介して例えば無線ＬＡＮ（Local Area Network）によって接続されている。なお、歩行訓練装置１００は、外部通信装置３００の代わりに通信装置を備えておくこともできる。
サーバ５００は、プロファイルデータを受信して、受信したプロファイルデータを処理する情報処理手段の一具体例である。サーバ５００は、ネットワーク４００に接続されており、外部通信装置３００から受信したプロファイルデータを蓄積する機能を有する。サーバ５００の機能については後述する。
本実施形態においてはリハビリ支援システムの一例として歩行訓練装置１００を説明するが、これに限定されず、訓練者のリハビリ支援を行う任意のリハビリ支援システムであってもよい。例えば、リハビリ支援システムは、肩や腕のリハビリを支援する上肢リハビリ支援システムであってもよい。或いは、リハビリ支援システムは、訓練者のバランス能力のリハビリを支援するリハビリ支援システムであってもよい。
次に、歩行補助装置１２０について、図２を用いて説明する。図２は、歩行補助装置１２０の一構成例を示す概略斜視図である。歩行補助装置１２０は、主に、制御ユニット１２１と、患脚の各部を支える複数のフレームと、足裏に印加される荷重を検出するための荷重センサ２２２と、を備える。
制御ユニット１２１は、歩行補助装置１２０の制御を行う補助制御部２２０を含み、また、膝関節の伸展運動及び屈曲運動を補助するための駆動力を発生させる不図示のモータを含む。患脚の各部を支えるフレームは、上腿フレーム１２２と、上腿フレーム１２２に回動自在に連結された下腿フレーム１２３と、を含む。また、このフレームは、下腿フレーム１２３に回動自在に連結された足平フレーム１２４と、前側ワイヤ１３４を連結するための前側連結フレーム１２７と、後側ワイヤ１３６を連結するための後側連結フレーム１２８と、を含む。
上腿フレーム１２２と下腿フレーム１２３は、図示するヒンジ軸Ｈａ周りに相対的に回動する。制御ユニット１２１のモータ１２１Ｍは、補助制御部２２０の指示に従って回転して、上腿フレーム１２２と下腿フレーム１２３がヒンジ軸Ｈａ周りに相対的に開くように加勢したり、閉じるように加勢したりする。制御ユニット１２１に収められた角度センサ２２３は、例えばロータリエンコーダであり、ヒンジ軸Ｈａ周りの上腿フレーム１２２と下腿フレーム１２３の成す角を検出する。下腿フレーム１２３と足平フレーム１２４は、図示するヒンジ軸Ｈｂ周りに相対的に回動する。相対的に回動する角度範囲は、調整機構１２６によって事前に調整される。
前側連結フレーム１２７は、上腿の前側を左右方向に伸延し、両端で上腿フレーム１２２に接続するように設けられている。また、前側連結フレーム１２７には、前側ワイヤ１３４を連結するための連結フック１２７ａが、左右方向の中央付近に設けられている。後側連結フレーム１２８は、下腿の後側を左右方向に伸延し、両端でそれぞれ上下に伸延する下腿フレーム１２３に接続するように設けられている。また、後側連結フレーム１２８には、後側ワイヤ１３６を連結するための連結フック１２８ａが、左右方向の中央付近に設けられている。
上腿フレーム１２２は、上腿ベルト１２９を備える。上腿ベルト１２９は、上腿フレームに一体的に設けられたベルトであり、患脚の上腿部に巻き付けて上腿フレーム１２２を上腿部に固定する。これにより、歩行補助装置１２０の全体が訓練者９００の脚部に対してずれることを防止している。
荷重センサ２２２は、足平フレーム１２４に埋め込まれた荷重センサである。荷重センサ２２２は、訓練者９００の足裏が受ける垂直荷重の大きさと分布を検出し、例えばＣＯＰ（Center Of Pressure：荷重中心）を検出するように構成することもできる。荷重センサ２２２は、例えば、電極がマトリックス状に配置された抵抗変化検出型の荷重検出シートである。
次に、図３を参照しながら、歩行訓練装置１００のシステム構成例について説明する。図３は、歩行訓練装置１００のシステム構成例を示すブロック図である。図３に示すように、歩行訓練装置１００は、全体制御部２１０、トレッドミル駆動部２１１、操作受付部２１２、表示制御部２１３、及び引張駆動部２１４を備えることができる。また、歩行訓練装置１００は、ハーネス駆動部２１５、画像処理部２１６、姿勢センサ２１７、手摺りセンサ２１８、通信接続ＩＦ（インターフェース）２１９、入出力ユニット２３１、及び歩行補助装置１２０を備えることができる。
全体制御部２１０は、例えばＭＰＵ（Micro Processing Unit）であり、システムメモリから読み込んだ制御プログラムを実行することにより、装置全体の制御を実行する。全体制御部２１０は、後述する歩行評価部２１０ａ、訓練判定部２１０ｂ、入出力制御部２１０ｃ、及び通知制御部２１０ｄを有することができる。
トレッドミル駆動部２１１は、ベルト１３２を回転させるモータとその駆動回路を含む。全体制御部２１０は、トレッドミル駆動部２１１へ駆動信号を送ることにより、ベルト１３２の回転制御を実行する。全体制御部２１０は、例えば、訓練スタッフ９０１によって設定された歩行速度に応じて、ベルト１３２の回転速度を調整する。
操作受付部２１２は、訓練スタッフ９０１からの入力操作を受け付けて、操作信号を全体制御部２１０へ送信する。訓練スタッフ９０１は、操作受付部２１２を構成する、装置に設けられた操作ボタンや管理用モニタ１３９に重畳されたタッチパネル、付属するリモコン等を操作する。この操作により、電源のオン／オフやトレーニングの開始の指示を与えることや、設定に関する数値の入力やメニュー項目の選択を行うことができる。なお、操作受付部２１２は、訓練者９００からの入力操作を受け付けることもできる。
表示制御部２１３は、全体制御部２１０からの表示信号を受け取って表示画像を生成し、訓練用モニタ１３８又は管理用モニタ１３９に表示する。表示制御部２１３は、表示信号に従って、トレーニングの進捗を示す画像や、カメラ１４０で撮影したリアルタイム映像を生成する。
引張駆動部２１４は、前側引張部１３５を構成する、前側ワイヤ１３４を引張するためのモータとその駆動回路と、後側引張部１３７を構成する、後側ワイヤ１３６を引張するためのモータとその駆動回路と、を含む。全体制御部２１０は、引張駆動部２１４へ駆動信号を送ることにより、前側ワイヤ１３４の巻き取りと後側ワイヤ１３６の巻き取りをそれぞれ制御する。また、巻き取り動作に限らず、モータの駆動トルクを制御することにより、各ワイヤの引張力を制御する。全体制御部２１０は、例えば、荷重センサ２２２の検出結果から患脚が立脚状態から遊脚状態に切り替わるタイミングを同定し、そのタイミングに同期して各ワイヤの引張力を増減させることにより、患脚の振出し動作をアシストする。
ハーネス駆動部２１５は、ハーネス引張部１１２を構成する、ハーネスワイヤ１１１を引張するためのモータとその駆動回路を含む。全体制御部２１０は、ハーネス駆動部２１５へ駆動信号を送ることにより、ハーネスワイヤ１１１の巻き取りと、ハーネスワイヤ１１１の引張力を制御する。全体制御部２１０は、例えば、訓練者９００の転倒を予測した場合に、ハーネスワイヤ１１１を一定量巻き取って、訓練者の転倒を防止する。
画像処理部２１６は、カメラ１４０に接続されており、カメラ１４０から画像信号を受け取ることができる。画像処理部２１６は、全体制御部２１０からの指示に従って、カメラ１４０から画像信号を受け取り、受け取った画像信号を画像処理して画像データを生成する。また、画像処理部２１６は、全体制御部２１０からの指示に従って、カメラ１４０から受け取った画像信号に画像処理を施して、特定の画像解析を実行することもできる。例えば、画像処理部２１６は、トレッドミル１３１に接する患脚の足の位置（立脚位置）を、画像解析により検出する。具体的には、例えば、足平フレーム１２４の先端近傍の画像領域を抽出し、当該先端部と重なるベルト１３２上に描かれた識別マーカを解析することにより、立脚位置を演算する。
姿勢センサ２１７は、上述の通り訓練者９００の腹部の重力方向に対する傾斜角を検出して、検出信号を全体制御部２１０へ送信する。全体制御部２１０は、姿勢センサ２１７からの検出信号を用いて、訓練者９００の姿勢、具体的には体幹の傾斜角を演算する。なお、全体制御部２１０と姿勢センサ２１７は、有線で接続されていても良いし、近距離無線通信で接続されていても良い。
手摺りセンサ２１８は、手摺り１３０ａに加わる荷重を検出する。つまり、訓練者９００が両脚で自身の体重を支えきれない分の荷重が手摺り１３０ａに加わる。手摺りセンサ２１８は、この荷重を検出して、検出信号を全体制御部２１０へ送信する。
全体制御部２１０は、制御に関わる様々な演算や制御を実行する機能実行部としての役割も担う。歩行評価部２１０ａは、各種センサから取得したデータを用いて、訓練者９００の歩行動作が異常歩行であるか否かを評価する。訓練判定部２１０ｂは、例えば、歩行評価部２１０ａが評価した異常歩行の積算数に基づいて、一連の歩行訓練に対する訓練結果を判定する。全体制御部２１０は、この判定結果或いはその元となった異常歩行の積算数などをリハビリデータの一部として生成できる。
通信接続ＩＦ２１９は、全体制御部２１０に接続されたインターフェースであり、訓練者９００の患脚に装着される歩行補助装置１２０に指令を与えたり、センサ情報を受け取ったりするためのインターフェースである。
歩行補助装置１２０は、通信接続ＩＦ２１９と有線又は無線によって接続される通信接続ＩＦ２２９を備えることができる。通信接続ＩＦ２２９は、歩行補助装置１２０の補助制御部２２０に接続されている。通信接続ＩＦ２１９、２２９は、通信規格に則った例えば有線ＬＡＮ又は無線ＬＡＮ等の通信インターフェースである。
また、歩行補助装置１２０は、補助制御部２２０、関節駆動部２２１、荷重センサ２２２、及び角度センサ２２３を備えることができる。補助制御部２２０は、例えばＭＰＵであり、全体制御部２１０から与えられた制御プログラムを実行することにより、歩行補助装置１２０の制御を実行する。また、補助制御部２２０は、歩行補助装置１２０の状態を、通信接続ＩＦ２１９、２２９を介して全体制御部２１０へ通知する。また、補助制御部２２０は、全体制御部２１０からの指令を受けて、歩行補助装置１２０の起動／停止等の制御を実行する。
関節駆動部２２１は、制御ユニット１２１のモータ１２１Ｍとその駆動回路を含む。補助制御部２２０は、関節駆動部２２１へ駆動信号を送ることにより、上腿フレーム１２２と下腿フレーム１２３がヒンジ軸Ｈａ周りに相対的に開くように加勢したり、閉じるように加勢したりする。このような動作により、膝の伸展動作及び屈曲動作をアシストしたり、膝折れを防止したりする。
なお、関節駆動部２２１は、制御ユニット１２１のモータ１２１Ｍの駆動力を予め設定されたレベルに切り替えることができる。制御ユニット１２１におけるこのモータ１２１Ｍの駆動力の切り替えは、アシストレベルとして設定される。すなわち、本実施形態におけるアシストレベルとは、歩行訓練を行う訓練者９００に対して行うアシスト動作の強さを示すレベルである。アシストレベルの詳細については後述する。
荷重センサ２２２は、上述の通り訓練者９００の足裏が受ける垂直荷重の大きさと分布を検出して、検出信号を補助制御部２２０へ送信する。補助制御部２２０は、検出信号を受け取り解析することにより、遊脚／立脚の状態判別等を行うことができる。
角度センサ２２３は、上述の通りヒンジ軸Ｈａ周りの上腿フレーム１２２と下腿フレーム１２３の成す角を検出して、検出信号を補助制御部２２０へ送信する。補助制御部２２０は、この検出信号を受け取って膝関節の開き角を演算する。
入出力ユニット２３１は、例えばＵＳＢ（Universal Serial Bus）インターフェースを含み、外部の機器（外部通信装置３００や他の外部機器）と接続するための通信インターフェースである。全体制御部２１０の入出力制御部２１０ｃは、入出力ユニット２３１を介して外部の機器と通信し、上述した全体制御部２１０内の制御プログラムや補助制御部２２０内の制御プログラムの書換え、コマンドの受け入れ、生成したリハビリデータの出力などを行う。歩行訓練装置１００は、入出力制御部２１０ｃの制御により、入出力ユニット２３１及び外部通信装置３００を介してサーバ５００との通信を行うことになる。例えば、入出力制御部２１０ｃは、入出力ユニット２３１及び外部通信装置３００を介して、リハビリデータをサーバ５００に送信する制御やサーバ５００からのコマンドを受信する制御を行うことができる。
通知制御部２１０ｄは、訓練スタッフ９０１に対する通知が必要となった場面において、表示制御部２１３又は別途設けた音声制御部等を制御することで、管理用モニタ１３９又は別途設けたスピーカから通知を行う。この通知の詳細については後述するが、訓練スタッフ９０１に対する通知が必要となった場面とは、サーバ５００から通知を行うためのコマンドを受信した場合とすることができる。
次に、サーバ５００の詳細について説明する。サーバ５００は、ネットワーク４００を介して歩行訓練装置１００からプロファイルデータを受信し、受信したプロファイルデータを処理する。プロファイルデータを処理する際に、サーバ５００は、予め記憶している学習済みモデルを利用する。学習済みモデルは、複数の教師データを利用して機械学習を行うことにより生成される。サーバ５００は、学習済みモデルを利用して、受信したプロファイルデータから推奨するアシストレベルを決定する。サーバ５００は、ネットワーク４００を介して、処理結果であるアシストレベルを歩行訓練装置１００に送信する。なお、サーバ５００は、複数の歩行訓練装置１００から複数のプロファイルデータを受信するように構成しておくことができる。これにより、サーバ５００は、多くのプロファイルデータを収集できる。
図４は、サーバ５００の一構成例を示すブロック図である。図４に示すように、サーバ５００は、制御部５１０、通信ＩＦ５１４、データ蓄積部５２０、及びモデル記憶部５２１を備えることができる。制御部５１０は、例えばＭＰＵであり、システムメモリから読み込んだ制御プログラムを実行することにより、サーバ５００の制御を実行する。制御部５１０は、後述するデータ取得部５１０ａ、学習部５１０ｂ、及び応答処理部５１０ｃを備えることができ、この場合、上記の制御プログラムはこれらの部位５１０ａ〜５１０ｃの機能を実現させるためのプログラムを含む。
通信ＩＦ５１４は、例えば有線ＬＡＮインターフェースを含み、ネットワーク４００と接続するための通信インターフェースである。制御部５１０は、通信ＩＦ５１４を介して、歩行訓練装置１００からのプロファイルデータを受信することができ、歩行訓練装置１００へ処理結果を送信できる。
データ蓄積部５２０は、例えばＨＤＤ（hard disk drive）やＳＳＤ（solid state Drive）等の記憶装置を有しており、リハビリデータを記憶する。制御部５１０は、通信ＩＦ５１４を介して外部通信装置３００から受信したプロファイルデータをデータ蓄積部５２０へ書き込む。
モデル記憶部５２１もＨＤＤやＳＳＤ等の記憶装置を有している。なお、データ蓄積部５２０とモデル記憶部５２１とは共通の記憶装置を有することもできる。サーバ５００が歩行訓練装置１００と協働してリハビリ支援処理を実行する場合、モデル記憶部５２１には少なくとも運用可能な学習済みモデルが記憶されている。
サーバ５００は、歩行訓練装置１００から受信したプロファイルデータに対して推奨アシストレベルを出力する機能の他に、学習済みモデルを生成するための学習装置としての機能も有している。すなわち、制御部５１０は、学習装置としての機能と学習済みモデルによりリハビリ支援処理を行う機能とを切り替える制御を行うように構成できる。但し、サーバ５００は、学習段階で用いる装置と学習済みモデルを伴う運用段階で用いる装置とで分散させておくこともできる。
データ取得部５１０ａは、学習段階では、プロファイルデータ及びこのプロファイルデータに対応して選択されたアシストレベルである選択アシストレベルを取得する。またデータ取得部５１０ａは、リハビリ支援処理を行う場合には、任意のプロファイルデータを取得する。
学習部５１０ｂは、サーバ５００を学習装置として機能させるために設けられており、応答処理部５１０ｃは、サーバ５００にリハビリ支援処理の一部を実行させるために設けられている。
モデル記憶部５２１は、未学習（学習中である場合も含む）の学習モデル（以下、未学習モデル）及び学習済みの学習モデル（以下、学習済みモデル）の少なくとも一方を記憶する。学習装置としてのサーバ５００は、各種データを処理する処理装置である。例えば、サーバ５００は、取得したプロファイルデータ及び教師データを用いて機械学習を行って、学習済みモデルを生成する。なお、学習装置は学習モデル生成装置と称することもできる。サーバ５００が学習装置として機能するとき、モデル記憶部５２１には少なくとも未学習の学習モデルが記憶されている。
（プロファイルデータ）
ここで、プロファイルデータについて説明する。サーバ５００が取得するプロファイルデータは、訓練者に関する情報を示すデータであって、以下に示す（１）〜（５）の情報のうち、少なくとも１つの情報が含まれる。
（１）訓練者が罹患した疾患の症状情報
症状情報は、脳卒中（脳血管障害）、脊髄損傷など、罹患した病気のタイプ（病名又は疾患名）とともにその部位（損傷部位）を含むことができ、タイプによってはその分類を含むことができる。例えば、脳卒中は、脳梗塞、頭蓋内出血（脳出血／くも膜下出血）などに分類されることができる。また、症状情報には、上述の内容に付随して、初期症状、その発症時期、現在の症状を示す情報を含むことができる。症状情報には、主にここに含まれる症状のために訓練者がリハビリを必要としたと捉えることができる情報に加えて、リハビリとは直接関係なさそうな症状についても含めることができる。
（２）訓練者の機能的自立度評価法に基づく認知レベル
訓練者の認知レベルを評価する手法として、例えばＦＩＭ（Functional Independence Measure：機能的自立度評価表）が知られている。ＦＩＭは、ＡＤＬ（Activities of Daily Life）を評価する評価方法の一つを定めたものである。ＦＩＭでは、介助量に応じて１点〜７点の７段階で評価を行っている。
歩行訓練を行う訓練者の認知レベルを評価する場合は、歩行ＦＩＭが回復度を示す汎用の指標となる。歩行ＦＩＭは、１〜７点の７段階で認知レベルを評価する。例えば介助者なし、かつ装具（補助具）なしで５０ｍ以上歩行できた場合の評価は、最高点の７点である。また、一人の介助者がどんなに介助しても１５ｍ未満しか歩行できない場合の評価は、最低点の１点である。同様に、最小介助（介助量が２５％以下）で５０ｍ移動できる場合は４点、中程度介助（介助量２５％以上）で５０ｍ移動できる場合は３点となる。一般に、回復が進むにつれて、訓練者の歩行ＦＩＭは徐々に高くなる。
また、歩行ＦＩＭは、補装具を着用した場合などの評価時の条件での点数と捉えることができ、その場合、その評価時に適用した条件を示す情報を、歩行ＦＩＭを示す情報に付加しておくこともできる。条件とは、その情報を取得した際の、補高、使用した装具（例えば歩行補助装置１２０、他の歩行補助装置、装具なし等）、その装具における膝や足首の箇所の角度設定等の設定、平地歩行であったのか斜面歩行であったのかなどを含むことができる。また、通常、歩行ＦＩＭと言えば平地歩行での歩行ＦＩＭであり、これを示す平地歩行情報には、平地歩行評価時において最も歩行した距離（最大連続歩行距離［ｍ］）等の情報を含めることもできる。
（３）訓練者の脳卒中機能評価法に基づく評価スコア
訓練者が患っている脳卒中の機能障害を定量化するための評価手法として、例えば、ＳＩＡＳ（Stroke Impairment Assessment Set）が存在する。ＳＩＡＳには、股屈曲テスト（Hip-Flex）、膝伸展テスト（Knee-Ext）、足パット・テスト（Foot-Pat）を含むことができる。また、ＳＩＡＳには、下肢触覚（Touch L/E）、下肢位置覚（Position L/E）、腹筋力（Abdominal）、及び垂直性テスト（Verticality）を含むことができる。
（４）訓練者の回復度を示すデータ
上述した歩行ＦＩＭの変化を示すデータは、訓練者の回復度を示すデータとなり得る。例えば、初期歩行ＦＩＭから最新の歩行ＦＩＭへの変化量又は変化速度は、回復度を示す指標となる。変化速度は、ＦＩＭ効率と称することもでき、例えば、現在までのＦＩＭの利得（変化量）を、リハビリの実施日数、リハビリの期間を示す経過日数、或いは、訓練者が入院患者である場合には入院日数などの期間で除算した値とすることができる。
訓練者の回復度の示すデータは、Ｂｒ．ｓｔａｇｅ（Brunnstrom Recovery Stage）であってもよい。Ｂｒ．ｓｔａｇｅ（Brunnstrom Recovery Stage）は、片麻痺の回復過程について、観察からその回復段階を６段階に分けたものである。本実施形態において、訓練者の回復度を示すデータには、Ｂｒ．ｓｔａｇｅのうち、歩行訓練装置１００に関係する主な項目である下肢項目を含むことができる。
（５）訓練者の属性を示すデータ
訓練者の属性を示すデータは、例えば訓練者の年齢、性別、体格（身長、体重等）、体調の状態を示すスコアなどを含む。
以上、プロファイルデータについて詳細を説明したが、プロファイルデータは上述の内容に限られず、それぞれの目的を充足する情報を含むものであれば、別の種類の情報であっても構わない。また、プロファイルデータは、各データの測定日時などの情報を付加しておくことができる。
（リハビリデータ）
次に、リハビリデータについて説明する。リハビリデータは、歩行訓練装置１００の設定パラメータ、歩行訓練装置１００に設けられたセンサ等で検出された検出データ、訓練スタッフ９０１に関するデータ（以下、スタッフデータ）を含むことができる。
歩行訓練装置１００の設定パラメータには、歩行補助装置１２０のアシストレベルが含まれる。アシストレベルの詳細については後述する。検出データは、歩行訓練装置１００に設けられたセンサ等で検出されたデータである。検出データの具体例の一つは、歩行補助装置１２０が有する角度センサ２２３が検出する角度に関する情報である。検出データはその他にも歩行訓練装置１００が有する各センサの出力が含まれる。
スタッフデータは、例えば、訓練スタッフ９０１の属性等を示すものである。スタッフデータは、訓練スタッフ９０１の氏名又はＩＤ、年齢、性別、体格（身長、体重等）、所属する病院名、ＰＴ又は医師としての経験年数などである。スタッフデータは、訓練者９００を介助するタイミングを数値化した値を介助者に関するデータとして含むことができる。
また、一度のリハビリ施行に同時に複数の訓練スタッフが介助する場合には、リハビリデータは、複数人のスタッフデータを含むことができる。また、各スタッフデータには、主たる訓練スタッフであるのか、或いは補助的な訓練スタッフであるのかを示す情報を含めておくことができる。そのような情報に加え、又はそのような情報に代えて、各スタッフデータは、管理用モニタ１３９における設定操作や画像の確認を行う訓練スタッフであるのか、或いは訓練者９００を手で支える役目だけの訓練スタッフであるのかを示す情報なども含めることができる。
（アシストレベル）
次に、本実施形態におけるアシストレベルについて詳細を説明する。本実施形態における歩行訓練装置１００は、訓練者９００の歩行訓練を行う際に、歩行補助装置１２０が訓練者の歩行動作を補助（アシスト）する。より具体的には、歩行補助装置１２０は、訓練者の歩行周期に合わせて患脚の膝の伸展動作又は屈曲動作を加勢する。
図５を参照しながら訓練者９００の歩行周期について説明する。図５は、訓練者の歩行周期の例を示す図である。図に示されているのは、左から右へ向かって歩行する訓練者９００の患脚である右脚に着目した場合における１周期分の歩行軌跡である。歩行軌跡は、右脚が床面に接した位置を０％とし、１周期分の歩行を行った位置を１００％として示されている。
１周期分の歩行周期は、０〜１０％の両脚支持期１、１０〜５０％の立脚期、５０〜６０％の両脚支持期２及び６０〜１００％の遊脚期に分類されている。両脚支持期１は、立脚初期であり、反対側の脚である左脚も床面に接している状態である。立脚期は、着目した方の脚である右脚（患脚）が床面に接し、反対側の左脚が床面から離れた状態である。両脚支持期２は、立脚終期であり、反対側の脚である左脚も床面に接している状態である。遊脚期は、着目した方の脚である右脚が床面から離れた状態である。
右脚に麻痺を患う訓練者９００は、図に示した歩行周期の内、立脚期に自身の体重を支えることが難しい場合がある。このような場合、訓練者９００は、膝が大きく屈曲してしまい「膝折れ」を起こす可能性がある。膝折れとは、膝伸展機能の低下に伴い、膝が屈曲して伸展位を保持できない状態であって、歩行時に膝が無意識に折れ曲がる現象をいう。また、歩行周期の３０％前後の位置では、膝を伸展させる必要があるが、訓練者９００は、膝が屈曲した後に、これを伸展させることができない可能性がある。そこで、制御ユニット１２１のモータ１２１Ｍは、立脚期における所定のタイミングで膝の曲がり過ぎを抑制したり、膝の伸展を加勢したりするように駆動する。
次に、図６を参照して膝関節の角度について説明する。図６は、患脚の膝伸展角度の例を示す図である。図は、患脚側の下半身である麻痺体部を歩行方向に対して側方から観察した場合の模式図であり、上から順に、体幹ＴＬ，股関節ＨＪ，大腿ＨＬ、膝関節ＮＪ、下腿ＣＬ、足関節ＦＪ、足ＦＬを示している。また下腿ＣＬを上方に延伸させた延長線として、下腿延長線ＣＬＬが点線により示されている。そして、大腿ＨＬと、下腿延長線ＣＬＬとが成す角度は、膝伸展角度Ａとして示されている。図６に示した模式図は、訓練者９００の患脚が立脚期にあり床面に接している状態である。
図に示した立脚期の状態における健常者の膝伸展角度Ａは、１０〜１５度である。したがって、訓練者９００の歩行においても、立脚期における最大の膝伸展角度Ａは１０〜１５度くらいが好ましい。しかし、訓練者９００が自身の体重を支えきれない場合に、膝伸展角度Ａは１５を大きく超える場合がある。そこで、膝関節ＮＪに装着されている制御ユニット１２１のモータ１２１Ｍは、膝伸展角度Ａが予め設定された値を越えた場合に、これを所定の範囲に戻す方向に駆動する。
次に図７を参照しながら膝伸展角度Ａとモータ１２１Ｍのトルクとの関係について説明する。図７は、アシストレベルの例を示す第１の図である。図に示すグラフは、横軸が膝伸展角度Ａを示し、縦軸がモータ１２１ＭのトルクＴを示している。また図に実線でプロットされた直線は、モータ１２１Ｍに設定されているアシストレベルを示している。本実施形態ではアシストレベルは１〜５の５段階に設定されている。
各アシストレベルは、膝伸展角度Ａが大きくなるほどモータトルクＴが大きくなるように設定されている。また本実施形態に示す例では、所定の膝伸展角度に対するモータトルクＴの値は、アシストレベル１が最も弱く、アシストレベル５が最も高い。したがって、訓練スタッフは、強力なアシストを必要とする訓練者に対しては、例えばアシストレベル５を選択する。また、訓練スタッフは、訓練者の回復度に合わせてアシストレベルを適宜変更する。
制御ユニット１２１には図中に点線により示された閾値Ａｔｈが設定されている。閾値Ａｔｈは、１２１Ｍが駆動開始する際の閾値である。つまり、歩行訓練の立脚期において膝伸展角度Ａが閾値Ａｔｈを越えた場合には、モータ１２１Ｍが駆動し、膝の伸展動作をアシストする。膝の伸展動作のアシストを開始する際のモータトルクＴは、設定されているアシストレベルにより決定される。
図８を参照しながらアシストレベルの具体例について説明する。図８はアシストレベルの例を示す第２の図である。図に示すグラフは、歩行訓練の際にアシストレベル３が選択された状態である。また、図に示す点Ｐ１１は、患脚の膝伸展角度が閾値Ａｔｈを越えて角度Ａ１となっていることを示している。この場合、モータ１２１Ｍは、膝伸展角度が閾値Ａｔｈより小さくなり、範囲Ｒ１０に収まるように訓練者９００の膝の伸展動作をアシストする。図に示す点Ｐ１２は、モータ１２１Ｍによるアシストを受けた患脚の膝伸展角度が閾値Ａｔｈより小さくなったことを示している。
図に示すトルクＴ１は、モータ１２１Ｍが実際に患脚をアシストした際に出力したトルクである。また図に示すトルクＴ２は、膝伸展角度が角度Ａ１においてアシストレベル３が設定されたモータ１２１Ｍが出力可能なトルクである。図に示す例において、モータ１２１Ｍは、角度Ａ１において最大トルクＴ２で駆動可能であった。しかし、図にプロットされた点Ｐ１１及び点Ｐ１２の推移を観察することにより、モータ１２１Ｍは、実際にはトルクＴ１でアシストを行うことができたことが分かる。このようにモータ１２１Ｍが最大トルクＴ２よりも低いトルクによりアシストを行うことになるのは、訓練者９００が自身の力を使って膝を伸展しようとしているからである。つまり、訓練者９００の患脚が角度Ａ１から範囲Ｒ１０に収まるように推移する間は、訓練者９００自身の力とモータ１２１Ｍの力との合力が訓練者の関節に作用している。
制御ユニット１２１のモータ１２１Ｍが行うアシストのアシストレベルは上述のように設定される。閾値Ａｔｈは、例えば２０度や２５度など、１５度を少し超えた値が好ましい。そして歩行訓練は膝伸展角度Ａが、図に示した範囲Ｒ１０に収まるように行われるのが好ましい。範囲Ｒ１０を超えないようにアシストを行うことにより、歩行訓練装置１００は、適正な訓練を提供できる。なお、ここではアシストレベルを５段階として例示したが、アシストレベルは２段階以上であればよい。また上述の閾値Ａｔｈは、アシストするタイミングにより適宜変更されてもよい。
以上、アシストレベルについて説明した。ところで、歩行訓練装置１００を利用した歩行訓練を効果的に行うためには、適切なアシストレベルを設定することが重要となる。例えば、アシストレベルの設定が高すぎる場合は、訓練者９００はモータ１２１Ｍのアシストに頼り過ぎてしまい、自身の力を発揮しない。そのような場合は運動の学習効果が得られなくなる。しかし、アシストレベルの設定が低すぎると訓練者９００は膝の伸展動作を充分に行うことができない可能性がある。その場合、訓練者９００の訓練に対するモチベーションが低下したり、或いは、歩行中に訓練者９００が転倒する可能性が高くなったりする。このような状態になるのを防ぐため、アシストレベルは、最小限のアシストが可能なレベルに設定されるのが好ましい。
しかし、訓練スタッフの技量に頼ってアシストレベルを設定すると、アシストレベルの設定に対する個人差が大きくなる可能性がある。例えばベテランのＰＴは、アシストレベルを上述のような適切なレベルに設定できる。しかし、経験が少ない訓練スタッフの場合には、適切にアシストレベルを設定できず、その結果として効果的な訓練が行われなくなる可能性がある。そこで、本実施形態におけるリハビリ支援システムは、ベテランのＰＴが行った訓練のデータを学習して学習済みモデルを生成し、生成した学習済みモデルを利用して、アシストレベルの提示を行う。
（学習段階）
次に、図９を参照して、学習装置としてのサーバ５００が行う学習段階における処理について説明する。図９は、学習装置であるサーバ５００における処理を説明するためのフローチャートである。
まずサーバ５００のデータ取得部５１０ａは、プロファイルデータ及び選択アシストレベルを学習用データとして取得する（ステップＳ１）。すなわち、サーバ５００が学習を行うにあたり、プロファイルデータ及び取得したプロファイルデータに対応する選択アシストレベルが１セットの学習データとなる。
プロファイルデータは、上述の通り、訓練者が罹患した疾患の症状情報、機能的自立度評価法に基づく認知レベル、脳卒中機能評価法に基づく評価スコア、運動能力を評価した運動能力レベル、回復度を示す情報及び訓練者の属性データの少なくとも１つのデータが含まれる。選択アシストレベルは、取得したプロファイルデータに対応して行われた訓練において選択されたアシストレベルである。ここでサーバ５００が取得する選択アシストレベルは、ベテランＰＴが効果的な訓練を行う際に選択したものである。
次に、サーバ５００の学習部５１０ｂは、取得したプロファイルデータを入力層に適用し、対応する選択アシストレベルを教師データとして、学習を実行する（ステップＳ２）。次に、学習部５１０ｂは、行った学習により更新された学習済みモデルを生成する（ステップＳ３）。なお、学習済みモデルは、上述の処理により更新された学習モデルが運用可能な段階となった学習モデルを指すものとする。
図１０は、学習装置に入力するデータの例を示す表である。図に示す表において、左に示した列の数字はデータセット番号（１、２、３・・・）である。データセット番号の右隣の列は、入力層に適用するパラメータ１としての歩行ＦＩＭのデータ（２、１、７・・・）である。歩行ＦＩＭの右隣の列は、パラメータ２としてのＳＩＡＳのデータ（３、２、６・・・）である。ＳＩＡＳの右隣の列は、パラメータ３としての疾患タイプのデータ（脳梗塞２、脳出血３、脳梗塞１・・・）である。疾患タイプのデータにおいて、病名に付されている数値は、各疾患におけるより詳細なタイプを示すものであり、例えば、疾患の重篤度を示すものである。疾患タイプは、訓練者の脳疾患であって、疾患のタイプに関する情報は、脳疾患における脳の損傷部位に応じた情報であってもよい。疾患タイプの右隣の列は、パラメータ４としての回復履歴のデータ（Ｃ、Ａ、Ｆ・・・）である。そして、回復履歴のデータの右隣の列は、教師データとしてのアシストレベル（２、５、１・・・）が示されている。
このように、学習装置に入力するデータは、入力層に適用する複数のパラメータと、出力層に適用する教師データを含んでいる。このような複数のデータセットを利用して学習を行うことにより、学習装置であるサーバ５００は、学習部５１０ｂに学習をさせる。学習部５１０ｂは、上述の学習用データを利用して、訓練者がリハビリ支援システムを利用する場合において選択すべきと推奨される補助装置のアシストレベルである推奨アシストレベルを決定することを学習する。
なお、ここで学習する学習モデルの種類やそのアルゴリズムは問わないが、アルゴリズムとして、ニューラルネットワークを用いることができ、特に、隠れ層を多層化した深層ニューラルネットワーク（ＤＮＮ）を用いることが好ましい。ＤＮＮとしては、例えば、誤差逆伝搬法を採用した多層パーセプトロン（ＭＬＰ）等の、フィードフォワード（順伝搬型）ニューラルネットワークを用いることができる。
ここでは、学習部５１０ｂがＭＬＰを用いた学習済みモデルを生成する例を挙げ、学習部５１０ｂで未学習モデルへの入力される入力パラメータ、及び未学習モデルから出力される出力パラメータの例について説明する。入力パラメータのそれぞれは入力層のノードに対応し、出力パラメータのそれぞれは出力層のノード（つまり目的変数）に対応する。なお、未学習モデル（未学習の学習モデル）とは、全くの未学習である場合に限らず、学習中のモデルである場合も含むものとする。
図１１は、学習モデルの例を示す図である。図１１は、学習モデル５１１０を示している。学習モデル５１１０では、入力層５１１２ａと中間層５１１２ｂ（隠れ層ともいう）と出力層５１１２ｃとを備えている。中間層５１１２ｂは、入力層５１１２ａと出力層５１１２ｃとの間に設けられている。
入力層５１１２ａは、複数のノードを有しており、データセットに含まれる各データを入力とする。中間層５１１２ｂは複数のノードを有している。なお、図に示した中間層が有するノードの数や隠れ層の数は一例を示したに過ぎず、ノードの数及び層の数はこれに限定されるものではない。
出力層５１１２ｃは、推奨アシストレベルを決定するための値を出力する。本実施形態では、出力層は５つのノードを有しており、それぞれがアシストレベル１〜５に対応している。学習モデル５１１０は、目的関数５１１１が入力されると、出力層５１１２ｃに所定の数値が出力される。出力層５１１２ｃの出力は、教師データ５１１３と照合され、照合された結果がフィードバックされる。学習モデル５１１０はこの処理を繰り返すことにより学習モデル内の閾値や重み付け等を更新する。
次に、学習部５１０ｂは、行った学習により更新された学習済みモデルを生成する（ステップＳ３）。なお、学習済みモデルは、上述の処理により更新された学習モデルが運用可能な段階となった学習モデルを指すものとする。
以上の処理により、学習装置としてのサーバ５００は、推奨アシストレベルを出力する学習済みモデルを生成する。これにより、リハビリ支援システムは、生成した学習済モデルを利用して、歩行訓練を行うに際し、推奨アシストレベルを提示できる。
なお、学習部５１０ｂは、学習モデルとして、上述の構成の他に、例えば、ＲＮＮ（Recurrent Neural Network）等の再帰的な構造をもつニューラルネットワークを用いることもできる。また、ＲＮＮは、ＬＳＴＭ（Long short-term memory）ブロックを有するように拡張したニューラルネットワーク（単にＬＳＴＭと称することもある）とすることもできる。また学習部５１０ｂは、上述の構成の他に、ｋ近傍法（ｋＮＮ、k-nearest neighbor algorithm）を用いるものであってもよい。
（運用段階）
次に、図１２を参照して、運用段階において歩行訓練装置１００が行う処理について説明する。運用段階とは、上述の学習装置により生成された学習済みモデルを利用してリハビリテーションを行う段階のことである。図１２は、サーバの処理の一例を説明するためのフローチャートである。上述したように、歩行訓練装置１００は、サーバ５００にアクセスすることで、その学習済みモデルを利用できる。運用段階では主に歩行訓練装置１００とそれにネットワーク接続されたサーバ５００とが協働して、つまりリハビリ支援システムとして、リハビリ支援処理を行う。
まず、歩行訓練装置１００は、訓練者のプロファイルデータを取得する（ステップＳ１０１）。より具体的には、歩行訓練装置１００は、ＰＴなどが行うプロファイルデータの入力を受け付ける。ＰＴなどが行うプロファイルデータの入力は、例えば全体制御部２１０が表示制御部２１３と操作受付部２１２とを連携させることにより実現される。
次に、歩行訓練装置１００は、取得したプロファイルデータを、ネットワーク４００を介してサーバ５００に送信する（ステップＳ１０２）。歩行訓練装置１００からプロファイルデータを受け取ったサーバ５００は、通信ＩＦ５１４を介して、制御部５１０の応答処理部５１０ｃがプロファイルデータを受け付ける。そして、制御部５１０は、モデル記憶部５２１に記憶している学習済みモデルに受け付けたプロファイルデータを入力する。学習済みモデルは、入力されたプロファイルデータから推奨アシストレベルを出力する。応答処理部５１０ｃは、学習モデルが出力した推奨アシストレベルを、通信ＩＦ５１４を介して歩行訓練装置１００に送信する。
次に、歩行訓練装置１００は、サーバ５００から推奨アシストレベルを受信する（ステップＳ１０３）。そして、歩行訓練装置１００は、受信した推奨アシストレベルを管理用モニタ１３９に表示する（ステップＳ１０４）。
このような処理により、歩行訓練装置１００は、受け付けたプロファイルデータに対応した推奨アシストレベルを表示できる。ＰＴは表示された推奨アシストレベルを歩行補助装置１２０が行うアシストレベルとして設定できる。このような構成により、歩行訓練装置１００は、ＰＴの経験や勘などによらず、適切にアシストレベルを設定できる。
以上、実施形態について説明したが、実施形態にかかる歩行訓練装置１００は、上述の構成に限られない。例えば歩行訓練装置１００は、学習済みモデルを記憶する記憶部ないしこの学習済みモデルを用いて所定の処理を行う処理部を含んでいてもよい。この場合、歩行訓練装置１００は、訓練者のプロファイルデータを、学習済みモデルへの入力として処理部へ出力し、プロファイルデータに対する応答としてこの学習済みモデルから出力された推奨アシストレベルを、訓練者または訓練スタッフに通知する。実施形態にかかる歩行訓練装置１００は、リハビリ支援装置と称されてもよい。
上述のように、歩行訓練装置１００は、訓練者のプロファイルデータを、学習済みモデルへの入力として処理部へ出力し、プロファイルデータに対する応答としてこの学習済みモデルから出力された推奨アシストレベルを、訓練者または訓練スタッフに通知する。このような、リハビリ支援装置の作動方法を実行する歩行訓練装置１００は、リハビリ支援システムと称されてもよい。この場合、歩行訓練装置１００は、上述の方法の一部を、外部のサーバと協働することにより実現してもよい。
上述の実施形態によれば、適切なアシストレベルを設定するための学習装置等を提供できる。また、学習装置により生成された学習済みモデルを利用することにより、リハビリ支援装置又はリハビリ支援システムは、リハビリテーションを行う訓練者の推奨アシストレベルをＰＴなどの訓練スタッフに通知できる。よって、実施形態にかかるリハビリ支援システムは、未学習のプロファイルデータに対して好適に推奨アシストレベルを出力できる。
なお、上述したプログラムは、様々なタイプの非一時的なコンピュータ可読媒体を用いて格納され、コンピュータに供給できる。非一時的なコンピュータ可読媒体は、様々なタイプの実体のある記録媒体を含む。非一時的なコンピュータ可読媒体の例は、磁気記録媒体（例えばフレキシブルディスク、磁気テープ、ハードディスクドライブ）、光磁気記録媒体（例えば光磁気ディスク）、ＣＤ−ＲＯＭ（Read Only Memory）ＣＤ−Ｒ、ＣＤ−Ｒ／Ｗ、半導体メモリ（例えば、マスクＲＯＭ、ＰＲＯＭ（Programmable ROM）、ＥＰＲＯＭ（Erasable PROM）、フラッシュＲＯＭ、ＲＡＭ（Random Access Memory））を含む。また、プログラムは、様々なタイプの一時的なコンピュータ可読媒体によってコンピュータに供給されてもよい。一時的なコンピュータ可読媒体の例は、電気信号、光信号、及び電磁波を含む。一時的なコンピュータ可読媒体は、電線及び光ファイバ等の有線通信路、又は無線通信路を介して、プログラムをコンピュータに供給できる。
なお、本発明は上記実施形態に限られたものではなく、趣旨を逸脱しない範囲で適宜変更することが可能である。例えば、上述の学習装置及びリハビリ支援システムは、訓練者の膝関節のアシスト動作に代えて、或いは訓練者の膝関節のアシスト動作に加えて、訓練者の足首や股関節のアシスト動作を行うシステムに対しても適用できる。また、上述の学習装置及びリハビリ支援システムは、歩行訓練に代えて、腕の動作を訓練するリハビリ支援システムにおいても適用できる。
１００ 歩行訓練装置
１１０ 装具
１１０ａ 連結フック
１１１ ハーネスワイヤ
１１２ ハーネス引張部
１２０ 歩行補助装置
１２１ 制御ユニット
１２１Ｍ モータ
１２２ 上腿フレーム
１２３ 下腿フレーム
１２４ 足平フレーム
１２６ 調整機構
１２７ 前側連結フレーム
１２７ａ 連結フック
１２８ 後側連結フレーム
１２８ａ 連結フック
１２９ 上腿ベルト
１３０ フレーム
１３０ａ 手摺り
１３１ トレッドミル
１３２ ベルト
１３３ 制御盤
１３４ 前側ワイヤ
１３５ 前側引張部
１３６ 後側ワイヤ
１３７ 後側引張部
１３８ 訓練用モニタ
１３９ 管理用モニタ
１４０ カメラ
２１０ 全体制御部
２１０ａ 歩行評価部
２１０ｂ 訓練判定部
２１０ｃ 入出力制御部
２１０ｄ 通知制御部
２１１ トレッドミル駆動部
２１２ 操作受付部
２１３ 表示制御部
２１４ 引張駆動部
２１５ ハーネス駆動部
２１６ 画像処理部
２１７ 姿勢センサ
２１８ 手摺りセンサ
２１９ 通信接続ＩＦ
２２０ 補助制御部
２２１ 関節駆動部
２２２ 荷重センサ
２２３ 角度センサ
２３１ 入出力ユニット
３００ 外部通信装置
４００ ネットワーク
４１０ 無線通信機器
５００ サーバ
５１０ 制御部
５１０ａ データ取得部
５１０ｂ 学習部
５１０ｃ 応答処理部
５２０ データ蓄積部
５２１ モデル記憶部
９００ 訓練者
９０１ 訓練スタッフ
５１１０ 学習モデル
５１１１ 目的関数
５１１２ａ 入力層
５１１２ｂ 中間層
５１１２ｃ 出力層
５１１３ 教師データ

Claims (12)

  1. 訓練者の動作を補助する補助装置を有するリハビリ支援システムを利用し実行したリハビリテーションについての、前記実行前の前記訓練者に関するプロファイルを示すプロファイルデータと、前記実行の際に選択された前記補助装置のアシストレベルである選択アシストレベルと、を学習用データとして取得するデータ取得部と、
    前記学習用データに基づいて、前記訓練者が前記リハビリ支援システムを利用する場合において選択すべきと推奨される前記補助装置のアシストレベルである推奨アシストレベルを決定することを学習し、
    前記学習に基づいて、前記プロファイルデータを入力として前記推奨アシストレベルを出力とする学習済みモデルを生成する学習部と、を備える
    学習装置。
  2. 前記学習部は、前記プロファイルデータを入力とし、前記選択アシストレベルを教師データとして前記学習をする
    請求項１に記載の学習装置。
  3. 前記データ取得部は、前記プロファイルデータとして、前記訓練者が罹患した疾患の症状情報、前記訓練者の機能的自立度評価法に基づく認知レベル、前記訓練者の脳卒中機能評価法に基づく評価スコア、前記訓練者の運動能力を評価した運動能力レベル、前記訓練者の回復度を示す情報及び前記訓練者の属性データの少なくとも１つのデータを取得する
    請求項１又は２に記載の学習装置。
  4. 前記プロファイルデータに含まれる前記疾患のタイプは、前記訓練者の脳疾患であって、前記疾患のタイプに関する情報は、前記脳疾患における脳の損傷部位に応じた情報である
    請求項３に記載の学習装置。
  5. 前記補助装置は、前記訓練者の歩行を補助するためのモータであって、前記アシストレベルは、前記モータのトルクの大きさを示す指標である
    請求項１〜４のいずれか一項に記載の学習装置。
  6. 前記補助装置は、前記訓練者の膝関節の伸展動作を補助するモータであって、前記アシストレベルは、前記膝関節の角度の大きさに対する前記モータのトルクの大きさを示す指標である
    請求項１〜４のいずれか一項に記載の学習装置。
  7. 請求項１〜６のいずれか１項に記載の学習装置で生成された学習モデルである学習済みモデルにアクセス可能なリハビリ支援システムであって、
    前記訓練者の前記プロファイルデータを、前記学習済みモデルへの入力として出力する出力部と、
    入力された前記プロファイルデータに対する応答として前記学習済みモデルから出力された前記推奨アシストレベルを、前記リハビリ支援システムの使用者に通知する通知部と、を備える
    リハビリ支援システム。
  8. 前記リハビリ支援システムに通信可能に接続されたサーバ装置をさらに備え、
    前記サーバ装置は、前記学習済みモデルを記憶する記憶部を備える
    請求項７に記載のリハビリ支援システム。
  9. 訓練者の動作を補助する補助装置を有するリハビリ支援システムを利用し実行したリハビリテーションについての、前記実行前の前記訓練者に関するプロファイルを示すプロファイルデータと、前記実行の際に選択された前記補助装置のアシストレベルである選択アシストレベルと、を取得するデータ取得ステップと、
    前記プロファイルデータ及び前記選択アシストレベルに基づいて、前記訓練者が前記リハビリ支援システムを利用する場合において選択すべきと推奨される前記補助装置のアシストレベルである推奨アシストレベルを決定することを学習する学習ステップと、
    前記学習に基づいて、前記プロファイルデータを入力として前記推奨アシストレベルを出力とする学習済みモデルを生成する学習モデル生成ステップと、を備える
    学習方法。
  10. 請求項９に記載の学習方法で学習された学習モデルである学習済みモデルにアクセス可能なリハビリ支援方法であって、
    前記リハビリ支援システムを利用する前記訓練者の前記プロファイルデータを、前記学習済みモデルへの入力として出力する出力ステップと、
    入力された前記プロファイルデータに対する応答として前記学習済みモデルから出力された前記推奨アシストレベルを、前記リハビリ支援システムの使用者に通知する通知ステップと、を備える
    リハビリ支援方法。
  11. 訓練者の動作を補助する補助装置を有するリハビリ支援システムを利用し実行したリハビリテーションについての、前記実行前の前記訓練者に関するプロファイルを示すプロファイルデータと、前記実行の際に選択された前記補助装置のアシストレベルである選択アシストレベルと、を取得するデータ取得ステップと、
    前記プロファイルデータ及び前記選択アシストレベルに基づいて、前記訓練者が前記リハビリ支援システムを利用する場合において選択すべきと推奨される前記補助装置のアシストレベルである推奨アシストレベルを決定することを学習する学習ステップと、
    前記学習に基づいて、前記プロファイルデータを入力として前記推奨アシストレベルを出力とする学習済みモデルを生成する学習モデル生成ステップと、を備える
    学習方法をコンピュータに実行させる
    学習プログラム。
  12. 前記訓練者の前記プロファイルデータに基づいて、前記推奨アシストレベルを出力するよう、コンピュータを機能させるための学習済みモデルであって、
    請求項１〜６のいずれか１項に記載の学習装置により生成された
    学習済みモデル。
JP2019122897A 2019-07-01 2019-07-01 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 Active JP7211293B2 (ja)

Priority Applications (3)

Application Number Priority Date Filing Date Title
JP2019122897A JP7211293B2 (ja) 2019-07-01 2019-07-01 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
US16/916,545 US11929173B2 (en) 2019-07-01 2020-06-30 Learning apparatus, rehabilitation support system, method, program, and trained model
CN202010610379.3A CN112185506A (zh) 2019-07-01 2020-06-30 学习装置、复健辅助系统、方法、程序及学习完毕模型

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
JP2019122897A JP7211293B2 (ja) 2019-07-01 2019-07-01 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

Publications (2)

Publication Number Publication Date
JP2021007633A true JP2021007633A (ja) 2021-01-28
JP7211293B2 JP7211293B2 (ja) 2023-01-24

Family

ID=73919403

Family Applications (1)

Application Number Title Priority Date Filing Date
JP2019122897A Active JP7211293B2 (ja) 2019-07-01 2019-07-01 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

Country Status (3)

Country Link
US (1) US11929173B2 (ja)
JP (1) JP7211293B2 (ja)
CN (1) CN112185506A (ja)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2022249111A1 (en) * 2021-05-27 2022-12-01 Neurolutions, Inc. Stroke rehabilitation therapy predictive analysis

Families Citing this family (35)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US11904202B2 (en) 2019-03-11 2024-02-20 Rom Technolgies, Inc. Monitoring joint extension and flexion using a sensor device securable to an upper and lower limb
US11259982B2 (en) * 2019-04-25 2022-03-01 Ryan Charles Ognibene Treadmill attachment for anti-gravity suspension system
US11957960B2 (en) 2019-05-10 2024-04-16 Rehab2Fit Technologies Inc. Method and system for using artificial intelligence to adjust pedal resistance
US11433276B2 (en) 2019-05-10 2022-09-06 Rehab2Fit Technologies, Inc. Method and system for using artificial intelligence to independently adjust resistance of pedals based on leg strength
US12102878B2 (en) 2019-05-10 2024-10-01 Rehab2Fit Technologies, Inc. Method and system for using artificial intelligence to determine a user's progress during interval training
US11801423B2 (en) 2019-05-10 2023-10-31 Rehab2Fit Technologies, Inc. Method and system for using artificial intelligence to interact with a user of an exercise device during an exercise session
US11957956B2 (en) 2019-05-10 2024-04-16 Rehab2Fit Technologies, Inc. System, method and apparatus for rehabilitation and exercise
US11833393B2 (en) 2019-05-15 2023-12-05 Rehab2Fit Technologies, Inc. System and method for using an exercise machine to improve completion of an exercise
US11896540B2 (en) 2019-06-24 2024-02-13 Rehab2Fit Technologies, Inc. Method and system for implementing an exercise protocol for osteogenesis and/or muscular hypertrophy
US11071597B2 (en) 2019-10-03 2021-07-27 Rom Technologies, Inc. Telemedicine for orthopedic treatment
US12020799B2 (en) 2019-10-03 2024-06-25 Rom Technologies, Inc. Rowing machines, systems including rowing machines, and methods for using rowing machines to perform treatment plans for rehabilitation
US11069436B2 (en) 2019-10-03 2021-07-20 Rom Technologies, Inc. System and method for use of telemedicine-enabled rehabilitative hardware and for encouraging rehabilitative compliance through patient-based virtual shared sessions with patient-enabled mutual encouragement across simulated social networks
US11915815B2 (en) 2019-10-03 2024-02-27 Rom Technologies, Inc. System and method for using artificial intelligence and machine learning and generic risk factors to improve cardiovascular health such that the need for additional cardiac interventions is mitigated
US11101028B2 (en) 2019-10-03 2021-08-24 Rom Technologies, Inc. Method and system using artificial intelligence to monitor user characteristics during a telemedicine session
US20230368886A1 (en) * 2019-10-03 2023-11-16 Rom Technologies, Inc. System and method for an enhanced healthcare professional user interface displaying measurement information for a plurality of users
US11830601B2 (en) 2019-10-03 2023-11-28 Rom Technologies, Inc. System and method for facilitating cardiac rehabilitation among eligible users
US11978559B2 (en) 2019-10-03 2024-05-07 Rom Technologies, Inc. Systems and methods for remotely-enabled identification of a user infection
US11955222B2 (en) 2019-10-03 2024-04-09 Rom Technologies, Inc. System and method for determining, based on advanced metrics of actual performance of an electromechanical machine, medical procedure eligibility in order to ascertain survivability rates and measures of quality-of-life criteria
US12062425B2 (en) 2019-10-03 2024-08-13 Rom Technologies, Inc. System and method for implementing a cardiac rehabilitation protocol by using artificial intelligence and standardized measurements
US11915816B2 (en) 2019-10-03 2024-02-27 Rom Technologies, Inc. Systems and methods of using artificial intelligence and machine learning in a telemedical environment to predict user disease states
US11955223B2 (en) 2019-10-03 2024-04-09 Rom Technologies, Inc. System and method for using artificial intelligence and machine learning to provide an enhanced user interface presenting data pertaining to cardiac health, bariatric health, pulmonary health, and/or cardio-oncologic health for the purpose of performing preventative actions
US11955220B2 (en) 2019-10-03 2024-04-09 Rom Technologies, Inc. System and method for using AI/ML and telemedicine for invasive surgical treatment to determine a cardiac treatment plan that uses an electromechanical machine
US11923065B2 (en) 2019-10-03 2024-03-05 Rom Technologies, Inc. Systems and methods for using artificial intelligence and machine learning to detect abnormal heart rhythms of a user performing a treatment plan with an electromechanical machine
US11887717B2 (en) 2019-10-03 2024-01-30 Rom Technologies, Inc. System and method for using AI, machine learning and telemedicine to perform pulmonary rehabilitation via an electromechanical machine
US11955221B2 (en) 2019-10-03 2024-04-09 Rom Technologies, Inc. System and method for using AI/ML to generate treatment plans to stimulate preferred angiogenesis
US11961603B2 (en) 2019-10-03 2024-04-16 Rom Technologies, Inc. System and method for using AI ML and telemedicine to perform bariatric rehabilitation via an electromechanical machine
US11075000B2 (en) 2019-10-03 2021-07-27 Rom Technologies, Inc. Method and system for using virtual avatars associated with medical professionals during exercise sessions
US12020800B2 (en) 2019-10-03 2024-06-25 Rom Technologies, Inc. System and method for using AI/ML and telemedicine to integrate rehabilitation for a plurality of comorbid conditions
US11317975B2 (en) 2019-10-03 2022-05-03 Rom Technologies, Inc. Method and system for treating patients via telemedicine using sensor data from rehabilitation or exercise equipment
US12087426B2 (en) 2019-10-03 2024-09-10 Rom Technologies, Inc. Systems and methods for using AI ML to predict, based on data analytics or big data, an optimal number or range of rehabilitation sessions for a user
US11826613B2 (en) 2019-10-21 2023-11-28 Rom Technologies, Inc. Persuasive motivation for orthopedic treatment
US11107591B1 (en) 2020-04-23 2021-08-31 Rom Technologies, Inc. Method and system for describing and recommending optimal treatment plans in adaptive telemedical or other contexts
US11951369B2 (en) * 2020-04-24 2024-04-09 Lever, Llc Suspension system
US12100499B2 (en) 2020-08-06 2024-09-24 Rom Technologies, Inc. Method and system for using artificial intelligence and machine learning to create optimal treatment plans based on monetary value amount generated and/or patient outcome
JP7428159B2 (ja) * 2021-04-15 2024-02-06 トヨタ自動車株式会社 歩行訓練システム、その制御方法、及び、制御プログラム

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2015008960A (ja) * 2013-06-28 2015-01-19 学校法人 芝浦工業大学 歩行訓練支援装置、歩行訓練支援システム、歩行訓練支援方法およびプログラム
JP2015159935A (ja) * 2014-02-27 2015-09-07 株式会社東芝 リハビリテーション支援装置
KR20170135459A (ko) * 2016-05-31 2017-12-08 울산과학기술원 환자 맞춤형 재활을 위한 거대자료 기반 지능형 로봇 치료사
JP2018114278A (ja) * 2017-01-19 2018-07-26 パナソニックＩｐマネジメント株式会社 歩行転倒防止装置、歩行転倒防止装置の制御装置及び制御方法、並びに、歩行転倒防止装置用制御プログラム
WO2019069534A1 (ja) * 2017-10-05 2019-04-11 国立大学法人東北大学 最適弾性強度計算装置、最適弾性強度計算システム、運動補助システム、最適弾性強度計算方法および最適弾性強度計算プログラム記録媒体
WO2019116093A1 (en) * 2017-12-14 2019-06-20 Bionic Yantra Private Limited Apparatus and system for limb rehabitation

Family Cites Families (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP6052234B2 (ja) 2014-05-27 2016-12-27 トヨタ自動車株式会社 歩行訓練装置
US10130311B1 (en) * 2015-05-18 2018-11-20 Hrl Laboratories, Llc In-home patient-focused rehabilitation system
EP3572059B1 (en) * 2017-01-19 2021-11-17 Panasonic Intellectual Property Management Co., Ltd. Device for preventing falls when walking, control device, control method, and program

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2015008960A (ja) * 2013-06-28 2015-01-19 学校法人 芝浦工業大学 歩行訓練支援装置、歩行訓練支援システム、歩行訓練支援方法およびプログラム
JP2015159935A (ja) * 2014-02-27 2015-09-07 株式会社東芝 リハビリテーション支援装置
KR20170135459A (ko) * 2016-05-31 2017-12-08 울산과학기술원 환자 맞춤형 재활을 위한 거대자료 기반 지능형 로봇 치료사
JP2018114278A (ja) * 2017-01-19 2018-07-26 パナソニックＩｐマネジメント株式会社 歩行転倒防止装置、歩行転倒防止装置の制御装置及び制御方法、並びに、歩行転倒防止装置用制御プログラム
WO2019069534A1 (ja) * 2017-10-05 2019-04-11 国立大学法人東北大学 最適弾性強度計算装置、最適弾性強度計算システム、運動補助システム、最適弾性強度計算方法および最適弾性強度計算プログラム記録媒体
WO2019116093A1 (en) * 2017-12-14 2019-06-20 Bionic Yantra Private Limited Apparatus and system for limb rehabitation

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2022249111A1 (en) * 2021-05-27 2022-12-01 Neurolutions, Inc. Stroke rehabilitation therapy predictive analysis

Also Published As

Publication number Publication date
US20210005319A1 (en) 2021-01-07
US11929173B2 (en) 2024-03-12
CN112185506A (zh) 2021-01-05
JP7211293B2 (ja) 2023-01-24

Similar Documents

Publication Publication Date Title
JP7211293B2 (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
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
JP7293915B2 (ja) 学習装置、歩行訓練装置、システム、方法、プログラム、及び学習済みモデル
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
JP2021009565A (ja) 状態推定プログラム、学習済みモデル、リハビリ支援システム、学習装置及び状態推定方法
CN112137839B (zh) 学习系统、步行训练系统、方法、程序、以及学习完毕模型
JP2019096157A (ja) レポート出力装置、システム、方法、及びプログラム
JP7211280B2 (ja) 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
JP2021007650A (ja) 支援動作計測システム、リハビリ支援システム、支援動作計測方法及びプログラム
CN112137837B (zh) 学习系统、步行训练系统、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
CN112137834B (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
A621 Written request for application examination

Free format text: JAPANESE INTERMEDIATE CODE: A621

Effective date: 20210827

A977 Report on retrieval

Free format text: JAPANESE INTERMEDIATE CODE: A971007

Effective date: 20220624

A131 Notification of reasons for refusal

Free format text: JAPANESE INTERMEDIATE CODE: A131

Effective date: 20220628

A521 Request for written amendment filed

Free format text: JAPANESE INTERMEDIATE CODE: A523

Effective date: 20220823

A131 Notification of reasons for refusal

Free format text: JAPANESE INTERMEDIATE CODE: A131

Effective date: 20220927

A521 Request for written amendment filed

Free format text: JAPANESE INTERMEDIATE CODE: A523

Effective date: 20221125

TRDD Decision of grant or rejection written
A01 Written decision to grant a patent or to grant a registration (utility model)

Free format text: JAPANESE INTERMEDIATE CODE: A01

Effective date: 20221213

A61 First payment of annual fees (during grant procedure)

Free format text: JAPANESE INTERMEDIATE CODE: A61

Effective date: 20221226

R151 Written notification of patent or utility model registration

Ref document number: 7211293

Country of ref document: JP

Free format text: JAPANESE INTERMEDIATE CODE: R151