JP6738249B2 - Gait analysis method and gait analysis device - Google Patents
Gait analysis method and gait analysis device Download PDFInfo
- Publication number
- JP6738249B2 JP6738249B2 JP2016176826A JP2016176826A JP6738249B2 JP 6738249 B2 JP6738249 B2 JP 6738249B2 JP 2016176826 A JP2016176826 A JP 2016176826A JP 2016176826 A JP2016176826 A JP 2016176826A JP 6738249 B2 JP6738249 B2 JP 6738249B2
- Authority
- JP
- Japan
- Prior art keywords
- data
- walking
- acceleration
- acceleration data
- moment
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
Images
Description
本発明は、歩行分析技術に関し、特に、歩行中の加速度を用いた分析技術に関する。 The present invention relates to gait analysis technology, and more particularly to analysis technology using acceleration during walking.
高齢者の筋力維持を図り健康寿命を長くするべく、歩行活動を促進する各種サービスが提供されている。ところが、不適切な歩行活動を続けた場合、膝や足首、股関節などを痛めてしまう可能性もある。そこで、被験者の運動状態や歩行状態を分析する手法が各種提案されている。 Various services are provided to promote walking activities in order to maintain the muscular strength of the elderly and extend their healthy life expectancy. However, if inappropriate walking activity is continued, the knees, ankles, and hip joints may be damaged. Therefore, various methods for analyzing the motion state and walking state of the subject have been proposed.
例えば、下記特許文献１には、運動特性モデルと予め用意された基準モデルとの比較により被験者の運動特性を評価する手法が開示されている。この手法で、運動特性モデルを決定するために、足底部にかかる圧力、各足底部と胴部との位置関係の遷移及び重心高さを用いて、被験者の前後方向と直交する垂直面での重心位置を推測してその遷移を得て、かつ、その垂直面での重心に作用するモーメントを求めることが開示されている。
下記特許文献２には、歩行者の膝関節を挟むよう取り付けされたセンサにより測定された加速度又は角速度に基づいて、歩行者の膝関節の関節角度を求め、この関節角度により歩行者の歩行状態を評価することが開示されている。
なお、非特許文献１及び２については後述する。
For example,
In Patent Document 2 below, the joint angle of the pedestrian's knee joint is obtained based on the acceleration or the angular velocity measured by a sensor attached so as to sandwich the pedestrian's knee joint, and the pedestrian's walking state is determined by this joint angle. Is disclosed.
高齢者で罹患率の高い症例の一つに、変形性膝関節症がある。変形性膝関節症は、膝に痛みを生じさせ、歩行を阻害するため、健康寿命を縮める大きな原因の一つとされている。一方で、変形性膝関節症の発症に、歩行時に膝関節にかかる内反又は外反モーメントが関与することが知られている。
しかしながら、膝関節のモーメントを測定するためには、モーションキャプチャ技術や床反力計を用いた高度な機器又はシステムが必要となっている。
Osteoarthritis of the knee is one of the cases with high morbidity in the elderly. Osteoarthritis of the knee is one of the major causes of shortening a healthy life expectancy because it causes pain in the knee and inhibits gait. On the other hand, it is known that the varus or valgus moment applied to the knee joint during walking is involved in the onset of knee osteoarthritis.
However, in order to measure the moment of the knee joint, sophisticated equipment or system using motion capture technology or floor reaction force meter is required.
本発明は、このような課題に鑑みてなされたものであり、歩行中に膝関節に生じるモーメント（以降、膝関節モーメントと略称する場合もある）を簡易に取得可能な技術を提供する。 The present invention has been made in view of such a problem, and provides a technique capable of easily acquiring a moment (hereinafter, may be simply referred to as a knee joint moment) generated in a knee joint during walking.
本発明の各態様では、上述した課題を解決するために、それぞれ以下の構成を採用する。 In each aspect of the present invention, the following configurations are adopted to solve the problems described above.
第一の態様は歩行分析方法に関する。第一の態様に係る歩行分析方法は、歩行中の被験者の腰部における加速度データを取得する取得工程と、母集団から予め測定された歩行サンプルデータの統計情報及び前記取得工程で取得された加速度データを用いて、歩行中に前記被験者の膝関節に生ずる内反モーメント最大値を推定する推定工程とを含む。
The first aspect relates to a gait analysis method. The gait analysis method according to the first aspect is an acquisition step of acquiring acceleration data in a waist of a subject during walking, statistical information of gait sample data measured in advance from a population, and acceleration data acquired in the acquisition step. Is used to estimate the inversion moment maximum value that occurs in the knee joint of the subject during walking.
第二の態様は歩行分析装置に関する。第二の態様に係る歩行分析装置は、歩行中の被験者の腰部における加速度データを取得する取得手段と、母集団から予め測定された歩行サンプルデータの統計情報を格納する格納手段と、前記統計情報及び前記取得された加速度データを用いて、歩行中に前記被験者の膝関節に生ずる内反モーメント最大値を算出する算出手段と、を備える。
The second aspect relates to a gait analysis device. The gait analysis device according to the second aspect is an acquisition unit that acquires acceleration data in a waist of a subject who is walking, a storage unit that stores statistical information of gait sample data measured in advance from a population, and the statistical information. And a calculating unit that calculates the maximum value of the inversion moment generated in the knee joint of the subject while walking using the obtained acceleration data.
なお、本発明の別態様は、上記第一態様に係る方法をコンピュータに実行させるプログラム、又はこのようなプログラムを記録したコンピュータが読み取り可能な記憶媒体である。この記録媒体は、非一時的な有形の媒体を含む。 Another aspect of the present invention is a program that causes a computer to execute the method according to the first aspect, or a computer-readable storage medium that records such a program. The recording medium includes a non-transitory tangible medium.
上記各態様によれば、歩行中に膝関節に生じるモーメントを簡易に取得可能な技術を提供することができる。 According to each of the above aspects, it is possible to provide a technique capable of easily acquiring the moment generated in the knee joint during walking.
以下、本発明の実施の形態について説明する。なお、以下に挙げる各実施形態はそれぞれ例示であり、本発明は以下の各実施形態の構成に限定されない。 Hereinafter, embodiments of the present invention will be described. It should be noted that the following respective embodiments are merely examples, and the present invention is not limited to the configurations of the respective embodiments below.
［第一実施形態］
〔歩行分析方法〕
まずは、第一実施形態における歩行分析方法（以下、第一方法と略称する場合もある）について説明する。図１は、第一実施形態における歩行分析方法を示すフローチャートである。
図１に示されるように、第一方法は、歩行中の被験者の腰部における加速度データを取得する工程（Ｓ１１）と、母集団から予め測定された歩行サンプルデータの統計情報及び工程（Ｓ１１）で取得された加速度データを用いて、歩行中に当該被験者の膝関節に生ずるモーメントを推定する工程（Ｓ１２）と、を含む。
[First embodiment]
[Walking analysis method]
First, the gait analysis method in the first embodiment (hereinafter, sometimes abbreviated as the first method) will be described. FIG. 1 is a flowchart showing the gait analysis method in the first embodiment.
As shown in FIG. 1, the first method includes a step (S11) of obtaining acceleration data in the waist of a walking subject and statistical information of walking sample data measured in advance from a population and a step (S11). Using the acquired acceleration data, a step of estimating a moment generated in the knee joint of the subject during walking (S12).
ここで、「腰部」とは、腰及びその周辺を意味する。腰は、脊柱の下部から骨盤周辺までの背中側の部位を意味する。ここでの「腰部」は、このような所謂「腰」に加えて、その腰から腹部までの所謂「腰周り」を含み、更には、「腰回り」の周辺も含む。「腰回り」の周辺は、腰と一体的に動く部位を含む範囲であることが好ましい。
工程（Ｓ１１）で取得される加速度データは、加速度の時系列データであり、加速度は一以上の方向成分で示される。言い換えれば、当該加速度データは、任意の時間内で計測された一以上の方向の加速度値の集合である。なお、当該加速度データは、或る一時点における或る一方向の加速度値であってもよい。
Here, the “waist portion” means the waist and its periphery. The lower back refers to the region on the back side from the lower part of the spinal column to the pelvic region. The "waist" here includes, in addition to such a so-called "waist", a so-called "waist around" from the waist to the abdomen, and further includes the periphery of the "waist". The periphery of the "waist" is preferably a range including a part that moves integrally with the waist.
The acceleration data acquired in the step (S11) is acceleration time series data, and the acceleration is indicated by one or more direction components. In other words, the acceleration data is a set of acceleration values in one or more directions measured within an arbitrary time. The acceleration data may be an acceleration value in a certain one direction at a certain temporary point.
工程（Ｓ１１）における加速度データの取得方法は限定されない。
例えば、被験者の腰部に装着された加速度センサにより計測された加速度値群が加速度データとして取得される。この場合、スマートフォンやパーソナルコンピュータ（以降、ＰＣと表記する）などのようなコンピュータが、加速度センサと通信することにより、当該加速度データを取得することができる。工程（Ｓ１１）の実行主体は、当該加速度センサを内蔵する装置であってもよい。
また、モーションキャプチャ技術を用いて当該加速度データが算出されてもよい。具体的には、コンピュータ又はセンサが、モーションキャプチャ技術により被験者の腰部の位置の軌跡データを測定し、その測定された位置の軌跡データを微分演算することにより、加速度データを算出することができる。腰部の位置情報は、被験者の腰部に取り付けられたマーカを検出することで得られてもよいし、Ｋｉｎｅｃｔ（登録商標）センサなどのようにマーカを用いず被験者画像から検出することもできる。
The method of acquiring the acceleration data in the step (S11) is not limited.
For example, an acceleration value group measured by an acceleration sensor attached to the waist of the subject is acquired as acceleration data. In this case, a computer such as a smartphone or a personal computer (hereinafter, referred to as a PC) can acquire the acceleration data by communicating with the acceleration sensor. The execution subject of the step (S11) may be a device incorporating the acceleration sensor.
Further, the acceleration data may be calculated using a motion capture technique. Specifically, the computer or the sensor measures the trajectory data of the position of the lumbar region of the subject by the motion capture technique, and differentiates the trajectory data of the measured position to calculate the acceleration data. The waist position information may be obtained by detecting a marker attached to the waist of the subject, or may be detected from the subject image without using a marker such as a Kinect (registered trademark) sensor.
第一方法は、工程（Ｓ１２）において、工程（Ｓ１１）で取得された加速度データを用いて、被験者の歩行中の膝関節モーメントを推定する。
図２は、膝関節モーメントを概念的に示す図である。図２に示されるように、膝関節モーメントは、膝において前額面に直交する軸（人体の前後方向に延びる軸）Ａｘの周りに生じる回転力であり、反時計回りの内反モーメント及び時計回りの外反モーメントのいずれか一方又は両方である。Ｏ脚の膝関節では内反モーメントが優位となり、Ｘ脚の膝関節では外反モーメントが優位となる傾向があること、内反又は外反モーメントにより膝関節の内側又は外側がすり減ることで、変形性膝関節症が発症することなど知られている。
In the step (S12), the first method estimates the knee joint moment of the subject during walking using the acceleration data acquired in the step (S11).
FIG. 2 is a diagram conceptually showing the knee joint moment. As shown in FIG. 2, the knee joint moment is a rotational force generated around an axis (axis extending in the anteroposterior direction of the human body) Ax orthogonal to the frontal plane in the knee, and is a counterclockwise inversion moment and a clockwise rotation. Either or both of the valgus moments of. The inversion moment tends to be dominant in the knee joint of the O-leg, and the valgus moment tends to be dominant in the knee joint of the X-leg, and the inside or outside of the knee joint is worn away by the inversion or valgus moment, which causes deformation. It is known that gonarthrosis develops.
工程（Ｓ１２）で推定されるモーメントは、体重などの体格データで正規化されたものであってもよいし、正規化されないもの（Ｎｍ（ニュートンメートル））であってもよい。
また、工程（Ｓ１２）で推定されるモーメントは、右膝関節及び左膝関節のいずれか一方でもよいし、その両方でもよい。
膝関節モーメントは、一歩行周期中においても逐次変化する。
ここで、「一歩行周期」とは、いずれか一方の足が着床してから、再度、着床するまでの歩行期間を意味する。但し、一歩行周期の開始時点は、足が着床した時でなくてもよく、任意である。
図３は、一般的な一歩行周期を概念的に示す図である。一歩行周期は、片脚に着目した場合、立脚期と遊脚期とから形成される。立脚期はその片脚が着床している期間であり、遊脚期はその片脚が離床している期間である。立脚期は、更に、踵接地期（着床時）、立脚中期及び踏みきり期から形成される。
例えば、右膝関節のモーメントは、右脚における立脚期と遊脚期とでは異なり、立脚期の中でも踵接地期と立脚中期と踏みきり期とでは異なる。このため、工程（Ｓ１２）で推定される膝関節モーメントは、歩行中の予め決められた又は任意の時点におけるモーメントであってもよいし、予め決められた期間の最大又は最小モーメントであってもよいし、当該期間の平均モーメントであってもよい。目的に応じた膝関節モーメントが推定されればよい。
The moment estimated in the step (S12) may be normalized by body data such as weight, or may not be normalized (Nm (Newton meter)).
Further, the moment estimated in the step (S12) may be either one of the right knee joint and the left knee joint, or both of them.
The knee joint moment changes sequentially during one walking cycle.
Here, "one walking cycle" means a walking period from the landing of one of the feet to the landing again. However, the start point of one walking cycle is not limited to when the foot is landed, and is arbitrary.
FIG. 3 is a diagram conceptually showing one general walking cycle. One gait cycle is formed from a stance phase and a swing phase when focusing on one leg. The stance phase is the period when one leg is in bed, and the swing phase is the period when one leg is out of bed. The stance phase is further formed from the heel ground contact phase (at the time of landing), the middle stance phase and the trampling phase.
For example, the moment of the right knee joint is different between the stance phase and the swing phase in the right leg, and is different between the heel ground contact phase, the mid stance phase, and the trampled phase among the stance phases. Therefore, the knee joint moment estimated in step (S12) may be a moment at a predetermined time or an arbitrary time during walking, or may be a maximum or minimum moment during a predetermined period. It may be the average moment of the period. It suffices to estimate the knee joint moment according to the purpose.
工程（Ｓ１２）では、工程（Ｓ１１）で取得された加速度データに加えて、母集団から予め測定された歩行サンプルデータの統計情報を用いて、当該膝関節モーメントが推定される。
ここで、「歩行サンプルデータ」は、母集団を形成する歩行中の各人から測定可能なデータであって、歩行中の当該各人の膝関節モーメントを導出可能なデータである。「歩行サンプルデータ」には、歩行中の当該各人の腰部の加速度又はその加速度を導出可能なデータが含まれていることが好ましく、体格データ等、母集団に関するそれら以外のデータが含まれていてもよい。
膝関節モーメントの求め方には、公知の任意な手法が利用されればよい。例えば、膝関節モーメント値は、床反力のみから近似算出できること、関節位置、関節加速度（角速度）、身体パラメータなどを更に用いても算出できることが知られている（非特許文献１参照）。よって、例えば、歩行サンプルデータは、母集団の歩行中の各人の腰部及び膝部の位置データ又は加速度データ、並びに床反力データである。
In step (S12), the knee joint moment is estimated using the statistical information of the walking sample data measured in advance from the population in addition to the acceleration data acquired in step (S11).
Here, the “walking sample data” is data that can be measured from each walking person who forms the population, and data that can derive the knee joint moment of each walking person. It is preferable that the "walking sample data" includes acceleration of the waist of each person during walking or data that can derive the acceleration, and includes data other than those regarding the population such as physique data. May be.
Any known method may be used to obtain the knee joint moment. For example, it is known that the knee joint moment value can be approximately calculated only from the floor reaction force, and can also be calculated by further using the joint position, joint acceleration (angular velocity), body parameter, etc. (see Non-Patent Document 1). Therefore, for example, the walking sample data is the position data or acceleration data of the waist and knees of each person during walking of the population, and floor reaction force data.
工程（Ｓ１２）で用いられる「歩行サンプルデータの統計情報」は、腰部の加速度と膝関節モーメントとの因果関係に基づいて歩行サンプルデータを統計処理することにより得られる情報である。腰部の加速度と膝関節モーメントとの因果関係は、本発明者らにより新たに見出されたものであり、例えば、このような因果関係に基づく回帰分析により得られる回帰式が当該統計情報の一例として挙げられる。この例では、当該統計情報は、歩行中の腰部の加速度値を説明変数とし、歩行中の膝関節モーメント値を目的変数とする単回帰式又は重回帰式に該当する。「歩行サンプルデータの統計情報」がそのような回帰式である場合、第一方法は、工程（Ｓ１２）において、その回帰式に工程（Ｓ１１）で取得された加速度データを代入することで、被験者の膝関節モーメントを推定する。 The "statistical information of walking sample data" used in the step (S12) is information obtained by statistically processing the walking sample data based on the causal relationship between the acceleration of the waist and the knee joint moment. The causal relationship between the waist acceleration and the knee joint moment has been newly found by the present inventors. For example, a regression equation obtained by a regression analysis based on such a causal relationship is an example of the statistical information. As. In this example, the statistical information corresponds to a single regression equation or a multiple regression equation in which the acceleration value of the waist during walking is an explanatory variable and the knee joint moment value during walking is an objective variable. When the “statistical information of the walking sample data” is such a regression equation, the first method is to substitute the acceleration data acquired in the step (S11) into the regression equation in the step (S12) to obtain the subject. Estimate the knee joint moment of.
また、歩行中の加速度データの中でも、一歩行周期中の局所的な複数タイミングにおける加速度データが、歩行中の膝関節モーメントとより強い因果関係を示すことが本発明者らに見出された。よって、工程（Ｓ１２）では、工程（Ｓ１１）で取得された加速度データから得られる、一歩行周期中の予め定められた複数タイミングの各々における加速度データを用いて、当該膝関節モーメントを推定することが好ましい。 Further, among the acceleration data during walking, it was found by the present inventors that the acceleration data at a plurality of local timings during one walking cycle have a stronger causal relationship with the knee joint moment during walking. Therefore, in the step (S12), the knee joint moment is estimated by using the acceleration data obtained from the acceleration data obtained in the step (S11) at each of a plurality of predetermined timings during one walking cycle. Is preferred.
一歩行周期中の膝関節モーメントは、その膝関節のある脚の立脚期のほうが、その脚の遊脚期よりも大きくなる。また、腰部においても右腰部と左腰部とでは歩行中における動きが異なり、右腰部は右脚と連動性が高く、左腰部は左脚と連動性が高い。即ち、右腰部の加速度は、左膝関節よりも右膝関節のモーメントと強く連関し、左腰部の加速度は、右膝関節よりも左膝関節のモーメントと強く連関する。
そこで、工程（Ｓ１２）では、工程（Ｓ１１）で右腰部の加速度データが取得される場合には、右の立脚期内から予め定められた複数タイミングの各々における加速度データを用いて、歩行中に当該被験者の右膝関節に生じるモーメントを推定し、左腰部の加速度データが取得される場合には、左の立脚期内から予め定められた複数タイミングの各々における加速度データを用いて、歩行中に当該被験者の左膝関節に生じるモーメントを推定することが好ましい。これにより、一歩行周期中の膝関節のモーメントの大きさを高精度に推定することができる。
The knee joint moment during one walking cycle is larger in the stance phase of the leg with the knee joint than in the swing phase of the leg. Also, in the waist, the right waist and the left waist have different movements during walking, the right waist is highly interlocking with the right leg, and the left waist is highly interlocking with the left leg. That is, the acceleration of the right waist is more strongly associated with the moment of the right knee joint than the left knee joint, and the acceleration of the left waist is more strongly associated with the moment of the left knee joint than the right knee joint.
Therefore, in the step (S12), when the acceleration data of the right lower back part is acquired in the step (S11), the acceleration data at each of a plurality of predetermined timings from within the right stance period is used during walking. When the moment generated in the right knee joint of the subject is estimated and the acceleration data of the left waist is acquired, the acceleration data at each of a plurality of predetermined timings from within the left stance phase is used during walking. It is preferable to estimate the moment generated in the left knee joint of the subject. Thereby, the magnitude of the moment of the knee joint during one walking cycle can be estimated with high accuracy.
更に、本発明者らにより、上述の複数タイミングが加速度の二以上の方向成分毎に個別に定められる場合に、加速度データと膝関節モーメントとがより強い因果関係を示すことが見出された。これにより、工程（Ｓ１２）では、二以上の方向成分の各々について個別に予め定められている各タイミングにおける、当該方向の加速度値を用いて、膝関節モーメントを推定することがより好ましい。これにより、膝関節モーメントの推定精度を一層向上させることができる。 Furthermore, the present inventors have found that the acceleration data and the knee joint moment have a stronger causal relationship when the above-described plurality of timings are individually determined for each of two or more directional components of acceleration. Therefore, in the step (S12), it is more preferable to estimate the knee joint moment by using the acceleration value in the direction at each timing individually predetermined for each of the two or more direction components. Thereby, the estimation accuracy of the knee joint moment can be further improved.
上述の「一歩行周期中の局所的な複数タイミング」の各々は、或る一時点であってもよいし、任意の時間幅を持つ期間であってもよい。当該「複数タイミング」の各々は、相互に異なる時間幅を有していてもよい。
当該複数タイミングの各々が、個別に予め定められた時間幅を有する場合、工程（Ｓ１２）では、当該複数タイミングの各々の時間幅内における同一方向の加速度値の平均値を用いて、膝関節モーメントを推定すればよい。
Each of the above-mentioned "local multiple timings in one walking cycle" may be a certain temporary point or may be a period having an arbitrary time width. Each of the "plurality of timings" may have different time widths.
When each of the plurality of timings has a predetermined time width individually, in step (S12), the knee joint moment is calculated using the average value of acceleration values in the same direction within each time width of the plurality of timings. Can be estimated.
また、工程（Ｓ１１）で取得された加速度データの中の一歩行周期は、その取得された加速度データに含まれる鉛直の方向成分に基づいて特定することができる。例えば、当該加速度データが示す鉛直方向の加速度の極大値を検出し、時系列に並ぶ極大値間が一歩行周期として特定される。鉛直方向の加速度の極大値は、対象の脚の着床時、即ち踵接地時に生じるため、或る脚の着床時からその脚の次の着床時までの間を、時系列に並ぶ極大値間で特定することができる。
よって、第一方法は、工程（Ｓ１１）で取得された加速度データが示す鉛直の方向成分に基づいて、その加速度データの中の一歩行周期を特定する工程を更に含んでもよい。この場合、工程（Ｓ１２）では、その工程で特定された一歩行周期中の加速度データから、当該複数タイミングの各々における加速度データを特定して用いることができる。
なお、一歩行周期の特定は他の方法で実現することもできる。例えば、モーションキャプチャ技術を用いて、右足（又は右脚）及び左足（又は左脚）の所定箇所の位置の軌跡を検出し、右足と左足との位置関係から一歩行周期を特定することもできる。また、右足と右膝との位置関係から一歩行周期を特定することもできる。更に、被験者に、一歩行周期の開始時点と終了時点とにおいて、ボタン操作、発声などの所定動作を実施させ、その所定動作を検出することで、一歩行周期を特定することもできる。
Further, one walking cycle in the acceleration data acquired in the step (S11) can be specified based on the vertical direction component included in the acquired acceleration data. For example, the maximum value of the vertical acceleration indicated by the acceleration data is detected, and the maximum value arranged in time series is specified as one walking cycle. The maximum value of the vertical acceleration occurs when the target leg is landing, that is, when the heel touches the ground.Therefore, from the time of landing of one leg to the time of the next landing of that leg, the maximum values are arranged in time series. It can be specified between values.
Therefore, the first method may further include a step of identifying one walking cycle in the acceleration data based on the vertical direction component indicated by the acceleration data acquired in the step (S11). In this case, in the step (S12), the acceleration data at each of the plurality of timings can be specified and used from the acceleration data in one walking cycle specified in the step.
Note that the specification of one walking cycle can be realized by other methods. For example, a motion capture technique may be used to detect the loci of positions of predetermined positions of the right foot (or right leg) and the left foot (or left leg), and specify one walking cycle from the positional relationship between the right foot and the left foot. .. Further, one walking cycle can be specified from the positional relationship between the right foot and the right knee. Further, it is possible to specify one walking cycle by causing the subject to perform a predetermined operation such as button operation or vocalization at the start time and the end time of one walking cycle and detecting the predetermined operation.
このように第一実施形態では、腰部の加速度と膝関節モーメントとの因果関係に基づいて歩行サンプルデータを統計処理することにより得られる統計情報と、歩行中の被験者の腰部における加速度データとを用いて、その被験者の歩行中の膝関節モーメントが推定される。歩行中の腰部の加速度データは、加速度センサやＫｉｎｅｃｔ（登録商標）センサのようなセンサにより取得可能であるため、第一実施形態によれば、床反力計などを用いる手法に比べて、より簡易に歩行中の膝関節モーメントを推定することができる。
また、膝自体の加速度データに比べて、腰部の加速度データは、ノイズが少ないため、第一実施形態によれば推定精度の低下を防ぐことができるということもできる。膝は、歩行中に腰部よりも様々な方向に激しく動くため、膝の加速度には、膝関節モーメントに相関のない様々な成分が含まれ得るからである。
更に、加速度センサの装着のし易さにより、腰部の加速度データを得るほうが、膝の加速度データを得るよりも、被験者への負担を軽減することになり、第一方法において高いユーザビリティを実現することができる。
As described above, in the first embodiment, the statistical information obtained by statistically processing the walking sample data based on the causal relationship between the waist acceleration and the knee joint moment and the acceleration data in the waist of the walking subject are used. Then, the knee joint moment of the subject during walking is estimated. Acceleration data of the waist during walking can be acquired by a sensor such as an acceleration sensor or a Kinect (registered trademark) sensor. Therefore, according to the first embodiment, compared to a method using a floor reaction force meter, etc. The knee joint moment during walking can be easily estimated.
Further, since the acceleration data of the waist has less noise than the acceleration data of the knee itself, it can be said that the estimation accuracy can be prevented from lowering according to the first embodiment. This is because the knee moves more violently in various directions than the waist during walking, and thus the acceleration of the knee may include various components uncorrelated with the knee joint moment.
Furthermore, due to the ease of wearing the acceleration sensor, obtaining the acceleration data of the waist reduces the burden on the subject rather than obtaining the acceleration data of the knee, and realizes high usability in the first method. You can
〔歩行分析装置〕
次に、第一実施形態における歩行分析装置（以降、第一装置と表記する場合がある）について説明する。第一装置は、上述の第一方法を実行することができる。
[Walking analyzer]
Next, the gait analysis device in the first embodiment (hereinafter sometimes referred to as the first device) will be described. The first device can perform the first method described above.
図４は、第一実施形態における歩行分析装置１０のハードウェア構成例を概念的に示す図である。
第一装置１０は、いわゆるコンピュータであり、例えば、バスで相互に接続される、ＣＰＵ（Central Processing Unit）１１、メモリ１２、入出力インタフェース（Ｉ／Ｆ）１３、通信ユニット１４等を有する。第一装置１０を形成する各ハードウェア要素の数はそれぞれ制限されず、これらハードウェア要素は情報処理回路と総称することもできる。また、第一装置１０は、図４に図示されないハードウェア要素を含んでもよく、第一装置１０のハードウェア構成は制限されない。
FIG. 4 is a diagram conceptually showing a hardware configuration example of the
The
ＣＰＵ１１は、一般的なＣＰＵ以外に、特定用途向け集積回路（ＡＳＩＣ）、ＤＳＰ（Digital Signal Processor）、ＧＰＵ（Graphics Processing Unit）等で構成してもよい。
メモリ１２は、ＲＡＭ（Random Access Memory）、ＲＯＭ（Read Only Memory）、補助記憶装置（ハードディスク等）である。
入出力Ｉ／Ｆ１３は、出力装置１５、入力装置１６等のユーザインタフェース装置と接続可能である。出力装置１５は、ＬＣＤ（Liquid Crystal Display）やＣＲＴ（Cathode Ray Tube）ディスプレイのような、ＣＰＵ１１等により処理された描画データに対応する画面を表示する装置、印刷装置などの少なくとも一つである。入力装置１６は、キーボード、マウス等のようなユーザ操作の入力を受け付ける装置である。出力装置１５及び入力装置１６は一体化され、タッチパネルとして実現されてもよい。
通信ユニット１４は、他のコンピュータとの通信網を介した通信や、他の機器との信号のやりとり等を行う。通信ユニット１４には、可搬型記録媒体等も接続され得る。また、通信ユニット１４には、加速度センサ１７又はカメラ（図示せず）が接続されてもよい。
また、第一装置１０は、加速度センサ１７を内蔵する機器であってもよい。
The
The
The input/output I/
The
Further, the
図５は、第一実施形態における歩行分析装置１０の処理構成例を概念的に示す図である。
第一装置１０は、取得部２１、情報格納部２３、算出部２５等を有する。これら処理モジュールは、ソフトウェア要素であり、例えば、メモリ１２に格納されるプログラムがＣＰＵ１１により実行されることにより実現される。このプログラムは、例えば、ＣＤ（Compact Disc）、メモリカード等のような可搬型記録媒体やネットワーク上の他のコンピュータから入出力Ｉ／Ｆ１３又は通信ユニット１４を介してインストールされ、メモリ１２に格納されてもよい。
FIG. 5 is a diagram conceptually illustrating a processing configuration example of the
The
取得部２１は、歩行中の被検者の腰部における加速度データを取得する。即ち、取得部２１は、上述の工程（Ｓ１１）を実行する。「腰部」及び「加速度データ」については上述したとおりである。
被験者の腰部に加速度センサ１７が装着される場合、取得部２１は、加速度センサ１７により計測された加速度データを取得する。このとき、取得部２１は、通信ユニット１４に無線又は有線で接続された加速度センサ１７と通信を行うことにより、加速度センサ１７から加速度データを取得することができる。また、取得部２１は、クラウドサービス又は可搬型記録媒体を介して、当該加速度データを取得してもよい。
第一装置１０が加速度センサ１７を内蔵する場合、取得部２１は、加速度センサ１７により計測された加速度データを内部バスを通じて取得することができる。
また、取得部２１は、モーションキャプチャ技術を用いて当該加速度データを算出することもできる。例えば、取得部２１は、通信ユニット１４を経由して歩行中の被験者の映像データを受信し、その映像データから被験者の腰部を検出する。取得部２１は、その検出情報に基づいて被験者の腰部における位置の軌跡データを取得し、その位置の軌跡データを微分演算することにより当該加速度データを算出することもできる。
The
When the
When the
The
情報格納部２３は、母集団から予め測定された歩行サンプルデータの統計情報を格納する。「歩行サンプルデータ」及び「歩行サンプルデータの統計情報」については、上述のとおりである。「歩行サンプルデータの統計情報」は、第一装置１０により生成されてもよいし、他のコンピュータにより生成されてもよい。
The information storage unit 23 stores statistical information of gait sample data measured in advance from a population. The “walking sample data” and the “statistical information of the walking sample data” are as described above. The “statistical information of walking sample data” may be generated by the
算出部２５は、情報格納部２３により格納されている歩行サンプルデータの統計情報と取得部２１により取得された加速度データを用いて、歩行中に被験者の膝関節に生じるモーメント値を算出する。即ち、算出部２５は、上述の工程（Ｓ１２）を実行する。
The
算出部２５による当該モーメント値の算出方法は、工程（Ｓ１２）について述べた膝関節モーメントの推定方法と同様である。
例えば、算出部２５は、取得部２１により取得された加速度データから得られる、一歩行周期中の予め定められた複数タイミングの各々における加速度データを用いて、当該モーメント値を算出する。
また、取得部２１により取得される加速度データが直交する二以上の方向成分を含む場合、算出部２５は、当該二以上の方向成分の各々について個別に予め定められている各タイミングにおける、当該方向の加速度値を用いて、モーメント値を算出することが好ましい。
更に言えば、取得部２１により右腰部の加速度データが取得される場合、算出部２５は、右の立脚期内から予め定められた複数タイミングの各々における加速度データを用いて、歩行中に被験者の右膝関節に生じるモーメント値を算出することが好ましい。取得部２１により左腰部の加速度データが取得される場合には、算出部２５は、左の立脚期内から予め定められた複数タイミングの各々における加速度データを用いて、歩行中に被験者の左膝関節に生じるモーメント値を算出することが好ましい。これらの根拠については上述したとおりである。
当該複数タイミングの各々が個別に予め定められた時間幅を有する場合、算出部２５は、当該複数タイミングの各々の時間幅内における同一方向の加速度値の平均値を算出し、算出された平均値を用いてモーメント値を算出すればよい。
また、算出部２５は、取得部２１により取得された加速度データが示す鉛直の方向成分に基づいて、当該加速度データの中の一歩行周期を特定し、特定された一歩行周期中の加速度データから、当該複数タイミングの各々における加速度データを特定することができる。鉛直の方向成分を用いた一歩行周期の特定手法についても上述したとおりである。
The method of calculating the moment value by the
For example, the
When the acceleration data acquired by the
Further speaking, when the
When each of the plurality of timings has a predetermined time width individually, the
In addition, the
第一装置１０は、算出部２５により算出されたモーメント値を出力装置１５に出力させることができる。これにより、モーメント値は、表示、音声、印刷などの様々な態様で出力され得る。
第一装置１０によれば、上述の第一方法が実行されるため、上述の第一方法と同様の効果を得ることができる。
The
According to the
［第二実施形態］
第二実施形態では、被験者の体格データを更に用いて体格データで正規化された膝関節モーメントを高精度に推定する。以下の説明では、第一実施形態と同様の内容については適宜省略し、第一実施形態と異なる内容を中心に説明する。
[Second embodiment]
In the second embodiment, the physique data of the subject is further used to estimate the knee joint moment normalized with the physique data with high accuracy. In the following description, the same contents as those in the first embodiment will be omitted as appropriate, and contents different from those in the first embodiment will be mainly described.
〔歩行分析方法〕
まずは、第二実施形態における歩行分析方法（以降、第二方法と略称する場合がある）について説明する。図６は、第二実施形態における歩行分析方法を示すフローチャートである。
図６に示されるように、第二方法は、被験者の体格データを取得する工程（Ｓ２１）、歩行中の被験者の腰部における加速度データを取得する工程（Ｓ２２）、及び歩行中に被験者の膝関節に生ずるモーメントを推定する工程（Ｓ２３）を含む。
[Walking analysis method]
First, a gait analysis method in the second embodiment (hereinafter, may be abbreviated as a second method) will be described. FIG. 6 is a flowchart showing the gait analysis method in the second embodiment.
As shown in FIG. 6, the second method is a step of obtaining physique data of the subject (S21), a step of obtaining acceleration data in the lumbar region of the subject during walking (S22), and a knee joint of the subject during walking. The step (S23) of estimating the moment to occur is included.
工程（Ｓ２１）における「体格データ」とは、被験者の体格を示し得る一種の値又は複数種の値群であり、例えば、身長、体重、腰の高さ、膝の高さ、脚の長さなどの少なくとも一種の値である。即ち、体格データは、体格値又は体格値群である。
工程（Ｓ２１）における体格データの取得手法は制限されない。
例えば、コンピュータが工程（Ｓ２１）を実行する場合、コンピュータは、体格データの入力画面を表示し、その画面に対するユーザの入力操作に応じて、体格データを取得することができる。また、コンピュータは、被験者情報を格納する外部のデータベースから被験者の体格データを入手することもできる。コンピュータは、接続される体重計から体重値を体格データとして取得してもよいし、画角が予め定められたカメラから得られる画像データに基づいて、被験者の画像情報を抽出し、この抽出された画像情報及び画角情報などに基づいて、被験者の身長、腰の高さ、膝の高さ、脚の長さなどの少なくとも一つを体格データとして算出することもできる。
"Physical data" in the step (S21) is one kind of value or a group of plural kinds of values that can show the physical constitution of the subject, and includes, for example, height, weight, waist height, knee height, leg length. Is at least one value such as. That is, the physique data is a physique value or a physique value group.
The method of acquiring the physique data in the step (S21) is not limited.
For example, when the computer executes the step (S21), the computer can display a physique data input screen and acquire the physique data in accordance with a user's input operation on the screen. The computer can also obtain the subject's physique data from an external database that stores subject information. The computer may obtain the weight value as a physique data from a connected scale, or it may extract the image information of the subject based on the image data obtained from a camera whose angle of view is predetermined, and the extracted image information may be extracted. It is also possible to calculate at least one of the height, waist height, knee height, leg length, etc. of the subject as the physique data based on the image information and the view angle information.
工程（Ｓ２２）は、第一方法における工程（Ｓ１１）と同様である。
工程（Ｓ２３）は、第一方法における工程（Ｓ１２）に対応し、以下の点で、工程（Ｓ１２）と異なる。
膝関節モーメントの推定に用いられる歩行サンプルデータの統計情報には、その母集団の体格データが反映されている。言い換えれば、母集団の各人に関する歩行サンプルデータ及び体格データを統計処理することにより得られる統計情報が用いられる。工程（Ｓ２３）では、工程（Ｓ２１）で取得された体格データ及び工程（Ｓ２２）で取得された加速度データ、並びに当該統計情報を用いて、体格データで正規化された膝関節モーメントを推定する。
The step (S22) is the same as the step (S11) in the first method.
The step (S23) corresponds to the step (S12) in the first method, and differs from the step (S12) in the following points.
The physical information of the population is reflected in the statistical information of the walking sample data used for estimating the knee joint moment. In other words, statistical information obtained by statistically processing the walking sample data and the physique data regarding each person in the population is used. In the step (S23), the knee joint moment normalized by the physique data is estimated using the physique data obtained in the step (S21), the acceleration data obtained in the step (S22), and the statistical information.
第二方法では、上記統計情報は、腰部の加速度及び体格情報の組み合わせとその体格情報で正規化された膝関節モーメントとの因果関係に基づいて生成される。この因果関係についても本発明者らにより新たに見出されたものである。例えば、当該統計情報は、母集団の歩行サンプルデータ及び体格データを少なくとも用いた重回帰分析により取得された重回帰式であって、一歩行周期中の複数タイミングにおける複数の加速度値及び一以上の体格値を説明変数とし、その一以上の体格値で正規化されたモーメント値を目的変数とする重回帰式である。この場合、工程（Ｓ２３）では、この重回帰式に、工程（Ｓ２１）で取得された体格データ及び工程（Ｓ２２）で取得された加速度データを適用することにより、体格データで正規化されたモーメント値を算出することができる。 In the second method, the statistical information is generated based on the causal relationship between the combination of the waist acceleration and the physique information and the knee joint moment normalized by the physique information. This causal relationship has also been newly found by the present inventors. For example, the statistical information is a multiple regression equation acquired by multiple regression analysis using at least the walking sample data and the physique data of the population, and a plurality of acceleration values and one or more acceleration values at multiple timings in one walking cycle. It is a multiple regression equation in which a physique value is used as an explanatory variable and a moment value normalized by one or more physique values is used as an objective variable. In this case, in step (S23), by applying the physique data obtained in step (S21) and the acceleration data obtained in step (S22) to this multiple regression equation, the moment normalized by the physique data is applied. The value can be calculated.
このように、第二実施形態では、被験者の体格データが更に取得され、歩行中の腰部における加速度データ及びその体格データを用いて、体格データで正規化された膝関節モーメントが推定される。また、推定される膝関節モーメントは、体格データで正規化されているため、膝関節にかかる負荷を示す標準指標を得ることができる。
本第二実施形態では、被験者の腰部の加速度データ及び体格データを用いて、体格データで正規化された膝関節モーメントが推定された。しかしながら、膝関節モーメントは、体重や膝の長さなどの体格情報から影響を受けるため、加速度データ及び体格データを用いて、正規化されない膝関節モーメントを推定することも可能である。
Thus, in the second embodiment, the physique data of the subject is further acquired, and the knee joint moment normalized by the physique data is estimated using the acceleration data and the physique data of the waist during walking. Moreover, since the estimated knee joint moment is normalized by the physique data, it is possible to obtain a standard index indicating the load applied to the knee joint.
In the second embodiment, the knee joint moment normalized by the physique data is estimated using the acceleration data and the physique data of the waist of the subject. However, since the knee joint moment is affected by the physique information such as weight and knee length, it is possible to estimate the unnormalized knee joint moment using the acceleration data and the physique data.
〔歩行分析装置〕
以下、第二実施形態における歩行分析装置（以降、第二装置と略称する場合がある）について説明する。第二装置は、上述の第二方法を実行可能である。
第二装置のハードウェア構成及び処理構成は、第一装置と同様である（図４及び図５参照）。
[Walking analyzer]
Hereinafter, the gait analysis device in the second embodiment (hereinafter, may be abbreviated as a second device) will be described. The second device is capable of performing the second method described above.
The hardware configuration and processing configuration of the second device are the same as those of the first device (see FIGS. 4 and 5).
第二装置の取得部２１は、被験者の体格データを更に取得する。「体格データ」の定義及び取得部２１によるその体格データの取得手法については、上述の工程（Ｓ２１）と同様である。即ち、第二装置の取得部２１は、上述の工程（Ｓ２１）及び工程（Ｓ２２）を実行する。
第二装置の情報格納部２３に格納される統計情報は、上述したとおり、母集団の体格データを含む。言い換えれば、情報格納部２３は、母集団の各人に関する歩行サンプルデータ及び体格データを統計処理することにより得られる統計情報を格納する。
The
The statistical information stored in the information storage unit 23 of the second device includes the physique data of the population as described above. In other words, the information storage unit 23 stores statistical information obtained by statistically processing the walking sample data and the physique data regarding each person in the population.
第二装置の算出部２５は、取得部２１で取得された被験者の体格データを更に用いて、体格データで正規化された当該モーメント値を算出する。算出部２５による当該モーメント値の算出手法は、上述の工程（Ｓ２３）における正規化されたモーメントの推定手法と同様である。即ち、算出部２５は、上述の工程（Ｓ２３）を実行する。
例えば、情報格納部２３に格納される統計情報が、母集団の歩行サンプルデータ及び体格データを少なくとも用いた重回帰分析により取得された重回帰式であって、一歩行周期中の複数タイミングにおける複数の加速度値及び一以上の体格値を説明変数とし、当該一以上の体格値で正規化されたモーメント値を目的変数とする重回帰式を含む場合、算出部２５は、取得部２１により取得された加速度データ及び体格データをその重回帰式に適用することにより、体格データで正規化されたモーメント値を算出する。
The
For example, the statistical information stored in the information storage unit 23 is a multiple regression equation acquired by multiple regression analysis using at least the walking sample data and the physique data of the population, and is a plurality of times at a plurality of timings in one walking cycle. When the multiple regression equation in which the acceleration value and the one or more physique values are the explanatory variables and the moment value normalized by the one or more physique values is the objective variable is included, the
第二装置によれば、上述の第二方法が実行されるため、上述の第二方法と同様の効果を得ることができる。
以下に実施例を挙げ、上述の各実施形態を更に詳細に説明する。以下の実施例では、本発明者らにより行われた実験内容及び結果の一部を説明することで、上述の各実施形態の効果が実証される。なお、上述の各実施形態の内容は、以下の内容に限定されない。
According to the second device, since the above-mentioned second method is executed, the same effect as the above-mentioned second method can be obtained.
The above embodiments will be described in more detail with reference to examples. In the following examples, the effect of each of the above-described embodiments will be demonstrated by explaining the contents of the experiments conducted by the present inventors and part of the results. The content of each of the above-described embodiments is not limited to the following content.
歩行時に痛みがない自力で歩行可能な２０歳から７５歳の男女１５０名（男性７５名、女性７５名）が被験者の母集団とされ、この母集団が次のような第一群と第二群とに分類された。後述するように、第一群は、回帰式を取得するための群であり、第二群は、取得された回帰式を評価するための群である。
第一群：７５名（男性３７名、女性３８名）
第二群：７５名（男性３８名、女性３７名）
更に、第一群及び第二群の身体特性（年齢、身長、体重、ＢＭＩ）についてｔ検定を行い、両群の身体特性に有意な差が見られないことが確認された。
そして、上記母集団について次のような測定が行われた。なお、以下の測定をするにあたり、各被験者には前日の過度な運動と飲酒を控えるよう指示された。
A total of 150 males and females aged 20 to 75 years old (75 males and 75 females) who can walk by themselves without any pain during walking are defined as the subject population. It was classified into a group and. As will be described later, the first group is a group for acquiring the regression equation, and the second group is a group for evaluating the acquired regression equation.
First group: 75 (37 men, 38 women)
Second group: 75 (38 men, 37 women)
Furthermore, a t-test was performed on the physical characteristics (age, height, weight, BMI) of the first group and the second group, and it was confirmed that there was no significant difference in the physical characteristics of the two groups.
And the following measurement was performed about the said population. In the following measurements, each subject was instructed to refrain from excessive exercise and drinking on the previous day.
まず、被験者の右腰部（右腰部上前腸骨棘）及び右膝関節に反射マーカを取り付け、被験者の歩行中における反射マーカの位置をモーションキャプチャシステム（ＶＩＣＯＮ社製のＶＩＣＯＮ ＭＸシステム、ＶＩＣＯＮ ＮＥＸＵＳ）で計測した。更に、その歩行中に、被験者に床反力計（ＡＭＴＩ社製のＢＰ４００６００−１０００Ｐ）の上を通過させて、床反力を計測した。反射マーカの位置は２００ヘルツ（Ｈｚ）、床反力は１０００Ｈｚで計測された。
図７は、測定の様子を示す図である。図７に示されるように、被験者は、複数の所定部位に反射マーカを装着し、決められた場所を直線的に歩行する。被験者は、その歩行途中に設置されている床反力計ＦＲの上を通過する。図７に示される反射マーカの取り付け位置はあくまで例示であり、全ての反射マーカが利用されなくてもよい。
First, a reflex marker is attached to the right lumbar region (upper anterior iliac spine of the right lumbar region) and right knee joint of a subject, and the position of the reflex marker during walking of the subject is a motion capture system (VICON MX system manufactured by VICON, VICON NEXUS). It was measured at. Further, during the walking, the test subject was passed over a floor reaction force meter (BP400600-1000P manufactured by AMTI) to measure the floor reaction force. The position of the reflection marker was measured at 200 Hertz (Hz), and the floor reaction force was measured at 1000 Hz.
FIG. 7 is a diagram showing how the measurement is performed. As shown in FIG. 7, the test subject wears reflective markers on a plurality of predetermined regions and walks linearly at a predetermined place. The test subject passes over the floor reaction force meter FR installed on the way of the walk. The attachment positions of the reflection markers shown in FIG. 7 are merely examples, and not all the reflection markers may be used.
上述のように測定された各被験者の位置座標データ（時系列データ）及び床反力データは、次のように処理された。位置座標データのデータ間（測定間隔２００Ｈｚの狭間）は、適宜補間された。
前処理としてまず、両群の各被験者の位置座標データに対して、４次のＢｕｔｔｅｒｗｏｒｔｈローパスフィルタを適用することで、位置ブレ等のノイズが除去された。このときのカットオフ周波数は１０Ｈｚに設定された。以降の処理では、このようにノイズが除去された位置座標データが利用され、以下の説明では、それを単に位置座標データと略称する。
続いて、両群の各被験者の腰部の位置座標データから当該各被験者の腰部の加速度データがそれぞれ算出された。加速度データは、腰部の前後方向、左右方向、及び鉛直方向の方向成分について算出された。加速度の各方向成分は、位置座標を２回微分することで算出された。
そして、右足の着床に伴う鉛直方向の加速度の極値により、当該算出された加速度データの中から一歩行周期が切り出され、切り出された一歩行周期の加速度データを１０１等分（約１０ｍ秒間隔）に分割することで、被験者毎に合計３０３の加速度成分が抽出された。
また、床反力計による計測値に基づいて、両群の各被験者の体重値が抽出された。
The position coordinate data (time series data) and floor reaction force data of each subject measured as described above were processed as follows. The data between the position coordinate data (between the measurement intervals of 200 Hz) were appropriately interpolated.
As preprocessing, first, a noise such as position blur was removed by applying a fourth-order Butterworth low-pass filter to the position coordinate data of each subject in both groups. The cutoff frequency at this time was set to 10 Hz. In the subsequent processing, the position coordinate data from which noise has been removed in this way is used, and in the following description, this is simply referred to as position coordinate data.
Subsequently, the acceleration data of the waist of each subject was calculated from the position coordinate data of the waist of each subject of both groups. The acceleration data was calculated for the directional components of the waist in the front-rear direction, the left-right direction, and the vertical direction. Each direction component of the acceleration was calculated by differentiating the position coordinates twice.
Then, one walking cycle is cut out from the calculated acceleration data by the extreme value of the vertical acceleration accompanying the landing of the right foot, and the cut-out acceleration data of one walking cycle is divided into 101 equal parts (about 10 msec. By dividing into (intervals), a total of 303 acceleration components were extracted for each subject.
In addition, the weight value of each subject in both groups was extracted based on the measurement value by the floor reaction force meter.
次に、各被験者の位置座標データ及び床反力データを用いて、両群の各被験者について一歩行周期中の右膝関節内反モーメントの最大値がそれぞれ算出され、算出された最大値が各被験者の体重で正規化された。以降、この正規化された値が各被験者の右膝関節内反モーメント最大値として利用され、以下の説明でも、正規化された値が右膝関節内反モーメント最大値と表記される。
なお、上述の加速度データ及び右膝関節内反モーメントの算出手法は、国立研究開発法人産業技術総合研究所（ＡＩＳＴ）の歩行データベースにおける全身の歩行計測パターンに基づいている（非特許文献２参照）。
Next, using the position coordinate data and floor reaction force data of each subject, the maximum value of the right knee joint inversion moment during one walking cycle is calculated for each subject of both groups, and the calculated maximum value is Subjects were normalized by body weight. Hereinafter, this normalized value is used as the maximum value of the right knee joint inversion moment of each subject, and the normalized value is also referred to as the right knee joint inversion moment maximum value in the following description.
The above-described acceleration data and right knee inversion moment calculation method are based on the gait measurement pattern of the whole body in the walking database of the National Institute of Advanced Industrial Science and Technology (AIST) (see Non-Patent Document 2). ..
そして、第一群について算出された右膝関節内反モーメント最大値、一歩行周期の加速度データ（３０３成分）、及び体重値を重回帰分析することにより、重回帰式が求められた。具体的には、右膝関節内反モーメント最大値を目的変数とし、各被験者の体重値（ｋｇ）及び加速度データの中の特定成分を説明変数とする次のような重回帰式が得られた。
膝関節内反モーメント最大値（Ｎｍ／ｋｇ）
＝０．６４３＋（体重値）×（−０．００７）＋（Ｘ［１７−１９］）×（０．００８）＋（Ｘ［２４−２９］）×（０．０１８）＋（Ｙ［３−５］）×（−０．００４）＋（Ｙ［１８−２０］）×（０．００６）＋（Ｙ［２９−３１］）×（０．００３）＋（Ｚ［２５−２７］）×（−０．００４）
上記式において、Ｘ［］は、一歩行周期内の［］で示されるタイミングにおける左右方向の加速度の平均値を示し、Ｙ［］は、一歩行周期内の［］で示されるタイミングにおける前後方向の加速度の平均値を示し、Ｚ［］は、一歩行周期内の［］で示されるタイミングにおける鉛直方向の加速度の平均値を示す。ここでのタイミングは、一歩行周期全体を１００％とした時間率の範囲で示されている。例えば、Ｘ［２４−２９］は、一歩行周期内の時間率２４％から２９％までの間の左右方向の加速度の平均値を示す。
Then, a multiple regression equation was obtained by performing a multiple regression analysis of the maximum right knee joint inversion moment value calculated for the first group, the acceleration data (303 components) in one walking cycle, and the weight value. Specifically, the following multiple regression equation was obtained in which the maximum value of the inward moment of the right knee joint was used as the objective variable, and the weight component (kg) of each subject and the specific component in the acceleration data as the explanatory variables. ..
Maximum knee inversion moment (Nm/kg)
=0.643+(weight value)×(−0.007)+(X[17-19])×(0.008)+(X[24-29])×(0.018)+(Y[3 −5])×(−0.004)+(Y[18-20])×(0.006)+(Y[29-31])×(0.003)+(Z[25-27]) X (-0.004)
In the above formula, X[] indicates the average value of the acceleration in the left-right direction at the timing indicated by [] in one walking cycle, and Y[] indicates the front-back direction at the timing indicated by [] in one walking cycle. Represents the average value of acceleration, and Z[] represents the average value of acceleration in the vertical direction at the timing indicated by [] in one walking cycle. The timing here is shown in the range of the time rate when the entire walking cycle is 100%. For example, X[24-29] indicates the average value of the acceleration in the left-right direction between the time rates of 24% and 29% in one walking cycle.
重回帰分析はステップワイズ法により実施され、右膝関節内反モーメント最大値を高精度に説明する最適な説明変数が選択された。
特に、加速度データに関して、使うべき方向成分及び一歩行周期内のタイミング（時間率の範囲）については、右膝関節内反モーメント最大値との相関の度合が考慮された。
図８は、説明変数として選択された加速度成分を概念的に示す図である。
図８に示されるように、加速度の３つの各方向成分について個別に１以上のタイミング（時間率の範囲）が選択された。具体的には、加速度の左右方向成分については、２つのタイミング（時間率１７％から１９％の範囲及び時間率２４％から２９％の範囲）の各々の平均加速度値が選択され、加速度の前後方向成分については、３つのタイミング（時間率３％から５％の範囲、時間率１８％から２０％の範囲、及び時間率２９％から３１％の範囲）の各々の平均加速度値が選択され、加速度の鉛直方向成分については、１つのタイミング（時間率２５％から２７％の範囲）の平均加速度値が選択された。
また、図８に示されるように、本実施例では、右脚の立脚期の加速度が利用され、右脚の遊脚期の加速度は利用されなかった。これは、右膝関節の内反モーメントが推定対象とされているからと考えられる。
The multiple regression analysis was carried out by the stepwise method, and the optimal explanatory variable that highly accurately explained the maximum inversion moment of the right knee joint was selected.
In particular, regarding the acceleration data, the degree of correlation with the maximum value of the inversion moment of the right knee joint was considered for the direction component to be used and the timing (range of time rate) within one walking cycle.
FIG. 8 is a diagram conceptually showing an acceleration component selected as an explanatory variable.
As shown in FIG. 8, one or more timings (time rate range) were individually selected for each of the three directional components of acceleration. Specifically, for the left-right component of acceleration, the average acceleration value at each of two timings (time rate range of 17% to 19% and time rate range of 24% to 29%) is selected, and For the direction component, the average acceleration value at each of the three timings (time rate range of 3% to 5%, time rate range of 18% to 20%, and time rate range of 29% to 31%) is selected. For the vertical component of the acceleration, the average acceleration value at one timing (time rate range of 25% to 27%) was selected.
Further, as shown in FIG. 8, in the present embodiment, the acceleration of the right leg during the stance period was used, and the acceleration of the right leg during the swing period was not used. It is considered that this is because the inversion moment of the right knee joint is the estimation target.
図９は、第一群の測定データに基づく重回帰式の精度を示すグラフである。図９のグラフは、縦軸に、推定値、即ちその重回帰式に第一群の各被験者の右腰部の加速度データ及び体重値を代入することで推定される（算出される）右膝関節内反モーメント最大値を示し、横軸に、実測値、即ち第一群の各被験者の計測データ（床反力データを含む）から算出された右膝関節内反モーメント最大値を示す。推定値と実測値との相関度合を示す決定係数Ｒ２が０．７４であるため、上記重回帰式による膝関節内反モーメント最大値の推定精度が高いことが実証されている。 FIG. 9 is a graph showing the accuracy of the multiple regression equation based on the measurement data of the first group. In the graph of FIG. 9, the vertical axis represents the estimated value, that is, the right knee joint estimated (calculated) by substituting the acceleration data and the weight value of the right waist of each subject in the first group into the multiple regression equation. The maximum value of the varus moment is shown, and the horizontal axis shows the actual measurement value, that is, the maximum value of the varus moment of the right knee joint calculated from the measurement data (including the floor reaction force data) of each subject in the first group. Since the coefficient of determination R 2 indicating the degree of correlation between the estimated value and the actually measured value is 0.74, it has been proved that the estimation accuracy of the knee joint inversion moment maximum value by the multiple regression equation is high.
更に、第二群の測定データを用いて、上記重回帰式の精度が検証された。
図１０は、第二群の測定データに基づく重回帰式の精度を示すグラフである。図１０のグラフについても、図９と同様に、縦軸に推定値を示し、横軸に実測値を示す。
そして、第二群に関する推定値と実測値との決定係数Ｒ２が０．４１であるため、回帰式取得群（第一群）以外の測定データについても、上記重回帰式により膝関節内反モーメント最大値を高精度に推定できることが実証された。
Furthermore, the accuracy of the above multiple regression equation was verified using the measurement data of the second group.
FIG. 10 is a graph showing the accuracy of the multiple regression equation based on the measurement data of the second group. Also in the graph of FIG. 10, the estimated value is shown on the vertical axis and the measured value is shown on the horizontal axis, as in FIG.
Since the coefficient of determination R 2 between the estimated value and the actual measurement value regarding the second group is 0.41, the measurement data other than the regression equation acquisition group (first group) is also determined by the multiple regression equation using the knee joint varus. It was proved that the maximum moment can be estimated with high accuracy.
本実施例で挙げた内容は例示である。従って、推定される膝関節モーメントは、位置歩行周期中の最大値でなくてもよいし、体重による正規化をされていなくてもよい。また、膝関節モーメントの推定に用いられる加速度の方向成分及びそのタイミング（時間率の範囲）についても、本実施例の内容に限定されない。上述の各実施形態で述べるように、方向成分毎に同一タイミングの加速度値が用いられてもよいし、直交する三つの方向成分全てを利用せず、一又は二の方向成分が利用されてもよい。 The contents given in this embodiment are examples. Therefore, the estimated knee joint moment does not have to be the maximum value during the position walking cycle, and may not be normalized by the weight. Further, the directional component of acceleration and the timing (range of time rate) used for estimating the knee joint moment are not limited to the contents of this embodiment. As described in the above embodiments, acceleration values at the same timing may be used for each direction component, or one or two direction components may be used without using all three orthogonal direction components. Good.
なお、上述の説明で用いた複数のフローチャートでは、複数の工程（処理）が順番に記載されているが、各実施形態で実行される工程の実行順序は、その記載の順番に制限されない。例えば、図６に示される工程（Ｓ２１）と工程（Ｓ２２）とは、逆順で実行されてもよいし、並行して実行されてもよい。各実施形態では、図示される工程の順番を内容的に支障のない範囲で変更することができる。また、上述の各実施形態は、内容が相反しない範囲で組み合わせることができる。 Note that in the plurality of flowcharts used in the above description, a plurality of steps (processes) are described in order, but the execution order of the steps executed in each embodiment is not limited to the order described. For example, the step (S21) and the step (S22) shown in FIG. 6 may be executed in reverse order or may be executed in parallel. In each embodiment, the order of the illustrated steps can be changed within a range that does not hinder the contents. Further, the above-described respective embodiments can be combined within a range in which the contents do not conflict with each other.
上述の内容は、次のようにも特定され得る。但し、上述の内容が以下の記載に制限されるものではない。
＜１＞ 歩行中の被験者の腰部における加速度データを取得する取得工程と、
母集団から予め測定された歩行サンプルデータの統計情報及び前記取得工程で取得された加速度データを用いて、歩行中に前記被験者の膝関節に生ずるモーメントを推定する推定工程と、
を含む歩行分析方法。
The above contents can also be specified as follows. However, the above description is not limited to the following description.
<1> An acquisition step of acquiring acceleration data in the waist of a walking subject,
An estimation step of estimating a moment generated in the knee joint of the subject during walking using the statistical information of the walking sample data measured in advance from the population and the acceleration data acquired in the acquisition step,
Gait analysis method including.
＜２＞ 前記推定工程では、前記取得工程で取得された加速度データから得られる、一歩行周期中の予め定められた複数タイミングの各々における加速度データを用いて、前記モーメントを推定する、
＜１＞に記載の歩行分析方法。
＜３＞ 前記取得工程で取得された加速度データは、直交する二以上の方向成分を含み、
前記推定工程では、前記二以上の方向成分の各々について個別に予め定められている各タイミングにおける、該方向の加速度値を用いて、前記モーメントを推定する、
＜２＞に記載の歩行分析方法。
＜４＞ 前記取得工程では、歩行中の前記被験者の右腰部又は左腰部における加速度データを取得し、
前記推定工程では、右腰部の加速度データが取得される場合には、右の立脚期内から予め定められた前記複数タイミングの各々における加速度データを用いて、歩行中に前記被験者の右膝関節に生じるモーメントを推定し、左腰部の加速度データが取得される場合には、左の立脚期内から予め定められた前記複数タイミングの各々における加速度データを用いて、歩行中に前記被験者の左膝関節に生じるモーメントを推定する、
＜２＞又は＜３＞に記載の歩行分析方法。
＜５＞ 前記複数タイミングの各々は、個別に予め定められた時間幅を有し、
前記推定工程では、前記複数タイミングの各々の時間幅内における同一方向の加速度値の平均値を用いて、前記モーメントを推定する、
＜２＞から＜４＞のいずれか一つに記載の歩行分析方法。
＜６＞ 前記取得工程で取得された加速度データが示す鉛直の方向成分に基づいて、該加速度データの中の一歩行周期を特定する工程、
を更に含み、
前記推定工程では、前記特定された一歩行周期中の加速度データから、前記複数タイミングの各々における加速度データを特定する、
＜２＞から＜５＞のいずれか一つに記載の歩行分析方法。
＜７＞ 前記被験者の体格データを取得する工程、
を更に含み、
前記統計情報には、前記母集団の体格データが反映されており、
前記推定工程では、前記取得された前記被験者の前記体格データを更に用いて、体格データで正規化された前記モーメントを推定する、
＜１＞から＜６＞のいずれか一つに記載の歩行分析方法。
＜８＞ 前記推定工程では、前記母集団の前記歩行サンプルデータ及び前記体格データを少なくとも用いた重回帰分析により取得された重回帰式であって、一歩行周期中の複数タイミングにおける複数の加速度値及び一以上の体格値を説明変数とし、体格値で正規化されたモーメント値を目的変数とする重回帰式を用いて、前記モーメントを推定する、
＜７＞に記載の歩行分析方法。
＜９＞ 歩行中の被験者の腰部における加速度データを取得する取得手段と、
母集団から予め測定された歩行サンプルデータの統計情報を格納する格納手段と、
前記統計情報及び前記取得された加速度データを用いて、歩行中に前記被験者の膝関節に生ずるモーメント値を算出する算出手段と、
を備える歩行分析装置。
＜１０＞ 前記算出手段は、前記取得手段により取得された加速度データから得られる、一歩行周期中の予め定められた複数タイミングの各々における加速度データを用いて、前記モーメント値を算出する、
＜９＞に記載の歩行分析装置。
＜１１＞ 前記取得手段により取得される加速度データは、直交する二以上の方向成分を含み、
前記算出手段は、前記二以上の方向成分の各々について個別に予め定められている各タイミングにおける、該方向の加速度値を用いて、前記モーメント値を算出する、
＜１０＞に記載の歩行分析装置。
＜１２＞ 前記取得手段は、歩行中の前記被験者の右腰部又は左腰部における加速度データを取得し、
前記算出手段は、右腰部の加速度データが取得される場合には、右の立脚期内から予め定められた前記複数タイミングの各々における加速度データを用いて、歩行中に前記被験者の右膝関節に生じるモーメント値を算出し、左腰部の加速度データが取得される場合には、左の立脚期内から予め定められた前記複数タイミングの各々における加速度データを用いて、歩行中に前記被験者の左膝関節に生じるモーメント値を算出する、
＜１０＞又は＜１１＞に記載の歩行分析装置。
＜１３＞ 前記複数タイミングの各々は、個別に予め定められた時間幅を有し、
前記算出手段は、前記複数タイミングの各々の時間幅内における同一方向の加速度値の平均値を算出し、算出された平均値を用いて前記モーメント値を算出する、
＜１０＞から＜１２＞のいずれか一つに記載の歩行分析装置。
＜１４＞ 前記算出手段は、前記取得手段により取得された加速度データが示す鉛直の方向成分に基づいて、該加速度データの中の一歩行周期を特定し、特定された一歩行周期中の加速度データから、前記複数タイミングの各々における加速度データを特定する、
＜１０＞から＜１３＞のいずれか一つに記載の歩行分析装置。
＜１５＞ 前記取得手段は、前記被験者の体格データを更に取得し、
前記統計情報は、前記母集団の体格データを含み、
前記算出手段は、前記被験者の前記体格データを更に用いて、体格データで正規化された前記モーメント値を算出する、
＜９＞から＜１４＞のいずれか一つに記載の歩行分析装置。
＜１６＞ 前記統計情報は、前記母集団の前記歩行サンプルデータ及び前記体格データを少なくとも用いた重回帰分析により取得された重回帰式であって、一歩行周期中の複数タイミングにおける複数の加速度値及び一以上の体格値を説明変数とし、該一以上の体格値で正規化されたモーメント値を目的変数とする重回帰式を含み、
前記算出手段は、前記取得手段により取得された加速度データ及び体格データを前記重回帰式に適用することにより、体格データで正規化された前記モーメント値を算出する、
＜１５＞に記載の歩行分析装置。
<2> In the estimation step, the moment is estimated using acceleration data obtained from the acceleration data acquired in the acquisition step at each of a plurality of predetermined timings in one walking cycle,
The gait analysis method according to <1>.
<3> The acceleration data acquired in the acquisition step includes two or more direction components orthogonal to each other,
In the estimating step, the moment is estimated using the acceleration value in the direction at each of the timings that are individually predetermined for each of the two or more direction components,
The gait analysis method according to <2>.
<4> In the acquisition step, the acceleration data in the right waist or the left waist of the subject while walking is acquired,
In the estimation step, when the acceleration data of the right waist is acquired, the acceleration data at each of the plurality of timings determined in advance from the right stance period is used to detect the right knee joint of the subject during walking. When the generated moment is estimated and the left waist acceleration data is acquired, the left knee joint of the subject during walking is used by using the acceleration data at each of the predetermined timings from the left stance phase. The moment that occurs in
The gait analysis method according to <2> or <3>.
<5> Each of the plurality of timings has an individually predetermined time width,
In the estimating step, the moment is estimated using an average value of acceleration values in the same direction within each time width of the plurality of timings,
The gait analysis method according to any one of <2> to <4>.
<6> A step of identifying one walking cycle in the acceleration data based on the vertical direction component indicated by the acceleration data acquired in the acquisition step,
Further including,
In the estimating step, from the acceleration data in the specified one walking cycle, specify the acceleration data at each of the plurality of timings,
The gait analysis method according to any one of <2> to <5>.
<7> a step of acquiring the physique data of the subject,
Further including,
The statistic information reflects the physique data of the population,
In the estimating step, the physique data of the subject obtained is further used to estimate the moment normalized by physique data,
The gait analysis method according to any one of <1> to <6>.
<8> The estimating step is a multiple regression equation acquired by multiple regression analysis using at least the walking sample data and the physique data of the population, and a plurality of acceleration values at a plurality of timings in one walking cycle. And one or more physique values as explanatory variables, and using a multiple regression equation with the moment value normalized by physique values as the objective variable, the moment is estimated,
The gait analysis method according to <7>.
<9> Acquisition means for acquiring acceleration data in the waist of the walking subject,
Storage means for storing statistical information of gait sample data measured in advance from the population,
Using the statistical information and the acquired acceleration data, calculation means for calculating a moment value generated in the knee joint of the subject during walking,
Gait analyzer.
<10> The calculation means calculates the moment value using acceleration data obtained from the acceleration data acquired by the acquisition means at each of a plurality of predetermined timings in one walking cycle,
The gait analysis device according to <9>.
<11> The acceleration data acquired by the acquisition unit includes two or more direction components orthogonal to each other,
The calculating means calculates the moment value by using an acceleration value in the direction at each timing individually predetermined for each of the two or more direction components,
The gait analysis device according to <10>.
<12> The acquisition unit acquires acceleration data in the right waist or the left waist of the subject while walking,
When the acceleration data of the right lumbar region is acquired, the calculation means uses acceleration data at each of the plurality of predetermined timings from within the right stance phase to determine the right knee joint of the subject during walking. When the generated moment value is calculated and the acceleration data of the left waist is acquired, the acceleration data at each of the predetermined timings from the left stance phase is used to calculate the left knee of the subject during walking. Calculate the moment value generated in the joint,
The gait analysis device according to <10> or <11>.
<13> Each of the plurality of timings has a predetermined time width,
The calculating means calculates an average value of acceleration values in the same direction within each time width of the plurality of timings, and calculates the moment value using the calculated average value.
The gait analysis device according to any one of <10> to <12>.
<14> The calculating means specifies one walking cycle in the acceleration data based on the vertical direction component indicated by the acceleration data acquired by the acquiring means, and the acceleration data in the specified one walking cycle. From, to specify the acceleration data at each of the plurality of timings,
The gait analysis device according to any one of <10> to <13>.
<15> The acquisition unit further acquires the physique data of the subject,
The statistical information includes physique data of the population,
The calculating means further uses the physique data of the subject to calculate the moment value normalized by the physique data,
The gait analysis device according to any one of <9> to <14>.
<16> The statistical information is a multiple regression equation acquired by multiple regression analysis using at least the walking sample data and the physique data of the population, and a plurality of acceleration values at a plurality of timings in one walking cycle. And a multiple regression equation in which one or more physique values are explanatory variables, and a moment value normalized by the one or more physique values is an objective variable,
The calculating means calculates the moment value normalized by the physique data by applying the acceleration data and the physique data obtained by the obtaining means to the multiple regression equation,
The gait analysis device according to <15>.
１０ 歩行分析装置（第一装置）
１１ ＣＰＵ
１２ メモリ
１３ 入出力Ｉ／Ｆ
１４ 通信ユニット
１５ 出力装置
１６ 入力装置
１７ 加速度センサ
２１ 取得部
２３ 情報格納部
２５ 算出部
10 Gait analysis device (first device)
11 CPU
12
14
Claims (9)
母集団から予め測定された歩行サンプルデータの統計情報及び前記取得工程で取得された加速度データを用いて、歩行中に前記被験者の膝関節に生ずる内反モーメント最大値を推定する推定工程と、
を含む歩行分析方法。 An acquisition step of acquiring acceleration data in the waist of the subject while walking,
An estimation step of estimating the inversion moment maximum value generated in the knee joint of the subject during walking, using the statistical information of the walking sample data measured in advance from the population and the acceleration data obtained in the obtaining step,
Gait analysis method including.
請求項１に記載の歩行分析方法。 In the estimation step, the varus moment maximum value is estimated using acceleration data obtained from the acceleration data acquired in the acquisition step at each of a plurality of predetermined timings in one walking cycle,
The gait analysis method according to claim 1.
前記推定工程では、前記二以上の方向成分の各々について個別に予め定められている各タイミングにおける、該方向の加速度値を用いて、前記内反モーメント最大値を推定する、
請求項２に記載の歩行分析方法。 The acceleration data acquired in the acquisition step includes two or more orthogonal direction components,
The estimated step, at each timing is predetermined individually for each of the two or more directional components, using the acceleration values of the direction, to estimate the varus moment maximum value,
The gait analysis method according to claim 2.
前記推定工程では、右腰部の加速度データが取得される場合には、右の立脚期内から予め定められた前記複数タイミングの各々における加速度データを用いて、歩行中に前記被験者の右膝関節に生じる内反モーメント最大値を推定し、左腰部の加速度データが取得される場合には、左の立脚期内から予め定められた前記複数タイミングの各々における加速度データを用いて、歩行中に前記被験者の左膝関節に生じる内反モーメント最大値を推定する、
請求項２又は３に記載の歩行分析方法。 In the acquisition step, to obtain acceleration data in the right waist or left waist of the subject while walking,
In the estimation step, when the acceleration data of the right waist is acquired, the acceleration data at each of the plurality of timings that are predetermined from within the right stance phase is used to determine the right knee joint of the subject during walking. estimating a reaction torque maximum value among occurring, when the acceleration data of the left lumbar is acquired, by using the acceleration data in each of the plurality predetermined timing from the left stance phase in, said subject while walking The maximum inversion moment that occurs in the left knee joint of
The gait analysis method according to claim 2 or 3.
前記推定工程では、前記複数タイミングの各々の時間幅内における同一方向の加速度値の平均値を用いて、前記内反モーメント最大値を推定する、
請求項２から４のいずれか一項に記載の歩行分析方法。 Each of the plurality of timings has an individually predetermined time width,
The estimated step, using the average value of the same direction of the acceleration values within the time width of each of the plurality timings, estimates the varus moment maximum value,
The gait analysis method according to any one of claims 2 to 4.
を更に含み、
前記推定工程では、前記特定された一歩行周期中の加速度データから、前記複数タイミングの各々における加速度データを特定する、
請求項２から５のいずれか一項に記載の歩行分析方法。 A step of identifying one walking cycle in the acceleration data, based on a vertical direction component indicated by the acceleration data acquired in the acquisition step,
Further including,
In the estimating step, from the acceleration data in the specified one walking cycle, specify the acceleration data at each of the plurality of timings,
The gait analysis method according to any one of claims 2 to 5.
を更に含み、
前記統計情報には、前記母集団の体格データが反映されており、
前記推定工程では、前記取得された前記被験者の前記体格データを更に用いて、体格データで正規化された前記内反モーメント最大値を推定する、
請求項１から６のいずれか一項に記載の歩行分析方法。 Acquiring the physique data of the subject,
Further including,
The statistic information reflects the physique data of the population,
In the estimating step, further using the obtained physique data of the subject , the varus moment maximum value normalized by the physique data is estimated.
The gait analysis method according to any one of claims 1 to 6.
請求項７に記載の歩行分析方法。 In the estimation step, a multiple regression equation acquired by multiple regression analysis using at least the walking sample data and the physique data of the population, and a plurality of acceleration values and one or more at a plurality of timings in one walking cycle. the physique value as explanatory variables, using multiple regression equation for the purpose variable normalized moment value in physique value, estimates the varus moment maximum value,
The gait analysis method according to claim 7.
母集団から予め測定された歩行サンプルデータの統計情報を格納する格納手段と、
前記統計情報及び前記取得された加速度データを用いて、歩行中に前記被験者の膝関節に生ずる内反モーメント最大値を算出する算出手段と、
を備える歩行分析装置。 Acquisition means for acquiring acceleration data in the waist of the subject during walking,
Storage means for storing statistical information of gait sample data measured in advance from the population,
Using the statistical information and the acquired acceleration data, a calculating unit that calculates the maximum value of the inversion moment generated in the knee joint of the subject during walking,
Gait analyzer.
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP2016176826A JP6738249B2 (en) | 2016-09-09 | 2016-09-09 | Gait analysis method and gait analysis device |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP2016176826A JP6738249B2 (en) | 2016-09-09 | 2016-09-09 | Gait analysis method and gait analysis device |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| JP2018038752A JP2018038752A (en) | 2018-03-15 |
| JP6738249B2 true JP6738249B2 (en) | 2020-08-12 |
Family
ID=61624434
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| JP2016176826A Active JP6738249B2 (en) | 2016-09-09 | 2016-09-09 | Gait analysis method and gait analysis device |
Country Status (1)
| Country | Link |
|---|---|
| JP (1) | JP6738249B2 (en) |
Families Citing this family (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| EP4302627A1 (en) | 2021-04-20 | 2024-01-10 | ASICS Corporation | Body condition estimation system and shoe |
Family Cites Families (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP4350394B2 (en) * | 2003-03-04 | 2009-10-21 | マイクロストーン株式会社 | Determining device for knee osteoarthritis |
| JP4291093B2 (en) * | 2003-09-11 | 2009-07-08 | 本田技研工業株式会社 | Method for estimating joint moments of biped walking objects |
| CA2605239A1 (en) * | 2005-05-02 | 2006-11-09 | University Of Virginia Patent Foundation | Systems, devices, and methods for interpreting movement |
| US8444564B2 (en) * | 2009-02-02 | 2013-05-21 | Jointvue, Llc | Noninvasive diagnostic system |
| US9532732B2 (en) * | 2010-05-03 | 2017-01-03 | Emovi Inc. | Method and system for knee joint evaluation and diagnostic aid in normal and pathologic state |
| JP5971931B2 (en) * | 2011-02-17 | 2016-08-17 | 株式会社ユニメック | Device for diagnosing joint shock buffer tissue degradation |
-
2016
- 2016-09-09 JP JP2016176826A patent/JP6738249B2/en active Active
Also Published As
| Publication number | Publication date |
|---|---|
| JP2018038752A (en) | 2018-03-15 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| EP3205269B1 (en) | System and method for analyzing gait and postural balance of a person | |
| JP7184398B2 (en) | automatic diagnostic equipment | |
| Eltoukhy et al. | Kinect-based assessment of lower limb kinematics and dynamic postural control during the star excursion balance test | |
| Fluit et al. | Prediction of ground reaction forces and moments during various activities of daily living | |
| List et al. | Kinematics of the trunk and the lower extremities during restricted and unrestricted squats | |
| US8246555B2 (en) | Method and system for monitoring sport related fitness by estimating muscle power and joint force of limbs | |
| Oh et al. | Validity of the Microsoft Kinect™ in assessing spatiotemporal and lower extremity kinematics during stair ascent and descent in healthy young individuals | |
| Kuster et al. | Accuracy of KinectOne to quantify kinematics of the upper body | |
| JP6881451B2 (en) | Walking state judgment device, walking state judgment system, walking state judgment method and program | |
| JP2017202236A (en) | Gait analysis method and gait analysis device | |
| JP2010005033A (en) | Walking motion analyzer | |
| JP6649323B2 (en) | Gait analysis system and method | |
| Varela et al. | A kinematic characterization of human walking by using CaTraSys | |
| JP6127455B2 (en) | Walking age evaluation method | |
| WO2020079782A1 (en) | Body weight estimation device, body weight estimation method, and program recording medium | |
| Bonnechère et al. | Cost-effective (gaming) motion and balance devices for functional assessment: need or hype? | |
| Eltoukhy et al. | Concurrent validity of depth-sensing cameras for noncontact acl injury screening during side-cut maneuvers in adolescent athletes: A preliminary study | |
| Fathian et al. | Assessment of countermovement jump with and without arm swing using a single inertial measurement unit | |
| JP6958739B2 (en) | Joint Disorder Risk Assessment Equipment, Systems, Methods and Programs | |
| JP2008161228A (en) | Gait analysis system | |
| JP2020120807A (en) | Fall risk evaluation device, fall risk evaluation method and fall risk evaluation program | |
| JP6738249B2 (en) | Gait analysis method and gait analysis device | |
| JP6738250B2 (en) | Gait analysis method and gait analysis device | |
| JP5912807B2 (en) | Load measurement system | |
| JP2020151470A (en) | Walking evaluation device, walking evaluation method, and program |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20190605 |
|
| A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20200107 |
|
| A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20200225 |
|
| 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: 20200714 |
|
| A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20200717 |
|
| R151 | Written notification of patent or utility model registration |
Ref document number: 6738249 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R151 |
|
| R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |