JP7147696B2 - 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
JP7147696B2
JP7147696B2 JP2019120029A JP2019120029A JP7147696B2 JP 7147696 B2 JP7147696 B2 JP 7147696B2 JP 2019120029 A JP2019120029 A JP 2019120029A JP 2019120029 A JP2019120029 A JP 2019120029A JP 7147696 B2 JP7147696 B2 JP 7147696B2
Authority
JP
Japan
Prior art keywords
data
rehabilitation
training
trainee
learning
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Active
Application number
JP2019120029A
Other languages
English (en)
Other versions
JP2021005312A (ja
Inventor
将久 大槻
一誠 中島
貴江 中西
学 山本
菜月 山上
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 JP2019120029A priority Critical patent/JP7147696B2/ja
Priority to US16/899,948 priority patent/US11527330B2/en
Priority to CN202010578612.4A priority patent/CN112137832B/zh
Publication of JP2021005312A publication Critical patent/JP2021005312A/ja
Application granted granted Critical
Publication of JP7147696B2 publication Critical patent/JP7147696B2/ja
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • AHUMAN NECESSITIES
    • A61MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61HPHYSICAL 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
    • A61H1/00Apparatus for passive exercising; Vibrating apparatus; Chiropractic devices, e.g. body impacting devices, external devices for briefly extending or aligning unbroken bones
    • A61H1/02Stretching or bending or torsioning apparatus for exercising
    • A61H1/0218Drawing-out devices
    • A61H1/0229Drawing-out devices by reducing gravity forces normally applied to the body, e.g. by lifting or hanging the body or part of it
    • AHUMAN NECESSITIES
    • A61MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61HPHYSICAL 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
    • A61H1/00Apparatus for passive exercising; Vibrating apparatus; Chiropractic devices, e.g. body impacting devices, external devices for briefly extending or aligning unbroken bones
    • A61H1/02Stretching or bending or torsioning apparatus for exercising
    • A61H1/0237Stretching or bending or torsioning apparatus for exercising for the lower limbs
    • A61H1/024Knee
    • AHUMAN NECESSITIES
    • A61MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61HPHYSICAL 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
    • A61H1/00Apparatus for passive exercising; Vibrating apparatus; Chiropractic devices, e.g. body impacting devices, external devices for briefly extending or aligning unbroken bones
    • A61H1/02Stretching or bending or torsioning apparatus for exercising
    • A61H1/0237Stretching or bending or torsioning apparatus for exercising for the lower limbs
    • A61H1/0255Both knee and hip of a patient, e.g. in supine or sitting position, the feet being moved together in a plane substantially parallel to the body-symmetrical plane
    • A61H1/0262Walking movement; Appliances for aiding disabled persons to walk
    • AHUMAN NECESSITIES
    • A61MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61HPHYSICAL 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
    • A61H3/00Appliances for aiding patients or disabled persons to walk about
    • AHUMAN NECESSITIES
    • A61MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61HPHYSICAL 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
    • A61H3/00Appliances for aiding patients or disabled persons to walk about
    • A61H3/008Appliances for aiding patients or disabled persons to walk about using suspension devices for supporting the body in an upright walking or standing position, e.g. harnesses
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06FELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00Pattern recognition
    • G06F18/20Analysing
    • G06F18/23Clustering techniques
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06FELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00Pattern recognition
    • G06F18/20Analysing
    • G06F18/24Classification techniques
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06NCOMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N20/00Machine learning
    • GPHYSICS
    • G16INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16HHEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
    • G16H20/00ICT specially adapted for therapies or health-improving plans, e.g. for handling prescriptions, for steering therapy or for monitoring patient compliance
    • G16H20/30ICT 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
    • GPHYSICS
    • G16INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16HHEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
    • G16H40/00ICT 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
    • G16H40/60ICT 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
    • G16H40/63ICT specially adapted for the management or administration of healthcare resources or facilities; ICT specially adapted for the management or operation of medical equipment or devices for the operation of medical equipment or devices for local operation
    • GPHYSICS
    • G16INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16HHEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
    • G16H40/00ICT 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
    • G16H40/60ICT 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
    • G16H40/67ICT 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
    • GPHYSICS
    • G16INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16HHEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
    • G16H50/00ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics
    • G16H50/20ICT 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
    • GPHYSICS
    • G16INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16HHEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
    • G16H50/00ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics
    • G16H50/30ICT 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
    • AHUMAN NECESSITIES
    • A61MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61HPHYSICAL 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
    • A61H3/00Appliances for aiding patients or disabled persons to walk about
    • A61H2003/007Appliances for aiding patients or disabled persons to walk about secured to the patient, e.g. with belts
    • AHUMAN NECESSITIES
    • A61MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61HPHYSICAL THERAPY APPARATUS, e.g. DEVICES FOR LOCATING OR STIMULATING REFLEX POINTS IN THE BODY; ARTIFICIAL RESPIRATION; MASSAGE; BATHING DEVICES FOR SPECIAL THERAPEUTIC OR HYGIENIC PURPOSES OR SPECIFIC PARTS OF THE BODY
    • A61H2201/00Characteristics of apparatus not provided for in the preceding codes
    • A61H2201/12Driving means
    • A61H2201/1207Driving means with electric or magnetic drive
    • AHUMAN NECESSITIES
    • A61MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61HPHYSICAL THERAPY APPARATUS, e.g. DEVICES FOR LOCATING OR STIMULATING REFLEX POINTS IN THE BODY; ARTIFICIAL RESPIRATION; MASSAGE; BATHING DEVICES FOR SPECIAL THERAPEUTIC OR HYGIENIC PURPOSES OR SPECIFIC PARTS OF THE BODY
    • A61H2201/00Characteristics of apparatus not provided for in the preceding codes
    • A61H2201/16Physical interface with patient
    • A61H2201/1602Physical interface with patient kind of interface, e.g. head rest, knee support or lumbar support
    • A61H2201/165Wearable interfaces
    • A61H2201/1652Harness
    • AHUMAN NECESSITIES
    • A61MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61HPHYSICAL THERAPY APPARATUS, e.g. DEVICES FOR LOCATING OR STIMULATING REFLEX POINTS IN THE BODY; ARTIFICIAL RESPIRATION; MASSAGE; BATHING DEVICES FOR SPECIAL THERAPEUTIC OR HYGIENIC PURPOSES OR SPECIFIC PARTS OF THE BODY
    • A61H2201/00Characteristics of apparatus not provided for in the preceding codes
    • A61H2201/50Control means thereof
    • AHUMAN NECESSITIES
    • A61MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61HPHYSICAL THERAPY APPARATUS, e.g. DEVICES FOR LOCATING OR STIMULATING REFLEX POINTS IN THE BODY; ARTIFICIAL RESPIRATION; MASSAGE; BATHING DEVICES FOR SPECIAL THERAPEUTIC OR HYGIENIC PURPOSES OR SPECIFIC PARTS OF THE BODY
    • A61H2201/00Characteristics of apparatus not provided for in the preceding codes
    • A61H2201/50Control means thereof
    • A61H2201/5023Interfaces to the user
    • A61H2201/5043Displays
    • AHUMAN NECESSITIES
    • A61MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61HPHYSICAL THERAPY APPARATUS, e.g. DEVICES FOR LOCATING OR STIMULATING REFLEX POINTS IN THE BODY; ARTIFICIAL RESPIRATION; MASSAGE; BATHING DEVICES FOR SPECIAL THERAPEUTIC OR HYGIENIC PURPOSES OR SPECIFIC PARTS OF THE BODY
    • A61H2201/00Characteristics of apparatus not provided for in the preceding codes
    • A61H2201/50Control means thereof
    • A61H2201/5058Sensors or detectors
    • AHUMAN NECESSITIES
    • A61MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61HPHYSICAL THERAPY APPARATUS, e.g. DEVICES FOR LOCATING OR STIMULATING REFLEX POINTS IN THE BODY; ARTIFICIAL RESPIRATION; MASSAGE; BATHING DEVICES FOR SPECIAL THERAPEUTIC OR HYGIENIC PURPOSES OR SPECIFIC PARTS OF THE BODY
    • A61H2201/00Characteristics of apparatus not provided for in the preceding codes
    • A61H2201/50Control means thereof
    • A61H2201/5058Sensors or detectors
    • A61H2201/5061Force sensors
    • AHUMAN NECESSITIES
    • A61MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61HPHYSICAL THERAPY APPARATUS, e.g. DEVICES FOR LOCATING OR STIMULATING REFLEX POINTS IN THE BODY; ARTIFICIAL RESPIRATION; MASSAGE; BATHING DEVICES FOR SPECIAL THERAPEUTIC OR HYGIENIC PURPOSES OR SPECIFIC PARTS OF THE BODY
    • A61H2201/00Characteristics of apparatus not provided for in the preceding codes
    • A61H2201/50Control means thereof
    • A61H2201/5058Sensors or detectors
    • A61H2201/5069Angle sensors
    • AHUMAN NECESSITIES
    • A61MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61HPHYSICAL THERAPY APPARATUS, e.g. DEVICES FOR LOCATING OR STIMULATING REFLEX POINTS IN THE BODY; ARTIFICIAL RESPIRATION; MASSAGE; BATHING DEVICES FOR SPECIAL THERAPEUTIC OR HYGIENIC PURPOSES OR SPECIFIC PARTS OF THE BODY
    • A61H2201/00Characteristics of apparatus not provided for in the preceding codes
    • A61H2201/50Control means thereof
    • A61H2201/5058Sensors or detectors
    • A61H2201/5084Acceleration sensors
    • AHUMAN NECESSITIES
    • A61MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61HPHYSICAL THERAPY APPARATUS, e.g. DEVICES FOR LOCATING OR STIMULATING REFLEX POINTS IN THE BODY; ARTIFICIAL RESPIRATION; MASSAGE; BATHING DEVICES FOR SPECIAL THERAPEUTIC OR HYGIENIC PURPOSES OR SPECIFIC PARTS OF THE BODY
    • A61H2201/00Characteristics of apparatus not provided for in the preceding codes
    • A61H2201/50Control means thereof
    • A61H2201/5097Control means thereof wireless
    • AHUMAN NECESSITIES
    • A61MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61HPHYSICAL 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
    • A61H2203/00Additional characteristics concerning the patient
    • A61H2203/04Position of the patient
    • A61H2203/0406Standing on the feet
    • AHUMAN NECESSITIES
    • A61MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61HPHYSICAL 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
    • A61H2205/00Devices for specific parts of the body
    • A61H2205/10Leg
    • AHUMAN NECESSITIES
    • A61MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61HPHYSICAL THERAPY APPARATUS, e.g. DEVICES FOR LOCATING OR STIMULATING REFLEX POINTS IN THE BODY; ARTIFICIAL RESPIRATION; MASSAGE; BATHING DEVICES FOR SPECIAL THERAPEUTIC OR HYGIENIC PURPOSES OR SPECIFIC PARTS OF THE BODY
    • A61H2230/00Measuring physical parameters of the user
    • A61H2230/62Posture
    • A61H2230/625Posture used as a control parameter for the apparatus
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06FELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00Pattern recognition
    • G06F18/20Analysing
    • G06F18/21Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
    • G06F18/214Generating training patterns; Bootstrap methods, e.g. bagging or boosting
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06NCOMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00Computing arrangements based on biological models
    • G06N3/02Neural networks
    • G06N3/04Architecture, e.g. interconnection topology
    • G06N3/044Recurrent networks, e.g. Hopfield networks
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06NCOMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00Computing arrangements based on biological models
    • G06N3/02Neural networks
    • G06N3/04Architecture, e.g. interconnection topology
    • G06N3/045Combinations of networks
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06NCOMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00Computing arrangements based on biological models
    • G06N3/02Neural networks
    • G06N3/08Learning methods
    • G06N3/084Backpropagation, e.g. using gradient descent

Landscapes

  • Health & Medical Sciences (AREA)
  • Engineering & Computer Science (AREA)
  • Public Health (AREA)
  • General Health & Medical Sciences (AREA)
  • Epidemiology (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Data Mining & Analysis (AREA)
  • Physical Education & Sports Medicine (AREA)
  • Medical Informatics (AREA)
  • Rehabilitation Therapy (AREA)
  • Veterinary Medicine (AREA)
  • Animal Behavior & Ethology (AREA)
  • Pain & Pain Management (AREA)
  • Theoretical Computer Science (AREA)
  • Biomedical Technology (AREA)
  • Primary Health Care (AREA)
  • Evolutionary Computation (AREA)
  • Artificial Intelligence (AREA)
  • General Physics & Mathematics (AREA)
  • General Engineering & Computer Science (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Physics & Mathematics (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Evolutionary Biology (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Pathology (AREA)
  • Databases & Information Systems (AREA)
  • Orthopedic Medicine & Surgery (AREA)
  • Business, Economics & Management (AREA)
  • General Business, Economics & Management (AREA)
  • Biophysics (AREA)
  • Software Systems (AREA)
  • Computing Systems (AREA)
  • Mathematical Physics (AREA)
  • Rehabilitation Tools (AREA)
  • Medical Treatment And Welfare Office Work (AREA)

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。
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、理学療法士等の訓練スタッフが付き添い、訓練者への声掛けや手の差し伸べ、さらには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。
特許第6052234号公報
ところで、良い訓練成果を得るためには、訓練スタッフによるリハビリ支援システムの設定操作は、リハビリ支援システムによる訓練者への適切なアシストができるようになされる必要がある。また、その設定操作のタイミング、つまりアシストの追加又は除去やアシストの度合いの変更のタイミングも、訓練成果に影響を与えることになる。よって、そのような設定操作のために、訓練スタッフは、訓練者にどのようなアシストをさせるべきかの取捨選択の判断や、適切なアシストの度合いやタイミングの判断を行う必要がある。さらに、訓練スタッフは、訓練者にどのような声掛けをどのようなタイミングで行うべきかの判断やどのようなタイミングで手を差し伸べるべきかの判断を行う必要がある。
しかしながら、現状では、訓練スタッフは上述のような判断を勘やコツに基づき行っており、また、訓練スタッフ毎に経験年数や熟練度が異なるため、訓練スタッフによって訓練成果の差が激しくなってしまう。よって、訓練スタッフに依らずに、良い訓練成果が得られるような適切な補助を行うことが望まれる。そのためには、リハビリ支援システムにおいて、上述のような判断を、訓練スタッフに依らず優秀な(訓練成果に係る評価の高い)訓練スタッフが補助した場合と同様に行うことができるように示唆する技術が望まれる。また、訓練者への補助は訓練スタッフに限らず、人工的なアシスタントなどの他種の訓練アシスタントが行うことも想定できる。よって、リハビリ支援システムにおいて、上述のような判断を、訓練アシスタントに依らず優秀な訓練アシスタントが補助した場合と同様に行うことができるように示唆する技術が望まれる。
本発明は、このような問題を解決するためになされたものであり、訓練者がリハビリ支援システムを利用してリハビリを実行する際に、それを補助する訓練アシスタントに対し望ましい行動を示唆することが可能な学習モデルを生成する学習装置等を提供するものである。また、本発明は、訓練者が訓練支援システムを利用して訓練を実行する際に、それを補助する訓練アシスタントに対し望ましい行動を示唆することが可能な学習モデルを生成する学習装置等を提供するものである。
本発明の第1の態様に係る学習装置は、訓練者が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、前記訓練者を補助する訓練アシスタントを示すアシスタントデータと、前記訓練アシスタントが前記訓練者を補助する目的で実行した補助行動を示す行動データと、前記訓練者の回復度を示す指標データと、を少なくとも含む第1リハビリデータに対し、クラスタ分析により前記訓練スタッフを分類した分類結果を取得する取得部と、前記行動データを少なくとも含む第2リハビリデータを入力して、前記訓練スタッフの次の行動を示唆するための前記行動データを出力する学習モデルを生成する学習部と、を備え、前記学習部は、前記分類結果に基づき前処理がなされた前記第2リハビリデータを教師データとして、前記学習モデルを生成する。これにより、訓練者がリハビリ支援システムを利用してリハビリを実行する際に、それを補助する訓練アシスタントに対し望ましい行動を示唆することが可能な学習モデルを生成することができる。
前記第2リハビリデータは、前記指標データ及び前記アシスタントデータの少なくとも一方を含む、ことを特徴とすることもできる。これにより、指標データ又はアシスタントデータを学習済みモデルに反映させることができる。
前記学習部は、前記分類結果における1つの群に含まれる前記訓練アシスタントに対応する前記第2リハビリデータを教師データとして、前記学習モデルを生成する、ことを特徴とすることもできる。これにより、1つの群に属する訓練アシスタントの行動を考慮した学習済みモデルを生成することができる。
若しくは、前記学習部は、前記分類結果に基づきラベル付けされた複数の群と前記複数の群のそれぞれに対応する前記アシスタントデータとを関連付けた前記第2リハビリデータを、教師データとし、前記学習モデルを生成する、ことを特徴とすることもできる。これにより、訓練アシスタントの行動を群別に考慮した学習済みモデルを生成することができる。
前記学習装置は、前記第1リハビリデータに対し、前記クラスタ分析を実行し、前記訓練アシスタントを分類する分析部を備え、前記取得部は、前記分析部から、前記訓練アシスタントを分類した分類結果を取得する、ことを特徴とすることもできる。これにより、学習装置が分析の段階から処理を行うことができる。
前記第1リハビリデータ及び前記第2リハビリデータは、前記訓練者の特徴を示す訓練者データを含む、ことを特徴とすることもできる。これにより、訓練者の特徴を学習済みモデルに反映させることができる。
前記訓練者データは、前記訓練者の疾患及び症状の少なくとも一方を示す症状データを含む、ことを特徴とすることもできる。これにより、症状データを学習済みモデルに反映させることができる。
前記行動データは、前記リハビリ支援システムにおける設定値を変更した操作を示すデータ及び前記訓練者に対する介助動作を示すデータのうち、少なくとも一方を含む、ことを特徴とすることもできる。これにより、設定値変更操作又は介助動作の状況を学習済みモデルに反映させることができる。
前記操作を示すデータは、前記操作の熟練度を示すデータを含む、ことを特徴とすることもできる。これにより、操作の熟練度を学習済みモデルに反映させることができる。
前記学習部は、前記分類結果における複数の群のそれぞれについて、前記群に含まれる前記訓練アシスタントに対応する前記第2リハビリデータを教師データとして、前記学習モデルを生成する、ことを特徴とすることもできる。これにより、複数種類の学習済みモデルを生成することができる。
前記学習装置は、前記分類結果における1つの群を指定する群指定部を備え、前記学習部は、前記群指定部で指定された前記群に含まれる前記訓練アシスタントに対応する前記第2リハビリデータを教師データとして、前記学習モデルを生成する、ことを特徴とすることもできる。これにより、指定された群のみの学習済みモデルを生成することができる。
本発明の第2の態様に係る学習装置は、訓練者が訓練支援システムを利用し実行した訓練についての、前記訓練者を補助する訓練アシスタントを示すアシスタントデータと、前記訓練アシスタントが前記訓練者を補助する目的で実行した補助行動を示す行動データと、前記訓練者の身体機能向上度を示す指標データと、を少なくとも含む第1データに対し、クラスタ分析により前記訓練アシスタントを分類した分類結果を取得する取得部と、前記行動データを少なくとも含む第2データを入力して、前記訓練アシスタントの次の行動を示唆するための前記行動データを出力する学習モデルを生成する学習部と、を備え、前記学習部は、前記分類結果に基づき前処理がなされた前記第2データを教師データとして、前記学習モデルを生成する。これにより、訓練者が訓練支援システムを利用して訓練を実行する際に、それを補助する訓練アシスタントに対し望ましい行動を示唆することが可能な学習モデルを生成することができる。
本発明の第3の態様に係るリハビリ支援システムは、第1の態様に係る学習装置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システムであって、前記リハビリ支援システムを用いて訓練者が行うリハビリテーションに関する前記第2リハビリデータを、前記学習済みモデルへの入力として出力する出力部と、前記学習済みモデルから出力された前記行動データを、前記リハビリテーションにおいて前記訓練者を補助する前記訓練アシスタントに通知する通知部と、を備える。これにより、訓練者がリハビリ支援システムを利用してリハビリを実行する際に、それを補助する訓練アシスタントに対し望ましい行動を示唆することができる。
前記リハビリ支援システムは、前記リハビリテーションにおいて前記訓練者を補助する前記訓練アシスタントを指定する指定部を備え、前記分類結果を記憶する分類結果記憶部にアクセス可能となっており、前記指定部で指定された前記訓練アシスタントが前記学習済みモデルの生成時に前記教師データを採用されなかった訓練アシスタントであった場合に、前記出力部が前記第2リハビリデータを出力し、前記通知部が通知を行う、ことを特徴とすることもできる。これにより、通知が不要と想定される訓練アシスタントに対しては余計な通知を行わないで済む。
本発明の第4の態様に係る学習方法は、訓練者が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、前記訓練者を補助する訓練アシスタントを示すアシスタントデータと、前記訓練アシスタントが前記訓練者を補助する目的で実行した補助行動を示す行動データと、前記訓練者の回復度を示す指標データと、を少なくとも含む第1リハビリデータに対し、クラスタ分析により前記訓練アシスタントを分類した分類結果を取得する取得ステップと、前記行動データを少なくとも含む第2リハビリデータを入力して、前記訓練アシスタントの次の行動を示唆するための前記行動データを出力する学習モデルを生成する学習ステップと、を有し、前記学習ステップは、前記分類結果に基づき前処理がなされた前記第2リハビリデータを教師データとして、前記学習モデルを生成する。これにより、訓練者がリハビリ支援システムを利用してリハビリを実行する際に、それを補助する訓練アシスタントに対し望ましい行動を示唆することが可能な学習モデルを生成することができる。
本発明の第5の態様に係るリハビリ支援方法(リハビリ支援システムの作動方法)は、第4の態様に係る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システムにおけるリハビリ支援方法であって、前記リハビリ支援システムが、前記リハビリ支援システムを用いて訓練者が行うリハビリテーションに関する前記第2リハビリデータを、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、前記リハビリ支援システムが、前記学習済みモデルから出力された前記行動データを、前記リハビリテーションにおいて前記訓練者を補助する前記訓練アシスタントに通知する通知ステップと、を有する。これにより、訓練者がリハビリ支援システムを利用してリハビリを実行する際に、それを補助する訓練アシスタントに対し望ましい行動を示唆することができる。
本発明の第6の態様に係るプログラムは、コンピュータに、訓練者が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、前記訓練者を補助する訓練アシスタントを示すアシスタントデータと、前記訓練アシスタントが前記訓練者を補助する目的で実行した補助行動を示す行動データと、前記訓練者の回復度を示す指標データと、を少なくとも含む第1リハビリデータに対し、クラスタ分析により前記訓練アシスタントを分類した分類結果を取得する取得ステップと、前記行動データを少なくとも含む第2リハビリデータを入力して、前記訓練アシスタントの次の行動を示唆するための前記行動データを出力する学習モデルを生成する学習ステップと、を実行させるためのプログラムであって、前記学習ステップは、前記分類結果に基づき前処理がなされた前記第2リハビリデータを教師データとして、前記学習モデルを生成する。これにより、訓練者がリハビリ支援システムを利用してリハビリを実行する際に、それを補助する訓練アシスタントに対し望ましい行動を示唆することが可能な学習モデルを生成することができる。
本発明の第7の態様に係るリハビリ支援プログラムは、第6の態様に係るプログラム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システムのコンピュータに、前記リハビリ支援システムを用いて訓練者が行うリハビリテーションに関する前記第2リハビリデータを、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、前記学習済みモデルから出力された前記行動データを、前記リハビリテーションにおいて前記訓練者を補助する前記訓練アシスタントに通知する通知ステップと、を実行させるためのリハビリ支援プログラムである。これにより、訓練者がリハビリ支援システムを利用してリハビリを実行する際に、それを補助する訓練アシスタントに対し望ましい行動を示唆することができる。
本発明の第8の態様に係る学習済みモデルは、第1(又は第2)の態様に係る学習装置で学習された学習モデル、第4の態様に係る学習方法で学習された学習モデル、及び、第6の態様に係るプログラムで学習された学習モデルのいずれかである。これにより、訓練者がリハビリ支援システム(又は訓練支援システム)を利用してリハビリ(又は訓練)を実行する際に、それを補助する訓練アシスタントに対し望ましい行動を示唆することが可能な学習済みモデルを提供することができる。
本発明により、訓練者がリハビリ支援システムを利用してリハビリを実行する際に、それを補助する訓練アシスタントに対し望ましい行動を示唆することが可能な学習モデルを生成する学習装置を提供することができる。また、本発明により、生成された学習済みモデルを用いるリハビリ支援システム、その学習モデルを学習する方法及びプログラム、学習済みモデル、並びに、学習済みモデルを用いたリハビリ支援の方法及びプログラムを提供することができる。また、本発明は、リハビリ以外の訓練について適用することもでき、それによりリハビリ以外の訓練についても同様の効果を奏する。
実施形態1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。 図1のリハビリ支援システムにおける歩行補助装置の一構成例を示す概略斜視図である。 図1のリハビリ支援システムにおける歩行訓練装置のシステム構成例を示すブロック図である。 図1のリハビリ支援システムにおけるサーバの一構成例を示すブロック図である。 図4のサーバにおける学習処理の一例を説明するためのフロー図である。 図4のサーバにおけるリハビリ支援処理の一例を説明するためのフロー図である。 図6のリハビリ支援処理において訓練スタッフに提示される画像の一例を示す図である。 図6のリハビリ支援処理において訓練スタッフに提示される画像の一例を示す図である。 実施形態2に係るリハビリ支援システムにおけるサーバの一構成例を示すブロック図である。 図9のサーバにおいて実行されたクラスタ分析の結果の一例を示す模式図である。 図9のサーバにおける学習処理の一例を説明するためのフロー図である。
以下、発明の実施の形態を通じて本発明を説明するが、特許請求の範囲に係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。
<実施形態1>
以下、図面を参照して実施形態1について説明する。
(システム構成)
図1は、実施形態1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装置の一具体例である。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。ここで例示したように、訓練スタッフ901は人である。
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。
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、その高さ及び幅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。
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。
歩行訓練装置100は、装具110、ハーネスワイヤ111、及びハーネス引張部112を主な構成要素とする、安全装置としての転倒防止ハーネス装置を備える。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。また、管理用モニタ139の近傍には、非常停止ボタン232が設けられている。訓練スタッフ901が非常停止ボタン232を押すことで、歩行訓練装置100が非常停止する。
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。
全体制御部210は、訓練設定に関する設定パラメータ、訓練結果として歩行補助装置120から出力された運脚に関する各種データなどを含みうるリハビリデータを生成する。このリハビリデータには、訓練スタッフ901又はその経験年数や熟練度等を示すデータ、訓練者900の症状、歩行能力、回復度等を示すデータ、歩行補助装置120の外部に設けられたセンサ等から出力された各種データなどを含むことができる。なお、リハビリデータの詳細については後述する。
外部通信装置300は、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が出力するリハビリデータを受け取り、一時的に記憶する機能と、記憶しているリハビリデータをサーバ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、リハビリデータを記憶する記憶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から受信したリハビリ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1においてはリハビリ支援装置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、他の構成の歩行訓練装置であってもよいし、訓練者のリハビリ支援を行う任意のリハビリ支援装置であってもよい。例えば、リハビリ支援装置は、肩や腕のリハビリを支援する上肢リハビリ支援装置であってもよい。或いは、リハビリ支援装置は、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装置であってもよい。
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、足裏に掛か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H周りに相対的に回動する。制御ユニット121のモータは、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H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H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H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することができる。
なお、この判定の基準を含み、判定の方法は問わない。例えば、歩行フェーズ毎に麻痺体部の動作量と基準とを比較して判定することができる。なお、歩行フェーズとは、患脚(又は健脚)についての1歩行周期(1歩行サイクル)を、立脚状態にある立脚期、立脚期から遊脚状態にある遊脚期への移行期、遊脚期、遊脚期から立脚期への移行期などに分類したものである。どの歩行フェーズであるかは、例えば上述したように荷重センサ222の検出結果から分類(判定)することができる。なお、歩行サイクルは、上述のように、立脚期、移行期、遊脚期、移行期で1サイクルとして取り扱うことができるが、どの時期を開始期と定義するかは問わない。その他、歩行サイクルは、例えば、両脚支持状態、単脚(患脚)支持状態、両脚支持状態、単脚(健脚)支持状態で1サイクルとして取り扱うこともでき、この場合にもどの状態を開始状態と定義するかは問わない。
また、右脚又は左脚(健脚又は患脚)に注目した歩行周期は、より細分化することもでき、例えば、立脚期を初期接地と4期、遊脚期を3期に分けて表現することができる。初期接地は、観察足部が床に接地する瞬間を指し、立脚期の4期とは、荷重応答期、立脚中期、立脚終期、及び前遊脚期を指す。荷重応答期は、初期接地から反対側の足部が床から離れた瞬間(対側離地)までの期間である。立脚中期は、対側離地から観察足部の踵が離れた瞬間(踵離地)までの期間である。立脚終期は、踵離地から反対側の初期接地までの期間である。前遊脚期は、反対側の初期接地から観察足部が床から離れる(離地)までの期間である。遊脚期の3期とは、遊脚初期、遊脚中期、及び遊脚後期を指す。遊脚初期は、前遊脚期の最後(上記離地)から両足が交差する(足部交差)までの期間である。遊脚中期は、足部交差から頸骨が垂直となる(頸骨垂直)までの期間である。遊脚終期は、頸骨垂直から次の初期接地までの期間である。
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H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。
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/立脚の状態判別や切替り推定等を行う。
角度センサ223は、上述の通りヒンジ軸H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。
上述したように、歩行訓練装置100は、外部通信装置300を介して、各種リハビリデータをサーバ500に送信する。サーバ500は、複数の歩行訓練装置100からリハビリデータを受信するように構成しておくことができ、これにより多くのリハビリデータを収集することができる。そして、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、収集したリハビリデータを用いて機械学習を行って、学習済みモデルを構築する学習装置(学習器)として機能させることができる。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。
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、後述するレベル判定部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ことになる。
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からのリハビリデータを受信することができ、歩行訓練装置100へのコマンドを送信することができる。
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から受信したリハビリ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。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。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モデルが記憶されている。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。
また、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することができる。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。レベル判定部510a及び学習部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。
(リハビリデータ)
ここで、レベル判定部510a及び学習部510bについて、並びに応答処理部510cについて説明するに先立ち、サーバ500が学習のため又はリハビリ支援処理のために収集可能なリハビリデータについて説明する。サーバ500が収集可能なリハビリデータは、主として(1)歩行訓練装置100の設定パラメータ、(2)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、(3)訓練者900に関するデータ、(4)訓練スタッフ901に関するデータを含む。上記(1)~(4)のリハビリデータは、取得日時に対応付けて収集されていてもよい。さらに、検出データ、又は設定パラメータは時系列に沿ったログデータとして収集されていてもよく、或いは、一定の時間毎のデータに対して抽出された特徴量などであってもよい。
リハビリデータは、主に、歩行訓練装置100において操作入力、自動入力、センサによる計測などにより得られるデータである。また、リハビリデータは、カメラ140で録画された録画データを含むこともできる。なお、リハビリデータは、リハビリの実施日毎のデータとすることができ、その場合、日報データと称することもできる。以下では、サーバ500が歩行訓練装置100で生成されたリハビリデータを収集するものとして説明するが、リハビリデータの一部を歩行訓練装置100以外の、例えば他のサーバからサーバ500が取得するように構成しておくこともできる。ここで言うリハビリデータの一部とは、例えば、訓練者900の症状等の上記(3)のデータの詳細や、PTの経験年数等の上記(4)のデータの詳細などとすることができる。前者は訓練者900のカルテ情報として他のサーバに格納しておくことができ、後者はPTの履歴書などとして他のサーバに格納しておくことができる。
学習段階では、サーバ500は、リハビリデータの発生時に、或いは1日毎、1週間毎など定期的に、歩行訓練装置100からリハビリデータを受信すればよい。学習段階と運用段階とでは、使用するリハビリデータの種類(リハビリデータに含まれる内容)を異ならせることができる。例えば、運用段階では、サーバ500は、歩行訓練装置100から訓練開始時にリハビリデータを受信し、訓練中、上記(1),(2)のうち変更があったデータを受信するようにしておけばよい。また、リハビリデータの送受は歩行訓練装置100とサーバ500のどちらが主体となって実行してもよい。
上記(1)について説明する。
上記(1)のデータは、上記(2)の検出データとともに、歩行訓練装置100でリハビリ実施中に取得された訓練者900の訓練データとして定義することができる。
歩行訓練装置100の設定パラメータは、例えば、歩行訓練装置100の動作を設定するために、オペレータが入力するデータ又は自動的に設定されるデータである。なお、上述したように、オペレータは通常、訓練者900の訓練に実際に付き添う訓練スタッフ901であり、以下ではオペレータが訓練スタッフ901であることを前提に説明する。また、訓練スタッフ901は理学療法士(PT:Physical Therapist)であることが多いため、以下では、訓練スタッフ901を単に「PT」と称する場合もある。
歩行訓練装置100では、設定パラメータにより、歩行訓練の難易度を調整することができる。なお、設定パラメータに難易度のレベルを示すパラメータを含むこともでき、その場合、そのレベルの変更に伴い、他の設定パラメータのうち一部又は全部を変更させることができる。訓練スタッフ901は、訓練者900の回復が進むにつれて、歩行訓練の難易度を高くしていく。つまり、訓練スタッフ901は、訓練者900の歩行能力が高くなるにつれて、歩行訓練装置100によるアシストを減らす。また、訓練スタッフ901は、歩行訓練中に異常が認められた場合、アシストを増やす。訓練スタッフ901が適切に設定パラメータを調整することにより、訓練者900は適切な歩行訓練を実施することができ、リハビリをより効率良く行うことが可能となる。
設定パラメータの具体例を以下に示す。
設定パラメータとしては、例えば、部分体重免荷量[%]、手摺り130aの上下位置[cm]、手摺り130aの左右位置[cm]、ヒップジョイントの有無、足関節底屈制限[deg]、足関節背屈制限[deg]などが挙げられる。また、設定パラメータとしては、例えば、トレッドミル速度[km/h]、振出しアシスト[レベル]、振出し前後比[前/後]も挙げられる。また、設定パラメータとしては、例えば、膝伸展アシスト[レベル]、膝屈曲角度[deg]、膝屈伸時間[sec]、補高[mm]、抜重閾値[%]、荷重閾値[%]も挙げられる。また、設定パラメータとしては、例えば、トレッドミルのベルトの傾斜[度]、歩行補助装置による関節の動きのアシスト[レベル]、歩行補助装置による関節の動きのアシスト又は振出しアシストを発生させる頻度、歩行の異常又は正常の判定条件(例えば判定閾値)、転倒又は転倒しそうであることの判定条件(例えば判定閾値)、歩行の異常又は正常に対応付けて報知する場合はその発生条件(発生頻度や発生閾値など)も挙げられる。ここで、報知とは、音、振動、表示などのいずれによる報知であってもよく、その一部又は全部を含んでもよい。なお、ここで例示する設定パラメータを含め、リハビリデータに含まれるデータの単位は問わない。
部分体重免荷量は、ハーネス引張部112がハーネスワイヤ111を引っ張ることで、訓練者900の体重を免荷する割合である。訓練スタッフ901は、所望する歩行訓練の難易度が高くなるほど、部分体重免荷量を低い値に設定する。手摺り130aの上下位置及び左右位置は、手摺り130aの基準位置からの調整量である。ヒップジョイントの有無は、ヒップジョイントが取り付けられているか否かである。足関節底屈制限、足関節背屈制限は、ヒンジ軸H周りに下腿フレーム123と足平フレーム124とが回動可能な角度範囲を規定している。足関節底屈制限が前側の上限角度に対応し、足関節背屈制限が後ろ側の最大角度に対応する。つまり、足関節底屈制限、足関節背屈制限はそれぞれ、つま先を下げる側に、つま先を上げる側に、足関節を曲げる角度の制限値である。訓練スタッフ901は、所望する歩行訓練の難易度が高くなるほど、角度範囲が大きくなるように足関節底屈制限及び足関節背屈制限の値を設定する。
トレッドミル速度は、トレッドミル131による歩行速度である。訓練スタッフ901は、所望する歩行訓練の難易度が高くなるほど、トレッドミル速度を高い値に設定する。振出しアシストは、脚の振出し時に前側ワイヤ134が与える引張力に応じたレベルであり、このレベルが高くなるほど、最大引張力が大きくなる。訓練スタッフ901は、所望する歩行訓練の難易度が高くなるほど、振出しアシストを低いレベルに設定する。振出し前後比は、脚の振出し時において、前側ワイヤ134による引張力と後側ワイヤ136による引張力との比である。
膝伸展アシストは、立脚時における膝折れを防止するためにかける関節駆動部221の駆動トルクに応じたレベルであり、このレベルが高くなるほど、駆動トルクが大きくなる。訓練スタッフ901は、所望する歩行訓練の難易度が高くなるほど、膝伸展アシストを低いレベルに設定する。膝屈曲角度は、膝伸展アシストを行う際の角度である。膝屈伸時間は、膝伸展アシストを行う期間であり、この値が大きいとゆっくり膝を屈伸させるようにアシストし、この値が小さいと早く膝を屈伸させるようにアシストすることになる。
補高は、訓練者900の麻痺脚と反対側の脚(補助具である歩行補助装置120を取り付けない側の脚)の靴底に設けるクッション等の部材の高さである。抜重閾値は、足底に掛かる荷重の閾値の一つであり、この閾値を下回ると振出しアシストが解除される。荷重閾値は、足底に掛かる荷重の閾値の一つであり、この閾値を超えると振出しアシストがなされる。このように、歩行補助装置120は、その膝の屈伸運動を、膝屈曲角度、膝屈伸時間、抜重閾値、及び荷重閾値の4つの設定パラメータで調整可能に構成しておくことができる。
また、歩行訓練装置100は、例えば、図示しないスピーカから、荷重や角度などの各種パラメータの設定値、目標値、目標の達成率、目標の達成タイミングなどを音でフィードバックするように構成することもできる。上記の設定パラメータは、このようなフィードバック音の有無や音量といった設定についてのパラメータを含むこともできる。
その他、上記の設定パラメータは、訓練に直接関係する設定パラメータでなくてもよい。例えば、上記の設定パラメータは、訓練者900にモチベーションを上げてもらうために訓練用モニタ138や図示しないスピーカで提供するための画像、音楽、ゲームの種類、ゲームの難易度等の設定値などとすることもできる。
なお、上記の設定パラメータは、一例であり、これ以外の設定パラメータがあってもよい。或いは、上記のうちの一部の設定パラメータは無くてもよい。また、上述のように、上記の設定パラメータは訓練の難易度を調整するためのパラメータが多いが、難易度に無関係なパラメータも含むこともできる。例えば、歩行訓練装置100は、訓練用モニタ138に表示させる注意喚起用のアイコン画像を表示するように構成することができる。そして、難易度に無関係な設定パラメータとしては、例えばこのような注意喚起用のアイコン画像の大きさや表示間隔等、訓練者900の訓練への集中度を高めるためのパラメータなどが挙げられる。また、上記の設定パラメータは、その設定操作がなされた日時等の時間情報又は時間以外のタイミング情報(例えば1歩行サイクルにおける立脚期、遊脚期等の区別を示す情報)を付加しておくことができる。
上記(2)について説明する。
上記(2)の検出データは、上記(1)のデータとともに、歩行訓練装置100でリハビリ実施中に取得された訓練者900の訓練データとして定義することができる。
検出データとしては、主にセンサデータが挙げられる。センサデータは、歩行訓練装置100の各種センサで検出されたセンサ値である。例えば、センサデータは、姿勢センサ217で検出された体幹の傾斜角度、手摺りセンサ218で検出された荷重や傾斜角度、角度センサ223で検出された角度等である。センサデータを出力するセンサは、加速度センサ、角速度センサ、位置センサ、光センサ、トルクセンサ、加重センサ等である。また、前側ワイヤ134、後側ワイヤ136、ハーネスワイヤ111の巻取機構等のモータに設けられたエンコーダをセンサとして用いてもよい。更には、モータのトルクセンサ(ロードセル)をセンサとしてもよいし、モータを駆動する駆動電流値を検出する電流検知部をセンサとしてもよい。
また、センサデータは、例えば、視線を検知する視線検知センサで取得された視線データを含むことができる。同様の視線データは、訓練者900の少なくとも目元を撮影した画像に基づき画像処理により視線を検出して得ることや、訓練者900の少なくとも顔を撮影した画像に基づき顔の向き(上向き/下向き等)を判定して得ることもできる。このようなデータも上記の検出データに含むことができる。また、検出データは、訓練者900又は訓練スタッフ901の音声を取得するマイク等の音声取得部で取得された音声データ、或いはその音声データを音声解析したテキストデータ、或いはそのテキストデータを解析したデータとすることもできる。訓練スタッフ901の音声には、訓練者900への歩き方の矯正等に関する声掛けを含めることができる。また、センサデータは、脳波計で訓練者900の脳波を検出したデータとすることもでき、脳波計で訓練スタッフ901の脳波を検出したデータとすることもできる。
また、視線検知センサ、上記画像を撮影する撮影部、マイクなどは、歩行訓練装置100の本体側に設けておくことができるが、例えば、訓練者900に装着させるための眼鏡型ウェアラブル端末に設けておくこともできる。この端末にBluetooth(登録商標)等の無線通信方式でデータを無線通信する無線通信部を備えるとともに、歩行訓練装置100側にも無線通信部を備えておけばよい。これにより、歩行訓練装置100は、ウェアラブル端末で取得されたデータを無線通信により取得することができる。脳波計は、検出精度が良いものに限るが、歩行訓練装置100の本体側に設けて、訓練者900の脳波と訓練スタッフ901の脳波とを区別して検知できるように構成することができる。但し、脳波計は、上述した眼鏡型ウェアブル端末(例えば眼鏡の枝の部分など)など検知対象者に近接する位置になるように設けておくことが好ましい。
また、センサ等、検出データを取得する検出部は、図1~図3を参照して説明したものや眼鏡型ウェアラブル端末等として例示したものに限らない。例えば、訓練者900にウェア型生体センサ及び/又はウェア型タッチセンサが搭載されたウェアを着用させることができる。ここで言うウェアは、上半身に着用するものに限らず、下半身に着用するものであっても上下セットのものであってもよいし、例えば装具110等の一部に着用するものであってもよい。また、ウェア及び歩行訓練装置100に、上述したような無線通信部を備えておく。これにより、歩行訓練装置100は、ウェア型生体センサやウェア型タッチセンサで取得されたデータを無線通信により取得することができる。ウェア型生体センサは、着用者の心拍数等のバイタルデータを取得することができる。ウェア型タッチセンサは、着用者である訓練者900が外部からタッチされた情報、つまり訓練スタッフ901が訓練者900に触れた位置の情報を示すデータを取得することができる。
また、検出データは、各種のセンサ等が検出した検出信号が示す値に限らず、複数のセンサからの検出信号に基づき算出した値や、1又は複数のセンサ等からの検出信号を統計処理した統計値を含むことができる。この統計値としては、例えば平均値、最大値、最小値、標準偏差値等の様々な統計値を採用することができ、また、静態統計による統計値であってもよいし、例えば1日、1訓練、1歩行サイクルなどの一定期間での動態統計による統計値であってもよい。
例えば、センサデータは、角度センサ223で検出された上腿フレーム122と下腿フレーム123の角度から算出された膝関節の開き角を含むことができる。さらに、角度センサについてのセンサデータは、角度を微分した角速度を含むことができる。加速度センサについてのセンサデータは、加速度を積分した速度や、2回積分した位置であってもよい。
例えば、検出データは、日毎、又は1日内のリハビリの施行毎についての、次のような平均値、合計値、最大値、最小値、代表値を含むことができる。ここでの平均値としては、平均速度(総歩行距離/総歩行時間)[km/h]や、重複歩距離の平均値[cm]、1分間あたりの歩数(step)を示す歩行率[steps/min]、歩行PCI[拍/m]、転倒回避介助[%]などが挙げられる。平均速度は、例えば、トレッドミル131の速度設定値から計算した値とすること、或いはトレッドミル駆動部211での駆動信号から計算した値とすることができる。重複歩距離とは、片側の踵が接地して次に同側の踵が再び接地するまでの距離を指す。PCIとはPhysiological Cost Index(生理的コスト指数の臨床指標)を指し、歩行PCIは歩行時のエネルギー効率を示すことになる。転倒回避介助[%]とは、訓練スタッフ901が訓練者900への転倒回避介助を行った回数である転倒回避介助[回]を、1歩数あたりで算出した割合、つまり1歩数あたりで転倒回避介助をした割合を指す。
また、ここでの合計値としては、歩行時間[秒]、歩行距離[m]、歩数[steps]、転倒回避介助[回]、転倒回避介助部位及び部位毎の回数[回]などが挙げられる。
また、ここでの最大値又は最小値としては、連続歩行時間[秒]、連続歩行距離[m]、連続歩数[steps]等の最大値や最小値、歩行PCI[拍/m]の最小値(換言すれば1拍あたりに歩行できる距離の最長値)などが挙げられる。代表値としては、トレッドミル131の速度として最も使用した値(代表速度[km/h])などが挙げられる。
このように、各種センサ等の検出部から直接又は間接的に供給されるデータを検出データに含めることができる。また、上記の検出データは、その検出がなされた日時等の時間情報又は時間以外のタイミング情報を付加しておくことができる。
なお、上記の検出データは、一例であり、これ以外の検出データがあってもよい。或いは、上記のうちの一部の検出データは無くてもよい。つまり、リハビリデータとして検出データを採用する場合、サーバ500は、1つ以上の検出データを収集すればよい。
上記(3)について説明する。
訓練者900に関するデータ(以下、訓練者データ)は、例えば、訓練者900の属性等を示すものである。訓練者データは、訓練者900の年齢、性別、体格(身長、体重等)をはじめ、症状情報、Br.stage、SIAS、初期歩行FIM、最新の歩行FIM等を含むことができる。また、訓練者データは、訓練者900の氏名又はIDを含むことができ、また、訓練者900の好みを示す嗜好情報や性格を示す性格情報などを含むこともできる。また、訓練者データは、FIMとして、歩行能力に係るもの以外の運動項目を含むことができ、また、認知項目を含むこともできる。つまり、訓練者データは、訓練者900の身体能力を示す様々なデータを含むことができる。なお、訓練者データの一部又は全部は、身体情報、基本情報、或いは訓練者特徴情報などと称することもできる。
ここで、症状情報には、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、主にここに含まれる症状のために訓練者900がリハビリを必要としたと捉えることができる。但し、リハビリとは直接関係なさそうな症状についても症状情報に含めることができる。また、症状情報には、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。
Br.stageは、Brunnstrom Recovery Stageを指し、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。訓練者データには、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。SIASは、Stroke Impairment Assessment Setを指し、脳卒中の機能障害を総合的に評価する指標である。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。
FIM(Functional Independence Measure:機能的自立度評価表)とは、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。
例えば、歩行FIMが回復度を示す汎用の指標となる。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、最高点の7点となり、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、最低点の1点となる。また、最小介助(介助量が25%以下)で50m移動することができる場合、4点、中程度介助(介助量25%以上)で50m移動できる場合、3点となる。したがって、回復が進むにつれて、訓練者900の歩行FIMが徐々に高くなっていく。なお、歩行FIMの評価を行う場合の歩行距離は、50mに限られるものではなく、例えば、15mの場合もある。
このことからも分かるように、歩行訓練装置100で取り扱う最新の歩行FIMは、訓練者900の身体能力を示す指標となるだけでなく、リハビリ開始時点からの訓練者900の回復度を示す指標となる。歩行FIMは、アクチュエータを用いない場合における訓練者900の動作能力、すなわち、歩行能力を示す指標となる。換言すると、訓練者900のリハビリの進捗状況を知る上で、歩行FIMは重要な指標となる。また、初期歩行FIMから最新の歩行FIMへの変化量又は変化速度も、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900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。
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、装具無し等)、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。
このように上記(3)の訓練者データは、訓練者900が歩行訓練装置100を利用し実行したリハビリについての、訓練者900の症状、身体能力、及び回復度の少なくとも1つを含む指標データを含むことができる。なお、最新の歩行FIMなど、身体能力及び回復度の双方の概念に含めることができるデータについては、通常、一方に含めておけばよいが、双方に含めておくこともできる。なお、同様のことはリハビリデータの全ての項目に関して言え、ある項目のデータは上記(1)~(4)のいずれか1又は複数のデータとして取り扱うことができる。また、上記の訓練者データは、歩行FIMの測定日時など、それが取得できた日時等の時間情報を付加しておくことができる。
上記(4)について説明する。
訓練スタッフ901に関するデータ(以下、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、リハビリに同時に複数の訓練スタッフが介助する場合には、リハビリデータには、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て又はその代わりに、各スタッフデータには、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ておくことができる。
また、歩行訓練装置100は、訓練者900へのリハビリ計画を入力可能に構成しておくことが好ましい。そして、このように入力されたリハビリ計画のデータも、その入力者としての訓練スタッフ901に関するスタッフデータとして、或いは他の分類に属するリハビリデータとして、含めておくことができる。また、歩行訓練装置100は、訓練スタッフ901の変更に対応可能とするために、今後のその訓練者900の訓練を補助する際の注意事項や申し送り事項を入力可能に構成しておくことが好ましい。そして、このようにして入力されたデータも、その入力者についての訓練スタッフ901に関するスタッフデータとして、或いは他の分類に属するリハビリデータとして、含めておくことができる。
これらのデータをリハビリデータに含める理由は、ある訓練スタッフが熟練の他の訓練スタッフからの注意事項や申し送り事項が存在していたからこそ、上手く訓練者900の訓練を遂行させることができたという場面もあり得るためである。また、上記のスタッフデータは、例えばリハビリ計画の入力日時など、その入力がなされた日時等の時間情報を付加しておくことができる。
(学習段階)
次に、サーバ500の制御部510における学習段階(学習フェーズ)での処理について、図5を併せて参照しながら説明する。図5は、サーバ500における学習処理の一例を説明するためのフロー図である。
制御部510は、上述のようなリハビリデータに含まれる情報のうち一部又は全部に前処理を施し、処理後のデータを用いて機械学習を行い、未学習モデルから学習済みモデルを構築する。レベル判定部510aが前処理(下処理)を実行し、学習部510bが機械学習を実行する。但し、制御部510は、レベル判定部510aにおける処理以外の前処理を併せて実行するように構成することもできる。
まず、サーバ500の制御部510は、学習(実際にはその前処理)のためのデータのセットを複数用意する。そのため、制御部510は、例えば、所定の期間内に収集された第1リハビリデータを1セットの学習データとして用意する。例えば、1回の歩行訓練又は歩行訓練の1施行で収集された第1リハビリデータを1セットの学習データとして用意してもよい。なお、以下の説明において、1セットの学習データをデータセットとも称する。第1リハビリデータは、訓練者900が歩行訓練装置100を利用し必要に応じて訓練スタッフ901に介助されながら実行したリハビリについてのデータである。
なお、1回の歩行訓練は、一人の訓練者900が行う一連の訓練であり、1回の歩行訓練が終わると次の訓練者900が歩行訓練装置100において訓練を行う。1回の歩行訓練は、通常20分~60分程度である。歩行訓練の1施行とは、1回の歩行訓練において、訓練者900が継続して歩行する1単位である。1回の歩行訓練には、複数回の施行が含まれる。例えば、1施行は5分程度となっている。具体的には、1回の歩行訓練において、訓練者900は、5分の歩行訓練を行った後、5分の休憩を取る。つまり、1回の歩行訓練では、歩行訓練の施行と休憩とが交互に繰り返される。休憩と休憩との間の5分間が1施行の時間となる。無論、1回の訓練と、1施行の時間は特に限定されるものではなく、訓練者900毎に適宜設定することができる。
また、制御部510は、1施行よりも短い期間で収集された第1リハビリデータを学習データとして用意してもよく、また、1施行より長い期間で収集されたリハビリデータを1セットの学習データとして用意してもよい。
そして、レベル判定部510aは、このようにして用意された第1リハビリデータを入力する(ステップS1)。次いで、レベル判定部510aは、入力された第1リハビリデータに基づき、訓練スタッフの評価(例えば優秀さ)を示すレベルを判定する(ステップS2)。レベル判定部510aは、訓練スタッフ(例えば優秀な訓練スタッフ)を選別する選別部であると言える。
レベル判定部510aは、訓練スタッフの評価を示す度合いを出力する出力部(度合い出力部)の一例で、レベル判定部510aによる判定結果は度合い出力部からの出力結果の一例である。つまり、レベルは度合いの一例とすることができ、また特に説明しないが他の値に関するレベルについても同様に度合いの一例とすることができる。以下では、度合い出力部について、レベル判定部510aを例に挙げて説明する。但し、度合い出力部は、例えば、訓練スタッフの評価に基づく指標値を、度合いの一例として算出して出力する部位とすることもできる。レベル判定部510aは、例えばこのような指標値から、訓練スタッフの評価を示すレベルを判定して出力することができる。
上記の第1リハビリデータは、上述したリハビリデータの一部又は全部とすることができ、スタッフデータの一部と指標データの一部とを少なくとも含む。換言すれば、第1リハビリデータは、学習の前処理段階(レベル判定段階)で使用する、スタッフデータ及び指標データを少なくとも含むリハビリデータに該当する。
スタッフデータは、上述した通り、訓練者900を補助する訓練スタッフ901を示すデータであり、例えば訓練スタッフ901の氏名又はIDや所属する病院を示す情報を含むことができる。特に、ここで用いるスタッフデータには、訓練スタッフ901を特定するための氏名又はIDを含むことが好ましい。指標データは、上述した通り、訓練者900の回復度を示すデータであり、例えば歩行FIMのFIM効率を含むことができる。
レベル判定部510aは、所定の判定基準に従って判定することができる。所定の判定基準としては、例えばFIM効率、歩行速度、歩行の安定性などの観点から、以下の(a)~(d)の条件のうち1又は複数を満たすこと、とすることができる。但し、判定基準はこれに限ったものではなく、最も単純な例では経験年数が挙げられる。なお、FIM効率は訓練者の回復速度を表す値の一例となる。
(a)対象の訓練スタッフが補助した全ての訓練者についてのFIM効率(例えば、FIMが6点以上になるまでの期間の長さなど、介助なしに歩けるようになるまでの期間)の平均値又は最大値が閾値以下である。
(b)対象の訓練スタッフが補助した全ての訓練者についての歩行速度の平均値又は最小値が閾値以上である。或いは、この歩行速度の伸び率が閾値以上である。
(c)対象の訓練スタッフが補助した全ての訓練者についての平地歩行(トレッドミル131上での歩行)における異常歩行の頻度の平均値又は最大値が閾値以下である。或いは、この頻度の低下率が閾値以上である。
(d)対象の訓練スタッフが補助した全ての訓練者についての歩行の美しさの指標が閾値上である。但し、第1リハビリデータに歩行の美しさを示す指標を含めておく。或いは、この指標の伸び率が閾値以上である。
上記(a)~(d)では、いずれもレベル数mに対してm-1個の閾値でなる閾値セットが用意されることになる。また、上記(a)~(d)の各閾値セットは、互いに異なる閾値セットである。また、上記(a)~(d)では、対象の訓練スタッフが補助した全ての訓練者についてのデータを閾値処理したが、対象の訓練スタッフが補助した全てのリハビリについてのデータを閾値処理することもできる。これにより、訓練者1人につき2名以上の訓練スタッフが同時又は異なる期間に補助した場合も考慮することができる。
また、訓練スタッフが主たるスタッフとして係わったリハビリであるのか、或いは補助的なスタッフとして係わったリハビリであるのかを区別したリハビリデータについて、閾値処理を行うこともできる。同様に、訓練スタッフが管理用モニタ139を操作するスタッフとして係わったリハビリであるのか、或いは介助する(手で支える)スタッフとして係わったリハビリであるのかを区別したリハビリデータについて、閾値処理を行うこともできる。
簡単な一例を挙げると、レベル判定部510aは、上記(a)~(d)のいずれもレベル数2として優秀な訓練スタッフか否かを閾値処理で求め、3つ以上の条件で優秀と判定された訓練スタッフを優秀である(所定レベル以上である)と判定することができる。また、より単純な例では、レベル判定部510aは、条件として上記(a)のみを用いるとともにレベル数として2を採用し、優秀な訓練スタッフか否かを1つの閾値による閾値処理を施すことで、優秀なスタッフを判定することができる。
このような判定のために、基本的には訓練スタッフを区別しておく必要がある。よって、訓練スタッフを区別するために、上述したようにスタッフデータに氏名又はIDを含むことが好ましいと言える。なお、スタッフデータにそのような情報を含めない場合には、例えば経験年数、年齢などの他の情報により訓練スタッフを概略的に区別することもできる。
特に、レベル判定部510aは、訓練者900の特徴毎に上記レベルを判定することが好ましい。なお、その場合、第1リハビリデータ及び後述する第2リハビリデータは、訓練者900の特徴を示す訓練者データを含むことを前提とする。訓練者900の特徴とは、身長、体重、性別、疾患、症状などが挙げられる。これにより、レベル判定部510aは、例えば訓練者900の性別毎に、その性別の訓練者に対して優秀と言える訓練スタッフを分類することができる。
特に、この訓練者データは、訓練者900の疾患(病名又は疾患名)及び症状の少なくとも一方を示す症状データを含むことが好ましい。訓練者900の疾患や症状に応じて、訓練スタッフの得意、不得意が生じることが予想されるためである。症状データは、上述した症状情報が記述されたデータである。特に、歩行訓練の場合、この症状データに含める症状としては、例えば、体幹後方移動、体幹前傾、体幹患側移動、膝関節屈曲、つま先離地困難、遊脚保持困難、体幹後傾、骨盤後退、下肢前傾、膝関節伸展、膝関節屈曲位、振出しが挙げられる。また、この症状データに含める症状としては、例えば、体幹健側移動、伸び上がり、骨盤挙上、股関節外旋、ぶん回し(分回し)、内側ホイップなども挙げられる。これにより、レベル判定部510aは、訓練者900の疾患や症状毎に、その疾患や症状の訓練者に対して優秀と言える訓練スタッフを分類することができる。
また、レベル判定部510aは、訓練者900の初期FIM等の指標データが示す値毎に上記レベルを判定するように構成することもできる。これにより、レベル判定部510aは、指標データが示す値毎に、各値をもつ訓練者に対して優秀と言える訓練スタッフを分類することができる。
学習部510bは、レベル判定部510aでの判定の結果、所定レベル以上であると判定された訓練スタッフ(つまり一定以上に優秀な訓練スタッフ)に対応する第2リハビリデータを教師データとして、学習済みモデルを生成(構築)する。第2リハビリデータは、訓練スタッフが訓練者を補助する目的で実行した補助行動を示す行動データを少なくとも含むものとする。学習部510bで生成する学習済みモデルは、このような第2リハビリデータを入力し、訓練スタッフの次の行動(次の補助行動)を示唆するための行動データを出力するモデルである。このような学習済みモデルの生成について説明する。
ここで、学習部510bで学習させる未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。なお、このように、学習部510bが用いる学習手法(第3の実施形態で説明する学習部が用いる学習手法についても同様)としては公知のアルゴリズムを用いることができ、その詳細な説明を省略し、簡単に説明する。
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、上述したように、未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し、学習済みモデルとは運用可能な段階のモデルを指すものとする。
上述したように、第2リハビリデータは行動データを少なくとも含むものとする。つまり、未学習モデルへ入力される入力パラメータは、上記の行動データの一部又は全部の項目を含む。ここで、行動データの項目とは、補助行動を示す項目を指す。行動データの項目は、例えば、或る設定パラメータを或る値に設定する操作、その設定パラメータを他の或る値に設定する操作、訓練者の腰を手で支える動作、訓練者の肩を手で支える動作等、様々な種類の補助行動のうちのいずれかを示す情報とすることができる。
未学習モデル及び学習済みモデルは、行動データを出力するモデルであるため、出力パラメータも行動データの一部又は全部の項目を含むことになる。また、未学習モデルへの入力パラメータは2以上となるため、第2リハビリデータは2種類以上の項目のデータを含むことになり、学習済みモデルについても同様である。無論、第2リハビリデータにおける行動データ、並びに出力パラメータとしての行動データはいずれも、複数種類の補助行動のそれぞれを示す項目を含むことができる。
行動データについて、取得経路の観点から説明する。行動データは、上記リハビリデータのうちの上記(2)の検出データの一部、例えば訓練者が外部から訓練スタッフにタッチされた情報を示すデータを含むことができる。また、行動データは、訓練スタッフにより歩行訓練装置100に設定された上記(1)の設定パラメータや、録画データから訓練スタッフの行動を抽出したデータを含むこともできる。なお、行動データに含める設定パラメータは、デフォルト値などにより自動設定された設定パラメータを含むこともでき、特に前回の施行時の設定内容を引き継いで自動設定された設定パラメータについては含むことが好ましい。
上述したように、学習部510bは、所定レベル以上であると判定された訓練スタッフに対応する第2リハビリデータを教師データとして、学習済みモデルを生成する。そのため、ステップS2に続き、学習部510bは、所定レベル以上の訓練スタッフが係わった第2リハビリデータを、教師データとして選択する(ステップS3)。
そのため、レベル判定部510a又は学習部510bは、所定レベル以上の訓練スタッフの第2リハビリデータに対し、自動的に同じ正解ラベルを付すように構成することができる。或いは、レベル判定部510a又は学習部510bは、所定レベル以上の訓練スタッフの第2リハビリデータに対し、自動的にレベルに応じた正解ラベルを付すように構成することができる。全10レベル中、7レベル以上の訓練スタッフの第2リハビリデータを教師データとして用いる場合を例に挙げる。この場合、例えば、最も優秀なレベル10の訓練スタッフが係わった第2リハビリデータについて、正解ラベル(正解変数)は「1.0」と付与されることができる。そして、例えば、レベル9,8,7のそれぞれの訓練スタッフが係わった第2リハビリデータについて、正解変数はそれぞれ「0.9」、「0.8」、「0.7」と付与されることができる。このように、判定されたレベルが高い程、学習モデルの構築(重み係数や閾値の変更)に寄与するような値の正解変数を与えることができる。
なお、所定レベル未満の訓練スタッフの第2リハビリデータは学習に使用しないことを前提として説明しているが、正解となる出力パラメータについての正解変数を「0」とするなど不正解を示すラベルを付しておくことで、使用することもできる。このような所定レベル未満の訓練スタッフの第2リハビリデータの使用は、反教師データとしての使用に該当すると言える。また、レベルに応じた正解ラベルの付与と同様の考え方で、レベルに応じた不正解ラベルを付与することもできる。上述の例の場合、例えば、レベル4、1のそれぞれの訓練スタッフが係わった第2リハビリデータについて、正解となる出力パラメータについての正解変数は、それぞれ「0.4」、「0.1」と付与されることができる。なお、正解ラベル等は手動で付すこともできる。
そして、学習部510bは、選択された教師データを未学習モデルに入力し、学習済みモデルを生成する(ステップS4)。MLPのような順伝搬型ニューラルネットワークを用いる場合、学習部510bは、リハビリ開始時やリハビリ中の各時点でのデータセットを、1つのデータセットとして入力することができる。但し、学習部510bは、所定時間について統計したデータセットを、1つのデータセットとして所定期間毎に入力することができる。或いは、学習部510bは、各時刻から所定期間(時刻単位より長い期間)について統計したデータセットを、1つのデータセットとして時刻毎に入力することもできる。また、いずれの場合でも、1つのデータセットは、統計を1歩、1歩行サイクルなどの一定期間について実施したデータセットとすることもでき、その場合、上記一定期間の開始毎に入力するものとすることができる。
学習部510bは、学習済みモデルの生成に際して、複数セットある教師データのそれぞれにつき、適切な回数を未学習モデルに入力する。例えば、教師データの一部のセット(学習のトレーニングデータ)で学習済みモデルを生成し、残りのセットをテストデータとして用いてその学習済みモデルの精度をチェックする。チェックの結果、精度が良ければそのまま実装し、精度が悪ければ前処理を変更する、或いはチューニングを行うなどの処理を実行した後、再度、学習済みモデルの生成、評価を行う。なお、精度をチェックするための評価データと最終的な精度をテストするためのテストデータとを双方用意しておくこともできる。また、学習済みモデルの生成に際して入力されるデータセットの項目に応じて、その項目を反映させた学習済みモデルを生成することができるようになる。
また、チューニングの対象となるハイパーパラメータは問わない。上記対象としては、例えば、ニューラルネットワークの層数、各層のユニット数(ノード数)、同じデータセットを使用した反復学習の回数(エポック数)、一度にモデルに渡す入力データの数(バッチサイズ)が挙げられる。また、上記対象としては、例えば、学習係数、活性化関数の種類なども挙げられる。なお、学習係数は、学習率とも称され、各層の重みを一度にどの程度変更するかを決める値とすることができる。
以上のような処理により、現在の状態に基づき示唆すべき補助行動を示す行動データを出力する学習済みモデルが構築できる。そして、各出力パラメータのそれぞれには、行動データにおける示唆させる項目を関連付けておけばよい。これにより、後述するように、その学習済みモデルを利用した歩行訓練装置100では、取得されたデータを入力パラメータとし、示唆すべき補助行動を示す行動データを出力して、その補助行動を訓練スタッフに示唆することができるようになる。
また、第2リハビリデータは、指標データ及びスタッフデータの少なくとも一方を含むことが好ましい。これにより、訓練スタッフのレベルに応じて、或いは訓練者の指標データの値(例えばFIM効率等)に応じて、示唆する内容を異ならせることができる。
また、行動データは、介助実行データ及び設定操作データのうち少なくとも一方を含むことが好ましい。介助実行データは、訓練者に対する介助動作を示すデータであり、訓練スタッフが訓練者を徒手介助等により介助したことをセンサや画像処理などから検出したデータとすることができる。
また、設定操作データは、歩行訓練装置100における設定値を変更した操作を示すデータであり、換言すれば、設定値の使い方を示すデータとなる。設定操作データは、例えば管理用モニタ139で設定画面を開いてからその設定操作や全ての設定操作を完了するまでに要した時間など、操作の熟練度(設定操作に関する熟練度)を示すデータを含むことができる。操作の熟練度により、その訓練スタッフが経験豊富か否かをある程度、推察できるためである。なお、操作受付部212では、操作を訓練スタッフ901が行ったのか、訓練者900が行ったのかを判定することはできないが、訓練スタッフ901が指定されたリハビリである場合にはその訓練スタッフ901が行った操作であると見做して処理すればよい。無論、カメラ140で撮影された撮影データから操作者が訓練スタッフ901であるのか訓練者900であるのかを判定するように構成することもできる。
これらの例からも分かるように、第2リハビリデータに含まれる項目は、第1リハビリデータに含まれる項目と同じとすることができる。但し、第2リハビリデータは、第1リハビリデータから、例えば訓練スタッフの氏名又はID等、一部の項目を除外しておくこともできる。
次に、他種の学習モデルについて例示する。一部の第2リハビリデータは、画像データとして、CNN(Convolutional Neural Network)における畳み込み層及びプーリング層を含むような特徴抽出部に入力させるようにすることもできる。画像データとしては、例えば10歩分のCOPの軌跡を表した画像データなどが挙げられる。このような特徴抽出部を設けた場合、そこで特徴を抽出した結果を、他の入力パラメータと並列に全結合層に入力させるようにすることもできる。
また、ニューラルネットワークとしては、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。RNNを有するような再帰的なモデルを用いる場合、学習部510bは、例えば、1施行における各時刻での第2リハビリデータを逐次入力するために、1つのデータセットが検出データ等の時系列データを含むようにしてもよい。つまり、1つのデータセット(学習用データセット)は、時系列に沿ったログデータを含んでいてもよい。また、1つのデータセットは、上述したようにログデータから抽出された特徴量を含んでもよいし、時系列の検出データをデータ処理して得られた画像データを含んでもよい。
また、RNNを有するような再帰的なモデルを用いる場合にも、学習部510bは、例えば、所定時間について統計したデータセットを、1つのデータセットとして所定期間毎に入力することができる。或いは、再帰的なモデルを用いる場合にも、学習部510bは、各時刻から所定期間(時刻単位より長い期間)について統計したデータセットを、1つのデータセットとして時刻毎に入力することもできる。また、1つのデータセットは、統計を1歩、1歩行サイクルなどの一定期間について実施したデータセットとすることもでき、その場合、上記一定期間の開始毎に入力するものとすることができる。なお、このような統計処理の範疇には、上述した、時系列の検出データをデータ処理して画像データを得る処理も含めることができる。
これにより、現在と少し前の過去の状態に基づき、上記所定時間などの1つのデータセットの期間と保存ステップ数とから得られる期間だけを通して過去から予測される、現在示唆すべき補助行動を示す行動データを適時出力する学習済みモデルが構築できる。そして、後述するように、その学習済みモデルを利用した歩行訓練装置100では、リハビリ中に取得されたデータを入力パラメータとして逐次入力していき、示唆すべきであると予測された補助行動を示す行動データを、示唆が必要な場面で出力することができる。つまり、歩行訓練装置100では、示唆すべきであると予測された補助行動を訓練スタッフに示唆することができる。
これらの例からも分かるように、通常、学習部510bで使用する学習モデルに応じて、上記第2リハビリデータに含める項目及び/又は時間的範囲が異なるようになる。
また、出力パラメータのうちのm個(mは正の整数)の出力パラメータは、例えば、上記(1)の設定パラメータの1つについて存在するm個の設定値とすることもできる。同様に、出力パラメータのうちのl個(lは正の整数)の出力パラメータは、例えば、上記(2)の検出データの1つについて存在するl個の検出タイミング又は検出位置などとすることもできる。
これらの場合、学習済みモデルの出力層のノード数が増えることになる。よって、出力させたい設定パラメータ毎や検出データ毎に学習済みモデルを構築し、出力させたい介助箇所毎に学習済みモデルを構築するなど、複数の学習済みモデルを構築することもできる。そして、モデル記憶部521にこれらの学習済みモデルを記憶しておくことで、これらの学習済みモデルを同時に運用させることができる。
また、以上の例では、学習装置にレベル判定部510aを備えることを前提として説明したが、学習装置にレベル判定部510aを備えないこともできる。その場合、サーバ500で例示した学習装置は、第1リハビリデータに基づく判定結果であって、訓練スタッフ901の評価を示すレベルを判定した判定結果を取得する取得部を備えていればよい。この取得部は、例えば、通信IF514とそれを制御する制御部510内(例えば応答処理部510c内)の取得制御部とで構成することができる。この取得部は、PCや歩行訓練装置100等の外部装置に設けたレベル判定部から判定結果を取得する構成を採用することができる。若しくは、例えば人がPC等において第1リハビリデータに基づき表計算アプリケーションソフトウェアを用いてレベルを算出するようにしておけばよい。この場合における取得部は、その算出した結果(判定結果)を入力データとして入力する構成とすることができる。
また、学習部510bは、所定レベル以上であると判定された訓練スタッフに対応する第2リハビリデータを教師データとして、学習済みモデルを生成するものとして説明した。これにより、所定レベル以上の訓練アシスタントの行動を考慮した学習済みモデルを生成することができる。
一方で、その代替処理として、所定レベル以上か否かに拘わらず学習させることもできる。例えば、学習部510bは、判定結果に基づきラベル付けされた複数のレベルと上記複数のレベルのそれぞれに対応するスタッフデータとを関連付けた第2リハビリデータを、教師データとし、学習モデルを生成することもできる。ここでの関連付けの処理は前処理に該当する。上記複数のレベルは、判定される全てのレベルのうちの一部の複数のレベルであればよいが、全てのレベルであってもよい。このような教師データを使用することにより、訓練スタッフの行動をレベル別に考慮した学習済みモデルを生成することができる。
換言すると、上記代替処理では、まず、訓練スタッフ毎に(つまりスタッフデータ毎に)、訓練スタッフについて判定したレベルをラベル付けしておく。次いで、学習部510bが、第2リハビリデータ(スタッフデータを除く)とスタッフデータとを用いて、つまりスタッフデータを含む第2リハビリデータを用いて、第2リハビリデータに含まれる行動データを、ラベル付けしたレベルと関連付けて学習する。
例えば、訓練スタッフの優秀さが高い程、レベルが高くなるようにラベリングし、レベルが高いラベルである程、より学習における重み付けが高くなるように、学習の関連付けを行う。より具体的な例を挙げると、所定レベル以上の訓練スタッフの第2リハビリデータを用いる場合の一例と同様に、判定されたレベルが高い程、学習モデルの構築(重み係数や閾値の変更)に寄与するような値の正解変数を与えることで実現させることができる。但し、上記代替処理では、使用する第2リハビリデータは所定レベル以上の訓練スタッフのデータに限らず、予め定めた複数のレベル(連続する複数のレベルであることが好ましい)の訓練スタッフのデータであればよい。
以上、所定レベルによる閾値処理や上記代替処理で例示したように、学習部510bは、判定結果に基づき前処理がなされた第2リハビリデータを教師データとして、学習モデルを生成する。なお、ここでの前処理は、上述したような所定レベルに基づく閾値処理やレベル別の関連付けの処理に限らず、例えば、単に判定結果を第2リハビリデータに関連付けるだけであってもよい。いずれの場合でも、訓練者が歩行訓練装置100を利用してリハビリを実行する際に、それを補助する訓練スタッフに対し望ましい行動を示唆することが可能な学習モデルを生成することができる。
(運用段階)
次に、歩行訓練装置100及びサーバ500における運用段階(推論フェーズ)での処理について説明する。上述したように、歩行訓練装置100は、学習済みモデルにアクセス可能に構成されることで、その学習済みモデルを利用できるようになっている。なお、学習済みモデルは、学習済みモジュールと称することもできる。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。
歩行訓練装置100は、上述のような学習済みモデルを運用するために、次のような出力部及び通知部を有することができる。この出力部は、歩行訓練装置100を用いて訓練者が行うリハビリに関する第2リハビリデータを、学習済みモデルへの入力として出力するもので、入出力制御部210c及び入出力ユニット231等で例示することができる。上記の通知部は、学習済みモデルから出力された行動データを、リハビリにおいて訓練者を補助する訓練スタッフに通知するもので、主に通知制御部210d、表示制御部213、及び管理用モニタ139(或いは、音声制御部及びスピーカ)等で例示することができる。
一方で、サーバ500側において、応答処理部510cは、モデル記憶部521に記憶された学習済みモデルを稼動させて応答処理を行う。さらに、サーバ500は、上記の出力部から出力された第2リハビリデータを学習済みモデルに入力し、学習済みモデルからの出力を歩行訓練装置100に出力する入出力部を有する。この入出力部は、通信IF514等で例示したものである。
具体的に、図6を併せて参照しながら、サーバ500を含むリハビリシステムにおけるリハビリ支援処理の例について説明する。図6は、サーバ500におけるリハビリ支援処理の一例を説明するためのフロー図である。
まず、入出力制御部210cは、入力パラメータとなり得る取得されたデータ(第2リハビリデータ)を、入出力ユニット231を介してサーバ500に出力する。上記取得されたデータとは、リハビリ開始時に取得されたデータとすることができるが、リハビリ中における各時点で取得されたデータとすることもできる。
サーバ500の応答処理部510cは、通信IF514を介してこのデータを受信した場合(ステップS11でYESの場合)、応答処理を開始する。応答処理部510cは、受信したデータを解析して複数の項目データに分け、それらの項目データのそれぞれを、モデル記憶部521内の学習済みモデルにおける入力層の入力パラメータのそれぞれとして出力する(ステップS12)。
応答処理部510cは、学習済みモデルを稼動させて演算を実行し、出力層からの各出力パラメータを判定することで、訓練スタッフへの示唆(通知)が必要な行動データの項目(補助行動を示す項目)の出力が存在したか否かを判定する(ステップS13)。なお、出力パラメータのそれぞれが通知対象の補助行動のそれぞれに対応している。また、出力パラメータの判定は、出力パラメータの値をそれぞれについて予め用意した閾値(或いは共通の閾値)で閾値処理することで行うことができる。無論、単純に出力パラメータの値を0と1の2値しかないようなモデルの場合には0か1かを判定すれば済む。
応答処理部510cは、ステップS13でYESの場合、出力パラメータとして学習済みモデルから出力された通知が必要な行動データを示す情報(補助行動を示す項目の情報)を、通信IF514を介して歩行訓練装置100側に返信する(ステップS14)。返信する情報は、歩行訓練装置100へのコマンドとすることができる。応答処理部510cは、ステップS13でNOの場合、ステップS14を経ずに後述のステップS15へ進む。
このように、ステップS13,S14において、応答処理部510cは、学習済みモデルを稼動させて演算を実行し、出力層からの出力パラメータのうち示唆が必要とされるような値として出力された出力パラメータについて、それに対応するコマンドを生成する。一方で、応答処理部510cは、それ以外については、特に処理を行わない。つまり、応答処理部510cは、演算結果によってはコマンドを全く出力しないこともあり、これは訓練スタッフへの示唆(通知)が必要でない場面に相当する。なお、コマンドの生成は、例えば、予め記憶されたコマンド群の中から出力パラメータに対応するコマンドを読み出すことで行うことができる。また、コマンドは、単に出力パラメータを示す情報(例えば出力層の何番目のノードであるかを示す情報)を示すだけのものであってもよい。応答処理部510cは、生成したコマンドを、通信IF514を介して歩行訓練装置100側に送信する。
ステップS14の処理後、応答処理部510cは、第2リハビリデータの受信が終了したか否かを判定し(ステップS15)、終了した場合には処理を終了し、終了していない場合にはリハビリ継続中としてステップS12に戻る。
歩行訓練装置100では、入出力制御部210cがステップS14で送信されたコマンドを受信し、通知制御部210dに渡す。通知制御部210dは、表示制御部213又は図示しない音声制御部などに対して、このコマンドに応じた通知制御を行う。通知制御部210dでは、サーバ500側から送信される可能性のあるコマンド群のそれぞれに対応する通知制御を記憶しておけばよい。通知制御部210dは、表示制御部213に対し、例えばコマンドに応じた画像を管理用モニタ139で表示させるための表示制御信号を、管理用モニタ139に出力させる。通知制御部210dは、上記音声制御部に対し、例えばコマンドに応じた音声をスピーカから出力させるための音声制御信号を、そのスピーカに出力させる。なお、徒手介助の示唆などの一部の示唆は、介助の方法を説明する画像や動画の表示によるものであってもよい。
このような処理により、歩行訓練装置100では、取得されたデータを入力パラメータとし、示唆すべき補助行動(優秀な訓練スタッフが行った補助行動)を示す行動データを出力して、その補助行動を訓練スタッフに示唆することができる。つまり、歩行訓練装置100では、このような示唆により、次に行うべき補助行動(設定や介助等)をアドバイスできるようになる。また、学習済みモデルがサーバ500に存在するため、複数の歩行訓練装置100で共通の学習済みモデルを使用した運用が可能となる。
利用例を挙げると、例えば、歩行訓練装置100は、1リハビリの開始前に設定された設定パラメータからなるデータセットを学習済みモデルに入力させ、必要に応じてリハビリの開始毎に設定パラメータについての示唆を行うように構成することができる。例えば、歩行訓練装置100は、上記所定期間又は上記一定期間のリハビリで得られたデータの統計値からなるデータセットを入力として用い、必要に応じて設定パラメータや必要となることが予想される徒手介助を示唆するよう構成することができる。
以上では、全てのレベルの訓練スタッフに対して、出力及び通知を行うことを前提として説明した。優秀な訓練スタッフであっても設定忘れなどがあり、それを防止するためである。
一方で、歩行訓練装置100は、通知が必要となるような優秀とは言えない訓練スタッフ901のみに対して、通知に関する処理を実行するように構成することもできる。具体的には、まず、歩行訓練装置100は、リハビリにおいて訓練者を補助する訓練スタッフ901を氏名又はIDなどで指定する指定部を備えることができる。この指定部は、例えば、タッチセンサを備えた管理用モニタ139で例示することができる。そして、歩行訓練装置100は、指定部を備えることに加え、レベル判定部510aで判定されたレベルを記憶するレベル記憶部にアクセス可能に構成することができる。このレベル記憶部は、例えば、全体制御部210内又は全体制御部210に接続された記憶装置とすることができるが、サーバ500の内部の記憶装置であってもよい。
そして、歩行訓練装置100は、指定部で指定された訓練スタッフ901が所定レベル以上でない場合に、上記出力部が第2リハビリデータを出力し、上記通知部が通知を行う。つまり、この例における歩行訓練装置100は、訓練者900を補助している訓練スタッフ901が所定レベル以上の訓練スタッフである場合には、第2リハビリデータの出力を行わず、結果として通知がなされることはない。これにより、通知が不要と想定される訓練スタッフに対しては余計な通知を行わないで済む。
ここでは、所定レベルによる閾値処理を前提として説明している。但し、これに限らず、上記代替処理のような場合であっても、歩行訓練装置100は、指定部で指定された訓練スタッフ901のレベルが学習済みモデルで教師データとして使用されているレベルであった場合に、出力、通知を行えばよい。
次に、上述のような歩行訓練装置100における訓練スタッフ901への示唆の例について、図7及び図8を参照しながら説明する。図8は、図7のリハビリ支援処理において訓練スタッフに提示される画像の一例を示す図で、図9は、このような画像の他の例を示す図である。
図7に示すGUI(Graphical User Interface)画像139aは、管理用モニタ139においてリハビリ中に表示される画像上に、ポップアップ画像139bが重畳されたものである。ポップアップ画像139bは、歩行速度を2レベル下げる示唆を行うコマンドを歩行訓練装置100がサーバ500から受信したときに表示されるものである。なお、ポップアップ画像139bが重畳される対象の画像は、示唆を行う時点で表示されている画像であり、その画像に含まれている内容は問わない。
図8に示すGUI画像139cは、管理用モニタ139においてリハビリ中に表示される画像上に、ポップアップ画像139dが重畳されたものである。ポップアップ画像139dは、振出しアシストのレベルを1レベル上げる示唆を行うコマンドを歩行訓練装置100がサーバ500から受信したときに表示されるものである。なお、ポップアップ画像139dが重畳される対象の画像は、示唆を行う時点で表示されている画像であり、その画像に含まれている内容は問わない。
(効果)
以上のように、本実施形態に係る学習装置では、下処理として良い訓練スタッフが係わったデータを、訓練スタッフのレベル分けに基づき分類し、良い訓練スタッフが係わったデータを入力として用いて学習済みモデルを生成する。生成する学習済みモデルは、良い補助行動(アシストレベルを含む設定値の変更、声掛け、徒手介助等)を必要に応じて出力するモデルとすることができ、また、良い補助行動を必要となるタイミングで出力するモデルとすることもできる。よって、本実施形態によれば、良い補助行動を示す情報を出力することが可能な、つまり訓練スタッフに対し望ましい行動を示唆することが可能な学習済みモデルを構築することができる。
また、本実施形態に係る歩行訓練装置100によれば、そのように生成された学習済みモデルにアクセス可能となっているため、訓練スタッフに対し望ましい行動を示唆することが可能になる。よって、このような歩行訓練装置100によれば、経験年数や熟練度や能力などから生じ得る訓練スタッフの優秀さに依らずに、優秀な訓練スタッフが補助した場合と同様に行うことができるように示唆することができる。
例えば、学習モデルに順伝搬型ニューラルネットワークを用いた場合、リハビリ開始前にサーバ500側に送信した第2リハビリデータへの応答として適切な設定パラメータ等を示唆することができるようになる。リハビリ中に定期的にサーバ500側に第2リハビリデータを送信した場合にも同様に、そのときに必要な示唆を受けることができる。例えば、学習モデルに再帰的な構造をもつニューラルネットワークを用いた場合、これらの示唆を少し前の第2リハビリデータも加味して予測的に実施することができる。1つのデータセットの統計期間や保存ステップ数などを適切にすることで、示唆のタイミングも適切なものとすることができる。このように、本実施形態に係る歩行訓練装置100では、適切なタイミングで、設定パラメータの変更、声掛けの実施、徒手介助の実施等を示唆することができるようになる。
(方法、プログラムに関する補足)
本実施形態では、上述の説明から分かるように、次の取得ステップ及び学習ステップを有する学習方法を提供することもできる。取得ステップは、第1リハビリデータに基づき、訓練スタッフの評価を示すレベルを判定した判定結果等の、度合いを出力した出力結果を取得する。学習ステップは、訓練スタッフが訓練者を補助する目的で実行した補助行動を示す行動データを少なくとも含む第2リハビリデータを入力して、訓練スタッフの次の行動を示唆するための行動データを出力する学習モデルを生成する。また、学習ステップは、判定結果等の出力結果に基づき前処理がなされた第2リハビリデータを教師データとして、学習モデルを生成する。
本実施形態では、上述の説明から分かるように、上述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歩行訓練装置100におけるリハビリ支援方法(歩行訓練装置100の作動方法)を提供することもでき、この方法は次の出力ステップ及び通知ステップを有する。出力ステップは、歩行訓練装置100が、歩行訓練装置100を用いて訓練者が行うリハビリに関する第2リハビリデータを、学習済みモデルへの入力として出力する。通知ステップは、歩行訓練装置100が、学習済みモデルから出力された行動データを、リハビリにおいて訓練者を補助する訓練スタッフに通知する。
本実施形態では、上述の説明から分かるように、コンピュータに、上述の取得ステップ及び学習ステップを実行させるためのプログラム(学習プログラム)を提供することもでき、当然ながら、学習装置で学習された学習済みモデル、学習方法で学習された学習済みモデル、学習プログラムで学習された学習済みモデルを提供することもできる。また、本実施形態では、上述の説明から分かるように、上述のような学習済みモデルにアクセス可能な歩行訓練装置100のコンピュータに、上述の出力ステップ及び通知ステップを実行させるためのリハビリ支援プログラムを提供することもできる。
<実施形態2>
実施形態1では、サーバ500がレベル判定部510a及び学習部510bを備え、サーバ500にて学習済みモデルを生成する例を挙げたが、本実施形態では、レベル判定部等の度合い出力部及び学習部は歩行訓練装置100側(例えば全体制御部210)に備えるものとする。本実施形態に係るリハビリ支援システムは、歩行訓練装置100を含めばよいことになる。但し、この場合、学習段階においてリハビリデータの収集量を多くするために、他の歩行訓練装置からのリハビリデータを収集可能に構成しておくことが望ましい。
また、運用段階に関し、学習済みモデルをサーバ500に備え、歩行訓練装置100がサーバ500にリハビリデータを送信して行動データを受信する例を挙げたが、これに限ったものではない。例えば、歩行訓練装置100側(例えば全体制御部210内の記憶部)に学習済みモデルを組み込んでおくこともできる。そのために、歩行訓練装置100は学習済みモデルを記憶する記憶部を有することができる。また、特に説明しないが、本実施形態においても、実施形態1で説明した様々な例が適用でき、実施形態1と同様の効果を奏する。一例を挙げると、本実施形態においても、実施形態1と同様にレベル判定部の代わりに取得部を備えてもよい。つまり、本実施形態にかかる歩行訓練装置100はレベル判定部等の度合い出力部の代わりに取得部を備えてもよい。
<実施形態3>
実施形態3について、図9~図11を参照しながら説明する。図9は、実施形態3に係るリハビリ支援システムにおけるサーバの一構成例を示すブロック図である。本実施形態に係るリハビリ支援システムは、その説明を省略するが、実施形態1で説明した歩行訓練装置100等のリハビリ支援装置を有することができる。また、特に説明しないが、本実施形態においても、以下の相違点を除き、実施形態1で説明した様々な例が適用できる。
本実施形態に係る学習装置は、レベル判定部510aで例示した判定部等の度合い出力部の代わりに、次の分析部を備える点で実施形態1に係る学習装置と相違する。本実施形態に係る学習装置は、サーバ501で例示することができ、上記分析部は、分析部511aとすることができる。
図9に示すサーバ501は、図4のサーバ500の学習部510b、応答処理部510cにそれぞれ対応する、学習部511b、応答処理部511cを有することができる。分析部511a、学習部511b、及び応答処理部511cは、図4の制御部510に対応する制御部511に設けておくことができる。制御部511は、基本的に、制御部510においてレベル判定部510aの代わりに分析部511aを設けたものである。特に、応答処理部511cは、基本的に応答処理部510cと同様の処理を行うものとすることができる。
(学習段階)
次に、サーバ501の制御部511における学習段階での処理について、図10及び図11を併せて参照しながら説明する。図10は、このサーバにおいて実行されたクラスタ分析の結果の一例を示す模式図で、図11は、サーバ501における学習処理の一例を説明するためのフロー図である。
制御部511は、リハビリデータに含まれる情報のうち一部又は全部に前処理を施し、処理後のデータを用いて機械学習を行い、未学習モデルから学習済みモデルを構築する。分析部511aが前処理(下処理)を実行し、学習部511bが機械学習を実行する。但し、制御部511は、分析部511aにおける処理以外の前処理を併せて実行するように構成することもできる。
まず、分析部511aは、第1リハビリデータを入力する(ステップS21)。この第1リハビリデータは、訓練者900が歩行訓練装置100を利用し実行したリハビリについての、その訓練者900を補助する訓練スタッフ901を示すスタッフデータを少なくとも含む。また、この第1リハビリデータは、訓練スタッフ901が訓練者900を補助する目的で実行した補助行動を示す行動データと、訓練者900の回復度を示す指標データと、を少なくとも含む。特に、訓練スタッフが優秀であるか否か、換言すれば優秀な訓練スタッフが係わった第1リハビリデータであるか否かは、訓練者の回復指標によって判断することが妥当であるため、指標データは特に重要である。
分析部511aは、上述のような第1リハビリデータに対し、クラスタ分析を実行し、訓練スタッフを分類する(ステップS22)。分析部511aにおけるクラスタ分析は、例えば、k平均法(k-means)を用いることができる。分析結果としての各クラスタは、第1リハビリデータの傾向が分類されたものとなるが、訓練スタッフの優秀さのレベルで分類された各データ群が対応するように調整されることが好ましい。
分析部511aにおけるクラスタ分析は、k平均法を拡張してクラスタ数の指定も自動的に行うX平均法(X-means)を用いることもできる。また、分析部511aにおけるクラスタ分析は、確率密度分布も得ることができる混合ガウス分布(GMM:Gaussian Mixture Models)、連結性に注目してクラスタリングを行うスペクトラルクラスタリングなど、他の様々な手法を用いることもできる。なお、スペクトラルクラスタリングでは、まずデータをグラフに変換されることになるが、この変換にはε近傍法、k近傍法(k-nearest neighbor: k-NN)、全結合法などが用いられる。
説明の簡潔化のために、図10には第1リハビリデータにおける2つのパラメータ(2つの項目)についてクラスタ分析を行った結果の例を挙げている。図10の例では、クラスタ(データ群)の数を4つに指定して、第1リハビリデータをクラスタ分析した結果、クラスタC1~C4に分類されている。なお、通常、クラスタ分析のパラメータ数(空間軸の数)は第1リハビリデータの項目数とすることができるため、本実施形態の場合には3以上とすることができる。
学習部511bは、行動データを少なくとも含む第2リハビリデータを入力して、訓練スタッフの次の行動を示唆するための行動データを出力する学習済みモデルを生成する。特に、学習部511bは、分析部511aで分類された結果における1つの群(クラスタ)に含まれる訓練スタッフに対応する第2リハビリデータを教師データとして選択する(ステップS23)。ここで、学習部511bは、教師データとして、1つの群のみに含まれる訓練スタッフに対応する第2リハビリデータを用いることが好ましい。教師データの選択については、後述する。
そして、学習部511bは、選択された教師データを未学習モデルに入力して学習済みモデルを生成する(ステップS24)。なお、本実施形態における各データの定義やその好ましい例なども基本的に実施形態1で説明した通りであるが、教師データとして選択されるデータはレベル判定部510aと分析部511aとの違いから生じ得る。
また、学習部511bは、分析部511aで分類された結果(分類結果)における複数の群のそれぞれについて、群に含まれる訓練スタッフに対応する第2リハビリデータを教師データとすることができる。つまり、学習部511bは、上記複数の群のそれぞれについての第2リハビリデータを教師データとして学習済みモデルを生成するように構成することができる。これにより、複数種類の学習済みモデルを生成することができる。この場合、教師データの選択は、学習部511bが自動的に予め定められた順序などで行うことができる。この場合、学習モデルの調整者や運用者が使用に適した学習済みモデルを選択して、運用がなされることになる。学習済みモデルは、例えば、訓練者の歩行安定性、FIM効率、歩行速度、身体能力などの観点から正解率が良くなると言えるものが、仕様に適したものとして選択されることができる。
また、教師データの選択は、学習モデルを調整する調整者が行うようにすることができる。調整者は、例えば、既知の優秀な訓練スタッフが含まれる群を選択することができる。そのため、サーバ501において、上記群(クラスタ)を指定する群指定部を備えることができる。なお、この群指定部は、外部端末等からクラスタの指定を受け付けるように構成することもできる。そして、学習部511bは、群指定部で指定された群に含まれる訓練スタッフに対応する第2リハビリデータを教師データとして、学習済みモデルを生成する。これにより、指定された群のみの学習済みモデルを生成することができる。
また、以上の例では、学習装置に分析部511aを備えることを前提として説明したが、学習装置に分析部511aを備えないこともできる。その場合、サーバ501で例示した学習装置は、第1リハビリデータに対し、クラスタ分析により訓練スタッフを分類した分類結果を取得する取得部を備えていればよい。この取得部は、例えば、通信IF514とそれを制御する制御部511内(例えば応答処理部511c内)の取得制御部とで構成することができる。この取得部は、例えば、PCや歩行訓練装置100等の外部装置に設けた分析部から分類結果を取得する構成を採用することができる。若しくは、例えば人がPC等において第1リハビリデータに基づきクラスタ分析アプリケーションソフトウェアを用いてクラスタ分析を実行するようにしておけばよい。この場合における取得部は、その実行した結果(分類結果、例えば分類されたスタッフデータ)を入力データとして入力する構成とすることができる。
また、学習部511bは、分類結果における1つの群に含まれる訓練スタッフに対応する第2リハビリデータを教師データとして、学習モデルを生成するものとして説明した。これにより、1つの群に属する訓練スタッフの行動を考慮した学習済みモデルを生成することができる。
一方で、その代替処理として、学習部511bは、例えば、分類結果に基づきラベル付けされた複数の群と上記複数の群のそれぞれに対応するスタッフデータとを関連付けた第2リハビリデータを、教師データとし、学習モデルを生成することもできる。ここでの関連付けの処理は前処理に該当する。上記複数の群は、分類された全ての群のうちの一部の群のレベルであればよいが、全ての群であってもよい。このような教師データを使用することにより、訓練スタッフの行動を群別に考慮した学習済みモデルを生成することができる。
換言すると、上記代替処理では、まず、分類された群毎にラベル付けしておく。次いで、学習部511bが、第2リハビリデータ(スタッフデータを除く)とスタッフデータとを用いて、つまりスタッフデータを含む第2リハビリデータを用いて、第2リハビリデータに含まれる行動データを、ラベル付けした群と関連付けて学習する。例えば、群毎に重み付けが異なるようにラベリングし、学習の関連付けを行う。ラベリング(ラベル付け)は、例えば、優秀さが異なる任意の幾人かの訓練スタッフのスタッフデータがどの群に属するかに従い、重み付けを異ならせるように、特に優秀な訓練スタッフが含まれる群である程、重み付けを大きくするように行うことができる。
以上、1つの群による処理や上記代替処理で例示したように、学習部511bは、分類結果に基づき前処理がなされた第2リハビリデータを教師データとして、学習モデルを生成する。なお、ここでの前処理は、上述したような1つの群による処理や群別の関連付けの処理に限らず、例えば、単に分類結果を第2リハビリデータに関連付けるだけであってもよい。いずれの場合でも、訓練者が歩行訓練装置100を利用してリハビリを実行する際に、それを補助する訓練スタッフに対し望ましい行動を示唆することが可能な学習モデルを生成することができる。
(運用段階)
次に、歩行訓練装置100及びサーバ501における運用段階の処理について説明する。上述したように、歩行訓練装置100は、学習済みモデルにアクセス可能に構成されることで、その学習済みモデルを利用できるようになっている。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501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。
本実施形態に係る歩行訓練装置100は、上述のような学習済みモデルを運用するために、実施形態1で説明した出力部及び通知部を備えることができる。無論、本実施形態における出力部が第2リハビリデータを出力する先は、本実施形態で生成された学習済みモデルとなる。
サーバ501側において、応答処理部511cは、モデル記憶部521に記憶された学習済みモデルを稼動させて応答処理を行う。さらに、サーバ501は、上記の出力部から出力された第2リハビリデータを学習済みモデルに入力し、学習済みモデルからの出力を歩行訓練装置100に出力する入出力部を有する。この入出力部は、通信IF514等で例示したものである。このような処理については、基本的に図6を参照して説明した通りであり、その通知例も図7及び図8で例示した通りである。
このような処理により、歩行訓練装置100では、取得されたデータを入力パラメータとし、示唆すべき補助行動(優秀な訓練スタッフが行った補助行動)を示す行動データを出力して、その補助行動を訓練スタッフに示唆することができる。つまり、歩行訓練装置100では、このような示唆により、次に行うべき補助行動(設定や介助等)をアドバイスできるようになる。
また、歩行訓練装置100は、上記リハビリにおいて訓練者を補助する訓練スタッフを指定する指定部を備えることができる。この指定部は、実施形態1で説明したものである。また、歩行訓練装置100は、分析部511aでの分析の結果(分類結果)を記憶する分類結果記憶部にアクセス可能となっている。この分類結果記憶部は、例えば、全体制御部210内又は全体制御部210に接続された記憶装置とすることができるが、サーバ501の内部の記憶装置であってもよい。
そして、歩行訓練装置100は、指定部で指定された訓練スタッフが学習済みモデルの生成時に教師データを採用されなかった訓練スタッフであった場合に、出力部が第2リハビリデータを出力し、通知部が通知を行う。そのため、例えば、分析部511aは、教師データとなった第1リハビリデータに係わった訓練スタッフの氏名又はIDなどを分析結果の一部として出力するように構成しておくことができる。これにより、通知が不要と想定される訓練スタッフに対しては余計な通知を行わないで済む。
なお、このような出力、通知に関しては、1つの群による処理に限らず、上記代替処理のような場合であっても適用できる。つまり、歩行訓練装置100は、指定部で指定された訓練スタッフ901の属する群が学習済みモデルで教師データとして使用されている群であった場合に、出力、通知を行えばよい。
(効果)
本実施形態においても、上述したように、実施形態1と同様の効果を奏する。つまり、歩行訓練装置100において、訓練スタッフに、次に行うべき補助行動(設定や介助等)をアドバイスできるようになる。
(方法、プログラムに関する補足)
本実施形態では、上述の説明から分かるように、次の取得ステップ及び学習ステップを有する学習方法を提供することもできる。取得ステップは、第1リハビリデータに対し、クラスタ分析により訓練スタッフを分類した分類結果を取得する。この第1リハビリデータは、訓練者が歩行訓練装置100を利用し実行したリハビリについての、スタッフデータと、訓練スタッフが訓練者を補助する目的で実行した補助行動を示す行動データと、訓練者の回復度を示す指標データと、を少なくとも含む。学習ステップは、行動データを少なくとも含む第2リハビリデータを入力して、訓練スタッフの次の行動を示唆するための行動データを出力する学習モデルを生成する。また、学習ステップは、分類結果に基づき前処理がなされた第2リハビリデータを教師データとして、学習モデルを生成する。
本実施形態では、上述の説明から分かるように、上述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歩行訓練装置100におけるリハビリ支援方法(歩行訓練装置100の作動方法)を提供することもできる。この方法は、実施形態1で説明した出力ステップ及び通知ステップを有する。
本実施形態では、上述の説明から分かるように、コンピュータに、上述の分析ステップ及び学習ステップを実行させるためのプログラム(学習プログラム)を提供することもでき、当然ながら、学習装置で学習された学習済みモデル、学習方法で学習された学習済みモデル、学習プログラムで学習された学習済みモデルを提供することもできる。また、本実施形態では、上述の説明から分かるように、上述のような学習済みモデルにアクセス可能な歩行訓練装置100のコンピュータに、上述の出力ステップ及び通知ステップを実行させるためのリハビリ支援プログラムを提供することもできる。
<実施形態4>
実施形態3では、サーバ501が分析部511a及び学習部511bを備え、サーバ501にて学習済みモデルを生成する例を挙げたが、本実施形態では、分析部及び学習部は歩行訓練装置100側(例えば全体制御部210)に備えるものとする。本実施形態に係るリハビリ支援システムは、歩行訓練装置100を含めばよいことになる。但し、この場合、学習段階においてリハビリデータの収集量を多くするために、他の歩行訓練装置からのリハビリデータを収集可能に構成しておくことが望ましい。
また、運用段階に関し、学習済みモデルをサーバ501に備え、歩行訓練装置100がサーバ501にリハビリデータを送信して行動データを受信する例を挙げたが、これに限ったものではない。例えば、歩行訓練装置100側(例えば全体制御部210内の記憶部)に学習済みモデルを組み込んでおくこともできる。そのために、歩行訓練装置100は学習済みモデルを記憶する記憶部を有することができる。また、特に説明しないが、本実施形態においても、実施形態1,3で説明した様々な例が適用できる。一例を挙げると、本実施形態においても、実施形態3と同様に分析部の代わりに取得部を備えてもよい。つまり、本実施形態にかかる歩行訓練装置100は分析部の代わりに取得部を備えてもよい。
<実施形態5>
実施形態1~4では、訓練スタッフ901のような人に対する通知を行うことを前提に説明したが、人以外の訓練アシスタント(機械的な、つまり人工の訓練アシスタント)に対する通知を行うこともできる。人工の訓練アシスタントとしては、人型のロボットをはじめ、音声アシスタントプログラム、表示アシスタントプログラムなど、様々なものが挙げられる。音声アシスタントプログラムが音声でアシストする例を挙げると、例えば、「もっと上体を右に傾けて下さい」、「手すりを掴んで下さい」、「歩行速度を下げて下さい」などといった声掛けをすることができる。
訓練アシスタントがプログラムである場合、歩行訓練装置100に実行可能に組み込んでおくことができるが、歩行訓練装置100と通信可能な携帯電話機(スマートフォンと称されるものも含む)、モバイルPC等の可搬型の端末や外部サーバなどに実行可能に組み込んでおくこともできる。また、人工の訓練アシスタントは、人工知能をもったプログラム(AIプログラム)を有することもできる。
また、人工の訓練アシスタントは、歩行訓練装置100での歩行訓練時において、複数利用可能となっており、且つそれぞれが区別可能に個々に管理されることができる。つまり、訓練アシスタントが人工の訓練アシスタントであった場合にも訓練スタッフの場合と同様に、訓練アシスタントは他の訓練アシスタントと区別可能となっている。
また、人工の訓練アシスタントを採用する場合、上記(4)の訓練スタッフ901に関するデータに対応する人工の訓練アシスタントに関するデータ(アシスタントデータ)としては、次のようなものが挙げられる。例えば、その人工の訓練アシスタント(プログラム)がもつ機能(音声アシスト機能、映像表示によるアシスト機能等)、そのプログラムの名称、バージョンなど、さらにはそのプログラムが運用時に学習していくタイプのAIプログラムであった場合には、学習アルゴリズム、学習の程度、学習時間、学習回数などが挙げられる。
また、リハビリに同時に複数の訓練アシスタント(人かそれ以外かを問わない)が介助する場合には、複数の訓練スタッフについて説明したように、リハビリデータには、複数人のアシスタントデータを含むことができる。また、各アシスタントデータには、主たる訓練アシスタントであるのか、或いは補助的な訓練アシスタント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て又はその代わりに、各アシスタントデータには、どのようなアシストを行うかを示す情報も含めておくことができる。
本実施形態における通知に関して説明する。例えば、通知制御部210dは、訓練スタッフ901のような人ではなく人工の訓練アシスタントに対する通知が必要となった場面において、その訓練アシスタントに通知を行えばよい。通知は直接的に通信により行うことができるが、人の場合と同様に映像や音声で行い、人工の訓練アシスタントがそれを検出するようにしておいてもよい。また、人工の訓練アシスタントは、歩行訓練装置100に対し、通信又は直接的なタッチ操作等により設定変更などを行うことができるようにしておくことで、人工の訓練アシスタントであっても学習済みモデルの運用時に示唆された行動を実行することができる。
<代替例>
以上説明した各実施形態においては、訓練者900は、脚の一方を患う片麻痺患者の例を示して説明したが、両脚に麻痺を患う患者に対しても歩行訓練装置100を適用し得る。その場合は、両脚に歩行補助装置120を装着して訓練を実施する。その場合、それぞれの患脚毎に、異常歩行の評価を行っても良い。それぞれの患脚に対して独立して異常歩行の評価を行うことにより、回復度合を個別に判断することができる。
また、図示しないが、歩行訓練装置は、図1の歩行訓練装置100においてトレッドミル131を備えない装置とし、訓練者900がフレーム130に囲われた空間内を実際に移動できるようにすることができる。その場合、フレーム130を進行方向に長く形成しておき、訓練者900の移動に伴い、ハーネス引張部112、前側引張部135、後側引張部137が不図示のモータによりそれぞれガイドレールに沿って移動するような構成を採用しておくとよい。訓練者900は、床面に対して実際に相対移動するので、よりリハビリ訓練の達成感を得られる。無論、歩行訓練装置は、これらの構成例に限ったものではない。
また、上述したように、各実施形態に係るリハビリ支援装置は、歩行訓練以外の他種のリハビリ或いはリハビリ以外の訓練を支援する装置であってもよい。その場合、各実施形態に係る学習装置はその装置に適用させた学習済みモデルを生成する学習装置とすることができ、リハビリの種類や訓練の種類に応じた入力パラメータや出力パラメータを採用することができる。リハビリ以外の訓練としては、例えば、ウォーキング、ランニングといった運動やトレーニングなどが挙げられ、訓練の内容に応じた訓練支援装置を用いることができる。また、リハビリ以外の訓練の場合における指標データは、訓練者の回復度の代わりに訓練者の身体機能向上度を示すデータとすることができる。身体機能向上度としては、運動等による筋力向上、持久力向上等を含むことができる。また、訓練がリハビリであった場合でも、指標データは訓練者の身体機能向上度を示すデータとすることができ、この場合、身体機能向上度としては、リハビリ等による回復度を含むことができる。また、リハビリ以外の訓練の場合において、第1リハビリデータ、第2リハビリデータは、それぞれ第1訓練データ、第2訓練データ、或いはそれぞれ単に第1データ、第2データと称することができる。
また、各実施形態において説明したリハビリ支援装置は、リハビリ支援システムとして複数の装置で構成することもできる。同様に、歩行訓練装置は歩行訓練システムとして複数の装置で構成することができ、また、訓練支援装置は訓練支援システムとして複数の装置で構成することができる。また、各実施形態において説明したサーバ(サーバ装置)は、例えば学習装置を備えず学習済みモデルだけ備えることができるだけでなく、学習装置の全部の機能又は一部の機能のみを備えることもできる。また、各実施形態において説明したサーバ装置は、リハビリ支援装置の機能や部位として説明した機能や部位の少なくとも一部を備えることもできる。また、上述したリハビリ支援装置又はサーバ装置は、例えば、プロセッサ、メモリ、及び通信インターフェース等を有するようなハードウェア構成とすることができる。これらの装置は、プロセッサがメモリに記憶されたプログラムを読み込んで実行することにより実現される。
このようなプログラムについて、換言すれば各実施形態で説明した学習プログラムや学習済みモデルについて説明する。このようなプログラムは、様々なタイプの非一時的なコンピュータ可読媒体(non-transitory computer readable medium)を用いて格納され、コンピュータに供給することができる。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(tangible storage medium)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)を含む。さらに、この例は、CD-ROM(Read Only Memory)、CD-R、CD-R/W、半導体メモリを含む。この半導体メモリとしては、例えば、マスクROM、PROM(Programmable ROM)、EPROM(Erasable PROM)、フラッシュROM、RAM(Random Access Memory)などが挙げられる。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(transitory computer readable medium)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。
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
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、128a 連結フック
128 後側連結フレーム
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
139a、139c GUI画像
139b、139d ポップアップ画像
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
229 通信接続IF
231 入出力ユニット
232 非常停止ボタン
300 外部通信装置
400 ネットワーク
410 無線通信機器
500、501 サーバ
510、511 制御部
510a レベル判定部
510b、511b 学習部
510c、511c 応答処理部
511a 分析部
514 通信IF
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

Claims (21)

  1. 訓練者が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、前記訓練者を補助する訓練アシスタントを示すアシスタントデータと、前記訓練アシスタントが前記訓練者を補助する目的で実行した補助行動を示す行動データと、前記訓練者の回復度を示す指標データと、を少なくとも含む第1リハビリデータに対し、クラスタ分析により前記訓練アシスタントを分類した分類結果を取得する取得部と、
    前記行動データを少なくとも含む第2リハビリデータを入力して、前記訓練アシスタントの次の行動を示唆するための前記行動データを出力する学習モデルを生成する学習部と、
    を備え、
    前記学習部は、前記分類結果に基づき前処理がなされた前記第2リハビリデータを教師データとして、前記学習モデルを生成する、
    学習装置。
  2. 前記第2リハビリデータは、前記指標データ及び前記アシスタントデータの少なくとも一方を含む、
    請求項1に記載の学習装置。
  3. 前記学習部は、前記分類結果における1つの群に含まれる前記訓練アシスタントに対応する前記第2リハビリデータを教師データとして、前記学習モデルを生成する、
    請求項1又は2に記載の学習装置。
  4. 前記学習部は、前記分類結果に基づきラベル付けされた複数の群と前記複数の群のそれぞれに対応する前記アシスタントデータとを関連付けた前記第2リハビリデータを、教師データとし、前記学習モデルを生成する、
    請求項1又は2に記載の学習装置。
  5. 前記第1リハビリデータに対し、前記クラスタ分析を実行し、前記訓練アシスタントを分類する分析部を備え、
    前記取得部は、前記分析部から、前記訓練アシスタントを分類した分類結果を取得する、
    請求項1~4のいずれか1項に記載の学習装置。
  6. 前記第1リハビリデータ及び前記第2リハビリデータは、前記訓練者の特徴を示す訓練者データを含む、
    請求項1~5のいずれか1項に記載の学習装置。
  7. 前記訓練者データは、前記訓練者の疾患及び症状の少なくとも一方を示す症状データを含む、
    請求項6に記載の学習装置。
  8. 前記行動データは、前記リハビリ支援システムにおける設定値を変更した操作を示すデータ及び前記訓練者に対する介助動作を示すデータのうち、少なくとも一方を含む、
    請求項1~7のいずれか1項に記載の学習装置。
  9. 前記操作を示すデータは、前記操作の熟練度を示すデータを含む、
    請求項8に記載の学習装置。
  10. 前記学習部は、前記分類結果における複数の群のそれぞれについて、前記群に含まれる前記訓練アシスタントに対応する前記第2リハビリデータを教師データとして、前記学習モデルを生成する、
    請求項1~3のいずれか1項に記載の学習装置。
  11. 前記分類結果における1つの群を指定する群指定部を備え、
    前記学習部は、前記群指定部で指定された前記群に含まれる前記訓練アシスタントに対応する前記第2リハビリデータを教師データとして、前記学習モデルを生成する、
    請求項1~3のいずれか1項に記載の学習装置。
  12. 訓練者が訓練支援システムを利用し実行した訓練についての、前記訓練者を補助する訓練アシスタントを示すアシスタントデータと、前記訓練アシスタントが前記訓練者を補助する目的で実行した補助行動を示す行動データと、前記訓練者の身体機能向上度を示す指標データと、を少なくとも含む第1データに対し、クラスタ分析により前記訓練アシスタントを分類した分類結果を取得する取得部と、
    前記行動データを少なくとも含む第2データを入力して、前記訓練アシスタントの次の行動を示唆するための前記行動データを出力する学習モデルを生成する学習部と、
    を備え、
    前記学習部は、前記分類結果に基づき前処理がなされた前記第2データを教師データとして、前記学習モデルを生成する、
    学習装置。
  13. 請求項1~11のいずれか1項に記載の学習装置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システムであって、
    前記リハビリ支援システムを用いて訓練者が行うリハビリテーションに関する前記第2リハビリデータを、前記学習済みモデルへの入力として出力する出力部と、
    前記学習済みモデルから出力された前記行動データを、前記リハビリテーションにおいて前記訓練者を補助する前記訓練アシスタントに通知する通知部と、
    を備えたリハビリ支援システム。
  14. 前記リハビリテーションにおいて前記訓練者を補助する前記訓練アシスタントを指定する指定部を備え、
    前記分類結果を記憶する分類結果記憶部にアクセス可能となっており、
    前記指定部で指定された前記訓練アシスタントが前記学習済みモデルの生成時に前記教師データを採用されなかった訓練アシスタントであった場合に、前記出力部が前記第2リハビリデータを出力し、前記通知部が通知を行う、
    請求項13に記載のリハビリ支援システム。
  15. 請求項1~12のいずれか1項に記載の学習装置で学習された学習モデルである学習済みモデル。
  16. コンピュータが、訓練者が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、前記訓練者を補助する訓練アシスタントを示すアシスタントデータと、前記訓練アシスタントが前記訓練者を補助する目的で実行した補助行動を示す行動データと、前記訓練者の回復度を示す指標データと、を少なくとも含む第1リハビリデータに対し、クラスタ分析により前記訓練アシスタントを分類した分類結果を取得する取得ステップと、
    前記コンピュータが、前記行動データを少なくとも含む第2リハビリデータを入力して、前記訓練アシスタントの次の行動を示唆するための前記行動データを出力する学習モデルを生成する学習ステップと、
    を有し、
    前記学習ステップは、前記分類結果に基づき前処理がなされた前記第2リハビリデータを教師データとして、前記学習モデルを生成する、
    学習方法。
  17. 請求項16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システムにおけるリハビリ支援方法であって、
    前記リハビリ支援システムが、前記リハビリ支援システムを用いて訓練者が行うリハビリテーションに関する前記第2リハビリデータを、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、
    前記リハビリ支援システムが、前記学習済みモデルから出力された前記行動データを、前記リハビリテーションにおいて前記訓練者を補助する前記訓練アシスタントに通知する通知ステップと、
    を有するリハビリ支援方法。
  18. 請求項16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。
  19. コンピュータに、
    訓練者が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、前記訓練者を補助する訓練アシスタントを示すアシスタントデータと、前記訓練アシスタントが前記訓練者を補助する目的で実行した補助行動を示す行動データと、前記訓練者の回復度を示す指標データと、を少なくとも含む第1リハビリデータに対し、クラスタ分析により前記訓練アシスタントを分類した分類結果を取得する取得ステップと、
    前記行動データを少なくとも含む第2リハビリデータを入力して、前記訓練アシスタントの次の行動を示唆するための前記行動データを出力する学習モデルを生成する学習ステップと、
    を実行させるためのプログラムであって、
    前記学習ステップは、前記分類結果に基づき前処理がなされた前記第2リハビリデータを教師データとして、前記学習モデルを生成する、
    プログラム。
  20. 請求項19に記載のプログラム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システムのコンピュータに、
    前記リハビリ支援システムを用いて訓練者が行うリハビリテーションに関する前記第2リハビリデータを、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、
    前記学習済みモデルから出力された前記行動データを、前記リハビリテーションにおいて前記訓練者を補助する前記訓練アシスタントに通知する通知ステップと、
    を実行させるためのリハビリ支援プログラム。
  21. 請求項19に記載のプログラムで学習された学習モデルである学習済みモデル。
JP2019120029A 2019-06-27 2019-06-27 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 JP7147696B2 (ja)

Priority Applications (3)

Application Number Priority Date Filing Date Title
JP2019120029A JP7147696B2 (ja) 2019-06-27 2019-06-27 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
US16/899,948 US11527330B2 (en) 2019-06-27 2020-06-12 Learning system, rehabilitation support system, method, program, and trained model
CN202010578612.4A CN112137832B (zh) 2019-06-27 2020-06-23 学习系统、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
JP2019120029A JP7147696B2 (ja) 2019-06-27 2019-06-27 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
JP2021005312A JP2021005312A (ja) 2021-01-14
JP7147696B2 true JP7147696B2 (ja) 2022-10-05

Family

ID=73887470

Family Applications (1)

Application Number Title Priority Date Filing Date
JP2019120029A Active JP7147696B2 (ja) 2019-06-27 2019-06-27 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) US11527330B2 (ja)
JP (1) JP7147696B2 (ja)
CN (1) CN112137832B (ja)

Families Citing this family (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113680026B (zh) * 2021-10-27 2021-12-17 南通朗迪机械科技有限公司 一种仰卧板的智能辅助调控方法及装置
CN115186319B (zh) * 2022-09-14 2023-04-07 广东时谛智能科技有限公司 基于压力数据的鞋体材质设计方法、装置、设备及介质

Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2001299840A (ja) 2000-04-27 2001-10-30 Kinryo:Kk 理想運動パターンに基づく上肢リハビリアシスト制御則
WO2014104360A1 (ja) 2012-12-28 2014-07-03 株式会社東芝 動作情報処理装置及び方法
JP2018038521A (ja) 2016-09-06 2018-03-15 トヨタ自動車株式会社 リハビリ評価装置、リハビリ評価方法及びプログラム
JP2018101242A (ja) 2016-12-20 2018-06-28 株式会社リコー 情報処理装置、情報処理方法及びプログラム。
JP2018171523A (ja) 2014-07-03 2018-11-08 帝人ファーマ株式会社 リハビリテーション支援装置及びリハビリテーション支援装置の制御プログラム
JP2019067177A (ja) 2017-10-02 2019-04-25 日本電気株式会社 医療情報処理システム、歩行状態定量化方法およびプログラム
JP2019096157A (ja) 2017-11-24 2019-06-20 トヨタ自動車株式会社 レポート出力装置、システム、方法、及びプログラム

Family Cites Families (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP3735672B2 (ja) * 2003-07-22 2006-01-18 国立大学法人岐阜大学 リハビリテーション訓練技術教育装置
JP6052234B2 (ja) 2014-05-27 2016-12-27 トヨタ自動車株式会社 歩行訓練装置
US20170329933A1 (en) * 2016-05-13 2017-11-16 Thomas Edwin Brust Adaptive therapy and health monitoring using personal electronic devices
EP3649633A4 (en) * 2017-07-06 2021-03-10 Icuemotion LLC SYSTEMS AND PROCESSES FOR DATA-DRIVEN MOVEMENT SKILLS TRAINING
JP2019092928A (ja) * 2017-11-24 2019-06-20 トヨタ自動車株式会社 リハビリ支援装置、制御方法、及び制御プログラム
CN109875834B (zh) * 2019-02-18 2021-07-20 解国强 一种脊柱复健设备及其控制方法

Patent Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2001299840A (ja) 2000-04-27 2001-10-30 Kinryo:Kk 理想運動パターンに基づく上肢リハビリアシスト制御則
WO2014104360A1 (ja) 2012-12-28 2014-07-03 株式会社東芝 動作情報処理装置及び方法
JP2018171523A (ja) 2014-07-03 2018-11-08 帝人ファーマ株式会社 リハビリテーション支援装置及びリハビリテーション支援装置の制御プログラム
JP2018038521A (ja) 2016-09-06 2018-03-15 トヨタ自動車株式会社 リハビリ評価装置、リハビリ評価方法及びプログラム
JP2018101242A (ja) 2016-12-20 2018-06-28 株式会社リコー 情報処理装置、情報処理方法及びプログラム。
JP2019067177A (ja) 2017-10-02 2019-04-25 日本電気株式会社 医療情報処理システム、歩行状態定量化方法およびプログラム
JP2019096157A (ja) 2017-11-24 2019-06-20 トヨタ自動車株式会社 レポート出力装置、システム、方法、及びプログラム

Also Published As

Publication number Publication date
CN112137832B (zh) 2023-04-07
CN112137832A (zh) 2020-12-29
US11527330B2 (en) 2022-12-13
US20200411195A1 (en) 2020-12-31
JP2021005312A (ja) 2021-01-14

Similar Documents

Publication Publication Date Title
JP7200851B2 (ja) 学習装置、リハビリ支援システム、方法、プログラム、及び学習済みモデル
JP7136022B2 (ja) 処理システム、歩行訓練システム、処理方法、及びプログラム
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
CN112137839B (zh) 学习系统、步行训练系统、方法、程序、以及学习完毕模型
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
JP7127619B2 (ja) 検索装置、システム、方法、及び、プログラム
JP7147696B2 (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
JP7140060B2 (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
CN112137834B (zh) 学习系统、复健辅助系统、方法、程序及学习完毕模型
CN112137837B (zh) 学习系统、步行训练系统、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
JP7326927B2 (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

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: 20220629

A131 Notification of reasons for refusal

Free format text: JAPANESE INTERMEDIATE CODE: A131

Effective date: 20220802

A521 Request for written amendment filed

Free format text: JAPANESE INTERMEDIATE CODE: A523

Effective date: 20220809

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: 20220823

A61 First payment of annual fees (during grant procedure)

Free format text: JAPANESE INTERMEDIATE CODE: A61

Effective date: 20220905

R151 Written notification of patent or utility model registration

Ref document number: 7147696

Country of ref document: JP

Free format text: JAPANESE INTERMEDIATE CODE: R151