WO2018211713A1 - 情報処理装置、情報処理システム、および情報処理方法 - Google Patents

情報処理装置、情報処理システム、および情報処理方法 Download PDF

Info

Publication number
WO2018211713A1
WO2018211713A1 PCT/JP2017/018935 JP2017018935W WO2018211713A1 WO 2018211713 A1 WO2018211713 A1 WO 2018211713A1 JP 2017018935 W JP2017018935 W JP 2017018935W WO 2018211713 A1 WO2018211713 A1 WO 2018211713A1
Authority
WO
WIPO (PCT)
Prior art keywords
information processing
walking
processing apparatus
motion
period
Prior art date
Application number
PCT/JP2017/018935
Other languages
English (en)
French (fr)
Inventor
真路 堀田
明大 猪又
Original Assignee
富士通株式会社
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 富士通株式会社 filed Critical 富士通株式会社
Priority to EP17910429.4A priority Critical patent/EP3626170A4/en
Priority to PCT/JP2017/018935 priority patent/WO2018211713A1/ja
Priority to JP2019519033A priority patent/JP6870733B2/ja
Publication of WO2018211713A1 publication Critical patent/WO2018211713A1/ja

Links

Images

Classifications

    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/103—Detecting, measuring or recording devices for testing the shape, pattern, colour, size or movement of the body or parts thereof, for diagnostic purposes
    • A61B5/11—Measuring movement of the entire body or parts thereof, e.g. head or hand tremor, mobility of a limb
    • A61B5/1123—Discriminating type of movement, e.g. walking or running
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/103—Detecting, measuring or recording devices for testing the shape, pattern, colour, size or movement of the body or parts thereof, for diagnostic purposes
    • A61B5/11—Measuring movement of the entire body or parts thereof, e.g. head or hand tremor, mobility of a limb
    • A61B5/112—Gait analysis
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/103—Detecting, measuring or recording devices for testing the shape, pattern, colour, size or movement of the body or parts thereof, for diagnostic purposes
    • A61B5/11—Measuring movement of the entire body or parts thereof, e.g. head or hand tremor, mobility of a limb
    • A61B5/1121—Determining geometric values, e.g. centre of rotation or angular range of movement
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/68—Arrangements of detecting, measuring or recording means, e.g. sensors, in relation to patient
    • A61B5/6801—Arrangements of detecting, measuring or recording means, e.g. sensors, in relation to patient specially adapted to be attached to or worn on the body surface
    • A61B5/6813—Specially adapted to be attached to a specific body part
    • A61B5/6823—Trunk, e.g., chest, back, abdomen, hip
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/68—Arrangements of detecting, measuring or recording means, e.g. sensors, in relation to patient
    • A61B5/6801—Arrangements of detecting, measuring or recording means, e.g. sensors, in relation to patient specially adapted to be attached to or worn on the body surface
    • A61B5/6813—Specially adapted to be attached to a specific body part
    • A61B5/6828—Leg
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61H—PHYSICAL THERAPY APPARATUS, e.g. DEVICES FOR LOCATING OR STIMULATING REFLEX POINTS IN THE BODY; ARTIFICIAL RESPIRATION; MASSAGE; BATHING DEVICES FOR SPECIAL THERAPEUTIC OR HYGIENIC PURPOSES OR SPECIFIC PARTS OF THE BODY
    • A61H1/00—Apparatus for passive exercising; Vibrating apparatus; Chiropractic devices, e.g. body impacting devices, external devices for briefly extending or aligning unbroken bones
    • A61H1/02—Stretching or bending or torsioning apparatus for exercising
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B2562/00—Details of sensors; Constructional details of sensor housings or probes; Accessories for sensors
    • A61B2562/02—Details of sensors specially adapted for in-vivo measurements
    • A61B2562/0219—Inertial sensors, e.g. accelerometers, gyroscopes, tilt switches
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/103—Detecting, measuring or recording devices for testing the shape, pattern, colour, size or movement of the body or parts thereof, for diagnostic purposes
    • A61B5/11—Measuring movement of the entire body or parts thereof, e.g. head or hand tremor, mobility of a limb
    • A61B5/1112—Global tracking of patients, e.g. by using GPS

Definitions

  • the present invention relates to an information processing apparatus, an information processing system, and an information processing method.
  • the patient's way of walking tends to be influenced by the degree of physical disorder due to illness, the degree of recovery from illness and injury, and the patient's state can be grasped from the way of walking of the patient. Specifically, for example, it is required to accurately grasp whether or not the patient is walking unnaturally as if dragging his / her foot.
  • an object of the present invention is to detect a walking period.
  • a characteristic waveform pattern corresponding to the walking motion tends to appear in the sensor data obtained from the sensor device attached to the patient.
  • the walking period is specified.
  • waveform characteristics such as periodicity and amplitude of acceleration are extracted using acceleration obtained from sensors attached to the waist, shin, and thigh, and then a waveform feature obtained by observing a model learned in advance.
  • the period in which the motion including walking is generated is detected.
  • there is a method of sequentially learning from observed data without presetting a threshold or a model for detecting a walking period.
  • Non-Patent Document 2 a threshold value for detecting a step motion corresponding to one step of walking is applied according to a statistical value of the amplitude of the observed angular velocity for a period in which it is temporarily determined to be walking. The step motion is detected using this threshold, and the place where the step motion appears frequently is set as the walking period.
  • JP 2016-106948 A International Publication No. 2014/091583 JP-T-2014-511189
  • the walking method changes depending on the patient, the place where the patient walks, the surrounding environment when the patient walks, the patient's condition, etc., it tends to be difficult to specify the walking period.
  • the sensor data obtained from the sensor device worn on the patient may not show a waveform pattern that matches the characteristic waveform pattern corresponding to the prepared walking motion.
  • the temporary walking may not be detected. is there.
  • the walking period in which the walking motion is performed by the patient may be difficult to specify the walking period in which the walking motion is performed by the patient. For example, if the way of walking changes depending on the location where the patient walks, the surrounding environment when the patient walks, the condition of the patient, etc., it becomes difficult to specify the walking period.
  • an object of the present invention is to provide an information processing apparatus, an information processing system, and an information processing method capable of improving the accuracy of specifying a walking period.
  • measurement information related to movement of each of a plurality of parts to be measured is acquired, and a part of the walking motion motion of the measurement target is acquired in the target period based on the acquired measurement information.
  • a part of the walking motion motion of the measurement target is acquired in the target period based on the acquired measurement information.
  • Each of a plurality of relationships that occur between the motions when the walking motion is performed by the measurement object in the detected motion group are proposed.
  • FIG. 1 is an explanatory diagram of an example of the information processing method according to the embodiment.
  • FIG. 2 is an explanatory diagram illustrating an example of the information processing system 200.
  • FIG. 3 is a block diagram illustrating a hardware configuration example of the information processing apparatus 100.
  • FIG. 4 is a block diagram illustrating a hardware configuration example of the measuring instrument 201.
  • FIG. 5 is a block diagram illustrating a functional configuration example of the information processing apparatus 100.
  • FIG. 6 is an explanatory diagram illustrating an example of an operation flow of the information processing apparatus 100.
  • FIG. 7 is an explanatory diagram illustrating an example of a first relationship between operations.
  • FIG. 8 is an explanatory diagram illustrating an example of a second relationship between operations.
  • FIG. 1 is an explanatory diagram of an example of the information processing method according to the embodiment.
  • FIG. 2 is an explanatory diagram illustrating an example of the information processing system 200.
  • FIG. 3 is a block diagram illustrating a hardware configuration example of the information
  • FIG. 9 is an explanatory diagram illustrating an example of a third relationship between operations.
  • FIG. 10 is an explanatory diagram illustrating an example of a fourth relationship between operations.
  • FIG. 11 is an explanatory diagram illustrating an example of a fifth relationship between operations.
  • FIG. 12 is an explanatory diagram illustrating an example of a sixth relationship between operations.
  • FIG. 13 is an explanatory diagram illustrating an example of a seventh relationship between operations.
  • FIG. 14 is an explanatory diagram illustrating an example of an eighth relationship between operations.
  • FIG. 15 is an explanatory diagram illustrating an example of a ninth relationship between operations.
  • FIG. 16 is an explanatory diagram illustrating an example of a tenth relationship between operations.
  • FIG. 17 is an explanatory diagram illustrating an example of determining whether or not the information processing apparatus 100 is in a walking period.
  • FIG. 18 is an explanatory diagram (part 1) illustrating a first specific example in which the information processing apparatus 100 specifies a walking period.
  • FIG. 19 is an explanatory diagram (part 2) of the first specific example in which the information processing apparatus 100 specifies the walking period.
  • FIG. 20 is an explanatory diagram (part 3) illustrating a first specific example in which the information processing apparatus 100 specifies a walking period.
  • FIG. 21 is an explanatory diagram (part 4) of the first specific example in which the information processing apparatus 100 specifies the walking period.
  • FIG. 22A is an explanatory diagram (No.
  • FIG. 22B is an explanatory diagram (part 6) illustrating a first specific example in which the information processing apparatus 100 specifies a walking period.
  • FIG. 23 is an explanatory diagram (part 7) illustrating the first specific example in which the information processing apparatus 100 specifies the walking period.
  • FIG. 24 is an explanatory diagram (part 8) illustrating the first specific example in which the information processing apparatus 100 specifies the walking period.
  • FIG. 25 is an explanatory diagram (No. 9) illustrating the first specific example in which the information processing apparatus 100 specifies the walking period.
  • FIG. 26 is an explanatory diagram (part 10) of the first specific example in which the information processing apparatus 100 specifies the walking period.
  • FIG. 27 is an explanatory diagram (part 1) of the second specific example in which the information processing apparatus 100 specifies the walking period.
  • FIG. 28 is an explanatory diagram (part 2) of the second specific example in which the information processing apparatus 100 specifies the walking period.
  • FIG. 29 is an explanatory diagram (part 3) of the second specific example in which the information processing apparatus 100 specifies the walking period.
  • FIG. 30 is an explanatory diagram (part 4) of the second specific example in which the information processing apparatus 100 specifies the walking period.
  • FIG. 31 is an explanatory diagram (part 5) of the second specific example in which the information processing apparatus 100 specifies the walking period.
  • FIG. 32 is an explanatory diagram (No. 6) illustrating a second specific example in which the information processing apparatus 100 specifies the walking period.
  • FIG. 33 is an explanatory diagram (part 7) of the second specific example in which the information processing apparatus 100 specifies the walking period.
  • FIG. 34 is an explanatory diagram illustrating an example in which the information processing apparatus 100 outputs a predetermined feature amount.
  • FIG. 35 is an explanatory diagram (part 1) illustrating another example of the operation of applying a plurality of bandpass filters.
  • FIG. 36 is an explanatory diagram (part 2) illustrating another example of the operation of applying a plurality of bandpass filters.
  • FIG. 37 is an explanatory diagram showing another example of the operation for setting a plurality of time length upper limit candidates as the time length upper limit of the step operation.
  • FIG. 38 is a flowchart illustrating an example of the overall processing procedure.
  • FIG. 39 is a flowchart illustrating an example of the walking period specifying procedure.
  • FIG. 40 is a flowchart illustrating an example of an evaluation value calculation processing procedure.
  • FIG. 41 is a flowchart illustrating an example of the likelihood calculation processing procedure
  • FIG. 1 is an explanatory diagram of an example of the information processing method according to the embodiment.
  • the information processing apparatus 100 is a computer that identifies a walking period during which walking is performed according to a measurement target.
  • the measurement object is a living body or an artificial object.
  • the living body may be a human or an animal other than a human.
  • a living body is an object subject to be examined by a medical institution, for example. Specifically, the living body is a patient who undergoes diagnosis or treatment, follow-up, health care, or the like by a medical person such as a doctor.
  • the artificial object is, for example, a biped walking robot.
  • the living body may be a patient who receives rehabilitation guidance from a medical staff such as a doctor.
  • the living body may be a trainee who receives walking guidance from a sports instructor.
  • the living body may be, for example, an individual who performs self-care.
  • the living body may be an animal. In the following description, a case where the measurement target is “patient” will be mainly described.
  • the accuracy of specifying the walking period is evaluated by evaluating the degree of appearance of each of a plurality of relationships that occur between the movements of the patient's part when a walking motion is performed by the patient.
  • the information processing apparatus 100 acquires measurement information related to the movement of each of a plurality of parts of the patient.
  • the plurality of parts of the patient are, for example, two parts of the patient's left leg and right leg.
  • the plurality of sites of the patient are two sites, the lower leg of the patient's left leg and the lower leg of the right leg.
  • the measurement information regarding the movement of the patient's part is, for example, time-series data in which the angular velocities measured by the angular velocity sensor of the measuring device attached to the part are arranged in time series.
  • the time series data is, for example, sensor data.
  • the information processing apparatus 100 receives, for example, sensor data 101 of the angular velocity of the lower leg of the patient's left leg from a measuring instrument attached to the lower leg of the patient, and the measuring device attached to the lower leg of the patient's right leg.
  • the sensor data 102 of the angular velocity of the lower leg of the patient's right leg is received. Thereby, the information processing apparatus 100 can use the sensor data to specify the walking period of the patient.
  • the information processing apparatus 100 Based on the acquired measurement information, the information processing apparatus 100 detects a motion group including the motion of each part in which a feature corresponding to a part of the walking motion motion of the patient appears in the target period.
  • Part of the walking motion is, for example, one step of walking motion.
  • a part of the walking motion motion may be, for example, stationary of the supporting leg during the walking motion, fine movement of both feet when both feet touch the ground during the walking motion, or the like.
  • the feature corresponding to a part of the walking motion is, for example, the feature corresponding to one step of the walking motion.
  • a feature corresponding to one step of the walking motion is, for example, that the angular velocity exceeds a threshold value and reaches a maximum value.
  • the movement of the part is the movement of the patient's left or right leg one step forward.
  • the feature corresponding to a part of the walking motion motion is, for example, the feature corresponding to the fine motion of both feet when both feet are walking on the ground.
  • the feature corresponding to both foot tremors is, for example, that the angular velocity is equal to or less than a threshold value and the vibration is equal to or greater than the threshold value.
  • the step operation is an operation from the time when the leg leaves the ground to the time when the leg lands after the leg swings.
  • the point in time when the leg leaves the ground is the start time of the step operation.
  • the time when the leg has landed is the end time of the step operation.
  • the operation group is, for example, a step operation group.
  • the information processing apparatus 100 detects in the sensor data 101 of the angular velocity of the lower leg of the patient that the angular velocity exceeds a threshold value and reaches a maximum value, and the left leg step operation is performed. Is detected.
  • the information processing apparatus 100 stores the operation point at which the step operation was performed.
  • the information processing apparatus 100 detects in the sensor data 102 of the angular velocity of the lower leg of the patient's right leg that the angular velocity has exceeded a threshold value and has reached a maximum value, and the right leg has a step operation. Is detected.
  • the information processing apparatus 100 detects that the step motion of the right leg has been detected, the information processing apparatus 100 stores the operation point at which the step motion has occurred. Thereby, the information processing apparatus 100 can detect the step motion group including the step motion of each leg, and can be used to specify the walking period of the patient.
  • the information processing apparatus 100 calculates an evaluation value indicating the degree of occurrence of each relationship among a plurality of relationships that occur between motions when a walking motion is performed by a patient in the detected motion group. To do.
  • the plurality of relationships include, for example, a first relationship in which the step operation of the left leg and the step operation of the right leg are alternate.
  • the plurality of relationships include, for example, a second relationship in which the step operation of the other leg starts after the step operation of one leg ends.
  • the plurality of relationships include, for example, a third relationship in which, during the step movement of one leg, the other leg becomes a support leg and the movement amount of the other leg is smaller than a predetermined minute value.
  • the movement amount is, for example, an angular velocity.
  • the plurality of relationships include, for example, a fourth relationship in which feature amounts of different step motions of one leg are similar. Specific examples of the plurality of relationships will be described later with reference to FIGS. Thereby, the information processing apparatus 100 can evaluate the likelihood as the walking period in which the walking exercise is performed by the patient from various viewpoints.
  • the information processing apparatus 100 determines whether or not the target period is a walking period in which a walking exercise is performed by the patient, based on the evaluation values calculated for each relationship. For example, the information processing apparatus 100 determines that the target period is a walking period in which a walking exercise is performed by the patient when the evaluation value calculated for each relationship exceeds a threshold value that is a determination criterion.
  • the information processing apparatus 100 evaluates the likelihood as the walking period from various viewpoints, the walking period can be easily specified with high accuracy. For example, even when the patient is performing a non-walking exercise similar to walking, for example, a bicycle exercise, and the first relationship appears, the information processing apparatus 100 has the second relationship or the third relationship. Since the evaluation value calculated for the sex is also used, it can be determined that the period during which this exercise has been performed is not the walking period, and the accuracy of specifying the walking period can be improved. On the other hand, the information processing apparatus 100 has high evaluation values of the first to tenth relationships even when the patient walks with his / her legs dragged or when walking at an extremely low speed. It can be determined that the period of exercise is a walking period, and the accuracy of specifying the walking period can be improved.
  • the information processing apparatus 100 can calculate a predetermined feature amount during the specified walking period and output the feature amount, and is used when a medical person such as a doctor grasps how to walk the patient. Objective indicators can be given.
  • the information processing apparatus 100 can output, for example, the length of the identified walking period, the number of steps of the patient during the walking period, the average value of the stride, the average value of the moving speed, and the like. For this reason, the information processing apparatus 100 makes it easy for medical personnel such as doctors to understand how the patient walks, and can efficiently perform diagnosis, treatment, follow-up, health management, etc. on the patient. be able to.
  • the information processing apparatus 100 for medical personnel such as doctors, for example, the length of the daily walking period of patients including outside the hospital, the number of steps of the patient during the walking period, the average value of the stride, and the average value of the moving speed Can be output in the same manner. For this reason, the information processing apparatus 100 makes it easy for medical personnel such as doctors to understand how a patient walks in daily life and the amount of exercise of a daily patient, and makes diagnosis, treatment, follow-up, or health for a patient. Management and the like can be performed in detail and accurately.
  • the measuring instrument may be attached to the patient's leg and waist.
  • the measuring device may be attached to the left leg, the right leg, and the waist of the patient.
  • the information processing apparatus 100 can detect the trunk trunk forward motion corresponding to the step motion of each leg in order to specify the walking period of the patient.
  • the waist trunk forward movement is an action of moving the trunk before and after the step movement.
  • the motion group may include a trunk trunk forward motion.
  • the patient's way of walking varies depending on where the patient walks, the surrounding environment when the patient walks, the patient's condition, etc., specifically, when the step motion cycle of each leg of the patient is different, In some cases, a noise signal is included in the sensor data when dragging to the ground. Further, the step motion cycle of each leg of the patient may be different for each patient. For this reason, the information processing apparatus 100 applies each bandpass filter of the plurality of bandpass filters to the measurement information related to the movement of the patient's part when detecting the motion group in (1-2). Thus, it is possible to further improve the accuracy of specifying the walking period.
  • the information processing apparatus 100 detects a step operation group in the case where each bandpass filter is applied to measurement information related to movement of a patient's part. Then, the information processing apparatus 100 calculates an evaluation value indicating the degree of occurrence of each relationship for each detected step operation group, and determines whether the target period is a walking period. Specific examples in which the information processing apparatus 100 uses a plurality of bandpass filters will be described later with reference to FIGS.
  • the patient's way of walking differs depending on the location where the patient walks, the surrounding environment when the patient walks, the patient's condition, and the like, and specifically, the time length of the step operation of each leg of the patient may be different. Moreover, the time length of the step operation of each leg of the patient may be different for each patient. For this reason, the information processing apparatus 100 can further improve the accuracy of specifying the walking period by setting the upper limit of the time length of the step operation to each of a plurality of candidates for the upper limit of the time length.
  • the information processing apparatus 100 calculates an evaluation value indicating the degree of occurrence of each relationship when the time length upper limit of the step operation is set to each of a plurality of time length upper limit candidates. It is determined whether or not the period is a walking period.
  • the information processing apparatus 100 uses a plurality of time length upper limit candidates will be described later with reference to FIGS.
  • the target period includes both a walking period in which walking motion is performed by the patient and a non-walking period in which walking motion is not performed by the patient.
  • the information processing apparatus 100 may determine which partial period of the target period is the walking period based on the evaluation value calculated for each relationship. A specific example in which the information processing apparatus 100 determines which partial period of the target period is the walking period will be described later with reference to FIGS.
  • FIG. 2 is an explanatory diagram illustrating an example of the information processing system 200.
  • the information processing system 200 includes an information processing apparatus 100 and one or more measuring machines 201.
  • the information processing apparatus 100 and the measuring instrument 201 are connected via a wired or wireless network 210.
  • the network 210 is, for example, a LAN (Local Area Network), a WAN (Wide Area Network), the Internet, or the like.
  • the information processing apparatus 100 acquires measurement information regarding the movement of each part of the plurality of parts of the patient to be measured u from one or more measuring machines 201, and specifies the walking period in which the walking exercise was performed by the patient. It is a computer.
  • the information processing apparatus 100 is, for example, a server, a PC (Personal Computer), a notebook PC, a tablet terminal, a smartphone, or a wearable terminal.
  • the measuring machine 201 is a computer that is attached to a patient to be measured u.
  • the measuring machine 201 generates measurement information and transmits it to the information processing apparatus 100.
  • the measuring machine 201 includes, for example, a sensor unit illustrated in FIG. 4, generates time-series data in which a measurement value of the sensor unit is associated with a measurement time at which the measurement value of the sensor unit is obtained, and measurement is performed. Information is transmitted to the information processing apparatus 100 as information.
  • the measuring machine 201 is, for example, a sensor device. Specifically, the sensor device is a device called a motion sensor.
  • the measuring device 201 may be, for example, a smartphone or a wearable terminal.
  • the information processing apparatus 100 sequentially receives correspondence information in which the measurement value of the sensor unit of the measurement device 201 and the measurement time at which the measurement value of the sensor unit is obtained are associated from the measurement device 201, and the correspondence There may be a case where time-series data in which information is collected is created.
  • the information processing apparatus 100 and the measuring machine 201 are different apparatuses has been described here, the present invention is not limited to this.
  • the information processing apparatus 100 may be integrated with the measuring instrument 201.
  • the measuring machine 201 generates measurement information related to the movement of the part of the patient to whom the apparatus is attached.
  • the present invention is not limited to this.
  • the measuring device 201 is worn on the patient's waist, by analyzing the measurement value of the acceleration sensor, it is possible to acquire the acceleration corresponding to the movement of the left leg and the right leg of the patient.
  • measurement information relating to the movement of the leg and the right leg is generated.
  • the information processing system 200 can be realized even if only one measuring device 201 is used for each patient.
  • the information processing system 200 may further include a display device.
  • the information processing apparatus 100 displays a predetermined feature amount or the like related to the walking period via the display device.
  • the display device is, for example, a PC, a notebook PC, a tablet terminal, a smartphone, or the like.
  • the information processing system 200 is applied to, for example, a medical system of a medical institution, applied when realizing a monitoring service for grasping a patient's condition, or applied when realizing a service for PHR (Personal Health Record). Or
  • FIG. 3 is a block diagram illustrating a hardware configuration example of the information processing apparatus 100.
  • the information processing apparatus 100 includes a CPU (Central Processing Unit) 301, a memory 302, a network I / F (Interface) 303, a recording medium I / F 304, and a recording medium 305. Each component is connected by a bus 300.
  • the CPU 301 controls the entire information processing apparatus 100.
  • the memory 302 includes, for example, a ROM (Read Only Memory), a RAM (Random Access Memory), a flash ROM, and the like. Specifically, for example, a flash ROM or ROM stores various programs, and a RAM is used as a work area for the CPU 301. The program stored in the memory 302 is loaded into the CPU 301 to cause the CPU 301 to execute the coded process.
  • the network I / F 303 is connected to the network 210 through a communication line, and is connected to another computer via the network 210.
  • a network I / F 303 controls an internal interface with the network 210 and controls input / output of data from other computers.
  • the network I / F 303 is, for example, a modem or a LAN adapter.
  • the recording medium I / F 304 controls reading / writing of data with respect to the recording medium 305 according to the control of the CPU 301.
  • the recording medium I / F 304 is, for example, a disk drive, an SSD (Solid State Drive), a USB (Universal Serial Bus) port, or the like.
  • the recording medium 305 is a nonvolatile memory that stores data written under the control of the recording medium I / F 304.
  • the recording medium 305 is, for example, a disk, a semiconductor memory, a USB memory, or the like.
  • the recording medium 305 may be detachable from the information processing apparatus 100.
  • the information processing apparatus 100 may include, for example, a keyboard, a mouse, a display, a printer, a speaker, and a touch panel in addition to the above-described components. Further, the information processing apparatus 100 may not include the recording medium I / F 304 and the recording medium 305.
  • FIG. 4 is a block diagram illustrating a hardware configuration example of the measuring instrument 201.
  • the measuring instrument 201 includes a CPU 401, a memory 402, a network I / F 403, a sensor unit 404, and a timer unit 405. Each component is connected by a bus 400.
  • the CPU 401 governs overall control of the measuring instrument 201.
  • the memory 402 includes, for example, a ROM, a RAM, a flash ROM, and the like. Specifically, for example, a flash ROM or ROM stores various programs, and the RAM is used as a work area of the CPU 401.
  • the program stored in the memory 402 is loaded on the CPU 401 to cause the CPU 401 to execute the coded process.
  • the network I / F 403 is connected to the network 210 via a communication line, and is connected to another computer via the network 210.
  • the network I / F 403 controls an internal interface with the network 210 and controls input / output of data from other computers.
  • the network I / F 403 is, for example, a communication circuit corresponding to Wi-Fi (registered trademark), a communication circuit corresponding to Bluetooth (registered trademark), or the like.
  • the network I / F 403 may be a communication circuit that supports 3G (3rd Generation), for example.
  • the sensor unit 404 measures the state of the measuring instrument 201.
  • the sensor unit 404 measures at least one of the position, movement, and orientation of the measuring instrument 201.
  • the sensor unit 404 includes at least one of an acceleration sensor, an angular velocity sensor, a geomagnetic sensor, an optical sensor, a vibration sensor, and the like.
  • the sensor unit 404 may include a GPS (Global Positioning Systems) receiver and detect the GPS coordinates of the measuring device 201.
  • the timer unit 405 measures the current time.
  • the measuring machine 201 may include, for example, a keyboard, a mouse, a display, a printer, a speaker, a touch panel, and the like in addition to the above-described components. Further, the measuring instrument 201 may include a recording medium I / F and a recording medium in addition to the above-described components. This recording medium may be detachable from the measuring instrument 201.
  • FIG. 5 is a block diagram illustrating a functional configuration example of the information processing apparatus 100.
  • the information processing apparatus 100 includes a storage unit 500, an acquisition unit 501, a detection unit 502, an evaluation unit 503, a determination unit 504, a calculation unit 505, and an output unit 506.
  • the storage unit 500 is realized by a storage area such as the memory 302 and the recording medium 305 shown in FIG.
  • the acquisition unit 501 to the output unit 506 are functions serving as a control unit. Specifically, the acquisition unit 501 to the output unit 506, for example, cause the CPU 301 to execute a program stored in a storage area such as the memory 302 and the recording medium 305 illustrated in FIG. 3, or the network I / F 303. By realizing the function.
  • the processing result of each functional unit is stored in a storage area such as the memory 302 and the recording medium 305 shown in FIG.
  • the storage unit 500 stores measurement information related to the movement of each part of the plurality of parts to be measured.
  • the measurement target is, for example, a patient.
  • the plurality of parts are, for example, a left leg and a right leg.
  • the plurality of parts may include the waist.
  • the storage unit 500 stores, for example, sensor data arranged in time series in association with the measurement value of the sensor unit of the measuring instrument 201 and the measurement time at which the measurement value was obtained.
  • Measured value includes, for example, at least one of the angular velocity of the sagittal plane, the angular velocity of the cross section, and the angular velocity of the coronal plane.
  • the measurement value may include, for example, at least one of vertical acceleration, horizontal acceleration, and longitudinal acceleration.
  • the vertical acceleration, the lateral acceleration, and the longitudinal acceleration may be referred to as “vertical acceleration”, “lateral acceleration”, and “longitudinal acceleration”, respectively.
  • the measurement value may include, for example, the magnitude and position of vibration.
  • the storage unit 500 can make the sensor unit 502 referable to the sensor data.
  • the definitions of the sagittal plane, the cross section, and the coronal plane are as shown in FIG.
  • the storage unit 500 stores information for specifying each bandpass filter of the plurality of bandpass filters.
  • the storage unit 500 stores a first parameter indicating a frequency component extracted by each bandpass filter of the plurality of bandpass filters. Thereby, the storage unit 500 can make the detection unit 502 referable to the first parameter, and can use each bandpass filter of the plurality of bandpass filters.
  • the storage unit 500 stores each candidate of a plurality of time length upper limit candidates with respect to the time length upper limit of the step operation.
  • the storage unit 500 stores a second parameter indicating each candidate of a plurality of time length upper limit candidates.
  • the second parameter indicates the upper limit of the time length of the step operation.
  • the storage unit 500 stores a parameter group of calculation formulas for calculating an evaluation value for each of a plurality of relationships.
  • Each of the plurality of relationships is a relationship that is highly likely to occur between movements when a walking motion is performed by a patient.
  • the plurality of relationships are, for example, a first relationship to a tenth relationship described later with reference to FIGS.
  • the plurality of relationships may be at least two of a first relationship to a tenth relationship described later with reference to FIGS.
  • the storage unit 500 can enable the evaluation unit 503 to refer to the parameter group of the calculation formula.
  • the acquisition unit 501 acquires measurement information related to the movement of each part of a plurality of parts of the patient. For example, the acquisition unit 501 receives sensor data arranged in time series in association with the measurement value of the sensor unit of the measuring instrument 201 and the measurement time at which the measurement value is obtained, and stores the sensor data. Store in unit 500.
  • the acquisition unit 501 receives, for example, correspondence information that associates the measurement value of the sensor unit of the measuring instrument 201 with the measurement time at which the measurement value is obtained, from the measuring instrument 201, and collects the correspondence information. Data may be created and stored in the storage unit 500. Thereby, the acquisition part 501 can enable the detection part 502, the evaluation part 503, etc. to refer the sensor data about each site
  • the detection unit 502 sets a target period to be a target for determining whether or not it is a walking period.
  • the detection unit 502 sets a predetermined period as the target period.
  • the detection unit 502 may set a period based on a user's operation input as a target period.
  • the detection unit 502 may identify an operation period in which the patient is not in a stationary state based on the acquired measurement information, and set it as the target period.
  • the detection unit 502 detects a motion group including the motions of the respective parts in which features corresponding to a part of the walking motion motion of the patient appear in the target period.
  • Part of the walking motion is, for example, one step of walking motion.
  • a part of the walking motion motion may be, for example, stationary of the supporting leg during the walking motion, fine movement of both feet when both feet touch the ground during the walking motion, or the like.
  • the feature corresponding to a part of the walking motion motion is, for example, a feature corresponding to one step of the walking motion.
  • a feature corresponding to one step of the walking motion is, for example, that the angular velocity of each leg exceeds a threshold value and reaches a maximum value.
  • the feature corresponding to a part of the walking motion motion may be, for example, a feature corresponding to the fine motion of both feet when both feet touch the ground during the walking motion.
  • the feature corresponding to both foot tremors is, for example, that the angular velocity is equal to or less than a threshold value and the vibration is equal to or greater than the threshold value.
  • the operation is, for example, a step operation.
  • the step movement of the left leg or the right leg is an action in which the left leg or the right leg moves one step forward.
  • the detection unit 502 stores the detected step motion using the serial number assigned to the step motion and the operating point where the step motion occurred.
  • the detection unit 502 detects that the angular velocity of the left leg exceeds a threshold value and reaches a maximum value, and determines that the angular velocity of the left leg exceeds a threshold value and reaches a maximum value. It is detected as a step action. Similarly, the detection unit 502 detects the step motion of the right leg. The detecting unit 502 detects a step motion group including the left leg step motion and the right leg step motion as the motion group. Thereby, the detection part 502 can make the evaluation part 503 referable to the operation group used when determining a walking exercise
  • the detecting unit 502 may further detect the trunk forward movement of the waist before and after the step action based on the sensor data about the waist.
  • the waist trunk forward movement is an action of moving the trunk in response to the movement of the left leg or right leg one step before, and occurs before and after the step movement.
  • the detection unit 502 detects the step motion group and then performs the waist trunk forward motion corresponding to each step motion of the step motion group.
  • the motion group including the step motion group and the trunk forward motion motion group is detected. Thereby, the detection part 502 can make the evaluation part 503 referable to the operation group used when determining a walking exercise
  • the detection unit 502 performs an operation of each part where a feature corresponding to a part of the walking motion motion of the patient appears. Detect motion group including.
  • the detection unit 502 includes, for example, the operation of each part where a feature corresponding to one step of the walking motion of the patient appears in the case where each bandpass filter of the plurality of bandpass filters is applied to the sensor data.
  • Detect motion group Specifically, the detection unit 502 applies the respective bandpass filters of the plurality of bandpass filters to the sensor data using the first parameters of the plurality of first parameters in the storage unit 500. Thereby, the detection unit 502 responds to the case where the walking method is different for each patient, the step operation cycle of each leg is different for each patient, and the case where a noise signal is included in the sensor data. Can be easily detected.
  • the evaluation unit 503 calculates an evaluation value indicating the degree of appearance of each of a plurality of relationships that occur between the motions when the walking motion is performed by the patient in the detected motion group.
  • the evaluation value may be, for example, a binary truth value indicating whether or not a relationship has appeared. Specifically, if the evaluation value is 1, it indicates that the evaluation value is true, and indicates that a relationship has appeared. Thereby, the evaluation unit 503 can acquire an index indicating the likelihood of the target period being a walking period.
  • the evaluation unit 503 may calculate an evaluation value indicating the degree of each relationship appearing for each operation group when the detection unit 502 detects a plurality of operation groups. Thereby, the evaluation part 503 can acquire the parameter
  • the evaluation unit 503 calculates an evaluation value indicating the degree of occurrence of each relationship when the time length upper limit of each step operation is set to each of a plurality of time length upper limit candidates in the operation group. May be.
  • the evaluation unit 503 uses the second parameter of each of the plurality of second parameters in the storage unit 500 to set the time length upper limit of the step operation to each of the candidates for the plurality of time length upper limit candidates. Then, an evaluation value indicating the degree of occurrence of each relationship is calculated. Thereby, the evaluation part 503 can acquire the parameter
  • the determination unit 504 determines whether or not the target period is a walking period based on the evaluation value calculated for each relationship. For example, the determination unit 504 determines that the target period is a walking period when the evaluation value calculated for each relationship is equal to or greater than a threshold value. Thereby, the determination part 504 can aim at the improvement of the precision which pinpoints a walk period.
  • the determination unit 504 may determine whether the target period is a walking period based on, for example, a result of a logical operation using the evaluation value. Specifically, when the evaluation value is a binary truth value, the determination unit 504 determines that the target period is a walking period when the logical product is 1. Thereby, the determination part 504 can aim at reduction of the processing amount concerning determination. In addition, since the range of values that can be taken by the evaluation value is extremely limited, the determination unit 504 can make it easier to manually set an observation probability parameter of a state transition model described later.
  • the determination unit 504 identifies the candidate period of the walking period among the target periods based on the evaluation values calculated for each relationship, and determines the likelihood as the walking period according to the length of the identified candidate period. It may be determined whether or not the candidate period is a walking period based on the likelihood. Thereby, the determination part 504 can aim at the improvement of the precision which pinpoints a walk period, even when it is a case where a walk period and a non-walking period are contained in an object period.
  • the determination unit 504 may determine, for example, whether or not the target period is a walking period in which a walking exercise is performed by the patient based on a result of a logical operation using the evaluation value. Thereby, the determination part 504 can aim at reduction of the processing amount concerning determination.
  • the calculation unit 505 calculates a predetermined feature amount in the target period determined by the determination unit 504 as a walking period.
  • the predetermined feature amount is a feature amount related to the walking period or a feature amount related to the movement of the patient during the walking period.
  • the predetermined feature amount is, for example, the length of the walking period, the number of steps of the patient in the walking period, the average value of the stride, the average value of the moving speed, or the like.
  • the output unit 506 outputs the predetermined feature amount calculated by the calculation unit 505.
  • the output unit 506 may output predetermined feature amounts such as a start time and an end time of each step operation during the walking period.
  • the output format is, for example, display on a display, print output to a printer, transmission to an external device via the network I / F 303, or storage in a storage area such as the memory 302 or the recording medium 305.
  • FIG. 6 is an explanatory diagram illustrating an example of the operation flow of the information processing apparatus 100.
  • the information processing apparatus 100 includes sensor data in which the angular velocity and acceleration of the patient's waist are arranged in time series, sensor data in which the angular velocity and acceleration of the patient's left leg are arranged in time series, the angular velocity of the patient's right leg, Sensor data and the like in which accelerations are arranged in time series are received from the measuring instrument 201.
  • sensor data in which accelerations are arranged in time series may be referred to as “acceleration data”
  • sensor data in which angular velocities are arranged in time series may be referred to as “gyro data”.
  • the information processing apparatus 100 identifies an operation period in which the patient is not in a stationary state based on the received sensor data, and sets the target period as a target for determining whether or not it is a walking period.
  • the information processing apparatus 100 receives, for example, sagittal gyro data, cross-sectional gyro data, and coronal gyro data as sensor data.
  • the information processing apparatus 100 receives vertical acceleration data, horizontal acceleration data, and longitudinal acceleration data as sensor data.
  • the information processing apparatus 100 applies each bandpass filter of the plurality of bandpass filters to be the detector to the sensor data in the target period using the plurality of first parameters.
  • the first parameter specifies a frequency band to be attenuated and a frequency band to pass through.
  • the information processing apparatus 100 detects a step motion group including step motions of the patient's waist, left leg, and right leg when each bandpass filter is applied.
  • the gyro data used to apply the band-pass filter and detect the step motion may be any one of the sagittal plane gyro data, the cross-sectional gyro data, and the coronal plane gyro data. Gyro data that was not used to detect the step motion is also used to calculate the evaluation value.
  • the gyro data used for applying the band-pass filter and detecting the step motion may be gyro data obtained by integrating the sagittal plane gyro data, the cross-sectional gyro data, and the coronal plane gyro data. .
  • the information processing apparatus 100 sets the upper limit of the time length of the step operation for each detected step operation group using the second parameter, specifies the start time and end time of each step operation, and An evaluation value indicating the degree of occurrence of each of a plurality of relationships is calculated.
  • the plurality of relationships are a first relationship to a sixth relationship which will be described later with reference to FIGS.
  • the information processing apparatus 100 determines whether the target period is a walking period based on the evaluation value.
  • the information processing apparatus 100 may further detect the trunk forward motion corresponding to each step motion based on the waist sensor data for each detected step motion group. Then, the information processing apparatus 100 calculates an evaluation value indicating the degree of occurrence of each of a plurality of relationships between the motions for each motion group including the detected step motion group and trunk forward motion group. Based on the evaluation value, it is determined whether or not the target period is a walking period.
  • the plurality of relationships are a first relationship to a tenth relationship which will be described later with reference to FIGS.
  • FIG. 7 is an explanatory diagram showing an example of the first relationship between operations.
  • the left leg step motion and the right leg step motion alternately occur one by one.
  • the left leg step actions 711 to 714 and the right leg step actions 721 to 724 occur alternately one by one.
  • the information processing apparatus 100 uses “left-right alternation” in which the step motion of each leg of the patient occurs alternately as the first relationship.
  • the information processing apparatus 100 uses the following formula (1) as a calculation formula for calculating the evaluation value of the first relationship.
  • x i (1) is an evaluation value of the first relationship.
  • i is a number assigned to the step motions of both legs of the patient in the step motion group in the order of appearance, and is a natural number.
  • S i is a variable indicating whether the i-th step operation is performed by the left leg or the right leg.
  • I is an instruction function, which returns 1 if the content condition of
  • the information processing apparatus 100 may use the following formula (2) instead of the above formula (1).
  • x i (1) is an evaluation value of the first relationship.
  • S i is a variable indicating whether the i-th step operation is performed by the left leg or the right leg.
  • FIG. 8 is an explanatory diagram showing an example of the second relationship between operations.
  • the patient walks, the patient's other leg leaves the ground within a predetermined time after the patient's one leg has landed.
  • the right leg step operation 821 starts and the right leg leaves the ground within a predetermined time 801.
  • the step operation 812 of the left leg is started within a predetermined time 802 and the left leg is off the ground.
  • the information processing apparatus 100 has a “second order” in which the step motion of the other leg of the patient starts within a predetermined time after the step motion of the one leg of the patient ends as the second relationship. Is used.
  • the information processing apparatus 100 uses the following formula (3) as a calculation formula for calculating the evaluation value of the second relationship.
  • x i (2) is an evaluation value of the second relationship.
  • i is a number assigned to the step motions of both legs of the patient in the step motion group in the order of appearance, and is a natural number.
  • T (TC) and T (IC) represent the start time and end time of the step operation, respectively.
  • I is an instruction function, which returns 1 if the content condition of
  • FIG. 9 is an explanatory diagram showing an example of a third relationship between operations.
  • the angular velocity 901 of the right leg is equal to or less than the threshold during the step operation of the left leg and while the left leg is swinging. The same applies to the angular velocity 902 of the left leg and the angular velocity 903 of the right leg.
  • the information processing apparatus 100 has a third relationship that “the left and right supportability” that the angular velocity of the step motion of the other leg of the patient is within a predetermined range during the step motion of the one leg of the patient. Is used.
  • the information processing apparatus 100 uses the following formula (4) as a calculation formula for calculating the evaluation value of the third relationship.
  • x i (3) is an evaluation value of the third relationship.
  • i is a number assigned to the step motions of both legs of the patient in the step motion group in the order of appearance, and is a natural number.
  • ⁇ inv is sensor data of a leg that is not a step motion, not a leg of the i-th step motion, and represents gyro data.
  • t is a variable representing time.
  • ⁇ and ⁇ represent a range of angular velocity representing the stationary state of the leg.
  • T (TC) and T (IC) represent the start time and end time of the step operation, respectively.
  • I Is an instruction function, which returns 1 if the content condition of Table is true and returns 0 if it is false.
  • the condition of Table indicates that the maximum value of the angular velocity of the leg that is not the leg of the i-th step motion is within a predetermined range, and that the leg is stationary.
  • FIG. 10 is an explanatory diagram showing an example of a fourth relationship between operations.
  • the angular velocity of the step motion of one leg of the patient tends to be constant.
  • the peak amplitudes 1001 to 1004 of the angular velocity of the step operation of the left leg are constant.
  • the peak time may be constant. The peak time is the time from the time when the angular velocity becomes a minimum value before and after the step operation to the time when the angle value reaches a minimum value across the time point when the maximum value is reached.
  • the information processing apparatus 100 uses “one-sided similarity” in which feature quantities of a plurality of step motions of one leg of a patient are similar as a fourth relationship.
  • the information processing apparatus 100 uses the following formula (5) and the following formula (6) as calculation formulas for calculating the evaluation value of the fourth relationship.
  • x i (4A) is an evaluation value of the fourth relationship.
  • i is a number assigned to the step motions of both legs of the patient in the step motion group in the order of appearance, and is a natural number.
  • p represents the peak amplitude of the step operation.
  • a symbol with a bar on top of p represents an average of the peak amplitudes of the step operation in the step operation group.
  • ⁇ is sensor data of the leg of the i-th step motion and represents gyro data.
  • T (TC) and T (IC) represent the start time and end time of the step operation, respectively.
  • the above equation (5) takes a small value for x i (4A). .
  • x i (4A) takes a large value if the peak amplitude of the i-th step motion of one leg of the patient is not similar to the peak amplitude of the other step motion of the leg.
  • x i (4B) is an evaluation value of the fourth relationship.
  • i is a number assigned to the step motions of both legs of the patient in the step motion group in the order of appearance, and is a natural number.
  • q represents the peak time of the step operation.
  • a symbol with a bar on top of q represents an average value of the peak time of the step operation in the step operation group.
  • T (TC) and T (IC) represent the start time and end time of the step operation, respectively.
  • the information processing apparatus 100 may use the angular velocity at the start time of the step operation or the angular velocity at the end time of the step operation as the peak amplitude p.
  • the information processing apparatus 100 may use, as the peak time q, the time from the start time of the step operation to the time when the angular velocity becomes maximum, or the time from the time when the angular velocity of the step operation becomes maximum to the end time. Good. Further, the information processing apparatus 100 may use the time from the end time of the step operation to the start time of the next step operation as the peak time q.
  • FIG. 11 is an explanatory diagram showing an example of a fifth relationship between operations.
  • the characteristic amount ratio of the step motion of the left and right legs of the patient tends to be constant.
  • the ratio between the peak amplitudes 1111 to 1114 of the angular velocity of the step motion of the left leg and the peak amplitudes 1121 to 1124 of the angular velocity of the step motion of the right leg is constant.
  • the ratio of peak time may be constant.
  • the information processing apparatus 100 uses “bilateral similarity” in which the feature quantity of the step motion of each leg of the patient is similar as the fifth relationship.
  • the information processing apparatus 100 uses the following formula (7) and the following formula (8) as calculation formulas for calculating the evaluation value of the fifth relationship.
  • x i (5A) is an evaluation value of the fifth relationship.
  • i is a number assigned to the step motions of both legs of the patient in the step motion group in the order of appearance, and is a natural number.
  • p represents the peak amplitude of the step operation.
  • r i represents the ratio of the peak amplitude of the continuous step motion of the left and right legs.
  • a symbol with a bar at the top of r i represents an average value of the ratio of the peak amplitudes of the step motions of the left and right legs in the step motion group.
  • f L (a, b) is a function that selects a feature quantity related to the left leg, for example, the peak amplitude of the left leg, among a and b.
  • f R (a, b) is a function for selecting a feature quantity related to the right leg, for example, the peak amplitude of the right leg, among a and b.
  • the above equation (7) is obtained by averaging the peak amplitude ratio between the i-th step operation and the i + 1-th step operation, which is the step operation of the left and right legs, and the peak amplitude ratio of the step operation of the left and right legs. If the values are similar, x i (5A) takes a small value.
  • the above equation (7) indicates that the peak amplitude ratio between the i-th step operation that is the step operation of the left and right legs and the i + 1-th step operation and the average value of the peak amplitude ratios of the step actions of the left and right legs are: If they are not similar, x i (5A) takes a large value.
  • x i (5B) is an evaluation value of the fifth relationship.
  • i is a number assigned to the step motions of both legs of the patient in the step motion group in the order of appearance, and is a natural number.
  • q represents the peak time of the step operation.
  • s i represents the ratio of the peak time of the step motion of the left and right legs.
  • a symbol with a bar at the top of r i represents an average value of the ratio of the peak times of the step motions of the left and right legs in the step motion group.
  • f L (a, b) is a function for selecting a feature amount related to the left leg, for example, the peak time of the left leg, among a and b.
  • f R (a, b) is a function that selects a feature amount related to the right leg, for example, the peak time of the right leg, among a and b.
  • the above equation (8) is the average of the ratio of the lengths of the i-th step action and the i + 1-th step action, which are the step actions of the left and right legs, and the ratio of the peak times of the step actions of the left and right legs. If the values are similar, x i (5B) takes a small value.
  • the above formula (8) is obtained by calculating the ratio of the lengths of the i-th step motion and the i + 1-th step motion, which are the step motions of the left and right legs, and the average value of the peak time ratios of the left and right leg step motions. If they are not similar, x i (5B) takes a large value.
  • FIG. 12 is an explanatory diagram showing an example of a sixth relationship between operations.
  • the rotation direction of the step motion of the left leg of the patient matches the rotation direction of the step motion of the right leg of the patient.
  • the gyro data of the cross section of each leg is shown.
  • the rotation angle in the left-right direction in the figure is a value calculated by integrating the angular velocity of the cross section in the time direction.
  • the rotation angle 1201 in the left-right direction in the right leg indicates right rotation
  • the rotation angle 1202 in the left-right direction in the left leg indicates right rotation, and the rotation directions coincide.
  • the information processing apparatus 100 uses “left-right rotation” that the rotation direction of the step motion of each leg of the patient is the same as the sixth relationship.
  • the information processing apparatus 100 uses the following formula (9) as a calculation formula for calculating the evaluation value of the sixth relationship.
  • x i (6) is an evaluation value of the sixth relationship.
  • i is a number assigned to the step motions of both legs of the patient in the step motion group in the order of appearance, and is a natural number.
  • R i represents the rotation amount of the i-th step operation. The amount of rotation is, for example, an integral value of angular velocity.
  • sgn is a sign function, and “1” is returned if the contents of
  • ⁇ 1” is returned if the contents of (.
  • I is an instruction function, which returns 1 if the content condition of Table is true and returns 0 if it is false.
  • the condition of Table is that the rotation direction of the i-th step operation is the same as the rotation direction of the immediately following i + 1-th step operation or the immediately preceding i-1-th step operation. Indicates.
  • the above equation (9) indicates that the rotation amount of the i-th step operation exceeds the threshold value, and the rotation direction of the step operation is the immediately following i + 1-th step operation or the immediately preceding i-1-th step operation.
  • FIG. 13 is an explanatory diagram showing an example of a seventh relationship between operations.
  • a patient walks, before and after each leg of a patient lands, there exists a property that a big vertical acceleration arises also on a patient's waist.
  • the waist vertical movements 1311 and 1313 occur as the trunk forward movement actions.
  • a waist up / down motion 1312 occurs as the trunk forward motion immediately before the step operation 1302 of the right leg.
  • the information processing apparatus 100 has a seventh relationship that “up and down alternating step motion of the patient's trunk occurs in a predetermined time range before and after the step motion of each leg of the patient is completed. Use “sex”.
  • the information processing apparatus 100 uses the following formula (10) as a calculation formula for calculating the evaluation value of the seventh relationship.
  • x i (7) is an evaluation value of the seventh relationship.
  • i is a number assigned to the step motions of both legs of the patient in the step motion group in the order of appearance, and is a natural number.
  • acc z represents the vertical acceleration data of the patient's waist.
  • ⁇ is a threshold value.
  • T (IC) represents the end time of the step operation.
  • ⁇ represents a predetermined range before and after the end time.
  • x i (7) 0 if the change in the vertical acceleration of the patient's waist is not greater than or equal to the threshold value near the end time of the i-th step motion of the patient's leg.
  • FIG. 14 is an explanatory diagram showing an example of an eighth relationship between operations.
  • the patient walks, if each leg of the patient advances, the patient's waist also advances.
  • the waist longitudinal movements 1411 and 1412 occur as the trunk forward movement, and the integrated value of the waist longitudinal acceleration is equal to or greater than the threshold value.
  • the information processing apparatus 100 uses “vertical translation” as an eighth relationship in which a step motion in the advancing direction of the patient's trunk occurs during the step motion of each leg of the patient.
  • the information processing apparatus 100 uses the following formula (11) as a calculation formula for calculating the evaluation value of the eighth relationship.
  • x i (8) is an evaluation value of the eighth relationship.
  • i is a number assigned to the step motions of both legs of the patient in the step motion group in the order of appearance, and is a natural number.
  • acc X represents the longitudinal acceleration data of the patient's waist.
  • Ts and Te are time parameters that determine the period during which the waist is moving forward.
  • T (TC) and T (IC) represent the start time and end time of the step operation, respectively.
  • Is an instruction function, which returns 1 if the content condition of
  • the content condition of Table is the integration of the longitudinal acceleration of the patient's waist in the range from Ts to Te after the end time of the i-th step operation among the step operations of both legs of the patient. Indicates that the value is greater than the threshold.
  • FIG. 15 is an explanatory diagram showing an example of a ninth relationship between operations.
  • the rotation direction of each leg of the patient coincides with the rotation direction of the patient's waist.
  • the gyro data of the cross section of the right leg and the waist is shown.
  • the rotation direction in the step operation 1501 of the right leg coincides with the rotation direction in the trunk forward movement operation 1511 of the waist.
  • the information processing apparatus 100 has, as a ninth relationship, the rotational direction of the step motion of each leg of the patient and the rotational direction of the step motion of the trunk of the patient after the step motion of each leg of the patient is completed.
  • the “vertical rotation” that is the same is used.
  • the information processing apparatus 100 uses the following formula (12) as a calculation formula for calculating the evaluation value of the ninth relationship.
  • x i (9) is an evaluation value of the ninth relationship.
  • R i leg represents the amount of rotation of the right leg or the left leg.
  • R i waist represents the amount of rotation of the waist.
  • i is a number assigned to the step motions of both legs of the patient in the step motion group in the order of appearance, and is a natural number.
  • ⁇ Y waist represents the gyro data of the cross section of the waist.
  • ⁇ Y leg represents the gyro data of the cross section of the right leg or the left leg.
  • T (TC) and T (IC) represent the start time and end time of the step operation, respectively.
  • Ts and Te are time parameters that determine the timing at which the upper body moves forward.
  • x i (9) 0 when the rotational direction of the waist and the rotational direction of the foot in the i-th step motion do not coincide.
  • FIG. 16 is an explanatory diagram showing an example of a tenth relationship between operations.
  • the movement amount of the leg of the patient is similar to the movement amount of the patient's waist.
  • the movement amounts of the right leg step operations 1601 and 1602 are similar to the movement amounts of the hip trunk advance operations 1611 and 1612.
  • the information processing apparatus 100 has, as a tenth relationship, “vertical mobility” that the movement amount indicated by the step motion of each leg of the patient is similar to the movement amount indicated by the step motion of the patient's trunk. Use.
  • the information processing apparatus 100 uses the following formula (13) as a calculation formula for calculating the evaluation value of the tenth relationship.
  • x i (10) is an evaluation value of the tenth relationship.
  • i is a number assigned to the step motions of both legs of the patient in the step motion group in the order of appearance, and is a natural number.
  • v represents a movement amount of the foot in the step operation.
  • u represents the amount of movement of the waist in the trunk forward movement.
  • ⁇ min and ⁇ max are constants representing the range of the ratio of the movement amount of the patient's leg and the movement amount of the patient's waist.
  • I Is an instruction function, which returns 1 if the content condition of Table is true and returns 0 if it is false.
  • the content condition of Table indicates that the ratio of the movement amount of the patient's leg in the i-th step operation and the movement amount of the patient's waist is within the threshold range.
  • x i (10) 0 when the ratio of the movement amount of the patient's leg in the i-th step operation and the movement amount of the patient's waist is outside the threshold range.
  • FIG. 17 is an explanatory diagram illustrating an example of determining whether or not the information processing apparatus 100 is in a walking period. 17, for each step operation group, the information processing apparatus 100 calculates the average value of the first relationship to the tenth relationship calculated using the above equations (1) to (13) and the like. It is calculated as the certainty of the first relationship to the tenth relationship. The information processing apparatus 100 multiplies the calculated certainty factor to calculate a total evaluation value indicating the likelihood of the target period of the walking period. The information processing apparatus 100 stores the certainty factor and the total evaluation value using the result management table 1700.
  • the information processing apparatus 100 specifies the maximum value among the total evaluation values calculated for each step operation group. Then, the information processing apparatus 100 determines whether the specified maximum value is equal to or greater than a threshold value. Here, if the maximum value is equal to or greater than the threshold value, the information processing apparatus 100 determines that the target period is the walking period. On the other hand, if the maximum value is less than the threshold value, the information processing apparatus 100 determines that the target period is not a walking period. The information processing apparatus 100 stores the determined result using the result management table 1700.
  • the step action group in which the maximum value is calculated may be used as the step action group that most reflects the way the patient walks. Then, the information processing apparatus 100 calculates and outputs a predetermined feature amount in the target period using a step operation group that most reflects the way the patient walks.
  • FIG. 18 to 26 are explanatory views showing a first specific example in which the information processing apparatus 100 specifies a walking period.
  • the patient wears measuring devices 201 on the right leg, the left leg, and the waist.
  • the measuring device 201 measures angular velocity and acceleration at a site worn by the patient, and generates sensor data 1801, 1802 and the like by associating the measurement value with the measurement time.
  • the information processing apparatus 100 receives sensor data 1801, 1802 and the like generated by the measuring instrument 201.
  • the measuring device 201 measures, for example, the angular velocity in the sagittal plane, the angular velocity in the cross section, and the angular velocity in the coronal plane.
  • the measuring machine 201 arranges, as sensor data, gyro data in which the angular velocities in the sagittal plane are arranged in time series, gyro data in which the angular velocities in the cross section are arranged in time series, and angular velocities in the coronal plane in time series. Generate gyro data.
  • the measuring instrument 201 when measuring the acceleration, measures, for example, vertical acceleration, horizontal acceleration, and longitudinal acceleration. Thereby, for example, the measuring instrument 201 generates, as sensor data, acceleration data in which the vertical acceleration is arranged in time series, acceleration data in which the lateral acceleration is arranged in time series, and acceleration data in which the longitudinal acceleration is arranged in time series.
  • the description proceeds to FIG.
  • the information processing apparatus 100 uses the received gyro data and acceleration data to identify a non-stationary period in which the patient is not in a stationary state as a target period for determining whether or not it is a walking period. .
  • the information processing apparatus 100 shifts a window having a window width W from the same point in time with respect to the left leg gyro data and the right leg gyro data by a width (W / 2). I will shift.
  • the window indicates a period of a predetermined length.
  • the information processing apparatus 100 identifies segment data corresponding to the window from the left leg gyro data and the right leg gyro data.
  • the information processing apparatus 100 determines whether the average value Mg and the variance Vg of the angular velocity exceed the predetermined values TH_Mg and TH_Vg in the segment data corresponding to the window each time the window is shifted in specifying the target period. Determine whether.
  • the information processing apparatus 100 specifies the period indicated by the window as a non-stationary period in which the patient is not stationary.
  • the information processing apparatus 100 In specifying the target period, the information processing apparatus 100 integrates the two or more non-stationary periods, if there are two or more consecutive non-stationary periods among the specified non-stationary periods. As specified. The information processing apparatus 100 sets the specified non-stationary period as the target period. Next, the description shifts to the description of FIGS. 22A and 22B.
  • the information processing apparatus 100 applies each bandpass filter of the plurality of bandpass filters to the sensor data in the target period using the N first parameters.
  • the first parameter defines a frequency band that the band-pass filter passes, and is expressed by, for example, a cut-off frequency indicating what frequency component is attenuated.
  • the information processing apparatus 100 corresponds to a case where the walking method is different for each patient, the step operation cycle of each leg is different for each patient, and a case where a noise signal is included in the sensor data. It is possible to make it easy to detect the movement.
  • the information processing apparatus 100 detects a step operation group including a step operation of each leg of the patient when each bandpass filter is applied. For example, the information processing apparatus 100 detects that the angular velocity of the left leg exceeds a threshold value and reaches a maximum value when each bandpass filter is applied, and detects the step action of the left leg. In addition, for example, when each bandpass filter is applied, the information processing apparatus 100 detects that the angular velocity of the right leg has exceeded the threshold value and has reached the maximum value, and detects the step motion of the right leg.
  • the information processing apparatus 100 makes it easy to detect the step operation by shifting to the description of FIG. 22B.
  • the information processing apparatus 100 prepares a plurality of threshold values that can be set as threshold values used when detecting a local maximum value as the third parameter.
  • the information processing apparatus 100 applies a threshold value to each of a plurality of step operation groups when detecting a local maximum value with respect to sensor data or a result of applying a bandpass filter to the sensor data. May be detected. Accordingly, the information processing apparatus 100 can easily detect the step motion of each leg in response to the case where the walking method differs for each patient and the swing speed of the step motion varies for each patient.
  • the information processing apparatus 100 stores the time when the angular velocity of each leg reaches the maximum value as the operating point of the step motion of each leg, and stores the step motion of each leg by the operating point.
  • the information processing apparatus 100 detects a step operation group including the detected step operation of each leg.
  • the information processing apparatus 100 may detect a waist trunk forward motion corresponding to the step motion of each leg.
  • the information processing apparatus 100 sets the upper limit of the time length of the step operation using the M second parameters for each detected step operation group, and calculates a plurality of relationship evaluation values.
  • the start time and end time of the step operation to be used are specified.
  • the start time is, for example, a timing when the heel, the toe, or the sole is separated from the ground
  • the end time is, for example, a timing, when the heel, the toe, or the sole is landed on the ground.
  • the second parameter indicates the upper limit of the time length of the step operation, and indicates the length from the time point before the operating point by the margin time to the time point after the operating point by the margin time.
  • the information processing apparatus 100 specifies, for example, the time point when the angular velocity becomes the minimum value from the operating point of the step operation to the second parameter before as the start time. For example, the information processing apparatus 100 specifies, as the end time, the time point at which the angular velocity becomes the minimum value between the operating point of the step operation and the time after the second parameter.
  • the description proceeds to FIG.
  • the information processing apparatus 100 uses N band-pass filters in the detection of the step operation, and uses the time length upper limit of the M step operations in specifying the start time and the end time of the step operation.
  • X M step operation groups are detected.
  • the information processing apparatus 100 assigns an operation number to each step operation group in the order of appearance for the step operation of each leg included in the step operation group.
  • the information processing apparatus 100 uses the leg motion management table 2400 by associating the step number of each leg with the motion number, the motion point, the start time, the end time, and the step motion of each leg.
  • the information processing apparatus 100 may store the trunk forward movement corresponding to the step movement of each leg using the trunk forward movement management table.
  • the information processing apparatus 100 calculates the evaluation values of the first relationship to the tenth relationship for each step operation based on the step operation group.
  • the information processing apparatus 100 stores the evaluation values of the first relationship to the tenth relationship calculated for each step operation using the evaluation value management table 2500 in association with the operation number of the step operation.
  • the information processing apparatus 100 recalculates the evaluation values of the first relationship to the tenth relationship based on a unified standard.
  • the evaluation value of the second relationship is binary, and if it is 1, it indicates that it is a walking exercise, and if it is 0, it indicates that it is not a walking exercise.
  • the evaluation value of the third relationship is a continuous value, and the closer the value is to 0, the more likely it is to walk, and the larger the value, the less likely it is to walk.
  • the information processing apparatus 100 converts the evaluation value of the third relationship into a binary value, and if it is 1, it is a walking exercise, and if it is 0, it is converted to an evaluation value indicating that it is not a walking exercise. For example, the information processing apparatus 100 converts the evaluation value to 1 if the evaluation value of the third relationship is less than the threshold value, and converts the evaluation value to 0 if the evaluation value is greater than or equal to the threshold value.
  • the information processing apparatus 100 adds the evaluation values of the first relationship to the tenth relationship and calculates a total evaluation value.
  • the information processing apparatus 100 determines that the target period is the walking period if the calculated total evaluation value is equal to or greater than the threshold value. Thereby, the information processing apparatus 100 can improve the accuracy of specifying the walking period.
  • FIGS. 27 to 33 are explanatory diagrams showing a second specific example in which the information processing apparatus 100 specifies a walking period.
  • the target period includes both the walking period in which the walking exercise is performed by the patient and the non-walking period in which the walking exercise is not performed by the patient. Therefore, the information processing apparatus 100 determines which partial period of the target period is the walking period based on the evaluation values calculated for the first relationship to the tenth relationship.
  • the information processing apparatus 100 is configured to identify a hidden Markov model (HMM: Hidden) that labels each step motion state as “walking” or “non-walking” in order to distinguish between a walking period and a non-walking period. Apply Markov Model).
  • HMM Hidden
  • the HMM confirms that the observed feature value is generated based on the state-specific probability distribution of the hidden state, and that there is a dependency between the previous hidden state and the next transitioned hidden state. This is an assumed state transition model.
  • the hidden state is a state where direct observation is not performed, for example, a step operation state, which is a walking state or a non-walking state.
  • the information processing apparatus 100 labels each step motion state as “walking” or “non-walking” based on the evaluation values calculated for the first relationship to the tenth relationship, for example. Then, the information processing apparatus 100 calculates the likelihood of the HMM for the partial period corresponding to the step action labeled “walking” in the target period, and sets the likelihood as the walking period.
  • the walking state is “initial walking state”, “ It is assumed that the state is subdivided into “intermediate walking state” and “terminal walking state”. Furthermore, corresponding to the case where the patient's way of walking is different between the left leg and the right leg, these three states are distinguished between the right leg and the left leg, and the walking state is further subdivided. There may be a plurality of intermediate walking states.
  • the information processing apparatus 100 has an “initial walking state (for example, the first step)” and “an end walking state (for example, the final step) that tend to advance only half a step compared to the“ walking ”walking state. Can be distinguished from each other, and therefore the boundary between “walking” and “non-walking” can be accurately detected.
  • the information processing apparatus 100 distinguishes the walking state between the left leg and the right leg so as to cope with a case where the patient is injured on one leg.
  • the information processing apparatus 100 assigns a likely state from among the seven states to the evaluation value series X calculated for the first relationship to the tenth relationship.
  • the information processing apparatus 100 uses, for example, the Viterbi algorithm so that the joint probability p (X, Y) for the evaluation value series X and the motion state series Y expressed by the following formula (14) is maximized.
  • the operation state series Y is obtained.
  • y i ) represents the observation probability.
  • the observation probability will be described later with reference to FIG.
  • y i-1 ) represents a state transition probability.
  • the state transition probability will be described later with reference to FIG. 29, for example. Next, the description proceeds to FIG.
  • the state transition probability is expressed by a table 2900.
  • the state has a property of alternately changing between the walking state of the right leg and the walking state of the left leg. For this reason, with regard to the state transition probability p (y i
  • the state transition is such that after the state S1 of the first step at the start of walking, the state transitions to the state S4 during walking, and after the state S2 of the first step at the start of walking, transitions to the state S3 during walking. Probability is set. In addition, the state transition probability is set so as to transition to the non-walking state S7 after the end of walking in the final step state S5 and to transition to the non-walking state S7 after completing the walking in the final step state S6.
  • the observation probabilities are expressed by tables 3000 and 3010.
  • the probability distribution is set heuristically.
  • the shape of the probability distribution is determined by using an uncorrelated multidimensional normal distribution and setting the average parameter and the dispersion parameter of the normal distribution as shown in Tables 3000 and 3010.
  • the average parameter of the evaluation value x (2) and the evaluation value x (3) is 1, the evaluation value x (4A) and the evaluation value x (4B). Is set to zero.
  • the average parameter of the evaluation value x (2) and the evaluation value x (3) is set to 0, and the average parameter of the evaluation value x (4A) and the evaluation value x (4B) is set to 1.
  • the average parameter of the evaluation value x (1) is 1, and in the walking states S2, S4, and S6 corresponding to the step motion of the left leg, the evaluation value.
  • the average parameter of x (1) is set to 0.
  • the angular velocity tends to be small, so each variance is different from the states S3 and S4 during walking.
  • the parameter is set large.
  • the information processing apparatus 100 specifies an operation state sequence by applying the Viterbi algorithm using the state observation probability and the observation probability.
  • the information processing apparatus 100 specifies an operation state series, associates an operation state with an operation number, and stores the operation state using the evaluation value management table 3100.
  • the information processing apparatus 100 specifies the period from the walking state of the first step to the walking state of the final step. If the specified period is a period corresponding to a greater number of steps than the predetermined number of steps, the information processing apparatus 100 specifies the specified period as a candidate period for the walking period.
  • the predetermined number of steps is, for example, 4 steps.
  • the information processing apparatus 100 specifies a period in which the operation number 1 is the start time and the operation number 10 is the end time. Since the number of steps in the specified period is 10 steps, the information processing apparatus 100 specifies the specified period as a walking period candidate period. The information processing apparatus 100 sets the evaluation value in the identified candidate period to the evaluation value series X * .
  • the information processing apparatus 100 calculates the likelihood of the joint probability p (X * , Y * ) calculated for the identified candidate period as the likelihood as the walking period using the following equation (15).
  • the information processing apparatus 100 may further calculate an index value obtained by averaging the logarithmic value of the above formula (15) with the number of steps K in the candidate period, using the following formula (16). .
  • the description shifts to the description of FIG.
  • the information processing apparatus 100 calculates the likelihood for each step operation group.
  • the information processing apparatus 100 stores the calculated likelihood using the likelihood management table 3200.
  • the information processing apparatus 100 determines whether or not the maximum likelihood value exceeds the threshold value.
  • the information processing apparatus 100 selects the step motion group whose likelihood exceeds the threshold and becomes the maximum value as the likely step motion group as the step motion group corresponding to the patient's walking period. And the information processing apparatus 100 specifies the start time and end time of a patient's walking period, for example. Next, the description proceeds to FIG.
  • the information processing apparatus 100 determines whether or not it is a walking period for each target period, and specifies the start time and end time of the walking period.
  • the information processing apparatus 100 stores the determined result and the start time and end time of the specified walking period using the result management table 3300.
  • FIG. 34 is an explanatory diagram illustrating an example in which the information processing apparatus 100 outputs a predetermined feature amount.
  • the information processing apparatus 100 calculates a predetermined feature amount in each walking period using the specified walking period and the start time and end time of the step operation in the specified walking period.
  • the predetermined feature amount is, for example, a patient's stride, moving speed, moving time, walking cadence, impact when landing on each leg, contact time of each leg, and the like.
  • the predetermined feature amount may be a start time and an end time of each step operation in the walking period.
  • the information processing apparatus 100 further associates the calculated feature amounts with each other and stores them using the result management table 3400 or the leg motion management table 2400.
  • FIG. 35 and FIG. 36 are explanatory diagrams showing another example of the operation of applying a plurality of bandpass filters. As illustrated in FIGS. 35 and 36, the information processing apparatus 100 may not prepare a plurality of first parameters in advance when applying a plurality of bandpass filters.
  • the information processing apparatus 100 sets a cutoff frequency so that, for example, a result of applying a certain band-pass filter has a single peak property.
  • the single peak property is a property in which, after the angular velocity of one leg reaches a maximum value, the angular velocity of one leg does not reach the maximum value again before the angular velocity of the other leg reaches the maximum value.
  • the single peak property is, for example, a property that two or more step operations of the same leg do not occur within a predetermined time after the step operation of one leg. For example, if a single peak characteristic does not appear as a result of applying a certain band pass filter, the information processing apparatus 100 applies a band pass filter having a frequency band wider than that band pass filter.
  • the information processing apparatus 100 sets the cut-off frequency so that the maximum value becomes equal to or greater than the threshold as a result of applying a certain band-pass filter, for example.
  • the information processing apparatus 100 applies a bandpass filter having a frequency band wider than that of the bandpass filter unless the maximum value is equal to or greater than a threshold value as a result of applying a certain bandpass filter.
  • the information processing apparatus 100 does not use any of the results obtained by applying each bandpass filter of the plurality of bandpass filters to the sensor data in order to determine whether the target period is a walking period. Also good. For this reason, the information processing apparatus 100 can suppress an increase in the processing amount for determining whether or not the target period is a walking period.
  • FIG. 37 is an explanatory diagram showing another example of the operation of setting a plurality of time length upper limit candidates as the time length upper limit of the step operation.
  • the information processing apparatus 100 may not prepare a plurality of second parameters in advance.
  • the information processing apparatus 100 sets, for example, the second parameter that is a candidate for the upper limit of the time length of the step operation according to the frequency band of the applied band pass filter.
  • the information processing apparatus 100 increases the second parameter as the frequency band is narrow, and decreases the second parameter as the frequency band is wide.
  • the information processing apparatus 100 sets the second parameter to be smaller as the frequency band is wider, for example, by the function 3700.
  • the information processing apparatus 100 does not need to set a plurality of time length upper limit candidates as the step operation time length upper limit, and can set relatively preferable candidates as the step operation time length upper limit. For this reason, the information processing apparatus 100 can suppress an increase in the processing amount for determining whether or not the target period is a walking period.
  • FIG. 38 is a flowchart showing an example of the entire processing procedure. 38, first, the information processing apparatus 100 receives sensor data for a certain period from the measuring instrument 201 (step S3801). Next, the information processing apparatus 100 extracts a target period from the fixed period based on the sensor data (step S3802).
  • the information processing apparatus 100 selects any target period (step S3803). Next, the information processing apparatus 100 performs a walking period determination process described later in FIG. 39 for the selected target period (step S3804). Then, the information processing apparatus 100 extracts a walking feature amount (step S3805).
  • step S3806 determines whether all the extracted target periods have been selected.
  • step S3806: No the information processing apparatus 100 returns to the process of step S3803.
  • step S3806 Yes
  • the information processing apparatus 100 outputs the walking period and the walking feature amount (step S3807). Then, the information processing apparatus 100 ends the entire process.
  • FIG. 39 is a flowchart showing an example of a walking period specifying procedure.
  • the information processing apparatus 100 first selects a combination of the first parameter and the second parameter based on the plurality of first parameters and the plurality of second parameters (step S3901).
  • the information processing apparatus 100 applies a bandpass filter to the sensor data using the selected first parameter, and detects a step operation group (step S3902). Then, the information processing apparatus 100 specifies the start time and end time of each step operation that configures the step operation group, using the selected second parameter (step S3903).
  • step S3904 executes an evaluation value calculation process described later in FIG. 40
  • step S3905 executes a likelihood calculation process described later in FIG. 41
  • step S3906 determines whether all combinations of the first parameter and the second parameter have been selected. Here, when it has not selected (step S3906: No), the information processing apparatus 100 returns to the process of step S3901.
  • step S3906 the information processing apparatus 100 specifies the walking period, calculates a predetermined feature amount during the walking period, and outputs the predetermined feature amount during the walking period (step). S3907). Then, the information processing apparatus 100 ends the walking period specifying process.
  • FIG. 40 is a flowchart showing an example of an evaluation value calculation processing procedure.
  • the information processing apparatus 100 selects any step operation (step S4001).
  • the information processing apparatus 100 calculates an evaluation value for the first relationship (step S4002). Further, the information processing apparatus 100 calculates an evaluation value for the second relationship (step S4003). Further, the information processing apparatus 100 calculates an evaluation value for the third relationship (step S4004). Also, the information processing apparatus 100 calculates an evaluation value for the fourth relationship (step S4005). Also, the information processing apparatus 100 calculates an evaluation value for the fifth relationship (step S4006). Further, the information processing apparatus 100 calculates an evaluation value for the sixth relationship (step S4007).
  • the information processing apparatus 100 determines whether there is sensor data relating to the waist (step S4008). Here, when there is no sensor data (step S4008: No), the information processing apparatus 100 proceeds to the process of step S4013.
  • step S4008 when there is sensor data (step S4008: Yes), the information processing apparatus 100 calculates an evaluation value for the seventh relationship (step S4009). Further, the information processing apparatus 100 calculates an evaluation value for the eighth relationship (step S4010). In addition, the information processing apparatus 100 calculates an evaluation value for the ninth relationship (step S4011). Further, the information processing apparatus 100 calculates an evaluation value for the tenth relationship (step S4012).
  • step S4013 determines whether or not all step operations have been selected.
  • step S4013: No the information processing apparatus 100 returns to the process of step S4001.
  • step S4013 Yes
  • the information processing apparatus 100 ends the evaluation value calculation process.
  • FIG. 41 is a flowchart showing an example of the likelihood calculation processing procedure.
  • the information processing apparatus 100 calculates a state transition probability (step S4101).
  • the information processing apparatus 100 sets an observation probability (step S4102).
  • the information processing apparatus 100 sets an operation state series (step S4103).
  • the information processing apparatus 100 specifies a candidate period for the walking period (step S4104).
  • the information processing apparatus 100 calculates the likelihood as the walking period for the walking period candidate period (step S4105). Thereafter, the information processing apparatus 100 ends the likelihood calculation process.
  • the information processing apparatus 100 it is possible to acquire measurement information regarding the movement of each part of a plurality of parts of a patient. According to the information processing apparatus 100, based on the measurement information, it is possible to detect a motion group including the motions of the respective parts in which features corresponding to a part of the walking motion motion of the patient appear in the target period. According to the information processing apparatus 100, it is possible to calculate an evaluation value indicating the degree of appearance of each of a plurality of relationships that occur between motions when a walking motion is performed by a patient in the detected motion group. it can.
  • the information processing apparatus 100 it is possible to determine whether or not the target period is a walking period in which a walking exercise is performed by the patient, based on the evaluation values calculated for the respective relationships. Thereby, the information processing apparatus 100 can improve the accuracy of specifying the walking period.
  • the information processing apparatus 100 when each bandpass filter of the plurality of bandpass filters is applied to measurement information, the operation of each part in which a feature corresponding to a part of the walking motion motion of the patient appears. Can be detected. According to the information processing apparatus 100, it is possible to calculate an evaluation value that indicates the degree to which each relationship appears for each detected operation group. As a result, the information processing apparatus 100 can walk even if the cycle of the step motion of each leg of the patient differs depending on the place where the patient walks, the surrounding environment when the patient walks, the patient's condition, etc. The accuracy of specifying the period can be improved.
  • the information processing apparatus 100 in the operation group, when the upper limit of the time length of each operation is set to each of the plurality of candidates for the upper limit of time length, the evaluation value indicating the degree of occurrence of each relationship is obtained. Can be calculated. Thereby, the information processing apparatus 100 can be used even when the time length of the step operation of each leg of the patient differs depending on the place where the patient walks, the surrounding environment when the patient walks, the condition of the patient, etc. The accuracy of specifying the walking period can be improved.
  • the information processing apparatus 100 it is possible to output a predetermined feature amount in a target period determined to be a walking period. Thereby, the information processing apparatus 100 can notify the user of a predetermined feature amount in order to grasp the patient's state.
  • the information processing apparatus 100 based on the acquired measurement information, an operation period in which the patient is not in a stationary state can be identified and set as the target period. Thereby, the information processing apparatus 100 can reduce the number of target periods that are targets for determining whether or not it is a walking period, and can reduce the amount of processing.
  • the candidate period of the walking period is identified among the target periods based on the evaluation value calculated for each relationship, and the likelihood as the walking period according to the length of the identified candidate period. Can be calculated. According to the information processing apparatus 100, it is possible to determine whether the candidate period is a walking period based on the calculated likelihood. Thereby, the information processing apparatus 100 can further improve the accuracy of specifying the walking period by further dividing the target period into the walking period and the non-walking period.
  • the information processing apparatus 100 if the evaluation value is a binary truth value indicating whether or not a relationship has occurred, the target period is the walking period based on the result of the logical operation using the evaluation value. It can be determined whether or not. Thereby, the information processing apparatus 100 can reduce the processing amount.
  • the first to sixth relationships related to the motion of the patient's leg can be used as the plurality of relationships.
  • the information processing apparatus 100 can evaluate the likelihood of walking motion from a plurality of viewpoints regarding the motion of the patient's leg, and can improve the accuracy of specifying the walking period.
  • the seventh relationship to the tenth relationship relating to the motion of the patient's leg and the patient's trunk can be used.
  • the information processing apparatus 100 can improve the accuracy of identifying the walking period by evaluating the likelihood of walking movement from a plurality of viewpoints regarding the movement of the patient's leg and the patient's trunk.
  • the information processing method described in this embodiment can be realized by executing a program prepared in advance on a computer such as a personal computer or a workstation.
  • the information processing program described in this embodiment is recorded on a computer-readable recording medium such as a hard disk, a flexible disk, a CD-ROM, an MO, and a DVD, and is executed by being read from the recording medium by the computer. Further, the information processing program described in this embodiment may be distributed via a network such as the Internet.

Landscapes

  • Health & Medical Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Animal Behavior & Ethology (AREA)
  • Veterinary Medicine (AREA)
  • Public Health (AREA)
  • General Health & Medical Sciences (AREA)
  • Physics & Mathematics (AREA)
  • Biomedical Technology (AREA)
  • Medical Informatics (AREA)
  • Molecular Biology (AREA)
  • Surgery (AREA)
  • Heart & Thoracic Surgery (AREA)
  • Engineering & Computer Science (AREA)
  • Pathology (AREA)
  • Biophysics (AREA)
  • Dentistry (AREA)
  • Physiology (AREA)
  • Oral & Maxillofacial Surgery (AREA)
  • Pain & Pain Management (AREA)
  • Physical Education & Sports Medicine (AREA)
  • Rehabilitation Therapy (AREA)
  • Epidemiology (AREA)
  • Geometry (AREA)
  • Measurement Of The Respiration, Hearing Ability, Form, And Blood Characteristics Of Living Organisms (AREA)

Abstract

情報処理装置（１００）は、患者の複数の部位のそれぞれの部位の動きに関する計測情報（１０１，１０２）を取得する。情報処理装置（１００）は、取得した計測情報に基づいて、対象期間において、患者の歩行運動動作の一部に対応する特徴が現れたそれぞれの部位の動作を含む動作群を検知する。情報処理装置（１００）は、検知した動作群において、患者によって歩行運動が行われた場合に動作間に生じる複数の関係性のそれぞれの関係性が現れた度合いを示す評価値を算出する。情報処理装置（１００）は、それぞれの関係性について算出した評価値に基づいて、対象期間が患者によって歩行運動が行われた歩行期間であるか否かを判定する。

Description

情報処理装置、情報処理システム、および情報処理方法
　本発明は、情報処理装置、情報処理システム、および情報処理方法に関する。
　従来、医療分野では、患者に対して適切な医療処置をするために、患者の状態を詳細かつ正確に把握することが求められる。例えば、患者の歩き方は、疾病による身体の不調の度合いや疾病や怪我の回復の度合いなどに影響される傾向があり、患者の歩き方から患者の状態を把握することができる。具体的には、例えば、患者が足を引きずるような不自然な歩き方をしているか否かを正確に把握することが求められる。
　そして、患者の歩き方を正確に把握可能にするために、センサを患者に装着し、センサから得られたデータに基づいて、患者の歩き方を定量化するアプローチが有効である。この定量化に当たって、まず患者によって歩行運動が行われた歩行期間を特定することが好ましく、その歩行期間における所定の特徴量を、患者の歩き方を把握する際に用いられる客観的な指標として算出することが好ましい。所定の特徴量とは、例えば、歩行期間の長さや、歩行期間における患者の歩数、歩幅の平均値、移動速度の平均値などである。本発明では、歩行期間の検出を目的とする。
　関連する従来技術として、患者によって歩行運動が行われた歩行期間では、患者に装着したセンサ装置から得られるセンサデータに、歩行運動に対応する特徴的な波形パターンが現れる傾向があることを利用し、その歩行期間を特定する場合が考えられる。例えば、非特許文献１では、腰や脛や腿に装着したセンサから得た加速度を用い、加速度の周期性や振幅などの波形特徴量を抽出した後、事前に学習したモデルを観測した波形特徴量に適用することで、歩行を含む運動が発生した期間を検出する。また、歩行期間を検出するための閾値やモデルを事前設定せずとも、観測されたデータから逐次学習する手法もある。例えば、非特許文献２では、暫定的に歩行らしいと判定された期間を対象に、観測した角速度の振幅の統計値に応じて、歩行の１歩分に相当するステップ動作を検出する閾値を適応させ、この閾値を用いてステップ動作を検出し、ステップ動作が頻発に出現している箇所を歩行期間としていた。
　しかしながら、患者によって、あるいは、患者が歩く場所、患者が歩くときの周囲の環境、患者の状態などによって、歩き方が変化すると、歩行期間を特定することが難しくなる傾向がある。例えば、患者が脚を引きずって歩いていると、患者に装着したセンサ装置から得られるセンサデータに、予め用意した歩行運動に対応する特徴的な波形パターンと合致する波形パターンは現れないことがある。また、例えば、普段は健常に歩くことができる患者が、頭痛等により一時的に歩き方が変化すると、例えば、非特許文献２等を適用したときに、この一時的な歩行を検知できないおそれがある。
　このように、従来技術では、患者によって歩行運動が行われた歩行期間を特定することが難しい場合がある。例えば、患者が歩く場所、患者が歩くときの周囲の環境、患者の状態などによって歩き方が変化すると、歩行期間を特定することが難しくなる。
　１つの側面では、本発明は、歩行期間を特定する精度の向上を図ることができる情報処理装置、情報処理システム、および情報処理方法を提供することを目的とする。
　１つの実施態様によれば、計測対象の複数の部位のそれぞれの部位の動きに関する計測情報を取得し、取得した前記計測情報に基づいて、対象期間において、前記計測対象の歩行運動動作の一部に対応する特徴が現れた前記それぞれの部位の動作を含む動作群を検知し、検知した前記動作群において、前記計測対象によって歩行運動が行われた場合に動作間に生じる複数の関係性のそれぞれの関係性が現れた度合いを示す評価値を算出し、前記それぞれの関係性について算出した前記評価値に基づいて、前記対象期間が前記計測対象によって歩行運動が行われた歩行期間であるか否かを判定する情報処理装置、情報処理システム、および情報処理方法が提案される。
　本発明の一態様によれば、歩行期間を特定する精度の向上を図ることができるという効果を奏する。
図１は、実施の形態にかかる情報処理方法の一実施例を示す説明図である。 図２は、情報処理システム２００の一例を示す説明図である。 図３は、情報処理装置１００のハードウェア構成例を示すブロック図である。 図４は、計測機２０１のハードウェア構成例を示すブロック図である。 図５は、情報処理装置１００の機能的構成例を示すブロック図である。 図６は、情報処理装置１００の動作の流れの一例を示す説明図である。 図７は、動作間の第１の関係性の一例を示す説明図である。 図８は、動作間の第２の関係性の一例を示す説明図である。 図９は、動作間の第３の関係性の一例を示す説明図である。 図１０は、動作間の第４の関係性の一例を示す説明図である。 図１１は、動作間の第５の関係性の一例を示す説明図である。 図１２は、動作間の第６の関係性の一例を示す説明図である。 図１３は、動作間の第７の関係性の一例を示す説明図である。 図１４は、動作間の第８の関係性の一例を示す説明図である。 図１５は、動作間の第９の関係性の一例を示す説明図である。 図１６は、動作間の第１０の関係性の一例を示す説明図である。 図１７は、情報処理装置１００が歩行期間であるか否かを判定する一例を示す説明図である。 図１８は、情報処理装置１００が歩行期間を特定する第１の具体例を示す説明図（その１）である。 図１９は、情報処理装置１００が歩行期間を特定する第１の具体例を示す説明図（その２）である。 図２０は、情報処理装置１００が歩行期間を特定する第１の具体例を示す説明図（その３）である。 図２１は、情報処理装置１００が歩行期間を特定する第１の具体例を示す説明図（その４）である。 図２２Ａは、情報処理装置１００が歩行期間を特定する第１の具体例を示す説明図（その５）である。 図２２Ｂは、情報処理装置１００が歩行期間を特定する第１の具体例を示す説明図（その６）である。 図２３は、情報処理装置１００が歩行期間を特定する第１の具体例を示す説明図（その７）である。 図２４は、情報処理装置１００が歩行期間を特定する第１の具体例を示す説明図（その８）である。 図２５は、情報処理装置１００が歩行期間を特定する第１の具体例を示す説明図（その９）である。 図２６は、情報処理装置１００が歩行期間を特定する第１の具体例を示す説明図（その１０）である。 図２７は、情報処理装置１００が歩行期間を特定する第２の具体例を示す説明図（その１）である。 図２８は、情報処理装置１００が歩行期間を特定する第２の具体例を示す説明図（その２）である。 図２９は、情報処理装置１００が歩行期間を特定する第２の具体例を示す説明図（その３）である。 図３０は、情報処理装置１００が歩行期間を特定する第２の具体例を示す説明図（その４）である。 図３１は、情報処理装置１００が歩行期間を特定する第２の具体例を示す説明図（その５）である。 図３２は、情報処理装置１００が歩行期間を特定する第２の具体例を示す説明図（その６）である。 図３３は、情報処理装置１００が歩行期間を特定する第２の具体例を示す説明図（その７）である。 図３４は、情報処理装置１００が所定の特徴量を出力する一例を示す説明図である。 図３５は、複数の帯域通過フィルタを適用する動作の別の例を示す説明図（その１）である。 図３６は、複数の帯域通過フィルタを適用する動作の別の例を示す説明図（その２）である。 図３７は、ステップ動作の時間長上限に複数の時間長上限の候補を設定する動作の別の例を示す説明図である。 図３８は、全体処理手順の一例を示すフローチャートである。 図３９は、歩行期間特定手順の一例を示すフローチャートである。 図４０は、評価値算出処理手順の一例を示すフローチャートである。 図４１は、尤度算出処理手順の一例を示すフローチャートである。
　以下に、図面を参照して、本発明にかかる情報処理装置、情報処理システム、および情報処理方法の実施の形態を詳細に説明する。
（実施の形態にかかる情報処理方法の一実施例）
　図１は、実施の形態にかかる情報処理方法の一実施例を示す説明図である。情報処理装置１００は、計測対象によって歩行が行われた歩行期間を特定するコンピュータである。計測対象は、生体または人工物である。生体は、人間であってもよいし、人間以外の動物であってもよい。生体は、例えば、医療機関による検査対象になる対象者である。生体は、具体的には、医師などの医療関係者による診断や治療、経過観察、または健康管理などを受ける患者である。人工物とは、例えば二足歩行ロボットである。
　生体は、具体的には、医師などの医療関係者によるリハビリ指導などを受ける患者であってもよい。また、生体は、具体的には、スポーツインストラクターによる歩行指導を受ける被指導者であってもよい。生体は、例えば、自ら健康管理を行う個人であってもよい。生体は、動物であってもよい。以下の説明では、主として、計測対象を「患者」とする場合について説明する。
　本実施の形態では、患者によって歩行運動が行われた場合に患者の部位の動作間に生じる複数の関係性のそれぞれの関係性が現れた度合いを評価することにより、歩行期間を特定する精度の向上を図ることができる情報処理方法について説明する。
　（１－１）情報処理装置１００は、患者の複数の部位のそれぞれの部位の動きに関する計測情報を取得する。患者の複数の部位は、例えば、患者の左脚と右脚との２つの部位である。患者の複数の部位は、具体的には、患者の左脚の下腿と右脚の下腿との２つの部位である。患者の部位の動きに関する計測情報は、例えば、その部位に装着された計測機の角速度センサが計測した角速度を、時系列に並べた時系列データである。時系列データは、例えば、センサデータである。
　情報処理装置１００は、例えば、患者の左脚の下腿に装着された計測機から、患者の左脚の下腿の角速度のセンサデータ１０１を受信し、患者の右脚の下腿に装着された計測機から、患者の右脚の下腿の角速度のセンサデータ１０２を受信する。これにより、情報処理装置１００は、センサデータを、患者の歩行期間を特定するために用いることができる。
　（１－２）情報処理装置１００は、取得した計測情報に基づいて、対象期間において、患者の歩行運動動作の一部に対応する特徴が現れたそれぞれの部位の動作を含む動作群を検知する。歩行運動動作の一部は、例えば、歩行運動の１歩である。歩行運動動作の一部は、例えば、歩行運動中の支持脚の静止、歩行運動中の両足が地面についた時の両足微動などであってもよい。
　歩行運動動作の一部に対応する特徴は、例えば、歩行運動の１歩に対応する特徴である。歩行運動の１歩に対応する特徴は、例えば、角速度が閾値を超えて極大値になったことである。部位の動作は、患者の左脚または右脚が１歩分前に動く動作である。歩行運動動作の一部に対応する特徴は、例えば、歩行運動中の両足が地面についた時の両足微動に対応する特徴である。両足微動に対応する特徴は、例えば、角速度が閾値以下、かつ、振動が閾値以上であることである。
　以下の説明では、１歩分前に動く動作を「ステップ動作」と表記する場合がある。ステップ動作は、脚が地面から離れた時点から、脚がスイングした後、脚が着地した時点までの動作である。脚が地面から離れた時点が、ステップ動作の開始時刻である。脚が着地した時点が、ステップ動作の終了時刻である。動作群は、例えば、ステップ動作群である。
　情報処理装置１００は、例えば、対象期間において、患者の左脚の下腿の角速度のセンサデータ１０１において、その角速度が閾値を超えて極大値になったことを検知し、左脚のステップ動作があったことを検知する。情報処理装置１００は、左脚のステップ動作があったことを検知すると、そのステップ動作があった動作点を記憶する。
　情報処理装置１００は、例えば、対象期間において、患者の右脚の下腿の角速度のセンサデータ１０２において、その角速度が閾値を超えて極大値になったことを検知し、右脚のステップ動作があったことを検知する。情報処理装置１００は、右脚のステップ動作があったことを検知すると、そのステップ動作があった動作点を記憶する。これにより、情報処理装置１００は、各脚のステップ動作を含むステップ動作群を検知することができ、患者の歩行期間を特定するために用いることができる。
　（１－３）情報処理装置１００は、検知した動作群において、患者によって歩行運動が行われた場合に動作間に生じる複数の関係性のそれぞれの関係性が現れた度合いを示す評価値を算出する。複数の関係性は、例えば、左脚のステップ動作と右脚のステップ動作が交互であるという第１の関係性を含む。複数の関係性は、例えば、一方の脚のステップ動作が終了してから、他方の脚のステップ動作が開始するという第２の関係性を含む。
　複数の関係性は、例えば、一方の脚のステップ動作の最中は、他方の脚は支持脚になり他方の脚の動作量は所定の微小値より小さいという第３の関係性を含む。動作量は、例えば、角速度である。複数の関係性は、例えば、一方の脚の異なるステップ動作の特徴量が類似するという第４の関係性を含む。複数の関係性の具体例は、図７～図１６を用いて後述する。これにより、情報処理装置１００は、様々な観点から、患者によって歩行運動が行われた歩行期間としての尤もらしさを評価することができる。
　（１－４）情報処理装置１００は、それぞれの関係性について算出した評価値に基づいて、対象期間が患者によって歩行運動が行われた歩行期間であるか否かを判定する。情報処理装置１００は、例えば、それぞれの関係性について算出した評価値が、判定基準になる閾値を超えた場合に、対象期間が患者によって歩行運動が行われた歩行期間であると判定する。
　これにより、情報処理装置１００は、様々な観点から歩行期間としての尤もらしさを評価するため、歩行期間を精度よく特定しやすくすることができる。情報処理装置１００は、例えば、患者が歩行と類似する非歩行運動、例えば、自転車をこぐ運動を行っていて、第１の関係性が現れた場合でも、第２の関係性や第３の関係性について算出した評価値も用いるため、この運動を行った期間は歩行期間ではないと判定することができ、歩行期間を特定する精度の向上を図ることができる。一方、情報処理装置１００は、例えば、患者が脚を引きずって歩いた場合や、極端に低速で歩いた場合においても、第１～第１０の関係性の評価値のいずれも高いため、これらの運動を行った期間は歩行期間であると判定することができ、歩行期間を特定する精度の向上を図ることができる。
　さらに、情報処理装置１００は、特定した歩行期間における所定の特徴量を算出し、その特徴量を出力することができ、医師などの医療関係者に、患者の歩き方を把握する際に用いられる客観的な指標を与えることができる。情報処理装置１００は、例えば、特定した歩行期間の長さや、その歩行期間における患者の歩数、歩幅の平均値、移動速度の平均値などを出力することができる。このため、情報処理装置１００は、医師などの医療関係者が、患者の歩き方を把握しやすくし、患者に対する診断や治療、経過観察、または健康管理などを効率よく行うことができるようにすることができる。
　また、情報処理装置１００は、医師などの医療関係者に対し、例えば、病院外も含む患者の日常における歩行期間の長さや、歩行期間における患者の歩数、歩幅の平均値、移動速度の平均値なども同様に出力することができる。このため、情報処理装置１００は、医師などの医療関係者が、日常における患者の歩き方を把握したり、日常の患者の運動量を把握しやすくし、患者に対する診断や治療、経過観察、または健康管理などを詳細かつ正確に行うことができるようにすることができる。
　ここでは、計測機が、患者の左脚と右脚とに装着される場合について説明したが、これに限らない。例えば、計測機が、患者の片脚と腰とに装着される場合があってもよい。また、例えば、計測機が、患者の左脚と右脚と腰とに装着される場合があってもよい。この場合、情報処理装置１００は、患者の歩行期間を特定するために、各脚のステップ動作に対応する腰の体幹前進動作を検知することができる。腰の体幹前進動作は、ステップ動作の前後で体幹を動かす動作である。この場合、動作群は、腰の体幹前進動作を含んでもよい。また、患者の腕や頭に装着される計測機があってもよい。
　ここで、患者が歩く場所、患者が歩くときの周囲の環境、患者の状態などにより、患者の歩き方が異なり、具体的には、患者の各脚のステップ動作の周期が異なる場合や、足を地面に引きずったときにセンサデータにノイズ信号が含まれる場合がある。また、患者ごとに、患者の各脚のステップ動作の周期が異なる場合がある。このため、情報処理装置１００は、（１－２）で動作群を検知するに当って、患者の部位の動きに関する計測情報に対して、複数の帯域通過フィルタのそれぞれの帯域通過フィルタを適用することにより、さらに歩行期間を特定する精度の向上を図ることができる。
　例えば、情報処理装置１００は、患者の部位の動きに関する計測情報に対して、それぞれの帯域通過フィルタを適用した場合について、ステップ動作群を検知する。そして、情報処理装置１００は、検知したステップ動作群ごとに、それぞれの関係性が現れた度合いを示す評価値を算出し、対象期間が歩行期間であるか否かを判定する。情報処理装置１００が複数の帯域通過フィルタを用いる具体例は、図６～図２６を用いて後述する。
　また、患者が歩く場所、患者が歩くときの周囲の環境、患者の状態などにより、患者の歩き方が異なり、具体的には、患者の各脚のステップ動作の時間長が異なる場合がある。また、患者ごとに、患者の各脚のステップ動作の時間長が異なる場合がある。このため、情報処理装置１００は、ステップ動作の時間長上限を、複数の時間長上限の候補のそれぞれの候補に設定することにより、さらに歩行期間を特定する精度の向上を図ることができる。
　例えば、情報処理装置１００は、ステップ動作の時間長上限を、複数の時間長上限の候補のそれぞれの候補に設定した場合について、それぞれの関係性が現れた度合いを示す評価値を算出し、対象期間が歩行期間であるか否かを判定する。情報処理装置１００が複数の時間長上限の候補を用いる具体例は、図６～図２６を用いて後述する。
　また、対象期間は、患者によって歩行運動が行われた歩行期間と、患者によって歩行運動が行われていない非歩行期間とを、両方とも含んでいることが考えられる。このため、情報処理装置１００は、それぞれの関係性について算出した評価値に基づいて、対象期間のいずれの部分期間が、歩行期間であるかを判定するようにしてもよい。情報処理装置１００が対象期間のいずれの部分期間が歩行期間であるかを判定する具体例は、図２７～図３３を用いて後述する。
（情報処理システム２００の一例）
　次に、図２を用いて、図１に示した情報処理装置１００を適用した、情報処理システム２００の一例について説明する。
　図２は、情報処理システム２００の一例を示す説明図である。図２において、情報処理システム２００は、情報処理装置１００と、１以上の計測機２０１とを含む。情報処理システム２００において、情報処理装置１００と計測機２０１とは、有線または無線のネットワーク２１０を介して接続される。ネットワーク２１０は、例えば、ＬＡＮ（Ｌｏｃａｌ　Ａｒｅａ　Ｎｅｔｗｏｒｋ）、ＷＡＮ（Ｗｉｄｅ　Ａｒｅａ　Ｎｅｔｗｏｒｋ）、インターネットなどである。
　情報処理装置１００は、１以上の計測機２０１から、計測対象ｕとなる患者の複数の部位のそれぞれの部位の動きに関する計測情報を取得し、患者によって歩行運動が行われた歩行期間を特定するコンピュータである。情報処理装置１００は、例えば、サーバ、ＰＣ（Ｐｅｒｓｏｎａｌ　Ｃｏｍｐｕｔｅｒ）、ノートＰＣ、タブレット端末、スマートフォン、ウェアラブル端末などである。
　計測機２０１は、計測対象ｕとなる患者に装着されるコンピュータである。計測機２０１は、計測情報を生成し、情報処理装置１００に送信する。計測機２０１は、例えば、図４に示すセンサ部を有し、そのセンサ部の計測値と、そのセンサ部の計測値が得られた計測時刻とを対応付けた時系列データを生成し、計測情報として情報処理装置１００に送信する。計測機２０１は、例えば、センサ装置である。センサ装置は、具体的には、モーションセンサと呼ばれる装置である。計測機２０１は、例えば、スマートフォン、ウェアラブル端末などであってもよい。
　ここでは、計測機２０１が、時系列データを作成する場合について説明したが、これに限らない。例えば、情報処理装置１００が、計測機２０１から、計測機２０１のセンサ部の計測値と、そのセンサ部の計測値が得られた計測時刻とを対応付けた対応情報を順次受信し、その対応情報をまとめた時系列データを作成する場合があってもよい。ここでは、情報処理装置１００と計測機２０１とが異なる装置である場合について説明したが、これに限らない。例えば、情報処理装置１００が、計測機２０１と一体である場合があってもよい。
　ここでは、計測機２０１が、自装置が装着された患者の部位の動きに関する計測情報を生成する場合について説明したが、これに限らない。例えば、計測機２０１が、患者の腰に装着されても、加速度センサの計測値を解析することによって、患者の左脚と右脚との動きに対応する加速度を取得可能であり、患者の左脚と右脚との動きに関する計測情報を生成する場合があってもよい。この場合、情報処理システム２００は、患者ごとに１つの計測機２０１しか用いなくても実現することができる。
　情報処理システム２００は、さらに、表示装置を有する場合があってもよい。この場合、情報処理装置１００は、歩行期間を特定した結果、歩行期間に関する所定の特徴量などを、表示装置を介して表示する。表示装置は、例えば、ＰＣ、ノートＰＣ、タブレット端末、スマートフォンなどである。
　情報処理システム２００は、例えば、医療機関の医療システムに適用されたり、患者の状態を把握する見守りサービスを実現する場合に適用されたり、ＰＨＲ（Ｐｅｒｓｏｎａｌ　Ｈｅａｌｔｈ　Ｒｅｃｏｒｄ）向けのサービスを実現する場合に適用されたりする。
（情報処理装置１００のハードウェア構成例）
　次に、図３を用いて、図２に示した情報処理システム２００に含まれる情報処理装置１００のハードウェア構成例について説明する。
　図３は、情報処理装置１００のハードウェア構成例を示すブロック図である。図３において、情報処理装置１００は、ＣＰＵ（Ｃｅｎｔｒａｌ　Ｐｒｏｃｅｓｓｉｎｇ　Ｕｎｉｔ）３０１と、メモリ３０２と、ネットワークＩ／Ｆ（Ｉｎｔｅｒｆａｃｅ）３０３と、記録媒体Ｉ／Ｆ３０４と、記録媒体３０５とを有する。また、各構成部は、バス３００によってそれぞれ接続される。
　ここで、ＣＰＵ３０１は、情報処理装置１００の全体の制御を司る。メモリ３０２は、例えば、ＲＯＭ（Ｒｅａｄ　Ｏｎｌｙ　Ｍｅｍｏｒｙ）、ＲＡＭ（Ｒａｎｄｏｍ　Ａｃｃｅｓｓ　Ｍｅｍｏｒｙ）およびフラッシュＲＯＭなどを有する。具体的には、例えば、フラッシュＲＯＭやＲＯＭが各種プログラムを記憶し、ＲＡＭがＣＰＵ３０１のワークエリアとして使用される。メモリ３０２に記憶されるプログラムは、ＣＰＵ３０１にロードされることで、コーディングされている処理をＣＰＵ３０１に実行させる。
　ネットワークＩ／Ｆ３０３は、通信回線を通じてネットワーク２１０に接続され、ネットワーク２１０を介して他のコンピュータに接続される。そして、ネットワークＩ／Ｆ３０３は、ネットワーク２１０と内部のインターフェースを司り、他のコンピュータからのデータの入出力を制御する。ネットワークＩ／Ｆ３０３は、例えば、モデムやＬＡＮアダプタなどである。
　記録媒体Ｉ／Ｆ３０４は、ＣＰＵ３０１の制御にしたがって記録媒体３０５に対するデータのリード／ライトを制御する。記録媒体Ｉ／Ｆ３０４は、例えば、ディスクドライブ、ＳＳＤ（Ｓｏｌｉｄ　Ｓｔａｔｅ　Ｄｒｉｖｅ）、ＵＳＢ（Ｕｎｉｖｅｒｓａｌ　Ｓｅｒｉａｌ　Ｂｕｓ）ポートなどである。記録媒体３０５は、記録媒体Ｉ／Ｆ３０４の制御で書き込まれたデータを記憶する不揮発メモリである。記録媒体３０５は、例えば、ディスク、半導体メモリ、ＵＳＢメモリなどである。記録媒体３０５は、情報処理装置１００から着脱可能であってもよい。
　情報処理装置１００は、上述した構成部のほか、例えば、キーボード、マウス、ディスプレイ、プリンタ、スピーカー、タッチパネルなどを有してもよい。また、情報処理装置１００は、記録媒体Ｉ／Ｆ３０４や記録媒体３０５を有していなくてもよい。
（計測機２０１のハードウェア構成例）
　次に、図４を用いて、図２に示した情報処理システム２００に含まれる計測機２０１のハードウェア構成例について説明する。
　図４は、計測機２０１のハードウェア構成例を示すブロック図である。図４において、計測機２０１は、ＣＰＵ４０１と、メモリ４０２と、ネットワークＩ／Ｆ４０３と、センサ部４０４と、タイマー部４０５とを有する。また、各構成部は、バス４００によってそれぞれ接続される。
　ここで、ＣＰＵ４０１は、計測機２０１の全体の制御を司る。メモリ４０２は、例えば、ＲＯＭ、ＲＡＭおよびフラッシュＲＯＭなどを有する。具体的には、例えば、フラッシュＲＯＭやＲＯＭが各種プログラムを記憶し、ＲＡＭがＣＰＵ４０１のワークエリアとして使用される。メモリ４０２に記憶されるプログラムは、ＣＰＵ４０１にロードされることで、コーディングされている処理をＣＰＵ４０１に実行させる。
　ネットワークＩ／Ｆ４０３は、通信回線を通じてネットワーク２１０に接続され、ネットワーク２１０を介して他のコンピュータに接続される。そして、ネットワークＩ／Ｆ４０３は、ネットワーク２１０と内部のインターフェースを司り、他のコンピュータからのデータの入出力を制御する。ネットワークＩ／Ｆ４０３は、例えば、Ｗｉ－Ｆｉ（登録商標）に対応する通信回路、Ｂｌｕｅｔｏｏｔｈ（登録商標）に対応する通信回路などである。ネットワークＩ／Ｆ４０３は、例えば、３Ｇ（３ｒｄ　Ｇｅｎｅｒａｔｉｏｎ）に対応する通信回路であってもよい。
　センサ部４０４は、計測機２０１の状態を計測する。センサ部４０４は、例えば、計測機２０１の位置、動き、および向きのうち少なくともいずれかを計測する。センサ部４０４は、具体的には、加速度センサ、角速度センサ、地磁気センサ、光センサ、振動センサなどの少なくともいずれかを有する。また、センサ部４０４は、ＧＰＳ（Ｇｌｏｂａｌ　Ｐｏｓｉｔｉｏｎｉｎｇ　Ｓｙｓｔｅｍｓ）受信機を有し、計測機２０１のＧＰＳ座標を検出してもよい。タイマー部４０５は、現在の時刻を計測する。
　計測機２０１は、上述した構成部のほか、例えば、キーボード、マウス、ディスプレイ、プリンタ、スピーカー、タッチパネルなどを有してもよい。また、計測機２０１は、上述した構成部のほか、記録媒体Ｉ／Ｆや記録媒体を有してもよい。この記録媒体は、計測機２０１から着脱可能であってもよい。
（情報処理装置１００の機能的構成例）
　次に、図５を用いて、情報処理装置１００の機能的構成例について説明する。
　図５は、情報処理装置１００の機能的構成例を示すブロック図である。情報処理装置１００は、記憶部５００と、取得部５０１と、検知部５０２と、評価部５０３と、判定部５０４と、算出部５０５と、出力部５０６とを含む。
　記憶部５００は、例えば、図３に示したメモリ３０２や記録媒体３０５などの記憶領域によって実現される。取得部５０１～出力部５０６は、制御部となる機能である。取得部５０１～出力部５０６は、具体的には、例えば、図３に示したメモリ３０２や記録媒体３０５などの記憶領域に記憶されたプログラムをＣＰＵ３０１に実行させることにより、または、ネットワークＩ／Ｆ３０３により、その機能を実現する。各機能部の処理結果は、例えば、図３に示したメモリ３０２や記録媒体３０５などの記憶領域に記憶される。
　記憶部５００は、計測対象の複数の部位のそれぞれの部位の動きに関する計測情報を記憶する。計測対象は、例えば、患者である。複数の部位は、例えば、左脚と右脚とである。複数の部位は、腰を含んでもよい。記憶部５００は、例えば、計測機２０１のセンサ部の計測値と、その計測値が得られた計測時刻とを対応付けて、時系列に並べたセンサデータを記憶する。
　計測値は、例えば、矢状面の角速度、横断面の角速度、冠状面の角速度の少なくともいずれかを含む。計測値は、例えば、上下方向の加速度、左右方向の加速度、前後方向の加速度の少なくともいずれかを含んでもよい。以下の説明では、上下加速度、左右加速度、前後加速度のそれぞれを「上下加速度」、「左右加速度」、「前後加速度」と表記する場合がある。計測値は、例えば、振動の大きさ、位置などを含んでもよい。これにより、記憶部５００は、センサデータを検知部５０２が参照可能にすることができる。なお、矢状面、横断面、冠状面の定義は図１９に、上下方向、左右方向、前後方向の定義は図２０に示す通りである。
　記憶部５００は、複数の帯域通過フィルタのそれぞれの帯域通過フィルタを特定する情報を記憶する。記憶部５００は、複数の帯域通過フィルタのそれぞれの帯域通過フィルタが抽出する周波数成分を示す第１パラメータを記憶する。これにより、記憶部５００は、検知部５０２が第１パラメータを参照可能にし、複数の帯域通過フィルタのそれぞれの帯域通過フィルタを利用可能にすることができる。
　記憶部５００は、ステップ動作の時間長上限に対する複数の時間長上限の候補のそれぞれの候補を記憶する。記憶部５００は、複数の時間長上限の候補のそれぞれの候補を示す第２のパラメータを記憶する。第２パラメータは、ステップ動作の時間長上限を示す。これにより、記憶部５００は、検知部５０２が第２のパラメータを参照可能にし、ステップ動作の時間長上限に、複数の時間長上限の候補のそれぞれの候補を設定可能にすることができる。
　記憶部５００は、複数の関係性のそれぞれの関係性について評価値を算出する算出式のパラメータ群を記憶する。複数の関係性は、それぞれ、患者によって歩行運動が行われた場合に動作間に生じる可能性が大きい関係性である。複数の関係性は、例えば、図７～図１６に後述する第１の関係性～第１０の関係性である。複数の関係性は、図７～図１６に後述する第１の関係性～第１０の関係性の少なくとも２つであってもよい。これにより、記憶部５００は、評価部５０３が算出式のパラメータ群を参照可能にすることができる。
　取得部５０１は、患者の複数の部位のそれぞれの部位の動きに関する計測情報を取得する。取得部５０１は、例えば、計測機２０１のセンサ部の計測値と、その計測値が得られた計測時刻とを対応付けて、時系列に並べたセンサデータを、計測機２０１から受信し、記憶部５００に記憶する。取得部５０１は、例えば、計測機２０１のセンサ部の計測値と、その計測値が得られた計測時刻とを対応付けた対応情報を計測機２０１から順次受信し、その対応情報をまとめたセンサデータを作成して記憶部５００に記憶してもよい。これにより、取得部５０１は、検知部５０２や評価部５０３などが患者のそれぞれの部位についてのセンサデータを参照可能なようにすることができる。
　検知部５０２は、歩行期間であるか否かを判定する対象になる対象期間を設定する。検知部５０２は、所定の期間を、対象期間に設定する。検知部５０２は、利用者の操作入力に基づく期間を、対象期間に設定してもよい。検知部５０２は、取得した計測情報に基づいて、患者が静止状態ではない動作期間を特定し、対象期間に設定してもよい。
　検知部５０２は、取得した計測情報に基づいて、対象期間において、患者の歩行運動動作の一部に対応する特徴が現れたそれぞれの部位の動作を含む動作群を検知する。歩行運動動作の一部は、例えば、歩行運動の１歩である。歩行運動動作の一部は、例えば、歩行運動中の支持脚の静止、歩行運動中の両足が地面についた時の両足微動などであってもよい。歩行運動動作の一部に対応する特徴は、例えば、歩行運動の１歩に対応する特徴である。歩行運動の１歩に対応する特徴は、例えば、各脚の角速度が閾値を超えて極大値になったことである。
　歩行運動動作の一部に対応する特徴は、例えば、歩行運動中の両足が地面についた時の両足微動に対応する特徴であってもよい。両足微動に対応する特徴は、例えば、角速度が閾値以下、かつ、振動が閾値以上であることである。動作は、例えば、ステップ動作である。左脚または右脚のステップ動作は、左脚または右脚が１歩分前に動く動作である。検知部５０２は、検知したステップ動作を、そのステップ動作に付与した通し番号と、そのステップ動作があった動作点とを用いて記憶する。
　検知部５０２は、左脚についてのセンサデータにおいて、左脚の角速度が閾値を超えて極大値になったことを検知し、左脚の角速度が閾値を超えて極大値になったことを左脚のステップ動作として検知する。検知部５０２は、同様に、右脚のステップ動作を検知する。そして、検知部５０２は、左脚のステップ動作と、右脚のステップ動作とを含むステップ動作群を、動作群として検知する。これにより、検知部５０２は、歩行運動を判定する際に用いられる動作群を、評価部５０３が参照可能なようにすることができる。
　検知部５０２は、さらに、腰についてのセンサデータに基づいて、ステップ動作の前後における腰の体幹前進動作を検知してもよい。腰の体幹前進動作は、左脚または右脚が１歩分前に動いたことに応じて体幹を動かす動作であり、ステップ動作の前後で発生する。検知部５０２は、評価値を算出するために腰の体幹前進動作を用いる場合には、ステップ動作群を検知した後、ステップ動作群のそれぞれのステップ動作に対応する腰の体幹前進動作を検知し、ステップ動作群と体幹前進動作群とを含む動作群を検知する。これにより、検知部５０２は、歩行運動を判定する際に用いられる動作群を、評価部５０３が参照可能なようにすることができる。
　検知部５０２は、例えば、センサデータに対して複数の帯域通過フィルタのそれぞれの帯域通過フィルタを適用した場合について、患者の歩行運動動作の一部に対応する特徴が現れたそれぞれの部位の動作を含む動作群を検知する。検知部５０２は、例えば、センサデータに対して複数の帯域通過フィルタのそれぞれの帯域通過フィルタを適用した場合について、患者の歩行運動の１歩に対応する特徴が現れたそれぞれの部位の動作を含む動作群を検知する。検知部５０２は、具体的には、記憶部５００の複数の第１パラメータのそれぞれの第１パラメータを用いて、センサデータに対して複数の帯域通過フィルタのそれぞれの帯域通過フィルタを適用する。これにより、検知部５０２は、患者ごとに歩き方が異なり、患者ごとに各脚のステップ動作の周期が異なる場合、および、センサデータにノイズ信号が含まれる場合に対応し、各脚のステップ動作を検知しやすいようにすることができる。
　評価部５０３は、検知した動作群において、患者によって歩行運動が行われた場合に動作間に生じる複数の関係性のそれぞれの関係性が現れた度合いを示す評価値を算出する。評価値は、例えば、関係性が現れたか否かを示す２値の真理値であってもよい。評価値は、具体的には、１であれば、真であることを示し、関係性が現れたことを示す。これにより、評価部５０３は、対象期間の歩行期間らしさを示す指標を取得することができる。
　評価部５０３は、検知部５０２が複数の動作群を検知した場合、動作群ごとに、それぞれの関係性が表れた度合いを示す評価値を算出してもよい。これにより、評価部５０３は、患者ごとの歩き方の違いに対応し、対象期間の歩行期間らしさを示す指標を取得することができる。
　評価部５０３は、動作群において、それぞれのステップ動作の時間長上限を複数の時間長上限の候補のそれぞれの候補に設定した場合について、それぞれの関係性が現れた度合いを示す評価値を算出してもよい。評価部５０３は、例えば、記憶部５００の複数の第２パラメータのそれぞれの第２パラメータを用いて、ステップ動作の時間長上限を、複数の時間長上限の候補のそれぞれの候補に設定した場合について、それぞれの関係性が現れた度合いを示す評価値を算出する。これにより、評価部５０３は、患者ごとの歩き方の違いに対応し、対象期間の歩行期間らしさを示す指標を取得することができる。
　判定部５０４は、それぞれの関係性について算出した評価値に基づいて、対象期間が歩行期間であるか否かを判定する。判定部５０４は、例えば、それぞれの関係性について算出した評価値が閾値以上である場合に、対象期間が歩行期間であると判定する。これにより、判定部５０４は、歩行期間を特定する精度の向上を図ることができる。
　判定部５０４は、例えば、評価値を用いた論理演算の結果に基づいて、対象期間が歩行期間であるか否かを判定してもよい。判定部５０４は、具体的には、評価値が２値の真理値であれば、論理積が１である場合に対象期間が歩行期間であると判定する。これにより、判定部５０４は、判定にかかる処理量の低減化を図ることができる。また、評価値が取り得る値の範囲が極めて限定されるため、判定部５０４は、後述する状態遷移モデルの観測確率パラメータを人手で設定しやすくすることもできる。
　判定部５０４は、例えば、それぞれの関係性について算出した評価値に基づいて、対象期間のうち歩行期間の候補期間を特定し、特定した候補期間の長さに応じた歩行期間としての尤度を算出し、尤度に基づいて、候補期間が歩行期間であるか否かを判定してもよい。これにより、判定部５０４は、対象期間に歩行期間と非歩行期間とが含まれる場合であっても、歩行期間を特定する精度の向上を図ることができる。
　判定部５０４は、例えば、評価値を用いた論理演算の結果に基づいて、対象期間が患者によって歩行運動が行われた歩行期間であるか否かを判定してもよい。これにより、判定部５０４は、判定にかかる処理量の低減化を図ることができる。
　算出部５０５は、判定部５０４が歩行期間であると判定した対象期間における所定の特徴量を算出する。所定の特徴量は、歩行期間に関する特徴量や歩行期間における患者の動きに関する特徴量などである。所定の特徴量は、例えば、歩行期間の長さや、歩行期間における患者の歩数、歩幅の平均値、移動速度の平均値などである。
　出力部５０６は、算出部５０５が算出した所定の特徴量を出力する。出力部５０６は、歩行期間における、各ステップ動作の開始時刻および終了時刻などの所定の特徴量を出力してもよい。出力形式は、例えば、ディスプレイへの表示、プリンタへの印刷出力、ネットワークＩ／Ｆ３０３による外部装置への送信、または、メモリ３０２や記録媒体３０５などの記憶領域への記憶である。
（情報処理装置１００の動作の流れの一例）
　次に、図６～図１７を用いて、情報処理装置１００の動作の流れの一例について説明する。
　図６は、情報処理装置１００の動作の流れの一例を示す説明図である。図６において、情報処理装置１００は、患者の腰の角速度や加速度を時系列に並べたセンサデータ、患者の左脚の角速度や加速度を時系列に並べたセンサデータ、患者の右脚の角速度や加速度を時系列に並べたセンサデータなどを、計測機２０１から受信する。
　以下の説明では、加速度を時系列に並べたセンサデータを「加速度データ」と表記し、角速度を時系列に並べたセンサデータを「ジャイロデータ」と表記する場合がある。そして、情報処理装置１００は、受信したセンサデータに基づいて、患者が静止状態ではない動作期間を特定し、歩行期間であるか否かを判定する対象になる対象期間に設定する。
　情報処理装置１００は、例えば、センサデータとして、矢状面のジャイロデータ、横断面のジャイロデータ、冠状面のジャイロデータを受信する。情報処理装置１００は、例えば、センサデータとして、上下方向の加速度データ、左右方向の加速度データ、前後方向の加速度データを受信する。
　次に、情報処理装置１００は、対象期間におけるセンサデータに対して、複数の第１パラメータを用いて、検知器になる複数の帯域通過フィルタのそれぞれの帯域通過フィルタを適用する。第１パラメータは、減衰する周波数帯域と通過する周波数帯域とを特定する。そして、情報処理装置１００は、それぞれの帯域通過フィルタを適用した場合について、患者の腰と左脚と右脚とのステップ動作を含むステップ動作群を検知する。
　帯域通過フィルタを適用し、ステップ動作を検知するために用いられるジャイロデータは、矢状面のジャイロデータ、横断面のジャイロデータ、冠状面のジャイロデータのいずれか一つであってよい。ステップ動作を検知するために用いなかったジャイロデータも、評価値を算出するために用いられる。
　また、帯域通過フィルタを適用し、ステップ動作を検知するために用いられるジャイロデータは、矢状面のジャイロデータ、横断面のジャイロデータ、冠状面のジャイロデータを統合したジャイロデータであってもよい。
　次に、情報処理装置１００は、検知したステップ動作群ごとに、第２パラメータを用いて、ステップ動作の時間長上限を設定し、各ステップ動作の開始時刻および終了時刻を特定し、動作間の複数の関係性のそれぞれの関係性が現れた度合いを示す評価値を算出する。この場合、複数の関係性は、図７～図１２に後述する第１の関係性～第６の関係性である。そして、情報処理装置１００は、評価値に基づいて、対象期間が歩行期間であるか否かを判定する。
　また、情報処理装置１００は、さらに、検知したステップ動作群ごとに、腰のセンサデータに基づいて、それぞれのステップ動作に対応する体幹前進動作を検知してもよい。そして、情報処理装置１００は、検知したステップ動作群と体幹前進動作群とを含む動作群ごとに、動作間の複数の関係性のそれぞれの関係性が現れた度合いを示す評価値を算出し、その評価値に基づいて、対象期間が歩行期間であるか否かを判定する。この場合、複数の関係性は、図７～図１６に後述する第１の関係性～第１０の関係性である。
　次に、図７～図１６を用いて、情報処理装置１００が用いる、動作間の第１の関係性～第１０の関係性の一例について説明する。まず、図７を用いて、動作間の第１の関係性の一例について説明する。
　図７は、動作間の第１の関係性の一例を示す説明図である。ここで、患者が歩く際には、左脚のステップ動作と、右脚のステップ動作とは１つずつ交互に発生するという性質がある。図７の例では、左脚のステップ動作７１１～７１４と、右脚のステップ動作７２１～７２４とは１つずつ交互に発生している。
　そこで、情報処理装置１００は、第１の関係性として、患者の各脚のステップ動作が交互に発生するという「左右交互性」を用いる。情報処理装置１００は、第１の関係性の評価値を算出する算出式として、下記式（１）を用いる。
Figure JPOXMLDOC01-appb-M000001
　ここで、ｘi (1)は、第１の関係性の評価値である。ｉは、ステップ動作群のうち、患者の両脚のステップ動作に対して出現順に割り当てられた番号であり、自然数である。Ｓiは、ｉ番目のステップ動作が左脚によるものか、または右脚によるものか、を表す変数である。Ｉ［…］は、指示関数であり、［…］の中身の条件が真であると１を返し、偽であると０を返す。上記式（１）において［…］の中身の条件は、ｉ番目のステップ動作の脚と、そのステップ動作の直後のｉ＋１番目のステップ動作の脚とが異なることを示す。
　このため、上記式（１）は、ｉ番目のステップ動作の脚と、そのステップ動作の直後のｉ＋１番目のステップ動作の脚とが異なるとｘi (1)＝１になる。上記式（１）は、ｉ番目のステップ動作の脚と、そのステップ動作の直後のｉ＋１番目のステップ動作の脚とが同一であるとｘi (1)＝０になる。また、情報処理装置１００は、上記式（１）の代わりに、下記式（２）を用いる場合があってもよい。
Figure JPOXMLDOC01-appb-M000002
　ここで、ｘi (1)は、第１の関係性の評価値である。Ｓiは、ｉ番目のステップ動作が左脚によるものか、または右脚によるものか、を表す変数である。次に、図８の説明に移行し、動作間の第２の関係性の一例について説明する。
　図８は、動作間の第２の関係性の一例を示す説明図である。ここで、患者が歩く際には、患者の一方の脚が着地してから所定時間内に、患者の他方の脚が地面を離れるという性質がある。図８の例では、左脚のステップ動作８１１が終了して左脚が着地してから、所定時間８０１内に、右脚のステップ動作８２１が開始して右脚が地面を離れている。同様に、右脚のステップ動作８２１が終了して右脚が着地してから、所定時間８０２内に、左脚のステップ動作８１２が開始して左脚が地面を離れている。
　そこで、情報処理装置１００は、第２の関係性として、患者の一方の脚のステップ動作が終了してから所定時間内に、患者の他方の脚のステップ動作が開始するという「左右順序性」を用いる。情報処理装置１００は、第２の関係性の評価値を算出する算出式として、下記式（３）を用いる。
Figure JPOXMLDOC01-appb-M000003
　ここで、ｘi (2)は、第２の関係性の評価値である。ｉは、ステップ動作群のうち、患者の両脚のステップ動作に対して出現順に割り当てられた番号であり、自然数である。Ｔ(TC)、Ｔ(IC)は、それぞれ、ステップ動作の開始時刻と終了時刻を表す。Ｉ［…］は、指示関数であり、［…］の中身の条件が真であると１を返し、偽であると０を返す。上記式（３）において［…］の中身の条件は、ｉ番目のステップ動作の終了時刻の後に、そのステップ動作の直後のｉ＋１番目のステップ動作の開始時刻があることを示す。
　このため、上記式（３）は、ｉ番目のステップ動作の終了時刻の後に、そのステップ動作の直後のｉ＋１番目のステップ動作の開始時刻があるとｘi (2)＝１になる。上記式（３）は、ｉ番目のステップ動作の終了時刻の後に、そのステップ動作の直後のｉ＋１番目のステップ動作の開始時刻がなければｘi (2)＝０になる。
　図９は、動作間の第３の関係性の一例を示す説明図である。ここで、患者が歩く際には、患者の一方の脚がスイングしている最中は、患者の他方の脚は地面に着いたまま静止状態で患者の体重を支持しているため、その脚の角速度は小さいという性質がある。図９の例では、左脚のステップ動作の最中であり左脚がスイングしている最中は、右脚の角速度９０１は閾値以下である。左脚の角速度９０２や右脚の角速度９０３も同様である。
　そこで、情報処理装置１００は、第３の関係性として、患者の一方の脚のステップ動作の最中は、患者の他方の脚のステップ動作の角速度が所定範囲内であるという「左右支持性」を用いる。情報処理装置１００は、第３の関係性の評価値を算出する算出式として、下記式（４）を用いる。
Figure JPOXMLDOC01-appb-M000004
　ここで、ｘi (3)は、第３の関係性の評価値である。ｉは、ステップ動作群のうち、患者の両脚のステップ動作に対して出現順に割り当てられた番号であり、自然数である。ωinvは、ｉ番目のステップ動作の脚ではなく、ステップ動作していない脚のセンサデータであり、ジャイロデータを表す。ｔは、時刻を表す変数である。α、βは、脚の静止状態を表す角速度の範囲を表す。Ｔ(TC)、Ｔ(IC)は、それぞれ、ステップ動作の開始時刻と終了時刻を表す。Ｉ［…］は、指示関数であり、［…］の中身の条件が真であると１を返し、偽であると０を返す。上記式（４）において［…］の中身の条件は、ｉ番目のステップ動作の脚ではない脚の角速度の最大値が所定範囲内であり、その脚が静止状態であることを示す。
　このため、上記式（４）は、ｉ番目のステップ動作の脚ではない脚の角速度のＴ(TC)～Ｔ(IC)の最大値が所定範囲α～β内であり、その脚が静止状態であるとｘi (3)＝１になる。上記式（４）は、ｉ番目のステップ動作の脚ではない脚の角速度のＴ(TC)～Ｔ(IC)の最大値が所定範囲α～β内ではなく、その脚が静止状態ではないとｘi (3)＝０になる。
　図１０は、動作間の第４の関係性の一例を示す説明図である。ここで、患者が歩く際には、患者の一方の脚のステップ動作の角速度は一定である傾向があるという性質がある。図１０の例では、左脚のステップ動作の角速度のピーク振幅１００１～１００４は一定である。また、ピーク振幅のほか、ピーク時間が一定である場合がある。ピーク時間は、ステップ動作の前後で、角速度が極小値になった時点から、極大値になった時点を挟んで極小値になった時点までの時間である。
　そこで、情報処理装置１００は、第４の関係性として、患者の一方の脚の複数のステップ動作の特徴量が類似するという「片側類似性」を用いる。情報処理装置１００は、第４の関係性の評価値を算出する算出式として、下記式（５）と下記式（６）とを用いる。
Figure JPOXMLDOC01-appb-M000005
　ここで、ｘi (4A)は、第４の関係性の評価値である。ｉは、ステップ動作群のうち、患者の両脚のステップ動作に対して出現順に割り当てられた番号であり、自然数である。ｐは、ステップ動作のピーク振幅を表す。ｐの上部にバーを付した記号は、ステップ動作群における、ステップ動作のピーク振幅の平均を表す。ωは、ｉ番目のステップ動作の脚のセンサデータであり、ジャイロデータを表す。Ｔ(TC)、Ｔ(IC)は、それぞれ、ステップ動作の開始時刻と終了時刻を表す。
　このため、上記式（５）は、患者の一方の脚のｉ番目のステップ動作のピーク振幅と、その脚の他のステップ動作のピーク振幅とが類似するとｘi (4A)は小さい値をとる。上記式（５）は、患者の一方の脚のｉ番目のステップ動作のピーク振幅と、その脚の他のステップ動作のピーク振幅とが類似しないとｘi (4A)は大きい値をとる。
Figure JPOXMLDOC01-appb-M000006
　ここで、ｘi (4B)は、第４の関係性の評価値である。ｉは、ステップ動作群のうち、患者の両脚のステップ動作に対して出現順に割り当てられた番号であり、自然数である。ｑは、ステップ動作のピーク時間を表す。ｑの上部にバーを付した記号は、ステップ動作群における、ステップ動作のピーク時間の平均値を表す。Ｔ(TC)、Ｔ(IC)は、それぞれ、ステップ動作の開始時刻と終了時刻を表す。
　このため、上記式（６）は、患者の一方の脚のｉ番目のステップ動作のピーク時間と、その脚の他のステップ動作のピーク時間とが類似するとｘi (4B)は小さい値をとる。上記式（６）は、患者の一方の脚のｉ番目のステップ動作のピーク時間と、その脚の他のステップ動作のピーク時間とが類似しないとｘi (4B)は大きい値をとる。
　また、情報処理装置１００は、ピーク振幅ｐとして、ステップ動作の開始時刻の角速度、または、ステップ動作の終了時刻の角速度を用いてもよい。情報処理装置１００は、ピーク時間ｑとして、ステップ動作の開始時刻から角速度が極大になった時点までの時間、または、ステップ動作の角速度が極大になった時点から終了時刻までの時間を用いてもよい。また、情報処理装置１００は、ピーク時間ｑとして、ステップ動作の終了時刻から次のステップ動作の開始時刻までの時間を用いてもよい。
　図１１は、動作間の第５の関係性の一例を示す説明図である。ここで、患者が歩く際には、患者の左右の脚のステップ動作の特徴量の比率は一定である傾向があるという性質がある。図１１の例では、左脚のステップ動作の角速度のピーク振幅１１１１～１１１４と、右脚のステップ動作の角速度のピーク振幅１１２１～１１２４との比率が一定である。また、ピーク振幅のほかピーク時間の比率が一定である場合がある。
　そこで、情報処理装置１００は、第５の関係性として、患者の各脚のステップ動作の特徴量が類似するという「両側類似性」を用いる。情報処理装置１００は、第５の関係性の評価値を算出する算出式として、下記式（７）と下記式（８）とを用いる。
Figure JPOXMLDOC01-appb-M000007
　ここで、ｘi (5A)は、第５の関係性の評価値である。ｉは、ステップ動作群のうち、患者の両脚のステップ動作に対して出現順に割り当てられた番号であり、自然数である。ｐは、ステップ動作のピーク振幅を表す。ｒiは、左右の脚の連続するステップ動作のピーク振幅の比率を表す。ｒiの上部にバーを付した記号は、ステップ動作群における、左右の脚のステップ動作のピーク振幅の比率の平均値を表す。ｆL（ａ，ｂ）は、ａとｂのうち、左脚に関する特徴量、例えば、左脚のピーク振幅を選択する関数である。ｆR（ａ，ｂ）は、ａとｂのうち、右脚に関する特徴量、例えば、右脚のピーク振幅を選択する関数である。
　このため、上記式（７）は、左右の脚のステップ動作であるｉ番目のステップ動作とｉ＋１番目のステップ動作とのピーク振幅の比率と、左右の脚のステップ動作のピーク振幅の比率の平均値とが類似するとｘi (5A)は小さい値をとる。上記式（７）は、左右の脚のステップ動作であるｉ番目のステップ動作とｉ＋１番目のステップ動作とのピーク振幅の比率と、左右の脚のステップ動作のピーク振幅の比率の平均値とが類似しないとｘi (5A)は大きい値をとる。
Figure JPOXMLDOC01-appb-M000008
　ここで、ｘi (5B)は、第５の関係性の評価値である。ｉは、ステップ動作群のうち、患者の両脚のステップ動作に対して出現順に割り当てられた番号であり、自然数である。ｑは、ステップ動作のピーク時間を表す。ｓiは、左右の脚のステップ動作のピーク時間の比率を表す。ｒiの上部にバーを付した記号は、ステップ動作群における、左右の脚のステップ動作のピーク時間の比率の平均値を表す。ｆL（ａ，ｂ）は、ａとｂのうち、左脚に関する特徴量、例えば、左脚のピーク時間を選択する関数である。ｆR（ａ，ｂ）は、ａとｂのうち、右脚に関する特徴量、例えば、右脚のピーク時間を選択する関数である。
　このため、上記式（８）は、左右の脚のステップ動作であるｉ番目のステップ動作とｉ＋１番目のステップ動作との長さの比率と、左右の脚のステップ動作のピーク時間の比率の平均値とが類似するとｘi (5B)は小さい値をとる。上記式（８）は、左右の脚のステップ動作であるｉ番目のステップ動作とｉ＋１番目のステップ動作との長さの比率と、左右の脚のステップ動作のピーク時間の比率の平均値とが類似しないとｘi (5B)は大きい値をとる。
　図１２は、動作間の第６の関係性の一例を示す説明図である。ここで、患者が歩く際には、患者の左脚のステップ動作の回転方向と、患者の右脚のステップ動作の回転方向とが一致するという性質がある。図１２の例では、各脚の横断面のジャイロデータを示す。また、図中の左右方向への回転角とは、横断面の角速度を時間方向に積分することで算出された値である。図１２の例では、右脚における左右方向への回転角１２０１は右回転を示し、同様に、左脚における左右方向への回転角１２０２は右回転を示しており、回転方向が一致する。
　そこで、情報処理装置１００は、第６の関係性として、患者の各脚のステップ動作の回転方向が同一であるという「左右回転性」を用いる。情報処理装置１００は、第６の関係性の評価値を算出する算出式として、下記式（９）を用いる。
Figure JPOXMLDOC01-appb-M000009
　ここで、ｘi (6)は、第６の関係性の評価値である。ｉは、ステップ動作群のうち、患者の両脚のステップ動作に対して出現順に割り当てられた番号であり、自然数である。Ｒiは、ｉ番目のステップ動作の回転量を表す。回転量は、例えば、角速度の積分値である。ｓｇｎ（…）は符号関数であり、（…）の中身が０以上なら「１」、（…）の中身が０以下なら「－１」を返す。Ｉ［…］は、指示関数であり、［…］の中身の条件が真であると１を返し、偽であると０を返す。上記式（９）において［…］の中身の条件は、ｉ番目のステップ動作の回転方向が、直後のｉ＋１番目のステップ動作または直前のｉ－１番目のステップ動作の回転方向と同一であることを示す。
　このため、上記式（９）は、ｉ番目のステップ動作の回転量が閾値を超え、かつ、そのステップ動作の回転方向が、直後のｉ＋１番目のステップ動作または直前のｉ－１番目のステップ動作の回転方向と同一であるとｘi (6)＝１になる。上記式（９）は、ｉ番目のステップ動作の回転方向が、直後のｉ＋１番目のステップ動作または直前のｉ－１番目のステップ動作の回転方向と同一ではないとｘi (6)＝０になる。
　図１３は、動作間の第７の関係性の一例を示す説明図である。ここで、患者が歩く際には、患者の各脚が着地する前後に、患者の腰にも大きな上下加速度が生じるという性質がある。図１３の例では、右脚のステップ動作１３０１，１３０２の直後に、体幹前進動作として腰の上下動作１３１１，１３１３が生じている。
　このほか、患者の各脚が地面を離れる前後に、患者の腰にも大きな上下加速度が生じるという性質がある。図１３の例では、右脚のステップ動作１３０２の直前に、体幹前進動作として腰の上下動作１３１２が生じている。
　そこで、情報処理装置１００は、第７の関係性として、患者の各脚のステップ動作が終了する前後の所定時間の範囲に、患者の体幹の上下方向のステップ動作が発生するという「上下交互性」を用いる。情報処理装置１００は、第７の関係性の評価値を算出する算出式として、下記式（１０）を用いる。
Figure JPOXMLDOC01-appb-M000010
　ここで、ｘi (7)は、第７の関係性の評価値である。ｉは、ステップ動作群のうち、患者の両脚のステップ動作に対して出現順に割り当てられた番号であり、自然数である。ａｃｃzは、患者の腰の上下加速度データを表す。γは、閾値である。Ｔ(IC)は、ステップ動作の終了時刻を表す。τは、終了時刻の前後所定範囲を表す。Ｉ［…］は、指示関数であり、［…］の中身の条件が真であると１を返し、偽であると０を返す。上記式（１０）において［…］の中身の条件は、ｉ番目のステップ動作の終了時刻の付近で、その患者の腰の上下加速度の変化が閾値以上であることを示す。
　このため、上記式（１０）は、患者の脚のｉ番目のステップ動作の終了時刻の付近で、その患者の腰の上下加速度の変化が閾値以上であるとｘi (7)＝１になる。上記式（１０）は、患者の脚のｉ番目のステップ動作の終了時刻の付近で、その患者の腰の上下加速度の変化が閾値以上ではないとｘi (7)＝０になる。
　図１４は、動作間の第８の関係性の一例を示す説明図である。ここで、患者が歩く際には、患者の各脚が進んだ場合、同様に患者の腰も進むという性質がある。図１４の例では、右脚のステップ動作１４０１，１４０２の直後、体幹前進動作として腰の前後動作１４１１，１４１２が発生し、腰の前後加速度の積分値が閾値以上になっている。
　そこで、情報処理装置１００は、第８の関係性として、患者の各脚のステップ動作の最中は、患者の体幹の前進方向のステップ動作が発生するという「上下並進性」を用いる。情報処理装置１００は、第８の関係性の評価値を算出する算出式として、下記式（１１）を用いる。
Figure JPOXMLDOC01-appb-M000011
　ここで、ｘi (8)は、第８の関係性の評価値である。ｉは、ステップ動作群のうち、患者の両脚のステップ動作に対して出現順に割り当てられた番号であり、自然数である。ａｃｃXは、患者の腰の前後加速度データを表す。ＴｓとＴｅとは、腰が前に進んでいる期間を決定する時間パラメータである。Ｔ(TC)、Ｔ(IC)は、それぞれ、ステップ動作の開始時刻と終了時刻を表す。Ｉ［…］は、指示関数であり、［…］の中身の条件が真であると１を返し、偽であると０を返す。上記式（１１）において［…］の中身の条件は、患者の両脚のステップ動作のうちｉ番目のステップ動作の終了時刻のＴｓ前～Ｔｅ後までの範囲で、患者の腰の前後加速度の積分値が閾値より大きいことを示す。
　このため、上記式（１１）は、ｉ番目のステップ動作の終了時刻のＴｓ前～Ｔｅ後までの範囲で、患者の腰の前後加速度の積分値が閾値より大きいとｘi (8)＝１になる。上記式（１１）は、ｉ番目のステップ動作の終了時刻のＴｓ前～Ｔｅ後までの範囲で、患者の腰の前後加速度の積分値が閾値より大きくないとｘi (8)＝０になる。
　図１５は、動作間の第９の関係性の一例を示す説明図である。ここで、患者が歩く際には、患者の各脚の回転方向と、患者の腰の回転方向とは一致するという性質がある。図１５の例では、右脚と腰との横断面のジャイロデータを示す。図１５の例では、右脚のステップ動作１５０１における回転方向と、腰の体幹前進動作１５１１における回転方向とが一致する。
　そこで、情報処理装置１００は、第９の関係性として、患者の各脚のステップ動作の回転方向と、患者の各脚のステップ動作が終了した後の患者の体幹のステップ動作の回転方向が同一であるという「上下回転性」を用いる。情報処理装置１００は、第９の関係性の評価値を算出する算出式として、下記式（１２）を用いる。
Figure JPOXMLDOC01-appb-M000012
　ここで、ｘi (9)は、第９の関係性の評価値である。Ｒi legは、右脚または左脚の回転量を表す。Ｒi waistは、腰の回転量を表す。ｉは、ステップ動作群のうち、患者の両脚のステップ動作に対して出現順に割り当てられた番号であり、自然数である。ωY waistは、腰の横断面のジャイロデータを表す。ωY legは、右脚または左脚の横断面のジャイロデータを表す。Ｔ(TC)、Ｔ(IC)は、それぞれ、ステップ動作の開始時刻と終了時刻を表す。ＴｓとＴｅは、上半身が前進するタイミングを決定する時間パラメータである。Ｉ［…］は、指示関数であり、［…］の中身の条件が真であると１を返し、偽であると０を返す。上記式（１２）において［…］の中身の条件は、ｉ番目のステップ動作の腰の回転方向と足の回転方向が一致することを示す。
　このため、上記式（１２）は、ｉ番目のステップ動作の腰の回転方向と足の回転方向が一致するとｘi (9)＝１になる。上記式（１２）は、ｉ番目のステップ動作の腰の回転方向と足の回転方向が一致しないとｘi (9)＝０になる。
　図１６は、動作間の第１０の関係性の一例を示す説明図である。ここで、患者が歩く際には、患者の脚の移動量と、患者の腰の移動量とが類似するという性質がある。図１６の例では、右脚のステップ動作１６０１，１６０２の移動量と、腰の体幹前進動作１６１１，１６１２の移動量とが類似する。
　そこで、情報処理装置１００は、第１０の関係性として、患者の各脚のステップ動作が示す移動量と、患者の体幹のステップ動作が示す移動量とが類似するという「上下移動性」を用いる。情報処理装置１００は、第１０の関係性の評価値を算出する算出式として、下記式（１３）を用いる。
Figure JPOXMLDOC01-appb-M000013
　ここで、ｘi (10)は、第１０の関係性の評価値である。ｉは、ステップ動作群のうち、患者の両脚のステップ動作に対して出現順に割り当てられた番号であり、自然数である。ｖは、ステップ動作における足の移動量を表す。ｕは、体幹前進動作における腰の移動量を表す。ηminとηmaxとは、患者の脚の移動量と患者の腰の移動量の比率の範囲を表す定数である。Ｉ［…］は、指示関数であり、［…］の中身の条件が真であると１を返し、偽であると０を返す。上記式（１３）において［…］の中身の条件は、ｉ番目のステップ動作の患者の脚の移動量と、患者の腰の移動量との比率が、閾値範囲内であることを示す。
　このため、上記式（１３）は、ｉ番目のステップ動作の患者の脚の移動量と、患者の腰の移動量との比率が、閾値範囲内であるとｘi (10)＝１になる。上記式（１３）は、ｉ番目のステップ動作の患者の脚の移動量と、患者の腰の移動量との比率が、閾値範囲外であるとｘi (10)＝０になる。
　図１７は、情報処理装置１００が歩行期間であるか否かを判定する一例を示す説明図である。図１７において、情報処理装置１００は、ステップ動作群ごとに、上記式（１）～上記式（１３）などを用いて算出した第１の関係性～第１０の関係性の平均値などを、第１の関係性～第１０の関係性の確信度として算出する。情報処理装置１００は、算出した確信度を乗算し、対象期間の歩行期間らしさを示す総評価値を算出する。情報処理装置１００は、確信度や総評価値を、結果管理テーブル１７００を用いて記憶する。
　次に、情報処理装置１００は、それぞれのステップ動作群について算出した総評価値のうち最大値を特定する。そして、情報処理装置１００は、特定した最大値が閾値以上であるか否かを判定する。ここで、情報処理装置１００は、最大値が閾値以上であれば、対象期間を歩行期間であると判定する。一方で、情報処理装置１００は、最大値が閾値未満であれば、対象期間を歩行期間ではないと判定する。情報処理装置１００は、判定した結果を、結果管理テーブル１７００を用いて記憶する。
　情報処理装置１００は、対象期間を歩行期間であると判定した場合、最大値が算出されたステップ動作群を、最も患者の歩き方を反映しているステップ動作群として用いてもよい。そして、情報処理装置１００は、最も患者の歩き方を反映しているステップ動作群を用いて、対象期間における所定の特徴量を算出して出力する。
（情報処理装置１００が歩行期間を特定する第１の具体例）
　次に、図１８～図２６を用いて、情報処理装置１００が歩行期間を特定する第１の具体例について説明する。
　図１８～図２６は、情報処理装置１００が歩行期間を特定する第１の具体例を示す説明図である。図１８において、患者は、右脚と左脚と腰とに計測機２０１を装着する。計測機２０１は、患者の装着した部位において角速度や加速度を計測し、計測値と計測時刻とを対応付けてセンサデータ１８０１，１８０２などを生成する。情報処理装置１００は、計測機２０１が生成したセンサデータ１８０１，１８０２などを受信する。次に、図１９および図２０の説明に移行し、計測機２０１が計測する内容について説明する。
　図１９に示すように、計測機２０１は、角速度を計測する場合、例えば、矢状面における角速度、横断面における角速度、冠状面における角速度を計測する。これにより、計測機２０１は、例えば、センサデータとして、矢状面における角速度を時系列に並べたジャイロデータ、横断面における角速度を時系列に並べたジャイロデータ、冠状面における角速度を時系列に並べたジャイロデータを生成する。
　図２０に示すように、計測機２０１は、加速度を計測する場合、例えば、上下加速度、左右加速度、前後加速度を計測する。これにより、計測機２０１は、例えば、センサデータとして、上下加速度を時系列に並べた加速度データ、左右加速度を時系列に並べた加速度データ、前後加速度を時系列に並べた加速度データを生成する。次に、図２１の説明に移行する。
　図２１において、情報処理装置１００は、受信したジャイロデータや加速度データを用いて、歩行期間であるか否かを判定する対象になる対象期間として、患者が静止状態ではない非静止期間を特定する。
　情報処理装置１００は対象期間の特定に当って、例えば、左脚のジャイロデータと右脚のジャイロデータとに対して、それぞれ同じ時点から窓幅Ｗをもつ窓をずらし幅（Ｗ／２）でずらしていく。窓は、所定の長さの期間を示す。情報処理装置１００は、窓をずらすごとに、左脚のジャイロデータと右脚のジャイロデータとのうち、その窓に対応するセグメントデータを特定する。
　情報処理装置１００は対象期間の特定に当って、窓をずらすごとに、その窓に対応するセグメントデータにおいて、角速度の平均値Ｍｇと分散Ｖｇとが、それぞれ所定値ＴＨ＿ＭｇとＴＨ＿Ｖｇとを超えるか否かを判定する。情報処理装置１００は、ある窓に対応するセグメントデータについて超えると判定した場合に、その窓が示す期間を、患者が静止状態ではない非静止期間として特定する。
　情報処理装置１００は対象期間の特定に当って、特定した非静止期間のうち、連続する２以上の非静止期間があれば、その２以上の非静止期間を統合して、１つの非静止期間として特定する。情報処理装置１００は、特定した非静止期間を、対象期間として設定する。次に、図２２Ａおよび図２２Ｂの説明に移行する。
　図２２Ａにおいて、情報処理装置１００は、対象期間におけるセンサデータに対して、Ｎ個の第１パラメータを用いて、複数の帯域通過フィルタのそれぞれの帯域通過フィルタを適用する。第１パラメータは、帯域通過フィルタが通過させる周波数帯域を定義し、例えば、どんな周波数成分を減衰するかを示すカットオフ周波数によって表現される。これにより、情報処理装置１００は、患者ごとに歩き方が異なり、患者ごとに各脚のステップ動作の周期が異なる場合、および、センサデータにノイズ信号が含まれる場合に対応し、各脚のステップ動作を検知しやすいようにすることができる。
　次に、情報処理装置１００は、それぞれの帯域通過フィルタを適用した場合について、患者の各脚のステップ動作を含むステップ動作群を検知する。情報処理装置１００は、例えば、それぞれの帯域通過フィルタを適用した場合について、左脚の角速度が閾値を超えて極大値になったことを検知し、左脚のステップ動作を検知する。また、情報処理装置１００は、例えば、それぞれの帯域通過フィルタを適用した場合について、右脚の角速度が閾値を超えて極大値になったことを検知し、右脚のステップ動作を検知する。次に、図２２Ｂの説明に移行し、情報処理装置１００がステップ動作を検知しやすいようにする一例について説明する。
　図２２Ｂにおいて、情報処理装置１００は、第３パラメータとして、極大値を検知する際に用いる閾値に設定可能な、複数の閾値を用意している。情報処理装置１００は、センサデータまたはセンサデータに帯域フィルタを適用した結果に対して、極大値を検知するにあたって、複数の閾値のぞれぞれの閾値を適用することにより、複数のステップ動作群を検知してもよい。これにより、情報処理装置１００は、患者ごとに歩き方が異なり、患者ごとにステップ動作のスイングの速さが異なる場合に対応し、各脚のステップ動作を検知しやすいようにすることができる。
　情報処理装置１００は、各脚のステップ動作の動作点として、各脚の角速度が極大値になった時点を記憶し、各脚のステップ動作を動作点によって記憶しておく。情報処理装置１００は、検知した各脚のステップ動作を含むステップ動作群を検知する。また、情報処理装置１００は、各脚のステップ動作に対応する腰の体幹前進動作を検知しておいてもよい。次に、図２３の説明に移行する。
　図２３において、情報処理装置１００は、検知したステップ動作群ごとに、Ｍ個の第２パラメータを用いて、ステップ動作の時間長上限を設定し、複数の関係性の評価値を算出するために用いられる、ステップ動作の開始時刻と終了時刻とを特定する。この開始時刻は、例えば、踵または爪先または足裏が地面から離れたタイミングであり、終了時刻は、例えば、踵または爪先または足裏が地面に着地したタイミングである。第２パラメータは、ステップ動作の時間長上限を示し、動作点よりマージンタイム分前の時点から、動作点よりマージンタイム分後の時点までの長さを示す。
　情報処理装置１００は、例えば、ステップ動作の動作点から、第２パラメータ分前までの間で、角速度が最小値になった時点を、開始時刻として特定する。情報処理装置１００は、例えば、ステップ動作の動作点から、第２パラメータ分後までの間で、角速度が最小値になった時点を、終了時刻として特定する。次に、図２４の説明に移行する。
　図２４において、情報処理装置１００は、ステップ動作の検知においてＮ個の帯域通過フィルタを用い、ステップ動作の開始時刻と終了時刻の特定においてＭ個のステップ動作の時間長上限を用いることにより、Ｎ×Ｍ個のステップ動作群を検知している。情報処理装置１００は、それぞれのステップ動作群について、そのステップ動作群に含まれる各脚のステップ動作について、出現順に動作番号を割り当てる。
　そして、情報処理装置１００は、各脚のステップ動作について、動作番号と、動作点と、開始時刻と、終了時刻と、どちらの脚のステップ動作かを対応付けて、脚動作管理テーブル２４００を用いて記憶する。情報処理装置１００は、各脚のステップ動作に対応する腰の体幹前進動作について、体幹前進動作管理テーブルを用いて記憶してもよい。次に、図２５の説明に移行する。
　図２５において、情報処理装置１００は、ステップ動作群に基づいて、ステップ動作ごとに、第１の関係性～第１０の関係性の評価値を算出する。情報処理装置１００は、ステップ動作ごとに算出した第１の関係性～第１０の関係性の評価値を、そのステップ動作の動作番号に対応付けて、評価値管理テーブル２５００を用いて記憶する。次に、図２６の説明に移行する。
　図２６において、情報処理装置１００は、第１の関係性～第１０の関係性の評価値を、統一した基準で算出し直す。例えば、第２の関係性の評価値は、２値であり、１であれば歩行運動らしく、０であれば歩行運動らしくないことを示す。一方で、第３の関係性の評価値は、連続値であり、０に近いほど歩行運動らしく、値が大きいほど歩行運動らしくないことを示す。
　このため、情報処理装置１００は、第３の関係性の評価値を、２値であり、１であれば歩行運動らしく、０であれば歩行運動らしくないことを示す評価値に変換する。情報処理装置１００は、例えば、第３の関係性の評価値が閾値未満であれば評価値を１に変換し、閾値以上であれば評価値を０に変換する。
　そして、情報処理装置１００は、第１の関係性～第１０の関係性の評価値を足し合わせ、総評価値を算出する。情報処理装置１００は、算出した総評価値が閾値以上であれば、対象期間が歩行期間であると判定する。これにより、情報処理装置１００は、歩行期間を特定する精度の向上を図ることができる。
（情報処理装置１００が歩行期間を特定する第２の具体例）
　次に、図２７～図３３を用いて、情報処理装置１００が歩行期間を特定する第２の具体例について説明する。
　図２７～図３３は、情報処理装置１００が歩行期間を特定する第２の具体例を示す説明図である。ここで、対象期間は、患者によって歩行運動が行われた歩行期間と、患者によって歩行運動が行われていない非歩行期間とを、両方とも含んでいることが考えられる。このため、情報処理装置１００は、第１の関係性～第１０の関係性について算出した評価値に基づいて、対象期間のいずれの部分期間が、歩行期間であるかを判定する。
　図２７に示すように、情報処理装置１００は、歩行期間と非歩行期間を区別するために、それぞれのステップ動作の状態を「歩行」または「非歩行」とラベリングする隠れマルコフモデル（ＨＭＭ：Ｈｉｄｄｅｎ　Ｍａｒｋｏｖ　Ｍｏｄｅｌ）を適用する。
　ＨＭＭは、観測される特徴量が、隠れ状態の状態固有の確率分布に基づいて生成されること、および、前の隠れ状態と、次に遷移する隠れ状態との間に依存関係があることを仮定した状態遷移モデルである。隠れ状態は、直接観測しない状態であり、例えば、ステップ動作の状態であり、歩行状態または非歩行状態である。
　情報処理装置１００は、例えば、第１の関係性～第１０の関係性について算出した評価値に基づいて、それぞれのステップ動作の状態を「歩行」または「非歩行」とラベリングする。そして、情報処理装置１００は、対象期間のうち、「歩行」とラベリングされたステップ動作に対応する部分期間に対して、ＨＭＭの尤度を算出し、歩行期間としての尤度とする。
　図２７の例では、ステップ動作の隠れ状態として、単純に「歩行」と「非歩行」との状態だけでなく、歩行のダイナミクスをより正確に捉えるため、歩行状態を「初期歩行状態」、「中間歩行状態」、「末期歩行状態」の３つに細分化した状態が仮定されている。さらに、患者の歩き方が左脚と右脚で異なる場合に対応して、これら３つの状態を、右脚と左脚で区別し、さらに歩行状態が細分化される。なお、中間歩行状態は、複数あってもよい。
　これにより、情報処理装置１００は、「歩行中」の歩行状態に比べて半歩しか進まない傾向がある「初期歩行状態（例えば、１歩目）」と「末期歩行状態（例えば、最終歩）」との歩行状態を区別することが可能になり、したがって「歩行」と「非歩行」の境界を正確に検出することが可能になる。また、情報処理装置１００は、患者が片足を怪我している場合などに対応するように、左脚と右脚との歩行状態を区別するようにする。次に、図２８の説明に移行する。
　図２８において、情報処理装置１００は、第１の関係性～第１０の関係性について算出した評価値系列Ｘに対して、上記７つの状態の中から尤もらしい状態を割り当てる。情報処理装置１００は、例えば、下記式（１４）で表現される、評価値系列Ｘと動作状態系列Ｙとについての同時確率ｐ（Ｘ，Ｙ）が最大になるように、Ｖｉｔｅｒｂｉアルゴリズムを用いて、動作状態系列Ｙを求める。
Figure JPOXMLDOC01-appb-M000014
　ここで、ｐ（ｘi｜ｙi）は、観測確率を表す。観測確率は、例えば、図３０を用いて後述する。ｐ（ｙi｜ｙi-1）は、状態遷移確率を表す。状態遷移確率は、例えば、図２９を用いて後述する。次に、図２９の説明に移行する。
　図２９に示すように、状態遷移確率は、表２９００によって表現される。ここで、状態は、右脚の歩行状態と左脚の歩行状態とに、交互に遷移する性質がある。このため、状態遷移確率ｐ（ｙi｜ｙi-1）について、歩行状態を細分化した、左脚に関する歩行状態と右脚に関する歩行状態とは、交互に発生するように状態遷移確率が設定される。例えば、前の状態がＳ３であれば、次に遷移する状態はＳ４またはＳ６のいずれかになるように、状態遷移確率が設定される。
　また、歩行開始時の１歩目の状態Ｓ１の後は歩行中の状態Ｓ４に遷移し、歩行開始時の１歩目の状態Ｓ２の後は歩行中の状態Ｓ３に遷移するように、状態遷移確率が設定される。また、最終歩の状態Ｓ５において歩行終了した後は非歩行の状態Ｓ７に遷移し、最終歩の状態Ｓ６において歩行終了した後は非歩行の状態Ｓ７に遷移するように、状態遷移確率が設定される。次に、図３０の説明に移行する。
　図３０に示すように、観測確率は、表３０００，３０１０によって表現される。観測確率ｐ（ｘi｜ｙi）については、歩行状態と非歩行状態とのそれぞれの状態において、それぞれの評価値がとる値が特定可能であるため、ヒューリスティックに確率分布が設定される。確率分布の形状は、無相関な多次元正規分布を用いて、正規分布の平均パラメータと分散パラメータを表３０００，３０１０のように設定して、決定される。
　例えば、歩行状態Ｓ１，Ｓ２，Ｓ３，Ｓ４，Ｓ５，Ｓ６においては、評価値ｘ(2)、評価値ｘ(3)の平均パラメータが１、評価値ｘ(4A)、評価値ｘ(4B)の平均パラメータが０と設定される。一方で、非歩行状態ｓ７においては、評価値ｘ(2)、評価値ｘ(3)の平均パラメータが０、評価値ｘ(4A)、評価値ｘ(4B)の平均パラメータが１と設定される。
　また、右脚のステップ動作に対応する歩行状態Ｓ１、Ｓ３、Ｓ５では、評価値ｘ(1)の平均パラメータが１、左脚のステップ動作に対応する歩行状態Ｓ２、Ｓ４、Ｓ６では、評価値ｘ(1)の平均パラメータが０と設定される。歩行開始時の１歩目に対応する状態Ｓ１、Ｓ２および歩行終了時の最終歩に対応する状態Ｓ５、Ｓ６では、角速度が小さくなりやすいため、歩行中の状態Ｓ３、Ｓ４と比べて、各分散パラメータが大きく設定される。次に、図３１の説明に移行する。
　図３１において、情報処理装置１００は、状態観測確率と観測確率を用いて、Ｖｉｔｅｒｂｉアルゴリズムを適用することにより動作状態系列を特定する。情報処理装置１００は、例えば、動作状態系列を特定し、動作番号にさらに動作状態を対応付けて、評価値管理テーブル３１００を用いて記憶する。
　情報処理装置１００は、１歩目の歩行状態から最終歩の歩行状態までの期間を特定する。情報処理装置１００は、特定した期間が、所定の歩数より多い歩数に対応する期間であれば、特定した期間を、歩行期間の候補期間として特定する。所定の歩数は、例えば、４歩である。
　図３１の例では、情報処理装置１００は、動作番号１が開始時刻であり、動作番号１０が終了時刻である期間を特定する。情報処理装置１００は、特定した期間の歩数は１０歩であるため、特定した期間を歩行期間の候補期間と特定する。情報処理装置１００は、特定した候補期間における評価値を、評価値系列Ｘ*に設定する。
　そして、情報処理装置１００は、下記式（１５）を用いて、特定した候補期間について算出された同時確率ｐ（Ｘ*、Ｙ*）の尤度を、歩行期間としての尤度として算出する。
Figure JPOXMLDOC01-appb-M000015
　ここで、式（１５）によると、候補期間における歩数が少なく、ステップ動作の数が少ないほど、確率値が大きくなるため、尤度が大きくなってしまう傾向がある。このため、情報処理装置１００は、さらに、下記式（１６）を用いて、上記式（１５）の対数値を候補期間の歩数Ｋで平均化した指標値を、尤度として算出してもよい。次に、図３２の説明に移行する。
Figure JPOXMLDOC01-appb-M000016
　図３２において、情報処理装置１００は、それぞれのステップ動作群について尤度を算出しているとする。情報処理装置１００は、算出した尤度を、尤度管理テーブル３２００を用いて記憶する。情報処理装置１００は、尤度の最大値が閾値を超えているか否かを判定する。
　情報処理装置１００は、尤度が閾値を超えて最大値になったステップ動作群を、患者の歩行期間に対応するステップ動作群として尤もらしいステップ動作群として選択する。そして、情報処理装置１００は、例えば、患者の歩行期間の開始時刻と終了時刻とを特定する。次に、図３３の説明に移行する。
　図３３において、情報処理装置１００は、それぞれの対象期間について、同様に、歩行期間であるか否かを判定し、歩行期間の開始時刻と終了時刻とを特定したとする。情報処理装置１００は、判定した結果および特定した歩行期間の開始時刻と終了時刻とを、結果管理テーブル３３００を用いて記憶する。
（情報処理装置１００が所定の特徴量を出力する一例）
　次に、図３４を用いて、情報処理装置１００が所定の特徴量を出力する一例について説明する。
　図３４は、情報処理装置１００が所定の特徴量を出力する一例を示す説明図である。図３４において、情報処理装置１００は、特定した歩行期間、および、特定した歩行期間におけるステップ動作の開始時刻と終了時刻とを用いて、それぞれの歩行期間における所定の特徴量を算出する。所定の特徴量は、例えば、患者の歩幅、移動速度、移動時間、歩行のケーデンス、各脚の着地時の衝撃、各脚の接地時間などである。また、所定の特徴量は、歩行期間における、各ステップ動作の開始時刻および終了時刻であってもよい。情報処理装置１００は、例えば、算出した特徴量をさらに対応付けて結果管理テーブル３４００や脚動作管理テーブル２４００を用いて記憶する。
（複数の帯域通過フィルタを適用する動作の別の例）
　次に、図３５および図３６を用いて、複数の帯域通過フィルタを適用する動作の別の例について説明する。
　図３５および図３６は、複数の帯域通過フィルタを適用する動作の別の例を示す説明図である。図３５および図３６に示すように、情報処理装置１００は、複数の帯域通過フィルタを適用する際に、予め複数の第１パラメータを用意しておかなくてもよい。
　図３５において、情報処理装置１００は、例えば、ある帯域通過フィルタを適用した結果が単ピーク性を有するように、カットオフ周波数を設定する。単ピーク性は、一方の脚の角速度が極大値になった後、他方の脚の角速度が極大値になる前に、一方の脚の角速度が再び極大値になることがない性質である。単ピーク性は、例えば、一方の脚のステップ動作の後、同じ脚のステップ動作が所定時間以内に２つ以上発生しない性質である。情報処理装置１００は、例えば、ある帯域通過フィルタを適用した結果、単ピーク性が現れなければ、その帯域通過フィルタよりも周波数帯域が広い帯域通過フィルタを適用する。次に、図３６の説明に移行する。
　図３６において、情報処理装置１００は、例えば、ある帯域通過フィルタを適用した結果、極大値が閾値以上になるように、カットオフ周波数を設定する。情報処理装置１００は、例えば、ある帯域通過フィルタを適用した結果、極大値が閾値以上にならなければ、その帯域通過フィルタよりも周波数帯域が広い帯域通過フィルタを適用する。
　これにより、情報処理装置１００は、センサデータに複数の帯域通過フィルタのそれぞれの帯域通過フィルタを適用した結果のいずれかを、対象期間が歩行期間であるか否かを判定するために用いなくてもよい。このため、情報処理装置１００は、対象期間が歩行期間であるか否かを判定する処理量の増大化を抑制することができる。
（ステップ動作の時間長上限に複数の時間長上限の候補を設定する動作の別の例）
　次に、図３７を用いて、ステップ動作の時間長に複数の時間長上限の候補を設定する動作の別の例について説明する。
　図３７は、ステップ動作の時間長上限に複数の時間長上限の候補を設定する動作の別の例を示す説明図である。図３７に示すように、情報処理装置１００は、予め複数の第２パラメータを用意しておかなくてもよい。情報処理装置１００は、例えば、ステップ動作の時間長上限の候補となる第２パラメータを、適用した帯域通過フィルタの周波数帯域に応じて設定する。情報処理装置１００は、例えば、周波数帯域が狭いほど第２パラメータを大きくし、周波数帯域が広いほど第２パラメータを小さくする。情報処理装置１００は、例えば、関数３７００によって、周波数帯域が広いほど第２パラメータを小さく設定する。
　これにより、情報処理装置１００は、ステップ動作の時間長上限に複数の時間長上限の候補を設定しなくてよく、ステップ動作の時間長上限に比較的好ましい候補を設定することができる。このため、情報処理装置１００は、対象期間が歩行期間であるか否かを判定する処理量の増大化を抑制することができる。
（全体処理手順の一例）
　次に、図３８を用いて、情報処理装置１００が実行する全体処理手順の一例について説明する。
　図３８は、全体処理手順の一例を示すフローチャートである。図３８において、まず、情報処理装置１００は、一定期間のセンサデータを計測機２０１から受信する（ステップＳ３８０１）。次に、情報処理装置１００は、センサデータに基づいて、一定期間のうち対象期間を抽出する（ステップＳ３８０２）。
　そして、情報処理装置１００は、いずれかの対象期間を選択する（ステップＳ３８０３）。次に、情報処理装置１００は、選択した対象期間について、図３９に後述する歩行期間判定処理を実行する（ステップＳ３８０４）。そして、情報処理装置１００は、歩行特徴量を抽出する（ステップＳ３８０５）。
　次に、情報処理装置１００は、抽出した対象期間をすべて選択したか否かを判定する（ステップＳ３８０６）。ここで、選択していない場合（ステップＳ３８０６：Ｎｏ）、情報処理装置１００は、ステップＳ３８０３の処理に戻る。
　一方で、選択している場合（ステップＳ３８０６：Ｙｅｓ）、情報処理装置１００は、歩行期間および歩行特徴量を出力する（ステップＳ３８０７）。そして、情報処理装置１００は、全体処理を終了する。
（歩行期間特定手順の一例）
　次に、図３９を用いて、情報処理装置１００が実行する歩行期間特定手順の一例について説明する。
　図３９は、歩行期間特定手順の一例を示すフローチャートである。図３９において、まず、情報処理装置１００は、複数の第１パラメータと、複数の第２パラメータとに基づいて、第１パラメータと第２パラメータの組み合わせを選択する（ステップＳ３９０１）。
　次に、情報処理装置１００は、選択した第１パラメータを用いて、センサデータに対して帯域通過フィルタを適用し、ステップ動作群を検知する（ステップＳ３９０２）。そして、情報処理装置１００は、選択した第２パラメータを用いて、ステップ動作群を構成する各ステップ動作の開始時刻および終了時刻を特定する（ステップＳ３９０３）。
　次に、情報処理装置１００は、図４０に後述する評価値算出処理を実行する（ステップＳ３９０４）。そして、情報処理装置１００は、図４１に後述する尤度算出処理を実行する（ステップＳ３９０５）。次に、情報処理装置１００は、第１パラメータと第２パラメータの組み合わせをすべて選択したか否かを判定する（ステップＳ３９０６）。ここで、選択していない場合（ステップＳ３９０６：Ｎｏ）、情報処理装置１００は、ステップＳ３９０１の処理に戻る。
　一方で、選択している場合（ステップＳ３９０６：Ｙｅｓ）、情報処理装置１００は、歩行期間を特定し、歩行期間における所定の特徴量を算出し、歩行期間における所定の特徴量を出力する（ステップＳ３９０７）。そして、情報処理装置１００は、歩行期間特定処理を終了する。
（評価値算出処理手順の一例）
　次に、図４０を用いて、情報処理装置１００が実行する評価値算出処理手順の一例について説明する。
　図４０は、評価値算出処理手順の一例を示すフローチャートである。図４０において、まず、情報処理装置１００は、いずれかのステップ動作を選択する（ステップＳ４００１）。
　次に、情報処理装置１００は、第１の関係性について評価値を算出する（ステップＳ４００２）。また、情報処理装置１００は、第２の関係性について評価値を算出する（ステップＳ４００３）。また、情報処理装置１００は、第３の関係性について評価値を算出する（ステップＳ４００４）。また、情報処理装置１００は、第４の関係性について評価値を算出する（ステップＳ４００５）。また、情報処理装置１００は、第５の関係性について評価値を算出する（ステップＳ４００６）。また、情報処理装置１００は、第６の関係性について評価値を算出する（ステップＳ４００７）。
　そして、情報処理装置１００は、腰に関するセンサデータがあるか否かを判定する（ステップＳ４００８）。ここで、センサデータがない場合（ステップＳ４００８：Ｎｏ）、情報処理装置１００は、ステップＳ４０１３の処理に移行する。
　一方で、センサデータがある場合（ステップＳ４００８：Ｙｅｓ）、情報処理装置１００は、第７の関係性について評価値を算出する（ステップＳ４００９）。また、情報処理装置１００は、第８の関係性について評価値を算出する（ステップＳ４０１０）。また、情報処理装置１００は、第９の関係性について評価値を算出する（ステップＳ４０１１）。また、情報処理装置１００は、第１０の関係性について評価値を算出する（ステップＳ４０１２）。
　そして、情報処理装置１００は、ステップ動作をすべて選択したか否かを判定する（ステップＳ４０１３）。ここで、選択していない場合（ステップＳ４０１３：Ｎｏ）、情報処理装置１００は、ステップＳ４００１の処理に戻る。
　一方で、選択している場合（ステップＳ４０１３：Ｙｅｓ）、情報処理装置１００は、評価値算出処理を終了する。
（尤度算出処理手順の一例）
　次に、図４１を用いて、情報処理装置１００が実行する尤度算出処理手順の一例について説明する。
　図４１は、尤度算出処理手順の一例を示すフローチャートである。図４１において、まず、情報処理装置１００は、状態遷移確率を算出する（ステップＳ４１０１）。次に、情報処理装置１００は、観測確率を設定する（ステップＳ４１０２）。そして、情報処理装置１００は、動作状態系列を設定する（ステップＳ４１０３）。
　次に、情報処理装置１００は、歩行期間の候補期間を特定する（ステップＳ４１０４）。そして、情報処理装置１００は、歩行期間の候補期間について歩行期間としての尤度を算出する（ステップＳ４１０５）。その後、情報処理装置１００は、尤度算出処理を終了する。
　以上説明したように、情報処理装置１００によれば、患者の複数の部位のそれぞれの部位の動きに関する計測情報を取得することができる。情報処理装置１００によれば、計測情報に基づいて、対象期間において、患者の歩行運動動作の一部に対応する特徴が現れたそれぞれの部位の動作を含む動作群を検知することができる。情報処理装置１００によれば、検知した動作群において、患者によって歩行運動が行われた場合に動作間に生じる複数の関係性のそれぞれの関係性が現れた度合いを示す評価値を算出することができる。情報処理装置１００によれば、それぞれの関係性について算出した評価値に基づいて、対象期間が患者によって歩行運動が行われた歩行期間であるか否かを判定することができる。これにより、情報処理装置１００は、歩行期間を特定する精度の向上を図ることができる。
　情報処理装置１００によれば、計測情報に対して複数の帯域通過フィルタのそれぞれの帯域通過フィルタを適用した場合について、患者の歩行運動動作の一部に対応する特徴が現れたそれぞれの部位の動作を含む動作群を検知することができる。情報処理装置１００によれば、検知した動作群ごとに、それぞれの関係性が表れた度合いを示す評価値を算出することができる。これにより、情報処理装置１００は、患者が歩く場所、患者が歩くときの周囲の環境、患者の状態などにより、または、患者ごとに、患者の各脚のステップ動作の周期が異なる場合でも、歩行期間を特定する精度の向上を図ることができる。
　情報処理装置１００によれば、動作群において、それぞれの動作の時間長上限を複数の時間長上限の候補のそれぞれの候補に設定した場合について、それぞれの関係性が現れた度合いを示す評価値を算出することができる。これにより、情報処理装置１００は、患者が歩く場所、患者が歩くときの周囲の環境、患者の状態などにより、または、患者ごとに、患者の各脚のステップ動作の時間長が異なる場合でも、歩行期間を特定する精度の向上を図ることができる。
　情報処理装置１００によれば、歩行期間であると判定した対象期間における所定の特徴量を出力することができる。これにより、情報処理装置１００は、患者の状態を把握するために、利用者に所定の特徴量を通知することができる。
　情報処理装置１００によれば、取得した計測情報に基づいて、患者が静止状態ではない動作期間を特定し、対象期間に設定することができる。これにより、情報処理装置１００は、歩行期間か否かを判定する対象となる対象期間の数の低減化を図り、処理量の低減化を図ることができる。
　情報処理装置１００によれば、それぞれの関係性について算出した評価値に基づいて、対象期間のうち歩行期間の候補期間を特定し、特定した候補期間の長さに応じた歩行期間としての尤度を算出することができる。情報処理装置１００によれば、算出した尤度に基づいて、候補期間が歩行期間であるか否かを判定することができる。これにより、情報処理装置１００は、対象期間を、さらに、歩行期間と非歩行期間とに分けて、歩行期間を特定する精度の向上を図ることができる。
　情報処理装置１００によれば、評価値が、関係性が現れたか否かを示す２値の真理値であれば、評価値を用いた論理演算の結果に基づいて、対象期間が歩行期間であるか否かを判定することができる。これにより、情報処理装置１００は、処理量の低減化を図ることができる。
　情報処理装置１００によれば、複数の関係性に、患者の脚の動作に関する第１の関係性～第６の関係性を用いることができる。これにより、情報処理装置１００は、患者の脚の動作について複数の観点から歩行運動らしさを評価し、歩行期間を特定する精度の向上を図ることができる。
　情報処理装置１００によれば、患者の脚および患者の体幹の動作に関する第７の関係性～第１０の関係性を用いることができる。これにより、情報処理装置１００は、患者の脚および患者の体幹の動作について複数の観点から歩行運動らしさを評価し、歩行期間を特定する精度の向上を図ることができる。
　なお、本実施の形態で説明した情報処理方法は、予め用意されたプログラムをパーソナル・コンピュータやワークステーション等のコンピュータで実行することにより実現することができる。本実施の形態で説明した情報処理プログラムは、ハードディスク、フレキシブルディスク、ＣＤ－ＲＯＭ、ＭＯ、ＤＶＤ等のコンピュータで読み取り可能な記録媒体に記録され、コンピュータによって記録媒体から読み出されることによって実行される。また、本実施の形態で説明した情報処理プログラムは、インターネット等のネットワークを介して配布してもよい。
　１００　情報処理装置
　１０１，１０２，１８０１，１８０２　センサデータ
　２００　情報処理システム
　２０１　計測機
　２１０　ネットワーク
　３００，４００　バス
　３０１，４０１　ＣＰＵ
　３０２，４０２　メモリ
　３０３，４０３　ネットワークＩ／Ｆ
　３０４　記録媒体Ｉ／Ｆ
　３０５　記録媒体
　４０４　センサ部
　４０５　タイマー部
　５００　記憶部
　５０１　取得部
　５０２　検知部
　５０３　評価部
　５０４　判定部
　５０５　算出部
　５０６　出力部
　７１１～７１４，７２１～７２４，８１１，８１２，８２１，１３０１，１３０２，１４０１，１４０２，１５０１，１６０１，１６０２　ステップ動作
　９０１～９０３，１２０１，１２０２　角速度
　１００１～１００４，１１１１～１１１４，１１２１～１１２４　ピーク振幅
　１３１１～１３１３　上下動作
　１４１１，１４１２　前後動作
　１５１１，１６１１，１６１２　体幹前進動作
　１７００，３３００，３４００　結果管理テーブル
　２４００　脚動作管理テーブル
　２５００，３１００　評価値管理テーブル
　２９００，３０００，３０１０　表
　３２００　尤度管理テーブル
　３７００　関数

Claims (19)

  1. 　計測対象の複数の部位のそれぞれの部位の動きに関する計測情報を取得し、
    　取得した前記計測情報に基づいて、対象期間において、前記計測対象の歩行運動動作の一部に対応する特徴が現れた前記それぞれの部位の動作を含む動作群を検知し、
    　検知した前記動作群において、前記計測対象によって歩行運動が行われた場合に動作間に生じる複数の関係性のそれぞれの関係性が現れた度合いを示す評価値を算出し、
    　前記それぞれの関係性について算出した前記評価値に基づいて、前記対象期間が前記計測対象によって歩行運動が行われた歩行期間であるか否かを判定する、
    　制御部を有することを特徴とする情報処理装置。
  2. 　前記制御部は、
    　前記計測情報に対して複数の帯域通過フィルタのそれぞれの帯域通過フィルタを適用した場合について、前記計測対象の歩行運動動作の一部に対応する特徴が現れた前記それぞれの部位の動作を含む動作群を検知し、
    　検知した前記動作群ごとに、前記それぞれの関係性が表れた度合いを示す評価値を算出する、ことを特徴とする請求項１に記載の情報処理装置。
  3. 　前記制御部は、
    　前記計測情報に対して所定の帯域通過フィルタを適用した場合について、前記所定の帯域通過フィルタを適用した結果が単ピーク性を有し、かつ、ピーク値が閾値以上になるように、前記所定の帯域通過フィルタにおける通過帯域を設定し、
    　前記計測情報に対して前記所定の帯域通知フィルタを適用した場合について、前記計測対象の歩行運動動作の一部に対応する特徴が現れた前記それぞれの部位の動作を含む動作群を検知する、ことを特徴とする請求項１または２に記載の情報処理装置。
  4. 　前記制御部は、
    　前記計測情報または前記計測情報に所定の帯域通過フィルタを適用した結果に対して、複数の閾値のそれぞれの閾値を用いて極大値を検知した場合について、前記計測対象の歩行運動動作の一部に対応する特徴が現れた前記それぞれの部位の動作を含む動作群を検知し、
    　検知した前記動作群ごとに、前記それぞれの関係性が表れた度合いを示す評価値を算出する、ことを特徴とする請求項１～３のいずれか一つに記載の情報処理装置。
  5. 　前記制御部は、
    　前記動作群において、それぞれの動作の時間長上限を複数の時間長上限の候補のそれぞれの候補に設定した場合について、前記計測情報からそれぞれの動作の動作開始および動作終了を表す時点を検知し、検知した結果に基づいて前記それぞれの関係性が現れた度合いを示す評価値を算出する、ことを特徴とする請求項１または２に記載の情報処理装置。
  6. 　前記制御部は、
    　前記動作群において、設定した前記通過帯域が低いほど、それぞれの動作の時間長上限が大きくなるように設定し、前記計測情報からそれぞれの動作の動作開始および動作終了を表す時点を検知し、検知した結果に基づいて前記それぞれの関係性が現れた度合いを示す評価値を算出する、ことを特徴とする請求項３に記載の情報処理装置。
  7. 　前記制御部は、
    　前記歩行期間であると判定した前記対象期間における所定の特徴量を出力する、ことを特徴とする請求項１～３のいずれか一つに記載の情報処理装置。
  8. 　前記制御部は、
    　取得した前記計測情報に基づいて、前記計測対象が静止状態ではない動作期間を特定し、前記対象期間に設定する、ことを特徴とする請求項１～４のいずれか一つに記載の情報処理装置。
  9. 　前記制御部は、
    　前記それぞれの関係性について算出した前記評価値に基づいて、前記対象期間のうち前記歩行期間の候補期間を特定し、特定した前記候補期間の長さに応じた前記歩行期間としての尤度を算出し、
    　算出した前記尤度に基づいて、前記候補期間が前記歩行期間であるか否かを判定する、ことを特徴とする請求項１～５のいずれか一つに記載の情報処理装置。
  10. 　前記制御部は、
    　前記対象期間において、前記動作群のそれぞれの動作に対して、前記それぞれの関係性について算出した前記評価値を用いて歩行状態または非歩行状態を割り当て、
    　前記歩行状態または前記非歩行状態を割り当てた結果に基づいて、前記対象期間のうち前記歩行期間の候補期間を特定する、ことを特徴とする請求項９に記載の情報処理装置。
  11. 　前記制御部は、
    　前記動作に対して、前記歩行状態として、歩行開始を表す初期状態と、歩行終了を表す末期状態とを含む、少なくとも２以上の状態のいずれかを割り当てる、ことを特徴とする請求項１０に記載の情報処理装置。
  12. 　前記制御部は、
    　前記動作に対して、前記歩行状態として、左脚に関する歩行状態と、右脚に関する歩行状態とを含む、少なくとも２以上の状態のいずれかを割り当てる、ことを特徴とする請求項１０または１１に記載の情報処理装置。
  13. 　前記制御部は、
    　前記歩行状態および前記非歩行状態における、現在の状態と次に遷移する状態との間に定義された状態間遷移確率に基づいて、前記それぞれの動作に対して、前記歩行状態または前記非歩行状態を割り当てる、ことを特徴とする請求項１０～１２のいずれか一つに記載の情報処理装置。
  14. 　前記評価値は、前記関係性が現れたか否かを示す２値の真理値であり、
    　前記制御部は、
    　前記評価値を用いた論理演算の結果に基づいて、前記対象期間が前記歩行期間であるか否かを判定する、ことを特徴とする請求項１～６のいずれか一つに記載の情報処理装置。
  15. 　前記動作は、前記計測対象の脚の動作を含み、
    　前記複数の関係性は、
    　前記計測対象の各脚の動作が交互に発生する第１の関係性と、
    　前記計測対象の一方の脚の動作が終了してから所定時間内に、前記計測対象の他方の脚の動作が開始する第２の関係性と、
    　前記計測対象の一方の脚の動作の最中は、前記計測対象の他方の脚の動作の動作量が所定範囲内である第３の関係性と、
    　前記計測対象の一方の脚の複数の動作の特徴量が類似する第４の関係性と、
    　前記計測対象の各脚の動作の特徴量が類似する第５の関係性と、
    　前記計測対象の各脚の動作の回転方向が同一である第６の関係性との少なくともいずれかを含む、ことを特徴とする請求項１～７のいずれか一つに記載の情報処理装置。
  16. 　前記動作は、前記計測対象の脚および前記計測対象の体幹の動作を含み、
    　前記複数の関係性は、
    　前記計測対象の各脚の動作が終了する前後の所定時間の範囲に、前記計測対象の体幹の上下方向の動作が発生する第７の関係性と、
    　前記計測対象の各脚の動作の最中は、前記計測対象の体幹の前進方向の動作が発生する第８の関係性と、
    　前記計測対象の各脚の動作の回転方向と、前記計測対象の各脚の動作が終了した後の前記計測対象の体幹の動作の回転方向が同一である第９の関係性と、
    　前記計測対象の各脚の動作が示す移動量と、前記計測対象の体幹の動作が示す移動量とが類似する第１０の関係性との少なくともいずれかを含む、ことを特徴とする請求項１～４のいずれか一つに記載の情報処理装置。
  17. 　前記歩行運動動作の一部は、歩行運動の１歩である、ことを特徴とする請求項１～１６のいずれか一つに記載の情報処理装置。
  18. 　計測機と、前記計測機と通信可能な情報処理装置とを含む情報処理システムであって、
    　前記計測機は、
    　計測対象の複数の部位のそれぞれの部位の動きに関する計測情報を生成し、
    　前記情報処理装置は、
    　前記計測機から前記計測情報を取得し、
    　取得した前記計測情報に基づいて、対象期間において、前記計測対象の歩行運動動作の一部に対応する特徴が現れた前記それぞれの部位の動作を含む動作群を検知し、
    　検知した前記動作群において、前記計測対象によって歩行運動が行われた場合に動作間に生じる複数の関係性のそれぞれの関係性が現れた度合いを示す評価値を算出し、
    　前記それぞれの関係性について算出した前記評価値に基づいて、前記対象期間が前記計測対象によって歩行運動が行われた歩行期間であるか否かを判定する、
    　ことを特徴とする情報処理システム。
  19. 　コンピュータが、
    　計測対象の複数の部位のそれぞれの部位の動きに関する計測情報を取得し、
    　取得した前記計測情報に基づいて、対象期間において、前記計測対象の歩行運動動作の一部に対応する特徴が現れた前記それぞれの部位の動作を含む動作群を検知し、
    　検知した前記動作群において、前記計測対象によって歩行運動が行われた場合に動作間に生じる複数の関係性のそれぞれの関係性が現れた度合いを示す評価値を算出し、
    　前記それぞれの関係性について算出した前記評価値に基づいて、前記対象期間が前記計測対象によって歩行運動が行われた歩行期間であるか否かを判定する、
    　処理を実行することを特徴とする情報処理方法。
PCT/JP2017/018935 2017-05-19 2017-05-19 情報処理装置、情報処理システム、および情報処理方法 WO2018211713A1 (ja)

Priority Applications (3)

Application Number Priority Date Filing Date Title
EP17910429.4A EP3626170A4 (en) 2017-05-19 2017-05-19 INFORMATION PROCESSING DEVICE, INFORMATION PROCESSING SYSTEM AND INFORMATION PROCESSING METHOD
PCT/JP2017/018935 WO2018211713A1 (ja) 2017-05-19 2017-05-19 情報処理装置、情報処理システム、および情報処理方法
JP2019519033A JP6870733B2 (ja) 2017-05-19 2017-05-19 情報処理装置、情報処理システム、および情報処理方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
PCT/JP2017/018935 WO2018211713A1 (ja) 2017-05-19 2017-05-19 情報処理装置、情報処理システム、および情報処理方法

Publications (1)

Publication Number Publication Date
WO2018211713A1 true WO2018211713A1 (ja) 2018-11-22

Family

ID=64273669

Family Applications (1)

Application Number Title Priority Date Filing Date
PCT/JP2017/018935 WO2018211713A1 (ja) 2017-05-19 2017-05-19 情報処理装置、情報処理システム、および情報処理方法

Country Status (3)

Country Link
EP (1) EP3626170A4 (ja)
JP (1) JP6870733B2 (ja)
WO (1) WO2018211713A1 (ja)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2023157853A1 (ja) * 2022-02-21 2023-08-24 パナソニックホールディングス株式会社 運動機能指標値の推定方法、推定装置、及び推定プログラム、並びに、運動機能指標値推定モデルの生成方法、生成装置、及び生成プログラム

Citations (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2003006608A (ja) * 2001-06-19 2003-01-10 Seiko Instruments Inc 歩行検出装置
JP2009538636A (ja) * 2006-03-08 2009-11-12 コーニンクレッカ フィリップス エレクトロニクス エヌ ヴィ 四肢の機能的使用をモニタリングする方法およびシステム
JP2011177278A (ja) * 2010-02-26 2011-09-15 Tokyo Institute Of Technology 歩行障害自動分析システム
JP2014511189A (ja) 2011-02-03 2014-05-15 ノキア コーポレイション センサ及びセンサデータのコンテキストアウェアな制御を提供する方法及び装置
WO2014091583A1 (ja) 2012-12-12 2014-06-19 富士通株式会社 加速度センサ出力処理プログラム，処理方法，処理装置及び歩行評価プログラム
JP2016106948A (ja) 2014-12-09 2016-06-20 シャープ株式会社 歩数計測装置、歩行機能判定装置および歩数計測システム
JP2016158887A (ja) * 2015-03-02 2016-09-05 富士通株式会社 計測プログラム、計測装置及び計測方法
JP2017000435A (ja) * 2015-06-10 2017-01-05 花王株式会社 情報処理装置、プログラム、及び歩行の判定方法
US20170095181A1 (en) * 2015-10-02 2017-04-06 Lumo BodyTech, Inc System and method for characterizing biomechanical activity
WO2017065087A1 (ja) * 2015-10-15 2017-04-20 アルプス電気株式会社 歩行状態検出装置及び歩行状態検出プログラム

Family Cites Families (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP5979703B2 (ja) * 2012-02-23 2016-08-31 国立大学法人 筑波大学 装着式動作補助装置
JP6075198B2 (ja) * 2013-05-10 2017-02-08 オムロンヘルスケア株式会社 歩行姿勢計およびプログラム
WO2015129883A1 (ja) * 2014-02-28 2015-09-03 マイクロストーン株式会社 歩行状態検出方法及び歩行状態検出装置
JP6080078B2 (ja) * 2014-08-18 2017-02-15 高知県公立大学法人 姿勢および歩行状態推定装置

Patent Citations (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2003006608A (ja) * 2001-06-19 2003-01-10 Seiko Instruments Inc 歩行検出装置
JP2009538636A (ja) * 2006-03-08 2009-11-12 コーニンクレッカ フィリップス エレクトロニクス エヌ ヴィ 四肢の機能的使用をモニタリングする方法およびシステム
JP2011177278A (ja) * 2010-02-26 2011-09-15 Tokyo Institute Of Technology 歩行障害自動分析システム
JP2014511189A (ja) 2011-02-03 2014-05-15 ノキア コーポレイション センサ及びセンサデータのコンテキストアウェアな制御を提供する方法及び装置
WO2014091583A1 (ja) 2012-12-12 2014-06-19 富士通株式会社 加速度センサ出力処理プログラム，処理方法，処理装置及び歩行評価プログラム
JP2016106948A (ja) 2014-12-09 2016-06-20 シャープ株式会社 歩数計測装置、歩行機能判定装置および歩数計測システム
JP2016158887A (ja) * 2015-03-02 2016-09-05 富士通株式会社 計測プログラム、計測装置及び計測方法
JP2017000435A (ja) * 2015-06-10 2017-01-05 花王株式会社 情報処理装置、プログラム、及び歩行の判定方法
US20170095181A1 (en) * 2015-10-02 2017-04-06 Lumo BodyTech, Inc System and method for characterizing biomechanical activity
WO2017065087A1 (ja) * 2015-10-15 2017-04-20 アルプス電気株式会社 歩行状態検出装置及び歩行状態検出プログラム

Non-Patent Citations (3)

* Cited by examiner, † Cited by third party
Title
BAO, ACTIVITY RECOGNITION FROM USER-ANNOTATED ACCELERATION DATA, 2004
FRACCALO, REAL-WORLD GYROSCOPE-BASED GAIT EVENT DETECTION AND GAIT FEATURE EXTRACTION, 2014
See also references of EP3626170A4

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2023157853A1 (ja) * 2022-02-21 2023-08-24 パナソニックホールディングス株式会社 運動機能指標値の推定方法、推定装置、及び推定プログラム、並びに、運動機能指標値推定モデルの生成方法、生成装置、及び生成プログラム

Also Published As

Publication number Publication date
EP3626170A1 (en) 2020-03-25
JP6870733B2 (ja) 2021-05-12
JPWO2018211713A1 (ja) 2019-12-19
EP3626170A4 (en) 2020-03-25

Similar Documents

Publication Publication Date Title
KR102190932B1 (ko) 센서 데이터의 접합부 응력 결정 방법
Wong et al. Clinical applications of sensors for human posture and movement analysis: a review
JP6362521B2 (ja) 行動分類システム、行動分類装置及び行動分類方法
JP4590010B1 (ja) 動作解析装置、および動作解析方法
US20140163412A1 (en) Myography method and system
JP6951516B2 (ja) 人の歩調を検出する方法及びシステム
CN109171752A (zh) 确定运动障碍的设备
CN116507276A (zh) 用于机器学习以从图像分析肌肉骨骼康复的方法和设备
CN111989040A (zh) 行走形态显示方法、行走形态显示系统以及行走形态分析装置
JP6773227B2 (ja) 情報処理装置、情報処理システム、および情報処理方法
KR101323105B1 (ko) 손 재활치료 장치 및 방법
Spasojević et al. A vision-based system for movement analysis in medical applications: the example of Parkinson disease
Ghobadi et al. A robust automatic gait monitoring approach using a single IMU for home-based applications
JP2020000854A (ja) 走行又は歩行している個人の実時間の歩長と速度を計算する方法
WO2018211713A1 (ja) 情報処理装置、情報処理システム、および情報処理方法
KR102403752B1 (ko) 이상운동증상 진단을 위한 정량화 방법 및 시스템
Janidarmian et al. Affordable erehabilitation monitoring platform
WO2021148880A1 (en) Systems for dynamic assessment of upper extremity impairments in virtual/augmented reality
Low et al. Lower extremity kinematics walking speed classification using long short-term memory neural frameworks
JP6638860B2 (ja) 情報処理システム、情報処理装置、および情報処理方法
KR101797287B1 (ko) 다중센서 융합을 이용한 뇌질환 환자의 상지 운동 능력 평가 방법 및 상지 운동 능력 평가 시스템
Cai et al. Iot-based gait monitoring system for static and dynamic classification of data
JP6791384B2 (ja) 情報処理装置、情報処理システム、および情報処理方法
CN112107290A (zh) 预测对象的多个步态周期的kam的系统、方法和软件应用程序
US20170199969A1 (en) System and method for monitoring gross motor behavior

Legal Events

Date Code Title Description
121 Ep: the epo has been informed by wipo that ep was designated in this application

Ref document number: 17910429

Country of ref document: EP

Kind code of ref document: A1

ENP Entry into the national phase

Ref document number: 2019519033

Country of ref document: JP

Kind code of ref document: A

NENP Non-entry into the national phase

Ref country code: DE

WWE Wipo information: entry into national phase

Ref document number: 2017910429

Country of ref document: EP

ENP Entry into the national phase

Ref document number: 2017910429

Country of ref document: EP

Effective date: 20191219