WO2020004102A1 - 機能回復訓練支援システムおよび方法 - Google Patents

機能回復訓練支援システムおよび方法 Download PDF

Info

Publication number
WO2020004102A1
WO2020004102A1 PCT/JP2019/023853 JP2019023853W WO2020004102A1 WO 2020004102 A1 WO2020004102 A1 WO 2020004102A1 JP 2019023853 W JP2019023853 W JP 2019023853W WO 2020004102 A1 WO2020004102 A1 WO 2020004102A1
Authority
WO
WIPO (PCT)
Prior art keywords
support system
subject
function recovery
recovery training
unit
Prior art date
Application number
PCT/JP2019/023853
Other languages
English (en)
French (fr)
Inventor
佐藤　里江子
小笠原　隆行
雅彦 向野
栄一 才藤
Original Assignee
日本電信電話株式会社
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 日本電信電話株式会社 filed Critical 日本電信電話株式会社
Priority to US17/255,617 priority Critical patent/US20210217509A1/en
Priority to JP2020527408A priority patent/JP7036211B2/ja
Publication of WO2020004102A1 publication Critical patent/WO2020004102A1/ja

Links

Images

Classifications

    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
    • G16H50/00—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics
    • G16H50/20—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for computer-aided diagnosis, e.g. based on medical expert systems
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/103—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
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/22—Ergometry; Measuring muscular strength or the force of a muscular blow
    • A—HUMAN NECESSITIES
    • A63—SPORTS; GAMES; AMUSEMENTS
    • A63B—APPARATUS FOR PHYSICAL TRAINING, GYMNASTICS, SWIMMING, CLIMBING, OR FENCING; BALL GAMES; TRAINING EQUIPMENT
    • A63B24/00—Electric or electronic controls for exercising apparatus of preceding groups; Controlling or monitoring of exercises, sportive games, training or athletic performances
    • A63B24/0062—Monitoring athletic performances, e.g. for determining the work of a user on an exercise apparatus, the completed jogging or cycling distance
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
    • G01C22/00—Measuring distance traversed on the ground by vehicles, persons, animals or other moving solid bodies, e.g. using odometers, using pedometers
    • G01C22/02—Measuring distance traversed on the ground by vehicles, persons, animals or other moving solid bodies, e.g. using odometers, using pedometers by conversion into electric waveforms and subsequent integration, e.g. using tachometer generator
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
    • G16H20/00—ICT specially adapted for therapies or health-improving plans, e.g. for handling prescriptions, for steering therapy or for monitoring patient compliance
    • G16H20/30—ICT specially adapted for therapies or health-improving plans, e.g. for handling prescriptions, for steering therapy or for monitoring patient compliance relating to physical therapies or activities, e.g. physiotherapy, acupressure or exercising
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
    • G16H50/00—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics
    • G16H50/30—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for calculating health indices; for individual health risk assessment
    • A—HUMAN NECESSITIES
    • A63—SPORTS; GAMES; AMUSEMENTS
    • A63B—APPARATUS FOR PHYSICAL TRAINING, GYMNASTICS, SWIMMING, CLIMBING, OR FENCING; BALL GAMES; TRAINING EQUIPMENT
    • A63B71/00—Games or sports accessories not covered in groups A63B1/00 - A63B69/00
    • A63B71/06—Indicating or scoring devices for games or players, or for other sports activities
    • A63B71/0619—Displays, user interfaces and indicating devices, specially adapted for sport equipment, e.g. display mounted on treadmills
    • A63B2071/065—Visualisation of specific exercise parameters
    • A—HUMAN NECESSITIES
    • A63—SPORTS; GAMES; AMUSEMENTS
    • A63B—APPARATUS FOR PHYSICAL TRAINING, GYMNASTICS, SWIMMING, CLIMBING, OR FENCING; BALL GAMES; TRAINING EQUIPMENT
    • A63B2220/00—Measuring of physical parameters relating to sporting activity
    • A63B2220/40—Acceleration
    • A63B2220/44—Angular acceleration
    • A—HUMAN NECESSITIES
    • A63—SPORTS; GAMES; AMUSEMENTS
    • A63B—APPARATUS FOR PHYSICAL TRAINING, GYMNASTICS, SWIMMING, CLIMBING, OR FENCING; BALL GAMES; TRAINING EQUIPMENT
    • A63B2230/00—Measuring physiological parameters of the user
    • A63B2230/04—Measuring physiological parameters of the user heartbeat characteristics, e.g. ECG, blood pressure modulations
    • A—HUMAN NECESSITIES
    • A63—SPORTS; GAMES; AMUSEMENTS
    • A63B—APPARATUS FOR PHYSICAL TRAINING, GYMNASTICS, SWIMMING, CLIMBING, OR FENCING; BALL GAMES; TRAINING EQUIPMENT
    • A63B2230/00—Measuring physiological parameters of the user
    • A63B2230/08—Measuring physiological parameters of the user other bio-electrical signals
    • A—HUMAN NECESSITIES
    • A63—SPORTS; GAMES; AMUSEMENTS
    • A63B—APPARATUS FOR PHYSICAL TRAINING, GYMNASTICS, SWIMMING, CLIMBING, OR FENCING; BALL GAMES; TRAINING EQUIPMENT
    • A63B2230/00—Measuring physiological parameters of the user
    • A63B2230/40—Measuring physiological parameters of the user respiratory characteristics
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
    • G01C22/00—Measuring distance traversed on the ground by vehicles, persons, animals or other moving solid bodies, e.g. using odometers, using pedometers
    • G01C22/006—Pedometers

Definitions

  • the present invention relates to a function recovery training support system and method for presenting a function recovery situation, a function recovery task, a function recovery target, and the like.
  • Patent Literature 1 Japanese Patent Application Laid-Open No. 2005-352686 proposes a rehabilitation management device that analyzes information on exercise (rehabilitation exercise) performed by a patient for functional recovery and manages the entire history of motor functions of a plurality of patients. Have been.
  • Patent Document 2 Japanese Patent Application Laid-Open No. 2010-108430 discloses that the evaluation values of a large number of evaluation items of functional recovery training (rehabilitation) generally indicate that the evaluation values are going to be better, that there is no change, There has been proposed a rehabilitation support device that enables the user to easily grasp whether he or she is heading for the wrong one by going back to a desired point in time.
  • the function is limited to a function of managing and displaying the results of the function recovery training exercise performed by the patient, and how much the patient's physical function has recovered and how close the patient is to a healthy person. , could not understand clearly.
  • conventionally there has been a problem that it is difficult to grasp the results of the function recovery training.
  • the present invention has been made to solve the above problems, and has as its object to make it easier to grasp the results of function recovery training.
  • a function recovery training support system includes: a physical measurement unit that is mounted on a subject and measures in a time series physical information representing a static or dynamic state of a body of the subject; A physiological measurement unit that measures physiological information in the body of the subject in time series, a first calculation unit that determines the amount of activity of the subject from changes in the physical information measured by the physical measurement unit, and a physiological measurement that is measured by the physiological measurement unit A second calculator for calculating a physiological load on the subject from a change in the target information, and a graph generator for generating a graph relating to the amount of activity determined by the first calculator and the physiological load determined by the second calculator. And a display unit for the subject to visually recognize the graph generated by the graph generation unit.
  • the function recovery training support method includes a first step of measuring physical information representing a sexual or dynamic state of a subject's body, and a first step of measuring physiological information in the subject's body. Two steps, a third step of obtaining the amount of activity of the subject from the measured physical information, a fourth step of obtaining a physiological load on the subject from the measured physiological information, and a third step It includes a fifth step of generating a graph relating to the determined amount of activity and the physiological load determined in the fourth step, and a sixth step of displaying the generated graph so as to be visible to the subject.
  • the present invention since the graph relating to the activity amount and the exercise load determined from the physical information and the physiological information measured in the subject is displayed, the result of the function recovery training is improved. An excellent effect that it becomes easy to grasp is obtained.
  • FIG. 1 is a configuration diagram showing a configuration of a function recovery training support system according to Embodiment 1 of the present invention.
  • FIG. 2 is a configuration diagram showing a hardware configuration of a part of the function recovery training support system according to the first embodiment of the present invention.
  • FIG. 3 is a flowchart for explaining an operation example (function recovery training support method) of the function recovery training support system according to the first embodiment of the present invention.
  • FIG. 4 is an explanatory diagram for explaining a waveform of cardiac potential data and a heart rate.
  • FIG. 5 is an explanatory diagram illustrating an example of a two-dimensional graph displayed by the function recovery training support system according to the first embodiment of the present invention.
  • FIG. 6 is a characteristic diagram showing statistical data on the relationship between the measured movement standard deviation of acceleration and FIM.
  • FIG. 7 is a configuration diagram showing a partial configuration of a function recovery training support system according to Embodiment 2 of the present invention.
  • FIG. 8 is a two-dimensional graph in which the 24-hour cumulative value of% HRR is an exercise load, and the 24-hour activity time (sum of standing time, sitting time, and walking time) is the amount of activity.
  • FIG. 9 is a characteristic diagram showing a result of measuring a posture angle of the subject.
  • FIG. 10 is a characteristic diagram showing a change in the estimated posture.
  • FIG. 11 is a characteristic diagram showing the measured values of the angles when standing up, lying on the back, and prone.
  • FIG. 12 is an explanatory diagram for explaining a range of 30 to 140 degrees that is determined to be occurring based on the measured values of the angles when standing up, lying on the back, and prone.
  • FIG. 13 is a characteristic diagram showing statistical data on the relationship between the activity amount and the quotient obtained by dividing the exercise load by the activity amount.
  • FIG. 14 is a characteristic diagram showing statistical data on the relationship between the quotient obtained by dividing the exercise load by the amount of activity and the SIAS.
  • FIG. 15 is a graph showing a time series in which the exercise load is divided by the amount of activity (additional processing value).
  • FIG. 16 is an explanatory diagram illustrating a state in which walking is detected.
  • FIG. 16 is an explanatory diagram for explaining a range of 30 to 140 degrees that is determined to be occurring based on the measured values of the angles when standing up, lying on the back, and prone.
  • FIG. 13 is a characteristic diagram showing statistical data on the relationship between the activity amount and the quotient obtained by
  • FIG. 17 is an explanatory diagram showing a state in which the threshold for counting the number of steps is set to two in accordance with the left and right feet to ensure the accuracy of walking detection.
  • FIG. 18 is a configuration diagram showing a configuration of a function recovery training support system according to Embodiment 3 of the present invention.
  • FIG. 19 is a two-dimensional graph in which the vertical axis represents the total exercise intensity (exercise load) in one day, and the horizontal axis represents the total activity time (activity) in one day.
  • FIG. 20 is an explanatory diagram showing a threshold value A th of the activity amount and a threshold value L th of the exercise load set for the activity amount A and the exercise load L.
  • FIG. 21 is a flowchart for explaining an operation example of the function recovery training support system according to the third embodiment of the present invention.
  • FIG. 22 is an explanatory diagram showing an example in which a two-dimensional graph (a) of the exercise load and the activity amount is displayed by adding the time lapse of the exercise load (b) and the time lapse of the activity amount (c).
  • FIG. 23 is an explanatory diagram illustrating an example in which advice (advice) is displayed in addition to the results of the exercise load and the activity amount.
  • FIG. 24 is a characteristic diagram showing the relationship between the amount of activity and the reserve oxygen intake amount from walking to running of the subject, calculated by equation (4). .
  • FIG. 25 is a characteristic diagram showing a relationship between the positive square root of the activity amount from walking to running of the subject calculated by the equation (4) and the reserve oxygen intake.
  • FIG. 26 is a characteristic diagram illustrating a result of performing a fast Fourier transform on a temporal change of the sum of accelerations in three directions measured by the physical measurement unit 101.
  • FIG. 27 is a characteristic diagram showing the relationship between the frequency of the peak obtained by performing the fast Fourier transform on the time change of the sum of the accelerations in the three directions measured by the physical measurement unit 101 and the reserve oxygen intake.
  • FIG. 28 is a configuration diagram showing a configuration of a function recovery training support system according to Embodiment 4 of the present invention.
  • FIG. 29 is a configuration diagram showing a configuration of a function recovery training support system according to Embodiment 5 of the present invention.
  • FIG. 30 shows the amount of activity obtained by the positive square root of the value calculated by equation (4) and the% HRR, with respect to the acceleration measurement value during the period from walking to running of the subject calculated by equation (4).
  • FIG. 4 is a characteristic diagram showing a relationship between the amount of oxygen and reserve oxygen.
  • FIG. 31 is a characteristic diagram showing the relationship between healthy subjects with the positive square root of the amount of activity as the horizontal axis and% HRR as the vertical axis.
  • This function recovery training support system includes a physical measurement unit 101, a physiological measurement unit 102, a first calculation unit 103, a second calculation unit 104, a graph generation unit 105, and a display unit 106.
  • the physical measurement unit 101 is worn on a subject (patient) and measures time-series physical information representing a static / dynamic state of the subject's body.
  • the physical information is, for example, at least one of acceleration, angular velocity, and position coordinates.
  • an acceleration measurement unit that measures acceleration in time series will be described as an example.
  • the physiological measurement unit 102 measures physiological information in the body of the subject.
  • the physiological information is, for example, at least one of cardiac potential, heart rate, pulse rate, blood pressure, myoelectric potential, and respiratory activity.
  • an example of an electrocardiographic measurement unit that measures a subject's cardiac potential will be described as the physiological measurement unit 102.
  • the first calculation unit 103 obtains the amount of activity related to the body movement of the subject from the change in the physical information measured by the physical measurement unit 101. For example, the first calculator 103 calculates the sum of squares of the measured physical information, the square root of the sum of squares, or the accumulated value of any period, or the time difference, or the absolute value of the time difference, the standard deviation of any period, or The amount of activity is obtained by one or a combination of variances.
  • the second calculating unit 104 obtains a physiological load applied to the subject from a change in the physiological information measured by the physiological measuring unit 102.
  • the second calculating unit 104 calculates, for example, an exercise load as the physiological load.
  • the second calculator 104 calculates a value obtained by normalizing the measured physiological information based on an arbitrary standard, a value accumulated over an arbitrary period, or an averaged value, a median value, or a differentiated value.
  • the exercise load may be obtained by any one or a combination.
  • the arbitrary period may be, for example, 24 hours in which the progress of one day is completely included.
  • the graph generation unit 105 generates a graph relating to the activity calculated by the first calculation unit 103 and the physiological load calculated by the second calculation unit 104. For example, the graph generation unit 105 uses the change in the amount of activity obtained by the first calculation unit 103 as a first parameter, the change in a physiological load (eg, exercise load) obtained by the second calculation unit 104 as a second parameter, Let the first parameter and the second parameter be a two-dimensional graph.
  • the display unit 106 displays a graph based on the graph data generated by the graph generation unit 105 so that the graph can be visually recognized by the subject.
  • Two-dimensional graph data may be generated using the obtained change in exercise load as the first parameter and the second parameter as the second parameter, and a graph based on this graph data may be displayed to the subject.
  • the server is a computer device including a CPU (Central Processing Unit), a main storage device, an external storage device, a network connection device, and the like, and the CPU operates according to a program developed in the main storage device.
  • CPU Central Processing Unit
  • the device shown in FIG. 2 includes an acceleration sensor 111, a capacitance detection circuit 112, an analog-digital circuit (ADC) 113, two electrodes 114a and 114b, a potential detection circuit 115, an analog-digital circuit (ADC) 116, and an arithmetic processing circuit 117. , A radio circuit 118.
  • a radio circuit 118 A radio circuit 118.
  • the acceleration sensor 111 generates a capacitance change by displacing a movable body provided therein due to a change in acceleration. This change in capacitance is converted into an electric signal by the capacitance detection circuit 112, converted into digital data by the ADC 113, and used as acceleration data.
  • the physical measurement unit 101 includes an acceleration sensor 111, a capacitance detection circuit 112, and an ADC 113.
  • the two electrodes 114a and 114b are, for example, embedded in clothes so that they can come into contact with the skin.
  • the potential difference between the two electrodes 114a and 114b is detected by a potential detection circuit 115, and the analog-digital circuit is used.
  • ADC Analog-digital circuit
  • the data is converted into digital data and becomes cardiac potential data.
  • the electrodes 114a and 114b, the potential detection circuit 115, and the ADC 116 constitute the physiological measurement unit 102.
  • the arithmetic processing circuit 117 acquires acceleration data and cardiac potential data at each set time (for example, every one second).
  • the acceleration data and the cardiac potential data acquired by the arithmetic processing circuit 117 are transmitted to the server by a wireless circuit 118 via a gateway (not shown).
  • step S101 the physical measurement unit 101 measures a capacitance change as a change in acceleration, for example, as physical information, and the physiological measurement unit 102 measures a potential difference as physiological information (first step, second step). Process).
  • step S102 the physical measurement unit 101 calculates a displacement from the measured change in capacitance to obtain acceleration data.
  • step S103 the first calculation unit 103 obtains an activity amount related to the body movement of the subject from the acceleration data (third step).
  • step S104 the physiological measurement unit 102 calculates an electrocardiogram from the measured potential difference and sets the electrocardiogram as the subject's cardiac potential.
  • step S105 the second calculation unit 104 obtains the exercise load of the subject from the cardiac potential (fourth step).
  • step S106 the graph generation unit 105 generates graph data relating to the activity calculated in the third step and the physiological load calculated in the fourth step (fifth step). For example, the graph generation unit 105 uses the obtained change in the amount of activity as the first parameter, the obtained change in the exercise load as the second parameter, the first parameter on the horizontal axis, and the second parameter on the vertical axis. Generate dimensional graph data.
  • step S107 the display unit 106 displays the generated graph (two-dimensional graph) (sixth step).
  • the exercise load can be obtained from the heart rate.
  • the heart rate can be calculated as the number of peaks per minute, for example, by detecting the peak by thresholding the waveform of the electrocardiographic data with a predetermined threshold, measuring the time interval from the peak to the next peak. (See FIG. 4).
  • the value obtained by dividing this heart rate by the maximum heart rate of the subject may be used as the exercise load.
  • the measured heart rate / maximum heart rate of the subject ⁇ 100 is generally called exercise intensity (% MHR; Maximum ; Heart Rate).
  • the exercise load is calculated by using the difference between the resting heart rate and the maximum heart rate (reserve heart rate, Heart Rate Reserved; HRR), (measured heart rate ⁇ resting heart rate of the subject) ⁇ (measured heart rate) Heart rate at rest-heart rate at rest).
  • HRR Heart Rate Reserved
  • acceleration is detected using a three-axis acceleration sensor that detects acceleration in three directions of XYZ axes. Since the acceleration of each axis changes depending on the inclination of the physical measurement unit 101 mounted on the subject, for example, the norm (the sum of vectors) is used as the displacement.
  • Norm x-axis, y-axis, the acceleration in each direction of the z-axis a x, a y,
  • a z given by "
  • (a x 2 + a y 2 + a z 2) 1/2
  • the amount of activity is calculated (moving sum) by integrating the norm as shown in the following equation (1).
  • the measurement results of the exercise amount and the activity amount obtained as described above are generated as a two-dimensional graph (see FIG. 5) in which exercise intensity (exercise load) is set on the vertical axis and activity amount is set on the horizontal axis.
  • exercise intensity exercise load
  • activity amount is set on the horizontal axis.
  • the measurement results are indicated by circles.
  • a healthy person region obtained from a data group of healthy people measured in advance is set and displayed. This makes it possible to visually grasp how close the measurement result indicated by the white circle is to the healthy person zone.
  • the effect of recovery by rehabilitation can be considered in association with (associated with) physical function.
  • the activity amount may be calculated by integrating a value obtained by squaring the difference of the time change of the norm as shown in the following equation (2).
  • the activity amount may be calculated by integrating the absolute value of the difference in the time change of the norm (sum of the absolute values of the difference), as shown in the following equation (3). In this case, the amount of calculation can be reduced as compared with the sum of squares of the difference.
  • the amount of activity may be calculated as the standard deviation of the time change of the norm and the moving standard deviation.
  • FIG. 6 shows statistical data relating to the relationship between the moving standard deviation and FIM (Functional Independence).
  • FIM is an evaluation index of ADL (Activities @ of @ daily @ living). It can be seen that the moving standard deviation has a correlation with the FIM.
  • the same value (1 G) as the gravitational acceleration is output even at rest, but a very small value is output at rest because the moving standard deviation is an amount indicating the distance from the average.
  • the first calculation unit 103 estimates the posture of the subject based on the acceleration measured by the physical measurement unit 101 and sets the posture as the activity amount.
  • the first calculator 103 includes a tilt calculator 131, a direction calculator 132, and a posture estimator 133.
  • the inclination calculation unit 131 obtains the inclination angle ⁇ of the subject from the acceleration measured by the physical measurement unit 101 using the following equation (5).
  • the direction calculation unit 132 obtains the direction ⁇ of the subject from the acceleration measured by the physical measurement unit 101 using the following equation (6).
  • ⁇ ( ⁇ 90 ⁇ ⁇ ⁇ 270) is the inclination of the z-axis of the physical measurement unit 101 with respect to the vertical direction
  • ⁇ ( ⁇ 90 ⁇ ⁇ ⁇ 270) is the inclination of the x-axis of the physical measurement unit 101 with respect to the vertical direction.
  • the unit is degree [degree].
  • the posture estimation unit 133 estimates the posture by comparing the values of the inclination angle ⁇ and the direction ⁇ obtained as described above with threshold values. Since the inclination of the physical measurement unit 101 reflects the inclination of the body of the subject wearing the physical measurement unit 101, the posture of the subject can be estimated from the inclination of the physical measurement unit 101.
  • FIG. 8 is a two-dimensional graph in which the 24-hour cumulative value of% HRR is exercise intensity (exercise load), and the 24-hour activity time (sum of standing time, sitting time, and walking time) is the amount of activity.
  • the measurement results of the patient are indicated by circles, squares, and triangles. Circles indicate patients with high FIM, squares indicate patients with intermediate FIM, and triangles indicate patients with low FIM.
  • a healthy subject region (*) obtained from a data group of healthy subjects measured in advance is set and displayed.
  • the FIM the closer to the healthy person area is, the higher the FIM, which is a medical evaluation index of existing rehabilitation, is related to the measurement result. Thereby, it is possible to visually grasp how close the measurement result indicated by a circle is to the healthy person zone.
  • the effect of recovery by rehabilitation can be considered in association with (associated with) physical function.
  • FIG. 9 shows the results of measuring the posture angle of the patient (subject). This is a result of measuring for 28 hours (including men and women) for 48 hours per person.
  • a highly reliable threshold value based on the hospitalized living condition can be set.
  • the total time other than the sum of the sitting, standing, and walking times, that is, the time other than the sleeping (lying) time is defined as the activity amount.
  • the standard deviation s of the acceleration may be obtained from the acceleration measured by the physical measurement unit 101 according to the following equation (7), and the direction calculated by the direction calculation unit 132 may be compensated based on the standard deviation s. .
  • the acceleration measured by the physical measurement unit 101 when the acceleration measured by the physical measurement unit 101 is large, it is interpreted as sitting or standing, and when the acceleration measured by the physical measurement unit 101 is small, , The orientation of the body determined by the orientation calculation unit 132 is held for a certain period of time. Focusing on the magnitude of the acceleration measured by the physical measurement unit 101 and holding it enables a posture estimation that is stable against disturbance and stable.
  • the measured values of the angles when standing up, lying on the back, and prone will be described with reference to FIGS.
  • the results ranged from 165 to 200 degrees when lying on the back, from 1 to 27 degrees when prone, and from 67 to 118 degrees when standing up.
  • the range in which it is determined to be awake is set to a range of 30 to 140 degrees (FIG. 12).
  • the second calculating unit 104 calculates an additional processing value obtained by dividing the calculated exercise load by the activity amount calculated by the first calculating unit 103.
  • the graph generating unit 105 calculates the additional processing value calculated by the second calculating unit 104. May be used as a second parameter, and the first parameter and the second parameter may be represented as a two-dimensional graph. For example, in the graph shown in FIG. 5, the vertical axis may be shown in FIG. 13 using the quotient (additional processing value) obtained by dividing the exercise load by the activity amount as the exercise intensity (exercise load). In FIG. 13, circles indicate patients with high FIM, squares indicate patients with intermediate FIM, and triangles indicate patients with low FIM.
  • FIG. 14 shows statistical data on the relationship between the 24-hour accumulation of% HRR divided by the amount of activity calculated by the movement standard deviation and the evaluation index SIAS (StrokepairImpairment Assessment) Set) for dysfunction used during stroke treatment.
  • SIAS StressImpairment Assessment
  • the index on the vertical axis has an inverse correlation with the SIAS.
  • Exercise intensity (exercise load) divided by the amount of activity is an index of efficiency when the patient moves the body, so using this as the vertical axis, the amount of activity as activity time and the efficiency of physical manipulation Can be evaluated.
  • the graph generation unit 105 generates a graph (time-series graph) in which the additional processing values obtained by the second calculation unit 104 are displayed in time series as illustrated in FIG. A series graph may be displayed.
  • FIG. 15 illustrates changes in body movements of a plurality of patients, that is, changes in the load (exercise intensity / body movement) of a plurality of patients as additional processing values.
  • the graph generation unit 105 may generate both a time-series graph indicating the additional processing value in a time series and the two-dimensional graph described above, and simultaneously display these on the display unit 106.
  • One of the graphs may be generated, and the generated one of the graphs may be displayed on the display unit 106.
  • the function recovery training support system according to the first embodiment further includes a training item storage unit 107 and an item selection unit 108.
  • the training item storage unit 107 stores a plurality of items related to the function recovery training in association with the activity amount and the exercise load.
  • the item selection unit 108 selects one of the items stored in the training item storage unit 107 based on the activity amount obtained by the first calculation unit 103 and the exercise load obtained by the second calculation unit 104. As described above, the item selected by the item selection unit 108 is displayed on the display unit 106 together with the graph generated by the graph generation unit 105.
  • the function recovery training support system includes an advice storage unit 109 and an advice selection unit 110.
  • the advice storage unit 109 stores a plurality of advices relating to the function recovery training in association with the activity amount and the exercise load.
  • the advice selection unit 110 selects one of the advices stored in the advice storage unit 109 based on the activity amount obtained by the first calculation unit 103 and the exercise load obtained by the second calculation unit 104. As described above, the advice selected by the advice selecting unit 110 is displayed on the display unit 106 together with the graph generated by the graph generating unit 105.
  • FIG. 19 shows a two-dimensional graph in which the vertical axis represents the total exercise intensity (exercise load) in one day, and the horizontal axis represents the total activity time (activity) in one day.
  • the total exercise intensity in one day “(measured heart rate ⁇ resting heart rate of the subject) ⁇ (maximum heart rate of the subject ⁇ resting heart rate) ⁇ 100” is used.
  • the activity time the total time in a posture other than the sleeping or lying time in one day is used. As shown in FIG. 19, it can be seen that the greater the exercise load and the amount of activity, the longer the time that can be moved, the higher the activity that can be performed, and the more efficiently the user can move long.
  • a threshold value A th of the activity amount and a threshold value L th of the exercise load are set based on the region of the healthy person.
  • the rehabilitation menu can be presented as a training item suited to the patient's condition by determining the obtained exercise load and activity amount as threshold values based on the flowchart of FIG.
  • step S101 the physical measurement unit 101 measures a change in capacitance as a change in acceleration, and the physiological measurement unit 102 measures a potential difference.
  • step S102 the physical measurement unit 101 calculates a displacement from the measured change in capacitance to obtain acceleration data.
  • step S103 the first calculation unit 103 obtains an activity amount related to the body movement of the subject from the acceleration data.
  • step S104 the physiological measurement unit 102 calculates an electrocardiogram from the measured potential difference and sets the electrocardiogram as the subject's cardiac potential.
  • step S105 the second calculation unit 104 obtains the exercise load of the subject from the cardiac potential.
  • step S201 the item selecting unit 108, the obtained exercise load L whether the threshold L th is greater than. If exercise load L is equal to or less than the threshold L th (no in step S201), in step S202, the item selecting unit 108 selects the menu 1 from training item storage unit 107, the display unit 106. On the other hand, if the exercise load L is larger than the threshold value L th (yes in step S201), the process proceeds to step S203, the item selecting unit 108, the obtained amount of activity A is equal to or threshold A th or greater.
  • step S202 When the activity amount A is equal to or smaller than the threshold value Ath (No in step S203), in step S202, the item selecting unit 108 selects the menu 2 from the training item storage unit 107 and displays the menu 2 on the display unit 106. On the other hand, when the activity amount A is larger than the threshold value Ath (Yes in step S203), the process proceeds to step S205, and the item selecting unit 108 displays on the display unit 106 a notification that the rehabilitation is completed.
  • the elapsed time (b) of the exercise load and the elapsed time (c) of the activity amount may be displayed.
  • the patient can grasp the activity in daily life in association with the exercise load and the amount of activity, and can feed back to the function recovery training that is being performed.
  • advice (advice) is displayed in addition to the results of the exercise load and the activity amount.
  • Advice from a doctor or the like is stored in the advice storage unit 109.
  • the advice selecting unit 110 the results of the obtained exercise load and the amount of activity are selected by using an algorithm such as machine learning, and an advice as a standard document stored in the advice storage unit 109 is selected and displayed on the display unit 106.
  • an algorithm such as machine learning
  • FIG. 24 shows the relationship between the amount of activity and the reserve oxygen uptake from walking to running of the subject, calculated by equation (4).
  • FIG. 25 shows the relationship between the positive square root of the amount of activity from walking to running of the subject calculated by equation (4) and the reserve oxygen intake.
  • the plot is non-linearly distributed in a quadratic function, whereas in FIG. 25, the plot is linearly, that is, linearly distributed. This tendency is similar even when the maximum oxygen intake is used instead of the reserve oxygen intake. The same tendency can be obtained by using equations (1), (2) and (3) instead of equation (4).
  • the linear relationship has the advantage that it is intuitive and predictive for oxygen uptake, and the amount of calculation is small.Also, the application to linear assumption analysis, such as multiple regression analysis, is performed with high reliability. It becomes possible.
  • FIG. 26 shows a result obtained by performing a fast Fourier transform (FFT) on a temporal change of 1024 points that are temporally continuous at the data rate of 25 Hz, that is, a sum of the accelerations in the three directions measured by the physical measurement unit 101 at a data rate of 25 Hz.
  • FFT fast Fourier transform
  • FIG. 27 shows the relationship between such peak frequency and reserve oxygen intake, and it can be seen that a correlation has been obtained. This indicates the relationship between the walking pitch and the oxygen intake, and it is possible to simultaneously grasp the specific condition of walking or running and the oxygen intake in that condition.
  • the function recovery training support system according to the third embodiment further includes an oxygen intake amount calculation unit 121.
  • the oxygen intake amount calculation unit 121 creates a regression equation from the distribution of the activity amount and the oxygen intake amount, and calculates the oxygen intake amount using the created regression equation.
  • the regression equation may be created using a distribution obtained in advance, or may be created each time from the oxygen intake and the activity stored in the oxygen intake calculator 121.
  • the oxygen uptake calculation unit 121 can also implement these regression equations.
  • Oxygen intake is originally measured from expiration, but since expiration measurement places a large burden on the subject, it can be easily estimated from the amount of activity using the above-mentioned regression equation to achieve low oxygen consumption. The intake amount can be grasped.
  • the function recovery training support system according to the fourth embodiment further includes a subject information storage unit 122.
  • the subject information storage unit 122 includes the subject's date of birth, age, gender, height, weight, medical history, medication history, hospitalization / discharge history, treatment staff, FIM (Functional Independence Measure), hospital room, and beds used. At least one of the history information of the subject is stored. By providing the subject information storage unit 122 that stores the history information of the subject, it is possible to associate the change in the activity amount or the exercise load of the subject with the cause. Can be.
  • the oxygen uptake calculating unit 121 calculates the activity amount obtained by the first calculating unit 103, the physiological load obtained by the second calculating unit 104, and the history information of the subject stored in the subject information storage unit 122.
  • the maximal oxygen uptake or reserve oxygen uptake can be determined from at least one of the following.
  • FIG. 30 shows the amount of activity calculated by the positive square root of the value calculated by equation (4) and the% HRR with respect to the acceleration measurement value during the period from walking to running of the subject calculated by equation (4).
  • the regression equation described above may be created using such a relationship.
  • Equation (8) does not include the history information of the subject, but if multiple regression analysis is performed using the history information as the following terms, a regression equation including the history information can be obtained. Also, if the number of x 1 is large, using stepwise variable selection method (see Non-Patent Document 1), may be to selected only strong x 1 a more relationship with Y to create a regression equation. Since the stepwise variable selection method can be performed mechanically, it can be easily implemented in a system.
  • Table 1 below, the amount of activity positive determination of the preliminary oxygen uptake regression equation obtained by using the square root factor R 2,% determination of the regression equation for the preliminary oxygen uptake obtained with HRR coefficient R 2, The coefficient of determination R 2 of the regression equation for reserve oxygen uptake obtained by using the multiple regression analysis for both the positive square root of the amount of activity and the% HRR is shown. It can be seen that the best estimation accuracy is obtained when both are used. Using such a multivariate regression equation can provide an accurate estimate of oxygen uptake.
  • logistic regression can be used for the multivariate regression equation. These can perform non-linear regression, which cannot be performed by multiple regression analysis, so that more optimized regression can be performed and a reliable oxygen intake estimate can be provided.
  • each term can be multiplied by a coefficient, and the value of the coefficient can be switched according to a condition.
  • FIG. 31 illustrates the relationship between the positive square root of the amount of activity and the healthy subject, with the horizontal axis representing% HRR and the vertical axis representing% HRR.
  • the results of the function recovery training are displayed. Is easier to grasp.
  • the physical measurement unit may use an angular velocity sensor (gyro sensor).
  • the angular velocity sensor has an advantage that the activity amount can be more easily obtained because the angular velocity sensor outputs an angle that is a substitute for the above ⁇ and ⁇ as a measured value.
  • the physical measurement unit may use GPS. Since the GPS acquires position information, it can calculate the amount of movement from its history, and can provide an effective amount of exercise from the viewpoint of exercise monitoring.
  • the physiological measurement unit may use an electromyograph.
  • the electrocardiograph can grasp the metabolism of the whole body, including the central and peripheral systems. Load information can be provided.
  • a respirometer may be used for the physiological measurement unit. Since the respiratory rate generally increases when the exercise load increases, the respirometer can be expected to play a role similar to that of an electrocardiograph, and it is expected that the heart rate can be replaced with the respiratory rate.
  • the respirometer has an advantage that the sensor does not need to be arranged on the surface of the skin of the body, so that it can be easily attached and detached.
  • a sphygmomanometer may be used on the side of the physiological meter. Exercise increases oxygen consumption and increases blood pressure as well as heart rate, so blood pressure can replace heart rate. When blood pressure is constantly measured due to illness or the like, since it is complicated to use other sensors in combination, it is possible to secure convenience by using the blood pressure monitor used.
  • a pulse meter may be used for the side of the physiological meter. If a pulse is used, measurement can be performed with an arm, a foot, a neck, or the like where it is difficult to measure a cardiac potential, and measurement can be more easily performed.

Abstract

第１算出部（１０３）は、物理測定部（１０１）が測定した物理的情報の変化から被測定者の体動に関連する活動量を求める。第２算出部（１０４）は、生理測定部（１０２）が測定した生理的情報の変化から被測定者にかかる生理的負荷を求める。グラフ生成部（１０５）は、第１算出部（１０３）が求めた活動量および第２算出部（１０４）が求めた生理的負荷に関するグラフを生成する。例えば、グラフ生成部（１０５）は、第１算出部（１０３）が求めた活動量の変化を第１パラメータとし、第２算出部（１０４）が求めた生理的負荷の変化を第２パラメータとし、第１パラメータと第２パラメータとを２次元のグラフデータとする。表示部（１０６）は、グラフ生成部（１０５）が生成したグラフデータによるグラフを被測定者に視認可能に表示する。

Description

機能回復訓練支援システムおよび方法
　本発明は、機能回復の状況、機能回復における課題、機能回復の目標などを提示する機能回復訓練支援システムおよび方法に関する。
　特許文献１（特開２００５－３５２６８６号）には、機能回復のために患者が行う運動（リハビリテーション運動）による情報を分析し、複数の患者の運動機能の履歴全般について管理するリハビリテーション管理装置が提案されている。また、特許文献２（特開２０１０－１０８４３０号）には、機能回復訓練（リハビリテーション）の多数の評価項目の評価値が、総体として、良い方へ向かっているのか、変化が無いのか、あるいは、悪い方へ向かっているのかを、所望の時点まで遡って容易に把握できるようにしたリハビリテーション支援装置が提案されている。
特開２００５－３５２６８６号公報 特開２０１０－１０８４３０号公報
日経ＢｉｇＤａｔａ Ｄａｔａ　Ｍａｒｋｅｔ、「変数選択の過程の説明がしやすいステップワイズ法」、［令和１年５月２３日検索］、（https://business.nikkeibp.co.jp/atclbdt/15/recipe/120400035/?ST=print）。
　しかしながら、上述した従来の技術では、患者が行った機能回復訓練運動の実績を管理・表示する機能に限定されており、患者の身体機能がどの程度回復したのか、健常者にどの程度近づいたのか、をわかりやすく理解することができなかった。このように、従来では、機能回復訓練の成果が把握しにくいという問題があった。
　本発明は、以上のような問題点を解消するためになされたものであり、機能回復訓練の成果を把握しやすくすることを目的とする。
　本発明に係る機能回復訓練支援システムは、被測定者に装着されて被測定者の身体の静的または動的な状態を表す物理的情報を時系列に測定する物理測定部と、被測定者の体内における生理的情報を時系列に測定する生理測定部と、物理測定部が測定した物理的情報の変化から被測定者の活動量を求める第１算出部と、生理測定部が測定した生理的情報の変化から被測定者にかかる生理的負荷を求める第２算出部と、第１算出部が求めた活動量および第２算出部が求めた生理的負荷に関するグラフを生成するグラフ生成部と、グラフ生成部が生成したグラフを被測定者が視認するための表示部とを備える。
　本発明に係る機能回復訓練支援方法は、被測定者の身体の性的または動的な状態を表す物理的情報を測定する第１工程と、被測定者の体内における生理的情報を測定する第２工程と、測定された物理的情報より被測定者の活動量を求める第３工程と、測定された生理的情報より被測定者にかかる生理的負荷を求める第４工程と、第３工程で求めた活動量および第４工程で求めた生理的負荷に関するグラフを生成する第５工程と、生成したグラフを被測定者に視認可能に表示する第６工程とを備える。
　以上説明したように、本発明によれば、被測定者において測定された物理的情報および生理的情報より求めた活動量および運動負荷に関するグラフを表示するようにしたので、機能回復訓練の成果が把握しやすくなるという優れた効果が得られる。
図１は、本発明の実施の形態１係る機能回復訓練支援システムの構成を示す構成図である。 図２は、本発明の実施の形態１係る機能回復訓練支援システムの一部におけるハードウエア構成を示す構成図である。 図３は、本発明の実施の形態１係る機能回復訓練支援システムの動作例（機能回復訓練支援方法）について説明するためのフローチャートである。 図４は、心電位データの波形と心拍数について説明するための説明図である。 図５は、本発明の実施の形態１係る機能回復訓練支援システムで表示される２次元グラフの例を示す説明図である。 図６は、測定される加速度の移動標準偏差とＦＩＭとの関係に関する統計データを示す特性図である。 図７は、本発明の実施の形態２係る機能回復訓練支援システムの一部構成を示す構成図である。 図８は、％ＨＲＲの２４時間累積値を運動負荷、２４時間の活動時間（立位時間、座位時間、歩行時間の総和）を活動量とした２次元グラフである。 図９は、被測定者の姿勢角度を測定した結果を示す特性図である。 図１０は、推定した姿勢の変化を示す特性図である。 図１１は、起立、仰向け、うつ伏せ時の角度の実測値を示す特性図である。 図１２は、起立、仰向け、うつ伏せ時の角度の実測値より起きていると判定する範囲を３０～１４０度の範囲を説明するための説明図である。 図１３は、運動負荷を活動量で除した商と活動量との関係に関する統計データを示す特性図である。 図１４は、運動負荷を活動量で除した商とＳＩＡＳとの関係に関する統計データを示す特性図である。 図１５は、運動負荷を活動量で除した（追加処理値）を時系列に示すグラフである。 図１６は、歩行を検知する状態を示す説明図である。 図１７は、歩数をカウントする際の閾値を左右の足に対応させて２つにして歩行検出の精度を確保する状態を示す説明図である。 図１８は、本発明の実施の形態３係る機能回復訓練支援システムの構成を示す構成図である。 図１９は、縦軸を１日における総運動強度（運動負荷）、横軸を１日における総活動時間（活動量）とした２次元グラフである。 図２０は、活動量Ａと運動負荷Ｌに関して設定した活動量の閾値Ａth、運動負荷の閾値Ｌthについて示す説明図である。 図２１は、本発明の実施の形態３係る機能回復訓練支援システムの動作例を説明するためのフローチャートである。 図２２は、運動負荷と活動量との２次元グラフ（ａ）に、運動負荷の時間経過（ｂ）、活動量の時間経過（ｃ）を加えて表示する例を示す説明図である。 図２３は、運動負荷および活動量の結果に加えてアドバイス（助言）を表示する例を示す説明図である。 図２４は、式（４）で算出される被測定者の歩行から走行における活動量と予備酸素摂取量との関係を示す特性図である。。 図２５は、式（４）で算出される被測定者の歩行から走行における活動量の正の平方根と、予備酸素摂取量との関係を示す特性図である。 図２６は、物理測定部１０１が測定した３方向の加速度の和の時間変化を高速フーリエ変換した結果を示す特性図である。 図２７は、物理測定部１０１が測定した３方向の加速度の和の時間変化を高速フーリエ変換したことにより得られるピークの周波数と予備酸素摂取量との関係を示す特性図である。 図２８は、本発明の実施の形態４係る機能回復訓練支援システムの構成を示す構成図である。 図２９は、本発明の実施の形態５係る機能回復訓練支援システムの構成を示す構成図である。 図３０は、式（４）で算出された被測定者の歩行から走行における期間の加速度計測値に対し、式（４）で算出された値の正の平方根により求めた活動量と、％ＨＲＲおよび予備酸素摂取量との関係を示す特性図である。 図３１は、活動量の正の平方根を横軸、％ＨＲＲを縦軸として健常者のこれらにおける関係を示す特性図である。
　以下、本発明の実施の形態おける機能回復訓練支援システムについて説明する。
［実施の形態１］
　はじめに、本発明の実施の形態１係る機能回復訓練支援システムについて、図１を参照して説明する。この機能回復訓練支援システムは、物理測定部１０１、生理測定部１０２、第１算出部１０３、第２算出部１０４、グラフ生成部１０５、表示部１０６を備える。
　物理測定部１０１は、被測定者（患者）に装着されて、被測定者の身体の静的・動的状態を表す物理的情報を時系列に測定する。例えば、物理的情報とは、例えば、加速度、角速度、位置座標の少なくとも１つである。以下では、物理測定部１０１として、加速度を時系列に測定する加速度測定部を例に説明する。生理測定部１０２は、被測定者の体内の生理的情報を測定する。生理的情報とは、例えば、心電位、心拍数、脈拍数、血圧、筋電位、呼吸活動の少なくとも１つである。以下では、生理測定部１０２として、被測定者の心電位を測定する心電測定部を例に説明する。
　第１算出部１０３は、物理測定部１０１が測定した物理的情報の変化から被測定者の体動に関する活動量を求める。例えば、第１算出部１０３は、測定された物理情報の二乗和、または二乗和の平方根、または任意の期間の累積値、または時間差分、または時間差分の絶対値、任意の期間の標準偏差または分散のいずれか、もしくは組み合わせにより活動量を求める。
　第２算出部１０４は、生理測定部１０２が測定した生理的情報の変化から被測定者にかかる生理的負荷を求める。第２算出部１０４は、生理的負荷として、例えば、運動負荷を求める。例えば、第２算出部１０４は、測定された生理的情報を任意の基準をもとに規格化した値、または任意の期間累積した値、または平均化した値、中央値、または微分した値のいずれか、もしくは組み合わせにより運動負荷を求めるようにしてもよい。任意の期間は、例えば１日の経過が漏れなく含まれる２４時間とすればよい。
　グラフ生成部１０５は、第１算出部１０３が求めた活動量および第２算出部１０４が求めた生理的負荷に関するグラフを生成する。例えば、グラフ生成部１０５は、第１算出部１０３が求めた活動量の変化を第１パラメータとし、第２算出部１０４が求めた生理的負荷（例えば運動負荷）の変化を第２パラメータとし、第１パラメータと第２パラメータとを２次元のグラフとする。表示部１０６は、グラフ生成部１０５が生成したグラフデータによるグラフを被測定者に視認可能に表示する。
　例えば、図２に示すようなウエアラブルなデバイスを用い、ゲートウエイを介して遠隔に配置されているサーバに測定データを送信し、サーバにおいて、活動量および運動負荷を求め、求めた活動量の変化を第１パラメータとし、求めた運動負荷の変化を第２パラメータとした２次元のグラフデータを生成し、このグラフデータによるグラフを被測定者に表示するようにしてもよい。
　この構成では、第１算出部１０３、第２算出部１０４、グラフ生成部１０５の機能を、サーバにおいて実現する。サーバは、ＣＰＵ（Central Processing Unit；中央演算処理装置）と主記憶装置と外部記憶装置とネットワーク接続装置となどを備えたコンピュータ機器であり、主記憶装置に展開されたプログラムによりＣＰＵが動作することで、上述した各機能が実現される。
　図２に示すデバイスは、加速度センサ１１１，容量検出回路１１２，アナログ－デジタル回路（ＡＤＣ）１１３，２つの電極１１４ａ，１１４ｂ，電位検出回路１１５，アナログ－デジタル回路（ＡＤＣ）１１６，演算処理回路１１７，無線回路１１８を備える。
　加速度センサ１１１は、内部に備えられている可動体が加速度の変化により変位し、容量変化を生成する。この容量の変化は、容量検出回路１１２により電気信号に変換され、ＡＤＣ１１３によりデジタルデータに変換され、加速度データとされる。物理測定部１０１は、加速度センサ１１１，容量検出回路１１２，ＡＤＣ１１３を備える。
　また、２つの電極１１４ａ，１１４ｂは、例えば、着衣に埋め込まれて皮膚に接触可能とされ、この２つの電極１１４ａ，１１４ｂの間に生じる電位差が、電位検出回路１１５で検出され、アナログ－デジタル回路（ＡＤＣ）１１６においてデジタルデータに変換されて心電位データとなる。電極１１４ａ，１１４ｂ、電位検出回路１１５、ＡＤＣ１１６が、生理測定部１０２となる。
　演算処理回路１１７は、設定されている時刻毎（例えば１秒毎）に、加速度データ、心電位データを取得する。演算処理回路１１７が取得した加速度データ、心電位データは、無線回路１１８により、図示しないゲートウエイを介してサーバに送信される。
　次に、実施の形態１係る機能回復訓練支援システムの動作例（機能回復訓練支援方法）について、図３のフローチャートを用いて説明する。
　まず、ステップＳ１０１で、物理測定部１０１において、物理情報として、例えば、加速度の変化として容量変化が測定され、生理測定部１０２において、生理的情報として電位差が測定される（第１工程，第２工程）。次に、ステップＳ１０２で、物理測定部１０１が、測定した容量変化より変位を算出して加速度データとする。次に、ステップＳ１０３で、第１算出部１０３が、加速度データより被測定者の体動に関連する活動量を求める（第３工程）。
　また、ステップＳ１０４で、生理測定部１０２が、測定した電位差より心電を算出して被測定者の心電位とする。次に、ステップＳ１０５で、第２算出部１０４が、心電位より被測定者の運動負荷を求める（第４工程）。
　次に、ステップＳ１０６で、グラフ生成部１０５が、第３工程で求めた活動量および第４工程で求めた生理的負荷に関するグラフのデータを生成する（第５工程）。例えば、グラフ生成部１０５は、求められた活動量の変化を第１パラメータとし、求められた運動負荷の変化を第２パラメータとし、第１パラメータを横軸、第２パラメータを縦軸とした２次元グラフのデータを生成する。次に、ステップＳ１０７で、表示部１０６が、生成されたグラフ（２次元グラフ）を表示する（第６工程）。
　ここで、運動負荷の算出について説明する。運動負荷は、心拍数から求めることができる。心拍数は、心電位データの波形を所定の閾値で閾値処理してピークを検出し、ピークから次のピークまでの時間間隔を測定し、例えば１分間当たりのピークの数として算出することができる（図４参照）。この心拍数を、被測定者の最大心拍数で除した値を運動負荷とすればよい。なお、測定された心拍数÷被測定者の最大心拍数×１００は、一般に運動強度（％ＭＨＲ；Maximum Heart Rate）と呼ばれている。
　ところで、運動負荷は、安静時心拍数と最大心拍数の差（予備心拍数、Heart Rate Reserved；ＨＲＲ）を用い、（測定された心拍数－被測定者の安静時心拍数）÷（被測定者の最大心拍数－安静時心拍数）により求めてもよい。この計算結果は、運動強度（％HRR；％ Heart Rate Reserve）と呼ばれている。
　次に、加速度より求める活動量について説明する。まず、加速度は、ＸＹＺ軸の３方向の加速度を検出する３軸の加速度センサを用いて検出する。各軸の加速度は、被測定者に装着されている物理測定部１０１の傾きに依存して変化するため、変位として、例えば、ノルム（ベクトルの合成和）を用いる。ノルムは、ｘ軸、ｙ軸、ｚ軸の各方向の加速度をａx、ａy、ａzとすると、「｜ａ｜＝（ａx 2＋ａy 2＋ａz 2）1/2」で与えられる。平方根を用いることは、計算量を増大させるため、２乗和（ａx 2＋ａy 2＋ａz 2）を用いてもよい。また、測定される加速度における意図しない極端に大きな振動を除去するため、ノルムや２乗和に対してローパスフィルタを適用してもよい。
　活動量は、以下の式（１）に示すように、ノルムを積分することにより（移動和）計算される。
Figure JPOXMLDOC01-appb-M000001
　上述したように求めた運動量および活動量の測定結果を、運動強度（運動負荷）を縦軸とし、活動量を横軸とした２次元グラフ（図５参照）として生成する。図５において、測定結果を丸で示す。また、このグラフの中に、予め測定した健常者のデータ群から求めた健常者領域を設定して表示する。これにより、健常者ゾーンに対して、白丸で示す測定結果がどの程度近づいてきているのかを視覚的に把握できる。また、リハビリによる回復の効果が、身体機能と紐付けて（関連付けて）考えることができる。
　また、活動量は、以下の式（２）に示すように、ノルムの時間変化の差を２乗した値を積分して算出してもよい。
Figure JPOXMLDOC01-appb-M000002
　また、活動量は、以下の式（３）に示すように、ノルムの時間変化の差の絶対値を積分して算出してもよい（差の絶対値の和）。この場合、差の２乗和に比べて計算量を減らすことができる。
Figure JPOXMLDOC01-appb-M000003
　また、活動量は、以下の式（４）に示すように、ノルムの時間変化の標準偏差とし、移動標準偏差で算出してもよい。
Figure JPOXMLDOC01-appb-M000004
　図６に、移動標準偏差とＦＩＭ（Functional Independence）との関係に関する統計データを示す。ＦＩＭは、ＡＤＬ（Activities of daily living）の評価指標である。移動標準偏差はＦＩＭと相関の関係にあることが分かる。前述した活動量では、静止時にも重力加速度と同じ値（１Ｇ）を出力するが、移動標準偏差は平均からの隔たりを表す量であるため、静止時には非常に小さな値を出力する。移動標準偏差を使うことでより運動時を反映した指標を与えることができる。
［実施の形態２］
　次に、本発明の実施の形態２係る機能回復訓練支援システムについて説明する。実施の形態２では、第１算出部１０３が、物理測定部１０１が測定した加速度より、被測定者の姿勢を推定して活動量とする。実施の形態２では、図７に示すように、第１算出部１０３が、傾斜算出部１３１，向き算出部１３２、姿勢推定部１３３を備える。
　まず、傾斜算出部１３１は、物理測定部１０１で測定した加速度より、以下の式（５）により、被測定者の傾斜の角度θを求める。
Figure JPOXMLDOC01-appb-M000005
　また、向き算出部１３２は、物理測定部１０１で測定した加速度より、以下の式（６）により、被測定者の向きφを求める。
Figure JPOXMLDOC01-appb-M000006
　なお、θ（－９０≦θ＜２７０）は鉛直方向に対する物理測定部１０１のｚ軸の傾き、φ（－９０≦φ＜２７０）は鉛直方向に対する物理測定部１０１のｘ軸の傾きであり、単位は度［ｄｅｇｒｅｅ］である。
　姿勢推定部１３３は、以上のようにして求めた傾斜の角度θおよび向きφの値を閾値と比較をすることで、姿勢を推定する。物理測定部１０１の傾きは、物理測定部１０１を身に着けた被測定者の上体の傾きを反映するため、物理測定部１０１の傾きから被測定者の姿勢を推定できる。
　図８は、％ＨＲＲの２４時間累積値を運動強度（運動負荷）、２４時間の活動時間（立位時間、座位時間、歩行時間の総和）を活動量とした２次元グラフである。図８において、患者の測定結果を丸、四角、三角で示す。丸はＦＩＭが高い患者を示し、四角はＦＩＭが中間の患者を示し、三角はＦＩＭが低い患者を示す。また、このグラフの中に、予め測定した健常者のデータ群から求めた健常者領域（＊）を設定して表示する。図８では、ＦＩＭが高いほど健常者領域に漸近しており、既存のリハビリテーションの医学的評価指標であるＦＩＭと測定結果とに関係があることが分かる。これにより、健常者ゾーンに対して、丸で示す測定結果がどの程度近づいてきているのかを視覚的に把握できる。また、リハビリによる回復の効果が、身体機能と紐付けて（関連付けて）考えることができる。
　図９に、患者（被測定者）の姿勢角度を測定した結果を示す。２８名（男女含む）の被測定者について、一人当たり４８時間計測した結果である。姿勢が切り替わる角度を統計的に探索することで、例えば、入院生活容態に基づく高信頼な閾値を設定することができる。
　推定した姿勢のなかで、座っている、立っている、歩いている時間を足した時間、すなわち、寝ている（横になっている）時間以外の合計時間を活動量とする。姿勢を考慮することで、活動量の精度を向上することができる。
　ところで、物理測定部１０１が測定している加速度より以下の式（７）により加速度の標準偏差ｓを求め、この標準偏差ｓにより、向き算出部１３２が求めた向きを補償するようにしてもよい。
Figure JPOXMLDOC01-appb-M000007
　例えば、図１０に示すように、物理測定部１０１が測定している加速度が大きい場合、座位または立位であると解釈し、物理測定部１０１が測定している加速度が小さい場合は、臥位であるとして、向き算出部１３２が求めた体の向きを一定時間保持する。物理測定部１０１が測定している加速度の大きさに着目して保持することにより、擾乱に強く安定した姿勢推定が可能となる。
　以下、起立、仰向け、うつ伏せ時の角度の実測値について図１１，図１２を参照して説明する。図１１に示すように、仰向け時は１６５～２００度、うつ伏せ時は１～２７度、起立時は６７～１１８度の範囲となる結果が得られた。実験結果から、起きていると判定する範囲を３０～１４０度の範囲に設定する（図１２）。このように、姿勢の閾値を患者の統計分布から決定することで、実際の入院生活を模擬することができ、姿勢を推定する精度を向上させることができる。
　また、第２算出部１０４において、求めた運動負荷を第１算出部１０３が求めた活動量で除した追加処理値を求め、グラフ生成部１０５では、第２算出部１０４が求めた追加処理値の変化を第２パラメータとして、第１パラメータと第２パラメータとを２次元のグラフとしてもよい。例えば、図５に示したグラフにおいて、縦軸を、運動負荷を活動量で割った商（追加処理値）を運動強度（運動負荷）として用いて図１３に示すようにしても良い。図１３において、丸はＦＩＭが高い患者を示し、四角はＦＩＭが中間の患者を示し、三角はＦＩＭが低い患者を示す。
　また、移動標準偏差で求めた活動量で割った％ＨＲＲの２４時間累積と、脳卒中治療時に用いられる機能障害の評価指標ＳＩＡＳ（Stroke Impairment Assessment Set）との関係に関する統計データを図１４に示す。図１４に示すように、縦軸の指標は、ＳＩＡＳと逆相関の関係にあることがわかる。活動量で割られた運動強度（運動負荷）は、患者が身体を動かす際の効率性の指標であるため、これを縦軸に用いることで、活動時間としての活動量と身体操作の効率性の関係性を評価することが可能となる。
　また、グラフ生成部１０５は、第２算出部１０４において求めた追加処理値を、図１５に例示するように、時系列に表示したグラフ（時系列グラフ）を生成し、表示部１０６がこの時系列グラフを表示してもよい。図１５では、追加処理値として、複数の患者の体動すなわち身体操作の負荷（運動強度／体動）の推移が示されている。このような時系列グラフを表示部１０６に表示することで、リハビリの成果として週の経過とともに負荷が減少してくことが確認できる。負荷が減るということは、楽に体を動かせるようになったことを意味し、効率性が改善されていることを表している。このように追加処理値は、この時系列情報にも価値を持つため、表示部１０６に時系列に表示することで、リハビリを適切に支援することができる。なお、グラフ生成部１０５は、追加処理値を時系列に示す時系列グラフおよび前述した２次元のグラフをともに生成し、これらを表示部１０６に同時に表示してもよく、グラフ生成部１０５は、いずれか一方のグラフを生成し、生成したいずれか一方のグラフを表示部１０６に表示してもよい。
　ところで、脳卒中患者の場合、下半身の麻ひなどが発生する場合があり、この場合、右足と左足での体動が異なり、一般的に用いられる歩数計では、歩行を検知する精度が十分に得られない（図１６参照）。このような場合、図１７に示すように、歩数をカウントする際の閾値を左右の足に対応させて２つにすることで、片半身が麻ひしている患者に対しても歩行検出の精度を確保することができるようになる。
［実施の形態３］
　次に、本発明の実施の形態３係る機能回復訓練支援システムについて図１８を参照して説明する。実施の形態３では、実施の形態１係る機能回復訓練支援システムに、さらに、訓練項目記憶部１０７、項目選択部１０８を備える。
　訓練項目記憶部１０７は、機能回復訓練に関する複数の項目が活動量および運動負荷に関連付けて記憶している。項目選択部１０８は、第１算出部１０３が求めた活動量、および第２算出部１０４が求めた運動負荷を元に訓練項目記憶部１０７に記憶されているいずれかの項目を選択する。このように、項目選択部１０８が選択した項目は、表示部１０６が、グラフ生成部１０５が生成したグラフとともに表示する。
　また、実施の形態３係る機能回復訓練支援システムは、助言記憶部１０９、助言選択部１１０を備える。
　助言記憶部１０９は、機能回復訓練に関する複数の助言が活動量および運動負荷に関連付けて記憶している。助言選択部１１０は、第１算出部１０３が求めた活動量、および第２算出部１０４が求めた運動負荷を元に、助言記憶部１０９に記憶されているいずれかの助言を選択する。このように、助言選択部１１０が選択した助言は、表示部１０６が、グラフ生成部１０５が生成したグラフとともに表示する。
　例えば、図１９に、縦軸を１日における総運動強度（運動負荷）、横軸を１日における総活動時間（活動量）とした２次元グラフに示す。１日における総運動強度として、「（測定された心拍数－被測定者の安静時心拍数）÷（被測定者の最大心拍数－安静時心拍数）×１００」を用い、１日における総活動時間として、１日における寝ているまたは横になっている時間以外の姿勢となっている合計時間を用いる。図１９に示すように、運動負荷および活動量が大きいほど、動ける時間が増えること、負荷の高い活動を行えること、効率良く長く動けることが分かる。
　ここで、図２０に示すように、活動量Ａと運動負荷Ｌに関し、健常者の領域を元に、活動量の閾値Ａth、運動負荷の閾値Ｌthを設定する。この条件の下に、図２１のフローチャートに基づき、求められた運動負荷および活動量を閾値判定することで、患者の状態にあった訓練項目としてリハビリメニューを提示することができる。
　まず、ステップＳ１０１で、物理測定部１０１において、加速度の変化として容量変化が測定され、生理測定部１０２において、電位差が測定される。次に、ステップＳ１０２で、物理測定部１０１が、測定した容量変化より変位を算出して加速度データとする。次に、ステップＳ１０３で、第１算出部１０３が、加速度データより被測定者の体動に関連する活動量を求める。
　また、ステップＳ１０４で、生理測定部１０２が、測定した電位差より心電を算出して被測定者の心電位とする。次に、ステップＳ１０５で、第２算出部１０４が、心電位より被測定者の運動負荷を求める。
　次に、ステップＳ２０１で、項目選択部１０８が、求められた運動負荷Ｌが閾値Ｌthより大きいか否かを判定する。運動負荷Ｌが閾値Ｌth以下の場合（ステップＳ２０１のｎｏ）、ステップＳ２０２で、項目選択部１０８は、訓練項目記憶部１０７よりメニュー１を選択し、表示部１０６に表示する。一方、運動負荷Ｌが閾値Ｌthより大きい場合（ステップＳ２０１のｙｅｓ）、ステップＳ２０３に進み、項目選択部１０８が、求められた活動量Ａが閾値Ａthより大きいか否かを判定する。活動量Ａが閾値Ａth以下の場合、（ステップＳ２０３のｎｏ）、ステップＳ２０２で、項目選択部１０８は、訓練項目記憶部１０７よりメニュー２を選択し、表示部１０６に表示する。一方、活動量Ａが閾値Ａthより大きい場合（ステップＳ２０３のｙｅｓ）、ステップＳ２０５に進み、項目選択部１０８は、リハビリが完了したことを通知する旨を表示部１０６に表示する。
　ところで、図２２に示すように、運動負荷と活動量との２次元グラフ（ａ）に加え、運動負荷の時間経過（ｂ）、活動量の時間経過（ｃ）を表示するようにしてもよい。これにより、患者は日常生活の動作と運動負荷、活動量と関連付けて把握することができ、実施している機能回復訓練にフィードバックすることができる。
　次に、助言の提示例について説明する。例えば、図２３に示すように、運動負荷および活動量の結果に加えてアドバイス（助言）を表示する。医師などによるアドバイスを助言記憶部１０９に記憶しておく。助言選択部１１０において、求められた運動負荷と活動量の結果を機械学習などのアルゴリズムを用い、助言記憶部１０９に記憶されている定型の文書としてのアドバイスを選択し、表示部１０６に表示するこれにより、患者に、実施している機能回復訓練の改善点を提示することができる。
　ところで、活動量は、式（１）、式（２）、式（３）、式（４）で算出される活動量の正の平方根を用いることもできる。式（４）で算出される被測定者の歩行から走行における活動量と予備酸素摂取量との関係を図２４に示す。また、式（４）で算出される被測定者の歩行から走行における活動量の正の平方根と、予備酸素摂取量との関係を図２５に示す。図２４では、プロットが２次関数的に非線形に分布しているのに対し、図２５では、直線的、すなわち線形に分布している。この傾向は、予備酸素摂取量の代わりに最大酸素摂取量を用いても同様である。また式（４）の代わりに式（１）、式（２）、式（３）を用いても同様の傾向が得られる。
　線形の関係性のほうが、酸素摂取量を予測するうえで直感的に扱いやすい、計算量が少ないといった利点があり、また、線形を仮定した解析、たとえば重回帰分析への応用が高信頼に実施可能となる。
　また、活動量は、物理測定部１０１が測定した３方向の加速度の和の時間変化のピーク周波数を用いることもできる。物理測定部１０１が測定した３方向の加速度の和を時間的に連続する１０２４点、すなわち２５Ｈｚのデータレートで４０．９６秒間の時間変化を高速フーリエ変換（ＦＦＴ）した結果を図２６に示す。３Ｈｚのところにピークがあるが、これから１秒間に３歩、すなわち１分間で１８０歩のピッチで走行していたことが分かる。このようなピークの周波数と予備酸素摂取量との関係を示したものが図２７であり、相関関係が得られていることが分かる。これは、歩行ピッチと酸素摂取量の関係性を示すものであり、歩行もしくは走行の具体的な容態とその容態における酸素摂取量が同時に把握可能となる。
［実施の形態４］
　次に、本発明の実施の形態４係る機能回復訓練支援システムについて図２８を参照して説明する。実施の形態４では、実施の形態３係る機能回復訓練支援システムにさらに酸素摂取量算出部１２１を備える。酸素摂取量算出部１２１は、活動量と酸素摂取量の分布から回帰式を作成し、作製した回帰式を用いて酸素摂取量を算出する。回帰式は、あらかじめ得た分布を用いて作成してもよいし、酸素摂取量算出部１２１に格納されている酸素摂取量と活動量から都度作成してもよい。
　あらかじめ得た分布を用いる場合について、図２４、図２５、図２７に示した分布を例として説明する。例えば、図２４に示した分布の回帰式は、予備酸素摂取量をＹ、活動量をＸとすると「Ｙ＝－０．９Ｘ2＋１．７９Ｘ＋０．１１」となる。また、図２５に示した分布の回帰式は、予備酸素摂取量をＹ、活動量をＸとすると「Ｙ＝１．１２Ｘ－０．０６」となる。また、図２７に示した分布の回帰式は、予備酸素摂取量をＹ、活動量をＸとすると「Ｙ＝０．４２Ｘ－０．２４」となる。酸素摂取量算出部１２１は、これら回帰式を実装することもできる。
　酸素摂取量は、本来は呼気から計測されるものであるが、呼気計測は被測定者の負担が大きいため、上述した回帰式を用いて活動量から簡便に推定することで、低負担で酸素摂取量が把握可能となる。
［実施の形態５］
　次に、本発明の実施の形態５に係る機能回復訓練支援システムについて図２９を参照して説明する。実施の形態５では、実施の形態４係る機能回復訓練支援システムにさらに被測定者情報記憶部１２２を備える。被測定者情報記憶部１２２は、被測定者の生年月日、年齢、性別、身長、体重、病歴、投薬履歴、入退院履歴、治療担当者、ＦＩＭ（Functional Independence Measure）、病室、利用ベッドを含む被測定者の履歴情報の少なくとも１つを格納する。こうした被測定者の履歴情報を格納する被測定者情報記憶部１２２を備えることで、被測定者の活動量や運動負荷の変化が、何によってもたらされたものであるかを関連付けて考えることができる。
　また、酸素摂取量算出部１２１は、第１算出部１０３が求めた活動量、第２算出部１０４が求めた生理的負荷、被測定者情報記憶部１２２に格納された被測定者の履歴情報の少なくとも１つより、最大酸素摂取量または予備酸素摂取量を求めることができる。
　図３０に、式（４）で算出された被測定者の歩行から走行における期間の加速度計測値に対し、式（４）で算出された値の正の平方根により求めた活動量と、％ＨＲＲおよび予備酸素摂取量との関係を示す。活動量と％ＨＲＲとは、ともに予備酸素摂取量と相関があることが分かる。こうした関係性を用いて前述した回帰式を作成してもよい。重回帰分析の式は、一般にＹ＝β0＋Σi=1βiｘi（ｉ＝１，２，３，…）であるが、予備酸素摂取量をＹ、運動負荷をｘ1、活動量の正の平方根をｘ2とすると、回帰式は重回帰分析を用いて「Ｙ＝０．３９ｘ1＋０．７１ｘ2－０．０７・・・（８）」となる。
　式（８）には、被測定者の履歴情報が含まれていないが、履歴情報を以降の項として用いた重回帰分析を行えば、履歴情報を含んだ回帰式を得ることができる。また、ｘ1の数が多い場合は、ステップワイズ変数選択法（非特許文献１参照）を用いて、Ｙとより関係性の強いｘ1のみを選抜して回帰式を作成してもよい。ステップワイズ変数選択法は、機械式に行えるので容易にシステムへの実装が可能である。
　以下の表１に、活動量の正の平方根を用いて得た予備酸素摂取量の回帰式の決定係数Ｒ2、％ＨＲＲを用いて得た予備酸素摂取量の回帰式の決定係数Ｒ2、活動量の正の平方根および％ＨＲＲの両者を重回帰分析を用いて得た予備酸素摂取量の回帰式の決定係数Ｒ2を示す。両者を用いた場合が最も良好な推定精度が得られていることがわかる。こうした多変量の回帰式を用いることで、正確な酸素摂取量の推定値を提供することができる。
Figure JPOXMLDOC01-appb-T000008
　多変量の回帰式には、重回帰分析の代わりに、ロジスティック回帰や、サポートベクトル回帰およびニューラルネットワークを用いることもできる。これらは、重回帰分析ではできない、非線形的な回帰が可能なため、より最適化された回帰を実施でき、高信頼な酸素摂取量の推定値を提供できる。
　また、多変量の回帰式には、各項に係数を乗じ、条件に応じて係数の値を切り替えることもできる。たとえば、「Ｙ＝β0＋ａβ1ｘ1＋ｂβ2ｘ2＝０．３９ａｘ1＋０．７１ｂｘ2－０．０７」といった係数ａ，ｂ（０≦ａ，ｂ≦１）を与え、条件に応じてこれら係数の値を切り替える。切り替えの例を図３１を用いて説明する。図３１は、活動量の正の平方根を横軸、％ＨＲＲを縦軸として健常者のこれらにおける関係を図示したものである。回帰線に対してデータ点が個人差や測定誤差によりばらついているが、９５％予測区間を算出することにより、統計的にばらつきがその範囲内に留まることを把握ができる。
　しかし、健常者とは異なり、患者の場合はこの９５％予測区間を超えた位置にデータが現れることがある。たとえば、頻脈を有する患者であれば、％ＨＲＲが高いために９５％予測区間を超えてしまう。一方で、過度の麻痺により歩行における体の揺れが大きい場合は、活動量の正の平方根が大きくなり、これも９５％予測区間を超えてしまう。これらの場合は、運動負荷か活動量のどちらかの項の値が異常値となるので、上記の回帰式を用いると異常値の項が信頼性の低下を招くために使用は適当ではない。
　一方、図３１において％ＨＲＲが高くて９５％予測区間を超える場合は、上の式においてａ＝０として寄与をなくすことで、異常値の項が信頼性の低下を招くことはなくなり、適切な推定が行える。同様に、活動量の正の平方根が高くて９５％予測区間を超える場合は、上の式においてｂ＝０として寄与をなくしてしまえば、異常値の項が信頼性の低下を招くことはなくなり、適切な推定が行える。データが９５％予測区間の中に入る場合は、ａ＝ｂ＝１とする。このように各項に係数を乗じ、条件に応じて係数の値を切り替えることで、疾病を有した人物であっても高信頼な酸素摂取量の推定値を提供できる。
　以上に説明したように、本発明によれば、被測定者において測定された物理的情報および生理的情報より求めた活動量および運動負荷に関するグラフを表示するようにしたので、機能回復訓練の成果が把握しやすくなる。
　上記機能回復訓練支援システムにおいて、物理測定部は角速度センサ（ジャイロセンサ）を用いてもよい。角速度センサは、上記θ、Φの代替となる角度を計測値として出力するので、より容易に活動量を取得できる利点がある。また、物理測定部はＧＰＳを用いても良い。ＧＰＳは位置情報を取得するため、その履歴から移動量を算出することができ、運動のモニタリングという観点で有効な運動量を提供することができる。
　また、生理測定部は筋電計を用いても良い。心電計で把握できるのは中枢系と抹消系を含めた身体全体の代謝であることに対して、筋電計を用いれば、局所的な筋電位を計測でき、解析を容易化する限定的な負荷情報を提供することができる。また、生理計測部には、呼吸計を用いてもよい。運動負荷が高まると一般に呼吸数が増えるために、呼吸計により心電計と類似の役割が期待でき、心拍数を呼吸数に代替できることが期待される。かつ、呼吸計はセンサが身体の皮膚表面に配置される必要が無いため、着脱が容易であるという利点がある。
　また生理計側部には、血圧計を用いてもよい。運動をすると酸素消費量が増えるため、心拍数と同様に血圧も上昇することから、血圧が心拍との代替を果たせる。疾病等の関係で血圧を常時測る場合などは、他センサを併用すると煩雑であることから、利用している血圧計で賄うことで利便性が確保できる。また生理計側部には、脈拍計を用いてもよい。脈拍を用いれば、心電位が計測しにくい腕や足や首などで計測が可能であり、より容易に計測ができる。
　なお、本発明は以上に説明した実施の形態に限定されるものではなく、本発明の技術的思想内で、当分野において通常の知識を有する者により、多くの変形および組み合わせが実施可能であることは明白である。
　１０１…物理測定部、１０２…生理測定部、１０３…第１算出部１０３、１０４…第２算出部１０４、１０５…グラフ生成部、１０６…表示部。

Claims (17)

  1. 　被測定者に装着されて前記被測定者の身体の静的または動的な状態を表す物理的情報を時系列に測定する物理測定部と、
    　前記被測定者の体内における生理的情報を時系列に測定する生理測定部と、
    　前記物理測定部が測定した物理的情報の変化から前記被測定者の活動量を求める第１算出部と、
    　前記生理測定部が測定した生理的情報の変化から前記被測定者にかかる生理的負荷を求める第２算出部と、
    　前記第１算出部が求めた活動量および前記第２算出部が求めた生理的負荷に関するグラフを生成するグラフ生成部と、
    　前記グラフ生成部が生成したグラフを前記被測定者が視認するための表示部と
    　を備えることを特徴とする機能回復訓練支援システム。
  2. 　請求項１記載の機能回復訓練支援システムにおいて、
    　前記物理測定部が測定する物理的情報は、加速度、角速度、位置座標の少なくとも１つであり、
    　前記生理測定部が測定する生理的情報は、心電位、心拍、脈拍、筋電位、呼吸の少なくとも１つである
    　ことを特徴とする機能回復訓練支援システム。
  3. 　請求項１または２記載の機能回復訓練支援システムにおいて、
    　前記物理測定部は、加速度を時系列に測定する加速度測定部であり、
    　前記生理測定部は、前記被測定者の心電位を測定する心電測定部であり、
    　前記第２算出部は、生理的負荷として運動負荷を求めることを特徴とする機能回復訓練支援システム。
  4. 　請求項３記載の機能回復訓練支援システムにおいて、
    　前記第２算出部は、測定された心拍数÷前記被測定者の最大心拍数、または、（測定された心拍数－前記被測定者の安静時心拍数）÷（前記被測定者の最大心拍数－安静時心拍数）、またはこれらを任意の期間累積した値、またはこれらの任意の期間における平均値または中央値により運動負荷を求めることを特徴とする機能回復訓練支援システム。
  5. 　請求項３または４記載の機能回復訓練支援システムにおいて、
    　前記加速度測定部は、互いに直交するＸＹＺ軸の３方向の加速度を測定し、
    　前記第１算出部は、測定された３方向の加速度の和の積分値、測定された３方向の加速度の和の時間変化の差を２乗した値の積分値、測定された３方向の加速度の和の時間変化の差の絶対値の積分値、測定された３方向の加速度の和の時間変化の移動標準偏差のいずれかにより活動量を求める
    　ことを特徴とする機能回復訓練支援システム。
  6. 　請求項５記載の機能回復訓練支援システムにおいて、
    　前記第１算出部は、測定された３方向の加速度の和の積分値、測定された３方向の加速度の和の時間変化の差を２乗した値の積分値、測定された３方向の加速度の和の時間変化の差の絶対値の積分値、測定された３方向の加速度の和の時間変化の移動標準偏差のいずれかの正の平方根をとることにより活動量を求める
    　ことを特徴とする機能回復訓練支援システム。
  7. 　請求項３または４記載の機能回復訓練支援システムにおいて、
    　前記加速度測定部は、互いに直交するＸＹＺ軸の３方向の加速度を測定し、
    　前記第１算出部は、測定された加速度より前記被測定者の上体の傾斜の角度を求め、求めた傾斜の角度より決定される前記被測定者の姿勢を活動量として求める
    　ことを特徴とする機能回復訓練支援システム。
  8. 　請求項３または４記載の機能回復訓練支援システムにおいて、
    　前記加速度測定部は、互いに直交するＸＹＺ軸の３方向の加速度を測定し、
    　前記第１算出部は、測定された３方向の加速度の和の時間変化のピーク周波数をとることにより活動量を求めること
    　を特徴とする機能回復訓練支援システム。
  9. 　請求項３～８のいずれか１項に記載の機能回復訓練支援システムにおいて、
    　前記第２算出部は、求めた運動負荷を前記第１算出部が求めた活動量で除した追加処理値を求め、
    　前記グラフ生成部は、前記第１算出部が求めた活動量の変化を第１パラメータ、前記第２算出部が求めた追加処理値の変化を第２パラメータとして、前記第１パラメータと前記第２パラメータとを２次元のグラフとする
    　ことを特徴とする機能回復訓練支援システム。
  10. 　請求項３～８のいずれか１項に記載の機能回復訓練支援システムにおいて、
    　前記第２算出部は、求めた運動負荷を前記第１算出部が求めた活動量で除した追加処理値を求め、
    　前記グラフ生成部は、前記第２算出部によって算出された追加処理値を時系列に示すグラフを生成する
    　ことを特徴とする機能回復訓練支援システム。
  11. 　請求項１～１０のいずれか１項に記載の機能回復訓練支援システムにおいて、
    　前記グラフ生成部は、前記第１算出部が求めた活動量の変化を第１パラメータ、前記第２算出部が求めた生理的負荷の変化を第２パラメータとして、前記第１パラメータと前記第２パラメータとを２次元のグラフとする
    　ことを特徴とする機能回復訓練支援システム。
  12. 　請求項１～１１のいずれか１項に記載の機能回復訓練支援システムにおいて、
    　機能回復訓練に関する複数の項目が活動量および生理的負荷に関連付けられて記憶された訓練項目記憶部と、
    　前記第１算出部が求めた活動量、および前記第２算出部が求めた生理的負荷を元に前記訓練項目記憶部に記憶されているいずれかの項目を選択する項目選択部と
    　を備え、
    　前記表示部は、前記項目選択部が選択した項目を前記グラフ生成部が生成したグラフとともに表示する
    　ことを特徴とする機能回復訓練支援システム。
  13. 　請求項１～１２のいずれか１項に記載の機能回復訓練支援システムにおいて、
    　機能回復訓練に関する複数の助言が活動量および生理的負荷に関連付けられて記憶された助言記憶部と、
    　前記第１算出部が求めた活動量、および前記第２算出部が求めた生理的負荷を元に前記助言記憶部に記憶されているいずれかの助言を選択する助言選択部と
     を備え、
    　前記表示部は、前記助言選択部が選択した助言を前記グラフ生成部が生成したグラフとともに表示する
    　ことを特徴とする機能回復訓練支援システム。
  14. 　請求項１～１３のいずれか１項に記載の機能回復訓練支援システムにおいて、
    　前記第１算出部が求めた活動量、前記第２算出部が求めた生理的負荷のいずれかにより最大酸素摂取量および予備酸素摂取量の少なくとも１つを求める酸素摂取量算出部をさらに備えることを特徴とする機能回復訓練支援システム。
  15. 　請求項１～１４のいずれか１項に記載の機能回復訓練支援システムにおいて、
    　前記被測定者の生年月日、年齢、性別、身長、体重、病歴、投薬履歴、入退院履歴、治療担当者、ＦＩＭ、病室、利用ベッドを含む前記被測定者の履歴情報の少なくとも１つを格納する被測定者情報記憶部を備えることを特徴とする機能回復訓練支援システム。
  16. 　請求項１５記載の機能回復訓練支援システムにおいて、
    　前記酸素摂取量算出部は、前記第１算出部が求めた活動量、前記第２算出部が求めた生理的負荷、前記被測定者情報記憶部に格納された前記被測定者の履歴情報の少なくとも１つより、前記最大酸素摂取量および前記予備酸素摂取量の少なくとも１つを求める
    　ことを特徴とする機能回復訓練支援システム。
  17. 　被測定者の身体の性的または動的な状態を表す物理的情報を測定する第１工程と、
    　前記被測定者の体内における生理的情報を測定する第２工程と、
    　測定された物理的情報より前記被測定者の活動量を求める第３工程と、
    　測定された生理的情報より前記被測定者にかかる生理的負荷を求める第４工程と、
    　前記第３工程で求めた活動量および前記第４工程で求めた生理的負荷に関するグラフを生成する第５工程と、
    　生成したグラフを前記被測定者に視認可能に表示する第６工程と
    　を備えることを特徴とする機能回復訓練支援方法。
PCT/JP2019/023853 2018-06-25 2019-06-17 機能回復訓練支援システムおよび方法 WO2020004102A1 (ja)

Priority Applications (2)

Application Number Priority Date Filing Date Title
US17/255,617 US20210217509A1 (en) 2018-06-25 2019-06-17 Rehabilitation Support System and Method
JP2020527408A JP7036211B2 (ja) 2018-06-25 2019-06-17 機能回復訓練支援システム

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
JP2018119729 2018-06-25
JP2018-119729 2018-06-25

Publications (1)

Publication Number Publication Date
WO2020004102A1 true WO2020004102A1 (ja) 2020-01-02

Family

ID=68986479

Family Applications (1)

Application Number Title Priority Date Filing Date
PCT/JP2019/023853 WO2020004102A1 (ja) 2018-06-25 2019-06-17 機能回復訓練支援システムおよび方法

Country Status (3)

Country Link
US (1) US20210217509A1 (ja)
JP (1) JP7036211B2 (ja)
WO (1) WO2020004102A1 (ja)

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2021246285A1 (ja) * 2020-06-01 2021-12-09 株式会社Arblet 情報処理システム、サーバ、情報処理方法及びプログラム
WO2024004099A1 (ja) * 2022-06-29 2024-01-04 日本電信電話株式会社 容態分析装置、および容態分析方法
WO2024009487A1 (ja) * 2022-07-08 2024-01-11 日本電信電話株式会社 推定装置、推定方法、およびプログラム

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2021033281A1 (ja) * 2019-08-21 2021-02-25 日本電気株式会社 情報処理方法

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2008262522A (ja) * 2007-04-11 2008-10-30 Aichi Micro Intelligent Corp 歩数計
JP2011193976A (ja) * 2010-03-18 2011-10-06 Nippon Koden Corp 目標心拍数到達時間予測装置および目標心拍数到達時間予測方法
JP2015132957A (ja) * 2014-01-10 2015-07-23 フクダ電子株式会社 リハビリテーション支援装置及びリハビリテーションレポート
JP2017006745A (ja) * 2016-10-17 2017-01-12 国立大学法人東北大学 健康情報処理装置、健康情報表示装置及び方法
JP2017148312A (ja) * 2016-02-25 2017-08-31 富士通株式会社 センサ情報処理装置、センサユニット、及び、センサ情報処理プログラム

Family Cites Families (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP4357503B2 (ja) * 2006-06-28 2009-11-04 株式会社東芝 生体情報計測装置、生体情報計測方法および生体情報計測プログラム
US20110245688A1 (en) * 2010-03-31 2011-10-06 General Electric Company System and method of performing electrocardiography with motion detection
JP5741964B2 (ja) * 2012-12-19 2015-07-01 カシオ計算機株式会社 センサデータ抽出システム、センサデータ抽出方法およびセンサデータ抽出プログラム
CN104840191A (zh) * 2015-04-30 2015-08-19 吴健康 测试心脏运动功能的设备、系统和方法
KR102457563B1 (ko) * 2015-11-24 2022-10-24 삼성전자주식회사 서비스 제공을 위한 웨어 시스템 및 방법

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2008262522A (ja) * 2007-04-11 2008-10-30 Aichi Micro Intelligent Corp 歩数計
JP2011193976A (ja) * 2010-03-18 2011-10-06 Nippon Koden Corp 目標心拍数到達時間予測装置および目標心拍数到達時間予測方法
JP2015132957A (ja) * 2014-01-10 2015-07-23 フクダ電子株式会社 リハビリテーション支援装置及びリハビリテーションレポート
JP2017148312A (ja) * 2016-02-25 2017-08-31 富士通株式会社 センサ情報処理装置、センサユニット、及び、センサ情報処理プログラム
JP2017006745A (ja) * 2016-10-17 2017-01-12 国立大学法人東北大学 健康情報処理装置、健康情報表示装置及び方法

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2021246285A1 (ja) * 2020-06-01 2021-12-09 株式会社Arblet 情報処理システム、サーバ、情報処理方法及びプログラム
JP2021190122A (ja) * 2020-06-01 2021-12-13 株式会社Arblet 情報処理システム、サーバ、情報処理方法及びプログラム
WO2024004099A1 (ja) * 2022-06-29 2024-01-04 日本電信電話株式会社 容態分析装置、および容態分析方法
WO2024009487A1 (ja) * 2022-07-08 2024-01-11 日本電信電話株式会社 推定装置、推定方法、およびプログラム

Also Published As

Publication number Publication date
US20210217509A1 (en) 2021-07-15
JPWO2020004102A1 (ja) 2021-02-15
JP7036211B2 (ja) 2022-03-15

Similar Documents

Publication Publication Date Title
WO2020004102A1 (ja) 機能回復訓練支援システムおよび方法
Radha et al. Estimating blood pressure trends and the nocturnal dip from photoplethysmography
Paalasmaa et al. Unobtrusive online monitoring of sleep at home
US10213153B2 (en) Wearable pain monitor using accelerometry
KR101656611B1 (ko) 무구속적으로 측정한 생체신호를 이용하여 산소탈포화지수를 획득하는 방법
JP6047346B2 (ja) 生体情報処理システム、ウェアラブル装置、サーバーシステム及びプログラム
CA2656062C (en) Automatic and ambulatory monitoring of congestive heart failure patients
US10856810B2 (en) Smart carpet systems and methods of using same for monitoring physical and physiological activities
EP3429456B1 (en) A method and apparatus for determining a baseline for one or more physiological characteristics of a subject
Liu et al. Breathsens: A continuous on-bed respiratory monitoring system with torso localization using an unobtrusive pressure sensing array
JP4754447B2 (ja) 生体解析装置及びプログラム
WO2017090732A1 (ja) 呼吸推定方法および装置
JP6692933B2 (ja) 活動状態解析装置および方法
CN112272534B (zh) 用于估计血压替代物趋势的方法和装置
Selvaraj et al. Fully disposable wireless patch sensor for continuous remote patient monitoring
Gaiduk et al. Estimation of sleep stages analyzing respiratory and movement signals
JP6450025B2 (ja) 呼吸推定方法および装置
JP2021122580A (ja) 体調評価方法、および、体調評価システム
US20230007922A1 (en) Method and System for Estimating Physiological Parameters Utilizing a Deep Neural Network to Build a Calibrated Parameter Model
Lakudzode et al. Review on human stress monitoring system using wearable sensors
Xu et al. Total health: Toward continuous personal monitoring
Kutilek et al. Methods of motion assessment of upper limb for rehabilitation application
JP7294449B2 (ja) 監視システム、監視方法、および監視プログラム
Sprowls et al. Integrated Sensing Systems for Monitoring Interrelated Physiological Parameters in Young and Aged Adults: A Pilot Study
CN110022758B (zh) 用于确定心力衰竭风险的确定系统

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: 19824700

Country of ref document: EP

Kind code of ref document: A1

ENP Entry into the national phase

Ref document number: 2020527408

Country of ref document: JP

Kind code of ref document: A

NENP Non-entry into the national phase

Ref country code: DE

122 Ep: pct application non-entry in european phase

Ref document number: 19824700

Country of ref document: EP

Kind code of ref document: A1