复健辅助系统、推断装置、学习装置、方法及存储介质制造方法及图纸

本发明专利技术涉及复健辅助系统、推断装置、学习装置、方法及存储介质。学习装置具备：数据取得部，构成为取得来自复健辅助装置的复健数据，复健辅助装置具备构成为辅助训练者的复健动作的促动器和构成为对与由促动器辅助的上述复健动作相关的数据进行检测的传感器；数据生成部，构成为生成包含表示与传感器的检测结果对应的检测数据的复健数据作为学习用数据；以及学习部，构成为通过使用学习用数据进行机器学习来生成学习模型，该学习模型将检测数据作为输入而输出表示训练者的动作能力的指标。

【技术实现步骤摘要】
复健辅助系统、推断装置、学习装置、方法及存储介质
本公开涉及复健辅助系统、推断装置、学习装置、方法以及存储介质。
技术介绍
公知有一种为了进行针对跌倒的规避行动而在对象人安装用于检测运动状态的多关节构造体来检测跌倒开始的技术。(例如参照日本特开2010-22439)。在患者(以下，称为训练者)进行复健锻炼的情况下，表示训练者的恢复度的指标有FIM(FunctionalIndependenceMeasure：功能的独立性评价表)。例如，针对腿瘫痪的患者的步行训练，使用平地步行FIM作为表示恢复度的指标。FIM根据帮助量而用1～7的7个阶段的值表示。并且，平地步行FIM表示训练者的步行能力、即动作能力。平地步行FIM(以下，简称为步行FIM)例如根据训练者在平地步行50m(此外，也存在步行距离为15m等的情况)时的帮助量来进行评价。即，通过评价训练者在平地步行50m时的帮助量来进行步行FIM的测定。然而，对于帮助量大的训练者，由于无法频繁地进行步行FIM的测定，所以存在无法恰当地评价动作能力这一问题点。例如，为了测定步行FIM，训练者必须在50m以上的平地移动。因此，在场所受限的医院等中，存在训练者难以移动至测定场所的情况。并且，在训练中，需要物理治疗师等训练工作人员时常进行帮助。因此，存在无法频繁地测定表示动作能力的指标、无法恰当地评价指标这一问题点。并且，为了评价平地步行时帮助者的帮助量，存在根据帮助者(训练工作人员)不同而导致步行FIM的打分不一致的担忧。
技术实现思路
本公开提供用于恰当地评价动作能力的学习装置、推断装置、复健辅助系统、方法以及存储介质。本专利技术的复健辅助系统所涉及的第一方式具备：促动器，构成为辅助训练者的复健动作；传感器，构成为对与由上述促动器辅助的上述复健动作相关的数据进行检测；以及存储介质，存储学习完毕模型，该学习完毕模型将与上述传感器中的检测结果对应的检测数据作为输入而输出对不使用上述促动器的情况下的上述训练者的动作能力进行表示的指标。上述的复健辅助系统可以是用于进行上述训练者的步行训练的步行训练系统，上述促动器用于辅助上述训练者的步行动作，上述指标是不使用上述促动器的情况下的上述训练者的步行能力的推断值。在上述的复健辅助系统中，上述传感器可以为了检测上述训练者的步行动作中的多个动作量而设置，在上述动作量的至少一个与预先决定的异常步行基准中的任一个一致的情况下，上述复健辅助系统评价为上述步行动作是异常步行，上述检测数据包含是否是上述异常步行的评价结果。在上述的复健辅助系统中，上述学习完毕模型可以将与上述促动器的设定相关的设定参数作为输入而输出上述指标。在上述的复健辅助系统中，上述学习完毕模型可以将与上述训练者相关的训练者数据作为输入而输出上述指标。在上述的复健辅助系统中，上述促动器可以辅助多个训练者的复健动作。可以根据与上述训练者相关的训练者数据将上述多个训练者分类成组，按每个上述组来设定不同的上述学习完毕模型。本专利技术的推断装置所涉及的第二方式是对利用复健辅助装置进行复健的训练者的动作能力进行推断的推断装置。上述推断装置具备：数据取得部，构成为取得与上述训练者的复健相关的复健数据；和推断部，构成为基于上述复健数据来推断上述动作能力，上述复健辅助装置具备：促动器，构成为辅助上述训练者的复健动作；和传感器，构成为对与由上述促动器辅助的上述复健动作相关的数据进行检测。上述复健数据包含与上述传感器中的检测结果对应的检测数据，在上述推断部中使用学习完毕模型，该学习完毕模型将上述检测数据作为输入而输出对不使用上述促动器的情况下的上述动作能力进行表示的指标。本专利技术的推断方法所涉及的第三方式是对利用复健辅助装置进行复健的训练者的动作能力进行推断的推断方法。上述推断方法具备如下步骤：取得与上述训练者的复健相关的复健数据；和基于上述复健数据来推断上述动作能力。上述复健辅助装置具备：促动器，构成为辅助上述训练者的复健动作；和传感器，对与由上述促动器辅助的上述复健动作相关的数据进行检测，上述复健数据包含与上述传感器中的检测结果对应的检测数据，在推断上述动作能力时使用学习完毕模型，该学习完毕模型将上述检测数据作为输入而输出对不使用上述促动器的情况下的上述动作能力进行表示的指标。本专利技术的存储介质所涉及的第四方式存储能够由一个或者多个处理器执行且使上述一个或者多个处理器执行上述的推断方法的命令。本专利技术的学习装置所涉及的第五方式具备：数据取得部，取得来自复健辅助装置的复健数据，该复健辅助装置具备构成为辅助训练者的复健动作的促动器、和构成为对与由上述促动器辅助的上述复健动作相关的数据进行检测的传感器；数据生成部，构成为生成包含表示上述训练者的动作能力的指标和与上述传感器中的检测结果对应的检测数据的复健数据作为学习用数据；以及学习部，构成为通过使用上述学习用数据进行机器学习来生成学习模型，该学习模型将上述检测数据作为输入而输出对不使用上述促动器的情况下的上述训练者的动作能力进行表示的指标。在上述的学习装置中，上述复健辅助装置可以是用于进行上述训练者的步行训练的步行训练装置，上述促动器用于辅助上述训练者的步行动作，上述复健数据包含不使用上述促动器的情况下的上述训练者的步行能力的实测值作为表示上述训练者的动作能力的指标，上述学习部将上述步行能力的实测值作为教导数据来进行学习。在上述的学习装置中，上述传感器可以为了检测上述训练者的步行动作中的多个动作量而设置，在上述动作量的至少一个与预先决定的异常步行基准中的任一个一致的情况下，上述复健辅助装置评价为上述步行动作是异常步行，上述复健数据包含是否是上述异常步行的评价结果作为上述检测数据。在上述的学习装置中，上述数据取得部可以取得与上述促动器的设定相关的设定参数作为上述复健数据，上述学习部生成将上述设定参数作为输入而输出上述指标的学习模型。在上述的学习装置中，上述学习部可以生成将与上述训练者相关的训练者数据作为输入而输出上述指标的学习模型。在上述的学习装置中，上述促动器可以辅助多个训练者的复健动作。可以根据与上述训练者相关的训练者数据将上述多个训练者分类成组，上述学习部按每个上述组生成不同的上述学习模型。本专利技术的存储介质所涉及的第六方式是存储学习完毕模型的存储介质，该学习完毕模型能够由一个或者多个处理器执行且用于使上述一个或者多个处理器以基于由复健辅助装置取得的评价用复健数据来推断上述训练者的动作能力的方式发挥功能，上述学习完毕模型是由上述的学习装置生成的学习模型。在上述的学习完毕模型中，可以将上述检测数据与上述指标建立关联而学习。本专利技术的学习方法所涉及的第七方式具备如下步骤：取得来自复健辅助装置的复健数据，该复健辅助装置具备构成为辅助训练者的复健动作的促动器、和构成为检测与由上述促动器辅助的上述复健动作相关的数据的传感器；生成包含表示上述训练者的动作能力的指标和与上述传感器中的检测结果对应的检测数据的复健数据作为学习用数据；以及通过使用上述本文档来自技高网...

【技术保护点】
1.一种复健辅助系统，其特征在于，包括：/n促动器，构成为辅助训练者的复健动作；/n传感器，构成为对与由所述促动器辅助的所述复健动作相关的数据进行检测；以及/n存储介质，存储学习完毕模型，该学习完毕模型将与所述传感器中的检测结果对应的检测数据作为输入而输出对不使用所述促动器的情况下的所述训练者的动作能力进行表示的指标。/n

【技术特征摘要】
20190627 JP 2019-1199471.一种复健辅助系统，其特征在于，包括：
促动器，构成为辅助训练者的复健动作；
传感器，构成为对与由所述促动器辅助的所述复健动作相关的数据进行检测；以及
存储介质，存储学习完毕模型，该学习完毕模型将与所述传感器中的检测结果对应的检测数据作为输入而输出对不使用所述促动器的情况下的所述训练者的动作能力进行表示的指标。


2.根据权利要求1所述的复健辅助系统，其特征在于，
所述复健辅助系统是用于进行所述训练者的步行训练的步行训练系统，
所述促动器用于辅助所述训练者的步行动作，
所述指标是不使用所述促动器的情况下的所述训练者的步行能力的推断值。


3.根据权利要求2所述的复健辅助系统，其特征在于，
所述传感器为了检测所述训练者的步行动作中的多个动作量而设置，
在所述动作量的至少一个与预先决定的异常步行基准中的任一个一致的情况下，所述复健辅助系统评价为所述步行动作是异常步行，
所述检测数据包含是否是所述异常步行的评价结果。


4.根据权利要求1～3中任一项所述的复健辅助系统，其特征在于，
所述学习完毕模型将与所述促动器的设定相关的设定参数作为输入而输出所述指标。


5.根据权利要求1～4中任一项所述的复健辅助系统，其特征在于，
所述学习完毕模型将与所述训练者相关的训练者数据作为输入而输出所述指标。


6.根据权利要求1～5中任一项所述的复健辅助系统，其特征在于，
所述促动器辅助多个训练者的复健动作，
根据与所述训练者相关的训练者数据将所述多个训练者分类成组，按每个所述组来设定不同的所述学习完毕模型。


7.一种推断装置，对利用复健辅助装置进行复健的训练者的动作能力进行推断，其特征在于，包括：
数据取得部，构成为取得与所述训练者的复健相关的复健数据；和
推断部，构成为基于所述复健数据来推断所述动作能力，
所述复健辅助装置具备：
促动器，构成为辅助所述训练者的复健动作；和
传感器，构成为对与由所述促动器辅助的所述复健动作相关的数据进行检测，
所述复健数据包含与所述传感器中的检测结果对应的检测数据，
在所述推断部中使用学习完毕模型，该学习完毕模型将所述检测数据作为输入而输出对不使用所述促动器的情况下的所述动作能力进行表示的指标。


8.一种推断方法，对利用复健辅助装置进行复健的训练者的动作能力进行推断，其特征在于，具备如下步骤：
取得与所述训练者的复健相关的复健数据；和
基于所述复健数据来推断所述动作能力，
所述复健辅助装置具备：
促动器，构成为辅助所述训练者的复健动作；和
传感器，构成为对与由所述促动器辅助的所述复健动作相关的数据进行检测，
所述复健数据包含与所述传感器中的检测结果对应的检测数据，
在推断所述动作能力时使用学习完毕模型，该学习完毕模型将所述检测数据作为输入而输出对不使用所述促动器的情况下的所述动作能力进行表示的指标。


9.一种非暂时性存储介质，其特征在于，
存储能够由一个或者多个处理器执行且使所述一个或者多个处理器执行权利要求8所述的推断方法的命令。


10.一种学习装置，其特征在于，包括：
数据取得部，构成为取得来自复健辅助装置的复健数据，该复健辅助装置具备构成为辅助训练者的复健动作的促动器、和构成为对与由所述促动器辅助的所述复健动作相关的数据进行检测的传感器；
数据生成部，构成为生成包含表示所...

【专利技术属性】
技术研发人员：大槻将久，中岛一诚，太场裕昌，小林诚，今井田昌幸，
申请(专利权)人：丰田自动车株式会社，
类型：发明
国别省市：日本;JP