学习系统、复健辅助系统、方法、程序及学习完毕模型技术方案

本发明专利技术提供学习系统、复健辅助系统、方法、程序及学习完毕模型。学习系统的学习部生成如下学习模型。即，该学习模型是被输入关于训练者利用复健辅助系统执行了的复健锻炼的、每个规定期间的复健数据来用于对设定参数的变化进行预测的模型。该设定参数是训练者实施复健时的复健辅助系统中的设定参数。该复健数据至少包含表示训练者的症状、身体能力以及恢复度的至少一个的指标数据、表示训练者的特征的训练者数据、以及包括设定参数的训练数据。另外，学习部将指标数据达到规定的目标水平为止的数据作为教导数据来生成学习模型。

Learning system, rehabilitation assistant system, method, procedure and learning completion model

【技术实现步骤摘要】
学习系统、复健辅助系统、方法、程序及学习完毕模型
本公开涉及学习系统、复健辅助系统、方法、程序及学习完毕模型。
技术介绍
患者等训练者在进行复健锻炼(复健)时，有时利用步行训练装置等复健辅助系统。作为步行训练装置的例子，在日本专利第6052234号公报中公开了一种具备被佩戴于训练者的腿部来辅助训练者的步行的步行辅助装置的步行训练装置。在训练者进行复健时，根据复健辅助系统，有时医师、物理治疗师等训练工作人员进行陪同、向训练者搭话、出手帮助、以及该复健辅助系统的设定操作作为训练者的辅助。然而，为了获得良好的训练成果，需要训练工作人员对复健辅助系统的设定操作能够通过复健辅助系统对训练者实现恰当的辅助。另外，该设定操作的时机、即辅助的追加或者减除、辅助程度的变更的时机也对训练成果造成影响。因此，为了这样的设定操作，训练工作人员需要进行应该对训练者进行何种辅助的取舍选择的判断、恰当的辅助的程度、时机的判断。为了恰当地进行上述那样的设定操作等辅助，训练工作人员期望掌握训练者的症状、身体能力、恢复度等指标数据而在恰当的时期将恰当的设定参数变更为恰当的值。特别是若能够预测训练成果提高那样的变更，则能够进行更恰当的辅助。
技术实现思路
本公开为了解决这样的问题而完成的，提供生成在训练者利用复健辅助系统执行复健时能够预测训练成果提高那样的设定参数的变化的学习模型的学习系统等。本公开的第1方式所涉及的学习系统具备生成学习模型的学习部，该学习模型被输入关于训练者利用复健辅助系统执行了的复健锻炼的、至少包含表示上述训练者的症状、身体能力以及恢复度的至少一个的指标数据、表示上述训练者的特征的训练者数据、以及上述训练者实施复健锻炼时的包括上述复健辅助系统中的设定参数的训练数据的、每个规定期间的复健数据，用于对上述设定参数的变化进行预测，上述学习部将上述指标数据达到规定的目标水平为止的数据作为教导数据来生成上述学习模型。由此，能够生成可在训练者利用复健辅助系统执行复健时对训练成果提高那样的设定参数的变化进行预测的学习模型。上述训练数据还能够包括在复健锻炼实施中由上述复健辅助系统取得的数据。由此，能够以可对考虑了由复健辅助系统在复健锻炼实施中取得的数据的设定参数的变化进行预测的方式构建学习模型。上述学习系统能够构成为还具备提取部，该提取部从多个训练者的复健数据之中提取训练者在训练开始初期的指标数据所表示的状态为规定水平的训练者的复健数据，上述学习部将由上述提取部提取出的复健数据作为输入，来将上述学习模型生成为用于上述规定水平的训练者。由此，能够以对训练开始初期的指标数据为规定水平的训练者用的设定参数的变化进行预测的方式构建学习模型。上述提取部还能够提取训练者在训练开始初期的指标数据与上述训练者的指标数据处于规定水平的指标数据的组合为规定的组合的训练者的复健数据。由此，能够以对指标数据在训练开始初期和现阶段为规定的组合的训练者用的设定参数的变化进行预测的方式构建学习模型。上述学习模型能够是用于对上述指标数据朝向上述规定的目标水平那样的上述设定参数的变化模式进行预测的模型。由此，能够构建可输出设定参数的变化模式那样的学习模型。上述学习模型能够是按上述设定参数所表示的每个水平递归地反映相差一级的水平的运算结果的模型。由此，能够构建可输出设定参数的水平发生变化的时刻那样的学习模型。特别是，上述学习模型能够是具有RNN(RecurrentNeuralNetwork)的模型。由此，能够利用通用的算法构建学习模型。特别是，上述学习模型能够是具有LSTM(LongShort-TermMemory)区块的模型。由此，能够缓和具有RNN的模型中的梯度消失问题。本公开的第2方式所涉及的复健辅助系统是能够访问利用第1方式所涉及的学习系统学习而得到的学习模型亦即学习完毕模型的复健辅助系统，具备：预测部，向上述学习完毕模型输入开始训练或者训练实施中的训练者的、至少包含上述指标数据以及上述训练者数据的复健数据，来对上述设定参数的变化进行预测；和提示部，提示由上述预测部预测出的上述设定参数的变化。由此，在训练者利用复健辅助系统执行复健时，对此辅助的训练工作人员能够一边确认训练成果提高那样的设定参数变化的预测结果一边进行复健辅助。特别是，本公开的第2方式所涉及的复健辅助系统是能够访问利用具备上述提取部的第1方式所涉及的学习系统学习而得到的学习模型亦即学习完毕模型的复健辅助系统，能够还具备：指定部，指定上述训练者；预测部，向与由上述指定部指定的训练者的指标数据对应的学习完毕模型输入至少包含由上述指定部指定的训练者的上述训练者数据的复健数据，来对上述设定参数的变化进行预测；以及提示部，提示由上述预测部预测出的上述设定参数的变化。由此，在训练者利用复健辅助系统执行复健时，对此辅助的训练工作人员能够一边确认为了训练开始初期的指标数据为规定水平的训练者预测出的设定参数的变化一边进行复健辅助。本公开的第3方式所涉及的学习方法具有生成学习模型的学习步骤，该学习模型被输入关于训练者利用复健辅助系统执行了的复健锻炼的、至少包含表示上述训练者的症状、身体能力以及恢复度的至少一个的指标数据、表示上述训练者的特征的训练者数据、以及上述训练者实施复健锻炼时的包括上述复健辅助系统中的设定参数的训练数据的、每个规定期间的复健数据，用于对上述设定参数的变化进行预测，上述学习步骤将上述指标数据达到规定的目标水平为止的数据作为教导数据来生成上述学习模型。由此，在训练者利用复健辅助系统执行复健时，能够生成可预测训练成果提高那样的设定参数的变化的学习模型。本公开的第4方式所涉及的复健辅助方法(复健辅助系统的工作方法)是能够访问利用第3方式所涉及的学习方法学习而得到的学习模型亦即学习完毕模型的复健辅助系统中的复健辅助方法，具有：预测步骤，向上述学习完毕模型输入开始训练或者训练实施中的训练者的、至少包含上述指标数据以及上述训练者数据的复健数据，来对上述设定参数的变化进行预测；和提示步骤，提示在上述预测步骤中预测出的上述设定参数的变化。由此，在训练者利用复健辅助系统执行复健时，对此辅助的训练工作人员能够一边确认训练成果提高那样的设定参数变化的预测结果一边进行复健辅助。本公开的第5方式所涉及的程序用于使计算机执行生成学习模型的学习步骤，该学习模型被输入关于训练者利用复健辅助系统执行了的复健锻炼的、至少包含表示上述训练者的症状、身体能力以及恢复度的至少一个的指标数据、表示上述训练者的特征的训练者数据、以及上述训练者实施复健锻炼时的包括上述复健辅助系统中的设定参数的训练数据的、每个规定期间的复健数据，用于对上述设定参数的变化进行预测，上述学习步骤将上述指标数据达到规定的目标水平为止的数据作为教导数据来生成上述学习模型。由此，能够生成可在训练者利用复健辅助系统执行复健时对训练成果提高那样的设定参数的变化进行预测的学习模型。本公开的第6方式所涉及的复健辅助程序用于使能够访问利用第5方式所涉及的程序学习而得到的学习模型亦即学习本文档来自技高网...

【技术保护点】
1.一种学习系统，其中，/n具备生成学习模型的学习部，该学习模型被输入关于训练者利用复健辅助系统执行了的复健锻炼的、至少包含表示所述训练者的症状、身体能力以及恢复度的至少一个的指标数据、表示所述训练者的特征的训练者数据、以及所述训练者实施复健锻炼时的包括所述复健辅助系统中的设定参数的训练数据的、每个规定期间的复健数据，用于对所述设定参数的变化进行预测，/n所述学习部将所述指标数据达到规定的目标水平为止的数据作为教导数据来生成所述学习模型。/n

【技术特征摘要】
20190627 JP 2019-1202091.一种学习系统，其中，
具备生成学习模型的学习部，该学习模型被输入关于训练者利用复健辅助系统执行了的复健锻炼的、至少包含表示所述训练者的症状、身体能力以及恢复度的至少一个的指标数据、表示所述训练者的特征的训练者数据、以及所述训练者实施复健锻炼时的包括所述复健辅助系统中的设定参数的训练数据的、每个规定期间的复健数据，用于对所述设定参数的变化进行预测，
所述学习部将所述指标数据达到规定的目标水平为止的数据作为教导数据来生成所述学习模型。


2.根据权利要求1所述的学习系统，其中，
所述训练数据包括在复健锻炼实施中由所述复健辅助系统取得的数据。


3.根据权利要求1或2所述的学习系统，其中，
所述学习系统还具备提取部，该提取部从多个训练者的复健数据之中提取训练者在训练开始初期的指标数据所表示的状态为规定水平的训练者的复健数据，
所述学习部将由所述提取部提取出的复健数据作为输入来将所述学习模型生成为用于所述规定水平的训练者。


4.根据权利要求3所述的学习系统，其中，
所述提取部提取训练者在训练开始初期的指标数据与所述训练者的指标数据处于规定水平的指标数据的组合为规定的组合的训练者的复健数据。


5.根据权利要求1～4中任一项所述的学习系统，其中，
所述学习模型是用于对所述指标数据朝向所述规定的目标水平那样的所述设定参数的变化模式进行预测的模型。


6.根据权利要求1～4中任一项所述的学习系统，其中，
所述学习模型是按所述设定参数所表示的每个水平递归地反映相差一级的水平的运算结果的模型。


7.根据权利要求1～6中任一项所述的学习系统，其中，
所述学习模型是具有RNN即循环神经网络的模型。


8.根据权利要求7所述的学习系统，其中，
所述学习模型是具有LSTM区块即长短期记忆网络区块的模型。


9.一种计算机可读介质，其中，
所述计算机可读介质记录有学习完毕模型，该学习完毕模型是利用权利要求1～8中任一项所述的学习系统学习而得到的学习模型。


10.一种复健辅助系统，能够访问利用权利要求1～8中任一项所述的学习系统学习而得到的学习模型亦即学习完毕模型，其中，具备：
预测部，向所述学习完毕模型输入开始训练或者训练实施中的训练者的、至少包含所述指标数据以及所述训练者数据的复健数据，来对所述设定参数的变化进行预测；和
提示部，提示由所述预测部预测出的所述设定参数的变化。


11.一种复健辅助系统，能够访问利用权利要求3或4所述的学习系统学习而得到的学习模型亦即学习完毕模型，其中，具备：
指定部，...

【专利技术属性】
技术研发人员：大槻将久，中岛一诚，山本学，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