具体实施方式

如上所述，根据本发明人们的研究，得知不同的重病度的患者分别有最佳的任务。由此，在实施例中说明的实施方式的一个例子是进行决定包括人的手指运动任务的多个任务的执行顺序的信息处理的任务执行顺序决定系统，其特征在于具有以下所示的结构。

即，一个实施方式的任务执行顺序决定系统进行决定手指运动任务的执行顺序的信息处理，该任务执行顺序决定系统具备：评价精度数据库存储功能，存储在多个手指运动任务中根据被试验者群组的手指运动数据计算出的特征量中的、针对对所述被试验者群组预先提供的重病度分数利用预定阈值分割的2个群组的分布的判别精度、或者将所述重病度分数在预定的范围推测的推测精度的数据库；最佳重病度分数选择功能，从所述数据库中，在各任务中选择判别精度或者推测精度为最大或者为预定以上的最佳重病度分数；任务执行功能，参照多个任务的所述最佳重病度分数，选择任务并执行；以及结果提示功能，使用通过选择的任务得到的特征量，提示判别结果或者推测结果。

以下，根据附图，详细说明本发明的实施方式。此外，在用于说明实施方式的全部附图中，对同一部分原则上附加同一符号，省略其反复的说明。但是，本发明不应限定地解释为以下所示的实施方式的记载内容。只要是本领域技术人员，就能够容易地理解能够在不脱离本发明的思想至要旨的范围内变更其具体的结构。

本说明书等中的“第1”、“第2”、“第3”等的记载是为了识别构成要素而附加的，并不一定限定数量或者顺序。另外，按照文字段落使用用于识别构成要素的编号，在一个文字段落中使用的编号在其他文字段落中并不一定限于表示同一结构。另外，并不妨碍用某个编号识别的构成要素兼具用其他编号识别的构成要素的功能。

在附图等中示出的各结构的位置、大小、形状、范围等有时为了使发明易于理解未表示实际的位置、大小、形状、范围等。因此，本发明并不一定限定于在附图等中公开的位置、大小、形状、范围等。

实施例1

使用图1～图19，说明本发明的实施例1(实施方式1)的任务执行顺序决定系统。实施方式1的任务执行顺序决定系统为了评价被试验者的运动机能或者认知机能，生成使多个手指运动的任务执行的合适的顺序。该任务执行顺序是指如从擅长运动机能、认知机能的降低为重度的被试验者的评价的任务起、擅长该降低为中度的被试验者的评价的任务、擅长该降低为轻度的被试验者的评价的任务…那样将预先提供的任务重排而得到的顺序。

即，对运动机能、认知机能的降低为重度的被试验者通过1～2个少的任务提示评价结果。另一方面，对运动机能、认知机能的降低为轻度的被试验者在测量多个任务之后显示评价结果。这样，实施方式1的任务执行顺序决定系统能够同时实现评价结果的精度提高以及被试验者的测量负荷减轻这样的二个优点。

[1-1.系统(1)]

图1示出包括实施方式1的任务执行顺序决定系统的手指运动评价系统的结构。在实施方式1中，在设施内具有手指运动评价系统。手指运动评价系统具有构成任务执行顺序决定系统的生成装置1和作为磁传感器型手指点击运动评价装置的评价装置2，它们经由通信线连接。评价装置2具有测量装置3和终端装置4，它们经由通信线连接。评价装置2也可以在设施内同样地设置有多个。

评价装置2是使用磁传感器型的运动传感器测量手指运动的类型的装置以及系统。对测量装置3连接运动传感器。被试验者的手指佩戴有该运动传感器。测量装置3经由运动传感器测量手指运动，得到包括时间序列的波形信号的测量数据。

终端装置4在显示画面上显示用于支援由测量者实施的被试验者的认知/运动机能的评价的各种信息，受理由测量者实施的指示输入。在实施方式1中，终端装置4是个人计算机(PC)。

在生成装置1中，作为基于信息处理的服务，具有决定手指运动的任务的顺序的功能。在生成装置1中，作为该功能，具有任务测量、认知/运动机能等解析评价、任务执行顺序自动生成等。

在生成装置1中，作为来自评价装置2的输入数据，例如输入指示输入、任务测量数据、测量数据等。在生成装置1中，作为向评价装置2的输出数据，例如输出任务、结果等。

实施方式1的任务执行顺序决定系统不限于医院等设施及其被试验者等，可广泛应用于一般的设施、人。测量装置3和终端装置4也可以构成为一体型的评价装置2。测量装置3和生成装置1也可以构成为一体型的装置。终端装置4和生成装置1也可以构成为一体型的装置。评价装置2和生成装置1也可以构成为一体型的装置。

[1-2.任务执行顺序决定系统]

图2示出实施方式1的生成装置1的结构。生成装置1具有控制部101、存储部102、输入部103、输出部104、通信部105等，它们经由总线连接。作为生成装置1的硬件，例如能够使用服务器等计算机。输入部103是由生成装置1的管理者等进行指示输入的部分。输出部104是进行针对生成装置1的管理者等的画面显示等的部分。通信部105具有通信接口，是进行与测量装置3以及终端装置4的通信处理的部分。

控制部101控制生成装置1的整体，由CPU、ROM、RAM等构成，实现根据软件程序处理进行任务执行顺序决定处理等的数据处理部。控制部101的数据处理部具有被试验者信息管理部11、任务执行顺序决定部12、解析评价部13、结果输出部14。控制部101实现从测量装置3输入测量数据的功能、处理并解析测量数据的功能、向测量装置3、终端装置4输出控制指示的功能、向终端装置4输出显示用的数据的功能等。

如上所述，在本实施例中，计算、控制等功能通过由CPU执行储存于ROM、RAM或者存储部的软件程序，与其他硬件协作而实现规定的处理。有时将计算机等执行的程序、其功能或者实现其功能的单元称为“功能”、“单元”、“部”、“部件”、“模块”等。在本实施例中，为便于说明，有时将这些词语作为主语来说明各处理。另外，在本实施例中，与由软件构成的功能等同的功能还能够用FPGA的(Field Programmable Gate Array，现场可编程门阵列)、ASIC(Application Specific Integrated Circuit，专用集成电路)等硬件实现。

被试验者信息管理部11进行将由测量者输入的被试验者信息登记到DB40的被试验者信息41而管理的处理、在被试验者开始服务的利用时确认DB40的被试验者信息41的处理等。被试验者信息41包括每个被试验者个人的属性值、利用历史信息、被试验者设定信息等。属性值有性别、年龄等。利用历史信息是管理测量者利用本系统提供的服务的历史的信息。测量者设定信息是关于本服务的功能由测量者设定的设定信息。

任务执行顺序决定部12是进行决定任务的执行顺序的处理的部分。任务执行顺序决定部12根据DB40的多个任务数据42A向终端装置4的画面输出任务。另外，任务执行顺序决定部12取得由测量装置3测量出的任务测量数据，作为任务测量数据42B储存到DB40。

解析评价部13是根据被试验者的任务测量数据42B进行与被试验者的认知机能、运动机能有关的解析以及评价处理的部分。解析评价部13进行根据任务测量数据42B抽出运动的性质、特征量的处理以及根据特征量等计算运动机能等预定的指标项目的评价值的处理等。解析评价部13将作为解析评价处理的结果的解析评价数据43储存到DB40。

作为储存于存储部102的DB40的数据、信息，具有被试验者信息41、任务数据42A、任务测量数据42B、解析评价数据43、任务执行顺序数据44、评价精度数据库45、被试验者群组任务数据库46、管理表50等。控制部101在存储部102中保持管理表50并管理。管理者能够设定管理表50的内容。管理表50设定有特征量、指标项目、任务的种类等信息。

[1-3.测量装置]

图3示出实施方式1的测量装置3的结构。测量装置3具有运动传感器20、收纳部301、测量部302、通信部303等。收纳部301具有被连接运动传感器20的运动传感器接口部311、控制运动传感器20的运动传感器控制部312。测量部302经由运动传感器20以及收纳部301测量波形信号，输出为测量数据。测量部302包括得到任务测量数据的任务测量部321。通信部303具有通信接口，与生成装置1进行通信而将测量数据发送到生成装置1。运动传感器接口部311包括模拟数字变换电路，将由运动传感器20检测出的模拟波形信号通过采样变换为数字波形信号。该数字波形信号被输入到运动传感器控制部312。

此外，可以设为在测量装置3中将各测量数据保持于存储单元的方式，也可以设为在测量装置3中不保持各测量数据而仅在生成装置1中保持的方式。

[1-4.终端装置]

图4示出实施方式1的终端装置4的结构。终端装置4例如是PC，具有控制部401、存储部402、通信部403、输入设备404、显示设备405。在控制部401中，作为基于软件程序处理的控制处理，进行任务显示、结果显示、测量者指示输入受理等。存储部402储存从生成装置1得到的任务数据、结果数据等。通信部403具有通信接口，与生成装置1进行通信而从生成装置1接收各种数据，向生成装置1发送测量者指示输入信息等。输入设备404有键盘、鼠标等。显示设备405在显示画面406中显示各种信息。此外，也可以将显示设备405作为触摸面板。

[1-5.手指、运动传感器、手指点击运动测量]

图5示出被试验者的手指佩戴有作为运动传感器20的磁传感器的状态。运动传感器20具有经由与测量装置3连接的信号线23成对的线圈部即发送线圈部21和接收线圈部22。发送线圈部21发生磁场，接收线圈部22检测该磁场。在图5的例子中，在被试验者的右手，在拇指的指甲附近佩戴有发送线圈部21，在食指的指甲附近佩戴有接收线圈部22。佩戴的手指能够变更为其他手指。佩戴的部位可不限于指甲附近。

如图5那样，设为被试验者的对象手指例如左手的拇指和食指这二指佩戴有运动传感器20的状态。被试验者在该状态下进行二指的开闭的反复的运动即手指点击。在手指点击中，进行在将二指闭合的状态即二指的指尖接触的状态与将二指分开的状态即分开二指的指尖的状态之间转移的运动。与该运动相伴地，与二指的指尖之间的距离对应的发送线圈部21和接收线圈部22的线圈部之间的距离变化。测量装置3测量运动传感器20的发送线圈部21与接收线圈部22之间的磁场变化所对应的波形信号。

手指点击运动详细而言包括以下的各种运动。该运动例如可以举出单手自由活动、单手节拍、双手同时自由活动、双手交替自由活动、双手同时节拍、双手交替节拍等。单手自由活动是指，用单手的二指尽可能快地进行若干次手指点击。单手节拍是指，用单手的二指与一定速度的刺激匹配地进行手指点击。双手同时自由活动是指，用左手的二指和右手的二指在相同的定时进行手指点击。双手交替自由活动是指，用左手的二指和右手的二指以交替的定时进行手指点击。能够将上述单手自由活动等运动设定为任务。

[1-6.运动传感器控制部以及手指点击测量]

图6示出测量装置3的运动传感器控制部312等的详细结构例。在运动传感器20中，用D表示发送线圈部21与接收线圈部22之间的距离。运动传感器控制部312具有交流发生电路312a、电流发生用放大器电路312b、前置放大器电路312c、检波电路312d、LPF电路312e、相位调整电路312f、放大器电路312g、输出信号端子312h。对交流发生电路312a连接电流发生用放大器电路312b以及相位调整电路312f。对电流发生用放大器电路312b经由信号线23连接发送线圈部21。对前置放大器电路312c经由信号线23连接接收线圈部22。在前置放大器电路312c的后级，依次连接检波电路312d、LPF电路312e、放大器电路312g、输出信号端子312h。对相位调整电路312f连接检波电路312d。

交流发生电路312a生成预定的频率的交流电压信号。电流发生用放大器电路312b将交流电压信号变换为预定的频率的交流电流而输出到发送线圈部21。发送线圈部21通过交流电流发生磁场。该磁场使接收线圈部22发生感应电动势。接收线圈部22输出通过感应电动势发生的交流电流。该交流电流具有与在交流发生电路312a中发生的交流电压信号的预定的频率相同的频率。

前置放大器电路312c对检测到的交流电流进行放大。检波电路312d根据来自相位调整电路312f的参照信号312i对放大后的信号进行检波。相位调整电路312f调整来自交流发生电路312a的预定的频率或者2倍频率的交流电压信号的相位，输出为参照信号312i。LPF电路312e对检波后的信号进行频带限制而输出，放大器电路312g将该信号放大到预定的电压。然后，从输出信号端子312h输出与测量出的波形信号相当的输出信号。

作为输出信号的波形信号为具有表示二指的距离D的电压值的信号。距离D和电压值能够根据预定的计算式变换。该计算式还能够通过校准得到。在校准中，例如在被试验者用对象手的二指拿住预定长度的块的状态下进行测量。根据该测量值中的电压值和距离值的数据集，作为使误差最小的近似曲线而得到预定的计算式。另外，也可以通过校准掌握被试验者的手的大小并用于特征量的标准化等。在实施方式1中，作为运动传感器20使用上述磁传感器，使用与该磁传感器对应的测量单元。不限于此，能够应用加速度传感器、应变仪、高速照相机等其他检测单元以及测量单元。

[1-7.特征量]

图7示出特征量的波形信号的例子。图7的(a)示出二指的距离D的波形信号，(b)示出二指的速度的波形信号，(c)示出二指的加速度的波形信号。(b)的速度是通过(a)的距离的波形信号的时间微分得到的。(c)的加速度是通过(b)的速度的波形信号的时间微分得到的。解析评价部13从任务测量数据42B的波形信号，根据微分、积分等运算而得到如本例子的预定的特征量的波形信号。另外，解析评价部13从特征量得到基于预定的计算的值。

图7的(d)是对(a)进行放大而示出特征量的例子。示出手指点击的距离D的最大值Dmax、点击间隔TI等。横虚线表示整个测量时间中的距离D的平均值Dav。最大值Dmax表示整个测量时间中的距离D的最大值。点击间隔TI是与1次手指点击的周期TC对应的时间，特别地表示从极小点Pmin至下个极小点Pmin的时间。此外，示出距离D的1周期内的极大点Pmax、极小点Pmin、后述张开动作的时间T1、闭合动作的时间T2。

以下，进一步示出特征量的详细例。在实施方式1中，使用包括上述距离、速度、加速度以及以下的特征量参数值的多个特征量。此外，在其他实施方式中，可以仅使用这些多个特征量中的几个特征量，也可以使用其他特征量，对于特征量的定义的详细内容也不作限定。

图8示出管理表50中的特征量和指标项目的相关联的设定信息中的特征量[距离]的部分。该相关联的设定是一个例子，是可变更的。在图8的管理表50中，作为列，具有特征量分类、识别编号、特征量参数、指标项目。特征量分类具有[距离]、[速度]、[加速度]、[点击间隔]、[相位差]、[标记追踪]。例如，在特征量[距离]中，具有用识别编号(1)～(7)识别的多个特征量参数。特征量参数的括弧[]内表示单位。各特征量参数与预定的指标项目相关联。

(1)“距离的最大振幅”[mm]是距离的波形(图7的(a))中的振幅的最大值和最小值的差分。(1)、(4)、(6)、(7)的参数与指标项目F(追踪性)以及指标项目H(振幅控制)相关联。(2)“总移动距离”[mm]是1次测量的整个测量时间中的距离变化量的绝对值的总和。该参数与指标项目A的(运动量)相关联。(3)“距离的极大点的平均”[mm]是各周期的振幅的极大点的值的平均值。该参数与指标项目F(追踪性)相关联。(4)“距离的极大点的标准偏差”[mm]是与上述值有关的标准偏差。

(5)“距离的极大点的近似曲线的倾斜(衰减率)”[mm/秒]是近似振幅的极大点的曲线的倾斜。该参数主要表示测量时间中的疲劳所引起的振幅变化。该参数与指标项目B(持久性)相关联。(6)“距离的极大点的变动系数”是振幅的极大点的变动系数，单位是无量纲量(用[-]表示)。该参数是用平均值对标准偏差进行标准化而得到的值，因此能够排除手指的长度的个体差异。(7)“距离的局部性的极大点的标准偏差”[mm]是关于相邻的三个部位的振幅的极大点的标准偏差。该参数是用于评价局部性的短时间中的振幅的偏差的程度的参数。

以下，省略图示，说明各特征量参数。关于特征量[速度]，具有用以下的识别编号(8)～(22)表示的特征量参数。(8)“速度的最大振幅”[m/秒]是速度的波形(图7的(b))中的速度的最大值和最小值的差分。(8)～(10)的参数与指标项目F相关联。(9)“张开速度的极大点的平均”[m/秒]是与各手指点击波形的张开动作时的速度的最大值有关的平均值。张开动作是指使二指从闭合状态成为最大的张开状态的动作(图7的(d))。(10)“闭合速度的极大点的平均”[m/秒]是与闭合动作时的速度的最大值有关的平均值。闭合动作是指使二指从最大的张开状态成为闭合状态的动作。(11)“张开速度的极大点的标准偏差”[m/秒]是与上述张开动作时的速度的最大值有关的标准偏差。(12)“闭合速度的极大点的平均”[m/秒]是与上述闭合动作时的速度的最大值有关的标准偏差。(11)、(12)、(15)、(16)的参数与指标项目F以及指标项目H相关联。

(13)“能量平衡”[-]是张开动作中的速度的平方和与闭合动作中的速度的平方和的比率。(13)、(17)～(22)的参数与指标项目G相关联。(14)“总能量”[m²/秒²]是整个测量时间中的速度的平方和。该参数与指标项目A相关联。(15)“张开速度的极大点的变动系数”[-]是与张开动作时的速度的最大值有关的变动系数，是用平均值对标准偏差进行标准化而得到的值。(16)“闭合速度的极大点的平均”[m/秒]是与闭合动作时的速度的最小值有关的变动系数。

(17)“抖动次数”[-]是从速度的波形的正负变化的来回次数减去大的开闭的手指点击的次数而得到的数。(18)“张开速度峰值时的距离比率的平均”[-]是与张开动作中的速度的最大值时的距离有关的、在将手指点击的振幅设为1.0的情况下的比率所涉及的平均值。(19)“闭合速度峰值时的距离比率的平均”[-]是与闭合动作中的速度的最小值时的距离有关的同样的比率所涉及的平均值。(20)“速度峰值时的距离比率之比”[-]是(18)的值与(19)的值之比。(21)“张开速度峰值时的距离比率的标准偏差”[-]是与张开动作中的速度的最大值时的距离有关的、在将手指点击的振幅设为1.0的情况下的比率所涉及的标准偏差。(22)“闭合速度峰值时的距离比率的标准偏差”[-]是与闭合动作中的速度的最小值时的距离有关的同样的比率所涉及的标准偏差。

关于特征量[加速度]，具有用以下的识别编号(23)～(32)表示的特征量参数。(23)“加速度的最大振幅”[m/秒²]是加速度的波形(图7的(c))中的加速度的最大值和最小值的差分。(23)～(27)的参数与指标项目F相关联。(24)“张开加速度的极大点的平均”[m/秒²]是张开动作中的加速度的极大值的平均，是在手指点击的1个周期中出现的4种极值中的第1值。(25)“张开加速度的极小点的平均”[m/秒²]是张开动作中的加速度的极小值的平均，是4种极值中的第2值。(26)“闭合加速度的极大点的平均”[m/秒²]是闭合动作中的加速度的极大值的平均，是4种极值中的第3值。(27)“闭合加速度的极小点的平均”[m/秒²]是闭合动作中的加速度的极小值的平均，是4种极值中的第4值。

(28)“接触时间的平均”[秒]是二指的闭合状态下的接触时间的平均值。(28)～(32)的参数与指标项目G相关联。(29)“接触时间的标准偏差”[秒]是上述接触时间的标准偏差。(30)“接触时间的变动系数”[-]是上述接触时间的变动系数。(31)“加速度的零交叉数”[-]是在手指点击的1个周期中加速度的正负变化的平均次数。该值在理想上为2次。(32)“紧缩次数”[-]是从在手指点击的1个周期中加速度的正负变化的来回次数减去大的开闭的手指点击的次数而得到的值。

关于特征量[点击间隔]，具有用以下的识别编号(33)～(41)表示的特征量参数。(33)“点击次数”[-]是1次测量的整个测量时间中的手指点击的次数。(33)～(35)的参数与指标项目A相关联。(34)“点击间隔平均”[秒]是与距离的波形中的上述点击间隔(图7的(d))有关的平均值。(35)“点击频率”[Hz]是在对距离的波形进行了傅里叶变换的情况下频谱最大的频率。(36)“点击间隔标准偏差”[秒]是与点击间隔有关的标准偏差。(36)～(40)的参数与指标项目C以及指标项目I相关联。

(37)“点击间隔变动系数”[-]是与点击间隔有关的变动系数，是用平均值对标准偏差进行标准化而得到的值。(38)“点击间隔变动”[mm²]是对点击间隔进行了频谱分析的情况下的频率为0.2～2.0Hz的累计值。(39)“点击间隔分布的失真度”[-]是点击间隔的频度分布的失真度，表示频度分布与正态分布相比失真的程度。(40)“局部性的点击间隔的标准偏差”[秒]是与相邻的三个部位的点击间隔有关的标准偏差。(41)“点击间隔的近似曲线的倾斜(衰减率)”[-]是对点击间隔进行近似而得到的曲线的倾斜。该倾斜主要表示测量时间中的疲劳所引起的点击间隔的变化。该参数与指标项目B相关联。

关于特征量[相位差]，具有用以下的识别编号(42)～(45)表示的特征量参数。(42)“相位差的平均”[度]是双手的波形中的相位差的平均值。相位差是在将右手的手指点击的1个周期设为360度的情况下将相对右手的左手的手指点击的偏移表示为角度的指标值。将无偏移的情况设为0度。表示(42)、(43)的值越大则双手的偏移不稳定得越大。(42)～(45)的参数与指标项目D以及指标项目J相关联。(43)“相位差的标准偏差”[度]是与上述相位差有关的标准偏差。(44)“双手的类似度”[-]是在左手和右手的波形中应用了互相关函数的情况下表示时间偏移为0的情况下的相关的值。(45)“双手的类似度最大的时间偏移”[秒]是表示(44)的相关最大的时间偏移的值。

关于特征量[标记追踪]，具有用以下的识别编号(46)～(47)表示的特征量参数。(46)“从标记起的延迟时间的平均”[秒]是与针对用周期性的标记表示的时间的手指点击的延迟时间有关的平均值。标记与视觉刺激、听觉刺激、触觉刺激等刺激对应。该参数值以二指的闭合状态的时间点为基准。(46)以及(47)的参数与指标项目E相关联。(47)“从标记起的延迟时间的标准偏差”[秒]是与上述延迟时间有关的标准偏差。

[1-8.处理流程]

图9示出实施方式1的任务执行顺序决定系统中的主要由生成装置1以及评价装置2进行的处理整体的流程。图7具有步骤S1～S8。以下，按照步骤的顺序进行说明。

(S1)测量者操作评价装置2。终端装置4在显示画面上显示初始画面。测量者在初始画面中选择期望的操作项目。例如，选择用于进行手指运动的评价的操作项目。终端装置4将与该选择对应的指示输入信息发送到生成装置1。另外，测量者还能够在初始画面中输入性别、年龄等被试验者信息而登记。在该情况下，终端装置4将输入的被试验者信息发送到生成装置1。生成装置1的被试验者信息管理部11将该被试验者信息登记到被试验者信息41。

(S2)测量者从输入设备404输入被试验者的年龄、性别、此前的诊断信息等个人信息。

(S3)任务执行顺序决定部12读出表示手指运动任务的执行顺序的任务执行顺序数据44，储存到DB40。后面叙述任务执行顺序数据44的决定方法。根据评价精度数据库45计算任务执行顺序数据44，根据被试验者群组任务数据库46计算评价精度数据库45。每当被试验者群组任务数据库46被更新时，评价精度数据库45以及任务执行顺序数据44也被更新。

(S4)从任务执行顺序数据44选择使被试验者测量的任务。为了选择，也可以使用在S2中得到的被试验者的个人信息、在DB40中储存的过去的手指运动任务的评价结果。后面叙述该任务的选择方法。

(S5)生成装置1的任务执行顺序决定部12根据S1的指示输入信息以及任务数据42A，将针对被试验者的任务数据发送到终端装置4。该任务数据包括与手指运动有关的1种以上的任务的信息。终端装置4根据接收到的任务数据，在显示画面上显示手指运动的任务信息。被试验者依照显示画面的任务信息进行手指运动的任务。测量装置3测量该任务，作为任务测量数据发送到生成装置1。生成装置1将该任务测量数据储存到任务测量数据42B。

(S6)生成装置1的解析评价部13根据S2的任务测量数据42B，进行被试验者的运动机能等解析评价处理，制作被试验者的解析评价数据43，储存到DB40。解析评价部13通过解析评价处理，根据被试验者的任务测量数据42B的波形信号抽出特征量。特征量有后述距离、速度等。解析评价部13根据特征量计算表示运动机能等的指标项目的评价值。指标项目有后述运动量、持久性等。例如，解析评价部13针对每个指标项目，通过综合与该指标项目相关联的特征量的预定的计算，计算评价值。该计算的方式没有限定。

此外，作为简单的评价方式，也可以将预定的特征量直接用作评价值。另外，解析评价部13也可以根据被试验者的年龄等属性值校正抽出的特征量。另外，也可以将校正后的特征量用于评价。

(S7)生成装置1的结果输出部16根据S3的解析评价结果数据43，向终端装置4的显示画面输出解析评价结果信息。测量者以及被试验者能够在显示画面上确认表示自身的运动机能等的状态的解析评价结果信息。也可以设为省略步骤S4的方式。后面叙述结果显示方法。

(S8)测量者在希望测量更多的手指运动任务来得到高精度的评价结果的情况下，在终端装置4的显示画面中选择用于执行评价的操作项目。终端装置4将与该选择对应的指示输入信息发送到生成装置1。也可以设为省略步骤S5而自动地转移到测量接下来的手指运动任务的处理的方式。在S5中不测量接下来的手指运动任务的情况下，结束流程。

[1-9.任务执行顺序数据的决定方法]

在预先提供了多个任务时，在各任务中求出能够高精度地进行2群组判别或者重病度推测的重病度的范围。在该处理中，在各任务中需要多个被试验者的测量数据的数据库。

<1-9-1.2群组判别的情况>

说明通过任务进行2群组判别的情况。设为预先提供了单手自由活动、单手节拍、双手同时自由活动、双手交替自由活动这4种任务。准备以多个被试验者群组为对象测量各个任务而得到的数据库，储存到被试验者群组任务数据库46。另外，在同一被试验者群组中，也预先求出认知/运动机能评价的分数。该分数可以是医生、职能治疗师、物理治疗师等医疗从事人员目视评价的分数，也可以是用其他检查设备得到的分数。将这样的分数还称为重病度分数。在本实施例中，使用医生目视评价认知机能而计分的简易精神状态检查(以下称为MMSE)的分数。

MMSE的分数为0～30分的范围内的整数值。作为基准，在MMSE是28分以上时相当于健康，在24～27分时相当于作为认知症与健康之间的轻度认知障碍，在小于23分时相当于认知症。这样，在被试验者群组任务数据库46中，与各被试验者对应地储存MMSE的分数和从多种任务得到的测量结果、特征量。

考虑以MMSE的1分为刻度将整数的各分作为阈值N，使用手指点击数据将被试验者群组判别为小于N分和N分以上的2个群组。即，虽然能够将由专家提供的MMSE的分数作为参考利用MMSE的阈值N将被试验者群组判别为2个群组，但考虑使用上述手指点击的特征量p自动地高精度地进行该判别。作为p，可以选择上述47个中的一个特征量作为判别指标，也可以通过主分量分析、重回归分析、判别分析等统计方法根据多个特征量计算一个判别指标。在本实施例中，使用利用逐步变量选择法的重回归分析，根据多个特征量计算一个判别指标。用ROC曲线下的面积(AUC)评价判别该2个群组的精度。AUC是0～1的值，表示越接近1则判别精度越高。判别精度也可以用灵敏度、特异度、正判别率等AUC以外的指标评价。

如图10A的(a)和(b)所示，在各任务中，一边以1分为刻度改变MMSE的阈值，一边利用上述判别指标(或者特征量p)判别小于N分和N分以上的2个群组。图10A的(a)和(b)是关于某一个任务的数据，横轴是特征量，纵轴是针对特征量的数据的频度分布例如被试验者的采样数。在图10A的(a)中，作为例子，作为MMSE的阈值N＝27分，判别出小于MMSE27分的群组和MMSE27分以上的群组。即，在图10A的(a)中，将小于MMSE27分的群组和MMSE27分以上的群组概念性地表示为各个分布曲线。同样地，在图10A的(b)中，作为例子，作为MMSE的阈值N＝20分，判别出小于MMSE20分的群组和MMSE20分以上的群组。

这样，即使是相同的特征量，如果阈值N不同，则也有可能2个群组的划分方法不同而判别精度(AUC)不同。如果2个群组被明确地划分，则判别精度变高，如果2个群组重叠的部分大，则判别精度变低。在图10A的(a)中，判别精度AUC是0.9，在图10A的(b)中，判别精度AUC是0.6。其表示，如果使用该任务的特征量p，则将被试验者群组用MMSE27分成2个群组的处理的精度高，将被试验者群组用MMSE20分成2个群组的处理的精度低。

根据图10B，说明这样一边使阈值N分按照每1分地偏移一边计算判别精度AUC来制作评价精度数据库45的处理的一个例子。

在处理S101中，参照被试验者群组任务数据库46。

在处理S102中，将在被试验者群组任务数据库46中储存的多种任务的数据中的处理中要参照的任务的任务编号(参照任务编号)设定为0。在该例子中，在被试验者群组任务数据库46中，以1以上的升序的整数值储存有用于确定任务的任务编号(ID)。

在处理S103中，对参照任务编号加上1。

在处理S104中，抽出与用参照任务编号确定的任务有关的被试验者的MMSE分数和特征量。在使用抽出的数据时，关于如图10A所示的某个任务，能够得到针对特征量p的被试验者的出现频度分布。

在处理S105中，将MMSE分数的阈值设定为0。

在处理S106中，对MMSE分数的阈值加上1。

在处理S107中，关于该任务，使用在处理S106中决定的MMSE分数的阈值，将被试验者的出现频度分布分割为2个群组。然后，计算使用特征量p的阈值判别出该2个群组的情况下的判别精度AUC。该处理的概念如在图10A中说明的那样。此外，后面叙述特征量p(或者判别指标)的阈值。

在处理S108中，将参照任务编号(或者任务名称或者ID)、MMSE分数的阈值以及AUC的组的数据登记到评价精度数据库45。

在处理S109中，判定MMSE分数的阈值是否为29。如果小于29，则返回到处理S106。作为2分割的阈值有意义的是1～29的范围，所以将MMSE分数的阈值N在1～29分的范围内以1分为刻度进行变更，计算各阈值下的判别精度AUC。如果MMSE分数的阈值是29，则关于该任务已经应用了所有阈值，所以进入到处理S110。

在处理S110中，关于所有任务确认处理是否已经完成。如果未完成，则返回到处理S103，进行关于接下来的任务的处理。如果已经完成，则评价精度数据库45的生成或者更新完成，处理结束。

通过以上的处理，在评价精度数据库45中，在各任务中储存MMSE分数的阈值和与其对应的AUC的数据。因此，能够根据该数据，在各任务中求出AUC最大的MMSE分数的阈值Nmax。期待被试验者数越多则评价精度数据库45为越妥当的内容，所以最好评价精度数据库45伴随被试验者群组任务数据库46的更新而更新。

图10C是通过图10B的处理得到的评价精度数据库45的一部分，是表示单手节拍的评价精度的数据。在评价精度数据库45中，除此以外还储存关于其他任务的数据，但由于结构相同，所以省略。

在评价精度数据库45中，针对MMSE分数的阈值N，储存有利用判别指标对利用该阈值N分割出的2个群组进行判别的判别指标的阈值Y_th1～Y_th29。关于阈值Y_th1～Y_th29，如图10A所示，通过一般的方法预先确定利用判别指标(或者特征量p)判别2个群组的情况的阈值。例如，有如下方法：如图10A的(c)所示，将纵轴作为灵敏度(正确地判别出MMSEN分以上的群组的比值)，将横轴作为1-特异度(正确地判别出小于MMSEN分的群组的比值)，描绘受试者工作特征曲线(以下称为ROC曲线)，选择与左上的点(图中的白点.理想的判别精度)直线距离最近的点(图中的黑点)处的阈值。另外，有在用具有2个山峰的直方图表现2个群组的频度分布的情况下将直方图的谷的底值选择为阈值的方法。或者，有在将频度分布用某个阈值分割为2个群时将群组间分散最大的值作为阈值的方法。如图10A所示，用于判别用MMSE不同的阈值分割出的2个群组的判别指标的阈值Y_th根据MMSE的阈值如Y_tha、Y_thb那样而不同。因此，图10C的阈值Y_th1～Y_th29也与MMSE的阈值1～29对应。

另外，在评价精度数据库45中，储存有利用评价指标的阈值判别出利用MMSE不同的阈值判别出的2个群组的情况下的判别精度AUC。在图10C的例子中，可知在MMSE的阈值27的情况下判别精度AUC最大。判别精度也可以用AUC以外的指标例如灵敏度、特异度等评价。在AUC中，使阈值从直方图的最小值移动至最大值，从而为了综合地评价所有阈值中的判别精度，无需上述阈值Y_th1～Y_th29而在灵敏度、特异度中使用上述阈值Y_th1～Y_th29计算判别精度。

图10D是根据评价精度数据库45生成的2群组判别中的任务执行顺序数据44A的一个例子，示出与各任务名(或者也可以是任务ID等)对应地AUC最大的阈值Nmax。在此示出的阈值Nmax是在各任务中精度最高且能够判别2个群组的MMSE。各任务的种类例如能够用名称、ID识别。根据图10D，可知单手节拍擅长以作为健康和轻度认知障碍的分界线的27分为边界的2群组判别。另外，可知双手交替自由活动擅长以接近轻度认知障碍和认知症的分界线的22分为边界的2群组判别。双手同时自由活动和单手自由活动擅长以17分和15分为边界的2群组判别，所以可知非常擅长比重病的认知症患者轻的认知症患者的判别。这样，将在各任务中能够高精度地进行2群组判别的重病度分数称为最佳重病度分数。在本实施例中，最佳重病度分数在各任务中选择了精度最高的重病度分数，但也可以选择得到比预先确定的预定的判别精度高的判别精度的重病度分数。

以上，如图10D所示，在2群组判别中，能够从在重病患者中擅长2群组判别的任务至在轻病患者/健康者中擅长2群组判别的任务依次排列任务。将该列表储存到任务执行顺序数据44A。在任务执行顺序数据44A中，储存有用于根据从任务得到的特征量得到判别指标的数学式、处理方法。另外，此时还记录利用判别指标进行2群组判别时的阈值Y_th1A～Y_th4A以用于如后所述对新的被试验者应用2群组判别时。该阈值是与MMSE的阈值对应的判别指标的阈值，在图10C和图10D的例子中是与单手节拍的Nmax＝27对应的判别指标的阈值Y_th1A＝Y_th27。

另外，为了获知阈值的正负的哪侧是重病，还记录重病方向的正负。例如，在图10A的(a)(b)的例子中，判别指标的阈值的负侧是重病，但有时在阈值的前后MMSE的大小反转，所以需要识别重病方向的正负。

此外，在本实施例中，示出了在各任务中AUC最大的阈值Nmax的1分，但也可以用其他方法指定判别精度高的重病度的范围。例如，考虑将AUC是预定值以上的情况全部举出的情况等。另外，一边使N以1分为刻度偏移一边评价判别精度，但也可以以2分为刻度等更大的刻度进行评价。

<1-9-2.重病度推测的情况>

说明通过任务进行重病度分数的推测的情况。与2群组判别同样地提供多个任务，准备测量以多个被试验者群组为对象的各任务而得到的数据库，储存到被试验者群组任务数据库46。另外，在同一被试验者群组中评价认知/运动机能而得到的分数也预先求出。

考虑以MMSE的1分为刻度在重病度范围N～N+1内根据手指点击数据推测被试验者群组的MMSE的值。为了推测该MMSE，使用上述手指点击的特征量。也可以与2群组判别同样地，选择上述47个中的一个特征量而作为回归指标，还可以通过主分量分析、重回归分析等统计的方法根据多个特征量计算一个回归指标。使用线性回归分析、其他最佳化方法，将该回归指标和MMSE的关系拟合为直线或者曲线。此时拟合的数据并非使用N～N+1分的范围的数据，而是使用全部数据。仅在评价回归精度时，将N～N+1分的范围作为对象。

图11A是横轴为MMSE且纵轴为某个任务中的回归指标而将一个(一人)采样表示为一个黑点的图。如图11A所示，在各任务中考虑以MMSE的1分为刻度在重病度范围N～N+1内根据手指点击数据推测被试验者群组的MMSE的值。在该图中，在MMSE的值N＝20分的情况下，与回归直线或者回归曲线110的黑点的偏差大且推测的误差大，但在MMSE的值N＝27分的情况下，推测的误差小。这样，即使是相同的特征量，仍有可能在重病度范围不同时回归精度不同。

用均方误差评价表示该拟合的优劣的回归精度。均方误差越小则表示回归精度越高。回归精度也可以用赤池信息量基准(AIC)、贝叶斯信息量基准(BIC)等均方误差以外的指标评价。

在各任务中一边以1分为刻度变更MMSE的值一边利用上述回归指标推测N～N+1分的范围，计算作为此时的回归精度的均方误差。

通过以上的处理，能够根据被试验者群组任务数据库46生成评价精度数据库45。具体的处理与图10B所示的流程相同，但在重病度推测的情况下，处理S107置换为作为回归精度的均方误差的计算处理。另外，在处理S108中，代替AUC而将回归精度登记到评价精度数据库45。

图11B是示出在各任务中重病度分数推测中的均方误差最小、即回归精度最大的Nmax的示意图。在此，在各任务中能够在Nmax～Nmax+1的范围内精度最高地推测重病度分数。这样，将在各任务中能够高精度地推测重病度分数的推测的重病度分数称为最佳重病度分数。在本实施例中，最佳重病度分数在各任务中选择了精度最高的重病度分数，但也可以选择得到比预先确定的预定的回归精度高的回归精度的重病度分数。

以上，根据评价精度数据库45，如图11B所示，能够在重病度推测中从在重病患者中擅长重病度推测的任务至在轻病患者/健康者中擅长重病度推测的任务依次排列任务。将该列表储存到任务执行顺序数据44B。在本实施例中，在N～N+1分的范围内评价了回归精度，但也可以在N～N+2分等更宽的范围内评价。另外，一边使N以1分为刻度偏移一边评价回归精度，但也可以以2分为刻度等更大的刻度进行评价。与图10D同样地，在图11B的任务执行顺序数据44B中，也储存有用于根据从任务得到的特征量得到回归指标的数学式、处理方法。在上述处理中，还能够进行将Nmax的值作为阈值判别为小于Nmax和Nmax以上的2群组判别。因此，与2群组判别的情况同样地，记录判别阈值Y_th1B～Y_th4B。另外，也记录针对判别阈值Y_th1B～Y_th4B的重病方向的正负。

[1-10.任务的选择方法]

示出从任务执行顺序数据44选择使被试验者测量的任务的方法。任务执行顺序数据是指，如图10D以及图11B那样排列从擅长重病患者的评价的任务到擅长轻病患者的评价的任务而得到的列表。

[1-10-1.2群组判别的情况]

参照图12的流程图，示出选择任务的方法。图12示出使用图10D的任务执行顺序数据44A的情况下的任务的选择方法。

首先，在处理S121中，针对所有被试验者进行擅长最重病患者的评价的任务(单手自由活动)的测量。在此，计算该手指点击的测量数据的特征量，代入到在评价精度数据库45中储存的列表中记录的计算式，计算判别指标。

确认该被试验者的判别指标大于还是小于在评价精度数据库45中储存的列表中记录的预定阈值。在判别指标小于阈值且重病方向是-1的情况下或者判别指标大于阈值且重病方向是1的情况下，通过本任务中的筛选检查而判定为是重病患者。因此，在此检查结束。另一方面，在判别指标大于阈值且重病方向是-1的情况下或者判别指标小于阈值且重病方向是1的情况下，本任务中的筛选检查清除。因此，进入到接下来的任务。在图10D的例子中，单手自由活动的重病方向是1，所以在判别指标大于阈值的情况下，判定为小于MMSE15分的重病患者而检查结束，在判别指标小于阈值的情况下，作为MMSE15分以上而进入到接下来的任务。

作为处理S122的接下来的任务，进行擅长中度患者的评价的任务(双手同时自由活动)的测量。该任务虽然并非如单手自由活动那样，但是擅长接着接近重病的患者的评价的任务。之后的评价与单手自由活动相同。在判别指标小于阈值且重病方向是-1的情况下或者判别指标大于阈值且重病方向是1的情况下，通过本任务中的筛选检查而判定为是重病患者，在此判定结束。另一方面，在判别指标大于阈值且重病方向是-1的情况下或者判别指标小于阈值且重病方向是1的情况下，本任务中的筛选检查清除。因此，进入到作为接下来的处理S123的双手交替自由活动。

这样，将在任务执行顺序数据44A中记载的任务按照处理S123、S124依次执行，反复进行至通过判别指标结束判定。在直至最后未判定为重病这侧的情况下为健康群组。

[1-10-2.重病度推测的情况]

在重病度推测的情况下也与2群组判别同样地，重病患者以少的任务结束判定，轻病患者、健康者以更多的任务进行判定。

参照图13，示出基本的任务的选择方法。图13示出使用图11B的任务执行顺序数据44B的情况下的任务的选择方法。首先，在处理S131中，针对所有被试验者进行擅长最重病患者的评价的任务(单手自由活动)的测量。在此，计算该手指点击的测量数据的特征量，代入到在评价精度数据库45中储存的列表中记录的计算式，计算回归指标。

确认该被试验者的回归指标大于还是小于在评价精度数据库45中储存的列表中记录的预定阈值。在判别指标小于阈值且重病方向是-1的情况下或者判别指标大于阈值且重病方向是1的情况下，通过本任务中的筛选检查而判定为是重病患者。因此，在此检查结束。另一方面，在判别指标大于阈值且重病方向是-1的情况下或者判别指标小于阈值且重病方向是1的情况下，本任务中的筛选检查清除。因此，进入到处理S132及其以后的任务。

这样，与图12的情况同样地，将在任务执行顺序数据44B中记载的任务按照处理S132～S134依次执行，反复进行至通过判别指标结束判定。此外，重病度推测与2群组判别不同的是不仅进行了分类还能够计算推测分数。

[1-10-3.其他]

上述方法是不使用被试验者的事先信息而选择任务的方法，但也可以使用被试验者的个人信息、过去的评价结果来选择任务。

例如，在有事先由被试验者的医生计分的重病度分数的情况下，也可以从擅长接近该分数的重病度的评价的任务开始。另外，在有过去的手指运动任务的评价结果的情况下，也可以从擅长接近该分数的重病度的评价的任务开始。在这样的情况下，以如果该任务的结果差则返回到面向更重病的任务而测量、如果结果好则测量面向更轻病的任务的方式，一边使图12、图13的流程前进或者返回一边测量合适的任务。

即，例如在图12中被试验者的过去的重病度分数是MMSE18的情况下，从具有最接近的最佳重病度分数MMSE17的双手同时自由活动(S122)开始任务。在双手同时自由活动(S122)的任务的结果是推测重病度分数与双手同时自由活动的最佳重病度分数MMSE17相比呈现更重病的情况下，执行作为具有呈现更重病的最佳重病度分数的任务的单手自由活动(S121)或者结束任务。另外，反过来，在双手同时自由活动(S122)的任务的结果是推测重病度分数与双手同时自由活动的最佳重病度分数MMSE17相比呈现并非更重病的情况下，执行作为具有并非更重病的最佳重病度分数的任务的双手交替自由活动(S123)。这样，能够依次选择能够对被试验者进行最佳的判定的任务。

[1-11.画面显示]

[1-11-1.显示画面(1)-菜单]

说明测量者操作终端装置4时的显示画面。通常，最初显示作为服务的初始画面的菜单画面。在该菜单画面中，具有被试验者信息栏、操作菜单栏、设定栏等。

在被试验者信息栏中，能够由测量者输入被试验者信息并登记。此外，在电子病历等中存在已输入的被试验者信息的情况下，也可以与该被试验者信息协作。作为可输入的被试验者信息的例子，有被试验者ID、姓名、生年月日或者年龄、性别、好使的手、疾病/症状、备注等。好使的手能够从右手、左手、双手、不明等选择输入。疾病/症状例如可以设为能够从列表框的选项中选择输入，也可以设为能够用任意的文本输入。

在操作菜单栏中，显示服务提供的功能的操作项目。操作项目具有“校准”、“进行手指运动的测量(任务)”、“进行手指运动的练习”、“观察评价结果”、“结束”等。在选择“校准”的情况下，进行上述校准即与针对被试验者的手指的运动传感器20等的调整相关的处理。还显示表示是否已调整的状态。在选择“进行手指运动的测量(任务)”的情况下，转移到用于解析被试验者的运动机能等的状态的任务测量画面。在选择“进行手指运动的练习”的情况下，省略任务测量，转移到练习画面。在选择“观察评价结果”的情况下，在已经有解析评价结果的情况下转移到该评价结果画面。在选择“结束”的情况下，结束本服务。

[1-11-2.显示画面(2)-任务测量]

在菜单画面之后，例如示出任务测量画面。在该画面中，显示任务信息。例如，关于左右的手分别显示横轴为时间、纵轴为二指的距离的图形。也可以在画面中输出用于说明任务内容的其他教导信息。例如，也可以设置用影像声音说明任务内容的视频的区域。在画面内，具有“测量开始”、“重新测量”、“测量结束”、“保存(登记)”等操作按钮，测量者能够选择。测量者依照画面的任务信息选择“测量开始”而进行任务的运动。测量装置3测量任务的运动而得到波形信号。终端装置4将与测量中的波形信号对应的测量波形实时地显示为图形。测量者在运动后选择“测量结束”，在确定的情况下选择“保存(登记)”。测量装置3将任务测量数据发送到生成装置1。

[1-11-3.显示画面(3)-评价任务]

图14是示出在任务执行中为了对被试验者示出检查的进展状况而示出已经实施的评价任务的画面。

[1-11-4.显示画面(4)-评价结果]

图15示出作为其他例子在2群组判别中选择了任务的情况下的评价结果画面。该画面是用于使被试验者观察评价结果的画面。在本画面中，显示任务的解析评价结果信息。在2群组判别中，被试验者被分配到利用在各任务中设定的阈值划分出的群组，所以如图所示成为按等级的显示。在任务的解析评价后，自动地显示本画面。在本例子中，示出按照等级I～V用棒状图形显示的情况。评价值也可以不分等级，而以成绩分数(例如100分为满分)等的形式换算为20分、40分、…等而显示。也可以除了评价值的图形以外还显示与解析评价结果有关的评价意见等。解析评价部13制作该评价意见。例如显示“良好的结果”“比上次更好”等消息。在画面内，具有“重写过去的结果”、“结束”等操作按钮。生成装置1在“结束”被选择的情况下，转移到初始画面。

图16示出在重病度分数推测中选择了任务的情况下的评价结果画面。该画面是用于使被试验者观察评价结果的画面。在重病度推测中，被试验者还被计算出重病度的推测分数，所以评价结果在与MMSE相同的比例尺上显示。

图17是医疗从事人员、护理人员等测量者确认任务测量的进展状况、评价结果的画面。示出任务的实施/未实施、此前测量的任务的评价结果等。任务执行顺序被自动地生成，但在需要缩短测量时间等情况下，还能够通过测量者按压“结束”按钮而强制地结束。在该情况下，仅使用此前测量的任务而示出评价结果。

此外，在本实施方式中，测量者进行画面操作而测量被试验者的手指运动，但测量者和被试验者也可以是同一人。在该情况下，能够通过本检查对认知/运动机能进行自我检查。

[1-12.效果等]

如上所述，根据实施方式1的任务执行顺序决定系统，通过决定以及提示用于评价人的认知机能、运动机能的多个手指运动任务的合适的执行顺序，能够实现被试验者的测量的负荷减少且评价结果的精度改善这两方。具体而言，对于最初被判别为重病的被试验者仅测量1个任务就完毕，测量的负担变小。另外，对于难以评价是轻病还是健康的被试验者，通过多个任务测量而信息量变多，能够进行准确性高的检查。

实施例2

使用图18～图21，说明本发明的实施例2(实施方式2)的任务执行顺序决定系统。实施方式2的基本结构与实施方式1相同，以下，说明实施方式2的结构中的与实施方式1的结构不同的部分。

[2-1.系统(2)]

图18示出包括实施方式2的任务执行顺序决定系统的手指运动评价系统的结构。在设施、被试验者自家等，具有手指运动评价系统。实施方式2的任务执行顺序决定系统使用作为平板型手指点击运动评价装置的评价装置。该评价装置由作为平板终端的终端装置5构成。在实施方式2中，利用设置于终端装置5的触摸面板进行运动测量、信息显示。实施方式2相当于将实施方式1的测量装置3的测量功能、终端装置4的显示功能合并到1台终端装置5的方式。终端装置5可以为设置于设施的装置，也可以为被试验者拥有的装置。

终端装置5具有控制部501、存储部502、通信部505、触摸面板510等，它们经由总线连接。触摸面板510具有显示部511、触摸传感器512。显示部511例如是液晶显示部或者有机EL显示部，具有显示画面。触摸传感器512例如是静电电容方式，配置于与显示画面对应的区域。触摸传感器512将与手指在显示画面的接近、接触的状态对应的静电电容变化检测为电信号，将该检测信号输出到触摸检测部521。

控制部501控制终端装置5的整体，由CPU、ROM、RAM等构成，实现根据软件程序处理进行任务执行顺序决定处理等的数据处理部500。数据处理部500的结构与实施方式1大致相同。控制部501还具有触摸检测部521、测量处理部522。控制部501实现经由触摸面板510得到测量数据的功能、处理并解析测量数据的功能、向触摸面板510的显示部511的显示画面输出信息的功能等。触摸检测部521进行根据来自触摸传感器512的检测信号将被试验者在显示画面上手指的接近、接触的状态、手指的活动的状态检测为触摸位置坐标及其时间序列的信号的处理。测量处理部522使用触摸检测部521的检测信息，将手指在显示画面上的位置、活动测量为波形信号，作为测量数据而获得。数据处理部500通过与实施方式1同样的处理，根据测量数据决定任务执行顺序，显示于显示部511的显示画面。另外，数据处理部500制作解析评价数据等，将评价画面等显示于显示部511的显示画面。

[2-2.运动、显示画面的例子(1)]

图19示出在终端装置5的显示画面210上进行手指点击的运动的方式。终端装置5也可以提供使用该方式的任务。在该方式中，控制部501在显示画面210的背景区域上显示用于配置双手的对象的二指的区域211。对象的二指例如表示第1指是拇指、第2指是食指的情况。被试验者在该区域211中将各手的二指以接触或者接近的状态配置。虽然依赖于触摸传感器512等，但在本例子中，在该运动时基本上维持使手指触摸显示画面的区域211的状态。被试验者在该区域211中进行使二指开闭的手指点击。终端装置5经由触摸传感器512等测量该手指点击的运动，与实施方式1同样地得到波形信号等测量数据。用箭头表示区域211上的第1指的活动212以及第2指的活动213。作为二指的指尖之间的距离L，示出左手侧的距离L1、右手侧的距离L2。

作为与手指点击的运动对应的测量数据的例子，先是与图7同样地得到二指的距离D的波形信号。终端装置5以上述方式与实施方式1同样地根据测量数据抽出特征量。

[2-3.运动、显示画面的例子(2)]

在图20中，作为其他手指点击的运动以及显示画面的例子，示出到达方式。终端装置5也可以提供使用到达方式的任务。图20的(a)示出十字到达。在终端装置5的显示画面210上，最初显示初始位置的图形231，在将对象手指例如食指置于该初始位置的图形231的状态下开始测量。在开始后，在显示画面210上显示与标记对应的目标的图形232例如十字(十字交叉)。控制部501例如以预定的周期在不同的位置显示图形232。被试验者追踪该图形232的位置伸展手指来进行手指点击。在本例子中，示出在相对图形232的中心位置具有偏移的位置233进行了手指点击的状态。在目标的图形232的中心位置与点击或者触摸的位置233之间，具有与偏移对应的距离E。终端装置5根据测量数据，作为特征量的1个，计算距离E、延迟时间TD等。延迟时间TD是在将手指置于初始位置的图形231的等待状态下显示目标的图形232的时间点起至将手指触摸到目标的图形232的时间点为止的时间。

图20的(b)示出圆到达。作为目标的图形234，显示圆形区域。被试验者针对图形234的圆形区域内同样地进行手指点击。作为特征量，例如抽出图形234的中心位置与点击位置的距离。

[2-4.运动、显示画面的例子(3)]

作为其他手指点击的运动、显示画面的例子，示出连续触摸方式。终端装置5也可以提供使用连续触摸方式的任务。作为连续触摸方式的例子，例如示出用单手进行的单手连续触摸。在显示画面210的一个部位例如左下附近，显示用于触摸左手的拇指的图形例如圆形区域。被试验者将手指触摸到显示出的图形而连续地持续触摸。在图形成为非显示状态的情况下，被试验者将手指从图形挪开。控制部501控制图形的显示。例如，以预定的周期切换图形的显示和非显示，以预定的次数显示。另外，也可以与图形的显示一起提供听觉刺激等作为教导信息。作为特征量，例如抽出图形的触摸次数、触摸间隔、触摸延迟时间等。

另外，作为连续触摸方式的其他例子，示出用双手进行的双手同时连续触摸。在显示画面210的二个部位，显示表示左手以及右手的对象手指的触摸位置的图形。被试验者针对这些显示的图形双手同时地以相同的定时连续地触摸。同样地，还能够进行双手交替连续触摸。在该情况下，控制部501以交替显示左右的图形的方式切换。被试验者针对这些图形用左右的手以交替的定时触摸。作为特征量，例如抽出左右的图形的触摸的相位差等。将预定的指标项目例如两侧协调性等与该特征量相关联。相位差的理想值在双手同时连续触摸的情况下是0度，在双手交替连续触摸的情况下是180度。

作为其他运动的例子，也可以不显示图形，输出听觉刺激等作为教导信息。例如，也可以在应触摸的时间和不应触摸的时间中以预定的周期等输出2种声音。

[2-5.运动、显示画面的例子(4)]

作为其他手指点击的运动、显示画面的例子，示出与光匹配的点击方式。终端装置5也可以提供使用该方式的任务。例如示出用单手进行的单手点击。在显示画面210上，显示左手的对象手指的点击用的图形和成为用于表示该图形的点击的定时的视觉刺激的光的定时标志。控制部501使得以切换图形的显示和非显示的方式进行点灭显示。被试验者在显示定时标志的定时点击点击用的图形。作为其他运动的例子，代替视觉刺激的定时标志而可以为听觉刺激的声音的输出，也可以为进行连续触摸的方式。作为特征量，例如有针对周期性的刺激的发生时间点的点击、触摸的时间点的时间偏移。该时间偏移与从显示定时标志的时间点至图形被点击的时间点的延迟时间相当。同样地，还能够进行双手同时点击。左右设置2个点击用的图形，左右以相同的定时点灭显示2个视觉刺激的定时标志。同样地，在双手交替点击的情况下，控制部501使左右的2个定时标志以交替的定时点灭显示。

[2-6.运动、显示画面的例子(5)]

在图21中，作为其他手指点击的运动、显示画面的例子，示出五指点击方式。终端装置5也可以提供使用五指点击方式的任务。在该方式中，使用对象手的五指。终端装置5在显示画面210的背景区域上显示用于使双手各自的五指合计十指点击的图形261。被试验者最初放置为将五指触摸显示画面210。终端装置5根据该触摸位置的检测，自动地调整而设定图形261的显示位置。终端装置5控制各位置的图形261的显示。终端装置5使应点击的位置的图形261成为特定的显示状态(例如用黑圆表示)，使不应点击的位置的其他图形261成为其他显示状态。终端装置5控制图形261的显示状态的切换。被试验者与应点击的图形261的显示匹配地将手指点击该图形261。在该方式中，能够关于五指的各手指评价各种指标项目。其结果，还能够判断可以特别锻炼哪根手指。

[2-7.特征量]

在实施方式2中特有的特征量的例子如下。

作为与到达方式有关的特征量参数，具有以下参数。(2-1)“从目标显示起的延迟时间的平均值”[秒]是与上述延迟时间有关的平均值。(2-2)“从目标显示起的延迟时间的标准偏差”[秒]是与上述延迟时间有关的标准偏差。

(2-3)“针对目标的位置误差的平均值”[mm]是与上述距离E有关的平均值。(2-4)“针对目标的位置误差的标准偏差”[mm]是与上述距离E有关的标准偏差。

作为与单手连续触摸方式有关的特征量参数，具有以下参数。(2-5)“点击次数”[-]、(2-6)“点击间隔平均”[秒]、(2-7)“点击频率”[Hz]、(2-8)“点击间隔标准偏差”[秒]、(2-9)“点击间隔变动系数”[-]、(2-10)“点击间隔变动”[mm²]、(2-11)“点击间隔分布的失真度”[-]、(2-12)“局部性的点击间隔的标准偏差”[秒]、(2-13)“点击间隔衰减率”等。各特征量的定义与实施方式1相同。

作为与双手连续触摸方式有关的特征量参数，具有以下参数。(2-14)“相位差的平均”[度]是双手的触摸等相位差的平均值。(2-15)“相位差的标准偏差”[度]是上述相位差的标准偏差。

作为与和光或者声音的刺激匹配的触摸、点击的方式有关的特征量参数，具有以下参数。(2-16)“针对刺激的时间偏移的平均值”[秒]是上述时间偏移的平均值。(2-17)“针对刺激的时间偏移的标准偏差”[度]是上述时间偏移的标准偏差。

[2-8.效果等]

如上所述，根据实施方式2的任务执行顺序决定系统，与实施方式1同样地，通过决定以及提示用于评价人的认知机能、运动机能的多个手指运动任务的合适的执行顺序，能够实现被试验者的测量的负荷减少且评价结果的精度改善这两方。在实施方式2中，无需特别设置运动传感器20等。

[2-9.任务的混合]

在本发明的在实施方式1中，仅使用手指点击运动的任务，在本发明的实施方式2中，仅使用平板终端上的任务，但也可以将它们混合使用。例如，也可以在手指点击的单手自由活动、双手交替自由活动后，按照平板终端上的十字到达(图20的(a))、单手连续触摸、五指点击(图21)的顺序，制作任务顺序执行数据。另外，不限于手指运动任务，也可以使用其他身体部位的运动任务来制作任务顺序执行数据。进而，也可以并用与记忆课题、认知课题有关的任务。

实施例3

使用图22～图24，说明本发明的实施例3(实施方式3)的任务执行顺序决定系统。实施方式3的基本的结构与实施方式1相同，以下，说明实施方式3的结构中的与实施方式1的结构不同的部分。

[3-1.系统(3)]

图22示出包括实施方式3的任务执行顺序决定系统的手指运动评价系统的结构。手指运动评价系统具有服务运营商的服务器6和多个设施的系统7，它们经由通信网8连接。通信网8、服务器6也可以包括云计算系统。实施方式3的任务执行顺序决定系统主要由服务器6构成。服务器6与任务执行顺序决定装置相当。通过服务器6，对多个设施的系统7提供手指运动评价服务。

作为设施，考虑有医院、健康诊断中心、公共设施、娱乐设施等或者被试验者自家等各种设施。设施设置有系统7。系统7包括上述评价装置。作为设施的系统7的例子，具有医院H1的系统7A、医院H2的系统7B等。例如，医院H1的系统7A具有构成与实施方式1同样的评价装置2的测量装置3以及终端装置4。医院H2的系统7B具有构成与实施方式2同样的评价装置的终端装置5。各系统7的结构既可以相同也可以不同。设施的系统7也可以包括医院的电子病历管理系统等。系统7的评价装置也可以为专用终端。处于设施的被试验者能够利用评价装置进行手指运动的评价。

服务器6是服务运营商管辖的装置。服务器6具有作为基于信息处理的服务对设施以及被试验者提供与实施方式1的生成装置1同样的手指运动评价服务的功能。服务器6对系统7的评价装置以客户端服务器方式提供服务处理。服务器6除了具有这样的功能以外，还具有被试验者管理功能、统计分析功能等。被试验者管理功能是将经由多个设施的系统7得到的被试验者群组的被试验者信息、测量数据、解析评价数据等登记并积蓄到DB而管理的功能。统计分析功能是根据被试验者群组的被试验者信息以及解析评价数据等进行与被试验者群组有关的统计处理、分析处理的功能。服务器6使用统计分析结果，生成任务执行顺序决定，提示适于被试验者的任务。此外，实施方式3的终端装置5无需生成任务执行顺序决定的功能，具有使用触摸面板的测量功能和显示由服务器6生成的任务执行顺序决定数据等的显示功能。

[3-2.服务器]

图23示出服务器6的结构。服务器6具有控制部601、存储部602、输入部603、输出部604、通信部605，将它们经由总线连接。输入部603是由服务器6的管理者等进行指示输入的部分。输出部604是进行针对服务器6的管理者等的画面显示等的部分。通信部605是具有通信接口，进行与通信网8的通信处理的部分。在存储部602中储存有DB640。DB640也可以由与服务器6独立的DB服务器等管理。

控制部601控制服务器6的整体，由CPU、ROM、RAM等构成，实现根据软件程序处理进行手指运动任务执行顺序生成等的数据处理部600。数据处理部600具有被试验者信息管理部11、任务执行顺序决定部12、解析评价部13、结果输出部14、统计分析部17。

被试验者信息管理部11将多个设施的系统7的被试验者群组相关的被试验者信息作为被试验者信息41登记到DB640而管理。被试验者信息41包括每个被试验者个人的属性值、利用历史信息、被试验者设定信息等。利用历史信息包括每个被试验者的过去的多次评价的实际结果信息。统计分析部17使用被试验者信息41、解析评价数据43等进行统计处理、分析处理，将作为其结果的统计分析信息47储存到DB640。统计分析信息47包括健康者统计信息、患者统计信息等。

[3-3.服务器管理信息]

图24示出服务器6在DB640中管理的被试验者信息41的数据结构例。在该被试验者信息41的表中，具有被试验者ID、设施ID、设施内被试验者ID、性别、年龄、疾病、重病度分数、症状、视力、听力、历史信息等。被试验者ID是本系统中的被试验者的唯一的识别信息。设施ID是设置有系统7的设施的识别信息。此外，还独立地管理各系统7的评价装置的通信地址等。设施内被试验者ID是在该设施或者系统7内管理的被试验者识别信息存在的情况下的该被试验者识别信息。即，将被试验者ID和设施内被试验者ID相关联而管理。疾病项目、症状项目储存医疗从事人员、护理人员等测量者选择输入的表示疾病、症状的值。重病度分数是表示与疾病有关的程度的值。

历史信息项目是管理该被试验者的过去的服务利用的实际结果的信息，时间序列地储存有各次利用的日期时间等信息。另外，在历史信息项目中，储存有在该次进行的任务执行顺序数据、解析评价数据等数据。在历史信息项目中，也可以储存储存有各数据的地址的信息。

[3-4.统计分析处理]

统计分析部15随时参照登记于DB640的被试验者信息41进行统计处理、分析处理，制作统计分析信息47。统计分析部15例如参照健康者的被试验者群组。即，统计分析部15参照在被试验者信息41中在属性值的疾病项目中未登记表示疾病的值的被试验者或者登记有表示健康的值的被试验者的数据。统计分析部15参照该被试验者群组中的例如解析评价数据43的每个指标项目的评价值。统计分析部15合计每个指标项目的评价值，计算平均值等统计值，包括该统计值在内地，作为健康者统计信息储存到DB640。另外，在统计分析部15中，作为健康者统计信息，更详细而言，根据被试验者的性别、年龄等属性值的划分，计算统计值。例如是男性的10～19岁、20～29岁这样的划分。

同样地，统计分析部15例如参照患者的被试验者群组。即，统计分析部15参照在被试验者信息41中作为属性值在疾病项目中登记有表示疾病的值的被试验者的数据。特别地，也可以根据疾病的分类(例如“运动障碍”等)对被试验者群组进行分类。统计分析部15参照该疾病的被试验者群组中的例如解析评价数据43的每个指标项目的评价值。统计分析部15合计每个指标项目的评价值，计算平均值等统计值，包括该统计值在内地，作为患者统计信息储存到DB640。

[3-5.效果等]

如上所述，根据实施方式3的任务执行顺序决定系统，与实施方式1同样地，为了评价被试验者的运动机能或者认知机能，生成使多个手指运动的任务执行的合适的顺序。

作为实施方式3的任务执行顺序决定系统的变形例，能够进行以下变形。在实施方式1～3中，在生成装置1、终端装置5或者服务器6中，进行基于任务测量的解析评价处理，制作解析评价数据。作为变形例，也可以设为在外部的装置中进行任务测量以及解析评价处理并从外部的装置输入解析评价数据的方式。例如，服务器6从外部的装置取得已有的解析评价数据，使用该解析评价数据进行手指运动任务执行顺序生成处理。

以上，根据实施方式具体地说明了本发明，但本发明不限定于上述实施方式，能够在不脱离其要旨的范围内进行各种变更。

产业上的可利用性

本发明能够利用于用于通过多个手指运动的任务评价人的认知机能、运动机能的信息处理服务技术。