コンピュータ支援の物理リハビリテーション評価は、センサーシステムで取得した動きデータを処理し、患者が指示されたリハビリテーション運動を完了する際のパフォーマンスを評価することを含みます。リハビリテーション評価は、患者の回復を促進し、医療費を削減するために不可欠な役割を果たしていますが、既存のアプローチには多様性、堅牢性、実用的な関連性が不足しています。本論文では、物理リハビリテーション運動の品質を自動的に評価するための深層学習ベースのフレームワークを提案します。このフレームワークの主要な構成要素は、動きパフォーマンスを量化的に測定する指標、パフォーマンス指標を数値的な動き品質スコアにマッピングするためのスコアリング関数、および教師あり学習を通じて入力された動きの品質スコアを生成する深層ニューラルネットワークモデルです。提案されるパフォーマンス指標はガウシアンミクスチャーモデル（Gaussian mixture model）の対数尤度に基づいて定義され、深層オートエンコーダネットワークによって得られた低次元データ表現を符号化します。提案される深層空間時間ニューラルネットワーク（deep spatio-temporal neural network）はデータを時間的ピラミッドに配置し、個々の身体部位の関節移動を処理するサブネットワークを使用して人間の動きの空間的特性を利用します。本論文で提示されるフレームワークは10種類のリハビリテーション運動データセットを使用して検証されています。本研究の意義は、深層ニューラルネットワークを使用してリハビリテーションパフォーマンス評価を行う最初の一例であることです。