要約
バイオメカニクスおよび臨床歩行研究では、四肢の筋肉や腱の機能および挙動を解析するために、特定の解剖学的ランドマーク（例えば筋腱接合部）の動きを頻繁に測定している。本研究では、超音波動画においてこれらの接合部を信頼性高くかつ時間効率よく追跡する機械学習アプローチを提案し、歩行解析における臨床バイオメカニストの支援を目的としている。このプロセスを促進するため、ディープラーニングに基づく手法を導入した。本研究では、3種類の機能的運動、2種類の筋肉、123名の健常者および38名の障害を有する被験者から得られたデータを収集し、3種類の超音波装置を用いて取得したデータを統合した広範なデータセットを構築した。このデータセットは、ネットワークの学習に向けた合計66,864枚のアノテーション付き超音波画像を含んでいる。さらに、異なる研究室で収集されたデータを、経験レベルの異なる研究者によって精査・整備した。本手法の評価には、4名の専門家によって独立して検証された多様なテストセットを用いた。その結果、本モデルは筋腱接合部の位置を特定する際、4名の専門家と同等の性能スコアを達成することを示した。本手法は、1フレームあたり最大0.078秒の予測時間（手動ラベリングに比べ約100倍の高速化）で筋腱接合部を時間的に効率よく追跡可能である。本研究で使用したすべてのコード、学習済みモデル、およびテストセットは公開され、モデル自体はhttps://deepmtj.org/ にて無料で利用可能なオンラインサービスとして提供されている。