要約
筋骨格モデルは動的運動中に作用する内部力の評価を可能にするが、臨床的に有用である一方で、従来の手法は計算速度の遅さや膨大な入力データの必要性といった課題を抱えている。近年、計算負荷の高いプロセスに対して近似モデルを構築する目的で教師あり学習の活用が注目されており、速度と柔軟性の面で利点が期待されている。本研究では、深層ニューラルネットワークを用いて運動空間から筋肉空間への写像関係を学習する。156名の被験者における歩行中の運動学的・運動力学的および筋電図（EMG）データを用いて訓練されたネットワークは、筋骨格モデルから導かれた内部力の大きさと良好な一致を示した。別途実施した実験では、国際的に広く知られるモデル評価ベンチマークとしての「グランドチャレンジコンペティション」のデータを用いて訓練することで、6つのコンペティションのうち4つにおいて、優勝エントリーの予測精度を上回る結果が得られた。計算速度の向上により、実験室環境でのリアルタイム力推定システムへの統合が可能となり、訓練済みニューラルネットワークの解析から、運動学的および運動力学的要因の集団レベルにおける新たな相関関係についての知見が得られた。