要約
最近、リハビリテーション対象者が実施する運動の正しさや質を自動評価しようとする、骨格情報に基づく理学療法システムがいくつか提案されている。しかし、アルゴリズムおよび評価基準の観点から見ると、異なる骨格特徴を十分に活用するという点において、この課題はまだ完全に解明されていない。これまでの研究をさらに発展させるために、本研究では骨格情報に基づくリハビリ運動評価を目的とした、アンサンブルベースのグラフ畳み込みネットワーク（Ensemble-based Graph Convolutional Network: EGCN）という学習フレームワークを提案する。筆者らの知る限り、本研究は、二種類の骨格特徴グループを併用する初めての試みであり、本タスクに対してさまざまなアンサンブル戦略の有効性を検討した最初の研究である。また、既存の評価基準の妥当性を検証し、提案手法の予測能力に焦点を当てて評価を行った。さらに、最新の2つの公開データセットであるUI-PRMDおよびKIMOREを用いて、広範な交差検証実験を実施した。実験結果から、EGCNのモデルレベルアンサンブル方式が、既存手法を上回る性能を発揮することが示された。実装コードは公開されており、以下より入手可能である：https://github.com/bruceyo/EGCN。