JoVE - Journal of Visualized Experiments
JoVE Visualize
Contact Us
このページは機械翻訳されています。他のページは英語で表示される場合があります。 View in English

スポーツパフォーマンスの分析におけるディープラーニングの応用に関する解説:現在の実践,課題,将来の方向性

  • 0Institute for Advanced Studies, Universiti Malaya, Kuala Lumpur, 50603, Malaysia.
Bmc Sports Science, Medicine & Rehabilitation +

|

2025年8月27日

|

2025年8月27日

PubMedで要約を見る

まとめ

この要約は機械生成です。

ディープラーニングは スポーツのパフォーマンス分析を向上させ 選手のモニタリングや怪我の予測を可能にします 効果的なものの,標準化とリアルタイムでの適用は困難であり,より広範な採用のためにさらなる研究が必要である.

科学分野

  • スポーツ科学
  • 人工知能
  • データ分析

背景

  • ディープラーニングは スポーツにおけるアスリート監視,運動追跡,予測モデリングを 大きく進歩させています
  • 現在のディープラーニングのアプリケーションは パフォーマンスの評価,トレーニングの最適化,怪我のリスクを軽減します
  • 課題は,方法論の標準化,モデルの信頼性の確保,さまざまなスポーツにおけるリアルタイムのアプリケーションを可能にすることです.

研究 の 目的

  • スポーツのパフォーマンス分析におけるディープラーニング技術の適用を体系的に検討する.
  • 共通のディープラーニングモデルを特定し,様々なスポーツパフォーマンスタスクで使用する.
  • スポーツにおけるディープラーニングの効果と限界に関する発見をまとめます.

主な方法

  • 2015年から2024年にかけて,主要な学術データベース (WOS,CNKI,ACM DL) で体系的な文献検索が行われました.
  • 動作認識や怪我の予測などのスポーツパフォーマンス分析タスクにディープラーニング (CNN,RNN) を適用する研究も含まれています.
  • データ抽出はスポーツの種類,アプリケーション,モデル,ナラティブ合成のためのパフォーマンスメトリックに焦点を当てました.

主要な成果

  • 様々なスポーツの51の研究が分析され,主にアクション認識,オブジェクト検出,パフォーマンス/怪我の予測のためにディープラーニングを使用しました.
  • コンボリューションニューラルネットワーク (CNN) は視覚的なタスクを支配し,リキュアントニューラルネットワーク (RNN) は時間的なデータを処理しました.
  • ほとんどの研究でパフォーマンスの改善が報告されたが,データ品質,検証,一般化において有意な変動が認められた.

結論

  • ディープラーニングは 自動化されたデータに基づくスポーツパフォーマンスに関する 変革の可能性を秘めています
  • 将来の研究は,マルチモダルのデータ統合とリアルタイム分析の精錬に焦点を当てるべきです.
  • スポーツのコンテキストにおけるディープラーニングモデルの適応性の向上は,正確なパフォーマンスの評価に不可欠です.

キーワード: