慣性計測ユニットと機械学習技術を用いた女子水球オーバーヘッド動作量の定量化：横断研究

科学分野:

• スポーツ科学
• 生体力学
• スポーツにおける機械学習

背景:

• 水球における上肢の怪我は、シュートの量と強度に関連している。
• ビデオ分析のような現在のモニタリング方法には、アスリートへの適時なフィードバックが欠けている。
• 慣性計測ユニット（IMU）は、リアルタイムの動作分析のための潜在的なソリューションを提供する。

研究 の 目的:

• エリート女子水球におけるオーバーヘッド動作の分類におけるIMUと機械学習モデルのパフォーマンスを評価すること。
• トレーニングセッション中の客観的なアスリートモニタリングのためのIMUの使用の実現可能性を判断すること。

主な方法:

• 10人のエリート女子水球選手が、4回のトレーニングセッション中に2つのIMUを装着した。
• オーバーヘッド動作は、水泳、高強度投球、低強度投球、ボール接触ありのブロック、ボール接触なしのブロックの5つのカテゴリに分類された。
• IMUデータからのベクトルおよび大きさの特徴を使用して、ランダムフォレストモデルを含む5つの機械学習モデルをトレーニングした。

主要な成果:

• 合計18,186回のオーバーヘッド動作が分析された。
• ランダムフォレストモデルは、精度0.765、マクロF1スコア0.504で最高のパフォーマンスを達成した。
• 本研究は、水球トレーニング中のオーバーヘッド動作の測定におけるIMUと機械学習の可能性を示した。

結論:

• IMUとランダムフォレスト機械学習モデルの組み合わせは、水球におけるオーバーヘッド動作の客観的かつタイムリーなモニタリングに有望である。
• このアプローチは、怪我のリスク修正とパフォーマンス向上のための貴重なデータを提供できる。
• 今後の研究では、モデルの改良と、この技術の日常的なトレーニング実践への統合に焦点を当てるべきである。