ランニング中のIMUデータを用いた足関節および膝関節周囲の構造特異的負荷の機械学習ベース推定

科学分野:

• 生体力学
• スポーツ医学
• 機械学習

背景:

• ランニングは反復的な筋骨格負荷を発生させ、使いすぎによる傷害のリスクを高める。
• 正確な構造特異的負荷（SSL）推定は、傷害予防およびリハビリテーションに不可欠である。
• 現在のSSL推定方法は時間がかかり、計算集約的である。

研究 の 目的:

• ランニング中のアキレス腱および膝蓋腱、ならびに膝および足関節にかかるSSLを推定するための機械学習モデルを開発および検証すること。
• SSL推定のための1つまたは2つの慣性計測ユニット（IMU）からのデータの使用の実現可能性を評価すること。

主な方法:

• 長短期記憶（LSTM）ベースのモデルが開発された。
• モデルは、ランニング中の43人の参加者からのデータを使用してトレーニングおよび評価された。
• 構造特異特異的負荷は、IMUからの時系列データを使用して推定された。

主要な成果:

• LSTMモデルは高い決定係数（アキレス腱力で0.93、膝蓋腱力で0.84、足関節接触力で0.89、膝関節接触力で0.86）を達成した。
• 骨盤に装着した単一のIMUからのデータを使用して、SSL推定が実用的かつ信頼できることがわかった。
• モデルはランニングの立脚期におけるSSLを正確に推定した。

結論:

• IMUデータに適用された機械学習モデルは、ランナーのSSLの実用的かつ信頼性の高いモニタリングのための実行可能なソリューションを提供する。
• このアプローチは、ランナーの傷害予防およびリハビリテーションにおける実世界での応用に大きな可能性を秘めている。
• この調査結果は、ランニングにおける個別化された負荷管理のためのIMUベース技術の使用を支持する。