Deep Learning を用いた画像解析による足部セルフチェックシステムの開発
【大分類：7. デサントスポーツ科学 小分類：7.47 Vol.47】
要旨
足部形態評価はスポーツ障害予防に有用であるが，医療従事者向けの足部形態評価の指標を現場で運用するには課題がある．本研究ではDeep Learningを用い，足部形態評価の指標であるFoot posture indexの後方写真か ら判別できる指標を参考に内転・外転・内反・外反・通常の5つの足部形態を識別するモデルを開発した．750枚の画像を学習（70%）・検証（20%）・テスト（10%）に分割して開発と検証を進めた．適合率はエポック数の増加に伴い上昇し，損失関数は同様に減少する傾向を示し，適切にモデルが学習したことが確認され，mAP50-95=0.72，mAP50=0.82と高精度を示した．通常の足部画像の分類は正答率：0.26と低くなり精度の向上の必要性が課題にあがったが，4 つ の足部形態（内転，外転，内反，外反）は，正答率が0.69 ～ 1.00 と実用可能な精度であることが確認された．
「デサントスポーツ科学」 第47巻/公益財団法人石本記念デサントスポーツ科学振興財団
足部形態評価はスポーツ障害予防に有用であるが，医療従事者向けの足部形態評価の指標を現場で運用するには課題がある．本研究ではDeep Learningを用い，足部形態評価の指標であるFoot posture indexの後方写真か ら判別できる指標を参考に内転・外転・内反・外反・通常の5つの足部形態を識別するモデルを開発した．750枚の画像を学習（70%）・検証（20%）・テスト（10%）に分割して開発と検証を進めた．適合率はエポック数の増加に伴い上昇し，損失関数は同様に減少する傾向を示し，適切にモデルが学習したことが確認され，mAP50-95=0.72，mAP50=0.82と高精度を示した．通常の足部画像の分類は正答率：0.26と低くなり精度の向上の必要性が課題にあがったが，4 つ の足部形態（内転，外転，内反，外反）は，正答率が0.69 ～ 1.00 と実用可能な精度であることが確認された．
「デサントスポーツ科学」 第47巻/公益財団法人石本記念デサントスポーツ科学振興財団
| 研究者名 | 小宮諒*1, 竹下康文*2, 松田翔太*2, 中井雄貴*3, 江玉睦明*1 |
|---|---|
| 大学・機関名 | *1 新潟医療福祉大学, *2 第一工科大学, *3 令和健康科学大学 |
キーワード