| Project/Area Number |
22K19738
|
|---|
| Research Category |
Grant-in-Aid for Challenging Research (Exploratory)
|
| Allocation Type | Multi-year Fund |
|---|
| Review Section |
Medium-sized Section 59:Sports sciences, physical education, health sciences, and related fields
|
|---|
| Research Institution | Tokyo University of Science |
|---|
Principal Investigator |
橋本 卓弥 東京理科大学, 工学部機械工学科, 准教授 (60548163)
|
|---|
| Co-Investigator(Kenkyū-buntansha) |
菊池 直樹 日本体育大学, 体育学部, 准教授 (10739478)
|
|---|
| Project Period (FY) |
2022-06-30 – 2025-03-31
|
| Project Status |
Granted (Fiscal Year 2023)
|
| Budget Amount *help |
¥6,370,000 (Direct Cost: ¥4,900,000、Indirect Cost: ¥1,470,000)
Fiscal Year 2024: ¥1,820,000 (Direct Cost: ¥1,400,000、Indirect Cost: ¥420,000)
Fiscal Year 2023: ¥2,210,000 (Direct Cost: ¥1,700,000、Indirect Cost: ¥510,000)
Fiscal Year 2022: ¥2,340,000 (Direct Cost: ¥1,800,000、Indirect Cost: ¥540,000)
|
|---|
| Keywords | 筋力トレーニング / 非接触運動計測 / 生理指標予測 |
|---|
| Outline of Research at the Start |
加齢に伴うサルコペニアは深刻なQoL低下を招くため，日常生活の基盤となる筋力の維持は重要である．筋力の維持・向上には，筋に対して直接に負荷を掛ける筋力トレーニングが有効であるが，効果的なトレーニングのためには，適切に運動強度を設定する必要があるため，専門的な知識が必要となる．
そこで本研究では，ステレオカメラで得られる深度画像やカラー画像を基に，運動だけでなく，生理指標（筋活動，乳酸値，心拍，血圧）の変化も予測する方法について検討し，それらの情報を基にトレーニング変数を自動調節するための知能化技術の確立を目指す．これにより，個人に最適化されたAIパーソナルトレーニングの実現が期待できる．
|
| Outline of Annual Research Achievements |
本年度では，まず，昨年度に開発したRGB-Dカメラを用いた非接触運動計測システムを用いて，様々な運動強度条件で計25名分のスクワット運動を撮影した．また，同時に，運動前と各セット間において運動強度の指標となる血中乳酸濃度も測定した．そして，被験者毎にスクワット運動中の3次元骨格モデルを構築し，得られた運動データを基に挙上速度や関節トルクなどの運動指標を算出した．次に，昨年度での成果が不十分であった研究項目として，運動データを基にした生理指標の推定について取り組み，求めた運動指標から血中乳酸濃度を推定する方法について検討した．その結果，以下の2点の成果が得られた．
① 運動指標として関節トルク，挙上速度，挙上速度波形のピーク間隔，休止時間を求め，それらの指標を用いて血中乳酸濃度を推定するために，ニューラルネットワークを用いた機械学習モデル構築した．推定精度を確認するために，テストデータを用いて血中乳酸濃度の実測値と推定値を比較したところ，相関係数は0.89程度となり，昨年度よりも高い推定精度が得られた．
② 昨年度よりも高い推定精度が得られた要因として，データ数の増加と共に，休止時間を加えた効果が大きいと考えられる．この休止時間は，挙上あるいは下降以外にかかった時間として定義しており，疲労に伴って低下した筋力を，意識的あるいは無意識的に回復させようとしている時間だと考えられる．実際，計測データを詳しく見てみると，挙上回数が増えてくるとレップ間隔（挙上から次の挙上までの間隔）も長くなる傾向にあった．
|
| Current Status of Research Progress |
Current Status of Research Progress
3: Progress in research has been slightly delayed.
Reason
当初の予定通り，運動データを基に運動強度を推定するための機械学習モデルを構築することができた．一方，一部のテストデータにおいて推定精度が大きく下がる要因や，予測に用いる運動指標の妥当性については十分に検討できてない．また，運動指標や生理指標を基にしたトレーニング変数の決定法や筋力トレーニング装置の開発については十分に着手できていない．
|
| Strategy for Future Research Activity |
2023年度の実施状況を鑑み，2024年度では以下の3点について重点的に研究を進める．
① 運動情報から運動強度の指標となる血中乳酸濃度を推定する際の推定精度を向上させると共に，推定に用いる運動指標の妥当性について詳しい検討を進める．
② 運動情報や運動強度の情報を基に疲労度を求め，それらを基にトレーニング変数を調整するための方法について検討を始める．また，生理指標として，心拍数（脈拍）も取れるようにする．
③ これまでに開発してきた筋力トレーニング装置の改良を進める
|
