2026年06月01日
## 要約：
本研究では、歩行中の股関節の筋力と関節モーメントを深層学習を用いて予測するフレームワークを開発しました。LSTM、Transformer、Mambaの３つのモデルを比較した結果、Transformerが健常者データにおいて最も優れた性能を示しました。さらに、このモデルは骨壊死症患者のデータに対しても一定の予測能力を示し、臨床応用への可能性を示唆しています。
---
## 翻訳：
概要: 歩行中の股関節筋力と関節モーメントの推定には、通常、筋骨格シミュレーションが用いられていますが、時間と労力がかかり、臨床現場での応用も困難です。本研究では、深層学習フレームワークを開発し、下肢歩行運動学的データからこれらの股関節動態パラメータを直接予測し、統一的なプロトコル下で代表的な3つの系列モデルを比較しました。メトロノームで誘導された3つの歩行ペース条件下で60人の健康な成人から歩行データを収集し、10個の双方向下肢関節角度を入力として、OpenSim由来の股関節筋力と股関節モーメントを基準出力として使用しました。LSTM、Transformer、Mambaの3つの深層学習モデルを、同じ主観レベル分割、前処理パイプライン、指標を用いて訓練および評価しました。最良のモデルは、追加トレーニングなしで9人の股関節壊死症(ONFH)患者の外部コホートに対して直接テストされました。健康な被験者のベンチマークでは、Transformerは、股関節筋力予測(RMSE = 1.33 N/kg, MAE = 0.57 N/kg, R2 = 0.819)と股関節関節モーメント予測(RMSE = 0.11 Nm/kg, MAE = 0.07 Nm/kg, R2 = 0.862)の両方において、主観レベル平均性能が最も優れており、歩行ペース全体を通して同様の利点がありました。ゼロショット外部検証では、Transformerは股関節筋力予測(RMSE = 1.51 N/kg, MAE = 0.70 N/kg, R2 = 0.537)と股関節関節モーメント予測(RMSE = 0.17 Nm/kg, MAE = 0.12 Nm/kg, R2 = 0.569)に対して、ONFHにおいて中程度の予測能力を維持しました。これらの結果は、歩行運動学的データから股関節動態を推定することの実現可能性を支持し、Transformerを強力な基準として特定し、臨床応用前に広範な病理学的検証と改善された一般化の必要性を強調しています。
[📰 原文はこちら](https://arxiv.org/abs/2605.30374)
---
※本記事はAI（Ollama）による自動翻訳・要約です。
BittensorManがお勧めするメーカーリスト
https://exbridge.jp/xdirect/
AI時代の技術と知識のまとめ(AI生成メディア) - AIDexx
https://exbridge.jp/aidexx/
頑張って働く人に向けて、プロ用仕事アイテムを格安でネット販売しているX-Direct（ https://exdirect.net ）を、BittensorManは応援しています。
動画の最後にお得な情報がありますので、
最後までご覧ください。
