足裏画像から立位姿勢を予測するAIの可能性

画像に直接含まれない情報の予測の可能性について

抄録

足底接地状態は立位姿勢と密接に関連しており、また姿勢の簡易計測の技術開発が期待されている。本研究では、足底画像を用いたAIによる立位姿勢予測の実現可能性を検討した。781名の被験者から足底画像および側方姿勢画像を収集し、頸部・肩部・腰部の角度計測により、姿勢を正常および異常（前傾・猫背・反り腰）に分類した。3つのモデルアーキテクチャ（AlexNet・ResNet50・MLP-Mixer）を用い、角度計や足幅長比などの足底形状特徴量の有無による性能比較を行った。正常・異常姿勢の2値分類では、改良したAlexNetが平均AUC 0.70と最高性能を示した。姿勢タイプ別では、前傾姿勢の検出にMLP-Mixer（AUC 0.77）が優れ、猫背姿勢（AUC 0.64）および反り腰姿勢（AUC 0.61）の検出にはResNet50が高い性能を示した。足底形状特徴量の有効性は、アーキテクチャと姿勢タイプにより異なった。これらの結果は、足底画像を用いたAIによる姿勢評価の可能性を示すとともに、特定の姿勢異常の検出における改善点を明らかにした。