注意機構を備えたマルチモーダル時空間畳み込みネットワークによる選手の不安行動認識

なぜ不安を抱える選手が重要なのか

重要な試験の問題で頭が真っ白になったり、試合で簡単なシュートを外した経験のある人は、緊張がパフォーマンスを台無しにすることをよく知っています。競技レベルの選手にとって、この問題はさらに深刻です：不安はメダルや奨学金、キャリアを失わせることがあります。しかし、多くの選手の不安を追跡する方法は依然として事後のアンケートやコーチの直感に頼っています。本研究は、選手の体と顔を観察し、生理学的信号を計測し、競技中の不安度を自動的に推定する客観的かつリアルタイムのシステムを提案します。

見えない不安の兆候を可視化する

研究者たちは単純な発想から出発します：不安は同時に複数の形で現れるということです。選手が不安を感じると、心拍のリズムが変わり、手のひらが汗ばみ、姿勢が硬直し、微細な顔の動きが緊張を示します。こうした手掛かりの一つに注目する代わりに、チームは複数の手掛かりを同時に組み合わせます。ウェアラブルセンサーから心拍と皮膚電導のデータ、高精細な顔および全身の映像、競技前後に実施した標準化された心理学的アンケートを収集しました。合計で4種目の68名の選手が参加し、2000以上の短いクリップが得られ、各クリップはよく知られた不安尺度に基づいて「不安」または「平静」にラベル付けされています。

デジタルコーチに試合の読み方を教える

この豊富な信号群を不安スコアに変換するために、著者らは時間的に展開するパターンに特化した深層学習の「コーチ」を設計します。モデルは時空間畳み込みネットワークを用いており、空間（画素、身体ポイント、センサーチャンネル）だけでなく時間（秒）にもスライドするフィルタの連なりです。これにより、瞬間的な緊張の高まりと、30秒間のプレイ中に徐々に蓄積されるストレスの両方を検出できます。重要なのは、ネットワークが生理学、表情、動作といった各データ種別をそれぞれの経路で処理してから結合する点で、顔が部分的に隠れていたりセンサーに一時的なノイズがあっても、あるチャンネルの強みが他を補えます。

重要な箇所にモデルの注意を集中させる

すべての瞬間や信号が同じだけ有益とは限らないため、研究者たちは「注意（アテンション）」機構を追加します。このモデル部分は、不安と平静を最もよく区別するフレームや信号に高い重要度を割り当てることを学習します。例えば、皮膚電導の急上昇が短い顎の強ばりや落ち着かない脚の動きと同時に観察されれば、安定した呼吸と中立的な姿勢が続く区間よりも大きな重みを与えられるかもしれません。アテンションモジュールは各データストリームをその場でどの程度信用するかも学習し、例えば生理学的データが明瞭で映像がノイジーなときには重みをそちらに移すという具合に焦点を動かします。こうして適応的に注目点を変えることで、現実世界の条件に対して頑健になり、微妙で早期の緊張の兆候を見つけやすくなります。

どれほど精度と実用性があるのか？

従来の手法（古典的な機械学習アルゴリズム、標準的な映像ネットワーク、Transformer系の深層モデルなど）と比較してテストしたところ、新システムが上回りました。不安レベルを約95%の確率で正しく分類し、精度と再現率のバランスも高くなっています。著者らは異なる時間窓長を系統的に検証し、不安エピソードを観察するための十分な文脈とリアルタイム性を両立する妥協点として約30秒のデータが最良であることを示しています。たとえある種類のデータが欠けている場合でも（例：ウェアラブルだけが使える場合）、システムは依然として妥当な性能を示し、現場での不完全な条件にも対処できる可能性を示しています。

これは選手やコーチにとって何を意味するか

平たく言えば、本研究はコンピュータが身体信号と行動の混合からほぼリアルタイムで選手の不安を読み取ることを学習でき、従来の手法よりも信頼性高く行えることを示しています。選手が事後にどう感じたかだけに頼るのではなく、コーチやスポーツ心理学者はトレーニングや競技中に継続的で客観的な精神的負荷の推定を受け取れるようになります。それにより、不安がパフォーマンスの完全な崩壊へ向かう前に、適時の呼吸法の指導、出場メンバーの変更、休憩の導入といった介入が可能になるでしょう。システムは依然として複数のセンサーと高性能なハードウェアに依存し、厳格なプライバシー対策とともに導入する必要がありますが、スポーツの精神面を速度や心拍数と同じくらい測定可能でデータ駆動にする未来を示しています。

引用: Yang, F., Gong, F. A multimodal spatiotemporal convolutional network with attention mechanism for athlete anxiety behavior recognition. Sci Rep 16, 5237 (2026). https://doi.org/10.1038/s41598-026-36023-1

キーワード: 選手の不安, スポーツ心理学, ウェアラブルセンサー, マルチモーダル深層学習, リアルタイム感情モニタリング