慣性計測ユニットと機械学習技術を用いた女子水球のオーバーヘッド動作量の定量化：横断研究

なぜ水球の動きを追跡することが重要か

エリート水球選手にとって、練習中の一つ一つのストローク、パス、シュートは、1回の練習で数百回にも及ぶ強力な腕の動きに積み重なります。これらの繰り返されるオーバーヘッド動作は試合に勝つために不可欠ですが、同時に肩や肘に大きな負担をかけます。コーチは、高強度の投球や泳ぎが過剰使用による痛みを伴う障害のリスクを高めることを知っているものの、現在は時間のかかるビデオレビューや経験則に頼ってトレーニング負荷を評価しています。本研究は、防水の小型モーションセンサーと最新のコンピュータアルゴリズムを組み合わせることで、こうした動作をリアルタイムに自動でカウント・分類できるかを検証し、競技力を維持しつつ選手の肩を守る新たな方法を提示します。

プールサイドからデータストリームへ

研究者たちは、オーストラリアのハイパフォーマンスプログラムに所属する国内ランクの女子フィールド選手10名と協働しました。各回約1時間45分の、コーチ主導の通常の練習セッションを4回実施した際、選手は前腕と首の下にそれぞれ小型の慣性センサーをテープで装着しました。これらのセンサーは、自由形泳法、パス、シュート、ブロック中の腕と上半身の加速度や回転を記録しました。同時に2台のビデオカメラでセッションを撮影し、経験豊富なコーチが後で映像を見て全てのオーバーヘッド動作にラベルを付け、センサーに基づくシステムを検証するための信頼できる「ゴールドスタンダード」を作成しました。

コンピュータにプールの技術を識別させる

生のセンサー信号を識別可能な動作に変換するにはいくつかの手順が必要でした。まず、はね返りや全身運動によるノイズを除去するためにデータをフィルタリングし、個々の腕の動作を示す鋭いピークを検出しました。各ピークの周辺について、手首と上背部の各方向の加速度の平均、ばらつき、形状などのシンプルな統計量を豊富に計算しました。各イベントは5つのクラスのいずれかにタグ付けされました：泳ぎ、強度の高いゴールへの投球、低強度のパス、ボールが手に当たるブロック、ボール非接触のブロック。強いシュートのように出現頻度が低い動作が、絶え間ない泳ぎに比べて少ないため、研究者らはトレーニング中にアルゴリズムに希少なイベントも学習させるためのデータバランス手法を用いました。

どのモデルが水中の動きを最もよく読み取るか？

次に、センサー特徴量のみから動作タイプを推定できるように、5種類の一般的な機械学習モデルを訓練・比較しました。18,000以上のラベル付き動作を通して、ランダムフォレストと呼ばれる手法が最も優れていました。これは全イベントの約4分の3を正しく分類し、特に泳ぎのストロークや軽いパスの検出に優れていました。単純な決定木、ロジスティック回帰、ニューラルネットワークなどの他のモデルは精度が劣りました。どのセンサー特徴が重要かを調べたところ、前腕と上背部の特定の方向の加速度が、強いブロックやシュートとよりリラックスした動作を区別する上で特に重要であることが分かりました。

トレーニングと傷害リスクへの示唆

ランダムフォレストシステムは研究者らが目標とした95％の精度には達しませんでしたが、それでも重要な概念実証となります。本研究は、2台の小さなウェアラブル機器と自動分類器だけで、締め切ったドリルでなく実際の雑音を含むトレーニングセッションにおけるオーバーヘッド動作の全体を監視することが可能であることを示しています。より大きなデータセットを長期にわたり、公式試合中も収集すれば、各選手の投球や泳ぎのボリュームがシーズン中や肩の復帰期間にどう変化するかを追跡するように手法を洗練できるでしょう。この種の客観的なセッション毎の記録は、コーチが負荷を調整したり、練習負荷を試合の現実に合わせたり、怪我リスクの上昇を示す急激な増加を検出したりするのに役立ちます。

選手とコーチへの持ち帰りメッセージ

簡単に言えば、本研究はスマートセンサーが女子水球の練習を「監視」し、遅く手作業のビデオ解析に頼らずに、選手が泳いでいるのか、パスをしているのか、シュートやブロックをしているのかをかなり正確に識別できることを示しています。現行のシステムは完璧ではありませんが、各選手がどれだけのオーバーヘッド作業をこなしているかを自動的に記録する実用的なツールを構築するための確かな出発点を提供します。将来的には、このようなツールがトレーニング計画や安全な復帰判断の共有を支え、コーチ、医療スタッフ、選手に肩への隠れた負荷についてより明確な洞察を与え、より多くの選手が健康に競技を続けられるよう助ける可能性があります。

引用: King, M.H., Sanchez, R., Watson, K. et al. Quantifying women’s water polo overhead movement volumes using inertial measurement units and machine learning techniques: a cross-sectional study. Sci Rep 16, 5773 (2026). https://doi.org/10.1038/s41598-026-36402-8

キーワード: 水球, ウェアラブルセンサー, 肩の障害, 機械学習, 女性アスリート