Transparent fish like Danionella are valuable model organisms for real-time physiological studies. This study proposes a method to estimate heart rate using video imaging and YOLO-based object detection. By analyzing pixel intensity variations, we extract heartbeat signals and compute heart rate accurately. Experimental validation confirms the method’s feasibility, providing a non-invasive alternative for cardiovascular research in small aquatic models.

脳波（EEG）の振動パワーの空間分布とその時間的遷移は，認知プロセスや病的状態を反映する指標として広く認識され，「マイクロステート」と呼ばれている．我々はこれまでに，EEGの瞬時周波数に基づくマイクロステート解析を提案し，脳活動が認知機能や病態に関連することを明らかにしてきた．しかし，これまでの手法はk-meansクラスタリングに基づくものであり，時間的依存性を考慮していなかった．本研究では，新たに隠れマルコフモデル（HMM）を導入することで，瞬時周波数に基づくマイクロステート解析に時間的動態を取り入れ，より精密な状態推定を実現した．その結果，瞬時周波数の空間分布に基づく時系列に対してHMMを用いることで，加齢に伴う脳活動の変質を検出できることを示した．本手法は，従来のマイクロステート解析に対して新たな枠組みを提供し，神経ネットワークダイナミクスの理解を深めるだけでなく，加齢や病態の評価にも応用が期待される．

IoT機器の普及により，マルチタスキングやメール・チャットなどの通知によるタスクスイッチングが日常的に発生し，認知負荷の増大が問題となっている．認知負荷の増大は，脳の疲労のみならず，注意力の分散による作業効率の低下や，見逃し・聞き逃しといったヒューマンエラーの発生につながる．従来の認知負荷評価手法には，リアルタイム性や客観性の不足という課題があった．そこで我々は，皮膚電気活動（EDA）センサを用い，音声刺激への注意課題を用いた実験を基に，独自のアルゴリズムにより認知負荷をリアルタイムに推定する技術を開発した．本論文では，EDAと認知負荷との関係性や推定アルゴリズムの原理，その妥当性検証について述べる．

CLIP excels at zero-shot image–text alignment but its application to pathological multi-label classification remains underexplored. We present HistoClip, a novel pipeline employing a Cross-Modal Matching (CMM) module: zero-shot template-derived text embeddings serve as queries, while image features from a frozen CLIP visual encoder act as keys and values in cross-attention to refine modality alignment. On BCSS-WSSS, LUAD-HistoSeg, and PanNuke datasets, HistoClip achieves average accuracies of 91.21%, 95.07%, and 88.24%, outperforming other CLIP-based methods. These results demonstrate HistoClip’s potential in digital histopathological image classification.

フルマラソンの完走タイム予測は練習時の最適なペース設定を可能にし，練習効率の向上に貢献する．近年，長時間持続可能な最高速度であるCritical Speed（CS）を特徴量とした完走タイム予測が行われているが，最大努力で様々な距離の走行が必要であるなど制約が大きい．本稿では，非最大努力の走行が含まれる練習時のペース情報よりベイズ推定を用いて取得したCSと練習状況から完走タイムを予測する深層学習モデルを構築し，SHAP値を用いてモデルを説明した．結果，完走タイムの予測誤差は5.9%と従来手法よりも高精度であった．構築したモデルで走力の高いランナーは練習構成に占める低強度の練習割合が高いことがタイム向上へ寄与している傾向が見られた．

心血管疾患患者に推奨される運動は有酸素運動であるが、過度な運動は交感神経活性を亢進させ、狭心症、心筋梗塞、不整脈のリスクを高める。したがって、患者ごとに至適運動強度を予測することが求められる。加えて、至適運動強度は同じ患者であってもその日の体調で異なるため毎回測定することが望ましい。しかし、従来の至適運動強度の測定には手間がかかり、至適運動強度を超えた運動でしか判定できない。本研究では、運動開始前に至適運動強度を予測するため、ウォーミングアップ時の生体情報を用いて至適運動強度を予測するニューラルネットワークモデルを構築した。モデルにはLSTM（Long Short-Term Memory）とMulti-head attentionを組み合わせ、その予測精度を検証した。

近年，発声が困難な人々の新たな意思伝達手段として，脳波信号から言語を復元するサイレントスピーチBCIが注目されている．既往研究では皮質脳波を用いた高精度な計測と言語へのデコードが報告されているが，侵襲性や医療機関依存といった制約があった．本研究では市販の簡易型非侵襲脳波計「Muse S Headband」を用いて，内言単語に対応する頭皮脳波データを収集・管理・分類可能なWebアプリケーションを開発した．本システムは，個人が時間や場所を問わずデータ収集を行えるよう設計されており，脳波とテキストの同期データベースの大規模構築を視野に入れている．その設計・実装手法を報告し，将来的な実応用に向けた課題や技術的展望についても考察する．

近年,脳波を用いた認知状態の可視化に注目が集まっている.本研究では,英単語における個人が感じる難易度の違いに対して生じる脳波の違いに着目し,単語理解の客観的評価指標の検討を目的とした.被験者に対して難易度の異なる英単語を提示し,4択と分からないの５つの選択肢で単語テストを実施する.その際に脳波を測定し,正答・誤答による脳波の違いをERSP解析（STFTおよびWavelet変換）により分析した.さらに,得られた特徴量を基に,正誤を識別するための手法を検討した.このアプローチにより,効率的な学習支援システムや,個別の学習進捗を反映した評価手法の開発が期待される.

情通信技術の発展に伴ってコンピュータは人々の生活に広く浸透している．このコンピュータの操作や入力には，一般的に手で操作するデバイスが用いられる．そのため，病気や障害，けがなどで手を使うことができない状況にある人にとってこれらの操作方法は大きな障壁となってしまう．こうした人がコンピュータの操作を行う手段として、先行研究では視覚的に記号を想起した際の脳波を識別するシステムが構築されたが、精度が低く実用的ではなかった。先行研究では単一の特徴抽出、分類モデルが採用されていたため，精度向上を目指すには他のアルゴリズムとの比較検証を行い，より優れた手法を模索する必要があると考えられる．そこで、本研究では先行研究におけるシステムの分類モデルを変更して精度向上を図った。

本研究では，長時間における脳波測定が被験者に与える負担を軽減しつつ、Brain-Machine Interface構築に必要な脳波データを効率的に取得することを目的とした．被験者への指示提示とイメージ開始までの時間を短縮することで脳波に有意な影響が生じるか実験し，検討を行った．実験では指示提示とイメージ開始の間隔を通常通りに設定した条件と，間隔を短縮した条件でそれぞれ脳波を取得し，比較を行った．その結果，短縮後でも脳波に大きな差がみられない場合，測定時間の短縮が可能であることが示唆され、被験者の負担軽減およびデータ収集の効率化が期待される．

脳活動により外部機器を直接制御可能にするBCIは，運動機能障碍者のリハビリテーションや生活支援等への応用が期待される．被験者負担の観点からより短時間の脳波から被験者の意図を抽出すべきと考える．本研究では125msのウィンドウサイズを持つCNN-GRUハイブリッドモデルを用いて，データセットPhysionetに含まれる109名の左右の手の運動想起時脳波を判別した．2.25秒間の脳波を18分割してモデルに順次入力した結果，平均正解率81.5%，正解率70%以上の被験者数91人を得た．また，判別時にウィンドウを25%重複させ，24回入力することで正解率70%以上の被験者数が4人増加した．

集中治療期脳波の自動判読システムには，診断結果だけでなく，その判断に至った根拠を示すデータ解析が求められる．Prototypical Part Network は，各クラスにおける特徴的な局所パターンを複数のプロトタイプとして学習し，推論の際には入力データとプロトタイプの類似する領域を可視化することができるため解釈性に優れる．本研究では，集中治療期脳波の周期性や空間的な広がりを持つパターンを検出するために，各クラスの一つのプロトタイプと全ての時間，電極における脳波との類似度を計算し，高類似度のパターンを分類に利用できるように改良した．分類実験の結果，提案法は従来法と同等の分類性能を保ちつつ，視覚的な根拠提示が可能であることが示唆された．

本研究では，ウェアラブルセンサで収集した高齢者の睡眠時間及び運動量のデータを用い，総睡眠時間・深い睡眠時間について判別分析モデルを作成し，生成された運動量関連の特徴量から睡眠時間と運動量の相関について要因分析を行った．総睡眠時間，深い睡眠時間ともに運動量が一定範囲内だと睡眠時間の正例割合は全体平均を上回っていた．一定範囲を下回る場合でも，運動量の増加に伴い正例割合も増加しており，運動強度の増加が睡眠の質を向上させる可能性を示唆している．一定範囲を上回ると，正例割合は全体平均を下回る傾向にあり，過剰な運動は睡眠の質を低下させると考えられる．

軽度認知障害(MCI)の正確な分類は認知症対策に有効である。また、resting-state functional MRI データに基づく動的機能的結合(FC)分析と機械学習の融合がMCIの分類に有効である。しかし、動的FC分析のパラメータ設定によって分類精度は変動し、パラメータの組合せは無数にある。そこで、遺伝的アルゴリズム(GA)を活用した、動的機能的結合(FC)分析の適切なパラメータ探索に基づくMCIと認知機能正常の分類を提案する。データ前処理にGAを導入してパラメータ探索を行ったことで、効率的な分類精度アップを実現した。本研究の成果はMCI患者の早期発見に貢献すると考えられる。

血管径の計測を目的として，血管の中心線を走査することによる管径計測手法が提案されているが，中心線や管径の導出には多大な時間を要する．一方，本研究室では，次世代の回路コア接続技術であるNetwork on Chip(NoC)に着目し，各コアに画素値を対応付けた上で，パケットルーティングにより電気的に画像処理を実現する手法を提案している．そこで本研究では，NoCに基づいたパケットルーティングにより高速に管径を計測する手法を提案する．まず，パケットに中心線を導出するための座標群を保持し，その移動ベクトルに基づいて中心線を算出，パケットを伝搬する．その伝搬過程において，中心線の法線方向にパケットを伝搬し，管壁からの返送を以って管径を算出する．以上に基づいたパケットシミュレータを開発し，所望のルーティングが行われていることを確認している．

Hormonal changes and genetics influence labor; managing pain is essential for bitches and puppies. Labor pain shifts from sympathetic to parasympathetic and from visceral to somatic. SCN9A variants relate to pain insensitivity in humans and dogs [Gutierrez‐Quintana et al 2023]. The KCNG4 variant may influence sensory neuron excitability and uterine nociception [Lee et al 2020]. In this research, protein and nucleotide BLAST confirm homology in these two genes in both species. RNA-seq of 28 dogs showed no significant expression differences between dystocia and non-dystocia groups; there were 19 significant molecular pathways. Understanding genes controlling labor pain and dystocia is crucial for maternal and neonatal welfare.

サージカルガイドプレートを使用したインプラント体埋入手術において，インプラント体の埋入位置が，治療計画時によりずれる場合がある．この誤差を，患者の年齢や性別等の特徴量から予測できれば，手術時の誤差減少が期待できる．そこで本研究では，誤差予測に影響を与える特徴量の選定法と，選んだ特徴量を用いて，予定位置との誤差が閾値より大きくなるかを推定するシステムの構築法を提案する．後者のシステムは，勾配ブースティング決定木により得られた複数の識別器を統合して構築する．実験では，21個の特徴量から12個を選び，この特徴量を使って構築した提案システムは，それを構成する識別器単体と比べ高精度で誤差を予測できた．

パーキンソン病（PD）とは，ふるえ，動作緩慢，筋固縮を主な運動症状とする病気である．これに対する有効的に治療法としてリハビリテーションがあるが、高齢患者の通院が困難であることや，理学療法士の人材不足などの問題がある．これらの問題を解決するため，本研究では，リハビリテーション支援のための，高齢健常者とPD患者の姿勢や動きの差異を定量的かつ自動的に検出し，PD患者のリハビリ動作を評価する方法を提案する．具体的には，高齢健常者のデータから評価モデルを作成し，このモデルに基づいてPD患者の動作を評価する．実験では，PD患者の動作評価を行い，アドバイスを作成することができた．

南海トラフ巨大地震の発生に備え、迅速かつ正確な身元確認手段の確立が求められている。そこで、機械学習モデルを用いて歯科パノラマX線画像から歯科所見を自動的に抽出し、生存時の歯科所見と照合することで個人識別を可能にする技術の研究開発が進められているが、学習データとして専門医による膨大な数のアノテーションを必要とする。本研究では、アノテーションを必要としないInstance Discrimination手法に基づく深層学習によって得られた潜在表現を用いて、歯科パノラマX線画像の類似画像検索を実現する手法を提案する。実験結果より、提案手法は個人識別に有用である可能性が示唆された。

Metabolic syndrome (MetS) increases the risk of cardiovascular disease and diabetes, yet conventional diagnosis relies on invasive clinical tests. This study aims to develop a non-invasive screening method using only retinal fundus images. We propose a deep learning model trained with auxiliary clinical supervision but operating solely on images during inference. The architecture integrates CBAM-enhanced DenseNet121, a clinical prediction branch, and adaptive feature fusion. Evaluated on 5,000 labeled images, our method achieved 82.5% accuracy, indicating its potential for accurate, scalable MetS detection without clinical data.

本研究では、3DUnetを活用して少数の超音波画像の動画データから血管の動脈と静脈の検出を試みた。超音波動画像から形状の変化を時系列的にみて動脈と静脈を熟練者が識別するため、動画データでの検出が求められる。エコーによる画像は不鮮明かつ血管の位置や大きさには個人差が大きく、少量のデータから汎用的に検出するには難しさがある。そこで、データを特性ごとにクラスタリングしてデータセットを構築して3DUnetの学習（追加学習）と検出精度の評価を図った。血管の特徴に応じた後処理を行い、検出精度の向上を目指す。

骨粗鬆症性椎体骨折(OVF)は，圧潰が進行すると難治性の腰痛を引き起こすことがある．特に，受傷から間もない時期の椎体骨折は「新鮮OVF」と呼ばれ，骨癒合が始まっていないこの段階での早期治療が重要である．診断にはCTやMRIといった高度な画像診断装置が有効であるが，これらは高額であるため，初診時に対応するような診療所には設置されていない場合が多い．そのため，初期診断では安価かつ簡便なX線画像が一般的に使用されている．しかし，X線画像による診断の精度はCTやMRIに比べて劣るため，椎体骨折の見逃しが依然として問題となっている．そこで本研究では，診療現場におけるX線画像の読影支援を目的とし，CNNを用いた新鮮OVFの自動検出手法の検討を行う．

DNA,m-RNAにおいて、何故5°→３°の転写をするのかについて考察したので報告する。

我々はCodon Codeにおける符号理論を導き、アミノ酸が２０種類の６４個であることを導いた。そこで、復号行列を生成する為のアルゴリズムについて検討したので報告する。

脳動脈閉塞による後遺症や死亡を防ぐには，救急現場の迅速な診療が不可欠である．我々は，脈波測定装置と閉塞推定手法を融合した救急車用の診断支援システムを開発している．閉塞データの不足を克服して健常データのみで学習可能にすべく，オートエンコーダと閾値分類器から成る閉塞推定手法を提案した．本研究ではその性能向上を目指し，データの与え方とモデル構造の変更，および，他の情報源による事前学習を導入した．前者では大規模データに有効な変更を加えたが，小規模な脈波データではむしろ性能が低下した．後者では血流シミュレータが生成した人工脈波PWDBを用いた結果，正解率とF値を2～3[%]高めることができた．

蛍光指紋とは，励起光照射によって試料が放出する蛍光のスペクトルであり，試料の蛍光特性に関わる信号を含んでいる。蛍光指紋を説明変数，化合物の濃度等の物性を目的変数とした機械学習によって，物性の予測モデルを構築する。予測において蛍光指紋のどの帯域の成分が寄与しているのかを解析することで，蛍光指紋と物性の物理的関係性が解釈可能となり，予測の信頼性を向上させることができる。本研究では，予測に有効な成分を，深層学習を用いて抽出することで，予測の解釈性を向上させつつ，高精度な予測モデルを構築する手法を検討する。化合物濃度の予測タスクにおいて有効な成分を提示しつつ，従来手法と同等以上の予測精度を達成した。

ヒト疾患をより包括的に理解するために，複数のオミクスデータを統合的に解析する新たな計算手法の開発が求められている．Wangらは，オミクス間の相関関係を考慮したMulti-Omics Graph cOnvolutional NETworks（MOGONET）を提案し，従来のマルチオミクス解析手法を上回る性能を示した．
本研究では，MOGONETが各オミクスの重要度を十分に反映できていない点に着目し，ベイズ最適化と対照学習を組み合せた新たなマルチオミクス統合手法を提案する．発表では，乳がんおよびアルツハイマー病の2つのデータセットを用いた実験結果に基づき，本手法の有効性について考察する．

創薬向け分子シミュレーションでは、高精度と計算効率の両立が課題となる。機械学習力場（MLFF）は従来手法を超える可能性を秘めるが、量子化学（QM）ベースの学習データ生成コストが大規模生体分子への適用を制約してきた。本研究では、フラグメント分子軌道（FMO）法を用い、単一配列の環状ペプチド200構造から高精度QMエネルギーと原子間力を効率的に取得し、Behler–Parrinello Neural Network Potentialと対称性関数を入力記述子とするMLFFを構築・学習させた。その結果、モデルはエネルギーと力の相関を高精度に再現し、FMO法による大規模生体分子MLFF構築の実現性を示した。

真性粘菌であるモジホコリカビは、周期的な光刺激を予測することが知られている。これは、モジホコリカビ内の非線形化学振動子の同期が原因であることが数値シミュレーションにより示されている。また、同じ非線形化学振動子の一種であるBZ反応は、反応の周期を温度や光刺激によって制御できることが知られている。本研究では、モジホコリカビの予測反応を、非線形化学振動子であるBZ反応で再現することを目的に、BZ反応振動子を結合し様々な周期で光刺激を与えた場合の振動の変化を調べた。その結果、BZ反応振動子が光刺激の影響で同期することが分かった。また、与える光刺激の振動数によって同期現象が発生する時間が変化した。

本研究では，心臓核医学における心筋SPECT画像から三軸断層像（Short Axis，Horizontal Long Axis，Vertical Long Axis）を自動生成する新たな手法を提案する．従来，断層像作成に必要な心筋軸の設定は，読影医や技師が手動でおこなっており，客観性および再現性に課題があった．本手法では，心筋SPECT画像からU-Netを用いて心筋領域を推定し，心腔を楕円で近似する「心腔楕円近似法」により長軸および短軸を自動的に決定することで，三軸断層像の自動生成を実現した．実験では，実臨床データを用いて本手法の有効性を確認した．

Fungal infections pose a serious global health risk, requiring accurate classification of microscopic images for effective diagnosis. This paper proposes a hybrid model that integrates Vision Transformer (ViT) and Graph Neural Network (GNN) via a structure-guided Cross-Attention mechanism. Structural features are extracted from KNN-based cell graphs using GraphSAGE and GAT, then fused with ViT tokens by treating GNN output as queries. Experiments on the DIFaS dataset show that our model achieves 87.86% accuracy, outperforming most baseline methods. This highlights the effectiveness of combining visual and structural representations for fungal image analysis through topology-aware attention.

This study presents a multimodal hypergraph attention framework for identifying Major Depressive Disorder (MDD) using resting-state fMRI data. To effectively capture dynamic brain states, we apply Bayesian optimization to adaptively select the optimal combination of sliding window lengths for constructing dynamic functional connectivity networks (dFCNs). A hypergraph attention mechanism is introduced to model high-order interactions among brain regions, and phenotypic information such as age and gender is integrated to enable personalized classification. Experimental results on the REST-meta-MDD dataset demonstrate that the proposed method achieves superior accuracy and AUC compared to traditional static and fixed-window approaches.

This study proposes a novel multi-scale graph fusion framework for histopathological image classification. Graphs constructed from 10x and 40x magnifications capture both global tissue structures and fine-grained cellular patterns. Fractal-GCN is used to extract hierarchical features from each scale, and a lightweight fusion strategy integrates them effectively. Unlike conventional CAD methods that rely on single-resolution inputs, our approach leverages multi-resolution complementary information to better model spatial dependencies and tissue morphology. The framework introduces a new perspective on incorporating graph-based multi-scale reasoning into digital pathology.

バスケットボールにおけるフリースローの練習を支援するシステムを開発した．モーションキャプチャを用いた既存システムは，専用の機械が必要なことや，その場でのフィードバックが行われないなど利便性やリアルタイム性に課題があった．そこで，システムを非接触センサであるカメラとPCのみで構成し，カメラ映像からYOLOv8を使用して，選手の骨格をリアルタイムで推定することでプレーの優劣を教示した．フリースローの成否に関連するショットポケット，打ち出し，ロックポジションの3種類のタイミングを自動で検出し，その際の肘関節/膝関節角度（完全伸展位＝180度）を記録し，基準値と比較して音によるフィードバックを行った．

膝前十字靭帯（ACL）損傷はスポーツ現場における重大な外傷の一つであり、そのリスクを定量的に評価することは予防の観点から重要である。本研究では、ACL損傷リスク評価の代表的手法であるDrop Vertical Jumpを対象とし、単眼3次元姿勢推定による膝関節角度評価の有効性について検討を行う。実験では、光学式3次元動作解析装置（VICON）による計測値を基準とし、複数の単眼3次元姿勢推定モデルにおける膝関節角度の推定精度を比較した。また、入力映像に対してクロップや背景除去といった前処理を適用し、それらが推定精度に与える影響についても評価を行った。

本研究では，GNSSデータを用いたラグビーのスクラム推定手法を提案する．従来の研究では1人分のデータのみを使用していたが，本研究では15人分のデータを使用し，選手の位置情報を考慮することで精度向上を図った．また，スクラム検出に特化したプレー推定モデルを構築し，3試合分の実データを使用して評価を行った．ランダムフォレストとSVMによる2段階分類モデルを適用し，その結果，高いF1スコアを達成した．この手法により，選手の密度や位置情報を考慮したスクラム推定が可能となり，実際の試合データを用いた検証結果では有望な性能が示された．

バドミントン競技におけるサーブ時のサービスフォルトを自動的に判定するシステムを開発した.サービスフォルトとはサーブ時にで起用されるルールの一つである.本研究ではその中でもシャトルがラケットに打たれる瞬間に地面から115cmより上でなければならないというルールに着目している.サービスフォルトの判定は競技の公平性において重要であるが、審判の目視による判断が現在の判定方法である.しかしこの方法では主観的になる部分が大きく,誤審のリスクや客観性の確保に問題がある.本システムはコンピュータビジョン技術を用いてショットタイミング時のシャトルの高さを正確に測定し,115cm以上で打たれた場合にフォルトと判定する.開発したシステムは,YOLOを用いたシャトル検出,ショットタイミングの判定,画面表示による警告機能を実装しており,公平で客観的な判定をできるようにする.このシステムの活用により目視より正確で公平なフォルトの判定ができるようになると期待される.

近年，チームスポーツでは位置情報を用いた幾何学的フォーメーション解析が進展している．しかし，調査の限り，守備側選手の動き評価への応用例は存在しなかった．そのため，著者らは，幾何学的フォーメーション特徴量から一定時間以内の失点確率を予測する統計的判別モデルを構築し，これに基づいて守備選手の動きの適切さを評価する手法を提案してきた．ただし，同モデルは，あくまでシュート発生場面における失点確率を予測するものであり，シュート自体の発生確率は予測できていなかった．そこで，本稿では，評価対象を攻撃シーン全体に拡張するためにデータを再整備し，シュート発生確率も予測する統計的判別モデルを新たに構築する．

著者らはこれまでに，7人制ラグビーでの最適キックパスプレー算出に用いることを目的に，ラグビーボールの不規則なバウンド挙動を再現するキックパスシミュレーションモデルの改良に取り組んできた．具体的には，先行研究で経験的に定義されていたキックパスシミュレーションモデルを，実際のキックパス時のボール軌跡データを用いて改良した2種類のモデルを提案してきた．しかし，これまでに定性的な評価は行ってきたものの，定量的な評価を通じた妥当性の検証はなされていなかった．そこで，本稿では，提案してきた2種類のキックパスシミュレーションモデルについて定量評価を実施し，その妥当性を検証する．

サッカーにおいて、試合データに基づいて選手を評価することは重要である。近年では、パスやシュートといったアクションを分析し、選手の貢献度を評価する手法が注目されている。しかし、これらのアクションデータはボール保持者の情報に限られており、試合中の全選手の動きを捉えたトラッキングデータは一部のチームでしか取得されておらず、入手が困難である。そこで本研究では、試合映像から予測された全選手の座標データを基に生成したトラッキングデータを活用することで、アクション外の情報を含めた新たな選手評価モデルを提案する。結果として、従来では評価が困難であった選手の貢献を、より多角的な視点から分析することに成功した。

本研究では，野球における戦略をマルチエージェント強化学習の枠組みで導出し，その戦略の妥当性について分析した．野球の戦略を立てる上では，プレーヤーやチーム同士の戦略的相互作用を考慮することが望ましい．従来研究では，考慮するシチュエーションの数やプレーヤーが取りうる行動の種類に制限をかけているなど，現実世界との乖離があった．そこで我々は，スタッツデータをもとに，野球における状態集合，行動集合，および状態遷移確率を定義し，それらをもとに野球を二人零和マルコフゲームとして定式化した．そして，そのゲームにおける近似ナッシュ均衡を導出した．

近年バドミントンにおいては，ゲーム理論や機械学習に基づくスポーツ分析が注目を集めている．従来の研究では，ラリーからゲームツリーを構築し，各ノードの利得値に基づいてショットの予測が行われてきた．しかし，未知のラリーの予測が不可能であることや，選手の戦術的判断やショットの勝敗への影響が考慮されていないといった課題があった．そこで本研究では，過去のラリーデータを基にゲームツリーを拡張し，深層強化学習によって算出した各ショットの試合への貢献度を利得値として組み込むことで，ゲームツリーを再構築する手法を提案する．提案手法により，従来手法と比較してより高い精度で，かつ多くのショットの予測が可能となった．