本研究では，４つの翻訳後修飾反応から構成される酵素反応ネットワークを対象とし，緩和法を用いた双安定性の網羅的解析を行った．対象とする4,213,597個の酵素反応ネットワークに対して入力化学種の総濃度に対する出力の定常応答を計算した．双安定性の評価にはヒステリシス損失を用いた．緩和法では，入力化学種の総濃度の下限および上限における定常状態を求め，総濃度を下限から上限とその逆方向に、指数関数的に十分遅く変化させることで，疑似的な定常状態の変化を追跡する．その結果，入力化学種の総濃度によって単安定状態と双安定状態を切り換えることが可能な，制御可能な双安定性を示す酵素反応ネットワークを少なくとも26個確認した．

脳波（EEG）に基づくBrain-Computer Interface（BCI）では、深層学習を用いることで信号の分類精度が向上しつつあるが、EEGの非定常性や個人差に対するより安定した分類が求められている。本研究では、8チャンネル脳波計で取得した右手・左手・両足の3種類の運動イメージ脳波（MI-EEG）計測実験で得られたEEGデータに対し、EEGNeX、ShallowFBCSPNet、ATCNetを組み合わせたアンサンブル学習を適用した。13名のEEGデータを用いた参加者内10分割交差検証の結果、本提案手法は各単体モデルを上回る平均分類精度84.51%を達成した。異種モデルの統合はMI-EEG分類精度向上に有効である可能性が示されたが、今後は前処理やデータ分割に伴うデータリーケージを抑制した再評価が必要である。

野球成績においては，打率3割などの概数付近で成績分布に偏りが生じることが報告されている。本研究では，この偏りが概数以外の評価基準やセイバーメトリクスで重視される指標にも見られるかを検討するため，MLBの野球成績データを対象に，数値的基準周辺の度数分布を網羅的に分析した。その結果，概数以外の評価基準でも一部に有意な偏りが確認されたが，その効果量は概数に比べて小さかった。一方，出塁率では近年のデータに限定すると有意な偏りが観察された。これらの結果は，数値的基準への集中が概数以外にも生じうるものの，概数が特に強い参照点として機能すること，また指標の重要性の変化に伴って偏りが生じる指標も変化しうることを示唆している。

バスケットボールにおいて、ドリブルなどの基礎動作の習熟や味方との連携は必須である。しかし、チーム練習では個々に技術を教える時間が限られ、一人での自主練習は負荷が単調になりがちで、実戦的な動き方の習得が難しい。本研究では、MR技術を活用したインタラクティブな練習環境を構築し、周囲への注意を要する課題を取り入れたバスケットボール練習システムを開発する。本システムにより、ドリブル中に周囲を見渡す意識が向上するとともに、緊張感のある実戦的な練習を一人でも実現できると考えている。実験により本システムを評価したので報告する。

スポーツ映像のボール追跡において、人物による遮蔽（オクルージョン）は解析精度低下の主要因の一つである。本研究では、実際のフットサル施設に複数台のカメラを設置し、サッカー競技の多視点映像を取得した。分析の結果、遮蔽による追跡性喪失が多視点化により緩和されることが確認されたが、物理的・時間的制約から、最適なカメラ台数、あるいは配置等を網羅的に試行することは困難といえる。そこで、実写映像から得た死角や認識限界の条件を動的シミュレーション環境へ落とし込み、計算機上でシステム最適化を試行するための手法を構築し、その有効性について検討する。

本研究は、スポーツにおける自己調整学習の支援に向け、学習者の振り返りから学習プロセスの異常（RedFlag）をLLMで適応的に検知するシステムを構築した。単一正解を求める分類では人間の「解釈の揺らぎ」が捨象されるため、本システムでは結果を確率分布で出力するソフトラベリングを採用した。さらにスポーツ特有の工夫として、競技種目などに応じて適切な過去事例を動的に参照するRAG（検索拡張生成）を検知モデルに統合した。実際の振り返りデータを用いた評価実験を行い、提案システムが専門家の相場観（解釈の揺らぎ）をどの程度正確に再現できるか、その検知精度と妥当性を検証する。

近年，深層学習の発展により，脳活動から想起音声を再構築するBrain-to-Voice研究が進展している．しかしながら，非侵襲脳波（EEG）を用いて日本語話者を対象とした研究例は少なく，日本語の言語特性を考慮した手法も十分に検討されていない．本研究では，多変量時系列予測モデルCrossformerと音声分析合成システムWORLDを用いたBrain-to-Voiceシステムを構築し，日本語話者の内声時EEGから想起音声の再構築を試みた．提案システムでは，CrossformerがEEGから学習した音響特徴量を推定し，WORLDが音響特徴量から音声を合成する．実験では，成人男性10名のデータを用いて学習し，推定した音響特徴量を評価した．結果として，一部で過学習が見られたが，特定の母音音声では安定した精度での再構築が確認された．

AI技術の進化とともに，技能教育をAIが担う可能性研究が進められている．中でも，自動車運転教育はAI化が有望な分野であり，効果的な教育実現のためには，初心者の認知・操作プロセスを定量的に再現するモデルの整備が課題となっている．本稿は，AIを効果的に自動車運転教育へ取り組むための検討として,CPM-GOMSによってS字カーブ走行における運転タスクの並列認知過程を明示化することを目的とする．S字カーブ走行における運転者の自動車制御にかかる動作もしくは操作を，道路情報の取得,車両状態の認知,ステアリング操作,アクセル・ブレーキ操作の4サブゴールに分割し，知覚・認知・運動資源の並列過程をCPM-GOMSとして記述する．

本研究では，二輪車衝突時におけるヘルメット装着ダミー頭部の回転挙動推定を目的として，高速度映像解析と力学的拘束条件を組み合わせた推定手法を提案する．衝突時にはヘルメット挙動により顔部輪郭が遮蔽されるため，一部区間で推定精度が低下する課題があった．そこで本研究では，KLT法と顎・鼻部形状を用いた回転テンプレートマッチングを併用し，力学的拘束条件付き補間により遮蔽区間における頭部回転角および角速度を推定する．さらに，衝突実験の高速度映像解析へ提案手法を適用し，従来のスプライン補間との比較によって推定精度および挙動再現性を定量的に検証する．

ブレインマシンインターフェース (BMI) とは、ヒトの脳活動と外部デバイスとの間で情報のやり取りを可能にするシステムのことである。なかでも脳波（EEG）から人の運動意図を解読して機器を操作する運動BMIは、幅広い分野での応用が期待されている。
これまでに我々は、深層学習モデルを用いて、左右両肘の屈伸運動を、EEG信号から回帰推定する研究に取り組んできた。しかし、その推定精度は被験者間でばらつき、一部の被験者で予測精度が低い場合が見られた。
そこで本研究では、学習済み深層学習モデルに対して入力特徴量に対する感度を解析し、モデルが着目している特徴量を可視化することで、個人差の影響を調べると共に、予測精度の改善方法について検討した。

脳波をリアルタイムで解析し外部機器を制御するBrain-Computer-Interface(BCI)は，身体的制約にとらわれず思考や感性を自由に発信・維持できる環境を実現する有効な解決手段である．本研究では，イメージ想起時の脳波から5つの画像カテゴリの分類を試みた．視覚刺激時のデータを想起時のカテゴリ分類へ応用するため，転移学習を用いた評価を実施した．視覚刺激時の脳波データをソースドメインとして事前学習を行い，想起時のデータをターゲットドメインとしてファインチューニングを適用し，モデルの最適化を目指した．得られた正解率に対して，チャンスレベルを有意に超えているかを置換検定により検証した．

心疾患の主要な原因である冠動脈狭窄の早期発見は、医療現場において極めて重要である。近年、侵襲的手法に代わる、身体への負担が少ない検査手法の研究が進められているが、その多くは造影剤の使用を前提としている。そこで本研究では、データ不均衡への対処と予測精度の向上を両立させた、造影剤を必要としない非造影CT画像による冠動脈狭窄予測手法を提案する。
具体的には、画像データに加え、冠動脈の石灰化度合いを数値化した指標であるカルシウムスコアを組み合わせた、マルチモーダルモデルを構築する。
実験の結果、カルシウムスコアを導入した提案手法は従来手法と比較して予測精度が向上した。さらに、データ数が少ない狭窄ありクラス（少数クラス）に対する予測精度の向上も確認された。

高齢者のフレイルは要介護化につながる可能性が高く，早期把握のために簡便かつ客観的な評価法の確立が求められている。本研究では，TUG（Timed Up and Go）テスト中の動作をMS Azure Kinect DKで計測し，15項目の歩行動作の静的特徴（平均値）と動的特徴（一歩毎の差分に基づく平均値・標準偏差）を求めた。被験者をフレイル群26名，非フレイル群36名に分類し両群間で各特徴を比較した。統計検定の結果，静的特徴では12項目，動的特徴では7項目に有意差が認められた。特に歩行速度は，カットオフ分析の結果，感度・特異度も高くフレイルの検出に有効であることが確認できた。しかし，TUGテストの感度・特異度と同等でありTUGテスト以上の有効性は確認できなかった。

てんかん患者の長時間脳波（EEG）モニタリングは、臨床診断において重要である一方、専門医による目視判読の負担は大きい。本研究では、ニューラルネットワーク（NN）を用いたEEG自動解析システムの構築を目的とし、発作、覚醒、睡眠を含む複数状態の分類問題としてモデル化する基礎検討を行う。専門医によるアノテーション済みEEGデータから周波数解析および位相解析を用いてNNへの入力特徴量候補を抽出し、その有用性を検討した。本報告では特徴量設計およびシステム実装方針について示すとともに、発作前駆パターンの学習による発作予測モデルへの発展可能性についても考察する。

内視鏡手術では脂肪組織中の血管損傷リスクの検知が課題であり，その解決に向けて電波型内視鏡センサが提案されている．本研究では，同センサで取得したエコー信号から血管直径と深さを推定する手法を提案する．脂肪媒質中の単一血管モデルを仮定し，FDTDで取得したエコー信号にSVRおよびCNNを適用した．狭帯域アンテナによる反射波形は散乱が複雑でB-scanを用いた目視推定が困難なため，データ駆動型手法を採用した．術野への影響を最小化する観点から手術中のセンサ走査範囲は可能な限り狭いことが望ましいため，センサの走査幅および走査方向におけるセンサと血管の位置ずれが推定精度に与える影響を評価した．

アミノ酸からたんぱく質を作るとき(GC３)は安定に作用し(AU３)は不安定に作用するという報告がある。我々はCodon Codeにおける符号理論モデルを考えた。そのモデルに於いて(GC３)と(AU３)の働きについて考察したので報告する。

本研究では，心理アンケート回答時に生じる社会的望ましさバイアス（SDB）を対象とし，各設問におけるSDB誘発強度を連続値として推定する．SDB誘発強度はVisual Analog Scale（VAS）を用いて連続値として定義する．回答中に8部位で計測した脳波含有率を説明変数とし，SDB誘発強度の推定モデルを構築する．NEO-FFIを用いた検証実験の結果，設問別に構築したモデルでは推定値と実測値との間で最大0.907の汎化相関係数が得られ，SDB誘発強度は設問内容，脳部位および脳波含有率の周波数帯域に影響を受ける可能性が示唆された．

近年、バスケットボールではトラッキング分析が可能だが、従来の成功率評価では「良いプロセス」の評価が困難である。本研究では、選手とボールの相互作用をグラフ化し、加速度等を加味した時空間グラフニューラルネットワーク（ST-GAT）を提案する。本手法は、シュートの成否ではなく戦術的判断の質を示す指標「Shot Quality」を算出する。またAttention機構により、守備を収縮させる力（Gravity）を可視化し、解釈可能性を高めた。数値実験により手法の精度を実証し、選手評価や戦術的意思決定支援への応用可能性を示す。

　投球時の球速測定は様々なスポーツで利用されている。球速測定は費用が掛かることや専門知識が必要なことから、導入が難しい場合がある。そこで、球速測定アプリ「スピードバンド」を開発してきた。しかし、これまでのスピードバンドはApple端末にしか対応していなかった。また、測定結果を確認するには測定に使用したスマートフォンまたはスマートウォッチが必要であった。
　Androidに対応したアプリ「スピードバンド2025」を開発し、測定結果をウェブアプリで確認できるようにした。スピードバンド2025を評価するために既存のスピードバンドと比較をした結果、測定結果に差異が見られた。

本研究では，3点のウェアラブルデバイスを用いた簡便な跳躍動作計測手法を提案する．跳躍は全身の連動に基づく動作であり，その姿勢が結果に影響するが，従来手法では，複数部位間の相対的な動きを捉えきれない課題があった．そこで本稿では，身体上の3点（頭部・腹部・膝上部）にセンサーを配置するシステムを構築し，腹部（体幹）に対する頭部や下肢の相対姿勢，および跳躍高や接地時間などの跳躍特性を同時に計測する手法を提案する．検証として，姿勢の制御が成否を分ける縄跳びの二重跳びを対象とした実験を行い，提案手法を用いることで，対象動作の習熟度による跳躍特性や姿勢の傾向を確認した．

サッカーのデータ分析では、xGに代表されるゴール期待値指標が広く用いられているが、シュートに依存するため、連携や崩しの過程を十分に評価できない。xTやVAEPはアクション価値を評価する指標として提案されているが、xTは局面の文脈を十分に考慮できず、VAEPはゴールを予測対象とするため、チャンスメイクの質を分離して評価することが難しい。そこで本研究では、ヘテログラフを用いて選手間の相互作用を表現し、グラフニューラルネットワーク（GNN）によりシュートに至る連携を評価する指標xSを提案する。さらにこの指標を用いて、崩しへの貢献度を定量化し、選手評価や役割分類、有効な攻撃エリアの可視化を行った。