Inception-Attentionネットワークを用いた逆伝播（Adversarial）および教師ありコントラスト学習による被験者横断の筋疲労検出

要旨: 筋疲労の検出は、身体リハビリテーションにおいて重要な役割を果たします。これまでの研究では、sEMGが他の生体信号と比べて筋疲労の検出において優れた感度を持つことが示されています。しかし、sEMGから抽出される特徴は、動的収縮の間や被験者の違いによって変動し得るため、疲労検出の不安定さにつながります。これらの課題に対処するため、本研究では、特徴抽出器としてInception-attentionモジュールを備えたニューラルネットワークと、疲労分類器、ならびに勾配反転層を備えたドメイン分類器を提案します。統合されたドメイン分類器は、被験者固有の特徴を最小化しつつ、被験者不変の共通する疲労特徴を学習するようネットワークを促します。さらに、モデルの汎化能力を高めるために、教師ありコントラスト損失関数も用います。実験結果は、提案モデルが3クラス分類タスクにおいて顕著な性能を達成し、精度93.54%、再現率92.69%、F1スコア92.69%を記録したことを示しました。これにより、被験者間の筋疲労検出に対する堅牢な解決策が提供され、リハビリテーション訓練の指導や支援において重要な示唆を与えます。