論文の概要: Predicting Ulnar Collateral Ligament Injury in Rookie Major League
Baseball Pitchers
- arxiv url: http://arxiv.org/abs/2207.00585v1
- Date: Thu, 30 Jun 2022 22:09:47 GMT
- ステータス: 処理完了
- システム内更新日: 2022-07-09 15:39:04.262528
- Title: Predicting Ulnar Collateral Ligament Injury in Rookie Major League
Baseball Pitchers
- Title(参考訳): 新人メジャーリーグ投手における尺骨側副靭帯損傷の予測
- Authors: Sean A. Rendar and Fenglong Ma
- Abstract要約: メジャーリーグベースボール(MLB)では、投手が最も重要なロースターポジションと見なされている。
尺側副靭帯(英語:ulnar collateral ligament、UCL)は、ピッチャーの投球腕の強度と安定性を制御する肘の小さな靭帯である。
オンラインピッチャーデータを分析し,UCL損傷の予測に機械学習技術を用いることができるかを検討する。
- 参考スコア(独自算出の注目度): 23.146657925477058
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: In the growing world of machine learning and data analytics, scholars are
finding new and innovative ways to solve real-world problems. One solution
comes by way of an intersection between healthcare, sports statistics, and data
sciences. Within the realm of Major League Baseball (MLB), pitchers are
regarded as the most important roster position. They often are among the
highest paid players and are crucial to a franchise's success, but they are
more at risk to suffer an injury that sidelines them for over a complete
season. The ulnar collateral ligament (UCL) is a small ligament in the elbow
that controls the strength and stability of a pitcher's throwing arm. Due to
repetitive strain, it is not uncommon for pitchers to tear it partially or
completely during their careers. Repairing this injury requires UCL
reconstruction surgery, as known informally as Tommy John surgery. In this
podium abstract, we want to investigate whether we can use machine learning
techniques to predict UCL injury by analyzing online pitcher data.
- Abstract(参考訳): 機械学習とデータ分析の世界で、研究者たちは現実世界の問題を解決する新しい革新的な方法を見つけつつある。
1つの解決策は、医療、スポーツ統計、データサイエンスの交差によって生まれる。
メジャーリーグベースボール(MLB)の領域内では、投手が最も重要なロースターポジションと見なされている。
彼らはしばしば最も報酬の高い選手であり、フランチャイズの成功に不可欠であるが、シーズンを終える前に怪我を負うリスクが高い。
尺側副靭帯(英語:ulnar collateral ligament、UCL)は、ピッチャーの投球腕の強度と安定性を制御する肘の小さな靭帯である。
繰り返しのストレッチのため、投手がキャリア中に部分的にあるいは完全に引き裂くことは珍しくない。
この怪我を修復するには、非公式にトミー・ジョン手術として知られるUCL再建手術が必要となる。
本稿では,オンラインピッチャーデータを解析することにより,UCL損傷の予測に機械学習技術を用いることができるかどうかを考察する。
関連論文リスト
- The Strain of Success: A Predictive Model for Injury Risk Mitigation and
Team Success in Soccer [13.061659160183071]
サッカーにおける新しいチーム選択モデルを提案する。
我々は,実世界のサッカーデータから学習した選手固有の情報を用いて,選手の怪我や不適応の過程をモデル化する。
また,本モデルでは,第1チームのケガを13%減らし,負傷選手に非効率に費やした金額を11%減らした。
論文 参考訳(メタデータ) (2024-02-07T14:28:04Z) - Balance, Imbalance, and Rebalance: Understanding Robust Overfitting from
a Minimax Game Perspective [80.51463286812314]
敵対的訓練(AT)はおそらく、頑健な特徴を抽出するための最先端のアルゴリズムである。
ATは、特に学習率(LR)が崩壊した後、深刻な強固な過適合問題に悩まされる。
我々は, LR崩壊が, より強い記憶能力でトレーナーに力を与えることにより, ミニマックスゲーム間のバランスを損なうことを示す。
論文 参考訳(メタデータ) (2023-10-30T09:00:11Z) - Performance Prediction in Major League Baseball by Long Short-Term
Memory Networks [0.35092739016434554]
我々は,メジャーリーグ野球におけるホームラン予測問題の解法として,時系列モデルロング短期記憶を主手法として用いた。
以上の結果から,長期記憶は他より優れた性能を示し,より正確な予測を行うことができることがわかった。
論文 参考訳(メタデータ) (2022-06-20T09:01:44Z) - External Attention Assisted Multi-Phase Splenic Vascular Injury
Segmentation with Limited Data [72.99534552950138]
脾臓は腹部外傷において最も多く損傷を受けた固形臓器の1つである。
脾臓血管損傷の 正確な分節化は 以下の理由から 困難です
論文 参考訳(メタデータ) (2022-01-04T02:35:56Z) - Playing for 3D Human Recovery [74.01259933358331]
そこで本研究では,ビデオゲームをプレイすることで,人間の大規模配列と3次元地上の真理を収集する。
具体的には,GTA-Vゲームエンジンで生成した大規模かつ高多様性な3次元人的データセットであるGTA-Humanにコントリビュートする。
テーマ、アクション、シナリオの豊富なセットでは、GTA-Humanは両方の効果的なトレーニングソースとして機能する。
論文 参考訳(メタデータ) (2021-10-14T17:49:42Z) - Computing an Optimal Pitching Strategy in a Baseball At-Bat [19.933511825856126]
野球のat-batは、投手とバッターのマッチアップです。
ゼロサムゲームとして,この出会いの新たなモデルを提案する。
原則として、このゲームは古典的なアプローチで解決できる。
論文 参考訳(メタデータ) (2021-10-08T18:09:08Z) - Learning To Describe Player Form in The MLB [5.612162576040905]
本稿では,MLBにおけるプレイヤーフォームを記述するための,新しいコントラスト学習ベースのフレームワークを提案する。
私たちのフォーム表現には、プレイヤーがプレイのコースにどう影響するかの情報が含まれています。
これらの埋め込みは、ゲーム内のイベント、例えばアットバットやゲームの勝者の結果を予測するために使用できる。
論文 参考訳(メタデータ) (2021-09-11T13:42:07Z) - Subclass Contrastive Loss for Injured Face Recognition [79.14062188261163]
本稿では, ケガを負った顔認識の問題点に対処し, 課題に対する新たなサブクラスコントラスト損失(SCL)を提案する。
Injured Face (IF) データベースと呼ばれる新しいデータベースも、この方向の研究を促進するために作成されている。
論文 参考訳(メタデータ) (2020-08-05T08:30:29Z) - Universal Loss Reweighting to Balance Lesion Size Inequality in 3D
Medical Image Segmentation [50.63623720394348]
ネットワークの小さな病変の検出能力を高めるために,損失再重み付け手法を提案する。
Dice Loss, Focal Loss, Asymmetric similarity Lossなど,よく知られた損失関数に対する本手法の利点を報告する。
実験の結果, 逆重み付けは検出品質を著しく向上させる一方で, 最先端のデライン化品質を保っていることがわかった。
論文 参考訳(メタデータ) (2020-07-20T12:08:22Z) - A Tracking System For Baseball Game Reconstruction [0.0]
本研究では, ピッチャー, バッター, ボールの動きを, 高精細度で捉えるシステムを提案する。
我々は,従来のシステムと同等の結果が得られるビデオの大規模データベースを実演する。
さらに、選手、コーチ、チーム、ファンが利用できる情報の量を増やすために、最先端のAI技術が組み込まれています。
論文 参考訳(メタデータ) (2020-03-08T22:04:54Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト(すべての情報・翻訳含む)の品質を保証せず、本サイト(すべての情報・翻訳含む)を使用して発生したあらゆる結果について一切の責任を負いません。