Modelo BiLSTM convolucional mejorado con atención para predecir los resultados de la recuperación en lesiones...

Área de la Ciencia:

• La biomecánica es la biomecánica.
• Aprendizaje profundo Aprendizaje profundo.
• Medicina del Deporte Medicina del Deporte es la medicina del deporte.

Sus antecedentes:

• La gestión efectiva de las lesiones deportivas y la rehabilitación es vital para el rendimiento deportivo, especialmente en los atletas jóvenes.
• Las lesiones de las extremidades inferiores son comunes y afectan significativamente la movilidad, lo que requiere una rehabilitación personalizada.
• El análisis biomecánico tradicional lucha con datos complejos de movimiento humano, lo que limita la evaluación de lesiones y la predicción de la recuperación.

Objetivo del estudio:

• Introducir un nuevo modelo híbrido de aprendizaje profundo para mejorar la evaluación de lesiones deportivas.
• Para mejorar la predicción de los resultados de la rehabilitación para las lesiones de las extremidades inferiores.
• Para superar las limitaciones del análisis biomecánico tradicional en la captura de datos de movimiento.

Principales métodos:

• Desarrolló un bosque aleatorio basado en la atención optimizado convolucional bidireccional larga memoria a corto plazo (A-RF-CBiLS TM) modelo.
• Utilizó múltiples conjuntos de datos, incluidos datos de EMG y cinemática para un análisis exhaustivo.
• Empleado Bosque aleatorio para la selección de características, CBAM para la atención, CNN para la extracción de características, y BiLSTM para el análisis de dependencia temporal.

Principales resultados:

• El modelo A-RF-CBiLSTM logró métricas de alto rendimiento: 98.87% de precisión, 98.60% de precisión, 97.34% de recuerdo, 97.34% de puntuación F1 y 97.88% de especificidad.
• Eficacia demostrada en la predicción de los resultados de la rehabilitación y la identificación de patrones de lesiones en las extremidades inferiores.
• Validación de la robustez y confiabilidad del modelo a través de una extensa evaluación del rendimiento.

Conclusiones:

• El modelo A-RF-CBiLSTM propuesto representa un avance significativo en el análisis biomecánico para la gestión de lesiones deportivas.
• Este enfoque de aprendizaje profundo híbrido ofrece una solución robusta y eficiente para la evaluación de lesiones y la predicción de la rehabilitación.
• Los hallazgos destacan el potencial de las técnicas avanzadas de IA en la optimización de la recuperación atlética y el rendimiento.