一个人工智能练习教练移动应用程序:开发和随机对照试验,以验证其在姿势纠正方面的有效性

科学领域:

• 生物医学工程 生物医学工程
• 计算机科学 计算机科学
• 运动科学 运动科学 运动科学

背景情况:

• 身体不活动会增加疾病的风险;不正确的运动形式会导致受伤.
• 现有的远程辅导和姿势正解决方案往往昂贵或低效.
• 移动设备为可访问的AI驱动健身指导提供了一个潜在的平台.

研究的目的:

• 开发一个使用深度神经网络进行个性化坐姿态反的移动应用程序.
• 为了利用深度学习来模仿练习形式的专家评估.
• 与标准炼视频相比,评估应用程序在改善式技巧方面的有效性.

主要方法:

• 在使用姿势估计和视频分类的20,000多个专家注释的坐视频上训练了一种深度学习模型.
• 开发了"独自在家练习"移动应用程序,用于实时姿势分析.
• 进行了一项为期2周的随机对照试验,比较应用程序用户 (EXP) 与使用仅炼视频的对照组 (CTL).

主要成果:

• 在2周后,EXP组在式姿势得分 (P=.001) 和膝关节角度 (P=.02-.03) 中显著改善.
• 在CTL组中,腰姿势或膝关节角度没有显著变化.
• 该应用程序有效地识别并引导用户正确执行位.

结论:

• 移动炼助手为坐练习提供了具有成本效益的,自我引导的反.
• 使用该应用程序进行训练的用户表现出更快的学习速度和更好地理解微妙的练习细节.
• 这种由人工智能驱动的方法为改善运动形式提供了面对面培训的有效替代方案.