机器学习应用在体育伤害预测中的概述

科学领域:

• 运动医学 运动医学
• 生物机械工程 生物机械工程
• 数据科学数据科学数据科学

背景情况:

• 重复性应变伤害是田径运动中的一个重要问题.
• 传统的伤害预防依赖于历史数据和经验,这些数据和经验的改善很慢.
• 技术进步使人工智能 (AI) 和机器学习 (ML) 能够用于伤害缓解和康复.

研究的目的:

• 提供最近在体育伤害预测和预防方面的ML应用的全面概述.
• 审查体育伤害研究中使用的ML算法.
• 确定体育伤害预防中的ML的挑战和未来方向.

主要方法:

• 在主要的科学数据库 (PubMed,IEEE,ScienceDirect,Google Scholar) 中进行全面的文献搜索.
• 专注于2017年至2022年间发表的论文.
• 包括特定的ML算法:K-最近邻居 (KNN),K-平均值,决策树,随机森林,梯度增强,AdaBoost和神经网络.
• 分析了42篇原创研究论文.

主要成果:

• ML技术越来越多地应用于体育伤害预测和预防.
• 已经探索了各种ML算法在这个领域的潜力.
• 存在重大局限性,包括缺乏开源,统一的数据集和依赖过时的回归模型.

结论:

• 目前的数据限制和模型依赖性阻止对ML在体育伤害预测中的实际有效性做出最终结论.
• 解决数据标准化和模型更新对于释放先进的ML架构的潜力至关重要.
• 未来的工作应该集中在创建强大的数据集和使用新的ML模型来开发用于预防体育伤害的验证的临床工具.