不同预测模型的比较,用于估计走路和跑步的能源消耗,基于手腕穿戴的三轴加速度计

科学领域:

• 生物医学工程 生物医学工程
• 运动科学 运动科学 运动科学
• 公共卫生 公共卫生

背景情况:

• 精确测量体力活动 (PA) 和能量消耗 (EE) 在医学,公共卫生,教育和体育方面至关重要.
• 现有的基于加速度计的方法用于预测人类运动期间的EE,往往具有较低的准确性.
• 开发精确的EE预测模型对于有效的PA监测和健康干预至关重要.

研究的目的:

• 开发和评估用于预测人类运动期间异步能源消耗的新型算法.
• 为了比较各种预测模型的准确性,包括线性,对数,立方,人工神经网络 (ANN) 和一个新的两阶段模型.
• 确定最佳的能源消耗预测模型,作为选择PA监控算法的理论参考.

主要方法:

• 100名健康成年人 (18-30岁) 参与,数据分为建模 (n=70) 和验证 (n=30) 组.
• 参与者同时佩戴三轴加速度计,COSMED 夸克肺功能测试仪和心率带.
• 在行走 (2-6公里/小时) 和跑步 (7-9公里/小时) 任务中收集数据;加速度计数据作为独立变量,代谢等价值 (MET) 作为依赖变量.

主要成果:

• 建立了五种预测模型:线性,对数,立方,ANN和一个步行运行两阶段模型.
• 拟议的步行和跑步两阶段模型显示了最低的整体EE预测误差 (RMSE = 0.76METs,Bias = 0.02METs).
• 这种两阶段模型在布兰德-阿尔特曼分析中也表现出优异的性能,并单独实现了行走 (RMSE = 0.66 METs) 和跑步 (RMSE = 0.90 METs) 的最低预测误差.

结论:

• 基于人工神经网络 (ANN) 的步行和跑步双阶段模型有效地估计了步行和跑步期间的能源消耗 (EE).
• 在模型中将步行和跑步活动分开,可以显著提高预测的准确性.
• 使用该模型进行EE预测的提高准确性将促进更精确地监测体力活动 (PA) 能耗.