一个双惯性测量单元系统,用于对精英女子水球运动中的标准空中钻孔运动进行分类

科学领域:

• 运动科学 运动科学 运动科学
• 生物力学 生物力学
• 数据科学数据科学数据科学

背景情况:

• 精确的外部负荷监测上肢在水球是具有挑战性的.
• 空中运动体积和强度的波动会影响性能和受伤风险.
• 惯性测量单元 (IMU) 和机器学习在体育运动中对头部运动进行分类方面表现有前途.

研究的目的:

• 评估IMU和机器学习的准确性,精度,灵敏度和特异性,用于在精英女子水球比赛中对空钻运动进行分类.
• 调查IMU和机器学习在监测水球运动员负载方面的实用性.
• 探索减少与水球上空运动相关的受伤风险的方法.

主要方法:

• 十名精英女水球运动员进行了标准练习 (游泳,阻,低/高强度投).
• 两个IMU被佩戴 (上背部,远端前臂) 并将数据与视频分析合并.
• 使用分区训练和测试数据开发了一个决策树算法.

主要成果:

• IMU数据显示了钻井特定的加速和角速度.
• 该模型实现了95.88%的准确性,分类了194个活动,有8个错误.
• 在所有演练中都观察到高精度,灵敏度和特异性,特别是高强度抛射 (所有指标100%).

结论:

• IMU和机器学习技术提供了精英女子水球上空钻运动的准确分类.
• 这种方法提供了一种可行的方法来监测水球运动中的外部上肢负荷.
• 这些发现表明,通过客观的负载评估,可以提高性能和降低受伤风险.