可解释的机器学习技术通过生物机械分析来预测职业足球运动员的肌肉损伤
Mailyn Calderón-Díaz1,2,3, Rony Silvestre Aguirre4, Juan P Vásconez1
1Faculty of Engineering, Universidad Andres Bello, Santiago 7550196, Chile.
Sensors (Basel, Switzerland)
|January 11, 2024
概括
足球运动员的腿筋应变损伤可以使用生物力学数据来预测. 最大腿筋强度和刚度是预防这些常见体育伤害的关键生物标志物.
科学领域:
- 运动医学 运动医学
- 生物机械分析 生物机械分析
- 体育运动中的人工智能
背景情况:
- 腿筋应变伤害 (HSI) 是职业足球中最常见的伤害,导致大量的比赛时间错过.
- 鉴定关键风险因素和有效的预防策略对于HSI是具有挑战性的,由于多因素的原因.
- 目前在体育伤害方面的AI应用往往优先考虑模型性能而不是可解释性,阻碍了临床采用.
研究的目的:
- 通过生物机械分析识别职业足球运动员肌肉损伤的生物标志物.
- 开发和评估机器学习模型,以准确检测和预测伤害.
- 为医疗团队和培训人员增强人工智能模型的解释性.
主要方法:
- 采用了一系列机器学习 (ML) 算法,包括决策树,SVM,KNN,ANN和XGBoost.
- 利用生物力学分析来识别潜在的伤害生物标志物.
- 应用XGBoost来确定腿筋损伤最重要的预测特征.
主要成果:
- 最大腿筋肌肉强度和腿筋肌肉度被确定为最有效的差异化变量和可靠的预测因素.
- 在评估的35种技术中,XGBoost在伤害预测方面达到高达78%的精度.
- 这些发现与现有文献一致,表明了人工智能驱动伤害预防的潜力.
结论:
- 肌肉强度和性等生物力学因素对于预测足球中腿筋损伤至关重要.
- 可解释的人工智能模型,如XGBoost,可以提高医疗专业人员伤害预测的可靠性.
- 需要进一步的研究来完善人工智能模型,并确认针对特定体育背景的发现.
