增强数字健康服务:一种机器学习方法来实现个性化炼目标设定
Ji Fang1,2, Vincent Cs Lee2, Hao Ji3
1School of Economics and Management, Southeast University, Nanjing, China.
Digital health
|February 22, 2024
概括
本研究介绍了一种机器学习算法,用于动态的运动目标设定,适应用户行为和健康变化. 与传统策略相比,这种方法显著提高了练习目标设定效率.
科学领域:
- 数字健康数字健康
- 机器学习 机器学习
- 运动科学 运动科学
背景情况:
- 数字健康服务通过个性化的目标来促进运动,但往往忽视动态用户行为和健康变化.
- 现有的数字健康干预措施缺乏适应不断变化的用户需求和条件的适应性.
研究的目的:
- 开发一种机器学习算法,根据用户行为动态更新练习目标.
- 在数字健康平台上解决静态运动目标设定的局限性.
主要方法:
- 设计了一个深度强化学习算法,结合了用于时间序列数据分析的深度学习和用于优化运动强度的异步优势演员-关键算法.
- 该算法使用回顾性和实时数据分析用户的运动行为和健身疲劳效应.
- 使用了公开可用的数据集,包括步行,体育日志和跑步数据.
主要成果:
- 统计分析证实,与其他策略相比,机器学习方法在练习目标设定方面具有更高的有效性.
- 通过95%的置信区间支持的强有力的研究结果强调了拟议的算法的优势.
结论:
- 机器学习算法展示了适应个体炼偏好和行为的能力.
- 有效的目标设计对于数字健康服务在促进体育活动方面的成功至关重要.
更多相关视频
05:51Assessing the Accuracy of Fitness Smartwatch Data for Cardiovascular and Physical Activity Monitoring: A Validation Study in Digital Health
Published on: February 21, 2025
454
05:54A Rehabilitation Program of Exoskeleton-assisted Body Weight-Supported Treadmill Training with Non-immersive Virtual Reality for Stroke Patients
Published on: May 16, 2025
173
