使用机器学习和仪器内预测常见的跑步损伤地点的肌肉骨负荷

科学领域:

• 生物力学 生物力学
• 运动医学 运动医学
• 可穿戴技术可穿戴技术

背景情况:

• 可穿戴设备在估计运行组织负载方面表现有前途.
• 调查仪器内的准确性,以预测常见的跑步损伤部位的肌肉骨负荷.

研究的目的:

• 评估ARION仪器内在跑步期间预测肌肉骨负荷时的准确性.
• 为了评估人工神经网络在内数据上训练的预测性能.

主要方法:

• 十九名跑步者在带仪器的跑步机上进行了跑步试验,以不同的速度,斜率,步骤频率和体.
• 足底数据被输入到一个人工神经网络中,以预测阿基里斯肌的张力和骨/骨骨关节应激冲动.
• 准确性评估使用交叉验证和相关性分析.

主要成果:

• 神经网络在骨骨关节 (1.95±8.40%),骨 (-7.37±6.41%) 和阿基里斯肌 (-12.8±9.44%) 脉冲方面实现了较低的相对百分比误差.
• 预测的准确性因运行速度,斜率和步骤频率而异.
• 在模拟和预测的冲动之间观察到高的个人内相关性 (0.92-0.95).

结论:

• 仪器内可以预测运行时的组织负荷,其相对准确度很高,其性能优于简单的方法.
• 开发的模型允许在现场量化组织负荷.
• 潜在的实时,基于负载的反,以减轻运行受伤的风险.