机器学习预测循环运动中从肌肉氧气中吸收肺氧气的情况

科学领域:

• 运动生理学 运动生理学
• 生物医学工程 生物医学工程
• 机器学习 机器学习

背景情况:

• VO2max是心肺健康的一个关键指标.
• 准确的VO2测量通常需要实验室测试.
• 预测VO2的非侵入性方法对于广泛应用有价值.

研究的目的:

• 评估用于预测VO2的机器学习模型.
• 为了确定结合肌肉氧气 (MO2) 和心率 (HR) 是否可以提高VO2预测的准确性.
• 为了评估不同强度的运动中的模型性能.

主要方法:

• 20名训练有素的运动员接受了梯增量和恒定强度运动测试.
• 使用HR,左腿MO2 (LM) 和右腿MO2 (RM) 数据训练了一种机器学习模型.
• 用各种输入组合 (LM,RM,HR) 来比较模型的预测准确性.

主要成果:

• 结合LM,RM和HR的模型在所有运动强度的VO2预测中表现出最高的准确性.
• 这种模型表现出低偏差 (0.08毫升/公斤/分钟) 和与测量VO2.4的非常强的相关性 (r=0.94).
• 使用LM+HR或RM+HR的预测比单独使用LM+RM或LM,RM或HR更准确.

结论:

• 整合MO2和HR的机器学习模型可以准确预测VO2.
• 将双边MO2数据与HR数据相结合,可以比使用单个或仅HR数据更好地预测VO2.
• 这种方法显示了在运动期间进行非侵入性,准确的VO2评估的潜力.