在老年人中使用手腕可穿戴设备和机器学习的太极拳专业知识分类

科学领域:

• 老年学是一门学科.
• 生物医学工程 生物医学工程
• 运动学 运动学

背景情况:

• 太极拳为老年人提供身体益处,但在家庭实践中缺乏反.
• 没有专家监督,对太极拳专业知识的客观评估是具有挑战性的.
• 可穿戴传感器和机器学习 (ML) 为远程监控提供了潜在的解决方案.

研究的目的:

• 研究使用可穿戴传感器和ML自动分类太极拳专业知识的可行性.
• 为了确定手腕加速度档案是否可以区分低,中,高经验的太极拳练习者.

主要方法:

• 招募了12名经验丰富的太极拳练习者.
• 手腕加速数据是在自主导的太极拳运动中收集的.
• 15个加速衍生特征和8个ML架构被用于分类.

主要成果:

• 机器学习模型实现了分类准确性和F1分数,从0.73到0.97.
• 功能重要性分析确定了专业知识分类的关键加速衍生特征.
• 顶部特征有助于在删除时精度下降16-19%.

结论:

• 基于手腕可穿戴的ML模型可以准确地分类太极拳专业知识.
• 这项技术对客观地量化家庭太极拳练习的进步显示出希望.
• 客观反可以支持老年人更广泛地采用和坚持太极拳.