使用多重神经网络方法,估计室外人类步行中对象内和对象间的氧气消耗
Philipp Müller1, Khoa Pham-Dinh1, Huy Trinh1
1Faculty of Information Technology and Communication Sciences, Tampere University, Tampere, Finland.
PloS one
|September 27, 2024
概括
使用神经网络在运动期间估计氧气消耗对新用户来说是个挑战. Xception网络对跨主体估计具有前景,为运动员和跑步者提供准确的见解.
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:
- 氧气消耗是运动测试的关键指标,但传统方法对消费者来说不切实际.
- 消费级传感器为间接氧气消耗估计提供了一个可行的替代方案.
- 使用神经网络进行主体间的氧气消耗估计仍然是一个未解决的挑战.
研究的目的:
- 评估各种神经网络架构,用于对主体间的氧气消耗估计.
- 评估使用消费级传感器数据用于运动监测的可行性.
- 确定最有效的神经网络来预测不同个体的氧气消耗.
主要方法:
- 测试了五个神经网络架构,用于对主体间的氧气消耗估计.
- 利用来自16名参与者的数据,以从1.0米/秒到3.3米/秒的速度行走和跑步.
- 分析基于运动特征和心率测量的预测性表现.
主要成果:
- 在测试的架构中,Xception网络表现出了最有前途的性能.
- 获得的平均估计误差为2.43ml×min-1×kg-1的低于主体间的氧气消耗.
- 运动员和跑步爱好者监测运动经济的潜在潜力.
结论:
- Xception网络提供了一种可行的解决方案,用于对主体间的氧气消耗估计.
- 这种方法可以使运动员能够随着时间的推移跟踪运动经济的变化.
- 消费级传感器与先进的人工智能相结合,可以使运动生理学监测更容易获得.
