使用惯性测量单位和机器学习技术量化女子水球上空运动量:一个横截面研究
Marguerite H King1,2, Raimundo Sanchez3, Kate Watson4
1Queensland Academy of Sport, Nathan, QLD, Australia. marguerite.king@uq.edu.au.
Scientific reports
|January 19, 2026
概括
惯性测量单元 (IMU) 和机器学习可以对水球头部运动进行分类,有助于预防伤害. 这项技术为运动员提供及时的反,与传统的视频分析不同.
科学领域:
- 运动科学 运动科学 运动科学
- 生物力学 生物力学
- 运动中的机器学习
背景情况:
- 水球上肢受伤与射击量和强度有关.
- 目前的监测方法,如视频分析,缺乏及时的反给运动员.
- 惯性测量单元 (IMU) 为实时运动分析提供了一个潜在的解决方案.
研究的目的:
- 评估IMU和机器学习模型在精英女子水球比赛中对头部运动进行分类方面的表现.
- 确定使用IMU用于在训练期间客观监测运动员的可行性.
主要方法:
- 十名精英女水球运动员在四次训练中穿着两个IMU.
- 顶部运动被分为五类:游泳,高强度投,低强度投,与球接触阻和没有球接触阻.
- 来自IMU数据的矢量和大小特征被用来训练五个机器学习模型,包括一个随机森林模型.
主要成果:
- 总共分析了18,186个空中运动.
- 随机森林模型实现了最高的性能,准确度为0.765和宏观F1得分为0.504.
- 该研究证明了IMU和机器学习在水球训练期间测量头部运动的潜力.
结论:
- 与随机森林机器学习模型相结合的IMU显示出对水球上空运动的客观和及时监控的希望.
- 这种方法可以为损伤风险修改和性能提升提供有价值的数据.
- 未来的研究应该集中在改进模型和将这项技术整合到常规培训实践中.


