相关实验视频
Updated: Jul 22, 2026
07:33
Noninvasive, High-throughput Determination of Sleep Duration in Rodents
Published on: April 18, 2018
篮球运动员的睡眠质量预测,使用基于多式联络数据的注意力机制的深度学习框架
1Sports Department, Dalian Maritime University, Dalian, 116001, China. 20141005@dlmu.edu.cn.
Scientific reports
|March 3, 2026
概括
开发新的AI框架有助于选大学篮球运动员的睡眠质量问题. 注意力-MLP模型对识别需要进一步睡眠评估的运动员有希望.
科学领域:
- 运动科学 运动科学 运动科学
- 人工智能的人工智能
- 医疗信息学 医疗信息学
背景情况:
- 评估大学篮球运动员的睡眠质量对传统方法提出了挑战.
- 睡眠不足会影响学生运动员的体育表现和整体幸福感.
研究的目的:
- 开发和评估一个多式联络表式学习框架,用于大学篮球运动员的睡眠质量查.
- 为了比较基于注意力的多层感知器 (Attention-MLP) 与传统模型的性能.
主要方法:
- 收集的数据包括学生运动员的身体健康,心理特征和社会人口统计学变量.
- 使用匹兹堡睡眠质量指数 (PSQI) 评估睡眠质量.
- 在数据预处理后开发并比较了后勤回归,随机森林,XGBoost和注意力MLP模型.
主要成果:
- 注意力MLP模型实现了最高的准确性 (0.732) 和F1得分 (0.630).
- 身体质量指数 (BMI) 和焦虑水平被确定为睡眠质量的关键预测指标.
- 该模型与基线模型相比显示出适度的收益,适合查而不是确定诊断.
结论:
- 注意力MLP框架提供了一种有效的方法,用于初步查这一群体的睡眠质量问题.
- 进一步的研究可能会完善该模型,在中度睡眠质量病例中提高分类准确性.
- 这种方法支持针对学生运动员的有针对性的干预措施的风险分层.
