KI & Sport · Daten und Analyse
پژوهشگران چارچوب Athlete-AI را برای پایش ورزشکاران معرفی کردند
مقالهای، چارچوبی چندوجهی برای ترکیب دادههای حسگرهای پوشیدنی، حرکت بدن و مدلهای پیشبینی خطر آسیب معرفی کرده است.
به گزارش پایگاه تخصصی اقتصاد و ورزش، مقاله Athlete-AI: a multi-modal artificial intelligence framework for personalized athlete monitoring and injury risk forecasting در ۲۲ اکتبر ۲۰۲۶ در نشریه علمی Scientific Reports منتشر شد.
این پژوهش چارچوبی محاسباتی ارائه میکند که چند نوع داده را در یک ساختار واحد ترکیب میکند؛ از جمله دادههای حسگرهای پوشیدنی، اطلاعات حرکت بدن، ویژگیهای استخراجشده از وضعیت بدن و متغیرهای مرتبط با بار تمرین، خستگی و بازیابی.
سامانه پیشنهادی از ترکیب ویژگیهای چندوجهی، یادگیری تقویتی برای شبیهسازی تمرین تطبیقی و روشهای یادگیری ماشین برای مدلسازی خطر آسیب استفاده میکند. پژوهشگران آن را با مجموعهدادههای عمومی و سناریوهای شبیهسازیشده ارزیابی کردهاند.
در یکی از آزمونها، با حذف متغیرهایی که در تعریف برچسبهای شبیهسازیشده خطر آسیب استفاده شده بودند، امتیاز F1 مدل از ۸۶.۶ درصد به ۷۲.۸ درصد کاهش یافت. این نتیجه اهمیت بررسی وابستگی مدل به متغیرهای ورودی و احتمال بیشبرآورد عملکرد را نشان میدهد.
نکته مهم آن است که این مطالعه هنوز اعتبارسنجی آیندهنگر روی ورزشکاران واقعی را ارائه نمیکند. نویسندگان تصریح کردهاند که نتایج فعلی، امکانپذیری محاسباتی چارچوب را نشان میدهند و برای استفاده عملی به ارزیابی با دادههای طولی ورزشکاران واقعی نیاز است.
منبع: Scientific Reports، ۲۲ اکتبر ۲۰۲۶ ـ متن کامل مقاله
انتهای پیام/