Использование алгоритмов искусственного интеллекта для аппроксимации данных датчиков микроэлектромеханических систем и тензодатчиков у баскетболистов

Обоснование. В настоящее время процесс получения визуальных данных с датчиков микроэлектромеханических систем делает работу клинициста трудоёмкой и продолжительной во времени. Аппроксимация данных с помощью алгоритмов искусственного интеллекта поможет сэкономить время и увеличить объём проводимой работы.

Цель — провести аппроксимацию данных, приходящих с датчиков, расположенных в обувной стельке спортсменов баскетболистов; сравнить показатели изменения параметров движения спортсменов при использовании CAD/CAM стелек.

Материалы и методы. Для проведения исследования было получено разрешение локального этического Комитета Сеченовского Университета (протокол № 19-23). Основную когорту составили 39 спортсменов: 21 мужчина (53%) и 18 женщин (47%). Средний возраст спортсменов — 22,4±7,54 года. Спортсменов разделили на три равнозначные группы сравнения в зависимости от вида стелек, в период проведения исследования все спортсмены были здоровы, без травм. Перемещение в пространстве оценивали по трёх-тестовой системе. Оценку проводили с помощью датчиков микроэлектромеханических систем с алгоритмом искусственного интеллекта, который помогал строить визуально понятные и хорошо интерпретируемые срединные линии (аппроксимация данных).

Результаты. Для объективной оценки прыжковых характеристик, угловых изменений, скоростных перемещений в пространстве и сравнения всех параметров в 0-й день и 21-й день была разработана и использована собственная программная система, основанная на математической алгоритмизации и формуле преобразования по определённым осям. Все данные мы занесли в выстроенную нами нейронную сеть для построения усреднённых значений параметров перемещения в пространстве. Такой подход позволяет врачу оценивать не единичные изменения каждого пикового движения по трём разным осям. Кроме того, можно суммировать при помощи искусственного интеллекта параметры движения спортсмена и замечать изменения по разным осям на 0-й и 21-й день. Модель стельки С-1: скорость перемещения по оси X на +7,7%, высота прыжка по оси Y +17,3%, выносливость +3,1% и улучшение параметра гашения ударной нагрузки в 1,43 раза. Модель стельки С-2: скорость перемещения по оси X +8,4%, высота прыжка по оси Y +20,8%, выносливость +6,6% и улучшение параметра гашения ударной нагрузки в 1,48 раза. Модель стельки С-3: скорость перемещения по оси X +13,5%, высота прыжка по оси Y +22,4%, выносливость +9,5% и улучшение параметра гашения ударной нагрузки в 1,53 раза.

Заключение. Аппроксимация данных (посторенние срединных линий при помощи алгоритма искусственного интеллекта) позволяет легко интерпретировать и проводить сравнение различных параметров и делать выводы не только об эффективности индивидуальных спортивных CAD/CAM стелек, но и оценить изменение показателей повышения выносливости, скорости передвижения при длительном и интенсивном перемещении и снижения риска влияния ударных нагрузок на опорно-двигательный аппарат спортсмена.