机构名称：
¥ 2.0
非接触式伤害在职业足球运动员中普遍存在。然而，关于此主题的大多数研究都是回顾性的，仅着眼于全球局势系统（GPS）指标和伤害发生之间的统计相关性，忽视了伤害的多因素性质。这项研究介绍了使用机器学习，利用GPS数据和特定于玩家的参数的自动伤害识别和预测方法。分析了来自葡萄牙第一分区团队的34名男性专业球员的样本，将弹射器接收器的GPS数据与机器学习模型的描述性变量结合在一起 - 支持向量机（SVMS），Feedforward神经网络（FNNS），以及适应性增强（Adaboost），以预测受伤。这些模型，尤其是具有成本敏感学习的SVM，在检测伤害事件，达到71.43％的敏感性，74.19％的特异性和总体准确性74.22％方面表现出很高的精度。关键预测因素包括玩家的位置，会话类型，播放器负载，速度和加速度。开发的模型以其平衡的灵敏度和特异性，无大量手动数据收集的效率以及预测短时间伤害的能力而着称。这些进步将有助于教练人员确定高风险的球员，优化团队绩效并降低康复成本。
新型香豆素-6-磺胺胺 - chalcone杂种作为谷胱甘肽转移酶P1-1抑制剂
主要关键词
相关文件推荐
