Modelové systémy pro profesionální fotbalové týmy, zaměřené na optimalizaci zdraví a výkonu (AIPROFB)

1. Úvod Přístup tohoto projektu vychází ze snahy využít inteligentní systémy umělé inteligence a strojového učení v profesionálním sportu jako pomoc při optimalizaci zdraví a výkonu u profesionálních fotbalistů. V profesionálním sportu je vyžadováno zvýšené fyzické, biologické a fyziologické úsilí a potřebujeme pomocné nástroje.

V tomto ohledu byl předložen návrh několika publikací v rámci projektu:

1. Detekce inverze T-vlny pomocí strojového učení, aby se zabránilo náhlé smrti u profesionálních fotbalistů.

   Hráči podstupují různé předsoutěžní screeningové testy k posouzení jejich zdravotního stavu, konkrétně jedním z nich je klidový 12svodový elektrokardiogram. Na základě nálezů křivek v tomto doplňkovém testu lze klasifikovat riziko profesionálního sportovce a potřebu dalších doplňkových testů (Drezner et al., 2017). Naším návrhem je tyto testy znovu analyzovat a podrobit je matematickému modelu strojového učení, který je schopen detekovat inverze T vlny v uvedených svodech a prezentovat výsledky a doporučení v souladu s mezinárodními kritérii pro elektrokardiografické studie u sportovců.

2. Strojové učení aplikované na biologické parametry pro kontrolu a poradenství u profesionálních fotbalistů.

   Během sezóny se provádějí rutinní analýzy ke kontrole biochemických parametrů souvisejících se zdravím a výkonem, které v průběhu sezóny kolísají nebo se mění: vitamín D, vitamín B12, vitamín B9, feritin atd. (Galan et al., 2012). Uvedená data budou podrobena postupu strojového učení, který nás může upozornit na změny v obvyklém vzoru hráčů a které mohou způsobit změny ve výkonu, dokonce i generování patologií.

3. Strojové učení aplikované na sportovní geolokační systémy pro prevenci zranění u profesionálních fotbalistů.

Údaje získané během tréninků a zápasů týkající se fyzických dat, jako je trvání, vzdálenost, vzdálenost při různých rychlostech, hustota tréninku atd. Které poskytují sportovní geolokační systémy, mají velký význam při studiu úsilí a výkonnostního profilu každého hráče. Získáním výkonnostního profilu hráče standardizovaného podle tréninkového dne dokážeme odhalit nepříznivé situace jako: přetrénování nebo nedostatek fyzické kondice. Lze navrhnout výstražné a poplašné systémy zaměřené na prevenci úrazů. (Rossi, Pappalardo, Marcello, Javier a květen 2017).

2. Popis Studie budou realizovány implementací systémů umělé inteligence a strojového učení na fyzických, biologických a fyziologických datech shromážděných během rutinní sportovní a zdravotní aktivity profesionálních fotbalistů v letech 2019-20 a 2020-21, 2021-22 , sezóny 2022-23 a 2023-24.

2.1 Obecné cíle

• Vyhodnotit instalaci systémů umělé inteligence jako je automatické učení k získání modelů a výsledků při interpretaci fyzikálních, biomedicínských a fyziologických parametrů hráčů.

• Vyvíjet poradenské/reklamní systémy v oblasti zdraví a výkonnosti na základě profilů.

  3. Praktická aplikace Projekt má velký potenciál pro praktickou použitelnost a mohl by přinést změnu paradigmatu, protože je založen na generování matematických a/nebo programovacích modelů, které pomohou při kontrole zdraví a kontrole sportovní zátěže, které se používají u profesionálních fotbalistů. . Pozoruhodným aspektem je možné zlepšení ve výpočtu pravděpodobnostních vah rizikových faktorů na zdraví a výkonnost.