Системы на основе моделей для профессиональных футбольных команд, направленные на оптимизацию здоровья и производительности (AIPROFB)

1. Введение Подход этого проекта проистекает из стремления использовать искусственный интеллект интеллектуальных систем и машинное обучение в профессиональном спорте в качестве помощи для оптимизации здоровья и производительности профессиональных футболистов. В профессиональном спорте требуются возрастающие физические, биологические и физиологические усилия, и нам нужны вспомогательные средства.

В связи с этим было предложено несколько публикаций в рамках проекта:

1. Обнаружение инверсии зубца T с помощью машинного обучения для предотвращения внезапной смерти у профессиональных футболистов.

   Игроки проходят различные предсоревновательные скрининговые тесты для оценки состояния своего здоровья, в частности, одно из них - электрокардиограмма в 12 отведениях в состоянии покоя. На основании результатов этого дополнительного теста можно классифицировать риск профессионального спортсмена и потребность в дополнительных дополнительных тестах (Drezner et al., 2017). Наше предложение состоит в том, чтобы повторно проанализировать эти тесты и подвергнуть их математической модели машинного обучения, которая способна обнаруживать инверсию зубца Т в указанных отведениях и представлять результаты и рекомендации в соответствии с международными критериями электрокардиографического исследования у спортсменов.

2. Машинное обучение применяется к биологическим параметрам для контроля и консультирования профессиональных футболистов.

   В течение сезона проводятся плановые анализы для контроля биохимических показателей, связанных со здоровьем и продуктивностью, которые колеблются или изменяются в течение сезона: витамин D, витамин B12, витамин B9, ферритин и др. (Galan et al.., 2012). Указанные данные будут подвергнуты процедуре машинного обучения, которая может уведомить нас об изменениях в привычном образе действий игроков и может вызвать изменения в производительности, даже вызывая патологии.

3. Применение машинного обучения в системах спортивной геолокации для предотвращения травм у профессиональных футболистов.

Данные, полученные во время тренировок и матчей, касающиеся физических данных, таких как продолжительность, расстояние, расстояние на разных скоростях, плотность тренировок и т. д. Которые предоставляются системами спортивной геолокации, имеют большое значение при изучении профиля усилий и результатов каждого игрока. Получив стандартизированный по тренировочному дню профиль работоспособности игрока, мы можем выявить неблагоприятные ситуации, такие как: перетренированность или недостаточная физическая форма. Могут быть разработаны системы оповещения и сигнализации, направленные на предотвращение травм. (Росси, Паппалардо, Марчелло, Хавьер и май 2017 г.).

2. Описание Исследования будут осуществляться путем внедрения систем искусственного интеллекта и машинного обучения на физических, биологических и физиологических данных, собранных в ходе обычной спортивно-оздоровительной деятельности профессиональных футболистов в 2019-20 и 2020-21, 2021-22 годах. , 2022-23 г 2023-24 сезоны.

2.1 Общие цели

• Оцените установку систем искусственного интеллекта, таких как автоматическое обучение для получения моделей и результатов интерпретации физических, биомедицинских и физиологических параметров игроков.

• Разрабатывать консультационные/рекламные системы в области здоровья и производительности на основе профилей.

  3. Практическое применение Проект имеет большой потенциал для практического применения и может привести к сдвигу парадигмы, поскольку он основан на создании математических и/или программных моделей, которые помогут в контроле за здоровьем и контроле спортивной нагрузки, которые применяются к профессиональным футболистам. . Примечательным аспектом является возможное улучшение расчета вероятностных весов факторов риска для здоровья и работоспособности.