基于大数据和深度学习的个性化运动康复分析，采用经过优化的健身模型

《Disability and Rehabilitation: Assistive Technology》：Personalised sports rehabilitation analysis using a fitness enhanced model based on big data and deep learning

本研究通过嵌入式技术和大数据分析构建现代健康康复管理模式，应用于健身气功训练，使心率变异性提升29.7%，呼吸效率降低17.8%，动作效率提高20.3%，压力水平下降46.2%，且技术模型与传统方法相比HRV提升幅度达200%以上。

　　

摘要

引言

健康康复在当代医疗保健中发挥着至关重要的作用，它有助于确保患者在疾病、受伤或慢性病后的恢复，维持或改善身体功能及整体生活质量，并预防长期并发症。传统的康复方法通常涉及使用现成的程序和频繁的临床评估。

研究目的

本研究的目的是建立一种现代的健康康复管理模式，通过将嵌入式技术和大数据分析应用于健身气功来实现这一目标。该系统结合了可穿戴设备和环境中的传感器。

研究结果

从生理学角度来看，国际标准的气功训练周期后，参与者在生理功能方面取得了显著进步：心率变异性（HRV）增加了29.7%，呼吸频率降低了17.8%，动作效率提高了20.3%，压力水平下降了46.2%（所有数据均p<0.001）。相关性分析表明，心率变异性和动作效率的提高与训练强度呈正相关（r = +0.84和r = +0.90），而呼吸频率与训练强度呈负相关（r = -0.72）。与传统模型相比，采用这项技术的模型表现出更显著的改善，心率变异性提高了200%以上（+34.2%对比+14.3%），呼吸效率也有所提升，同时患者的依从率也更高（91.5%对比65.8%）。

意义

这些研究结果强调了将技术融入气功练习在实现可靠、可扩展且基于数据驱动的健康管理方面的潜力。