综述：用于预防运动损伤的人工神经网络：一项系统评价

《Sport Sciences for Health》：Artificial neural networks for prevention of sports injuries: a systematic review

人工智能在体育损伤预防中的应用研究综述：通过系统方法分析2013-2023年28项研究，发现人工神经网络（ANN）在篮球、足球等9类运动中的损伤预测准确率介于51.21%-98%，为个性化防护提供数据支持。

　　

摘要

目的

运动员的安全和表现提升在很大程度上取决于运动损伤的及时预防。人工神经网络（ANN）由于其高效性和可解释性，最近已成为有价值的工具。尽管ANN在预防运动损伤方面具有巨大的潜力，但其在各种运动项目中的有效性和预防能力仍有待探索。本研究旨在填补这一研究空白，并评估ANN在预防运动损伤方面的有效性。

方法

本研究遵循了《系统评价优先报告项目》（PRISMA）声明中规定的严格指南。为了识别相关研究，我们在包括PubMed、Scopus、Web of Science和IEEE在内的电子数据库中进行了全面搜索。我们的综述涵盖了2013年至2023年期间发表的文章，以确保分析的全面性和时效性。

结果

本综述共纳入了28项研究，这些研究探讨了ANN基于运动员的表现、既往受伤情况、个人数据和生物力学等因素预测运动损伤风险的能力。在这些研究中，使用了不同类型的人工神经网络和多种风险因素来预测篮球（n=9）、足球（n=7）、手球（n=5）、排球（n=2）、澳式足球（n=2）、橄榄球（n=1）、棒球（n=1）、沙滩排球（n=1）和跑步（n=1）运动员的受伤概率。多层感知模型的准确率最低为51.21%，最高为98%。

结论

本研究的结果强调了ANN作为运动损伤预防实用工具的潜力。这项研究的意义在于表明，我们需要向更加数据驱动和个性化的方法转变。为了进一步验证和完善这些模型，未来的研究应侧重于纵向研究、实际应用以及纳入更多类型的运动员群体。