一种基于生理指标与步态特征进行个性化能量消耗估算的创新方法：一项人工智能驱动的研究

《BMC Sports Science, Medicine and Rehabilitation》：An innovative approach for personalized energy expenditure estimation using physiological measurements and gait characteristics: an artificial intelligence-based study

　　

摘要

准确估算能量消耗在应对缺乏运动和肥胖问题中起着至关重要的作用。本研究旨在开发一种新的个性化能量消耗估算模型，该模型通过整合生理指标、行走特征以及先进的人工智能技术，超越了传统加速度计数据的限制。研究共有60名健康志愿者参与（31名男性，29名女性），他们在不同坡度（0%、2%、4%）的跑步机上进行行走测试。在测试过程中，研究人员收集了间接热量测定、加速度计数据、心电图以及3D步态分析数据。研究采用了长短期记忆网络模型来对活动类型和坡度进行分类，同时还测试了人工神经网络、随机森林和支持向量机等多种机器学习算法，以用于能量消耗的估算。结果显示，那种整合了心率变异性和行走特征的混合模型，其预测性能明显优于仅使用人体测量数据和加速度计信息的传统模型（R²?=?0.98对比R²?=?0.77）。这些研究结果表明，将生理和运动学数据整合到人工智能模型中，能够显著提升个性化能量消耗估算的准确性。这种创新方法有望为公共卫生、运动分析以及康复等领域提供更为精准且个性化的身体活动监测方案。