人工智能在游泳生物力学与流体动力学中的应用:从运动学描述到机制可解释推断的结构化叙述性综述

《Applied Sciences》:Fundamental Physical Principles and History of a Vertical Artefact in Chest Ultrasound: The Current “B Lines”—A Comprehensive Narrative Review for Clinicians

【字体: 大 中 小 】 时间:2026年09月19日 来源:Applied Sciences 2.5

编辑推荐:

  人工智能在运动表现分析中的应用日益广泛,但其对游泳生物力学和流体动力学的贡献仍分散于可穿戴传感、计算机视觉、预测分析和计算建模等领域。本结构化叙述性综述综合了当前应用,并评估人工智能如何能够从描述运动进展到支持对流体动力推进、阻力和表现进行机制上可辩护的解释。

  
人工智能在运动表现分析中的应用日益广泛,但其对游泳生物力学和流体动力学的贡献仍分散于可穿戴传感、计算机视觉、预测分析和计算建模等领域。本结构化叙述性综述综合了当前应用,并评估人工智能如何能够从描述运动进展到支持对流体动力推进、阻力和表现进行机制上可辩护的解释。证据通过PubMed和Google Scholar检索确定(最后检索日期:2026年7月28日),并围绕惯性传感、无标记姿态估计、训练分析、计算流体动力学、可解释性和验证进行组织。游泳周期识别、泳池分段和时间事件检测的研究较为充分,但缺乏充分的外部验证,且力与流相关输出的直接验证较为薄弱。机器学习代理模型、物理信息模型和多模态融合为连接运动学与水动力机制提供了有前景的路径,尽管规模小且同质的数据集、数据泄漏和报告不足制约了泛化性。本综述的核心贡献在于明确区分运动学观测、经验证的生物力学估计和水动力推断。当预测保持可追溯至测量质量、物理原理和预期决策情境时,人工智能可以扩展游泳中的生物力学推理。
1. Introduction
游泳表现源于推进动作、阻力、身体对线、协调性及随速度和疲劳变化保持有效技术的能力,但游泳者的部分或完全浸没、身体连续变形和流场变化使测量异常困难。现有分析传统包括比赛分析、视频运动学、牵引力评估、主动与被动阻力方法、惯性传感和计算流体动力学,但单一方法无法完整捕捉游泳者-水相互作用。当代问题并非数据短缺,而是将异构信号在有用时间尺度上转换为可靠生物力学信息。人工智能(artificial intelligence, AI)在本综述中作为覆盖机器学习、深度学习、计算机视觉、可解释AI和物理信息学习的统称;综述区分了可解释人工智能与机制可解释性。本结构化叙述性综述聚焦游泳,围绕水动力主张的明确层级组织证据,核心立场是AI应扩展而非替代生物力学推理。

2. Narrative Review Approach
采用结构化叙述性综述而非系统综述,因主题涵盖异质研究设计、测量系统和计算方法。文献通过PubMed和Google Scholar(检索至2026年7月28日)及国际游泳生物力学与医学研讨会(International Symposium on Biomechanics and Medicine in Swimming)资料库等途径识别,最终保留约60篇同行评审来源,未进行预注册协议或正式偏倚风险评级。纳入优先考虑涉及竞技游泳或直接为游泳者中心生物力学与水动力模型解释提供信息的同行评审研究、综述和方法学论文;仅聚焦娱乐活动识别、溺水
相关新闻
生物通微信公众号
微信
新浪微博
  • 搜索
  • 国际
  • 国内
  • 人物
  • 产业
  • 热点
  • 科普

热点排行

    今日动态 | 人才市场 | 新技术专栏 | 中国科学人 | 云展台 | BioHot | 云讲堂直播 | 会展中心 | 特价专栏 | 技术快讯 | 免费试用

    版权所有 生物通

    Copyright© eBiotrade.com, All Rights Reserved

    联系信箱:

    粤ICP备09063491号