基于注意力引导的多视角视频融合运动损伤实时风险评估框架

《Scientific Reports》：Attention-guided multi-view video fusion for real-time sports injury risk assessment

　　**摘要**运动损伤给运动员和医疗系统带来了沉重负担，然而当前的评估方法缺乏实时干预能力。本研究提出了一种注意力引导的多视角视频融合框架，能够在运动训练过程中实现实时的损伤风险评估。该系统采用跨视角注意力机制，自适应地融合多个摄像头视角的信息，并结合时序注意力模块，以在连续动作序列中保持评估的稳定性。我们构建了一个包含来自四种运动项目中156名运动员的11,206个动作样本的综合数据集。实验结果表明，所提出的模型在分类任务中达到了85.7%的准确率，在连续风险评分中的平均绝对误差为6.83，相较于单视角基线方法提升了28.4%。该系统平均处理延迟为87毫秒，满足实时部署要求，同时与专家临床评估保持良好一致性（皮尔逊相关系数为0.79）。在三个体育设施进行的现场验证确认了该系统通过训练过程中的即时纠正反馈来实现主动损伤预防的实际可行性。