اعتباریابی مدل شبکه عصبی برای پیش بینی طول گام حین گیت با استفاده از 3 مارکر متصل به لگن، تنه و سر
نویسندگان
1 Department of Physical Education and Sports Science, Faculty of Psychology and Educational Sciences, Yazd University, Yazd, Iran
2 Department of Physical Education, Farhangian University, P.O. Box 889-14665, Tehran, Iran
3 . Department of Sport Injuries and Biomechanics, Faculty of Sports and Health Sciences, Tehran University, Tehran, Iran
doi
10.22089/smj.2025.17634.1790چکیده
تحلیل حرکتی یکی از ارکان کلیدی تحقیقات آنالیز گیت است که بهتازگی تحتتأثیر پیشرفتهای سیستمهای ضبط حرکت و هوش مصنوعی قرار گرفته است. هدف مطالعه حاضر، اعتباریابی مدل شبکه عصبی برای پیشبینی طول گام با استفاده از سه مارکر متصل به لگن، تنه و سر بود. از 28 مرد جوان حاضر در مطالعه خواسته شد تا به مدت دو دقیقه با سه سرعت روی تردمیل راه روند. جابهجایی خطی و سهبعدی لگن، تنه و سر با استفاده از نشانگرهای متصل به این اندامها جمعآوری شد و در سیزده ترکیب مختلف وارد مدل شبکه عصبی شد. از دو نشانگر متصل به پاشنه برای محاسبه مستقیم طول گام استفاده شد. اطلاعات طول گام بهعنوان داده هدف و بهمنظور آموزش شبکه عصبی وارد مدل شد. از الگوریتم لونبرگ-مارکوارت برای آموزش و برای اعتبارسنجی نتایج از روش بلاند-آلتمن استفاده شد. نتایج اعتبارسنجی نشان داد، در تخمین طول گام، بهترین عملکرد مربوط به حرکت خطی سه مارکر در راستای بالایی-پایینی و قدامی-خلفی با ضریب تعیین 5/86 درصد بود. ضعیفترین پیشبینی نیز مربوط به حرکت چپی-راستی سه مارکر لگن، تنه و سر با ضریب تعیین 65/9 درصد بود. همچنین در هفت حالت از سیزده حالت بررسیشده، همبستگی بین روش مستقیم و پیشبینی عالی به دست آمد. نتایج نشان داد، تخمین طول گام با استفاده از سه مارکر تعیینشده، همبستگی زیادی با روشهای مرسوم اندازهگیری دارد. این روش نهتنها دقت بسیاری را ارائه میدهد، بلکه هزینهها و زمان پردازش را نیز کاهش میدهد و در محیطهای کلینیکی و ورزشی با تجهیزات محدود، مزیت مناسبی را ایجاد میکند.
