Интеграция биомеханических и психофизиологических данных в модель прогнозирования травм спортсменов с использованием LSTM-сетей

Abstract

Современный спорт высших достижений предъявляет повышенные требования к физической, технической и психологической подготовке спортсменов, что усиливает проблему спортивных травм и перетренированности. Традиционные методы мониторинга зачастую не обеспечивают достаточной точности для своевременного выявления рисков травматизма. В данном исследовании разработаны и сравнены три модели на базе LSTM для прогнозирования риска травм у бегунов: основанная на биомеханических параметрах, психофизиологических показателях и интегрированная, объединяющая оба типа данных. Модели созданы на основе данных цифровых двойников двух квалифицированных бегунов, включающих физиологические (частота сердечных сокращений, вариабельность сердечного ритма, уровень лактата), биомеханические (углы суставов, симметрия шага, ускорения) и психофизиологические (качество сна, утомляемость, когнитивные реакции) показатели. Интегрированная модель показала наилучшие результаты: Accuracy = 0.89, F1-мера = 0.87, AUC-ROC = 0.91. Анализ SHAP выявил ключевые предикторы: симметрия шага, ударная нагрузка, снижение вариабельности сердечного ритма, ухудшение качества сна и субъективная утомляемость. Результаты подчеркивают преимущества интеграции разнородных данных, создавая надежную основу для персонализированных систем профилактики травм в спорте.