論文の概要: Finding Pre-Injury Patterns in Triathletes from Lifestyle, Recovery and Load Dynamics Features
- arxiv url: http://arxiv.org/abs/2511.17610v1
- Date: Tue, 18 Nov 2025 08:48:37 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-11-25 18:34:24.290547
- Title: Finding Pre-Injury Patterns in Triathletes from Lifestyle, Recovery and Load Dynamics Features
- Title（参考訳）: ライフスタイル, 回復, 負荷動態からみたトライアスレットの損傷前パターンの発見
- Authors: Leonardo Rossi, Bruno Rodrigues,
- Abstract要約: トライアスロンのトレーニングでは、アスリートは繰り返し生理的ストレスによる怪我を過大評価するリスクを負う。
現在の傷害予測アプローチは、睡眠の質、ストレス、個人のライフスタイルといった重要な要素を無視して、トレーニング負荷メトリクスに依存している。
トライアスロントレーニングに適した新しい合成データ生成フレームワークを提案する。
- 参考スコア（独自算出の注目度）: 0.7448254811651419
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Triathlon training, which involves high-volume swimming, cycling, and running, places athletes at substantial risk for overuse injuries due to repetitive physiological stress. Current injury prediction approaches primarily rely on training load metrics, often neglecting critical factors such as sleep quality, stress, and individual lifestyle patterns that significantly influence recovery and injury susceptibility. We introduce a novel synthetic data generation framework tailored explicitly for triathlon. This framework generates physiologically plausible athlete profiles, simulates individualized training programs that incorporate periodization and load-management principles, and integrates daily-life factors such as sleep quality, stress levels, and recovery states. We evaluated machine learning models (LASSO, Random Forest, and XGBoost) showing high predictive performance (AUC up to 0.86), identifying sleep disturbances, heart rate variability, and stress as critical early indicators of injury risk. This wearable-driven approach not only enhances injury prediction accuracy but also provides a practical solution to overcoming real-world data limitations, offering a pathway toward a holistic, context-aware athlete monitoring.
- Abstract（参考訳）: トライアスロントレーニング(トライアスロントレーニング)は、水泳、サイクリング、ランニングを多量に行う。
現在の傷害予測アプローチは主にトレーニング負荷の指標に依存しており、睡眠の質、ストレス、回復や傷害の感受性に大きな影響を及ぼす個々のライフスタイルといった重要な要因を無視することが多い。
トライアスロンに適した新しい合成データ生成フレームワークを提案する。
この枠組みは、生理学的に妥当なアスリートプロファイルを生成し、周期化と負荷管理の原則を取り入れた個別のトレーニングプログラムをシミュレートし、睡眠品質、ストレスレベル、回復状態などの日常生活上の要因を統合する。
我々は,機械学習モデル(LASSO,ランダムフォレスト,XGBoost)を高い予測性能(AUC最大0.86)を示し,睡眠障害,心拍変動,ストレスを損傷リスクの重要早期指標として同定した。
このウェアラブル駆動のアプローチは、損傷予測の精度を高めるだけでなく、現実のデータ制限を克服するための実用的なソリューションを提供する。
関連論文リスト
- Real-Time Feedback and Benchmark Dataset for Isometric Pose Evaluation [1.6358813089575626]
ポーズ評価のためのリアルタイムフィードバックシステムを提案する。
私たちのコントリビューションには、これまでで最大のマルチクラスの等尺運動ビデオデータセットのリリースが含まれています。
その結果、ホームワークアウトのための知的かつパーソナライズされた運動訓練システムの実現可能性が高まった。
論文 参考訳（メタデータ） (2025-06-13T13:33:59Z) - From Lab to Wrist: Bridging Metabolic Monitoring and Consumer Wearables for Heart Rate and Oxygen Consumption Modeling [7.104151688826837]
当社では、コンシューマグレードのウェアラブルデータのみから、即時的な酸素消費トラジェクトリを予測できる最初のフレームワークとして、包括的なフレームワークを導入しています。
本手法では, 1 つの相補的生理モデルを用いて, 1 つの生理的制約付き常微分方程式(ODE)による心拍変動の正確なモデリングと, 300 万回以上の HR 観測に基づいて訓練されたニューラルカルマンフィルタを用いる。
提案手法は, 約13%の平均絶対誤差を達成し, 高速な生理的遷移と各種走行強度の定常条件を効果的に捉えた。
論文 参考訳（メタデータ） (2025-04-30T18:15:00Z) - Initialization Matters for Adversarial Transfer Learning [61.89451332757625]
我々は、逆向きに頑健な事前訓練モデルの必要性を発見する。
本稿では, 対向線形探索により得られる重み付き線形ヘッドを初期化する対向微調整のためのロバスト線形初期化法(RoLI)を提案する。
5つの異なる画像分類データセットにおいて,RoLIの有効性を実証し,新しい最先端結果を得た。
論文 参考訳（メタデータ） (2023-12-10T00:51:05Z) - Interpretable Survival Analysis for Heart Failure Risk Prediction [50.64739292687567]
現状の生存モデルと解釈可能かつ競合する新しい生存分析パイプラインを提案する。
我々のパイプラインは最先端のパフォーマンスを達成し、心不全のリスク要因に関する興味深い新しい洞察を提供する。
論文 参考訳（メタデータ） (2023-10-24T02:56:05Z) - Neural Fine-Gray: Monotonic neural networks for competing risks [0.0]
生存分析として知られる時間対イベントモデリングは、関心のある出来事を経験していない患者の検閲に対処するため、標準回帰とは異なる。
本稿では、制約付きモノトニックニューラルネットワークを用いて、各サバイバル分布をモデル化する。
このソリューションの有効性は、1つの合成データセットと3つの医療データセットで示される。
論文 参考訳（メタデータ） (2023-05-11T10:27:59Z) - 3D Pose Based Feedback for Physical Exercises [87.35086507661227]
ユーザが犯した誤りを識別する学習ベースのフレームワークを導入する。
私たちのフレームワークはハードコードされたルールに頼るのではなく、データからそれらを学ぶのです。
提案手法は90.9%の誤り識別精度を示し,94.2%の誤り訂正に成功した。
論文 参考訳（メタデータ） (2022-08-05T16:15:02Z) - PhysioMTL: Personalizing Physiological Patterns using Optimal Transport
Multi-Task Regression [21.254400561280296]
心拍変動 (HRV) は、自律神経活動の実用的で非侵襲的な指標である。
我々は,マルチタスク学習フレームワークにおける最適輸送理論を利用して,生理的マルチタスク学習(PhysioMTL)を開発する。
論文 参考訳（メタデータ） (2022-03-19T19:14:25Z) - Kinematics clustering enables head impact subtyping for better traumatic
brain injury prediction [2.1108097398435337]
外傷性脳損傷は、様々な種類の頭部衝撃によって引き起こされる。
多くの脳損傷リスク推定モデルは、人間が持続する可能性のある様々な影響に対して一般化できない。
論文 参考訳（メタデータ） (2021-08-07T18:31:05Z) - On the Robustness of Pretraining and Self-Supervision for a Deep
Learning-based Analysis of Diabetic Retinopathy [70.71457102672545]
糖尿病網膜症における訓練方法の違いによる影響を比較検討した。
本稿では,定量的性能,学習した特徴表現の統計,解釈可能性,画像歪みに対する頑健性など,さまざまな側面について検討する。
以上の結果から,ImageNet事前学習モデルでは,画像歪みに対する性能,一般化,堅牢性が著しく向上していることが示唆された。
論文 参考訳（メタデータ） (2021-06-25T08:32:45Z) - Enabling Counterfactual Survival Analysis with Balanced Representations [64.17342727357618]
生存データは様々な医学的応用、すなわち薬物開発、リスクプロファイリング、臨床試験で頻繁に見られる。
本稿では,生存結果に適用可能な対実的推論のための理論的基盤を持つ統一的枠組みを提案する。
論文 参考訳（メタデータ） (2020-06-14T01:15:00Z) - A General Framework for Survival Analysis and Multi-State Modelling [70.31153478610229]
ニューラル常微分方程式を多状態生存モデル推定のためのフレキシブルで一般的な方法として用いる。
また,本モデルでは,サバイバルデータセット上での最先端性能を示すとともに,マルチステート環境での有効性を示す。
論文 参考訳（メタデータ） (2020-06-08T19:24:54Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。