Den automatiska Hobbyjogger-detektionsmaskinen
Den automatiska Hobbyjogger-detektionsmaskinen
Anonim

Att använda maskininlärning för att känna igen vem som är en seriös tävlingslöpare och vem som inte är det kan lära oss något användbart om att undvika skador

En av de mest bestående tvångstanken på de berömda bräckliga Letsrun.com-anslagstavlorna är hur och var du drar gränsen mellan seriösa tävlingslöpare och enbart fritidshobbyjoggare. Svaret brukar koka ner till något i stil med "Vem som helst snabbare än jag är en begåvad och hårt arbetande atletisk koloss som överträffar världen, och alla som är långsammare än jag är en patetisk hobbyjoggare som inte borde få köpa löparskor."

Den här typen av definition lyckas på något sätt aldrig avgöra debatten, så jag är glad att kunna rapportera att forskare har skapat en maskin som kan se dig springa och omedelbart klassificera dig som antingen en "tävlingsinriktad" eller "fritids" löpare. Det här är inte så dumt eller elitärt som det låter – det har faktiskt potentialen att bidra till ett mer nyanserat tillvägagångssätt för att bedöma skaderisken baserat på subtila detaljer i din löpform. Forskningen kommer från en välrespekterad biomekanikgrupp vid University of Calgary som leds av Reed Ferber, chefen för universitetets Running Injury Clinic, och publiceras i Journal of Sports Sciences.

Det grundläggande målet med studien var att fästa en bärbar accelerometer på nedre delen av ryggen på 41 löpare (de använde en accelerometer som heter Shimmer3) och se om den kunde härleda vilka löpare som var konkurrenskraftiga kontra rekreations med hjälp av maskininlärning. De definierade konkurrens som alla som nyligen hade en tävlingsprestation mellan 5K och maraton som översteg 60 procent av det åldersklassade världsrekordet för den distansen baserat på World Masters Association Age Grading Performance Tables, en tröskel som USA friidrott definierar som "lokal klass." Enligt denna definition ansågs 17 av löparna vara konkurrenskraftiga, medan 24 ansågs vara rekreationsmässiga.

De tredimensionella stegdata som samlats in av accelerometern genererade 24 distinkta egenskaper för varje löpares steg. Det här var inte de vanliga sakerna som kadens och steglängd, eftersom de faktorerna är starkt påverkade av hur snabbt du springer - vilket, som alla tuffa mästartävlande vet, inte alltid är en bra barometer för hur konkurrenskraftig du är. Istället låg fokus på mer subtila egenskaper relaterade till stegvariabilitet (t.ex. hur mycket ändras din steglängd från ett steg till nästa?) och regelbundenhet (t.ex. hur lik är din kropps momentana acceleration i var och en av de tre dimensionerna under på varandra följande steg).

Skillnaderna mellan de två grupperna av löpare är mindre uppenbara för blotta ögat än du kan föreställa dig. Om du håller dig till konventionella stegparametrar ser du ingenting alls: kvinnliga tävlingslöpare hade till exempel en genomsnittlig kadens på 168,2; deras rekreationsmotsvarigheter hade ett nästan identiskt genomsnitt på 169,1. Även med de mer sofistikerade måtten på stegkonsistens är skillnaderna inte uppenbara. Så forskarna matade in all data i ett maskininlärningssystem som kallas en stödvektormaskin, och lät datorn ta reda på vilka faktorer som skiljde tävlingslöpare och fritidslöpare. Viktigt är att de analyserade manliga och kvinnliga löpare separat, eftersom kännetecknen för ett "konkurrensmässigt" steg kan vara olika i de två grupperna.

Visst nog, genom att använda data om stegkonsistens kunde datorn korrekt klassificera manliga löpare som tävlings- eller fritidslöpare 82,6 procent av tiden, och kvinnliga löpare 80,4 procent av tiden. De specifika faktorerna som betydde mest var olika i de två grupperna - vilket inte är förvånande, förklarade huvudförfattaren Christian Clermont i ett e-postmeddelande, eftersom "de strukturella skillnaderna i manlig och kvinnlig anatomi verkligen påverkar hur vi kör." Herrmodellen innehöll 12 olika stegegenskaper, medan dammodellen innehöll 10 olika funktioner, alla relaterade till stegvariabilitet och regelbundenhet.

Fördelen med maskininlärning är att den kan plocka ut subtila mönster i ett stort antal variabler som du aldrig skulle hitta bara genom att stirra på data. Nackdelen är att det inte alltid är uppenbart vad dessa mönster betyder. Varför är till exempel den viktigaste särskiljande egenskapen för män steg-till-steg-korrelationen av masscentrumacceleration längs bakaxeln till främre axeln, medan det för kvinnor är medelvärdet för den accelerationen? Men om du går tillbaka från detaljerna kan du se det större mönstret: erfarna löpare springer mer konsekvent än mindre erfarna löpare, med varje steg mer likt de före och efter det.

Varför spelar detta någon roll? Även om jag avskyr att ge mig in på värdebedömningar i Letsrun-stil, finns det skäl att tro att den tävlingsmässiga löpgången är bättre än den för rekreation. Studier har generellt sett att oerfarna löpare skadas mycket mer än erfarna trots att de springer mindre, och de tenderar att skada sig på olika ställen. Fritidslöpare tenderar att få fler knä- och höftskador, kanske på grund av ooptimerad löpform; tävlingslöpare tenderar att få fler fot- och underbensskador, kanske från överanvändning relaterad till tyngre träningsbelastningar. Så att veta om din löpform blir mer "tävlingsinriktad" eller mer "rekreativ" kan teoretiskt sett ge dig några tips om huruvida din träning fungerar och var du kan vara mest sårbar för skador.

Accelerometern som används i den här studien är inte lämpad för konsumentbruk. Ändå, säger Clermont, finns det några användbara parametrar som i princip skulle kunna beräknas med hjälp av saker som Garmin Running Dynamics Pod eller LumoRun (som tyvärr gick i konkurs förra månaden). Även med enklare smarta klockor eller foot pods kan du mäta hur lång tid varje steg tar - och sedan, avgörande, beräkna en variationskoefficient, en indikator på hur mycket den tiden varierar från steg till steg. Det skulle ge dig en känsla av hur konsekvent ditt steg är, om det blir mindre konsekvent med trötthet och om det blir mer konsekvent med tiden. Att titta på trenderna kan ge dig en känsla av om din träning hjälper eller skadar dig. Om tillräckligt många ber om en sådan funktion, kanske företag som Garmin kommer att göra den tillgänglig. (Och kanske är den redan tillgänglig någonstans: den bärbara löparteknikvärlden är så spretig och i snabb utveckling att det är svårt att hålla koll.) Jag kommer att föreslå ett namn för denna parameter: Hobbyjogger Index.

Rekommenderad: