Utilização de sensores inerciais de baixo custo para avaliações biomecânicas, reconhecimento de ações e monitoramento nos esportes coletivos
Carregando...
Data
Autor(es)
Título da Revista
ISSN da Revista
Título de Volume
Editor
Universidade Federal de Minas Gerais
Descrição
Tipo
Tese de doutorado
Título alternativo
Primeiro orientador
Membros da banca
Resumo
Nos últimos anos, novas tecnologias tais como unidades de medida inercial (UMI) têm
sido introduzidas em pesquisas aplicadas nas ciências do esporte, bem como treinos
e competições. A utilização de UMI tem se apresentado como uma área promissora
nas ciências do esporte para: (1) análises biomecânicas; (2) classificação de ações e
predição de variáveis por métodos de aprendizado de máquina; e (3) quantificação da
demanda física de treinos e competições, logo, três experimentos foram conduzidos
abordando tais finalidades. Experimento I – Analisou-se a validade (concordância
entre métodos de medição) e confiabilidade teste – reteste (consistência de medida
entre dias) de utilização de UMI quando comparada a dispositivos de referência, para
duas tarefas distintas: (A) Saltos verticais padronizados – UMI contra uma plataforma
de força e um encoder linear para estimação do tempo de vôo, altura de salto e
impulso; e (B) Sprints de 30 metros – UMI contra um encoder rotatório (Race Encoder
- RE) para estimação da velocidade média e máxima de corrida. Ao todo 20 indivíduos
foram recrutados para realizar as tarefas de saltos padronizados (saltos agachados –
SA e saltos com contramovimento – SCM: 17,35 ± 2,28 anos; 60,99 ± 8,87 kg; 169,30
± 9,30 cm) e 19 indivíduos para os sprints (17,42 ± 2,32 anos; 61,45 ± 8,86 kg; 169,74
± 9,35 cm), em duas sessões separadas. As UMI de baixo custo testadas
apresentaram estimações válidas para o tempo de vôo, altura de salto e impulso
quando comparadas à plataforma de força e encoder linear, com elevada
confiabilidade teste – reteste entre dias para o SA e SCM. Adicionalmente, apesar de
uma significativa subestimação da velocidade média de sprints, a velocidade máxima
estimada por UMI mostrou concordância quando comparada com o encoder rotatório
(Race Encoder®). Logo, estimações válidas e com aceitável repetibilidade foram
proporcionadas pela UMI para a velocidade média e máxima de sprints. Experimento
II – O desempenho de classificação de ações locomotoras comuns aos esportes
coletivos (circuito simulado com a utilização de UMI) foi avaliado através de métodos
de aprendizado de máquina. Para o emprego de características obtidas de
acelerômetros isoladamente, os classificadores treinados e testados (Decision Trees,
k - Nearest Neighbors, Support Vector Machines, Ensemble, Neural Networks)
evidenciaram menor sensibilidade de detecção para as ações de corrida de
intensidade moderada e MMD. Entretanto, a combinação de sensores (acelerômetros
e giroscópios) e agregação de diferentes tipos de características extraídas
(estatísticas descritivas, customizadas e medidas de análise de séries temporais)
apresentou melhor acurácia geral, sensibilidade, especificidade e precisão de
classificação para o algoritmo k-NN “fine” (>90%), comparado ao emprego isolado de
acelerômetros, nas ações de permanecer estático, marcha, corrida de intensidade
leve, corrida de intensidade moderada, sprints com desaceleração, SCM e
movimentos de mudança de direção (MMD). Experimento III – Identificar como as
variáveis obtidas por UMI durante jogos no handebol agrupam – se em fatores e
podem ser sumarizadas para avaliar a magnitude das demandas físicas a partir das
novas variáveis construídas. Ao todo 14 atletas amadores foram monitorados com o
uso de UMI em três jogos consecutivos no handebol. O emprego de procedimentos
de redução da dimensionalidade a partir das variáveis originais quantificadas com o
uso de UMI, evidenciou de 2 a 3 componentes e fatores retidos, com variância
explicada maior que 85%. As componentes e fatores de maior variância explicada (>
65%) representam em geral indicadores úteis para monitorar e entender a magnitude
da demanda física no handebol. Em síntese, a utilização de unidades de medida inercial de baixo custo para análises de saltos verticais padronizados (tempo de vôo, altura de salto e impulso) e sprints (velocidade máxima e média) mostrou validade e
repetibilidade quando comparada às medidas de referência adotadas. Os algoritmos
de classificação treinados e testados mostraram menor sensibilidade de identificação
de eventos para a corrida moderada e MMD (acelerômetro isolado). No entanto, a
combinação de sensores e agregação de características extraídas mostrou melhor
acurácia de classificação para o algoritmo k-NN (>90%) para todas as ações
estudadas em ambas as etapas de treinamento e teste. Por fim, a utilização de UMI
associada a métodos de redução da dimensionalidade mostrou que as componentes
e fatores de maior variância explicada permitem a avaliação da magnitude das
demandas físicas no handebol. As componentes e fatores de menor variância
explicada orientam para um indicador para potencial ocorrência lesões. Em
complemento, um conjunto de 2 a 3 combinações lineares e fatores foram retidas.
Adicionalmente, a ponderação dos autovalores das combinações e fatores retidos
para fornecer uma perspectiva geral da demanda física no handebol.
Abstract
In recent years, new technologies such as inertial measurement units (IMU) have been
introduced in applied research in sport sciences, as well as training and competition.
The use of IMU has been presented as a promising area in the sport sciences for: (1)
biomechanical analyses; (2) classification of actions and prediction of variables by
machine learning methods; and (3) quantification of training and competition physical
demand, therefore, three experiments were conducted addressing these purposes.
Experiment I – We analyzed the validity (agreement between measurement methods)
and test-retest reliability (consistency of measurement between days) of the use of
IMU when compared to reference devices, for two different tasks: (A) Standardized
vertical jumps – IMU against a force platform and a linear encoder to estimate flight
time, jump height and impulse; and (B) 30-meter sprints – IMU against a rotary encoder
(Race Encoder - RE) to estimate mean and maximum running velocity. A total of 20
individuals were recruited to perform standardized jumping tasks (squat jumps – SJ
and countermovement jumps – CMJ: 17.35 ± 2.28 years; 60.99 ± 8.87 kg; 169.30 ±
9.30 cm) and 19 individuals for sprints (17.42 ± 2.32 years; 61.45 ± 8.86 kg; 169.74 ±
9.35 cm), in two separate sessions. The tested low-cost IMU presented valid estimates
for flight time, jump height and impulse when compared to the force platform and linear
encoder, with high test-retest reliability between days for the SJ and CMJ. Additionally,
despite a significant underestimation the mean velocity of sprints, the maximum speed
estimated by UMI showed agreement when compared with the rotary encoder (Race
Encoder®). Therefore, valid estimates with acceptable repeatability were provided by
the UMI for the mean and maximum velocity of sprints. Experiment II – The
classification performance of locomotor actions common to the team sports (simulated
circuit using UMI) was evaluated using machine learning methods. For the use of
characteristics obtained from accelerometers (alone), the trained and tested classifiers
(Decision Trees, k - Nearest Neighbors, Support Vector Machines, Ensemble, Neural
Networks) showed lower detection sensitivity for moderate intensity running actions
and change of direction (COD). However, the combination of sensors (accelerometers
and gyroscopes) and aggregation of different types of extracted features (descriptive
statistics, custom statistics, and time series analysis measures) showed better overall
accuracy, sensitivity, specificity, and classification accuracy for the k-NN algorithm
“fine” (>90%), compared to the isolated use of accelerometers, in the actions of
remaining static, walking, light intensity running, moderate intensity running, sprints
with deceleration, CMJ and COD. Experiment III – To identify how the variables
obtained by UMI during handball games are grouped into factors and can be
summarized to assess the magnitude of the physical demands from the new
constructed variables. A total of 14 amateur athletes were monitored using UMI in three
consecutive handball games. The use of dimensionality reduction procedures from the
original variables quantified using UMI, showed 2 to 3 components and retained
factors, with explained variance greater than 85%. The components and factors with
the highest explained variance (> 65%) generally represent useful indicators for
monitoring and understanding the magnitude of the physical demand in handball. In
summary, the use of low-cost IMU for the analysis of standardized vertical jumps (flight
time, jump height and impulse) and sprints (maximum and mean velocity) showed
validity and repeatability when compared to the adopted reference measurements. The
trained and tested classification algorithms showed lower event identification sensitivity
for moderate running and MMD (accelerometer only). However, the combination of sensors and aggregation of extracted features showed better classification accuracy
for the k-NN algorithm (>90%) for all studied actions in both training and testing stages.
Finally, the use of UMI associated with dimensionality reduction methods showed that
the components and factors of greater explained variance allow the assessment of the
magnitude of physical demands in handball. The components and factors with the
lowest explained variance lead to an indicator for the potential occurrence of
microlesions. In addition, a set of 2 to 3 linear combinations and factors were retained.
Additionally, the weighting of the eigenvalues of the combinations retained to provide
an overview of the physical demand in handball.
Assunto
Esportes, Biomecânica, Reprodutibilidade dos testes
Palavras-chave
Unidades de Medida Inercial, Validação de critério, Aprendizado de máquina, Classificação de movimentos, Monitoramento esportivo, Esportes coletivos