A futás közbeni fáradtság nemcsak lelassít minket, hanem komoly sérülésveszélyt is jelent, mivel rontja a mozgásunk koordinációját. A kutatók számára a legnagyobb kihívást eddig az jelentette, hogy mindenki máshogy fut, így egy általános mérőeszköz gyakran pontatlan, mert nem tudja kezelni az egyének közötti különbségeket.

A megoldáshoz a szakértők a bioinformatikából kölcsönöztek ötletet: a futólépéseket úgy kezelték és elemezték, mint a bonyolult biológiai kódokat (például a DNS-t). Egyetlen, deréktájra rögzített okosszenzor adatait vizsgálták meg hibrid mesterséges intelligencia segítségével, hogy megtalálják a mozgásban rejtőző apró, fáradtságra utaló matematikai mintázatokat.

Az eredmények azt mutatták, hogy míg a mindenkire érvényes, „átlagos” programok csak gyengén teljesítettek, a személyre szabott modellek elképesztő, 97,7%-os pontossággal azonosították a fáradtságot. A rendszer még akkor is megbízhatóan felismerte a kimerültséget, ha korábban csak a futó pihent állapotú mozgását látta alapviszonyításként.

Ez a felfedezés azért fontos, mert a jövő okosórái és edzőalkalmazásai már teljesen egyénre szabottan figyelmeztethetnek minket a kimerültségre. Ez segít elkerülni a túledzést, csökkenti a sportsérülések esélyét, és segít abban, hogy a sportolók a saját tempójukban, biztonságosan fejlődhessenek.

Kulcsszavak viselhető szenzorok, futás elemzése, fáradtság mérése, mesterséges intelligencia, személyre szabott edzés, bioinformatika, mozgásbiológia, okoseszközök.

További részletek

Biró, Attila, Levente Kovács, and László Szilágyi. 2026. „Bioinformatics-Inspired IMU Stride Sequence Modeling for Fatigue Detection Using Spectral–Entropy Features and Hybrid AI in Performance Sports” Sensors 26, no. 2: 525. https://doi.org/10.3390/s26020525

Az eredeti közlemény elérhető az alábbi linkre kattintva

https://doi.org/10.3390/s26020525