Ontwikkeling van een nieuwe adaptieve training tool dat gebruikt maakt van artificiele intelligentie om geindividualizeerde biomechanische feedback aan lopers te geven.

Hardlopen is een populaire fysieke activiteit tegen obesitas gerelateerde ziekten, maar veel lopers bereiken hun conditie- en prestatiedoelen niet door overbelastingsletsels. De huidige populaire apps en wearables geven feedback over fitness parameters zoals snelheid, hartslag en hoeveelheid verbruikte calorieën, maar negeren grotendeels parameters die verband houden met het risico tot overbelasting zoals asymmetrie, instabiliteit, impact schok, of overmatige belasting. In dit project richten we ons op het verder brengen van de state-of-the-art door het ontwikkelen van een nieuw adaptief trainings tool dat empirisch-gebaseerde letsel risico statistieken zal weergeven met behulp van op het lichaam gedragen accelerometers die robuust zijn voor de omgevingsparameters. Daarnaast zullen we gebruik maken van user-augmented contextual awareness via real-time spraak-naar-tekst labeling dat de machine learning kan helpen om gepersonsonaliseeerd voorspellende modellen te ontwikkelen met betrekking tot individuele letselrisico. Dit C3 project is gebasseerd op de resultaten van een lopend interdisciplinair C2 samenwerkingsproject tussen de onderzoeksgroep Biomechanica van de Menselijke Beweging en Subdivision Declarative Languages and Artificial Intelligence Group KUL. Indien successvol zal dit adaptieve trainingsprogramma lopers in staat stellen om slimmere trainingsbeslissingen te nemen en een verschil maken voor duizenden lopers gehinderd door terugkerende blessures.

Trefwoorden:training, preventie, sensoren

Disciplines:Orthopedie, Humane bewegings- en sportwetenschappen, Revalidatiewetenschappen