استفاده از هوش مصنوعی در تحلیل داده های گازهای تنفسی و VO₂max

چکیده مقاله

مقدمه: تحلیل گازهای تنفسی و اندازه گیری حداکثر اکسیژن مصرفی VO₂max از مهم ترین روش های ارزیابی عملکرد قلبی–تنفسی، ظرفیت هوازی و سازگاری های فیزیولوژیک در علوم ورزشی و پزشکی محسوب می شوند با گسترش فناوری های دیجیتال و افزایش حجم داده های فیزیولوژیک، روش های سنتی تحلیل داده ها با محدودیت هایی نظیر پیچیدگی پردازش، وابستگی به تفسیر متخصص و احتمال خطای انسانی مواجه شده اند در این میان، هوش مصنوعی و الگوریتم های یادگیری ماشین به عنوان ابزارهای نوین قادرند الگوهای پیچیده داده های تنفسی را با دقت و سرعت بالا تحلیل کنند و افق های جدیدی در ارزیابی عملکرد ورزشی و پزشکی ورزشی ایجاد نمایند هدف: هدف این مطالعه مروری، بررسی نقش و کاربردهای هوش مصنوعی در تحلیل داده های گازهای تنفسی و VO₂max، تبیین الگوریتم های مورد استفاده و ارزیابی مزایا، محدودیت ها و کاربردهای عملی این فناوری در فیزیولوژی ورزشی و آزمون های قلبی–ریوی بود روش شناسی: این پژوهش به صورت مرور علمی–تحلیلی انجام شد مقالات منتشرشده بین سال های ۲۰۱۰ تا ۲۰۲۶ از پایگاه های اطلاعاتی PubMed، Scopus، Web of Science و IEEE Xplore استخراج و بررسی شدند کلیدواژه های مورد استفاده شامل “Artificial Intelligence”، “Machine Learning”، “VO₂max”، “Respiratory Gas Analysis”، “Deep Learning” و “Cardiopulmonary Exercise Testing” بودند مطالعات مرتبط با کاربرد الگوریتم های هوش مصنوعی در پیش بینی VO₂max، تحلیل متغیرهای تنفسی، تشخیص الگوهای فیزیولوژیک و پایش عملکرد ورزشی وارد مطالعه شدند و داده های مرتبط به صورت توصیفی تحلیل گردیدند یافته ها و نتیجه گیری: یافته ها نشان دادند که الگوریتم های یادگیری ماشین، شبکه های عصبی مصنوعی و مدل های یادگیری عمیق قادرند متغیرهای مرتبط با عملکرد هوازی و گازهای تنفسی را با دقت بالایی تحلیل و پیش بینی کنند بسیاری از مطالعات گزارش کردند که مدل های هوشمند می توانند VO₂max، آستانه تهویه ای و شاخص های متابولیکی را حتی با استفاده از داده های پوشیدنی و سیگنال های فیزیولوژیک ساده تخمین بزنند همچنین استفاده از هوش مصنوعی موجب افزایش سرعت پردازش داده ها، کاهش خطای انسانی، بهبود شخصی سازی برنامه های تمرینی و ارتقای دقت تشخیص در آزمون های قلبی–ریوی شده است با این حال، محدودیت هایی نظیر نیاز به داده های بزرگ، استانداردسازی پروتکل ها و دشواری تفسیر برخی مدل های پیچیده همچنان وجود دارد در مجموع، هوش مصنوعی می تواند تحول قابل توجهی در ارزیابی فیزیولوژیک، پزشکی ورزشی و پایش عملکرد انسانی ایجاد کند

کلیدواژه‌ها

نویسندگان

شیرین شایگان مهر

کارشناسی ارشد فیزیولوژی ورزشی کاربردی، دانشگاه شهید چمران اهواز

صفا پیمان پور

کارشناسی ارشد فیزیولوژی ورزشی کاربردی، دانشگاه شهید چمران اهواز

�ایگان مهر، شیرین و پیمان پور، صفا،1405،استفاده از هوش مصنوعی در تحلیل داده های گازهای تنفسی و VO₂max،هفتمین همایش بین المللی تربیت بدنی ،سلامت و علوم ورزشی،همدان

ارائه‌شده در

مجموعه مقالات هفتمین همایش بین المللی تربیت بدنی ،سلامت و علوم ورزشی3 مرداد 1405 · همدان