심폐 신호를 이용한 운동 강도 지각 평가를 위한 특성 중요도: 머신러닝 접근법

소개 본 연구의 목적은 머신러닝 모델을 사용하여 운동 강도 지각 평가(RPE)를 추정할 때 심박수(HR)에 비례하여 호흡 특성의 중요성을 조사하는 것이다. 방법 18세에서 43세 사이의 20명의 참가자가 COSMED K5 휴대용 대사 기계를 착용하고 요요 레벨 1 간헐적 회복 테스트를 수행하기 위해 모집되었다. 각 참가자에 대한 요요 테스트 동안 RPE 정보가 수집되었다. 세 가지 회귀 모델(선형, 랜덤 포레스트, 다층 퍼셉트론)을 8개의 훈련 특성(HR, 분당 환기량(VE), 호흡 빈도(Rf), 소비된 산소량(VO2), 나이, 성별, 체중, 키)으로 테스트하였다. 결과 단일 참여자 제거 교차 검증을 사용한 결과, 랜덤 포레스트 모델이 가장 정확하게 나타났으며, 평균 제곱근 오차는 1.849, 평균 절대 오차는 1.461 ± 1.133이었다. 순열 특성 중요도를 통해 특성 중요도가 추정된 결과, 모든 세 가지 모델에서 VE가 가장 중요하며, 그 다음이 HR로 나타났다. 논의 향후 착용 가능한 센서를 사용하여 RPE를 추정하는 연구에서는 심혈관 및 호흡 데이터를 조합하여 사용하는 것을 고려해야 한다.