xc体育官网-无穿戴AI动作分析训练系统_xc运动科技责任有限公司

　　摘要仅通过单一信号难以判断与运动相关的注意力状态，为简单情境设计的模型在实际比赛中往往表现不佳。我们开发了一种多模态框架，能够分析神经调节机制，并识别与运动表现相关的特定注意力状态。共有72名运动员参与研究，在五个标准化的任务阶段中同时记录他们的脑电图、眼动数据、心率变异性以及运

　　仅通过单一信号难以判断与运动相关的注意力状态，为简单情境设计的模型在实际比赛中往往表现不佳。我们开发了一种多模态框架，能够分析神经调节机制，并识别与运动表现相关的特定注意力状态。共有72名运动员参与研究，在五个标准化的任务阶段中同时记录他们的脑电图、眼动数据、心率变异性以及运动表现。经过时间同步、噪声抑制、数据窗口选择以及多模态特征提取后，该模型在不同的注意力状态、表现水平、各模态贡献度以及不同应用场景下接受了训练和测试。所识别的五种状态对应着五个标准化任务阶段，而非独立验证的潜在状态。在高负荷状态下，额顶叶之间的连接强度（加权相位滞后指数）上升至0.71±0.05，而相对β波和γ波的功率则分别达到0.314±0.029和0.126±0.018。神经调节指数（NRI）作为神经、视觉和自主神经调节特征的综合指标，其值为0.742±0.109，结合目标注视时间（68.4±12.0%）和动作启动延迟（312.7±48.0毫秒），可用于区分不同表现水平的运动员群体。在排除个体差xc官方网站异的验证中，该模型的准确率达到了90.8%；而通过完整数据集进行的交叉验证所得的93.6%准确率仅作为同一受试者群体内的最高值。仅基于时间信息的基准模型准确率为52.3%，而经过时间重排处理的对照模型准确率为87.9%，仍低于90.8%的准确率，这表明注意力状态的识别并非仅由固定的任务时间决定，且仅通过脑电图、眼动数据和心率变异性即可预测运动表现。总体而言，多模态神经调节分析为了解运动表现背后的注意力特征提供了一种实用方法，也为运动表现监测、负荷调整以及个性化反馈提供了依据。