🧬 الأحياء

Data-Efficient Continuous Walking Fatigue Prediction using Kinect Stride Features

تقدم هذه الدراسة إطار عمل كفؤ في استهلاك البيانات يستخدم بصمة مشية أولية مدتها 200 ثانية واستراتيجية تعلم نقل تعتمد على الدمج الضبابي المبتكر للتنبؤ بدقة بمسارات تعب المشي المستمرة لدى أفراد غير مرئيين، مما يتغلب على قيود ندرة البيانات التي تواجه مناهج التعلم العميق التقليدية.

المؤلفون الأصليون: Parham Yazdani, Hadi Soltanizadeh, Farhad Azadi, Mohammad Zahraei

نُشر 2026-09-30

📖 3 دقيقة قراءة☕ قراءة في استراحة قهوة

CC BY 4.0

المؤلفون الأصليون: Parham Yazdani, Hadi Soltanizadeh, Farhad Azadi, Mohammad Zahraei

البحث الأصلي مرخَّص بموجب CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/). ⚕️ هذا شرح مولَّده بالذكاء الاصطناعي لبحث مسبق لم يخضع لمراجعة الأقران. وهو ليس نصيحة طبية. لا تتخذ أي قرارات تتعلق بصحتك بناءً على هذا المحتوى. اقرأ إخلاء المسؤولية الكامل

إن التعب لصٌ صامت يسرق استقرارنا الجسدي قبل وقت طويل من شعورنا بالإرهاق التام. في عالم الحركة البشرية، يغير هذا الوهن طريقة مشينا، مما يغير توازننا ويزيد من خطر السقوط. لعقود من الزمن، حاول الأطباء وخبراء السلامة تتبع هذا التدهور، لكن أدواتهم كانت غالباً خرقاء؛ فبعضها يعتمد على مجرد تخمين الناس لمدى شعورهم بالتعب، وهو أمر غير موثوق لأن كل شخص يدرك الإرهاق بشكل مختلف. بينما يستخدم آخرون أقطاباً كهربائية لاصقة توضع على الجلد لقياس إشارات العضلات، وهي طريقة دقيقة ولكنها تداخلية وصعبة الاستخدام خارج المختبر. كان التحدي يكمن في إيجاد طريقة لمراقبة الشخص أثناء مشيه ومعرفة كيف تتلاشى طاقته بدقة في الوقت الفعلي، دون أسلاك، ودون طلب آراء، ودون الحاجة إلى حاسوب ضخم لمعالجة البيانات.

لقد طور فريق من الباحثين في جامعة سمنان وجامعة العلوم الاجتماعية للرفاهية وإعادة التأهيل في إيران طريقة جديدة لحل هذه المشكلة. فقد ابتكروا نظاماً يمكنه التنبؤ برحلة الشخص الكاملة نحو التعب من خلال مراقبته وهو يمشي لبضع دقائق فقط. وبدلاً من محاولة بناء نموذج ذكاء اصطناعي معقد يتطلب آلاف الساعات من البيانات المسجلة للتعلم، استخدموا نهجاً أكثر ذكاءً وكفاءة. بدأوا بتسجيل اثنين وأربعين شاباً معافى وهم يمشون على جهاز المشي حتى وصلوا إلى مرحلة التعب التي لا يستطيعون معها الاستمرار. وخلال هذه الجلسات، قام مستشعر كاميرا، يشبه أجهزة تتبع الحركة الموجودة في منصات ألعاب الفيديو، بمراقبة مفاصلهم وقياس كيفية تغير خطواتهم مع زيادة تعبهم. كما طلب الباحثون من الماشين تقييم مستوى الجهد المبذول وقاسوا نشاط عضلاتهم لإنشاء خريطة حقيقية لما يبدو عليه التعب فعلياً.

يكمن جوهر اكتشافهم في كيفية استخدامهم لهذه البيانات. أولاً، حددوا ثماني طرق محددة تتحرك بها الأجسام — مثل زاوية الورك، وارتفاع الخطوة، ودوران أصابع القدم — والتي تتغير بشكل ملحوظ مع شعور الشخص بالتعب. ثم استخدموا أداة بحث رياضية لإيجاد المزيج المثالي من هذه الحركات ليتطابق مع مستويات التعب الحقيقية المسجلة بواسطة المستشعرات وتقارير الماشين أنفسهم. أدى ذلك إلى إنشاء مكتبة من "بصمات التعب"، حيث ترتبط نمط المشي الفريد لكل شخص بمنحنى محدد من التعب. وجاء الاختراق عندما اختبروا ما إذا كان بإمكانهم التنبؤ بتعب شخص جديد لم يروه من قبل. فعلوا ذلك من خلال جعل الشخص الجديد يمشي لمدة 200 ثانية فقط؛ وفي ذلك الوقت القصير، قام النظام بتحليل مشيته ووجد الشخص الأكثر تشابهاً معه في قاعدة بياناتهم.

أظهرت النتائج أن المشي لمدة 200 ثانية كان كافياً لتحديد هوية الشخص بدقة تامة. استطاع النظام التمييز بين أسلوب مشي الشخص الخاص وأسلوب أي شخص آخر بيقين مطلق. وبمجرد أن يجد النظام المطابقة الأقرب في قاعدة البيانات، فإنه لا يكتفي ببساطة بنسخ منحنى التعب الخاص بذلك الشخص، بل يستخدم طريقة دمج متطورة لدمج أنماط المشي لعدة أشخاص متشابهين، مما يخلق تنبؤاً مخصصاً للفرد الجديد. هذا النهج، الذي يسمه الباحثون "الاندماج الضبابي" (fuzzy fusion)، أثبت أنه أكثر دقة بكثير من مجرد اختيار المطابقة الأقرب أو متوسط عدد قليل من الجيران. وعند اختباره على أشخاص لم يكونوا في قاعدة البيانات الأصلية على الإطلاق، تنبأ النظام بمسار التعب لديهم بدقة تقترب من 90 بالمائة، وقلل معدل الخطأ بنسبة تقارب النصف مقارنة بالطرق القديمة التي تكتفي باختيار أقرب جار.

يبرهن هذا العمل على أننا لسنا بحاجة إلى كميات هائلة من البيانات لفهم الحالات البشرية المعقدة مثل التعب. فمن خلال التركيز على الطرق المحددة والقابلة للقياس التي تتحرك بها أجسادنا واستخدام مجموعة صغيرة ومختارة بعناً من الأمثلة، من الممكن بناء نظام يعمل لأي شخص. إن هذه الطريقة سريعة، ولا تتطلب أسلاكاً، ويمكن تنفيذها باستخدام تكنولوجيا ميسورة التكلفة. وهي تقدم مساراً عملياً لمراقبة التعب في البيئات الواقعية، بدءاً من مساعدة الرياضيين على تجنب الإصابات وصولاً إلى الحفاظ على سلامة العمال في وظائفهم، وكل ذلك ببساطة عبر مراقبة كيفية مشيهم.

أبحاث مشابهة