Umělá inteligence překonala světový rekord v hodnocení kondice

Pro tréninkovou aplikaci mySASY jsme pomocí metod pokročilé umělé inteligence zkrátili měření z 15 na 3 minuty.
29k

noví předplatitelé po prvním roce

5x

Zkrácení doby měření

800h

hodin z 0 do produkce

Aplikace mySASY je určena všem, kteří sportují, ať už na profesionální úrovni, nebo ve svém volném čase. Pomocí této aplikace můžete zlepšit způsob, jakým plánujete svůj trénink. Pomůže vám pochopit, kdy je vhodný čas pokračovat v tréninku nebo zvýšit jeho intenzitu a kdy je třeba odpočívat, což vám pomůže předcházet zraněním nebo jiným komplikacím. Jednoduše řečeno, aplikace vyhodnocuje aktuální stav autonomního nervového systému (ANS) a na základě těchto údajů vám dává doporučení.

Spektrální analýza variability srdeční frekvence

K určení stavu autonomní nervové soustavy používá mySASY unikátní metodiku měření. Algoritmus umožňuje řídit trénink sportovce na základě analýzy aktivace ANS pomocí metod spektrální analýzy variability srdeční frekvence (HRV). V této fázi jsme se do procesu vývoje zapojili my, abychom díky metodám AI pomohli jsme zkrátit čas měření.

Zkrácení doby měření

Zpracovali jsme stovky tisíc měření, přesněji data za 1 041 dní, a pomocí metod strojového učení se nám celý proces podařilo zkrátit na pětinu času při zachování přesnosti dlouhého měření. Měření, které dříve trvalo 15 minut, zvládne nyní aplikace za 3 minuty.

AI model

Z nasbíraných dat jsme vytvořili model, jenž dokáže z třikrát kratšího měření vyextrahovat stejnou informační hodnotu.

„Model, který jsme pomocí metod pokročilé umělé inteligence navrhli, je srovnatelný se zkušenostmi člověka, který tři roky neustále analyzuje tisíce osob,“ dodává Jaroslav Vážný, který se na vývoji AI modelu podílel.

Gradient Boosting Decision Tree

Jako při všech aplikacích strojového učení byla nejdůležitější část zpracování surových data a extrakce užitečných vlastností. Specifikum tohoto projektu je automatické rozpoznání fází měření (pro aktivaci ANS je nutné během měření měnit polohu těla). Právě správné rozdělení do fází, které jsou unikátní, jak pro každého jedince, tak pro různě zatížený systém, je netriviální úkol. Použili jsme kombinaci metod v čele s wild binary segmentation (WBS). Takto zpracovaná data sloužila k trénování modelu. Testovali jsme různé přístupy včetně rekurentních neuronových sítí, nakonec jsme použili Gradient Boosting Decision Tree (GBRT).

Profil klienta

mySASY

mySASY training application analyses heart rate HRV and activity data to help both amateur and professional athletes plan their training according to the current state of the autonomic nervous system (ANS).

Sídlo

Olomouc, CZ

Průmysl

Health & Fitness

Spolupráce od

3.8.2020

Chcete se do tohoto případu ponořit hlouběji?

Zeptejte se nás

Další případovky