Uma abordagem de aprendizado de máquina para classificação da altura do selim no ciclismo

Contexto: A altura do selim é um fator importante no ajuste da bicicleta, pois está correlacionada com a eficiência do ciclismo e o risco de lesões. As abordagens convencionais utilizam parâmetros antropométricos e ângulos articulares como referência para calcular a altura ideal do selim, como a altura do trocânter maior e o ângulo de flexão do joelho. No entanto, esses métodos não consideram as diferenças dinâmicas individuais no ciclismo. Objetivo: Este estudo propôs um modelo de aprendizado de máquina (ML) para calcular a altura do selim com base em dados cinemáticos facilmente mensuráveis. Método: Dezesseis indivíduos participaram de testes de ciclismo em três alturas de selim. O sistema de captura de movimento registrou as trajetórias de marcadores fixados em seus membros inferiores. As características foram calculadas utilizando os ângulos das articulações do quadril, joelho e tornozelo. O conjunto de características ideal foi selecionado por meio de seleção sequencial de características (FSS) progressiva. As acurácias de quatro modelos de ML foram comparadas utilizando validação cruzada leave-one-subject-out. Resultados: O conjunto de características ideal continha 14 características relacionadas aos ângulos das articulações do quadril, joelho e tornozelo. O ângulo do joelho no plano sagital foi o mais sensível à altura do selim, com uma acurácia de classificação de 80%. O modelo k-vizinhos mais próximos apresentou a maior precisão, de 99,79%, ao utilizar todas as características ótimas como entradas. Conclusão: O modelo proposto compensa a falta de consideração, nos métodos tradicionais, das variações dinâmicas individuais no ciclismo, fornecendo uma ferramenta mais objetiva para a personalização baseada em dados no ajuste de bicicletas

Acessar