Conseguir classificar padrões de corrida, principalmente associados à fadiga, pode auxiliar na elaboração de treinos mais eficientes e na prevenção de lesões em esportes de alto rendimento. O tema premiou Sergio Baldo Junior, aluno do curso de Informática Biomédica da Faculdade de Medicina de Ribeirão Preto (FMRP) da USP, com o 1º lugar na classificação de melhores artigos de estudantes de graduação do 16º Encontro Nacional de Inteligência Artificial e Computacional (ENIAC 2020).
O evento, que aconteceu entre os dias 20 e 23 de outubro, contou com fórum para pesquisadores, profissionais, educadores e estudantes apresentarem e discutirem as inovações, tendências, experiências e evolução nos campos de Inteligência Artificial e Computacional.
Sergio foi premiado pelo trabalho “Uso de redes neurais artificias para classificar padrões de corrida em esteira ergométrica em esportes de alto desenvolvimento”, que foi financiado pela Pró-Reitoria de Pesquisa da USP, pela Fundação de Amparo à Pesquisa do Estado de São Paulo (FAPESP) e pelo Conselho Nacional de Desenvolvimento Científico e Tecnológico (CNPq). Além do estudante, o artigo tem autoria dos professores Renato Tinós da Faculdade de Filosofia, Ciência e Letras de Ribeirão Preto (FFCLRP) e Paulo Santiago da Escola de Educação Física e Esporte de Ribeirão Preto (EEFERP), ambos da USP.
Com o objetivo de indicar ao usuário a ocorrência de fadiga durante o treinamento com base nos padrões de corrida, os pesquisadores obtiveram os sinais de força por sensores de carga acoplados à base de uma esteira ergométrica open source de baixo custo. Os resultados experimentais indicam que uma Rede Neural Artificial (RNA) é capaz de classificar com boa acurácia os padrões de corrida.
O artigo também foi tema da coluna Ciência e Saúde produzida pelo professor Paulo, clique neste link para conferir.
Confira o artigo completo neste link.
