В России была разработана инновационная нейросеть для автоматического определения типа дыхания

Эту модель искусственного интеллекта создали эксперты из Волгоградского государственного технического университета (ВолгГТУ). Специалисты утверждают, что данная разработка, являющаяся уникальной, может быть использована в домашних условиях с обычной камерой, что значительно расширяет возможности реабилитации. Результаты исследования опубликованы в журнале Algorithms, сообщает РИА Новости.

Ученые подчеркивают, что специальные тренировки дыхания представляют собой важный компонент реабилитации после различных заболеваний и могут эффективно помогать снижению стресса и общему укреплению организма. В мире активно работают над созданием технических комплексов, способных более точно контролировать качество таких тренировок, чем это может сделать человек-тренер.

Коллектив инновационной лаборатории анализа и управления данными (V.I.S.D.O.M.) при ВолгГТУ создал модель для реабилитации людей с патологиями дыхательной системы. Разработка, по словам авторов, предоставляет возможность организации эффективных тренировок прямо в домашних условиях.

Для обучения компьютера определять тип дыхания, что является ключевым элементом программы тренировок, был сформирован обширный набор данных. Этот набор включал записи о том, как человек дышит при различных типах дыхания, включая брюшное, грудное или смешанное. Согласно Юлии Орловой, заведующей кафедрой программного обеспечения автоматизированных систем в ВолгГТУ, подобных систем в мире нет.

Определение типа дыхания может осуществляться с использованием как системы захвата движения, что более подходит для специализированных кабинетов ЛФК в клиниках, так и на основе данных обычной цифровой камеры. Экспериментальная проверка методики показала, что в более чем 80% случаев нейросеть успешно справлялась с задачей. Юлия Орлова отметила, что целью было создание универсального инструмента, который может помочь тренеру-реабилитологу или даже заменить его. В будущем модель ИИ можно обучить контролировать упражнения для восстановления опорно-двигательного аппарата. Исследование проведено при частичной поддержке программы "Приоритет-2030".