Validation of a 3D Camera System for Cycling Analysis
Notice bibliographique
Résumé
Background: Kinematic analysis aimed toward scientific investigation or professional purposes is commonly unaffordable and complex to use. Objective: The purpose of this study was to verify concurrent validation between a cycling-specific 3D camera and the gold-standard 3D general camera systems. Methods: Overall, 11 healthy amateur male triathletes were filmed riding their bicycles with Vicon 3D cameras and the Retul 3D cameras for bike fitting analysis simultaneously. All 18 kinematic measurements given by the bike fitting system were compared with the same data given by Vicon cameras through Pearson correlation (r), intraclass correlation coefficients (ICC), standard error measurements (SEM), and Bland–Altman (BA) analysis. Confidence intervals of 95% are given. Results: A very high correlation between cameras was found on six of 18 measurements. All other presented a high correlation between cameras (between 0.7 and 0.9). In total, six variables indicate a SEM of less than one degree between systems. Only two variables indicate a SEM higher than two degrees between camera systems. Overall, four measures indicate bias tendency according to BA. Conclusions: The cycling-specific led-emitting 3D camera system tested revealed a high or very high degree of correlation with the gold-standard 3D camera system used in laboratory motion capture. In total, 14 measurements of this equipment could be used in sports medicine clinical practice and even by researchers of cycling studies.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,007 | 0,013 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 0,001 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».