David Carneros，電腦工程博士
21月XNUMX日，上週五， 大衛卡內羅斯普拉多，俄羅斯高等資訊學院博士生 卡斯蒂利亞拉曼恰大學 (UCLM)，簡要地答辯了他的博士論文，題為 «利用人工智慧分析和自動評估日常生活活動中的步態和姿勢»。該論文由 Ramón Hervás Lucas 博士和 Jesús Fontecha Diezma 博士指導，是在 UCLM 自身計劃的研究人員培訓合約 (FPI) 框架內進行的，並獲得了國際認可。評審團主席由卡斯蒂利亞-拉曼恰大學的 Carmen Lacave 博士擔任，評審團成員包括馬拉加大學的 Joaquín Ballesteros 博士和阿爾斯特大學的 Matias García-Constantino 博士。經過辯護，法庭授予大衛·卡內羅斯最高評級，以認可其研究的卓越性和影響力。
研究小組成員 David Carneros MAmI（行動應用模式與環境智慧），將他的研究工作與智慧系統學科的教學結合。她的博士研究重點是人體運動分析，這對於評估人們的健康狀況和功能能力至關重要。
人工智慧與生物力學融合的開創性論文
人體運動分析，特別是步態和姿勢的評估，在評估個人健康狀況和功能能力方面發揮著至關重要的作用。然而，傳統的運動分析在客觀性和可近性方面往往面臨很大的限制，嚴重依賴主觀觀察或昂貴的專門實驗室設備。在評估與認知能力下降相關的細微步態變化或監控日常活動中的長期姿勢模式時，這些限制變得特別具有挑戰性。
本論文將人工智慧技術與生物力學方法結合，推動了人體姿勢和運動分析領域的發展，並提出了在 JCR 索引期刊上發表的四項相互關聯的研究。該研究將傳統的生物力學方法與現代計算方法相結合，解決了姿勢和運動評估中的關鍵挑戰，從而提高了評估準確性和現實環境中的實際適用性。研究涵蓋四個主要領域：智慧型手機使用過程中的認知負荷和步態參數之間的關係、使用深度學習架構產生合成運動數據、高效能姿勢識別系統的開發以及臨床步態評估的自動化。透過這種全面的研究方法，這項研究展示了基於人工智慧的工具如何提高人體運動評估的準確性和客觀性，同時使其更適用於日常應用。
主要發現包括在使用手機進行雙任務處理時識別出不同的步態模式，其中十個步態參數中有五個出現顯著改變（p < 0.001）；成功開發雙網絡架構以產生具有高生物力學保真度的合成運動數據；實施輕量級 Kolmogorov-Arnold 網路在姿勢識別中實現 97.03% 的準確率在臨床上97.56%；
這些貢獻為將人工智慧技術融入姿勢和運動分析建立了一個強大的框架，為醫療保健和人體工學評估提供了實用的解決方案，同時保持了效率和可解釋性。這項研究表明，人工智慧可以有效補充傳統的生物力學分析，最終有助於在臨床環境和日常生活中更可靠、有效地評估人體運動。這項研究為自動運動分析的未來發展奠定了基礎，特別是在認知能力下降的早期檢測、人體工學監測和臨床步態評估方面，同時解決了當前運動評估方法在客觀性和可訪問性方面的局限性。
JCR 期刊中的影響力文章
David Carneros 的論文是一篇彙編文章，基於在高影響力 JCR 索引期刊上發表的四篇出版物：
- 分析雙任務對行動裝置使用過程中步態變化的影響
數學，2022 年。影響因子：1。
DOI: 10.3390/math11010202 - 使用循環神經網路從二維軌跡產生合成三維骨骼運動數據
生物學和醫學中的計算機，2024 年。影響因子：1。
DOI: 10.1016/j.compbiomed.2024.108943 - 多層感知器與 Kolmogorov-Arnold 網路在坐姿辨識上的比較
IEEE訪問，2024 年。影響因子：2。
DOI: 10.1109/ACCESS.2024.3510034 - 使用 3D 光學系統和變壓器自動進行觀察步態評估
應用智能，2025 年。影響因子：2。
DOI：10.1007/s10489-024-06163-w
