Landmark-Based Discrimination of Injury-Associated Athlete-Sessions from Minute-Resolution Multimodal Football Monitoring Data

📄 arXiv: 2609.03790v1 📥 PDF

作者: Evangelos Chatzidimitriou, Konstantinos Tserpes

分类: cs.LG

发布日期: 2026-09-03

备注: 12 pages, 3 figures, 7 tables

💡 一句话要点

提出基于地标的模型以解决运动员受伤会话标记问题

🎯 匹配领域: 支柱九：具身大模型 (Embodied Foundation Models)

关键词: 运动员监测 受伤检测 多模态数据 地标建模 机器学习 逻辑回归 随机森林 XGBoost

📋 核心要点

  1. 现有方法在处理运动员受伤监测时，无法准确标记每分钟的受伤状态，导致数据标注不一致。
  2. 论文提出了一种基于固定地标的模型，每个运动员会话仅构建一个表示，避免了分钟级别的标签不确定性。
  3. 实验结果显示，使用预会话和动态表示的逻辑回归模型在多个地标上取得了较高的点估计，但仍存在较大不确定性。

📝 摘要（中文）

运动员监测数据通常以分钟为单位记录，而受伤信息仅指示整个会话是否与受伤相关。这导致了一个建模问题：将相同的会话级标签分配给每分钟意味着在每个确切时间点都知道受伤状态，尽管会话内的受伤发生时间未知。本文提出了一种固定地标、一会话一个表示的模型，直接解决了这一不匹配问题。我们在每个地标构建每个运动员会话的一个表示，利用截至该时点观察到的信息，从而保持目标在会话级别，避免不支持的分钟级受伤监督。通过分析2020年SoccerMon数据，我们评估了多种表示方法，并与基线模型进行了比较。

🔬 方法详解

问题定义：本文旨在解决运动员受伤监测数据中，如何准确标记每分钟受伤状态的问题。现有方法将相同的会话级标签应用于每分钟，导致数据标注不准确，尤其是在受伤发生时间未知的情况下。

核心思路：论文提出了一种固定地标、一会话一个表示的建模方法。通过在每个地标构建一个运动员会话的表示，利用截至该时点的信息，保持目标在会话级别，避免了分钟级别的标签不确定性。

技术框架：整体框架包括数据收集、地标选择、表示构建和模型评估四个主要模块。首先，收集运动员的分钟级监测数据和受伤信息；然后，选择固定的时间地标；接着，基于观察到的信息构建每个地标的会话表示；最后，使用多种模型进行评估和比较。

关键创新：最重要的创新在于提出了一种新的表示构建方法，避免了对每分钟数据的标签化，从而解决了传统方法中的不一致性问题。这种方法在数据标注上更加合理，能够更好地反映受伤状态。

关键设计：在模型设计中，采用了逻辑回归、随机森林和XGBoost等基线模型进行比较。关键参数包括地标的选择和表示的构建方式，损失函数设计上注重会话级别的准确性。

🖼️ 关键图片

fig_0
fig_1

📊 实验亮点

实验结果表明，使用主要的CUM+DYN逻辑回归模型在不同地标上获得了ROC-AUC值在0.367到0.607之间，PR-AUC值在0.0080到0.0150之间，尽管存在较大的不确定性。预会话表示在多个地标上显示出更高的点估计，但仍需进一步验证。

🎯 应用场景

该研究的潜在应用领域包括运动医学、运动员表现监测和训练优化。通过准确识别受伤会话，可以帮助教练和医疗团队更好地管理运动员的训练负荷，降低受伤风险，并提高运动员的整体表现。未来，该方法还可扩展到其他运动项目的监测和分析中。

📄 摘要（原文）

Athlete monitoring data may be recorded minute by minute throughout a match or training session, while injury information may only indicate whether the entire session was injury-associated. This creates a modelling problem: assigning the same session-level label to every minute would imply that injury status is known at each exact time, even though within-session injury onset is unknown. Our novelty is a fixed-landmark, one-representation-per-athlete-session formulation that directly addresses this mismatch. Instead of labelling every minute, we construct one representation per athlete-session at each landmark using information observed up to that point. This keeps the target at the session level and avoids unsupported minute-level injury supervision. A landmark is a fixed time point within the same session, such as 10, 20, or 30 minutes. At each landmark, we assess whether the whole session is injury-associated or non-injury-associated and examine how discrimination changes as more within-session information becomes available. Using 2020 SoccerMon data, we analyse 3,743 athlete-sessions from 48 elite women's football athletes, including 22 injury-associated sessions from five athletes. We evaluate pre-session, cumulative, dynamic, and combined representations with athlete-disjoint validation, athlete-cluster bootstrap uncertainty, common-cohort sensitivity analysis, alternative negative-athlete fold allocations, equal-athlete weighting, and Logistic Regression, Random Forest, and XGBoost benchmarks. Primary CUM+DYN Logistic Regression yields ROC-AUC 0.367-0.607 and PR-AUC 0.0080-0.0150 across landmarks, with wide uncertainty. PRE-containing representations show higher point estimates at several landmarks but remain uncertain.