基于孕期分期感知的孕妇瑜伽视频推荐：混合深度学习方法

为什么更智能的产前瑜伽很重要

许多准妈妈会在 YouTube 上寻找产前瑜伽，以期缓解背痛、减轻压力并改善睡眠。但并非每个体式在孕期的每个阶段都安全，而大多数视频平台并未以孕期需求为设计出发点。本研究提出了一种自动推荐在线视频的新方法，能根据女性的孕期分期和健康需求匹配合适的视频，旨在在提供瑜伽的身心收益的同时，尽可能保障母婴安全。

孕期安全瑜伽的挑战

怀孕对身体和心理提出了不同寻常的要求。激素变化、体态调整以及内脏受压都会使即便是简单动作的感觉发生改变，有时伴随风险。研究表明，孕期母亲未被管理的压力和焦虑会影响胎儿大脑发育并对儿童的后期行为产生影响。瑜伽被广泛认为能改善柔韧性、力量、情绪以及机体的应激系统，因此是产前护理的有前景工具。然而，许多在线视频并未区分孕期分期，有些还包含不建议孕妇进行的体式——例如深度扭转或长时间仰卧平躺等。作者认为，针对孕期的数字瑜伽指南必须把安全和情境放在核心位置，而不是事后补充的考虑。

把杂乱的在线视频变成有用的指导

研究人员汇集了来自 YouTube 与专业平台 Yoga Download 的 200 个产前瑜伽视频的专门数据集。每个视频都由产前专家仔细筛查，剔除了包含不安全体位的教程，并根据孕期分期、难度等级及主要益处（如减压或缓解背痛）进行标注。研究团队将这些视频拆分成超过 35,000 帧的单独图像，并用复杂的去噪滤镜进行清理，以保持身体姿势细节的清晰度。他们还对视频标题、描述和标签进行了处理，去掉填充词，将句子拆成有意义的词项，并还原为基础词形。这种对文本和图像的双重清理为智能系统“理解”每个视频所提供内容及其适宜对象奠定了基础。

AI 模型如何学习何为安全

系统的核心是一个同时分析文字与视觉的混合深度学习模型。在文本方面，它使用了对标准技术的增强版本，用以衡量每个词或短语在所有视频中的重要性。在图像方面，则依赖强大的视觉网络 ResNet152 将每帧瑜伽体式转换为详细的数值指纹。这些指纹随后与包含用户孕期、健康关注点和偏好难度的用户画像相结合并进行比对。一种特殊的相似度度量对孕早期的安全性赋予更高权重（因风险较高），在后期则略为放宽。另有基于图的神经网络将用户、体式、视频与健康状况连接起来，使诸如“在第一孕期避免强烈腹部压迫”这样的安全规则得以在推荐系统中传播和应用。

在真实世界中测试准确性与安全性

为验证方法有效性，作者将其与若干既有的深度学习与推荐方法进行了比较。他们不仅评估模型选中正确视频的频率，还衡量其在候选列表中对最佳选项的排序表现。在包括五轮交叉验证在内的多项测试中，系统达到了约 98.3% 的准确率，并在精确率、召回率和排序质量上取得了优异成绩。更重要的是，它对孕期分期安全规则的遵守率超过 97.5%，并在第一孕期几乎实现了完美的安全性。由产科医生和认证产前瑜伽导师组成的专家小组对部分推荐结果进行了独立审核，超过 94% 的情况下他们同意系统的选择，为结果提供了临床可信度。

对孕妇及更广泛人群的意义

对普通读者来说，主要信息是：很快你可能只需打开一个瑜伽应用或视频网站，输入几个关于孕期阶段和健康状况的简单信息，就能得到一份既有帮助又经过安全筛查的课程短清单。研究表明，通过结合细致的数据清理、强大的模式识别工具和明确的安全规则，人工智能可以更像一位谨慎的产前教练，而非通用的视频推荐系统。尽管本研究聚焦于孕期瑜伽，但相同的思路也可用于为心脏病、关节问题或其他医疗需求人群提供安全的运动建议——在提供个性化支持的同时牢牢控制健康风险。

引用: Bawistale, K., Rajendran, S. & Khalid, M. Trimester-aware yoga video recommendation using hybrid deep learning for pregnant woman. Sci Rep 16, 6229 (2026). https://doi.org/10.1038/s41598-026-37149-y

关键词: 产前瑜伽, 孕期健康, 个性化推荐, 深度学习, 安全运动