基于NMF的肌肉疲劳评估模型的探索和应用,用于多肌肉协同运动

科学领域:

• 生物力学 生物力学
• 运动科学 运动科学 运动科学
• 生物医学工程 生物医学工程

背景情况:

• 肌肉疲劳会影响日常活动,炼和体育表现.
• 目前的疲劳评估方法往往集中在单个肌肉上,忽视了协同运动.
• 准确的多肌筋疲劳评估对于优化训练和预防伤害至关重要.

研究的目的:

• 开发一个全面的肌肉疲劳模型,用于多肌肉协同运动.
• 使用非负矩阵分解 (NMF) 和粒子集群优化 (PSO) 集成电动图 (EMG) 信号特征.
• 引入全面肌肉疲劳指数 (CMFI) 进行实时疲劳评估.

主要方法:

• 使用非负矩阵因子化 (NMF) 来分析持续时间的多肌重系数矩阵 (DMWCM).
• 从时间,频率和复杂性领域选择了四个电肌图 (EMG) 信号特征.
• 采用粒子集群优化 (PSO) 来优化特征重量,并计算了综合肌肉疲劳指数 (CMFI).

主要成果:

• 开发的CMFI显示出与感知劳动 (RPE) 和速度动态得分 (SDS) 有着强烈的相关性.
• 该模型在多肌肉协同运动期间准确地实时评估了肌肉疲劳.
• 在疲劳评估中验证了NMF权重和PSO优化的有效性.

结论:

• 与传统方法相比,CMFI提供了更全面的肌肉疲劳评估方法.
• 这个模型在运动生理学,体育医学和伤害预防策略中具有重要的潜在应用.
• 这些发现支持使用先进的信号处理技术进行全面的生物力学分析.