使用可穿戴设备在肩膀内部和外部旋转运动期间估计疲劳的数据集
Merve Nur Yasar1, Marco Sica2, Brendan O'Flynn3
1Tyndall National Institute, University College Cork, Cork, T12 R5CP, Ireland. merv.nur.yasar@gmail.com.
Scientific data
|April 27, 2024
概括
这项研究提供了一个全面的数据集,用于使用可穿戴传感器评估肩关节疲劳. 这些数据可以开发机器学习模型,用于体育科学和康复中检测疲劳.
科学领域:
- 运动科学 运动科学 运动科学
- 康复工程 康复工程
- 生物力学 生物力学
背景情况:
- 可穿戴传感器越来越多地用于体育科学,身体康复和工业,用于监测身体疲劳.
- 通过机器学习分析可穿戴传感器数据,可以预测在复杂的肩关节运动期间的疲劳.
研究的目的:
- 通过穿戴式传感器在肩部疲劳协议期间收集的综合数据集.
- 促进肩部运动疲劳检测和预测算法的开发.
主要方法:
- 34名健康受试者进行了动态的肩部内部旋转 (IR) 和外部旋转 (ER) 运动,以达到最大的力量.
- 收集的数据包括人口统计学,人体测量学,最大自愿同位数收缩 (MVIC) 力量,表面电肌学 (sEMG),惯性测量单位 (IMU),光聚光学 (PPG) 和自我报告的疲劳 (博格尺度,卡罗林斯卡嗜睡尺度).
主要成果:
- 该数据集提供了与受试者的表现和自我报告的疲劳水平同步的多模式传感器数据.
- 这种全面的数据捕捉了肩部疲劳诱导期间的生物机械和生理反应.
结论:
- 这一数据集对于推进物理疲劳评估研究,特别是对于肩膀关节运动,非常有价值.
- 它支持使用机器学习和可穿戴传感器技术开发先进的疲劳检测和预测算法.
