一个全面的表面肌电图和自我感知疲劳水平的数据集,用于肌肉疲劳分析
Sara M Cerqueira1, Rita Vilas Boas1, Joana Figueiredo1,2
1Center for MicroElectroMechanical Systems (CMEMS), University of Minho, 4805-017 Guimarães, Portugal.
Sensors (Basel, Switzerland)
|January 8, 2025
概括
这项研究引入了用于肌肉疲劳分析的新数据集,结合了表面肌电图和自我报告的疲劳水平. 该资源有助于开发更好的疲劳检测方法,以防止受伤.
科学领域:
- 生物医学工程 生物医学工程
- 运动科学 运动科学 运动科学
- 职业健康 职业健康 职业健康
背景情况:
- 肌肉疲劳是运动和职业伤害的重要危险因素.
- 了解肌肉疲劳的生化过程对于预防伤害至关重要.
- 现有的数据集可能无法完全捕捉动态运动期间肌肉疲劳的复杂性.
研究的目的:
- 为肌肉疲劳分析提供一种全新的,全面的数据集.
- 为了促进先进的疲劳检测算法的开发和测试.
- 支持对肌肉疲劳的潜在机制的研究.
主要方法:
- 从上肢收集的表面电肌图 (sEMG) 数据.
- 记录了参与者的自我感知疲劳水平.
- 包括13名参与者进行12次动态上肢运动 (单关节和复杂) 的13个小时的数据.
主要成果:
- 创建了一个新的数据集,包括13h 20min的sEMG和自我报告的疲劳数据.
- 该数据集涵盖了12个不同的上肢动态运动.
- 这些数据为分析肌肉疲劳模式提供了丰富的资源.
结论:
- 这一数据集是促进肌肉疲劳研究的宝贵资源.
- 它可以用来测试和完善用于疲劳检测的新算法.
- 对此数据集的进一步分析可能会阐明肌肉疲劳的机制.


