力量训练后神经驱动的变化可以从绝对而不是正常化的EMG振幅更好地估计
Alessandro Del Vecchio1, Andrea Casolo2, Roger Maro Enoka3
1Department Artificial Intelligence in Biomedical Engineering, Friedrich-Alexander University (FAU), Erlangen, Germany.
Journal of applied physiology (Bethesda, Md. : 1985)
|November 27, 2025
概括
短期力量训练增强神经驱动力,可以使用绝对电动图 (EMG) 振幅来估计. 动力单元招募和放电率的变化反映在原始EMG信号中,而不是正常化的信号.
科学领域:
- 神经肌肉生理学 神经肌肉生理学
- 运动科学 运动科学
- 生物医学工程 生物医学工程
背景情况:
- 力量训练诱导神经和肌肉适应.
- 在训练期间量化神经驱动的变化对于理解适应至关重要.
- 电肌图 (EMG) 振幅是一种常见的测量方法,但其对神经变化的敏感性需要澄清.
研究的目的:
- 调查短期力量训练后神经驱动和EMG振幅的变化之间的关联.
- 为了确定绝对或正常化的EMG测量是否更好地反映神经适应.
- 评估EMG在估计动力单元招聘和放电率变化的有用性.
主要方法:
- 13名参与者接受了为期4周的关节背伸缩器力量训练.
- 在训练前和训练后测量了最大自愿力 (MVF) 和EMG振幅 (RMS).
- 评估了发动机单元的排放率和招聘门.
- 分析了EMG振幅的绝对值 (μV) 和正常值 (%的MVF).
主要成果:
- 力量训练使MVP增加了约14%,最大EMG振幅增加了约42%.
- 在亚最大收缩期间的绝对EMG振幅与动力单元招募值和放电率的变化相关.
- 规范化的EMG振幅没有显示与神经适应的显著关联.
- 使用跟踪电机单元建模EMG显示与测量EMG变化有很强的相关性.
结论:
- 绝对EMG振幅,特别是来自高密度电极网,可以估计参与者在短期力量训练后神经驱动的变化.
- 当EMG正常化至最大收缩时,这些神经适应无法检测到.
- 全球EMG分析提供了力量训练中早期神经适应的近似指标.
