XiaoMi-AI文件搜索系统
World File Search System生物力学
基于图像的髋部断裂风险评估的生物力学观点：进步和挑战
髋部骨折构成了重要的健康挑战，尤其是在老龄化的人群中，导致了大量的发病率和经济负担。大多数髋部骨折是由骨质疏松症和跌倒的组合引起的。准确评估髋部骨折风险对于确定高风险个体和实施有效的预防策略至关重要。当前的临床工具，例如断裂风险评估工具（FRAX），主要依赖于大量人群研究得出的临床风险因素的统计模型。但是，这些工具通常缺乏捕获直接影响骨折易感性的个体生物力学因素。因此，基于图像的生物力学方法主要利用双能X射线吸收仪（DXA）和定量计算机层析成像（QCT），它引起了人们的关注，因为它们的潜力提供了对骨骼强度的更精确评估的潜力，并具有涉及跌倒的影响，从而增强了风险预测的准确性。生物力学方法依赖于两个基本组成部分：评估骨骼强度并预测降落引起的撞击力。在基于图像的有限元（Fe）建模中进行了显着进步，以进行骨骼强度分析和降落诱导的影响力的动态模拟，但仍然存在重大挑战。在这篇综述中，我们研究了这些领域的最新进展，并强调了要提高领域并改善断裂风险预测的主要挑战。
大型生物力学空间结构DARPA-SN-25-51 ...
鉴于代谢工程的最新进展，用于快速生长，具有新颖性能的极端粒子，可调材料的生物学自组装特性以及生物系统生物系统的新兴机械设计原理，DARPA有兴趣探索微电油中未经预言的“未预言”生物结构的可行性。快速，控制的，方向的生长以创建非常大的（500米长）的有用空间结构将破坏当前的最新和位置生物学，作为空间组装基础架构的免费组成部分。一些可以在生物学上制造和组装的结构示例，但传统上可能是不可行的，包括用于太空电梯的tethers，用于轨道碎屑修复的网格网络，无线电科学的千里规模干涉仪，无线电科学的干涉仪，用于托管零件的新型自我组装机翼的新自动化翅膀进行促进的循环量造成材料的材料和贴材料和斑点的损坏。
弱和低频生物力学能量收获新一代可穿戴电子产品的低损失功率管理策略
简介：在可穿戴电子产品的快速发展中，它们对外部功率来源的依赖增加了功率费用，同时导致其在充电期间的运行中断。生物力学能量收割机通过将废物动能转换为电力，为自动可穿戴电子产品提供了有希望的解决方案。尽管成功地将其功率输出从μW推进到MW，但几个挑战仍然存在，包括在μA级处的低输出电流，GΩ级别的高内部阻抗和AC输出限制了其实际应用。常规功率管理电路通常在高频收割机中使用，而无需充分考虑产生的能源损失，当使用较低功率输出的低频收割机时，可能会导致电路故障。
计算生物力学的博士后位置 - 主动脉夹层开始和传播的微型机械模型的开发-24 m
Sainbiose单元（SanténierieBiologie Saint-Etienne）结合了Jean Monnet大学，矿山St Etienne，法国血液建立和圣泰恩大学医院的研究人员，重点是骨关注骨关节生物学，软组织机械博物学，血液学和血液学，血液学和血小板。它拥有48位永久研究人员和37名技术人员，分为两支团队，并培训58位博士生。在过去的五年中，它制作了100份年度出版物，提交了6份专利，开发了3种软件工具，并启动了2家初创公司。“软组织生物力学”组由PR领导。S. avril，重点介绍了有关生物组织机械行为及其与医疗设备的相互作用的数值，临床和实验研究。实验室包括实验设备，例如单轴或双轴拉伸机器，光场测量工具和显微镜设备。他们的研究得到了强大的学术网络的支持，无论是在国内还是国际上，他们都会与Thuasne，Sigvaris和Medtronic等公司定期合作。
线圈增强多层血管移植的先进制造技术可优化生物力学性能
图 1：制造带有水凝胶涂层的线圈支撑血管移植物。A) 通过初始电纺层制造电纺套管，然后使用定制溶液打印机进行线圈沉积，最后形成最终电纺层。使用四氢呋喃进行溶剂蒸汽焊接两小时，以提高构造完整性。B) 通过扩散介导的氧化还原引发 PEUDAm 第一网络交联对电纺移植物进行水凝胶涂层，从而确定水凝胶涂层的厚度。然后，NAGA、bisAAm 和光引发剂膨胀到第一网络中，并通过光引发固化，形成最终的互穿网络水凝胶涂层。
跑步生物力学与跑步经济性之间的关系：观察性研究的系统评价与荟萃分析
摘要背景跑步生物力学被认为是跑步经济性 (RE) 的重要决定因素。然而，研究跑步生物力学和 RE 之间关联的研究报告了不一致的结果。目的本系统评价的目的是确定跑步生物力学和 RE 之间的关联并探索不一致的潜在原因。方法搜索并监测了三个数据库，截至 2023 年 4 月。如果观察性研究 (i) 研究了跑步生物力学和 RE 之间的关联，或 (ii) 比较了 RE 不同的组之间的跑步生物力学，或 (iii) 比较了健康人类 (18-65 岁) 在平速、恒速和亚最大速度跑步期间跑步生物力学不同的组之间的 RE，则将其纳入。使用改进的观察性研究工具评估偏倚风险，并在使用 GRADE 解释结果时考虑偏倚风险。当两项或多项研究报告相同结果时，进行荟萃分析。使用元回归探索速度、身高、体重和年龄的变异系数作为连续结果，跑鞋标准化、氧气与能量成本以及静息氧气或能量成本校正作为分类结果的异质性。结果 共纳入 51 项研究（n = 1115 名参与者）。大多数时空结果与 RE 显示出微小且不显著的关联：接触时间 r = − 0.02（95% 置信区间 [CI] − 0.15 至 0.12）；飞行时间 r = 0.11（− 0.09 至 0.32）；步幅时间 r = 0.01（− 0.8 至 0.50）；占空比 r = − 0.06（− 0.18 至 0.06）；步幅 r = 0.12（-0.15 至 0.38），摆动时间 r = 0.12（-0.13 至 0.36）。较高的节奏与较低的氧气/能量成本显示出轻微的显著关联（r = -0.20 [-0.35 至 -0.05]）。较小的垂直位移以及较高的垂直和腿部僵硬程度与较低的氧气/能量成本显示出显著的中等关联（分别为 r = 0.35、-0.31、-0.28）。踝关节、膝盖和臀部在初始接触、站立中期或脚趾离地时的角度以及它们的运动范围、峰值垂直地面反作用力、机械功变量和肌电图激活与跑步经济性没有显著关联，尽管在某些结果中观察到了潜在的相关趋势。结论 单独考虑跑步生物力学可以解释跑步效率 (RE) 的 4-12% 的个体间差异，而结合不同变量时，这一差异可能会增加。本综述讨论了对运动员、教练、可穿戴技术和研究人员的影响。协议注册 https://doi.org/10.17605/OSF.IO/293 ND（OpenScience 框架）。
原创文章 人工智能增强篮球罚球的运动学分析 BEKIR KARLIK 1、MUSA HAWAMDAH 2 1 埃波卡大学计算机工程系，地拉那，阿尔巴尼亚 2 塞尔丘克大学计算机工程系，科尼亚，土耳其 在线发表：2024 年 12 月 30 日 接受发表：2024 年 12 月 15 日 DOI：10.7752/jpes.2024.12321 摘要：问题陈述和方法：在篮球比赛中，罚球的成功与否取决于球的出手角度、在空中的正确位置以及最佳速度运动特征。本研究利用人工智能（AI）研究了篮球运动员在疲劳前后执行罚球的运动学特征。材料和方法：我们使用了各种监督机器学习算法，包括：k-最近邻 (k-NN)、朴素贝叶斯、支持向量机 (SVM)、人工神经网络 (ANN)、线性判别分析 (LDA) 和决策树。这些算法用于对从球员收集的运动数据得出的特征进行分类，以揭示他们在不同疲劳程度下的投篮机制的模式和变化。当球员在疲劳前后成功和不成功投篮时，在球释放点测量肘部、躯干、膝盖和踝关节角度。有两种方法可用于对这些特征进行分类：第一种方法是直接使用行数据；另一种是使用主成分分析 (PCA) 减少数据。对于这两种方法，数据在应用于分类器之前都在 0-1 之间归一化。结果：我们通过使用朴素贝叶斯分类器对行数据获得了 98.44% 的最佳分类准确率。此外，使用 PCA 对减少数据进行 ANN 的结果显示最佳分类准确率 95.31%。研究结果揭示了疲劳引起的投篮力学的不同模式和变化，并强调了机器学习模型在分析生物力学数据方面的有效性。讨论和结论：这些结果有助于制定训练计划，以提高疲劳状态下的表现和一致性。这项研究强调了人工智能和数据驱动方法在运动生物力学中的潜力，可以为运动员表现和疲劳管理提供有价值的见解。关键词：智能算法、运动生物力学、运动数据、疲劳引起的变化简介在对各种运动进行的研究中已经观察到功能技能和基于技能的运动模式之间的差异。评估功能技能比评估基于技能的运动模式更具挑战性（Goktepe 等人，2009 年；Abdelkerim 等人，2007 年；Chappell 等人，2005 年）。例如，Goktepe 等人（2009 年）利用统计分析来证明踝关节、肩膀和肘部角度对网球发球的影响。Abdelkerim 等人（2007）展示了篮球运动员的计算机化时间运动分析，而 Chappell 等人（2005）则研究了在进行疲劳前和疲劳后练习的三个停跳任务中落地和跳跃动作中改变的运动控制策略。评估基于技能的收缩、适当的肌肉发力时间和关节定位等因素相对容易。值得注意的是，个人之间的动作执行和技能习得存在差异。在篮球罚球中，关节角度是足以将投篮分为不同类别的基本特征（Schmidt 等人，2012；Ge，2024；Zhang & Chen，2024）。疲劳是人类活动的自然结果，会影响运动员在训练和比赛期间的认知和学习能力。虽然大多数研究认为疲劳是影响表现的一个关键因素（Forestier & Nougier，1998；Apriantono 等人，2006），但一些研究表明疲劳对篮球罚球表现没有影响（Uygur 等人，2010；Rusdiana 等人，2019；Li，2021；Bourdas 等人，2024）。例如，Uygur 等人（2010）基于统计运动学分析发现疲劳对罚球没有显著影响。同样，Rusdiana 等人（2019）使用 SPSS 分析了罚球运动学，而 Bourdas 等人（2024）则专注于疲劳对三分跳投的影响。Li 等人（2021）研究了疲劳对女子篮球运动员投篮表现的运动学影响。所有这些研究都采用了统计方法；文献中尚未发现用于分析篮球罚球运动学的人工智能或软计算技术。近几十年来，高效的数据分析显著提高了使用软计算方法的各个领域的生产力。然而，体育科学中的大多数研究都集中在特定的比赛上，以探索不同数据源或机器学习技术在结构分析和语义提取中的作用。这项研究是首次将机器学习方法应用于运动学分析一些研究表明疲劳对篮球罚球表现没有影响（Uygur 等人，2010 年；Rusdiana 等人，2019 年；Li，2021 年；Bourdas 等人，2024 年）。例如，Uygur 等人（2010 年）根据统计运动学分析发现疲劳对罚球没有显著影响。同样，Rusdiana 等人（2019 年）使用 SPSS 分析了罚球运动学，而 Bourdas 等人（2024 年）则专注于疲劳对三分跳投的影响。Li 等人（2021 年）研究了疲劳对女子篮球运动员投篮表现的运动学影响。所有这些研究都采用了统计方法；文献中没有发现用于分析篮球罚球运动学的人工智能或软计算技术。近几十年来，高效的数据分析已显著提高了使用软计算方法的各个领域的生产力。然而，体育科学中的大多数研究都集中在特定的比赛上，以探索不同的数据源或机器学习技术在结构分析和语义提取中的作用。本研究首次将机器学习方法应用于运动学分析一些研究表明疲劳对篮球罚球表现没有影响（Uygur 等人，2010 年；Rusdiana 等人，2019 年；Li，2021 年；Bourdas 等人，2024 年）。例如，Uygur 等人（2010 年）根据统计运动学分析发现疲劳对罚球没有显著影响。同样，Rusdiana 等人（2019 年）使用 SPSS 分析了罚球运动学，而 Bourdas 等人（2024 年）则专注于疲劳对三分跳投的影响。Li 等人（2021 年）研究了疲劳对女子篮球运动员投篮表现的运动学影响。所有这些研究都采用了统计方法；文献中没有发现用于分析篮球罚球运动学的人工智能或软计算技术。近几十年来，高效的数据分析已显著提高了使用软计算方法的各个领域的生产力。然而，体育科学中的大多数研究都集中在特定的比赛上，以探索不同的数据源或机器学习技术在结构分析和语义提取中的作用。本研究首次将机器学习方法应用于运动学分析
原创文章 人工智能增强篮球罚球的运动学分析 BEKIR KARLIK 1、MUSA HAWAMDAH 2 1 埃波卡大学计算机工程系，地拉那，阿尔巴尼亚 2 塞尔丘克大学计算机工程系，科尼亚，土耳其 在线发表：2024 年 12 月 30 日 接受发表：2024 年 12 月 15 日 DOI：10.7752/jpes.2024.12321 摘要：问题陈述和方法：在篮球比赛中，罚球的成功与否取决于球的出手角度、在空中的正确位置以及最佳速度运动特征。本研究利用人工智能（AI）研究了篮球运动员在疲劳前后执行罚球的运动学特征。材料和方法：我们使用了各种监督机器学习算法，包括：k-最近邻 (k-NN)、朴素贝叶斯、支持向量机 (SVM)、人工神经网络 (ANN)、线性判别分析 (LDA) 和决策树。这些算法用于对从球员收集的运动数据得出的特征进行分类，以揭示他们在不同疲劳程度下的投篮机制的模式和变化。当球员在疲劳前后成功和不成功投篮时，在球释放点测量肘部、躯干、膝盖和踝关节角度。有两种方法可用于对这些特征进行分类：第一种方法是直接使用行数据；另一种是使用主成分分析 (PCA) 减少数据。对于这两种方法，数据在应用于分类器之前都在 0-1 之间归一化。结果：我们通过使用朴素贝叶斯分类器对行数据获得了 98.44% 的最佳分类准确率。此外，使用 PCA 对减少数据进行 ANN 的结果显示最佳分类准确率 95.31%。研究结果揭示了疲劳引起的投篮力学的不同模式和变化，并强调了机器学习模型在分析生物力学数据方面的有效性。讨论和结论：这些结果有助于制定训练计划，以提高疲劳状态下的表现和一致性。这项研究强调了人工智能和数据驱动方法在运动生物力学中的潜力，可以为运动员表现和疲劳管理提供有价值的见解。关键词：智能算法、运动生物力学、运动数据、疲劳引起的变化简介在对各种运动进行的研究中已经观察到功能技能和基于技能的运动模式之间的差异。评估功能技能比评估基于技能的运动模式更具挑战性（Goktepe 等人，2009 年；Abdelkerim 等人，2007 年；Chappell 等人，2005 年）。例如，Goktepe 等人（2009 年）利用统计分析来证明踝关节、肩膀和肘部角度对网球发球的影响。Abdelkerim 等人（2007）展示了篮球运动员的计算机化时间运动分析，而 Chappell 等人（2005）则研究了在进行疲劳前和疲劳后练习的三个停跳任务中落地和跳跃动作中改变的运动控制策略。评估基于技能的收缩、适当的肌肉发力时间和关节定位等因素相对容易。值得注意的是，个人之间的动作执行和技能习得存在差异。在篮球罚球中，关节角度是足以将投篮分为不同类别的基本特征（Schmidt 等人，2012；Ge，2024；Zhang & Chen，2024）。疲劳是人类活动的自然结果，会影响运动员在训练和比赛期间的认知和学习能力。虽然大多数研究认为疲劳是影响表现的一个关键因素（Forestier & Nougier，1998；Apriantono 等人，2006），但一些研究表明疲劳对篮球罚球表现没有影响（Uygur 等人，2010；Rusdiana 等人，2019；Li，2021；Bourdas 等人，2024）。例如，Uygur 等人（2010）基于统计运动学分析发现疲劳对罚球没有显著影响。同样，Rusdiana 等人（2019）使用 SPSS 分析了罚球运动学，而 Bourdas 等人（2024）则专注于疲劳对三分跳投的影响。Li 等人（2021）研究了疲劳对女子篮球运动员投篮表现的运动学影响。所有这些研究都采用了统计方法；文献中尚未发现用于分析篮球罚球运动学的人工智能或软计算技术。近几十年来，高效的数据分析显著提高了使用软计算方法的各个领域的生产力。然而，体育科学中的大多数研究都集中在特定的比赛上，以探索不同数据源或机器学习技术在结构分析和语义提取中的作用。这项研究是首次将机器学习方法应用于运动学分析一些研究表明疲劳对篮球罚球表现没有影响（Uygur 等人，2010 年；Rusdiana 等人，2019 年；Li，2021 年；Bourdas 等人，2024 年）。例如，Uygur 等人（2010 年）根据统计运动学分析发现疲劳对罚球没有显著影响。同样，Rusdiana 等人（2019 年）使用 SPSS 分析了罚球运动学，而 Bourdas 等人（2024 年）则专注于疲劳对三分跳投的影响。Li 等人（2021 年）研究了疲劳对女子篮球运动员投篮表现的运动学影响。所有这些研究都采用了统计方法；文献中没有发现用于分析篮球罚球运动学的人工智能或软计算技术。近几十年来，高效的数据分析已显著提高了使用软计算方法的各个领域的生产力。然而，体育科学中的大多数研究都集中在特定的比赛上，以探索不同的数据源或机器学习技术在结构分析和语义提取中的作用。本研究首次将机器学习方法应用于运动学分析一些研究表明疲劳对篮球罚球表现没有影响（Uygur 等人，2010 年；Rusdiana 等人，2019 年；Li，2021 年；Bourdas 等人，2024 年）。例如，Uygur 等人（2010 年）根据统计运动学分析发现疲劳对罚球没有显著影响。同样，Rusdiana 等人（2019 年）使用 SPSS 分析了罚球运动学，而 Bourdas 等人（2024 年）则专注于疲劳对三分跳投的影响。Li 等人（2021 年）研究了疲劳对女子篮球运动员投篮表现的运动学影响。所有这些研究都采用了统计方法；文献中没有发现用于分析篮球罚球运动学的人工智能或软计算技术。近几十年来，高效的数据分析已显著提高了使用软计算方法的各个领域的生产力。然而，体育科学中的大多数研究都集中在特定的比赛上，以探索不同的数据源或机器学习技术在结构分析和语义提取中的作用。本研究首次将机器学习方法应用于运动学分析
多层组织中干细胞命运决策的生物力学
n，n-二甲基丁胺（DMT）是一种有效而快速的迷幻药物，可诱导意识内容的根本性重组，包括时间和空间的溶解以及感知浸入“替代现实”中。虽然临时研究在某种程度上使我们对DMT的了解和迷幻药更广泛，但几乎没有研究将主观经验的时间分辨度量与时间细粒度的脑成像整合在一起。因此，我们提出了当前的研究，这是对在自然条件下通过DMT诱导的主观和神经动力学的剂量依赖性研究。十九名参与者以盲目的，平衡的顺序在两个给药上接受了20mg或40mg剂量的Freebase DMT，并且剂量均一致。脑电图（EEG）数据以及时间分辨的回顾性测量（时间经验追踪）。两种剂量DMT都诱导了经验维度的快速变化。然而，40mg剂量引起了更大的极端视觉幻觉和情感激烈的体验。此外，我们在脑电图数据上计算了各种神经标记，发现振荡性α功率和置换熵与连续的主观经验维度最密切相关。引人注目的是，Lempel-Ziv复杂性是一种先前被誉为迷幻状态内主观体验的牢固相关性的复杂性，是最不密切相关的神经标记物。这些发现提供了一个重要的见解，即独立的神经动力学如何促进这种激进而强烈的意识状态。