XiaoMi-AI文件搜索系统
World File Search System踝关节
MRCP 是超声成像定义的具有不同程度的中枢和外周贡献的运动动作的生物标志物
运动想象是针对无法执行真实动作的人的一种替代康复策略。然而，它在多大程度上涉及激活深层肌肉结构仍存在争议，而这无法通过表面肌电图 (SEMG) 检测到。16 名身体健全的参与者在四种条件下进行基于提示的等长踝关节跖屈（主动运动），然后进行主动放松：执行具有两个肌肉收缩水平的运动（完全执行和尝试的运动，EM 和 AM）以及有和没有可检测到的肌肉抽搐的运动想象（IT 和 I）。在各种条件下比较了运动相关皮质电位 (MRCP) 的最突出峰值和独特阶段。超声成像 (USI) 和 SEMG 用于检测运动。与 I 和 AM 相比，IT 在主动运动准备和再传入阶段显示出空间上明显的差异；在主动运动执行期间和主动放松准备期间的后部发现 IT 和 AM 之间存在更广泛的差异。 EM 和 AM 在主动运动计划期间在正面表现出最大差异，而在执行主动放松期间在背面表现出最大差异。运动准备阳性 P1 在 IT 和 AM 之间表现出显著的幅度差异，但在 IT 和 I 之间没有差异。USI 可以比 SEMG 更好地检测潜意识运动（抽搐）。MRCP 是一种对不同程度的肌肉收缩和放松敏感的生物标志物。IT 是一种与 I 和 AM 均可区分的运动状态。EEG 运动生物标志物可用于识别在主动收缩或主动放松期间表现出的病理状况。
皮质脊髓对人类行走的控制 - Charles Capaday
人类行走有四个主要步态特征：（1）人类用两条腿直立行走，（2）与地面接触时腿几乎完全伸展，（3）脚后跟先着地（跖行步态），以及（4）在后期摆动阶段，身体的重心（COG）位于支撑面之外。相比之下，双足步行机器人的重心，如 Mark Tilden 的 Robosapien 和本田更复杂的 Asimo，则始终位于支撑面之内。由于人类步态的直腿特性，在脚后跟接触时伸肌和屈肌的激活是混合的，并且各个腿部伸肌的活动并不同步。踝关节伸肌活动延迟，发生在脚后跟接触之后，此时大多数其他腿部伸肌的活动已经停止（Capaday，2002）。在其他哺乳动物中，例如猫，当脚第一次接触地面时，腿部伸肌的活动是同相的（趾行步态）。亚历山大（Alexander，1992）认为，人类直腿行走的特点是将腿像支柱一样使用，从而最大限度地减少了肌肉活动。鸟类用两条腿走路，但采取蹲姿。企鹅比其他鸟类走路更直立，但它们仍然采取蹲姿，并且像其他鸟类一样，用脚尖走路。因此，除了一些猴子和猿类偶尔采用类似的步态外，直立、双足、跖行步态模式是人类独有的，其神经控制需要根据其自身条件来理解（Capaday，2002）。在这里，我以批判的方式回顾了关于运动皮层（MCx）在人类行走过程中的作用的研究，以及与 MCx 控制相关的某些脊髓反射机制方面。提出 MCx 在行走等看似自动的任务中发挥作用似乎令人惊讶，但这样做是有充分理由的。MCx 不仅发出自愿运动指令，而且还介导对上肢肌肉伸展的反射样反应（Matthews 等人，1990 年；Capaday 等人，1991 年）和接触放置等综合反应（Amassian 等人，1979 年）。从皮质脊髓束 (CST) 损伤导致的运动缺陷来看，其重要性随着系统发育顺序的增加而增加（Passingham
从预解码上肢复杂运动...
近年来，脑机接口 (BCI) 已被提议作为中风后神经康复的一种手段 [1, 2]。研究表明，BCI 可以人工关闭因病变而中断的运动控制回路。BCI 可以通过脑电图解码尝试运动，并触发外骨骼或电刺激等设备，这些设备可以响应尝试运动提供相关的躯体感觉反馈 [3-6]。通过将与尝试运动和躯体感觉反馈相关的皮质活动配对，推测可以诱导与赫布相关的可塑性 [7]。多项研究概述了使用 BCI 进行中风康复的临床效果，其中普遍趋势是患者可以诱导可塑性并改善运动功能 [8-11]。为了进一步完善 BCI 在运动障碍康复中的应用，下一步可能是解码比简单的孤立运动更复杂、更具临床相关性的功能性运动，尽管它们也很重要。使用更加复杂的现代外骨骼，这些复杂的运动也更容易实现。然而，限制因素可能是从单次脑电图中解码功能性运动，因为记录的电活动是潜在活动的模糊图像，例如由于体积传导 [12]。先前的研究表明，可以解码具有不同动力学特征的不同运动类型 [4, 6, 13, 14]，但这主要是简单的孤立运动，例如踝关节背屈或腕关节伸展/屈曲。此外，同一肢体的不同运动类型也已被解码 [15, 16]。研究还表明，可以从脑电图中检测到更复杂的运动，例如 [17]，但要用于诱导可塑性的康复，仅应使用运动前活动来实现传出活动和体感反馈之间的严格时间关联 [18]。预计体感反馈应在最大传出活动 [7] 后不到 200-300 毫秒内到达皮质层，此时运动控制信号被发送到脊髓。这限制了可用于解码预期运动的判别信息量。尽管 EEG 的空间分辨率有限，但硬件（放大器和电极）和信号处理技术不断改进，可能可以从单次试验 EEG 中解码复杂的功能性运动。
BMP9增强了类风湿关节炎中的成骨分化：一种潜在的治疗方法
抽象的客观类风湿关节炎（RA）是一种慢性炎症性疾病，会导致关节损伤，包括软骨降解和骨侵蚀。骨形态发生蛋白9（BMP9）是TGF-β超家族的成员，在成骨和组织修复中起关键作用。然而，其在RA中的骨侵蚀和炎症中的作用仍然不足。本研究旨在评估BMP9在RA中的治疗潜力，重点是其对骨骼破坏，成骨和炎症的影响。本研究的材料和方法，使用免疫组织化学，qRT-PCR和Western印刷物分析了来自RA和骨关节患者的滑膜组织中的BMP9表达。通过Micro-CT成像，组织学分析和临床评分，在CIA小鼠模型中评估了BMP9对骨骼破坏的治疗作用。成骨分化，而通过耐锈酸磷酸酶染色检查破骨细胞活性。荧光双标记用于跟踪新的骨形成。数据，并进行了适当的统计检验以确定显着性。在这项研究中，在RA患者的滑膜组织和CIA小鼠的踝关节中，BMP9表达显着下调。BMP9在CIA小鼠中的治疗改善了关节炎症，如肢体肿胀，下关节炎指数减少和改善的组织形态所示。此外，BMP9显着减轻了骨质流失，这可以通过骨矿物质密度和小梁结构增加证明。但是，BMP9处理并未明显影响破骨碎裂发生或骨吸收。BMP9还增强了骨矿化和形成，如矿物质的含量和骨形成率的提高所示。此外，BMP9促进了滑膜细胞的成骨分化，增强了碱性磷酸酶活性和矿物结节的形成。这些结果表明，BMP9对RA的关节炎症和骨质流失具有保护作用，这可能是通过促进骨形成而不会影响破骨细胞活性的。结论我们的研究得出的结论是，靶向BMP9减轻RA中的炎症并促进成骨的差异，强调BMP9是解决RA中骨骼破坏的有前途的治疗靶标。关键词BMP9，类风湿关节炎，成骨分化，骨骼破坏，炎症
教育工作经验
•为女武神类人生物开发了一种最先进的运动学模型预测控制器（MPC）。•分析和开发的软件工具，可以用闭合运动环的踝关节机理的设计进行参数化，以优化工作区和扭矩速度配置文件。正在准备研究论文。•创建了机械设计工具，以量化设计NASA的下一代BIPED的性能要求。•使用Unity开发了最先进的虚拟现实（VR）接口，用于低延迟，对Valkyrie的高通量控制作为UI/UX，网络和端到端系统集成的唯一软件工程师。优化的代码，用于点云处理性能，引导库以启用使用ZEDM传感器的远程混合真实性（MR），并强大的基于ROS＃的网络协议。•开发了用于系统识别机器人链接惯性的工具，用于准确的乌尔德构建和频率响应工具，可针对基线和调整串联弹性执行器的低级控制器，以适用于下一代。NASA太空技术研究员（NSTRF） @ NASA Johnson太空中心2015年8月 - 2020年5月•通过学习具有神经网络分类器的Loculanipulability区域，开发了一种新型的人形生物的移动操纵方法，并执行一种快速加权的方法，以解决第二秒的运动计划。 •开发了各种技术，用于使用基于顺序的二次编程（SQP）的方法，路径计划算法以及投射基于全体身体控制技术的方法，以及使用顺序二次编程方法（SQP）的方法（SQP）方法来解决单方面和非线性限制的非线性动力学问题和非线性约束。NASA太空技术研究员（NSTRF） @ NASA Johnson太空中心2015年8月 - 2020年5月•通过学习具有神经网络分类器的Loculanipulability区域，开发了一种新型的人形生物的移动操纵方法，并执行一种快速加权的方法，以解决第二秒的运动计划。•开发了各种技术，用于使用基于顺序的二次编程（SQP）的方法，路径计划算法以及投射基于全体身体控制技术的方法，以及使用顺序二次编程方法（SQP）的方法（SQP）方法来解决单方面和非线性限制的非线性动力学问题和非线性约束。•对女武神机器人的串联弹性执行器（SEA）的热性质进行了特征，该特性用于开发新型的热恢复程序。•使用ROS，PCL和Scikit-Learn的3D激光点云数据中的人类进行了监督学习。NASA Pathways Intern（ER4-机器人系统技术分支） @ NASA Johnson航天中心2018年8月 - 2018年5月 - 2019年5月
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）。
已接受稿件未经编辑
不同保真度之间的个体损失。他们展示了这些改进对几个基本多尺度材料建模挑战的影响，包括二维传热、相变和枝晶生长问题。在这些问题上，与没有此类约束的网络相比，所提出的多保真度、基于物理的约束将预测误差降低了一个数量级。这实现了与底层方程的直接数值解相当的精度。Sarkar 等人在题为“高维工程设计和校准的多保真度和多尺度贝叶斯框架”的论文中，提出了一种用于优化的多保真度建模和信息论顺序采样策略。该方法基于通过高斯过程对各种保真度信息源进行建模，并辅以有效的主动学习策略，这些策略涉及在多尺度架构中顺序选择最佳点。该策略通过压缩机转子的设计优化和微结构预测模型的校准来演示。在题为“工程设计深度强化学习案例研究：应用于流动雕刻微流体设备”的论文中，Lee 等人。通过克服基于进化优化的方法的一些关键弱点（即样本效率低和优化收敛速度慢），解决了如何设计微流体流动雕刻设备。本文将深度强化学习 (DRL) 技术应用于流体雕刻任务，并研究了迁移学习在加速目标流形设计方面的有效性。本文表明，与同类 GA 模型相比，DRL 能够使用明显更少的雕刻支柱来匹配 90% 的目标流形，并提供了一种解释学习模型的方法（使用主成分），而现有的流体雕刻方法无法提供这种解释。Lynch 等人在他们的论文《机器学习辅助拓扑优化数值参数调整》中，提出了一个基于 ML 的元学习框架来确定拓扑优化中的调整参数。这些参数是从过去进行的类似优化问题中学习到的，并根据当前的问题进行调整。这有助于避免手动参数调整中代价高昂的反复试验。在论文《数据驱动的设计空间探索和利用增材制造设计》中，Xiong 等人。提出了一种数据驱动的方法，用于在设计过程的连续阶段进行设计搜索和优化。他们在具体设计阶段使用贝叶斯网络分类器，在详细设计阶段使用高斯过程回归。通过定制踝关节支架的设计说明了该方法。Odonkor 和 Lewis 将数据驱动设计应用于复杂系统（特别是分布式能源资源）的运营策略设计。这篇论文的标题是“分布式能源系统控制策略的数据驱动设计”。最大化套利价值的问题被表述为优化问题，并使用重新解决
已接受稿件未经编辑
不同保真度之间的个体损失。他们展示了这些改进对几个基本的多尺度材料建模挑战的影响，包括二维传热、相变和枝晶生长问题。在这些问题上，与没有此类约束的网络相比，所提出的多保真度、基于物理的约束将预测误差降低了一个数量级。这实现了与底层方程的直接数值解相当的精度。Sarkar 等人在题为“高维工程设计和校准的多保真度和多尺度贝叶斯框架”的论文中提出了一种用于优化的多保真度建模和信息论顺序采样策略。该方法基于通过高斯过程对各种保真度信息源进行建模，并增强了有效的主动学习策略，该策略涉及在多尺度架构中顺序选择最佳点。该策略通过压缩机转子的设计和微结构预测模型的校准得到了演示。在题为《深度强化学习在工程设计中的案例研究：在流动雕刻微流体装置中的应用》的论文中，Lee 等人讨论了如何通过克服基于进化优化的方法的一些关键弱点（即样本效率差和优化收敛速度慢）来设计微流体流动雕刻装置。本文将深度强化学习 (DRL) 技术应用于流动雕刻任务，并研究了迁移学习在加速目标流形设计方面的有效性。本文证明，DRL 能够使用比同类 GA 模型少得多的雕刻柱来匹配 90% 的目标流形，并且提供了一种解释学习模型的方法（使用主成分），而现有的流体雕刻方法并不提供这种方法。 Lynch 等人在其论文《机器学习辅助拓扑优化中的数值参数调整》中提出了一种基于 ML 的元学习框架来确定拓扑优化中的调整参数。这些参数是从过去进行的类似优化问题中学习到的，并根据当前的问题进行调整。这有助于避免手动参数调整中代价高昂的反复试验。在论文《数据驱动的设计空间探索和利用增材制造设计》中，Xiong 等人提出了一种数据驱动的方法，用于设计过程的连续阶段的设计搜索和优化。他们在具体设计阶段使用贝叶斯网络分类器，在详细设计阶段使用高斯过程回归。该方法通过定制踝关节支架的设计进行了说明。Odonkor 和 Lewis 将数据驱动设计应用于复杂系统的操作策略设计，特别是分布式能源资源。这篇论文的标题是“分布式能源系统控制策略的数据驱动设计”。最大化套利价值的问题被表述为一个优化问题，并使用重新求解
光子计数检测器CT
目标：本研究的目的是比较计算机上的Tomog-raphy（CT）扫描中虚拟单烯图像（VMI）重建的有效性和临床实用性，并在光子计算检测器（PCD）CT系统上进行预滤线，以减少金属植入型Artifacts in Metal Artifacts in the Post of Posterative of Posterative of Posterative of the the the Postoperatiate of the the Postoperatiate oferporatiate ank。材料和方法：这项回顾性研究包括在3月至2023年10月之间在PCD CT扫描仪上进行内部固定的脚踝内固定的患者。在60到190 KeV之间的虚拟单晶图像在骨内核中以10 keV的增量重建，分别用于两种采集（分别为VMI SN和VMI STD）。噪声测量值评估了最突出的近金属图像扭曲中的伪影降低，并在采集模式以及多色图像和VMI之间进行了比较。三个读者评估了骨愈合的可见性以及5个重建水平的可见性和伪像范围。结果：本研究中包括48例患者（21名女性，27males；平均年龄为55.1±19.4岁）。tin-perfelter the-pyflerter the-div> tin-perfefterters的采集（n = 30）的多色彩图像和VMI的人工水平较低（n = 18;p≤0.043）。A significant reduction of metal artifacts was ob- served for VMI Sn ≥ 120 keV compared with polychromatic images (hyperdense ar- tifacts: 40.2 HU [interquartile range (IQR) 39.8] vs 14.0 HU [IQR 11.1]; P ≤ 0.01 and hypodense artifacts: 91.2 HU [IQR 82.4] vs 29.7 HU [IQR 39.6];For VMI Std , this applied to reconstructions ≥ 100 keV (hyperdense artifacts: 57.7 HU [IQR 33.4] vs 19.4 HU [IQR 27.6]; P ≤ 0.001 and hypodense artifacts: 106.9 HU [IQR 76.1] vs 57.4 HU [IQR 55.7]; P ≤ 0.021).对于可见性的可见性，与多色图像相比，keV的VMI SN在120 keV处得出更高的评分（p≤0.001），而与多颗粒图像相比，对图像的可解释性的评分更好（p = 0.023），并且对伪影范围的评分较低（p = 0.001）。结论：与多色图像相比，在120 KEV处的锡型VMI在120 KEV处显示出显着降低的金属伪像，而OSSESE愈合和图像可解释性的可见性得到了提高。因此，锡预滤光PCD CTWITH VMI重建可能是对金属植入物患者踝关节术后CT成像的有益补充。
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