XiaoMi-AI文件搜索系统
World File Search System躯干
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
揭示了经颅直流刺激在增强躯干运动控制和脑血管事故幸存者平衡方面的潜力：
解锁经颅直流电流刺激（TDC）的潜力增强脑血管事故（CVA）幸存者的平衡控制和平衡一直是最近文献的焦点。这是一种非侵入性脑刺激，可用于促进CVA幸存者中神经可塑性的皮质运动兴奋性。这篇评论深入研究了最近发布的工作，从2014年到2023年，搜索了五个著名的英语研究数据库。审查了八篇文章。TDCS在刺激皮质运动兴奋性和促进CVA幸存者中的神经可塑性方面表现出了希望，但其专门针对躯干控制和BALCE的应用仍然很少。尽管如此，证据表明，CVA后平衡控制中值得注意的增强，尤其是将TDC与其他干预措施（包括功能性电刺激和平衡训练）结合起来的干预措施。本评论阐明了TDC的潜力，即独立或与常规物理疗法集成，以强化CVA幸存者之间的躯干控制。马来西亚医学与健康科学杂志（2024）20（SUPP10）：291-301。 doi：10.47836/mjmhs.20.s10.33马来西亚医学与健康科学杂志（2024）20（SUPP10）：291-301。 doi：10.47836/mjmhs.20.s10.33
常见动脉躯干（Truncus Arteriosus）
您的护理人员可以就进一步的测试提供建议。胎儿超声心动图是胎儿心脏的专门超声，可提供心脏结构和功能的详细图像。遗传咨询和基因检测，例如染色体微阵列和整个外显子组测序，将有助于确定婴儿病情是否存在遗传成分。您也可能被转介到心脏MRI，这是另一种成像测试，可提供有关心脏结构和功能的详细信息。您可能会与其他专家进行咨询，例如儿科心脏病专家（专门治疗先天性心脏缺陷）或母亲养育医学专家（专门从事高风险怀孕），以便就您的婴儿的病情，发育和预后为您提供建议。
桉树树生长控制，以喷雾剂，注射，切割绘画或躯干banding1
lyptus globulus labill。喷雾剂为0.2至0.3％1-丙膦酸（NIA 10656）或注射8 mL 10％技术级NIA 10656的喷雾剂可使芽生长降低1年。乙基氢1-丙膦酸（EHPP，NIA 10637）显示出类似于NIA 10656的反应。 萘甲苯酸（NAA），EHPP，NIA 10656和Amonium carbamoylphopphopphonate（krenite）均显示在修剪切割时绘制时某些生长调节剂反应。 在沥青载体中施用的抑制剂比在水载体中的类似应用更有效。 应用6，羟基-3-（2H）吡idacinone（MH），三氟甲基磺氨基磺酰基-P-乙二醇二醇（持续），NaA和EHPP组合，或甲基2-氯-9-氯-9-氯二氟乙烯-9-羟基 - 9-甲基甲基甲基甲基甲基甲基甲基甲基二甲基甲基甲基甲基甲基甲基甲基甲基甲基甲基酸酯，含有甲基甲基甲基甲基酸酯，含有甲基甲基甲基酸酯，含有含量125）被测试为躯干树皮带，以减少末端芽增长。 维护CF 125产品用相等量的柴油稀释并施用乙基氢1-丙膦酸（EHPP，NIA 10637）显示出类似于NIA 10656的反应。萘甲苯酸（NAA），EHPP，NIA 10656和Amonium carbamoylphopphopphonate（krenite）均显示在修剪切割时绘制时某些生长调节剂反应。在沥青载体中施用的抑制剂比在水载体中的类似应用更有效。应用6，羟基-3-（2H）吡idacinone（MH），三氟甲基磺氨基磺酰基-P-乙二醇二醇（持续），NaA和EHPP组合，或甲基2-氯-9-氯-9-氯二氟乙烯-9-羟基 - 9-甲基甲基甲基甲基甲基甲基甲基甲基二甲基甲基甲基甲基甲基甲基甲基甲基甲基甲基酸酯，含有甲基甲基甲基甲基酸酯，含有甲基甲基甲基酸酯，含有含量125）被测试为躯干树皮带，以减少末端芽增长。维护CF 125产品用相等量的柴油稀释并施用
小波相干性作为轮椅击剑运动员躯干稳定肌激活的量度
摘要背景：肌肉间同步是有效运动表现和日常生活活动的关键方面之一。本研究旨在利用小波分析评估轮椅击剑运动员躯干稳定肌的同步性。方法：评估了左右两组背阔肌/腹外斜肌 (LD/EOA) 肌肉间的肌肉间同步性和拮抗性 EMG-EMG 相干性。研究组由 16 名轮椅击剑运动员组成，他们是波兰残奥会队的成员，分为两类残疾（A 和 B）。数据分析分三个阶段进行：(1) 使用 sEMG 记录肌肉激活；(2) 小波相干性分析；(3) 相干性密度分析。结果：在残奥会轮椅击剑运动员中，无论其残疾类别如何，肌肉都在低频率水平上被激活：A 类击剑运动员为 8-20 Hz，B 类击剑运动员为 5-15 Hz。结论：结果表明，轮椅击剑运动员（包括脊髓损伤运动员）的躯干肌肉活动明显，这可以解释为他们高强度训练的结果。肌电信号处理应用在提高轮椅运动员的表现和诊断方面具有巨大潜力。关键词：小波分析、残疾运动员、脊髓损伤、肌电图、频率水平
麦吉尔躯干肌肉耐力测试电池方案
躯干伸肌耐力测试通常用于评估躯干伸肌（即竖脊肌和多裂肌）的肌肉耐力。这是一项定时测试，涉及稳定脊柱的躯干伸肌的静态等长收缩。该测试可能不适合以下客户：力量严重不足的客户（个人甚至无法将躯干从前屈位置抬起到中立位置）；体重较大的客户（在这种情况下，私人教练很难支撑客户悬空的上身重量）；患有下背部疼痛、最近做过背部手术和/或正在急性下背部发作的个人。
使用等速测力计测量躯干伸肌和屈肌扭矩的有效性
本研究旨在评估使用最新一代等速测力计进行的躯干肌肉力量测试的有效性和重测信度。在 15 名健康受试者中测量了躯干屈肌和伸肌的离心、等长和向心峰值扭矩。肌肉横截面积 (CSA) 和表面肌电图 (EMG) 活动分别与竖脊肌和腹直肌的峰值扭矩和亚最大等长扭矩相关。在测试和重测期间确定了峰值扭矩测量的可靠性。对于所有收缩类型，肌肉 CSA 与峰值扭矩之间始终存在显著相关性（r = 0.74 � 0.85；P < 0.001），对于伸肌和屈肌，EMG 活动与亚最大等长扭矩之间也存在显著相关性（r P 0.99；P < 0.05）。组内相关系数在 0.87 和 0.95 之间，所有收缩模式的标准测量误差均低于 9%。测试和重测之间的峰值扭矩平均差异范围为 � 3.7% 至 3.7%，没有显著的平均方向偏差。总体而言，我们的研究结果证实了使用测试的躯干模块进行扭矩测量的有效性。此外，考虑到峰值扭矩测量的出色重测信度，我们得出结论，这款最新一代等速测力计可以放心用于评估躯干肌肉功能，以用于临床或运动目的。� 2014 Elsevier Ltd. 保留所有权利。
站立和跪姿躯干伸展力量和肌肉活动
cdc.gov › works › pdfs › tesm PDF 2016年6月13日 — 2016年6月13日 飞机行李搬运工、机械师、园丁等可能...... tional Journal of Industrial Ergonomics 1988;3:65–76. 16. Gallagher S, Hamrick CA, ...