排序方式： 共有47条查询结果，搜索用时 62 毫秒
41.
不同负荷强度运动时表面肌电图中位频率与血乳酸浓度变化的关系 总被引：8，自引：1，他引：7
采用等速运动方式 ,以表面肌电图和血乳酸为指标 ,在 10 %、3 0 %和 50 %MVC三种负荷条件下 ,对肘关节屈伸运动时的肱三头肌、肱二头肌和前腕骨肌的表面肌电图和血乳酸浓度的变化进行了比较分析。结果表明 :(1)肘关节屈伸运动时 ,伸展运动的力矩峰值下降幅度大于屈曲运动。 (2 )以 3 0 %和 50 %MVC负荷强度运动时 ,出现了表面肌电图的MF值逐步下降和血乳酸浓度逐渐增加的现象 ;工作肌群MF下降幅度 ,由大到小依次为肱三头肌 >肱二头肌 >前腕骨肌。 (3 )肱三头肌、肱二头肌和前腕骨肌的表面肌电图的MF变化与血乳酸浓度变化相互比较 ,10 %、3 0 %和 50 %MVC三种运动形式都表现出了非常明显的相关性。实验结果可以说明 ,sEMG作为特异性良好的非损伤性检测手段 ,不但能够直观地反映肌肉的收缩活动 ,还与肌肉组织代谢变化有一定的相关关系 相似文献
42.
基于sEMG的男子旋转推铅球运动员单支撑阶段肌肉用力特征研究 总被引：3，自引：0，他引：3
采用遥测肌电测试并结合影像解析,对我国优秀男子铅球运动员张竣旋转推铅球单支撑阶段的主要用力肌肉及其用力顺序、用力范围和主要用力肌肉之间的协调关系等问题进行了研究.研究结果表明,张竣单支撑阶段主要发力肌肉是左腿起支撑作用的肌肉(左腿股外侧肌和左腿腓肠肌)和维持身体姿势的肌肉(右侧背阔肌和右腿股二头肌);主要发力肌肉的用力顺序(左腿腓肠肌内侧→左腿股外侧肌→右腿股二头肌→右侧背阔肌中部)是按照由下往上、由左至右进行的;张竣单支撑阶段主要肌肉的用力范围(即肌肉横跨关节的角度变化值):肩髋夹角为26.3°～52.1°、左髋角为116.7°～168.7°、左腿膝关节角度为120.7°～156.3°、右膝角为79.2°～172.7°、右髋角为112.5°～143.5°;张竣在单支撑阶段右腿肌肉用力的协调性不好,主动肌(右腿股内侧肌)发力时,拮抗肌(右腿股二头肌)没有适时放松,影响了其肌肉做功的整体效果. 相似文献
43.
陈谦 《北京体育大学学报》2008,31(2):226-228
表面肌电图技术被用来研究颈部肌肉的功能状态已有30多年的历史,颈部肌肉活动的相关分析、结构与稳定性及颈部疼痛的关系等领域受到了较为深入的研究.但由于颈部解剖结构的复杂性、测试条件的不可控性,研究进展较为缓慢.通过对表面肌电图技术在颈部肌肉活动评价中的应用研究进行归纳,认为颈部肌肉活动的sEMG信号特征以及颈部肌肉疲劳和颈部疼痛之间的关系是未来该研究领域的主要发展趋势. 相似文献
44.
等长负荷诱发肱二头肌疲劳过程中sEMG信号变化 总被引：8，自引：0，他引：8
本研究比较了等长负荷诱发肱二头肌疲劳过程中正MG信号时域和频域指标变化的特异性、有效性和可靠性。研究发现：(1)频域指标在肌肉疲劳过程中均呈明显的直线递减型变化,而时域指标的变化则有较大的变异;(2)频域指标时间序列曲线的斜率不受受试者皮下脂肪厚度和肢体围度的影响,而时域指标则易受影响;(3)频域指标时间序列曲线的斜率与负荷持续时间明显相关,而时域指标的相关不明显。研究结果表明sEMG频域指标反映肌肉疲劳的效果优于时域指标。 相似文献
45.
静态运动负荷诱发局部肌肉疲劳和恢复过程中sEMG信号复杂度变化规律 总被引：4，自引：1，他引：3
应用非线性动力学的方法，研究最大和60％MVC强度肱二头肌静态疲劳负荷及其恢复期表面肌电信号复杂度变化规律，探讨肌肉疲劳过程中sEMG信号变化的可能原因和机制。结论：sEMG信号Lempel—Ziv复杂度反映了神经活动策略和神经肌肉功能状态的变化。运动负荷诱发肱二头肌静态疲劳过程中sEMG信号复杂度随运动负荷时间延长而减小，恢复期sEMG信号复杂度和MVC均随恢复时间的延长以相似的模式快速恢复，提示，sEMG信号复杂度可以用于肌肉功能状态恢复的评价。 相似文献
46.
随着科学技术的发展,高新技术越来越多地应用到生物力学的实验研究领域中。对人体运动进行多机同步测试研究是运动生物力学研究的重要手段。“下肢肌肉起止点三维坐标的研究”为博士论文实验部分的主要内容。将实验成果应用于活体运动的分析,以添补目前我国该方面研究的空白。 相似文献
47.
An improved approximate entropy （ApEn） is presented and applied to characterize surface electromyography （sEMG） signals. In most previous experiments using nonlinear dynamic analysis, this certain processing was often confronted with the problem of insufficient data points and noisy circumstances, which led to unsatisfactory results. Compared with fractal dimension as well as the standard ApEn, the improved ApEn can extract information underlying sEMG signals more efficiently and accurately. The method introduced here can also be applied to other medium-sized and noisy physiological signals. 相似文献