羽毛球高顶正手扣杀优秀与非优秀运动员上肢神经肌肉活动及协同作用比较

摘要

本研究旨在比较优秀和非优秀羽毛球运动员正手头顶扣球（BFOS）中的肌肉激活和协同作用，以阐明中枢神经系统（CNS）如何控制神经肌肉的协同作用和激活，从而产生复杂的头顶动作。通过20名运动员的表面肌电图（EMG）电极记录了5块上肢肌肉的肌电图。田径运动分为两类：精英和非精英。最后，利用非负矩阵分解（NNMF）对计算出的肌电图信号进行肌肉协同效应比较。用标量积法计算精英组和非精英组的相似性。结果表明，三块肌肉的协同作用可以充分描述精英和非精英运动员的肌电图信号。精英组和非精英组之间的个体肌肉模式中度至高度相似（组间相似性范围：0.52至0.90）。此外，在协同激活系数的形状方面，各组之间存在高度相似性（范围：0.85至0.89）。这些结果表明，羽毛球正手头顶扣球时肌肉协调的协同组织不受专业知识的深刻影响。

1.介绍

羽毛球正手过顶扣球(BFOS)是各种球拍运动中速度快、力度大的动作之一[1］．羽毛球是一项需要大量肩顶运动的运动，肩部呈外展和外旋状态，通常由近端到远端依次运动[2，3.].然而，近端到远端测序似乎不足以准确地将某些肩部复杂运动描述为开销任务[4］．开销的运动员中,羽毛球是众所周知的作为一个相对低风险的伤害比其他运动和肩伤的风险可能增加中风的风格,把的长度,运动员的水平,相关的肌肉疲劳,发生在训练(5］．随着外斜肌、背阔肌、中三角肌、肱二头肌和肱三头肌速度的增加，在头顶任务中观察到更高水平的激活[6］．肩膀肌肉必须控制两个动作:产生有力的动作力矩和保持肩关节复合体的完整性[7］．头顶任务的动态运动依赖于神经肌肉系统的一系列结构和功能部件的相互作用[8］．

为理解运动控制而提出的假设之一是肌肉协同概念[9］．肌肉协同是中枢神经系统(CNS)在肌肉骨骼水平上减少冗余的一种策略[7，10］．中枢神经系统对动作的控制是通过将任务级指令解释为数量减少的协同作用来实现的[11］．肌肉协同假设是通过人体的中央处理简化运动控制的方法，并且在执行特定运动(如头顶运动)时观察到肌肉协同激活模式。肌肉协同作用是由功能相似的肌肉群组成的，在人类各种各样的动作中都发现了这种协同作用，比如伸展手臂，伸展手臂，伸展手臂等。12],把握[13，走着跑着[14，姿势反应[15]，以及产生等距力[16］．我们还观察到，协同效应是在不同的任务之间共享的[17］．

羽毛球运动员上肢的协调能力是比赛成绩的关键因素之一，特别是在头顶动作中。因此，全面掌握羽毛球高空扣球协调策略对运动员和教练员都有一定的帮助。此外，精英和非精英运动员在高空运动中对肌肉协同和肌电图模式的识别，可以表征训练促进的运动控制模式和神经肌肉协调[18，19］．对有经验的运动员的肌肉招募和肌肉协同模式的识别可以描述随着训练而发展的技能模式和神经肌肉协调。因此，对于运动员、教练和运动医学来说，这一特征可能是一个重要的因素，以确定训练策略，从而获得更好的表现，避免学习错误，并防止可能的损伤发生在上肢的某些频率[4］．此外，尽管在球拍运动中，头顶运动占主导地位，但缺乏上肢神经肌肉激活模式的信息，因此缺乏上肢肌肉之间的协调。最终，精英球员和非精英球员之间的比较是很少的。虽然在诸如卧推这样的基本运动任务中，专业知识对神经肌肉协调没有影响[13或划船[20.，它并没有说明在更复杂的运动任务，如羽毛球正手头顶扣球，是否与精英和非精英羽毛球运动员不同的肌肉协调策略有关。

因此，本研究的目的是比较精英组和非精英组之间BFO的肌肉激活和肌肉协同作用，以发现两组之间在识别神经肌肉协同作用和协调方面的运动策略差异。因此，本研究的新颖之处在于对优秀羽毛球运动员和非优秀羽毛球运动员肩部复合体的肌肉协同作用进行比较，以发现CNS差异。此外，在精英和非精英球员的高速头顶任务的不同阶段，对肩部肌肉协同作用的认识可以提供关于肌肉协调在不同阶段和技能水平上如何变化的信息。我们假设，由于训练计划的不同，各组之间的肌肉协同作用会有所不同，如果非精英球员作为精英球员获得协同作用，他们可能会有所改善。如果我们能在目前的研究中使用肌肉协同方法来阐明提高成绩的因素，那么肌肉协同分析不仅可以帮助羽毛球，而且可以帮助任何其他头顶动作制定训练计划来提高成绩。通过填补文献中的这一空白，我们将对运动中的运动控制有更好的了解，这将特别改善高速头顶运动训练[21］．

2.材料和方法

2．1．主题

20名志愿者被分为两组;由八个男人和四个女人从伊朗羽毛球国家队,所有精英球员的意思是15年和4年以上的国内和国际竞争的经验,和一个对照组的四个男人和四个女人没有以前的专业羽毛球经验但对娱乐打羽毛球。所有参与者签署一份由SRBIAU大学生物医学工程学院伦理委员会批准的知情同意文件。参与者的身体特征见表1．

2．2.实验的程序

摘要本实验对精英组和非精英组的羽毛球正手扣球动作进行了生物力学分析。所有受试者从静止姿势开始建立BFOS。右上肢定位，手臂在肩关节处伸直度小于40度，在肘关节处，前臂屈曲度约90度。根据视频数据，从肘关节屈曲、肩关节外展到肘关节标记达到最小高度位移的时间点，对每一笔划进行分析(图)1）.BFOS运动时间归一化，以0-100%为标准。为使各试验的时间正常化，对1%的BFOS进行重采样，获得100个样本，从而创建肌肉协同分析的肌电图信号包络线。包膜的振幅通过5块肌肉的最大自发性收缩(MVC)归一化。

数字1显示了BFOS的不同阶段，包括加速阶段(接触前)和跟进阶段(接触后)。每个实验对象重复5次头顶扣球，每次间隔5分钟休息。

2．3.运动分析

所有的数据收集都是在谢里夫大学的生物力学实验室(Movafaghian研究中心)进行的。为了进行运动学分析，我们根据VICON插入式步态标记放置在运动员身上放置39个标记。选择较小的标记大小是为了尽量减少开销任务的中断。BFOS由6个VICON (VICON Industries Ltd.，汉普郡，英国)和小的反射标记在200赫兹记录，并由VICON Nexus 2.0软件分析。利用试验过程中的角位移数据，通过对角位移的推导，利用MATLAB软件计算出肘关节和肩关节的角速度和加速度。

2.4。emg.

记录上肢五块肌肉的肌肉活动：三角肌中段（DL）、冈下肌（IS）、肱二头肌（BB）、冈上肌（SS）和前锯肌（SA）。表面肌电图记录采用自粘性Ag/Agcl。每个导电面积的直径为10 当电极之间的距离为20 mm时 嗯。在皮肤准备、皮肤剃须和酒精清洗后，在安装电极之前，将电极纵向放置在每个肌肉腹部的中心。精确记录来自肩袖肌肉的神经肌肉生物电信号需要精确放置电极。肌电图数据采集以1000的采样频率进行 在MATLAB软件中进行肌电信号的处理。原始肌电信号经过数字滤波（10-400 使用8 Hz的低通滤波器对全波进行整流和平滑 赫兹（巴特沃斯，四阶）。数据分析集中于以下变量：不同BFOS运动阶段上肢肌肉群的肌肉活动和肌电信号峰值振幅。

使用来自最大自主收缩（MVC）的肌电图信号作为参考，对肌电图信号进行标准化。对每个单独的肌肉执行三个不同的MVC实验，其中 两次检查之间休息至少一分钟。实验中，每一块肌肉都有一个作为优先激动剂的干预，以发展其最大激活强度[4］．利用Nexus软件同步运动和肌电信号。整个设备被放置在热身的最后。数字2显示实验设置和39个反射标记和肌电图电极被放置在受试者的身体上。

2.5. 肌肉协同作用

神经肌肉活动(EMG)信号年代(t） 记录实验肌电图数据，并排列成D×T矩阵 ，在哪里表示肌肉的数量和表示样本数量。神经肌肉活动(EMG)数据被NMF分解得到肌肉协同矩阵和激活系数矩阵．如下： 在哪里是 包含记录的肌肉模式的矩阵，是 肌肉协同矩阵,是 组合系数矩阵，和是 残差矩阵。

非负矩阵分解(NNMF)算法(Lee and Seung) [19]根据记录的神经肌肉活动计算一组肌肉协同作用及其相应的组合系数。

不同的方法被用于计算给定数据集下的肌肉协同的数量[22- - - - - -24］．

为了避免局部最小值,在所有我们的主题,我们重复的分析不同数量的1到10之间的协同效应对于每个每个主题的拍频振荡器,然后,完成协同效应的数量,我们选择最少的协同效应,占> 90%的方差占(VAF) [10，25，26］．全球VAF定义如下[25]:

根据Hug等人[26]，我们计算每一块肌肉的局部VAF，以确保每一种肌肉活动模式都能被提取的肌肉协同反应很好地解释。我们定义了采用标准，局部(每块肌肉)VAF > 0.75 [25］．以无中心Pearson相关系数确定VAF。将肌肉激活的各个向量与其重建的向量进行比较

在这些等式中，从1到n (n假设值从1到 ，在哪里是时间点的数目)和为肌肉的数量(假设值从1到 ，在哪里是肌肉的数量）。

2.6。量化协同效应的相似性

为了比较精英运动员和非精英运动员之间的肌肉协同作用，我们根据张等人的一项研究，量化了两种协同作用之间的相似性指标标量乘积，即[27］

我们将肌肉协同定义为标量积大于0.75时的相同肌肉协同[27］．此外，我们使用标量产品方法量化了协同作用的Intrareiach和Intragrous的相似性。我们遵循先前研究Matsunaga等人的方法。[21，28］．

2.7。统计数据

正态性通过夏皮罗-威尔克检验得到验证。因此，这些值以平均值±标准差的形式报告。皮尔逊相关系数(r）被用作肌肉协同载体的相似标准。如之前的研究中所表演[20.，26].所有统计测试均使用MATLAB 7.8（MathWorks，Natick，MA）进行计算，显著性水平为 ．

3.结果

数字3.通过接触点和标准差比较优秀和非优秀受试者的五种平均肌肉活动（MVC）。

根据肌肉协同方程，将计算出的协同效应用于BFOS期间的五种上肢肌肉模式的重建。数字4显示了每个组的每个协同效应解释的累积方差百分比，和表2显示了精英组和非精英组的三种协同作用时，每个肌肉的局部VAF。从这些结果中，从优秀运动员中提取出3种协同效应(VAF: 0.90±0.01)，从非优秀运动员中提取出3种协同效应(VAF: 0.92±0.02)。随着协同作用次数的增加，重构绩效提高，但精英和非精英群体经过三次协同作用后，重构绩效没有显著变化。

桌子3.呈现标量产物的平均值3个精英和非元群体中的3项试验。这一结果表示目前研究中的Intrarioliges没有错误，并且代表科族间可靠性高。

桌子4显示标量产品的平均值，用于表示协同和肌肉的相似性。用于表示协同作用的相似性的标量产品为Synergy 1，Synergy 2的0.89±0.01为0.85±0.03，Synergy 3.0.87±0.02为2.87±0.02，中间三醇的组间相似性最高（0.90±0.01），而Supraspinatus呈现间相似性最低（0.52±0.02）（表4）.

数字5代表三个肌肉协同权重（w₁，W.₂,和W_3.)根据精英组和非精英组的5块肌肉计算。每个柱状图显示了在BFOS期间，5块上肢肌肉在每个协同重量内的激活水平。协同权重W₁IS肌的表现有显著差异( ）与精英组的其他肌肉相比(W₁= 0.99±0.004)。对于非精英组，IS肌肉在协同重量W上与其他肌肉存在差异₁（W.₁= 0.59±0.27)。协同权重W₂，表示协同重量W₂= 0.74 ± 精英球员0.35分。协同权重W₂代表协同重量W₂= 0.61 ± 非精英玩家0.35。协同权重W_3.在精英组中，SS和SA肌肉与其他肌肉相比存在差异(W_3.SS和W = 0.55±0.91_3.= 0.49 ± SA为0.31）。协同作用重量W_3.因为IS肌肉与非Lite组中的其他肌肉相比存在高度差异（W_3.= 0.72 ± 0.45).

计算得到的协同效应及其协同系数的共激活和协同效应的时间序列如图所示6．

第一个协同W₁主要由IntaSpinatus（是）组成，这些是主要贡献者在精英组中的屈曲和绑架动作。虽然，第一个协同作用₁在非精英组中，由冈上肌（SS）和冈下肌（is）以及前锯肌（SA）组成，前锯肌（SA）是旋转和外展运动的主要贡献者。精英组的第二个协同效应包括前锯肌（SA）的主要权重有助于向上旋转运动，并在BFOS的后续阶段高度激活。非精英组的第二个协同作用包括来自冈上肌（SS）和前锯肌（SA）的权重，有助于外展和向上旋转。精英组的第三个协同作用由冈上肌（SS）组成与其他肌肉相比，非宝石组的第三个协同作用主要是冈下肌（is）和前锯肌（SA）的活动。

协同权重（W）及其激活系数（C）在每组的BFOS期间平均。在BFOS期间激活系数的平均值和SD值被分别为精英和非元素组呈现。

协同作用1主要作用于IS肌肉，并在BFOS早期激活。协同作用2主要涉及到SA肌肉，并在精英球员的BFOS早期被激活。尽管如此，协同作用主要集中在SS和SA肌肉，在非精英球员冲击时达到峰值激活。协同作用主要涉及党卫军和SA肌肉，并在精英玩家的早期BFOS中被激活。协同作用3主要涉及IS和SA肌肉，非精英球员的BFOS峰值激活率为40%。

4.讨论

仰泳是一种复杂的运动，需要使用上肢、躯干、肩膀、肘部、手腕和手指的肌肉。熟练的球员准确、快速、重复地击球，因为这些肌肉很好地协调和训练。我们研究的目的是研究肌肉协同模式如何依赖于球员的质量。摘要我们分析了羽毛球正手顶扣球运动中不同水平组(精英组和非精英组)的肌肉活动和协同作用，以了解精英组和非精英组的肌肉是如何共同激活形成划水动作的。通过表面肌电图记录5种不同的上肢肌肉活动。

结果表明，在精英和非精英群体中，三种协同作用可以充分描述所发现的神经肌肉模式。第一个协同权重(W₁）活化是Elite和SS，SS和SA肌肉中的肌肉在非元群中，主要肌肉产生肩部的外部旋转器并伸展臂;然而，在非群体中，还有大的激活水平对应于密集肩部运动的肌肉，这意味着玩家使用肩部的肌肉来控制上臂以驱动臂前进。

在第二个协同权重(W₂在优秀运动员和非优秀运动员中，SS、SA和IS肌肉的激活水平受到影响，这些肌肉在肩膀运动时被激活。在协同重量(W)中观察到SA和SS肌肉的大激活水平_3.)在精英运动员中，非精英组观察到SA和SS肌肉。此外，固定肩带时，SA肌肉可以抬起肋骨。因此，在接触点之后，优秀运动员以不同的方式强烈地运用神经肌肉控制策略。然而，至少我们认为肌肉协同作用可以充分解释在BFOS中风中观察到的肌电图。此外，非精英球员似乎使用不同的神经肌肉运动策略来获得中风。协同权重W₁包括在特定阶段所需的复杂运动。因此，最活跃的肌肉对应的运动，如肩膀外展，外旋转，肩胛回缩。这种协同作用在接触点之后也起到了积极的减速作用。协同重量W₂包括接触前的重要动作，如躯干伸展、旋转和肘部伸展。最后，协同权重W_3.由接触点前后的运动(加速和减速阶段)组成，如肩部内旋和肘部弯曲。

协同1 (C₁)在精英和非精英群体中都被认为是一样的。它主要作用于IS肌肉，峰值激活约为BFOS的70-80%。IS肌具有外旋功能。人们认为协同作用的作用是旋转和外展手臂，准备在更高的位置打羽毛球。

协同作用2（C）₂）主要从事，SS和SA肌肉，峰值活化约为20-30％（Elite）和60-70％（非元）的BFO。关于协同共存系数，第三系数（C_3.)，而第一和第二系数(C₁和C₂）可能是特定的群体。Elite玩家的第一个协同作用激活并在接触点之前到达峰值，而非元组在接触时间百分比时激活。Elite玩家的第二个协同作用激活并在接触点之前和之后到达峰值，而在接触点之前则激活非元群。Elite和Nonelite群之间的第一次激活是不同的，即用Elite玩家，第一个Synergy立即激活，但非元玩家展示了不同的模式。目睹的可变性可能是由具有不同技能水平的羽毛球运动员的不同姿势和策略引起的，我们将稍后讨论。

肌肉协同研究有潜力提供肌肉协调策略的全局图[10，29］．总的来说，这两个不同的组代表了相同数量的协同效应，这表明精英和非精英之间的运动控制复杂性相似。协同1、2和3组间肌肉协同激活系数相似。

在赛艇比赛中，精英和非精英运动员之间也有类似的肌电图[20.]及卧推[13]，这可以被认为是比羽毛球正手头顶扣杀更不复杂的运动任务。由于羽毛球正手头顶扣杀涉及上肢的多个自由度，因此有许多不同的运动协调策略可用于执行头顶动作。

目前的研究包括一些需要承认的局限性。首先，本研究仅记录了5块肌肉的肌电信号，在BFOS期间计算小圆肌、大圆肌和肩胛下肌的肌电活动。使用少量肌肉已被证明会导致提取的协同作用的可靠性差，并导致重建精度的人为提高。这是本研究的一个潜在局限性。其次，我们对优秀运动员和非优秀运动员进行了分析和比较，虽然在未来的研究中，中等技能水平的运动员将参与研究。

5.结论

本研究旨在了解羽毛球正手头顶扣球任务中的上肢肌肉策略。我们证明了羽毛球正手头顶扣球中存在同步肌肉协同效应，并分析了它们与生物力学输出的关系。研究结果表明，三个同步肌群GIE足以解释精英组和非精英组从五块上肢肌肉观察到的肌电图中的肌肉参数变化。各组之间的相似性也得到了体现。在未来的研究中，我们将研究躯干和下肢的肌肉。但是，研究eli和非精英组之间的第三组肌肉活动至关重要te和BFOS中的非精英球员，以澄清训练的差异，以及他们的肌肉协同模式是否不同或相似。

数据可用性

用于支持本研究发现的数据可由通讯作者要求提供。

的利益冲突

两位作者宣称他们没有相互竞争的利益。

致谢

这项研究是由SRBIAU大学资助的。

参考文献

1. S. Koike和T. Hashiguchi，“考虑球拍轴变形的羽毛球扣球运动的动态贡献分析(一个由球拍侧上肢和球拍组成的模型)，”程序工程，第72卷，第496-501页，2014。查看：出版商的网站|谷歌学者
2. M. Arora, S. H. Shetty, R. G. Khedekar和S. Kale，“超过一半的羽毛球运动员都有肩膀疼痛:是撞击造成的吗?”关节镜与关节外科杂志，第2卷，第2期1, pp. 33-36, 2015。查看：出版商的网站|谷歌学者
3. B. Serrien和j . p。“上肢运动的近端到远端序列在多个层次和时间尺度上，”人体运动科学，第55卷，第156-171页，2017年。查看：出版商的网站|谷歌学者
4. a . M. venesbrito, M. a . Rodrigues Ferreira, N. Cortes, O. Fernandes, P. Pezarat-Correia，《空手道出拳的运动学和肌电图分析》，肌电图和运动机能学杂志第21卷第2期6, pp. 1023-1029, 2011。查看：出版商的网站|谷歌学者
5. M. I. Rusydi, M. Sasaki, M. H. Sucipto, Zaini, and N. Windasari，《基于手臂位置的羽毛球扣杀和反手局部欧拉角模式识别》，Procedia制造业，第3卷，第898-903页，2015。查看：出版商的网站|谷歌学者
6. S. Rota, C. Hautier, T. Creveaux, S. Champely, A. Guillot, and I. Rogowski，《网球中肌肉协调和正手击球速度的关系》，肌电图和运动机能学杂志第22卷第2期2, pp. 294 - 300,2012。查看：出版商的网站|谷歌学者
7. J. Frère, B. Göpfert, J. Slawinski，和C. Tourny-Chollet，“在高杆上向后有力挥杆时肩膀肌肉的补充:小波肌电图分析，”人体运动科学，第31卷，第2期，第472-485页，2012年。查看：出版商的网站|谷歌学者
8. H.A.PLUMMOR和G. D. OLIVER，“对捕捞者的运动学和动力学的描述性分析从膝盖上扔到第二基地”肌电图和运动机能学杂志， vol. 29, pp. 107-112, 2016。查看：出版商的网站|谷歌学者
9. F. A. Mussa-Ivaldi，“运动皮层的神经元编码运动方向吗?”另一种假说”,神经学字母第91卷第1期1，页106-111,1988。查看：出版商的网站|谷歌学者
10. F. Hug, N. A. Turpin, A. Couturier和S. Dorel，“在不同的机械约束下骑车时，肌肉协同的一致性，”神经生理学杂志，第106卷，第2期。1, pp. 91-103, 2011。查看：出版商的网站|谷歌学者
11. S.Muceli、A.T.Boye、A.d'Avella和d.Farina，“识别用于描述水平面多向伸展过程中肌肉激活模式的代表性协同矩阵，”神经生理学杂志号，第103卷。3, pp. 1532-1542, 2010。查看：出版商的网站|谷歌学者
12. A. d'Avella, A. Portone, L. Fernandez, and F. lataniti，“通过肌肉协同组合控制快速到达动作”，神经科学杂志》上第26卷第2期30, pp. 7791-7810, 2006。查看：出版商的网站|谷歌学者
13. M.Kristiansen、P.Madeleine、E.A.Hansen和A.Samani，“力量举重运动员和未经训练的个体在卧推过程中肌肉协同作用的受试者间变异性，”斯堪的纳维亚体育医学和科学杂志，第25卷，第2期1, pp. 89-97, 2015。查看：出版商的网站|谷歌学者
14. D.Lee和H.Seung，“非负矩阵分解算法，”神经信息处理系统研究进展， 不。1，pp。556-562，2001。查看：出版商的网站|谷歌学者
15. T. D.Macleod，K. Manal，K.G.Silbernagel，L.Sinyder-Mackler，以及T. Buchanan，在站立姿势等距收缩期间人膝部肌肉协调的特点：肢体任务的影响，“肌电图和运动机能学杂志，第23卷，第2期。6, pp. 1398-1405, 2013。查看：出版商的网站|谷歌学者
16. J. RoH，W.Z.的rymer和R. F.啤酒，“肌肉协同作用的鲁棒性，在健康人类的手中的三维力量产生的稳健性”神经生理学杂志，卷。107，没有。8，pp。2123-2142，2012。查看：出版商的网站|谷歌学者
17. F. O. Barroso, D. Torricelli, J. C. Moreno等人，“人类步行和骑车时共享的肌肉协同效应”，神经生理学杂志，第112卷，第112期。8, 1984-1998, 2014。查看：出版商的网站|谷歌学者
18. T. Wojtara, F. Alnajjar, S. Shimoda，和H. Kimura，《肌肉协同稳定性和人体平衡维护》，神经工程与康复杂志，卷。11，不。1，pp。129-129,2014。查看：出版商的网站|谷歌学者
19. J. Roh, W. Z. Rymer, E. J. Perreault, S. B. Yoo, R. F. Beer，“慢性中风幸存者上肢肌肉协同结构的改变”，神经生理学杂志，第109卷，第2期。3，第768-781页，2013。查看：出版商的网站|谷歌学者
20. N.A.Turpin、A.Guével、S.Durand和F.Hugh，“没有证据表明划船过程中肌肉协同作用与专业知识相关的变化，”肌电图和运动机能学杂志，第21卷，第6期，第1030-1040页，2011年。查看：出版商的网站|谷歌学者
21. N. Matsunaga和K. Kaneoka，“高级和初级羽毛球运动员扣杀时模块化控制的比较”应用仿生学与生物力学，第2018卷，文章编号6592357，6页，2018年。查看：出版商的网站|谷歌学者
22. V. C. K.张和M. C. Tresch，“在指数族中建模噪声分布的非负矩阵分解算法”，发表于2005 IEEE医学与生物学工程第27届年会，页4990-4993,2005。查看：出版商的网站|谷歌学者
23. D. J. Clark, L. H. Ting, F. E. Zajac, R. R. Neptune, and S. A. Kautz，“合并健康运动模块预测中风后运动能力和肌肉协调复杂性的降低，”神经生理学杂志号，第103卷。2，pp。844-857，2010。查看：出版商的网站|谷歌学者
24. G.Torres Oviedo和L.H.Ting，“人体平衡控制中特定于受试者的肌肉协同作用在不同的生物力学背景下是一致的，”神经生理学杂志号，第103卷。6, pp. 3084-3098, 2010。查看：出版商的网站|谷歌学者
25. Torres Oviedo，J.M.Macpherson和L.H.Ting，“肌肉协同组织在各种姿势扰动中都是强健的，”神经生理学杂志，第96卷，第2期3, pp. 1530-1546, 2006。查看：出版商的网站|谷歌学者
26. F. Hug, N. A. Turpin, A. Guevel和S. Dorel，“训练自行车手肌电模式的个体间变异性与不同的肌肉协同作用有关吗?”应用生理学杂志，第108卷，第108号6, pp. 1727-1736, 2010。查看：出版商的网站|谷歌学者
27. V. C. K.张，A. Turolla, M. Agostini et al，“肌肉协同模式作为运动皮层损伤的生理标记，”美国国家科学院院刊，第109卷，第2期。36, pp. 14652-14656, 2012。查看：出版商的网站|谷歌学者
28. N. MatsuNaga, A. IMai，和K. KaNeoKa，“10分钟跑步前后肌肉协同作用的比较”物理治疗科学杂志，第29卷，第2期7, pp. 1242-1246, 2017。查看：出版商的网站|谷歌学者
29. J.R.Vaz、B.H.Olstad、J.Cabri、P.L.Kjendlie、P.Pezarat Correia和F.Hug，“蛙泳中的肌肉协调：优秀游泳运动员和初学者之间的比较，”体育科学杂志第34卷第3期第20页，1941-1948,2016。查看：出版商的网站|谷歌学者

版权

版权所有©2018 Hamidreza Barnamehei et al。这是一篇发布在知识共享署名许可协议如果正确引用了原始工作，则允许在任何媒体中的不受限制使用，分发和再现。