通过功能性运动生物图像数据筛选减轻运动损伤的实验研究

摘要

为了更好地减少运动损伤，提出了一种基于功能运动生物图像数据的运动损伤检测方法。通过对武术运动员进行功能运动筛选测试，包括7项测试，根据测试标准给每位运动员打分。总结运动员常见运动模式的错误和不足，制定不同的干预方案，提高运动损伤筛查的效果。结果表明，在 ，实验组FMS总分(15.02±3.7)低于对照组FMS总分(18.51±1.45)，差异有统计学意义。该系统的识别率高于基于单一特征的系统，识别性能优于标准的支持向量机和KNN识别方法。实践证明，该系统的设计是可行、可靠、有效的。

1.介绍

随着时代和经济的飞速发展，体育活动达到了前所未有的繁荣程度。在各种比赛中，武术的成功举办受到了很多人的追捧和喜爱，武术这个词也逐渐被更多的人所熟知。武术是攻击和攻击动作和进攻和防守动作的一系列完整的组合。在现代，它是一项标准化的体育活动[1］.在形式上，它是中国传统武术与西方现代体育相结合的一种锻炼方式。在内容上具有民族传统文化，在形式上具有现代中西共通的特点[2］.随着中西方文化的不断交流，训练方法和方法的不断更新，运动员体力和技能的不断提高，武术比赛规则的不断完善，武术套路已经形成了内容丰富、形式多样、以及中国广泛流行的传统体育项目。武术动作有很多，所以要把事先安排好的几十个动作有机地结合起来，包括动作的起伏、方向的变化、高难度的强度，并在规定的时间内按照要求完成。在这个过程中，要有鲜明的节奏，外在的动作要有手、眼、身方法的协调，内在的动作要有精神、呼吸、意志的统一，从而达到“静中有力，动中有法”。并注意内外结合，静与静的结合贯穿整个过程[3.］.

功能动作测试是由美国骨科训练专家Guy Cook和物理康复教练Lee Brown在1990年左右首次提出并应用的。盖伊·库克是竞技体育中体能训练和发展的领导者，也是功能性身体训练的先驱。通过长期的实践和训练发展出身体机能运动的“筛选”方法和基本动作，将身体的基本动作与运动解剖学、运动生物力学、运动生理学、神经科学相结合，通过综合分析和功能活动最终筛选动作，动作操作方便，对设备要求不高。每个动作的稳定性和可控性强，评价方法简单[4］.在做静、动、旋转等动作时，对身体的姿势和形态进行综合评价。它能帮助教练和物理预测运动员的薄弱环节部位提前,开展有针对性的培训根据体内存在的问题,从而达到预防运动伤害的目标,加强身体的各个部分的质量,和延长运动寿命。功能运动筛检于1998年首次使用，当时刚开始评估美国男性职业橄榄球运动员[5］.在联赛开始前，对50名足球运动员进行功能性动作的筛选，详细记录每个球员的得分，并得出最终结论。得分较低的球员整个赛季都在被追踪。最后，我们发现得分较低的球员确实存在受伤的风险。

在线生物文献中的图表和图表标题包含了丰富的解释性信息。如果能够有效地收集、整理和分析，不仅可以提高文献阅读的效率，而且在临床和科研中都具有重要的意义[6］.近年来，国内外许多学者对如何通过在线生物文献建立图像数据库进行了研究，如Abolhasani M.的工作。介绍了一种利用数学形态特征和Gabor纹理特征结合主成分分析和支持向量机对胶州湾7种浮游生物进行自动识别的方法。实验结果表明，基于主成分分析模型的降维识别能够提高系统识别性能;平均识别准确率达到78.5%;基于图像采集、图像处理、特征选择等方面有待进一步完善，基于计算机数字图像识别的海洋浮游生物自动识别方法将为海洋生态环境实时监测和快速高效检测提供新的平台[6］.Yamawakiet al.研究并设计了泛型模块与非泛型模块之间的接口，实现了一个可工作的嵌入式平台。在将实时操作系统uCLinux移植到硬件平台的基础上，本课题通过编写USB主机驱动程序实现与图像采集设备的通信，实现LCD驱动程序显示图像数据，最后利用图形库MiniGUI开发出友好的应用界面调用识别算法[7］.张等人设计的嵌入式系统经过测试，实现了硬件管理、USB通信、图像处理等功能，具有实用价值。目前绝大多数的机器视觉和生物图像检测都是用于人脸识别，对野生动物物种的识别研究较少。生物特征识别技术主要包括图像预处理、特征提取、特征选择和分类器设计。该系统通过卷积神经网络(CNN)和opencv卷积神经网络结合数字图像处理技术来识别野鸟种类。通过对大量正、负样本的训练，提取不同鸟类的特征文件，利用深度学习网络对不同图像进行识别。图像识别测试结果表明，该系统识别效率高，结构紧凑，具有一定的使用价值[8］.已经取得了一些成果。本文在现有研究的基础上，提出了一种基于功能运动生物图像数据筛选的方法，对武术运动员进行功能运动筛选测试，包括7个测试项目，并根据测试标准给每个运动员打分。总结运动员常见运动模式的错误和不足，制定不同的干预方案，提高运动损伤筛查的效果。结果表明，at ，实验组FMS总分(15.02±3.7)低于对照组FMS总分(18.51±1.45)，差异有统计学意义。该系统的识别率高于基于单一特征的系统，识别性能优于标准的SVM和KNN识别方法。实践证明，该系统的设计是可行、可靠、有效的。

2.实验

系统平台模式主要考虑C/S结构(客户端服务器)和B/S结构(浏览器服务器)，结合两种模式的优点构建MRI图像识别系统[9］.C/S模式用于复杂的处理和安全性，并作为交互性强的部分，主要用于图像识别的输入、计算和输出。利用B/S模式的系统开放性、易维护、可扩展性等特点，完成了MRI图像和在线文献查询服务[10］.开发环境为Visual Studio 2005和SQL2000，通过调用MATLAB 7.0相关函数来完成图像特征的计算[11］.

在线生物医学文献MRI图像识别系统的设计过程主要包括以下几个方面:(1)在线医学文献的自动采集与下载;(2)从文献中提取图表和图表标题并存储到数据库中;(3)对包含多个嵌入图像的图进行分割，使每个嵌入图像都是独立的图像;(4)识别预埋图的序号;(5)建立嵌入式图像数据库和嵌入式图像标注;(6)提取嵌入图像的图像特征和嵌入图像的标注对的文本特征;(7)方框图的标注、分类和识别;(8) MRI图像识别系统的实现、更新和改进;(9)发布MRI图像识别系统并与文献检索接口。

2．1．研究对象

在研究期间,60武术运动员(41男19岁女)物理运动损伤进行了调查,和20名运动员(165.40 + 2.22厘米高)选择从运动损伤组(实验组,运动员的损伤在半年内)(重量65.20 + 3.08公斤;年龄21.90 + 0.86)和无损伤组(对照组，近半年无损伤，身高166.40 + 3.97 cm，体重63.90 + 5.17 kg，年龄20.10 + 0.74岁)。具体请参见表1．运动损伤组肩关节损伤8例，下肢损伤16例，膝关节损伤20例，踝关节损伤19例。

2．2．研究方法

2.2.1。基于高斯过程的在线生物图像识别系统分类模型

高斯过程是正态随机过程，是一种普遍而重要的随机过程。它可以用均值函数来确定米（x) =E［f（x)和协方差函数K（x，x’的随机过程f（x）.一般来说，均值函数米（x) = 0，且任意两个不同的协方差x值 在哪里 -核函数，带超参数的核函数θ表示为K（x，x”;θ)， GP由内核类型和确定的超参数决定。本文选取了三种核函数进行实验。

线性核函数:

理性的内核:

径向基函数: 在哪里σ，一个、1、AF都是超参数。

各种方法的识别性能比较如下:(1)识别率。实验结果如表所示2．(2)基于不同三个特征的高斯径向核函数下的分类结果，金标准Kappa统计量范围为0 ~ 1.0。实验结果如表所示3.．(3)在高斯径向核函数下基于不同三个特征的分类结果与金标准的ROC曲线相关，截断点K设置为从0.01增加到0.09，步长值为0.01。

2.２.２.实验过程

研究期间对60名武术运动员(男41名，女19名)进行调查，在运动损伤组(实验组，半年内有损伤史的运动员)中选取身高165.40 + 2.22 cm的运动员20名(体重65.20 + 3.08 kg;年龄21.90 + 0.86)和20名无运动损伤运动员(对照组，近半年无运动损伤，身高166.40 + 3.97 cm，体重63.90 + 5.17 kg，年龄20.10 + 0.74岁);两组运动员运动水平均高于国家二级运动员，具体情况见表1．运动损伤组肩关节损伤8例，下腰部损伤16例，膝关节损伤20例，踝关节损伤19例。FMS测试流程根据“运动-功能运动训练系统”制定。有7项试验:①深蹲试验、阶梯试验、②直线弓步试验、③肩关节稳定性试验(肩关节活动度试验)、④主动直腿抬高试验、⑤躯干稳定性试验、⑥俯卧撑试验(俯卧撑试验)、⑦回转稳定性试验，用于回转稳定性试验。每项测试的总分为21分，每次测试的分数为0到3分。由同一运动医学专家对所有运动员进行FMS检测，计算FMS总分。运动员的档案、受伤情况和考试成绩都被输入到Excel数据库中。在测试过程中，使用生物力学视频软件记录运动员不良动作的关键点。最后，根据FMS测试分析结果，结合运动实践，针对问题运动员制定了4周运动模式矫正训练方案，针对全体运动员制定了损伤预防训练方案。10周后，40名运动员接受了第二次FMS测试，并再次接受了教练、队医和运动员的采访。

2.2.3。数学分析

一个T对损伤组和健康组的FMS检验数据进行SPSS18.0检验，并使用Excel数据雷达图进行分析。

3.结果和分析

对两组运动员FMS总分进行统计分析，如表所示4．一个独立样本t对两组运动员进行了测试。统计结果显示有显著差异( ）.实验组FMS总分(15.02±3.7)低于对照组(18.51±1.45)。

研究表明，FMS总分小于14分(含14分)的运动员运动损伤风险较高。统计发现实验组有13名运动员得分低于14分，对照组有3名运动员得分低于14分。对照组得分低的数据表明,尽管有实验组和对照组之间的显著差异,并不能完全证明实验组运动员的得分低于14分,而对照组运动员的得分高于14分。FMS测试的目的是量化运动质量，以识别低运动质量的风险。通过对实验组和对照组得分在14分以下的运动员进行测试，可以发现得分在14分以下的运动员会出现在实验组和对照组中。这也充分说明得分在14分以下的运动员肯定会发生运动损伤，而得分在14分以上的运动员不一定会受伤。FMS测试是一种评估运动损伤风险的工具，得分低于14仅仅表明运动损伤风险高。

如图所示1,通过雷达图表数据处理的实验组和对照组运动员,运动员在对照组的问题集中在障碍测试和俯卧撑测试,其中武术运动员在稳定性和灵活性问题单方面的臀部、膝盖,和脚踝在限制条件下。这也反映出中国武术运动员在单腿另一侧稳定练习的方法和手段上存在一定的问题。实验组运动员发生一系列运动损伤。80%以上的损伤发生在腰部、膝盖和踝关节。膝关节损伤达到100%。通过对运动员的调查发现，膝关节损伤主要是由于长时间的下蹲动作和快速落地造成的。因此，从FMS测试中可以发现，大多数有过运动损伤的运动员蹲姿测试得分较低。蹲下测试旨在评估运动员肩膀、臀部、膝盖和脚踝的稳定性和灵活性。本次测试是对人体整体运动模式的综合测试，充分体现了关节顺序在人体柔韧性和稳定性方面的合理性。 A score of less than 14 on this test also fully indicated that the athletes in the experimental group generally had problems with the overall movement chain. It is the existence of these problems that buries a huge risk of injury to the athletes in the training and competition of wushu.

从表中可以看出1在基于高斯径向核函数的分类方法中，图像与文本特征融合的识别率最高。结果表明，特征融合可以提高MRI图像识别率。从分类器的角度来看，基于高斯过程的径向基核函数分类方法优于支持向量机和KNN分类方法。Kappa统计常被用作衡量新方法的评价指标。值越大，方法越稳定，性能越高。从表中可以看出2，在三种不同的基于图像和文本特征融合的特征识别方法中，Kappa值最高，在0.8以上，说明该特征融合方法优于另外两种单一的基于特征的识别方法。

ROC曲线和横轴所围面积越大，分类性能和稳定性越好。基于文本图像特征融合方法的ROC曲线与横轴所包围的面积最大，其稳定性和性能优于单一的基于特征的识别方法。

4.矫正训练计划及其效果

根据竞技训练金字塔的基本模型，运动员的训练过程包括稳定性、柔韧性、动作模式、协调性、核心稳定性、力量训练和力量训练。研究发现实验组武术运动员蹲下动作模式存在明显缺陷。这些问题与膝盖和脚踝受伤有关。因此，针对FMS蹲下测试中所反映出的问题，设计了矫正训练方案，如表所示4．

采用PNF神经肌肉促进牵伸法(PNF)和分离主动拉伸法(AIS)拉伸和释放拉伤的肌肉进行矫正训练。采用微型松紧带加强髋外展肌群，加强骨盆稳定性。采用泡沫轴和博苏球进行髋关节柔韧性训练。每周进行五次60分钟的训练。最后，训练有问题的运动员整合运动链。在矫正训练4周后，对实验组运动员进行FMS测试。结果显示，实验组第二次FMS测试的总平均分为19.41，显著高于前测组和对照组的实验数据。蹲姿测试的总分平均为3分。在正畸训练的基础上增加肩关节稳定性训练和整体功能训练，主要采用蹲姿模式和壶铃髋关节屈伸训练。训练对象为实验组和对照组的所有运动员。 The training frequency was 90 minutes three times a week.

经过10周的训练和科学研究，对运动员运动损伤的调查发现，系统的训练、纠正和预防，大大减少了损伤的数量。实验组20名运动员中，只有3名运动员发生急性运动损伤。在10周的训练中，研究人员用FMS对他们进行评估，每4周对他们进行一次测试。努力提高运动损伤的预防窗口。

5.结论

综上所述，在武术运动员FMS测试中，武术运动员整体表现趋于较好。FMS检验可从身体对称性、平衡性、柔韧性等方面预测武术运动员运动损伤风险，可作为评价运动损伤风险的指标。同时，它也是一种新的武术检测工具。为了更好地减少运动损伤，提出了一种基于功能运动生物图像数据的运动损伤检测方法。通过对武术运动员进行功能动作筛选测试，包括7项测试，根据测试标准给每位运动员打分。总结运动员常见运动模式的错误和不足，制定不同的干预方案，提高运动损伤筛查的效果。结果表明，在 ，实验组FMS总分(15.02±3.7)低于对照组FMS总分(18.51±1.45)，差异有统计学意义。该系统的识别率高于基于单一特征的系统，识别性能优于标准的支持向量机和KNN识别方法。FMS测试的应用可以有效地检测出武术运动员的错误动作模式，为纠正武术运动员的错误动作模式，提高其运动成绩的应用提供理论依据。

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

作者声明没有利益冲突。

参考文献

1. 曹n.， K. Matsuda, K. Kato, K. Shigetomi, K. eiri，“后缘二次涡对扭转模态运动诱导涡振动响应特性影响的实验研究”，风力工程与工业空气动力学学报第206期1-3, Article ID 104369, 2020。视图:出版商的网站|谷歌学术搜索
2. S. I. Gerasimov, a . V. Zubankov, V. I. Erofeev等，“用非接触式方法研究沙质介质中冲击器运动的实验研究”，应用力学与技术物理学报第62期1，第139-144页，2021年。视图:出版商的网站|谷歌学术搜索
3. J. D. Buxton, P. J. Prins, M. G. Miller等，“一种新的四足运动训练计划对功能运动、运动范围、肌肉力量和耐力的影响，”力量与训练研究杂志, 2021年,inpress。视图:出版商的网站|谷歌学术搜索
4. B. Boehn, M. Foerster, M. Boehn等人，“内页封底:表面声波促进催化反应”，Angewandte Chemie国际版，第59卷，第59期45、2020年第20247条。视图:出版商的网站|谷歌学术搜索
5. 陈超，黄超，惠学友，李立新，“小口径子弹在炮口流场运动特性的实验与数值研究，”，Acta Armamentarii， 2019年第40卷。视图:谷歌学术搜索
6. M. Abolhasani, F. Halabchi, R. Honarpishe, J. a . Cleland，和a . Hakakzadeh，“肌动蛋白胶布对骨关节炎患者疼痛、活动范围和功能状态的影响:一项随机对照试验，”运动康复杂志，第15卷，第5期。4, pp. 603-609, 2019。视图:出版商的网站|谷歌学术搜索
7. M. Yamawaki, K. Ueda, Y. Sakamoto, H. Ishii，和T. Numata，“一项针对互动主体的“虚荣心”促进环保行为的实验研究”，刊于国际人机交互会议论文集2020年7月，丹麦哥本哈根。视图:出版商的网站|谷歌学术搜索
8. 张志刚，袁勇，赵辉，余辉，“土-结构相互作用系统的地震地震动放大模式的试验研究”，《土木工程学报》第七届国际地震岩土工程会议论文集2019年6月，意大利罗马。视图:谷歌学术搜索
9. E. Atab, C. Mla, B. Vha等，“通过功能性磁共振成像(fmri)评估盲视下运动检测的神经元机制”，这项研究，第128卷，第187-197页，2019。视图:出版商的网站|谷歌学术搜索
10. M. R. Rossini, M. J. Alves, L. H. Amorin，和P. Filho，“空气对物体下落运动影响的研究:理论预测和使用跟踪器的实验数据的比较，”resta Brasileira de Ensino de Física，第42卷，第1-12页，2020。视图:出版商的网站|谷歌学术搜索
11. M. M. Ommati, H. Attari, A. Siavashpour, M. Shafaghat，和R. Heidari，“依达拉丰治疗减轻黄疸相关的肝和肾损伤:对氧化应激和线粒体损伤的影响”，肝脏的研究，第25卷，第1-12页，2020。视图:出版商的网站|谷歌学术搜索

版权

版权所有©2021范饶。这是一篇发布在知识共享署名许可协议，允许在任何媒介上不受限制地使用、传播和复制，但必须正确引用原作。