青年人手工提举操作质量限值研究

采用心理物理学法,通过获取最大可接受质量(MAWL)、心率与用力感受自我评分等参数,研究了健康青年人不同提举参数组合下的手工提举能力.结果表明:提举高度、提举频率与水平距离3个提举参数及其交互作用均能显著影响青年人的提举质量,提举质量随3个参数的增加而降低;提举在相同任务中,男女的生理反应与身体各部位的用力程度存在差异.     

光电容积脉搏波的睡眠呼吸暂停综合征筛查方法

睡眠呼吸暂停综合征（SAS）素有“睡眠杀手”之称。由于其诊断金标准多导睡眠监测仪（PSG）的限制,诊断率一直偏低。由于呼吸暂停发生时会引发心率节奏的变化,因此利用心电图（ECG）通过心率变异性（HRV）分析可以实现SAS的自动筛查。但是,ECG-SAS方法所用电极穿戴繁琐、材质致敏性较高,影响睡眠安适度。鉴于脉率变异性（PRV）分析与HRV分析高度相关,并且光电容积脉搏波（PPG）信号相对ECG信号获取方式更加简单,不仅电极不易致敏,而且更易于穿戴,对睡眠干扰小。由此,提出利用同步采集的PPG信号和ECG信号,应用相同的建模方法,比较二者的疾病识别能力。应用反向传播（BP）神经网络,分别建立PPG-SAS与ECG-SAS自动筛查模型,并采用十折交叉验证法及受试者工作特征（ROC）曲线对模型进行对比与评估。实验数据来源于MIT-BIH Polysomnographic Database,共8 248个样本,其中正常样本6 227例。首先采用三层BP神经网络,默认参数下建立PPG-SAS与ECG-SAS模型,使用十折交叉验证法及ROC曲线进行模型分类准确性的对比;然后依次改变影响分类性能的隐层节点数、训练函数以及传递函数,建立多个PPG-SAS与ECG-SAS模型,从中选取各自的最优模型再进行对比。通过比较识别率、预测率以及ROC曲线面积,采用默认参数的PPG-SAS模型优于ECG-SAS模型。通过比较平均分类准确率,隐层节点数为50、训练函数为一步正割算法、隐含层传递函数为双曲正切S型函数时,PPG-SAS模型得到的最高识别率与预测率分别为80.30%和80.13%;隐层节点数为50、训练函数为一步正割算法、隐含层传递函数为径向基时,ECG-SAS模型的最高识别率与预测率分别为77.60%和77.67%。以上实验结果均表明PPG信号的SAS分类能力较ECG信号更具优越性,由此证明了PPG信号筛查SAS的可行性及可靠性,为临床SAS病症的早期发现及诊断率提升奠定理论基础。     

自行车设定对非创伤性运动损伤和骑行表现的影响

自行车设定（Bike Fitting）是指利用运动生物力学、人体工程学等知识去分析自行车各个部件最匹配骑行者的设定参数,再使用相关工具去调试或优化自行车,主要涉及鞍座高度、鞍座位置角度、鞍座形状、车把和车架、曲柄长度以及脚踏6个方面。适配的自行车设定能有效预防长期骑行中出现的非创伤性运动损伤并提升运动表现。本研究通过对中国知网、Web of Science和PubMed数据库中国内外有关自行车设定对骑行影响的研究进行综述和评价,让更多专业教练、科研人员以及运动员等从业者了解并重视这方面的知识,为减少骑行导致的运动损伤和提升运动员骑行表现提供借鉴和指导。