CN109846480A - 一种检测肌肉综合性疲劳度的方法、装置及存储介质 - Google Patents
一种检测肌肉综合性疲劳度的方法、装置及存储介质 Download PDFInfo
- Publication number
- CN109846480A CN109846480A CN201810900249.6A CN201810900249A CN109846480A CN 109846480 A CN109846480 A CN 109846480A CN 201810900249 A CN201810900249 A CN 201810900249A CN 109846480 A CN109846480 A CN 109846480A
- Authority
- CN
- China
- Prior art keywords
- fatigue strength
- value
- parameter
- fatigue
- target muscles
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
Landscapes
- Measurement And Recording Of Electrical Phenomena And Electrical Characteristics Of The Living Body (AREA)
Abstract
本发明提供一种检测肌肉综合性疲劳度的方法、装置及存储介质。方法包括:获取目标肌肉的外源性疲劳度、内源性疲劳度和运动强度;根据运动强度确定外源性疲劳度的第一权重系数以及内源性疲劳度的第二权重系数,根据外源性疲劳度、内源性疲劳度、第一权重系数以及第二权重系数,计算目标肌肉的综合性疲劳度;根据综合性疲劳度确定运动调整策略;显示外源性疲劳度、内源性疲劳度、综合性疲劳度以及运动调整策略。在量化目标肌肉的疲劳度时,综合考虑内源性疲劳度和外源性疲劳度,故得到的疲劳度数值更加准确,与用户的感受更加匹配,能够直观的向用户呈现目标肌肉的疲劳程度,为根据疲劳程度对当前运动状态和当前运动调整方案进行调整提供准确的依据。
Description
技术领域
本发明涉及人体疲劳度检测领域,尤其涉及一种检测肌肉综合性疲劳度的方法、装置及存储介质。
背景技术
随着我国社会经济高速发展,人们的健康意识逐渐增强,运动健身及健康检查的频率也逐渐增加。然而在运动健身时,由于目前缺乏实时监测并量化肌肉疲劳度的手段,很多健身爱好者不知自身肌肉疲劳度状况或者现有的检测设备显示的检测数值往往比较专业,普通健身爱好者难以对检测数据进行解读,因此会造成运动性肌肉损伤。同时,影响用户肌肉疲劳感受的因素很多,现有技术通常只从一个方面衡量目标肌肉的疲劳度,因此检测值不够准确,难以反映用户的肌肉疲劳程度。
发明内容
本发明提供一种检测肌肉综合性疲劳度的方法、装置及存储介质,能够解决现有机制中检测肌肉疲劳度准确度较低的问题。
第一方面,本发明实施例提供了一种检测肌肉综合性疲劳度的方法,所述方法包括:
获取目标肌肉的外源性疲劳度、内源性疲劳度和运动强度;
根据所述运动强度确定所述外源性疲劳度的第一权重系数以及所述内源性疲劳度的第二权重系数,所述第一权重系数与所述第二权重系数之和为 1;
根据所述外源性疲劳度、所述内源性疲劳度、所述第一权重系数以及所述第二权重系数,计算所述目标肌肉的综合性疲劳度;
根据所述综合性疲劳度确定对应的运动调整策略;
显示所述外源性疲劳度、所述内源性疲劳度、所述综合性疲劳度以及所述运动调整策略。
一种可能的设计中,所述获取目标肌肉的外源性疲劳度、内源性疲劳度和运动强度,包括:
获取所述目标肌肉的肌氧最大值和肌氧当前值;
采用第一预设公式计算所述目标肌肉的外源性疲劳度,所述第一预设公式为:
外源性疲劳度=(肌氧最大值-肌氧当前值)/肌氧最大值*第一疲劳度参数,其中,所述第一疲劳度参数用于表示用户感受到的疲劳度跟随目标肌肉的肌氧值衰减的程度。
一种可能的设计中,所述获取目标肌肉的外源性疲劳度、内源性疲劳度和运动强度,包括:
获取预设参数值;
采用第二预设公式计算所述目标肌肉的内源性疲劳度,所述第二预设公式为以下项之一:
内源性疲劳度=(最大电活动幅度-当前电活动幅度)/最大电活动幅度* 第二疲劳度参数+(当前电发放频率/最大电发放频率)*第三疲劳度参数;
或者,内源性疲劳度=(当前电信号传递速度/最大电信号传递速度)* 第四疲劳度参数;
或者,内源性疲劳度=(最大电活动幅度-当前电活动幅度)/最大电活动幅度*第五疲劳度参数+(当前电发放频率/最大电发放频率)*第六疲劳度参数+(当前电信号传递速度/最大电信号传递速度)*第七疲劳度参数;
其中,所述预设参数值包括目标肌肉的最大电信号传递速度、当前电信号传递速度、最大电活动幅度、当前电活动幅度、最大电发放频率和当前电发放频率中的至少一个;所述第二疲劳度参数和所述第五疲劳度参数为用户感受到的疲劳度跟随所述目标肌肉的电活动幅度衰减的程度,所述第三疲劳度参数和所述第六疲劳度参数为所述用户感受到的疲劳度跟随所述目标肌肉的电发放频率增加的程度,所述第四疲劳度参数和所述第七疲劳度参数的取值与所述目标肌肉的运动量正相关。
一种可能的设计中,所述第二疲劳度参数、所述第四疲劳度参数、所述第五疲劳度参数和所述第七疲劳度参数的取值范围均为0.1-0.5,所述第三疲劳度参数和所述第六疲劳度参数的取值范围均为0.1-0.6。
一种可能的设计中,所述根据所述外源性疲劳度、所述内源性疲劳度、所述第一权重系数以及所述第二权重系数,计算所述目标肌肉的综合性疲劳度,包括:
采用第三预设公式计算目标用户的靶心率区,并将所述靶心率区划分为至少一个预设区间,每个所述预设区间对应一个运动强度值;
获取所述用户的当前心率,确定所述当前心率所处的目标预设区间;
获取所述目标预设区间对应的运动强度值;
根据运动强度值与权重系数的映射关系,确定与所述运动强度值对应的所述第一权重系数和所述第二权重系数,所述运动强度值与所述第一权重系数负相关,所述运动强度值与所述第二权重系数正相关。
一种可能的设计中,所述第一疲劳度参数的取值范围为0.2-0.8。
第二方面,本发明实施例还提供一种检测肌肉疲劳度装置,具有实现对应于上述第一方面提供的检测肌肉综合性疲劳度的方法的功能。所述功能可以通过硬件实现,也可以通过硬件执行相应的软件实现。硬件或软件包括一个或多个与上述功能相对应的模块,所述模块可以是软件和/或硬件。
一种可能的设计中,所述检测肌肉疲劳度装置包括:
获取模块,用于获取目标肌肉的外源性疲劳度、内源性疲劳度和运动强度;
处理模块,用于根据所述运动强度确定所述外源性疲劳度的第一权重系数以及所述内源性疲劳度的第二权重系数,所述第一权重系数与所述第二权重系数之和为1;
所述处理模块还用于根据所述外源性疲劳度、所述内源性疲劳度、所述第一权重系数以及所述第二权重系数,计算所述目标肌肉的综合性疲劳度;根据所述综合性疲劳度确定对应的运动调整策略;
显示模块,用于显示所述外源性疲劳度、所述内源性疲劳度、所述综合性疲劳度以及所述运动调整策略。
一种可能的设计中,所述处理模块用于:
通过所述获取模块获取所述目标肌肉的肌氧最大值和肌氧当前值;
采用第一预设公式计算所述目标肌肉的外源性疲劳度,所述第一预设公式为:
外源性疲劳度=(肌氧最大值-肌氧当前值)/肌氧最大值*第一疲劳度参数,其中,所述第一疲劳度参数用于表示用户感受到的疲劳度跟随目标肌肉的肌氧值衰减的程度。
一种可能的设计中,所述处理模块用于:
通过所述获取模块获取预设参数值;
采用第二预设公式计算所述目标肌肉的内源性疲劳度,所述第二预设公式为以下项之一:
内源性疲劳度=(最大电活动幅度-当前电活动幅度)/最大电活动幅度* 第二疲劳度参数+(当前电发放频率/最大电发放频率)*第三疲劳度参数;
或者,内源性疲劳度=(当前电信号传递速度/最大电信号传递速度)* 第四疲劳度参数;
或者,内源性疲劳度=(最大电活动幅度-当前电活动幅度)/最大电活动幅度*第五疲劳度参数+(当前电发放频率/最大电发放频率)*第六疲劳度参数+(当前电信号传递速度/最大电信号传递速度)*第七疲劳度参数;
其中,所述预设参数值包括目标肌肉的最大电信号传递速度、当前电信号传递速度、最大电活动幅度、当前电活动幅度、最大电发放频率和当前电发放频率中的至少一个;所述第二疲劳度参数和所述第五疲劳度参数为用户感受到的疲劳度跟随所述目标肌肉的电活动幅度衰减的程度,所述第三疲劳度参数和所述第六疲劳度参数为所述用户感受到的疲劳度跟随所述目标肌肉的电发放频率增加的程度,所述第四疲劳度参数和所述第七疲劳度参数的取值与所述目标肌肉的运动量正相关。
第三方面,本发明实施例还提供一种检测设备,具有实现对应于上述第一方面提供的检测肌肉综合性疲劳度的方法的功能。所述功能可以通过硬件实现,也可以通过硬件执行相应的软件实现。硬件或软件包括一个或多个与上述功能相对应的模块,所述模块可以是软件和/或硬件。该检测设备可包括第二方面、以及第二方面中的任一种可能的设计中的检测肌肉疲劳度装置,该检测可集成于该检测设备中。
第四方面,本发明实施例还提供一种检测肌肉疲劳度装置,其包括至少一个连接的处理器、存储器和收发器,其中,所述存储器用于存储程序代码,所述处理器用于调用所述存储器中的程序代码来执行上述各方面所述的方法。该收发器也可为接收器和发射器的统称,该收发器也可用输入输出单元代替,具体本发明实施例不作限定。
第五方面,本发明实施例提供了一种计算机存储介质,其包括指令,当其在计算机上运行时,使得计算机执行上述第一方面、以及第一方面中的任一种可能的设计中所述的方法。
与现有机制相比,在本发明实施例的技术方案中,采用上述检测肌肉综合性疲劳度的方法在量化目标肌肉的疲劳度时,综合考虑内源性疲劳度和外源性疲劳度,最终得到的疲劳度数值更加准确,与用户的感受更加匹配,方便用户直观了解目标肌肉的疲劳程度从而根据疲劳程度对当前运动状态和当前运动策略进行调整,能提高用户对目标肌肉的锻炼效率、防止过量运动和保障用户的运动安全。同时,能够直观向用户呈现目标肌肉的疲劳程度,为对当前运动状态和当前运动策略进行调整提供准确的依据。
附图说明
图1为本发明实施例中的检测肌肉疲劳度的一种示意图;
图2为本发明实施例中检测肌肉综合性疲劳度的方法的一种流程示意图;
图3为本发明实施例的检测肌肉疲劳度装置的一种结构示意图;
图4为本发明实施例中的检测肌肉疲劳度装置的一种结构示意图;
图5为本发明实施例中的检测设备的一种结构示意图;
图6为本发明实施例中执行检测肌肉综合性疲劳度的方法的实体装置的结构图。
具体实施方式
下面通过附图以及具体实施例对本发明技术方案做详细的说明,应当理解本申请实施例以及实施例中的具体特征是对本申请技术方案的详细的说明,而不是对本申请技术方案的限定,在不冲突的情况下,本申请实施例以及实施例中的技术特征可以相互组合。以下描述中,为了说明而不是为了限定,提出了诸如特定***结构、接口、技术之类的具体细节,以便透切理解本发明。然而,本领域的技术人员应当清楚,在没有这些具体细节的其它实施例中也可以实现本发明。在其它情况中,省略对众所周知的***、电路以及方法的详细说明,以免不必要的细节妨碍本发明的描述。
本发明实施例提供了一种检测肌肉综合性疲劳度的方法、装置及存储介质,本发明实施例中的检测肌肉综合性疲劳度的方法可应用于检测人体肌肉内源性劳度,能够直观向用户呈现目标肌肉的疲劳程度,以及提高检测效率和准确度。本发明实施例中,肌肉内源性疲劳是指神经和肌肉组织自身的疲劳,通过检测运动肌肉的电信号传递速度和周期性等生物电活动可衡量肌肉的疲劳度。肌纤维(细胞)具有很高的兴奋性,它们在兴奋时最先出现的反应就是动作电位,即发生兴奋处的细胞膜两侧出现可传导性电位从而产生微弱电流,因此在皮肤的适当位置附着电极可以测定身体表面肌肉的电流,该电流强度随时间变化的曲线叫肌电图。具体来说,可以通过将皮肤表面电极贴在皮肤上记录整块肌肉的电活动信号,或者将同轴单心或双心针电极***肌腹中检测运动单位电位,然后经过适当的滤波和放大,就可形成肌电信号并显示在记录仪或者示波器上。还可以对上述肌电信号进行定量分析。肌电信号定量分析包括时域分析和频域分析,时域分析能够得到肌肉的放电时间、放电总量、放电频率和放电振幅,比如积分肌电(IEMG)、平均振幅(MA)、均方根振幅(RMS)和时程(DUR)等,而频域分析可以得到肌肉的供能状态或者以某种频率放电的集中趋势,比如平均功率频率(MPF)、中值频率(MF)等。本发明实施例不对肌电信号采集方式和肌电信号定量分析方式作限定。
为解决上述技术问题,本发明实施例中提供以下技术方案:
本技术方案能够用于肌肉的疲劳度检测,如图1所示,检测设备对用户的手臂肌肉进行外力作用,将皮肤表面电极贴在手臂肌肉上,检测该处手臂肌肉在施加外力作用过程中的肌肉纤维变化,记录整块肌肉的电活动信号,并转换为肌氧信号传至检测设备上。检测设备收到肌氧信号后,通过肌肉的电信号传递速度等生物电活动量化肌肉的内源性疲劳度和外源性疲劳度,再基于得到的内源性疲劳度和外源性疲劳度得到的综合性疲劳度生成对应的运动调整策略。
其中,肌肉的外源性疲劳是指由物质供应不足所引起的肌肉疲劳,通过监测运动肌肉的血液供应、氧气供应和氧气消耗等,可以准确掌握运动肌肉的氧供和缺氧情况,从而衡量肌肉的疲劳度。而肌肉内源性疲劳是指神经和肌肉组织自身的疲劳,通过检测运动肌肉的电信号传递速度和周期性等生物电活动来衡量肌肉的疲劳度。通常情况下,当用户对目标肌肉进行锻炼时,外源性疲劳和内源性疲劳会同时发生,即用户感受到的不仅仅是外源性疲劳,还有内源性疲劳。同时在不同运动强度下,用户感受到的外源性疲劳和内源性疲劳度的程度不一样,即在不同运动强度下,综合性疲劳度有时侧重于外源性疲劳度,有时侧重于内源性疲劳度。
实施例
参考图2,下面介绍本发明实施例中的一种检测肌肉综合性疲劳度的方法,所述方法包括:
S201、获取目标肌肉的外源性疲劳度、内源性疲劳度和运动强度。
S202、根据所述运动强度确定所述外源性疲劳度的第一权重系数以及所述内源性疲劳度的第二权重系数。
其中,所述第一权重系数与所述第二权重系数之和为1。
S203、根据所述外源性疲劳度、所述内源性疲劳度、所述第一权重系数以及所述第二权重系数,计算所述目标肌肉的综合性疲劳度。
可选的,在本发明的一些实施例中,所述根据所述外源性疲劳度、所述内源性疲劳度、所述第一权重系数以及所述第二权重系数,计算所述目标肌肉的综合性疲劳度,包括:
采用第三预设公式计算目标用户的靶心率区,并将所述靶心率区划分为至少一个预设区间,每个所述预设区间对应一个运动强度值;
获取所述用户的当前心率,确定所述当前心率所处的目标预设区间;
获取所述目标预设区间对应的运动强度值;
根据运动强度值与权重系数的映射关系,确定与所述运动强度值对应的所述第一权重系数和所述第二权重系数,所述运动强度值与所述第一权重系数负相关,所述运动强度值与所述第二权重系数正相关。例如,运动强度值越高,所述第一权重系数越小,所述第二权重系数越大。
S204、根据所述综合性疲劳度确定对应的运动调整策略。
可选的,在一些实施方式中,可以先预设多个疲劳度等级,每个疲劳度等级对应不同的运动调整策略,比如预设四个疲劳度等级,每个对应的运动调整策略如下:
第一级疲劳度,表示疲劳度较低,此时可以提高运动强度,增加运动时间和/或更换运动策略;
第二级疲劳度,表示疲劳度中等,此时可以保持当前的运动强度和运动策略;
第三级疲劳度,表示疲劳度较高,此时可以降低运动强度、减小运动时间和/或更换运动策略;
第四级疲劳度,表示已经达到或者超过预设的疲劳度阈值,此时可以发出警报提醒用户暂停运动。
S205、显示所述外源性疲劳度、所述内源性疲劳度、所述综合性疲劳度以及所述运动调整策略。
与现有机制相比,本发明实施例中,采用上述检测肌肉综合性疲劳度的方法,通过对肌肉的内源性疲劳度进行准确量化,在量化目标肌肉的疲劳度时过程中,同时考虑内源性疲劳度和外源性疲劳度,因此得到的疲劳度数值更加准确,且和用户的感受更加匹配,方便用户直观了解目标肌肉的疲劳程度从而根据疲劳程度对当前运动状态和当前运动方案进行调整,不仅提高了用户对目标肌肉的锻炼效率,而且可以防止过量运动,保障了用户的运动安全。
可选的,在本发明的一些实施例中,所述获取目标肌肉的外源性疲劳度、内源性疲劳度和运动强度,包括下述步骤(一)至步骤(三):
(一)获取所述目标肌肉的肌氧最大值和肌氧当前值。
其中,肌氧是指肌氧饱和度即肌肉毛细血管中有多少血红蛋白携带了氧气,缩写为SmO2,可用(HbO2/Hb+HbO2)x100%表示,肌氧的变化范围在0%-100%之间,该指标的变化在一定程度上反映了人体局部肌肉的氧供应与氧利用的平衡。在其他实施方式中,还可以选择氧合血红蛋白(HbO2)、去氧血红蛋白(Hb)以及总血红蛋白(tHb)等数据进行本发明的外源性疲劳度计算,具体本发明不作限定。
由于基于同一用户不同肌肉的肌氧最大值不同,以及不同性别、不同年龄以及不同身体健康状态用户相同肌肉的肌氧最大值也不相同。所以,在一些实施方式中,本实施例还可以建立第三映射关系(例如肌氧最大值查询表) 去查询肌氧最大值。所述第三映射关系为肌肉信息、用户信息和肌氧最大值之间的映射关系,用户信息包括用户年龄、用户性别和用户健康指数。
举例来说,所述获取目标肌肉的肌氧最大值和肌氧当前值,包括:
获取目标用户信息和目标肌肉信息,根据所述目标用户信息、所述目标肌肉信息和第三映射关系,得到与所述目标用户信息和所述目标肌肉信息对应的肌氧最大值。
可见,该实施方式综合考虑以上所有的因素,因此建立的肌氧最大值查询表比较完备,查询得到的肌氧最大值数据也更加有针对性,从而提高了本发明肌肉外源性疲劳度检测方法的准确性。
相应的,获取目标肌肉的肌氧当前值包括:
以第三预设频率连续n次采集目标肌肉的第一肌氧值,计算所有第一肌氧值的均值,将所述均值作为所述目标肌肉的肌氧当前值,n为正整数。可见,通过多次采集取均值的方法,得到的当前肌氧值更加能够反映目标用户当前的肌肉状态,因此进一步提高了本发明肌肉外源性疲劳度检测方法的准确性。
另一些实施方式中,还可以采用近红外光谱测定方法(near in fraredspectroscopy,NIRS)对目标肌肉的肌氧值进行实时监测,生成肌氧监测曲线,并根据所述肌氧监测曲线获取所述肌氧当前值以及预设时间范围,比如一天或者连续几天的肌氧最大值。近红外线光谱测定方法是一种能穿透机体组织的连续光谱,它可以根据氧合血红蛋白、还原血红蛋白以及肌红蛋白等物质对红外线光谱吸收特性的差异,来测定局部肌肉中的氧合血红蛋白 (HbO2)、去氧血红蛋白(Hb)和总血红蛋白(tHb)浓度的相对变化,而这些参数又可以反映局部肌肉的氧含量变化。具体来说,波长为700-900nm 的近红外光对人体组织有良好的穿透性,尤其易于穿透体表进入深层。此波段中微细血管血液中的去氧血红蛋白(Hb)和氧合血红蛋白(HbO2)是主要的吸收体,且二者的吸收谱存在显著差异,在760nm波长,Hb吸收达到峰值; 850nm波长,HbO2达到吸收峰值。根据这一特性,肌氧仪将这两个波长近红外光入射到人体组织上,并检测某一位置出射光强,然后根据修正的比尔 -朗伯定律和一系列解算,就可得到Hb、HbO2、tHb的氧浓度以及肌氧饱和度。
(二)采用第一预设公式计算所述目标肌肉的外源性疲劳度F1,所述第一预设公式为:
外源性疲劳度F1=(肌氧最大值-肌氧当前值)/肌氧最大值*第一疲劳度参数,其中,所述第一疲劳度参数用于表示用户感受到的疲劳度跟随目标肌肉的肌氧值衰减的程度。
一些实施方式中,所述第一疲劳度参数a的取值范围为0.2-0.8,上述第一疲劳度参数a的取值范围是将采集到的大量肌氧数据与人体主观感觉疲劳程度导入所述预设公式中模拟得到的参数值范围,一定程度上能够准确的衡量目标用户的外源性疲劳度。可选的,可以根据目标肌肉处的脂肪层厚度、皮肤反射指数和/或皮肤肤色指数衡量第一疲劳度参数a的取值大小。
举例来说,可以根据目标肌肉处的脂肪层厚度和皮肤肤色指数获取所述第一疲劳度参数a的取值。所述皮肤肤色指数表示当前肤色相比肤色基准值的深浅程度,皮肤肤色指数越大,肤色越深;且所述第一疲劳度参数a的取值与目标肌肉处的脂肪层厚度正相关,与目标肌肉处的皮肤肤色指数也是正相关,即脂肪层越厚,第一疲劳度参数a的取值越大;肤色越深,皮肤肤色指数越大,第一疲劳度参数a的取值越大。
获取目标肌肉处的脂肪层厚度和皮肤肤色指数,包括以下步骤:
在一个实施例中,可以采用皮脂厚度计直接测量所述目标肌肉处的脂肪层厚度,采用三刺激值色度仪、窄谱简易反射分光光度计、扫描式反射光光度计或者数字成像***等测量仪器直接对皮肤肤色进行测量,然后与预设肤色基准值进行比较得到皮肤肤色指数,比如当前肤色和肤色基准值的比值或者差值等等。
当然,在其他实施例中,也可以采用间接方式获取脂肪层厚度和皮肤肤色指数,具体为:采用第一预设波长范围的光源,比如300nm-1100nm的光源,以第一预设频率,比如每次间隔50nm,对目标肌肉进行扫描生成第一扫描结果,将第一扫描结果与第一预设参考值进行比较,根据第一比较结果生成目标肌肉处的脂肪层厚度和皮肤肤色指数。比如所述第一扫描结果为当前肌氧饱和度,所述第一预设参考值为不同脂肪层厚度和不同皮肤肤色指数下,采用同样扫描方式得到的肌氧参考饱和度,将所述当前肌氧饱和度和所述肌氧参考饱和度进行比较,即可得到对应的脂肪层厚度和皮肤肤色指数。当然,在其他实施例中所述第一扫描结果也可以是其他的数据,比如氧合血红蛋白(HbO2)含量、去氧血红蛋白(Hb)含量以及总血红蛋白(tHb)含量等等。
举例来说,查询预设的第一映射表或者采用第一预设计算模型,生成所述脂肪层厚度和所述皮肤肤色指数对应的a值。具体的,可以预先建立如表 1所示的第一映射表,将脂肪层厚度划分为三级,每级脂肪层厚度下又包括五个级别的皮肤肤色等级,当获取脂肪层厚度和皮肤肤色指数后,首先判断属于哪个脂肪层厚度等级和皮肤肤色等级,然后在第一映射表中进行查询即可得到所述a值,当然在具体实施过程中还可以根据实际情况对脂肪层厚度等级和皮肤肤色等级进行不同划分。
表1
在其他实施例中,还可以采用第一预设计算模型,生成所述脂肪层厚度和所述皮肤肤色指数对应的a值。首先采集大量的用户数据模拟疲劳度衰减参数a和所述脂肪层厚度L、所述皮肤肤色指数V的关系,从而得到脂肪层厚度L对疲劳度衰减参数a的权重系数A1以及皮肤肤色指数V对疲劳度衰减参数a的权重系数A2。然后根据所述大量用户数据得到疲劳度衰减参数a 的最大值amax、a的最小值amin、脂肪层厚度L的最大值Lmax,L的Lmin以及皮肤肤色指数V的最大值Vmax和最小值Vmin,并建立以下第一预设计算模型:
其中,Lw表示当前脂肪层厚度,Vw表示当前皮肤肤色指数且A1和A2之和为1。通过以上第一预设计算模型就可以计算出当前脂肪层厚度和当前皮肤肤色指数对应的疲劳度衰减参数a。
在其他实施方式中,所述a值还与目标肌肉的类型以及所采用的运动类型有关,即在脂肪层厚度、肤色指数以及所采用的运动类型相同的情况下,所锻炼的目标肌肉不同,a值不同;在脂肪层厚度、肤色指数以及锻炼的目标肌肉相同的情况下,所采用的运动类型不同,a值不同,因此更加优选的实施例中,需要根据运动类型和目标肌肉再次对a值进行修正。具体的,先采集大量的实验数据建立第二映射表,第二映射表包括不同运动类型和不同肌肉名称对应的疲劳度衰减参数修正值Δa,如表2所示;然后获取目标肌肉名称和当前运动类型,并查询所述第二映射表,获取所述目标肌肉名称和所述当前运动类型对应的疲劳度衰减参数修正值Δa,采用所述Δa对a值进行修正,即最终的疲劳度衰减参数=a+Δa,然后采用该值即可计算得到目标肌肉的外源性疲劳度。
肌肉名称1 | 肌肉名称2 | 肌肉名称3 | 肌肉名称4 | 肌肉名称5 | 肌肉名称5 | |
运动类型1 | Δa<sub>1</sub> | Δa<sub>2</sub> | Δa<sub>3</sub> | Δa<sub>4</sub> | Δa<sub>5</sub> | Δa<sub>6</sub> |
运动类型2 | Δa<sub>7</sub> | Δa<sub>8</sub> | Δa<sub>9</sub> | Δa<sub>10</sub> | Δa<sub>11</sub> | Δa<sub>12</sub> |
运动类型3 | Δa<sub>13</sub> | Δa<sub>14</sub> | Δa<sub>15</sub> | Δa<sub>16</sub> | Δa<sub>17</sub> | Δa<sub>18</sub> |
运动类型4 | Δa<sub>19</sub> | Δa<sub>20</sub> | Δa<sub>21</sub> | Δa<sub>22</sub> | Δa<sub>23</sub> | Δa<sub>24</sub> |
表2
在其他实施例中,还可以根据目标肌肉处的脂肪层厚度和皮肤反射指数获取所述a值。所述皮肤反射指数表示皮肤对于光线的反射率,通常用于度量皮肤色素沉积的水平,即用于衡量肤色,肤色越深,皮肤反射指数就越低。因此,该实施例中所述a值与目标肌肉处的脂肪层厚度正相关,与目标肌肉处的皮肤反射指数负相关,即脂肪层越厚,a的取值越大;皮肤反射指数越小,肤色越深,a的取值也越大。在具体实施例中,可以采用皮脂厚度计直接测量所述目标肌肉处的脂肪层厚度,通过Photovolt ColorWalk色度计等便携的光谱反射系数测量工具直接测量皮肤反射指数,当然也可以采用间接比较的方式获取所述脂肪层厚度和所述皮肤反射指数,比如采用第二预设波长范围的光源以第二预设频率对目标肌肉进行扫描生成第二扫描结果,将第二扫描结果与第二预设参考值进行比较,根据第二比较结果生成目标肌肉处的脂肪层厚度和皮肤反射指数。
然后采用第二预设计算模型生成所述脂肪层厚度和所述皮肤反射指数对应的a值。首先采集大量的用户数据模拟疲劳度衰减参数a和所述脂肪层厚度L、所述皮肤反射指数T的关系,从而得到脂肪层厚度L对疲劳度衰减参数a的权重系数A3以及皮肤反射指数T对疲劳度衰减参数a的权重系数 A4。然后根据所述大量用户数据得到疲劳度衰减参数a的最大值amax、a的最小值amin、脂肪层厚度L的最大值Lmax,L的Lmin以及皮肤反射指数T 的最大值Tmax和最小值Tmin,并建立以下第二预设计算模型:
其中,Lw表示当前脂肪层厚度,Tw表示当前皮肤反射指数且A3和A4之和为1。通过以上第二预设计算模型就可以计算出当前脂肪层厚度和当前皮肤反射指数对应的疲劳度衰减参数a。通过所述疲劳度衰减参数a计算所述肌肉外源性疲劳度的方法与上述实施例的步骤大体相同,在此不进行详细说明。
可选的,在本发明的一些实施例中,所述获取目标肌肉的外源性疲劳度、内源性疲劳度和运动强度,包括:
(a)获取预设参数值。
其中,所述预设参数值包括目标肌肉的最大电信号传递速度、当前电信号传递速度、最大电活动幅度、当前电活动幅度、最大电发放频率和当前电发放频率中的至少一个。
下面分别介绍获取目标肌肉的最大电信号传递速度、当前电信号传递速度、最大电活动幅度、当前电活动幅度、最大电发放频率和当前电发放频率的流程:
获取目标肌肉的最大电信号传递速度:获取目标用户信息和目标肌肉信息,根据目标肌肉信息、目标用户信息和最大电信号传递速度查询表,得到与所述目标用户信息和所述目标肌肉信息对应的最大电信号传递速度。最大电信号传递速度查询表包括肌肉信息、用户信息和最大电信号传递速度之间的映射关系。其中,最大电信号传递速度查询表中的用户信息包括用户年龄、用户性别和用户健康指数。所述最大电信号传递速度查询表可以是以数据表形式呈现,也可以是其他方式呈现,具体本发明实施例不作限定。需要说明的是,该最大电信号传递速度查询表需要在检测肌肉疲劳度之前创建,可以采集大量检测数据创建。该最大电信号传递速度查询表可用于呈现不同肌肉信息、不同用户信息和最大电信号传递速度的映射关系。在实际检测肌肉疲劳度时,可以直接根据肌肉信息和用户信息去查询到对应的最大电信号传递速度。这样能够加快检测效率、减少运算时间以及降低检测肌肉疲劳度装置或检测设备的功耗,也无需佩戴肌电仪。此外,即使基于同一用户,该用户不同肌肉的最大电信号传递速度不同,以及不同性别、不同年龄以及不同身体健康状态用户相同肌肉的最大电信号传递速度也不相同,本发明实施例中的最大电信号传递速度查询表从多个维度考虑用户信息,所创建的第三映射关系能够全面的体现同一用户的不同肌肉的最大信号传递速度,基于该最大电信号传递速度查询表查询得到的最大电信号传递速度数据也更加有针对性,从而提高了本发明疲劳度检测方法的准确性。一些实施方式中,还可以基于肌电图获取最大电信号传递速度。
获取目标肌肉的当前电活动幅度:以第四预设频率连续n1次采集目标肌肉的电活动幅度,计算所有电活动幅度的均值,并将所述均值作为目标肌肉的当前电活动幅度。可见,通过多次采集取均值的方法,得到的当前电活动速度更加能够反映目标用户当前的肌肉状态,因此进一步提高了本发明肌肉内源性疲劳度检测方法的准确性。
获取目标肌肉的当前电信号传递速度:以第六预设频率连续n3次采集目标肌肉的电信号传递速度,计算所有电信号传递速度的均值,并将所述均值作为目标肌肉的当前电信号传递速度。其中,n1、n2和n3均为正整数。一些实施方式中,还可以采用肌电仪对目标肌肉的肌电信号进行实时监测,生成目标肌肉的肌电图,通过肌电图即可测定当前电信号传递速。例如根据两个金属电极出现肌电信号的时间先后相减即可获得传递时间,而两个金属电极的距离是固定的,采用所述距离/所述传递时间,即可得到当前电信号传递速度。
可见,通过多次采集取均值的方法,得到的当前电活动幅度、当前电发放频率和当前电信号传递速度更加能够反映目标用户当前的肌肉状态,因此进一步提高了本发明基于生物电活动的疲劳度检测方法的准确性。
获取目标肌肉的最大电发放频率:获取目标用户信息和目标肌肉信息后,查询最大电发放频率查询表得到目标用户信息和所述目标肌肉信息对应的最大电发放频率。所述最大电发放频率查询表包括不同肌肉信息和不同用户信息对应的最大电发放频率,所述用户信息包括用户年龄、用户性别和用户健康指数。基于同一用户不同肌肉的最大电发放频率不同,以及不同性别、不同年龄以及不同身体健康状态用户相同肌肉的最大电发放频率也不相同,本实施例建立最大电发放频率查询表时综合考虑了以上所有的因素,因此建立的查询表比较完备,查询得到的最大电发放频率数据也更加有针对性,从而提高了本发明肌肉内源性疲劳度检测方法的准确性。
获取目标肌肉的当前电发放频率:以第五预设频率连续n2次采集目标肌肉的电发放频率,计算所有电发放频率的均值,并将所述均值作为目标肌肉的当前电发放频率。
另一些实施方式中,也可以采用肌电仪对目标肌肉的肌电信号进行实时监测,生成目标肌肉的肌电图,并对所述肌电图进行时域分析和频域分析生成定量分析结果,根据所述定量分析结果获取目标肌肉的当前电活动幅度、当前电发放频率、以及目标肌肉在预设时间范围(例如一天或者连续几天) 的最大电活动幅度和最大电发放频率。
(三)采用第二预设公式计算所述目标肌肉的内源性疲劳度F2。
一些实施方式中,所述第二预设公式为以下项之一:
内源性疲劳度F2=(最大电活动幅度-当前电活动幅度)/最大电活动幅度*第二疲劳度参数b1+(当前电发放频率/最大电发放频率)*第三疲劳度参数c1。
或者,内源性疲劳度F2=(当前电信号传递速度/最大电信号传递速度) *第四疲劳度参数d1,所述目标肌肉的运动量越大,所述第四疲劳度参数d1 的取值越大。
或者,内源性疲劳度F2=(最大电活动幅度-当前电活动幅度)/最大电活动幅度*第五疲劳度参数b2+(当前电发放频率/最大电发放频率)*第六疲劳度参数c2+(当前电信号传递速度/最大电信号传递速度)*第七疲劳度参数d2。
所述第二疲劳度参数和所述第五疲劳度参数为用户感受到的疲劳度跟随所述目标肌肉的电活动幅度衰减的程度,所述第三疲劳度参数和所述第六疲劳度参数为所述用户感受到的疲劳度跟随所述目标肌肉的电发放频率增加的程度,所述第四疲劳度参数和所述第七疲劳度参数的取值与所述目标肌肉的运动量正相关。
可选的,在一些实施方式中,所述第二疲劳度参数b1、所述第四疲劳度参数、所述第五疲劳度参数和所述第七疲劳度参数的取值范围均为0.1-0.5,所述第三疲劳度参数和所述第六疲劳度参数的取值范围均为0.1-0.6。由于第二疲劳度参数b1和第三疲劳度参数c1二者的取值范围是将采集到的大量肌电信号分析数据与人体主观感觉疲劳程度导入所述第二预设公式中,模拟得到的参数值范围,因此可以准确的衡量目标用户的内源性疲劳度。
可选的,在一些实施方式中,所述第四疲劳度参数d1的取值与目标肌肉的运动量正相关,即所述目标肌肉的运动量越大,所述疲劳度参数d1的取值越大。获取目标肌肉的运动时间和平均运动强度,然后计算所述目标肌肉在所述运动时间的运动量,所述运动量=运动时间*平均运动强度。
具体实施例中,可以根据用户心率衡量用户的运动强度,运动强度越大,心率越高,具体包括以下步骤:
在所述运动时间内以第九预设频率获取多个当前心率,并计算所述运动时间内的平均心率。具体可以采用以下公式计算当前心率:
当前心率=60/(本次肌氧波峰值对应时刻-上次肌氧波峰值对应时刻),即可获得每分钟心率。当然在其他实施例中,可以采用其他各种运动仪器,比如运动手环获取当前心率。
然后采用第四预设公式计算目标用户的靶心率区,并将所述靶心率区划分为至少一个预设区间,对每个预设区间设定对应的运动强度值,最后获取所述平均心率所处的目标预设区间,并将所述目标预设区间对应的运动强度值作为所述目标肌肉的平均运动强度。具体来说,所述第四预设公式为:
靶心率区=55%*最大心率~90%*最大心率,
或者靶心率区=(40%~85%)*最大储备心率+安静心率;
所述最大心率=220-用户年龄;
所述最大储备心率=220-用户年龄-安静心率。
上述实施例中,将所述靶心率区划分的预设区间越多,测得的平均运动强度值越准确,从而可以得到更加准确的肌肉内源性疲劳度检测结果。
一些实施方式中,可基于预设的第六映射表或第四预设计算模型,生成所述运动量对应的d1值。根据已有实验数据可以证实,随着疲劳的加深,肌肉电活动的传递速度会减小,疲劳越深,速度减小得越多,同时运动量越大, d1值越大。因此可以根据大量实验数据,预先建立不同运动量和不同d1值的对应关系表,如下表3所示的第六映射表:
表3
在其他实施例中,还可以采用第四预设计算模型,生成所述运动量对应的d1值。首先采集大量的用户数据,然后通过所述用户数据模拟疲劳度参数 d1和所述运动量的关系,从而形成第四预设计算模型。
在其他实施方式中,所述d1值还与目标肌肉的类型有关,即运动量相同的情况下,肌肉类型不同,d1的取值不同,比如快肌更加容易疲劳,d1值会更大。因此更加优选的实施例中,需要根据目标肌肉再次获取的d1值进行修正。具体的,先采集大量的实验数据建立第七映射表,第七映射表包括不同肌肉名称对应的疲劳度参数修正值Δd,如表4所示;然后获取目标肌肉名称,并查询预设的第七映射表生成所述目标肌肉名称对应的修正值Δd,采用所述修正值Δd对d1值进行修正,即最终的疲劳度参数=d1+Δd,然后采用该值即可计算得到目标肌肉的内源性疲劳度。
在一个实施例中,可以直接获取用户手动输入的目标肌肉名称或者对目标肌肉所处位置进行拍照,并对照片进行自动识别的方式获取目标肌肉名称。
肌肉名称1 | 肌肉名称2 | 肌肉名称3 | 肌肉名称4 | 肌肉名称5 | 肌肉名称5 | |
修正值 | Δd<sub>1</sub> | Δd<sub>2</sub> | Δd<sub>3</sub> | Δd<sub>4</sub> | Δd<sub>5</sub> | Δd<sub>6</sub> |
表4
可选的,在本发明的一些实施例中,计算所述目标肌肉的内源性疲劳度,包括下述步骤一至步骤三:
步骤一、获取目标肌肉名称、目标肌肉处的脂肪层厚度和皮肤导电系数.。
其中,皮肤导电系数表示目标肌肉处的皮肤导电性能相比人体基准电导率的程度,皮肤导电系数越高,皮肤导电性能越好。所述第一疲劳度参数a 的取值与目标肌肉处的皮肤导电系数负相关,与目标肌肉处的脂肪层厚度正相关,即皮肤导电系数越大,第一疲劳度参数a的取值越小;脂肪层越厚,第一疲劳度参数b1的取值越大。不同类型、不同部位的肌肉耐疲劳性不同,耐疲劳性越高,第二疲劳度参数b1的取值越小。同时所述疲劳度参数第三疲劳度参数c1的取值与目标肌肉的运动量正相关,即所述目标肌肉的运动量越大,所述第三疲劳度参数c1的取值越大。
一些实施方式中,所述获取目标肌肉的名称、所述目标肌肉处的脂肪层厚度和皮肤导电系数,包括以下实现方式之一:
可以采用皮脂厚度计直接测量所述目标肌肉处的脂肪层厚度,采用三刺激值色度仪、窄谱简易反射分光光度计、扫描式反射光光度计或者数字成像***等测量仪器直接对皮肤肤色进行测量,然后与预设肤色基准值进行比较得到皮肤肤色指数,比如当前肤色和肤色基准值的比值或者差值等。
或者,获取所述用户输入的操作指令获取所述目标肌肉名称或者对所述目标肌肉所处位置进行拍照和识别以获取所述目标肌肉名称;测量所述目标肌肉处的脂肪层厚度;采集在所述目标肌肉处的皮肤电导率,将所述皮肤电导率与预设电导率基准值进行比较,得到所述目标肌肉的皮肤导电系数。
或者,采用预设波长范围的光源(例如采用300nm-1100nm的光源以第一预设频率(例如每次间隔50nm)对目标肌肉进行扫描生成第一扫描结果,生成第一扫描结果,将所述第一扫描结果与第一预设参考值进行比较,得到第一比较结果,根据所述第一比较结果得到所述目标肌肉处的脂肪层厚度;以第二预设频率采集所述目标肌肉的肌电信号,对所述肌电信号进行时域分析和频域分析得到第二扫描结果,将所述第二扫描结果与第二预设参考值进行比较,得到第二比较结果,根据所述第二比较结果生成目标肌肉处的皮肤导电系数。
其中,所述第一扫描结果为当前肌氧饱和度,所述第一预设参考值为不同脂肪层厚度下,采用同样扫描方式得到的肌氧参考饱和度,将所述当前肌氧饱和度和所述肌氧参考饱和度进行比较,即可得到对应的脂肪层厚度。当然,在其他实施例中所述第一扫描结果也可以是其他的数据,比如氧合血红蛋白含量、去氧血红蛋白含量以及总血红蛋白含量等。
第二比较结果可为当前皮肤电导率与预设电导率基准值的比值,本发明实施例不对第二比较结果做限定。目标肌肉处的脂肪层厚度可采用皮脂厚度计测量,在目标肌肉处的皮肤电导率可采用皮肤电导率采集传感器采集,该皮肤电导率采集传感器可包括参考电极和测量电极,参考电极和测量电极连线与肌肉纵向平行设置。在不同皮肤导电系数下,采用同样扫描方式得到的参考电活动幅度和参考电发放频率,将所述当前电活动幅度、当前电发放频率和参考电活动幅度、参考电发放频率进行比较,即可得到对应的皮肤导电系数。当然,在其他实施例中所述第二扫描结果也可以是其他的数据,比如积分肌电、平均振幅、均方根振幅、时程和平均功率频率和中值频率等。
在本实施例中,随着用户运动的进行,用户的皮肤表面会不断分泌汗液,而分泌汗液程度的不同会影响所述皮肤电导率采集传感器所采集的皮肤电导率数值,进而会影响皮肤导电系数的值,进行影响第一疲劳度参数的取值大小。
步骤二、根据第一映射关系确定所述目标肌肉名称对应的第三疲劳度参数c1取值。
其中,所述第一映射关系包括肌肉名称与第三疲劳度参数取值的映射关系。第三疲劳度参数取值和肌肉类型和部位有关,通常情况下,人体的快肌比较容易疲劳,第三疲劳度参数取值会较大,人体的慢肌耐疲劳性较好,第三疲劳度参数取值较小,而人体的下肢肌比上肢肌粗壮强大,耐疲劳性比上肢肌好,相对第三疲劳度参数取值会较小。因此,可以获取人体不同肌肉对应的耐疲劳性评价结果,以此来建立每块肌肉和第三疲劳度参数取值的映射关系,即建立第一映射关系。在获取到肌肉名称肉,可基于该第一映射关系获取所述目标肌肉名称对应的第三疲劳度参数取值。在具体实施例中,可以采用肌肉耐力表征肌肉的耐疲劳性,肌肉耐力反映的是以一定负荷或速度,能重复的次数或所能坚持时间的工作能力,能够检测与评价标准一般包括等长肌肉耐力、等张肌肉耐力和等速肌肉耐力。
步骤三、根据第二映射关系或者第一预设计算模型,得到与所述脂肪层厚度和所述皮肤导电系数对应的第二疲劳度参数b1取值。
一些实施方式中,第二映射关系可以数据表的形式呈现,也可以其他方式呈现,具体本申请不作限定。例如下表5所示的第二映射关系的一种呈现方式:
表5
由表5可知,将脂肪层厚度划分为三级,每级脂肪层厚度下又包括五个级别的皮肤导电等级,根据上述表5可知,脂肪层厚度等级越大,皮肤导电等级也越大。当获取脂肪层厚度和皮肤导电系数后,首先判断属于哪个脂肪层厚度等级和皮肤导电等级,然后在表5所示的第二映射关系进行查询,即可得到对应的第二疲劳度参数b1的取值,在具体实施过程中还可以根据实际情况对脂肪层厚度等级和皮肤导电等级进行不同划分,本发明实施例不对此作限定。
另一些实施方式中,还可以采用第一预设计算模型,生成所述脂肪层厚度和所述皮肤导电系数对应的第二疲劳度参数b1取值。首先采集大量的用户数据模拟疲劳度衰减参数b1和所述脂肪层厚度L、所述皮肤导电系数V的关系,从而得到脂肪层厚度L对疲劳度衰减参数b1的权重系数B1以及皮肤导电系数V对疲劳度衰减参数b1的权重系数B2。然后根据所述大量用户数据得到疲劳度衰减参数b1的最大值bmax、b1的最小值bmin、脂肪层厚度L的最大值Lmax,L的Lmin以及皮肤导电系数V的最大值Vmax和最小值Vmin,并建立以下预设计算模型:
其中,Lw表示当前脂肪层厚度,Vw表示当前皮肤导电系数且B1和B2之和为1。通过以上预设计算模型就可以计算出当前脂肪层厚度和当前皮肤导电系数对应的第二疲劳度衰减参数b1。
可选的,在本发明的一些实施例中,所述第二疲劳度参数b1的取值还与目标肌肉的类型和所采用的运动类型有关,即运动量相同的情况下,肌肉类型不同,第二疲劳度参数b1的取值不同,比如快肌更加容易疲劳,疲劳度参数的取值会更大;在脂肪层厚度、皮肤导电系数以及锻炼的目标肌肉相同的情况下,所采用的运动类型不同,第二疲劳度参数取值不同。还可以需要根据目标肌肉再次对步骤三-步骤五中获取的第二疲劳度参数取值进行修正。具体来说,在步骤二之后,步骤六之前,方法还包括以下步骤a-步骤b:
a、获取目标肌肉名称和当前运动类型。
在一些实施方式中,可以获取所述用户输入的操作指令获取所述目标肌肉名称,或者对所述目标肌肉所处位置进行拍照和识别以获取所述目标肌肉名称。
b、根据第三映射关系确定所述目标肌肉名称和所述当前运动类型对应的第一疲劳度参数修正值,采用所述第一疲劳度参数修正值对步骤四中根据所述第二映射关系或者所述第一预设计算模型得到的第二疲劳度参数取值进行修正。
一些实施方式中,该第三映射关系为根据大量数据创建得到,其可以是数据表的形式,也可以是其他的形式呈现,具体本发明实施例不作限定。以如下表3所示的数据表为例,第三映射关系包括不同肌肉名称对应的第二疲劳度参数修正值Δb1。获取目标肌肉名称和当前运动类型后,可查询如表6 所示的第四映射关系,即可得到所述目标肌肉名称对应的修正值Δb1,采用所述修正值Δb1对所述步骤四中得到的b1取值进行修正,即最终的第二疲劳度参数=b1+Δb1,然后采用该值(b1+Δb1)即可计算得到目标肌肉的内源性疲劳度。
肌肉名称1 | 肌肉名称2 | 肌肉名称3 | 肌肉名称4 | 肌肉名称5 | 肌肉名称5 | |
运动类型1 | Δb<sub>1</sub> | Δb<sub>2</sub> | Δb<sub>3</sub> | Δb<sub>4</sub> | Δb<sub>5</sub> | Δb<sub>6</sub> |
运动类型2 | Δb<sub>7</sub> | Δb<sub>8</sub> | Δb<sub>9</sub> | Δb<sub>10</sub> | Δb<sub>11</sub> | Δb<sub>12</sub> |
运动类型3 | Δb<sub>13</sub> | Δb<sub>14</sub> | Δb<sub>15</sub> | Δb<sub>16</sub> | Δb<sub>17</sub> | Δb<sub>18</sub> |
运动类型4 | Δb<sub>19</sub> | Δb<sub>20</sub> | Δb<sub>21</sub> | Δb<sub>22</sub> | Δb<sub>23</sub> | Δb<sub>24</sub> |
表6
以上结合图1、图2、表1至表6,详细介绍了本发明实施例的检测肌肉综合性疲劳度的方法,上述检测肌肉综合性疲劳度的方法的各个实施例中所出现的任意技术特征均适用于后续实施例,类似之处不作赘述。下面结合图3-图6,介绍本发明实施例的检测肌肉疲劳度装置和检测设备。
如图3所示的一种检测肌肉疲劳度装置30的一种结构示意图。本申请实施例中的检测肌肉疲劳度装置30能够实现对应于上述图2所对应的实施例中由检测肌肉疲劳度装置或检测设备所执行的检测肌肉综合性疲劳度的方法的步骤。该检测肌肉疲劳度装置30实现的功能可以通过硬件实现,也可以通过硬件执行相应的软件实现。硬件或软件包括一个或多个与上述功能相对应的模块,所述模块可以是软件和/或硬件。所述检测肌肉疲劳度装置30可包括获取模块301、处理模块302和显示模块303,所述处理模块302 的功能实现可参考图1所对应的实施例中由检测肌肉疲劳度装置或检测设备计算目标肌肉的内源性疲劳度、生成对应的运动调整策略、计算运动量、第一疲劳度参数取值、第二疲劳度参数取值和第三疲劳度参数取值、确定第一疲劳度参数修正值、第二疲劳度参数修正值和第三疲劳度参数修正值、对所述运动量对应的疲劳度参数的取值进行修正、计算目标用户的靶心率区、计算目标肌肉在运动时间内的平均心率、确定所述平均心率所处的目标预设区间、以及计算所有电信号传递速度的均值等操作,此处不作赘述。所述获取模块301的功能实现可参考图2所对应的实施例中由检测肌肉疲劳度装置或检测设备获取目标肌肉的最大电信号传递速度、当前电信号传递速度、最大电活动幅度、当前电活动幅度、最大电发放频率和当前电发放频率、获取运动类型、获取所述运动时间内的多个当前心率、获取目标用户信息和目标肌肉信息等操作,处理模块302可用于控制所述获取模块的获取、收发、输入输出等操作,以及控制显示模块303的显示操作。
一些实施方式中,所述获取模块301可用于获取目标肌肉的外源性疲劳度、内源性疲劳度和运动强度;
所述处理模块302可用于根据所述运动强度确定所述外源性疲劳度的第一权重系数以及所述内源性疲劳度的第二权重系数,所述第一权重系数与所述第二权重系数之和为1;
所述处理模块302还可用于根据所述外源性疲劳度、所述内源性疲劳度、所述第一权重系数以及所述第二权重系数,计算所述目标肌肉的综合性疲劳度;根据所述综合性疲劳度确定对应的运动调整策略;
所述显示模块303可用于显示所述外源性疲劳度、所述内源性疲劳度、所述综合性疲劳度以及所述运动调整策略。
一种可能的设计中,所述处理模块302用于:
通过所述获取模块301获取所述目标肌肉的肌氧最大值和肌氧当前值;
采用第一预设公式计算所述目标肌肉的外源性疲劳度,所述第一预设公式为:
外源性疲劳度=(肌氧最大值-肌氧当前值)/肌氧最大值*第一疲劳度参数,其中,所述第一疲劳度参数用于表示用户感受到的疲劳度跟随目标肌肉的肌氧值衰减的程度。
一种可能的设计中,所述处理模块302用于:
通过所述获取模块301获取预设参数值;
采用第二预设公式计算所述目标肌肉的内源性疲劳度,所述第二预设公式为以下项之一:
内源性疲劳度=(最大电活动幅度-当前电活动幅度)/最大电活动幅度* 第二疲劳度参数+(当前电发放频率/最大电发放频率)*第三疲劳度参数;
或者,内源性疲劳度=(当前电信号传递速度/最大电信号传递速度)* 第四疲劳度参数;
或者,内源性疲劳度=(最大电活动幅度-当前电活动幅度)/最大电活动幅度*第五疲劳度参数+(当前电发放频率/最大电发放频率)*第六疲劳度参数+(当前电信号传递速度/最大电信号传递速度)*第七疲劳度参数;
其中,所述预设参数值包括目标肌肉的最大电信号传递速度、当前电信号传递速度、最大电活动幅度、当前电活动幅度、最大电发放频率和当前电发放频率中的至少一个;所述第二疲劳度参数和所述第五疲劳度参数为用户感受到的疲劳度跟随所述目标肌肉的电活动幅度衰减的程度,所述第三疲劳度参数和所述第六疲劳度参数为所述用户感受到的疲劳度跟随所述目标肌肉的电发放频率增加的程度,所述第四疲劳度参数和所述第七疲劳度参数的取值与所述目标肌肉的运动量正相关。
如图5为本发明实施例提供的一种检测设备的结构示意图,其可实现图 3或图4中所示的检测肌肉疲劳度装置的所有功能,所述实施例的检测设备 50包括以上图3或图5中所述的检测肌肉疲劳度装置,该检测设备50可以是可穿戴设备或者其他检测仪器等。
上面从模块化功能实体的角度分别介绍了本申请实施例中的检测肌肉疲劳度装置或检测设备,以下从硬件角度介绍一种检测肌肉疲劳度装置或检测设备,如图6所示,其包括:处理器、存储器、收发器(也可以是输入输出单元,图6中未标识出)以及存储在所述存储器中并可在所述处理器上运行的计算机程序。例如,该计算机程序可以为图1所对应的实施例中检测肌肉综合性疲劳度的方法对应的程序。例如,当检测肌肉疲劳度装置实现如图3所示的检测肌肉疲劳度装置30的功能时,所述处理器执行所述计算机程序时实现上述图3所对应的实施例中由检测肌肉疲劳度装置或检测设备执行的检测肌肉综合性疲劳度的方法中的各步骤;或者,所述处理器执行所述计算机程序时实现上述图3或图4所对应的实施例的检测肌肉疲劳度装置或检测设备中各模块的功能。又例如,该计算机程序可以为图2所对应的实施例中检测肌肉综合性疲劳度的方法对应的程序。当检测肌肉疲劳度装置或检测设备实现如图3或图4所示的检测肌肉疲劳度装置30的功能时,所述处理器执行所述计算机程序时实现上述图1或图2中所对应的实施例中由检测肌肉疲劳度装置执行的检测肌肉综合性疲劳度的方法中的各步骤;或者,所述处理器执行所述计算机程序时实现上述图5所对应的实施例的检测设备中各模块的功能。
示例性的,所述计算机程序可以被分割成一个或多个模块/单元,所述一个或者多个模块/单元被存储在所述存储器中,并由所述处理器执行,以完成本发明。所述一个或多个模块/单元可以是能够完成特定功能的一系列计算机程序指令段,该指令段用于描述所述计算机程序在所述计算机装置中的执行过程。
所述检测肌肉疲劳度装置或检测设备可包括,但不仅限于,处理器、存储器。本领域技术人员可以理解,所述示意仅仅是计算机装置的示例,并不构成对检测肌肉疲劳度装置或检测设备的限定,可以包括比图示更多或更少的部件,或者组合某些部件,或者不同的部件,例如所述服务器还可以包括输入输出设备、网络接入设备、总线等。
所称处理器可以是中央处理单元(Central Processing Unit,CPU),还可以是其他通用处理器、数字信号处理器(Digital Signal Processor,DSP)、专用集成电路(Application Specific Integrated Circuit,ASIC)、现成可编程门阵列 (Field-Programmable Gate Array,FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等,所述处理器是所述计算机装置的控制中心,利用各种接口和线路连接整个计算机装置的各个部分。该处理器可为本发明实施例中处理模块对应的实体设备。
所述存储器可用于存储所述计算机程序和/或模块,所述处理器通过运行或执行存储在所述存储器内的计算机程序和/或模块,以及调用存储在存储器内的数据,实现所述计算机装置的各种功能。所述存储器可主要包括存储程序区和存储数据区,其中,存储程序区可存储操作***、至少一个功能所需的应用程序(比如声音播放功能、图像播放功能等)等;存储数据区可存储根据手机的使用所创建的数据(比如音频数据、视频数据等)等。此外,存储器可以包括高速随机存取存储器,还可以包括非易失性存储器,例如硬盘、内存、插接式硬盘,智能存储卡(Smart Media Card,SMC),安全数字(Secure Digital,SD)卡,闪存卡(Flash Card)、至少一个磁盘存储器件、闪存器件、或其他易失性固态存储器件。
所述收发器也可以用接收器和发送器代替,可以为相同或者不同的物理实体。为相同的物理实体时,可以统称为收发器。所述存储器可以集成在所述处理器中,也可以与所述处理器分开设置。该收发器可以为输入输出单元,该收发器可为本发明实施例中获取模块对应的实体设备。
本发明实施例还提供一种计算机可读存储介质,其上存储有计算机程序,当图3或图4所对应的实施例中的检测肌肉疲劳度装置或图5所对应的实施例中的检测设备以软件功能单元的形式实现并作为独立的产品销售或使用时,可以存储在一个计算机可读取存储介质中。基于这样的理解,本发明实现上述图1所对应的实施例中由检测肌肉疲劳度装置或检测设备执行的检测肌肉综合性疲劳度的方法中的全部或部分流程,也可以通过计算机程序来指令相关的硬件来完成,所述的计算机程序可存储于一计算机可读存储介质中,该计算机程序在被处理器执行时,可实现上述各个方法实施例的步骤。其中,所述计算机程序包括计算机程序代码,所述计算机程序代码可以为源代码形式、对象代码形式、可执行文件或某些中间形式等。所述计算机可读介质可以包括:能够携带所述计算机程序代码的任何实体或装置、记录介质、 U盘、移动硬盘、磁碟、光盘、计算机存储器、只读存储器(ROM,Read-Only Memory)、随机存取存储器(RAM,Random Access Memory)、电载波信号、电信信号以及软件分发介质等。需要说明的是,所述计算机可读介质包含的内容可以根据司法管辖区内立法和专利实践的要求进行适当的增减,例如在某些司法管辖区,根据立法和专利实践,计算机可读介质不包括电载波信号和电信信号。
尽管已描述了本发明的各个实施例,但本领域内的技术人员一旦得知了基本创造性概念,则可对这些实施例作出另外的变更和修改。所以,所附权利要求意欲解释为包括各个实施例以及落入本发明范围的所有变更和修改。
显然,本领域的技术人员可以对本发明进行各种改动和变型而不脱离本发明的精神和范围。这样,倘若本发明的这些修改和变型属于本发明权利要求及其等同技术的范围之内,则本发明也意图包含这些改动和变型在内。
Claims (10)
1.一种检测肌肉综合性疲劳度的方法,其特征在于,所述方法包括:
获取目标肌肉的外源性疲劳度、内源性疲劳度和运动强度;
根据所述运动强度确定所述外源性疲劳度的第一权重系数以及所述内源性疲劳度的第二权重系数,所述第一权重系数与所述第二权重系数之和为1;
根据所述外源性疲劳度、所述内源性疲劳度、所述第一权重系数以及所述第二权重系数,计算所述目标肌肉的综合性疲劳度;
根据所述综合性疲劳度确定对应的运动调整策略;
显示所述外源性疲劳度、所述内源性疲劳度、所述综合性疲劳度以及所述运动调整策略。
2.根据权利要求1所述的方法,其特征在于,所述获取目标肌肉的外源性疲劳度、内源性疲劳度和运动强度,包括:
获取所述目标肌肉的肌氧最大值和肌氧当前值;
采用第一预设公式计算所述目标肌肉的外源性疲劳度,所述第一预设公式为:
外源性疲劳度=(肌氧最大值-肌氧当前值)/肌氧最大值*第一疲劳度参数,其中,所述第一疲劳度参数用于表示用户感受到的疲劳度跟随目标肌肉的肌氧值衰减的程度。
3.根据权利要求1或2所述的方法,其特征在于,所述获取目标肌肉的外源性疲劳度、内源性疲劳度和运动强度,包括:
获取预设参数值;
采用第二预设公式计算所述目标肌肉的内源性疲劳度,所述第二预设公式为以下项之一:
内源性疲劳度=(最大电活动幅度-当前电活动幅度)/最大电活动幅度*第二疲劳度参数+(当前电发放频率/最大电发放频率)*第三疲劳度参数;
或者,内源性疲劳度=(当前电信号传递速度/最大电信号传递速度)*第四疲劳度参数;
或者,内源性疲劳度=(最大电活动幅度-当前电活动幅度)/最大电活动幅度*第五疲劳度参数+(当前电发放频率/最大电发放频率)*第六疲劳度参数+(当前电信号传递速度/最大电信号传递速度)*第七疲劳度参数;
其中,所述预设参数值包括目标肌肉的最大电信号传递速度、当前电信号传递速度、最大电活动幅度、当前电活动幅度、最大电发放频率和当前电发放频率中的至少一个;所述第二疲劳度参数和所述第五疲劳度参数为用户感受到的疲劳度跟随所述目标肌肉的电活动幅度衰减的程度,所述第三疲劳度参数和所述第六疲劳度参数为所述用户感受到的疲劳度跟随所述目标肌肉的电发放频率增加的程度,所述第四疲劳度参数和所述第七疲劳度参数的取值与所述目标肌肉的运动量正相关。
4.根据权利要求3所述的方法,其特征在于,所述第二疲劳度参数、所述第四疲劳度参数、所述第五疲劳度参数和所述第七疲劳度参数的取值范围均为0.1-0.5,所述第三疲劳度参数和所述第六疲劳度参数的取值范围均为0.1-0.6。
5.根据权利要求3或4所述的方法,其特征在于,所述根据所述外源性疲劳度、所述内源性疲劳度、所述第一权重系数以及所述第二权重系数,计算所述目标肌肉的综合性疲劳度,包括:
采用第三预设公式计算目标用户的靶心率区,并将所述靶心率区划分为至少一个预设区间,每个所述预设区间对应一个运动强度值;
获取所述用户的当前心率,确定所述当前心率所处的目标预设区间;
获取所述目标预设区间对应的运动强度值;
根据运动强度值与权重系数的映射关系,确定与所述运动强度值对应的所述第一权重系数和所述第二权重系数,所述运动强度值与所述第一权重系数负相关,所述运动强度值与所述第二权重系数正相关。
6.一种检测肌肉疲劳度装置,其特征在于,所述检测肌肉疲劳度装置包括:
获取模块,用于获取目标肌肉的外源性疲劳度、内源性疲劳度和运动强度;
处理模块,用于根据所述运动强度确定所述外源性疲劳度的第一权重系数以及所述内源性疲劳度的第二权重系数,所述第一权重系数与所述第二权重系数之和为1;
所述处理模块还用于根据所述外源性疲劳度、所述内源性疲劳度、所述第一权重系数以及所述第二权重系数,计算所述目标肌肉的综合性疲劳度;根据所述综合性疲劳度确定对应的运动调整策略;
显示模块,用于显示所述外源性疲劳度、所述内源性疲劳度、所述综合性疲劳度以及所述运动调整策略。
7.根据权利要求6所述的检测肌肉疲劳度装置,其特征在于,所述处理模块用于:
通过所述获取模块获取所述目标肌肉的肌氧最大值和肌氧当前值;
采用第一预设公式计算所述目标肌肉的外源性疲劳度,所述第一预设公式为:
外源性疲劳度=(肌氧最大值-肌氧当前值)/肌氧最大值*第一疲劳度参数,其中,所述第一疲劳度参数用于表示用户感受到的疲劳度跟随目标肌肉的肌氧值衰减的程度。
8.根据权利要求6所述的检测肌肉疲劳度装置,其特征在于,所述处理模块用于:
通过所述获取模块获取预设参数值;
采用第二预设公式计算所述目标肌肉的内源性疲劳度,所述第二预设公式为以下项之一:
内源性疲劳度=(最大电活动幅度-当前电活动幅度)/最大电活动幅度*第二疲劳度参数+(当前电发放频率/最大电发放频率)*第三疲劳度参数;
或者,内源性疲劳度=(当前电信号传递速度/最大电信号传递速度)*第四疲劳度参数;
或者,内源性疲劳度=(最大电活动幅度-当前电活动幅度)/最大电活动幅度*第五疲劳度参数+(当前电发放频率/最大电发放频率)*第六疲劳度参数+(当前电信号传递速度/最大电信号传递速度)*第七疲劳度参数;
其中,所述预设参数值包括目标肌肉的最大电信号传递速度、当前电信号传递速度、最大电活动幅度、当前电活动幅度、最大电发放频率和当前电发放频率中的至少一个;所述第二疲劳度参数和所述第五疲劳度参数为用户感受到的疲劳度跟随所述目标肌肉的电活动幅度衰减的程度,所述第三疲劳度参数和所述第六疲劳度参数为所述用户感受到的疲劳度跟随所述目标肌肉的电发放频率增加的程度,所述第四疲劳度参数和所述第七疲劳度参数的取值与所述目标肌肉的运动量正相关。
9.一种检测设备,其特征在于,所述检测设备包括如权利要求7或8所述的检测肌肉疲劳度装置。
10.一种计算机存储介质,其特征在于,其包含指令,当其在计算机上运行时,使得所述计算机执行如权利要求1-6中任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810900249.6A CN109846480B (zh) | 2018-08-09 | 2018-08-09 | 一种检测肌肉综合性疲劳度的方法、装置及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810900249.6A CN109846480B (zh) | 2018-08-09 | 2018-08-09 | 一种检测肌肉综合性疲劳度的方法、装置及存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN109846480A true CN109846480A (zh) | 2019-06-07 |
CN109846480B CN109846480B (zh) | 2021-10-29 |
Family
ID=66889654
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810900249.6A Active CN109846480B (zh) | 2018-08-09 | 2018-08-09 | 一种检测肌肉综合性疲劳度的方法、装置及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109846480B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113576476A (zh) * | 2021-08-02 | 2021-11-02 | 汪勇波 | 基于监测肌肉氧饱和度和肌电信号的康复训练***及方法 |
Citations (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2001276005A (ja) * | 2000-04-04 | 2001-10-09 | Tohoku Techno Arch Co Ltd | 筋の活動度又は疲労度の評価装置 |
JP2002272694A (ja) * | 2001-03-16 | 2002-09-24 | Ueda Seni Kagaku Shinkokai | 四肢用サポータにおける最適圧力の決定に関する評価方法 |
US20120071732A1 (en) * | 2010-09-21 | 2012-03-22 | Somaxis Incorporated | Metrics and algorithms for interpretation of muscular use |
CN103493056A (zh) * | 2010-11-24 | 2014-01-01 | 耐克国际有限公司 | 疲劳指数及其使用 |
CN104107134A (zh) * | 2013-12-10 | 2014-10-22 | 中山大学 | 基于肌电反馈的上肢训练方法及*** |
CN104394762A (zh) * | 2012-04-27 | 2015-03-04 | 菲布鲁克斯有限公司 | 一种用于测量肌肉信号的方法和设备 |
CN105105708A (zh) * | 2015-07-08 | 2015-12-02 | 奥美之路(北京)健康科技股份有限公司 | 运动疲劳风险评估模型 |
CN105147251A (zh) * | 2015-08-19 | 2015-12-16 | 宁波工程学院 | 基于多通道sEMG的肌肉疲劳动态预测方法 |
WO2017077018A1 (en) * | 2015-11-05 | 2017-05-11 | Swedish Adrenaline Ab | Method and system for fatigue determination |
CN107669283A (zh) * | 2017-10-29 | 2018-02-09 | 吉林大学 | 基于多特征融合的眼镜式驾驶疲劳监测预警装置及方法 |
CN107773966A (zh) * | 2016-08-31 | 2018-03-09 | 郑州动量科技有限公司 | 一种运动综合监控***及其方法 |
CN108211307A (zh) * | 2017-05-25 | 2018-06-29 | 深圳市未来健身衣科技有限公司 | 一种运动训练预警方法及装置 |
-
2018
- 2018-08-09 CN CN201810900249.6A patent/CN109846480B/zh active Active
Patent Citations (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2001276005A (ja) * | 2000-04-04 | 2001-10-09 | Tohoku Techno Arch Co Ltd | 筋の活動度又は疲労度の評価装置 |
JP2002272694A (ja) * | 2001-03-16 | 2002-09-24 | Ueda Seni Kagaku Shinkokai | 四肢用サポータにおける最適圧力の決定に関する評価方法 |
US20120071732A1 (en) * | 2010-09-21 | 2012-03-22 | Somaxis Incorporated | Metrics and algorithms for interpretation of muscular use |
CN103493056A (zh) * | 2010-11-24 | 2014-01-01 | 耐克国际有限公司 | 疲劳指数及其使用 |
CN104394762A (zh) * | 2012-04-27 | 2015-03-04 | 菲布鲁克斯有限公司 | 一种用于测量肌肉信号的方法和设备 |
CN104107134A (zh) * | 2013-12-10 | 2014-10-22 | 中山大学 | 基于肌电反馈的上肢训练方法及*** |
CN105105708A (zh) * | 2015-07-08 | 2015-12-02 | 奥美之路(北京)健康科技股份有限公司 | 运动疲劳风险评估模型 |
CN105147251A (zh) * | 2015-08-19 | 2015-12-16 | 宁波工程学院 | 基于多通道sEMG的肌肉疲劳动态预测方法 |
WO2017077018A1 (en) * | 2015-11-05 | 2017-05-11 | Swedish Adrenaline Ab | Method and system for fatigue determination |
CN107773966A (zh) * | 2016-08-31 | 2018-03-09 | 郑州动量科技有限公司 | 一种运动综合监控***及其方法 |
CN108211307A (zh) * | 2017-05-25 | 2018-06-29 | 深圳市未来健身衣科技有限公司 | 一种运动训练预警方法及装置 |
CN107669283A (zh) * | 2017-10-29 | 2018-02-09 | 吉林大学 | 基于多特征融合的眼镜式驾驶疲劳监测预警装置及方法 |
Non-Patent Citations (2)
Title |
---|
高放: "采用近红外线光谱技术对青年人群疲劳程度评定的研究", 《中国优秀硕士学位论文全文数据库》 * |
黄耐寒: "基于表面肌电的肌疲劳分析与肌力预测研究及实现", 《中国优秀硕士论文全文数据库》 * |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113576476A (zh) * | 2021-08-02 | 2021-11-02 | 汪勇波 | 基于监测肌肉氧饱和度和肌电信号的康复训练***及方法 |
Also Published As
Publication number | Publication date |
---|---|
CN109846480B (zh) | 2021-10-29 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109077725A (zh) | 一种肌肉疲劳度检测装置 | |
EP1127543B1 (en) | non-invasive assessment of lactate concentration in body in connection with corporal exercise | |
US20190295729A1 (en) | Universal non-invasive blood glucose estimation method based on time series analysis | |
CN109091142A (zh) | 一种检测肌肉内源性疲劳度的方法、装置及存储介质 | |
EP1127542A2 (en) | Controlling of fitness exercise | |
CN102525412A (zh) | 用于促进情绪平衡、评估情绪状态和调节效果的方法和设备 | |
CN112130663B (zh) | 一种基于eeg-nirs的目标识别训练***及方法 | |
CN109497977A (zh) | 人体心率和血氧饱和度检测方法和装置 | |
CN109157825A (zh) | 一种检测肌肉外源性疲劳度的方法、装置及存储介质 | |
CN111797817A (zh) | 情绪识别方法、装置、计算机设备及计算机可读存储介质 | |
CN108742614A (zh) | 一种联合表面肌电肌音与近红外光谱的肌肉疲劳检测方法 | |
CN114041793A (zh) | 一种融合多模态疲劳监测与调控的rsvp目标识别***及方法 | |
CN109044276A (zh) | 一种检测肌肉内源性疲劳度的方法、装置及存储介质 | |
US20230172565A1 (en) | Systems, devices, and methods for developing a model for use when performing oximetry and/or pulse oximetry and systems, devices, and methods for using a fetal oximetry model to determine a fetal oximetry value | |
Pengcheng et al. | Functional support of the first part of competitive distance in cyclic sports with endurance ability: rowing materials | |
CN112515676A (zh) | 心理体检方法和主客观相结合的受检者伪装性测试方法 | |
He et al. | Spectral data quality assessment based on variability analysis: application to noninvasive hemoglobin measurement by dynamic spectrum | |
CN115177215A (zh) | 用于外周神经的神经血管耦合分析方法、装置及电子设备 | |
CN109846480A (zh) | 一种检测肌肉综合性疲劳度的方法、装置及存储介质 | |
CN104966423B (zh) | 一种基于生物反馈的远程学习者分类方法 | |
CN104997517B (zh) | 一种通过视频分析测量血糖的方法 | |
EP3629895B1 (en) | Method and apparatus for light-weight, non-invasive, point of care diabetes screening device | |
CN113327406B (zh) | 基于ppg分析技术预防考试发挥失常的监测*** | |
CN109259761A (zh) | 一种检测肌肉内源性疲劳度的方法、装置及存储介质 | |
Ozaki et al. | An advanced nonlinear signal model to analyze pulsation-derived photoplethysmogram signals |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |