RESUMEN
ABSTRACT Introduction This paper research an improved biological image tracking algorithm of athlete's cervical spine health under color feedback. Objective A new algorithm is proposed to improve the accuracy of detection and tracking. Methods In this study, the first thing is to apply the color feedback algorithm to improve and optimize the Improved Camshift algorithm. The optimized algorithm was used to track the center of the image, and the video was processed frame by frame. The center position of the tracking frame was obtained. Results The average number of head twists per person is 39 times. Among the three groups, children twisted the least, and older adults twisted the most. Conclusion The algorithm proposed in this study has certain effectiveness and superiority and can be well applied to detecting the number of head twists during exercise. Level of evidence II; Therapeutic studies - investigation of treatment results.
RESUMO Introdução Este artigo investiga um algoritmo aprimorado para rastrear imagens biológicas da saúde da coluna cervical do atleta sob feedback de cores. Objetivo Um novo algoritmo é proposto para melhorar a precisão de detecção e monitoramento. Métodos neste estudo, primeiro aplicamos o algoritmo de feedback de cores para otimizar o algoritmo Camshift aprimorado. O algoritmo otimizado foi usado para rastrear o centro da imagem e o vídeo foi processado quadro a quadro. A posição central do quadro de rastreamento foi obtida. Resultados o número médio de voltas da cabeça por pessoa é 39 vezes. Entre os três grupos, as crianças viraram menos e os adultos mais velhos viraram mais. Conclusão O algoritmo proposto neste estudo tem alguma eficácia e superioridade e pode ser bem aplicado para detectar o número de giros da cabeça durante o exercício. Nível de evidência II; Estudos terapêuticos: investigação dos resultados do tratamento.
RESUMEN Introducción Este artículo investiga un algoritmo mejorado de seguimiento de imágenes biológicas de la salud de la columna cervical del atleta bajo retroalimentación de color. Objetivo Se propone un nuevo algoritmo para mejorar la precisión de la detección y el seguimiento. Métodos En este estudio, lo primero es aplicar el algoritmo de retroalimentación de color para optimizar el algoritmo Camshift mejorado. El algoritmo optimizado se utilizó para rastrear el centro de la imagen y el video se procesó cuadro por cuadro. Se obtuvo la posición central del marco de seguimiento. Resultados El número medio de giros de cabeza por persona es 39 veces. Entre los tres grupos, los niños eran los que menos giraban y los adultos mayores eran los que más. Conclusión El algoritmo propuesto en este estudio tiene cierta efectividad y superioridad y se puede aplicar bien para detectar el número de giros de cabeza durante el ejercicio. Nivel de evidencia II; Estudios terapéuticos: investigación de los resultados del tratamiento.
Asunto(s)
Humanos , Masculino , Femenino , Columna Vertebral/diagnóstico por imagen , Algoritmos , Atletas , Modelos BiológicosRESUMEN
ABSTRACT Introduction: Sports recognition technology gradually mature. Among them, wearable sensors have attracted wide attention because of their accurate recognition. Objective: The following squats are used as an example to determine whether CNN and EMG signals determine whether functional motion is standard. Methods: Based on the FMS of EMG, 80 students of the same grade are randomly selected from the Physical Education School of XX University for the experiment and the results are verified. Results: The results show that the GBC can classify the EMG signal of the three functional movements more accurately, and the classification accuracy rate of squat, stride, and straight lunge squat is 91%, 89%, and 90%, respectively. The decision tree has a good ability to judge whether the functional movement is standard or not, and the accuracy of judgment can reach more than 98%. In conclusion, EMG-based FMS can effectively detect early sports injuries and plays a good role in reducing sports injuries. Conclusions: The classification effect of the squat is the most obvious, reaching 91%, and its recognition ability is the strongest. Level of evidence II; Therapeutic studies - investigation of treatment results.
RESUMO Introdução: A tecnologia de reconhecimento esportivo amadurece gradualmente, entre as quais, os sensores atraíram grande atenção devido ao seu reconhecimento preciso. Objetivo: Os seguintes agachamentos são usados como exemplo para ver se os sinais CNN e EMG determinam se o movimento funcional é padrão. Métodos: Com base no EMG FMS, 80 alunos da mesma série da XX Escola Universitária de Educação Física são selecionados aleatoriamente para o experimento e os resultados são verificados. Resultados: Os resultados mostram que o GBC pode classificar o sinal EMG dos três movimentos funcionais com maior precisão, e a taxa de precisão da classificação do agachamento, estocada e agachamento estocada reta é de 91%, 89% e 90%, respectivamente. A árvore de decisão tem uma boa capacidade de julgar se o movimento funcional é padrão ou não, e a precisão de julgamento pode chegar a mais de 98%. Em conclusão, a EMG baseada em EMG pode detectar efetivamente lesões esportivas precoces e desempenha um bom papel na redução de lesões esportivas. Conclusões: O efeito de classificação do agachamento é o mais evidente, chega a 91%, e sua capacidade de reconhecimento é a mais forte. Nível de evidência II; Estudos terapêuticos- investigação dos resultados do tratamento.
RESUMEN Introducción: La tecnología de reconocimiento deportivo va madurando gradualmente, entre los cuales, los sensores han atraído gran atención por su preciso reconocimiento. Objetivo: Las siguientes sentadillas se utilizan como ejemplo para saber si las señales CNN y EMG determinan si el movimiento funcional es estándar. Métodos: Con base en el FMS de EMG, se seleccionan al azar 80 estudiantes del mismo grado de la Escuela de Educación Física de la Universidad XX para el experimento y se verifican los resultados. Resultados: Los resultados muestran que el GBC puede clasificar la señal EMG de los tres movimientos funcionales con mayor precisión, y la tasa de precisión de clasificación de sentadilla, zancada y sentadilla con estocada recta es 91%, 89% y 90%, respectivamente. El árbol de decisiones tiene una buena capacidad para juzgar si el movimiento funcional es estándar o no, y la precisión del juicio puede alcanzar más del 98%. En conclusión, la EMG basada en EMG puede detectar de forma eficaz las lesiones deportivas tempranas y desempeña un buen papel en la reducción de las lesiones deportivas. Conclusiones: El efecto de clasificación de la sentadilla es el más evidente, alcanza el 91%, y su capacidad de reconocimiento es la más fuerte. Nivel de evidencia II; Estudios terapéuticos- investigación de los resultados del tratamiento.
Asunto(s)
Heridas y Lesiones/prevención & control , Ejercicio Físico , Materiales Inteligentes , Movimiento , Algoritmos , ElectromiografíaRESUMEN
ABSTRACT Objective: To study the relationship between aerobic activity and cardiac autonomic nerve activity by artificial neural network algorithm and biological image fusion; because of the artificial neural network model (ANN) problems, biological image processing technology is introduced based on ANN. Methods: An Ann under biological image intelligence algorithm is proposed, a classifier suitable for electrocardiograph (ECG) screening is designed, and an ECG signal screening system is successfully established. Moreover, the data set of normal recovered ECG signals of the subjects during the experimental period is constructed, and a classifier is used to extract the characteristic data of a normal ECG signal during the experimental period. Results: The changes in resting heart rate and other physical health indicators are analyzed by combining resting physiological indicators, namely heart rate, body weight, body mass index and body fat rate. The results show that the self-designed classifier can efficiently process the ECG images, and long-term regular activities can improve the physical conditions of most people. Most subjects' body weight and body fat rate decrease with the extension of experiment time, and the resting heart rate decreases relatively. Conclusions: Certain indicators can be used to predict a person's dynamic physical health, which indicates that the experimental research of index prediction in this research has a good effect, which not only extends the application of artificial neural network but also lays a foundation for the research and implementation of ECG intelligent testing wearable devices. Level of evidence II; Therapeutic studies - investigation of treatment results.
RESUMO Objetivo: Com o objetivo de estudar a relação entre atividade aeróbia e atividade nervosa autonômica cardíaca por algoritmo de rede neural artificial e fusão biológica de imagens, tendo em vista os problemas existentes no modelo de rede neural artificial (RNA), é introduzida a tecnologia de processamento biológico de imagens com base em ANN. Métodos: um algoritmo de inteligência biológica de imagem Ann é proposto, um classificador adequado para triagem eletrocardiográfica (ECG) é projetado e um sistema de triagem de sinal de ECG é estabelecido com sucesso. Além disso, o conjunto de dados de sinais de ECG normais recuperados dos sujeitos durante o período experimental é construído e um classificador é usado para extrair os dados característicos de um sinal de ECG normal durante o período experimental. Resultados: As alterações na frequência cardíaca em repouso e outros indicadores de saúde física são analisadas pela combinação de indicadores fisiológicos de repouso, a saber, frequência cardíaca, peso corporal, índice de massa corporal e índice de gordura corporal. Os resultados mostram que o classificador autodesenhado pode processar com eficiência as imagens de ECG, e as atividades regulares de longo prazo podem melhorar as condições físicas da maioria das pessoas. O peso corporal e a taxa de gordura corporal da maioria dos indivíduos diminuem com a extensão do tempo do experimento, e a freqüência cardíaca em repouso diminui relativamente. Conclusões: Certos indicadores podem ser usados para prever a saúde física dinâmica de uma pessoa, o que indica que a pesquisa experimental de predição de índice nesta pesquisa tem um bom efeito, que não apenas estende a aplicação da rede neural artificial, mas também estabelece uma base para a pesquisa e implementação de dispositivos vestíveis de teste inteligente de ECG. Nível de evidência II; Estudos terapêuticos- investigação dos resultados do tratamento.
RESUMEN Objetivo: Para estudiar la relación entre la actividad aeróbica y la actividad del nervio autónomo cardíaco mediante el algoritmo de red neuronal artificial y la fusión de imágenes biológicas, ante los problemas existentes en el modelo de red neuronal artificial (ANN), se introduce la tecnología de procesamiento de imágenes biológicas basada en ANA. Métodos: Se propone un algoritmo de inteligencia de imagen biológica de Ann, se diseña un clasificador adecuado para el cribado electrocardiógrafo (ECG) y se establece con éxito un sistema de cribado de señales de ECG. Además, se construye el conjunto de datos de las señales de ECG recuperadas normales de los sujetos durante el período experimental, y se utiliza un clasificador para extraer los datos característicos de una señal de ECG normal durante el período experimental. Resultados: Los cambios en la frecuencia cardíaca en reposo y otros indicadores de salud física se analizan combinando indicadores fisiológicos en reposo, a saber, frecuencia cardíaca, peso corporal, índice de masa corporal y tasa de grasa corporal. Los resultados muestran que el clasificador de diseño propio puede procesar de manera eficiente las imágenes de ECG, y las actividades regulares a largo plazo pueden mejorar las condiciones físicas de la mayoría de las personas. El peso corporal y la tasa de grasa corporal de la mayoría de los sujetos disminuyen con la extensión del tiempo del experimento, y la frecuencia cardíaca en reposo disminuye relativamente. Conclusiones: Ciertos indicadores pueden usarse para predecir la salud física dinámica de una persona, lo que indica que la investigación experimental de predicción de índices en esta investigación tiene un buen efecto, lo que no solo extiende la aplicación de la red neuronal artificial sino que también sienta las bases para la investigación. e implementación de dispositivos portátiles de prueba inteligente de ECG. Nivel de evidencia II; Estudios terapéuticos- investigación de los resultados del tratamiento.