CN109091142B - 一种检测肌肉内源性疲劳度的方法、装置及存储介质 - Google Patents

一种检测肌肉内源性疲劳度的方法、装置及存储介质 Download PDF

Info

Publication number
CN109091142B
CN109091142B CN201810900250.9A CN201810900250A CN109091142B CN 109091142 B CN109091142 B CN 109091142B CN 201810900250 A CN201810900250 A CN 201810900250A CN 109091142 B CN109091142 B CN 109091142B
Authority
CN
China
Prior art keywords
fatigue
muscle
target muscle
parameter
target
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.)
Active
Application number
CN201810900250.9A
Other languages
English (en)
Other versions
CN109091142A (zh
Inventor
吴钰祥
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Jianghan University
Original Assignee
Jianghan University
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Jianghan University filed Critical Jianghan University
Priority to CN201810900250.9A priority Critical patent/CN109091142B/zh
Publication of CN109091142A publication Critical patent/CN109091142A/zh
Application granted granted Critical
Publication of CN109091142B publication Critical patent/CN109091142B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/24—Detecting, measuring or recording bioelectric or biomagnetic signals of the body or parts thereof
    • A61B5/316—Modalities, i.e. specific diagnostic methods
    • A61B5/389—Electromyography [EMG]
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/45—For evaluating or diagnosing the musculoskeletal system or teeth
    • A61B5/4519—Muscles
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
    • G16H20/00—ICT specially adapted for therapies or health-improving plans, e.g. for handling prescriptions, for steering therapy or for monitoring patient compliance
    • G16H20/30—ICT specially adapted for therapies or health-improving plans, e.g. for handling prescriptions, for steering therapy or for monitoring patient compliance relating to physical therapies or activities, e.g. physiotherapy, acupressure or exercising
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
    • G16H50/00—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics
    • G16H50/30—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for calculating health indices; for individual health risk assessment

Landscapes

  • Health & Medical Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Medical Informatics (AREA)
  • Public Health (AREA)
  • Engineering & Computer Science (AREA)
  • General Health & Medical Sciences (AREA)
  • Biomedical Technology (AREA)
  • Pathology (AREA)
  • Biophysics (AREA)
  • Epidemiology (AREA)
  • Physics & Mathematics (AREA)
  • Molecular Biology (AREA)
  • Surgery (AREA)
  • Animal Behavior & Ethology (AREA)
  • Veterinary Medicine (AREA)
  • Heart & Thoracic Surgery (AREA)
  • Primary Health Care (AREA)
  • Data Mining & Analysis (AREA)
  • Databases & Information Systems (AREA)
  • Dentistry (AREA)
  • Oral & Maxillofacial Surgery (AREA)
  • Orthopedic Medicine & Surgery (AREA)
  • Rheumatology (AREA)
  • Physical Education & Sports Medicine (AREA)
  • 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内源性疲劳度的方法、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；根据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、当前电发放频率、第一疲劳度参数、第二疲劳度参数和第三疲劳度参数，计算目标肌肉的内源性疲劳度，根据内源性疲劳度生成对应的运动调整策略，显示内源性疲劳度和所述运动调整策略。通过采用本方案，能够量化肌肉的内源性疲劳度，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

一种检测肌肉内源性疲劳度的方法、装置及存储介质
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内源性疲劳度的方法、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。
发明内容
本发明提供了一种检测肌肉内源性疲劳度的方法、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内源性疲劳度的方法，所述方法包括：
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；
根据所述最大电信号传递速度、所述当前电信号传递速度、所述最大电活动幅度、所述当前电活动幅度、所述最大电发放频率、所述当前电发放频率、第一疲劳度参数、第二疲劳度参数和第三疲劳度参数，计算所述目标肌肉的内源性疲劳度；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所述目标肌肉的电活动幅度衰减的程度，所述第二疲劳度参数用于表示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，所述第三疲劳度参数的取值与所述目标肌肉的运动量正相关；
根据所述内源性疲劳度生成对应的运动调整策略；
显示所述内源性疲劳度和所述运动调整策略。
一种可能的设计中，所述根据所述最大电信号传递速度、所述当前电信号传递速度、所述最大电活动幅度、所述当前电活动幅度、所述最大电发放频率、所述当前电发放频率、第一疲劳度参数、第二疲劳度参数和第三疲劳度参数，计算所述目标肌肉的内源性疲劳度，包括：
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、以及目标肌肉的运动时间和平均运动强度；
根据所述目标肌肉的运动时间和平均运动强度计算所述目标肌肉在所述运动时间的运动量；
根据第一映射关系确定所述目标肌肉名称对应的第二疲劳度参数取值；
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一疲劳度参数取值；
根据第三映射关系或者第二预设计算模型，得到所述运动量对应的第三疲劳度参数取值；
采用第一预设公式计算目标肌肉的内源性疲劳度，所述第一预设公式为：
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*第一疲劳度参数+(当前电发放频率/最大电发放频率)*第二疲劳度参数+(当前电信号传递速度/最大电信号传递速度)*第三疲劳度参数。
一种可能的设计中，所述第一映射关系包括肌肉名称与第二疲劳度参数取值的映射关系，所述第二映射关系包括脂肪层厚度、所述皮肤导电系数与第一疲劳度参数取值之间的映射关系，所述第三映射关系包括运动量与第三疲劳度参数取值的映射关系。
一种可能的设计中，所述方法还包括：
获取当前运动类型，根据第四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一疲劳度参数取值进行修正；
根据第五映射关系确定成所述目标肌肉名称对应的第三疲劳度参数修正值，采用所述第三疲劳度参数修正值对根据所述第三映射关系或者所述第二预设计算模型得到的第三疲劳度参数取值进行修正。
一种可能的设计中，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：
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以第一预设频率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。
一种可能的设计中，所述获取目标肌肉名称、目标肌肉处的脂肪层厚度和皮肤导电系数、以及目标肌肉的运动时间和平均运动强度，包括：
以第三预设频率获取所述运动时间内的多个当前心率，并计算所述目标肌肉在所述运动时间内的平均心率；
采用第二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；
确定所述平均心率所处的目标预设区间，以及将所述目标预设区间对应的运动强度值作为所述平均运动强度。
一种可能的设计中，所述第一疲劳度参数的取值范围为0.1-0.5，所述第二疲劳度参数的取值范围为0.1-0.6，所述第三疲劳度参数的取值范围为0.1-0.5。
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内源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；
处理模块，用于根据所述最大电信号传递速度、所述当前电信号传递速度、所述最大电活动幅度、所述当前电活动幅度、所述最大电发放频率、所述当前电发放频率、第一疲劳度参数、第二疲劳度参数和第三疲劳度参数，计算所述目标肌肉的内源性疲劳度；根据所述内源性疲劳度生成对应的运动调整策略；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所述目标肌肉的电活动幅度衰减的程度，所述第二疲劳度参数用于表示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，所述第三疲劳度参数的取值与所述目标肌肉的运动量正相关；
显示模块，用于显示所述内源性疲劳度和所述运动调整策略。
一种可能的设计中，所述处理模块具体用于：
通过所述获取模块获取目标肌肉名称、目标肌肉处的脂肪层厚度和皮肤导电系数、以及目标肌肉的运动时间和平均运动强度；
根据所述目标肌肉的运动时间和平均运动强度计算所述目标肌肉在所述运动时间的运动量；
根据第一映射关系确定所述目标肌肉名称对应的第二疲劳度参数取值；
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一疲劳度参数取值；
根据第三映射关系或者第二预设计算模型，得到所述运动量对应的第三疲劳度参数取值；
采用第一预设公式计算目标肌肉的内源性疲劳度，所述第一预设公式为：
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*第一疲劳度参数+(当前电发放频率/最大电发放频率)*第二疲劳度参数+(当前电信号传递速度/最大电信号传递速度)*第三疲劳度参数。
一种可能的设计中，所述第一映射关系包括肌肉名称与第二疲劳度参数取值的映射关系，所述第二映射关系包括脂肪层厚度、所述皮肤导电系数与第一疲劳度参数取值之间的映射关系，所述第三映射关系包括运动量与第三疲劳度参数取值的映射关系。
一种可能的设计中，所述处理模块还用于：
通过所述获取模块获取当前运动类型，根据第四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一疲劳度参数取值进行修正；
根据第五映射关系确定成所述目标肌肉名称对应的第三疲劳度参数修正值，采用所述第三疲劳度参数修正值对根据所述第三映射关系或者所述第二预设计算模型得到的第三疲劳度参数取值进行修正。
一种可能的设计中，所述检测肌肉疲劳度装置还包括采集模块和扫描模块，所述处理模块还用于执行以下项操作之一：
通过所述获取模块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；通过所述采集模块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，通过所述扫描模块采用预设波长范围的光源以第一预设频率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；通过所述扫描模块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。
一种可能的设计中，所述获取模块具体用于：
以第三预设频率获取所述运动时间内的多个当前心率，并计算所述目标肌肉在所述运动时间内的平均心率；
采用第二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；
确定所述平均心率所处的目标预设区间，以及将所述目标预设区间对应的运动强度值作为所述平均运动强度。
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内源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，采用上述检测肌肉内源性疲劳度的方法，通过肌肉的电活动幅度、肌肉的电发放频率、肌肉的电信号传递速度等生物电活动对肌肉的内源性疲劳度进行准确量化，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内源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内源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，提出了诸如特定系统结构、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，省略对众所周知的系统、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内源性疲劳度的方法、装置及存储介质，本发明实施例中的检测肌肉内源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插入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，并转换为肌电信号传至检测设备上。检测设备收到肌电信号后，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，再基于得到的内源性疲劳度生成对应的运动调整策略。
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内源性疲劳度的方法，所述方法包括：
S201、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。
一些实施方式中，可以基于肌电图获取最大电信号传递速度。具体来说，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度。比如一个实施例中，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。当用户一直佩戴所述肌电仪，就可获取目标肌肉在预设时间范围，比如一天或者连续几天的最大电信号传递速度。
一些实施方式中，可预先建立最大电活动幅度查询表、最大电发放频率查询表和最大电信号传递速度查询表。所述最大电活动幅度查询表包括不同肌肉信息和不同用户信息对应的最大电活动幅度，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，所述最大电信号传递速度查询表包括不同肌肉信息和不同用户信息对应的最大电信号传递速度。其中，所述用户信息包括用户年龄、用户性别和用户健康指数。
本发明实施例中的最大电活动幅度查询表、最大电发放频率查询表和最大电信号传递速度查询表从多个维度考虑用户信息，所创建的最大电活动幅度查询表能够全面的体现同一用户的不同肌肉的最大电活动幅度，最大电发放频率查询表能够全面的体现同一用户的不同肌肉的最大电发放频率，最大电信号传递速度查询表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。故，基于最大电活动幅度查询表、最大电发放频率查询表和最大电信号传递速度查询表查询得到的最大电活动幅度、最大电发放频率和最大电信号传递速度也更加有针对性，从而提高了本发明疲劳度检测方法的准确性。
S202、根据所述最大电信号传递速度、所述当前电信号传递速度、所述最大电活动幅度、所述当前电活动幅度、所述最大电发放频率、所述当前电发放频率、第一疲劳度参数、第二疲劳度参数和第三疲劳度参数，计算所述目标肌肉的内源性疲劳度。
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所述目标肌肉的电活动幅度衰减的程度，所述第二疲劳度参数用于表示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，所述第三疲劳度参数的取值与所述目标肌肉的运动量正相关。
所述第一疲劳度参数的取值范围可为0.1-0.5，可以根据目标肌肉处的脂肪层厚度和皮肤导电系数衡量第一疲劳度参数的取值大小。所述第二疲劳度参数的取值范围可为0.1-0.6，可以根据目标肌肉的耐疲劳性衡量第二疲劳度参数的取值大小。所述第三疲劳度参数的取值范围可为0.1-0.5。上述第一、第二和第三疲劳度参数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一预设公式中，模拟得到的参数值范围，因此，一定程度上能够准确的衡量目标用户的内源性疲劳度。
S203、根据所述内源性疲劳度生成对应的运动调整策略。
S204、显示所述内源性疲劳度和所述运动调整策略。
与现有机制相比，本发明实施例中，采用上述检测肌肉内源性疲劳度的方法，通过肌肉的电活动幅度、肌肉的电发放频率、肌肉的电信号传递速度等生物电活动对肌肉的内源性疲劳度进行准确量化，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。
可选的，在本发明的一些实施例中，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。
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；
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。
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。
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-步骤六：
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、以及目标肌肉的运动时间和平均运动强度.。
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，第一疲劳度参数的取值越小；脂肪层越厚，第一疲劳度参数的取值越大。而不同类型、不同部位的肌肉耐疲劳性也不同，耐疲劳性越高，第二疲劳度参数的取值越小。同时所述疲劳度参数第三疲劳度参数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的取值越大。
一些实施方式中，获取所述目标肌肉的运动时间和平均运动强度时，可下述步骤(a)-步骤(c)实现：
(a)、以第一预设频率获取所述运动时间内的多个当前心率，并计算所述目标肌肉在所述运动时间内的平均心率。
一些实施方式中，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。
(b)、采用第二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。
一些实施方式中，所述第二预设公式可为：
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。
(c)、确定所述平均心率所处的目标预设区间，以及将所述目标预设区间对应的运动强度值作为所述平均运动强度。
可见，本发明实施例中，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，进而可以得到准确度更高的肌肉内源性疲劳度检测结果。
另一些实施方式中，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：
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。
二、根据所述目标肌肉的运动时间和平均运动强度计算所述目标肌肉在所述运动时间的运动量。
其中，所述运动量＝运动时间*平均运动强度。
三、根据第一映射关系确定所述目标肌肉名称对应的第二疲劳度参数取值。
其中，所述第一映射关系包括肌肉名称与第二疲劳度参数取值的映射关系。第二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，第二疲劳度参数取值会较大，人体的慢肌耐疲劳性较好，第二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，相对第二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二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二疲劳度参数取值。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。
四、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一疲劳度参数取值。
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1所示的第二映射关系的一种呈现方式：
Figure BDA0001759177410000151
表1
由表1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1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1所示的第二映射关系进行查询，即可得到对应的第一疲劳度参数取值，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，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一疲劳度参数b取值。首先采集大量的用户数据模拟第一疲劳度参数b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对第一疲劳度参数b的权重系数B1以及皮肤导电系数V对第一疲劳度参数b的权重系数B2。然后根据所述大量用户数据得到第一疲劳度参数b的最大值bmax、b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，并建立以下第一预设计算模型：
Figure BDA0001759177410000161
其中，Lw表示步骤(4)获取的当前脂肪层厚度，Vw表示步骤(4)获取的当前皮肤导电系数且B1和B2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导电系数对应的第一疲劳度参数b取值。
五、根据第三映射关系或者第二预设计算模型，得到所述运动量对应的第三疲劳度参数取值。
一些实施方式中，第三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2所示的第三映射关系的一种呈现方式：
Figure BDA0001759177410000162
表2
由表2可知，随着肌肉疲劳的加深，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，第三疲劳度参数取值越大。
另一些实施方式中，可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d和所述运动量的关系，从而创建第二预设计算模型。
六、采用第一预设公式计算目标肌肉的内源性疲劳度。.
一些实施方式中，所述第一预设公式为：
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*第一疲劳度参数+(当前电发放频率/最大电发放频率)*第二疲劳度参数+(当前电信号传递速度/最大电信号传递速度)*第三疲劳度参数。
相应的，在计算出所述内源性疲劳度后，根据所述内源性疲劳度所处的疲劳度等级生成并显示对应的运动调整方案。例如，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/或更换运动类型；
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类型；
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/或更换运动类型；
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。
需要说明的是，本实施例中的第一映射关系、第二映射关系和第三映射关系均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。这样，在实际检测肌肉疲劳度时，可以直接根据第一映射关系、第二映射关系和第三映射关系查询到对应的第一、第二和第三疲劳度参数取值，这样能够加快计算内源性疲劳度的检测效率、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。
可选的，在本发明的一些实施例中，所述第一、第三疲劳度参数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，第一、第三疲劳度参数的取值不同，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，第一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-步骤五中获取的第一、第三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c：
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、根据第四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一疲劳度参数取值进行修正。
一些实施方式中，该第四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，第四映射关系包括不同肌肉名称对应的第一疲劳度参数修正值Δb。获取目标肌肉名称和当前运动类型后，可查询如表3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Δb，采用所述修正值Δb对所述步骤S202得到的b取值进行修正，即最终的疲劳度参数＝b+Δb，然后采用该值(b+Δb)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3
c、根据第五映射关系确定成所述目标肌肉名称对应的第三疲劳度参数修正值，采用所述第三疲劳度参数修正值对根据所述第三映射关系或者所述第二预设计算模型得到的第三疲劳度参数取值进行修正。
其中，该第五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1所示的数据表为例，第五映射关系包括不同肌肉名称对应的疲劳度参数修正值Δd。举例来说，在一些实施例中，所述第三疲劳度参数取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，第三疲劳度参数取值不同，比如快肌更加容易疲劳，第三疲劳度参数取值会更大。因此，还需要根据目标肌肉再次对步骤(5)中获取的第三疲劳度参数取值进行修正。如表4所示的第五映射关系所示，在获取目标肌肉名称后，可基于该表4所示的第五映射关系查询到所述目标肌肉名称对应的修正值Δd，然后采用所述修正值Δd对所述步骤(5)得到的第三疲劳度参数取值d进行修正，修正后的第三疲劳度参数取值＝d+Δd，然后采用该值(即d+Δd)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
修正值 Δd<sub>31</sub> Δd<sub>32</sub> Δd<sub>33</sub> Δd<sub>34</sub> Δd<sub>35</sub> Δd<sub>36</sub>
表4
前述步骤b和步骤c不分先后。
以上结合图1、图2、表1和表2，详细介绍了本发明实施例的检测肌肉内源性疲劳度的方法，上述检测肌肉内源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内源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；
所述处理模块302可用于根据所述最大电信号传递速度、所述当前电信号传递速度、所述最大电活动幅度、所述当前电活动幅度、所述最大电发放频率、所述当前电发放频率、第一疲劳度参数、第二疲劳度参数和第三疲劳度参数，计算所述目标肌肉的内源性疲劳度；根据所述内源性疲劳度生成对应的运动调整策略；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所述目标肌肉的电活动幅度衰减的程度，所述第二疲劳度参数用于表示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，所述第三疲劳度参数的取值与所述目标肌肉的运动量正相关；
本发明实施例中，所述处理模块302通过肌肉的电活动幅度、肌肉的电发放频率、肌肉的电信号传递速度等生物电活动对肌肉的内源性疲劳度进行准确量化，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。
所述显示模块303可用于显示所述内源性疲劳度和所述运动调整策略。
一种可能的设计中，所述处理模块302具体用于：
通过所述获取模块301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、以及目标肌肉的运动时间和平均运动强度；
根据所述目标肌肉的运动时间和平均运动强度计算所述目标肌肉在所述运动时间的运动量；
根据第一映射关系确定所述目标肌肉名称对应的第二疲劳度参数取值；
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一疲劳度参数取值；
根据第三映射关系或者第二预设计算模型，得到所述运动量对应的第三疲劳度参数取值；
采用第一预设公式计算目标肌肉的内源性疲劳度，所述第一预设公式为：
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*第一疲劳度参数+(当前电发放频率/最大电发放频率)*第二疲劳度参数+(当前电信号传递速度/最大电信号传递速度)*第三疲劳度参数。
一种可能的设计中，所述第一映射关系包括肌肉名称与第二疲劳度参数取值的映射关系，所述第二映射关系包括脂肪层厚度、所述皮肤导电系数与第一疲劳度参数取值之间的映射关系，所述第三映射关系包括运动量与第三疲劳度参数取值的映射关系。
一种可能的设计中，所述处理模块302还用于：
通过所述获取模块301获取当前运动类型，根据第四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一疲劳度参数取值进行修正；
根据第五映射关系确定成所述目标肌肉名称对应的第三疲劳度参数修正值，采用所述第三疲劳度参数修正值对根据所述第三映射关系或者所述第二预设计算模型得到的第三疲劳度参数取值进行修正。
一种可能的设计中，所述检测肌肉疲劳度装置30还包括测量模块304、采集模块305和扫描模块306(图3和图4中均未标识出)，所述处理模块302还用于执行以下项操作之一：
通过所述获取模块301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；通过所述采集模块305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，通过所述扫描模块306采用预设波长范围的光源以第一预设频率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；通过所述扫描模块306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。
一种可能的设计中，所述获取模块301具体用于：
以第三预设频率获取所述运动时间内的多个当前心率，并计算所述目标肌肉在所述运动时间内的平均心率；
采用第二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；
确定所述平均心率所处的目标预设区间，以及将所述目标预设区间对应的运动强度值作为所述平均运动强度。
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内源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内源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内源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内源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系统、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内源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 (8)

1.一种检测肌肉内源性疲劳度的方法，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；
根据所述最大电信号传递速度、所述当前电信号传递速度、所述最大电活动幅度、所述当前电活动幅度、所述最大电发放频率、所述当前电发放频率、第一疲劳度参数、第二疲劳度参数和第三疲劳度参数，计算所述目标肌肉的内源性疲劳度；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所述目标肌肉的电活动幅度衰减的程度，所述第二疲劳度参数用于表示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，所述第三疲劳度参数的取值与所述目标肌肉的运动量正相关；
根据所述内源性疲劳度生成对应的运动调整策略；
显示所述内源性疲劳度和所述运动调整策略；
所述根据所述最大电信号传递速度、所述当前电信号传递速度、所述最大电活动幅度、所述当前电活动幅度、所述最大电发放频率、所述当前电发放频率、第一疲劳度参数、第二疲劳度参数和第三疲劳度参数，计算所述目标肌肉的内源性疲劳度，包括：
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、以及目标肌肉的运动时间和平均运动强度；
根据所述目标肌肉的运动时间和平均运动强度计算所述目标肌肉在所述运动时间的运动量；
根据第一映射关系确定所述目标肌肉名称对应的第二疲劳度参数取值；
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一疲劳度参数取值；
根据第三映射关系或者第二预设计算模型，得到所述运动量对应的第三疲劳度参数取值；
采用第一预设公式计算目标肌肉的内源性疲劳度，所述第一预设公式为：
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*第一疲劳度参数+(当前电发放频率/最大电发放频率)*第二疲劳度参数+(当前电信号传递速度/最大电信号传递速度)*第三疲劳度参数。
2.根据权利要求1所述的方法，其特征在于，所述第一映射关系包括肌肉名称与第二疲劳度参数取值的映射关系，所述第二映射关系包括脂肪层厚度、所述皮肤导电系数与第一疲劳度参数取值之间的映射关系，所述第三映射关系包括运动量与第三疲劳度参数取值的映射关系。
3.根据权利要求2所述的方法，其特征在于，所述方法还包括：
获取当前运动类型，根据第四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一疲劳度参数取值进行修正；
根据第五映射关系确定成所述目标肌肉名称对应的第三疲劳度参数修正值，采用所述第三疲劳度参数修正值对根据所述第三映射关系或者所述第二预设计算模型得到的第三疲劳度参数取值进行修正。
4.根据权利要求3所述的方法，其特征在于，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：
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以第一预设频率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。
5.根据权利要求1所述的方法，其特征在于，所述获取目标肌肉名称、目标肌肉处的脂肪层厚度和皮肤导电系数、以及目标肌肉的运动时间和平均运动强度，包括：
以第三预设频率获取所述运动时间内的多个当前心率，并计算所述目标肌肉在所述运动时间内的平均心率；
采用第二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；
确定所述平均心率所处的目标预设区间，以及将所述目标预设区间对应的运动强度值作为所述平均运动强度。
6.一种检测肌肉疲劳度装置，其特征在于，所述装置包括：
获取模块，用于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；
处理模块，用于根据所述最大电信号传递速度、所述当前电信号传递速度、所述最大电活动幅度、所述当前电活动幅度、所述最大电发放频率、所述当前电发放频率、第一疲劳度参数、第二疲劳度参数和第三疲劳度参数，计算所述目标肌肉的内源性疲劳度；根据所述内源性疲劳度生成对应的运动调整策略；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所述目标肌肉的电活动幅度衰减的程度，所述第二疲劳度参数用于表示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，所述第三疲劳度参数的取值与所述目标肌肉的运动量正相关；
显示模块，用于显示所述内源性疲劳度和所述运动调整策略；
所述处理模块具体用于：
通过所述获取模块获取目标肌肉名称、目标肌肉处的脂肪层厚度和皮肤导电系数、以及目标肌肉的运动时间和平均运动强度；
根据所述目标肌肉的运动时间和平均运动强度计算所述目标肌肉在所述运动时间的运动量；
根据第一映射关系确定所述目标肌肉名称对应的第二疲劳度参数取值；
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一疲劳度参数取值；
根据第三映射关系或者第二预设计算模型，得到所述运动量对应的第三疲劳度参数取值；
采用第一预设公式计算目标肌肉的内源性疲劳度，所述第一预设公式为：
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*第一疲劳度参数+(当前电发放频率/最大电发放频率)*第二疲劳度参数+(当前电信号传递速度/最大电信号传递速度)*第三疲劳度参数。
7.一种检测设备，其特征在于，所述检测设备包括如权利要求6所述的检测肌肉疲劳度装置。
8.一种计算机存储介质，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1-5中任一项所述的方法。
CN201810900250.9A 2018-08-09 2018-08-09 一种检测肌肉内源性疲劳度的方法、装置及存储介质 Active CN109091142B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201810900250.9A CN109091142B (zh) 2018-08-09 2018-08-09 一种检测肌肉内源性疲劳度的方法、装置及存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201810900250.9A CN109091142B (zh) 2018-08-09 2018-08-09 一种检测肌肉内源性疲劳度的方法、装置及存储介质

Publications (2)

Publication Number Publication Date
CN109091142A CN109091142A (zh) 2018-12-28
CN109091142B true CN109091142B (zh) 2020-12-15

Family

ID=64849169

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201810900250.9A Active CN109091142B (zh) 2018-08-09 2018-08-09 一种检测肌肉内源性疲劳度的方法、装置及存储介质

Country Status (1)

Country Link
CN (1) CN109091142B (zh)

Families Citing this family (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109599165A (zh) * 2019-01-30 2019-04-09 浙江强脑科技有限公司 康复运动训练方法、系统及可读存储介质
CN112807002A (zh) * 2019-11-18 2021-05-18 深圳市理邦精密仪器股份有限公司 肌肉训练仪的参数优化方法、系统、设备以及存储介质
CN112545853A (zh) * 2020-11-17 2021-03-26 未来穿戴技术有限公司 按摩脉冲输出方法及按摩设备、电子设备、存储介质
CN116269393B (zh) * 2023-05-22 2023-08-01 南京航空航天大学 融合肌电和主观感知的交互式健身疲劳监测方法及装置

Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20000072178A (ko) * 2000-08-11 2000-12-05 조상현 근전도 중간주파수 변화를 이용한 근피로 측정 방법 및시스템
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
EP1384435A1 (en) * 2002-07-24 2004-01-28 Tanita Corporation Muscle fatigue measuring equipment
CN101828919A (zh) * 2010-04-28 2010-09-15 上海诺诚电气有限公司 一种具有放大功能的表面肌电电极
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系统
CN104523270A (zh) * 2014-12-18 2015-04-22 深圳先进技术研究院 一种肌电信号分析方法及系统
CN106109174A (zh) * 2016-07-14 2016-11-16 燕山大学 一种基于肌电反馈式阻抗自适应的康复机器人控制方法
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

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2012034356A (ja) * 2010-07-02 2012-02-16 Panasonic Corp 画像符号化装置、画像符号化方法、プログラムおよび集積回路

Patent Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20000072178A (ko) * 2000-08-11 2000-12-05 조상현 근전도 중간주파수 변화를 이용한 근피로 측정 방법 및시스템
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
EP1384435A1 (en) * 2002-07-24 2004-01-28 Tanita Corporation Muscle fatigue measuring equipment
CN101828919A (zh) * 2010-04-28 2010-09-15 上海诺诚电气有限公司 一种具有放大功能的表面肌电电极
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系统
CN104523270A (zh) * 2014-12-18 2015-04-22 深圳先进技术研究院 一种肌电信号分析方法及系统
CN106109174A (zh) * 2016-07-14 2016-11-16 燕山大学 一种基于肌电反馈式阻抗自适应的康复机器人控制方法
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

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
基于表面肌电的肌疲劳分析与肌力预测研究及实现;黄耐寒;《中国硕士学位论文全文数据库，医药卫生科技辑》;20141215;第E066-145页 *

Also Published As

Publication number Publication date
CN109091142A (zh) 2018-12-28

Similar Documents

Publication Publication Date Title
CN109091142B (zh) 一种检测肌肉内源性疲劳度的方法、装置及存储介质
CN109077725B (zh) 一种肌肉疲劳度检测装置
AU658228B2 (en) Process and device for determining the health condition of a living being
CN109276241B (zh) 一种压力识别方法及设备
CN110870769B (zh) 一种肌肉疲劳等级的检测方法及设备
US20140207017A1 (en) Signal quality monitor for electromyographic sensors
US10966662B2 (en) Motion-dependent averaging for physiological metric estimating systems and methods
US11406304B2 (en) Systems and methods for physiological sign analysis
CN103258120A (zh) 一种基于脑电信号的中风康复程度指标计算方法
CN109157825B (zh) 一种检测肌肉外源性疲劳度的方法、装置及存储介质
Graham et al. The assessment of muscular effort, fatigue, and physiological adaptation using EMG and wavelet analysis
CN111671399A (zh) 噪声感知强度的测量方法、装置和电子设备
WO2015157253A1 (en) Stochastic oscillator analysis in neuro diagnostics
US20210212621A1 (en) Learning model-generating apparatus, method, and program for assessing favored chewing side as well as determination device, method, and program for determining favored chewing side
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
CN106901732B (zh) 突变状态下肌力与肌张力的测量方法和测量装置
CN109044276A (zh) 一种检测肌肉内源性疲劳度的方法、装置及存储介质
Richardson et al. Quantifying rheumatoid arthritis disease activity using a multimodal sensing knee brace
Kinugasa et al. Development of Consumer-Friendly surface electromyography system for muscle fatigue detection
Örücü et al. Design and Validation of Multichannel Wireless Wearable SEMG System for Real‐Time Training Performance Monitoring
CN109846480B (zh) 一种检测肌肉综合性疲劳度的方法、装置及存储介质
CN109259761B (zh) 一种检测肌肉内源性疲劳度的方法、装置及存储介质
FR3073388A1 (fr) Dispositif et procede de detection d’activite musculaire d’un ou plusieurs muscles profonds par mesures non invasives
CN113679369B (zh) 一种心率变异性的评估方法、智能穿戴设备及存储介质
CN110859619A (zh) 腹部肌电数据的获取装置、评估系统及方法

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