The Effect of Sprint and Endurance Training on Electromyogram Signal Analysis by Wavelets
Notice bibliographique
Résumé
The purpose of this study was to relate the spectral changes of surface electromyograms (EMGs) to training regimes. The EMGs of M. vastus medialis and M. vastus lateralis of 8 female sprint-trained and 7 female endurance-trained athletes (ST and ET athletes) were examined while performing isokinetic knee extension on a dynamometer under 4 different loading conditions (angular velocity and load). The EMG signals were wavelet transformed, and the corresponding spectra were classified using a spherical classification, support vector machines (SVMs) and mean frequencies (MFs). Consistent differences in the EMG spectra between the 2 groups were expected because of the difference in the muscle features resulting from the various training regimes. On average, the ST athletes showed a downshift in the EMG spectra compared with the ET athletes. The spectra of the ST and ET athletes were classifiable by spherical classification and SVM but not by the MF. Thus, the different shapes of the EMG spectra contained the information for the classification. The hypothesis that specific muscle differences caused by various training regimes are consistent and lead to systematic changes in surface EMG spectra was confirmed. With the availability of new apparels, ones with integrated EMG electrodes, a measurement of the EMG will be available to coaches more frequently in the near future. The classification of wavelet transformed EMGs will allow monitoring training-related spectral changes.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».