[go: up one dir, main page]

CN119230127A - 一种可视化推演系统 - Google Patents

一种可视化推演系统 Download PDF

Info

Publication number
CN119230127A
CN119230127A CN202411750743.0A CN202411750743A CN119230127A CN 119230127 A CN119230127 A CN 119230127A CN 202411750743 A CN202411750743 A CN 202411750743A CN 119230127 A CN119230127 A CN 119230127A
Authority
CN
China
Prior art keywords
training
value
historical
current
time
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.)
Withdrawn
Application number
CN202411750743.0A
Other languages
English (en)
Inventor
李秋敏
陈俊威
余强
聂茂盛
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.)
Malefeng Xiamen Intelligent Technology Co ltd
Original Assignee
Malefeng Xiamen Intelligent Technology Co ltd
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 Malefeng Xiamen Intelligent Technology Co ltd filed Critical Malefeng Xiamen Intelligent Technology Co ltd
Priority to CN202411750743.0A priority Critical patent/CN119230127A/zh
Publication of CN119230127A publication Critical patent/CN119230127A/zh
Withdrawn legal-status Critical Current

Links

Classifications

    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/02—Detecting, measuring or recording for evaluating the cardiovascular system, e.g. pulse, heart rate, blood pressure or blood flow
    • A61B5/024—Measuring pulse rate or heart rate
    • A61B5/02416—Measuring pulse rate or heart rate using photoplethysmograph signals, e.g. generated by infrared radiation
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/02—Detecting, measuring or recording for evaluating the cardiovascular system, e.g. pulse, heart rate, blood pressure or blood flow
    • A61B5/024—Measuring pulse rate or heart rate
    • A61B5/02438—Measuring pulse rate or heart rate with portable devices, e.g. worn by the patient
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/145—Measuring characteristics of blood in vivo, e.g. gas concentration or pH-value ; Measuring characteristics of body fluids or tissues, e.g. interstitial fluid or cerebral tissue
    • A61B5/14542—Measuring characteristics of blood in vivo, e.g. gas concentration or pH-value ; Measuring characteristics of body fluids or tissues, e.g. interstitial fluid or cerebral tissue for measuring blood gases
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/145—Measuring characteristics of blood in vivo, e.g. gas concentration or pH-value ; Measuring characteristics of body fluids or tissues, e.g. interstitial fluid or cerebral tissue
    • A61B5/1455—Measuring characteristics of blood in vivo, e.g. gas concentration or pH-value ; Measuring characteristics of body fluids or tissues, e.g. interstitial fluid or cerebral tissue using optical sensors, e.g. spectral photometrical oximeters
    • A61B5/14551—Measuring characteristics of blood in vivo, e.g. gas concentration or pH-value ; Measuring characteristics of body fluids or tissues, e.g. interstitial fluid or cerebral tissue using optical sensors, e.g. spectral photometrical oximeters for measuring blood gases
    • 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
    • A61B5/68—Arrangements of detecting, measuring or recording means, e.g. sensors, in relation to patient
    • A61B5/6801—Arrangements of detecting, measuring or recording means, e.g. sensors, in relation to patient specially adapted to be attached to or worn on the body surface
    • A61B5/6802—Sensor mounted on worn items
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/68—Arrangements of detecting, measuring or recording means, e.g. sensors, in relation to patient
    • A61B5/6801—Arrangements of detecting, measuring or recording means, e.g. sensors, in relation to patient specially adapted to be attached to or worn on the body surface
    • A61B5/6802—Sensor mounted on worn items
    • A61B5/681—Wristwatch-type devices
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/74—Details of notification to user or communication with user or patient; User input means
    • A61B5/746—Alarms related to a physiological condition, e.g. details of setting alarm thresholds or avoiding false alarms
    • G—PHYSICS
    • G06—COMPUTING OR CALCULATING; COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/90—Details of database functions independent of the retrieved data types
    • G06F16/904—Browsing; Visualisation therefor
    • G—PHYSICS
    • G06—COMPUTING OR CALCULATING; COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F3/00—Input arrangements for transferring data to be processed into a form capable of being handled by the computer; Output arrangements for transferring data from processing unit to output unit, e.g. interface arrangements
    • G06F3/01—Input arrangements or combined input and output arrangements for interaction between user and computer
    • G06F3/011—Arrangements for interaction with the human body, e.g. for user immersion in virtual reality
    • G—PHYSICS
    • G06—COMPUTING OR CALCULATING; COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F3/00—Input arrangements for transferring data to be processed into a form capable of being handled by the computer; Output arrangements for transferring data from processing unit to output unit, e.g. interface arrangements
    • G06F3/01—Input arrangements or combined input and output arrangements for interaction between user and computer
    • G06F3/011—Arrangements for interaction with the human body, e.g. for user immersion in virtual reality
    • G06F3/014—Hand-worn input/output arrangements, e.g. data gloves
    • G—PHYSICS
    • G06—COMPUTING OR CALCULATING; COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F3/00—Input arrangements for transferring data to be processed into a form capable of being handled by the computer; Output arrangements for transferring data from processing unit to output unit, e.g. interface arrangements
    • G06F3/01—Input arrangements or combined input and output arrangements for interaction between user and computer
    • G06F3/011—Arrangements for interaction with the human body, e.g. for user immersion in virtual reality
    • G06F3/015—Input arrangements based on nervous system activity detection, e.g. brain waves [EEG] detection, electromyograms [EMG] detection, electrodermal response detection
    • G—PHYSICS
    • G06—COMPUTING OR CALCULATING; COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F3/00—Input arrangements for transferring data to be processed into a form capable of being handled by the computer; Output arrangements for transferring data from processing unit to output unit, e.g. interface arrangements
    • G06F3/01—Input arrangements or combined input and output arrangements for interaction between user and computer
    • G06F3/016—Input arrangements with force or tactile feedback as computer generated output to the user
    • 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
    • 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
    • G16H50/70—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for mining of medical data, e.g. analysing previous cases of other patients
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B2503/00—Evaluating a particular growth phase or type of persons or animals
    • A61B2503/10—Athletes
    • G—PHYSICS
    • G06—COMPUTING OR CALCULATING; COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F2203/00—Indexing scheme relating to G06F3/00 - G06F3/048
    • G06F2203/01—Indexing scheme relating to G06F3/01
    • G06F2203/011—Emotion or mood input determined on the basis of sensed human body parameters such as pulse, heart rate or beat, temperature of skin, facial expressions, iris, voice pitch, brain activity patterns

Landscapes

  • Engineering & Computer Science (AREA)
  • Health & Medical Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Physics & Mathematics (AREA)
  • Public Health (AREA)
  • Medical Informatics (AREA)
  • General Health & Medical Sciences (AREA)
  • Biomedical Technology (AREA)
  • General Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Pathology (AREA)
  • Heart & Thoracic Surgery (AREA)
  • Animal Behavior & Ethology (AREA)
  • Veterinary Medicine (AREA)
  • Surgery (AREA)
  • Molecular Biology (AREA)
  • Biophysics (AREA)
  • General Physics & Mathematics (AREA)
  • Human Computer Interaction (AREA)
  • Cardiology (AREA)
  • Data Mining & Analysis (AREA)
  • Databases & Information Systems (AREA)
  • Physiology (AREA)
  • Epidemiology (AREA)
  • Optics & Photonics (AREA)
  • Primary Health Care (AREA)
  • Dermatology (AREA)
  • Neurology (AREA)
  • Neurosurgery (AREA)
  • Spectroscopy & Molecular Physics (AREA)
  • Measurement And Recording Of Electrical Phenomena And Electrical Characteristics Of The Living Body (AREA)

Abstract

本发明公开了一种可视化推演系统，本发明涉及体育训练推演技术领域，本发明通过实时采集运动员的生理和训练数据，并结合科学研究的极限值，系统化地分析运动负荷、疲劳状态和生理风险；系统利用数据采集、分析推演和警报触发等模块，将训练中的安全隐患及时反馈给运动员和教练，有效防范了训练过程中的过度负荷和潜在生理危害，为运动员的健康提供了全方位保护；此外，系统的数据库存储和可视化展示功能，通过长期数据积累和直观的数据呈现，帮助教练和运动员全面了解训练效果和身体变化趋势；整个系统实现了科学评估与智能反馈，使训练更具个性化和安全性，助力运动员在安全范围内持续优化表现。

Description

一种可视化推演系统
技术领域
本发明涉及体育训练推演技术领域，具体为一种可视化推演系统。
背景技术
在现代竞技体育和高水平训练中，随着运动强度和训练频率的提高，对运动员的生理状态、疲劳程度及训练负荷的实时监控已成为提升运动表现和防止运动损伤的关键因素。传统的训练监控方法多依赖教练的经验判断和简化的指标记录，如训练时间、强度和简单的心率监测，这些手段缺乏对复杂生理状态的全面量化分析，难以应对运动员在高强度训练下日益多样化和个性化的需求。此外，随着运动项目的差异化，运动员的体能消耗模式和生理指标也呈现出显著的个体差异，单一标准的训练负荷评价体系往往难以准确反映每位运动员的真实状态，这种局限性可能导致训练方案的效用不足，甚至引发过度训练和疲劳积累等不良后果。
近年来，可穿戴设备和传感技术的迅速发展，使得获取运动员实时生理参数成为可能，诸如心率、血氧饱和度和肌电信号等关键指标能够通过智能手表、胸带监测器和便携式传感器实时采集。这一数据采集的进步为量化运动员在训练过程中的身体状态提供了数据基础。然而，单纯的数据采集还不足以实现对运动员状态的精确管理和预警功能，缺乏综合分析和推演的数据系统，难以将这些数据转化为直接的训练指导和风险预防手段。
发明内容
针对现有技术的不足，本发明提供了一种可视化推演系统，解决了背景技术中的问题。
为实现以上目的，本发明通过以下技术方案予以实现：一种可视化推演系统，包括：
数据采集模块，用于通过可穿戴设备采集运动员训练的实时生理参数，同时获取运动员的当前训练数据，并将实时生理参数和当前训练数据发送至后续的数据库、数据分析推演模块和生理参数推演模块；
数据库，用于存储运动员的历史训练数据、历史生理参数以及科学数据生理参数的极限值；
训练数据推演模块，用于获取数据库中的历史训练数据，接收当前训练数据，对历史训练数据进行分析，得到历史训练数据的基准偏差值和基准值，接着确定综合训练负荷指标，并评估出运动员的疲劳状态指标，根据综合训练负荷指标及疲劳状态指标计算疲劳状态阈值，将疲劳状态阈值作为训练极限值；同时，获取当前训练数据以及基准偏差值和基准值，计算确定当前综合训练负荷指标，并评估出运动员的当前疲劳状态指标，将当前疲劳状态指标与训练极限值进行比较，确定运动员当前的训练是否超出训练极限，当判断为超出训练极限时，生成训练危险信号发送至后续的训练警报模块；
生理参数推演模块，用于获取数据库中历史生理参数和科学数据生理参数的极限值，接收当前生理参数，进行整体分析，确定运动员当前的生理状态是否在安全范围内，当判断为不在安全范围内，生成生理危险信号发送至后续的训练警报模块；
训练警报模块，用于接收训练危险信号或者生理危险信号，并当接收到训练危险信号或者生理危险信号时，发出警报声响，提示运动员停止训练。
优选的，所述数据采集模块中，所述实时生理参数包括：实时心率、实时血氧饱和度和实时肌电信号；
所述当前训练数据包括：实时训练时长，实时训练强度和实时训练节奏。
优选的，所述数据采集模块中，所述可穿戴设备包括智能手表、胸戴式心率监测器和便携式肌电传感器。
优选的，所述训练数据推演模块中，所述对历史训练数据进行分析，得到历史训练数据的基准偏差值和基准值，接着确定综合训练负荷指标，并评估出运动员的疲劳状态指标，根据综合训练负荷指标及疲劳状态指标计算疲劳状态阈值，将疲劳状态阈值作为训练极限值的具体内容为；
S1：获取前n组的历史训练数据，包括历史训练时长、历史训练强度和历史训练节奏，分别记作、和；
其中，为预设值，；
S2：计算个历史训练时长的平均值，接着根据公式：，计算对应个历史训练时长的偏差值；
S3：获取偏差值，将偏差值与预设值进行比较，确定最终得到基准偏差值，记作，同时，确定历史训练时长的基准值，记作；
若时，对个历史训练时长进行数值删除，最终得到基准偏差值和基准值；
若时，将最初计算的偏差值作为最终的基准偏差值，确定历史训练时长的基准值的具体方式为将个历史训练时长的平均值作为历史训练时长的基准值；
S4：计算个历史训练强度的平均值，接着根据公式：，计算对应个历史训练强度的偏差值；
获取偏差值，将偏差值与预设值进行比较，确定最终得到基准偏差值，记作，同时，确定历史训练强度的基准值，记作；
若时，对个历史训练强度进行数值删除，最终得到基准偏差值和基准值；
若时，将最初计算的偏差值作为最终的基准偏差值，确定历史训练强度的基准值的具体方式为将个历史训练强度的平均值作为历史训练强度的基准值；
S5：计算个历史训练节奏的平均值，接着根据公式：，计算对应个历史训练节奏的偏差值；
获取偏差值，将偏差值与预设值进行比较，确定最终得到基准偏差值，记作，同时，确定历史训练节奏的基准值，记作；
若时，对个历史训练节奏进行数值删除，最终得到基准偏差值和基准值；
若时，将最初计算的偏差值作为最终的基准偏差值，确定历史训练节奏的基准值的具体方式为将个历史训练节奏的平均值作为历史训练节奏的基准值；
S6：接着通过以下公式对历史训练时长、历史训练强度和历史训练节奏进行标准化处理：
式中，、和均为标准化处理结果；
S7：接着通过以下公式确定综合训练负荷指标：
式中，表示为综合训练负荷指标，、和表示为权重系数，且；
S8：获取每次训练对应的疲劳状态指标，记作，通过使用综合训练负荷指标和疲劳状态指标建立的关系模型确定疲劳状态指标，关系模型通过以下公式进行表示：
式中，和为回归参数，为控制参数；
S9：接着通过关系模型确定疲劳状态阈值：
式中，表示为计算的个综合训练负荷指标中最大的值；
S10：最后将疲劳状态阈值作为训练极限值。
优选的，所述对个历史训练时长进行数值删除，最终得到具体的偏差值和基准值的具体方式为；
S31：按照从大到小的顺序进行排序，依次获取对应的值，每获取一个，将其进行自动删除，删除后重新计算，并重新与进行比较，若依然时，按照次序选取下一个值，重新计算，直到，并将此偏差值作为最终的基准偏差值；
S32：确定历史训练时长的基准值的具体方式为，获取删除数值的个数，计算的剩余历史训练时长的个数g2，；计算个历史训练时长的平均值作为历史训练时长的基准值。
优选的，所述获取当前训练数据以及基准偏差值和基准值，计算确定当前综合训练负荷指标，并评估出运动员的当前疲劳状态指标，将当前疲劳状态指标与训练极限值进行比较，确定运动员当前的训练是否超出训练极限的具体方式为：
P1：获取当前训练数据的实时训练时长、实时训练强度和实时训练节奏，分别记作、和；
P2：接着通过以下公式对当前训练数据进行标准化处理：
式中，、和均为标准化处理结果；
P3：接着通过以下公式确定当前综合训练负荷指标：
式中，表示为当前综合训练负荷指标，、和表示为权重系数，且；
P4：获取当前训练对应的当前疲劳状态指标，记作，通过以下关系模型公式确定当前疲劳状态指标：
式中，和为回归参数，为控制参数；
P5：将当前疲劳状态指标与训练极限值进行比较：
若，表示运动员的当前训练数据在安全范围内；
若，表示运动员的当前训练数据存在危险，超出训练极限。
优选的，所述生理参数推演模块中，所述获取数据库中历史生理参数和科学数据生理参数的极限值，接收当前生理参数，进行整体分析，确定运动员当前的生理状态是否在安全范围内的具体内容为：
AS1：获取历史生理参数对应的历史心率、历史血氧饱和度和历史肌电信号的极限值，标记为：，其中，表示为历史生理参数对应的历史心率、历史血氧饱和历史度和肌电信号极限值集合，表示为历史最高安全心率，表示为历史最低安全血氧饱和度，表示为历史最大肌电信号；
获取科学数据生理参数的科学极限值，标记为：，其中，表示为科学数据生理参数的科学极限值集合，表示为科学研究中的最大心率安全值，表示为科学研究中最低血氧饱和度安全值，表示为科学研究中最大肌电信号安全值；
接受当前生理参数的实时心率、实时血氧饱和度和实时肌电信号的实际值，标记为：，表示为当前生理参数实时心率、实时血氧饱和度和实时肌电信号实际值集合，表示为当前心率，表示为当前血氧饱和度，表示为当前肌电信号；
AS2：接着通过以下公式确定动态参考极限值：
式中，为权重系数，且；
AS3：接着通过以下公式确定运动员当前生理参数与动态参考极限值之间的偏离值；
式中，为当前心率值；为当前血氧饱和度值；为当前肌电信号值；为参考心率极限值，为参考血氧饱和度极限值，为参考肌电信号极限值；为实时心率的偏离值；为实时血氧饱和度的偏离值；为实时肌电信号的偏离值；
AS4：通过以下公式确定当前总风险系数：
式中，为权重系数，满足；
AS5：将当前总风险系数与预设值进行比较；
若，表示运动员的当前生理参数在安全范围内；
若，表示运动员的当前生理参数存在危险。
优选的，还包括：可视化展示模块，用于实时展示从可穿戴设备获取的实时生理参数，同时对实时训练时长、实时训练强度和实时训练节奏训练强度数据进行历史趋势图展示；展示运动员生理参数相对动态参考极限值的偏离情况；使用图表标记当前值与参考极限的差异，实时显示总风险系数，并在风险超标时发出警示；通过图标或状态栏显示当前训练是否存在风险。
本发明提供了一种可视化推演系统。与现有技术相比具备以下有益效果：
通过实时采集运动员的生理和训练数据，并结合科学研究的极限值，系统化地分析运动负荷、疲劳状态和生理风险；系统利用数据采集、分析推演和警报触发等模块，将训练中的安全隐患及时反馈给运动员和教练，有效防范了训练过程中的过度负荷和潜在生理危害，为运动员的健康提供了全方位保护；
此外，系统的数据库存储和可视化展示功能，通过长期数据积累和直观的数据呈现，帮助教练和运动员全面了解训练效果和身体变化趋势；整个系统实现了科学评估与智能反馈，使训练更具个性化和安全性，助力运动员在安全范围内持续优化表现。
附图说明
下面结合附图对本发明作进一步的说明。
图1为本发明一种可视化推演系统的结构框架图。
具体实施方式
下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
实施例一
请参阅图1，本发明提供了一种可视化推演系统，包括数据采集模块、数据库、数据分析推演模块、生理参数推演模块、训练警报模块和可视化展示模块；
数据采集模块，用于通过可穿戴设备采集运动员训练的实时生理参数，同时获取运动员的当前训练数据，并将实时生理参数和当前训练数据发送至后续的数据库、数据分析推演模块和生理参数推演模块；
所述实时生理参数包括：实时心率、实时血氧饱和度和实时肌电信号；
所述可穿戴设备包括智能手表、胸带式心率监测器和便携式肌电传感器等；
具体的，现代智能手表和手环可以实时监测心率，通过光电容积脉搏波描记法（PPG）来捕捉心率，同时一些先进的手环和手表已经集成了血氧饱和度监测功能，通过红光和红外光探测血液中的氧气含量，实现连续监测，通过便携式肌电传感器佩戴在肌肉附近，通过电极接触皮肤直接获取肌电信号，这些设备通常体积小巧，可以直接贴在皮肤上，提供肌肉活动状态；
需要说明的是，现代可穿戴技术设计得越来越轻便和舒适，对大多数运动来说不会产生明显影响，具体影响主要取决于设备类型和运动项目，可穿戴设备通常佩戴在腕部、胸部、腿部或肌肉附近部位，因此在选择设备和监测方式时应尽量避免妨碍运动员的活动范围；
所述当前训练数据包括：实时训练时长，实时训练强度和实时训练节奏；
具体的，每次训练时，训练时长从开始训练的时刻开始，到停止训练后超过T1时间的休息时结束，记作一次训练，之后统计本次训练的具体训练时长（排除间接休息的时间），其中，T1时间可根据不同的运动类型通过专业的工作人员进行设定具体的时长；例如，若某一运动员从早上8点开始训练，到10点的时候，从10点休息到10:31时，若设定训练休息的时间为不超过30分钟，那么该运动员从10点休息到10:31，休息时间为31分钟，超过30分钟，则记作一次从早上8点训练到10点的训练，排除间接休息的时间，统计本次训练的具体训练时长，若运动员休息到10:21时，又继续训练，则继续记录训练时长，添加到本次训练的训练时长内；
需要说明的是，训练强度和训练节奏因运动类型而异，具体由专业人员根据运动特点和目标进行设定并进行量化；例如：耐力教练为长跑运动员设置不同心率区间来控制强度和节奏；力量与体能教练为举重运动员依据1RM设计负荷和动作频率；游泳教练则通过划水速度设定强度，控制训练节奏；篮球教练则根据跳跃次数等指标调整攻防节奏；
数据库，用于存储运动员的历史训练数据、历史生理参数以及科学数据生理参数的极限值；
所述科学数据生理参数的极限值为权威机构中的人体科学研究数据，包括心率、血氧饱和度和肌电信号的科学极限值；
训练数据推演模块，用于获取数据库中的历史训练数据，接收当前训练数据，对历史训练数据进行分析，得到历史训练数据的基准偏差值和基准值，接着确定综合训练负荷指标，并评估出运动员的疲劳状态指标，根据综合训练负荷指标及疲劳状态指标计算疲劳状态阈值，最后将疲劳状态阈值作为训练极限值；同时，获取当前训练数据以及基准偏差值和基准值，计算确定当前综合训练负荷指标，并评估出运动员的当前疲劳状态指标，将当前疲劳状态指标与训练极限值进行比较，确定运动员当前的训练是否超出训练极限，当判断为超出训练极限时，生成训练危险信号发送至后续的训练警报模块；
所述对历史训练数据进行分析，得到训练数据的基准偏差值和基准值，接着确定综合训练负荷指标，并评估出运动员的疲劳状态指标，最后将疲劳状态阈值作为训练极限值的具体内容为：
S1：获取前n组的历史训练数据，包括历史训练时长、历史训练强度和历史训练节奏，分别记作、和；
其中，为预设值，具体由专业的工作人员进行设定，在本实施例中取60，；
S2：计算个历史训练时长的平均值，接着根据公式：，计算对应个历史训练时长的偏差值；
S3：获取偏差值，将偏差值与预设值进行比较，确定最终得到基准偏差值，记作，同时，确定历史训练时长的基准值，记作，其中预设值具体由专业的工作人员进行设定；
若时，对个历史训练时长进行数值删除，最终得到基准偏差值；
若时，将最初计算的偏差值作为最终的基准偏差值，确定历史训练时长的基准值的具体方式为将个历史训练时长的平均值作为历史训练时长的基准值；
所述对个历史训练时长进行数值删除，最终得到具体的偏差值的具体方式为；
S31：按照从大到小的顺序进行排序，依次获取对应的值，每获取一个，将其进行自动删除，删除后重新计算，并重新与进行比较，若依然时，按照次序选取下一个值，重新计算，直到，并将此偏差值作为最终的基准偏差值；
S32：确定历史训练时长的基准值的具体方式为，获取删除数值的个数，计算的剩余历史训练时长的个数g2，；计算个历史训练时长的平均值作为历史训练时长的基准值；
S4：计算个历史训练强度的平均值，接着根据公式：，计算对应个历史训练强度的偏差值；
获取偏差值，将偏差值与预设值进行比较，确定最终得到基准偏差值，记作，同时，确定历史训练强度的基准值，记作；
若时，对个历史训练强度进行数值删除，最终得到基准偏差值和基准值；
若时，将最初计算的偏差值作为最终的基准偏差值，确定历史训练强度的基准值的具体方式为将个历史训练强度的平均值作为历史训练强度的基准值；
所述对个历史训练强度进行数值删除，最终得到具体的偏差值的具体方式为；
S41：按照从大到小的顺序进行排序，依次获取对应的值，每获取一个，将其进行自动删除，删除后重新计算，并重新与进行比较，若依然时，按照次序选取下一个值，重新计算，直到，并将此偏差值作为最终的基准偏差值；
S42：确定历史训练强度的基准值的具体方式为，获取删除数值的个数，计算的剩余历史训练强度的个数g2，；计算个历史训练强度的平均值作为历史训练强度的基准值；
S5：计算个历史训练节奏的平均值，接着根据公式：，计算对应个历史训练节奏的偏差值；
获取偏差值，将偏差值与预设值进行比较，确定最终得到基准偏差值，记作，同时，确定历史训练节奏的基准值，记作；
若时，对个历史训练节奏进行数值删除，最终得到基准偏差值和基准值；
若时，将最初计算的偏差值作为最终的基准偏差值，确定历史训练节奏的基准值的具体方式为将个历史训练节奏的平均值作为历史训练节奏的基准值；
所述对个历史训练节奏进行数值删除，最终得到具体的偏差值的具体方式为；
S51：按照从大到小的顺序进行排序，依次获取对应的值，每获取一个，将其进行自动删除，删除后重新计算，并重新与进行比较，若依然时，按照次序选取下一个值，重新计算，直到，并将此偏差值作为最终的基准偏差值；
S52：确定历史训练节奏的基准值的具体方式为，获取删除数值的个数，计算的剩余历史训练节奏的个数g2，；计算个历史训练节奏的平均值作为历史训练节奏的基准值；
S6：接着通过以下公式对历史训练时长、历史训练强度和历史训练节奏进行标准化处理：
式中，、和均为标准化处理结果；
S7：接着通过以下公式确定综合训练负荷指标：
式中，表示为综合训练负荷指标，、和表示为权重系数，反映每个参数对总体负荷的影响程度，且；
S8：获取每次训练对应的疲劳状态指标，记作，通过使用综合训练负荷指标和疲劳状态指标建立的关系模型确定疲劳状态指标，关系模型通过以下公式进行表示：
式中，和为回归参数，用于控制负荷对疲劳的影响程度，是控制指数增长速度的参数，用来模拟高负荷对疲劳的加速影响；
S9：接着通过关系模型确定疲劳状态阈值：
式中，表示为计算的个综合训练负荷指标中最大的值；
S10：最后将疲劳状态阈值作为训练极限值；
所述获取当前训练数据以及基准偏差值和基准值，计算确定当前综合训练负荷指标，并评估出运动员的当前疲劳状态指标，将当前疲劳状态指标与训练极限值进行比较，确定运动员当前的训练是否超出训练极限的具体方式为：
P1：获取当前训练数据的实时训练时长、实时训练强度和实时训练节奏，分别记作、和；
P2：接着通过以下公式对当前训练数据进行标准化处理：
式中，、和均为标准化处理结果；
P3：接着通过以下公式确定当前综合训练负荷指标：
式中，表示为当前综合训练负荷指标，、和表示为权重系数，且；
P4：获取当前训练对应的当前疲劳状态指标，记作，通过以下关系模型公式确定当前疲劳状态指标：
式中，和为回归参数，是控制指数增长速度的参数；
P5：将当前疲劳状态指标与训练极限值进行比较：
若，表示运动员的当前训练数据在安全范围内；
若，表示运动员的当前训练数据存在危险，超出训练极限，需调整训练计划，采取干预措施；
通过从数据库中获取历史数据，通过计算训练数据的基准偏差和基准值，确定运动负荷指标和疲劳状态阈值，确保运动员训练保持在合理负荷范围内；当运动员的当前训练数据超出阈值时，会产生危险信号，从而避免因过度训练导致的运动风险；通过这一模块，系统能够帮助教练和运动员准确地了解训练强度和疲劳情况，优化训练计划，确保运动员的训练负荷处于安全的科学范围内；
生理参数推演模块，用于获取数据库中历史生理参数和科学数据生理参数的极限值，接收当前生理参数，进行整体分析，确定运动员当前的生理状态是否在安全范围内，当判断为不在安全范围内，生成生理危险信号发送至后续的训练警报模块；
所述获取数据库中历史生理参数和科学数据生理参数的极限值，接收当前生理参数，进行整体分析，确定运动员当前的生理状态是否在安全范围内的具体内容为：
AS1：获取历史生理参数对应的历史心率、历史血氧饱和度和历史肌电信号的极限值，标记为：，其中，表示为历史生理参数对应的历史心率、历史血氧饱和历史度和肌电信号极限值集合，表示为历史最高安全心率，表示为历史最低安全血氧饱和度，表示为历史最大肌电信号；
获取科学数据生理参数的科学极限值，标记为：，其中，表示为科学数据生理参数的科学极限值集合，表示为科学研究中的最大心率安全值，表示为科学研究中最低血氧饱和度安全值，表示为科学研究中最大肌电信号安全值；
接受当前生理参数的实时心率、实时血氧饱和度和实时肌电信号的实际值，标记为：，表示为当前生理参数实时心率、实时血氧饱和度和实时肌电信号实际值集合，表示为当前心率，表示为当前血氧饱和度，表示为当前肌电信号；
AS2：接着通过以下公式确定动态参考极限值：
式中，；如果运动员生理参数更受个体化因素影响，可以提高；如果运动员适应通用生理参数标准，则增大；的具体参数值由工作人员进行设定；
AS3：接着通过以下公式确定运动员当前生理参数与动态参考极限值之间的偏离值；
式中，为当前心率值；为当前血氧饱和度值；为当前肌电信号值；为参考心率极限值，为参考血氧饱和度极限值，为参考肌电信号极限值；为实时心率的偏离值，如果值大于0，说明心率超出了参考极限，可能存在危险；为实时血氧饱和度的偏离值，如果值大于0，说明血氧低于参考极限，可能存在低血氧风险；为实时肌电信号的偏离值，如果值大于0，说明肌电活动超出参考极限，可能存在肌肉过度疲劳风险；
AS4：通过以下公式确定当前总风险系数：
式中，为权重系数，满足；
AS5：将当前总风险系数与预设值进行比较；
若，表示运动员的当前生理参数在安全范围内；
若，表示运动员的当前生理参数存在危险，需要采取干预措施（如降低训练强度或增加休息时间）；
通过对历史生理参数和科学极限值的对比，结合当前生理参数的动态变化，评估运动员当前生理状态的安全性；使用动态参考极限值，这种方法更贴合个体需求，有效减少了因个体差异带来的评估误差；此模块不仅提供了科学合理的健康风险评估，还能够根据训练进展动态调整评估标准，实现了更精确的健康风险管理；
训练警报模块，用于接收训练危险信号或者生理危险信号，并当接收到训练危险信号或者生理危险信号时，发出警报声响，提示运动员停止训练；
实施例二
本实施例在具体实施过程中，在实施例一的基础上，且与实施例一的区别在于，本实施例还包括可视化展示模块；
可视化展示模块，用于实时展示从可穿戴设备获取的实时生理参数，包括心率、血氧饱和度和肌电信号等，使用实时曲线图或动态仪表盘让用户直观了解运动员当前的身体状态；对实时训练时长、实时训练强度和实时训练节奏等数据进行历史趋势图展示，便于教练和运动员对比分析不同时间段的训练数据，追踪训练进展和变化趋势，以便发现训练强度和疲劳积累的变化；展示运动员生理参数相对动态参考极限值的偏离情况，例如心率、血氧和肌电信号的偏离值；使用图表标记当前值与参考极限的差异，实时显示总风险系数，并在风险超标时发出警示；通过图标或状态栏显示当前训练是否存在风险，当训练危险信号或生理危险信号触发时，模块立即在界面中发出醒目提示，提醒教练或运动员注意调整训练强度或进行休息；
实施例三
本实施例在具体实施过程中，包含上述两个实施例的全部实施过程。
上述公式中的部分数据均是取其纲量进行数值计算，同时本说明书中未作详细描述的内容均属于本领域技术人员公知的现有技术。
以上实施例仅用以说明本发明的技术方法而非限制，尽管参照较佳实施例对本发明进行了详细说明，本领域的普通技术人员应当理解，可以对本发明的技术方法进行修改或等同替换，而不脱离本发明技术方法的精神和范围。

Claims (8)

1.一种可视化推演系统，其特征在于，包括：
数据采集模块，用于通过可穿戴设备采集运动员训练的实时生理参数，同时获取运动员的当前训练数据，并将实时生理参数和当前训练数据发送至后续的数据库、数据分析推演模块和生理参数推演模块；
数据库，用于存储运动员的历史训练数据、历史生理参数以及科学数据生理参数的极限值；
训练数据推演模块，用于获取数据库中的历史训练数据，接收当前训练数据，对历史训练数据进行分析，得到历史训练数据的基准偏差值和基准值，接着确定综合训练负荷指标，并评估出运动员的疲劳状态指标，根据综合训练负荷指标及疲劳状态指标计算疲劳状态阈值，将疲劳状态阈值作为训练极限值；同时，获取当前训练数据以及基准偏差值和基准值，计算确定当前综合训练负荷指标，并评估出运动员的当前疲劳状态指标，将当前疲劳状态指标与训练极限值进行比较，确定运动员当前的训练是否超出训练极限，当判断为超出训练极限时，生成训练危险信号发送至后续的训练警报模块；
生理参数推演模块，用于获取数据库中历史生理参数和科学数据生理参数的极限值，接收当前生理参数，进行整体分析，确定运动员当前的生理状态是否在安全范围内，当判断为不在安全范围内，生成生理危险信号发送至后续的训练警报模块；
训练警报模块，用于接收训练危险信号或者生理危险信号，并当接收到训练危险信号或者生理危险信号时，发出警报声响，提示运动员停止训练。
2.根据权利要求1所述的一种可视化推演系统，其特征在于，所述数据采集模块中，所述实时生理参数包括：实时心率、实时血氧饱和度和实时肌电信号；
所述当前训练数据包括：实时训练时长，实时训练强度和实时训练节奏。
3.根据权利要求1所述的一种可视化推演系统，其特征在于，所述数据采集模块中，所述可穿戴设备包括智能手表、胸戴式心率监测器和便携式肌电传感器。
4.根据权利要求2所述的一种可视化推演系统，其特征在于，所述训练数据推演模块中，所述对历史训练数据进行分析，得到历史训练数据的基准偏差值和基准值，接着确定综合训练负荷指标，并评估出运动员的疲劳状态指标，根据综合训练负荷指标及疲劳状态指标计算疲劳状态阈值，将疲劳状态阈值作为训练极限值的具体内容为；
S1：获取前n组的历史训练数据，包括历史训练时长、历史训练强度和历史训练节奏，分别记作、和；
其中，为预设值，；
S2：计算个历史训练时长的平均值，接着根据公式：，计算对应个历史训练时长的偏差值；
S3：获取偏差值，将偏差值与预设值进行比较，确定最终得到基准偏差值，记作，同时，确定历史训练时长的基准值，记作；
若时，对个历史训练时长进行数值删除，最终得到基准偏差值和基准值；
若时，将最初计算的偏差值作为最终的基准偏差值，确定历史训练时长的基准值的具体方式为将个历史训练时长的平均值作为历史训练时长的基准值；
S4：计算个历史训练强度的平均值，接着根据公式：，计算对应个历史训练强度的偏差值；
获取偏差值，将偏差值与预设值进行比较，确定最终得到基准偏差值，记作，同时，确定历史训练强度的基准值，记作；
若时，对个历史训练强度进行数值删除，最终得到基准偏差值和基准值；
若时，将最初计算的偏差值作为最终的基准偏差值，确定历史训练强度的基准值的具体方式为将个历史训练强度的平均值作为历史训练强度的基准值；
S5：计算个历史训练节奏的平均值，接着根据公式：，计算对应个历史训练节奏的偏差值；
获取偏差值，将偏差值与预设值进行比较，确定最终得到基准偏差值，记作，同时，确定历史训练节奏的基准值，记作；
若时，对个历史训练节奏进行数值删除，最终得到基准偏差值和基准值；
若时，将最初计算的偏差值作为最终的基准偏差值，确定历史训练节奏的基准值的具体方式为将个历史训练节奏的平均值作为历史训练节奏的基准值；
S6：接着通过以下公式对历史训练时长、历史训练强度和历史训练节奏进行标准化处理：
；
式中，、和均为标准化处理结果；
S7：接着通过以下公式确定综合训练负荷指标：
；
式中，表示为综合训练负荷指标，、和表示为权重系数，且；
S8：获取每次训练对应的疲劳状态指标，记作，通过使用综合训练负荷指标和疲劳状态指标建立的关系模型确定疲劳状态指标，关系模型通过以下公式进行表示：
；
式中，和为回归参数，为控制参数；
S9：接着通过关系模型确定疲劳状态阈值：
；
式中，表示为计算的个综合训练负荷指标中最大的值；
S10：最后将疲劳状态阈值作为训练极限值。
5.根据权利要求4所述的一种可视化推演系统，其特征在于，所述对个历史训练时长进行数值删除，最终得到具体的偏差值和基准值的具体方式为；
S31：按照从大到小的顺序进行排序，依次获取对应的值，每获取一个，将其进行自动删除，删除后重新计算，并重新与进行比较，若依然时，按照次序选取下一个值，重新计算，直到，并将此偏差值作为最终的基准偏差值；
S32：确定历史训练时长的基准值的具体方式为，获取删除数值的个数，计算的剩余历史训练时长的个数g2，；计算个历史训练时长的平均值作为历史训练时长的基准值。
6.根据权利要求4所述的一种可视化推演系统，其特征在于，所述获取当前训练数据以及基准偏差值和基准值，计算确定当前综合训练负荷指标，并评估出运动员的当前疲劳状态指标，将当前疲劳状态指标与训练极限值进行比较，确定运动员当前的训练是否超出训练极限的具体方式为：
P1：获取当前训练数据的实时训练时长、实时训练强度和实时训练节奏，分别记作、和；
P2：接着通过以下公式对当前训练数据进行标准化处理：
；
式中，、和均为标准化处理结果；
P3：接着通过以下公式确定当前综合训练负荷指标：
；
式中，表示为当前综合训练负荷指标，、和表示为权重系数，且；
P4：获取当前训练对应的当前疲劳状态指标，记作，通过以下关系模型公式确定当前疲劳状态指标：
；
式中，和为回归参数，为控制参数；
P5：将当前疲劳状态指标与训练极限值进行比较：
若，表示运动员的当前训练数据在安全范围内；
若，表示运动员的当前训练数据存在危险，超出训练极限。
7.根据权利要求6所述的一种可视化推演系统，其特征在于，所述生理参数推演模块中，所述获取数据库中历史生理参数和科学数据生理参数的极限值，接收当前生理参数，进行整体分析，确定运动员当前的生理状态是否在安全范围内的具体内容为：
AS1：获取历史生理参数对应的历史心率、历史血氧饱和度和历史肌电信号的极限值，标记为：，其中，表示为历史生理参数对应的历史心率、历史血氧饱和历史度和肌电信号极限值集合，表示为历史最高安全心率，表示为历史最低安全血氧饱和度，表示为历史最大肌电信号；
获取科学数据生理参数的科学极限值，标记为：，其中，表示为科学数据生理参数的科学极限值集合，表示为科学研究中的最大心率安全值，表示为科学研究中最低血氧饱和度安全值，表示为科学研究中最大肌电信号安全值；
接受当前生理参数的实时心率、实时血氧饱和度和实时肌电信号的实际值，标记为：，表示为当前生理参数实时心率、实时血氧饱和度和实时肌电信号实际值集合，表示为当前心率，表示为当前血氧饱和度，表示为当前肌电信号；
AS2：接着通过以下公式确定动态参考极限值：
；
式中，为权重系数，且；
AS3：接着通过以下公式确定运动员当前生理参数与动态参考极限值之间的偏离值；
；
式中，为当前心率值；为当前血氧饱和度值；为当前肌电信号值；为参考心率极限值，为参考血氧饱和度极限值，为参考肌电信号极限值；为实时心率的偏离值；为实时血氧饱和度的偏离值；为实时肌电信号的偏离值；
AS4：通过以下公式确定当前总风险系数：
；
式中，为权重系数，满足；
AS5：将当前总风险系数与预设值进行比较；
若，表示运动员的当前生理参数在安全范围内；
若，表示运动员的当前生理参数存在危险。
8.根据权利要求7所述的一种可视化推演系统，其特征在于，还包括：可视化展示模块，用于实时展示从可穿戴设备获取的实时生理参数，同时对实时训练时长、实时训练强度和实时训练节奏训练强度数据进行历史趋势图展示；展示运动员生理参数相对动态参考极限值的偏离情况；使用图表标记当前值与参考极限的差异，实时显示总风险系数，并在风险超标时发出警示；通过图标或状态栏显示当前训练是否存在风险。
CN202411750743.0A 2024-12-02 2024-12-02 一种可视化推演系统 Withdrawn CN119230127A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202411750743.0A CN119230127A (zh) 2024-12-02 2024-12-02 一种可视化推演系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202411750743.0A CN119230127A (zh) 2024-12-02 2024-12-02 一种可视化推演系统

Publications (1)

Publication Number Publication Date
CN119230127A true CN119230127A (zh) 2024-12-31

Family

ID=94040738

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202411750743.0A Withdrawn CN119230127A (zh) 2024-12-02 2024-12-02 一种可视化推演系统

Country Status (1)

Country Link
CN (1) CN119230127A (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN120179881A (zh) * 2025-05-21 2025-06-20 湖南安智网络科技有限公司 基于大数据的用户心理健康评估方法及存储介质

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104814722A (zh) * 2012-12-06 2015-08-05 海信集团有限公司 智能健康调整系统及方法
CN106709235A (zh) * 2016-11-21 2017-05-24 风跑体育发展（深圳）有限公司 一种运动训练数据处理方法及装置
CN113842129A (zh) * 2021-09-30 2021-12-28 川北医学院 一种用于监测人体状态异常的方法
CN115067643A (zh) * 2022-06-22 2022-09-20 深圳市魔样科技有限公司 一种可疲劳提醒的智能手环及其方法
CN115105101A (zh) * 2022-05-19 2022-09-27 香港理工大学深圳研究院 个性化肌肉疲劳等级检测方法、装置、终端及存储介质

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104814722A (zh) * 2012-12-06 2015-08-05 海信集团有限公司 智能健康调整系统及方法
CN106709235A (zh) * 2016-11-21 2017-05-24 风跑体育发展（深圳）有限公司 一种运动训练数据处理方法及装置
CN113842129A (zh) * 2021-09-30 2021-12-28 川北医学院 一种用于监测人体状态异常的方法
CN115105101A (zh) * 2022-05-19 2022-09-27 香港理工大学深圳研究院 个性化肌肉疲劳等级检测方法、装置、终端及存储介质
CN115067643A (zh) * 2022-06-22 2022-09-20 深圳市魔样科技有限公司 一种可疲劳提醒的智能手环及其方法

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN120179881A (zh) * 2025-05-21 2025-06-20 湖南安智网络科技有限公司 基于大数据的用户心理健康评估方法及存储介质

Similar Documents

Publication Publication Date Title
US9855007B2 (en) Method and system for determining a ventilatory threshold
CN108970085B (zh) 运动体能分析方法、设备及存储介质
TWI603717B (zh) 體力監測方法和裝置
DE60123693T2 (de) Ermittlung des Stressniveaus bei Fitnessübung
US20100292598A1 (en) Device for Monitoring Physical Fitness
CN111883227A (zh) 执行运动处方的管理方法及其系统
TWI842458B (zh) 用於確定運動參數的方法及非暫時性電腦可讀存儲介質
US11276488B2 (en) System and method for functional state and / or performance assessment and training program adjustment
WO2019071805A1 (zh) 一种运动计划智能调整方法、装置及系统
CN106730766A (zh) 一种基于心率数据的成人运动负荷的评价方法
CN119230127A (zh) 一种可视化推演系统
CN116705238A (zh) 基于体医结合的运动处方健康数据管理平台
EP2818105A1 (en) Apparatus and method for the mobile determination of a physiological stress threshold value
TWI753553B (zh) 用於團隊活動之穿戴式生理感測系統
Zhang Application of Smart Wearing Real-time Heart Rate Monitoring in Sports Training
Gąsior et al. Heart rate dynamics and asymmetry during sympathetic activity stimulation and post-stimulation recovery in ski mountaineers—A pilot exploratory study
Tocco et al. Heart rate unreliability during interval training recovery in middle distance runners
Tisna et al. AT-Mo: Wireless data collection system for physiology monitoring of athlete
CN120746249B (zh) 一种篮球训练智能调度系统
Arpitha et al. Machine Learning Based Prediction OfThe Best Suitable Playing Positions of The Players In The Game of Basketball
WO2025120392A1 (en) Wearable sports gadget for measuring lactate and muscle tension threshold in athletes
Yiiong et al. Investigation of relation between sport’s motion and heart rate variability (HRV) based on biometric parameters
TWI886041B (zh) 具量化運動效果之個人健身導引裝置
Ainsworth How to assess the energy costs of exercise and sport
EP4332987A1 (en) Computerized method and system for determining an exercise-related index for an exercising human user

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
WW01 Invention patent application withdrawn after publication
WW01 Invention patent application withdrawn after publication

Application publication date: 20241231