Rev. bras. med. esporte; 27 (4), 2021
Publication year: 2021
ABSTRACT Objective:
This paper discusses the monitoring method of exercise fatigue and analyzes the influencing factors of exercise fatigue. Methods:
Based on the feature extraction method of the fatigue image signal, a series of changes caused by exercise fatigue are analyzed by the biofeedback technique. SVM algorithm and neural network model are used to identify the fatigue state of motion. Characteristics of electroencephalogram (EEG) and electromyography (EMG) during fatigue. Results:
When sports fatigue occurred, the composite index of bio-feedback technology shows a decrease in HRV index and increases in HRV time-domain indicators, frequency-domain indicators, and SAa values. Conclusions:
It has a high degree of systematization. The proposed method is non-invasive and has practical application value. Level of evidence II; Therapeutic studies - investigation of treatment results.
RESUMO Objetivo:
este artigo discute o método de monitoramento da fadiga do exercício e analisa os fatores que influenciam a fadiga do exercício. Métodos:
Com base no método de extração de características do sinal da imagem da fadiga, uma série de alterações causadas pela fadiga do exercício são analisadas pela técnica de biofeedback. O algoritmo SVM e o modelo de rede neural são usados para identificar o estado de fadiga do movimento. Características do eletroencefalograma (EEG) e eletromiografia (EMG) durante a fadiga. Resultados:
Quando a fadiga esportiva ocorreu, o índice composto da tecnologia de bio-feedback mostra uma diminuição no índice de VFC e aumentos nos indicadores de VFC no domínio do tempo, indicadores no domínio da frequência e valores SAa. Conclusões:
Possui alto grau de sistematização. O método proposto é não invasivo e tem valor de aplicação prática. Nível de evidência II; Estudos terapêuticos- investigação dos resultados do tratamento.
RESUMEN Objetivo:
Este artículo analiza el método de seguimiento de la fatiga por ejercicio y analiza los factores que influyen en la fatiga por ejercicio. Métodos:
Basado en el método de extracción de características de la señal de la imagen de fatiga, se analizan una serie de cambios causados por la fatiga del ejercicio mediante la técnica de biorretroalimentación. El algoritmo SVM y el modelo de red neuronal se utilizan para identificar el estado de movimiento de fatiga. Características del electroencefalograma (EEG) y electromiografía (EMG) durante la fatiga. Resultados:
cuando se produjo la fatiga deportiva, el índice compuesto de la tecnología de bio-retroalimentación muestra una disminución en el índice de HRV y aumentos en los indicadores de dominio de tiempo de HRV, indicadores de dominio de frecuencia y valores de SAa. Conclusiones:
Tiene un alto grado de sistematización. El método propuesto no es invasivo y tiene un valor de aplicación práctica. Nivel de evidencia II; Estudios terapéuticos- investigación de los resultados del tratamiento.