博客帖子

测量从中继数据的俯仰工作负载?不是那么快......

  • 经过  本汉森
  • 2019年11月7日

随着MEMS和IMU技术的进步,生物力学追踪已跳出实验室,并在包括家庭医疗保健,工作场所安全和运动的许多行业中进入世界。在棒球中,有很大的需要了解放置在投手上的累积工作量’为了防止昂贵的伤害和最大化耐力和容量。玩家和从业者应该如何使用MEMS和IMU的监视器’s throwing workload? 

为了跟踪累积抛出工作量,需要准确地跟踪累计投掷工作量和所有抛出的强度。在训练和竞争期间,MotusThrow已被证明可以准确可靠地跟踪弯曲弯头弯头旋转斜面扭矩[1-3]。

作为具有较高速度的投手抛出,肘部扭矩在每次播放器上增加[4]。划定高低努力的抛出是工作负载跟踪的关键。如果所有抛出都有相同的工作量重量处理,则在实践中的100次轻微投掷将与游戏中的100个音高相同。这显然是有缺陷的逻辑,以便在对臂上的疲劳撞击方面同样地呕吐。 

最近,已经出现了一种新的技术,试图监控投手投掷工作量—一个上行李箱安装的IMU(弹射器)。该软件要求机器学习算法检测具有大约74%-79%的精度的投掷活动,并基于主干传感器的平均角速率数据计算投影工作负载[5,6]。  

默里等。

关于音量跟踪,游戏中的74%特异性意味着检测到的26.6%的事件是假的。在培训(实践,大疱)中,特异性更高(79.8%),其中检测到158个非抛出,传感器检测到765次抛出。运动员监控中可接受的卷跟踪误差是26%的误差? 

具体使用中继安装传感器检测抛出强度,我们看看我们的运动捕捉数据库,看看躯干旋转速度是否是一个有用的度量。 1,007次抛出96个专业投手的子集,在我们的实验室扔进我们的实验室,同时在16 Mac Raptor-E相机跟踪的56个复古反光标记,我们注意到以下内容: 

峰躯干旋转速度(比平均躯干旋转速度更好的测量),与跨对象的弯头旋流扭矩没有任何相关性(R2 = 0.032)并且与受试者内的肘部扭矩较弱(R2 = 0.234)。这表明中继旋转速度不能用作工作负载监控中的肘部扭矩的代理。 

此外,峰躯干旋转速度与受试者的球速度没有相关性(R2 = 0.013),并且与受试者内的球速度具有非常弱的相关性(R2 = 0.190)。这表明树干旋转速度不能用作抛出强度的指示器。 

虽然看似易于使用的躯干安装的IMU用于棒球投手监测似乎诱人,但从它收集的数据的功效并不令人鼓舞。球员和从业者应该使用更具体的衡量投掷工作量来基础球员的发展和康复决策。 

At Motus, we provide joint-specific workload data to pitchers via our MotusTHROW arm sleeve. Powered by peak elbow valgus torque from each pitch, users have the confidence to know their workload is a baseball specific measure. Furthermore, through Motus’ WASP program, teams can now fuse ball tracking data into our platform to calculate elbow valgus torque from player-specific torque-velocity models. 

要设置此服务,玩家和团队必须在牛棚会议期间的个人基础上校准扭矩速度曲线。作为黄蜂客户,团队和玩家与经过认证的Motus Sports-Scientor配对,捕获并妥善将播放器模型加载到其帐户中。然后,当Motusthrow套筒未穿着时,队伍有能力上传轨道,Rapsodo和Hawk-Eyp Ball跟踪数据来计算肘部扭矩。 

要了解有关WASP的更多信息以及您的组织如何受益,请参考咨询这里或电子邮件[email protected] 想要查询更多的信息。WASP链接



本汉森是生物力学的副总裁&Motus Global的创新。他的教育是生物医学工程和数学(B.S.),他以前为Milwaukee Brewers担任了博士学位的生物力学工程师。在马奎特大学的生物电子中。

他于2012年加入Motus作为第一个员工,并有助于引导产品开发团队设计IMU硬件,基于传感器的生物力学算法,以及用于人类工作量管理的软件投影系统。


更多来自作者:

参考:

[1] Dines,J,等“投掷ARM力学和肘部瓦鲁斯的关系:专业棒球投手的主题变化,跨82,000次投掷”,orthop J Sports Med,2017年7月5日(7)

[2] Boddy,K,等“探索可穿戴传感器作为基于标记的运动捕捉的替代方案”,Peerj,7(E6365)2019年1月

[3] Melugin,H,等“Baseball Pitchers’在结构化的长折腾投掷计划期间,感知努力与实际测量努力不匹配”,2019年5月,AM Sports Med

[4]慢速等人。“专业棒球投手中的快球速度和肘部曲折扭矩”,J. Athl。火车。 2019年3月; 54(3):296-301//www.ncbi.nlm.nih.gov/pubmed/30721094 

[5] Murray等人。用惯性测量传感器自动检测棒球棒球投掷事件。//journals.humankinetics.com/view/journals/ijspp/12/4/article-p533.xml

[6]使用机器学习来回应答棒球特定问题,//www.catapultsports.com/blog/machine-learning-baseball 

分享: