RESUMEN
Introducción:
La tecnología de reconocimiento deportivo va madurando gradualmente, entre los cuales, los sensores han atraído gran atención por su preciso reconocimiento.
Objetivo:
Las siguientes sentadillas se utilizan como ejemplo para saber si las señales CNN y EMG determinan si el movimiento funcional es estándar.
Métodos:
Con base en el FMS de EMG, se seleccionan al azar 80 estudiantes del mismo grado de la Escuela de Educación Física de la Universidad XX para el experimento y se verifican los resultados.
Resultados:
Los resultados muestran que el GBC puede clasificar la señal EMG de los tres movimientos funcionales con mayor precisión, y la tasa de precisión de clasificación de sentadilla, zancada y sentadilla con estocada recta es 91%, 89% y 90%, respectivamente. El árbol de decisiones tiene una buena capacidad para juzgar si el movimiento funcional es estándar o no, y la precisión del juicio puede alcanzar más del 98%. En conclusión, la EMG basada en EMG puede detectar de forma eficaz las lesiones deportivas tempranas y desempeña un buen papel en la reducción de las lesiones deportivas.
Conclusiones:
El efecto de clasificación de la sentadilla es el más evidente, alcanza el 91%, y su capacidad de reconocimiento es la más fuerte. Nivel de evidencia II; Estudios terapéuticos- investigación de los resultados del tratamiento.
Descriptores:
Movimiento funcional; Imagen biológica; Ejercicio físico; Heridas y lesiones