1. 引言

阻力训练是一种流行的运动方式，涉及外部阻力以提高肌肉力量、耐力和肥大[1]。在进行阻力训练时，身体肌肉在外部阻力的作用下会用力收缩，导致肌肉纤维发生微观撕裂。肌肉撕裂在休息期间愈合，导致肌肉更大更强壮（即肥大）。

此外，阻力训练可以帮助提高肌肉耐力，使个人能够更长时间地进行体育活动而不会增加疲劳。

阻力训练过去只考虑用于参与举重和健美等力量依赖型运动的运动员。毫无疑问，这些运动员显然需要高水平的力量和肌肉才能在他们选择的运动中表现出色。

更重要的是，普通人很少看到从事举重训练的理由，而其他运动的参与者经常觉得举重不利于他们的运动表现。

然而，最近的研究表明，耐力运动员也可以从阻力训练中受益[2]。更具体地说，它可以提高肌肉耐力和效率，这有助于保持良好的状态并降低在长时间比赛中受伤的风险。

此外，阻力训练可以提高跑步经济性，使运动员能够使用更少的能量来保持给定的速度，并在耐力赛中表现得更好[1]。在运动之外，阻力训练对衰老越来越感兴趣。研究表明，与年龄相关的肌肉流失与其他健康问题有关，如骨质流失、代谢下降、脂肪增加、糖尿病和代谢综合征[3]。阻力训练已被证明可以促进肌肉生长、骨密度、平衡和协调，从而降低所有年龄段的人发生跌倒事故和受伤的风险。

因此，阻力训练计划被建议作为改善整体健康的一种方式[2,4]。

每种类型的阻力训练都有其独特的好处和挑战，阻力训练研究的总体目标是确定有助于最大限度地提高整体力量和体能的锻炼和训练方案的组合[5]。通过使用有关个人当前健康状况以及培训目标的信息，可以最理想地实现这一目标。

近年来，随着技术的进步，人们可以使用可穿戴设备进行远程监测，并在阻力训练期间远程收集有关身体运动和生理学的数据[6,7]。阻力训练中使用的可穿戴传感器包括智能手表，用于测量心率、燃烧的卡路里和随时间推移的位置。智能服装可以跟踪阻力训练锻炼期间的身体运动和肌肉激活。

可以将专用设备连接到身体上，以测量心电图活动和肌肉氧合。其他传感器可以集成到训练设备中，以跟踪运动和力量。

所有可穿戴设备都与计算机或智能手机无线同步，通过计算机或智能手机将数据上传到在线存储库进行长期存储和离线分析。

本文旨在总结可穿戴技术在阻力训练研究中的现状，并强调其潜在的优势和局限性。

它将首先描述阻力训练的一般原理，然后讨论用于测量阻力训练期间生理和生物力学参数的可穿戴设备。

它将研究可穿戴设备在监控和优化培训计划方面的主要应用，并将介绍与其使用相关的限制和挑战。

最后，还将讨论未来的研究方向，包括开发新型先进可穿戴技术，以及将人工智能融入阻力训练研究。

2. 阻力训练的一般原则

阻力训练，也称为力量或重量训练，是一种专注于提高肌肉力量、肌肉质量、耐力和整体身体素质的运动形式。

它通常可以通过 （1） 自由重量来实现，用于进行深蹲、硬拉和卧推等运动;（2）举重器械，旨在针对特定的肌肉群并提供可控的运动范围;（3）体重练习，利用体重提供阻力;（4）阻力带，用于进行各种运动，如肱二头肌弯举、肩部推举和腿部伸展;（5）悬吊练习，使用专用带子同时进行针对多个肌肉群的体重练习;（6）增强式练习，涉及利用体重来增强爆发力和力量的爆发性运动。

阻力训练为所有年龄和健康水平的人提供了许多优势，是改善整体健康的有效方法。更具体地说，它可以增强和加强肌肉，刺激骨组织的产生，并提高骨密度。

它还可以增强关节稳定性，并成为体重管理的有效工具。此外，特定的阻力训练可以提供心血管益处，定期力量训练可以对心理健康和睡眠质量产生积极影响[2,8,9,10]。

2.1. 渐进式重载

渐进式超负荷构成了阻力训练的基础。它涉及随着时间的推移逐渐增加施加在肌肉上的压力，以刺激肌肉生长、力量增加和/或耐力。

这可以通过基于频率、强度、类型和时间（FITT）原则调节不同的训练变量来实现[11]。

因此，逐渐增加重复或执行的组数;运动期间举起的重量逐渐增加;通过减少休息时间、先进的技术或更具挑战性的变化来加强锻炼;和/或增加阻力训练的频率会产生进一步的肌肉生长和适应[12]。

 2.2. 特异性

阻力训练的特异性原则强调需要根据特定目标、动作和肌肉量身定制的训练计划。遵守这一原则意味着身体会适应强加给它的特定要求。

培训方法应根据不同的目标进行定制。为了增强肌肉力量，优先考虑重重量和较低的重复次数，而提高肌肉耐力需要更轻的重量和更高的重复次数。

通过使训练方法与预期结果保持一致，锻炼效果将得到优化。特定的练习针对并加强特定的肌肉群或运动模式。模仿所需活动或运动的训练动作可以提高这些领域的表现。

为了发展特定的肌肉或肌肉群，可以采用针对这些区域的锻炼，例如二头肌弯举和引体向上以加强二头肌。选择隔离和强调特定肌肉的运动可以有效地刺激它们的生长和发育。

不同的活动依赖于不同的能源系统。要提高特定运动或活动的表现，就必须考虑与之相关的能量需求并进行相应的训练。

耐力运动员可以结合持续时间更长、强度更低的锻炼来增强有氧能力，而短跑运动员可以专注于高强度间歇训练以发展无氧力量[13]。

 2.3. 变化

阻力训练的变化包括对锻炼计划中的练习、参数或训练方法的有意修改。它是防止停滞不前、保持动力以及培养持续进步和适应的关键原则。

在阻力训练中纳入变化的策略包括运动多样化、改变重复范围、利用不同的训练方法、操纵举重速度以及调整训练分割和运动顺序。

通过实施这些方法，个体可以从不同角度锻炼肌肉，挑战神经系统，使刺激多样化，并保持训练效果[14]。

 2.4. 个性化

阻力训练中的个性化涉及定制计划以满足个人的独特需求、目标、能力和局限性。

它首先对一个人的目标、当前的健康水平、病史、运动模式和具体考虑因素进行全面评估。

这些信息为定制计划的制定提供了信息，该计划与个人目标保持一致，并适应影响培训的任何因素。

个性化的关键是定期监控进度并相应地调整培训计划。

这些更新可以基于对力量增加的评估（例如，单次重复最大值（1RM），这是个体单次重复可以举起的最大重量）、身体成分变化（例如，全身脂肪百分比或总瘦体重的变化）、性能改善或任何其他相关指标的反馈[14]。

2.5. 正确的形式和技术

正确的技术在阻力训练中至关重要，以确保安全、优化有效性和防止受伤。

关键原则包括保持良好的姿势和对齐方式，强调控制运动，在训练前进行热身，练习正确的呼吸技巧，避免影响形式的过度负重，以及从适合个人健康水平的锻炼开始并逐步进步。

通过坚持这些原则，可以增强阻力训练的益处，同时将受伤的风险降至最低[14]。

 2.6. 休息和恢复

休息和恢复对于有效的阻力训练至关重要，因为它们可以让身体修复、适应并最大限度地提高训练效果。

训练压力会引起疲劳，在这种状态下，由于生物心理社会稳态的紊乱，身体和/或精神表现会降低。

在阻力训练的特定情况下，这会导致肌肉纤维出现小撕裂，然后在休息期间启动修复过程。充足的休息可以有效地恢复肌肉，促进肌肉生长并增强肌肉力量。

如果压力和恢复平衡没有得到充分考虑，一个人可能会从功能性状态演变为功能失调的过度伸展状态，并最终发展到过度训练的状态。

后者是压力和恢复之间的慢性不平衡，这种生理状态会阻碍表现并增加受伤风险。

因此，充足的睡眠、适当的营养、积极的恢复、预定的休息日和定期减负（即周期化）是阻力训练中有效恢复和预防损伤的关键做法[15,16]。

3. 用于测量训练期间生理参数的可穿戴设备

可穿戴设备因其便利性和可及性而越来越受欢迎，用于监测和测量生理参数。

这些设备设计用于佩戴在身体上，通常集成传感器和技术，可以测量和跟踪各种生理指标。

因此，可穿戴设备在一些国家被归类为医疗设备，需要对其进行合格评定。

这涉及对制造商质量体系的审核，并根据设备的类型，审查其安全性和性能的技术文档[17,18]。

这些设备的一个特定子集已被证明有望用于阻力训练方案（图1），包括腕带和胸带、智能袜子和鞋子，以及用于测量组织氧合、心脏和肌肉活动以及运动的特定传感器[19]。这些传感器的组合使用可以提供有关身体生理学的宝贵信息，旨在跟踪个人的身体状况并优化锻炼。

图 1.佩戴在身体部位的便携式和医疗保健设备，可用于阻力训练研究。

特定的传感器被集成到可穿戴系统中（例如，腕带和胸带，以及超市鞋袜），而其他传感器则使用松紧带或粘合剂材料直接放置在身体上。

心电图：心电图;PPG： 光电容积脉搏波;NIRS：近红外光谱;sEMG：表面肌电图;IMU：惯性测量单元。

3.1. 用于心率监测的光电容积脉搏波

光电容积脉搏波（PPG）是一种非侵入性光学技术，可用于测量临床相关生理参数的实时变化，并从生物体中提取生理信息。PPG利用了当可见光或近红外波长的光撞击人体组织或器官并与之相互作用时发生的复杂光-物质相互作用。

PPG的基本原理是，某些生理参数的实时变化会影响控制光与复杂介质（如血液、皮肤和骨骼）相互作用的物理过程，导致反射和/或透射的光比例发生可测量的调制变化（图2）。

图2.PPG 检测系统的示意图，以及带有红色圆圈表示单个心跳的 PPG 信号样本。

PPG 已被用于研究多种生物组织和器官，包括心血管系统、肺、皮肤、肌肉和骨骼。它的主要用途是评估与血流相关的现象。

PPG 有助于其临床效用的特点是它是非侵入性的，并且脉搏波与心动周期同步。

从本质上讲，PPG可以检测包括毛细血管床在内的多个器官循环系统中的血容量变化，因此，迄今为止，其用途主要用于循环诊断，一个典型的例子是脉搏血氧饱和度。

技术发展彻底改变了PPG设备，使它们体积小，可穿戴，同时提供相对准确和可靠的信息[20,21]。这些设备可以佩戴在身体的不同部位，在那里很容易测量个人的血流量。从血流动力学中可以很容易地得出心率[22]。基于 PPG 的一些常见心率监测器类型包括手腕可穿戴设备、胸带和智能戒指。

PPG技术的一个局限性是信号对运动引起的运动伪影的敏感性，该局限性仍未部分解决，并限制了数据的可靠性。这个问题可能会明显影响阻力训练期间腕戴式心率的测量[22]。因此，基于 PPG 的心率测量应谨慎解释，尽管它们在训练期间和训练后都提供了有价值的信息。

在阻力训练练习期间使用心率监测器来监测受训者的心血管反应。在剧烈的体力活动中，身体会通过增加心率来更快地供血。

血管扩张以增加流入拉伤肌肉的血流量。心率监测器有助于跟踪抗阻运动锻炼期间心脏泵血的速率[22,23]。它们还用于监测一个人参与的锻炼强度。如果运动在困难和肌肉拉伤方面非常激烈，传感器会指示更高的心率。

监视器可用于通过确保受训者达到某些既定目标来帮助提高锻炼质量。这些见解改善了强度调节和负载管理，并支持个性化编程和进度跟踪。

心率监测器可用于检查组和锻炼之间的恢复进度。它可以监测休息和运动时的心率[24]。心率监测器可以检查进行高难度力量运动后心率下降的速度。在休息期间监测心率时，相对容易确定身体是否已经充分恢复。

因此，可以就是否以及何时进行下一组锻炼做出明智的决定。这些设备的另一个应用是长期跟踪整体健康水平[22]。总体而言，心率监测器有可能以安全准确的方式帮助实现阻力训练中的健身目标。他们确保在锻炼之间无需停下来检查心率。

收集的数据可以保留并与其他设备共享，如果需要，可以用于医疗目的。

如果与其他传感器（如温度和运动传感器）结合使用，PPG还可以有效地提取有关睡眠效率的信息。

然而，应该考虑到，基于PPG的睡眠分期估计并不总是与参考多导睡眠图的估计一致[25,26]。考虑到睡眠可能受到高负荷训练制度的影响[27]，跟踪运动后与睡眠相关的恢复指数特别有帮助。可以对睡眠期间的心率进行离线分析，以支持区分浅度、深色和快速眼动 （REM） 睡眠阶段。

因此，可以深入了解睡眠的质量和持续时间，并确定随时间推移的任何模式或趋势。总体而言，心率监测器被认为是希望跟踪和改善睡眠质量和整体健康状况的有用工具[ 28]。

3.2. 心电图跟踪心输出量和心率变异性

心电图 （ECG） 是一种非侵入性和无痛的测试，使用放置在胸部的电极来测量心脏电活动的时间演变。

心电图信号通常由机器记录，这些机器由一组连接到中央单元的电极组成。早期的心电图机是用模拟电子设备构建的，信号驱动电机将信号打印到纸上。

如今，心电图仪使用模数转换器将心脏的电活动转换为数字信号。许多心电图机现在是便携式的，通常包括一个屏幕、一个键盘和一个轮式推车上的打印机。

最近的进展包括开发更小的设备，用于健身追踪器和智能手表。这些较小的设备通常仅依靠两个电极来提供单导联心电图，但是，也可以使用由电池供电的便携式 12 导联设备。

值得注意的是，这些无线心电系统提供的性能与传统心电系统非常相似[29,30]。

心电图电极检测每个心动周期（心跳）期间心肌去极化和复极化导致的电位的微小变化。

心电图有三个主要组成部分：P波，代表心房的去极化;QRS波群，代表心室的去极化;T波，代表心室复极化（图3）[31]。

图3.心脏电传导系统形态和来自心脏不同区域的动作电位的时间。在右下角，显示了在体表上测量的心电图信号。

在每次心跳期间，健康的心脏都有一个有序的去极化进程，从窦房结中的起搏器细胞开始，扩散到整个心房，然后通过房室结向下进入 His 束和浦肯野纤维，向下和向左扩散到整个心室。

这种有序的去极化模式产生了特征性的心电图示踪。对于训练有素的临床医生来说，心电图可以传达大量有关心脏结构及其电传导系统功能的信息[ 32]。除其他外，心电图可用于测量心跳的频率和节律、心腔的大小和位置、心肌细胞或传导系统是否存在任何损伤、药物的作用以及植入式起搏器的功能。

为了正确解释心电图信号，执行标准电极定位至关重要。来自错位电极的心电图记录可能会显示失真的波形，从而增加错误诊断的可能性。

对于成人，在无症状或心血管疾病风险低的患者中使用心电图不适用于预防。

这是因为心电图可能会错误地指示问题的存在，从而导致误诊、建议进行侵入性手术和过度治疗。

但是，受雇于某些关键职业的人员，例如飞机飞行员，可能需要进行心电图检查，作为其常规健康评估的一部分。

出于对突发性心力衰竭的担忧，也可以考虑将肥厚型心肌病筛查作为运动体格筛查的一部分。

总体而言，心电图信号可作为评估心血管系统整体健康状况的重要参数[33]。如果患者表现出心输出量减少，这可能是心脏病或其他问题的早期迹象的迹象。心输出量增加可能是由与阻力训练锻炼相关的生理变化引起的。

因此，在阻力训练前和阻力训练期间评估心输出量很重要[34]。

心电图信号也可用于提取心跳，其时间分辨率比PPG高得多。这允许评估心率变异性（HRV），即连续心跳之间的时间间隔差异[35]。可以提取几个HRV参数，这可能有助于更好地了解自主神经系统的功能和心血管系统的整体健康状况[33]。时间 HRV 指数可以提供患者患心血管疾病概率的衡量标准。此外，频谱 HRV 指数可以解开运动期间交感神经系统和副交感神经系统的特定反应。

最后，非线性HRV方法最近被证明在有氧和无氧阈值估计中是有用的[36]。

3.3. 肌电图监测运动期间肌肉疲劳状况

当人们进行体育锻炼时，他们的肌肉会经历一系列动态收缩。

表面肌电图（surface electromyography， sEMG）传感器用于测量肌肉收缩过程中产生的电活动，并可提供有关给定时间肌肉活动水平的重要数据[6]。sEMG信号主要由来自多个运动单元的叠加运动单元动作电位（MUAP）组成（图4）[37]。为了进行全面分析，可以将测得的sEMG信号分解为其组成MUAP。来自不同运动单元的 MUAP 往往具有不同的特征形状，而来自同一运动单元的相同电极记录的 MUAP 通常相似。

值得注意的是，MUAP的大小和形状取决于电极相对于纤维的位置，因此，如果电极改变位置，则可能会有所不同。

图4.采集 sMEG 信号并分解为多单位动作电位。经参考文献许可转载/改编 [ 37].2006年，神经生理学杂志。

根据多项研究，肌纤维传播速度和肌纤维放电速率的变化可能会影响sEMG功率谱[6]。研究发现，在持续的肌肉收缩过程中，sEMG信号的功率谱会向较低频率移动，并且频谱参数的降低，如中值频率（MF）和平均频率（MNF），可以作为肌肉疲劳的标志[38]。应该注意的是，sEMG信号很容易组合不同类型的噪声。因此，重要的是从sEMG信号中去除背景噪声，以可靠的方式量化肌肉疲劳。

几年来，sEMG信号一直使用附着在肌肉上的无源双极电极收集，并通过电线连接到采集设备。肌电图技术的一个重要进步是无线sEMG传感器的引入[39]。如今，这些传感器已经过广泛验证，与传统的有线sEMG传感器相比具有多项优势[40,41,42]。首先，无线 sEMG 允许在运动过程中有更大的运动自由度，因为没有电线或电缆将肌肉传感器连接到记录设备。

这允许更自然的运动模式，并降低电线造成的干扰或不适的风险。此外，无线 sEMG 通常更易于设置和使用，因为无需将多根电线定位和固定在皮肤表面上。

这可以节省时间并减少测量过程中出现错误或不准确的可能性。由于上述原因，无线 sEMG 对于希望研究肌肉功能和优化阻力训练计划的研究人员和从业者来说是一个有价值的工具。

3.4. 近红外光谱测量肌肉血氧饱和度的变化

肌肉氧合传感器非常有益，因为它们是非侵入性的、无痛的、易于应用的。它们需要使用近红外光谱（NIRS），这是一种非侵入性技术，用于测量血液中含氧和脱氧血红蛋白的浓度[43]。近红外光谱照射在身体组织上，光线穿透皮肤和肌肉组织到达血液中的血红蛋白分子[43,44]。一些光被分子吸收并被测量，从而确定被光照射的肌肉组织中的氧饱和度水平。

更具体地说，血液成分血红蛋白散射光，吸收的红外光与这些散射变化的比率取决于血红蛋白与氧气结合的程度。近红外光谱测量这种变化率和含氧血红蛋白浓度的变化。

波长为 700 至 900 nm 的近红外光用于生物体的光学测量。可见光（波长 400 至 700 nm）基本上被血红蛋白和其他有机成分吸收，而水的吸收在比近红外光更长的波长处增加。

因此，这些波长范围内的光不能在生物体内穿透。虽然该波长区域的光吸收主要由含氧血红蛋白（HbO 2 ）和脱氧血红蛋白（Hb）引起，但两者的吸收光谱不同，等渗点在805nm附近（图5）[45]。因此，如果已知 HbO 2 和 Hb 的分子吸收系数，则可以通过测量两个或多个波长的吸收变化来计算它们的浓度变化。

由于其构建的物理原理，近红外光谱技术的一个重要局限性是其光（波长为700至900nm）仅穿透表层。

图5.近红外光谱信号从信号源传播到检测器的示意图，以及Hb（蓝色）和HbO 2 （红色）的吸收光谱。

当一个人进行阻力训练时，由于对能量的需求增加，肌肉需要更多的氧气[43]。高需求会导致肌肉组织中的氧饱和度发生变化。肌肉氧合传感器放置在被测量肌肉所在区域的皮肤上。这些传感器可以实时可靠地收集有关肌肉氧合的数据[46]，并确定阻力运动期间肌肉中的需氧量水平[44]。在调查不同训练计划的影响时，已经有许多研究涉及肌肉氧合传感器[43]。例如，研究发现，当一个人进行单腿推举练习时，股四头肌内的氧饱和度会发生变化，在运动的同心阶段血氧饱和度增加，而在运动的偏心阶段减少[47]。

3.5. 用于评估能量消耗和代谢率的便携式代谢分析仪

代谢分析仪是用于评估能量消耗和代谢率的设备。分析仪测量人体消耗的氧气量和产生的二氧化碳量[48]。代谢分析仪可用于从事体育锻炼的个体的代谢率分析，有助于确定与不同体育活动相关的能量差异。

他们还可以监测锻炼和饮食干预对代谢率和能量使用的影响[49]。

市场上几乎所有的代谢分析仪都使用软管直接连接从运动员到机器的空气交换。面罩遮住嘴巴，通常有一个双形扩展器，有一个阀门流入机器进行读数。

由于空气中含有水分，因此存在过滤器以确保空气干燥清洁，并防止以后对用户的健康造成危害。大多数机器需要维护和清洁，但有些机器具有内部机制，可以帮助用户并减少维护要求。

漂移是传感器的常见问题，当测量质量随时间推移而衰减时，就会发生漂移。为了解决这个问题，执行校准。代谢分析仪通常使用间接量热法进行校准。

该过程需要从体内收集呼出的空气，并分析所含的氧气和二氧化碳含量。

间接量热法用于确定静息代谢率（RMR），RMR是身体在静息时为确保基本功能继续而使用的能量总量[49]。休息时维持的一些身体功能包括呼吸、血液循环和食物消化。在大多数人中，RMR 占日常能源消耗的 60-75%。作为间接量热法的替代方法，直接量热仪可用于直接测量产热量。

与间接量热法相比，它们可以产生更准确的代谢率读数，但它们非常昂贵，必须由专家操作[49]。因此，它们在临床和阻力锻炼环境中都不太常见。

可用于代谢分析的便携式设备，可在实验室环境之外使用，最近被引入市场[50]。这些设备具有与先前验证的固定代谢系统相似的性能[51,52]。遵循阻力训练计划的人可以使用便携式代谢分析仪，因为它们重量轻且使用方便[53]。尽管这些分析仪可用于阻力训练和其他类型的锻炼，但应考虑代谢数据只能由具有专业知识和专业知识的人进行解释。

4. 用于测量训练期间生物力学参数的可穿戴设备

4.1. 用于跟踪运动模式和速度的惯性测量单元 （IMU）

惯性测量单元 （IMU） 由安装在可穿戴设备中的小型传感器组成，可以佩戴在身体的不同部位。

这些可穿戴设备可以连接到手腕、腰部或脚踝上，在那里它们记录并提供有关这些身体部位的方向和运动的数据。

从IMU中提取的运动学参数与上肢[54]和下肢[55]的黄金标准动作捕捉系统相比具有出色的一致性。IMU传感器由加速度计、陀螺仪和磁力计（图6）组成，分别测量线性加速度、角速度和磁场强度[56]。

加速度计是负责测量惯性加速度或速度随时间变化的主要传感器，有多种不同类型的加速度计，包括机械加速度计、石英加速度计和微机电系统 （MEMS） 加速度计。

MEMS加速度计本质上是一个由弹簧悬挂的质量。质量称为证明质量，允许质量移动的方向称为灵敏度轴。

当加速度计沿灵敏度轴受到线性加速度时，加速度会导致证明质量向一侧移动，偏转量与加速度成正比。

陀螺仪是一种惯性传感器，用于测量物体相对于惯性参考系的角速率。

市场上有许多不同类型的陀螺仪，其性能水平各不相同，包括机械陀螺仪、光纤陀螺仪、环形激光陀螺仪和石英/MEMS 陀螺仪。

磁力计是一种测量磁场强度和方向的传感器。虽然有许多不同类型的磁力计，但大多数MEMS磁力计依靠磁阻来测量周围的磁场。

磁阻磁力计由坡莫合金组成，这些磁铁会因磁场的变化而改变电阻。

通常，MEMS磁力计用于测量局部磁场，该磁场由地球磁场以及附近物体产生的任何磁场组成。

IMU 的主要缺点是它容易出现随时间累积的错误。

由此产生的漂移是因为设备始终测量相对于自身的变化，而不是针对绝对或已知的外部设备进行三角测量。

图6.惯性测量单元（IMU）的示意图。IMU安装在一个由传感器组成的平台上，这些传感器提供不同的运动信息：加速度计、陀螺仪和（可选）磁力计。

嵌入IMU的加速度计可用于确定阻力训练期间的运动模式和速度[24]。重要的是，需要使用专用算法来评估练习的正确执行并评估运动的质量[57,58,59]。加速度计的一个常见应用是测量阻力设备或工具移动的速度。

例如，教练跟踪此速度以确保举起的重量适合首选效果，并适当地确定对总重量或重复次数的必要调整。

加速度计还用于测量随时间推移的位置，从而测量给定运动的运动范围。装有这种传感器的IMU安装在身体上，以跟踪位置和瞬时速度[24]，有助于确定运动在运动过程中是否正确执行。陀螺仪可用于阻力训练，通过测量身体的旋转将提供有关其方向的数据。

这可用于在阻力训练期间改变和改进技术和形式。

例如，当一个人以不正确的形式进行深蹲时，陀螺仪设备将检测到不正确的身体旋转，然后提供有关如何纠正运动的有用信息。

来自嵌入IMU的加速度计和陀螺仪的数据可以结合起来，以更全面地了解阻力训练期间身体肌肉的运动。他们将提供杆速、范围运动、方向以及技术和形式的反馈。

4.2. 用于测量所产生力的力传感器

力传感器用于测量进行锻炼时施加的力量。它们为各种群体（如受训者、教练和研究人员）生成关键数据，使他们能够跟踪健康状况、优化训练课程和研究生物力学 [ 60]。在练习过程中，有不同类型的力传感器用于收集数据，包括电容式传感器、称重传感器、压电传感器和应变片传感器[61]。这些传感器中的每一个都有优点和问题，具体取决于精度、耐用性和灵敏度等因素。尽管存在这些问题，但力传感器通常被认为是力测量的黄金标准。

力传感器的工作机制包括测量材料因施加力而产生的变形。当材料被压缩或拉伸时，其电气特性会发生变化，从而使传感器能够确定所施加的力。

有两种类型的力传感器，分别基于分流模式和直通模式力电阻器。它们的功能是相同的，但它们具有不同的构造方法和属性。

前者更适合于宽压力范围传感，而后者则适用于光压精密传感。这些设备可以集成到不同类型的运动工具和设备中，包括跑步机和划船机[61]。一些传感器已经过修改，可以作为可穿戴设备安装在不同的身体部位，在那里它们收集信息并提供有关锻炼的反馈。

例如，它们可以安装在运动员身上，以测量跑步、跳跃和俯卧撑等运动中产生的力量[ 60]。为了测量的准确性和一致性，必须对力传感器进行适当的校准。他们必须提供准确的数据，以确保对锻炼表现和进度的评估给出的结果将促进表现的提高。

力传感器的局限性阻碍了它们在阻力训练中变得可靠。生成的数据需要一定程度的专业知识才能理解并使用它们进行适当的更改。

此外，当以一定角度施加力时，这些传感器可能会产生不正确的信息。力传感器还受到温度和湿度等环境因素的影响，因此，它们可能会提供不正确的信息[61]。此外，确定哪种力传感器适合特定运动也具有挑战性。多个力传感器的组合可以帮助提高锻炼过程中产生的信息的准确性。

4.3. 用于评估足部压力和平衡的压力传感器

鞋垫压力传感器可用于测量足部压力和平衡。它们的设计方式是为了量化一个人进行各种阻力练习和运动时脚部的压力分布方式[ 62]。鞋垫压力传感器放置在训练中使用的鞋子内。它们非常薄且灵活，以确保它们不会对穿鞋的人造成任何不适。

另一方面，它们的性能受到鞋底厚度、水、湿度、汗水和温度变化等外部影响的限制，这些因素已被考虑使用补偿技术来保证准确的测量。

验证研究表明，鞋垫压力传感器具有很高的测量可重复性，尽管它们可能低估了垂直地面反作用力[63,64]。

鞋垫压力传感器用于阻力训练，它们可以帮助识别一个人在锻炼时足部压力和平衡中发生的不平衡和不对称。有时，一个人在深蹲或举重时可能会对一只脚施加更大的压力。

这很容易导致腿部肌肉发育不均[65]。通过来自压力传感器的信息，受训者可以使用它来改进技术和其他变化，以确保双腿的压力分布均匀，并将肌肉受伤的风险降至最低[60]。压力传感器可用于跟踪一段时间内的足部压力变化，这将有助于评估所取得的进展。这些信息可用于更改阻力训练计划，以便从长远来看有更好的表现[66]。

5. 可穿戴设备在阻力训练研究中的应用

5.1. 训练负荷和疲劳的评估

在阻力训练中，一个重要的变量是训练负荷。调整负荷有助于确保将受伤风险降至最低，充分适应训练，恢复过程充分[60]。进行更改是为了增加或减少疲劳。由于阻力训练中极度剧烈的体力活动可能会引起严重的肌肉损伤，因此训练师可以监测生理和生物力学参数，以决定是否应该修改训练。

用于跟踪训练负荷的最佳可穿戴设备是心率监测器、肌肉活动传感器和 IMU。

心率监测通常与跑步或骑自行车等心血管运动有关，很少在力量运动（如举重）中应用。

然而，阻力训练期间的心率监测通常可以提供有关运动水平的宝贵信息，并有助于定制锻炼以获得更好的结果[67]。首先，它有助于预测运动强度，使个人能够在所需的目标心率区内工作。这有助于优化训练刺激并相应地调整负荷或重复次数。

其次，它提供了有关心血管反应的信息，突出了训练期间对心血管系统施加的压力。

此外，休息间期的心率监测可以更准确地评估恢复能力，确保在两组之间实施适当的恢复间隔，以保持最佳表现并防止过度劳累。

另一个需要考虑的重要变量是肌肉疲劳，因为它会影响运动表现、受伤风险和肌肉激活模式[68]。可穿戴设备，如sEMG传感器，可用于实时测量不同肌肉的电活动[69,70]。因此，在训练过程中识别肌肉开始疲劳的点相对容易。这些数据可用于优化训练方案，以减轻或消除疲劳。

组数可以减少或减慢，让肌肉有时间放松。其他设备，如肌肉血氧饱和度传感器，在评估肌肉疲劳方面也很重要[43]，因为它们显示了肌肉组织通过有氧过程产生能量的能力。此外，IMU还可用于监测阻力锻炼过程中的疲劳，并跟踪关节角度和速度随时间的变化[71,72]。它们提供了有关运动模式的更多信息，这些运动模式在标准化训练负荷时会导致过度疲劳。例如，当一个人在硬拉之间开始出现疲劳迹象时，预计 IMU 会显示出降低的提升速度。

因此，可以跟踪疲劳对身体生物力学的影响，并对锻炼进行适当的调整[73]。

5.2. 运动技巧和表现的优化

阻力训练旨在赋予肌肉更多的力量、力量和耐力。因此，确保优化锻炼技术以获得更好的表现至关重要。要考虑的关键因素之一是在训练时应用适当的形式和技术。

每项练习都有特定的技术和形式，用于提高受训者的安全性并产生最大效果[74]。学习正确的形式和技术应优先进行，并始终如一地练习，以减轻伤害和提高表现[75]。在这种情况下，一个很好的例子是深蹲的技术和形式。

IMU 及其提供的有关关节角度和运动模式的见解提供了宝贵的生物力学信息，说明如何增强一个人的技术以更有效、更正确地执行某种技能或运动。

例如，为了进行技术上正确的深蹲，受训者应该通过铰接臀部来启动运动，保持胸部向上和背部挺直，通过弯曲膝盖来降低身体，同时保持膝盖与脚趾对齐，并通过脚后跟推动以返回起始位置。

由于在这项运动中有许多自由度，IMU 极大地促进了测量（不）正确的动作，因此可以充分调整它们以优化训练并降低受伤的风险。

5.3. 监测恢复和伤害预防

重要的是，训练适应主要发生在疲劳运动后的恢复期。因此，必须充分保持强度和恢复之间的微妙平衡，以避免过度训练并降低受伤风险[74]。恢复期包括休息，让肌肉有时间从阻力运动引起的撕裂中恢复过来，并让它们生长。可以通过跟踪睡眠质量和数量、检查HRV、监测能量水平和疲劳来监测恢复情况[6,76,77,78,79]。

为了优化恢复，应该注意的是，营养是肌肉生长不可或缺的一部分。因此，应采取营养均衡的饮食，并在运动时提倡保持水分。

参加阻力训练计划的个体所遵循的饮食类型会显著影响表现[80]。例如，在力量训练后食用乳清蛋白有助于通过提供蛋白质合成所需的氨基酸来促进肌肉恢复和生长。

使用便携式代谢分析仪可以有效地监测这种饮食干预对身体代谢的影响。

有些伤害可能很严重，以至于结束了阻力锻炼的雄心壮志。因此，预防伤害对于优化运动技术和表现也很重要。

为此，监测从近红外光谱和sEMG信号中提取的肌肉氧合和疲劳信息可能是有益的[81]。事实上，僵硬的肌肉在突然剧烈运动时很容易被撕裂，导致严重损伤[74]。此外，许多人在没有给身体足够的时间休息和恢复的情况下进行阻力练习。充分的恢复对于肌肉愈合至关重要。

此外，睡眠是恢复的基石，应优先考虑，以使肌肉得到最佳的休息、生长和恢复[74]。此外，过度训练会导致由于受伤和肌肉损伤而导致不良结果，而这些损伤没有足够的时间来愈合和恢复。

因此，可穿戴技术可以帮助监测是否在锻炼之间获得足够的休息，以持续提高表现。

6. 可穿戴技术在阻力训练研究中的局限性

6.1. 测量的准确性和可靠性

可穿戴设备测量的准确性和可靠性取决于几个因素。这些多重因素构成了可穿戴技术在阻力训练研究中面临的最大挑战之一。

第一个决定因素是设备中使用的传感器技术类型。与其他设备相比，一些可穿戴设备具有更先进的传感器，可以检测和收集更准确的数据。

然而，这些先进的传感器大多价格昂贵，在阻力训练研究中只有少数人能负担得起。当然，可穿戴设备的成本必须与收集的信号质量相平衡。

另一个主要决定因素是传感器在身体部位的位置和位置。传感器必须放置在能够检测和收集人体最多信息的区域，以确保其准确可靠。

例如，当一个人进行阻力训练锻炼时，无线 sEMG 传感器通常用于测量肌肉激活。sEMG传感器的位置会显著影响所收集信息的质量和可靠性。

当设备放置在离要激活的肌肉更远的地方时，其灵敏度会降低，因此无法提供准确的数据 [ 73]。另一个例子是加速度计传感器，它跟踪运动时身体的运动。

加速度计传感器的准确性和可靠性会受到设备方向、传感器位置和阻力训练期间运动类型等因素的负面影响 [ 24]。

研究人员可以通过广泛的试点和验证研究来解决其中一些挑战，这些挑战阻碍了可穿戴设备测量的准确性和可靠性。

他们将不得不测试各种传感器和位置，为不同的练习校准设备，开发和调整数据处理算法，并使用不同的人进行特定的练习。

这一行动方案将有助于提高可穿戴传感器技术的准确性和可靠性，从而在阻力训练期间产生更好的测量结果。

6.2. 可穿戴技术的验证和标准化

可穿戴技术还面临着阻力训练研究中验证和标准化有限的挑战。阻力训练中使用的大多数可穿戴设备都没有经过彻底的验证或标准化。

这可能会导致设备收集的数据不一致。因此，比较不同研究的结果并制定结论性方案具有挑战性[ 74]。验证是一个过程，涉及根据经过验证的标准评估测量工具（如可穿戴技术）的准确性和可靠性。

在进行阻力训练研究时，验证将需要将从传感器设备收集的测量值与通过黄金标准实验室设备获得的测量值进行比较。

另一方面，标准化涉及建立一致的协议和程序，这些协议和程序将用于不同研究环境和研究的测量工具。

可穿戴设备的一些协议可能包括数据收集和分析程序、校准和设备连接。

阻力训练研究中使用的可穿戴技术的验证和标准化有限，会带来许多影响。例如，这可能导致使用设备收集的数据不一致。

这些不一致使得很难对影响性能和其他结果的阻力训练的不同因素产生结论性的结果。

另一个影响是难以比较不同研究的结果，这阻碍了阻力训练循证建议的制定。

在这方面，应鼓励研究人员与该领域的制造商和其他专家合作，以定义阻力训练的验证机制和标准化协议[1]。

6.3. 道德考量和隐私问题

近年来，可穿戴设备在阻力训练中的普及程度显着增加。它为用户提供有关身体各个部位和系统的实时数据。

尽管有很多好处，但有几个道德考虑和隐私问题必须解决。一个伦理问题与可穿戴设备的准确性和可靠性有关[7,82]。应告知用户从正在使用的每台可穿戴设备收集的数据的局限性和可能的错误。

应该清楚的是，获得不切实际的结果可能会导致他们对训练计划做出错误的决定，并对获得的结果感到失望。

另一个关注点是知情同意问题[ 83]。在将这些设备安装到身体上之前，确保这些设备的用户充分了解设备的用途和功能非常重要。

此外，应向他们解释将要收集的个人数据、其使用以及与他人共享的个人数据。每个接受阻力训练的人都有权在同意使用可穿戴设备之前被告知[83]。每个对技术感到不舒服的人都应该有权拒绝同意。

此外，共享个人信息时还存在网络安全和数据泄露的风险。可穿戴设备通常能够与其他设备（如计算机和智能手机）共享收集的敏感数据[ 7]。敏感数据可能包括个人详细信息、健康状况和运动习惯。在设备之间共享此数据时需要谨慎，以防止未经授权的人员泄露数据。

为了解决网络安全和数据泄露的道德影响，用户应该保持匿名并控制他们的个人信息 [ 83]。接受阻力训练的个人及其教练应确保接受培训的人和教练都不会向未参与该计划的任何其他人暴露任何数据。

第7章 结论与展望

可穿戴设备的使用有可能通过在训练过程中提供有关各种生理和生物力学参数的准确和客观数据来彻底改变阻力训练研究。

多年来，可穿戴设备技术一直在迅速发展，该领域出现了几种趋势。值得一提的是，例如，可穿戴设备可用于跟踪大脑活动[84,85]。这可能开辟新的研究领域，旨在研究阻力训练引起的神经可塑性效应[86]和监测运动期间的中枢疲劳[87]。智能服装是可穿戴技术的另一个新兴趋势，传感器和其他组件集成到衬衫、裤子和夹克等物品中。

预计它们的普遍使用将迅速增加，在各种训练条件下提供有关身体运动学的准确信息[88]。

总体而言，不同可穿戴设备的组合使用有助于提供有关训练计划中测量的生理和生物力学参数之间相互关系的关键信息[6,7]。尽管在阻力训练研究中使用可穿戴设备具有潜在的好处，但也存在需要解决的重要挑战和局限性。

需要进一步的研究来建立可穿戴设备的可靠性和有效性，并将其整合到标准化的阻力训练方案中。

重要的是，在通过可穿戴设备收集大量健康数据时，还应考虑网络安全问题[7]。为了解决这个问题，应该在可穿戴设备中实施强大的数据加密和保护技术。

为阻力训练研究创建可穿戴数据存储库无疑是一条令人兴奋的途径，因为这将为人工智能（AI）技术的使用开辟道路[89,90]。为了有效使用 AI，这些存储库应包含大量高质量的数据集。

一个潜在的应用是根据年龄、性别、健康水平、训练历史和营养等各种参数预测阻力训练计划的结果。

人工智能也可用于虚拟教练，通过实时分析生物物理参数并就如何优化阻力训练计划提供建议[ 91]。这些信息可以通过基于语音的虚拟代理提供给个人，也可以通过使用增强现实或虚拟现实技术[92]。

总之，我们认为应用于可穿戴数据的人工智能有可能通过提供新的见解、提高训练计划的有效性以及增强个人在运动期间的整体体验来彻底改变阻力训练研究。

 作者贡献

T.T.d.B.和D.M.为作品的构思做出了重大贡献，起草和修改了手稿。所有作者均已阅读并同意该手稿的出版版本。

 资金

这项工作得到了法兰德斯研究基金会（DM的资助号G0F76.16N）和鲁汶大学特别基金（TDB的资助号3M220016）的支持。

 确认

作者要感谢 Katrien Koppo 和 Chiel Poffé 的深入讨论。

 利益冲突

作者声明，该研究是在没有任何可被解释为潜在利益冲突的商业或财务关系的情况下进行的。

 引用

  1. 卡瓦略，L.;少年，R.M.;巴雷拉，J.;勋菲尔德，BJ;奥拉泽姆，J.;Barroso， R. 不同体积匹配负荷阻力训练后的肌肉肥大和力量增加：系统评价和荟萃分析。应用生理学营养学梅塔布。2022, 47, 357–368.[ 谷歌学术搜索][ 交叉引用]
  2. Westcott， W.L. 阻力训练是医学：力量训练对健康的影响。卷曲。体育医学代表 2012， 11， 209–216.[ 谷歌学术搜索][ 交叉引用][ 出版]
  3. 克鲁兹-詹托夫特，AJ;Sayer， A.A. 肌肉减少症。柳叶刀 2019， 393， 2636–2646.[ 谷歌学术搜索][ 交叉引用][ 出版]
  4. Yasuda，T.预防和治疗肌肉减少症的抵抗训练选择方法。细胞 2022， 11， 1389.[ 谷歌学术搜索][ 交叉引用]
  5. 勋菲尔德，BJ;格里吉奇，J.;奥格伯恩，D.;Krieger， J.W. 低负荷与高负荷阻力训练之间的力量和肥大适应：系统评价和荟萃分析。J. Strength Cond. Res. 2017， 31， 3508–3523.[ 谷歌学术搜索][ 交叉引用]
  6. 斯佩利希，B.;阿米尼安，K.;杜金，P.;霍姆伯格，H.-C.编者按：用于监测运动人群训练负荷和健康状况的可穿戴传感器技术。前面。生理学. 2019， 10， 1520.[ 谷歌学术搜索][ 交叉引用]
  7. 邓恩，J.;朗格，R.;Snyder， M. 可穿戴设备与医疗革命。每。医学 2018， 15， 429–448.[ 谷歌学术搜索][ 交叉引用][ 出版]
  8. 麦克劳德，J.C.;斯托克斯，T.;Phillips， S.M. 阻力运动训练作为与年龄相关的慢性疾病的主要对策。前面。生理学 2019， 10， 645.[ 谷歌学术搜索][ 交叉引用]
  9. 马丁斯，公元;费尔南德斯，O.;佩雷拉，A.;奥利维拉，R.;阿尔德雷特·戈尼（Alderete Goñi），FD;新泽西州莱特;布里托，J.P.高速阻力训练对独立老年人健康结果的影响：系统评价和荟萃分析。国际 J. Environ。公共卫生研究 2022， 19， 5390.[ 谷歌学术搜索][ 交叉引用]
  10. 霍达达德·喀什（Khodadad Kashi， S.）;米尔扎扎德，Z.S.;萨奇安，V.阻力训练对 60 岁或以上老年人生活质量、抑郁、肌肉力量和功能性运动能力的系统评价和荟萃分析。Biol. Res. Nurs.2023, 25, 88–106.[ 谷歌学术搜索][ 交叉引用]
  11. Currier，理学学士;麦克劳德，J.C.;班菲尔德，L.;贝耶恩，J.;新泽西州韦尔顿;德索萨，A.C.;基奥，J.A.J.;林，L.;科莱塔，G.;杨，A.;健康成人肌肉力量和肥大的阻力训练处方：系统评价和贝叶斯网络荟萃分析。Br. J. 运动医学 2023 年。在线。[ 谷歌学术搜索][ 交叉引用][ 出版]
  12. 勋菲尔德，BJ;拉塔梅斯，N.A.;彼得森，医学博士;孔特雷拉斯，B.;Tiryaki-Sonmez，G.阻力训练频率对训练有素的男性肌肉适应的影响。J. Strength Cond. Res. 2015， 29， 1821–1829.[ 谷歌学术搜索][ 交叉引用][ 出版]
  13. 莫里西，M.C.;哈曼，EA;Johnson， M.J. 阻力训练模式：特异性和有效性。医学科学运动锻炼1995, 27, 648–660.[ 谷歌学术搜索][ 交叉引用][ 出版]
  14. 克雷默，W.J.;Ratamess， N.A. 阻力训练基础：进展和运动处方。医学科学运动锻炼2004, 36, 674–688.[ 谷歌学术搜索][ 交叉引用]
  15. 斯科斯基，S.;穆吉卡，I.;博斯凯，L.;梅森，R.;库茨，AJ;迈耶，T.运动、恢复过程和表现变化之间的时间关系。Int. J. 运动生理学 表演。2019, 14, 1015–1021.[ 谷歌学术搜索][ 交叉引用]
  16. 凯尔曼，M.;贝托洛，M.;博斯凯，L.;布林克，M.;库茨，AJ;达菲尔德，R.;埃拉赫，D.;哈尔森，SL;赫克斯特登，A.;海达里，J.;等。运动中的恢复和表现：共识声明。Int. J. 运动生理学 表演。2018, 13, 240–245.[ 谷歌学术搜索][ 交叉引用]
  17. 托鲁斯，J.;斯特恩，公元;Bourgeois， F.T. 跟上数字健康产品创新步伐的监管考虑。NPJ 数字。医学 2022， 5， 121.[ 谷歌学术搜索][ 交叉引用]
  18. 阿瓦德，S.;阿尔朱布里，L.;拉姆斯登，R.S.;姆潘祖，M.;Marinus， R. 美国、欧盟和中国的互联健康：加速对互联健康技术监管以优化其在药物开发中的作用的机会。前面。医学 2023， 10， 1248912.[ 谷歌学术搜索][ 交叉引用]
  19. 巴斯坎，A.;Goncu-Berk， G. 可穿戴技术的用户体验：基于纺织品和基于配件的可穿戴产品的比较分析。应用科学 2022， 12， 11154.[ 谷歌学术搜索][ 交叉引用]
  20. 古普塔，K.;僧伽罗，R.;Badhiye， S.S. 使用周期算法进行基于远程光电容积脉搏波的人类生命体征预测。生物光子学杂志 2023， e202300286.[ 谷歌学术搜索][ 交叉引用]
  21. 科雷亚，B.;迪亚斯，N.;科斯塔，P.;Pêgo， J.M. 验证用于耳垂的无线蓝牙光电容积脉搏波传感器，用于监测健康个体在压力诱导心理任务期间的心率变异性特征。传感器 2020， 20， 3905.[ 谷歌学术搜索][ 交叉引用][ 出版]
  22. 张勇;韦弗，RG;阿姆斯特朗，B.;伯卡特，S.;张，S.;Beets， M.W. 腕戴式光电容积脉搏波设备测量心率的有效性：系统评价和荟萃分析。体育科学杂志 2020， 38， 2021–2034.[ 谷歌学术搜索][ 交叉引用][ 出版]
  23. 查尔顿，PH;基里亚库，P.;曼特，J.;Alastruey， J. 在日常生活中获取可穿戴光电容积脉搏波数据：PPG 日记试点研究。工程学报 2020， 2， 80.[ 谷歌学术搜索][ 交叉引用]
  24. 金努宁，H.;哈基宁，K.;舒曼，M.;卡拉维尔塔，L.;韦斯特特普，K.R.;Kyröläinen， H. 训练引起的每日能量消耗变化：使用腕戴式加速度计、心率监测器和双重标记水技术的方法学评估。PLoS ONE 2019， 14， 0219563.[ 谷歌学术搜索][ 交叉引用]
  25. Wulterkens，BM;丰塞卡，P.;赫尔曼斯，L.W.A.;罗斯，M.;塞尔尼，A.;安德勒，P.;长，X.;范迪克，J.P.;范登布斯切，N.;皮伦，S.;等。一切都在手腕上：临床人群中的可穿戴睡眠分期与参考多导睡眠图。睡眠科学 2021， 13， 885–897.[ 谷歌学术搜索][ 交叉引用]
  26. 刘炳强;丁，N.;邱淑贞;林玉昌;刘玉彤;Ku，B.-W.;李，P.-L.社区样本中光电容积脉搏波和基于加速的睡眠分期的验证：与多导睡眠图和 Actiwatch 的比较。J.克林。睡眠医学 2023。[ 谷歌学术搜索][ 交叉引用]
  27. 钦纳维，M.;阿纳尔，PJ;索维特，F.;Léger， D. 睡眠和运动：一个相互的问题？睡眠医学修订版 2015， 20， 59–72.[ 谷歌学术搜索][ 交叉引用]
  28. 斯坦因，PK;心率变异性，睡眠和睡眠障碍。Drag Med. Rev. 2012， 16， 47–66.[ Google 学术搜索 ][ 交叉参考 ]
  29. 王建军;刘S.-H.;蔡崇华;马努萨卡斯，I.;朱旭;李，T.-L.单臂心电图的信号质量分析。传感器 2023， 23， 5818.[ 谷歌学术搜索][ 交叉引用]
  30. 李，MH;张，G.Y.;金，Y.E.;柳，P.J.;Wi，H.;哦，T.I.;Woo， E.J. 用于睡眠呼吸暂停和通气不足监测的便携式多参数电阻抗断层扫描：可行性研究。生理测量 2018， 39， 124004.[ 谷歌学术搜索][ 交叉引用]
  31. 多布金斯基，H.;安德森，RH;阿特金森，A.;博尔巴斯，Z.;德索萨，A.;弗雷泽，J.F.;稻田，S.;洛根萨，S.J.R.J.;蒙弗雷迪，O.;莫里斯，通用汽车;等。
心脏传导系统的结构、功能和临床相关性，包括房室环和流出道组织。药理学。其他。2013, 139, 260–288.\[ 谷歌学术搜索\]\[ 交叉引用\]
  1. 拜拉姆，M.;Yancy， C.W. 经胸阻抗心电图：一种无创的血流动力学评估方法。心力衰竭。克林。2009, 5, 161–168.[ 谷歌学术搜索][ 交叉引用][ 出版]
  2. 夏尔马，S.;梅尔加尼，A.;Mont， L. 运动与心灵：好的、坏的和丑陋的。欧洲心脏杂志 2015， 36， 1445–1453.[ 谷歌学术搜索][ 交叉引用]
  3. 平吉托雷，A.;佩鲁齐，M.;克拉里奇，南卡罗来纳州;帕拉马，Z.;夏拉，L.;卡瓦雷塔，E.运动心脏病学中心电图监测设备概述：现在与未来之间。克林。心肌。2023, 1–10.[ 谷歌学术搜索][ 交叉引用][ 出版]
  4. Xhyheri，B.;曼弗里尼，O.;马佐里尼，M.;皮齐，C.;Bugiardini， R. 今天的心率变异性。Prog. Cardiovasc.2012， 55， 321–331.[ 谷歌学术搜索][ 交叉引用]
  5. 罗杰斯，B.;Gronwald， T. 心率变异性的分形相关特性作为耐力运动中强度分布和训练处方的生物标志物：更新。前面。生理学 2022， 13， 879071.[ 谷歌学术搜索][ 交叉引用][ 出版]
  6. 德卢卡，CJ;亚当，A.;沃蒂斯，R.;吉尔摩，L.D.;Nawab， S.H. 表面肌电图信号的分解。J.神经生理学。2006, 96, 1646–1657.[ 谷歌学术搜索][ 交叉引用]
  7. 巴图齐，P.;Roman-Liu， D. 使用频率和时频分析 EMG 信号评估肌肉负荷和疲劳。生物学报。生物机械。2014, 16, 31–39.[ 谷歌学术搜索]
  8. Budinger， T.F. 无线通信生物监测。年。生物医学牧师。工程 2003， 5， 383–412.[ 谷歌学术搜索][ 交叉引用]
  9. Örücü， S.;Selek， M. 用于实时训练性能监控的多通道无线可穿戴 SEMG 系统的设计和验证。J.健康c。工程 2019， 2019， 4580645.[ 谷歌学术搜索][ 交叉引用]
  10. 梁志强;王旭;郭，J.;叶，Y.;张， H.;谢玲玲;陶，K.;曾伟;尹，E.;姬，B.用于SEMG信号检测的无线、高质量、柔软和便携的腕戴式系统。微机 2023， 14， 1085.[ 谷歌学术搜索][ 交叉引用][ 出版]
  11. 戈麦斯-科雷亚，M.;Cruz-Ortiz， D. 用于检测手部运动的表面肌电图的低成本可穿戴波段传感器。传感器 2022， 22， 5931.[ 谷歌学术搜索][ 交叉引用][ 出版]
  12. 克鲁谢维奇，A.;Rębiś，K.;奥齐梅克，M.;恰普利茨基，A.使用肌肉近红外光谱 （NIRS） 评估世界级赛艇运动员的有氧训练负荷。体育生物学 2021， 38， 713–719.[ 谷歌学术搜索][ 交叉引用]
  13. 保劳斯卡斯，R.;内克里奥修斯，R.;达德利内，R.;索萨，A.;Figueira， B. 在世界级皮划艇运动员中遵循不同的间歇性训练方案使用近红外光谱测量的肌肉氧合——案例研究。传感器 2022， 22， 8238.[ 谷歌学术搜索][ 交叉引用][ 出版]
  14. 桑尼，AA;McCully， K.K. 骨骼肌中近红外光谱 （NIRS） 信号的解释。J.函数。吗啡醇。 运动醇。2019, 4, 28.[ 谷歌学术搜索][ 交叉引用]
  15. 本尼，PB;麦克劳德，D.;池田，K.;林， H.-M.一种基于近红外光谱的组织血氧仪用于脑和体细胞组织氧饱和度测量的验证方法。J.克林。莫尼特。计算。2018, 32, 269–284.[ 谷歌学术搜索][ 交叉引用]
  16. 米兰达-富恩特斯，C.;奇罗萨-里奥斯，L.J.;Guisado-Requena，I.M.;德尔加多-弗莱迪，P.;Jerez-Mayorga， D. 在阻力训练中使用无线近红外光谱测量的肌肉氧饱和度的变化：系统评价。国际 J. Environ。公共卫生研究 2021， 18， 4293.[ 谷歌学术搜索][ 交叉引用]
  17. 霍奇斯，L.D.;布罗迪，D.A.;Bromley， P.D. 选定的商用代谢分析仪系统的有效性和可靠性。Scand. J. Med. Sci. 体育 2005， 15， 271–279.[ 谷歌学术搜索][ 交叉引用]
  18. 索尔迪，AF;马里亚诺，IR;席尔瓦，BF;Magnani Branco， B.H. 健美中的静息代谢率：间接量热法和预测方程之间的差异。克林。营养。埃斯彭 2022， 51， 239–245.[ 谷歌学术搜索][ 交叉引用]
  19. 罗伯斯-冈萨雷斯，L.;古铁雷斯-赫林，J.;阿吉拉尔-纳瓦罗，M.;鲁伊斯-莫雷诺，C.;穆尼奥斯，A.;德尔-科索，J.;R·鲁伊斯，J.;Amaro-Gahete， F.J. 使用 Ergostik 气体分析仪对健康男性运动期间静息代谢率和最大脂肪氧化的日间可靠性。营养素 2021， 13， 4308.[ 谷歌学术搜索][ 交叉引用]
  20. Tsekouras，Y.E.;坦巴利斯，K.D.;萨拉斯，SE;安东尼奥，又名;科基诺斯，P.;Sidossis， L.S. 新型便携式代谢分析仪 PNOE 的有效性和可靠性。前面。体育生活 2019， 1， 24.[ 谷歌学术搜索][ 交叉引用][ 出版]
  21. 姚，P.;郭文;盛，X.;张，D.;朱旭东.用于肌肉活动实时监测的便携式多通道无线近红外光谱设备。年。IEEE Eng. Med. Biol. Soc. 2014， 2014， 3719–3722.[ 谷歌学术搜索][ 交叉引用][ 出版]
  22. 徐，H.-C.;申，D.;利姆，CH;Joo， S. 开发用于测量间接静息能量消耗 （REE） 的便携式呼吸气体分析仪。J.健康c。工程 2021， 2021， 8870749.[ 谷歌学术搜索][ 交叉引用][ 出版]
  23. 李，R.;阿洪多夫，R.;詹姆斯，C.;爱德华兹，S.;Snodgrass， S.J. 在计算机化设备使用期间，两个独立的惯性测量单元与上半身姿势的黄金标准相比，两个独立惯性测量单元的并发有效性的变化。传感器 2023， 23， 6761.[ 谷歌学术搜索][ 交叉引用]
  24. 张， H.;宋，Y.;李，C.;窦妍妍;王，D.;吴彦;陈旭;Liu， D. 用于下肢评估的可穿戴系统的验证。骨科。外科 2023， 9999， 9999.[ 谷歌学术搜索][ 交叉引用]
  25. 萨马塔斯，G.G.;Pachidis， T.P. 过去五年移动机器人中的惯性测量单元 （IMU）：回顾。设计 2022， 6， 17.[ 谷歌学术搜索][ 交叉引用]
  26. Sabatini， A.M. 通过惯性/磁传感估计人体部位的三维方向。传感器 2011， 11， 1489–1525.[ 谷歌学术搜索][ 交叉引用]
  27. 易，C.;马，J.;郭华;韩，J.;高，H.;江，F.;Yang， C. 基于改进的人体运动跟踪互补滤波器估计三维身体方向。传感器 2018， 18， 3765.[ 谷歌学术搜索][ 交叉引用]
  28. 黄，T.;邵，Y.观测人体关节运动中减少IMU估计的新方法。传感器 2023， 23， 5712.[ 谷歌学术搜索][ 交叉引用]
  29. 埃尔南德斯，A.L.;巴雷拉·科尔特斯，M.C.;男爵，A.Á.;TéllezTinjacá，洛杉矶;Guío， Á.H.A. 可穿戴技术在运动训练中的竞争优势。可穿戴技术 2022， 3， 47.[ 谷歌学术搜索][ 交叉引用]
  30. 桑德，J.;Kumme， R. 静态和连续载荷的力测量装置的比较。测量 2021， 18， 100241.[ 谷歌学术搜索][ 交叉引用]
  31. 江， Y.;王，D.;莹，J.;朱，P.;钱倩;Chen， W. 基于足底压力再分配的灵活扁平足成人个性化定制鞋垫的设计与初步验证。传感器 2021， 21， 1780.[ 谷歌学术搜索][ 交叉引用][ 出版]
  32. 兰布里奇，J.;哈根，M.;施维尔茨，G.;Muehlbauer， T. 健康年轻人静态和动态运动压力检测鞋垫的并发有效性和重测可靠性。传感器 2023， 23， 4913.[ 谷歌学术搜索][ 交叉引用][ 出版]
  33. 伯奇，K.;多西，S.;乔达里，A.;托斯滕森，E.;Higginson， J. 使用基于新型碳纳米管的纺织鞋垫压力传感器估计地面反作用力。可穿戴技术 2023， 4， E8.[ 谷歌学术搜索][ 交叉引用][ 出版]
  34. Rivera， CE 跑步者的核心和腰骨盆稳定。Phys. Med. 康复。克林。2016， 27， 319–337.[ 谷歌学术搜索][ 交叉引用]
  35. 莫林，P.;穆勒，A.;Pontonnier，C.;Dumont， G. 在侧步切割、跑步和行走期间从压力鞋垫估计脚部压力中心进行评估。传感器 2022， 22， 5628.[ 谷歌学术搜索][ 交叉引用]
  36. 路德维希，M.;霍夫曼，K.;恩德勒，S.;阿斯特罗斯，A.;Wiemeyer， J. 个人心率对运动反应的测量、预测和控制——可穿戴设备的基础知识和选项。前面。生理学 2018， 9， 778.[ 谷歌学术搜索][ 交叉引用]
  37. 艾尔沙菲，M.;Shihab， E. 使用可穿戴设备检测健身房活动中的二头肌疲劳。传感器 2021， 21， 759.[ 谷歌学术搜索][ 交叉引用]
  38. 索比，G.G.;威廉姆斯，MJ;博伊尔，DW;格雷，A.;布劳纳，J.;吉布森，N.;贝克，JS;伊斯顿，C.;Ugbolue， U.C. Myon 320 肌电图系统在次最大收缩期间的赛内和日间可靠性。前面。生理学 2018， 9， 309.[ 谷歌学术搜索][ 交叉引用]
  39. 贝尔基斯，A.;Fuss， F.K. 使用基于压力传感器力肌图的新型智能压缩服装研究肌肉性能及其对肌电图的验证。前面。生理学 2018， 9， 408.[ 谷歌学术搜索][ 交叉引用]
  40. 克莱门特，FM;阿基尔迪兹，Z.;皮诺-奥尔特加，J.;Rico-González， M. 杠铃速度评估惯性测量单元的有效性和可靠性：系统评价。传感器 2021， 21， 2511.[ 谷歌学术搜索][ 交叉引用]
  41. 钱伯斯，R.;加贝特，TJ;科尔，MH;比尔德，A.使用可穿戴微型传感器来量化特定运动。运动医学 2015， 45， 1065–1081.[ 谷歌学术搜索][ 交叉引用][ 出版]
  42. 陈玲玲;刘旭;轩轩;张，J.;刘志强;基于运动协调分析的肌电传感器选择.传感器 2021， 21， 1147.[ 谷歌学术搜索][ 交叉引用][ 出版]
  43. 克日什托菲克，M.;威尔克，M.;沃伊达瓦，G.;Gołaś， A. 最大化肌肉肥大：高级阻力训练技术和方法的系统评价。国际 J. Environ。公共卫生研究 2019， 16， 4897.[ 谷歌学术搜索][ 交叉引用]
  44. 阿德西达，Y.;帕皮，E.;McGregor， A.H. 探索可穿戴技术在运动运动学和动力学中的作用：系统评价。传感器 2019， 19， 1597.[ 谷歌学术搜索][ 交叉引用]
  45. 曹，R.;阿兹米，I.;萨哈迪，F.;尼拉-维伦，H.;阿克塞林，A.;Liljeberg，P.;Rahmani， A.M. Oura Ring 夜间心率和心率变异性与时域和频域心电图的比较的准确性评估：综合分析。互联网研究 2022， 24， e27487.[ 谷歌学术搜索][ 交叉引用]
  46. 阿尔蒂尼，M.;金努宁，H.睡眠的承诺：使用 Oura 环进行准确睡眠阶段检测的多传感器方法。传感器 2021， 21， 4302.[ 谷歌学术搜索][ 交叉引用]
  47. 罗伯茨，DM;沙德，M.M.;马修，通用汽车;加滕贝格，D.;Buxton， O.M. 使用来自多传感器消费级可穿戴设备的心率和运动数据检测睡眠，相对于手腕活动记录仪和多导睡眠图。睡眠 2020， 43， zsaa045.[ 谷歌学术搜索][ 交叉引用][ 出版]
  48. 高，P.-R.T.;基恩茨，J.A.;崔，E.K.;凯，M.;加利福尼亚州兰迪斯;Watson， N.F. 消费者睡眠技术：前景回顾。J.克林。睡眠医学 2015， 11， 1455–1461.[ 谷歌学术搜索][ 交叉引用]
  49. 亨塞尔曼斯，M.;比约恩森，T.;海德曼，R.;Vårvik， F.T.碳水化合物摄入对力量和阻力训练表现的影响：系统评价。营养素 2022， 14， 856.[ 谷歌学术搜索][ 交叉引用]
  50. 迪吉米尼亚尼，R.;红衣主教，M.;法拉利，M.;Quaresima， V. 基于织物的大腿可穿戴肌电图传感器和血氧饱和度的验证，用于监测力量和耐力锻炼期间的股四头肌活动。传感器 2020， 20， 4664.[ 谷歌学术搜索][ 交叉引用]
  51. 李，R.T.;克林，S.R.;萨拉塔，MJ;库普，S.A.;希恩，J.;Voos， J.E. 运动医学中的可穿戴性能设备。运动健康 2016， 8， 74–78.[ 谷歌学术搜索][ 交叉引用]
  52. 涂，J.;Gao， W. 人类研究中可穿戴技术的伦理考虑。高级健康c.母校。2021, 10, 2100127.[ 谷歌学术搜索][ 交叉引用][ 出版]
  53. 克里戈尔森，O.E.;哈默斯特罗姆，M.R.;阿宾博拉，W.;特尔斯卡，R.;赖特，B.W.;赫克，K.G.;Binsted， G. 使用缪斯：大脑性能的快速移动评估。前面。神经科学。2021, 15, 634147.[ 谷歌学术搜索][ 交叉引用][ 出版]
  54. 马西亚，A.;科卢，R.;斯帕努，A.;弗拉斯基尼，M.;巴巴罗，M.;Cosseddu， P. 基于超薄聚对二甲苯 C 纹身电极的可穿戴系统，用于脑电图记录。传感器 2023， 23， 766.[ 谷歌学术搜索][ 交叉引用]
  55. 霍尔托巴吉，T.;格拉纳彻，美国;费尔南德斯-德尔奥尔莫，M.;霍瓦森，G.;曼卡，A.;德里乌，F.;陶贝，W.;格鲁伯，M.;马尔克斯，G.;伦德比-詹森，J.;阻力训练诱导的神经可塑性在健康和疾病中的功能相关性。神经科学。生物行为。修订版 2021， 122， 79–91.[ 谷歌学术搜索][ 交叉引用]
  56. 戈尔齐，A.;雷扎普尔，N.;贾巴里，S.;尤兹巴希，L.;萨利希，J.;加勒曼，D.;克劳斯·内托（Krause Neto），W.欺骗性强度：克服阻力训练中早期中枢疲劳的探索性策略。生理学。2022, 255, 113921.[ 谷歌学术搜索][ 交叉引用][ 出版]
  57. Bryson， D. 医疗和保健应用中的智能服装和可穿戴技术。智能服装可穿戴技术 2023， 573–581.[ 谷歌学术搜索][ 交叉引用]
  58. 纳哈万迪，D.;阿里扎德萨尼，R.;科斯拉维，A.;Acharya， U.R. 人工智能在可穿戴设备中的应用：机遇与挑战。计算。方法程序生物医学。2022, 213, 106541.[ 谷歌学术搜索][ 交叉引用]
  59. 俞国华;梁，A.L.;Kohane， I.S. 医疗保健中的人工智能。国家生物医学。工程 2018， 2， 719–731.[ 谷歌学术搜索][ 交叉引用]
  60. 利达基斯，A.;孟彦;门罗，C.;吴永新;贝古姆，M.一种基于学习的家庭神经康复代理。IEEE国际康复大会。机器人。2017, 2017, 1233–1238.[ 谷歌学术搜索][ 交叉引用][ 出版]
  61. 勒努里，P.;波尔曼，R.;马洛尼，M.;戈尔曼，A.对扩展现实技术的现状以及如何在体育运动中利用它的叙述性回顾。运动医学 2022， 52， 1473–1489.[ 谷歌学术搜索][ 交叉引用][ 出版]

© 作者 2023 年。被许可人MDPI，瑞士巴塞尔。本文是一篇开放获取文章，根据知识共享署名 （CC BY） 许可 （https://creativecommons.org/licenses/by/4.0/） 的条款和条件分发。