پژوهشگاه تربیت بدنی و علوم ورزشی

 آمار

تعداد نشریات9
تعداد شماره‌ها332
تعداد مقالات3,996
تعداد مشاهده مقاله8,424,069
تعداد دریافت فایل اصل مقاله2,997,582
احمدی گودینی, فاطمه, اسلامی, منصور, یوسف پور, روح الله. (1403). مرور روش‌های برآورد نیروی عکس‌العمل زمین از داده‌های کینماتیک در دویدن، آیا روش یادگیری ماشین می‌تواند محدودیت‌ها را رفع نماید؟. , 16(40), 17-46. doi: 10.22089/smj.2023.15525.1714
فاطمه احمدی گودینی; منصور اسلامی; روح الله یوسف پور. "مرور روش‌های برآورد نیروی عکس‌العمل زمین از داده‌های کینماتیک در دویدن، آیا روش یادگیری ماشین می‌تواند محدودیت‌ها را رفع نماید؟". , 16, 40, 1403, 17-46. doi: 10.22089/smj.2023.15525.1714
احمدی گودینی, فاطمه, اسلامی, منصور, یوسف پور, روح الله. (1403). 'مرور روش‌های برآورد نیروی عکس‌العمل زمین از داده‌های کینماتیک در دویدن، آیا روش یادگیری ماشین می‌تواند محدودیت‌ها را رفع نماید؟', , 16(40), pp. 17-46. doi: 10.22089/smj.2023.15525.1714
احمدی گودینی, فاطمه, اسلامی, منصور, یوسف پور, روح الله. مرور روش‌های برآورد نیروی عکس‌العمل زمین از داده‌های کینماتیک در دویدن، آیا روش یادگیری ماشین می‌تواند محدودیت‌ها را رفع نماید؟. , 1403; 16(40): 17-46. doi: 10.22089/smj.2023.15525.1714

مرور روش‌های برآورد نیروی عکس‌العمل زمین از داده‌های کینماتیک در دویدن، آیا روش یادگیری ماشین می‌تواند محدودیت‌ها را رفع نماید؟

مطالعات طب ورزشی
دوره 16، شماره 40، خرداد 1403، صفحه 17-46    اصل مقاله (2 M)
نوع مقاله: مقاله مروری
شناسه دیجیتال (DOI): 10.22089/smj.2023.15525.1714
نویسندگان
فاطمه احمدی گودینی1؛ منصور اسلامی* 2؛ روح الله یوسف پور3
1دانشجوی دکتری بیومکانیک ورزشی، دانشکده علوم ورزشی، دانشگاه مازندران
2دانشیار گروه بیومکانیک ورزشی، دانشکده علوم ورزشی، دانشگاه مازندران
3دانشیار گروه آموزشی ریاضی، دانشکده ریاضی، دانشگاه مازندران
چکیده
تاکنون مطالعه سیستماتیکی به منظور دسته‌بندی روش‌های برآورد غیرمستقیم نیروی عکس‌العمل زمین با استفاده از دیتای کینماتیک حین تکلیف دویدن و بویژه اطلاع‌رسانی درباره‌ی مطالعات انجام شده در این زمینه با استفاده از روش جدید هوش مصنوعی انجام نشده است. بنابراین مطالعه‌ی مروری حاضر، مطالعات انجام شده در زمینه‌ی برآورد نیروی عکس‌العمل زمین با استفاده از دیتای کینماتیک حین دویدن از سال2010 تا 2023 جمع‌‌آوری و بررسی کرده است. این مقالات از طریق جستجو در وب‌سایت‌های Scopus، IEEE Xplore، Medline، ScienceDirect و PubMed با کلید واژه‌های Ground Reaction Force، Kinematics، Kinetics، Camera، Video Analysis، Accelerometer، IMU، in field، Running و ترکیبی از آن‌ها، پیدا شدند. 213 مقاله در منابع مختلف یافت شد که پس از تطبیق با معیارهای ورود به تحقیق، در نهایت 17 مطالعه بررسی گردید. مرور مقالات نشان داد به علت چالش‌هایی که پژوهشگران هنگام به کار بردن ابزارهای اندازه‌گیری مستقیم نیرو با آن مواجه هستند، برآورد غیرمستقیم نیرو از داده‌های کینماتیکی مورد توجه قرار گرفته است. از میان روش‌های برآورد غیرمستقیم، مدل بیومکانیکی و آماری عدم دقت و عدم اطمینان را به همراه دارند. روش‌های یادگیری ماشین به عنوان یک ابزار انعطاف‌پذیر برای مدل‌سازی غیرخطی و بسیار کارآمد، نیازی به دانش قبلی مدل ندارند و مدل خود را براساس الگوریتم‌های شبکه عصبی مصنوعی که یک رابطه قوی بین متغیرهای ورودی و هدف می‌یابد، ایجاد می‌کنند. به همین دلیل امروزه استفاده از روش‌های یادگیری ماشین به عنوان یک رویکرد مدرن که مدل‌سازی و استراتژی‌های جمع‌آوری داده‌ها را ساده می‌کند برای برآورد نیرو در کانون توجه است.
کلیدواژه‌ها
یادگیری ماشین؛ نیروی عکس‌العمل زمین؛ کینماتیک؛ برآورد؛ دویدن
مراجع
  1. Slater A, Campbell A, Smith A, Straker L. Greater lower limb flexion in gymnastic landings is associated with reduced landing force: a repeated measures study. Sport Biomech. 2015;14(1):45–56.
  2. Cavanagh PR, Lafortune MA. Ground reaction forces in distance running. J Biomech. 1980;13(5):397–406.
  3. Donoghue OA, Shimojo H, Takagi H. Impact Forces of Plyometric Exercises Performed on Land and in Water. 2011;3(3):303–9.
  4. Eslami M, Gandomkar A, Hosseini nejad SE, Jahedi V, Gandomkar E. Comparison of the Effect of unstable and control Shoes on the Variables Related to Tibia Stress Fracture during Running in Recreational Runners. J Res Rehabil Sci. 2014;9(6). (Persian)
  5. Pappas E, Sheikhzadeh A, Hagins M, Nordin M. The effect of gender and fatigue on the biomechanics of bilateral landings from a jump: Peak values. J Sport Sci Med. 2007;6(1):77–84.
  6. Hedayat Pour N, Shabani M, Eslami M. The effect of muscle fatigue on ankle joint moment and center of pressure during perturbation of single-leg stance. Razi J Med Sci. 2013; 20 (106) :57-64. (Persian)
  7. Bassiri Z, Eslami M, Ghaemy M, Hosseninejad SE, Rabiei M. The Effect of Shoe Outsole Containing Nanoclay Particles on Knee Joint Power during the Stance Phase of Running. Ann Appl Sport Sci. 2014;2(3):33–40.
  8. Hoseini SZ, Eslami M. Effect of Five-Finger Shoes on Vertical Ground Reaction Force Loading Rates and Perceived Comfort during the Stance Phase of the Running. J Sport Biomech. 2015;37–47. (Persian)
  9. Tazike Lamski Z, Eslami M, Habibi Tirtashi F. The Effect of Shoe Insole Stiffness on Leg Stiffness during Stance Phase of Running in Two Different Speeds among Active Men. J Res Rehabil Sci. 2016;12(1):34–41. (Persian)
  10. Hoseinzadeh E, Eslami M, Taghipur M, Fayyaz-Movaghar A. The Role of Leg Stiffness in Prediction of Medial Tibial Stress Syndrome in Active People: A Prospective Cohort Study. J Res Rehabil Sci. 2017;13(5):286-95. (Persian)
  11. Hatami Joushghan Z, Eslami M. The Effect of Fatigue on the Stiffness Changes in Legs, Ankle and Knee Joints in Lower Limb During a Thirty-Second Continuous Vertical Jump Test in Female Volleyball Players. J Sport Biomech. 2015;1(2):15–23. (Persian)
  12. Eslami M, Begon M, Hinse S, Sadeghi H, Popov P, Allard P. Effect of foot orthoses on magnitude and timing of rearfoot and tibial motions, ground reaction force and knee moment during running. J Sci Med Sport. 2009;12(6):679–84.
  13. Gandomkar A, Eslami M, Hosseini nejad SE, Jahedi V. Effect of unstable shoes on lower extremity join power during stance phase of running. Razi J Med Sci. 2014;21(124):44-43. (Persian)
  14. Boroushak N, Eslami M, Khoshnoodi H. A Review on the Impact Skills Analysis Using two Physical Principles; Impulse- Momentum and Work- Energy in Martial Arts. J Sport Biomech. 2017;3(3):57-67.
  15. Eslami M, Hoseininejad E, Fayyaz A, Sadeghi H. Do minimal shoes imitate barefoot running? Lower limbs mechanical energy using component analysis. J Appl Exerc Physiol. 2017;87–96. (Persian)
  16. Eslami M, Hoseninejad SE, Salari Esker F, Yousefpour R, Fayyaz Movaghar A, Sadeghi H. Determination of functional groups in different levels in running gait; lower limb mechanical energy analysis. In: 35th Conference of the International Society of Biomechanics in Sports, Cologne, Germany. 2017. P. 378–9.
  17. Jiang X, Napier C, Hannigan B, Eng JJ, Menon C. Estimating Vertical Ground Reaction Force during Walking Using a Single Inertial Sensor. Sensors. 2020;20(15):4345.
  18. Ancillao A. Stereophotogrammetry in Functional Evaluation: History and Modern Protocols. In 2018. p. 1–29.
  19. Veltink PH, Liedtke C, Droog E, van der Kooij H. Ambulatory measurement of ground reaction forces. IEEE Trans Neural Syst Rehabil Eng. 2005;13(3):423–7.
  20. Owings TM, Grabiner MD. Measuring step kinematic variability on an instrumented treadmill: how many steps are enough? J Biomech. 2003;36(8):1215–8.
  21. van der Krogt MM, Sloot LH, Harlaar J. Overground versus self-paced treadmill walking in a virtual environment in children with cerebral palsy. Gait Posture. 2014;40(4):587–93.
  22. Davis BL, Perry JE, Neth DC, Waters KC. A Device for Simultaneous Measurement of Pressure and Shear Force Distribution on the Plantar Surface of the Foot. J Appl Biomech. 1998 ;14(1):93–104.
  23. Razian MA, Pepper MG. Design, development, and characteristics of an in-shoe triaxial pressure measurement transducer utilizing a single element of piezoelectric copolymer film. IEEE Trans Neural Syst Rehabil Eng. 2003;11(3):288–93.
  24. Abdul Razak AH, Zayegh A, Begg RK, Wahab Y. Foot Plantar Pressure Measurement System: A Review. Sensors. 2012;12:9884–9912.
  25. Fong DT-P, Chan Y-Y, Hong Y, Yung PS-H, Fung K-Y, Chan K-M. Estimating the complete ground reaction forces with pressure insoles in walking. J Biomech. 2008;41(11):2597–601.
  26. Wundersitz DWT, Netto KJ, Aisbett B, Gastin PB. Validity of an upper-body-mounted accelerometer to measure peak vertical and resultant force during running and change-of-direction tasks. Sport Biomech. 2013;12(4):403–12.
  27. Nigg BM, Liu W. The effect of muscle stiffness and damping on simulated impact force peaks during running. J Biomech. 1999;32(8):849–56.
  28. Young WB, Hepner J, Robbins DW. Movement Demands in Australian Rules Football as Indicators of Muscle Damage. J Strength Cond Res. 2012;26(2):492–6.
  29. Bobbert MF, Schamhardt HC, Nigg BM. Calculation of vertical ground reaction force estimates during running from positional data. J Biomech. 1991 Jan;24(12):1095–105.
  30. Clark KP, Weyand PG. Are running speeds maximized with simple-spring stance mechanics? J Appl Physiol. 2014;117(6):604–15.
  31. Clark KP, Ryan LJ, Weyand PG. A general relationship links gait mechanics and running ground reaction forces. J Exp Biol. 2017; 220(2):247–58.
  32. Raper DP, Witchalls J, Philips EJ, Knight E, Drew MK, Waddington G. Use of a tibial accelerometer to measure ground reaction force in running: A reliability and validity comparison with force plates. J Sci Med Sport. 2018;21(1):84–8.
  33. Oosterwaal M, Telfer S, Tørholm S, Carbes S, van Rhijn LW, Macduff R, et al. Generation of subject-specific, dynamic, multisegment ankle and foot models to improve orthotic design: a feasibility study. BMC Musculoskelet Disord. 2011;12(1):256.
  34. Vanheule V, Andersen MS, Wirix-Speetjens R, Jonkers I, Victor J, Sloten J Vanden. Aalborg Universitet Modeling of patient-specific knee kinematics and ligament behavior using force- dependent kinematics. In: XXIV Congress of the International Society of Biomechanics. 2013.
  35. de Vries WHK, Veeger HEJ, Baten CTM, van der Helm FCT. Magnetic distortion in motion labs, implications for validating inertial magnetic sensors. Gait Posture. 2009;29(4):535–41.
  36. Leardini A, Chiari L, Croce U Della, Cappozzo A. Human movement analysis using stereophotogrammetry. Gait Posture. 2005;21(2):212–25.
  37. Alexander EJ, Andriacchi TP. Correcting for deformation in skin-based marker systems. J Biomech . 2001 Mar;34(3):355–61.
  38. Neugebauer JM, Hawkins DA, Beckett L. Estimating Youth Locomotion Ground Reaction Forces Using an Accelerometer-Based Activity Monitor. Garatachea N, editor. PLoS One. 2012;7(10):e48182.
  39. Fox J, Weisberg S. Mixed-effects models in R. An R Companion to Applied Regression; SAGE: Thousand Oaks, CA, USA. 2002.
 

  1. Neugebauer JM, Collins KH, Hawkins DA. Ground Reaction Force Estimates from ActiGraph GT3X+ Hip Accelerations. Hug F, editor. PLoS One. 2014;9(6):e99023.
  2. Thiel D V., Shepherd J, Espinosa HG, Kenny M, Fischer K, Worsey M, et al. Predicting Ground Reaction Forces in Sprint Running Using a Shank Mounted Inertial Measurement Unit. In: The 12th Conference of the International Sports Engineering Association. Basel Switzerland: MDPI; 2018. p. 199.
  3. White JD, Carson N, Baum BS, Reinking MF, McPoil TG. Use of 2-dimensional sagittal kinematic variables to estimate ground reaction force during running. Int J Sports Phys Ther. 2019;14(2):174–9.
  4. Wouda FJ, Giuberti M, Bellusci G, Maartens E, Reenalda J, van Beijnum B-JF, et al. Estimation of Vertical Ground Reaction Forces and Sagittal Knee Kinematics During Running Using Three Inertial Sensors. Front Physiol. 2018;9:218.
  5. Ren L, Jones RK, Howard D. Whole body inverse dynamics over a complete gait cycle based only on measured kinematics. J Biomech. 2008;41(12):2750–9.
  6. Johnson WR, Mian A, Donnelly CJ, Lloyd D, Alderson J. Predicting athlete ground reaction forces and moments from motion capture. Med Biol Eng Comput. 2018;56(10):1781–92.
  7. De Bie T, Cristianini N, Rosipal R. Eigenproblems in Pattern Recognition. Handb Geom Comput. 2005;129–67.
  8. Komaris D-S, Perez-Valero E, Jordan L, Barton J, Hennessy L, O’Flynn B, et al. Predicting Three-Dimensional Ground Reaction Forces in Running by Using Artificial Neural Networks and Lower Body Kinematics. IEEE Access. 2019;7:156779–86.
  9. O’Reilly M, Caulfield B, Ward T, Johnston W, Doherty C. Wearable Inertial Sensor Systems for Lower Limb Exercise Detection and Evaluation: A Systematic Review. Sport Med. 2018;48(5):1221–46.
  10. Davidson P, Virekunnas H, Sharma D, Piché R, Cronin N. Continuous Analysis of Running Mechanics by Means of an Integrated INS/GPS Device. Sensors. 2019;19(6):1480.
  11. Pogson M, Verheul J, Robinson MA, Vanrenterghem J, Lisboa P. A neural network method to predict task- and step-specific ground reaction force magnitudes from trunk accelerations during running activities. Med Eng Phys. 2020;78:82–9.
  12. Akenhead R, Nassis GP. Training Load and Player Monitoring in High-Level Football: Current Practice and Perceptions. Int J Sports Physiol Perform. 2016;11(5):587–93.
  13. Girka A, Kulmala J, Äyrämö S. Deep learning approach for prediction of impact peak appearance at ground reaction force signal of running activity. Comput Methods Biomech Biomed Engin. 2020;23(14):1052–9.
  14. Tedesco S, Perez-Valero E, Komaris D, Jordan L, Barton J, Hennessy L, et al. Wearable motion sensors and artificial neural network for the estimation of vertical ground reaction forces in running. In: 2020 IEEE SENSORS. IEEE; 2020. p. 1–4.
  15. Johnson WR, Mian A, Robinson MA, Verheul J, Lloyd DG, Alderson JA. Multidimensional Ground Reaction Forces and Moments From Wearable Sensor Accelerations via Deep Learning. IEEE Trans Biomed Eng. 2021;68(1):289–97.
  16. Sharma D, Davidson P, Müller P, Piché R. Indirect Estimation of Vertical Ground Reaction Force from a Body-Mounted INS/GPS Using Machine Learning. Sensors. 2021;21(4):1553.
آمار
تعداد مشاهده مقاله: 664
تعداد دریافت فایل اصل مقاله: 24


سامانه مدیریت نشریات علمی. طراحی و پیاده سازی از سیناوب