مقدمه
در چند سال گذشته، علاقه به ورزش برای افراد ورزشکار با سرعت چشمگیری افزایش یافته است (1). به‌طور هم‌زمان، شرکت در ورزش توسط تعداد فزاینده‌ای از افراد مشاهده شده است، با شواهدی که نشان‌دهنده تأثیر مثبت ورزش بر کیفیت زندگی، سلامت جسمانی و رفاه روانی-اجتماعی در این جمعیت است (1). پیشرفت‌های اخیر در فناوری، انواع جدیدی از تجهیزات را ایجاد کرده است که می‌توانند در بیومکانیک برای اندازه‌گیری حرکت و اینرسی در حین حرکت انسان مورد استفاده قرار گیرند. حوزه‌های کاربرد این فناوری‌ها چندین حوزه کلیدی بیومکانیک ورزشی از جمله افزایش عملکرد را در برمی‌گیرد. با افزایش در دسترس بودن، پتانسیل بیشتری برای استفاده نامناسب وجود دارد؛ بنابراین، آزمایش‌های مستقل گسترده برای اثبات اعتبار و قابلیت اطمینان این روش‌ها مورد نیاز است (2). این مقاله به برخی از فناوری‌های جدید که به‌طور فزاینده‌ای در بیومکانیک ورزشی مورد استفاده قرار می‌گیرند، می‌پردازد و عوامل کلیدی را که باید در بهترین عمل در نظر گرفته شوند برجسته می‌کند. با توجه به تنوع زیاد ورزش‌ها و چگونگی تأثیر آن‌ها بر تمرینات ورزشی، پیشرفت در تحقیق و فناوری نقش کلیدی در ارائه ابزارهایی برای مشارکت ایمن، فراگیر و مؤثر در ورزش دارد. با توجه به پیشرفت‌های تکنولوژیکی اخیر، تمرینات ورزشی و عملکرد مسابقات با استفاده از این دستگاه‌ها، به‌ویژه از منظر بیومکانیک ورزشی، پایش می‌شوند. بنابراین، افزایش سطح رقابت به پیشرفت‌های تکنولوژیکی اخیر نسبت داده شده است. این رشته بیومکانیک ورزشی است که ارزیابی‌های کمی (و گاهی کیفی) عملکرد ورزشی، به‌ویژه سینماتیک و سینتیک حرکات ورزشی را ارائه می‌دهد (3). توانایی اندازه‌گیری و توصیف حرکت انسان در طول فعالیت‌های ورزشی به بخشی جدایی‌ناپذیر از برنامه‌های مربیگری برای ارزیابی عملکرد ورزشکاران، بهبود تکنیک و پیشگیری از آسیب‌ها تبدیل شده است (4). درواقع، تجزیه‌وتحلیل ویدئویی سه‌بعدی رفتار ورزشکار از طریق سیستم‌های الکترونیک نوری رایج‌ترین رویکرد برای تجزیه‌وتحلیل رفتار ورزشکاران در گذشته بود. باوجود این محدودیت‌ها، استفاده از روش‌های سه‌بعدی مبتنی بر نوری الکترونیکی در ورزش به¬دلیل مشکلات در تجزیه‌وتحلیل حرکت انسان در محیط‌های بیرونی، میزان زمان و مهارت‌های مورد نیاز برای حساس کردن سوژه‌ها و همچنین حجم محدود کالیبراسیون محدود است (5). یک سیستم بدون نشانگر یا یک سیستم پردازش خاص، مانند OpenSim، برای غلبه بر محدودیت‌های ذاتی نشانگرهای بازتابی، یعنی تجزیه‌وتحلیل فضای داخلی و شایستگی‌های مورد نیاز، توسعه یافته است. الگوریتم‌های هوش مصنوعی، مانند شبکه‌های عصبی هم‌زمان، به‌عنوان جایگزینی برای نشانگرهای بازتابنده توسعه یافته‌اند. در سال‌های اخیر، بیومکانیک ورزشی عمدتاً با استفاده از حسگرهای پوشیدنی انجام شده است که امکان جمع‌آوری داده‌های غیرتهاجمی را در طول اجرای حرکت فراهم می‌کند (6). درنتیجه حسگرهای پوشیدنی، فعالیت‌های ورزشی را می‌توان در محیط‌های طبیعی آن‌ها انجام داد و محدودیت‌های اعمال شده توسط آزمایش‌های آزمایشگاهی را دور زد، مانند سیستم اپتوالکترونیک ۳ بعدی، که هنوز یک استاندارد طلایی در تجزیه‌وتحلیل حرکت در نظر گرفته می‌شود. از جمله، حسگرهای اینرسی و کاوشگرهای الکترومیوگرافی به‌طور گسترده برای کمی‌سازی عینی سینماتیک، سینتیک و فعالیت عضلات در طول فعالیت‌های ورزشی استفاده می‌شوند. یکی از جهت‌های امیدوارکننده در استفاده از حسگرهای پوشیدنی، سیستم‌های بیوفیدبک آنلاین است که می‌تواند اطلاعات بازخورد تقویت شده هم‌زمان را به ورزشکاران و یا مربیان ارائه دهد.
اگرچه چندین بررسی سیستماتیک که قبلاً در ادبیات موجود است، قابلیت اطمینان، اعتبار و کاربرد حسگرهای اینرسی را برای کاربردهای ورزشی نشان میدهد، مروری بر کاربردهای خاص که میتواند با تجزیه‌وتحلیل سینماتیک، سینتیک، فعالیت عضلات و فیزیولوژیکی از طریق سنسورهای پوشیدنی قال اجرا باشد هنوز انجام نشده است. از این منظر، هدف ما ارائه یک مرور کلی در مورد کاربردهای بیومکانیک ورزشی در مورد حسگرهای پوشیدنی می¬باشد.
روش شناسی
مرور ادبیات با استفاده از پایگاه‌های داده Scopus، Web of Science و PubMed انجام شد. سنسورهای اینرسی و واحدهای الکترومیوگرافی به‌عنوان سه دسته قبل از بررسی ادبیات انتخاب شدند که برای کاربردهای ورزشی استفاده می‌شدند. در جولای ۲۰۲۰ بررسی ادبیات و در نوامبر ۲۰۲۰ پایان یافت. برای انجام جستجو از کلیدواژه‌های زیر استفاده شد: ورزش، حسگرهای پوشیدنی، دستگاه‌های پوشیدنی، بیومکانیک و بی¬سیم. علاوه بر این، کلمات کلیدی زیر در رابطه با حسگرهای اینرسی به جستجو اضافه شدند: سنسورهای اینرسی، سنسورهای حرکت، و سنسورهای اینرسی پوشیدنی. کلمات کلیدی اضافی نیز به جستجو اضافه شد. از جمله کلمات کلیدی مورد استفاده برای توصیف کاربردهای الکترومیوگرافی عبارت‌اند از: ماژول حرکتی، هماهنگی عضلانی، هم‌افزایی عضلانی، عضلات، الکترومیوگرافی، حرکتی اولیه، الگوهای فعال‌سازی و سازمان‌دهی مدولار. علاوه بر این، نمادهای عام، مانند خط فاصله یا کاماهای معکوس، به‌منظور جلوگیری از سوگیری در جستجوی ناشی از تغییرات در ریشه کلمات در نظر گرفته شدند.

کیفیت هر مطالعه از نظر اعتبار داخلی، آماری و بیرونی با استفاده از پرسشنامه گزارش شده (6) ارزیابی شد. از همه نویسندگان خواسته شد که به یک چک لیست ۱۸ موردی پاسخ دهند، که بهینه‌سازی لیست‌های مشابهی است که برای بررسی‌ها استفاده می‌شود (7). به‌طور خاص، چک لیست (جدول ۱) به ما امکان ارزیابی اطلاعات داخلی (سؤال شماره ۱.۳، ۴.۶، ۷.۹، ۱۲.۱۳، و ۱۴)، آماری و اعتبار خارجی (سؤال شماره ۲.۳، ۵.۶، ۸.۱۰ و ۱۱) را داد. نویسندگان به هر سؤال پرسشنامه یک امتیاز مثبت (یک امتیاز) یا منفی (صفر) اختصاص دادند و امتیاز نهایی با جمع امتیازهای اختصاص داده شده محاسبه شد. اگر یک مطالعه در ارزیابی اکثر نویسندگان (8) به نمره مساوی یا بیشتر از ۱۱ (~۶۱٪ از حداکثر) برسد، به‌عنوان «کیفیت بالا» در نظر گرفته شد. در میان مقالاتی که به‌عنوان «کیفیت بالا» شناسایی شده‌اند، نویسندگان زیر مجموعه‌ای از مقالات را انتخاب کردند که به‌طور کامل‌تر در نتایج و بحث‌ها بررسی می‌شوند. این انتخاب تنها با در نظر گرفتن مطالعاتی انجام شد که امتیاز کیفی حداقل ۱۵ را به¬دست آوردند تا شامل مطالعاتی شود که خطر سوگیری در آن‌ها کم بود.
نتایج
سنسورهای اینرسی
استفاده از حسگرهای اینرسی و دستگاه‌های حسگر پوشیدنی در ورزش در دهه گذشته رونق گرفته است. با یک جستجوی ساده در Scopus با استفاده از کلیدواژه‌های «ورزشی» و «حسگرهای اینرسی» نشان داده می‌شود که درمجموع ۳۷ مقاله منتشر شده در ژانویه تا مه ۲۰۲۰ را شناسایی می‌کند که با تعداد مقالاتی که با استفاده از عبارات جستجوی مشابه پیدا شده است یکسان است. طی دوره ۲۰۰۴-۲۰۰۹ حسگرهای اینرسی مدرن، تراشه‌های مینیاتوری کم‌مصرف هستند که در دستگاه‌های حسگر پوشیدنی یا تجهیزات هوشمند ادغام شده‌اند. سنسورهای اینرسی امروزی عمدتاً در گروه سیستم‌های میکرو الکترومکانیکی   قرار می‌گیرند که قابل‌حمل، مینیاتوری، سبک‌وزن، ارزان و کم‌توان هستند و عموماً شامل هر ترکیبی از شتاب‌سنج، ژیروسکوپ و مغناطیس‌سنج می‌شوند.
سنسورهای اینرسی برای اندازه‌گیری حالت‌های ایستا و پویا بدن ورزشکار استفاده می‌شود. در حالت استاتیک، برخی از مهم‌ترین پارامترها موقعیت مکانی، جهت‌گیری، وضعیت، زوایای بین اجزای بدن و غیره است. در حالت دینامیکی، پارامترهای مهم اضافی ممکن است شامل جابه‌جایی، مسیر حرکت، سرعت، شتاب خطی، حرکت تند (تغییر شتاب) باشد. درحالی‌که شتاب خطی (شتاب-سنج)، سرعت زاویه‌ای (ژیروسکوپ) و جهت‌گیری (مغناطیس‌سنج) همگی می‌توانند مستقیماً اندازه‌گیری شوند، همه پارامترهای سینماتیکی دیگر باید از یک یا چند کمیت اندازه‌گیری شده استخراج شوند. به‌عنوان مثال، سرعت یک جسم با یکپارچه کردن شتاب آن در طول زمان و زاویه چرخش آن با یکپارچه کردن سرعت زاویه‌ای آن در طول زمان محاسبه می‌شود. نتایج اندازه‌گیری شده و به‌دست‌آمده می‌تواند تحت تأثیر عدم دقت حسگرهای MEMS باشد. بحث در مورد این موضوع در محدوده این مقاله نیست، اما برخی از دستورالعمل‌های مفید در مورد استفاده صحیح از حسگرهای اینرسی MEMS را می‌توان در (9) یافت.
تعداد مقالاتی که به استفاده از حسگرهای اینرسی در ورزش می‌پردازند بسیار زیاد است و نمی‌توان آن‌ها را پردازش کرد. یک جستجوی ساده در پایگاه داده SCOPUS به‌تنهایی بیش از ۱۷۰۰ مقاله از این دست را به دست آورد. جستجوی اولیه با استفاده از عبارات جستجوی تعریف شده، ۶۴ مقاله به دست آورد. پس از بررسی نویسنده، نسخه تکراری و زبان، ۳۰ مقاله باقی ماند. پس از حذف مقالات کنفرانس‌های قدیمی‌تر و مقالات کنفرانسی که بعداً در یک مجله منتشر شد، چکیده ۳۵ مقاله باقی مانده را مطالعه کردیم. سپس همه مقالات و مقالات مروری مربوط به حسگرهای اینرسی و EMG، تشخیص فعالیت انسانی و تشخیص حالات انسانی را حذف کردیم. از ۶۴ مقاله باقیمانده، همه مقالات عمومی و غیراختصاصی ورزشی را حذف کردیم که ۳۵ مقاله برای مطالعه و تجزیه‌وتحلیل کامل باقی مانده است. فرآیند انتخاب در شکل ۱ نشان داده شده است.

پس از تجزیه‌وتحلیل مقالات انتخاب شده، ما استفاده از حسگرهای اینرسی را بر اساس فعالیت ورزشی توصیف می کنیم. جدول 2 توزیع مطالعات وارد شده بر اساس ورزش خاص را نشان می‌دهد.

دستگاه‌های حسگر پوشیدنی با سنسورهای اینرسی می‌توانند برای اندازه‌گیری و ارزیابی عملی هر فعالیت در ورزش استفاده شوند. با توجه به تعداد زیادی از فعالیت‌های ممکن، استفاده از حسگرهای اینرسی را در چند گروه از نمونه‌های مربوط به ورزش‌های مختلف مورد بحث قرار می‌دهیم.
استفاده بسیار مکرر از حسگرهای اینرسی برای اهداف مختلف در راه رفتن و دویدن یافت شد. تحلیل راه رفتن شاید کمترین مشکل در این گروه از اقدامات بود و مطالعات متعددی در این زمینه انجام شد. اولیورا و همکاران (18) از یک دستگاه حسگر متحرک با شش حسگر اینرسی متصل به اندام تحتانی سوژه‌ها استفاده کرد و داده‌های به‌دست‌آمده را با سیستم OpenSim که یک نرم‌افزار منبع باز است، برای ایجاد و تجزیه‌وتحلیل شبیه‌سازی‌های دینامیکی حرکت تجزیه‌وتحلیل کرد. یک رویکرد جالب، با استفاده از تابع خود همبستگی برای ارزیابی منظم بودن حرکات چرخه‌ای انسان، از جمله راه رفتن، در (19) ارائه شد. یک نسخه پر انرژی‌تر از راه رفتن پیاده‌روی، راه رفتن نوردیک است. پیاده‌روی نوردیک از اسکی برف نشئت می‌گیرد، به‌موجب آن فرد با استفاده از یک الگوی هماهنگی شبیه به اسکی روی کانتری که به درگیری عضلانی بالای بدن نسبت به حرکات معمولی پیاده‌روی نیاز دارد، از میله‌های دستی استفاده می‌کند. سزاری و همکاران (20) از ۱۴ IMU  و روش رگرسیون برای تخمین مهارت‌های اکتسابی و تشخیص اشتباهات هماهنگی احتمالی در راه رفتن نوردیک استفاده کرد. گام بعدی استفاده از حسگرهای اینرسی است که در اقدامات در حال اجرا رخ می‌دهند. ازآنجایی‌که دویدن شکل پویاتری از راه رفتن است، نیاز به حسگرها بیشتر است. تعیین الگوی ضربه پا ایده اصلی در (21) بود. نویسندگان از شتاب‌سنج‌ها و ژیروسکوپ‌ها برای محاسبه طول گام و تعیین استراتژی‌های فرود در سرعت دویدن استفاده کردند. به‌طور مشابه، زرینر و همکاران (22) الگوریتم‌های مختلف آماری، پردازشگر سیگنال‌های دیجیتال  و یادگیری عمیق را که برای محاسبه سرعت و طول گام در دویدن با استفاده از IMU استفاده می‌شوند. پویاترین حرکت در این گروه سرعت دویدن است. یک شتاب‌سنج قرار گرفته بر روی کمر دوندگان سرعت در (23) برای ارزیابی سرعت بر اساس روش یادگیری ماشینی رگرسیون استفاده شد. مرتنز و همکاران (24) از روش‌های اعتبارسنجی پیچیده از جمله تپانچه‌های لیزری و سیستم‌های جی پی اس سینماتیک آنلاین برای اندازه‌گیری سرعت اسپرینت با استفاده از تنها یک IMU با شتاب سنج و ژیروسکوپ یکپارچه استفاده کردند.
گروه دیگری از فعالیت‌ها که حسگرهای اینرسی می‌توانند بسیار مفید باشند، ورزش‌های راکت و بدمینتون هستند. استفاده معمولی از IMU در چنین اقداماتی روی دست / مچ / بازوی ورزشکار است. و انگ و همکاران (25) یک پلتفرم اینترنت اشیا  را برای استفاده در ورزش‌های راکتی ابداع کردند. آن‌ها یک IMU را روی مچ دست ورزشکار قرار دادند و داده‌های به¬دست آمده را از طریق روش‌های یادگیری ماشینی پردازش کردند. آن‌ها ارزیابی‌های مهارتی را انجام دادند که به دنبال تمایز بین بازیکنان بدمینتون حرفه‌ای، سابلیت و آماتور بود. رویکردها و روش‌های مشابهی در (25) مورد استفاده قرار گرفت، جایی که نویسندگان با سه IMU متصل به دست، مچ و آرنج ورزشکار ابداع کردند. این سیستم از روش‌های یادگیری عمیق برای ارائه اطلاعات مفید به مربیان در تمرین تنیس روی میز استفاده می‌کند. در میان ورزش‌های راکتی، تنیس برای استفاده از سیستم‌های حسگر اینرسی محبوب‌ترین به¬نظر می‌رسد. سیلوا و همکاران (26) از دو دستگاه IMU متصل به مچ دست و زانوی ورزشکار برای ارزیابی عملکرد سرویس تنیس از طریق روش ماشین بردار پشتیبانی استفاده کرد. اهداف بسیار مشابهی در (27) ارائه شد، جایی که نویسندگان از سه حسگر ژیروسکوپ متصل به دست، بازو و قفسه سینه ورزشکار استفاده کردند. آن‌ها از روش‌های DSP، آماری و شبیه‌سازی برای ارزیابی مهارت اولین سرویس در تنیس استفاده کردند. تشخیص و طبقه‌بندی سکته مغزی نتیجه اصلی مقاله بود (27). نویسندگان از روش‌های یادگیری ماشینی IMU و درخت تصمیم استفاده کردند تا سه ضربه معمولی تنیس را شناسایی و طبقه‌بندی کنند: فورهند، بک هند و سرویس با دقت ۹۸.۱ درصد. ارزیابی هماهنگی حرکت انسان با استفاده از سه IMU در لگن، مچ دست و قفسه سینه ورزشکار در (27) ارائه شد. نویسندگان حرکت نوسان بیسبال را بر اساس روش تطبیق الگو ارزیابی کردند و به ورزشکاران و مربیان بازخورد دادند. ثبت بیومکانیک ورزشی سریع هسته اصلی کار ارائه شده در (11) بود که به‌موجب آن IMUها بر روی سینه، بازو، مچ، دست و کمر قرار گرفتند تا با ترکیب شتاب ‌سنج‌ها و ژیروسکوپ‌ها، حرکات دینامیکی بالا را به¬دست آورند. برای حرکات دینامیک، به¬ترتیب از شتاب سنج‌ها و ژیروسکوپ‌هایی با ± ۲۰۰ و ± ۲۰۰۰۰ درجه بر ثانیه استفاده شد. برای حرکات کم دینامیک به ترتیب از شتاب‌سنج و ژیروسکوپ با ۱۶± و ۱۰۰۰± درجه بر ثانیه استفاده شد. نتیجه کار آن‌ها یک پلتفرم حسگر دو برد پوشیدنی بود که بررسی پارامترهای بیومکانیکی با دامنه دینامیکی سطح بالا و بسیار گسترده را که نوسان بیسبال را توصیف می‌کرد، امکان‌پذیر کرد.
از دیدگاه‌های متعددی، چالش برانگیزترین فعالیت‌ها برای استفاده از واحدهای اینرسی، ورزش‌های آبی است. به‌عنوان مثال، دستگاه‌های حسگر پوشیدنی باید ضد آب باشند. بنابراین، طراحی و ساخت آن‌ها چالش برانگیزتر و گران‌تر است. همچنین سیگنال‌های رادیویی به‌خوبی به آب نفوذ نمی‌کنند. بنابراین، ارتباط بی¬سیم با یک دستگاه حسگر در زیر آب عملاً غیرممکن است. دمارچیز و همکاران (12) از یک IMU با ۹ درجه آزادی برای ثبت وضعیت ستون فقرات کمری انسان در حین شنا استفاده کرد. به‌منظور تعیین کمیت حرکت ستون فقرات در طول شنا، آن‌ها از یک الگوریتم تخمین جهت‌گیری و یک مدل بیومکانیکی انسانی استفاده کردند. سیستم حسگر آن‌ها داده‌ها را به‌صورت آفلاین جمع‌آوری می‌کرد و پس از شنا، زمانی که شناگر از آب خارج می‌شد، آن‌ها را به‌صورت بی سیم به رایانه شخصی منتقل می‌کرد. کریستینسن و همکاران (13) از یک شبکه حسگر بی سیم کم‌مصرف و دستگاه حسگر پوشیدنی متصل به سر شناگر برای ردیابی شناگران نخبه در زمان واقعی استفاده کردند. دستگاه حسگر پوشیدنی آن‌ها از سیگنال‌های ژیروسکوپ و شتاب‌سنج برای محاسبه مهم‌ترین پارامترهای شنا استفاده می‌کند و در مواقعی که سر شناگر خارج از آب است، آن‌ها را به رایانه شخصی ارسال می‌کند. رویکرد مشابهی توسط جیول و همکاران (28) انجام شد، که در آن یک IMU با شتاب‌سنج و ژیروسکوپ به کمر متصل شد تا تعدادی از پارامترهای مربوط به شنا را برای هر چهار رشته شنا به دست آورد. دستگاه حسگر آن‌ها داده‌های شنا را به‌صورت آفلاین ضبط کرده و پس از شنا با استفاده از یک اتصال سیمی به رایانه شخصی منتقل می‌کند.
در مورد ارزیابی CoP، سانتوز و همکاران (29) از کفی‌ها (پدار ایکس، نوول، مونیخ، آلمان) برای تعیین CoP و فشار پا در بازیکنان نخبه و تفریحی هاکی روی یخ در اسکیت رو به جلو و حالت ثابت استفاده کرد. اگرچه نیروهای کف‌پایی اندازه‌گیری شده توسط کفی‌ها بین ورزشکاران نخبه و تفریحی تفاوتی نداشت، یافته‌ای که با مطالعات اسکیت مطابقت دارد، CoP بین سطح ورزشکاران متفاوت بود. بازیکنان نخبه در مقایسه با بازیکنان تفریحی در طول اسکیت حالت ثابت، CoP را بیشتر در جلوی پا داشتند (29). اگرچه در این مطالعه فقط اسکیت رو به جلو در نظر گرفته شد، این اندازه‌گیری با کفی برای ارزیابی سایر فعالیت‌های انجام شده در بازی‌های هاکی روی یخ قابل استفاده است.
الکترومیوگرافی
کاربردهای الکترومیوگرافی سطحی (sEMG)  در علوم ورزشی در دهه گذشته به‌طور فزاینده‌ای رایج و متنوع شده است (29). احتمالاً به لطف ظهور سیستم‌های بی‌سیم، sEMG امروزه نه‌تنها به‌عنوان یک ابزار توصیفی بلکه در مطالعات کمی نیز به‌طور گسترده مورد استفاده قرار می‌گیرد. راه‌اندازی‌های دوقطبی (یعنی با استفاده از مجموعه‌ای از دو الکترود) در علم ورزش برای ثبت غیرتهاجمی جمع پتانسیل‌های عمل روی پوست رایج هستند و به‌عنوان خروجی یک سیگنال آنالوگ ارائه می‌دهند که تفاوت پتانسیل الکتریکی (ولتاژ) شناسایی شده بین دو الکترود را توصیف می‌کند. از طریق روش‌های پس پردازش خاص، مانند تصحیح و فیلتر کردن سیگنال، محققان می‌توانند از ضبط‌های sEMG چند عضله¬ای برای توصیف و یا تعیین کمیت فعال‌سازی هماهنگ شده توسط سیستم عصبی مرکزی  برای تولید و کنترل حرکت استفاده کنند (29). از ۳۵ مطالعه در نظر گرفته شده در این بخش، حدود نیمی از آن‌ها از رویکردهای کلاسیک برای تجزیه‌وتحلیل sEMG پیروی کردند که منجر به محاسبه پارامترهای دامنه، زمان و فرکانس شد.
هم افزایی عضلات
مفهوم هم‌افزایی عضلانی بر این واقعیت استوار است که CNS باید دائماً با تعداد بیش‌ازحد درجات آزادی سروکار داشته باشد (20). بر اساس پژوهش تابوری و همکاران (19)، پیشنهاد کردند که CNS ممکن است تولید و کنترل حرکت را با فعال کردن عضلات به‌صورت گروهی و نه به‌صورت فردی، در الگوهای رایج به نام هم‌افزایی (21) ساده کند. حتی اگر یک اثبات تجربی مستقیم برای این نظریه در حال حاضر وجود ندارد، هم‌افزایی عضلات به‌طور فزاینده‌ای در علم ورزش برای حدس و گمان در مورد معنای فیزیولوژیکی الگوهای فعال‌سازی هماهنگ عضلانی یا ارائه ضبط‌های sEMG چند عضله¬ای به روش فشرده استفاده می‌شود. هم‌افزایی عضلانی درواقع با فاکتور¬سازی سیگنال‌های sEMG به¬دست می‌آید؛ یک روش عددی که امکان کاهش ابعاد مجموعه داده‌های بزرگ را از طریق تکنیک‌های تجزیه مانند فاکتور¬سازی ماتریس غیر منفی ، تجزیه‌وتحلیل مؤلفه‌های اصلی ، تجزیه‌وتحلیل مؤلفه‌های مستقل، فراهم می‌کند (20, 21). همه این روش‌ها سری‌های زمانی sEMG را به مجموعه‌ای از ماژول‌های حرکتی کاهش می‌دهند، که سهم نسبی عضلات منفرد را در یک هم‌افزایی خاص توصیف می‌کنند که مشترک هستند. الگوهای فعال‌سازی مطالعات در مورد قابلیت اطمینان استخراج هم‌افزایی عضلانی در رابطه با فعالیت‌های ورزشی کمیاب است، اما بااین‌وجود در متون مورد نظر وجود دارد (14-16, 30). رایج‌ترین خانواده الگوریتم‌های مورد استفاده برای کاهش ابعاد داده‌ها NMF بود (11, 27)، با چند مطالعه از PCA برای استخراج فعالیت‌های هم‌افزایی عضلانی استفاده شد (23-25). تعداد کل فعالیت‌های عضلات ثبت شده به‌شدت در مطالعات در نظر گرفته شده متفاوت بود. ما محدودهای را در تعداد عضلات ثبت شده در این مطالعات یافتیم، از جمله یک تا هشت (1, 2, 4, 6, 7, 25, 27, 31)، و بین ۱۶ تا ۲۵ عضله (32). موردهای دوطرفه کمتر از یک طرفه بود (1). اکثر مطالعات عضلات اندام تحتانی را در نظر گرفتند (4, 6, 31)، حتی اگر تقریباً به همان اندازه عضلات از تنه و یا اندام فوقانی نیز در برگیرد (7, 8, 19, 21). تنها سه مطالعه به‌طور انحصاری بر روی بالاتنه متمرکز شدند (5, 6) (شکل 2).

بحث
نتیجه‌گیری مشابهی نیز در مطالعه دیگری به¬دست آمد که هیچ ارتباط معنی‌داری بین سه معیار قدرت عضلانی مرکزی و تفاوت در قدرت فشار دادن شانه بالای سر دمبل هنگام ارزیابی روی نیمکت ثابت در مقایسه با یک توپ سوئیسی ناپایدار وجود ندارد (33). به¬روشی مشابه، سامانی و همکارانش دامنه پوشش خطی سیگنال‌های sEMG ثبت شده از ۱۲ عضله دو طرفه تنه و اندام تحتانی را در حین تمرین اسکات درحالی‌که پایدار و ناپایدار بالا می‌برند، تجزیه‌وتحلیل کردند (33). نویسندگان دریافتند که بارهای ناپایدار روی سطوح پایدار باعث کاهش فعال شدن ستون¬مهره‌ها می‌شود، اما فعال‌سازی عضله مورب بیرونی شکم را در مقایسه با بارهای پایدار افزایش می‌دهد. بااین‌حال، بلند کردن بارهای پایدار بر روی سطوح ناپایدار باعث افزایش فعال شدن بیشتر عضلات دیستال مانند دوقلوی داخلی، عضله دوسر رانی و پهن داخلی شد. نتیجه‌گیری از این مطالعه این بود که تغییر پایداری سطح تکیه‌گاه و یا پایداری بار می‌تواند اثرات متفاوتی بر فعالیت عضلانی آگونیست در مقایسه با عضلات تثبیت‌کننده داشته باشد. نیشیدا و همکارانش شروع به بررسی پایداری سیگنال‌های sEMG ثبت شده از هشت عضله دو طرفه تنه و اندام فوقانی در طول پرس نیمکتی شامل بارهای پایدار (هلتر استاندارد) و ناپایدار (هالتر انعطاف‌پذیر با بارهای معلق با نوارهای الاستیک) کردند (30). نویسندگان نماهای لیاپانوف سیگنال‌های sEMG را محاسبه کردند. آن‌ها به این نتیجه رسیدند که بارهای ناپایدار با کاهش ناپایداری سیگنال‌های sEMG (به‌عنوان مثال، نماهای لیاپانوف پایین‌تر) مدیریت می‌شوند. سایتو و همکاران هم‌افزایی از فعالیت ماهیچه‌ای ۱۲ عضله اندام تحتانی که در هنگام فرود تک‌پا از یک پرش جانبی روی یک سطح پایدار ثبت شده است، را ثابت کرد (14). سپس سه بار در هفته به¬مدت چهار هفته به تمرین شرکت‌کنندگان روی سطح ناپایدار (تلو تلو خوردن) پرداختند و تأثیر تمرین بر هم‌افزایی عضلات را ارزیابی کردند. نویسندگان یک سازمان مدولار اصلاح شده از الگوهای فعال‌سازی عضلانی پس از تمرین تخته تکان را گزارش کردند، اما هیچ تغییری در تعداد هم‌افزایی عضلانی مشاهده نشد. به‌طور خاص، استراتژی فرود به جدایی از سهم نسبی پلانتارفلکسورها از دورسی فلکسورها و تثبیت‌کننده‌های مدیولترال (به¬ترتیب تیبیالیس قدامی و پرونئوس لانگوس) تغییر یافت. علاوه بر این، سهم نسبی عضلات ثانویه در هر ماژول حرکتی کاهش یافت. نویسندگان به این نتیجه رسیدند که تمرین تخته تلو تلو خوردن مدولار فرود را تغییر می‌دهد و سهم نسبی گروه‌های عضلانی را به روشی خاص عملکردی توزیع می‌کند. دلوکا و همکارانش تأثیر اغتشاشات (سطح تکیه‌گاه) را بر سازمان مدولار تغییرات جهت در حین دویدن تجزیه‌وتحلیل کردند (15). این مورد شامل ثبت فعالیت sEMG  ۱۶ عضله همان طرف اندام تحتانی و تنه در طول مانورهای برش ۹۰ درجه جانبی در حین دویدن با و بدون سطح تکیه‌گاه بود. نتایج هیچ تفاوتی را در تعداد هم‌افزایی عضلات و اثرات جزئی اغتشاشات بر روی ماژول‌های حرکتی نشان نداد، درحالی‌که عضلات حرکتی اولیه دستخوش تغییرات قوی‌تری شدند. نویسندگان به این نتیجه رسیدند که ویژگی‌های زمان‌بندی موتورهای اولیه احتمالاً تحت تأثیر ورودی حسی و ادغام فرمان نزولی قرار دارد (16).
نتیجه گیری نهایی
حسگرهای پوشیدنی فرصتی امیدوارکننده برای ارزیابی کمی ظرفیت‌های عملکردی فردی ورزشکار در یک محیط زیست طبیعی فراهم می‌کنند. شواهد موجود برای استفاده از حسگرهای پوشیدنی در ورزش برای ورزشکاران دارای معلولیت عمدتاً بر ارزیابی عملکرد در ورزش‌های ویلچر متمرکز است. شاخص‌های اصلی عملکرد شامل شتاب‌های خطی و چرخشی ویلچر و میزان فعالیت عضلات اندام فوقانی بدن بود که به¬ترتیب توسط سنسورهای اینرسی و EMG اندازه‌گیری شد. ارزیابی عملکرد حرکتی در ورزش به¬دلیل سطح بالای رقابت در بین ورزشکاران، روز به روز اهمیت بیشتری پیدا می‌کند. حسگرهای پوشیدنی پتانسیل ارائه داده‌های کلیدی مربوط به تمرین و عملکرد رقابتی را دارند. در میان دیگر گزینه‌های حسگر، حسگرهای اینرسی گسترده‌ترین هستند. از تجزیه‌وتحلیل‌ها، همچنین باید برداشت شود که برخی از روش‌ها، به‌عنوان مثال، محاسبه زمان‌های اتصال از کفی‌های فشار، قبل از اینکه بیشتر در زمینه بیومکانیک ورزشی مورد استفاده قرار گیرند، باید اعتبارسنجی شوند تا اطمینان حاصل شود که چنین داده‌هایی از نظر روش شناختی محکمه‌پسند هستند.

ملاحظات اخلاقی
پیروی از اصول اخلاق پژوهش
این مقاله از نوع مروری است و مستقیماً از هیچ انسانی یا حیوانی در آن استفاده نشده است.
حامی مالی
این پژوهش هیچ‌گونه کمک مالی از سازمان‌های دولتی، خصوصی و غیرانتفاعی دریافت نکرده است.
مشارکت نویسندگان
تمام نویسندگان در طراحی، اجرا و نگارش همه بخش‌های پژوهش حاضر مشارکت داشته‌اند.
تعارض
بنابر اظهار نویسندگان، این مقاله تعارض منافع ندارد.