“Revisiting Distinct Nerve Excitability Patterns in Patients with Amyotrophic Lateral Sclerosis” 学术背景 肌萎缩侧索硬化症（Amyotrophic Lateral Sclerosis, ALS）是一种毁灭性的神经退行性疾病，表现为中枢和外周运动神经元的逐渐丧失。虽然该疾病在临床和遗传上具有异质性，但轴突高兴奋性是普遍观察到的现象，被认为是神经退行性过程中的早期病理生理步骤。因此，阐明导致轴突高兴奋性的机制及其与患者临床特征的关系显得尤为重要。外周神经兴奋性测量值通过神经兴奋性记录直接得出，尽管其生物物理基础难以推断。数学模型可以帮助解释这些数据，但只有在应用于组平均记录时才可靠，限制了其在个体患...

血流限制训练对力量增益和精确力控制的差异性影响研究 研究背景 血流限制（Blood Flow Restriction, BFR）训练作为一种新兴的筋力增强方法，近年来受到了研究者和临床医学的关注。采用低负荷阻力运动进行BFR训练时，通过限制肢体近端的动脉血流和静脉回流来提升肌力和耐力。与传统阻力训练相比，BFR训练通过细胞膨胀和代谢应激（包括乳酸和活性氧物质的产生）增强机械张力，此机制有利于肌肉肥大和促进蛋白质合成。然而，血流限制强度训练采用高负荷和低负荷协议的区别特性尚不清楚。本研究旨在探索采用不同负荷的血流限制强度训练的行为和神经生理机制，对力量增益和精确力控制的差异化效果提供解释。 研究信息源 该研究由Yen-Ting Lin、Chun-Man Wong、Yi-Ching Chen、Y...

肌骨模型已经广泛用于生物力学分析，因为它们能够估计难以通过活体直接测量的运动变量（如肌肉力量和关节力矩）。传统的物理驱动计算肌骨模型可以解释神经驱动到肌肉、肌肉动力学、以及身体和关节运动学和动力学之间的动态交互。然而，这些模型由于其复杂性，运行速度较慢，难以实现实时应用。近年来，数据驱动方法以其实现速度快和操作简单的优点成为一种有前途的替代方案，但它们不能反映基础的神经机械过程。 本文提出了一种融合物理知识的深度学习框架，用以实现肌骨建模。在该框架中，将物理领域的知识引入数据驱动模型，作为软约束对其进行罚则/正则化处理。本文采用表面肌电图（SEMG）同步预测肌肉力量和关节运动学作为示例，使用卷积神经网络（CNN）实现该框架，并在两个数据集上进行了实验验证，展示了该框架的有效性和鲁棒性。 论文...