Oracle中joint,什么是关节中心化(Joint centration)?

article/2025/3/4 5:12:13

原标题:什么是关节中心化(Joint centration)?

71e4eaf83218e28a1d1ba00c2d6975b7.png

⭕关节中心化(Joint centration)

想要有最佳的动作模式,就必须先有良好的关节中心化。良好的关节中心化要有好的神经肌肉的控制、好的关节面以及好的动力链所组成。一般来说,关节中心化就是稳定度(stabilization)和关节游离(dissociation)。

关节游离(dissociation)常与关节活动度(Range of motion)混为一谈,但事实上有好的活动度不代表有好的动作,好的动作还必须要有好的关节游离(dissociation) 。

关节游离(dissociation)包括了神经动作的控制(neuromotor control)。稳定度(stabilization ) 、关节游离(dissociation) 以及关节活动度(Range of motion) 这三个要素组合在一起,才能达到一个最佳的动作模式。

⭕如何维持好的关节中心化和关节中心轴?

我们看到图A,靠近髋关节端的肌肉,帮着了髋关节旋转轴的稳定。 图B的肌肉是距离髋关节较远、较长的肌肉,动作同样是做了髋伸展,但是这肌肉确无法维持髋关节旋转轴的稳定。

5c8adcd84aae3e82d7dbc72af1c9d638.png

给大家一个例子:臀大肌( gluteus maximus) 是靠近髋关节轴心,它帮助髋关节维持一个良好的稳定,不让髋轴心乱跑,也协助髋伸展的动作。 腘膀肌(hamstring)的肌肉附着点离髋轴心较远,它促使股骨头往前滑动,完成一个髋伸展的动作。

所以,要完成一个最佳的髋伸展(hip ext.)动作,就必须让这两个肌肉做好它们该做的工作。 若稳定性肌肉的功能被抑制住,当另一功能性肌肉在动作时,关节轴心很快的就会被拉离关节轴心。 像是肩关节也是一个很好的例子,旋转肌袖(rotator cuff)的功能就是用来稳定肩关节轴心。

而肩胛下肌(subscapularis)是一个非常特别的肌肉,它帮助我帮把肱骨头拉近关节窝里。 所以当肩胛下肌被抑制住时,我们的阔背肌和大圆肌就会跳出来帮忙它做肩内转(Shoulder IR)的动作。 当阔背肌与大圆肌主窄了肩内转这个动作时,肱骨头就会被往前拉,而导致肩关节中心轴偏离,这我们称它为肱骨前滑移症候群(humeral anterior glide syndrome) 。

f70d4b2598a1645391a2f44e11b467b5.png

图左,是在肌肉配合完美的情况下所达成的肩关节曲屈动作。

图右,是在肌肉失衡的情况下(肱骨前移症候群),所达成的曲屈动作。

9bd9c48c863fa2623078bc2b9f29b5dc.png

很明显的,右图在轴心方面没有维持住,使得肱骨头向上滑移撞到肩峰,

这就是我们常说常见的夹挤症状群(impingement syndrome)的形成。

🔸常见的问题:

肩部-

阔背肌、大圆肌、胸小肌以及菱形肌常常过度作用去帮助我们的躯干稳定。

这样的模式会造成肩胛骨过度的下旋(downward rotation)而导致躯干僵硬。而在这样的错误模式下,做双手过头的动作就容易被限制住,而发生活动度不足或是代偿问题。

躯干-

过度作用的束脊肌会导致胸腰连结处(thoracolumbar junction)过度的伸展。腹外斜肌过度作用会造成骨盆的后倾以及躯干的曲屈。腹外斜肌的过度作用会造成肋骨的浮起。

406c9846023dbdba8349dee1ebd4050c.png

而不管是腹部肌肉还是束脊肌,只要其中一者是过度作用就都会造成躯干和脊椎的僵直。

髋部-

在股骨头过度前倾的姿势或杵臼关节处于高度压力的情况下做单脚站立姿,会发现该边髂骨会向后旋转。当髋关节在失去稳定度的情况下做单脚站立姿,常常呈现髂骨向后旋转的现象。

59f1ab197765cac724acf531a7bb8742.png

结论:

当动作失去关节中心化时,容易造成关节的提早退化以及慢性的肌肉酸痛及疲乏。

以前学生时期完全没听过没看过什么是关节中心化(centration),只知道关节活动度好不好,关节内滑动顺不顺,肌肉紧不紧等等之类的。虽然知道稳定度对于关节很重要,却不知道它影响的不只是动作,也影响了四周的肌肉以及邻近的关节(joint by joint approach)。

当我了解了这些概念之后,也运用了这些概念在肩和背部有不适的学员上,得到的回应是非常好且有效的。后续有再跟大家分享肩和髋以及邻近关节假说的(joint by joint approach)观念。

以上这个观念是来自于Dr. Evan Osar,有兴趣的人也可以去看看哦。

--------- THE END --------

⊙编辑: vincent

⊙文章转载请授权

图书推荐

责任编辑:


http://chatgpt.dhexx.cn/article/c8SDRsEp.shtml

相关文章

杵臼关节(发)

杵臼关节、 阿基米德、 多面体 1. 中国数学家华罗庚说过这样一段话:       「宇宙之大、粒子之微、火箭之速、化工之巧、地        球之变、生物之谜、日用之繁、无处不用数学。」 (《华罗庚科普著作选集》,上海教育出版社, 1984 ;原刊于 1959 年 5 月28日《人…

2021-12-25 infoGAN

Info-GAN: VAE-GAN: 真正的image image先ENCODER再DECODER产生 从nomal distribution中通过generator生成的 BiGAN: Autoencoder

InfoGAN 网络训练过程介绍

一、InfoGAN是什么 简单的讲,就是一种常见的GAN,是在普通的GAN的基础上增加Q网络,可以通过无监督学习的方式学到生成的数据的类别。 二、小故事 小D是一个很喜欢吃饺子的姑娘,喜欢吃不同的馅的饺子,而且对于饺子的要求…

InfoGAN 论文阅读笔记 基本知识总结

最近的一些工作是在使用InfoGAN,查看了一些资料,发现相关的资料并不是很多,所以,写了这个博客,一方面希望对最近两个周看到的文献进行一个归纳总结,另一方面希望遇到在做这方面的工作的大佬们,请…

机器学习-40-GAN-07-Feature Extraction(InfoGAN,VAE-GAN,BiGAN,Feature Disentangle(Voice Conversion))

文章目录 Feature ExtractionInfoGAN问题引出What is InfoGAN?结果 VAE-GANVAE-GANAlgorithm BiGANBiGANAlgorithmBiGAN架构设计解析 Triple GANDomain-adversarial trainingVoice Conversion(声音转换)Feature Disentangle(特征解耦) Feature Extraction 本节主要介绍InfoGA…

无监督式GAN(infoGAN) matlab实战

一、infoGAN原理简介 普通的GAN存在无约束、不可控、噪声信号z很难解释等问题。InfoGAN 主要特点是对GAN进行了一些改动,成功地让网络学到了可解释的特征,网络训练完成之后,我们可以通过设定输入生成器的隐含编码来控制生成数据的特征。InfoG…

InfoGAN论文理解及复现

InfoGAN论文理解及复现 by AHU Random_Walker 主要从四个方面来了解相关工作,即 MotivationRelated Work-MethodExperimentsConclusion 然后有三个过程来复现代码,最后的疑问算是对整个框架和代码细节问题的汇总吧 框架代码实现与结果总结与疑问 参…

[生成对抗网络GAN入门指南](10)InfoGAN: Interpretable Representation Learning by Information Maximizing GAN

本篇blog的内容基于原始论文InfoGAN: Interpretable Representation Learning by Information Maximizing Generative Adversarial Nets(NPIs2016)和《生成对抗网络入门指南》第六章。完整代码及简析见文章末尾 一、为什么要使用InfoGAN InfoGAN采用无监…

登堂入室__生成对抗网络的信息论扩展(infoGAN)(五)

简介 InfoGAN是生成对抗网络信息理论的扩展,能够以完全非监督的方式得到可分解的特征表示。它可以最大化隐含(latent)变量子集与观测值之间的互信息(mutual information),并且发现了有效优化互信息目标的下界。 原论文地址:https://arxiv.org…

对抗生成网络学习(五)——infoGAN生成宽窄不一,高低各异的服装影像(tensorflow实现)

一、背景 前一阶段比较忙,很久没有继续做GAN的实验了。近期终于抽空做完了infoGAN,个人认为infoGAN是对GAN的更进一步改进,由于GAN是输入的随机生成噪声,所以生成的图像也是随机的,而infoGAN想要生成的是指定特征的图…

GAN生成对抗网络合集(三):InfoGAN和ACGAN-指定类别生成模拟样本的GAN(附代码)

1 InfoGAN-带有隐含信息的GAN InfoGAN是一种把信息论与GAN相融合的神经网络,能够使网络具有信息解读功能。 GAN的生成器在构建样本时使用了任意的噪声向量x’,并从低维的噪声数据x’中还原出来高维的样本数据。这说明数据x’中含有具有与样本相同…

InfoGAN 翻译

InfoGAN: Interpretable Representation Learning by Information Maximizing Generative Adversarial Nets翻译 摘要 本文描述了InfoGAN,它是生成对抗网络的信息论扩展,能够以完全无监督的方式学习分解表征。 InfoGAN是一种生成对抗网络,它…

【论文阅读】InfoGAN: Interpretable Representation Learning by Information Maximizing GAN

论文下载 bib: inproceedings{chenduan2016infogan,author {Xi Chen and Yan Duan and Rein Houthooft and John Schulman and Ilya Sutskever and Pieter Abbeel},title {InfoGAN: Interpretable Representation Learning by Information Maximizing Generative Advers…

深度学习-李宏毅GAN学习之InfoGAN,VAE-GAN,BiGAN

深度学习-李宏毅GAN学习之InfoGAN,VAE-GAN,BiGAN 提出问题InfoGANVAE-GANBiGAN总结 提出问题 我们知道最基本的GAN就是输入一个随机的向量,输出一个图片。以手写数字为例,我们希望修改随机向量的某一维,能改变数字的特…

GAN及其变体C_GAN,infoGAN,AC_GAN,DC_GAN(一)

当时害怕篇幅过大,拆分两部分编写,下一篇文章见:GAN及其变体DCGAN, CGAN,infoGAN,BiGAN,ACGAN,WGAN,DualGAN(二) 在介绍GAN之前,我们先了解一些什么是生成模型(Generative Model)和判别模型(Di…

深度学习《InfoGAN模型》

一:网络介绍 普通的GAN网络的特点是无约束,对网络输入的噪声也不好解释,CGAN中我们通过给噪声合并一些类别数据,改变了输出形式,可以训练出我们指定类别的数据,这一点也是某种程度的解释,但是解…

InfoGAN原理PyTorch实现Debug记录

1. CGAN从无监督GAN改进成有监督的GAN GAN的基本原理输入是随机噪声,无法控制输出和输入之间的对应关系,也无法控制输出的模式,CGAN全称是条件GAN(Conditional GAN)改进基本的GAN解决了这个问题,CGAN和基本…

CGAN和InfoGAN理解

在一些比较经典的GAN模型中(像WGAN、LSGAN、DCGAN等等),往往都是从样本空间里随机采样得到输入噪声,生成的图像究竟属于哪一个类别也是随机的。通过这些模型,我们无法生成指定类别的数据。 举个不恰当的例子&#xff…

InfoGAN

InfoGAN: Interpretable Representation Learning by Information Maximizing Generative Adversarial Nets Xi Chen, Yan Duan, Rein Houthooft, John Schulman, Ilya Sutskever, Pieter Abbeel https://arxiv.org/abs/1606.03657 一、从GAN到InfoGAN 1.GAN存在的问题 GAN通…