该文章介绍FFMI(去脂体重指数)计算工具,用于评估肌肉质量。用户输入体重、身高、体脂率和性别后,可计算FFMI值,并参考男性/女性标准范围(如低于、平均、高于、极高水平)判断肌肉状况。工具还提供身体成分分析,并说明FFMI比BMI更准确,建议结合专业设备测量。
OriginFlow是一家由清华博士生秦深涛创立的创业公司,利用神经肌电(sEMG)技术采集具身智能数据。其NeuroScale体系通过腕带采集肌电信号,结合视觉和IMU,重建人类动作、接触力和驱动力,生成Human Tokens,旨在补充现有数据采集方式的不足,推动物理AGI发展,并规划了从数据采集到人机共融的三阶段路线。
法国研究发现,褐藻Halidrys siliquosa提取物能激活大鼠骨骼肌细胞的AMPK/PGC-1α通路,模拟运动信号,并增强抗氧化防御。但该研究仅限细胞实验,未涉及动物或人体,且生物利用度差,距离“运动药丸”尚远。
一项40人双盲对照试验显示,抗阻训练者同时补充乳清蛋白(30克)和胶原肽(10克)八周,腰椎骨密度增加约10%,肌肉量净增2.66公斤,深蹲力量提升15公斤,效果优于单独补充。乳清蛋白促进肌肉合成,胶原肽支持骨骼重建,两者协同作用更佳。
该文探讨NR补剂与HIIT对肌肉表观遗传衰老的相反影响。研究发现,口服NR五个月可减缓肌肉表观遗传时钟,而高强度间歇训练却加速某些时钟。不同时钟结果矛盾,线粒体增加方式及细胞环境是关键。血液与肌肉时钟不相关,个体差异大,体外实验失效,凸显表观遗传时钟的复杂性和上下文依赖性。
FaceMind公司提出Ego-NeuroLoop数据范式,旨在通过采集人类动作的完整过程,包括注意力、神经状态和肌肉执行等信号,提升机器人对环境变化的理解和预测能力。该公司利用NeuroMatrix和NeuroBooster技术,降低数据采集门槛并提高信号质量,以增强机器人在真实场景中的适应能力。
麻省理工学院的Ritu Raman与波士顿儿童医院的Ryan Flynn通过Co-Scientist平台合作,研究肌肉和神经组织,以探讨ALS等疾病。Raman整合文献形成可测试的假设,Flynn则研究细胞表面RNA的作用。他们结合专业知识,探索新的RNA机制和药物,致力于开发针对ALS的疗法。
研究发现,陈年大蒜提取物中的S1PC能够激活LKB1-SIRT1通路,促进eNAMPT分泌,从而增强老年小鼠的肌肉功能。S1PC通过大脑调节肌肉,而非直接作用于肌肉。此外,脂肪组织在抗衰老中发挥重要作用,与NMN联合使用可显著提升效果。
研究发现,运动时肌肉分泌的“鸢尾素”能通过血液传递到大脑,促进记忆并抵抗老年痴呆。鸢尾素不仅增强肌肉生长,还改善认知功能。老年人肌肉萎缩与认知障碍相关,运动是提高鸢尾素水平的最佳方式。科学家们正在探索将鸢尾素制成药物的可能性,但仍面临多项挑战。
人参皂苷Rg1能加速肌肉修复,优化修复过程。运动导致肌肉微损伤后,Rg1通过调节免疫反应、激活干细胞和促进线粒体转移来提升修复效率。适度炎症有助于肌肉生长,Rg1还可降低疲劳感,提高训练效果。需注意Rg1不是激素,其效果依赖于训练,剂量应适中。
猛士 M817 Ultimate 是一款由猛士汽车与华为乾崑联合打造的高性能智能越野车,结合了智能技术与传统越野车的机械结构,旨在提升越野体验。该车配备先进的智能感知系统和动力系统,能够在复杂路况下保持稳定表现,标志着越野车市场向智能化转型的重要一步。
研究发现,西罗莫司(雷帕霉素)每周使用一次并未增强老年人的运动效果,反而削弱了肌肉功能并增加了副作用。抑制mTOR信号通路会阻碍肌肉合成,导致训练收益减少。因此,建议专注于训练和营养,而非依赖西罗莫司。
研究发现,老年人肌肉中的NAD+水平较低,但经常锻炼的老人能维持接近年轻人的水平。锻炼有助于改善肌肉代谢、降低氧化压力并促进线粒体功能。尽管NAD+与肌肉健康相关,但补剂未必能复制锻炼的效果,因果关系仍需进一步研究。
研究表明,膳食中的高级糖基化终产物(AGEs)与肌肉减少症显著相关,尤其是肉类和烘焙食品。烹饪方式影响AGEs含量,高温烹饪会增加AGEs,从而增加肌肉流失的风险。
肌肉爆发力是预测寿命的重要指标,优于单纯肌肉力量。研究表明,爆发力差的人死亡风险高达6倍。普通人应训练爆发力,以应对日常活动和意外。科学训练可延缓爆发力衰退,训练方法包括快速伸缩复合训练和负重爆发力训练。
拉伸可以提高柔韧性、改善体态和缓解疼痛,但需正确选择动作、注意细节和持续时间。久坐会导致肌肉缩短,拉伸有助于恢复肌肉弹性。有效的拉伸应专注并持续10-30秒,以避免受伤。
何小鹏在小鹏科技日上剪开IRON机器人腿部展示内部结构,以证明其非特效。他感慨中国企业常遭质疑,希望这是最后一次自证,反映出中国科技创新者面临的偏见与挑战。
本研究针对深层肌肉EMG信号难以测量的问题,提出了一种混合深度学习算法——神经肌肉骨骼模型(NMM),该算法结合了物理集成与数据驱动的深度学习方法,以估算缺失的深层肌肉EMG信号。实验验证显示,NMM在预测表现上显著优于现有的肌肉协同外推(MSE)方法,具有良好的应用潜力。
聪明的普通人以理性为基础,维护相对优势,但因缺乏勇气而失去选择,最终沦为买办,无法实现自由。
一种新型自动化系统利用深度学习分析CT扫描中的肌肉和脂肪,准确度超过95%,将手动分析时间从数小时缩短至数分钟,显著提升身体成分测量的准确性。
完成下面两步后,将自动完成登录并继续当前操作。