加速規因為配戴方便且價格相對便宜，已普遍運用在運動量測上 (Bergamini et al., 2014; Brayne, Barnes, Heller, & Wheat, 2015)。在應用上，利用 IMU 計算下肢
動力學參數已經有許多文獻證實其可行性，其中IMU 擺放位置、數量、計算方法
也成為這類文獻中重點探討的部分。Ngoh （2018）運用 IMU 結合神經網路計算 出垂直地面反作用力，並與校標呈現高度相關(Ngoh, Gouwanda, Gopalai and Chong.
2018)。(Karatsidis et al. 2019)，利用 17 個 IMU 佩戴在頭部、肩膀、軀幹、大腿、
小腿等 17 個位置，以逆動力學的方法，計算出地面反作用力以及關節力矩
（Karatsidis, Jung, Schepers, Bellusc, Veltink, & Andersen. 2019）。Damian P.Raper
（2018），利用單顆 IMU 配戴於脛骨，計算以物理意義推算鐵人三項選手運動時 的地面反作用力 (Raper et al., 2018)。除了利用 IMU 計算動力學參數地面反作用力 外，Brahms （2018）研究團隊將感測器配戴於脛骨，計算出跑步時的步長，並與 校標呈現高度相關(Brahms, Zhao, Gerhard and Barden. 2018)。(Mo & Chow. 2018)，
利用5 個 IMU 配戴於軀幹以及雙腳脛骨與前腳掌，以加速度訊號峰值計算著地時 2018 NgohKieron
Jie-Han 1 右腳前腳掌 垂直地面反作
用力 神經網路
2019 AngelosKaratsidis 17 為較良好的檢測身體活動量的工具 (Gastin, McLean, Spittle, & Breed, 2013)。而加 速規數據在計算強度上有非常多不同的演算法計算，如：Player Load、MAD、積分
圖2-2、加速度與跑步速度之相關性
MAD 的算法中，利用三軸合加速度與瞬時加速度之差做計算，在結果中提出，
MAD 是一種非常有效的方法，可以從慢走到快跑的廣泛運動範圍內估計 PA 的強
度。由於MAD 的計算是基於原始加速度數據，並且已證明不同設備間在量測上無
明顯差異、步行比跑步的準確性更高的結果。另有文獻提到，心率量測可能出現，
運動強度到達高峰時，心率會出現閾值。在利用 MAD 計算時，強度提升，MAD
值會以遞增方式提升，沒有發現天花板效應。並發現 MAD 和 VO2之間都有高度 相關性，如要使用 VO2峰值和VO2Max 值來計算運動強度，都會有實行上的不便 性 (Vähä-Ypyä et al., 2015)，未來在運動強度的量測上將可以用外在指標來替代內 在指標的可能。
圖2-3 MAD 與兩生理指標（VO2、MET）之關係 空心圓為步行階段，實心圓為跑步階段
利用不同加速度計算方法估算活動量之研究中提到，加速規的數據需經過精 確的濾波方法，才可以獲得更好的結果。並且在幾種不同計算方法中也可以看出其 中顯著之差異 (Rodriguez et al., 2019)。不同擺放位置研究中，比較放置於手腕與髖 關節上，九種加速規數據模型估計的活動量，結果中顯示放於手腕的線性模型產生 的結果與放於髖關節的參考方法最相似 (Kingsley et al., 2019)。
總結以上運用加速規在計算運動強度已有許多文獻使用，主要差別來是加速 規放置位置以及計算方法。如要準確以加速度計算運動強度應注意放置位置以及 計算方法上之差異。