人們越來越重視意外傷害及身障大學生的學習權益，於是許多大學專門加開特殊體育課程來保障意外傷害及身障大學生的體育課程，而這些特殊體育課程皆有別於一般的體育課程。但是，由於學生眾多，體育老師無法同時顧及到所有的學生在操作體育器材的狀況，甚至有些器材體育老師也無法以肉眼得知學生是否有運用到相關肌群。
本論文應用無線感測技術結合腿部推蹬機開發出股四頭肌無線感測系統，此系統可以紀錄使用者復健數據，並透過無線結合行動載具，輔助使用者判斷動作是否正確，即使專業人員不在旁邊陪伴，也有助於降低運動傷害的發生。當收集相關資料後，即可應用資料探勘技術於股四頭肌訓練成效分析，分析學生資料及相關訓練數據，找出可能影響股四頭肌訓練成效隱藏因子，提供老師做教學上的參考。

There is a growing emphasis on accident and disabled students' learning rights. So, many universities add special sports programs to protect accidental injury and sports courses for disabled students, and these special sports courses are different from the general education curriculum. However, there are many students, physical education teacher can’t simultaneously take into account the status of all students in the operation of sports equipment, and even some sport equipment that teacher can’t know whether the student has applied to the relevant muscles by naked eye. 
  In this thesis, the application of wireless sensor technology combined with the development of leg press machine quadriceps wireless sensor system. That can record the user rehabilitation data, through combining with the mobile device, assist the user to determine whether the action is correct. Even professionals are not next to the company, but also help to reduce the incidence of sports injuries. When the collection of relevant data, that can use data mining techniques in the quadriceps training effectiveness analysis, analysis of student data and related training data to identify stocks that may affect quadriceps training effectiveness hidden factor, providing a reference in teaching teachers.

目錄
第一章 緒論	1
1.1研究動機及研究目的	1
1.2論文架構	2
第二章 相關研究	3
2.1校園常發生腿部運動傷害	3
2.2腿部推蹬機訓練方式及要點	5
2.3資料探勘	6
2.3.1決策樹演算法	8
第三章 研究內容與方法	9
3.1系統架構	9
3.2無線感測模組	10
3.2.1腳掌感測器裝置	11
3.2.2背部感測器裝置	12
3.2.3臀部感測器裝置	14
3.2.4股四頭肌感測器裝置	16
3.3即時回饋模組	17
3.3.1腳掌位置判斷	17
3.3.2背部緊貼椅墊判斷	20
3.3.3臀部緊貼坐墊判斷	20
3.3.4運用到股四頭肌判斷	21
3.4分析模組	22
3.4.1知識探勘流程	22
3.4.2股四頭肌訓練分析流程	24
第四章 實作成果	30
4.1實作環境	30
4.2無線感測模組	31
4.2.1腳部壓力感測器安裝	32
4.2.2背部壓力感測器安裝	33
4.2.3臀部壓力感測器安裝	33
4.2.4股四頭肌電感測器安裝	34
4.3即時回饋模組	35
4.3.1腳部壓力感測數據	35
4.3.2背部壓力感測數據	40
4.3.3臀部壓力感測數據	42
4.3.4股四頭肌肌電感測數據	45
4.4分析模組	48
4.4.1資料類別分組	48
4.4.2決策樹結果分析	51
4.5股四頭肌訓練統計	60
4.5.1以性別作分類	60
4.5.2以學院作分類	60
4.5.3以腳受傷作分類	61
4.5.4以各部位來分類	62
第五章 結論與未來方向	63
5.1結論	63
5.2結論與未來方向	63
參考文獻	65
附錄一 英文論文	67
 
圖目錄
圖 1腿部推蹬機	5
圖 2系統架構圖	10
圖 3腳掌區塊圖	12
圖 4腳部壓力感測器安裝位置圖	12
圖 5脊椎構造圖	13
圖 6背部壓力感測器安裝位置圖	14
圖 7人體臀部位置圖	15
圖 8臀部壓力感測器安裝位置圖	15
圖 9股四頭肌肌肉分布圖	16
圖 10知識探勘流程[11]	23
圖 11股四頭肌訓練分析流程圖	25
圖 12腿部推蹬機無線感測模組架構圖	31
圖 13腿部推蹬機無線感測模組實裝圖	32
圖 14腳部感測器實裝圖	32
圖 15背部感測器實裝圖	33
圖 16臀部感測器實裝圖	34
圖 17肌電感測器實裝圖	35
圖 18腳部動作正確數據圖	36
圖 19腳掌內八數據圖	37
圖 20腳掌外八數據圖	37
圖 21腳掌只用腳跟出力數據圖	38
圖 22腳掌墊腳數據圖	39
圖 23腳部位置錯誤數據圖	40
圖 24背部動作正確數據圖	41
圖 25身體傾數據圖	41
圖 26臀部緊貼椅墊正確數據圖	42
圖 27身體左傾數據圖	43
圖 28身體右傾數據圖	44
圖 29左臀部抬起數據圖	44
圖 30右臀部抬起數據圖	45
圖 31有運用到股四頭肌數據圖	46
圖 32沒有運用到股四頭肌數據圖	47
圖 33系統畫面圖	47
圖 34學院人數分布圖	49
圖 35腳是否受傷人數分布圖	49
圖 36性別人數分布圖	50
圖 37決策樹模組－工學院	51
圖 38決策樹模組－文學院	52
圖 39決策樹模組－商管學院	53
圖 40決策樹模組－腳受傷	54
圖 41決策樹模組－腳受傷	55
圖 42決策樹模組－腳沒受傷	56
圖 43決策樹模組－男性	57
圖 44決策樹模組－女性	58
圖 45正確率統計圖-性別	60
圖 46正確率統計圖-學院	61
圖 47正確率統計圖-腳是否受傷	62
圖 48正確率統計圖-各部位	62
 
表目錄
表 1校園常發生的慢性腿部運動傷害	4
表 2常見的決策樹演算法	8
表 3左腳部壓力感測數據對照表	18
表 4右腳部壓力感測數據對照表	19
表 5背部壓力感測數據對照表	20
表 6臀部壓力感測數據對照表	21
表 7左股四頭肌肌電感測數據對照表	22
表 8右股四頭肌肌電感測數據對照表	22
表 9目標欄位說明表	27
表 10實作環境	30
表 11分類模組-股四頭肌訓練有成效之因子	59

[1]	Darryl C. Whitney, Daniel R. Sturnick, Pamela M. Vacek, Mike J. DeSarno, Mack Gardner-Morse, Timothy W. Tourville, Helen C. Smith, James R. Slauterbeck, Robert J. Johnson, Sandra J. Shultz, Javad Hashemi and Bruce D. Beynnon, "Relationship Between the Risk of Suffering a First-Time Noncontact ACL Injury and Geometry of the Femoral Notch and ACL," The American Journal of Sports Medicine, doi:10.1177/0363546514534, 2014
[2]	Samuel P. Lauermann, Karin Lienhard, Julia F. Glatthorn, Nicola C. Casartelli and Nicola A. Maffiuletti, "Assessment of quadriceps muscle weakness in patients after total knee arthroplasty and total hip arthroplasty: Methodological issues," Journal of Electromyography and Kinesiology, vol. 2,Issue 2, pp. 285-291, 2014
[3]	Zachary J. Domire, Rhonda L. Boros and Javad Hashemi, "An examination of possible quadriceps force at the time of anterior cruciate ligament injury during landing: A simulation study," Journal of Biomechanics, 44(8):1630-2. doi: 10.1016/j.jbiomech.2011.03.001. May 2011
[4]	羅世忠, "銀髮族之健康器材之選擇, " 中山醫學大學電子報-第56期, 2012
[5]	Jocelyne Fayn, "A Classification Tree Approach for Cardiac Ischemia Detection Using Spatiotemporal Information From Three Standard ECG Leads," IEEE Transactions on Biomedical Engineering, vol. 58, no. 1, pp. 95-102, January 2011.
[6]	Junghwan Cho, Xiaopeng Li, Zhiyong Gu, and Pradeep U. Kurup, "Recognition of Explosive Precursors Using Nanowire Sensor Array and Decision Tree Learning," IEEE Sensors Journal, vol. 12, no. 7, pp.2384-2391, July 2012.
[7]	Guleng Sheri, and David Corne, "Learning-Assisted Evolutionary Search for Scalable Function Optimization: LEM(ID3)," IEEE Congress on Evolutionary Computation, pp.1-8, July 2010.
[8]	Leszek Rutkowski, Lena Pietruczuk, Piotr Duda, and Maciej Jaworski, "Decision Trees for Mining Data Streams Based on the McDiarmid’s Bound," IEEE Transactions on Knowledge and Data Engineering, vol. 25, no. 6, pp.1272-1279, June 2013.
[9]	Fengjun Bai and Chee-Meng Chew, "Muscle force estimation with surface EMG during dynamic muscle contractions: A wavelet and ANN based approach," 35th Annual International Conference of the IEEE EMBS Osaka, Japan, 3 - 7 July, 2013
[10]	"Quadriceps Stretch," http://www.floota.com/quadricepsstretch.html, 2011
[11]	Timo Horeis, Bernhard Sick, "Collaborative Knowledge Discovery & Data Mining: From Knowledge to Experience," Proceedings of the 2007 IEEE Symposium on Computational Intelligence and Data Mining(CIDM 2007), pp.421-428, 2007.
[12]	Shao-Yang Chang, "Using Data Mining in Urinary Incontinence Clinical Symptom Analysis," Tamkang University, 2013