快三平台计划群_ISO/安卓/推荐(2023已更新)

“阳康”中如何运动？专家提醒：把握节奏与强度，循序渐进恢复锻炼******

　　“阳康”中如何运动?专家提醒——

　　把握节奏与强度，循序渐进恢复锻炼

　　华声在线全媒体记者 周倜

　　眼下，不少新冠感染者陆续处于“阳康”的恢复阶段，何时可以恢复体育锻炼、选择哪种运动方式等话题，受到大家关注。1月9日，湖南省国民体质监测中心主任王奎针对以上热点予以解答。

　　循序渐进，分阶段恢复运动

　　“‘转阴’之后，应注意至少7至10天避免任何运动，保持静养休息。在身体逐渐恢复活力之后，可分5个阶段逐渐恢复运动锻炼频次。”王奎表示，“阳康”过后，运动锻炼需慢慢来，注意把握节奏，切勿盲目“上强度”。

　　王奎介绍，“五阶段恢复法”是不错的方式，该方法采取进阶式，每次进阶时间不得低于7天。人们可参考下列方法：

　　第一阶段为“阳康”后的第二周。此时可开始呼吸训练、拉伸、平衡练习等。以上运动基本不会耗费体力，可参照执行。

　　第二阶段为“阳康”后的第三周。瑜伽、相对较快的步行等低强度的运动是适合选项，也可居家进行简单且强度较低的家务劳动，每天开展10—15分钟，逐渐恢复体能。

　　第三阶段为“阳康”后的第四周。此阶段可逐渐开始进行低强度有氧练习和力量练习，如健步走、上下楼梯、慢骑自行车等，每次5分钟，每天开展2次。如果身体可以承受，可在次日运动时适度增加运动频次与强度，每周开展3—5天，每天总运动时间10—30分钟。

　　第四阶段为“阳康”后的第五周。可开展中等强度的有氧和力量练习，运动量可以恢复至平时状态的80%左右，可进行跑步、长距离骑行、舞蹈课、各种负重力量练习、功能性训练等，每周开展3—5天，每天总运动时间30—60分钟。

　　第五阶段为“阳康”后的第六周。此时可恢复至正常状态，按平日运动计划和习惯进行运动即可。

　　值得注意的是，运动过程中须及时监测心率变化及主观感觉，一旦有异常，如呼吸困难、胸闷、心悸、发热等症状，须立即停止恢复运动的进程，必要时寻求医疗帮助。

　　鼓励老年群体以居家锻炼为主

　　“阳康”阶段的老年群体健康问题，不容忽视。

　　王奎表示，冬季气温低，加之新冠病毒仍在，此时老年朋友不适合进行户外锻炼。无论是否已经感染新冠病毒，还是正处于感染后的恢复期，老年朋友都应以居家模式为主。

　　针对老年人居家，如何引导其确保自身基本的肌肉力量，预防骨质疏松等问题，王奎建议，可充分利用家中的沙发、桌椅等物件进行简单锻炼。比如，简单的起坐练习是不错选项，通过交替站起和坐下的动作，不仅能保证老年人的心肺耐力得到锻炼，也足以改善老年人肌肉流失等情况。

　　此外，家中的桶装水和油壶都可以作为老年人做力量练习的道具。可在老年人承受能力范围内，为其配备相应的液体容量在桶内，便于锻炼，确保安全。

　　可根据方法进行呼吸训练

　　呼吸训练法是王奎推荐的有效锻炼方式。它不仅是新冠病毒感染者在恢复阶段时能最快采用的运动方法，也有助于尽快恢复机体功能。

　　王奎介绍，常见的呼吸方式包括胸式呼吸和腹式呼吸。胸式呼吸指在呼吸时胸腔扩充为主;腹式呼吸指在呼吸时腹部扩充为主，胸腔移动较少，又称膈式呼吸，是更为高效的呼吸方式。

　　训练时，可把双手分别放置胸腔、腹部，感受胸腔、腹腔是否全面“外扩”。此外，保持吸气3秒、呼气7秒的节奏，多次训练。也可尝试鼻腔吸气、用嘴呼气的方法，该方法若不能熟练掌握，可利用“吹气球”的方式进行辅助。

　　“呼吸训练法，老少咸宜，不费体力，正处于恢复阶段的群众可自行训练，逐渐掌握，帮助自身尽快康复肺功能。”王奎说。

提速近10倍！基于深度学习的全基因组选择新方法来了******

　　近日，中国农业科学院作物科学研究所、三亚南繁研究院大数据智能设计育种创新团队联合多家单位提出利用植物海量多组学数据进行全基因组预测的深度学习方法, 可以实现育种大数据的高效整合与利用，将助力深度学习在全基因组选择中的应用，为智能设计育种及平台构建提供有效工具。相关研究成果发表在《分子植物（Molecular Plant）》上。

　　全基因组选择作为新一代育种技术，通过构建预测模型，根据基因组估计育种值进行早期个体的预测和选择，从而缩短育种世代间隔，加快育种进程，节约成本，推动现代育种向精准化和高效化方向发展。

　　统计模型作为全基因组选择的核心，极大地影响了全基因组预测的准确度和效率。传统预测方法基于线性回归模型，难以捕捉基因型和表型间的复杂关系。

　　相较于传统模型，非线性模型（如深度网络神经）具备分析复杂非加性效应的能力，人工智能和深度学习算法为解决大数据分析和高性能并行运算等难题提供了新的契机，深度学习算法的优化将会提高全基因组选择的预测能力。

　　该研究团队以玉米、小麦和番茄3种作物的4种不同维度的群体数据为测试材料，通过创新深度学习算法框架开发了全基因组选择新方法。

　　与其他五种主流预测方法相比，该方法有以下优点： 可以利用多组学数据开展全基因组预测；算法设计中包含批归一化层、回调函数和校正线性激活函数等结构，可以有效降低模型错误率，提高运行速度；预测精度稳健，在小型数据集上的表现与目前主流预测模型相当，在大规模数据集上预测优势更加明显；计算时间与传统方法相近，比已有深度学习方法提速近10倍；超参数调整对用户更加友好。

　　该研究得到了国家重点研发计划、国家自然科学基金、海南崖州湾种子实验室和中国农业科学院科技创新工程等项目的支持。

学术支持

中国农业科学院作物科学研究所

记者

宋雅娟

　　（文图：赵筱尘 巫邓炎）