引言
你的心跳加快是因为肌肉需要更多氧气，还是因为心率增加而肌肉获得了更多氧气？
心率是衡量运动强度的最佳指标之一。它易于测量、易于使用，并且很容易转化为训练区间。但是心率与肌肉含氧量之间是如何比较和相关的呢？
让我们深入探讨它们的异同。
在这篇第一篇博客文章中，如何测量心率和肌肉含氧量？
手动测量脉搏
心率很容易、也很直观地测量。即使没有精密的设备，你也可以相当准确地感受、计数并计算出你的心跳有多快。
你完全可以在手腕或颈部感受到脉搏。
在手腕测量脉搏时，将两根手指放在桡动脉上的骨头和肌腱之间，桡动脉是前臂外侧的主要动脉。这条动脉位于手腕的拇指侧。
在颈部测量脉搏时，将两根手指放在气管一侧颈部的凹槽中。
医生不会感受你的心率，而是经常使用听诊器来听你的心跳。
当你感受到（或听到）脉搏时，数一下15秒内的跳动次数。将这个数字乘以四，即可计算出每分钟心跳数。例如，如果你在15秒内数出20次跳动，你的心率就是80 bpm。
肌肉含氧量不是你能感受或计数的东西，它是肌肉组织中可用氧气的百分比，例如就像你的血氧饱和度一样。
智能手机解决方案
如果你对识别、触摸并计数脉搏的能力没有信心，有自动检测的解决方案。一些智能手机应用可以使用手机摄像头和闪光灯来测量你的心率。该应用使用摄像头检测你指尖的颜色变化。这些颜色变化对应于你的脉搏。
如今的智能手机可以使用光学技术，但不是我们 Train.Red 所使用的光学技术。没有任何智能手机应用能使用手机摄像头测量你肌肉组织中的饱和度。
心率监测器
在进行体育活动时，感受并计数心率会变得更加复杂。为了准确感受和计数，你必须停止你正在做的事情。摄像头功能也是如此，在运动过程中很难进行测量。幸运的是，有两种心率监测器可以通过持续测量来帮助你解决这个问题。
胸带式监测器通常被认为是精度最高的。胸带佩戴在胸部周围，测量来自你心脏的电信号。它将这些数据传输到手表或智能手机上。
腕带式监测器被集成到许多健身追踪器和智能手表中，例如 Apple Watch、Fitbit 或 Garmin 设备。它们使用光学传感器测量皮肤下的血流。你不仅在腕带式设备中能找到这些光学传感器，还有其他替代方案，例如佩戴在你的上臂。
心电图/心电图
测量心率的金标准是心电图。它记录心脏的电活动，并能提供详细信息。这通常用于医疗、临床环境。你将电极连接到身体的特定部位（通常是胸部、手臂和腿部）来记录心脏活动。心电图提供了你心脏电活动的详细图表，心率可以从这些数据中得出。
其他
大多数现代血压计和血氧仪除了其主要目标外，还能测量心率。即使是 Train.Red 传感器，在将传感器放置在浅表动脉上时也能测量心率。
那么肌肉呢？
Train.Red 传感器测量肌肉含氧量无疑是最实用的。不过，还有其他几种方法可以量化肌肉组织中的含氧水平，但这些方法具有侵入性、不适合体育运动，或者需要更先进、更昂贵的技术。
磁共振成像（MRI）
有两种先进的成像技术用于间接测量含氧量。血氧依赖（BOLD）MRI测量血红蛋白磁特性的变化，这些特性会随着含氧量的变化而改变。通过动态对比增强（DCE）MRI，可以使用对比剂来估算肌肉的供氧量，从而量化血流。
侵入性方法
其他需要注射标记物的技术有吲哚青绿（ICG）染料和正电子发射断层扫描（PET）。使用 ICG 时，会将染料注入血液中，这种染料会与蛋白质结合并反映含氧水平。PET 扫描可以通过使用放射性标记示踪剂来测量组织代谢和氧气利用率。
直接测量组织中的氧气和其他代谢物的方法只有微透析。你将一个小探头插入肌肉组织中，它会采集细胞外液。直接测量氧气压可以使用克拉克电极。电极放置在肌肉中，利用催化铂表面测量周围的氧气。
肌肉含氧量
不仅其他测量肌肉含氧量的方法具有侵入性、昂贵、不连续、无法实时测量，或者在运动中根本无法实现……这些方法都无法测量肌肉组织中的氧气饱和度。这是肌肉含氧量领域面临的最大挑战之一。研究界和工业界正在密切合作，以确保用于量化组织含氧量的光学传感器符合生理事实。
我们 Train.Red 很高兴能做出贡献，并成为这一不断发展的知识库的一部分。
心率 vs 肌肉含氧量
心率告诉你你的心血管系统工作得有多努力，而肌肉含氧饱和度则让你了解你的肌肉供氧有多充分。随着运动强度的增加，心率的升高反映了身体对氧气的需求，而肌肉含氧饱和度则显示氧气在你的肌肉中被输送和利用的效率。
- 心率经常用于跟踪有氧强度和心血管负荷。
- 肌肉含氧量帮助你了解你的肌肉在用力时能够多好地利用氧气，以及它们是否出现了氧气亏缺。
这两项测量相互补充。心率会随着运动而升高，但肌肉含氧饱和度会根据你的肌肉维持供氧的能力而波动。高心率和低肌肉含氧水平可能表明你正在进入无氧区间，此时你的肌肉不再能获得足够维持活动的氧气。
下一篇博客
欢迎在下方讨论中提出任何问题或发表评论。在我们的下一篇博客中，我们将重点比较来自你心脏的典型数据与来自你肌肉的数据。
