diff --git a/chap11/chap11.tex b/chap11/chap11.tex
index ef4ddd1..9452dbd 100644
--- a/chap11/chap11.tex
+++ b/chap11/chap11.tex
@@ -209,7 +209,7 @@ \section{膝关节僵硬步态中的肌肉动作}
 
 我们使用了肌肉驱动的模拟来检查在摆动之前和摆动期间股直肌的活动如何影响膝关节屈曲。
 Jeff Reinbolt 创建的模拟重现了膝关节僵硬步态患者的动态。
-为了研究股直肌活动对膝关节运动的影响，Jeff 在模拟中消除了股直肌的刺激，首先在摆动之前，然后在摆动期早期（图~\ref{fig:11_6}）。
+为了研究股直肌活动对膝关节运动的影响，Jeff 在模拟中 首先在摆动之前，然后在摆动期消除了股直肌的刺激（图~\ref{fig:11_6}）。
 我们发现在两种情况下膝关节屈曲都有所增加，但在摆动之前（“摆动前”）消除股直肌活动时，膝关节屈曲的增加幅度更大。
 这表明，股直肌在摆动前的活动可能是限制许多膝关节僵硬步态患者膝关节屈曲的原因，而不是通常认为的摆动期间的活动。
 
@@ -224,7 +224,7 @@ \section{膝关节僵硬步态中的肌肉动作}
 \end{figure}
 
 
-这个例子说明了肌肉功能的一个重要特征——肌肉的活动会影响未来的运动。
+这个例子说明了肌肉功能的一个重要特征：肌肉的活动会影响未来的运动。
 正如我们所见，肌肉兴奋和肌肉力量产生之间存在延迟，肌肉力量产生和关节位置明显变化之间也存在延迟。
 因此，在尝试识别哪些肌肉产生了异常运动时，我们必须考虑运动之前的肌肉活动。
 在关注事件期间或之后发生的肌肉活动（例如，在膝关节屈曲达到峰值的瞬间）可能要等到肌肉力量产生一段时间后才会对个体的运动产生影响。
@@ -237,7 +237,7 @@ \section{膝关节僵硬步态中的肌肉动作}
 Melanie Fox 在计算机模型中改变了股直肌，以模拟各种治疗的效果（图~\ref{fig:11_7}）。
 模拟结果显示，在将股直肌模拟移植至缝匠肌后，膝关节屈曲峰值改善最大，该手术将股直肌从膝关节伸展力矩的产生器转变为膝关节屈曲力矩的产生器。将股直肌移植至髂胫束后，膝关节屈曲峰值改善较小。
 模拟肉毒杆菌毒素注射到股直肌中，消除了其产生的膝关节伸展力矩和髋关节屈曲力矩，其改善效果比任何一种模拟移植都要小。
-这些模拟表明，股直肌移植改善膝关节屈曲的主要机制是减少肌肉的膝关节伸展力矩。
+这些模拟表明：股直肌移植改善膝关节屈曲的主要机制是减少肌肉的膝关节伸展力矩。
 改善的次要机制是保持肌肉的髋屈曲力矩，从而引起膝屈曲。
 
 
@@ -260,16 +260,16 @@ \section{不同步行速度下的肌肉动作}
 
 我们在第~\ref{chap:chap2}~章中了解了步行速度如何影响关节运动学和地面反作用力。
 肌肉激活度也会随着步行速度而变化，这不足为奇。
-图~\ref{fig:11_8}~显示了四种速度下行走时主要下肢肌肉的激活模式。
-为了获得这些模式，Edith Arnold 测量了健康受试者在跑步机上行走时的表面肌电图 (EMG) 信号。
+图~\ref{fig:11_8}~显示了 4 种速度下行走时主要下肢肌肉的激活模式。
+为了获得这些模式，Edith Arnold 测量了健康受试者在跑步机上走路时的表面肌电图信号。
 然后，对肌电图信号进行 30 赫兹高通滤波、整流，再进行 10 赫兹低通滤波（图~\ref{fig:4_14}）。
-每位受试者滤波后的肌电图测量值均通过一系列活动（包括步行、跑步和最大自主收缩）中检测到的每块肌肉的最大肌电图值进行归一化（即，归一化后，最大活动量 = 1）。
+每位受试者滤波后的肌电图测量值均通过一系列活动（包括走路、跑步和最大自主收缩）中检测到的每块肌肉的最大肌电图值进行归一化（即，归一化后，最大活动量 = 1）。
 
 
 \begin{figure}[!htb]
 	\centering
 	\includegraphics[width=1.0\linewidth]{chap11/11_8}
-	\caption{四种步行速度（1.00 至 1.75 米/秒）下测量的 11 块肌肉的平均标准化肌电图模式。
+	\caption{4 种步行速度（1.00 至 1.75 米/秒）下测量的 11 块肌肉的平均标准化肌电图模式。
 		原始肌电图信号经过校正、滤波和标准化，取各块肌肉在各种活动中检测到的最大值\cite{arnold2013muscle}。 \label{fig:11_8}}
 \end{figure}
 
diff --git a/chap12/chap12.tex b/chap12/chap12.tex
index df2698c..6adba6e 100644
--- a/chap12/chap12.tex
+++ b/chap12/chap12.tex
@@ -16,23 +16,23 @@ \chapter{肌肉驱动的跑步} \label{chap:chap12}
 
 早在两百万年前，人类祖先就开始以跑步作为交通工具。
 如今，我们跑步是为了锻炼，是为了赶时间，也是为了热爱跑步。
-我们并非地球上跑得最快的动物——跑得最快的动物是猎豹，它的最高速度约为每秒30米，远超人类短跑运动员的两倍。
+我们并非地球上跑得最快的动物（跑得最快的动物是猎豹，它的最高速度约为 30 米每秒，远超人类短跑运动员的 2 倍）。
 然而，我们以及我们祖先的身体特征，让我们成为优秀的长跑运动员。
 
 
 每年，人马马拉松赛都会考验我们的长跑能力。
 这项赛事的起源是威尔士酒吧老板戈登$\cdot$格林（Gordon Green）与一位朋友就马和人谁跑得更快而发生争执。
-格林认为，人类可以在长距离上击败马，并于1980年发起了马拉松赛以解决这一分歧。
+格林认为，人类可以在长距离上击败马，并于 1980 年发起了马拉松赛以解决这一分歧。
 比赛距离为22英里（约35公里），略短于正式的马拉松。
 二十多年来，骑马者一直战胜人类跑步者。
-但在2004年，一位名叫休$\cdot$洛布（Huw Lobb）的英国男子以2小时5分19秒的成绩完成了比赛，比最快的马快了约2分钟。
+但在 2004 年，一位名叫休$\cdot$洛布（Huw Lobb）的英国男子以 2 小时 5 分 19 秒的成绩完成了比赛，比最快的马快了约2分钟。
 3 年后，另外两名男子也超越了他们的四足竞争对手。
 
 
 人类跑步最重要的特征之一，就是我们能够高效地长距离移动的弹跳步态。
 在跑步过程中，身体重心在站立阶段的前半段会减慢并降低，从而将弹性能量储存在肌肉和肌腱中。
 在站立阶段的后半段，储存的能量会从这些组织中释放出来，加速重心向前向上飞跃。
-这一非凡的壮举发生在足部与地面接触的200至300毫秒内，每一步都发生着。
+这一非凡的壮举发生在足部与地面接触的 200 至 300 毫秒内，每一步都发生着。
 
 
 对质心轨迹和地面反作用力的分析表明，弹性能量的储存和释放对于高效跑步至关重要（Cavagna 等人，1976 年）。
@@ -52,8 +52,8 @@ \chapter{肌肉驱动的跑步} \label{chap:chap12}
 
 
 本章探讨肌肉在跑步过程中如何影响地面反作用力，进而影响身体重心的支撑和推进力。
-我们将研究肌肉在典型的4米/秒长跑速度下的活动情况，并描述肌肉激活、地面反作用力以及肌肉对支撑和推进力的贡献如何随着跑步速度的变化而变化——从略高于2米/秒的步行到跑步的过渡速度到5米/秒的快跑。
-我们还将了解短跑与低速跑步的区别，并探讨跑步界一个备受争议的话题：前脚掌和后脚掌着地方式的区别。
+我们将研究肌肉在典型的 4 米/秒长跑速度下的活动情况，并描述肌肉激活、地面反作用力以及肌肉对支撑和推进力的贡献如何随着跑步速度的变化而变化（从略高于 2 米/秒的走路到跑步的过渡速度到 5 米/秒的快跑）。
+我们还将了解短跑与低速跑的区别，并探讨跑步界一个备受争议的话题：前脚掌和后脚掌着地方式的区别。
 最后，我们将研究科技如何提升跑步表现。
 
 
@@ -62,7 +62,7 @@ \section{构建和测试跑步模拟}
 为了研究跑步过程中的肌肉动作，Sam Hamner 测量了经验丰富的跑步者在跑步机上以 2、3、4 和 5 米/秒的速度跑步时身体节段的运动、地面反作用力和关键肌肉的肌电图模式\cite{hamner2013muscle}。
 我们利用这些数据，使用 OpenSim 创建了每个人以每种速度跑步的肌肉驱动模拟。
 为此，我们首先根据放置在解剖标志上的标记点的测量位置，缩放了一个通用的动态肌肉骨骼模型 (图~\ref{fig:12_1})，以匹配每个受试者的大小。
-我们使用逆运动学算法计算了步态周期内的关节角度，该算法最小化了实验测量的标记点位置与附着在模型上的相应标记点位置之间的差异，如第~\ref{chap:chap7}~章所述。
+如第~\ref{chap:chap7}~章所述，我们使用逆运动学算法计算了步态周期内的关节角度，该算法最小化了实验测量的标记点位置与附着在模型上的相应标记点位置之间的差异。
 我们使用逆动力学方法计算关节矩 (第~\ref{chap:chap8}~章)，然后使用计算肌肉控制算法估计产生这些矩所需的肌肉激活量 (第~\ref{chap:chap10}~章)。
 我们通过与实验数据（包括身体部位运动和\textit{肌电图}记录，如第~\ref{chap:chap10}~章所述）进行比较来评估模拟的准确性。
 最后，我们使用诱导加速度分析来确定每块肌肉的力量对产生测量的垂直和前后地面反作用力的贡献。
@@ -133,6 +133,7 @@ \section{肌肉对地面反作用力的贡献}
 随着速度的增加，比目鱼肌对向上和向前重心加速度的贡献也会增加。
 比目鱼肌在增加飞行​​时间和步幅方面起着关键作用（图~\ref{fig:12_4}；表~\ref{tab:12_1}），从而提供了增加跑步速度的机制（公式~\ref{eq:3_1}）。
 
+
 \begin{figure}[!htb]
 	\centering
 	\includegraphics[width=0.8\linewidth]{chap12/12_4}
@@ -142,7 +143,7 @@ \section{肌肉对地面反作用力的贡献}
 
 
 \begin{table}[htbp]
-	\caption{跑步参数随速度的变化：脚尖离地时间、步幅、步幅时间和站立时间，取10位受试者的平均值。} \label{tab:12_1} \centering
+	\caption{跑步参数随速度的变化：脚尖离地时间、步幅、步幅时间和站立时间，取 10 位受试者的平均值。} \label{tab:12_1} \centering
 	\begin{tabular}{ccccc} % l水平左居中，c水平居中
 		\toprule
 		速度（米/秒）& \makecell{脚趾离地时间\\（步态周期百分比）} & 步幅（米） & 步幅时间（秒） & 站立时间（秒）\\
@@ -158,7 +159,7 @@ \section{肌肉对地面反作用力的贡献}
 \end{table}
 
 
-当以5米/秒的速度跑步时，比目鱼肌纤维在站立后期缩短的速度是所有肌肉中最快的，这与踝关节跖屈速度加快和站立时间缩短（与低速跑步相比）相吻合。
+当以 5 米/秒的速度跑步时，比目鱼肌纤维在站立后期缩短的速度是所有肌肉中最快的，这与踝关节跖屈速度加快和站立时间缩短（与低速跑步相比）相吻合。
 由于跑步者在更快的跑步速度下会产生更大的向上和向前的重心加速度（即地面反作用力更大），并且比目鱼肌是这些加速度的最大贡献者，因此由于比目鱼肌缩短速度快而导致其力量产生受限，可能会限制跑步者的最高速度。
 从积极的角度来说，强壮的比目鱼肌能让跑步者产生增加步幅和跑步速度所需的巨大地面反作用力。
 
@@ -178,6 +179,7 @@ \section{跑步到冲刺的过渡}
 		图中所示数据来自一位代表性受试者\cite{weyand2000faster}。 \label{fig:12_5}}
 \end{figure}
 
+
 肌肉必须产生更大的地面反作用力才能跑得更快，而且必须在更短的时间内产生这些力
 （正如杰西$\cdot$欧文斯在本章题词中所言，他通过尽可能减少接触地面的时间来快速奔跑）。
 因此，跖屈肌（产生地面反作用力的关键肌肉）会随着跑步速度的增加而缩短得更快。
@@ -186,9 +188,12 @@ \section{跑步到冲刺的过渡}
 
 
 在非常高的奔跑速度下，提高速度的策略并非用更大的力量蹬地，而是转向更频繁地蹬地。
-步幅在7米/秒左右时达到最大值；更高的奔跑速度主要通过提高步频来实现。在高速冲刺的摆动阶段，臀部肌肉（主要是髂腰肌、股直肌、臀大肌和腘绳肌）会强力地加速肢体前后运动，从而快速摆动腿部。
+步幅在 7 米/秒左右时达到最大值；
+更高的奔跑速度主要通过提高步频来实现。
+在高速冲刺的摆动阶段，臀部肌肉（主要是髂腰肌、股直肌、臀大肌和腘绳肌）会强力地加速肢体前后运动，从而快速摆动腿部。
 因此，最高的奔跑速度是通过在站立时产生较大的地面反作用力（这会产生较大的步幅）以及快速摆动腿部来实现的。
-换句话说，我们的最大奔跑速度受限于跖屈肌在高速下产生较大力量的能力，以及臀部和膝盖肌肉摆动腿部的速度。如果你回到图~\ref{fig:3_7}，你会注意到，随着跳跃速度的增加，袋鼠的步幅和步频呈现出相似的趋势。
+换句话说，我们的最大奔跑速度受限于跖屈肌在高速下产生较大力量的能力，以及臀部和膝盖肌肉摆动腿部的速度。
+如果你回到图~\ref{fig:3_7}，你会注意到，随着跳跃速度的增加，袋鼠的步幅和步频呈现出相似的趋势。
 
 
 \section{从走转跑过渡过程中的肌肉动作}
@@ -206,7 +211,7 @@ \section{从走转跑过渡过程中的肌肉动作}
 \begin{figure}[!htb]
 	\centering
 	\includegraphics[width=0.9\linewidth]{chap12/12_6}
-	\caption{以1.75米/秒（蓝点）行走和以 2.0 米/秒（红点）跑步时，在最大主动力瞬间，力-速度乘数$f^V$的平均值及其标准差（$n$ = 5），绘制在力-速度曲线上。
+	\caption{以1.75 米/秒（蓝点）行走和以 2.0 米/秒（红点）跑步时，在最大主动力瞬间，力-速度乘数$f^V$的平均值及其标准差（$n$ = 5），绘制在力-速度曲线上。
 		从步行切换到跑步会降低腓肠肌外侧肌和比目鱼肌的纤维缩短速度，并增加$f^V$ \cite{arnold2013muscle}。 \label{fig:12_6}}
 \end{figure}
 
@@ -221,9 +226,9 @@ \section{从走转跑过渡过程中的肌肉动作}
 
 \section{手臂和腿部动力学的相互作用}
 
-肌肉驱动模拟表明，在5米/秒或以下的速度下跑步时，手臂对推进力或支撑力的贡献并不显著。
+肌肉驱动模拟表明，在 5 米/秒或以下的速度下跑步时，手臂对推进力或支撑力的贡献并不显著。
 然而，手臂绕过重心的垂直轴的角动量与腿部绕垂直轴的角动量相平衡（即大小相等，方向相反）（图~\ref{fig:12_7}）。
-跑步速度对手臂和腿部的峰值垂直角动量有显著影响，速度分别从2米/秒时的约1.5千克$\cdot$米$^2$/秒翻倍至5米/秒时的3.0千克$\cdot$米$^2$/秒。
+跑步速度对手臂和腿部的峰值垂直角动量有显著影响，速度分别从 2 米/秒时的约 1.5 千克$\cdot$米$^2$/秒翻倍至 5 米/秒时的 3.0 千克$\cdot$米$^2$/秒。
 
 
 \begin{figure}[!htb]
@@ -242,6 +247,7 @@ \section{跑步时摆动双腿}
 在辅助跑步过程中，他们观察到摆动前半段股直肌活动显着减少，但腓肠肌或比目鱼肌肌电图没有减少，这表明股直肌在自然（无辅助）跑步过程中的腿部摆动中起着重要作用这项研究及后续研究表明，腿部摆动约占中速跑步时能量消耗的10\%至20\%。
 其余能量则用于支撑身体重量并推动身体向前。
 
+
 \begin{figure}[!htb]
 	\centering
 	\includegraphics[width=1.0\linewidth]{chap12/12_8}
@@ -281,6 +287,7 @@ \section{脚步模式}
 我们测量了运动学数据（用于规定肌肉驱动模型的关节角度）和\textit{肌电图}数据，将其处理后作为激励应用于模拟的肌肉。
 这些模拟数据用于计算肌肉激活度、纤维长度、纤维速度以及每块肌肉产生主动力的能力（图~\ref{fig:12_10}）。
 
+
 \begin{figure}[!htb]
 	\centering
 	\includegraphics[width=1.0\linewidth]{chap12/12_10}
@@ -302,6 +309,7 @@ \section{脚步模式}
 前脚掌和后脚掌着地时，跟腱储存的总能量并无差异；
 然而，不同着地模式的能量储存和释放时间却截然不同（图~\ref{fig:12_11}，下）。
 
+
 \begin{figure}[!htb]
 	\centering
 	\includegraphics[width=1.0\linewidth]{chap12/12_11}
@@ -326,7 +334,7 @@ \section{设备辅助跑步}
 
 
 模拟结果预测，在两种跑步速度下，所有辅助场景下的代谢成本均会大幅降低（图~\ref{fig:12_12}）。
-以2米/秒的速度跑步时，踝部、膝盖和臀部装置的效果相同，平均代谢功率降低 1.5 瓦/千克，约为无辅助跑步时代谢功率的四分之一。
+以 2 米/秒的速度跑步时，踝部、膝盖和臀部装置的效果相同，平均代谢功率降低 1.5 瓦/千克，约为无辅助跑步时代谢功率的四分之一。
 然而，以 5 米/秒的速度跑步时，臀部装置降低代谢成本的效果显著优于踝部或膝盖装置（p < 0.002）。
 这一结果表明，辅助装置应根据用户的跑步速度，随着速度的增加，将装置功率从踝部重新分配到臀部。
 
diff --git a/chap13/chap13.tex b/chap13/chap13.tex
index 613fa27..76184c9 100644
--- a/chap13/chap13.tex
+++ b/chap13/chap13.tex
@@ -1,7 +1,7 @@
 \chapter{向前走} \label{chap:chap13}
 
 
-我们必须有意识地走完通往目标的路程的一部分，然后在黑暗中迈向成功。
+我们必须有意识地走完一部分通往目标的路程，然后在黑暗中迈向成功。
 \begin{flushright}
 	——亨利$\cdot$戴维$\cdot$梭罗
 \end{flushright}
@@ -16,7 +16,7 @@ \chapter{向前走} \label{chap:chap13}
 
 运动生物力学领域取得了长足的进步，但仍有更多领域有待探索。
 本书介绍了测量、模型和计算工具如何帮助我们理解人类运动。
-我们还展示了生物力学模型如何应用于机器人、跑道和外骨骼的设计。
+我们还展示了生物力学模型如何应用于机器人、跑道设计和外骨骼的设计。
 生物力学使我们能够设计保护工人免受伤害的工厂，并制造出关节置换装置，使患有关节疾病的患者能够无痛行走。
 
 
@@ -24,11 +24,11 @@ \chapter{向前走} \label{chap:chap13}
 科技的新发展将使我们能够对人们的生活产生进一步的积极影响；
 假肢功能的日益增强就是一个很好的例子。
 知识的局限性更难克服。
-克服这些局限性最重要的是，我们需要创造力，以及正如梭罗所说，勇于探索的勇气。
+克服这些局限性最重要的是：我们需要创造力，以及正如梭罗所说，勇于探索的勇气。
 
 
 我想以我的一位合作者取得巨大成功的一次创造性飞跃作为本章的开篇。
-接下来，我将描绘一幅我对生物力学领域的未来愿景——这幅愿景当然并不完整。
+接下来，我将描绘一幅我对生物力学领域的未来愿景（这幅愿景当然并不完整）。
 你的远见卓识将为这幅充满可能性的画布增添色彩和质感，在那里，你将拥有无限的空间去创造你的杰作。
 
 
@@ -48,7 +48,7 @@ \section{可穿戴技术}
 
 凯特知道，他的手颤抖很可能是由大脑特定区域的震荡神经活动引起的，其中包括丘脑腹侧中间核。
 凯特找到一些文章，表明电刺激腕部正中神经会引发腹侧中间核内的神经活动。
-她推断，刺激腕部的感觉神经或许能激发该脑区活动，从而无需手术即可减轻手部震颤。
+她推断：刺激腕部的感觉神经或许能激发该脑区活动，从而无需手术即可减轻手部震颤。
 作为一项实验，她决定尝试刺激几位自愿接受治疗的特发性震颤患者的正中神经。
 
 
@@ -95,7 +95,7 @@ \section{可穿戴技术}
 
 \section{随处可见的物理康复}
 
-行走能力是独立生活的标志。
+走路能力是独立生活的标志。
 然而，中风、帕金森病和脑瘫等神经系统疾病和损伤严重限制了人们的活动能力。
 骨关节炎等肌肉骨骼疾病会引发疼痛，并限制数百万人的行动能力。
 总的来说，行动不便的后果广泛而严重。
@@ -125,7 +125,7 @@ \subsection{大规模实验}
 随着全球大部分人口的手机都配备了加速度计，这个梦想或许可以成为现实。
 
 
-我和我的合作伙伴与当地一家初创公司 Azumio Inc. 合作，收集并分析了来自 46 个国家/地区的 60 多万人的基于智能手机传感器的活动模式，这使得这次调查成为规模最大的体育活动调查，规模大约是前者的 1,000 倍。
+我和我的合作伙伴与当地一家初创公司 Azumio 合作，收集并分析了来自 46 个国家/地区的 60 多万人的基于智能手机传感器的活动模式，这使得这次调查成为规模最大的体育活动调查，规模大约是前者的 1 千倍。
 我们发现，人群中活动最少和最活跃群体之间的不平等可以预测每个人群的肥胖患病率（图~\ref{fig:13_2}）。
 活动不平等用基尼系数计算，该公式也用于计算收入不平等。
 基尼系数的范围从 0（每个人都获得平等的资源份额（完全平等））到 1（一个人获得所有资源）。
@@ -142,11 +142,11 @@ \subsection{大规模实验}
 	\centering
 	\includegraphics[width=0.75\linewidth]{chap13/13_2}
 	\caption{活动不平等预测肥胖。
-		活动不平等程度最高的五个国家/地区的个人肥胖可能性比活动不平等程度最低的五个国家/地区的个人高出196\% \cite{althoff2017large}。 \label{fig:13_2}}
+		活动不平等程度最高的 5 个国家/地区的个人肥胖可能性比活动不平等程度最低的 5 个国家/地区的个人高出196\% \cite{althoff2017large}。 \label{fig:13_2}}
 \end{figure}
 
 
-预计到2025年，全球移动医疗市场规模将增长至5000亿美元\cite{dwivedi2025digital}。
+预计到 2025 年，全球移动医疗市场规模将增长至 5000 亿美元\cite{dwivedi2025digital}。
 智能手机应用程序和可穿戴设备可用于监测各种健康行为，例如体力活动、步行速度、久坐时间、心率和睡眠。
 分析可穿戴传感器和应用程序生成的数据，有可能改变我们研究人类行为以及干预改善健康的方式。
 这些数据比传统研究收集的数据大得多，而且获取成本低廉。
@@ -167,7 +167,7 @@ \subsection{大规模实验}
 大规模研究需要数据和先进的工具才能从中获得洞见。
 遗憾的是，大多数研究实验室不愿共享其数据或工具。
 一些公司维护着记录数百万个体活动的数据库，但这些数据库很少与研究人员共享进行分析。
-生物力学的未来——乃至数百万个体的健康——要求我们开放这些数据，并开发从这些丰富的数据集中获取洞见的方法。
+生物力学的未来（乃至数百万个体的健康）要求我们开放这些数据，并开发从这些丰富的数据集中获取洞见的方法。
 
 
 \section{现代统计学和机器学习}
@@ -197,7 +197,7 @@ \section{现代统计学和机器学习}
 她分析了 891 个接受手术的肢体的步态数据，并根据术前和术后踝关节运动学对结果进行分类。
 接受腓肠肌延长手术的腓肠肌较短的肢体（“病例”肢体）比腓肠肌不短但仍接受延长手术的肢体（“过度治疗”肢体）更有可能获得良好的手术结果。
 差异令人震惊：71\%的病例肢体在后续步态评估中取得了良好的结果，而过度治疗的肢体只有33\%取得了良好的结果（图~\ref{fig:13_5}）。
-她的研究结果表明，应该使用腓肠肌长度的估计值来判断哪些患者适合手术。
+她的研究结果表明：应该使用腓肠肌长度的估计值来判断哪些患者适合手术。
 
 \begin{figure}[!htb]
 	\centering
@@ -217,7 +217,7 @@ \section{现代统计学和机器学习}
 		病例组肢体接受了符合肌肉骨骼模型的手术，其疗效优于接受过度治疗的肢体。
 		观察结果根据术后年数进行分箱，并计算每个分箱的良好疗效率。
 		分箱在时间上重叠。
-		误差线表示1个标准差；圆圈面积与观察次数成正比\cite{rajagopal2020pre}。 \label{fig:13_5}}
+		误差线表示 1 个标准差；圆圈面积与观察次数成正比\cite{rajagopal2020pre}。 \label{fig:13_5}}
 \end{figure}
 
 
@@ -234,9 +234,10 @@ \section{建立神经肌肉控制模型来预测运动}
 
 为了生成预测模拟，我们必须解决高维优化问题。
 解决这些问题的一种策略是使用强化学习，它无需了解底层模型，也无需设计控制器的结构：优化器只需学习如何生成模型输入（在本例中是随时间变化的肌肉刺激），从而产生理想的输出。
-Łukasz Kidziński\cite{learning2018learning}在过去两届神经信息处理系统大会期间举办了一场精彩的竞赛，超过一千名参赛者使用强化学习来解决运动控制中的经典问题。
+Łukasz Kidziński\cite{learning2018learning}在过去两届神经信息处理系统大会期间举办了一场精彩的竞赛，超过 1 千名参赛者使用强化学习来解决运动控制中的经典问题。
 例如，参赛者面临的挑战是开发控制器，使肌肉骨骼模型能够在不平坦的地形上奔跑。
-结果令人惊叹！参赛者证明了强化学习技术可以合成行走和跑步等自然动作。
+结果令人惊叹！
+参赛者证明了强化学习技术可以合成走路和跑步等自然动作。
 他们的优化器还发现了各种奇特的跳跃和跳跃步态。
 该项目的成功得益于生物力学家和计算机科学家的合作，以及 OpenSim 等强大的开源软件和 CrowdAI 的强化学习环境。
 
@@ -251,10 +252,10 @@ \section{建立神经肌肉控制模型来预测运动}
 \section{激励运动}
 
 我们都知道，体育锻炼有益健康。
-正如希波克拉底的名言：“行走是人类最好的良药。” 
+正如希波克拉底的名言：“走路是人类最好的良药。” 
 然而，近一半的成年人未能获得足够的运动来维持健康，这种缺乏运动的状况正在给我们带来高昂的代价。
-全球每年有500万人死于心脏病、中风和糖尿病等疾病，而其中许多疾病只需增加体育锻炼即可预防\cite{lee2017reducing}。
-能够激励健康行为（尤其是像运动这样已被广泛接受且成本较低的行为）的技术，可以改善数百万人的健康，并减轻缺乏体育锻炼带来的经济负担。
+全球每年有 500 万人死于心脏病、中风和糖尿病等疾病，而其中许多疾病只需增加体育锻炼即可预防\cite{lee2017reducing}。
+能够激励健康行为的技术（尤其是像运动这样已被广泛接受且成本较低的行为），可以改善数百万人的健康，并减轻缺乏体育锻炼带来的经济负担。
 
 
 智能手机和可穿戴传感器有潜力实现这一愿景，并彻底改变医疗保健。
@@ -266,10 +267,12 @@ \section{激励运动}
 
 
 身体活动是一种强效且低成本的良药，但我们需要精准且引人入胜的工具来激励它。
-行为心理学、人机交互理论和生物力学等不同学科的理念已在小范围内取得成功；然而，这些创新很少被融入移动健康应用中。
+行为心理学、人机交互理论和生物力学等不同学科的理念已在小范围内取得成功；
+然而，这些创新很少被融入移动健康应用中。
 生物力学家必须与其他学科的专家合作，探索激励身体活动的新方法，以惠及全球数百万人，并解决神经系统残疾等亟需解决的领域。
 我们的愿景是实现有效且价格合理的医疗保健，并在全球范围内推广。
 
+
 \section{开放科学}
 
 开放科学是推动我们领域发展的最佳途径。
@@ -316,7 +319,7 @@ \section{开放科学}
 	\centering
 	\includegraphics[width=1.0\linewidth]{chap13/13_8}
 	\caption{最近一年内访问 OpenSim 文档的访客所在地。
-		自 2012 年上线以来，OpenSim 文档 wiki 每年吸引来自世界各地的超过 25,000 名用户访问\cite{seth2018opensim}。 \label{fig:13_8}}
+		自 2012 年上线以来，OpenSim 维基文档每年吸引来自世界各地的超过 25,000 名用户访问\cite{seth2018opensim}。 \label{fig:13_8}}
 \end{figure}