CN106413546A - 健康监视器 - Google Patents
健康监视器 Download PDFInfo
- Publication number
- CN106413546A CN106413546A CN201480078041.0A CN201480078041A CN106413546A CN 106413546 A CN106413546 A CN 106413546A CN 201480078041 A CN201480078041 A CN 201480078041A CN 106413546 A CN106413546 A CN 106413546A
- Authority
- CN
- China
- Prior art keywords
- activity
- data
- health monitor
- health
- time interval
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 230000036541 health Effects 0.000 title claims abstract description 438
- 230000000694 effects Effects 0.000 claims abstract description 732
- 238000000034 method Methods 0.000 claims abstract description 125
- 230000000747 cardiac effect Effects 0.000 claims abstract description 92
- 230000002085 persistent effect Effects 0.000 claims description 30
- 238000004422 calculation algorithm Methods 0.000 claims description 23
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 claims description 20
- 201000010099 disease Diseases 0.000 claims description 19
- 230000003595 spectral effect Effects 0.000 claims description 19
- 238000002485 combustion reaction Methods 0.000 claims description 15
- 230000036391 respiratory frequency Effects 0.000 claims description 13
- 238000004891 communication Methods 0.000 claims description 11
- 230000004044 response Effects 0.000 claims description 11
- 238000011084 recovery Methods 0.000 claims description 10
- 238000001228 spectrum Methods 0.000 claims description 10
- 238000004364 calculation method Methods 0.000 claims description 8
- 239000000853 adhesive Substances 0.000 claims description 6
- 230000001070 adhesive effect Effects 0.000 claims description 6
- 108091092195 Intron Proteins 0.000 claims description 5
- 230000033001 locomotion Effects 0.000 abstract description 77
- 230000007407 health benefit Effects 0.000 abstract description 35
- 238000012544 monitoring process Methods 0.000 abstract description 12
- 230000009182 swimming Effects 0.000 abstract description 3
- 230000006870 function Effects 0.000 description 82
- 239000000872 buffer Substances 0.000 description 56
- 230000008569 process Effects 0.000 description 44
- 230000001133 acceleration Effects 0.000 description 43
- 238000012545 processing Methods 0.000 description 38
- 238000013479 data entry Methods 0.000 description 36
- 238000005259 measurement Methods 0.000 description 28
- 230000007958 sleep Effects 0.000 description 27
- 238000004458 analytical method Methods 0.000 description 24
- 230000009471 action Effects 0.000 description 22
- 230000009184 walking Effects 0.000 description 21
- 238000001514 detection method Methods 0.000 description 20
- 210000002683 foot Anatomy 0.000 description 17
- 230000002708 enhancing effect Effects 0.000 description 16
- 238000003860 storage Methods 0.000 description 16
- 230000002503 metabolic effect Effects 0.000 description 15
- 230000008859 change Effects 0.000 description 13
- 230000015654 memory Effects 0.000 description 13
- 210000002414 leg Anatomy 0.000 description 12
- 238000007726 management method Methods 0.000 description 12
- 230000000007 visual effect Effects 0.000 description 12
- 239000008280 blood Substances 0.000 description 11
- 210000004369 blood Anatomy 0.000 description 11
- 230000005611 electricity Effects 0.000 description 11
- 238000011156 evaluation Methods 0.000 description 11
- 239000000463 material Substances 0.000 description 11
- 210000000056 organ Anatomy 0.000 description 11
- 238000005728 strengthening Methods 0.000 description 11
- 230000035945 sensitivity Effects 0.000 description 10
- 238000005516 engineering process Methods 0.000 description 9
- 238000011282 treatment Methods 0.000 description 9
- 230000008878 coupling Effects 0.000 description 8
- 238000010168 coupling process Methods 0.000 description 8
- 238000005859 coupling reaction Methods 0.000 description 8
- 210000003423 ankle Anatomy 0.000 description 7
- QVGXLLKOCUKJST-UHFFFAOYSA-N atomic oxygen Chemical compound [O] QVGXLLKOCUKJST-UHFFFAOYSA-N 0.000 description 7
- 238000009826 distribution Methods 0.000 description 7
- 229910052760 oxygen Inorganic materials 0.000 description 7
- 239000001301 oxygen Substances 0.000 description 7
- 230000002618 waking effect Effects 0.000 description 7
- 230000004913 activation Effects 0.000 description 6
- 238000000718 qrs complex Methods 0.000 description 6
- 230000000284 resting effect Effects 0.000 description 6
- 230000033764 rhythmic process Effects 0.000 description 6
- 241001269238 Data Species 0.000 description 5
- 239000011230 binding agent Substances 0.000 description 5
- 239000000017 hydrogel Substances 0.000 description 5
- 238000009434 installation Methods 0.000 description 5
- 238000012806 monitoring device Methods 0.000 description 5
- 230000035479 physiological effects, processes and functions Effects 0.000 description 5
- 230000009467 reduction Effects 0.000 description 5
- 238000012549 training Methods 0.000 description 5
- 230000008901 benefit Effects 0.000 description 4
- 230000037396 body weight Effects 0.000 description 4
- 230000001419 dependent effect Effects 0.000 description 4
- 238000010586 diagram Methods 0.000 description 4
- 230000004927 fusion Effects 0.000 description 4
- 230000010247 heart contraction Effects 0.000 description 4
- 230000000670 limiting effect Effects 0.000 description 4
- 229910052751 metal Inorganic materials 0.000 description 4
- 239000002184 metal Substances 0.000 description 4
- 230000008520 organization Effects 0.000 description 4
- 230000002829 reductive effect Effects 0.000 description 4
- 230000003252 repetitive effect Effects 0.000 description 4
- 208000006545 Chronic Obstructive Pulmonary Disease Diseases 0.000 description 3
- WQZGKKKJIJFFOK-GASJEMHNSA-N Glucose Natural products OC[C@H]1OC(O)[C@H](O)[C@@H](O)[C@@H]1O WQZGKKKJIJFFOK-GASJEMHNSA-N 0.000 description 3
- 241000406668 Loxodonta cyclotis Species 0.000 description 3
- 239000012790 adhesive layer Substances 0.000 description 3
- 230000005540 biological transmission Effects 0.000 description 3
- 230000036772 blood pressure Effects 0.000 description 3
- 238000006243 chemical reaction Methods 0.000 description 3
- 238000007906 compression Methods 0.000 description 3
- 230000006835 compression Effects 0.000 description 3
- 238000012937 correction Methods 0.000 description 3
- 238000000151 deposition Methods 0.000 description 3
- 210000003414 extremity Anatomy 0.000 description 3
- 239000008103 glucose Substances 0.000 description 3
- 230000005484 gravity Effects 0.000 description 3
- 239000010410 layer Substances 0.000 description 3
- 230000013011 mating Effects 0.000 description 3
- 230000037323 metabolic rate Effects 0.000 description 3
- 238000012856 packing Methods 0.000 description 3
- 238000005070 sampling Methods 0.000 description 3
- 230000003860 sleep quality Effects 0.000 description 3
- 210000000707 wrist Anatomy 0.000 description 3
- 206010007559 Cardiac failure congestive Diseases 0.000 description 2
- WHXSMMKQMYFTQS-UHFFFAOYSA-N Lithium Chemical compound [Li] WHXSMMKQMYFTQS-UHFFFAOYSA-N 0.000 description 2
- 241001465754 Metazoa Species 0.000 description 2
- XUIMIQQOPSSXEZ-UHFFFAOYSA-N Silicon Chemical compound [Si] XUIMIQQOPSSXEZ-UHFFFAOYSA-N 0.000 description 2
- 230000006978 adaptation Effects 0.000 description 2
- 230000006793 arrhythmia Effects 0.000 description 2
- 206010003119 arrhythmia Diseases 0.000 description 2
- 230000000386 athletic effect Effects 0.000 description 2
- 238000010009 beating Methods 0.000 description 2
- 230000033228 biological regulation Effects 0.000 description 2
- 230000003139 buffering effect Effects 0.000 description 2
- 238000013144 data compression Methods 0.000 description 2
- 238000013500 data storage Methods 0.000 description 2
- 206010012601 diabetes mellitus Diseases 0.000 description 2
- 239000003814 drug Substances 0.000 description 2
- 238000002651 drug therapy Methods 0.000 description 2
- 230000005284 excitation Effects 0.000 description 2
- 230000003862 health status Effects 0.000 description 2
- 239000000416 hydrocolloid Substances 0.000 description 2
- 238000007689 inspection Methods 0.000 description 2
- 210000003127 knee Anatomy 0.000 description 2
- 229910052744 lithium Inorganic materials 0.000 description 2
- 230000007787 long-term memory Effects 0.000 description 2
- 239000000203 mixture Substances 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000002969 morbid Effects 0.000 description 2
- 238000010606 normalization Methods 0.000 description 2
- 230000002688 persistence Effects 0.000 description 2
- 230000037081 physical activity Effects 0.000 description 2
- 229920003023 plastic Polymers 0.000 description 2
- 229920000642 polymer Polymers 0.000 description 2
- 238000012797 qualification Methods 0.000 description 2
- 229910052710 silicon Inorganic materials 0.000 description 2
- 239000010703 silicon Substances 0.000 description 2
- 238000004088 simulation Methods 0.000 description 2
- 238000012360 testing method Methods 0.000 description 2
- 230000009466 transformation Effects 0.000 description 2
- 208000001072 type 2 diabetes mellitus Diseases 0.000 description 2
- 238000005406 washing Methods 0.000 description 2
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 2
- 230000003442 weekly effect Effects 0.000 description 2
- 241000208340 Araliaceae Species 0.000 description 1
- 241000282472 Canis lupus familiaris Species 0.000 description 1
- RYGMFSIKBFXOCR-UHFFFAOYSA-N Copper Chemical compound [Cu] RYGMFSIKBFXOCR-UHFFFAOYSA-N 0.000 description 1
- 206010012289 Dementia Diseases 0.000 description 1
- 241000196324 Embryophyta Species 0.000 description 1
- 101000746134 Homo sapiens DNA endonuclease RBBP8 Proteins 0.000 description 1
- 101000969031 Homo sapiens Nuclear protein 1 Proteins 0.000 description 1
- 206010020772 Hypertension Diseases 0.000 description 1
- 206010028980 Neoplasm Diseases 0.000 description 1
- 102100021133 Nuclear protein 1 Human genes 0.000 description 1
- 208000008589 Obesity Diseases 0.000 description 1
- 206010033307 Overweight Diseases 0.000 description 1
- 235000005035 Panax pseudoginseng ssp. pseudoginseng Nutrition 0.000 description 1
- 235000003140 Panax quinquefolius Nutrition 0.000 description 1
- 208000005764 Peripheral Arterial Disease Diseases 0.000 description 1
- 241000550081 Renata Species 0.000 description 1
- 208000005793 Restless legs syndrome Diseases 0.000 description 1
- 229910021607 Silver chloride Inorganic materials 0.000 description 1
- 238000009825 accumulation Methods 0.000 description 1
- 230000001154 acute effect Effects 0.000 description 1
- 230000002411 adverse Effects 0.000 description 1
- 230000003321 amplification Effects 0.000 description 1
- 206010003246 arthritis Diseases 0.000 description 1
- 230000006399 behavior Effects 0.000 description 1
- VMDFASMUILANOL-WXXKFALUSA-N bisoprolol fumarate Chemical compound [H+].[H+].[O-]C(=O)\C=C\C([O-])=O.CC(C)NCC(O)COC1=CC=C(COCCOC(C)C)C=C1.CC(C)NCC(O)COC1=CC=C(COCCOC(C)C)C=C1 VMDFASMUILANOL-WXXKFALUSA-N 0.000 description 1
- 201000011510 cancer Diseases 0.000 description 1
- 239000003990 capacitor Substances 0.000 description 1
- 230000002612 cardiopulmonary effect Effects 0.000 description 1
- 210000000748 cardiovascular system Anatomy 0.000 description 1
- 235000013351 cheese Nutrition 0.000 description 1
- 230000009194 climbing Effects 0.000 description 1
- 150000001875 compounds Chemical class 0.000 description 1
- 238000004590 computer program Methods 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000007796 conventional method Methods 0.000 description 1
- 229910052802 copper Inorganic materials 0.000 description 1
- 239000010949 copper Substances 0.000 description 1
- 230000007797 corrosion Effects 0.000 description 1
- 238000005260 corrosion Methods 0.000 description 1
- 238000007405 data analysis Methods 0.000 description 1
- 238000013480 data collection Methods 0.000 description 1
- 230000007423 decrease Effects 0.000 description 1
- 230000003111 delayed effect Effects 0.000 description 1
- 238000003745 diagnosis Methods 0.000 description 1
- 206010013663 drug dependence Diseases 0.000 description 1
- 235000013399 edible fruits Nutrition 0.000 description 1
- 229920001971 elastomer Polymers 0.000 description 1
- 239000000806 elastomer Substances 0.000 description 1
- 238000005538 encapsulation Methods 0.000 description 1
- 238000009207 exercise therapy Methods 0.000 description 1
- 238000002474 experimental method Methods 0.000 description 1
- 239000004744 fabric Substances 0.000 description 1
- 238000005242 forging Methods 0.000 description 1
- 230000008014 freezing Effects 0.000 description 1
- 238000007710 freezing Methods 0.000 description 1
- 235000008434 ginseng Nutrition 0.000 description 1
- 230000012010 growth Effects 0.000 description 1
- 210000004247 hand Anatomy 0.000 description 1
- 239000000411 inducer Substances 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 230000002452 interceptive effect Effects 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 238000003199 nucleic acid amplification method Methods 0.000 description 1
- 235000020824 obesity Nutrition 0.000 description 1
- 238000001441 oximetry spectrum Methods 0.000 description 1
- OTCVAHKKMMUFAY-UHFFFAOYSA-N oxosilver Chemical compound [Ag]=O OTCVAHKKMMUFAY-UHFFFAOYSA-N 0.000 description 1
- 238000004806 packaging method and process Methods 0.000 description 1
- 238000003909 pattern recognition Methods 0.000 description 1
- 238000001050 pharmacotherapy Methods 0.000 description 1
- 239000004033 plastic Substances 0.000 description 1
- 229920001296 polysiloxane Polymers 0.000 description 1
- 238000007670 refining Methods 0.000 description 1
- 230000015355 regulation of circadian sleep/wake cycle, sleep Effects 0.000 description 1
- 230000008672 reprogramming Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 230000029058 respiratory gaseous exchange Effects 0.000 description 1
- 238000012552 review Methods 0.000 description 1
- 238000007789 sealing Methods 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 238000000926 separation method Methods 0.000 description 1
- HKZLPVFGJNLROG-UHFFFAOYSA-M silver monochloride Chemical compound [Cl-].[Ag+] HKZLPVFGJNLROG-UHFFFAOYSA-M 0.000 description 1
- 229910001923 silver oxide Inorganic materials 0.000 description 1
- NDVLTYZPCACLMA-UHFFFAOYSA-N silver oxide Substances [O-2].[Ag+].[Ag+] NDVLTYZPCACLMA-UHFFFAOYSA-N 0.000 description 1
- 238000007619 statistical method Methods 0.000 description 1
- 208000011117 substance-related disease Diseases 0.000 description 1
- 230000001360 synchronised effect Effects 0.000 description 1
- 238000005496 tempering Methods 0.000 description 1
- 230000002123 temporal effect Effects 0.000 description 1
- 238000005303 weighing Methods 0.000 description 1
- 239000002023 wood Substances 0.000 description 1
Classifications
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/103—Detecting, measuring or recording devices for testing the shape, pattern, colour, size or movement of the body or parts thereof, for diagnostic purposes
- A61B5/11—Measuring movement of the entire body or parts thereof, e.g. head or hand tremor, mobility of a limb
- A61B5/1118—Determining activity level
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/24—Detecting, measuring or recording bioelectric or biomagnetic signals of the body or parts thereof
- A61B5/316—Modalities, i.e. specific diagnostic methods
- A61B5/318—Heart-related electrical modalities, e.g. electrocardiography [ECG]
- A61B5/346—Analysis of electrocardiograms
- A61B5/349—Detecting specific parameters of the electrocardiograph cycle
- A61B5/352—Detecting R peaks, e.g. for synchronising diagnostic apparatus; Estimating R-R interval
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/0002—Remote monitoring of patients using telemetry, e.g. transmission of vital signals via a communication network
- A61B5/0015—Remote monitoring of patients using telemetry, e.g. transmission of vital signals via a communication network characterised by features of the telemetry system
- A61B5/0024—Remote monitoring of patients using telemetry, e.g. transmission of vital signals via a communication network characterised by features of the telemetry system for multiple sensor units attached to the patient, e.g. using a body or personal area network
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/103—Detecting, measuring or recording devices for testing the shape, pattern, colour, size or movement of the body or parts thereof, for diagnostic purposes
- A61B5/11—Measuring movement of the entire body or parts thereof, e.g. head or hand tremor, mobility of a limb
- A61B5/1123—Discriminating type of movement, e.g. walking or running
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/145—Measuring characteristics of blood in vivo, e.g. gas concentration, pH value; Measuring characteristics of body fluids or tissues, e.g. interstitial fluid, cerebral tissue
- A61B5/14532—Measuring characteristics of blood in vivo, e.g. gas concentration, pH value; Measuring characteristics of body fluids or tissues, e.g. interstitial fluid, cerebral tissue for measuring glucose, e.g. by tissue impedance measurement
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/145—Measuring characteristics of blood in vivo, e.g. gas concentration, pH value; Measuring characteristics of body fluids or tissues, e.g. interstitial fluid, cerebral tissue
- A61B5/1455—Measuring characteristics of blood in vivo, e.g. gas concentration, pH value; Measuring characteristics of body fluids or tissues, e.g. interstitial fluid, cerebral tissue using optical sensors, e.g. spectral photometrical oximeters
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/22—Ergometry; Measuring muscular strength or the force of a muscular blow
- A61B5/221—Ergometry, e.g. by using bicycle type apparatus
- A61B5/222—Ergometry, e.g. by using bicycle type apparatus combined with detection or measurement of physiological parameters, e.g. heart rate
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
- G16H20/00—ICT specially adapted for therapies or health-improving plans, e.g. for handling prescriptions, for steering therapy or for monitoring patient compliance
- G16H20/30—ICT specially adapted for therapies or health-improving plans, e.g. for handling prescriptions, for steering therapy or for monitoring patient compliance relating to physical therapies or activities, e.g. physiotherapy, acupressure or exercising
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
- G16H40/00—ICT specially adapted for the management or administration of healthcare resources or facilities; ICT specially adapted for the management or operation of medical equipment or devices
- G16H40/60—ICT specially adapted for the management or administration of healthcare resources or facilities; ICT specially adapted for the management or operation of medical equipment or devices for the operation of medical equipment or devices
- G16H40/63—ICT specially adapted for the management or administration of healthcare resources or facilities; ICT specially adapted for the management or operation of medical equipment or devices for the operation of medical equipment or devices for local operation
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
- G16H50/00—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics
- G16H50/30—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for calculating health indices; for individual health risk assessment
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B2505/00—Evaluating, monitoring or diagnosing in the context of a particular type of medical care
- A61B2505/09—Rehabilitation or training
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B2560/00—Constructional details of operational features of apparatus; Accessories for medical measuring apparatus
- A61B2560/02—Operational features
- A61B2560/0204—Operational features of power management
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B2560/00—Constructional details of operational features of apparatus; Accessories for medical measuring apparatus
- A61B2560/02—Operational features
- A61B2560/0204—Operational features of power management
- A61B2560/0209—Operational features of power management adapted for power saving
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B2560/00—Constructional details of operational features of apparatus; Accessories for medical measuring apparatus
- A61B2560/02—Operational features
- A61B2560/0223—Operational features of calibration, e.g. protocols for calibrating sensors
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B2562/00—Details of sensors; Constructional details of sensor housings or probes; Accessories for sensors
- A61B2562/02—Details of sensors specially adapted for in-vivo measurements
- A61B2562/0219—Inertial sensors, e.g. accelerometers, gyroscopes, tilt switches
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/02—Detecting, measuring or recording pulse, heart rate, blood pressure or blood flow; Combined pulse/heart-rate/blood pressure determination; Evaluating a cardiovascular condition not otherwise provided for, e.g. using combinations of techniques provided for in this group with electrocardiography or electroauscultation; Heart catheters for measuring blood pressure
- A61B5/024—Detecting, measuring or recording pulse rate or heart rate
- A61B5/02416—Detecting, measuring or recording pulse rate or heart rate using photoplethysmograph signals, e.g. generated by infrared radiation
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/08—Detecting, measuring or recording devices for evaluating the respiratory organs
- A61B5/0816—Measuring devices for examining respiratory frequency
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/08—Detecting, measuring or recording devices for evaluating the respiratory organs
- A61B5/083—Measuring rate of metabolism by using breath test, e.g. measuring rate of oxygen consumption
- A61B5/0833—Measuring rate of oxygen consumption
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/68—Arrangements of detecting, measuring or recording means, e.g. sensors, in relation to patient
- A61B5/6801—Arrangements of detecting, measuring or recording means, e.g. sensors, in relation to patient specially adapted to be attached to or worn on the body surface
- A61B5/683—Means for maintaining contact with the body
- A61B5/6831—Straps, bands or harnesses
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/68—Arrangements of detecting, measuring or recording means, e.g. sensors, in relation to patient
- A61B5/6801—Arrangements of detecting, measuring or recording means, e.g. sensors, in relation to patient specially adapted to be attached to or worn on the body surface
- A61B5/683—Means for maintaining contact with the body
- A61B5/6838—Clamps or clips
Landscapes
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Engineering & Computer Science (AREA)
- Public Health (AREA)
- Medical Informatics (AREA)
- General Health & Medical Sciences (AREA)
- Biomedical Technology (AREA)
- Physics & Mathematics (AREA)
- Biophysics (AREA)
- Pathology (AREA)
- Molecular Biology (AREA)
- Surgery (AREA)
- Animal Behavior & Ethology (AREA)
- Heart & Thoracic Surgery (AREA)
- Veterinary Medicine (AREA)
- Cardiology (AREA)
- Physiology (AREA)
- Epidemiology (AREA)
- Primary Health Care (AREA)
- Oral & Maxillofacial Surgery (AREA)
- Dentistry (AREA)
- Physical Education & Sports Medicine (AREA)
- Business, Economics & Management (AREA)
- General Business, Economics & Management (AREA)
- Optics & Photonics (AREA)
- Computer Networks & Wireless Communication (AREA)
- Spectroscopy & Molecular Physics (AREA)
- Data Mining & Analysis (AREA)
- Databases & Information Systems (AREA)
- Emergency Medicine (AREA)
- Measurement Of The Respiration, Hearing Ability, Form, And Blood Characteristics Of Living Organisms (AREA)
- Measuring And Recording Apparatus For Diagnosis (AREA)
Abstract
公开了一种用于监视和评估对象进行的锻炼相关活动的设备和方法。包括加速度计、至少一个生理传感器和数字处理器的健康监视器被配置成由对象支承并且从多个不同的活动中识别活动类型(例如,奔跑、骑自行车、游泳)。健康监视器还被配置成根据运动数据和/或心脏数据来确定从锻炼接收的健康益处的水平。健康益处可以基于由公认的保健实体确立的标准,以便报告的健康益处不易于受与常规计步相关联的误差的影响。
Description
相关申请
本申请是于2013年3月15日提交的题为“Versatile Sensors with Data FusionFunctionality”的序列号为13/840,098的美国申请的部分继续申请,序列号为13/840,098的美国申请是于2012年11月30日提交的题为“Intelligent Activity Monitoring”的序列号为13/690,313的美国申请的部分继续申请,序列号为13/690,313的美国申请要求于2011年12月2日提交的题为“Intelligent Activity Monitoring”的序列号为61/566,528的美国临时申请的权益。上述申请的全部公开内容通过引用被合并至本文中。
技术领域
本公开内容一般地涉及用于监视对象的身体活动并且根据检测到的活动确定健康益处的水平的设备和方法。
背景技术
当前存在可以由用户穿戴以监视由用户进行的身体活动或两种相似类型的用户活动的小传感器。例如,ActiPed+(可从美国康涅狄格州的谢尔顿的FitLinxx购买)是可以夹到鞋上并且用于监视用户的行走和奔跑活动的小装置。当用户行走或奔跑时,机载加速度计输出被存储在装置中以供随后传送至计算机系统的数据。计算机系统可以分析数据以确定活动类型,并且计算各种活动参数(例如,活动的持续时间、总步数、行进距离和燃烧的热量)。数据分析的结果可以被呈现在计算机的显示器上,以便用户可以回顾他的或她的活动的细节。结果可以被存储,以便用户可以维护锻炼疗法的记录并且跟踪锻炼目标的进展,或者以便数据可以被医务人员用于跟踪从疾病或损伤的恢复。其他的现代活动监视器以不同的准确度执行类似功能。
当前,计步器和活动监视器的供应商和用户认为每天10,000步是有益健康的活动量。该数据随时间累积,但是部分基于对象的一天中的不正确的计步。文献频繁报道通过各种计步器和所用算法进行的计步的不准确。虽然制造商不断尝试提高他们的装置的准确度,但是取决于用户的活动模式,许多装置可能非常不准确。例如,活动监视器有区别地检测并且对步进行计数。一些活动监视器从包括驾驶、在椅子上旋转、不宁腿综合征、进食(对于一些手腕佩戴装置)以及乘火车或公共汽车的活动获得“步”。这些增加了一天中不准确计步的基线。为了使全天活动监视器正确计步并忽略所有其他运动,可能需要多个输入,并且可能需要较昂贵、较复杂和较耗电的装置。虽然这样的装置准确度高,但是它们对许多消费者而言可能太贵。
发明内容
发明人已意识到,虽然步数记录、行进距离、活动的持续时间或燃烧的热量对许多用户维护身体活动的日志有用,但是仍可以通过根据表示活动的数据计算由用户接收的健康益处的水平或单位作为活动的结果来进一步提高数据的有用性。例如,一天取得相同步数、行进相同距离并且花费相同时间量这么做的两个人可以从他们的身体活动接收明显不同的健康益处。例如,相比于年轻、身材适中的个体,超重、年老的个体可以从活动接收更多健康益处。发明人已认识到,在一些背景(例如,医疗诊断与治疗)下,可能更相关的是评价所进行活动的质量或健康益处水平而不是原始的步数、行进距离、燃烧的热量或活动的持续时间。在一些实施方案中,可以对健康益处的单位进行标准化以跨越种群和跨越健身装置提供较准确的健身益处分析。
发明人已开发出以下方法和设备:其可以用于根据由可穿戴活动或健康监视器检测到的活动来确定健康益处的水平。健康益处的确定可以与由例如疾病控制中心或世界卫生组织的保健实体确立的可识别的健康标准相关联。根据一些实施方式,进行的活动的健康益处水平可以根据以下数据的组合来确定:该数据可以包括但不限于活动类型、活动的连续时间、活动的剧烈程度和由保健实体确立的锻炼指导方针。通过将健康益处与可识别的健康标准链接起来并且使用用于确立健康可信的活动的一定标准,发明人已开发出较准确地反映由可穿戴健康监视器检测到的锻炼的功效的系统。
在一些实施方案中,除表示由对象进行的活动的运动数据之外,还可以使用来自对象的心脏数据来提高健康监视器的准确度。例如,与运动数据结合的心率数据可以用于提高时间间隔内活动的热量燃烧的准确度,从而提高活动的剧烈程度水平的准确度。这类活动可以或可以不由健康监视器识别。
根据一些实施方式,一种健康监视器被配置成由对象支承并且可以包括:加速度计,被配置成响应于对象进行的第一活动而生成运动数据;心脏传感器,被配置成至少检测在第一活动进行期间的对象的心率;机载电源,被配置成向加速度计和心脏传感器供应电力;以及处理器,被配置成基于来自加速度计和心脏传感器两者的数据,根据第一方法来计算对象进行的第一活动的第一热量燃烧率。
在一些方面,处理器还被配置成基于从心脏传感器接收的数据来确定健康监视器的至少一种省电模式。至少一种省电模式可以例如包括以下模式:其中,在连续心动周期的T波部分与P波部分之间的间隔内,减少对于至少心脏传感器的电力。
在一些实施方案中,处理器被配置成使用对象的心率和速度的值来计算第一热量燃烧率,或者包括对象的心率和脚接触时间的值。根据一些方面,处理器被配置成使用针对对象计算的心率和VO2最大值的值来计算第一热量燃烧率。
在一些方面,健康监视器的处理器还可以被配置成校准用于确定进行活动的对象的热量燃烧的第二方法,其中,校准基于从第一方法获得的结果。第二方法可以例如包括基于心率而不是基于来自加速度计的数据来确定热量燃烧。
根据一些实施方案,一种健康监视器还可以包括定时器并且被配置成:计算在第一时间间隔序列中的第一时间间隔内对象进行的第二活动的第二热量燃烧率,以及确定第二热量燃烧率是否落入保健实体针对第一时间间隔的持续时间所规定的值的至少一个推荐范围中。保健实体可以是疾病控制中心或世界卫生组织。在一些方面,保健实体可以是医生、有资格的医务人员或专业教练。
根据一些方面,健康监视器的处理器可以被配置成根据运动数据的功率谱证实第二活动的进行。此外或可替选地,处理器可以被配置成根据对象的心率和/或呼吸频率来确定第二活动的强度水平。
在一些方面,健康监视器的处理器还可以被配置成:记录每个第一时间间隔的第一信用值,其中,对于每个第一时间间隔,热量燃烧率落入针对第一时间间隔的持续时间的至少一个推荐范围中的第一推荐范围中;以及记录每个第一时间间隔的第二信用值,其中,对于每个第一时间间隔,热量燃烧率落入针对第一时间间隔的持续时间的至少一个推荐范围中的第二推荐范围中。在一些实施方案中,至少一个推荐范围中的第一推荐范围可以在大约3.5千卡/分钟与大约7千卡/分钟之间,并且至少一个推荐范围中的第二推荐范围包括大于大约7千卡/分钟的值。在一些方面,处理器还可以被配置成从健康监视器被配置成识别的多个活动类型当中识别对象进行的第二活动的类型,并且可以识别非人类活动。
根据一些实施方案,健康监视器的处理器还可以被配置成:根据从加速度计接收的数据来确定对象进行的增加活动的时期,以及确定活动停止之后的心率恢复时间。在一些方面,处理器还可以被配置成根据从心脏传感器接收的数据来计算心率变异性或LF/HF谱功率比。
在一些实施方案中,健康监视器包括被配置成使用可去除粘合剂电连接至对象的两个电极。在一些方面,健康监视器的加速度计包括三轴加速度计。
可以在健康监视器的一个或更多个实施方式中以任意合适的组合使用上述方面、特征和实施方案。
还设计了用于操作健康监视器的方法。根据一些实施方式,一种由被配置成由对象支承的健康监视器确定对象的健身量度的方法可以包括以下动作:由处理器接收健康监视器响应于对象进行的第一活动而生成的运动数据。方法还可以包括:从与处理器通信的心脏传感器接收在第一活动进行期间检测到的对象的心脏数据,以及基于运动数据和心脏数据两者中的信息、根据第一算法来计算对象进行的第一活动的第一热量燃烧率。
根据一些实施方案,方法还可以包括基于从心脏传感器接收的数据来执行健康监视器的省电模式。在一些方面,方法还可以包括在连续心动周期的T波部分与P波部分之间的间隔内减少对于至少心脏传感器的电力。
在一些方面,第一热量燃烧率的计算包括对象的心率和速度的值或者对象的心率和脚接触时间的值。在一些实施方案中,第一热量燃烧率的计算包括针对对象计算的心率和VO2最大值的值。
根据一些方面,方法还可以包括校准用于确定进行活动的对象的热量燃烧的第二算法,其中,校准基于从第一算法获得的结果。在一些方面,第二算法包括基于心脏数据而不是基于运动数据来确定热量燃烧。
在一些实施方案中,用于操作健康监视器的方法包括:计算在第一时间间隔序列中的第一时间间隔内对象进行的第二活动的第二热量燃烧率,以及确定第二热量燃烧率是否落入保健实体针对第一时间间隔的持续时间所规定的值的至少一个推荐范围中。在一些方面,保健实体是疾病控制中心或世界卫生组织。
根据一些实施方案,方法还可以包括:确定运动数据的功率谱,以及根据功率谱证实第二活动的进行。在一些方面,方法还包括:记录每个第一时间间隔的第一信用值,其中,对于每个第一时间间隔,第二热量燃烧率落入针对第一时间间隔的持续时间的至少一个推荐范围中的第一推荐范围中;以及记录每个第一时间间隔的第二信用值,其中,对于每个第一时间间隔,第二热量燃烧率落入针对第一时间间隔的持续时间的至少一个推荐范围中的第二推荐范围中。在一些方面,至少一个推荐范围中的第一推荐范围在大约3.5千卡/分钟与大约7千卡/分钟之间,并且至少一个推荐范围中的第二推荐范围包括大于大约7千卡/分钟的值。方法还可以包括从健康监视器被配置成识别的多个活动类型当中识别对象进行的第二活动的类型。
根据一些实施方案,用于操作健康监视器的方法还可以包括:根据运动数据来确定对象进行的增加活动的时期,以及确定活动停止之后的心率恢复时间。在一些实施方案中,方法还包括根据心脏数据来计算心率变异性或LF/HF谱功率比。
可以在操作健康监视器的一个或更多个实施方式中以任意合适的方式组合各种动作和特征的上述方面和实施方案。
还设计了包括以下机器可读指令的有形存储装置或计算机可读介质,当被包括心脏传感器和加速度计的健康监视器的至少一个处理器执行时,该机器可读指令使健康监视器适于执行用于操作健康监视器的前述动作中的任一个动作或任意组合。例如,存储装置可以包括机器可读指令,其使健康监视器适于:由处理器接收加速度计响应于对象进行的第一活动而生成的运动数据,接收在第一活动进行期间检测到的对象的心脏数据,以及基于运动数据和心脏数据两者中的信息、根据第一算法来计算对象进行的第一活动的第一热量燃烧率。在一些方面,指令还可以使健康监视器适于:计算在第一时间间隔序列中的第一时间间隔内对象进行的第二活动的第二热量燃烧率,以及确定第二热量燃烧率是否落入保健实体针对第一时间间隔的持续时间所规定的值的至少一个推荐范围中。在一些实施方案中,指令还可以使健康监视器适于:记录每个第一时间间隔的第一信用值,其中,对于每个第一时间间隔,第二热量燃烧率落入针对第一时间间隔的持续时间的至少一个推荐范围中的第一推荐范围中;以及记录每个第一时间间隔的第二信用值,其中,对于每个第一时间间隔,第二热量燃烧率落入针对第一时间间隔的持续时间的至少一个推荐范围中的第二推荐范围中。
如本文所用的术语“传感器”或“监视器”可以指代小电子装置,其被配置成感测可以附接有传感器或监视器的对象的至少一个参数。传感器可能具有有限的处理能力。传感器可以被配置成无线地或经由有线链接将数据发送至第二装置。“传感器”或“监视器”还可以用作当指代健康监视器或智能健康监视器时的简写,所意指的含义根据上下文显而易见。
如本文所用的术语“智能传感器”、“智能活动监视器”、“活动监视器”或“智能监视器”可以指代小电子装置,其被配置成:感测对象的至少一个参数,以及处理表示检测到的活动的数据。相比于传感器,这样的装置具有较大处理能力,并且可以包括至少一个数字处理器。智能传感器可以被配置成无线地或经由有线链接将数据发送至第二装置以及/或者从第二装置接收数据。“健康监视器”还可以用作当指代智能健康监视器时的简写,所意指的含义根据上下文显而易见。
如本文所用的术语“数字处理器”或“处理器”可以指代至少一个微控制器、微处理器、数字信号处理器(DSP)、专用集成电路(ASIC)或现场可编程门阵列(FPGA)。“数字处理器”还可以用于指代包括不止一个特定装置的上述数字处理装置的任意组合。
如本文所用的术语“多用途传感器”或“多用途监视器”可以指代小电子装置,其被配置成:感测实体的至少一个参数,处理所接收的数据,以及灵活地参与小区域网络。多用途传感器可以被配置成无线地或经由有线链接将数据发送至多个装置。
如本文所用的术语“健康监视器”可以指代单个智能传感器或可以包括至少一个智能传感器的感测系统。健康监视器在一些实施方式中可以包括一个或更多个多用途传感器,并且在一些实施方式中可以包括一个或更多个传感器。
可以结合附图根据下面的描述来更充分地了解本教示的上述及其他方面、实施方式和特征。
附图说明
技术人员将理解,本文所述的附图仅出于说明的目的。要理解,在一些情况下,本发明的各种方面可能被扩大或放大示出以便于理解本发明。在附图中,同样的附图标记贯穿各种附图一般指代同样的特征、功能上类似和/或结构上类似的元件。附图不一定按比例绘制,而是将重点放在示出教示的原理。附图并不旨在以任何方式限制本教示的范围。
图1A示出了根据一些实施方式的可以包括在健康监视器中的部件的示例;
图1B是示出了一些实施方案中的可以包括在健康监视器中的所选的电气部件的示例的框图;
图1C至图1F示出了被配置成附接至对象并且包括用于将信息传递至用户的LED显示器的健康监视器的各种实施方式;
图1G示出了一些实施方式中的包括活动感测和心率感测的贴片型健康监视器的元件;
图2A是根据一些实施方式的健康监视器的低能量操作的状态图的说明性示例;
图2B是根据一些实施方式的健康监视器的低能量操作的状态图的说明性示例;
图2C至图2D示出了一些实施方案中的用于操作健康监视器的节省能量的方法的说明性示例;
图2E示出了根据一些实施方式的PQRST心脏波形;
图2F示出了根据一些实施方案的可以用健康监视器检测的数据类型和可以被计算的健身量度(fitness metric);
图3示出了根据一些实施方式的健康监视器的数据处理系统的示例架构;
图4A至图4B示出了各种类型活动的多轴加速度计数据和组合的加速度衍生数据的说明性示例;
图5A至图5C示出了根据一些实施方式的可以用于不同类型活动的模糊逻辑识别中的隶属函数的示例;
图6示出了根据一些实施方式的用于处理活动数据的方法600的动作;
图7A示出了根据一些实施方式的与用于确定活动类型和强度水平的子过程相关联的动作;
图7B示出了根据一些实施方式的与用于确定健康信用(health credit)的子过程相关联的动作;
图7C示出了根据一些实施方式的与用于确定健康信用的子过程相关联的动作;
图8A表示根据一些实施方案的代谢当量(MET)查找表的示例;
图8B表示根据一些实施方案的可以由健康监视器产生的健康信用数据流的示例;
图8C表示根据一些实施方案的可以被机载存储在健康监视器中的压缩的健康信用数据的示例;
图9A表示根据一些实施方案的可以被机载存储在健康监视器的临时活动缓冲区中的健康信用数据的示例;
图9B表示根据一些实施方案的可以被产生和机载存储在健康监视器中的压缩的健康信用数据和活动携带数据的示例;以及
图10A至图10B示出了对于在各种位置处附接至对象的健康监视器,活动的多轴加速度计数据和组合加速度衍生数据的说明性示例。
当结合附图时,根据下面阐述的详细描述,本发明的特征和优点将变得更明显。
具体实施方式
I.概述
如上所述,发明人已意识到,使用计步器和活动监视器的常规方法主要基于步计数,并且许多这样的常规装置在使用的一天期间不准确地记录步计数。例如,发明人已观察到,由不同商业实体制造的计步器在报告步数时具有广泛变化程度的准确度。附接至同一对象的两个活动监视器可能报告对象取得的相差多达25%的步数以及可能相差多于50%的燃烧的热量数。
对于不同活动监视器之间的这样的变化性,发明人已认识到,这损害它们在临床环境下作为诊断工具的应用。例如,对个体规定锻炼疗法的医生可能不能以合理的确定性知道医嘱是否被个体履行,或者是否以个体从活动得到健康益处的方式被满足。因此,无法基于计步可靠地制定和/或监视设计用于健身训练或医学目的(例如,从事故的疾病治疗或健康恢复)的锻炼疗法。
发明人已认识到,可以通过计算由用户进行并且由活动监视器检测的活动的健康益处水平或单位或者“健康信用”,依据数据获取和数据分析来改进活动监视器。健康信用的评估可以与可识别的健康标准相关联,并且相比于与其他参数如步数、行进距离、燃烧的热量和活动的持续时间相关的原始数,可以是较有意义和通用的活动评估。健康信用可以部分基于由常规活动监视器检测到的参数,但是可以进一步处理数据以更好地评定所进行的活动的质量。
发明人已开发出以下设备和方法:其可以用于确定由对象进行的活动的健康信用。根据一些实施方式,健康监视器系统被配置成:检测由对象进行的活动,识别活动类型,并且确定该活动进行的强度水平。健康监视器可以被配置成:以精细的时间分辨率确定进行活动的连续持续时间间隔,并且基于连续持续时间间隔、强度水平和由保健实体确立的指导方针来计算健康信用量。
发明人还认识到,在一些实施方式中,可以使用心脏数据(例如,来自附接至对象的心脏传感器的心率数据)结合运动数据(例如,来自由对象支承的加速度计的运动数据)来计算由对象进行的各种活动的热量燃烧,以提高健康信用的计算的准确度。因此,除运动数据之外,设备的实施方式还可以捕获并分析心脏波形数据。此外,发明人已实现了可以根据单独或结合运动数据使用的心脏数据来确定各种不同的健身量度。
使用本文描述的方法确定所进行的活动的健康益处水平并且确定健身量度可以提供较准确和有用的诊断工具,以评估对象的锻炼疗法和健身水平。相较于计步,通过依据健康益处来评估身体活动,个体或医生可以具有对监视的锻炼的较准确表示。此外,个体或医生可以容易地确定个体是否从锻炼中接收任何健康益处。
在本说明书的下面的部分中,进一步详细描述用于健康监视器的设备、方法和系统的各种实施方式。
II.示例设备
参考图1A,健康监视器100可以包括小电子装置,该小电子装置可以附接至对象或由对象支承,并且可以被配置成从可以由对象进行的多种不同活动类型中识别活动类型。在一些实施方式中,可以机载处理在对象进行锻炼期间由健康监视器产生的活动数据(例如,包括运动数据和/或生理数据的数据),以确定量化地表示从活动接收到的健康益处的“健康信用”。健康信用可以至少基于活动持续时间、活动的强度水平和由保健实体确立的健康标准。在一些实施方式中,健康信用还可以部分基于活动类型。在一些实施方案中,健康监视器100可以被配置成区分不同类型活动以及检测非人类活动(例如,如将健康监视器用带捆绑至轮或风扇的伪造活动),以便健康信用不授予给这样的检测到的活动。
如图1A的分解图所示,在一些实施方式中,健康监视器100可以包括智能活动监视器。健康监视器100可以例如包括外壳,其包括第一盖170和第二盖172。第一盖和第二盖可以由包括但不限于金属和塑料或其组合的任意合适的材料制成。作为一个示例,第一盖170可以是模制塑料,并且第二盖172是耐蚀性金属。第一盖和第二盖可以通过任意合适的手段被固定在一起,并且可以形成包围健康监视器的电源105和电子电路180的不透水密封。夹子或带174可以被设置在或附接至盖中之一的表面,以便健康监视器100可以附接至对象或机器或者由对象或机器支承(例如,用带捆绑至手腕、脚踝或附属物上,夹在一件衣服上,用带捆绑或夹在如锻炼器械或轮椅的机器的可移动部分上。)
如示出的,电子电路180可以例如包括设置在印刷电路板上的电路元件182的组合。在各种实施方式中,电路元件182可以例如包括以下元件的选择组合:集成电路(IC)芯片、专用集成电路(ASIC)芯片、至少一个数字处理器、微机电系统(MEMS)装置、电阻器、电容器、电感器、二极管、发光二极管、晶体管和/或导电电路迹线等。在一些实施方式中,微控制器或微处理器可以例如协调和管理智能监视器的电子电路的操作并且处理活动数据。在一些实施方式中,电子电路180还可以包括至少一个射频(RF)天线185以便用于发送和接收RF通信信号。
图1B进一步详细示出了根据一些实施方式的可以用在健康监视器100中的内部电路102。如示出的,健康监视器的电路可以例如包括提供并且管理到加速度计130、数字处理器110、存储器120以及收发器140的电力的电源105(例如至少一个电池或能量采集芯片)以及唤醒和电源管理电路150。处理器110可以被耦合至唤醒电路、加速度计、存储器和收发器。处理器可以被配置成:接收和处理来自加速度计130的加速度数据,将数据读取或书写至存储器120,并且从收发器140发送和接收数据。根据一些实施方式,唤醒电路150可以适于在健康监视器100未使用时进行感测,并且作为响应降低内部电路102的功耗。唤醒电路还可以适于在健康监视器100处于使用时进行感测,并且作为响应激活内部电路102中的一个或更多个元件。
在一些实施方式中,处理器110可以例如包括低功率8位处理器,其被配置成在睡眠模式操作中汲取低功率,并且能够在被激活时以每秒百万条指令(MIPS)进行操作。合适的处理器的一个示例是可从德克萨斯州奥斯汀市的硅实验室(Silicon Laboratories)公司购买的8051F931处理器。处理器的另一示例是可从挪威奥斯陆的北欧半导体购买的nRF51822处理器,但是任意其他合适的处理器或微处理器可以替选地用于其他实施方式中。在一些实施方案中,处理器110可以支持与其他装置的射频通信。根据一些实施方式,平衡转换器(balun)(例如,可从瑞士日内瓦的意法半导体购买的BAL-NRF02D3)可以用于匹配天线与处理器之间的RF信号。
处理器110可以例如包括用于存储数据和/或机器可读指令的各种类型的机载存储器(例如,闪存、SRAM和XRAM),并且可以通过内部振荡器或外部振荡器进行时钟控制。在一些实施方式中,当处理器是活动的并且处理数据时,处理器可以例如通过内部高频振荡器(例如,以约25MHz或高于约25MHz操作的振荡器)进行时钟控制,并且可替选地,当处理器基本上不活动并且处于睡眠模式时,处理器通过(处理器的外部或内部的)低频振荡器进行时钟控制。以低频对处理器的时钟控制可以例如降低睡眠模式期间的处理器的功耗。低频时钟控制可以处于以下频率处:在一些实施方式中,小于高频时钟控制的50%;在一些实施方式中,小于高频时钟控制的20%;在一些实施方式中,小于高频时钟控制的10%;在一些实施方式中,小于高频时钟控制的5%;在一些实施方式中,小于高频时钟控制的2%;在一些实施方式中,小于高频时钟控制的1%,而在一些实施方式中小于0.1%。
在各种实施方式中,处理器110可以被配置成:从加速度计130接收加速度数据,并且根据被加载至处理器上且在处理器上执行的预编程机器可读指令来处理所接收到的数据。处理器110可以例如被配置成接收模拟和/或数字输入数据,并且可以包括机载模数和数模转换器以及机载定时器或时钟。根据一些实施方式,处理器还可以被配置成接收和分析心脏波形数据。在一些实施方式中,处理器还可以被配置成通过唤醒和电源管理电路150接收电力。在一些实施方式中,处理器可以与电源管理电路150的一部分或全部协作地操作,或者包括电源管理电路150的一部分或全部,并且便利于激活和去激活健康监视器内的一个或更多个电路元件。
在一些实施方式中,处理器110可以被配置成能够以多个不同时钟频率操作。相比于以高时钟频率操作时,当以低时钟频率操作时,处理器通常将消耗较少电力。在一些实施方式中,处理器可以例如被配置成:当健康监视器100没有运动时,处于“睡眠”模式并且以低时钟频率操作;并且当检测到健康监视器100的运动时,通过若干操作状态进行循环。下面将参考图2A描述处理器可以如何以这样的方式循环的示例。作为一个示例,当处于睡眠模式时,处理器可以以小于10Hz的速率对数据进行采样并且汲取小于约30微安。
在一些实施方式中,加速度计130可以例如包括多轴加速度计,其被配置成沿至少两个基本上正交的空间方向感测加速度。加速度计130可以例如包括基于微机电系统(MEMS)技术的三轴加速度计。此外或可替选地,在一些实施方案中,可以使用一个或更多个单轴加速度计。在一些实施方式中,加速度计130可以被配置成提供一个或更多个模拟数据流输出(例如,与加速度计的每个轴相对应的X、Y、Z数据输出),这些数据流输出分别表示沿对应轴的加速度的大小和方向。合适的加速度计的一个示例是可从纽约伊萨卡的Kionix公司购买的Kionix型号KXSC7加速度计。合适的加速度计的另一示例是可从瑞士日内瓦的意法半导体购买的LIS2DH加速度计。加速度计130可以例如提供随后可以被转换成数字数据的模拟输出数据,或者可以提供表示加速度值的数字输出数据。
加速度计130可以通过若干参数来表征。在这些参数当中可以例如是灵敏度值和采样率值。作为示例,加速度计的模拟灵敏度可以在一些实施方式中在约每重力值100毫伏(mV)(100mV/G)与约200mV/G之间,在一些实施方式中在约200mV/G与约400mV/G之间,在一些实施方式中在约400mV/G与约800mV/G之间,以及在一些实施方式中在约800mV/G与约1600mV/G之间。当被配置成提供数字输出时,加速度计的采样率可以例如在一些实施方式中在约每秒每轴10个样本(10S/sec-A)与约20S/sec-A之间,在一些实施方式中在约20S/sec-A与约40S/sec-A之间,在一些实施方式中在约40S/sec-A与约80S/sec-A之间,在一些实施方式中在约80S/sec-A与约160S/sec-A之间,在一些实施方式中在约160S/sec-A与约320S/sec-A之间,并且在一些实施方式中在约320S/sec-A与约640S/sec-A之间。将理解,在一些实施方式中,较高的采样率可以提高所测量的加速度的质量。
将理解,在一些实施方式中,加速度计130可以与一个或更多个模数转换器组合,以便以上述采样率提供表示加速度值的数字输出数据。当数字输出数据由加速度计提供时,加速度计的灵敏度可以以每重力常数的比特(b/G)为单位表示。作为示例,提供数字输出数据的加速度计可以具有在一些实施方式中多于约2b/G的灵敏度,在一些实施方式中多于约4b/G的灵敏度,在一些实施方式中多于约6b/G的灵敏度,在一些实施方式中多于约8b/G的灵敏度,在一些实施方式中多于约10b/G的灵敏度,在一些实施方式中多于约12b/G的灵敏度,或者甚至在一些实施方式中更高值的灵敏度。
根据一些实施方式,除运动传感器152和加速度计130之外,健康监视器100还可以包括一个或更多个传感器。例如,健康监视器可以包括被配置成感测对象的至少一个生理参数的至少一个生理传感器154(例如,心脏传感器、温度传感器、血糖传感器、血氧传感器等)。可以被感测的生理参数的示例在一些实施方式中包括但不限于心脏波形、皮肤温度、核心温度、呼吸频率、体积描记法波形、EKG波形、血氧水平、血糖水平、水化、血压等。生理传感器的一个说明性示例包括可从马萨诸塞州诺伍德的Analog Devices公司购买的AD8232ECG芯片。这样的芯片可以与被布置成接触对象的皮肤的电极进行组合。生理传感器154在一些实施方案中可以与健康监视器一起被设置在同一封装中,或者可以在单独的位置处形成为单独的监视器以附接至对象,并且根据预定通信协议无线地或经由有线链接将数据传送至健康监视器。
在一些实施方式中,健康监视器100可以包括在处理器110的外部并且处理器110能够访问的存储器120。存储器120可以是以下类型的存储器中的任意一个或组合:RAM、SRAM、DRAM、ROM、闪存。存储器120可以例如用于存储和/或缓存来自加速度计130和/或生理传感器154的原始数据、处理器110的机器可读指令、处理器用于处理加速度计数据和/或生理数据的处理器的程序数据、以及/或者表示活动的活动数据。此外或可替选地,在一些实施方式中,存储器120可以用于存储关于健康监视器的状况的诊断信息(例如电池寿命、错误状态等)以及/或者关于装置的物理参数(例如存储器大小、重力灵敏度、重量、电池型号、处理器速度、操作软件的版本、用户接口需求等)。在一些实施方式中,存储器还可以用于存储与用户相关的信息,例如,用户体重、身高、性别、年龄、训练目标、具体锻炼计划、可以用于识别用户进行的活动的用户活动特定数据或者表示所识别的活动的过程数据。根据一些实施方式,存储器120可以存储以下的表格:代谢当量(MET)、校准值和用于确定各种活动的健康益处水平的健康指导方针数据。
此外或可替选地,在一些实施方式中,存储器120可以用于存储例如经由有线或无线链接从外部装置接收到的数据结构和/或代码。数据结构和/或代码可以例如用于更新由健康监视器使用的一个或更多个数据处理应用。例如,一种类型的数据结构可以是表示活动数据模式的数据,该活动数据模式可以用于识别先前未被健康监视器识别的特定类型的活动,例如,新活动或特定于健康监视器的个体用户的活动。作为另一示例,数据结构可以包括下面描述的为新活动定义或为可识别的活动重新定义的隶属函数。根据一些实施方式,数据结构可以例如包括在活动进行期间获得的一个或更多个样本加速度计迹线和生理数据,以及/或者可以包括通过对加速度计迹线的处理而得到的识别数据(例如,隶属函数),该加速度计迹线可以用于由健康监视器100执行以识别活动的算法中。另外,在一些实施方式中,存储器120可以用于存储对由健康监视器执行的算法的更新和/或替换。存储的数据结构和算法可以例如用于对健康监视器100的功能进行重新编程和/或扩展,以识别新活动或先前未被健康监视器识别的活动以及/或者提高针对所识别的活动计算的结果的准确度或置信度。
在一些实施方式中,存储器120还可以用于存储由处理器110使用以表征检测到的活动的校准数据和/或转换数据。校准数据可以例如用于提高检测到的活动参数(例如,步长、速度)的准确度以及/或者提高根据检测到的活动计算的健身量度的准确度。转换数据可以例如用于将检测的活动转换成所花费的人类能量的量,例如燃烧的热量、代谢当量等。
根据一些实施方式,健康监视器100可以包括收发器140以及/或者一个或更多个数据通信端口(例如,USB端口、RF通信端口、蓝牙端口),用于在健康监视器与一个或更多个外部装置(如计算机、平板电脑、手机、便携式通信装置、数据处理器、传感器、另一智能传感器或多用途传感器)之间传送数据,这一个或更多个外部装置中的任意一个可以被配置成与如互联网或局域网的网络中的其他类似装置进行通信。健康监视器100可以例如被配置成通过有线或无线端口经由收发器140与选自以下列表的任意装置或组合进行通信:个人计算机、膝上型计算机、平板电脑、PDA、手表、MP3播放器、iPod、移动电话、如血糖仪、血压监视器或InR仪的医疗装置、电子交互游戏设备、智能训练设备以及汽车系统。可以例如经由收发器140在健康监视器100与外部装置之间传输从存储器120检索的数据或要被存储在存储器120中的数据。在一些实施方式中,从健康监视器100发送的数据可以被配置用于路由至数据服务装置,该数据服务装置适于处理从健康监视器接收到的数据。
在一些实施方式中,用于健康监视器100的内部电子器件的电力可以由至少一个电池105提供并且由唤醒和电源管理电路150管理。电池可以是小的,例如纽扣电池类型,并且可以例如包括能够再充电或能够替换的一个或更多个锂类型电池。仅作为一个示例,可以使用具有约230mAh的容量的单个锂硬币或纽扣、3伏特电池(可从瑞士伊廷根的RenataSA购买的型号CR2032)。健康监视器的另一实施方式可以包括一个或更多个型号CR1616电池,但是在各种实施方式中可以替选地使用任何合适类型的电池。在一些实施方式中,健康监视器可以包括发电或能量收集硬件(例如,被配置成将机械运动转换成电流的压电材料或发电机、太阳能电池、RF或热转换器)。机载生成的电力可以被存储在电池或如超级电容器的电荷存储部件中。在一些实施方案中,生成的电流可以经由二极管电桥被提供给存储部件。合适的能量收集装置的一个示例是可从科罗拉多州利特尔顿市的Infinite PowerSolutions公司购买的微能量电池MEC225。在一些实施方式中,发电部件可以结合可再充电电池被用作健康监视器100的电源。根据一些实施方式,电压调节器芯片(例如,可从德克萨斯州达拉斯市的德州仪器购买的TPS78001)可以用于在将电力传递至健康监视器的部件之前对来自至少一个电源的电力进行调节。
在一些实施方案中,唤醒和电源管理电路150可以包括运动传感器152,其结合唤醒和电源管理电路150、以可以表示要被监视的活动的方式识别健康监视器100正移动的时间。唤醒和电源管理电路150可以例如包括用以启用、禁用、降低和/或提高到图1B所示的各种电路元件的电力的逻辑控制电路。用于唤醒和电源管理电路的逻辑控制电路可以例如包括处理器110利用的硬件和机器可读指令,或者可以包括专用集成电路利用的硬件和机器可读指令。
在一些实施方式中,运动传感器152可以包括例如压电元件的一个或更多个力敏开关,其被配置成生成表示健康监视器经历的加速量度的电信号。此外或可替选地,在其他实施方式中,运动传感器152可以包括当健康监视器经受加速度时闭合电路或打开电路的一个或更多个接触开关,例如,“管中球(ball-in-tube)”开关。当开关闭合的频率超过预选值时,可以例如发起唤醒。此外或可替选地,在其他实施方式中,传感器152可以包括仅当健康监视器经历超过预选值的加速度时才闭合的一个或更多个力敏接触开关。
图1C至图1D示出了包括用于将信息传递至用户的发光二极管(LED)184的健康监视器103的示例实施方式。图示示出了平面图(图1C)和立视图(图1D)的封装装置。健康监视器可以是基本上圆形、长方形、正方形、椭圆形或者是多边形的形式。健康监视器可以具有在一些实施方式中在约5mm与约40mm之间的最大尺寸D以及在一些实施方式中在约1mm与约10mm之间的厚度T。健康监视器103的大小主要可以由其电源例如其电池的大小来确定。健康监视器可以具有基本上匹配电源的形式的形式因子。例如,健康监视器可以具有与电源的形状类似的形状,并且具有在一些实施方式中大于电源的体积多达20%的体积、在一些实施方式中大于电源的体积多达50%的体积、在一些实施方式中大于电源的体积多达100%的体积以及在一些实施方式中大于电源的体积多达200%的体积。可以以直线、圆形、椭圆或任意其他形状来设置LED。第一盖170a和第二盖172a可以扣合或旋拧在一起,以便形成具有聚合物衬垫171a的密封。在一些实施方式中,夹子或带可以包括聚合物衬垫171a,以便装置可以容易地从夹式装置变化成捆绑式装置。在一些实施方案中,夹子或带可以可拆卸地附接至第一盖或第二盖。在其他实施方式中,夹子或带可以将健康监视器放在托架上。
根据一些实施方式,健康监视器103可以被配置成:识别一个或更多个轻拍序列和/或运动姿态(例如,以数字8模式、圆形模式、来回线性模式移动装置),并且响应于检测到的轻拍序列或姿态激活LED以传递信息。轻拍序列或姿态可以与健康监视器可以用适当的信息进行响应的特定信息查询相对应。根据一种实施方式,健康监视器可以以特定方式被轻拍,并且作为响应激活多个LED以表示用户已达到活动目标的大约百分比(例如,10分之8的LED用信号发送大约80%)。可以由装置传送关于朝向一个或更多个活动目标的进度的信息(例如,行走了3英里目标的30%,跑了8英里目标的60%,游了60圈目标的90%,实现了这一天的可信有益健康活动的70%,实现了这周推荐数量的健康信用的50%等)。LED还可以用于响应于特定轻拍序列或姿态传递其他信息,例如,电池寿命、步速比较(超前或落后活动的最好步速)、心率、燃烧的热量等。虽然LED可以用于将信息传递至用户,但是代替LED或除LED之外,在一些实施方式中还可以使用小的液晶显示器。
图1E至图1G示出了根据一些实施方式的健康监视器104和160的示例实施方式。健康监视器104可以以具有中央室112和紧固结构114的带的形状形成。中央室112可以例如附接至柔性带106,该柔性带106可以围绕对象的肢体来捆绑或者以任意合适的方式(例如,围绕脚踝区域、手腕或手臂来捆绑)附接至对象。中央室可以容纳健康监视器的电子部件180、185和182(参见图1A)。在一些实施方式中,健康监视器104可以包括如上所述的用于将信息传达给用户的一个或更多个LED 184。在一些实施方式中,中央室可以是柔性的(例如,由聚合物或弹性体制成),并且监视器的电子部件可以安装在具有柔性连接件的柔性基板上。在一些实施方式中,中央室112和带106是半刚性的,并且紧固结构114附接至用于将装置捆绑至肢体的柔性带。紧固结构可以是孔、按钮式扣(button snap)、搭扣(buckle)、扣钩(clasp)或任意其他合适的紧固结构。健康监视器104可以例如具有约10mm与约250mm之间或更长的长度L、约5mm与约30mm之间的宽度W以及大于1mm与约10mm之间的厚度T。在一些实施方式中,健康监视器104可以具有沿其长度的曲线轮廓,以便可以更好地符合肢体的轮廓。
根据一些实施方式,健康监视器104可以包括至少一个光源186和至少一个光检测器187。至少一个光源和光检测器可以例如用于感测对象的一个或更多个生理参数,例如血氧水平、体积描记法波形、血糖水平等。在一些实施方式中,光源186可以包括高亮度红外线(IR)光电二极管和较短波长的光电二极管。近年来,氮化铟镓LED技术的进步已产生具有降低的结电压和增强的辐射强度两者的装置。使用InGaN技术并且应用下述电源管理技术可以提供具有如典型的绷带或腕表的形式因子的、可以在小的氧化银电池上运行若干个月的、能够测量心率的健康监视器。光检测器187可以是任意合适的光检测器,并且可以被安装用以检测从对象散射或反射的来自光源的光。
图1G示出了根据一些实施方式的贴片型健康监视器160。贴片型健康监视器可以是柔性、薄并且粘合贴片的形式,并且在一些实施方案中可以包括一些一次性部分。例如,贴片型健康监视器可以包括由硅树脂制成的柔性盖160-1。健康监视器160可以包括可以连接有至少一个监视器(加速度计和/或心脏传感器)的第一柔性印刷电路板(PCB)160-3。电力可以由一个或更多个电池(例如,如CR1616电池的硬币电池)提供。贴片型健康监视器可以包括用于电接触对象以感测心脏波形的多部件电极。根据一些实施方式,例如,电极可以包括具有大约2mm与大约6mm之间的直径以及大约0.1mm与大约1mm之间的厚度的第一导电垫160-4(例如,铜垫)。第一导电垫可以粘附于可以具有小于1mm的厚度的第二柔性PCB160-7。导电胶带160-6可以用于将第一导电垫160-4粘附于第二柔性PCB 160-7。在一些实施方式中,第二导电垫160-8(例如,氯化银垫)可以接触第二柔性PCB,并且进一步接触被布置成在分开的位置处接触对象的粘合剂水凝胶垫160-10(例如,可从明尼苏达州圣保罗市的3M公司购买的粘合剂材料9880)。在一些实施方案中,第一粘合剂层160-5(例如,可从明尼苏达州圣保罗市的3M公司购买的LSE粘合剂96042)可以用于将第一柔性PCB层160-3粘附于第二柔性PCB层160-7和中介的水胶体层160-9(例如,可从明尼苏达州圣保罗市的3M公司购买的水胶体9943)。在一些实施方式中,第二生物相容性粘合剂层160-11(例如,可从明尼苏达州圣保罗市的3M公司购买的粘合剂2475P)可以用于将贴片型健康监视器160粘附于对象。可以通过延伸通过水凝胶垫160-10、第二导电垫160-8、第二柔性PCB 160-7、导电胶带160-6和第一导电垫160-4的电路路径将心脏信号传递至位于第一柔性PCB 160-3上的ECG芯片。
在一些实施方式中,贴片型健康监视器160可以具有大约1mm与大约4mm之间的厚度以及大约30mm与大约100mm之间的长度。监视器的宽度可以在大约10mm与大约30mm之间。根据一些实施方式,贴片型监视器可以被配置成粘附至对象的靠近心脏(例如在对象的第二肋骨至第四肋骨附近)的躯干。装置可以是防水的,并且被配置成粘附于对象一天或更多天的时期。在一些实施方案中,装置的生物相容性粘合剂可以允许粘附大于四天或更长时间的时间段。在一些实施方式中,可以将两个水凝胶垫160-10分离开大约15mm与大约50mm之间的距离。在一些实施方案中,分隔距离可以在20mm与30mm之间。
根据一些方面,当健康监视器从对象被移除并且被重新粘附时,水凝胶垫160-10和第二生物相容性粘合剂层160-11能够替换。例如,对象可以在任何时候移除健康监视器160,并且在稍后的时间里重新粘附它。虽然健康监视器可以被配置成连续穿戴,但是对象可能希望在一些情况下每天、在一些情况下每周、在一些情况下每月或以任意合适的间隔移除它。在移除后,水凝胶垫160-10和第二生物相容性粘合剂层160-11可以从健康监视器去除并且用新的垫和粘合剂替换。
在一些实施方案中,如图1G所示的健康监视器160的心脏监视器可以被配置成在一些操作模式下连续地捕获心脏波形数据,而在一些操作模式下间歇地捕获心脏波形数据。由健康监视器160根据心脏波形确定的信息的类型可以包括心率、间跳间隔(IBI)、心率变异性(HRV)、PQRST波形轮廓和呼吸频率。
虽然健康监视器在图1E至图1G中被示出为单个封装装置,但是在一些实施方式中,健康监视器可以包括附接至对象或由对象支承的两个或更多个分开的传感器,其被配置成通过小区域网络或本体局域网(本体LAN)进行通信。传感器中的一个或更多个可以被配置为如于2013年3月15日提交并且其全部内容通过引用合并到本文中的题为“VersatileSensors with Data Fusion Functionality”的美国专利申请第13/840098号所述的多用途传感器。在一些实施方式中,另外的传感器可以检测其他生理数据,并且将代表数据传送至健康监视器104。
现在参考图2A至图2B,在一些实施方式中,健康监视器的唤醒和电源管理电路150可以如图所示被配置成使装置循环通过多个操作状态。健康监视器循环至的操作状态可以例如取决于由唤醒和电源管理电路检测到的运动或者从本体LAN中的其他传感器接收到的数据。操作状态中的一些可以例如是省电状态、低电力状态或无电力状态。
根据一些实施方式,可以存在一个低电力或无电力状态210以及一个或更多个供电操作状态230、250和270。供电操作状态可以例如包括各种省电状态。如所示,健康监视器可以沿路径220、240、260、280和215从任一状态移动至任意其他状态。在一些实施方式中,除图2A至图2B所示的路径之外或者代替图2A至图2B所示的路径,还可以存在例如直接从步检测状态270到唤醒授权(wake qualify)状态230的路径。
在一些实施方式中,当对象不活动(例如,健康监视器呈现出不运动或者小于第一预选限制或阈值的运动)时,监视器可以以睡眠模式210进行操作。在一些实施方式中,睡眠模式可以不消耗电力。然而,在其他实施方案中,睡眠模式可以消耗低电力,例如汲取约1微安或小于1微安。低电力可以例如被提供给用于检测健康监视器100的运动的运动传感器152。在一些实施方式中,当在睡眠模式时,无电力被提供给运动传感器152、生理传感器154、处理器110、存储器120和收发器140中的任意组合或全部。根据一些实施方式,当经由运动传感器152检测到充分的运动时,健康监视器可以被移动至唤醒授权状态230。
在一些实施方式中,可以根据来自运动传感器的信号的幅度和/或频率、经由运动传感器152检测用于将健康监视器移出睡眠状态210的充分的运动。例如,当运动传感器包括一个或更多个压电元件时,大于预定义信号值的信号可以用于识别健康监视器的充分的运动并且将监视器移动至唤醒授权状态230。在另一示例中,运动传感器152可以包括一个或更多个接触开关,并且每预定义时间间隔的预定义数目的开关打开或闭合可以用于识别健康监视器的充分的运动并且将健康监视器移动至唤醒授权状态230。
在一些实施方式中,当处于唤醒授权状态230时,低电平电流(例如,小于约30微安)可以被系统中的健康监视器100消耗。电力可以例如被供应给加速度计和系统处理器,以便当处于唤醒授权状态230时可以处理来自加速度计的数据。在一些实施方式中,当处于唤醒授权状态时,电力还可以被供应给存储器120。在一些实施方案中,电力可以在唤醒授权状态时被供应给一个或更多个生理传感器。
在一些实施方式中,当处于唤醒授权状态230时,可以以低速率对系统进行时钟控制以节省电力。例如,可以以低频率对处理器110进行时钟控制以及/或者以低频率(例如,小于约10Hz)对加速度计进行采样以获得和处理来自加速度计的数据。可以例如处理数据以确定是否已超过预定义的第二阈值。在一些实施方式中,第二阈值可以包括健康监视器100经受的预定义量的力或加速度,并且可以包括另外的参数,例如超过预定义量的加速度、心率的测量值出现的频率。当跨过第二阈值时,健康监视器可以例如被移动至活动授权或步授权(step qualify)状态250。如果在预定义的时间段内没有跨过第二阈值,则健康监视器可以例如返回至睡眠模式210。
在一些实施方式中,当处于步授权状态250时,较多电力被供应给加速度计130和/或处理器110,以便可以发生较大量的运动数据的数据处理。如与唤醒授权状态230相比,可以例如以较高的时钟频率操作加速度计和/或处理器,以便在给定时间间隔内较大量的数据可以从加速度计获得并且由处理器处理。由健康监视器在步授权模式下消耗的电流可以是大约几百微安,例如在一些实施方式中在约100微安与约500微安之间。数据收集速率在步授权模式250下可以例如被提高至正常操作速率。加速度计数据可以例如以几百赫兹(例如,256Hz)或更高值进行采样。在一些实施方案中,在步授权状态下,可以获得和处理较大量的生理数据。
在一些实施方式中,当处于步授权模式250时,健康监视器100可以分析所检测到的加速度数据,以确定数据是否表示可以是监视器110的可识别活动的活动,例如行走、奔跑、游泳、跳绳等。在一些实施方式中,如果处理器确定活动能够被识别,则可以将健康监视器移动至步检测状态270。在一些实施方式中,如果确定在预定义量的时间内不存在充分的能够被处理器识别的活动,则健康监视器可以返回至唤醒授权模式230。
根据一些实施方式,当执行步检测模式270时,健康监视器可以位于全操作中。在该模式下,除其他操作部件之外,电力还可以例如被供应给收发器140,以便可以执行与外部装置或另外的传感器的通信。在一些实施方式中,正常操作时钟频率和采样速率可以用于操作加速度计、一个或更多个生理传感器和处理器,以便可以执行活动检测和全数据处理。在步检测模式270下,可以或可以不对生理传感器完全供电。步检测模式270下的电流消耗可以例如是几百微安,例如在约200微安与约600微安之间。
在一些实施方式中,除睡眠模式210之外,每个操作状态可以包括用于例如沿如图2A所示的状态路径215将健康监视器直接返回至睡眠模式的规定。例如,如果存在对引入数据或与引入数据相关联的处理数据参数的终止,则每个操作状态230、250和270可以被配置成将健康监视器返回至睡眠模式210。此外或可替选地,在一些实施方式中,当系统故障或崩溃(例如处理器的冻结)时,健康监视器可以被配置成返回至睡眠模式。返回至睡眠模式可以例如用于对健康监视器进行复位。
此外或可替选地,根据一些实施方案,如图2B所示,健康监视器的省电可以基于心脏数据。基于心脏数据的省电方法可以与基于运动数据的省电方法并行运行或结合基于运动数据的省电方法运行。仅作为一个说明性示例,可以由系统处理器分析运动数据以确定对象处于非活动状态(例如,坐、躺、乘车等)。然后,健康监视器可以确定可以减少到至少运动检测器和生理传感器的电力。如图2A至图2B所示,在一些实施方式中,运动传感器可以进入睡眠模式210,并且被配置成感测对象的心脏波形的心脏传感器也可以进入睡眠模式212。为延长电池寿命,当对象不活动时,如图2B所示,心脏传感器可以从睡眠状态循环通过一个或更多个低电力操作模式。
例如并且参考图2B,在第一模式(模式A)下,心脏传感器可以在对象的每次心跳之间的一段时间内“睡眠”(睡眠状态212),并且及时“醒来”以捕获心博的波形(QRS检测状态232)(例如,QRS波群(QRS complex))用于后续分析。根据一些实施方案,QRS波形可以例如被分析用于心率失常、心率变异性和/或呼吸频率。在一些实施方式中,可以根据多个心动周期内的R波的包络来确定呼吸频率。在第一模式中,全波形捕获电路可以用于采样和分析仅在QRS波群期间的心脏波形。
在第二操作模式(模式B)中,心脏监视器可以在对象的每次心跳之间的一段时间内睡眠并且及时醒来仅以确定R波的点或定时(R检测状态252)。在一些实施方案中,可以将心脏信号馈送至被配置成检测R波的斜率改变或阈值越过的比较器。相比于需要捕获和分析心脏波形的一部分的电路,比较器可以需要较少的电力来操作。
在第三操作模式(图2B未示出)中,心脏监视器可以连续操作以捕获多次跳动的全心脏波形。可以在一些实施方式中周期地执行连续的操作模式以确定P波的定时,并且确定心跳之间的睡眠间隔。在一些实施方案中,连续操作模式可以在对象变得活动时执行或者可以在对象的活动被发现是适度和/或剧烈时执行。在一些实施方案中,用户可以根据可以由运动传感器检测、由健康监视器的处理器处理并且识别的贴片或运动传感器上的轻拍序列来命令心脏波形的连续监视,而不考虑用户活动。
更详细地,图2C至图2D是健康监视器可以被配置成实现的、捕获和处理心脏信号的方法的说明性示例。为了参考,图2E示出了心脏波形的示例,图2E示出了心动周期的P、Q、R、S和T部分。
根据一些实施方式并且参考图2C,在健康监视器上实现的基于心脏波形的省电的方法204可以包括:在一段时间内接收226 ECG信号,并且分析数据以确定228对象的PQRST波形的定时。根据一些实施方式,健康监视器可以在P波之前唤醒232-1心脏监视器,记录232-3 QRS波群,并且处理232-5 QRS波群以获得心脏数据(例如,心率失常、心率变异性和/或呼吸频率)。根据一些实施方式,健康监视器可以唤醒心脏监视器,同时保持运动传感器处于睡眠模式。根据一些实施方式,心脏监视器可以在P波之前的大约1ms与大约100ms之间被激活。在其他实施方式中,心脏监视器可以稍后或较早激活。健康监视器可以确定232-7所记录的QRS波形是否有效(例如,未被削剪或由于不正确的时间选通而缺失一部分)。如果QRS波有效,则健康监视器可以在到心脏监视器的电力被减少或切断期间进入睡眠模式232-9直至下一P波为止。如果确定QRS波形无效,则健康监视器可以对心脏监视器和相关联的电子器件上电以在一段时间内接收226全ECG信号,以便可以确定适当的睡眠或唤醒间隔。
在一些实施方案中并且参考图2D,由健康监视器实现的基于心脏波形的省电的方法206可以包括:在一段时间内接收226ECG信号,并且分析数据以确定228对象的PQRST波形的定时。健康监视器可以在R波之前(例如,根据一些实施方式,在R波之前的大约1ms与大约100ms之间,但是在其他实施方式中可以使用其他时间)唤醒252-1心脏监视器。在该模式下,比较器可以被唤醒并且用于处理输入心脏信号,而不是使用QRS波群的数字处理和A/D电路。通过检测R波的从正斜率到负斜率的变化或阈值越过,健康监视器的处理器可以确定252-3心跳之间的R-R间期。该数据可以用于评估跳动间间隔(心率)和/或心率变异性。健康监视器可以评定252-5所确定的R波点是否有效(例如,出现在预期时间窗内)。如果确定所确定的R波点有效,则心脏监视器可以进入睡眠模式232-9。如果确定R波点无效,则健康监视器可以对心脏监视器和相关联的电子器件上电以在一段时间内接收226全ECG信号。
图2F示出了根据一些实施方式的可以从健康监视器的运动传感器和心脏波形传感器获得的数据类型。例如,如下面将进一步详细描述的,运动传感器(例如,加速度计)可以用于各种活动测量以获得与对象进行的活动类型对应的运动波形。类似地,心脏传感器可以用于获得在不同活动水平期间以及在非活动期期间的对象的心脏波形。在一些实施方式中,来自不同传感器类型的数据可以在一些情况下分开使用而在其他情况下可以组合,以确定个体的不同健身量度,在附图中示出了其中的一些健身量度。
仅作为一个示例,可以分析运动波形以确定附接有健康监视器的对象的身体位置。运动波形可以表示对象处于俯卧位置。对在同一时期期间获得的R-R间期数据或心脏波形的分析可以表示例如低于正常心率,这可以被健康监视器确定为静息心率(RHR)。在一些实施方式中,组合的运动数据和心脏数据可以表示对象睡着了,并且可以用于例如确定对象的基础代谢率(BMR)。另外,心率变异性(HRV)数据连同来自运动传感器的运动数据可以用于评定对象的睡眠质量。例如,对象的低心率变异性可以表示对象的增大的应力。在一些实施方式中,可以根据心脏波形的低频(LF)和高频(HF)谱功率的比率来确定低HRV。可以根据心动周期的傅里叶变换或FFT来确定心脏波形的谱功率。LF谱功率可以在约0与150Hz之间的范围内,并且HF谱功率可以在约150Hz与约400Hz之间的范围内。在睡眠状态期间超过平均值的对象的增大的LF/HF比率可以表示对象的增大的应力水平和降低的睡眠质量。此外或可替选地,睡眠期间的过多运动可以表示降低的睡眠质量。下面描述可以从心脏和运动数据确定的其他健身量度。
III.数据处理
该部分提供了可以用健康监视器的各种实施方式实现的数据处理和数据处理范例的概述。在一些实施方案中,可以在健康监视器的一个或更多个处理器上执行活动数据的处理。参考图3的框图,示出了根据一些实施方式的用于健康监视器的数据处理架构300的说明性示例。在一些实施方式中,可以至少部分在具体地用适当的机器可读指令适配的处理器110上实现该数据处理架构。
根据一些实施方式,健康监视器的数据处理架构300可以包括数据预处理器305、特征生成器310、缓冲区325、推理引擎320和至少一个活动引擎340-1。在一些实施方式中,数据处理架构还可以包括复用器330和数据服务360。在一些实施方案中,预处理器305、特征生成器310、推理引擎320、复用器330以及活动引擎340-1至340-n中的任一个可以被全部或部分实施为能够在处理器110上操作的机器可读指令,该机器可读指令当被执行时使处理器适于执行如下所述或如替选实施方式实现的相应功能。另外,此外或可替选地,预处理器305、特征生成器310、推理引擎320、复用器330以及活动引擎340-1至340-n中的任一个可以被全部或部分实施为被配置成执行相应的功能或相应的功能的一部分的硬件。
应当理解,相比于图3所示的数据处理元件,其他实施方式可以包括较少、附加或不同的数据处理元件。例如,可以在数据服务360之前或之后添加数据后处理器。此外,应当理解,在一些实施方式中,可以将一个或更多个所示出的元件组合成提供分开示出的两个单元的等效功能的单个单元。可以以硬件(例如,如现场可编程门阵列、数字信号处理器和/或专用集成电路)以及/或者硬件和可以在数字处理器上执行的机器可读指令(例如,软件)的组合来实现图3所示的一个或更多个部件。
如图3所示,在一些实施方式中,加速度计130可以被配置成输出表示由加速度计沿运动的至少一个方向检测到的加速度的值的运动数据流133。运动数据流133可以例如包括加速度值,该加速度值表示分别沿加速度计130处定义的运动的X轴、Y轴和Z轴所测量的加速度。在一些实施方式中,可以将加速度值的数据流133提供至特征生成器310和预处理器305两者。在一些实施方案中,从一个或更多个生理传感器接收到的补充数据302(例如,生理数据,如心脏数据、呼吸数据、血氧或血糖数据等中的任意一个或组合)可以被提供至处理器110,并且可以被提供至特征生成器310和/或预处理器305。根据一些实施方式,预处理器305可以例如对至少来自加速度计的运动数据流133进行预处理以产生被提供至特征生成器310的加速度衍生值的流。在一些实施方式中,可以不计算加速度衍生值。可以过滤任何数据例如以减少噪声分量或选择特定频率分量以供分析。
在一些实施方案中,可以将补充数据302提供至处理器110的一个或更多个处理装置。例如,可以将补充数据302提供至预处理器305、特征生成器310和推理引擎320中的任意一个或组合。在一些实施方案中,预处理器305可以例如对体积描记法波形或心脏波形进行预处理以生成表征对象的心博的数据,该数据可以被提供至特征生成器310。在一些实施方式中,还可以将补充数据302提供给缓冲区325。可以分析补充数据302以提供关于活动的另外的信息(例如,处理器110可以被配置成分析心脏数据以确定脉搏率,例如,根据该脉搏率可以估计进行活动的强度水平)以及/或者验证进行的活动类型(例如,骑健身车、在平坦地带骑自行车或骑自动车爬坡之间进行区分)。
在某些实施方式中,特征生成器310可以处理所接收到的加速度值的数据流133、接收到的补充数据和接收到的预处理后数据(例如,加速度衍生值的流),以产生可以被提供至推理引擎320并且被可选地提供至缓冲区325的一个或更多个特性特征312。特性特征可以例如由推理引擎320用来从多种活动类型中识别传感器感测到的活动类型。在一些实施方式中,根据对活动类型的识别,推理引擎320可以将控制信号322提供至复用器330以将特性特征312路由至适当的活动引擎340-1、340-2……340-n以供进一步的数据处理。每个活动引擎可以例如被配置成根据活动特定算法(例如,用于奔跑、行走、游泳、骑自行车等的算法)来处理接收到的特性特征,以计算描述活动的一个或更多个参数。一个或更多个参数的说明性示例包括但不限于活动的强度或步速的测量、活动期间消耗的能量的计算、活动期间行进的距离的估计以及活动的持续时间。
在一些实施方式中,缓冲区325可以用于临时保留表示活动的数据,同时推理引擎320识别活动。例如,一旦活动被识别,就可以将数据从缓冲区路由至一个或更多个适当的活动引擎。这样的临时数据缓冲防止在活动的初始识别期间或从一个活动到另一活动的转换期间的活动数据的损失。
根据一些实施方式,一旦活动被识别,就可以将可以包括原始加速度计数据的来自特征生成器310的数据路由至适当的活动引擎340-m(m与所选引擎1、2、3……n的值对应)。活动特定数据处理引擎中的每个可以例如使用加速度衍生数据Dn、一个或更多个加速度计迹线数据、生理数据和特性特征数据中的任意实例或者组合以确定与活动相关联的一个或更多个参数(例如,速度、距离、强度、步数等)的值。在一些实施方式中,生理数据可以结合运动数据使用以确定活动的强度和/或与活动相关联的其他参数。
此外或可替选地,在一些实施方式中,所选活动引擎、推理引擎或后处理元件(未示出)可以确定活动的能量消耗(例如,热量燃烧率)。根据一些实施方式,可以例如至少部分根据活动的代谢当量(MET)的查找表来确定能量消耗。查找表可以例如包括代谢当量的列表,其中,每个条目可以与一个或更多个活动强度参数(例如步速率、速度、心率等)相关联。可以由人类进行的每个活动的MET查找表可以例如被存储在健康监视器的存储器120中。在一些实施方式中,MET的查找表可以是用户特定的,例如特定于用户的性别、体重、年龄和/或身高。在一些实施方式中,在活动的进程中,健康监视器可以根据时间确定并且记录热量燃烧率,并且还可以计算根据活动的时间而燃烧的热量的总量。此外或可替选地,在一些实施方式中,健康监视器可以计算和/或存储其他数据,例如,活动类型、最大速度、平均速度、行进距离、步数、最大热量燃烧率、平均热量燃烧率、时间等。
作为处理运动数据的一个示例并且参考图4A,推理引擎320可以将图中的数据表示的活动识别为行走。因此,复用器可以例如被配置成将加速度衍生数据Dn转发至行走活动引擎340-1。行走活动引擎340-1可以例如被配置成确定对应于脚跟着地的大峰值410与对应于步伐中的脚趾离地的相继较小峰值420之间的数据的距离Tc。距离Tc可以例如表示脚与地的接触时间,其中可以根据该接触时间确定行走速度。在美国专利第4,578,769号中公开了根据脚接触时间确定行走速度的方法的示例,通过引用将其全部内容合并至此。
在各种实施方式中,预处理器305和特征生成器310可以以任意合适的方式来预处理来自加速度计的原始数据和/或接收到的补充数据302,例如,过滤数据、计算衍生值、压缩数据、生成数据集、对数据打包等。在上面通过引用参考和合并的、题为“VersatileSensors with Data Fusion Functionality”的美国专利申请第13/840098号中描述了预处理器305和特征生成器310进行的数据预处理的一些示例。在各种实施方式中,预处理器和特征生成器处理所接收的原始数据,以减少推理引擎320和活动引擎340上的处理负担。
此外或可替选地,根据一些实施方案,推理引擎320可以被配置成将活动识别为不可识别(例如,可以由对象进行但是健康监视器未被编程为识别的活动),以及识别不是由人类进行的活动(例如,可以由机器或动物进行的非人类活动)。推理引擎320可以基于从预处理器305、特征生成器310和活动引擎340中的一个或更多个接收到的数据来识别活动。此外或可替选地,在一些实施方式中,原始加速度数据可以被提供至推理引擎320用于识别所检测到的活动。在一些实施方式中,健康监视器可以将活动分类成以下两个或更多个类别:例如,(i)可识别活动,(ii)可能由对象进行的不可识别活动以及(iii)非人类或非生命活动(例如,由机器或动物进行的活动)。在一些实施方式中,健康监视器可以被配置成随后将被识别为不可识别的活动呈现给用户以由用户进行识别,并且健康监视器可以被修改用于对活动的后续识别(例如,健康监视器学习或构造包含活动的特性特征的一个或更多个隶属函数)。
在一些实施方式中,推理引擎可以接收(表示不可识别活动的)特性特征集312,其不能被识别为与能够由推理引擎识别的多个活动类型中的任一个对应。在这种情况下,数据处理架构可以例如被配置成将特性特征集数据312直接提供至数据服务360以供与特征集相关联的活动类型的后续分析和确定(例如,通过用户辅助或者通过与具有类似特征集的经识别的活动的在线库进行比较来识别活动)。特征集数据312可以由复用器330从缓冲区325路由至数据服务360。另外,此外或可替选地,数据处理架构可以被配置成从数据服务360接收适于重新配置推理引擎320以及/或者添加或修改活动引擎340的机器可读指令和重新配置数据362,以便随后识别与先前不可识别的特征集对应的活动类型。以这种方式,可以例如在任何时间升级或重新配置通过健康监视器进行的活动识别。
在一些实施方式中,可以将不可识别活动报告给用户以供用户后续在完成活动之后的时间进行识别。例如,可以在用户正经由计算机回顾所监视的活动的记录时报告未识别的活动。可以例如通知用户在特定日期和时间处并且在持续时间内发生的不可识别活动,然后,可以询问用户以识别活动。在一些实施方式中,用户可以然后识别活动,这会进而将特性特征集312与先前未识别的活动对应。根据一些实施方式,可以将具有类似热量燃烧率的可能活动的列表呈现给用户,以便用户可以从列表中选择活动。列表可以包括在以下文献中列出的活动:由Barbara E.Ainsworth等人在美国运动医学院发表的“2011Compendium of Physical Activities:A Second Update of Codes and METValues”,其全部内容通过引用合并至本文中。推理引擎320和/或活动引擎340的升级可以例如包括将新的数据结构和/或代码传送至处理器110以供在识别新活动时使用。
在一些实施方案中,推理引擎320可以被配置成识别不是由人类进行的一个或更多个活动。例如,这样的非人类活动可以与机器的机械运动相关联。这样的活动的一个示例可以是风扇的循环运动,其中,健康监视器可以被用带捆绑至风扇的叶片。另一示例可以是汽车、机动车辆或机动车骑行的运动(例如,在不平地形乘车、狂欢骑行(carnival ride)、坐火车)。另一示例可以是自行车轮的运动,例如,附接至轮的辐条的监视器。不是由人类进行的活动的其他示例可以是干衣机或洗衣机中的运动。另一示例可以包括狗或马的行走或奔跑运动。在一些情况下,例如结合健康保险激励程序或规定的身体锻炼,可以例如识别不是由人类进行的活动,以防止错误地将身体活动归于对象。推理引擎可以将非人类活动识别为具有不能由人类实现的特性,例如,精确的重复运动或过度的加速度值。
根据一些实施方式,推理引擎320被配置成进一步从每个活动引擎340-1……340-n接收误差信号指示345。误差信号可以例如表示由活动引擎处理的活动的置信水平。例如,第一活动引擎340-1可以是用于行走的活动引擎,并且第二引擎340-2是用于奔跑的引擎。例如,当用户正在行走时,步节奏会低于用于奔跑的阈值标准,并且来自奔跑活动引擎340-2的输出误差信号会高或者置信水平会低。输出误差信号可以例如由推理引擎320使用以帮助识别活动和/或活动之间的转换。在一些情况下,所有活动引擎可以基本上同时处理特征数据,而在其他情况下,仅一个活动引擎或所选数目的活动引擎可以被选择来处理特征数据。根据一些实施方式,当前所识别的活动的大误差信号的出现可以例如使推理引擎320针对新接收的数据重新识别活动。
在一些实施方式中,包括由活动引擎340-m计算的任意数据的、表征活动的参数可以被提供至数据服务360并且由数据服务360处理以便后续呈现给用户、机载存储、机载分析和/或存储在远程存储装置中。另外的数据(例如,活动的持续时间、日期和时间)可以被提供至数据服务360。数据可以通过数据服务以任意合适的格式被格式化或打包,并且可以被格式化成包括头信息。数据服务360可以例如包括例如存储器120的机载数据存储区以及用于将数据传送至如计算机的远程装置的收发器140。在一些实施方案中,数据服务360可以包括临时缓冲区,其被设定尺寸以保存在约5分钟与约30分钟之间或更长时间的时间间隔内的活动数据。此外或可替选地,在一些实施方式中,数据服务可以包括在远程计算机或远程服务器上进行操作的应用,所述远程计算机或远程服务器被配置成从健康监视器接收数据并且记录和/或进一步处理所接收的数据。在一些实施方案中,处理器110可以检索来自数据服务360的数据362以便进一步处理,例如,以根据记录的数据确定健康益处水平。
此外或可替选地,在一些实施方式中,健康监视器100可以被配置成将用户目标(例如,每天的步数、行进距离、特定活动的锻炼持续时间、一段时间的多个健康信用等)存储在存储器中。根据一些实施方式,处理器110可以被配置成基于来自活动引擎的输出来确定向用户的一个或更多个目标的进展。健康监视器可以例如进一步被配置成向用户提供可听、可视或可感触的指示以表示向目标的进展以及/或者表示何时达到目标。例如,当用户在一天的间隔内达到授予健康信用的目标时,健康监视器可以使LED闪光、哔哔响或振动。
因为在一些实施方式中健康监视器可以包括加速度计和用于处理运动数据的部件,所以健康监视器100可以另外被配置成识别用户可以执行的特定运动姿态(例如,摇动健康监视器、用手呈圆形移动它、旋转健康监视器)。健康监视器可以例如包括适于识别这样的姿态的一个或更多个活动引擎。识别的姿态可以例如用作用于在健康监视器上执行特定功能(例如,上电、下电、清除数据、设置目标、显示向一个或更多个目标的进展等)的接口方法。
IV.活动类型的识别
将进一步详细描述根据一些实施方式的活动类型的识别。在一些实施方式中,可以处理由加速度计130以及/或者一个或更多个生理传感器生成的数据,以产生被提供至推理引擎320以用于活动类型识别的特性特征fn。推理引擎320可以例如被配置成接收经处理的数据以及一些情况下的原始数据,并且进一步处理所接收到的数据以识别和/或分类检测到的活动。在一些实施方式中,被识别的活动可以是由人类进行并且健康监视器被编程成识别的多个不同的活动类型当中的一个活动。
根据一些实施方式,推理引擎320可以将活动分类成不同的类别。类别可以包括例如非人类活动、可识别的人类活动和不可识别的人类活动。当推理引擎试图识别活动类型时,会进行分类。根据一些实施方式,如下面进一步描述的,可以有区别地处理每种类别的数据以确定对象的健康信用。
在一些实施方式中,推理引擎320可以以任意合适的方式处理所接收到的活动数据以识别活动类型。在一些实施方案中,推理引擎320可以基于仅加速度衍生数据Dn(如上面引用的题为“Versatile Sensors with Data Fusion Functionality”的美国专利申请第13/840098号所述)或者原始加速度衍生数据和生理数据的组合和/或特性特征的有限集来识别活动。在一些实施方式中,推理引擎320可以使用一个或更多个原始加速度计迹线和/或从一个或更多个原始迹线生成的特性特征来识别活动。在一些情况下,可以结合使用原始数据或加速度衍生数据或者结合生理数据以对活动进行识别或分类。另外,此外或可替选地,在一些实施方式中,推理引擎可以使用加速度衍生数据Dn、原始加速度计数据、生理数据和相关特性特征的任意组合来限定活动数据(例如,识别所识别的活动的数据的质量水平,或者识别所识别的活动的一方面,如健康监视器在对象上的位置)。
根据一些实施方案,推理引擎320可以利用一个或更多个识别算法来识别或区分活动。例如,在一些实施方式中,推理引擎320可以利用模式识别算法、基于由加速度衍生数据Dn和/或一个或更多个原始加速度计迹线限定的波形来识别活动。此外或可替选地,在一些实施方式中,推理引擎320可以利用模糊逻辑、基于特性特征集Fn={f1,f2,…fn}中的多个值来识别活动。因此,在一些实施方式中,推理引擎320可以利用模式识别和模糊逻辑的组合来识别活动。在一些实施方式中,对于模糊逻辑识别,特定于不同活动的隶属函数可以被限定并且被下载至健康监视器。应当理解,此外或可替选地,可以使用其他“识别”算法或这样的算法的组合。
仅作为活动识别的一个示例,推理引擎可以将由推理引擎320接收的、具有落入隶属函数范围内的预定数目的值的数据识别为与隶属函数相关联的活动。对于一些实施方案,模糊逻辑可以适合于识别各种不同的活动,而不会对处理器110施加重的数据处理负担。例如,在一些实施方式中,模糊逻辑可以仅需要确定来自特征数据Fn的多个特性特征是否落入某些值范围。此外或可替选地,在其他实施方式中,模糊逻辑可以评估每个候选活动的成本因子并且基于成本因子的评估来识别活动。
仅出于理解的目的而不限制本发明,参考图4A至图4B描述活动识别的一个示例。图4A表示来自第一类活动(该示例中为行走)的原始加速度数据的三条迹线(x、y、z:前三个)。图4A中的下部迹线D表示根据上部迹线计算的加速度衍生数据。图4B表示从第二类活动(该示例中为骑自行车)获得的数据的对应迹线。对于图4A至图4B所示的数据,健康监视器100被支承在对象的胫部下面。
如可以从图4A至图4B的迹线看到的,在迹线中存在很多差异。差异包括加速度的最大值和最小值、迹线的周期性、迹线中的峰的数目和形状、峰的宽度以及峰之间的距离等等。可以例如在每条迹线的特性特征集Fn中捕获差异。
虽然图4A至图4B仅示出了从加速度计得到的运动数据,但是将理解,可以以类似的方式处理来自一个或更多个生理传感器的另外的数据以生成生理数据的特征集。健康监视器可以结合活动数据处理生理数据以增强关于对象或由对象进行的活动的信息。例如,生理数据可以提供活动的强度水平的指示。
继续进行上面的示例,在一些实施方式中,可以用以下的条目来构造测量间隔Tm内的每条迹线的特性特征集Fn:
Fn={迹线的最大值(max);迹线的最小值(min);宽度小于m1个样本
的峰的数目(Np);宽度小于m2个样本的谷的数目(Nv);峰的半最大处
的迹线的平均变化速率(R1/2);峰之间的平均距离(ΔP)}。
应当理解,多种特性特征可以被生成并且用于识别不同的活动。如可以从该示例理解的,图4A至图4B的迹线的差异可以例如被捕获为特性特征集中的数值差异。在一些实施方式中,推理引擎320可以然后基于这样的数值差异(例如,通过将各种特征的数值与可识别活动类型的对应值进行比较)来区分活动。在一些实施方式中,包括在特征集中的值的明智选择可以减轻推理引擎320上的计算负担并且实现对不同类型的活动的快速识别。
根据一些实施方式,可以例如如下定义活动中的每个活动的隶属函数:
其中,下标“avg”表示平均或预期值,并且量识别测量值会被认为取得属于隶属函数的资格的预定义范围。在一些实施方式中,当推理引擎320接收到所有值取得属于隶属函数的资格的特性特征时,则推理引擎可以识别所检测到的活动。然后,推理引擎可以例如使用复用器330将数据从特征生成器路由至适当的活动引擎以便进一步分析。
在一些实施方案中,通过对每个活动采样大量试验,可以观察特性特征值中的每个特性特征值的变化,并且可以确定关于变化的统计。统计结果可以例如用于帮助构造用于模糊逻辑活动识别的隶属函数。例如,可以观察到,用于奔跑的加速度衍生迹线D的最大值具有5个测量单位的2Σ变化。用于奔跑的隶属函数可以例如包括规范{(120-5)≤D的最大值≤(120+5)},其中,120个测量单位被确定成用于奔跑活动的迹线D的最大值的平均。
在一些情况下,可以存在隶属函数的局部交叠。例如,一个隶属函数中的特性特征的一个或更多个范围可以与第二隶属函数(可以或可以不属于同一活动类型)中的对应范围交叠或一致。虽然可以存在隶属函数的局部交叠,但是在一些实施方案中,仍然可以基于评估多个特性特征和它们在活动类型的隶属函数内的位置来识别活动类型。例如,每个活动可以接收落入该活动的隶属函数的每个特征的分数(例如,0与1之间的值)。在一些实施方式中,在对每个活动记分之后,接收最高分的活动可以被选择为所识别的活动。
在一些实施方式中,基于描述的隶属函数的分数可以是全部或没有,例如,特征fn被测量并且被确定成在其对应的隶属函数的范围内且贡献分数,或者可能在范围外且没有贡献。此外或可替选地,其他实施方式可以利用如如图5A至图5C所示的那些隶属函数的隶属函数。曲线图示出了针对n个特性特征(由“j”下标表示)和两个活动(由“i”下标表示)构造的隶属函数Mi,j。如上所述,可以例如根据对多次测量的统计分析来构造隶属函数Mi,j。虽然隶属函数示出为梯形,但是它们仍可以采用任意合适的形状,例如,圆顶形、半圆形、半椭圆形、高斯、抛物线、表示测量的统计值的分布、多模态分布等。
在一些实施方案中,当例如f1 510-1的特性特征被确定时,可以确定该特征的每个活动的隶属函数的对应值。例如,对于图5A的情况,第二活动的隶属函数M2,1贡献值512,其中第一活动的隶属函数没有贡献值。如曲线图所示,可以将值归一化。对于图5B所示的第二测量的特征510-2,两个隶属函数可以例如贡献不同的值522和524。在这种情况下,隶属函数交叠。对于图5C所示的另一测量的特征510-n,两个隶属函数可以例如贡献相同的值。
在一些实施方式中,可以根据以下关系,基于检测到的特征值510-1、510-2……510-n和预定隶属函数Mi,j而针对每个候选活动(由“i”下标表示)计算成本因子Ci:
其中,Wij表示第i个活动的第j个特征的加权因子。出于识别活动的目的,可以例如选择加权因子以强调一些特征并且不强调其他特征。在一些实施方式中,可以将具有最高成本因子Ci的活动选择为所识别的活动类型。例如,参考图5A至图5C并且仅考虑所示的隶属函数和被示出为开口圆的测量的特征特性510-1、510-2……510-n,根据一些实施方式,第二活动M2将被选择为所识别的活动。
对于等式2,如果如图5A至图5B所示将每个隶属函数Mi,j归一化,则成本函数的值的范围将在0与1之间。将成本函数与100相乘可以将匹配度表达为百分数置信水平PCi。
PCi=100×Ci (3)
例如,每个特征值均落入特定活动的隶属函数的峰以下的特征集将产生对活动类型的匹配和识别的100%置信度。
在一些情况下,隶属函数可以完全交叠,使得推理引擎320不可能识别两个隶属函数之间的活动。例如,当新的隶属函数被添加至推理引擎320用于识别推理引擎先前不可识别的新活动时,可能出现该情况。例如,如果健康监视器100被配置成识别骑自行车并且随后被更新成识别椭圆机训练活动,则由于这两个活动类似,所以用于识别椭圆机训练的新的隶属函数可能与骑自行车的预定义隶属函数完全交叠。
在一些实施方式中,推理引擎320使用的隶属函数和特性特征可以是可扩展的,以便另外的特性特征和相关联的隶属函数可以被添加至系统用于健康监视器可识别的活动。可以例如添加另外的特性特征和修正的隶属函数以区分先前具有基本上交叠的隶属函数的两个活动。可以例如经由健康监视器与外部装置(例如连接至互联网的计算机或个人计算机)之间的通信来完成隶属函数和特征的添加和更新。
通过使用隶属函数和/或模式识别,健康监视器可以识别活动类型。在一些实施方案中,健康监视器可以另外地将检测到的活动分类成若干类别。类别可以包括例如:(i)可识别活动,(ii)可能由对象进行的不可识别活动,以及(iii)非人类或非生命活动(例如,由机器进行的活动)。可识别活动与健康监视器被编程成识别(例如,监视器至少包括针对这些活动类型的隶属函数)的活动类型(例如,奔跑、行走、骑自行车、游泳等)对应。在各种实施方式中,落入该第一类别中的活动可以被分析以识别具体活动类型,并且会是候选活动,健康监视器可以进一步评估该候选活动以基于所识别的活动而确定对象的健康益处水平或健康信用。对于可识别活动,可以通过找到对于特定活动的特性特征与隶属函数的匹配的高置信度来确定活动类型。在一些实施方式中,可以将置信水平表达为最佳匹配能够获得的最大值的百分比。
健康监视器可以或者可以不进一步评估落入第二类别内的活动(可能由对象进行的不可识别活动)以确定活动的健康益处水平。在一些实施方式中,健康监视器可以被配置成基于与可识别活动的活动相似度来容许或拒绝用于健康益处分析的不可识别活动。例如,健康监视器可以被配置成区分与(健康监视器被编程成识别的)可识别活动类型类似的不可识别活动以及与可识别活动类型不类似的不可识别活动。在一些实施方式中,可以根据对于最相似可识别活动的量度,针对与可识别活动类型类似的不可识别活动给出加权值并且进行评估。针对被确定成与可识别活动类型不类似的不可识别活动,可以或可以不给出对于健康益处的信用。下面针对各种类别的活动进一步详细说明健康益处分析的方法。
作为评定活动的相似度的实际示例,被谱成音乐的一些锻炼疗法包括以定期地创作新的动作的舞蹈动作形式的各种重复身体运动。虽然健康监视器可以被编程成识别一些动作序列,但是它可能不能识别新引进的动作。在一些情况下,由新动作生成的运动和/或生理数据可以产生与健康监视器识别的另一活动类似的特性特征fn。另一活动可以是识别的舞蹈动作、识别的锻炼(例如,跳绳)或在特定锻炼器械上进行的动作。
与可识别活动类型相比的检测到的活动的非相似度或非相似度的确定可以基于成本函数Ci的值或匹配的置信度值PCi。例如,可以为这些量中任一个选择阈值,并且产生大于阈值且小于匹配值的结果的匹配评估可以被确定为类似活动。产生小于阈值的结果的匹配评估可以被确定为非类似活动。作为并非旨在限制阈值和匹配值的另外示例,可以选择约50%的阈值用于确定相似度,并且可以选择约80%的匹配值用于确定肯定匹配。根据该实施方式,80或大于80的PCi的值会被认为是肯定匹配。至少50但小于80的PCi的值会被认为类似,而低于50的值会被认为与可识别活动类型不类似。
如上面指出的,在一些实施方案中,不可识别活动的特征集可以由健康监视器存储以便由用户后续识别。例如,在将数据从健康监视器下载至计算装置之后,可以提示用户识别与健康监视器不能识别活动的特征集相关联的活动类型。识别可以基于进行活动的时间。在一些实施方式中,一旦用户进行了识别,就可以分析所存储的活动数据以得到健康益处。可以随后更新健康监视器以便识别新识别的活动类型。在一些实施方案中,存储数据可能不足以用于健康益处分析,并且健康监视器被更新以在未来使用期间识别活动。
在一些情况下,例如,在可以存在各种新运动的有氧运动课或训练营中,健康监视器的用户可能不便回想起并识别每个新动作。在这样的情况下,用户可能偏好使得健康监视器如上所述自动将活动与类似活动相关联,而不是存储特征集并且提示用户识别每个活动。根据一些实施方式,健康监视器可以由用户配置,以存储新的不可识别活动的特征集以便由用户后续识别和分析,或者如上所述自动将不可识别活动与类似活动相关联。可以将软件设置提供给用户用于配置健康监视器对不可识别活动的处理。
在一些实施方式中,健康监视器可以被配置成识别特定非人类活动,例如,表示将健康监视器用带捆绑至旋转物体的精确重复圆周运动、表示将健康监视器用带捆绑至往复运动物体的重复来回运动等。非人类或非生命活动可以与呈现出不能由人类进行的特征的活动对应。例如,加速度计数据显示出在扩展时间段内的重复运动的过高精确度或者不能由人类承受的过度的速度、加速度或运动。在一些实施方案中,健康监视器可以检测这样的特征,将活动识别或分类为非人类,然后终止对活动数据的进一步处理。可以将落入第三类别内的活动(非人类活动)排除出进一步分析以确定对象的健康益处水平。
V.健康益处分析
在各种实施方式中,健康监视器可以被配置成确定由对象进行并且由健康监视器检测的至少一些活动的一个或更多个健康益处水平。发明人已认识到,一些活动监视器可以被适配成产生符合可识别的健康标准的“健康信用数据”,并且这样的适配可以减少跨越不同的活动监视器的与计步相关联的不准确度和广泛变化性。在一些实施方式中,可以基于活动类型并且至少基于活动持续时间、活动的强度水平和由保健实体确立的标准来确定健康信用。根据一些实施方式,可以根据热量燃烧率来确定健康信用,并且可以使用心脏数据和运动数据的组合而不是单独基于心脏数据或单独基于运动数据来更准确地估计热量燃烧率。相比于如走的步数、跑的英里数、锻炼的分钟数的常规量度,健康信用的确定可以提供用于评定从对象的锻炼程序得到的健康益处的更可靠的量度数字。
在一些实施方式中,根据锻炼计算的健康信用可以被公式化为可以跨越所有类型的活动使用的点系统。例如,针对以特定强度水平连续进行活动的每个最小可信时间单位(MCTU),对象可以被给出在本文还被称为“健康信用”的健康信用点的一部分或多个。点数可以取决于强度水平,并且强度水平和MCTU可以由公认的健康组织确立。作为一个示例,对于以第一强度水平或大于第一强度水平连续进行活动的每个MCTU,对象可以被给出一个健康信用,并且对于以第二强度水平或大于第二强度水平连续进行活动的每个MCTU,对于该MCTU对象可以被给出两个点。在一些实施方案中,对于以低于第一强度水平的水平进行活动的每个MCTU,对象可以被给出小数的点,例如作为进行至少一些活动的激励。
在一些实施方案中,可以使用标准化的转换公式将计算的健康信用转换成总计步,例如以提供与传统计步装置的比较。将相比于常规计步可以被更准确计算的健康信用转换成计步可以提供不同健康监视装置之间的计步总数的更可靠比较。
强度划分水平和MCTU可以与由公认的健康组织确立的指导方针对应。例如,MCTU可以是一分钟间隔,并且第一强度水平可以是落入约3.5千卡(千卡/分钟)与约7千卡/分钟之间的范围(被疾病控制中心(CDC)和世界卫生组织(WHO)识别为“适度”活动的范围)的热量燃烧率。第二强度水平可以是等于或大于约7千卡/分钟(被CDC和WHO识别为“剧烈”活动的范围)的热量燃烧率。在其他实施方式中可以使用其他范围和值。
健康信用可以在一天或一周期间累积、存储并且随后提供至对象或医生作为这段时间对象的锻炼成绩的记录。例如,根据一些实施方式,对象可以在一天中进行活动,并且对40分钟的适度活动努力授予用户40个健康信用,并且对5分钟的剧烈活动努力授予10个健康信用。在一些实施方案中,可以对相同时间间隔的适度和剧烈活动授予相同数目的健康信用,但是信用可以被分成“适度”箱(bin)和“剧烈”箱。例如,相比于由不同健康监视器使用不同算法计算的所走步数记录,健康信用的记录可以提供对象的锻炼和健身水平的更方便和准确的指示。
在一些实施方式中,健康监视器可以被配置成确定和记录对象的增强健康信用(EHC)。例如,CDC和WHO发现,当以适度或剧烈活动水平连续进行活动大于约10分钟的时间间隔时,获得另外的健康益处。在一些实施方案中,健康监视器可以确定对象以适度或剧烈活动水平进行一个或更多个活动超过约10分钟的时间并且将EHC授予对象。将结合用于确定健康信用的下面的方法和系统来描述另外的方面和特征。
现在参考图6,根据一些实施方式的用于确定健康信用的方法600的说明性示例被示出为以流程图布置的动作。方法600的实施方式可以例如在可穿戴健康监视器上实现,并且可以用于根据由对象进行并且由健康监视器检测的一个或更多个活动来确定对象的健康信用。根据一些实施方案,流程图提供了方法600的仅一个示例的一些动作的概述,并且在各种实施方式中可以存在比图所示的动作更多或更少的动作。
根据一些实施方式,可以从健康监视器的至少加速度计接收活动数据,并且健康监视器可以被配置成根据数据来识别610活动类型。在一些实施方式中,活动数据可以包括仅运动数据。在一些实施方案中,活动数据还可以包括从一个或更多个生理传感器(例如,心脏波形传感器)接收到的生理数据。一旦系统识别610了活动,系统就可以确定630所识别的活动是否持续了最小可信时间单位。如果确定活动持续了最小可信时间,则系统可以确定660活动的健康信用值,并且将对应的健康信用值添加至活动缓冲区。如果系统确定630活动未持续最小可信时间单位,则系统可以将空值添加640至活动缓冲区。
在各种实施方式中,系统可以确定670活动缓冲区是否满。如果确定活动缓冲区未满,则系统可以返回至接收活动数据并且识别610与接收到的活动数据相关联的活动的状态。如果系统确定670活动缓冲区满,则系统可以将数据从活动缓冲区拷贝680至另一位置并且分析数据。根据一些实施方式,系统可以存储690在活动缓冲区填充期间发生的活动的概要。
图7A示出了根据一些实施方式的用于识别活动的子过程610。用于识别活动的子过程610可以包括接收612活动数据。例如,接收到的活动数据可以包括从健康监视器的加速度计接收到的运动数据。在一些实施方式中,接收到的数据还可以包括可以从附接至对象的一个或更多个生理传感器接收到的生理数据。根据一些实施方式,接收到的活动数据可以包括由预处理器305和特征生成器310处理后的数据,并且还可以包括原始数据。在一些实施方式中,用于识别活动的子过程610还可以包括处理614活动数据。可以如上结合图3所述地执行活动数据的处理614。
在处理活动数据期间,可以例如如上结合图5A至图5C所述地识别活动类型。根据一些实施方式,检测到的活动可以大致地落入三个类别之一。例如,活动可以是具有健康监视器被编程成识别的至少一个相关联特征集的、导致由加速度计和/或生理传感器产生的数据的可识别活动。可识别活动的示例可以是奔跑、行走、骑自行车或游泳,但是可识别活动可以不限于仅这些活动。其他可识别活动可以包括不同类型的团队体育活动。在一些实施方式中,健康监视器可以检测以下活动:其不可识别但具有表示活动可能由人类对象进行的特性。在一些实施方案中,健康监视器可以检测具有非人类特性的活动,例如,精确重复运动或不太可能被人类对象忍受的过度力量。
在一些实施方式中,健康监视器可以确定616所检测到的活动是否是非人类的。如果确定检测到的活动是非人类的,则健康监视器可以返回至接收612活动数据并且处理614活动数据的状态。根据一些实施方案,可以忽略非人类活动以便进一步进行数据处理。在一些实施方案中,健康监视器可以识别某些类型的非人类活动(例如,洗衣机中的运动、表示机器的圆周或往复运动)。无论哪种情况,所检测到的非人类活动将被健康监视器识别,从而将不向对象授予健康信用。
如果确定检测到的活动可以与人类活动相关联,则健康监视器可以尝试活动的识别618。在一些实施方式中,确定活动是否可识别包括由推理引擎320尝试确定活动类型。如果活动可识别,则系统可以识别620与接收到的活动数据相关联的活动类型。在一些实施方式中,系统还可以确定625与所识别的活动类型相关联的强度值。然后,系统可以继续进行至确定活动是否持续了最小可信时间量的步骤630。
根据一些实施方式,如果检测到的活动不可识别但是呈现出表示其可以由人类对象进行的特性,则系统可以确定619该活动是否与可识别活动(即,健康监视器被编程成识别的活动)类似。如果确定619活动与可识别活动类似,则健康监视器可以识别620活动类型以与检测到的活动相关联,并且确定626检测到的活动的强度值。仅作为一个示例,接收到的活动数据可以被确定为与奔跑活动最类似,但是不包括用于奔跑的明确识别的必要特征。
再次参考图7A,根据一些实施方式,活动与可识别活动的相似度可以至少部分基于从加速度计接收的运动数据的特征和/或特性。在一些情况下,可以结合运动数据使用生理数据以确定619不可识别活动与可识别活动的相似度。例如,如上结合图5A至图5C所述的,可以处理运动数据和一些情况下的生理数据以生成特征集。根据一些实施方式,被确定为与可识别活动类似的活动可以具有以下特征集:特征数据中的至少一些落入一个或更多个可识别活动的一个或更多个隶属函数。落入一个或更多个隶属函数的数据不能提供用于与任一可识别活动进行明确匹配的足够高的置信水平。然而,可以基于测量的特征与可识别活动中之一的明确匹配的“接近性”,将不可识别活动确定为与可识别活动类似。例如,相比于如行走或骑自行车的隶属函数的其他隶属函数,活动如蹦跳可以生成值较接近奔跑的隶属函数或部分在奔跑的隶属函数内的特征集。然后,可以将蹦跳的活动评估为与奔跑活动类似。
图5A至图5C图示地示出了确定相似度的示例。在该示例中,特征530-1、530-2……530-n表示对于不可识别的活动由健康监视器测量的特征集。因为测量的特征不能提供给出与隶属函数M1或隶属函数M2表示的活动中的任一个的明确匹配的百分数置信水平,因此活动可以被确定为不可识别。在该示例中,特征530-1没有落入隶属函数M1,1或M2,1。虽然测量的特征530-2的置信水平低于第一活动的隶属函数M1,2,但是特征530-2落入该隶属函数。测量的特征530-n充分位于隶属函数M1,n内,但是该活动的所有特征的组合置信度可能保持太低以至于不能提供与活动M1或M2的明确匹配。根据一些实施方式,健康监视器可以确定如示例所示的测量特征530-1、530-2……530-n与由隶属函数M1,1、M1,2和M1,n表示的活动最类似。如从曲线图可以看到的,相比于对第二活动的隶属函数的接近,这些测量的特征更接近第一活动的隶属函数。
在其他实施方式中,健康监视器可以计算一个或更多个测量特征例如540-1与最近的隶属函数之间的距离。健康监视器可以确定活动的哪些隶属函数最接近不可识别活动的测量的特征。如果发现相比于任意其他活动,测量的特征较接近一个活动的隶属函数,则健康监视器可以确定不可识别活动与隶属函数最接近不可识别活动的测量特征的可识别活动类似。
根据一些实施方式,被确定为与任意其他活动不类似的活动可以具有以下特征集:其数据没有落入任意可识别活动的任意隶属函数内或降到预定阈值以下。图5A至图5C还示出了非类似活动的示例。在该图示中,特征540-1、540-2……540-n表示可以被确定619为与任意可识别活动不类似的活动的测量特征。在这种情况下,测量的特征全落在可识别活动的隶属函数之外。例如,测量的特征540-1、540-2……540-n中没有一个落入可识别活动的隶属函数。根据一些实施方式,健康监视器可以确定这样的活动为不可识别的并且与可识别活动不类似。
根据一些实施方式,当发现不可识别活动与可识别活动不类似时,则健康监视器可以为该活动分配622未知活动类型。在一些实施方式中,保留字符分配或位序列可以用于未知活动类型。例如,可以为未知的活动类型分配全零位序列(0000),但是可以使用任意其他分配。健康监视器可以随后使用保留的分配以识别进行未知活动的时间段,例如用于随后提示用户识别该时间段的活动。
再次参考图7A,在识别活动或者确定活动是与可识别活动类似还是与可识别活动不类似之后,健康监视器可以确定活动的强度值。例如如上所述,可以以任意合适的方式进行强度值的确定625和626。在一些实施方式中,运动数据可以用于确定活动的强度值。例如,可以处理运动数据以确定进行锻炼的速度或速率,并且强度值可以基于确定的速度或速率或者与确定的速度或速率成比例。在一些实施方式中,活动的运动波形特性可以进行傅里叶变换以确定波形的谱功率。在一些实施方案中,可以对原始加速度数据求平方并整合例如以提供谱功率的值。活动的强度值可以基于测量的谱功率(例如,与其成比例)。此外或可替选地,在一些实施方式中,强度值的确定可以至少部分基于生理数据。例如,心率数据(例如,R-R间期)和/或呼吸频率数据(例如,编码在多次跳动内的R波上)可以用于确定活动的强度值。仅作为一个示例,基于重复率和/或生理数据(例如,心率、呼吸频率),健康监视器可以将以具有相等心率和呼吸频率的步速进行奔跑关联或分配给该活动。
根据一些实施方式,对于不可识别活动,不可识别活动的强度值的确定626还可以包括例如将基于生理数据针对类似活动确定的强度值与比例因子相乘。例如,因为活动没有被肯定识别而代替地被判定为与可识别活动类似并且被分配了基于相似度和/或生理数据的强度值,因此这可以被实现。根据一些实施方式,强度值的确定可以与用于对应的可识别活动的过程最初类似或相同,但是然后可以以小于1的因子进行调整。在一些实施方式中,比例因子可以是常量值,或者可以与不可识别活动与相关联的可识别活动之间的匹配的置信水平成反比。在一些实施方式中,相比于可识别的类似活动的强度值,该强度值可以是减小的值。在一些实施方式中,例如,减小的值可以包括值在约50%与约80%之间的比例因子。在其他实施方式中,其他值可以用于比例因子。针对不可识别但类似的活动调整强度值可以改变该活动是否有资格接收健康信用。
如果确定619接收到的活动与可识别活动不类似,则系统可以将未知的活动类型值分配622给检测到的活动。在一些实施方式中,系统还可以将强度值分配627给未知的活动类型。根据一些实施方案,可以根据以下中的一个或其组合确定强度值:重复率、心率和呼吸频率。此外或可替选地,在一些实施方案中,分配可以基于加速度数据,例如,加速度数据的功率谱、重复率和/或检测到的速度。在结束不可识别的活动的数据的处理之后,系统可以继续进行至确定630类似活动或未知的活动类型是否持续了最小可信时间单位的步骤。
现在参考图7B,示出了确定健康信用的子过程660的示例实施方式。例如,在健康监视器可以包括运动检测器但是缺乏生理传感器的实施方式中,示例方法可以用于仅使用运动数据来确定健康信用。如所示,子过程660可以包括接收662活动类型数据的动作。活动类型数据可以例如包括所识别的活动类型的识别符,并且包括由健康监视器针对所识别的活动类型确定的强度水平。子过程660还可以包括:至少部分基于所确定的进行活动的强度水平来查找664活动类型的代谢当量(MET)。根据一些实施方式,可以根据如图8A所示的查找表来确定MET。
MET可以提供针对活动类型和活动强度、每千克每单位时间燃烧的热量的测量。在各种实施方式中,可以根据针对各种活动类型和强度的代谢当量的公认汇编物来获得MET。MET的示例汇编物可以在由Barbara E.Ainsworth等人发表于美国运动医学院的“2011Compendium of Physical Activities:A Second Update of Codes and METValues”中找到,其全部内容通过引用合并至本文。
根据一些实施方式,查找数据表802可以包括至少活动类型数据810、强度数据812和代谢当量数据814。对于所示示例,查找表包括对于奔跑和有氧运动的变化强度水平的数据。查找数据表还可以包括对于休息的数据。在示出的示例中,数据仍被表示为二进制数据,但是在其他实施方式中可以使用表示数据的任何方法。
根据一些实施方式,一旦确定了活动类型和强度,则它们可以用于查找代谢当量数据表802中的MET。例如,如果活动类型被确定为奔跑,则它可以由二进制序列(0110)表示。如果发现活动强度表示对象以每小时6至8英里奔跑,则强度水平可以例如由代表每小时8英里的二进制序列(01000)表示。然后,使用活动类型(0110)和强度水平(01000),健康监视器可以使用这些值搜索代谢当量数据表802以找到该活动的相关联的代谢当量(01011)。在该示例中,对于所识别的活动的MET的数可以是11(MET)。在一些实施方式中,MET可以取整为数据表中最接近的整数以减小数据存储空间。在其他实施方式中,可以将小数值存储在数据表中,但是这可能需要健康监视器中的较多内存。
一旦确定了代谢当量,健康监视器就可以计算665对象的热量燃烧率。热量燃烧率的计算可以例如包括将MET与对象的体重相乘。在一些实施方式中,热量燃烧率的计算还可以包括将时间单位转换成分钟。虽然图8A示出了根据一些实施方式的可以用于确定活动的MET和热量燃烧的查找数据表802的说明性示例,但是在其他实施方式中,可以使用其他方法来确定热量燃烧和/或代谢当量。
根据一些实施方式,可以使用心脏数据和运动数据的组合来计算热量燃烧。在一些实施方案中,可以使用心脏和运动数据来计算正在行走或奔跑的对象的热量燃烧率,并且获得的燃烧率可以用作校准值以估计其他活动的热量燃烧率。
例如,在一些实施方式中,可以基于对象的VO2最大水平和心率来较准确地计算热量燃烧,而不是根据心率数据以及对象的体重、年龄和锻炼持续时间或者根据运动数据和MET转换来估计热量燃烧。例如,当对象的VO2最大水平已知时,可以根据下面的表达式用提高的准确度来计算热量燃烧。
Cal=14.34[C1+C2HR+C3VO2+C4W+C5A]T (3)
其中,HR表示在进行的活动期间对象的测量心率(以跳动/分钟为单位),VO2表示对象的VO2最大值(以mL kg-1min-1为单位),W表示以千克为单位的对象体重,A表示以年为单位的对象年龄,并且T表示以小时为单位的锻炼持续时间。等式3中的常量Cn是针对对象人群以经验确定的,并且对于男性和女性对象不同。根据一些实施方式,常量Cn可以具有表格1所示的值。在一些实施方式中,更特定于对象的其他值可以用于常量Cn,例如,根据对象与研究人群具有较大共性的人群研究确定的值。
表格1
常量 | 男性 | 女性 |
C1 | -95.7735 | -59.3954 |
C2 | 0.634 | 0.45 |
C3 | 0.404 | 0.380 |
C4 | 0.394 | 0.103 |
C5 | 0.271 | 0.274 |
在一些情况下,如果健康监视器的用户知道他们的VO2最大值,则他们可以输入他们的VO2最大值。然而,在大多情况下,用户不知道他们的VO2最大值。在一些情况下,例如,可以根据下面的等式确定对象的VO2最大值,但是在其他实施方式中,可以使用其他表达式来计算VO2最大值。
等式4被示出以提供对象人群的VO2最大值的准确估计(参见Weyand,P.G.等人的J.Appl.Physiol.91:451-458,2001)。在该表达式中,Tc表示奔跑期间的脚接触时间,并且在脚接触时间大致恒定的时间段期间确定心率(HR)。在一些实施方式中,包括位于膝盖以下的加速度计的健康监视器能够确定脚接触时间。量m1和量b1可以是性别特定的,并且具有表格2所示的值。在一些实施方式中,可以使用更特定于对象的m1和b1的其他值,例如,根据对象与研究人群具有较大共性的人群研究确定的值。
表格2
m1 | b1 | |
男性 | 34.4 | 11.1 |
女性 | 30.9 | 10.3 |
在一些实施方案中,例如,当加速度计位于除膝盖以下之外的位置处时,可以根据对象的速度来确定脚接触时间。已发现,根据下面的表达式,脚接触时间Tc和速度S线性相关。
S=m2Tc-b2 (5)
值m2和b2取决于对象是奔跑还是行走,并且可以具有表格3所示的值。在一些实施方式中,可以使用更特定于对象的m2和b2的其他值,例如,根据对象与研究人群具有较大共性的人群研究确定的值。
表格3
m2 | b2 | |
行走 | 3.15 | 945 |
奔跑 | 2.58 | 258 |
在一些实施方式中,可以根据等式5,例如根据由附接至移动对象的健康监视器生成的加速度计数据来确定Tc的值。健康监视器可以被配置成如上所述识别对象的奔跑活动和对象的速度。健康监视器可以例如在等式4中使用根据等式5计算的Tc的值以及在计算其Tc的对象的活动间隔期间所记录的检测心率HR,根据等式4来计算对象的VO2最大值。然后,计算的VO2最大值可以被用于等式3中以计算对象的热量燃烧。与仅基于心率或加速度计数据的量度相比,以这种方式使热量燃烧基于计算的VO2最大值可以提高所计算的健康信用的准确度。
根据一些实施方式,可以由对象的健康监视器以定期间隔(例如,每天、每周、每两周等)自动计算VO2最大值,以便定期地更新基于VO2最大值计算的(例如,根据等式3计算的)热量燃烧的准确度。根据一些实施方式,对于各种活动类型都可以例如使用更新的VO2最大值和等式3来计算热量燃烧,无论活动是否是可识别的。
再次参考图7B,在计算出热量燃烧率之后,子过程660还可以包括确定667活动的健康信用。在各种实施方式中,可以至少基于在活动的测量时间间隔期间维持的热量燃烧率来确定健康信用。健康信用还可以基于由保健实体确立的指导方针。例如,疾病控制中心和世界卫生组织已确定,产生约3.5千卡/分钟与约7千卡/分钟之间的热量燃烧率的锻炼水平被发现是有益健康的锻炼的第一水平。因此,健康监视器可以例如被配置成以大约一分钟时间间隔测量和处理活动数据,并且对热量燃烧率落入该范围的热量燃烧率的每一分钟的锻炼给予一个健康信用。CDC和WHO还发现,产生大于约7千卡/分钟的热量燃烧率的锻炼提供有益健康的锻炼的第二水平。因此,健康监视器可以例如被配置成对热量燃烧率等于或大于约7.0千卡/分钟的每分钟的锻炼给予两个健康信用。在一些实施方式中,产生低于3.5千卡/分钟的热量燃烧率的活动可以不被授予健康信用。在其他实施方式中,产生低于3.5千卡/分钟的热量燃烧率的活动可以被授予部分健康信用例如一半信用。在其他实施方式中可以使用其他信用量和热量燃烧率的范围。
如从等式3可以理解的,在一些实施方式中,不必要识别活动类型以确定热量燃烧和健康信用。例如,对象的更新VO2最大值和在活动期间测量的心率可以用于确定对于该活动对象的热量燃烧率。在一些实施方式中,为了对象的便利,健康监视器可以识别或尝试识别进行的活动。图7C是用于确定对象的健康信用的替选方法的说明性示例。
根据一些实施方式,用于确定健康信用的方法660-a可以包括接收662-a奔跑的活动数据并且分析活动数据以确定662-b对象的当前VO2最大值。例如,可以使用等式4和等式5中的心率和速度的值来确定VO2最大值。方法660-a还可以包括随后接收664-a由对象进行的可识别或不可识别活动的活动数据。活动数据可以包括可以用于确定进行活动期间的对象的心率的R-R间期和/或心脏波形数据。根据一些实施方式,可以例如使用等式3来计算665-a活动的热量燃烧率。在一些实施方案中,健康监视器还可以评估加速度计数据的功率谱,以证实心率与由对象进行的身体活动相关联。根据一些实施方式,健康信用可以根据计算的热量燃烧率被确定667,并且被添加669至活动缓冲区。
虽然在一些实施方式中可以根据等式4、基于奔跑来计算VO2最大值,但是在其他实施方式中可以根据不同等式或等式集、基于其他活动来计算。
在一些实施方式中还可以使用除等式3之外的等式来计算热量燃烧和健康信用。例如,可以在一些实施方案中可以使用下面的等式。
Cal=14.34[C1+C2HR+C3W+C4A]T (6)
对于该表达式,常量Cn的值可以如表格4所示。根据一些实施方式,可以使用等式3针对对象校准等式6以调整例如C2和C3的一些常量,以便两个等式的热量燃烧大致相同。在一些实施方式中,可以使用更特定于对象的常量Cn的其他值,例如,根据对象与研究人群具有较大共性的人群研究确定的值。
表格4
常量 | 男性 | 女性 |
C1 | -55.0969 | -20.4022 |
C2 | 0.6309 | 0.4472 |
C3 | 0.1988 | -0.1263 |
C4 | 0.2017 | 0.074 |
如可以理解的,健康监视器可以以进行锻炼的持续性为基础来授予或不授予健康信用。例如,活动数据可以被流送至处理器,该处理器以持续性为基础来分析数据以计算健康信用。在各种实施方式中,可以逐分钟进行健康信用的确定660,但是可以使用任意合适的时间间隔。
随着活动数据被产生和分析,并且随着健康信用被累积,健康监视器可以生成如图8B所示的健康信用数据流805。健康监视器可以将健康信用数据临时存储669至活动缓冲区。图9A示出了活动缓冲区910的示例。在一些实施方式中,健康监视器还可以将与任意授予的健康信用相关联的活动类型的指示符添加669至健康信用数据流805。
仅作为一个示例,健康信用数据流805可以包括由处理器110生成并且被存储至临时存储器的一系列位序列。位序列可以包括针对流850中的每个数据条目820具有M个位和N个位的至少两个位序列。在一些实施方式中,每个数据条目820可以包括关于在特定时间间隔期间进行的活动所授予的健康信用的信息,并且可以不包括活动识别符。在示出的示例中,两个位用于表示健康信用值,并且四个位用于表示活动类型。因此,对于所示出的实施方式,可以存在与健康信用相关联的四个值(例如,0、1、2、3),以及可以用于识别不同活动类型的八个值。对于图8B所示的示例,在生成健康信用数据流805期间识别至少两种活动类型。第一活动类型由位序列0110表示,其与根据图8A所示的示例的奔跑活动类型对应。具有位序列0001的第二活动类型与对象的休息状态对应。在填充缓冲区期间,在两个时间间隔内,对于奔跑活动授予对象一个健康信用,并且在一个时间间隔期间,对于奔跑活动授予对象两个健康信用。在休息间隔期间不授予健康信用。其他实施方式可以使用较多或较少位来表示健康信用和活动类型,并且可以在每个数据条目820中包括另外的或较少的信息。在一些实施方式中,可以仅在进行活动的扩展时间间隔的开始或结束处识别活动类型。
在将健康信用和活动类型添加669至活动缓冲区之后,健康监视器确定670活动缓冲区是否满。活动缓冲区可以是任意合适的尺寸,并且包括多个数据条目820。活动缓冲区可以例如被设定尺寸以包括5与100个之间的健康信用数据条目820。根据一些实施方式,活动缓冲区包括至少10个健康信用数据条目,并且在一些实施方案中可以包括至少20个数据条目。图9A示出了根据一些实施方式的包括20个数据条目的活动缓冲区805,其中,每个数据条目包括健康信用值和活动识别符。当确定670活动缓冲区满时,活动缓冲区可以被拷贝至另外的存储器,以便可以分析所拷贝的活动缓冲区的内容。在一些实施方式中,在拷贝活动缓冲区之后,可以擦除活动缓冲区或者它可以被后续的健康信用数据重写覆盖。
在各种实施方式中,活动缓冲区910的尺寸较小,以便它不占用健康监视器处可用的重要内存,并且以便处理器可以易于在每次再填充之间处理和编译缓冲区的数据。在一些实施方案中,处理数据包括将数据减少成概要,以便健康监视器存储健康信用数据和活动记录所需要的内存量小于以其他方式存储健康监视器的每分钟操作的数据所需要的内存量。
一旦分析了来自活动缓冲区910的数据,健康监视器就可以存储690活动缓冲区数据的概要。根据一些实施方式,活动缓冲区数据的概要减少了填满的活动缓冲区中表示的数据量。根据一些实施方式,活动缓冲区数据的概要可以形成如图8C所示的机载存储数据流860。根据一些实施方式,机载存储数据流可以包括定时数据850、健康信用数据852、增强健康信用数据854和活动类型数据856。在其他实施方式中,机载存储数据流860可以包括较多、较少或不同类型的信息数据。在一些实施方案中,健康信用数据852、增强信用854和活动类型数据856可以与至少一个填满的活动缓冲区910的分析对应。随着活动缓冲区910被反复填充和分析,另外的健康信用、增强信用和活动类型数据可以被添加至机载存储数据流860。
在一些实施方案中,定时数据850可以被添加至机载存储数据流860的仅开始和/或结束。在一些情况下,可以在与一个填满的活动缓冲区910的分析对应的每个活动数据概要的开始或结束处添加定时数据850。定时数据850可以被用于例如记录什么时候进行的活动以及活动进行了多久。在一些实施方式中,在活动缓冲区910跨越固定持续时间的情况下,机载存储数据流860中的每个活动概要条目表示已知持续时间。在这样的实施方式中,每个活动概要条目之间可以不需要定时数据850。替代地,可以根据机载存储数据流860中的顺序条目数来确定活动的持续时间。在一些实施方案中,在打断活动之后,例如,当健康监视器在一段时间内空闲或在一段时间内关闭时,定时数据850可以被输入机载存储数据流。
再次参考图9A,示出了填满的活动缓冲区910的一种实施方式。所示的示例活动缓冲区跨越20个时间间隔,并且每个时间间隔的数据条目包括两条信息(健康信用值和活动类型)。对于所示示例,第一数据条目912表示:由位序列(0110)识别的第一活动类型(例如,根据图8A的示例的奔跑)接收到健康信用值1(由位序列(01)表示)。填满的活动缓冲区910示出了第一类型的活动维持了5个时间间隔。在被表示为第三条目914的第3时间间隔中,对象进行活动的强度水平增强,从而对象在该时间间隔期间对于活动接收到两个健康信用。在第4时间间隔期间也授予两个健康信用。在第6时间间隔中,对象进行由位序列(0011)定义的第二类型的活动。该活动(例如,行走)没有接收到健康信用。例如,行走可能步速太慢,或者可能没有持续全时间间隔。在下面的时间间隔中,对象处于由位序列(0001)表示的休息状态。在下面的三个时间间隔中,对象在没有接收到健康信用值的慢跑状态与也没有接收到健康信用的行走状态之间转换。在由第11数据条目918表示的第11时间间隔期间,对象进行未被健康监视器识别的活动。在该示例中,未识别的活动可以被给予全零的位序列。在该时间间隔期间,对象可以呈现如拉伸的一些活动,但是健康监视器不能确定或识别活动类型,以及/或者对象的心率可能不足以授予健康信用。
在由数据条目920表示的第14时间间隔期间,对象呈现了未被健康监视器识别的可感知活动。例如,运动数据和/或生理数据可以表示,存在由对象进行的显著运动和代表高热量燃烧率的增大的心率。然而,健康监视器不能确定所识别的活动类型。例如,在该时期期间,对象可能在进行健美操或某种类型的热身锻炼。因为检测到的运动和生理数据,健康监视器可以被配置成授予对象部分健康信用或更多。在一些实施方式中,可以由位序列(11)或另一特殊位序列表示部分健康信用。在一些情况下,部分健康信用可以是健康信用的一半。在第15时间间隔中,对象进行由位序列(1001)识别的不同的活动类型,例如骑自行车。然后,对象以适度活动水平骑自行车,并且在下面的两个时间间隔内随后增加至剧烈活动水平。在由数据条目924表示的第18时间间隔处,对象停止,从而暂时不接收健康信用。在该时间间隔期间,例如,对象可能由于交通灯停止。然后,如活动缓冲区910所记录的,对象在剩余的两个时间间隔内恢复骑自行车。
根据一些实施方式,可以分析填满的活动缓冲区910以确定从活动缓冲区的填充接收的健康信用的总数、接收的增强健康信用(EHC)的数目,以及/或者识别在缓冲区填充期间发生的主要活动。在一些情况下,通过对填满的活动缓冲区910的分析,可以记录不止一个活动类型。对填满的活动缓冲区910的分析可以得到如图9B所示的活动概要数据条目930,其可以被存储在健康监视器上的长期存储器中。
活动概要数据条目930可以例如是被添加至图8C所示的机载存储数据流860的一个条目。如上所述,数据条目可以包括健康信用数据852-n、增强健康信用数据854-n和活动类型数据856-n。可以通过对活动缓冲区910的填充期间接收的健康信用的总数进行求和来确定健康信用。在示出的示例中,20个时间间隔期间接收的健康信用的总数目总计为由位序列(001111)表示的15个健康信用。在示出的示例中,没有授予增强信用。
在一些实施方式中,健康监视器可以被配置成确定在活动缓冲区的填充期间进行的主要活动。在一些情况下,主要活动可以是在活动缓冲区910内的最大量的时间间隔中进行的活动。在一些实施方案中,主要活动可以被确定为在活动缓冲区910的填充期间接收到最多健康信用的活动。在示出的示例中,主要活动被选择为接收到最大量的健康信用的活动,在该示例中为骑自行车。
通过将填满的活动缓冲区910编译成活动概要数据条目930,健康监视器机载存储的数据量会明显减少。在示出的示例中,填满的活动缓冲区910所需要的120位可以被减少至活动概要数据条目930的14位,表示约10:1的数据减少。因此,可以以例如每分钟的高分辨率来监视和分析活动数据,并且可以在显著减少数据的情况下存储关于活动的有意义信息。此外或可替选地,在一些实施方式中,另外的数据压缩算法可以用于进一步压缩活动概要数据条目。数据压缩可能是所期望的,以便可以在从健康监视器下载数据之间分析和记录较长时间间隔,这可能需要来自用户的一些手动交互。
在一些实施方案中,对填满的活动缓冲区910的分析还可以包括将如图9B所示的携带(carry)时间数据952和携带信用数据954制成表格。如下面将进一步详细说明的,可以使用携带数据950以例如用于确定增强健康信用854-n。如上所述,当在跨越活动缓冲区910中记录的多个时间间隔的持续时间内连续以健康可信的强度水平或更高水平进行活动时,可以授予增强健康信用854-n。例如,当在一些实施方式中在至少10分钟内或者根据一些实施方式在至少20分钟内连续进行接收健康信用的活动时,可以授予增强健康信用。在其他实施方式中,接收EHC的时间间隔可以长于或短于20分钟。
当分析填满的活动缓冲区910时,可以执行增强健康信用850-n的确定。根据一些实施方式,健康监视器可以回顾填满的活动缓冲区910中的各个连续数据条目以确定接收至少部分或更多健康信用的连续数据条目的数目和时间间隔。如果接收到部分或更多健康信用的连续数据条目的数目大于阈值数,则可以将增强健康信用授予给对象。例如,填满的活动缓冲区910中的每个数据条目可以表示进行了一分钟的持续时间的活动。如果填满的活动缓冲区示出了每个均接收至少部分健康信用或至少一个信用的20个数据条目,则可以将增强健康信用授予给对象。为了举例并且如图9A所示,一些数据条目没有接收当前健康信用,因此,在该示例中没有授予增强健康信用。
增强健康信用可以提供关于对象的锻炼疗法的另外信息。例如,增强健康信用可以用于容易地确定对象的锻炼是零碎的还是大量的。增强健康信用还可以提供对对象的整体健身的定性评估。例如,相比于不能在扩展时间段内维持健康可信活动并且没有接收到增强健康信用的对象,可以在扩展时间段内维持健康可信活动的对象将具有较高健身水平。
可以以任意合适的方式执行增强健康信用的授予。在一些实施方式中,对进行活动的每个扩展时间间隔授予增强健康信用。例如,可以对连续进行健康可信锻炼的每个20分钟扩展间隔授予一个EHC。在其他实施方式中,可以对在扩展锻炼时期期间接收到的每个健康信用授予增强健康信用854-n。例如,如果在20分钟扩展锻炼时期期间对象接收到24个健康信用,则对象可以接收24个增强健康信用。在一些实施方式中,单独的点系统可以用于健康信用和增强健康信用。在其他实施方式中,增强健康信用854-n可以表示接收到增强健康信用的总健康信用852-n的百分比。例如,在20分钟锻炼间隔期间,对象接收到28个健康信用,其中21个是增强健康信用,则增强信用值854-n可以表示大约75%的值。在一些实施方式中,百分比值可以取整为最接近的10倍值。
如可以理解的,扩展活动间隔可以跨越多于一个的填满的活动缓冲区910。在图9A所示的示例中,第一活动奔跑在活动缓冲区填充期间结束,并且第二活动骑自行车在活动缓冲区910的后半填充期间开始。对于这样的情况,携带转发数据(carry forward data)950可以被健康监视器存储并使用以将关于如下活动的信息携带转发至活动缓冲区910的下次填充:该活动在活动缓冲区的可以计入增强健康信用的先前填充期间被进行了扩展时间段。
对于图9A的示例,经过了期间没有接收到健康信用的扩展时间段(从第6数据条目916到第13数据条目)。因此,对填满的活动缓冲区910的分析不会产生增强健康信用。然而,在第15时间间隔处,除了由数据条目924表示的简短中断之外,对象开始识别为(1001)的活动骑自行车,其持续直至填满的活动缓冲区910结束为止。根据一些实施方式,健康监视器可以被配置成忽略简短中断,以便骑自行车活动可以作为连续进行健康可信活动的连续时间间隔序列被携带转发。对于该示例,携带时间数据952将反映计入用于活动缓冲区的下次填充和分析的扩展时间间隔的5个时间间隔。例如,该5个时间间隔可以被添加至从活动缓冲区的下次填充的开始起始的扩展时间间隔,该扩展时间间隔可以有资格接收增强健康信用。携带信用数据954还可以被记录以反映在携带时间期间接收的健康信用的量。在该示例中,在携带时间期间授予8个健康信用。
根据一些实施方式,携带转发数据950可以被临时存储在缓冲区中,或者可以被存储在长期存储器中。在一些实施方案中,对于活动数据缓冲区的每次填充,可以擦除或重写覆盖携带转发数据950。根据一些实施方式,携带转发信息950可以包括比图9B所示的携带转发信息950更少或更多的位。
根据一些实施方式,当确定增强健康信用是否应当被授予给对象时,健康监视器可以容许锻炼的简短中断。如上结合图9A所述,当确定作为健康可信活动有效连续进行从第15时间间隔扩展至第20时间间隔的时间间隔序列时,健康监视器可以忽略表示骑自行车活动的中断(例如,由于交通灯阻止停止)的数据条目924。在一些实施方式中,健康监视器可以回顾填满的活动缓冲区中的数据条目以确定没有接收到健康信用的顺序数据条目的数目。如果没有接收到健康信用的连续数据条目的数目小于阈值数,则当确定是否作为健康可信活动有效连续进行围绕这些数据条目的活动时,可以忽略这些数据条目。根据各种实施方式,阈值数可以是0至6之间的任意值,但是可以取决于每个数据条目912的时间跨度使用更大的数目。仅作为一个示例,并且再次参考图9A,阈值数可以是3。因此,第6至第13时间间隔的数据条目表示健康可信活动的明确停止。在该停止之前出现的任意携带时间将无效或不被添加至停止之后出现的扩展间隔。然而,数据条目924表示可以被健康监视器忽略以确定增强健康信用的中断(小于三个间隔)。在该中断之前出现的任意携带时间和/或扩展时间可以被添加至在该中断之后出现的扩展活动间隔,以用于确定增强健康信用。
在一些实施方式中,接收部分健康信用的时间间隔可以被当作没有接收健康信用的时间间隔,以用于确定增强健康信用。例如,接收部分健康信用的时间间隔可以计入活动的停止或中断。在其他实施方式中,接收部分健康信用的时间间隔可以被当作接收一个或更多个健康信用的时间间隔,以用于确定增强健康信用。例如,接收部分健康信用的时间间隔可以计入进行健康可信活动的扩展时间间隔。
将理解,在一些实施方式中,可以将健康信用转换成计步用于与传统系统进行比较。例如,可以以MET来表示根据热量燃烧率确定的健康信用。根据MET值,可以确定对象的行走速度,并且根据行走速度和对象的路线(gate)(可以用运动传感器确定),可以确定为获得相同MET结果在锻炼间隔期间所花费的等效步数。在一些实施方式中,健康监视器可以被配置成累积由对象进行的接收健康信用的所有活动的等效步。
VI.处理活动数据的另外方面
在没有适当的校准技术的情况下,可能难以确定准确表示所检测的活动的的参数,如行走或奔跑的人的距离和速度。因此,在一些实施方式中,为确保健康监视器100提供准确地反映与检测的活动相关联的各种参数的数据,可以使用活动相关校准因子,例如,当根据从运动检测和预处理电路接收的数据来计算活动相关数据时,活动引擎340-m可以使用这样的因子。可以例如在存储器120中维护和更新每个活动的活动相关校准因子。
在一些实施方案中,校准因子可以用于由活动引擎340-m使用的一个或更多个等式以计算活动强度的测量。在例如(上面通过引用合并的)美国专利第4,578,769号中公开了这样的实施方案的示例,美国专利第4,578,769号描述了基于由放置于鞋子中的传感器检测到的脚接触时间来推导奔跑者的速度。在一些实施方式中,可以存在被配置成识别多个不同的活动类型的健康监视器所需要的多个不同的校准因子。这样的校准因子可以例如提前确定,例如通过实验室测试和实验,然后在使用健康监视器100之前被加载至健康监视器100的存储器120中。
在一些实施方式中,可以结合用户的数据回顾和用户输入进行校准。例如,用户可以慢跑2.0英里并且记录慢跑两英里所花费的时间14分钟0秒(14:00)。健康监视器可以例如使用预定义的校准技术来将活动识别为奔跑,并且活动引擎340-m可以计算6:50分钟/英里的奔跑步速。然后,在这样的实施方案中,用户可以经由与健康监视器的基于计算机的接口来执行校准例程,其中,用户可以首先选择所识别的活动和计算的步速,然后输入活动的已知步速。然后,系统可以用该活动的新校准值来调整或替换由健康监视器100使用的内部校准因子。以这种方式,可以特定于健康监视器的个体用户而进行各种活动的校准,这可以提高每个用户的装置的准确度。
此外或可替选地,在一些实施方式中,健康监视器100可以被配置用于一个或更多个活动的自动校准或自校准。可以对一个或更多个可识别活动执行这样的校准例程。仅作为一个示例,将描述奔跑的自校准。当健康监视器包括放置在脚或脚踝上的加速度计时,随着脚踏在地面上,加速度计将沿奔跑的方向(在该示例中为x向)临时停止。当脚踏地时,加速度计的x向速度为零,并且这可以用作校准的参考点。当脚下一次踏地时,x向速度再次返回至零。通过整合两次的x向加速度数据,可以确定两次连续的脚踏地之间的距离。由于加速度计的定向随脚向前移动而改变,所以可以使用y向和z向加速度值来校正距离。一旦确定了距离,就可以例如根据处理器110的内部时钟来确定脚踏地之间的时间。然后,时间和距离可以用于计算奔跑者或行走者的速度。可以根据两次或更多次连续的脚踏地来确定速度以获得平均值,并且可以以分隔的时间间隔来重复确定速度的过程。在一些实施方式中,计算的速度可以用于更新或校正由健康监视器100使用的内部校准值。例如,所计算的速度可以用于校正用于基于脚接触时间来估计奔跑速度的校准值。
此外或可替选地,健康监视器可以以不同方式使用校准,并且这样的校准可以被称为位置相关校准。例如并且对于奔跑或行走,但是不限于仅这些活动,相比于如果监视器被穿戴在腰带上或放置在裤兜里,当健康监视器100例如被放置在脚踝或脚上时,可以对活动做出更准确的测量。这可以例如在图10A至图10C的原始加速度计数据迹线中看到。相比于当监视器被穿戴在腰带上(图10B)时,当监视器被穿戴在脚踝上(图10A)时,z波形和x波形更明显。可以使用来自穿戴在脚踝或脚上的健康监视器的数据来更准确地确定脚撞击的定时和/或脚接触时间。
此外或可替选地,在各种实施方式中,健康监视器可以被配置成与穿戴运动传感器的位置无关地识别活动类型,并且还被配置成识别针对该活动穿戴运动传感器的位置。正如图10A的数据迹线可以如上所述被推理引擎320识别为行走,图10B的迹线可以被识别为在腰带上穿戴运动传感器的行走,并且图10C的迹线可以被识别为运动传感器位于口袋中的行走。例如,图10B的迹线可以生成更近地属于将活动识别为“行走,运动传感器在腰带上”的一个或更多个隶属函数的特性特征fn。
在一些实施方式中,当在健康监视器包括安装在非最优位置中的加速度计的情况下识别活动时,根据一些实施方式,活动引擎340-m可以使用一个或更多个不同的校准或比例值来计算与活动相关联的一个或更多个参数。例如,不同的校准值可以与每个可识别活动和运动传感器位置相关联。在其他实施方式中,此外或可替选地,当在运动传感器被安装在非最优位置的情况下识别活动时,可以使用从当运动传感器被安装在更优位置时对健康监视器的先前使用所采集的信息来推断或估计对于运动传感器在非最优位置中的活动的参数。例如,在运动传感器被穿戴在脚踝上时采集的行走数据可以用于确定与不同的行走步频率或节奏对应的步长。然后,当运动传感器被穿戴在非最优位置(例如,腰带或口袋)处时,可以例如结合先前获得的数据使用所检测到的循环频率或节奏来推断或估计活动的步长。估计的步长可以是用户特定的。在一些实施方案中,不同的校准技术和/或校准值可以与每个可识别活动和运动传感器位置相关联。
此外或可替选地,在一些实施方式中,健康监视器可以根据在先的高质量数据推断活动的特性,并且可以相应地计算活动的强度。再次返回至图10A至图10C的示例,当收集高质量数据并且运动传感器被穿戴在用于表征活动的最优或接近最优位置时,健康监视器100可以例如在存储器120中存储高质量数据的一个或更多个样本(图10A)或者提供高质量数据的一个或更多个样本(图10A)以存储在外部存储装置中。在一些实施方式中,当活动被重复并且推理引擎识别活动但是运动传感器被穿戴在非最优位置(图10B或10C)时,健康监视器可以从内存中再调用具有与当前感测到的活动匹配的节奏的较高质量数据。较高质量数据可以例如被重复提供给活动引擎340-m以便后续处理。随着当前感测到的节奏改变,可以例如从存储器检索不同的样本。在一些实施方式中,除了节奏之外,从存储器检索的样本还可以取决于当前感测到的信号的另外的值,例如,峰值、峰的宽度、最小值。
此外或可替选地,在一些实施方式中,健康监视器可以提供置信度的测量连同由活动引擎340-m输出的数据。例如,监视器可以表示活动识别的置信水平(例如,>90%的置信度、>75%的置信度、>95%的置信度),并且还可以表示数据的质量水平(例如,最佳、一般、差)。例如,可以根据每个测量的特征特性落入隶属函数的中心性、或者基于活动的成本因子的计算值(例如,根据等式2计算的值)、或者基于测量的模式与参考模式的匹配程度(例如,使用最小均方差算法)来确定置信度。可以例如基于在所识别的活动期间当被用户穿戴时健康监视器的运动传感器的识别位置来确定数据质量。
如上所述,在一些实施方式中,当装置经由收发器140与计算机接口连接时,可以添加和/或修正由健康监视器100使用的校准值、特性特征、隶属函数和/或计算算法。因此,应当理解,在这样的实施方式中,对于给定活动、对于穿戴传感器的给定位置以及/或者对于特定用户,可以使健康监视器个性化以变得更准确。例如,当装置检测到推理引擎320不能识别的活动数据时,装置可以记录加速度数据和可选的生理数据连同从数据生成的任何相关特性特征、时间和未识别活动的持续时间。在一些实施方式中,当后续与如计算机、智能电话、PDA或类似装置的具有用户接口的外部装置通信时,系统可以例如对用户呈现询问以识别活动、努力的强度和/或运动传感器的位置。在这样的实施方式中,可以例如将信息返回至装置,并且可以为活动定义新的隶属函数、特征和/或识别算法。在一些实施方式中,可以在健康监视器的外部产生隶属函数和/或识别算法并且下载隶属函数和/或识别算法。此外或可替选地,在一些实施方式中,出于使健康监视器100个性化的目的,可以添加一个或更多个新活动引擎340-m。
在一些实施方式中,健康监视器100可以用于大范围的社区挑战,从而使得用户能够容易地彼此比较。健康监视器可以例如用于较准确地对不同执行能力的用户设置障碍。健康监视器100的一些实施方式可以例如使得健康护理提供者、保险公司和雇主能够较准确地为个体评定健身水平、锻炼疗法和来自锻炼的健康益处,并且相应地提供适当的激励。
根据一些实施方式,健康监视器可以被配置成计算表示对象的整体健身和/或健康水平的健身量度。例如,健康监视器可以收集可以包括生理数据(例如,血氧数据、呼吸数据、心脏数据)和健康信用数据的活动数据,并且根据结果使用标准化算法来计算健身量度。在一些实施方式中,健身量度可以表示对象的VO2最大值或者可以是公认的或标准化的健身或健康指数(HI)。根据一些实施方式,健康监视器可以使用下面公式来计算健身量度Fm。
在等式7中,β表示比例常量,P可以表示步速或经由代谢当量从不同活动计算的等效步速,R可以表示呼吸频率,并且HR可以表示心率。等式7中的健身量度被公式化为使得越高的数字表示越好的健身水平。例如,对于给定步速P,由于具有较低呼吸频率R和较低心率HR的个体能够更有效地实现相同步速(使心血管系统负担较小),所以他将是更健康或身体更好的个人。
此外或可替选地,可以计算其他健身量度。仅作为一个示例,可以根据下面的等式为对象计算有氧健身量度Fa。
Fa=1/(Tc×HR) (8)
在该表达式中,Tc表示可以根据等式5从奔跑速度确定的脚接触时间,并且HR表示心率。
一些实施方式可以使用其他健身量度或者越低数字而不是越高数字表示越好健身水平的量度。除等式7所示的因子之外或者替换等式7所示的因子,还可以使用其他因子(例如,体重指数、血压、血氧、静息代谢率、热量燃烧率、代谢率)来确定健身量度。在一些实施方式中,健身量度还可以包括跨越时间段(例如,一周、一个月、几个月、一年等)累积的对象健康信用和/或增强健康信用的评定。健身量度可以包括若干健身指标的加权组合。如等式7或等式8所示的健身指数可以提供对象的健身水平和/或健康的快照。
还可以用被配置成提供心脏和运动数据的健康监视器来确定其他健身量度。仅作为一个示例,健康监视器可以处理活动数据以确定对象何时坐着或处于俯卧休息状态,并且处理休息状态期间的心脏数据以确定对象的静息心率(RHR)。
在一些实施方式中,健康监视器的处理器可以处理运动数据以确定对象何时处于活动状态并且以接近最大能力进行活动。可以例如根据对象的心率、速度和/或与活动对应的重复率来确定接近最大能力的活动的进行。在一些实施方案中,接近最大能力的活动的水平可以由以下检测的心率表示:大于针对对象检测的最大心率的75%,或者在一些实施方式中大于针对对象检测的最大心率的85%,或者在其他实施方式中大于针对对象检测的最大心率的90%。然后,健康监视器可以被配置成根据运动数据确定对象何时停止活动并且呈现休息或恢复状态。然后,健康监视器可以处理活动停止之后的心脏数据以确定对象的心率恢复时间。较短的恢复时间可以表示较高的健身水平。根据一些实施方式,在对象以接近最大能力任意进行活动之后,健康监视器可以自动执行心率恢复时间的确定。
根据一些实施方式,健康监视器可以在以不同强度进行的活动的时期期间确定心率变异性(HRV)以评定活动在对象上引起的应力水平。对于活动中的较高努力水平的HRV的较少减小可以表示身体较好的对象。在一些实施方案中,健康监视器可以被配置成记录和处理扩展时间间隔(例如,大于30秒间隔)的心脏波形以确定波形的低频谱特性和高频谱特性。低频(LF)分量可以例如包括大约0Hz至大约0.15Hz之间的频率。高频(HF)分量可以例如包括大约0.15Hz至大约0.4Hz之间的频率。根据一些实施方式,可以在以不同强度进行的活动的时期期间计算LF/HF谱功率的比率以评定活动在对象上引起的应力水平。
在一些实施方案中,健康监视器可以被配置成评估HRV和/或LF/HF谱功率以评定对象的状况。仅作为一个示例,健康监视器可以在运动员已醒来但仍处于俯卧位置的清晨评估LF/HF谱功率。此刻获取的LF/HF谱功率的值可以表示运动员已经或还没有从前一天的锻炼中完全恢复。在一些实施方式中,约0至0.15之间的比率可以表示运动员还未从前一天的锻炼中完全恢复。值还可以用于表示例如运动员可以以对运动员的降低的损伤风险在这天期间进行的活动的水平。
作为另一示例,LF/HF谱功率比的值可以表示运动员在较繁重的锻炼之前已经或还未充分热身。例如,由健康监视器计算的大于0.4的LF/HF谱功率比可以表示运动员还未充分热身,并且还可以表示HR*Tc的乘积对于评定各种健身参数可能不准确。在一些实施方案中,LF/HF谱功率的值可以用于评定具有特定疾病(例如,CHF、COPD、癌症晚期或糖尿病等)的对象何时处于应力状态。例如,约0至0.15之间的比率可以表示患者处于应力状态。
一个或更多个健身量度或健康指数值可以提供监视对象的健康状况的方式。例如,某些疾病可能不利地影响个人的健身指数。会不利地影响健身指数的疾病包括但不限于COPD、CHF、关节炎、痴呆、糖尿病、抑郁症、PAD、高血压和肥胖症。二型糖尿病(T2D)中的研究表明对象的VO2最大水平的增长与降低的药物依赖性直接相关。对于COPD患者,健身指数(例如,VO2最大值)可以提供示出疾病的阶段和进程的诊断标记。
一些研究表明,身体活动可以帮助校正疾病状态、减少药物治疗或者延缓疾病状态的发病或进程。CDC/HHS对正常人群推荐一周约150分钟的适度到剧烈的活动。虽然一些活动监视器可以监视活动的基本参数,许多常规监视器不能提供关于患者或运动员如何进行他们的健身行程的客观观点或量度。如上所述被配置成计算健康信用和健身量度的健康监视器可以提供用于每天测量和跟踪对象的健身水平的便利装置。
当前极少或没有对生病的个人的关于什么锻炼水平对他们的状况最有效的指导。虽然已针对各种年龄生成了例如根据年龄和性别列出最大推荐心率的锻炼表,但是这些表格没有考虑针对个人的疾病状态或药物疗法。因此,对于基于锻炼的疾病治疗,一个人不知道锻炼水平是太低以至于无效还是太高以至于造成另外的健康风险。可以联网的健康监视器可以为大量的用户人群提供数据,根据该数据,可以基于年龄、性别、疾病和疾病阶段确立锻炼的指导方针。累积的统计数据可以用于针对对象的各种健康状况,依据健康信用以及在一些实施方式中依据增强健康信用,用推荐的锻炼指导方针来更新健康监视器。
当治疗疾病时,可能存在为治疗疾病所开的药物对对象造成有害影响的时候,例如,降低身体对氧气新陈代谢的能力。监视与患有这些疾病中的一个或更多个疾病的对象的血氧相互关联的健身指数可以提供评定各种类型的治疗(包括锻炼和药物治疗)的效果并且跟踪对象的恢复的便利方法。例如,依据健康信用和/或健身指数总结锻炼的健康监视器可以使得医生或个人能够几乎立即看到所开具的治疗可能对人类引擎(心肺循环系统)的任何影响。
虽然主要依据用于确定健康信用和增强健康信用的两个活动强度水平(适度和剧烈)描述了用于确定健康益处的上面的示例,但是其他实施方式可以使用用于确定健康信用、增强信用和健身量度的另外的或较少的活动强度水平和标准。例如,保健实体还可以改进用于根据活动评估健康益处的强度水平和评判标准,以便强度水平的范围和数目可以随保健实体而改变。在各种实施方式中,健康监视器可以容易地被编程为容纳这样的改变。此外,可以在一些实施方式中实现增强健康信用的分级。例如,可以基于活动强度以及活动的扩展持续时间的长度中之一或两者来授予对于增强健康信用的不同的值或点系统。例如,另外的点系统可以用于例如连续进行40分钟的健康可信活动,以便对象或医生可以较好地评定对象的耐力健身量度。
本申请引用的所有文献和相似材料(包括但不限于专利、专利申请、文章、书籍、论文和网页)通过引用将其全文明确地合并于此,而与这样的文献和相似材料的格式无关。在所合并的文献和相似材料中的一个或更多个不同于本申请或与本申请矛盾的情况下,包括但不限于定义的术语、术语使用、描述的技术等,以本申请为准。
本文使用的章节标题仅出于组织的目的,并且并不被解释为以任意方式限制描述的主题。
虽然本文描述和示出了各种发明实施方式,但是本领域的技术人员将容易想到,用于执行功能以及/或者获得本文所述的结果和/或一个或更多个优点的各种其他手段和/或结构,以及这样的变化和/或修改中的每个被认为在本文所述的发明实施方式的范围内。更一般地,本领域的技术人员将易于理解,本文所述的所有参数、尺寸、材料和配置是示例性的,并且实际的参数、尺寸、材料和/或配置将取决于使用发明的教示的一个或更多个具体应用。本领域的技术人员通过使用仅例程实验将识别或能够确定本文所述的具体发明实施方式的许多等效方案。因此,应当理解,仅作为示例呈现了上述实施方式,并且在所附权利要求书及其等效方案的范围内,发明实施方式可以以与具体描述和要求保护的方式不同的方式来实施。本公开内容的发明实施方式针对本文所述的每个个别特征、系统、物品、材料和/或方法。另外,如果这样的特征、系统、物品、材料和/或方法互相一致,则两个或更多个这样的特征、系统、物品、材料和/或方法中的任意组合被包括在本公开内容的发明范围内。
可以以众多方式中的任意方式实现本发明的上述实施方式。例如,可以使用硬件、软件或其组合实现一些实施方式。当至少部分在软件中实现实施方式的任何方面时,可以在设置在单个计算机中或者分布在多个计算机之间的任意合适的处理器或处理器集合上执行软件代码。
在这方面,本发明的各种方面(例如特征生成器310、预处理器305、推理引擎320、活动引擎340-m和数据服务360的)以及多用途传感器联网功能可以被至少部分实施在编码有一个或更多个程序的计算机可读存储介质(或多个计算机可读存储介质)中(例如,计算机存储器、一个或更多个软盘、致密盘、光盘、磁带、闪速存储器、现场可编程门阵列或其他半导体装置中的电路配置或者其他有形计算机存储介质或非暂态介质),这一个或更多个程序当在一个或更多个计算机或其他处理器上被执行时,执行实现上面讨论的技术的各种实施方式的方法。一个或更多个计算机可读介质可以是便携式的,使得其上存储的一个或更多个程序可以被加载至一个或更多个不同的计算机或其他处理器上以实现如上所述的本技术的各个方面。
可以在硬件、软件、固件或其组合中实现上述健康监视器的各种方面。例如,包含处理数据、处置数据和/或通信的健康监视器的任意操作方面可以被实现为能够由微处理器执行并且实施在至少一个有形计算机可读存储装置上的存储机器可读指令中。可以在健康监视器的数字处理器上的操作中执行或放置指令。在一些实施方案中,可以将指令放置在结合健康监视器的操作而运行的中央集线器或服务器的操作中。
术语“程序”或“软件”在本文以一般意义来使用,以指代可以用于对计算机或其他处理器进行编程以实现如上所述的本技术的各个方面的任意类型的计算机代码或机器可执行指令集。术语“处理器”可以用于指代至少一个微处理器、微控制器或包括但不限于现场可编程门阵列的任意合适的可编程逻辑装置。此外,应当理解,根据该实施方式的一个方面,当被执行时执行本技术的方法的一个或更多个计算机程序不需要驻留在单个计算机、处理器或微控制器上,但是可以以模块化模式分布在很多不同的计算机、处理器、或微控制器之间以实现本技术的各种方面。
计算机可执行指令可以以多种形式如程序模块由一个或更多个计算机或其他装置执行。一般地,程序模块包括执行特定任务或实现特定抽象数据类型的例程、程序、对象、部件、数据结构等。通常,可以如各种实施方式所期望地组合或分布程序模块的功能。
另外,本文所述的技术可以被实施为提供了至少一个示例的方法。可以以任意合适的方式对作为方法的一部分所执行的动作进行排序。因此,可以构造以不同于所示的顺序执行动作的实施方式,可以包括同时执行一些动作,但是在示例性实施方式中被示出为顺序动作。
如本文定义和使用的所有定义应当被理解成支配字典定义、通过引用而合并的文献中的定义和/或定义术语的通常含义。
除非清楚地表明成相反,否则如本文在说明书中和权利要求书中所用的不定冠词“一”和“一个”可以用于意指“至少一个”。
如本文在说明书中和权利要求书中所用的短语“和/或(以及/或者)”应当被理解成意指这样连接的元素(即在一些情况下结合呈现而在其他情况下分离呈现的元素)的“两者中任一/两者”。用“和/或”列出的多个元素应当以相同形式解释,即,这样连接的元素的“一个或更多个”。除了由“和/或”子句具体识别的元素之外,还可以可选地存在与具体识别的那些元素相关或不相关的其他元素。因此,作为非限制性示例,当与开放式语言如“包括”一起使用时,对“A和/或B”的引用可以在一种实施方式中仅指代A(可选地包括除B之外的元素);在另一实施方式中仅指代B(可选地包括除A之外的元素);在又一实施方式中指代A和B两者(可选地包括其他元素);等等。
如本文在说明书中和权利要求书中所用的,“或”应当被理解成具有与如上定义的“和/或”相同的含义。例如,当分离列表中的项目时,“或”或者“和/或”应当被解释为包括性的,即,包括多个元素或元素列表中的至少一个元素并且还包括多于一个元素,以及可选地包括另外的未列出项目。仅清楚地相反表示的术语,如“……的仅一个”或“……的恰好一个”或者当在权利要求书中使用时的“由…组成”将指代包括多个元素或元素列表中的恰好一个元素。一般地,如本文所用的术语“或”,仅在前言是排他性术语如“两者中任一个”、“……的一个”、……的仅一个”或“……的恰好一个”时,才被解释为表示排他性的替选方案(即“一个或另一个但并非两者”)。“基本上包括”当在权利要求书中使用时应当具有其如专利法领域所用的通常含义。
如本文在说明书中和权利要求书中所用的,引用一个或更多个元素的列表的短语“至少一个”应当被理解成意指选自元素列表中的任意一个或更多个元素中的至少一个元素,但是不一定包括元素列表内具体列出的每一个元素的至少一个并且不排除元素列表中的元素的任意组合。该定义还允许,除了短语“至少一个”指代的元素列表内具体识别的元素之外,还可以可选地存在与具体识别的那些元素相关或不相关的元素。因此,作为非限制性示例,“A和B中的至少一个”(或者等效地“A或B中的至少一个”,或者等效地“A和/或B中的至少一个”)可以在一种实施方式中指代至少一个A,可选地包括多于一个的A,而不存在B(并且可选地包括除B之外的元素);在其他实施方式中指代至少一个B,可选地包括多于一个的B,而不存在A(并且可选地包括除A之外的元素);在另一实施方式中指代至少一个A,可选地包括多于一个的A,以及至少一个B,可选地包括多于一个的B(并且可选地包括其他元素)等。
权利要求书不应当被解读为限于所描述的顺序或元素,除非指出带有这个意思。应当理解,在不背离所附权利要求书的精神和范围的情况下,本领域技术人员可以进行形式和细节上的各种改变。要求保护落入所附权利要求书及其等效方案的精神和范围内的所有实施方式。
Claims (37)
1.一种被配置成由对象支承的健康监视器,所述健康监视器包括:
加速度计,被配置成响应于所述对象进行的第一活动来生成运动数据;
心脏传感器,被配置成至少检测在所述第一活动进行期间的所述对象的心率;
机载电源,被配置成向所述加速度计和所述心脏传感器供应电力;以及
处理器,被配置成基于来自所述加速度计和所述心脏传感器两者的数据,根据第一方法来计算所述对象进行的所述第一活动的第一热量燃烧率。
2.根据权利要求1所述的健康监视器,其中,所述处理器还被配置成基于从所述心脏传感器接收的数据来确定所述健康监视器的至少一种省电模式。
3.根据权利要求2所述的健康监视器,其中,所述至少一种省电模式包括以下模式:在该模式中,在连续心动周期的T波部分与P波部分之间的间隔内,减少对于至少所述心脏传感器的电力。
4.根据权利要求1至3中任一项所述的健康监视器,其中,所述处理器被配置成使用所述对象的心率和速度的值或者所述对象的心率和脚接触时间的值来计算所述第一热量燃烧率。
5.根据前述权利要求中任一项所述的健康监视器,其中,所述处理器被配置成使用针对所述对象计算的心率和VO2最大值的值来计算所述第一热量燃烧率。
6.根据前述权利要求中任一项所述的健康监视器,其中,所述处理器还被配置成校准用于确定进行活动的对象的热量燃烧的第二方法,其中,所述校准基于从所述第一方法获得的结果。
7.根据权利要求6所述的健康监视器,其中,所述第二方法包括基于心率而不是基于来自所述加速度计的数据来确定热量燃烧。
8.根据前述权利要求中任一项所述的健康监视器,还包括定时器,其中,所述处理器还被配置成:
计算在第一时间间隔的序列中的第一时间间隔内所述对象进行的第二活动的第二热量燃烧率;以及
确定所述第二热量燃烧率是否落入保健实体针对所述第一时间间隔的持续时间所规定的值的至少一个推荐范围中。
9.根据权利要求8所述的健康监视器,其中,所述保健实体是疾病控制中心或世界卫生组织。
10.根据权利要求8所述的健康监视器,其中,所述保健实体是医生、有资格的医务人员或专业教练。
11.根据权利要求8至10中任一项所述的健康监视器,其中,所述处理器还被配置成根据所述运动数据的功率谱来证实所述第二活动的进行。
12.根据权利要求8至11中任一项所述的健康监视器,其中,所述处理器还被配置成根据所述对象的心率和/或呼吸频率来确定所述第二活动的强度水平。
13.根据权利要求8至12中任一项所述的健康监视器,其中,所述处理器还被配置成:
记录每个第一时间间隔的第一信用值,其中,对于每个第一时间间隔,所述热量燃烧率均落入针对所述第一时间间隔的持续时间的所述至少一个推荐范围中的第一推荐范围中;以及
记录每个第一时间间隔的第二信用值,其中,对于每个第一时间间隔,所述热量燃烧率均落入针对所述第一时间间隔的持续时间的所述至少一个推荐范围中的第二推荐范围中。
14.根据权利要求13所述的健康监视器,其中,所述至少一个推荐范围中的所述第一推荐范围在大约3.5千卡/分钟与大约7千卡/分钟之间,并且所述至少一个推荐范围中的所述第二推荐范围包括大于大约7千卡/分钟的值。
15.根据权利要求13或14所述的健康监视器,其中,所述处理器还被配置成:
从所述健康监视器被配置成识别的多个活动类型中识别所述对象进行的所述第二活动的类型;以及
识别非人类活动。
16.根据前述权利要求中任一项所述的健康监视器,其中,所述处理器还被配置成:
根据从所述加速度计接收的数据来确定所述对象进行的增加活动的时期;以及
确定所述活动停止之后的心率恢复时间。
17.根据前述权利要求中任一项所述的健康监视器,其中,所述处理器还被配置成根据从所述心脏传感器接收的数据来计算心率变异性或LF/HF谱功率比。
18.根据前述权利要求中任一项所述的健康监视器,其中,所述健康监视器包括被配置成使用可去除粘合剂电连接至所述对象的两个电极。
19.根据前述权利要求中任一项所述的健康监视器,其中,所述加速度计包括三轴加速度计。
20.一种由健康监视器确定对象的健身量度的方法,所述健康监视器被配置成由所述对象支承,所述方法包括:
由处理器接收所述健康监视器响应于由所述对象进行的第一活动而生成的运动数据;
从与所述处理器通信的心脏传感器接收在所述第一活动进行期间检测到的所述对象的心脏数据;以及
基于所述运动数据和所述心脏数据两者中的信息,根据第一算法来计算所述对象进行的所述第一活动的第一热量燃烧率。
21.根据权利要求20所述的方法,还包括:基于从所述心脏传感器接收的数据来执行所述健康监视器的省电模式。
22.根据权利要求20或21所述的方法,还包括:在连续心动周期的T波部分与P波部分之间的间隔内,减少对于至少所述心脏传感器的电力。
23.根据权利要求20至22中任一项所述的方法,其中,所述第一热量燃烧率的计算包括所述对象的心率和速度的值或者所述对象的心率和脚接触时间的值。
24.根据权利要求20至23中任一项所述的方法,其中,所述第一热量燃烧率的计算包括针对所述对象计算的心率和VO2最大值的值。
25.根据权利要求20至24中任一项所述的方法,还包括:校准用于确定进行活动的对象的热量燃烧的第二算法,其中,所述校准基于从所述第一算法获得的结果。
26.根据权利要求25所述的方法,其中,所述第二算法包括基于心脏数据而不是基于运动数据来确定热量燃烧。
27.根据权利要求20至26中任一项所述的方法,还包括:
计算在第一时间间隔的序列中的第一时间间隔内所述对象进行的第二活动的第二热量燃烧率;以及
确定所述第二热量燃烧率是否落入保健实体针对所述第一时间间隔的持续时间所规定的值的至少一个推荐范围中。
28.根据权利要求27所述的方法,其中,所述保健实体是疾病控制中心或世界卫生组织。
29.根据权利要求27或28所述的方法,还包括:
确定所述运动数据的功率谱;以及
根据所述功率谱来证实所述第二活动的进行。
30.根据权利要求27至29中任一项所述的方法,还包括:
记录每个第一时间间隔的第一信用值,其中,对于每个第一时间间隔,所述第二热量燃烧率均落入针对所述第一时间间隔的持续时间的所述至少一个推荐范围中的第一推荐范围中;以及
记录每个第一时间间隔的第二信用值,其中,对于每个第一时间间隔,所述第二热量燃烧率均落入针对所述第一时间间隔的持续时间的所述至少一个推荐范围中的第二推荐范围中。
31.根据权利要求30所述的方法,其中,所述至少一个推荐范围中的第一推荐范围在大约3.5千卡/分钟与大约7千卡/分钟之间,并且所述至少一个推荐范围中的第二推荐范围包括大于大约7千卡/分钟的值。
32.根据权利要求30或31所述的方法,还包括:从所述健康监视器被配置成识别的多个活动类型中识别所述对象进行的所述第二活动的类型。
33.根据权利要求20至32中任一项所述的方法,还包括:
根据所述运动数据确定所述对象进行的增加活动的时期;以及
确定所述活动停止之后的心率恢复时间。
34.根据权利要求20至33中任一项所述的方法,还包括:根据所述心脏数据来计算心率变异性或LF/HF谱功率比。
35.一种计算机可读存储介质,包括机器可读指令,当被包括心脏传感器和加速度计的健康监视器的至少一个处理器执行时,所述机器可读指令使所述健康监视器适于:
由所述处理器接收所述加速度计响应于对象进行的第一活动而生成的运动数据;
接收在所述第一活动进行期间检测到的所述对象的心脏数据;以及
基于所述运动数据和所述心脏数据两者中的信息,根据第一算法来计算所述对象进行的所述第一活动的第一热量燃烧率。
36.根据权利要求35所述的计算机可读存储介质,还包括以下机器可读指令,当被所述至少一个处理器执行时,该机器可读指令使所述健康监视器适于:
计算在第一时间间隔序列中的第一时间间隔内所述对象进行的第二活动的第二热量燃烧率;以及
确定所述第二热量燃烧率是否落入保健实体针对所述第一时间间隔的持续时间所规定的值的至少一个推荐范围中。
37.根据权利要求36所述的计算机可读存储介质,还包括以下机器可读指令,当被所述至少一个处理器执行时,该机器可读指令使所述健康监视器适于:
记录每个第一时间间隔的第一信用值,其中,对于每个第一时间间隔,所述第二热量燃烧率均落入针对所述第一时间间隔的持续时间的所述至少一个推荐范围中的第一推荐范围中;以及
记录每个第一时间间隔的第二信用值,其中,对于每个第一时间间隔,所述第二热量燃烧率均落入针对所述第一时间间隔的持续时间的所述至少一个推荐范围中的第二推荐范围中。
Applications Claiming Priority (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
US14/184,042 US20140156043A1 (en) | 2011-12-02 | 2014-02-19 | Versatile sensors with data fusion functionality |
US14/184,042 | 2014-02-19 | ||
PCT/US2014/056532 WO2015126459A1 (en) | 2014-02-19 | 2014-09-19 | Health monitor |
Publications (1)
Publication Number | Publication Date |
---|---|
CN106413546A true CN106413546A (zh) | 2017-02-15 |
Family
ID=53879271
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201480078041.0A Pending CN106413546A (zh) | 2014-02-19 | 2014-09-19 | 健康监视器 |
Country Status (7)
Country | Link |
---|---|
EP (2) | EP3107451A4 (zh) |
KR (1) | KR20160124179A (zh) |
CN (1) | CN106413546A (zh) |
CA (1) | CA2939920A1 (zh) |
MX (1) | MX2016010802A (zh) |
SG (1) | SG11201606854YA (zh) |
WO (1) | WO2015126459A1 (zh) |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106787118A (zh) * | 2017-03-03 | 2017-05-31 | 浙江水利水电学院 | 一种利用太阳能充电的动物监测项圈及其监测方法 |
CN107978344A (zh) * | 2017-11-20 | 2018-05-01 | 广州市健全家源信息科技有限公司 | 一种行为监管方法、装置及电子设备 |
CN108836296A (zh) * | 2018-03-26 | 2018-11-20 | 上海星瀚健身有限公司 | 智能健身方法及系统 |
CN115316991A (zh) * | 2022-01-06 | 2022-11-11 | 中国科学院心理研究所 | 一种激惹情绪的自适应识别预警方法 |
CN115399785A (zh) * | 2022-08-30 | 2022-11-29 | 洲瓴(上海)医疗器械有限公司 | 一种心电信号的r波识别系统 |
Families Citing this family (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP3178392A1 (en) * | 2015-12-09 | 2017-06-14 | Rythm | Autonomous bioelectric physiological signal acquisition device |
EP3399908A1 (en) * | 2016-01-08 | 2018-11-14 | Koninklijke Philips N.V. | Personalized fitness tracking |
JP7028787B2 (ja) * | 2016-03-22 | 2022-03-02 | コーニンクレッカ フィリップス エヌ ヴェ | 視覚的コンテキストを用いる、生理学的パラメータの測定の適時トリガ |
EP3318184B1 (en) * | 2016-11-08 | 2024-01-10 | Heart2Save Oy | System for determining a probability for a person to have arrhythmia |
SE541712C2 (en) * | 2017-02-22 | 2019-12-03 | Next Step Dynamics Ab | Method and apparatus for health prediction |
CN107280652A (zh) * | 2017-07-21 | 2017-10-24 | 镇安县秦绿食品有限公司 | 一种实时监测游泳者安全信息系统 |
KR102033065B1 (ko) * | 2017-08-17 | 2019-10-16 | 충북도립대학산학협력단 | 개인 맞춤형 건강 관리 시스템 및 방법 |
EP4220352A1 (en) | 2017-10-26 | 2023-08-02 | Verily Life Sciences LLC | Two-phase deployment-initiated wakeup mechanism for body-mountable electronic device |
Family Cites Families (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US4578769A (en) | 1983-02-09 | 1986-03-25 | Nike, Inc. | Device for determining the speed, distance traversed, elapsed time and calories expended by a person while running |
US6997882B1 (en) * | 2001-12-21 | 2006-02-14 | Barron Associates, Inc. | 6-DOF subject-monitoring device and method |
FI119619B (fi) * | 2006-04-24 | 2009-01-30 | Polar Electro Oy | Kannettava elektroninen laite ja tietokoneohjelmistotuote |
US7643873B2 (en) * | 2006-04-28 | 2010-01-05 | Idt Technology Limited | Exercise data apparatus |
FI20085175A0 (fi) * | 2008-02-27 | 2008-02-27 | Polar Electro Oy | Sympaattisen toiminnan määrittäminen |
WO2012040390A2 (en) * | 2010-09-21 | 2012-03-29 | Somaxis Incorporated | Methods for assessing and optimizing muscular performance |
US9167991B2 (en) * | 2010-09-30 | 2015-10-27 | Fitbit, Inc. | Portable monitoring devices and methods of operating same |
US9241635B2 (en) * | 2010-09-30 | 2016-01-26 | Fitbit, Inc. | Portable monitoring devices for processing applications and processing analysis of physiological conditions of a user associated with the portable monitoring device |
US20130332286A1 (en) * | 2011-02-22 | 2013-12-12 | Pedro J. Medelius | Activity type detection and targeted advertising system |
WO2014039567A1 (en) * | 2012-09-04 | 2014-03-13 | Bobo Analytics, Inc. | Systems, devices and methods for continuous heart rate monitoring and interpretation |
JP6047346B2 (ja) * | 2012-09-05 | 2016-12-21 | セイコーエプソン株式会社 | 生体情報処理システム、ウェアラブル装置、サーバーシステム及びプログラム |
US9307908B2 (en) * | 2012-10-30 | 2016-04-12 | Vital Connect, Inc. | Measuring psychological stress from cardiovascular and activity signals |
-
2014
- 2014-09-19 WO PCT/US2014/056532 patent/WO2015126459A1/en active Application Filing
- 2014-09-19 EP EP14882988.0A patent/EP3107451A4/en not_active Withdrawn
- 2014-09-19 CA CA2939920A patent/CA2939920A1/en not_active Abandoned
- 2014-09-19 EP EP18168090.1A patent/EP3366216A1/en not_active Withdrawn
- 2014-09-19 CN CN201480078041.0A patent/CN106413546A/zh active Pending
- 2014-09-19 MX MX2016010802A patent/MX2016010802A/es unknown
- 2014-09-19 SG SG11201606854YA patent/SG11201606854YA/en unknown
- 2014-09-19 KR KR1020167025603A patent/KR20160124179A/ko not_active Application Discontinuation
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106787118A (zh) * | 2017-03-03 | 2017-05-31 | 浙江水利水电学院 | 一种利用太阳能充电的动物监测项圈及其监测方法 |
CN107978344A (zh) * | 2017-11-20 | 2018-05-01 | 广州市健全家源信息科技有限公司 | 一种行为监管方法、装置及电子设备 |
CN108836296A (zh) * | 2018-03-26 | 2018-11-20 | 上海星瀚健身有限公司 | 智能健身方法及系统 |
CN115316991A (zh) * | 2022-01-06 | 2022-11-11 | 中国科学院心理研究所 | 一种激惹情绪的自适应识别预警方法 |
CN115316991B (zh) * | 2022-01-06 | 2024-02-27 | 中国科学院心理研究所 | 一种激惹情绪的自适应识别预警方法 |
CN115399785A (zh) * | 2022-08-30 | 2022-11-29 | 洲瓴(上海)医疗器械有限公司 | 一种心电信号的r波识别系统 |
Also Published As
Publication number | Publication date |
---|---|
CA2939920A1 (en) | 2015-08-27 |
KR20160124179A (ko) | 2016-10-26 |
EP3107451A1 (en) | 2016-12-28 |
WO2015126459A1 (en) | 2015-08-27 |
EP3107451A4 (en) | 2017-10-18 |
MX2016010802A (es) | 2017-04-13 |
EP3366216A1 (en) | 2018-08-29 |
SG11201606854YA (en) | 2016-09-29 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN106413546A (zh) | 健康监视器 | |
US20150119728A1 (en) | Health monitor | |
US11410765B2 (en) | Continuously wearable monitoring device | |
Chow et al. | Accuracy of step count measured by physical activity monitors: the effect of gait speed and anatomical placement site | |
JP2017506398A (ja) | 健康モニタ | |
Staudenmayer et al. | An artificial neural network to estimate physical activity energy expenditure and identify physical activity type from an accelerometer | |
Butte et al. | Assessing physical activity using wearable monitors: measures of physical activity | |
Evenson et al. | Review of validity and reliability of Garmin activity trackers | |
US8712108B2 (en) | Information processing apparatus, information outputting method and computer program storage device | |
Sasaki et al. | Measurement of physical activity using accelerometers | |
CN109745041A (zh) | 事件检测方法及设备、房颤检测方法和非暂时性存储介质 | |
CN104207761A (zh) | 心率数据收集 | |
CN104207756A (zh) | 可佩戴心率监视器 | |
EP3225167B1 (en) | Versatile sensors with data fusion functionality | |
Alvarez-Garcia et al. | A survey on energy expenditure estimation using wearable devices | |
Cvetković et al. | Towards human energy expenditure estimation using smart phone inertial sensors | |
CN106909800A (zh) | 一种智能鞋垫数据处理系统 | |
Lynn et al. | Step-counting validity of wrist-worn activity monitors during activities with fixed upper extremities | |
US20230000057A1 (en) | Method, system, and computer program product for monitoring state of animal and providing solution | |
Vehkaoja et al. | Tango TM Wellness Motivator for Supporting Permanent Lifestyle Change | |
Wright et al. | Articles in PresS. Am J Physiol Regul Integr Comp Physiol (January 4, 2017). doi: 10.1152/ajpregu. 00349.2016 | |
Chinrungrueng et al. | My Act: an automatic daily caloric estimation based on physical activity data using smartphones |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
WD01 | Invention patent application deemed withdrawn after publication |
Application publication date: 20170215 |
|
WD01 | Invention patent application deemed withdrawn after publication |