CN107750139A - 用于区分对象的活动时间段和不活动时间段的装置、系统、方法和计算机程序 - Google Patents

用于区分对象的活动时间段和不活动时间段的装置、系统、方法和计算机程序 Download PDF

Info

Publication number
CN107750139A
CN107750139A CN201680034323.XA CN201680034323A CN107750139A CN 107750139 A CN107750139 A CN 107750139A CN 201680034323 A CN201680034323 A CN 201680034323A CN 107750139 A CN107750139 A CN 107750139A
Authority
CN
China
Prior art keywords
activity
threshold
period
unit
activity threshold
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.)
Granted
Application number
CN201680034323.XA
Other languages
English (en)
Other versions
CN107750139B (zh
Inventor
C·M·巴雷托
R·普廖里
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Koninklijke Philips NV
Original Assignee
Koninklijke Philips Electronics NV
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Koninklijke Philips Electronics NV filed Critical Koninklijke Philips Electronics NV
Publication of CN107750139A publication Critical patent/CN107750139A/zh
Application granted granted Critical
Publication of CN107750139B publication Critical patent/CN107750139B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

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
    • A61B5/08—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
    • A61B5/103—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
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/72—Signal processing specially adapted for physiological signals or for diagnostic purposes
    • A61B5/7235—Details of waveform analysis
    • A61B5/7264—Classification of physiological signals or data, e.g. using neural networks, statistical classifiers, expert systems or fuzzy systems
    • 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
    • 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
    • G16H40/67—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 remote operation
    • 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
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/08—Detecting, measuring or recording devices for evaluating the respiratory organs
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/48—Other medical applications
    • A61B5/4833—Assessment of subject's compliance to treatment

Abstract

本发明涉及用于区分对象的活动时间段和不活动时间段的装置(100)、系统(200)、方法(300)和计算机程序。输入单元(110)接收时间相关的活动数据(120)(例如，对应于活动水平)。活动阈值提供单元(130)提供针对所述对象的活动阈值(140)。活动评估单元(150)基于所述活动阈值(140)来对时间相关的活动数据(120)进行分类。所述活动阈值提供单元(130)针对所述对象单独地提供活动阈值(140)。本发明提供了一种的为患者定制针对活动时段和不活动时段的活动阈值(140)的方法。

Description

用于区分对象的活动时间段和不活动时间段的装置、系统、方 法和计算机程序
技术领域
本发明涉及用于区分对象的活动时间段和不活动时间段的装置、系统、方法和计算机程序。
背景技术
慢性阻塞性肺病(COPD)广义上是指通过增加通过肺的支气管的气流阻塞而引起不可逆的呼吸障碍的一组状况。为了提高COPD患者的生活质量并降低医疗成本，存在对支持COPD患者从医院到家中的需要。
与年龄相匹配的对照组相比，研究显示，临床上稳定的COPD患者由于他们的状况而在身体上显著较不活跃，并且在他们的身体活动上受到限制。身体活动监测器经常被用来估计日常身体活动水平。这些装置通常测量身体在一个，两个或三个轴上的加速度，并将其转化为对活动能量消耗的估计。具体而言，活动监测器的输出提供了关于与活动有关的能量消耗的信息。该输出继而表示佩戴所述活动监视器的对象进行的移动或身体活动的量。所述活动设备通常将测量的加速度转换成诸如以下某种输出：例如活动计数或卡路里。
遗憾的是，没有独特的测量单元用于借助于活动监视器来量化身体活动，而是每个设备基于多种算法来测量身体活动，并且每个设备以任意单位输出测量结果，其可以例如是任务代谢当量(MET)或活动计数或矢量幅值单位(反映加速度)。
M.Coronado等人的Journal of Cardiopulmonary Rehabilitation，第23卷，第357-364页(2003)中的文章“Walking Activity Measured by Accelerometry DuringRespiratory Rehabilitation”公开了在程序的第一天和最后一天并且针对十五名慢性阻塞性肺病患者和十名健康对象以不同的行走速度个体地校准加速度计，并且随后记录整天身体活动。数据被表达为在无活动、低水平活动和中等水平活动的花费的时间的百分比，其中，后者对应于通常的步行速度。
发明内容
本发明的目的是提供一种用于区分对象的活动时间段和不活动时间段的改进的装置，用于区分对象的活动时间段和不活动时间段的改进的系统，用于区分对象的活动时间段与不活动时间的改进的方法，以及用于区分对象的活动时间段和不活动时间段的改进的计算机程序。
在本发明的一个方面中，提供了一种用于区分对象的活动时间段和不活动时间段的装置。所述装置包括：输入单元，其用于接收所述对象的时间相关的活动数据，其中，所述时间相关的活动数据的特征在于所述对象在第一时间段期间的活动水平；活动阈值提供单元，其被配置为提供针对所述对象的活动阈值；以及活动评估单元，其被配置为基于所述活动阈值来对所述时间相关的活动数据进行分类。所述活动阈值提供单元被配置为针对所述对象单独地提供所述活动阈值。所述装置还包括活动阈值校准单元，所述活动阈值校准单元被配置为基于所述活动水平与预期活动水平的比较来对所述活动阈值提供单元进行校准。
本发明提供了一种为患者定制针对活动时间段和不活动时间段的阈值的方法，其与COPD患者的典型指南相兼容(并且可以应用于具有受限的运动能力的患者的其他组)。所述阈值因此可以用于区分不同强度水平的身体活动。然而，应该指出，区分活动时段和不活动期时段的概念也可以应用于不患有COPD的对象或者不具有受限的运动能力的对象。一般来说，不同类型的活动可以被分类为中等强度水平(例如家务)或强烈的强度水平(例如跑步)。在一个实施例中，值的范围被设置为临时阈值，并且基于来自活动监视器的数据来测量每个相应阈值之上的活跃段(bout)数量。术语“活跃段”通常指的是某件事情完成或发生的时间段。本文中的许多实施例是指“10分钟活跃段”，但实际时间段(即，十分钟，二十分钟等)可以基于例如对象的时间表来选择。例如，如果计划进行30分钟的跑步机锻炼，则人们将预期三个“活动的”10分钟活跃段的活动。如果计划行走60分钟，则人们将预期六个“活动的”10分钟活跃段的活动。使用已知的活跃段(基于患者的时间表)和测量的活跃段来对阈值进行校准以得到对患者独有的最终阈值。因此，本发明可以应用于各种类型的活动。
期望的活动水平可以对应于已知的活动水平。在一个实施例中，所述比较基于活动的在所述活动阈值之上的测得的活跃段(例如，如从活动监测器获得的)与例如基于对象的活动的时间表的已知“活动”活跃段之间的关系。任务代谢当量(MET)的概念通常用于为普通人群设定阈值和指南，其中，轻度、中度和剧烈的强度活动可以通过任务代谢当量中的能量消耗进行分类。例如，在3至6MET范围内的任何活动都被认为是“中等”，而任何高于6MET的活动都被认为是剧烈的。值得注意的是，MET估计通常适用于健康的成年人。中等强度的活动通常被定义为使对象移动足够快或足够强烈，以每分钟燃烧在安静地坐着时燃烧的能量的3到6倍的能量，或者在3到6MET的计量内的锻炼。剧烈强度的活动燃烧超过6MET。例如，以4.5至6.5公里/小时的行走被认为需要4MET，并且是中等强度的活动，而无论谁在进行所述活动。这对于一个健康的成年人来说可能是容易的，但是对于老年人来说较难。
如上所述，所述活动阈值提供单元被配置为针对对象单独地提供所述活动阈值。换句话说，本发明消除了对可应用于加速度数据的预定阈值的需要，但是提供了“患者定制的”阈值。当然，这并不意味着针对两个不同患者的活动阈值一定是不同的。而是，本发明提出评价对象的活动和能量消耗以评估对象适当的活动阈值，从而能够自动地确定对象在活动还是不活动。额外地和/或替代地，本发明提出评价对象的活动和能量消耗以评估对象适当的活动阈值，从而能够自动地确定对象是否正在以特定强度水平执行活动，诸如，如中等或剧烈。
在一个实施例中，所述装置还包括活动识别单元，所述活动识别单元被配置为识别所述对象的活动的类型。通过识别活动的类型(例如，身体觉醒，跑步机锻炼，力量锻炼，步行，臂部锻炼等)，进一步方便了校准，因为所述装置可以利用用于已知活动的典型活动水平。在一个实施例中，“已知”活动可以对应于由于例如对象的日程安排活动类型是已知的活动。在另外实施例中，所述装置还包括活动识别单元，所述活动识别单元被配置为识别所述对象的活动的类型；其中，所述活动类型被提供给所述活动阈值提供单元，其中，所述活动阈值是基于所述活动的类型提供的。
在另外的实施例中，所述装置还包括活动阈值校准单元，所述活动阈值校准单元被配置为基于所述活动水平与预期活动水平的比较来对所述活动阈值提供单元进行校准。其中，所述活动阈值校准单元包括回归分析单元，所述回归分析单元被配置为执行所述活动水平与所述期望活动水平之间的回归分析。在一个范例中，这对应于执行所述活动水平与所述预期活动水平之间的线性回归。
在另外的实施例中，所述装置还包括活动阈值校准单元，所述活动阈值校准单元被配置为基于所述活动水平与预期活动水平的比较来对所述活动阈值提供单元进行校准。其中，所述活动阈值校准单元包括接收器操作特性单元。例如，所述接收器操作特性单元可以被配置为在二元分类器系统的区分阈值改变时图示所述二元分类器系统的表现。接收器操作特性曲线是评估所述阈值的表现的工具。针对每个临时阈值确定敏感性、特异性、阳性和阴性预测值。数据的每个活跃段将被定义为活动的或不活动的。接收器操作特性曲线然后将评估每个临时阈值的表现，以对每个活跃段是活动的还是不活动的进行分类。
在另外的实施例中，所述装置还包括活动阈值校准单元，所述活动阈值校准单元被配置为基于所述活动水平与预期活动水平的比较来对所述活动阈值提供单元进行校准，其中，所述活动阈值校准单元包括回归分析单元，所述回归分析单元被配置为执行所述活动水平与所述期望的活动水平之间的回归分析；其中，所述回归分析提供多个回归参数，并且基于所述多个回归参数来提供所述活动阈值。
在另外的实施例中，所述装置还包括活动阈值校准单元，所述活动阈值校准单元被配置为基于所述活动水平与预期活动水平的比较来对所述活动阈值提供单元进行校准，其中，所述活动阈值校准单元包括回归分析单元，所述回归分析单元被配置为执行所述活动水平与所述期望的活动水平之间的回归分析；其中，所述回归分析提供多个回归参数，并且基于所述多个回归参数来提供所述活动阈值；其中，所述活动性阈值通过使与所述回归分析相关联的误差最小化来提供。所述误差可以对应于数据点离估计的曲线的偏移的平方和。
在另外实施例中，所述装置还包括活动识别单元，所述活动识别单元被配置为基于所述对象的平均能量消耗和能量消耗的范围来识别所述对象的活动的类型。例如，基于时间表和活动数据，人们可能会发现，具有100到150之间的活动计数的活动的活跃段有80％的可能被分类为慢跑。在相同的范例中，“慢跑”的活动因此将具有125的平均活动计数。
在另外的实施例中，所述活动阈值对应于所述对象正在执行基线活动期间的所述对象的平均能量消耗。在一个实施例中，所述基线活动对应于来自步行、慢跑、拉伸、游泳、跑步、瑜珈等的组中的至少一个。选择基线活动(例如步行)期间的平均能量消耗用作中等和剧烈活动之间的自然界限。如上所述，可以用于确定活动阈值的其他活动可能是慢跑、拉伸、游泳、跑步、瑜伽等。
在另外的实施例中，所述装置还包括活动阈值校准单元，所述活动阈值校准单元被配置为基于所述活动水平与预期活动水平的比较来对所述活动阈值提供单元进行校准，其中，所述预期活动水平是基于对象的时间表来确定的。所述对象的时间表可以对应于针对给定时间段的已知活动计划。例如，所述对象的时间表可以包括对象从上午9点到上午10点在跑步以及从下午1点到下等1：30在游泳的信息。由此，可以得出预期的活动水平。下表示出了基于时间表和活动数据的针对一些活动的平均值和标准差。
在另外的实施例中，所述时间相关的活动数据对应于作为在第一时间段期间收集的时间的函数的活动数据。
在本发明的另一方面中，提供了一种用于区分对象的活动时间段和不活动时间段的系统，所述系统包括：身体活动测量单元，其被配置为收集针对所述对象的时间相关的活动数据；以及所述装置；其中，所述装置的所述输入单元被配置为从所述身体活动测量单元接收所述时间相关的活动数据。
在一个实施例中，所述系统包括被配置为存储所述时间相关的活动数据的存储单元。通过提供存储单元，可以存储随时间变化的活动数据以供以后分析和再处理。还可以构想将活动数据直接传输给私人教练、护士和/或医生，然后他们可以对校准进行评估。
在本发明的另一方面中，提供了一种用于区分对象的活动时间段和不活动时间段的方法：所述方法包括以下步骤：接收所述对象的时间相关的活动数据，其中，所述时间相关的活动数据的特征在于所述对象在第一时间段期间的活动水平；提供针对所述对象的活动阈值；并且基于所述活动阈值对所述时间相关的活动数据进行分类。所述活动阈值是针对所述对象单独提供的。所述活动阈值基于所述活动水平与预期活动水平的比较而被校准。
在本发明的另一方面中，提供了一种用于区分对象的活动时间段和不活动时间段的计算机程序，所述计算机程序包括程序代码模块，当所述程序在控制用于区分对象的活动时间段和不活动时间段的装置的计算机上运行时，所述程序代码模块用于使所述装置执行用于区分对象的活动时间段和不活动时间段的所述方法的步骤。
将理解，根据权利要求1所述的用于区分对象的活动时间段和不活动时间段的装置，根据权利要求11所述的用于区分对象的活动时间段和不活动时间段的系统，根据权利要求13所述用于区分对象的活动时间段和不活动时间段的方法，以及根据权利要求14所述的用于区分对象的活动时间段和不活动时间段的计算机程序具有相似和/或相同的优选实施例，特别是，如从属权利要求中所定义的。
应该理解，本发明的优选实施例也可以是从属权利要求或以上实施例与各自的独立权利要求的任何组合。
本发明的这些和其他方面将根据下文描述的实施例变得显而易见，并且将参考下文描述的实施例得到阐述。
附图说明
在以下附图中：
图1示意性和示例性地示出了用于区分对象的活动时间段和不活动时间段的装置的实施例，
图2示意性和示例性地示出了用于区分对象的活动时间段和不活动时间段的系统的实施例，
图3示意性和示例性地示出了用于区分对象的活动时间段和不活动时间段的方法的实施例，
图4示出的表格具有针对不同对象的在一天中针对10分针间隔的身体活动中MET的百分之25，百分之30，百分之40，百分之50，百分之75，百分之80，百分之90和百分之95的范例，
图5示出了在肺康复期间的时间表的范例以及已知数量的“活动的”10分钟活跃段，其中，活动针对一天中的不同时间段被安排，并且
图6示意性和示例性地示出了用于区分对象的活动时间段和不活动时间段的方法的实施例。
具体实施方式
建议的最低运动量是每周至少五天30分钟的中等强度有氧运动，或每周至少三天20分钟剧烈有氧运动。身体活动是管理慢性阻塞性肺病(COPD)的重要工具。为了估计日常身体活动水平，经常使用身体活动监测器，但是遗憾的是，当使用这些活动监测器时，没有可以用来量化身体活动的强度和持续时间是否与指导方针一致的独特的测量单元。此外，由于一般较低水平的活动，检测中度至剧烈的身体活动在COPD患者中变得非常具有挑战性。而且，在COPD患者中被分类为中度至剧烈的强度可能不一定与健康对象相同。因此，需要定制的方案。
本发明涉及用于确定慢性疾病患者的活动和不活动的时间和强度的患者定制的方案，其与独立于所使用的设备的身体活动指南相容。
慢性阻塞性肺疾病(COPD)是一种进行性和不可逆转的疾病，其被过低地诊断，威胁生命，主要是干扰正常的呼吸。患有慢性阻塞性肺病的个体在运动过程中会出现严重的呼吸困难，从而导致一般的体力不足。随着情况逐渐恶化，日常活动，如步行，由于呼吸困难可能变得非常困难。
身体活动是管理COPD的重要工具。积极的生活方式和定期的身体活动已经显示与诸如运动能力和健康相关的生活质量的结果正相关。研究还示出，临床稳定的慢性阻塞性肺病与年龄相匹配的对照组相比，在身体上是不活跃的，并且由于他们的状况而在身体活动方面受到限制。
任务代谢当量(MET)是表示身体活动强度的生理度量。MET的概念通常用于为普通人群设定阈值和指南，其中，轻、中度和剧烈的强度活动可以通过任务代谢当量(MET)中的能量消耗进行分类。例如，在3至6MET范围内的任何活动都被认为是中等，而任何对应于多于6MET的活动都被认为是剧烈的。
身体活动测量单元(例如身体活动监测器)经常被用于估计每日身体活动水平。这些装置可以例如在一个，两个或三个轴(单轴，双轴或三轴活动监视器)上测量身体的加速度，并将所确定的加速度变换为对能量消耗的估计。遗憾的是，没有唯一的测量单元用于借助于活动监视器来量化身体活动，而是每个设备基于多种算法来测量身体活动，并且每个设备以任意单位输出测量结果，其可以例如是MET或活动计数或矢量幅度单位(反映加速度)。除非利用黄金标准方法(例如双重标记的水方法)测量平均代谢率来校准每个设备，否则处理是不切实际的，因为需要在实验室中进行，所以不可能知道通过使用这些任意单元执行的身体活动的强度的水平。
虽然给定的活动列表可以分为中等强度或剧烈强度类别(例如家务劳动和遛家畜是中等强度的体力活动，而跑步和登山则是剧烈的体力活动)，常规身体活动测量单元不能轻易检测所执行活动的类型。因此不可能评估实际的MET，或者近似地关联身体活动水平，因为活动的类型是未知的。
此外，由于COPD患者的运动能力较低，因而可能不适合使用这些阈值和指南对体力活动强度进行分类，以确定他们的活动期。对于运动能力受限的患者，患者定制的阈值将更合适。
本发明描述了一种用于确定具有慢性疾病的患者的活动和不活动时期的患者定制方法，特别是对于具有COPD患者，其与身体活动指南相兼容，与所使用的设备无关。
图1示意性和示例性地示出了用于区分对象的活动时间段和不活动时间段的装置100的实施例。装置100包括输入单元110，其用于接收所述对象的时间相关的活动数据120。时间相关的活动数据120的特征在于所述对象在第一时间段期间的活动水平。活动阈值提供单元130其被配置为提供针对所述对象的活动阈值140。活动评估单元150被配置为基于所述活动阈值140来对所述时间相关的活动数据120进行分类。活动阈值提供单元130被配置为针对所述对象单独地提供所述活动阈值140。
装置100还包括活动识别单元160，所述活动识别单元160被配置为识别所述对象的活动165的类型。在图1的实施例中，活动类型165被提供给所述活动阈值提供单元130，使得可以基于活动的类型165来提供活动阈值140。
装置100还包括活动阈值校准单元170，所述活动阈值校准单元170被配置为基于所述活动水平与预期活动水平171的比较来对所述活动阈值提供单元进行校准130。在图1的实施例中，活动阈值校准单元170包括任选的回归分析单元180a，所述回归分析单元180a被配置为执行所述活动水平与期望活动水平171之间的回归分析。回归分析单元180a被配置为提供多个回归参数，并且所述活动阈值140是基于所述多个回归参数来提供的。特别地，活动阈值140可以通过将与所述回归分析相关联的误差最小化来提供。活动阈值校准单元170可以额外地和/或替代地包括任选的接收器操作特性单元180b。任选的接收器操作特性单元可以被配置为在二元分类器系统的区分阈值改变时图示二元分类器系统的表现。接收器工作特性(ROC)曲线在检测活动的活跃段时评估不同阈值的性能。基于此评估，可以针对每个阈值计算灵敏度、特异性、阳性预测值(PPV)、阴性预测值(NPV)等。接收器操作特性曲线是评估所述阈值的表现的工具。针对每个临时阈值确定敏感性、特异性、阳性和阴性预测值。数据的每个活跃段将被定义为活动的或不活动的。接收器操作特性曲线然后将评估每个临时阈值的表现，以对每个活跃段是活动的还是不活动的进行分类。
活动识别单元160可以被配置为基于所述对象的能量消耗的范围和平均能量消耗来识别所述活动类型。活动阈值140可对应于所述对象在行走期间的时间段的平均能量消耗。如下面进一步详细说明的，所述预期活动水平基于所述对象的时间表来确定的。时间相关的活动数据120对应于在第一时间段期间收集的作为时间的函数的活动数据。
图2示意性和示例性地示出了用于区分对象的活动时间段和不活动时间段的系统200的实施例。系统200包括：被配置为收集所述对象的时间相关的活动数据120的身体活动测量单元210；以及装置100。装置100的输入单元110被配置为从身体活动测量单元210接收时间相关的活动数据120。系统200还可以包括被配置为存储时间相关的活动数据120的存储单元(未示出)。
图3示意性和示例性地示出了用于区分对象的活动时间段和不活动时间段的方法300的实施例。在步骤310中，所述方法包括接收针对所述对象的时间相关的活动数据120，其中，所述时间相关的活动数据120的特征在于所述对象在第一时间段期间的活动水平。在步骤320中，所述方法包括提供针对所述对象的活动阈值140。在步骤330中，所述方法包括基于所述活动阈值140来对所述时间相关的活动数据120进行分类。活动阈值140是针对所述对象单独地提供的。
在肺康复期间，患者遵循落入中等强度和剧烈强度的体力活动类别的特定活动时间表，并在整个时段持续佩戴身体活动测量单元，例如活动监测器。身体活动测量单元将逐分钟输出反映能量消耗的数据，例如以活动计数、卡路里、或MET。
在一个实施例中，基于活动数据的分布来提供用于识别“活动”时期的患者定制的阈值。肺康复期间活动数据的分布可以如下地使用：
对于每一位患者，计算在肺部康复期间由活动监测器给定的任意单位量化的活动水平的分布，间隔为“x”分钟，在下面的例子中使用了10分钟的时间间隔。
在图4中的表格中示出了针对不同的对象针对10分钟的间隔的身体活动的MET的百分之25，百分之30，百分之40，百分之50，百分之75，百分之80，百分之90和百分之95的一些范例。示出了整个康复时间的对象的平均MET值的分布。通过考虑百分比，可以设置初始临时阈值以用于进一步测试。对于患者P02，百分之50对应于0.39的中值MET值。换句话说，在康复期间的10分钟间隔的一半中，患者P02展示低于0.39的MET中值。
在肺康复中，每个患者都执行一定量的活动，因此在预定的中等强度和强烈强度活动中花费10分钟的活跃段次数是已知的。
图5示出了在肺康复期间的一周的时间表以及已知数量的“活动”10分钟活跃段，其中，两个组G3和G4的活动(例如，身体意识520，跑步机530，力量锻炼540，步行550，臂部锻炼560，运动570，放松580)被安排在一天中的不同的时段(例如，8:30-8:45，8:45-9:00等)(星期一M，星期二Tu，星期三W，星期四Th，星期五F)。在图5示出的范例中，在预定的中等和剧烈强度的活动中花费的10分钟活跃期的数量对应于大约上午12个活跃期以及下午5到8个活跃期。考虑到逐日的变化，在预定的中等强度和剧烈强度的活动中花费的10分钟活跃期相当于星期一，星期三，星期四和星期五约20个活跃期，并且星期二约17个活跃期。特别是，可以根据活动的类型和长度推断出活跃期的数量。例如，如果计划进行30分钟的跑步机锻炼，则人们将预期三个“活跃的”10分钟活跃段的活动。如果计划行走60分钟，则人们将预期六个“活跃的”10分钟活跃段的活动。
针对患者定制的“活动”阈值是这样的数字：高于该数字，被测量的活动可以被认为至少在中等强度水平。为了计算定制的阈值，通过迭代地将每个百分比设置为临时阈值，并且执行以下步骤，来将10分钟活动的已知次数与10分钟活动的测量的活跃期的次数进行比较。然而，应该理解的是，本实施例当然不限于10分钟的间隔，而是也可以设想其他时间段。
首先，对于每个临时阈值，计算在监视时间中在阈值之上的平均活跃期数量。其次，将在临时阈值之上的活跃期数量和已知的活动活跃期数量进行比较。第三，在已知的活动活跃期次数与测量的活动活跃期的次数之间进行回归分析，并计算回归参数。
额外地，可以计算已知的活动活跃期的次数与测量的活动活跃期的次数之间的百分比误差。
理想地，最佳阈值对应于1的斜率和等于零的误差。可以选择对应于“活动”和“不活动”之间的有区别的阈值，即，“活动”阈值可以被选择为给出最接近1的斜率并且给出最低误差的百分比。
过程600在图6中进一步示出。在步骤610中，提供活动的日程(例如，如图5所示的每周时间表)。在步骤620中，要求患者在整个监测期间内优选地持续地佩戴身体活动测量单元。在步骤630中，识别“x”分钟的活跃段，确定活动数据的分布，并计算相应的百分比。在步骤640中，将每个百分比设置为阈值，并计算超过阈值的“x”分钟活跃期的数量。例如，人们可以从最高的百分位数开始，并且进行到更低的百分比。人们也可以从最低的百分比开始，并且进行到更高的百分位数。在步骤650中，通过比较已知的(因为每周的时间表是已知的)或预期的“活动的”活跃段来测量“活动的”活跃段来校准百分比阈值。可以执行回归分析，目标是1的理想斜率和最小误差。在步骤660中，因此获得针对“活动”时段的定制的阈值。
在另一个实施例中，可以针对特定的中等/高强度活动来确定定制的阈值。基于患者的时间表，选择中等/高强度的活动，例如，如跑步。对于“x”分钟的活跃段，针对每个对象计算该活动的能量消耗的范围和平均能量消耗。落在指定范围之间的活动可以被归类为这种类型的活动(这里：跑步)。
在另外的实施例中，步行被用来确定合适的基线。在该程度上，从日程中可以识别发生行走的时间。在图5的范例中，对象在星期一，星期二，星期三和星期四在13：00到13：30的时间段期间步行。接下来，计算每个患者的平均能量消耗。平均能量消耗然后可以被设定为患者定制的针对步行的阈值。
在本文中，公开了一种系统，其将确定与身体活动的指南一致的活动时间和不活动时间，而与活动监测和输出测量无关。为了区分“活动”和“不活动”时段，可以使用一种算法来检测身体活动强度，并且将其关联到特定的强度水平上的特定类型的活动。
本发明可以用于基于健康生活中的身体活动的全球建议来评估身体活动表现。描述了一种将确定运动能力低于一般人群的人群(特别针对慢性疾病患者)的活动时间和不活动时间的系统。
本发明可以用作教练方案的一部分来确定和改善活动水平以及鼓励对象更加活跃。其特别针对在COPD中的使用设备，但也可以针对保持活跃是重要的其他慢性疾病使用。
本领域技术人员通过研究附图、公开以及权利要求书，在实践请求保护的本发明时，可以理解和实现对所公开实施例的其他的变型。
在权利要求书中，“包括”一词不排除其他元件或步骤，并且词语“一”或“一个”不排除多个。
单个单元或设备可能满足在权利要求中记载的若干项功能。尽管在互不相同的从属权利要求中记载了特定措施，但是这并不指示不能有利地使用这些措施的组合。
计算机程序可以存储/分布在适合的介质上，例如与其他硬件一起被提供或作为其他硬件的部分被提供的光学存储介质或固态介质，但是计算机程序也可以以其他形式分布，例如经由因特网或其他的有线或无线的电信系统分布。术语“计算机程序”也可以指嵌入式软件。
权利要求书中的任何附图标记都不应被解释为对范围的限制。
本发明涉及用于区分对象的活动时间段和不活动时间段的装置、系统、方法和计算机程序输入单元接收时间相关的活动数据(例如，对应于活动水平)。活动阈值提供单元提供针对所述对象的活动阈值。活动评估单元基于所述活动阈值来对时间相关的活动数据进行分类。所述活动阈值提供单元针对所述对象单独地提供活动阈值。本发明提供了一种的为患者定制针对活动时段和不活动时段的活动阈值的方法。

Claims (14)

1.一种用于区分对象的活动时间段和不活动时间段的装置(100)，所述装置(100)包括：
输入单元(110)，其用于接收针对所述对象的时间相关的活动数据(120)，其中，所述时间相关的活动数据(120)的特征在于所述对象在第一时间段期间的活动水平；
活动阈值提供单元(130)，其被配置为提供针对所述对象的活动阈值(140)；以及
活动评估单元(150)，其被配置为基于所述活动阈值(140)来对所述时间相关的活动数据(120)进行分类；
其中，所述活动阈值提供单元(130)被配置为针对所述对象单独地提供所述活动阈值(130)，
其中，所述装置(100)还包括活动阈值校准单元(170)，所述活动阈值校准单元被配置为基于所述活动水平与预期活动水平(171)的比较来对所述活动阈值提供单元(130)进行校准。
2.根据权利要求1所述的装置(100)，
其中，所述装置(100)还包括活动识别单元(160)，所述活动识别单元被配置为识别所述对象的活动的类型(165)。
3.根据权利要求2所述的装置(100)，
其中，所述活动的类型(165)被提供给所述活动阈值提供单元(130)，其中，所述活动阈值(140)是基于所述活动的类型(165)来提供的。
4.根据权利要求1所述的装置(100)，
其中，所述活动阈值校准单元(170)包括回归分析单元(180a)，所述回归分析单元被配置为执行所述活动水平与所述预期活动水平(171)之间的回归分析。
5.根据权利要求4所述的装置(100)，
其中，所述回归分析单元(180a)被配置为提供多个回归参数，并且所述活动阈值(140)是基于所述多个回归参数来提供的。
6.根据权利要求1所述的装置(100)，
其中，所述活动阈值校准单元(170)包括接收器操作特性单元(180b)。
7.根据权利要求2所述的装置(100)，
其中，所述活动识别单元(160)被配置为基于所述对象的能量消耗的范围和平均能量消耗来识别所述活动的类型。
8.根据权利要求1所述的装置(100)，
其中，所述活动阈值(140)对应于针对所述对象正在执行基线活动的时间段的所述对象的平均能量消耗。
9.根据权利要求1所述的装置(100)，
其中，所述预期活动水平是基于所述对象的时间表来确定的。
10.根据权利要求1所述的装置(100)，
其中，所述时间相关的活动数据(120)对应于在所述第一时间段期间收集的作为时间的函数的活动数据。
11.一种用于区分对象的活动时间段和不活动时间段的系统(200)，所述系统(200)包括：
身体活动测量单元(210)，其被配置为收集针对所述对象的时间相关的活动数据(120)；以及
根据权利要求1所述的装置(100)；
其中，所述装置(100)的所述输入单元(110)被配置为从所述身体活动测量单元(210)接收所述时间相关的活动数据(120)。
12.根据权利要求11所述的系统(200)，其中，所述系统包括存储单元，所述存储单元被配置为存储所述时间相关的活动数据(120)。
13.一种用于区分对象的活动时间段和不活动时间段的方法(300)；所述方法(300)包括以下步骤：
接收(310)针对所述对象的时间相关的活动数据(120)，其中，所述时间相关的活动数据(120)的特征在于所述对象在第一时间段期间的活动水平；
提供(320)针对所述对象的活动阈值(140)；并且
基于所述活动阈值(140)来对所述时间相关的活动数据(120)进行分类(330)；
其中，所述活动阈值(140)是针对所述对象单独地提供的；
其中，所述活动阈值(140)基于所述活动水平与预期活动水平(171)的比较而被校准。
14.一种用于区分对象的活动时间段和不活动时间段的计算机程序，所述计算机程序包括程序代码模块，当所述计算机程序在控制根据权利要求1所述的用于区分对象的活动时间段和不活动时间段的装置(100)的计算机上运行时，所述程序代码模块用于使用于区分对象的活动时间段和不活动时间段的所述装置(100)执行根据权利要求13所述的用于区分对象的活动时间段和不活动时间段的方法(300)的步骤。
CN201680034323.XA 2015-06-12 2016-06-13 用于区分对象的活动时间段和不活动时间段的装置、系统、方法和计算机程序 Active CN107750139B (zh)

Applications Claiming Priority (3)

Application Number Priority Date Filing Date Title
EP15171920 2015-06-12
EP15171920.0 2015-06-12
PCT/EP2016/063448 WO2016198685A1 (en) 2015-06-12 2016-06-13 Apparatus, system, method, and computer program for distinguishing between active and inactive time periods of a subject

Publications (2)

Publication Number Publication Date
CN107750139A true CN107750139A (zh) 2018-03-02
CN107750139B CN107750139B (zh) 2021-10-29

Family

ID=53483690

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201680034323.XA Active CN107750139B (zh) 2015-06-12 2016-06-13 用于区分对象的活动时间段和不活动时间段的装置、系统、方法和计算机程序

Country Status (6)

Country Link
US (1) US10905359B2 (zh)
EP (1) EP3308307A1 (zh)
JP (1) JP6826051B2 (zh)
CN (1) CN107750139B (zh)
RU (1) RU2726988C2 (zh)
WO (1) WO2016198685A1 (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109199355A (zh) * 2018-09-18 2019-01-15 深圳和而泰数据资源与云技术有限公司 心率信息检测方法、装置和检测设备

Citations (18)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US6139505A (en) * 1998-10-14 2000-10-31 Murphy; Raymond L. H. Method and apparatus for displaying lung sounds and performing diagnosis based on lung sound analysis
US20040111041A1 (en) * 2002-12-04 2004-06-10 Quan Ni Sleep detection using an adjustable threshold
JP2006516413A (ja) * 2002-12-13 2006-07-06 インターキュア リミティド 生体リズム的活動の有益な変更のための装置及び方法
CN102292025A (zh) * 2009-01-21 2011-12-21 皇家飞利浦电子股份有限公司 确定用户的能量消耗
CN102458246A (zh) * 2009-06-05 2012-05-16 皇家飞利浦电子股份有限公司 运动确定设备
CN102764111A (zh) * 2011-05-06 2012-11-07 精工爱普生株式会社 生物体信息处理装置
CN103118587A (zh) * 2010-08-09 2013-05-22 Mir医学国际研究有限公司 针对患有慢性呼吸系统疾病的患者的循证管理的用于监视并报告医学信息的便携式设备
US20130325404A1 (en) * 2010-09-30 2013-12-05 Fitbit, Inc. Methods and systems for interactive goal setting and recommender using events having combined activity and location information
CN103598888A (zh) * 2013-10-16 2014-02-26 东北大学 一种穿戴式人体运动状态数据监测系统及方法
US20140171749A1 (en) * 2012-12-19 2014-06-19 Elwha Llc Systems and methods for controlling acquisition of sensor information
CN103919536A (zh) * 2013-01-15 2014-07-16 飞比特公司 便携式生物计量监测装置及其操作方法
WO2014152395A1 (en) * 2013-03-15 2014-09-25 The Cleveland Clinic Foundation Self-evolving predictive model
CN104107134A (zh) * 2013-12-10 2014-10-22 中山大学 基于肌电反馈的上肢训练方法及系统
CN104159515A (zh) * 2012-02-21 2014-11-19 肌学协会研究所 用于评估人的上肢的远端运动技能的设备
CN104169922A (zh) * 2012-01-18 2014-11-26 耐克创新有限合伙公司 活动和不活跃监测
CN104287742A (zh) * 2014-10-17 2015-01-21 田俊 一种运动强度量化装置及应用
CN204233132U (zh) * 2014-07-25 2015-04-01 南京唐企医疗科技有限公司 运动能量监测仪
CN104519787A (zh) * 2012-06-04 2015-04-15 耐克创新有限合伙公司 具有使用多个传感器输入的能量消耗计算的健身训练系统

Family Cites Families (17)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US7676262B1 (en) 2004-04-20 2010-03-09 Pacesetter, Inc. Methods and devices for determining exercise compliance diagnostics
JP2008503268A (ja) 2004-06-18 2008-02-07 ヴィーヴォメトリックス インコーポレイテッド リアルタイム生理学的監視用のシステム及び方法
JP5417779B2 (ja) * 2008-09-18 2014-02-19 オムロンヘルスケア株式会社 活動量計
US8880377B2 (en) * 2008-12-22 2014-11-04 Polar Electro Oy Overall motion determination
JP6078339B2 (ja) * 2009-05-07 2017-02-08 ベラサイト インコーポレイテッド 甲状腺状態の診断のための方法および組成物
US8758262B2 (en) * 2009-11-25 2014-06-24 University Of Rochester Respiratory disease monitoring system
EP2539837A4 (en) * 2010-02-24 2016-05-25 Jonathan Edward Bell Ackland CLASSIFICATION SYSTEM AND METHOD
RU101347U1 (ru) 2010-07-21 2011-01-20 Андрей Викторович Демидюк Система контроля жизненно важных показателей здоровья и оказания экстренной помощи пациенту
JP2012024521A (ja) 2010-07-28 2012-02-09 Seiko Epson Corp 血糖値予測装置
JP2012040189A (ja) 2010-08-19 2012-03-01 Seiko Epson Corp 血糖値予測装置およびプログラム
US20120059664A1 (en) * 2010-09-07 2012-03-08 Emil Markov Georgiev System and method for management of personal health and wellness
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
JP5531369B2 (ja) * 2011-05-12 2014-06-25 株式会社日立製作所 生体データ処理システム、及び、生体データ処理方法
WO2013113036A1 (en) * 2012-01-26 2013-08-01 Healthmantic, Inc System and method for processing motion-related sensor data with social mind-body games for health application
EP2636361B1 (en) 2012-03-06 2022-03-30 Polar Electro Oy Exercise monitoring using acceleration measurement
WO2013142379A1 (en) * 2012-03-22 2013-09-26 The Regents Of The University Of California Devices, systems, and methods for monitoring, classifying, and encouraging activity
KR101625275B1 (ko) * 2013-02-22 2016-05-27 나이키 이노베이트 씨.브이. 활동 모니터링, 추적 및 동기화

Patent Citations (18)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US6139505A (en) * 1998-10-14 2000-10-31 Murphy; Raymond L. H. Method and apparatus for displaying lung sounds and performing diagnosis based on lung sound analysis
US20040111041A1 (en) * 2002-12-04 2004-06-10 Quan Ni Sleep detection using an adjustable threshold
JP2006516413A (ja) * 2002-12-13 2006-07-06 インターキュア リミティド 生体リズム的活動の有益な変更のための装置及び方法
CN102292025A (zh) * 2009-01-21 2011-12-21 皇家飞利浦电子股份有限公司 确定用户的能量消耗
CN102458246A (zh) * 2009-06-05 2012-05-16 皇家飞利浦电子股份有限公司 运动确定设备
CN103118587A (zh) * 2010-08-09 2013-05-22 Mir医学国际研究有限公司 针对患有慢性呼吸系统疾病的患者的循证管理的用于监视并报告医学信息的便携式设备
US20130325404A1 (en) * 2010-09-30 2013-12-05 Fitbit, Inc. Methods and systems for interactive goal setting and recommender using events having combined activity and location information
CN102764111A (zh) * 2011-05-06 2012-11-07 精工爱普生株式会社 生物体信息处理装置
CN104169922A (zh) * 2012-01-18 2014-11-26 耐克创新有限合伙公司 活动和不活跃监测
CN104159515A (zh) * 2012-02-21 2014-11-19 肌学协会研究所 用于评估人的上肢的远端运动技能的设备
CN104519787A (zh) * 2012-06-04 2015-04-15 耐克创新有限合伙公司 具有使用多个传感器输入的能量消耗计算的健身训练系统
US20140171749A1 (en) * 2012-12-19 2014-06-19 Elwha Llc Systems and methods for controlling acquisition of sensor information
CN103919536A (zh) * 2013-01-15 2014-07-16 飞比特公司 便携式生物计量监测装置及其操作方法
WO2014152395A1 (en) * 2013-03-15 2014-09-25 The Cleveland Clinic Foundation Self-evolving predictive model
CN103598888A (zh) * 2013-10-16 2014-02-26 东北大学 一种穿戴式人体运动状态数据监测系统及方法
CN104107134A (zh) * 2013-12-10 2014-10-22 中山大学 基于肌电反馈的上肢训练方法及系统
CN204233132U (zh) * 2014-07-25 2015-04-01 南京唐企医疗科技有限公司 运动能量监测仪
CN104287742A (zh) * 2014-10-17 2015-01-21 田俊 一种运动强度量化装置及应用

Non-Patent Citations (3)

* Cited by examiner, † Cited by third party
Title
MARCOS CORONADO ET AL.: "Walking Activity Measured by Accelerometry During Respiratory Rehabilitation", 《JOURNAL OF CARDIOPULMONARY REHABILITATION》 *
SANDROFF, B.M ET AL.: "Accelerometer cut-points derived during over-ground walking in persons with mild, moderate, and severe multiple sclerosis(Article)", 《JOURNAL OF THE NEUROLOGICAL SCIENCES》 *
王志勇: "动态体检在健康风险评估与健康管理中的应用研究", 《卫生职业教育》 *

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109199355A (zh) * 2018-09-18 2019-01-15 深圳和而泰数据资源与云技术有限公司 心率信息检测方法、装置和检测设备
CN109199355B (zh) * 2018-09-18 2021-09-28 深圳和而泰数据资源与云技术有限公司 心率信息检测方法、装置和检测设备

Also Published As

Publication number Publication date
JP6826051B2 (ja) 2021-02-03
JP2018524680A (ja) 2018-08-30
RU2726988C2 (ru) 2020-07-17
CN107750139B (zh) 2021-10-29
RU2018101142A3 (zh) 2019-12-18
US10905359B2 (en) 2021-02-02
EP3308307A1 (en) 2018-04-18
US20180168486A1 (en) 2018-06-21
RU2018101142A (ru) 2019-07-12
WO2016198685A1 (en) 2016-12-15

Similar Documents

Publication Publication Date Title
Migueles et al. Accelerometer data collection and processing criteria to assess physical activity and other outcomes: a systematic review and practical considerations
Trost et al. Artificial neural networks to predict activity type and energy expenditure in youth
Dannecker et al. A comparison of energy expenditure estimation of several physical activity monitors
Aguilar-Farías et al. ActiGraph GT3X+ cut-points for identifying sedentary behaviour in older adults in free-living environments
Pitta et al. Activity monitoring for assessment of physical activities in daily life in patients with chronic obstructive pulmonary disease
CN108135548A (zh) 用于监测压力状态的方法和系统
CN108366763A (zh) 用于评估精神状态的方法和系统
Banerjee et al. Validating a commercial device for continuous activity measurement in the older adult population for dementia management
Orme et al. 24-hour accelerometry in COPD: exploring physical activity, sedentary behavior, sleep and clinical characteristics
KR20190115978A (ko) 운동 능력 파라미터들에 기초한 노쇠 정도 측정기
DasMahapatra et al. Free-living physical activity monitoring in adult US patients with multiple sclerosis using a consumer wearable device
Andersson et al. Accuracy of three activity monitors in patients with chronic obstructive pulmonary disease: a comparison with video recordings
Calabro et al. Validation of a computerized 24-hour physical activity recall (24PAR) instrument with pattern-recognition activity monitors
Farrahi et al. Joint profiles of sedentary time and physical activity in adults and their associations with cardiometabolic health
Sotirakis et al. Identification of motor progression in Parkinson’s disease using wearable sensors and machine learning
CN107750139A (zh) 用于区分对象的活动时间段和不活动时间段的装置、系统、方法和计算机程序
Kalogiannis et al. Geriatric group analysis by clustering non-linearly embedded multi-sensor data
Puterman et al. Move more, move better: A narrative review of wearable technologies and their application to precision health.
Tracy et al. Identifying bedrest using 24-h waist or wrist accelerometry in adults
Altenbuchner et al. Exploratory Analysis of Motion Tracking Data in the Rehabilitation Process of Geriatric Trauma Patients.
Moreau et al. Overview on wearable sensors for the management of Parkinson’s disease
KR101469353B1 (ko) 운동량 기반의 우울증 환자 상태 분석 방법 및 그 장치
Daniel et al. Validity study of a triaxial accelerometer for measuring energy expenditure in stroke inpatients of a physical medicine and rehabilitation center
CN114999647A (zh) 一种基于大数据的智慧健康监测方法及系统
CN108600361B (zh) 一种体育活动监测方法及系统

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant