CN111655126A - 在移动设备上估计身体成分 - Google Patents

Abstract

提供了一种用于估计身体成分的方法，电子设备和非暂时性计算机可读介质。该方法包括从电子设备接收强制呼吸数据组。该方法还包括基于该强制呼吸数据组得出流速。该方法进一步包括基于强制呼吸数据组的得出的流速确定身体成分。

Description

在移动设备上估计身体成分

技术领域

本公开的实施例通常涉及确定身体成分。更具体地，本公开的各种实施例涉及通过肺功能测试来测量肺功能以使用强制呼吸技术确定身体组成。

背景技术

体重本身并不是身体健康的明确指示符，因为体重不能区分体脂质量和肌肉质量。因此，一个人的体重不被认为是确定该人整体健康状况的唯一测试，因为与一个超重的人相比，一个人的体重通常不能表明该人的身体是否健康。称为肥胖的医学病症是指个体脂肪过多而使该个体面临许多严重医学病症的风险的病症。

有强有力的证据将心血管疾病、糖尿病、某些形式的癌症以及许多其他疾病与肥胖联系起来。肥胖部分导致约一半的慢性疾病。体重本身并不是一个人是否肥胖的明确指示符。关检测于肥胖的健康管理中的常用方法是基于测量一个人的体重以及检查一个人的身材。腹部的大小或体重或两者都被广泛用作评估人的身材和体格的指标。例如，如果一个人A和一个人B的身高相同，如果人A的体重超过了人B的体重，那么在某些情况下，与另一个人B相比，人A的肥胖程度更高。

身体成分分析在识别某人肥胖方面起着至关重要的作用。身体成分包括识别肌肉质量、骨质量、器官质量、体脂肪质量等。分析一个人的身体成分通常可以证明一个人的身体健康水平以及一个人是否肥胖。检测肥胖的能力可以潜在地帮助该人避免与生活方式有关的疾病，从而保持健康。

发明内容

【解决问题的方法】

本公开的实施例提供了一种用于在移动设备上估计身体成分的系统和方法。

在第一实施例中，提供了一种用于确定身体成分的方法。该方法包括从电子设备接收强制呼吸数据组。该方法还包括基于该强制呼吸数据组得出流速。该方法进一步包括基于强制呼吸数据组的得出的流速确定身体成分。

在第二实施例中，提供了一种电子设备。该电子设备包括耦合到通信接口和存储器的至少一个处理器。所述至少一个处理器被配置为从电子设备接收强制呼吸数据组。所述至少一个处理器还被配置为基于该强制呼吸数据组得出流速。所述至少一个处理器还被配置为基于强制呼吸数据组的得出的流速确定身体成分。

在第三实施例中，提供了嵌入计算机程序的非暂时性计算机可读介质。该计算机程序包括程序代码，该程序代码在由至少一个处理器执行时使处理器从电子设备接收强制呼吸数据组；基于该强制呼吸数据组得出流速；和基于强制呼吸数据组的得出的流速确定身体成分。

根据以下附图、说明书和权利要求书，其他技术特征对于本领域技术人员而言是显而易见的。

在进行下面的详细描述之前，阐述整个专利文件中使用的某些单词和短语的定义可能是有利的。术语“耦合”及其派生词是指两个或更多个元件之间的任何直接或间接通信，无论这些元件是否彼此物理接触。术语“发送”、“接收”和“通信”及其派生词涵盖直接和间接通信。术语“包括”和“包含”及其派生词是指包括但不限于。术语“或”是包含性的，意味着和/或。短语“与……相关”及其派生词意指包括、被包括在其中、与之互连、包含、被包含在其中、与之连接、与之耦合、可通信、与之交错、并置、并列或与之类似、具有、拥有、具有属性、具有关系或与之具有关系等。术语“控制器”是指控制至少一个操作的任何设备、系统或其一部分。这样的控制器可以以硬件、或硬件和软件、和/或固件的组合来实现。与任何特定控制器关联的功能可以是本地或远程的集中式或分布式。短语“至少一个”当与项目列表一起使用时，意味着可以使用一个或多个所列项目的不同组合，并且可能只需要列表中的一个项目。例如，“A、B和C中的至少一个”包括以下任意组合：A；B；C；A和B；A和C；B和C；以及A和B和C。

此外，以下描述的各种功能可以由一个或多个计算机程序实现或支持，每个计算机程序由计算机可读程序代码形成并嵌入在计算机可读介质中。术语“应用程序”和“程序”是指一个或多个计算机程序、软件组件、指令集、过程、函数、对象、类、实例、相关数据或其一部分，适于在合适的计算机可读程序代码中实施。短语“计算机可读程序代码”包括任何类型的计算机代码，包括源代码、目标代码和可执行代码。短语“计算机可读介质”包括能够由计算机访问的任何类型的介质，例如只读存储器(ROM)、随机存取存储器(RAM)、硬盘驱动器、光盘(CD)、数字视频光盘(DVD)或任何其他类型的存储器。“非暂时性”计算机可读介质不包括传输暂时性电或其他信号的有线、无线、光学或其他通信链路。非暂时性计算机可读介质包括可永久存储数据的介质以及可存储数据并随后覆盖的介质，例如可重写光盘或可擦除存储设备。

贯穿本专利文件提供了其他某些单词和短语的定义。本领域普通技术人员应该理解，在很多情况下，即使不是大多数情况，这种定义也适用于这种定义的单词和短语的先前以及将来的使用。

附图说明

为了更完整地理解本公开及其优点，现在结合附图参考以下描述，其中相同的附图标记表示相同的部分：

图1示出了根据本公开的实施例的示例通信系统；

图2示出了根据本公开的实施例的示例电子设备服务器；

图3示出了根据本公开的实施例的示例电子设备；

图4示出了根据本公开的实施例的强制呼吸的身体成分分析设备的示例框图；

图5示出了根据本公开的实施例的呼吸信号的图形表示；

图6A、6B、6C和6D是示出根据本公开实施例的流量和容积曲线的图；和

图7示出了根据本公开的实施例的用于估计身体成分的方法。

具体实施方式

下面讨论的图1至图7以及用于描述本专利文件中的本公开的原理的各种实施例仅是示例性的，并且不应以任何方式解释为限制本公开的范围。本领域技术人员将理解，可以在任何适当布置的无线通信系统或设备中实现本公开的原理。

根据本公开的实施例，提供了用于确定身体成分的各种方法。身体成分用于描述人体内脂肪、骨骼、水和肌肉的百分比。性别、身高和体重相同的两个人可能会因身体成分的不同而看起来完全不同。例如，与脂肪组织相比，肌肉组织更致密并且在身体中占据的空间更少。

测量一个人的体重并不能代表该人身体成分的全部情况。例如，人的身体成分包括确定人的内脏脂肪的量。内脏脂肪是堆积在人腹部内部器官周围的脂肪。已知内脏脂肪的积累导致多种疾病，例如糖尿病、高血压和各种心脏疾病。与单纯测量人的体重相比，内脏脂肪是要追踪的重要得多的参数。出于这个原因，获取一个人身上的内脏脂肪量可以潜在地帮助个人避免与生活方式有关的疾病并保持良好的健康。

测量一个人内脏脂肪量的常用方法通常需要临床设置。例如，内脏脂肪可以使用皮褶卡尺和诸如磁共振成像(MRI)、X射线的各种成像设备来测量。皮褶卡尺基于通过卡尺在多个位置测量通过人皮肤的脂肪量来估计内脏脂肪量。这样的技术通常是昂贵的，轻度侵入性的，并且对于所测试的患者而言是不舒服的。

根据本公开的实施例，由于内脏脂肪引起的肥胖与肺功能之间存在直接关系。具体地，可以基于类似于肺活量测定测试期间使用的呼吸参数的呼吸参数来捕获对人的身体成分的估计。例如，由于内脏脂肪积聚在人的腹部区域的器官周围，由于内脏脂肪的增加，人的肺活量降低。通过捕获与用户的肺功能相关的各种强制呼吸参数，可以确定特定人具有的内脏脂肪量。通过确定一个人的内脏脂肪量，可以完成身体成分分析。

肺活量测定法是一种医学测试，旨在评估人的肺部功能和运作情况。例如，肺活量测定法测量人的肺功能，并且通常是诊断和管理诸如哮喘、慢性阻塞性肺病(COPD)、囊性纤维化等慢性肺部疾病的关键。肺活量测定法测量的是吸入和呼出的空气量以及人呼出的时间。在肺活量测定测试期间，个人会通过流量监测设备强行呼气，该流量监测设备会测量瞬时流量和累计呼出量。强行呼气被称为强制呼吸。

根据本公开的实施例，利用强制呼吸来确定用户的身体成分。当用户吸气以填充其肺部，然后快速呼出整个容量时，利用强制呼吸来确定用户的身体成分。如果用户具有积聚在腹部器官周围的内脏脂肪，内脏脂肪会产生阻塞，并妨碍人们进行到其最大能力的强制呼吸运动。

本公开的实施例提供了其中诸如移动设备的电子设备可以用作肺活量计并基于各种捕获的参数来计算身体成分的情况。在某些实施例中，电话被用来捕获通过电话麦克风的强制呼吸。可以提供其他信息，例如通过血氧饱和度(SpO2)传感器为用户提供的血氧水平、用户配置文件数据等。

图1示出了根据本公开的示例系统100。图1所示的系统100的实施例仅用于说明。在不脱离本公开的范围的情况下，可以使用系统100的其他实施例。

系统100包括网络102，该网络102促进系统100中各个组件之间的通信。例如，网络102可以在网络地址之间通信互联网协议(IP)数据分组、帧中继帧、异步传输模式(ATM)信元或其他信息。网络102包括一个或多个局域网(LAN)、城域网(MAN)、广域网(WAN)、全球网络(例如因特网的全部或部分或一个或更多地点处的任何其他通信系统。

网络102促进了各种服务器104和各种客户端设备106-114之间的通信。服务器104可以代表一个或多个服务器。每个服务器104包括可以为一个或多个客户端设备提供计算服务的任何合适的计算或处理设备。每个服务器104例如可以包括一个或多个处理设备、一个或多个存储指令和数据的存储器、以及一个或多个促进通过网络102通信的网络接口。

每个客户端设备106-114代表通过网络102与至少一个服务器或其他计算设备进行交互的任何合适的计算或处理设备，在此示例中，客户端设备106-114包括台式计算机106、移动电话或移动设备108(例如智能手机)、个人数字助理(PDA)110、膝上型计算机112和平板电脑114。但是，系统100中可以使用任何其他或附加客户端设备。

在该示例中，一些客户端设备108-114与网络102间接通信。例如，客户端设备108和110(分别为移动设备108和PDA 110)经由一个或多个基站116进行通信，例如蜂窝基站或eNodeB(eNB)。移动设备108包括智能电话和功能电话。智能电话代表一类移动设备108，其是具有移动操作系统和用于语音、短消息服务(SMS)和互联网数据通信的集成移动宽带蜂窝网络连接的手持设备。功能电话代表一类移动设备108，它们是基本电话和智能电话之间的中点。功能手机通常除了基本的多媒体和互联网功能外，还具有语音呼叫和短信功能。而且，客户端设备112和114(分别是膝上型计算机和平板计算机)经由一个或多个无线接入点118(诸如IEEE 802.11无线接入点)进行通信。注意，这些仅用于说明，并且每个客户端设备106-114可以直接与网络102通信，或者经由任何合适的中间设备或网络与网络102间接通信。

在某些实施例中，移动设备108(或任何其他客户端设备106-114)可以安全且有效地将信息发送到另一设备，例如服务器104。移动设备108(或任何其他客户端设备106-114)可以用作肺活量计以测量呼气，然后确定人的身体成分。移动设备108(或任何其他客户端设备106-114)可以触发其与服务器104之间的信息传输。移动设备108(或任何其他客户端设备106-114)可以提供实时、用户友好和无创的身体成分分析。

虽然图1示出了系统100的一个示例，可以对图1进行各种改变。例如，系统100可以以任何适当的布置包括任意数量的每个组件。通常，计算和通信系统具有各种各样的配置。图1不将本公开的范围限制为任何特定配置。而图1示出了一个操作环境，在该操作环境中可以使用本专利文件中公开的各种特征，这些特征可以在任何其他合适的系统中使用。

本公开中提供的过程和系统允许客户端设备或服务器估计身体成分。在某些实施例中，客户端设备(客户端设备106-114)可以确定人的身体成分。在其他实施例中，客户端设备(客户端设备106-114)接收用户的强制呼吸，并将数据转发到确定人的身体成分的服务器104。

图2和图3示出了根据本公开的实施例的计算系统中的示例设备。特别地，图2示出了示例服务器200，而图3示出了示例电子设备300。服务器200可以代表图1中的服务器104。电子设备300可以代表图1中的一个或多个客户端设备106-114。

服务器200可以代表一个或多个本地服务器、一个或多个身体成分估计服务器或一个或多个身体成分估计服务器中的呼叫。如图2所示，服务器200包括总线系统205，该总线系统205支持至少一个处理器210、至少一个存储设备215、至少一个通信接口220和至少一个输入/输出(I/O)单元225之间的通信。

处理器210执行可以存储在存储器230中的指令。处理器210可以以任何适当的布置包括任何适当数量和类型的处理器或其他设备。处理器210的示例类型包括微处理器、微控制器、数字信号处理器、现场可编程门阵列、专用集成电路和分立电路。

存储器230和永久性存储器235是代表能够在临时或永久性基础上存储和促进信息(例如数据，程序代码或其他合适信息)的检索的任何结构的存储设备215的示例。存储器230可以代表随机存取存储器或任何其他合适的易失性或非易失性存储设备。永久存储器235可以包含一个或多个支持长期数据存储的组件或设备，例如只读存储器、硬盘驱动器、闪存或光盘。

通信接口220支持与其他系统或设备的通信。例如，通信接口220可以包括便于通过网络102进行通信的网络接口卡或无线收发器。通信接口220可以支持通过任何适当的物理或无线通信链路的通信。

I/O单元225允许数据的输入和输出。例如，I/O单元225可以提供用于通过键盘、鼠标、小键盘、触摸屏或其他合适的输入设备的用户输入的连接。I/O单元225还可以将输出发送到显示器、打印机或其他合适的输出设备。

请注意，将图2描述为代表图1的服务器104，相同或相似的结构可以用于各种客户端设备106-114中的一个或多个中。例如，台式计算机106或膝上型计算机112可以具有与图2所示相同或相似的结构。

图3示出了根据本公开的实施例的电子设备300。图3中所示的电子设备300的实施例仅用于说明，并且在不脱离本公开的范围的情况下可以使用其他实施例。电子设备300可以具有多种配置。图3不将本公开的范围限制为电子设备的任何特定实现。在某些实施例中，图1中的一个或多个的设备104-114可以包括与电子设备300相同或相似的配置。

在某些实施例中，电子设备300可与例如估计身体成分的数据传输应用一起使用。电子设备300可以是移动通信设备，例如无线终端、台式计算机(类似于图1的台式计算机106)、移动设备(类似于图1的移动设备108)、PDA(类似于图1的PDA 110)、膝上型计算机(类似于图1的膝上型计算机112)、平板电脑(类似于平板计算机114)等。

如图3所示，电子设备300包括天线305、通信单元310、发送(TX)处理电路315、麦克风320和接收(RX)处理电路325。通信单元310可以包括例如RF收发器、BLUETOOTH收发器、WI-FI收发器、ZIGBEE、红外等。电子设备300还包括扬声器330、处理器340、输入/输出(I/O)接口345、输入350、显示器355、存储器360、传感器365和生物扫描仪370。存储器360包括操作系统(OS)361、应用362和用户数据363。

通信单元310从天线305接收从网络102(例如Wi-Fi、蓝牙、蜂窝、5G、LTE、LTE-A、WiMAX或任何其他类型的无线网络)的接入点(例如基站、Wi-Fi路由器、蓝牙设备)发送来的输入RF信号，例如蓝牙或WI-FI信号102。通信单元310可以将输入的RF信号下变频以生成中频或基带信号。中频或基带信号被发送到RX处理电路325，该RX处理电路325通过对基带或中频信号或其组合进行滤波、解码或数字化来生成处理后的基带信号。RX处理电路325将处理后的基带信号发送到扬声器330(例如用于语音数据)或处理器340以进行进一步处理(例如用于网页浏览数据和再发送(remittance))。

TX处理电路315从麦克风320接收模拟或数字语音数据，或者从处理器340接收其他输出基带数据。输出基带数据可以包括网络数据、电子邮件或交互式视频游戏数据。TX处理电路315对输出基带数据进行编码、复用、数字化或上述的组合，以生成经处理的基带或中频信号。通信单元310从TX处理电路315接收输出的经处理的基带或中频信号，并且将该基带或中频信号上变频为经由天线305发送的RF信号。

处理器340可以包括一个或多个处理器或其他处理设备，并执行存储在存储器360中的OS 361，以便控制电子设备300的整体操作。例如，处理器340可以根据公知原理来控制通信单元310、RX处理电路325和TX处理电路315进行前向信道信号的接收和反向信道信号的发送。处理器340还能够执行驻留在存储器360中的其他应用362，例如用于汇款(remittance)、欺诈检测等的一个或多个应用。

处理器340可以执行存储在存储器360中的指令。处理器340可以以任何适当的布置包括任何适当数量和类型的处理器或其他设备。例如，在一些实施例中，处理器340包括至少一个微处理器或微控制器。处理器340的示例类型包括微处理器、微控制器、数字信号处理器、现场可编程门阵列、专用集成电路和分立电路。

处理器340还能够执行驻留在存储器360中的其他进程和程序，例如通过提供图像捕获和处理来接收、存储和及时指令的操作。处理器340可以根据执行进程的需要将数据移入或移出存储器360。在一些实施例中，处理器340被配置为基于OS 361或响应于从eNB或运营商接收到的信号来执行多个应用362。处理器340还耦合到I/O接口345，该I/O接口345使电子设备300能够连接到例如客户端设备106-114的其他设备。I/O接口345是这些附件与处理器340之间的通信路径。

处理器340还耦合到输入350和显示器355。电子设备300的操作者可以使用输入350将数据或输入输入到电子设备300中。输入350可以是键盘、触摸屏、鼠标、轨迹球、语音输入或其他能够充当用户界面以允许用户与电子设备300交互的设备。例如，输入350可以包括语音识别处理，从而允许用户通过麦克风320输入语音命令。对于另一个示例，输入350可以包括触摸面板、(数字)笔传感器、按键或超声输入设备。触摸面板可以例如以电容方案、压敏方案、红外方案或超声方案中的至少一种方案来识别触摸输入。输入350可以通过向处理器340提供额外的输入来与传感器365和/或照相机关联。在某些实施例中，传感器365包括惯性传感器(例如，加速度计、陀螺仪和磁力计)、光学传感器、运动传感器、照相机、压力传感器、心率传感器、高度计、呼吸传感器(例如麦克风320)等。输入350还可包括控制电路。在电容方案中，输入350可以识别触摸或接近。显示器355可以是液晶显示器(LCD)、发光二极管(LED)显示器、光学LED(OLED)、有源矩阵OLED(AMOLED)或能够渲染例如来自网站、视频、游戏、图像等的文本和/或图形的其他显示器。

存储器360耦合到处理器340。存储器360的一部分可以包括随机存取存储器(RAM)，并且存储器360的另一部分可以包括闪存或其他只读存储器(ROM)。

存储器360可以包括永久性存储(未示出)，该永久性存储表示能够在临时或永久性基础上存储和促进信息(例如数据、程序代码和/或其他合适信息)的检索的任何结构。存储器360可以包含一个或多个支持长期存储数据的组件或设备，例如只读存储器、硬盘驱动器、闪存或光盘。存储器360还可以包含用户数据363，该用户数据363包括简档数据和用户历史数据。用户数据363还可以包含从传感器365接收的数据。用户数据363可以是传记(biographical)和生物统计数据。

电子设备300还包括一个或多个传感器365，其可以计量物理量或检测电子设备300的激活状态并将计量或检测的信息转换成电信号。在某些实施例中，传感器365包括惯性传感器(例如加速度计、陀螺仪和磁力计)、光学传感器、运动传感器、照相机、压力传感器、心率传感器、高度计、呼吸传感器(例如麦克风320)等。例如，传感器365可以包括一个或多个用于触摸输入的按钮(例如在头戴式耳机或电子设备300上)、相机、手势传感器、陀螺仪或陀螺仪传感器、气压传感器、磁传感器或磁力计、加速度传感器或加速度计、抓握传感器、接近传感器、颜色传感器、生物物理传感器、温度/湿度传感器、照度传感器、紫外线(UV)传感器、肌电图(EMG)传感器、脑电图(EEG)传感器、心电图(ECG)传感器、红外(IR)传感器、超声传感器、虹膜传感器、指纹传感器等。传感器365可以进一步包括用于控制包括在其中的传感器中的至少一个的控制电路。传感器365可以用于确定电子设备300的方向和朝向以及地理位置。这些传感器365中的任何一个可以位于电子设备300或与电子设备300通信中的另一电子设备内。

在某些实施例中，传感器365包括SpO 2传感器。SpO2传感器根据脉搏血氧饱和度测定法估算动脉血氧饱和度。例如，SpO2传感器通过估计动脉血中被氧饱和的血红蛋白分子的百分比来估算血氧饱和度。SpO 2传感器可以包括发光二极管，该发光二极管通过人的末端组织(例如手指、脚趾或耳朵)发出红色和红外光。施加部位的血液、组织和骨骼会吸收大量的光。一部分光穿过末端的血液、组织和骨骼。穿过末端的光被与光源相对的光敏检测器接收。光敏检测器测量红色和红外光的量，并计算吸收量。动脉血液是在短时间段内变化的唯一光吸收成分之一。短时间段内的动脉血量变化是由于心脏的搏动将血液泵入身体。SpO2传感器可以通过计算末端吸收的红色和红外光量的微小变化，将动脉血液与末端的其他成分隔离开。根据末端吸收的红光和红外光的变化，SpO2传感器可以估算动脉血的氧合水平。

在某些实施例中，传感器365包括雷达传感器。雷达传感器能够通过向目标发射电磁信号，然后检测从目标反射的电磁信号来确定有关目标的信息。例如，雷达传感器可以检测人的呼吸速率或人的呼吸模式或两者。雷达传感器检测人何时呼吸。雷达传感器甚至可以检测与每个检测到的呼吸相关的各种因子。例如，雷达传感器可以检测强制呼吸以及呼吸的幅度，例如在特定时间段内呼出的近似空气量。

尽管图2和图3示出了计算系统中的设备的示例，但是可以对图2和图3进行各种改变。例如，图2和图3中的各个组件可以被组合，进一步细分或省略，并且可以根据特定需要添加其他组件。作为特定示例，处理器340可以被划分为多个处理器，诸如一个或多个中央处理单元(CPU)和一个或多个图形处理单元(GPU)。另外，与计算和通信网络一样，电子设备和服务器可以具有多种配置。图2和图3的实施例不将本公开限制于任何特定的电子设备或服务器。

图4示出了根据本公开的实施例的强制呼吸身体成分分析设备的示例框图。图4所示的系统架构400的实施例仅用于说明。在不脱离本公开的范围的情况下，可以使用其他实施例。

系统架构400示出了本公开的实施例的高层概述，以检测和捕获用户的强制呼吸并从中确定身体成分。系统架构400示出了电子设备410。电子设备410可以被配置为类似于图1的一个或多个客户端设备106-114中的任何一个，并且，电子设备410可以包括类似于图3的电子设备300的内部组件的内部组件。在某些实施例中，电子设备410可以检测和捕获用户的强制呼吸并将数据发送到服务器(类似于图1的服务器104)以确定该人的身体成分。

在某些实施例中，电子设备410是类似于图1的移动设备108的移动电话。例如，电子设备410能够拨打和接收电话呼叫，发送和接收SMS文本消息，并且能够浏览互联网。例如，电子设备410可以是具有访问第三方应用的智能电话。对于另一实例，电子设备410可以是功能电话，其具有对电子设备的制造商适当的应用。在某些实施例中，电子设备410是类似于图1的台式计算机106、膝上型计算机112和平板计算机114的计算机设备。在某些实施例中，电子设备410是头戴式显示器，并且被用户佩戴。在某些实施例中，电子设备410是手表、腕带或健身追踪器。电子设备410包括信息存储库412、显示器414、接收器416、流速模块418和身体成分程序420。电子设备410还可以包括扬声器，提供触觉反馈并支持其他反馈技术。

可以使用本领域中已知的任何架构来实现信息存储库412，例如关系数据库、面向对象的数据库、一个或多个表或它们的组合。信息存储库326存储数据以通过包括身体成分程序420可以访问的查找表、数据库、图表、图形、函数、方程式等来辅助身体成分程序420确定用户的身体成分。信息存储库412包括用户简档数据，诸如人口统计数据或人口统计因子、性别、年龄、身高、医疗状况、健康因子、先前的身体成分分析、临床计算的参数(如果可用)等。医疗状况可以包括由医疗专业人员诊断的已知疾病和病症，其可以影响用户的接收数据以确定用户的身体成分。例如，用户仅具有单个肺或患有哮喘、COPD或其他与肺有关的疾病。健康因子可以从电子设备内的各种传感器接收或从第二设备接收。健康因子可以包括派生数据、用户输入的信息或与用户有关的接收数据或其组合。健康因子可以包括体育锻炼、睡眠方式、食物和饮料摄入量、压力水平等。例如，与电子设备410相关联的计步器可以用于测量用户在给定时间段内采取的步数。在另一个示例中，心脏监测器可以用于确定用户的活动水平。在另一个示例中，运动检测器可以用于确定用户的活动水平。可以将先前的身体成分分析和呼吸分析输入到信息存储库中作为身体成分程序420的基线，以更准确地确定用户的身体成分，更具体地确定用户具有的内脏脂肪的百分比。虽然在电子设备410中描绘，但是信息存储库412可以在服务器或远程服务器上，或者在由一个或多个网络互连的计算机的“云”上，该网络利用群集的计算机和组件充当无缝资源的单个池，可访问经由图1的网络102到达身体成分程序420。

显示器414类似于图3的显示器355。在某些实施例中，显示器414是单个显示器并且固定到电子设备。在某些实施例中，显示器414固定在头戴式显示器上，并且可以投影虚拟现实(VR)、增强现实(AR)等。在某些实施例中，显示器414是允许用户提供人口统计数据和附加信息以改善身体成分分析以及提供指导和身体成分分析结果的用户界面。例如，显示器414可以描绘从接收器416接收的数据的实时可视化。例如，如果接收器416类似于肺活量计，则显示器414可以示出图形表示(类似于如下所示的图5和图6A-6C的图)并实时显示了用户与理想呼吸相比的强制呼吸。通过将用户实时呼吸与理想呼吸一起示出，显示器414可以提供用户反馈和指导，以改善接收器416的数据获取。显示器414还可以描绘由身体成分程序420进行的身体成分分析的结果。

接收器416类似于图3的麦克风320或图3的传感器365或类似于两者。接收器416能够检测和捕获强制呼吸的各种参数。接收器416可以接收和捕获呼吸数据，类似于肺活量测定测试如何接收呼吸数据。在肺活量测试期间，用户用力通过诸如肺活量计的流量测量设备呼气。肺活量计可测量瞬时流量和累计呼出量。接收器416能够检测和捕获用户的用力呼吸的各种参数。当(i)用户吸入足够的空气以尽可能多地填充肺部，然后(ii)用户从肺部强行呼出全部空气时，就会发生用力呼气。如果在用户可以强制呼气的同时将接收器416定位成距用户的嘴一定距离，则接收器416可以检测到呼气。例如，在强制吸入之后，随着用户肺内的空气的全部容量耗尽，接收器416捕获快速且用力的呼气。在某些实施例中，接收器416与用户的嘴的距离是预定的。在其他实施例中，接收器416与用户的嘴的距离在每次接收到的强制呼吸之间是可变的。在某些实施例中，在强制呼吸和数据采集期间，接收器416与用户的嘴的距离是固定的。在某些实施例中，接收器416相对于用户的嘴的位置是预定的。

在某些实施例中，显示器414可以指导用户将接收器416相对于用户的嘴放置的适当距离。例如，显示器414可以指导用户调整接收器416相对于用户的嘴的距离。身体成分程序420使用电子设备410的内部传感器，通过识别电子设备410相对于以用户的肩膀为中心的身体坐标系的位置和方向，来测量接收器416和用户的嘴之间的几何距离。例如，当电子设备410被保持在用户的嘴前时，诸如加速度计，陀螺仪，磁力计之类的传感器(类似于图3的传感器365)提供了电子设备410相对于用户的肩膀的位置和方向信息。可以通过将电子设备410的位置和方向与上臂和前臂的长度以及用户的肩膀和嘴之间的距离包括在内，来估算嘴与接收器416之间的相对距离。用户的上臂和前臂的长度以及肩膀和嘴之间的距离可以根据基于用户的个人和人口统计学数据的近似值或由用户输入而预先确定。

在另一示例中，当电子设备410被定位成离嘴尽可能近时，诸如接触用户的下巴、胸部或嘴唇时，身体成分程序420利用强制呼吸模式的各个模板。强制呼吸模式的模板用作基线。一旦身体成分程序420学习了该强制呼吸模式，它就可以基于时间序列模式匹配算法(例如动态时间扭曲等)通过计算模板模式与当前呼吸模式之间的相似度来估计接收器416与用户之间的距离。

在某些实施例中，接收器416是麦克风，其接收诸如呼吸或语音数据的声波并将声波转换成电信号。具体而言，通过空气传播的声波以某种可测量的方式与麦克风内部的换能器相互作用。例如，对于压电麦克风，声波将压力施加到极化晶体上，使其产生电压。电压的这种变化是在晶体表面测得的。施加到晶体的压力越大，产生的电压越大。接收器416可以是类似于动态麦克风、电容麦克风、压电式麦克风等的麦克风。麦克风可以记录呼气并将其保存在信息存储库412中，并将音频数据发送到流速模块418或类似于图3的通信单元310的通信单元，和/或将音频数据发送到服务器(类似于图2的服务器200)以进行处理。

在某些实施例中，接收器416是发射并检测雷达信号的雷达传感器。雷达传感器可以通过向用户发射电磁信号，然后检测来自用户的反射电磁信号，来检测有关目标用户的信息。例如，雷达传感器可以检测人的呼吸速率和与其相关的参数。雷达传感器可以捕获呼气并将其保存在信息存储库412中，并且将数据发送到流速模块418或类似于图3的通信单元310的通信单元，和/或将音频数据发送到服务器(类似于图2的服务器200)以进行处理。

在某些实施例中，接收器416是红外检测器。红外检测器生成一个热图，该热图可以映射用户的强制呼气的各种参数。由于呼气温度与环境温度不同，因此红外检测器可以绘制一段时间内呼气的幅度和体积。红外检测器捕获呼出气并将其保存在信息存储库412中，并将数据发送到流速模块418或类似于图3的通信单元310的通信单元，将音频数据发送到服务器(类似于图2的服务器200)以进行处理。

在某些实施例中，接收器416可以包括SpO 2传感器，该SpO 2传感器可以检测用户的脉搏和血液的充氧。SpO2传感器根据脉搏血氧饱和度测定法估算动脉血氧饱和度。SpO2传感器还可以确定用户的脉搏。在某些实施例中，SpO 2传感器是光电容积描记(PPG)传感器。脉搏和血液的充氧可以用来识别用户可能遭受的各种呼吸状况或疾病。基于识别特定的呼吸障碍，可以基于从SpO2传感器接收的数据来改变与所接收的强制呼吸相关的一个或多个参数。通过改变与接收到的强制呼吸相关的一个或多个参数，身体成分分析被改变。即，SpO 2传感器可以向身体成分程序420提供附加信息以完善身体成分分析。可以将SpO2传感器捕获的血液读数的脉搏和氧合保存在信息存储库412中。身体成分程序420可以利用SpO2传感器捕获的血液读数的脉搏和氧合以完善与强制呼吸数据相关的多个参数，来准确确定身体成分。

在某些实施例中，接收器包括生物电阻抗分析仪(BIA)。BIA通过确定通过身体组织的电流的电阻抗来执行身体阻抗分析，然后身体成分程序420可以使用该电阻抗来估计用户体内的总身体水。在某些实施例中，电子设备410可以与腕带通信，该腕带通过电极向用户发射电流。如果在腕带内执行身体阻抗测量，则电子设备410可以接收用户的上半身的测量。由接收器416获取的呼吸参数由BIA测量值补充，从而允许身体成分程序420进一步完善用户的身体成分分析。

流速模块418确定与用户的强制呼吸相关的流速。在某些实施例中，流速模块418和身体成分程序420是电子设备410的单个组件。流速模块418从接收器416接收强制呼吸数据。如果接收器416包括麦克风，则流速模块418通过估计用户的呼气噪声和用户周围的环境噪声来计算呼气流速。例如，流速模块418可以确定在强制呼气期间空气离开用户的嘴时的压力变化。压力的变化可能与流量有关。

背景噪声(例如环境噪声)以及电子设备410与用户的嘴之间的距离会影响参数估计的准确性。在某些实施例中，当用户开始通过强制呼气测量身体成分时，身体成分程序420指示用户将电子设备420保持尽可能靠近用户的嘴。如上所述，身体成分程序420检测并得出电子设备410与用户的嘴之间的距离。如果距离大于阈值，则身体成分程序420可以向用户指示接收器416将被放置成更靠近用户的嘴。身体成分程序420可以通过显示器414、听觉通知等指示接收器416相对于用户的嘴的位置。在某些实施例中，用户的嘴与接收器416之间的距离是接触的或接近接触的。一旦将设备保持靠近用户的嘴，用户就执行强制呼吸。强制呼吸会产生呼气声，从而加重了所有背景和环境噪声(例如空调)中的大部分。

在某些实施例中，通过使用反向辐射建模来补偿由于用户的嘴与电子设备410(特别是接收器416)之间的非零距离(D)引起的气压损失。反向辐射建模还可以补偿在用户头部内部和周围引起的反射。从接收器416到用户的嘴的传递函数可以通过使用等式(1)来近似。

等式(1)：

在等式1中，c是声速，Chead是用户的头围。在某些实施例中，Chead被用户接收作为输入。在某些实施例中，基于用户的身高、体重和人口统计信息自动近似Chead。应用上述传递函数的逆函数可提供时域信号，可以使用低通滤波器对其进行滤波，以近似估算从嘴到设备麦克风的气压。

噪声参数可以通过多种方式进行分解。在某些实施例中，捕获的音频被分割成30ms帧(f)。例如，如果强制呼气持续长达8秒，则流速模块418将强制呼气分割成m＝266帧，其中266帧是单个测量窗口(w)。如果一个实施例使用16KHz采样率，则每个帧(f)将具有n＝800个采样。流速模块418按照

计算每个帧的均方根(RMS)值。然后，流速模块418通过使用等式(2)计算RMS比以从呼气窗识别噪声窗。

等式(2)：

在等式(2)中，

是指标函数，符号

是窗口w的平均RMS值。

等式(2)产生零到一之间的背景噪声。持续不断的背景噪音(例如电器)的例子下，等式(2)的结果接近于1。短期离散噪音的情况(例如门被敲)的例子下，等式(2)的结果接近于零。强制呼吸的呼气声介于两个极端之间，例如0.5。因此，可以通过在RMSratio(w)上使用适当的阈值来从分析中丢弃背景噪声，而与设备和嘴之间的距离无关。

在某些实施例中，流速模块418计算帧(fi)中的声信号的方差(vari)以排除背景噪声。方差反映了帧内音频幅度的扩散程度。例如，可以计算窗口(w)上的方差归一化以处理与噪声源具有不同方差的问题，例如，通过计算窗口(w)上的方差归一化可确保方差特征在消除强制呼吸信号中的噪音时更鲁棒。基于等式(3)执行归一化。

等式(3)：

基于等式(3)，大部分噪声窗口的归一化方差将低于特定阈值。在某些实施例中，该特定阈值为0.5。来自接收器416前面的强制呼气的音频信号具有比背景噪声更高的方差。因此，如果方差值低于特定阈值，则可以将该窗口作为噪声丢弃。

强制呼气产生的声音与呼气期间来自用户张口的气流成比例。随着肺部气压逐渐降低，流量随着呼气的进行而减少。随着肺气压的降低，随着呼气的进行，声能也会降低。因此，一旦识别了感兴趣的窗口，就可以通过包括时域包络计算、频域频谱图中的谐振跟踪或通过计算线性预测编码(LPC)系数和增益的几种方式将声音信号转换为呼吸信号。信号的上包络线可以是从接收器416前面张口呼出的气压的合理近似值，作为总信号功率的表示。在某些实施例中，谐振跟踪开始于在音频信号的重叠帧上计算FFT，并获取信号的幅度谱图。然后，可以通过计算每个帧中某个FFT阈值上的持续最大值来跟踪平均谐振。例如，持续最大值可以大于300ms，而阈值可以大于每个帧中FFT全局最大值的20％。线性预测编码算法可以应用于具有几个LPC模型阶数(例如2、4、8或16)的重叠帧。可以通过低通滤波器进一步完善处理后的信号，以更精确地提取流速特征。流速模块418然后可以提取每个音频帧的流速特征。此外，通过相对于时间对流进行积分来计算容积特征。最后，可以通过使用回归技术(例如袋装决策树)与一个或多个其他机器学习模型(例如条件随机场)相结合来进一步校准提取的呼吸特征。

如果接收器416包括雷达传感器，则流速模块418通过在用户呼吸时检测用户的胸部运动来计算呼出流速。如果接收器416包括红外检测器，则流速模块418通过导出温度梯度和与用户的每次呼吸相关的变化来计算呼出流速。

可以通过长度、容积、吸气量、呼气量等来监视呼吸功能。了解肺的流速可以说明有多少空气进入肺中，以及空气在肺中的吸入和呼出(气流)有多快。在某些实施例中，流速模块418在用户强行呼出空气时得出流速。流速模块418通过相对于时间帧计算与强制呼气相关的接收数据，分析呼气的频率并测量环境噪声来得出流速。流速模块418得出与强制呼气的容积和时间有关的强制呼吸的流速。例如，如图5所示，可以基于每个呼气相对于时间的导出的空气量将呼吸模式描绘为正弦函数。基于导出的流速，流量作为时间的函数，流速模块418可以得出与强制呼吸相关的附加信息。例如，流速模块418可以导出呼气的容积率，容积是时间的函数。对于另一个示例，流速模块418可以导出作为容积的函数的流量。图6A至图6D示出了由流速模块418得出的，作为容积的函数的流量的曲线图。

身体成分程序420通过外推和分析导出流速的各种强制呼吸参数来执行身体成分分析。流速模块418可以确定各种因子，例如强制肺活量(FVC)、呼气储备量(ERV)、一秒钟的强制呼气量(FEV1)和呼气峰值流量(PEF)等。FVC是强制呼吸期间总的呼出空气量。ERV是正常呼气和强制呼气之间保留在肺中的空气储备量之差。

FEV1是在强制呼气峰值后一秒钟内呼出的空气量。PEF是强制呼吸期间达到的最大流速。身体成分程序420可以利用检测到的FEV1、FVC以及FEV1和FVC的比率来量化由于肺部疾病和内脏脂肪引起的气流受限的程度。例如，如果用户具有积聚在腹部器官周围的内脏脂肪，则内脏脂肪会对强制呼吸产生阻塞，从而限制检测到的参数。然后，身体成分程序420识别并计算用户执行强制呼吸时的空气流量限制水平。强制呼吸比常规呼吸向身体成分程序420提供对内脏脂肪量的更准确的分析。

在某些实施例中，身体成分程序420接收附加数据以完善身体成分分析。例如，如果SpO2传感器指示低血液氧合，则身体成分程序420可以确定用户患有肺部疾病并且可以相应地完善参数。在另一个示例中，信息存储库412可以包括指示用户拥有的特定疾病或肺部疾病的信息。如果信息存储库412指示用户遭受的特定疾病或肺部疾病，则身体成分程序420可以利用该信息并相应地完善参数。

在某些实施例中，身体成分程序420通过建立和分析从捕获的数据预测身体脂肪百分比的回归模型来确定个体的成分。身体成分程序420可以通过合并来自用户的个性化数据以及先前的身体成分结果来个性化回归模型。来自用户的个性化数据可以包括用户的年龄、身高和性别。附加的个性化数据可以包括人的体重、人的病史、已知的肺部疾病等。

在某些实施例中，身体成分程序420另外访问健康和保健服务，以便为用户提供更全面的健康分析。例如，身体成分程序420可以经由用户的输入或从不同的应用接收与用户相关的医疗状况。健康因子也可以从电子设备410内的各种传感器接收或从例如血压计、体重计、身体活动监测器、睡眠监测器等的第二设备接收。基于所接收的健康因子，身体成分程序420可以向用户显示整体健康分析。在某些实施例中，身体成分程序420可以将身体成分分析发送到第三应用。

在某些实施例中，身体成分程序420将强制呼吸和身体分析的结果报告给用户。在某些实施例中，身体成分程序420将强制呼吸和身体分析的结果报告给用户的医疗提供者。在某些实施例中，医疗提供者将能够独立地回顾和理解身体成分程序420的决定的基础，以及对推送给用户的推荐采取的行动。

在某些实施例中，身体成分程序420可以产生潜在的运动方案(regiment)或食物推荐，或两者。在产生运动方案或食物推荐时，身体成分程序420可以利用由用户输入的，由诸如计步器之类的可穿戴设备收集的信息，结合临床设定的规程(卫生保健提供者规程)，以确保个性化、准确的推荐和调整。

图5示出了根据本公开的实施例的呼吸信号的图形表示。图5示出了曲线图500，其描绘了用户在一段时间内进行的一系列呼吸。在某些实施例中，接收器416是麦克风，并且捕获与包括强制呼吸的一系列呼气相关联的音频数据。流速模块然后使用线性预测分析来合成从接收器416接收的数据以提取呼吸信号501。呼吸参数集被识别和计算。参数可以包括(i)用户的总肺容量，(ii)用户的肺功能残留容量，(iii)FEV1，(iv)FRV，(v)FRC，(vi)ERV，(vii)PEF等。此后，正规化回归模型可以估计用户的身体脂肪。在特定实施例中，人的体脂百分比基于以下参数：(i)FVC，(ii)ERV，(iii)FEV1，(iv)FEV1与FVC的比率以及(v)PEF，个人的年龄和性别。根据各个参数的权重调整每个参数。例如，单个参数的权重是用于调整回归模型中每个参数的因子。每个参数的权重可以基于适当的梯度优化或最小二乘函数等来评估。可以基于个体的已知呼吸障碍来包括附加参数。

曲线图500描绘了总肺容量(TLC)510。TLC510是个体的肺的空气总容量。呼吸信号501描绘了每次呼吸期间相对于时间吸入和呼出的空气量，由接收器416捕获并由流速模块418导出。呼吸信号501是代表与用户呼吸时的时间相关的用户肺内空气量的正弦函数。

呼吸信号501包括五个呼吸，其中每个呼吸在吸气时开始并在呼气时结束。呼吸信号501由正弦函数表示，其中每个呼吸是正弦函数周期的一个周期。呼吸信号501随着每次呼吸期间肺内空气量的增加和减少而上升和下降。波峰502、503、504、505和506(呼吸信号501的最高点)是每次呼吸过程中吸入的最大容量，而波谷512、513、514、515、516和517(呼吸信号501的最低点)是在呼气过程中残留在肺中的空气残留容量。第一呼吸周期从波谷512开始，通过波峰502处的最大吸气，然后呼气开始并继续，直到呼气在波谷513处结束。第二呼吸周期从波谷513开始，通过波峰503处的最大吸气，并且然后呼气开始并继续，直到呼气在波谷514结束。第三呼吸周期从波谷514开始，通过波峰504处的最大吸气，然后呼气开始并继续，直到呼气在波谷515结束。第四呼吸周期从波谷515开始，通过波峰505处的最大吸气，然后呼气开始并继续，直到呼气在波谷516处结束。第五呼吸周期从波谷516开始，通过波峰506处的最大吸气，然后呼气开始并继续，直到呼气在517谷结束。

如上所述，第一，第二，第四和第五呼吸每个代表正常呼吸。如上所述，第三呼吸代表强制呼吸。在正常呼吸期间，波峰502、503、505和506处的吸入量与每次呼吸的近似水平近似相同。在这种正常呼吸期间，容积508是用户每次呼吸吸入或呼出的空气量。功能残余容量(FRC)530是正常吸气和呼气后留在肺中的残留空气量。例如，在正常呼气后，正常呼气后残留在肺内的FRC 530空气量。

与正常呼吸相反，强制呼吸会产生长深呼吸信号501，长深呼吸信号501在波峰504处具有最大容量，在波谷515处具有最小容量。在强制呼吸过程中，用户吸入尽可能多的空气以完全填满用户的肺。例如，当用户进行强制吸入时，用户可以将更多的空气吸入其肺部并将其肺部扩张至最大体积。如TLC 510所示，将用户的肺部填充到最大体积。容积524是肺部可以在FRC 530上方填充的空气体积。容积524、波峰504和TLC 510相同，如线522所指示的。从波谷514向波峰504吸气之后，用户迅速而强制地呼出尽可能多的空气，试图从肺中抽出空气。在强制呼吸过程中，FVC 520是用户快速爆发时呼出的空气总量。FVC 520代表深呼吸后可呼出的肺部空气量。时间526是一秒钟的时间间隔，该时间间隔是从强制呼吸的波峰504测量的。例如，从用户停止吸气并开始呼气的那一刻起就测量时间526。一秒钟的强制呼气量(FEV1)528表示一秒钟后呼出的空气量。

如曲线500所示，吸入在线522处达到最大容积，并且在强制残余量(FRV)532处达到最小容积。FRV 532是在完成强制呼吸后肺内空气的残余量。与正常呼吸过程中肺部残留的空气量相比，强制呼吸在肺部产生的空气更少。例如，就像FRV 532小于FRC530。呼气残留量(ERV)534是强制呼气和正常呼气之间的空气量之差。

在强制呼吸期间，肺中残留的空气比正常呼吸期间在肺中残留的空气要显著低。身体成分程序420可以分析FVC 520、FEV1 528、FRC 530和FRV 532，以确定身体成分。例如，呼吸受限可能是由于内脏脂肪过多。在某些实施例中，限制减小了FRC 530和FRV 532之间的差，该差实质上减小了ERV534。ERV534越小，则可以基于诸如年龄、身高和性别、已知呼吸障碍等多种因子来指示该人是否患有过量的内脏脂肪。堆积在人腹部周围的脂肪会对强制呼吸的努力产生障碍，而强制呼吸的参数可能会捕获严重偏差。

FVC 520和FEV1 528是两个测量值，指示用户的肺部功能。例如，信息存储库412可以包括基于给定人的年龄，性别和身高的给定人的可接受值的列表。如果由流速模块418为FVC 520和FEV1 528得出的值不在预定范围内，则身体成分程序420可以确定用户患有肺部或呼吸疾病。当身体成分程序420确定用户患有肺部疾病时，身体成分程序420可以调整一个或多个参数以确定用户的身体成分。在另一个示例中，FEV1 528/FVC 520的比率提供了肺功能的附加指示。具体而言，FEV1 528/FVC 520是一秒钟内可呼出的肺容量的百分比。如果该比率等于或大于预定值，则认为肺在正常范围内起作用。预定值基于个体的年龄、性别和身高。因此，如果身体成分程序420确定FEV1 528/FVC 520的比率低于预定值，则身体成分程序420可以在执行强制呼吸时识别出用户受到限制。该限制可以表明用户内脏脂肪过多以及呼吸障碍。身体成分程序420还可以基于FEV1 528与FVC 520的比率来确定限制的近似严重程度。在某些实施例中，当已知有关用户的最少信息时，身体成分程序420可以基于通用预定值来确定FVC 520是异常值。在某些实施例中，身体成分程序420可以确定FVC 520是异常值，并和与用户相关联的个性化数据进行比较来分析该值。例如，如果FVC 520是异常值，则其表明与肺功能相关的限制。如果用户没有肺部疾病的指示，则呼吸限制通常是由过多的内脏脂肪引起的。限制性肺部疾病可包括哮喘、肺气肿和COPD。

在某些实施例中，身体成分程序420可以利用如曲线500所示的数据来估计用户的身体成分。例如，身体成分程序420可以分析FVC 520、ERV 534、FEV1 528、FEV1 528与FVC520的比率、PEF、用户的年龄、用户的性别。每个变量都可以根据已知的病史、家族史、先前的身体成分分析以及其他接收到的信息(例如用户SpO2读数、BIA等)与权重参数相乘。在某些实施例中，身体成分程序420然后可以使用梯度下降优化来确定与上述变量相关联的权重参数，以量化用户的内脏脂肪。在某些实施例中，身体成分程序420然后可以使用平方函数来确定用户内脏脂肪的量。在某些实施例中，可以通过函数w0+w1*FVC+w2*ERV+w3*FEV1+w4*(FEV1/FVC)+w5*PEF+w6*age+w7*gender+...+ε来表示得出用户的身体脂肪百分比的用户的身体成分。在该函数中，wn表示回归模型中与用户关联的权重参数。类似地，变量ε是与该函数相关联的误差因子，以补偿诸如呼吸障碍等的一个或多个因子。在某些实施例中，身体成分程序420可以利用在训练有素的从业者的临床设施中收集的数据来确定用于个体的更准确、个性化的身体成分的每个变量。例如，临床肺活量计设备可用于校准特定个体的强制呼吸参数。在某些实施例中，身体成分程序420可以跟踪身体成分随时间的变化，并向用户警告用户身体成分的增加或减少趋势。在某些实施例中，可以传达趋势以帮助护理提供者创建或调整锻炼方案以改善用户的健康度。

图6A至图6D是示出根据本公开的实施例的流量和容积曲线的图。图6A示出了使用麦克风捕获的正常强制呼吸曲线的曲线图。图6B示出了阻塞的强制呼吸曲线的曲线图。图6C示出了限制性强制呼吸曲线的曲线图。图6D在一张曲线图上示出了图6A的正常强制呼吸曲线的图、图6B的阻塞的强制呼吸曲线的图和图6C示出了限制性强制呼吸曲线的图。

图6A示出了描绘用户采取的单次强制呼吸的曲线图601。接收器416捕获呼吸数据。在某些实施例中，流速模块使用线性预测分析来合成来自接收器416的数据以提取强制呼吸620。此后，正规化回归模型可以估计用户的身体脂肪。一旦确定了用户的身体脂肪，身体成分程序420就可以跟踪用户的身体脂肪百分比的变化。图6A示出了基线强制呼吸。具体地，曲线图601描绘了相对于正常强制呼吸620的容积的流速。

类似于图5的FVC 520，强制呼吸620的流速在PEF 610A达到峰值，然后减慢直到FVC 635A。线630指示FEV1的一秒时间标记，类似于图5的FEV1 528。强制呼吸620的斜率和形状可以分析强制呼吸的阻塞水平。

图6B示出了描绘用户采取的单次强制呼吸的曲线图602。具体而言，图6B示出了阻塞的强制呼吸。具体地，曲线图602描绘了相对于强制呼吸622的容积的流速，其由于过量的内脏脂肪而被稍微阻塞。类似于图5的FVC 520，强制呼吸622的流速在PEF 610A达到峰值，然后减慢直到FVC 635A。线630指示FEV1的一秒时间标记，类似于图5的FEV1 528。可以将强制呼吸622的斜率和形状与强制呼吸620的斜率和形状进行比较。与强制呼吸620相比，强制呼吸622具有更陡的斜率，其表明阻塞的强度。

图6C示出了描绘用户采取的单次强制呼吸的曲线图603。具体而言，图6C示出了受限的强制呼吸。具体地，曲线图602描绘了由于显着过量的内脏脂肪而被严重限制的相对于强制呼吸624的容积的流速。与图6A和6B的PEF610A的强制呼吸相比，强制呼吸624的流速在PEF 610B达到峰值。类似地，与图6A和6B的FVC 635A的强制呼吸相比，强制呼吸624的流速减慢直到FVC 635B。线630指示FEV1的一秒时间标记，类似于图5的FEV1 528。可以将强制呼吸624的斜率和形状与强制呼吸620和622的斜率和形状进行比较。与强制呼吸620和622相比，强制呼吸624具有明显更圆的形状并且具有最小的斜率，其表示限制。

提供图6D以在单个曲线图650上比较所有三个强制呼吸620、622和624。在某些实施例中，身体成分程序420可以将强制呼吸620用作基线。此后，对于每个未来接收到的强制呼吸，身体成分程序420可以将新接收到的强制呼吸与强制呼吸620进行比较。在某些实施例中，身体成分程序420可以在显示器414上显示多个强制呼吸，类似于图6D以提供用户多次强制呼吸的视觉比较。通过显示多个强制呼吸供用户观看，基于强制呼吸的形状向用户提供关于强制呼吸是在改善还是退化的视觉指示，这会增加或减少内脏脂肪。

图7示出了根据本公开的实施例的用于估计身体成分的方法。图7不将本公开的范围限定于任何特定实施例。尽管过程700描绘了一系列顺序的步骤，除非明确说明，否则不应从该顺序中得出有关执行的特定顺序，顺序执行步骤或其部分而不是同时或以重叠的方式执行，或所描述步骤的执行完全没有中间步骤或居间步骤的发生。为了便于说明，参考图2的服务器200、图3的电子设备300和图4的电子设备410描述了估计身体成分的方法。然而，过程700可以与任何其他合适的系统一起使用。

在框702中，身体成分程序420从接收器416接收强制呼吸数据。在某些实施例中，所接收的强制呼吸数据由麦克风捕获。在某些实施例中，所接收的强制呼吸数据由雷达检测器捕获。在某些实施例中，所接收的强制呼吸数据被与移动设备(类似于图1的移动设备108)相关联的麦克风捕获，并且通过电信系统被发送到服务器以进行处理，类似于服务中的呼叫。在某些实施例中，在执行强制呼吸时，所接收的强制呼吸数据伴随有用户的SpO2读数。在某些实施例中，所接收的强制呼吸数据与个人用户数据一起。个人用户数据可以包括习惯数据，例如用户的身体活动水平、压力水平、体重、身高、性别、食物摄入量、水摄入量、咖啡因量、睡眠量、睡眠质量等。在某些实施例中，接收到的强制呼吸数据还包括用户的BIA。

在框704中，身体成分程序420从在框702中接收到的强制呼吸中得出各种流速参数。例如，身体成分程序420得出与强制呼吸相关的各种参数，例如FVC 520、ERV 534、FEV1528、FEV1 528与FVC 520的比率以及PEF。在某些实施例中，身体成分程序420和流速模块是单个组件，然后身体成分程序420导出与强制呼吸相关的参数。在某些实施例中，身体成分程序420和流速模块418是分开的组件，并且流速模块418导出与强制呼吸相关的参数。

在框706中，身体成分程序420分析从接收到的强制呼吸中得出的参数，并确定与用户的内脏脂肪有关的身体成分。身体成分程序420将参数与任何附加接收到的数据合成，例如在执行强制呼吸时用户的SpO2读数、个人用户数据和用户的BIA。在某些实施例中，在确定用户的身体成分时考虑用户的体重。例如，用户的体重可用作影响强制呼吸和附加接收数据的每个参数的乘积因子。在某些实施例中，身体成分程序420基于与强制呼吸相关的参数来识别个体的呼吸障碍。在某些实施例中，身体成分程序可以基于接收到的SpO2数据来识别呼吸障碍。SpO2数据可以指示呼吸障碍，例如COPD、哮喘和其他多种肺部疾病。例如，患有COPD的个体与健康个体相比，其SpO2水平通常较低。当识别出个人的呼吸障碍时，身体成分程序420可以调整参数以考虑呼吸障碍来确定用户的身体成分。例如，如果FVC 520的参数不在与用户的特定年龄和性别相关的范围内，则身体成分程序420可以识别特定的呼吸障碍并调整身体成分分析以确定内脏脂肪的准确身体成分。

在某些实施例中，身体成分程序420可以向用户提供指导，以便接收准确的强制呼吸以进行分析。例如，类似于图6A，身体成分程序420可以显示理想的强制呼吸曲线的图像。身体成分程序420然后可以指示用户执行强制呼吸。当用户执行强制呼吸时，身体成分程序420可以指示用户离理想强制呼吸曲线的图像的显示有多近。在另一示例中，类似于图5或图6，身体成分程序420可以显示先前的强制呼吸曲线的图像。当用户正在执行强制呼吸时，身体成分程序420可以指示当前接收到的强制呼吸是否是先前强制呼吸的改进读数。

在某些实施例中，身体成分程序420可以跟踪用户的测量的身体成分。一旦检测到身体成分方面的变化，身体成分程序420就可以警告用户。例如，警告可以包括用户正在改善的通知。在另一示例中，警告可以包括向用户建议生活方式改善的通知，诸如提高用户的活动水平、减少饮食、采用更健康的生活方式等。

在某些实施例中，身体成分程序420是服务中的呼叫。例如，用户呼叫特定号码，并被提升为向电话的麦克风执行强制呼吸。个体的强制呼吸数据作为语音呼叫通过电信网络发送到接收器，该接收器是包括身体成分程序420的计算设备(类似于图1的服务器104和图2的服务器200)。身体成分程序420然后合成音频数据并提取各种强制呼吸参数。此后，身体成分程序420基于回归模型估计用户的身体脂肪。服务器中的呼叫可以提示用户输入基本生物学信息，例如个人的年龄、性别和体重。如果服务器中的呼叫提示用户输入基本生物学信息，则身体成分程序420基于为个体定制和个性化的回归模型来估计用户的身体脂肪。身体成分程序420然后可以通过电子邮件发送给用户或将结果的SMS消息发送给用户。

在某些实施例中，身体成分程序420可以接收BIA数据。可以从用户的手腕接收BIA数据。例如，用户可以佩戴腕带，该腕带包括用于检测用户阻抗的电极。在某些实施例中，导出的用户的BIA受限于用户的上身阻抗。身体成分程序420可以用BIA测量值补充导出的强制呼吸参数，以便确定更准确的身体成分。

在某些实施例中，身体成分程序420仅需要移动设备，类似于图1的移动设备108、图3的电子设备410和图4的电子设备410，以确定用户的身体成分。例如，不需要额外的设备来捕获强制呼吸并确定与其相关的各种参数。在某些实施例中，利用附加的设备或装置来增加身体成分分析的准确性。例如，BIA设备可用于提高身体成分分析的准确性。

尽管附图示出了用户设备的不同示例，但是可以对附图进行各种改变。例如，用户设备可以以任何适当的布置包括任意数量的每个组件。通常，附图不将本公开的范围限制为任何特定配置。此外，尽管附图示出了可以使用本专利文件中公开的各种用户设备特征的操作环境，但是这些特征可以用于任何其他合适的系统中。

本申请中的任何描述均不应理解为暗示任何特定元素、步骤或功能是必须包含在权利要求范围内的必要元素。专利主题的范围仅由权利要求书限定。此外，所有权利要求均无意援引35U.S.C.112(f)，除非确切的措词“用于…手段”是一个分词。使用其他任何术语，包括但不限于“机制”、“模块”、“设备”、“单元”、“组件”、“元素”，“元件”、“设备”、“机器”、“系统”、“处理器”或“控制器”“，申请人将权利要求中的理解为是指相关领域技术人员已知的结构，并且无意引用35USC 112(f)。

尽管已经利用示例性实施例描述了本公开，但是可以向本领域技术人员提出各种改变和修改。本公开旨在涵盖落入所附权利要求的范围内的这种改变和修改。

Claims (15)

1.一种确定身体成分的方法，该方法包括：

从电子设备接收强制呼吸数据组；

基于该强制呼吸数据组得出流速；和

基于强制呼吸数据组的得出的流速确定身体成分。

2.根据权利要求1所述的方法，其中，所接收的强制呼吸数据组来自麦克风和雷达检测器中的至少一个。

3.根据权利要求1所述的方法，其中，所述接收到的强制呼吸数据组来自服务中的呼叫，其中，所述服务中呼叫包括：从电话呼叫中接收所述强制呼吸数据组。

4.根据权利要求1所述的方法，还包括：

接收身体阻抗测量；

基于接收到的身体阻抗测量得出身体阻抗分析；和

进一步基于身体阻抗分析确定身体成分。

5.根据权利要求1所述的方法，还包括：

从SpO2传感器接收与电子设备相关联的SpO2数据组，同时接收该强制呼吸数据组；

基于所接收的SpO2数据组得出血液氧合水平；和

进一步基于得出的血液氧合水平确定身体成分。

6.根据权利要求5所述的方法，还包括：

基于接收到的SpO2数据组确定呼吸障碍；

基于呼吸障碍调整与得出的流速相关的一组参数；和

进一步基于调整后的参数组确定身体成分。

7.根据权利要求1所述的方法，还包括：

接收多个人口统计学因子；和

基于多个人口统计学因子，调整与得出的流速相关的一组参数。

8.一种电子设备，包括：

通信接口；

存储器；和

至少一个处理器，其耦合到通信接口和存储器，该至少一个处理器被配置为：

从电子设备接收强制呼吸数据组；

基于该强制呼吸数据组得出流速；和

基于强制呼吸数据组的得出的流速确定身体成分。

9.根据权利要求8所述的电子设备，其中，所述至少一个处理器还被配置为从麦克风和雷达检测器中的至少一个接收所述强制呼吸数据组。

10.根据权利要求8所述的电子设备，其中，所述至少一个处理器还被配置为从服务中的呼叫接收所述强制呼吸数据组，其中，所述服务中的呼叫包括：从电话呼叫接收所述强制呼吸数据组。

11.根据权利要求8所述的电子设备，其中，所述至少一个处理器还被配置为：

接收身体阻抗测量；

基于接收到的身体阻抗测量得出身体阻抗分析；和

进一步基于身体阻抗分析确定身体成分。

12.一种嵌入计算机程序的非暂时性计算机可读介质，该计算机程序包括计算机可读程序代码，当由至少一个处理器执行时，该计算机可读程序代码可使至少一个处理器执行以下操作：

从电子设备接收强制呼吸数据组；

基于该强制呼吸数据组得出流速；和

基于强制呼吸数据组的得出的流速确定身体成分。

13.根据权利要求12所述的非暂时性计算机可读介质，还包括程序代码，所述程序代码在由电子设备的所述至少一个处理器执行时使所述至少一个处理器执行以下操作：

从SpO2传感器接收与电子设备相关联的SpO2数据组，同时接收该强制呼吸数据组；

基于所接收的SpO2数据组得出血液氧合水平；和

进一步基于得出的血液氧合水平确定身体成分。

14.根据权利要求12所述的非暂时性计算机可读介质，还包括程序代码，所述程序代码在由电子设备的所述至少一个处理器执行时使所述至少一个处理器执行以下操作：

基于接收到的SpO2数据组确定呼吸障碍；

基于呼吸障碍调整与得出的流速相关的一组参数；和

进一步基于调整后的参数组确定身体成分。

15.根据权利要求12所述的非暂时性计算机可读介质，还包括程序代码，所述程序代码在由电子设备的所述至少一个处理器执行时使所述至少一个处理器执行以下操作：

接收多个人口统计学因子；和

基于多个人口统计学因子，调整与得出的流速相关的一组参数。

Images