CN112040855A - 用于确定受行为影响的活动对用户的健康水平的影响的方法和设备 - Google Patents

用于确定受行为影响的活动对用户的健康水平的影响的方法和设备 Download PDF

Info

Publication number
CN112040855A
CN112040855A CN201880093056.2A CN201880093056A CN112040855A CN 112040855 A CN112040855 A CN 112040855A CN 201880093056 A CN201880093056 A CN 201880093056A CN 112040855 A CN112040855 A CN 112040855A
Authority
CN
China
Prior art keywords
user
activity
parameter
activity parameter
calculating
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
Application number
CN201880093056.2A
Other languages
English (en)
Inventor
马蒂亚·扎农
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.)
Biosay Pte Ltd
Original Assignee
Biosay Pte Ltd
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 Biosay Pte Ltd filed Critical Biosay Pte Ltd
Publication of CN112040855A publication Critical patent/CN112040855A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • 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
    • A61B5/0205—Simultaneously evaluating both cardiovascular conditions and different types of body conditions, e.g. heart and respiratory condition
    • 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
    • A61B5/02405—Determining heart rate variability
    • 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
    • A61B5/02—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
    • A61B5/02438—Detecting, measuring or recording pulse rate or heart rate with portable devices, e.g. worn by the patient
    • 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
    • A61B5/02444—Details of sensor
    • 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
    • A61B5/48—Other medical applications
    • A61B5/4806—Sleep evaluation
    • A61B5/4809—Sleep detection, i.e. determining whether a subject is asleep or not
    • 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
    • A61B5/6802—Sensor mounted on worn items
    • A61B5/681—Wristwatch-type devices
    • 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
    • A61B5/6813—Specially adapted to be attached to a specific body part
    • A61B5/6824—Arm or wrist
    • 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
    • A61B5/7246—Details of waveform analysis using correlation, e.g. template matching or determination of similarity
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/74—Details of notification to user or communication with user or patient ; user input means
    • A61B5/742—Details of notification to user or communication with user or patient ; user input means using visual displays
    • 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
    • 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

Abstract

公开了一种用于确定用户的活动对用户的健康水平的影响的方法和装置。该方法和装置基于使用心跳传感器(10)测量用户的心跳信号，并根据用户的心率变异性计算用户的健康水平(H)。此外，使用加速度传感器(16)测量用户的运动信号。计算若干活动参数(Pi)。第一活动参数(P1)取决于用户的睡眠量。第二活动参数(P2)取决于用户所行的步数。可以使用进一步的活动参数。根据该数据，使用拟合函数来确定系数(Ci)，该系数(Ci)指示健康水平(H)对每个活动参数的依赖强度。心跳传感器(10)可以包括光学反射传感器。

Description

用于确定受行为影响的活动对用户的健康水平的影响的方法 和设备
技术领域
本发明涉及一种用于确定受行为影响的活动对用户的健康水平的影响的方法和设备。
背景技术
众所周知，人的健康取决于其所参与的活动。例如，充足的睡眠(作为一种活动)对人的健康水平是有益的，并且每天进行大量的体力活动(作为另一种活动)也是有益的。其他类型的活动可以例如包括体育锻炼(不仅仅是散步)或非睡眠放松(休息而无需实际睡觉)。
人的健康可以由一个合适的参数来表征。这种参数的一个示例是在US 7330752中所描述的“累计资源(Accumulated_resources)”参数，该参数可以从心率变异性(HRV)中导出。
发明内容
本发明要解决的问题是提供一种允许改善人的健康水平的方法和设备。
通过独立权利要求的方法和设备来解决这个问题。
因此，用于确定用户的行为相关活动对用户的健康水平的影响的方法，至少包括以下步骤：
-使用心跳传感器测量用户的心跳信号：该信号例如允许至少测量用户的心率、心跳间隔和/或单个脉搏的形状；
-根据心跳信号，计算用户的健康水平H：该健康水平H取决于用户的心率变异性。心跳信号用于计算健康水平H；
-测量运动信号：待由用户穿戴的加速度传感器用于测量运动信号；
-计算若干(即，两个或更多)活动参数Pi，其中，i＝1...N并且N>1，该步骤至少包括如下计算第一活动参数和第二活动参数：
a)至少使用运动信号来计算第一活动参数P1，并且该第一活动参数P1取决于用户在第一时间段中的睡眠量以及可选的睡眠质量；
b)也至少从运动信号计算第二活动参数P2，并且该第二活动参数P2取决于用户在第二时间段内所行的步数(第一时间段和第二时间段可以相等、也可以不相等)；
-多次存储健康水平和活动参数Pi，作为数据集，该数据集描述了若干次(具体地，在若干天的时间段内)的健康水平H对活动参数Pi的关系；
-模型函数H＝H(Pi，aj)的功能参数aj与数据集拟合，其中，j＝1...M，(具体地，M≥N)；
-从功能参数aj导出活动系数Ci，其中，i＝1...N，并且Ci取决于模型函数H(Pi，aj)相对于活动参数Pi的导数δH/δPi。
本发明基于这样的理解，即所述导数以及系数Ci描述了健康水平H对于个体活动参数Pi的依赖强度。因此，活动系数Ci的知识使用户认识到他们的健康水平对例如睡眠量的依赖强度以及对其他活动的依赖强度。这允许更好地调整用户的行为，以便优化健康水平。例如，如果发现对睡眠的依赖较强，但对步数的依赖较弱，则用户可以集中精力于获得更多的睡眠。
有利地，系数Ci互归一化。在这种情况下，如果用典型值(例如，当前值或平均值)或活动参数Pi的典型方差来缩放系数，则这些系数被理解为归一化。这允许将活动系数Ci彼此直接比较。
如何计算互归一化的活动系数Ci的示例包括使用归一化的导数和/或使用互归一化的活动参数Pi。
活动参数Pi是用户可以有意识地影响并因此取决于用户行为的参数，例如，睡眠和步数。下面描述了其他一些可能性。
在一个实施例中，该方法包括使用运动信号和心跳信号计算第三活动参数P3的步骤，该第三活动参数P3取决于所述用户在第三时间段内的非睡眠放松量(例如，如US73330752的第1列和第2列所定义)。
在另一实施例中，该方法包括使用运动信号和心跳信号计算第四活动参数P4的步骤，该第四活动参数P4取决于用户在第四时间段内的心肺运动量。在该上下文中，心肺运动被理解为比单纯步行更剧烈的运动。这种心肺运动可以例如包括跑步、游泳、骑自行车、繁重的家务活以及通常任何提高心肺健康的活动。
在一个实施例中，通过借助于用户穿戴的第一装置来执行测量心跳信号和运动信号以及导出所述活动系数Ci的步骤。另一方面，在单独的第二装置上显示活动系数Ci。因为由用户可穿戴装置执行计算任务，而在单独的第二装置上进行显示，所以这允许降低可穿戴装置上的功耗。
具体地，第一装置可以绕用户的手臂(具体地，他的上臂)穿戴，而第二装置可以例如是智能手机、平板电脑或计算机。
本发明还涉及一种用于确定用户的活动对用户的健康水平的影响的设备，该设备适于执行本文描述的方法。
具体地，这种设备的心跳传感器包括
-光源：光源可以被配置为将光发送到用户的组织中。
-光检测器：光检测器可以被配置为当光从组织反射时接收来自光源的光。
在这种情况下，光源可以布置在光检测器的中心，并且光检测器可以围绕光源。这种设计增加了装置的灵敏度。此外，因为光检测器检测到在许多方向上散射的光，因此该设计提高了测量的准确性。如果组织不均匀(例如，由于血管、肌肉结构和/或皮肤的不均匀性)，则这就很重要。
附图说明
当考虑到下面对本发明的详细描述时，将更好地理解本发明，并且除了上面阐述的目的之外的目的将变得显而易见。本说明书参考附图，其中：
图1示出用于确定用户的活动对他的健康水平的影响的设备；
图2示出图1的可穿戴装置的面向用户的一侧；
图3示出图1的可穿戴装置的电路框图；
图4示出该设备的功能框图；
图5示出活动分类器的流程图；
图6示出第一映射函数mH；以及
图7示出第二映射函数mP。
具体实施方式
设备：
图1的设备包括第一用户可穿戴装置1和第二装置2。
用户可穿戴装置1例如包括壳体3和用于将壳体3附接到手臂或腿上的带4。有利地，用户可穿戴装置1被设计成穿戴在用户的上臂上。
例如，用户可穿戴装置1基本上可以被设计为WO2011094876中描述的装置。
有利地，用户可穿戴装置2不包括显示器。任何显示功能都委托至第二装置2。
第二装置2可以例如是智能手机、平板电脑或计算机。该第二装置2具有显示器5(诸如，触摸屏)以用于显示信息，并且可选地，用于从用户接收输入。
无线通信信道6可以用于第一装置1与第二装置2之间的通信。例如，这种通信可以使用蓝牙标准。
虽然第二装置2可以是运行用于显示来自用户可穿戴装置1的结果的专用应用程序的标准硬件，但是将在下一节中更详细地描述使用专用硬件的用户可穿戴装置1。
用户可穿戴装置：
图2从面向用户的一侧示出用户可穿戴装置1的壳体3。设计带4以使得该侧可以整齐地贴在用户的皮肤上。
如所示出，用户可穿戴装置可以包括设置在面向用户一侧的光学传感器10。该光学传感器10是具有光源11和光检测器12的反射计传感器。
在一个有利的实施例中，光源11例如包括一个或多个LED。光检测器12是环形。该光检测器12可以包括单个环形传感器区域或排列成圆形的多个离散的光检测器12。光源11设置在光检测器12的中心，并且光检测器12围绕光传感器11。如上所述，这样的设计更灵敏，并且产生更可靠的结果。
有利地，光学传感器10在三个波长下操作，一个在绿色光谱区，一个在红色光谱区，以及一个在近红外光谱区。然而，根据所需的测量范围，也可以仅在单个波长或波长区内操作。在本发明的上下文中，该光学传感器10有利地在血液的反射与其他身体组织的反射强烈地不同的波长下操作，使得可以很好地测量血液脉冲。例如，至少在520nm与570nm之间的一个波长下操作。
图3示出用户可穿戴装置1的实施例的框图。
可以提供与存储器15通信的微处理器14。存储器15包含用于操作装置的软件，并且还用于在操作装置的同时存储数据(诸如，校准数据以及测量数据集)。
微处理器14与光学传感器10通信，以用于对用户的组织进行反射测量。
该微处理器14还与加速度计16(诸如，MEMS加速度计)通信。加速度计16有利地合适于至少测量三维的线性加速度。该加速度计16还可以配备为测量空间分辨的静态加速度，从该静态加速度来确定装置的姿态。
装置1可以包括一个或多个另外的传感器18，这种传感器适于测量用户组织在一个或多个频率下的电阻抗。该装置1还可以包括温度传感器。
例如，在US2009312615或WO 2010/118537中描述了传感器的示例。
用户可穿戴装置1还包括用于与第二装置2通信的接口20(诸如，蓝牙接口)。
装置1由电池22供电。
功能设计：
图4示出该设备的功能设计的示例。
尽管该图中所示的功能元素均可以由该设备的任何装置执行，但是在有利的实施例中，图5中所示的除了元素“数据显示”之外的所有元素都在用户可穿戴装置1的硬件和/或软件中实现，并且只有“数据显示”由第二装置2实现。
基本测量
顶部的两个功能块(反射计30和加速度计31)表示通过光学传感器10和加速度计16进行的基本测量。
反射计30产生指示用户组织的当前反射率的值。如果在几个波长下进行测量，则这可以例如是基于矢量的值。
在下文中，该信号被称为“心跳信号”，因为它表示心跳(即，皮下组织中的血液量)。
加速度计31生成指示当前加速度的值。如果针对若干自由度测量加速度，则这可以例如是基于矢量的值。
中间数据
下一组功能元素40-42生成用于一个或多个其他功能元素中的中间数据。
心率检测器40测量当前心率。如本领域技术人员所知，可以从反射计30的信号中确定该值。心率检测器40的值可以例如描述每分钟的心跳或心跳间隔(IBI)。心率检测器40可以例如配备为计算该参数的瞬时值。此外，可以配备为例如在最后一分钟测量该参数的时间平均值。
心率变异性检测器(以下称为“HRV检测器”)41测量心率变异性。可以通过例如由心率检测器40计算出的心跳间隔来计算该值。测量HRV的方法是技术人员已知的，并且例如在https://en.wikipedia.org/wiki/Heart_rate_variability中已描述。
活动分类器42确定用户的当前活动。
有利地，活动分类器42区分用户的以下状态中的至少一个，具体地至少区分全部：
1)睡眠
2)休息
3)锻炼
在可穿戴装置中存在各种方法以用于区分这些用户状态。以下文章描述了这种算法的示例：
-Parkka、Juha等人的“Activity classification using realistic data fromwearable sensors”IEEE生物医学信息技术学报10.1(2006)：119-128；
-Yang,Che-Chang和Yeh-Liang Hsu的“A review of accelerometry-basedwearable motion detectors for physical activity monitoring”传感器(Sensors)10.8(2010)：7772-7788；
-Bao,Ling和Stephen S.Intille的“Activity recognition from user-annotated acceleration data”关于普适计算的国际会议(International Conferenceon Pervasive Computing).Springer,Berlin,Heidelberg,2004。
在图5中示出由活动分类器使用心率检测器和加速度计的信号执行的步骤的简单实施例。
在第一步骤100中，分类器测试是否在至少特定时间段tp1内没有移动。如果是，则测试当前心率(脉搏率)是否低于阈值HRmin(步骤102)。如果否，则确定用户处于休息状态。
如果步骤102产生“是”，则用户可能正在睡觉。在一个有利的实施例中，活动分类器可以进一步检查手臂的姿态。如果用户可穿戴装置穿戴在手臂上并测量沿手臂方向的静态加速度，则这是可能的。在这种情况下，睡觉的用户通常会使他的手臂处于水平位置。这对于上臂尤其如此(即，在该装置穿戴在上臂上时)。
因此，步骤104可以测试手臂(具体地，上臂)是否水平。如果不是，则假设用户处于休息状态。如果是，则假设用户在睡觉。
因此，在一个有利的实施例中，本发明包括测量用户手臂(具体地，用户的上臂)的姿态并使用该姿态以确定用户是否睡着的步骤。
如果在步骤100中，发现用户在最后的时间段tp1内已经移动，则在步骤106中，分类器可以首先测试用户在该点之前是否在睡觉。如果否，则确定用户是活动的(即，他的状态是“锻炼”)。
如果用户一直睡到该点，则在步骤108中，分类器可以测试移动是否持续了第二时间段tp2。如果否，则假设用户只是短暂地中断了他的睡眠，并且已经再次入睡。在该时间段期间内，并且在该时间段结束时，用户的状态将保持“睡眠”。
然而，如果在步骤108之后，用户继续移动了大于tp2的时间，则活动分类器42判定用户的状态是活动的(即，“锻炼”)。
因此，在一个实施例中，本发明包括以下步骤：
-至少基于由用户穿戴的装置测量的加速度，判定用户在睡觉：这可以例如基于图5的步骤100、102、104的标准；
-如果发现用户以这种方式在睡觉，并且用户开始移动，则判定用户不再睡觉(但是仅当移动持续至少时间段tp2时)：这与图5的步骤106和108相对应。
时间段tp2有利地为至少1分钟(具体地，至少5分钟)。同样有利地，tp2不超过20分钟(具体地，不超过5分钟)。
时间段tp1有利地为至少1分钟(具体地，至少5分钟)。同样有利地，tp1不超过90分钟(具体地，不超过20分钟)。
健康水平和活动参数
图4中的下一组功能元素50-54计算健康水平H以及活动参数Pi。
健康水平检测器50计算健康水平H。该健康水平H是指示用户健康状况的量。通常，用户会希望优化这个水平，但由于通常不清楚哪种活动与它最相关，因此优化它的任务可能较困难。
在具体有利的实施例中，心率变异性HRV用于(可能以及其他生理参数)确定健康水平H。可替代地或附加地，从心跳信号导出的一个或多个参数(诸如，心率对锻炼的响应)可以用于计算健康水平H。
在一个具体的实施例中，可以使用US 7330752第11列中定义的量累计资源(Accumulated_resources(在下文中被称为A_r))。
US 7330752中的A_r量可以例如在生理日开始时(即，如活动分类器42所确定的，当用户早上醒来时)被设置为某个值，例如，50。可选地，可以将该A_r量设置为与前一个生理日结束时相同的值。
有利地，通过用如图6所示的单调映射函数mH(诸如，sigmoid函数)映射A_r，来从A_r获得健康水平H。
睡眠检测器51根据用户在第一给定时间段内的睡眠量和质量来计算第一活动参数P1。
有利地，第一给定时间段是生理日，而不是在生理日开始时(即，如活动分类器42所确定的，在用户早上醒来时)开始。
在一个实施例中，使用以下方法中的一种或两种来增加第一活动参数p1：
a)通过将活动分类器42已确定用户在睡觉的那些分钟相加来对睡觉的分钟进行计数；
b)当活动分类器42已经确定用户在睡觉时，使用如US 73330752的第9列和第10列中定义的总资源(Total_resources)的正值；这是衡量睡眠质量的一种可能测量。
如果满足这些条件中的一个，则p1增加给定量，例如1。
此时，第一原始活动参数未被归一化(这就是为什么它被称为“第一原始活动参数”p1)(即，它可以扫过与其他活动参数的数值范围完全不同的数值范围)。可以使用单调映射函数将第一原始活动参数p1映射到预定范围(诸如，0...100)，以便获得第一活动参数P1。例如，可以使用如图6所示的单调第一函数mP。
P1可以在生理日开始时(即，如活动分类器42所确定的，在用户早上醒来时)被设定为零，并且然后随着一天的进行而增加。
移动检测器52至少根据用户在第二给定时间段内的步数来计算第二活动参数P2。
有利地，第二给定时间段再次是从生理日开始时(即，如活动分类器42所确定的，当用户早上醒来时)开始的生理日。
在一个实施例中，第二原始活动参数p2可以例如在生理日开始时被设定为预定值，诸如零。
接下来，可以例如使用以下一种或两种方法增加固定值：
a)对于其中用户至少已进行15步的每个30分钟，给定值添加至第二原始活动参数p2。
b)可以使用芬兰的Firstbeat Technologies Oy在2018年3月出版的白皮书Analysis of Health and Fitness-Benefits of Physical Activity Based on HeartRate Measurements中描述的参数“身体活动得分(Physical activity score)”。每当该值增加时，对应的量被添加至第二原始活动参数p2。
如果方法a)和b)结合使用，则来自a)的值被有利地缩放，使得它们产生类似于b)的贡献。
此时，第二原始活动参数未被归一化(因此被称为“第二原始活动参数”p2)(即，它可以扫过与其他活动参数的数值范围完全不同的数值范围)。可以使用第二单调映射函数将第二原始活动参数p2映射到预定范围(诸如，0...100)，以便获得第二活动参数P2。例如，可以使用如图6所示的单调函数mP。
放松检测器53根据所述用户在第三时间段内的非睡眠放松量来计算第三活动参数P3。
第三时间段可以再次是生理日。
有利地，第三原始活动参数p3可以在生理日开始时被重置为给定值，例如零。
在简单的实施例中，第三原始活动参数可以例如至少部分地通过根据活动分类器42将用户休息的分钟相加来计算。
在更精确的实施例中，通过使用在US 73330752的第9列和第10列中定义的值总资源来计算第三原始活动参数p3。p3在生理日开始时被设定为零。然后，以规则的时间间隔(例如，每分钟一次)，进行测试：
a)如由活动分类器42所指示，用户是否未在睡觉，并且
b)US 73330752的总资源是否大于零。
如果这两个条件都满足，则p3增加给定量，例如1。
此时，第三原始活动参数未归一化(即，可以扫过与其他活动参数的数值范围完全不同的数值范围)。可以使用第三单调映射函数将第三原始活动参数p3映射到预定范围(诸如，0...100)，以便获得第三活动参数P3。例如，可以使用如图6所示的单调函数mP。
锻炼检测器54根据所述用户在第四时间段内的心肺运动量来计算第四活动参数P4。
第四时间段可以再次是生理日。
有利地，第四原始活动参数p4可以在生理日开始时被重置为给定值，例如零。
在简单的实施例中，可以例如至少部分地通添加其中用户显示出较大加速度并结合高于给定阈值的心率的分钟来计算第四原始活动参数。
在本发明的一个实施例中，可以通过至少使用来自心跳传感器(0，的心跳信号，具体地，通过将由此计算出的心率与给定阈值进行比较来区分第二原始活动参数和第四原始活动参数。
在更精细的实施例中，可以使用芬兰的Firstbeat Technologies Oy在2012年3月出版的论文“EPOC Based Training Effect Assessment”中描述的参数“训练效果”，其描述了任何身体活动对心肺适应性的影响。
此时，第四原始活动参数未归一化(即，它可以扫过与其他活动参数的数值范围完全不同的数值范围)。可以使用第四单调映射函数将第四原始活动参数p4映射到预定范围(诸如，0...100)，以获得第四活动参数P4。例如，可以使用如图6所示的单调函数mP。
数据跟踪、分析和显示
一旦在给定的时间间隔内，健康水平H的值以及活动参数Pi的值由数据跟踪器60例如存储在存储器15中，作为数据集。
有利地，这在每个生理日发生一次。
具体地，这发生在每个生理日结束时(即，紧接在活动分类器42确定用户醒来之前的时间)。
因此，这生成了时间序列数据集，该数据集将健康水平H的值以及活动参数Pi的值显示为时间的函数(具体地，生理日的函数(例如，每个生理日存储一个数据集))。
数据跟踪器60存储了例如在过去的Q个生理日的至少Q个这种数据集。有利地，为了良好的数值稳定性，数量Q大于活动参数Pi的数量N(具体地，至少是数量N的两倍)。
具体地，Q>10。
另一方面，Q不应太大，以便能够在合理的最近数据集上进行以下分析。
具体地，Q<20。可以丢弃额外的(旧的)数据集，用于以下分析。
例如，数据跟踪器60可以如下存储数据集
Ht1 P1,t1 P2,t1 P3,t1 P4,t1...
Ht2 P1,t2 P2,t2 P3,t2 P4,t2...
Ht3 P1,t3 P2,t3 P3,t3 P4,t3...
...
HtQ P1,tQ P2,tQ P3,tQ P4,tQ...
t1、t2、t3...tQ等指示记录对应的行的时间(例如，生理日)。
对于每个新数据集，数据分析器62执行拟合处理，以便确定活动系数Ci，其中，i＝1...N。活动系数Ci取决于模型函数H(Pi，aj)相对于活动参数Pi的导数δH/δPi。
模型函数H(Pi，aj)是例如描述健康水平H如何依赖于活动参数Pi的经验或半经验模型。该模型函数H(Pi，aj)具有功能参数aj，其中，j＝1...M，具体地M≥N。在拟合处理中确定功能参数aj。
在简单的实施例中，模型函数H(Pi，aj)被假设为线性函数，其中，功能参数aj是归因于各种活动参数Pi的系数，即
Figure BDA0002754301580000171
数据分析器62将函数H(Pi，aj)拟合到由数据跟踪器存储的数据集，以便使用线性或非线性回归分析来获得功能参数ai。
接下来，数据分析器62导出活动系数Ci，其中，i＝1...N。Ci取决于模型函数H(Pi，aj)相对于活动参数Pi的导数δH/δPi，即，该Ci描述了健康水平H对活动参数Pi的依赖强度。
在以上公式(1)的线性模型中，具有
δH/δPi＝ai (2)
系数Ci的知识使用户评估活动参数Pi中的哪一个或哪一些对健康水平H具有强烈影响，并相应地改变他的行为。
为了使该用户更容易地评估各种活动参数Pi对健康水平H的相关性，系数Ci有利地互归一化(即，它们可以直接比较彼此)。这可以通过例如以以下一种或多种方式来实现：
a)活动参数Pi互归一化。这意味着活动参数Pi都在基本相同的范围内变化。在上面的示例中，这通过例如使用诸如图6和图7所示的函数(有利地，单调函数)将原始活动参数Pi映射到给定的数值范围来实现。在另一实施例中，可以例如通过计算作为时间值的活动参数Pi来实现互归一化，其中，每个活动参数表示用户在给定活动上花费的时间量。在这种情况下，健康水平H相对于活动参数Pi的偏导数直接描述了当用户在给定活动上花费更多的时间时，健康水平H将受益多少。
b)由归一化的导数导出活动系数Ci
Figure BDA0002754301580000181
其中，Var(Pi)是活动参数Pi的方差。存在技术人员已知的各种用于计算方差的算法，参见例如https://en.wikipedia.org/wiki/Algorithms_for_calculating_variance。
公式(3)用给定活动参数的自然波动来加权每个导数，这再次使得导数相互可比。
在一个实施例中，具有互归一化的活动参数Pi的公式1的示例的系数Ci可以是ai，或者该系数Ci可以是函数f(ai)，其中，f是单调函数。
数据显示
数据显示功能元件64可以例如包括在第二装置2的显示器5上显示系数Ci的功能。可选地，显示也可以在可穿戴装置1和/或在适于直接或间接地从可穿戴装置1接收数据并显示所述数据的任何其他装置上发生。
注意：
虽然示出并描述了本发明的当前优选实施例，但是应当清楚地理解，本发明不限于此，而是可以在所附权利要求的范围内以其他方式不同地实施和实践。

Claims (20)

1.一种用于确定用户的行为相关活动对所述用户的健康水平的影响的方法，所述方法包括以下步骤：
-使用心跳传感器(10)测量用户的心跳信号，
-从所述心跳信号，根据所述用户的心率变异性来计算所述用户的健康水平H，
-使用加速度传感器(16)来测量所述用户的运动信号，
-计算若干活动参数Pi，其中，i＝1...N并且N>1，包括：
a)至少使用所述运动信号计算第一活动参数P1，其中，所述第一活动参数P1至少取决于所述用户在第一时间段中的睡眠量，
b)至少使用所述运动信号计算第二活动参数P2，其中，所述第二活动参数P2取决于所述用户在第二时间段内所行的步数，
-多次存储所述健康水平H和所述活动参数Pi，作为健康水平H对所述活动参数Pi的数据集，
-将模型函数H＝H(Pi，aj)的功能参数aj与所述数据集拟合，其中，j＝1...M，具体地M≥N，并且
-从所述功能参数aj导出活动系数Ci，其中，i＝1...N，并且Ci取决于所述模型函数H(Pi，aj)相对于所述活动参数Pi的导数δH/δPi。
2.根据权利要求1所述的方法，其中，所述活动系数Ci互归一化。
3.根据权利要求2所述的方法，其中，从归一化的导数中导出所述活动系数Ci
Figure FDA0002754301570000021
其中，Var(Pi)是所述活动参数Pi的方差。
4.根据前述权利要求中任一项所述的方法，其中，所述活动参数Pi互归一化。
5.根据权利要求4所述的方法，其中，通过使用单调映射函数mpi将原始活动参数pi映射到预定范围中来获得至少一些所述活动参数Pi，所述预定范围对于所有所述参数Pi是共同的。
6.根据前述权利要求中任一项所述的方法，还包括使用所述运动信号和所述心跳信号，根据所述用户在第三时间段内的非睡眠放松量，来计算第三活动参数P3的步骤。
7.根据前述权利要求中任一项所述的方法，还包括使用所述运动信号和所述心跳信号，根据所述用户在第四时间段内的心肺运动量，来计算第四活动参数P4的步骤。
8.根据权利要求7所述的方法，还包括通过至少使用所述心跳信号来区分所述第二参数和所述第四参数的贡献的步骤。
9.根据前述权利要求中任一项所述的方法，其中，所述模型函数H(Pi，aj)是
Figure FDA0002754301570000022
10.根据前述权利要求中任一项所述的方法，其中，至少一些所述时间段，具体地，所有所述时间段，彼此相等。
11.根据前述权利要求中任一项所述的方法，包括以下步骤
借助于由所述用户穿戴的第一装置(1)测量所述心跳信号和所述运动信号并导出所述活动系数Ci，并且
在与所述第一装置分离的第二装置(2)上显示所述活动系数Ci。
12.根据权利要求11所述的方法，其中，所述第一装置(1)绕所述用户的手臂，具体地，所述用户的上臂进行穿戴，并且/或其中，所述第二装置(2)是智能手机、平板电脑和计算机中的一种。
13.根据前述权利要求中任一项所述的方法，其中，通过发送光到所述用户的组织中并测量反射光的量来测量所述心跳信号。
14.根据前述权利要求中任一项所述的方法，包括以下步骤
至少基于由所述用户穿戴的第一装置(10)进行的加速度测量，判定所述用户正在睡觉，
如果已经发现所述用户正在睡觉并且所述用户开始移动，则：如果移动持续至少给定的时间段(tp2)，并且具体地所述时间段(tp2)是至少1分钟，具体地至少5分钟，则判定所述用户不再睡觉。
15.根据前述权利要求中任一项所述的方法，包括测量所述用户的所述手臂的姿态并使用所述姿态以确定所述用户是否在睡觉的步骤。
16.根据前述权利要求中任一项所述的方法，包括以下步骤：
测量所述用户的心率变异性(HRV)，
使用所述心率变异性(HRV)计算所述健康水平H。
17.根据前述权利要求中任一项所述的方法，包括使用所述心跳信号以计算所述第一活动参数P1和/或所述第二活动参数P2的步骤。
18.一种用于确定用户的活动对所述用户的健康水平的影响的设备，所述设备适于执行根据前述权利要求中任一项所述的方法。
19.根据权利要求18所述的设备，其中，所述心跳传感器(10)包括：
光源(11)，
光检测器(12)，
其中，所述光源(11)布置在所述光检测器(12)的中心，并且其中，所述光检测器(12)围绕所述光源(11)。
20.根据权利要求19所述的设备，其中，所述光检测器(12)是环形。
CN201880093056.2A 2018-05-02 2018-05-02 用于确定受行为影响的活动对用户的健康水平的影响的方法和设备 Pending CN112040855A (zh)

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
PCT/CH2018/000020 WO2019210434A1 (en) 2018-05-02 2018-05-02 Method and apparatus for determining the impact of behavior-influenced activities on the health level of a user

Publications (1)

Publication Number Publication Date
CN112040855A true CN112040855A (zh) 2020-12-04

Family

ID=62235767

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201880093056.2A Pending CN112040855A (zh) 2018-05-02 2018-05-02 用于确定受行为影响的活动对用户的健康水平的影响的方法和设备

Country Status (7)

Country Link
US (1) US20210235998A1 (zh)
EP (1) EP3773184A1 (zh)
KR (1) KR20210005685A (zh)
CN (1) CN112040855A (zh)
AU (1) AU2018421463A1 (zh)
SG (1) SG11202010529QA (zh)
WO (1) WO2019210434A1 (zh)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111714087A (zh) * 2020-06-02 2020-09-29 安徽华米信息科技有限公司 可穿戴式生理信号测量设备及其控制方法

Family Cites Families (14)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
FI20025039A0 (fi) 2002-08-16 2002-08-16 Joni Kettunen Menetelmä II fysiologisen signaalin analysoimiseksi
EP1770368B1 (en) * 2005-10-03 2009-05-27 STMicroelectronics S.r.l. Pedometer device and step detection method using an algorithm for self-adaptive computation of acceleration thresholds.
EP1954175B1 (en) 2005-11-10 2016-07-13 Biovotion AG Device for determining the glucose level in body tissue
US20120123232A1 (en) * 2008-12-16 2012-05-17 Kayvan Najarian Method and apparatus for determining heart rate variability using wavelet transformation
EP2419012B1 (en) 2009-04-17 2015-03-18 Biovotion AG Sensing device for body tissue properties
US20130030259A1 (en) * 2009-12-23 2013-01-31 Delta, Dansk Elektronik, Lys Og Akustik Monitoring system
WO2011094876A1 (en) 2010-02-05 2011-08-11 Solianis Holding Ag Wearable sensor device with battery
US9665873B2 (en) * 2010-02-24 2017-05-30 Performance Lab Technologies Limited Automated physical activity classification
US9980678B2 (en) * 2012-10-30 2018-05-29 Vital Connect, Inc. Psychological acute stress measurement using a wireless sensor
US10561321B2 (en) * 2013-12-12 2020-02-18 Alivecor, Inc. Continuous monitoring of a user's health with a mobile device
US9848823B2 (en) * 2014-05-29 2017-12-26 Apple Inc. Context-aware heart rate estimation
US10559220B2 (en) * 2015-10-30 2020-02-11 Logitech Europe, S.A. Systems and methods for creating a neural network to provide personalized recommendations using activity monitoring devices with biometric sensors
JP2017111559A (ja) * 2015-12-15 2017-06-22 大和ハウス工業株式会社 健康サポートシステム
ES2963483T3 (es) * 2017-09-05 2024-03-27 Apple Inc Dispositivo electrónico usable con electrodos para detectar parámetros biológicos

Also Published As

Publication number Publication date
WO2019210434A1 (en) 2019-11-07
EP3773184A1 (en) 2021-02-17
AU2018421463A1 (en) 2020-12-10
US20210235998A1 (en) 2021-08-05
KR20210005685A (ko) 2021-01-14
SG11202010529QA (en) 2020-11-27

Similar Documents

Publication Publication Date Title
JP6502361B2 (ja) 人の心血管フィットネスを推定するためのシステムと方法
US20150374240A1 (en) Heart Rate Inference Based On Accelerometer And Cardiac Model
US20210100500A1 (en) Vital signs monitoring system
CN106132287B (zh) 心率监测器系统
CN106456024A (zh) 静息心率监测器系统
US10765374B2 (en) Methods and apparatus for adaptable presentation of sensor data
US10750988B2 (en) Fatigue degree determination device, and fatigue degree determination method
US20150088004A1 (en) Method for monitoring an accurate heart rate
US11617545B2 (en) Methods and systems for adaptable presentation of sensor data
CN112272534B (zh) 用于估计血压替代物趋势的方法和装置
US11717177B2 (en) Blood pressure measurement
US20230172517A1 (en) Sensor apparatuses, methods of operating same, and systems including same, and methods and systems for sensing and analyzing electromechanical characteristics of a heart
CN105361873A (zh) 一种基于物联网的血压监测提示方法及可穿戴式装置
CN108882866A (zh) 用于监测对象的排尿的方法和装置
KR20180043517A (ko) 생체/운동 신호 기반의 에너지 소모량 측정 방법 및 장치
EP1902674B1 (en) Apparatus for measuring calories consumed during sleep
CN112040855A (zh) 用于确定受行为影响的活动对用户的健康水平的影响的方法和设备
EP3417771A1 (en) A method for monitoring blood pressure, and a device thereof
KR102091066B1 (ko) 웨어러블 장치 및 제어 방법
CN106983499A (zh) 光学式血压检测装置及其操作方法
JP2020523162A5 (zh)
RU2779697C1 (ru) Способ регистрации постковидного состояния человека по кардиоритмограмме
RU2782412C2 (ru) Способ и устройство для количественной оценки тенденции в суррогатном показателе кровяного давления
US20230270387A1 (en) Pressure Sensor Integration into Wearable Device
US20230084864A1 (en) Method And Device That Generates A Respiration Signal

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
WD01 Invention patent application deemed withdrawn after publication

Application publication date: 20201204

WD01 Invention patent application deemed withdrawn after publication