CN114616627A - 身体行为事件的自动检测和药物分配系统的对应调整 - Google Patents

身体行为事件的自动检测和药物分配系统的对应调整 Download PDF

Info

Publication number
CN114616627A
CN114616627A CN202080075761.7A CN202080075761A CN114616627A CN 114616627 A CN114616627 A CN 114616627A CN 202080075761 A CN202080075761 A CN 202080075761A CN 114616627 A CN114616627 A CN 114616627A
Authority
CN
China
Prior art keywords
event
food intake
gesture
user
data
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
CN202080075761.7A
Other languages
English (en)
Inventor
K·威勒格尔斯
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.)
Medtronic Minimed Inc
Original Assignee
Medtronic Minimed Inc
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
Priority claimed from US16/667,641 external-priority patent/US11367516B2/en
Priority claimed from US16/886,353 external-priority patent/US11367517B2/en
Priority claimed from US16/886,329 external-priority patent/US11363986B2/en
Priority claimed from US16/886,360 external-priority patent/US20200289373A1/en
Application filed by Medtronic Minimed Inc filed Critical Medtronic Minimed Inc
Publication of CN114616627A publication Critical patent/CN114616627A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • 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
    • G16H20/10—ICT specially adapted for therapies or health-improving plans, e.g. for handling prescriptions, for steering therapy or for monitoring patient compliance relating to drugs or medications, e.g. for ensuring correct administration to patients
    • G16H20/17—ICT specially adapted for therapies or health-improving plans, e.g. for handling prescriptions, for steering therapy or for monitoring patient compliance relating to drugs or medications, e.g. for ensuring correct administration to patients delivered via infusion or injection
    • 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
    • G16H50/20—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for computer-aided diagnosis, e.g. based on medical expert systems
    • 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
    • A61B5/1113—Local tracking of patients, e.g. in a hospital or private home
    • A61B5/1114—Tracking parts of the body
    • 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
    • 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
    • A61B5/68—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
    • A61B5/6825—Hand
    • A61B5/6826—Finger
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/24—Classification techniques
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/25—Fusion techniques
    • G06F18/254—Fusion techniques of classification results, e.g. of results related to same input data
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00—Scenes; Scene-specific elements
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00—Scenes; Scene-specific elements
    • G06V20/40—Scenes; Scene-specific elements in video content
    • G06V20/41—Higher-level, semantic clustering, classification or understanding of video scenes, e.g. detection, labelling or Markovian modelling of sport events or news items
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
    • G06V40/20—Movements or behaviour, e.g. gesture recognition
    • G06V40/28—Recognition of hand or arm movements, e.g. recognition of deaf sign language
    • 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
    • G16H20/60—ICT specially adapted for therapies or health-improving plans, e.g. for handling prescriptions, for steering therapy or for monitoring patient compliance relating to nutrition control, e.g. diets
    • 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
    • G16H50/70—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for mining of medical data, e.g. analysing previous cases of other patients
    • 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
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00—Scenes; Scene-specific elements
    • G06V20/40—Scenes; Scene-specific elements in video content
    • G06V20/44—Event detection
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00—Scenes; Scene-specific elements
    • G06V20/60—Type of objects
    • G06V20/68—Food, e.g. fruit or vegetables

Landscapes

  • Engineering & Computer Science (AREA)
  • Health & Medical Sciences (AREA)
  • Public Health (AREA)
  • Medical Informatics (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • General Health & Medical Sciences (AREA)
  • Biomedical Technology (AREA)
  • Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Data Mining & Analysis (AREA)
  • General Physics & Mathematics (AREA)
  • Primary Health Care (AREA)
  • Pathology (AREA)
  • Epidemiology (AREA)
  • Multimedia (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Biophysics (AREA)
  • Heart & Thoracic Surgery (AREA)
  • Veterinary Medicine (AREA)
  • Animal Behavior & Ethology (AREA)
  • Databases & Information Systems (AREA)
  • Surgery (AREA)
  • Molecular Biology (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Evolutionary Biology (AREA)
  • Evolutionary Computation (AREA)
  • General Engineering & Computer Science (AREA)
  • Artificial Intelligence (AREA)
  • Software Systems (AREA)
  • Medicinal Chemistry (AREA)
  • Human Computer Interaction (AREA)
  • Psychiatry (AREA)
  • Chemical & Material Sciences (AREA)
  • Social Psychology (AREA)
  • Computational Linguistics (AREA)
  • Nutrition Science (AREA)
  • General Business, Economics & Management (AREA)
  • Business, Economics & Management (AREA)
  • Physiology (AREA)

Abstract

一种自动药物给药和分配系统包含用以检测用户的身体移动的传感器；具有程序指令的存储介质；以及处理器。所述程序指令使得所述处理器：基于对从所述传感器获得的传感器读数的分析检测基于姿势的身体行为事件的发生；存储对应于所检测发生的历史事件信息；处理所存储历史事件信息以预测所关注的身体行为事件的未来发生；以及响应于所述所关注的身体行为事件的所预测未来发生而调整药物剂量和/或药物分配参数。

Description

身体行为事件的自动检测和药物分配系统的对应调整
相关申请的交叉引用
本申请是2019年10月29日提交的第16/667,641号美国专利申请(代理人案号009.5245US)的部分继续申请，所述美国专利申请要求2018年10月31日提交的第62/753,819号美国临时专利申请(现已过期)的权益。本申请也是2019年10月29日提交的第16/667,650号美国专利申请(代理人案号009.5260US)的部分继续申请，所述美国专利申请要求2018年10月31日提交的第62/753,819号美国临时专利申请(现已过期)的权益。本申请还要求2019年11月7日提交的第62/932,370号美国临时专利申请(代理人案号009.5262P)的权益。
技术领域
本公开大体上涉及药物分配或管理，且更具体地说，涉及用于使用传感器来跟踪患者活动并导出与食物摄入相关的患者活动，以用于向患者或护理人员提供关于药物需求的提醒和/或向药物分配装置传信以分配药物的方法和设备。
背景技术
对于一些医疗病症，例如1型糖尿病，例如胰岛素的药物的安排和给药取决于各种因素，例如患者的当前血糖水平、患者是否正在进食或饮用，以及所摄取食物的含量。因此，了解某人何时开始或即将开始进食或饮用，对于正在接受胰岛素治疗方案的糖尿病人的治疗是相关的。进一步量化进食或饮用活动的其它参数，例如进食或饮用的持续时间或速度也可能是相关的，因为药物治疗方案可能会基于持续时间和/或速度而变化。
数百万人患有1型糖尿病，这是一种人体不能产生胰岛素的疾病。人体将摄取的碳水化合物分解成血糖，并将其用作能量。身体需要将血液中的血糖转化为身体细胞中的葡萄糖，并使用胰岛素激素来实现这一点。患有1型糖尿病的人自身产生的胰岛素量不足以调节血糖，且可能需要注射胰岛素以维持安全的血糖水平。
胰岛素可通过随时间注射特定量的胰岛素的测微系统来提供。例如，1型糖尿病患者可能需要定期检查血糖水平，并在开始用餐时手动注射所需正确剂量的胰岛素，使得其身体能够将用餐后进入血液的葡萄糖转化为存储在身体细胞中的葡萄糖。给药过量和给药不足都会导致不良状况和长期并发症。手动管理微量给药系统或注射胰岛素是治疗方案，且通常需要可能不同的时序和给药。这可能会使疾病管理变得困难，尤其是在患者年龄较小的情况下。
一种方法是“混合”闭环给药系统，所述系统连续或周期性地接近连续地读取血糖，且基于那些读数自主地对患者进行微量给药，但患者进食或饮用时除外。为了应对后者，混合系统在患者将要开始进食或饮用时接受患者输入传信。如果没有此附加信息，给药系统将反应太慢，因为葡萄糖读数和胰岛素扩散存在相当大的延迟。手动用餐通告会给患者带来巨大负担，且不良的依从性会导致血糖控制降级。错过餐前胰岛素推注是1型糖尿病患者血糖控制不佳的重要原因。
需要用于自动检测进食或饮用事件并向给药系统传信和/或向患者、护理人员和健康专业人士传递提醒消息的改善型方法和设备。
发明内容
一种自动药物分配系统可包括：传感器，其用以检测与自动药物分配系统的用户相关的移动和其它身体输入；处理器，其用于执行程序代码且用于处理从传感器接收的包含传感器读数集合的数据，其中传感器读数集合中的至少一个传感器读数测量用户的身体部位的移动；事件检测模块，其用于根据传感器读数集合确定用户姿势；用于针对食物摄入事件初始化的事件特定参数的存储装置；以及用于事件状态值的存储装置，其中事件状态值为事件外状态或事件中状态中的一个，其中事件状态值初始化为事件外状态。程序代码可包括：a)用于根据传感器读数集合确定用户的第一潜在姿势的程序代码，所述姿势包含一种姿势类型的第一潜在姿势，其中姿势类型中的一些为第一姿势类型集合中的成员，b)用于确定与第一潜在姿势相关的置信水平的程序代码，其中置信水平与正确确定第一潜在姿势的姿势类型的置信水平相关，c)用于修改和记录的程序代码，其中如果置信水平高于或处于阈值且姿势类型为第一姿势类型集合中的成员，则将事件状态值从事件外状态修改为事件中状态且将第一潜在姿势记录为食物摄入事件的第一姿势，d)用于根据置信水平和/或事件状态值确定待发送药物施用消息的推断事件的程序代码，及e)用于向用户输出关于药物施用需要的药物施用消息的程序代码。
自动药物分配系统可向用户外的额外目的地输出关于药物施用需要的辅助消息。额外目的地可包括用户的朋友、用户的保健提供者和/或第一响应者的通信装置。自动药物分配系统可响应于推断事件而更新药物日志和/或库存，向胰岛素管理系统的输入传信，和/或向用餐感知人工胰腺的输入传信。
在一些实施例中，事件检测系统包含检测与用户相关的移动和其它身体输入的传感器，所述事件检测系统可处理所述移动和输入以识别用户姿势，进一步处理的方法包括：
提供针对所述食物摄入事件初始化的事件特定参数的存储；
提供针对事件状态值的存储，其中事件状态值为事件外状态或事件中状态中的一个，其中事件状态值初始化为事件外状态；
使用事件检测系统中的处理器确定传感器读数集合，其中传感器读数集合中的至少一个传感器读数测量用户身体部位的移动；
根据传感器读数集合确定用户的第一潜在姿势，所述姿势包含一种姿势类型的第一潜在姿势，其中姿势类型中的一些是第一姿势类型集合中的成员；
确定与第一潜在姿势相关的置信水平，其中置信水平与正确确定第一潜在姿势的姿势类型的置信水平相关；
如果置信水平高于或处于阈值且姿势类型为第一姿势类型集合中的成员：
(a)将事件状态值从事件外状态修改为事件中状态；以及
(b)将第一潜在姿势记录为食物摄入事件的第一姿势；以及
向患者输出关于药物施用需要的消息。
方法可进一步包括提供针对额外事件特定参数的存储，所述事件包含饮用事件、吸烟事件、个人卫生事件和/或药物相关事件。可根据食物摄入事件推断为已开始，食物摄入事件推断为正在进行和/或食物摄入事件推断为已结束的时间确定外部触发时间。响应于食物摄入事件的基于计算机的动作可为以下中的一个或多个：(a)获得待与表示食物摄入事件的数据相关联地存储在存储器中的其它信息，(2)与用户交互以提供信息或提醒，(3)与用户交互以提示进行用户输入，(4)将消息发送到远程计算机系统，和/或(5)将消息发送到另一个人。
所述方法可包括在食物日志中记录食物摄入事件，和/或响应于食物摄入事件更新库存数据库。
一种用于感测佩戴者活动的系统可包括：
由佩戴者佩戴的电子装置的至少一个传感器，其用于感测佩戴者活动或其部分，包含佩戴者身体部位的移动；
存储装置，其用于针对食物摄入事件初始化的事件特定参数；
电子装置内的存储装置，其用于事件状态值，其中事件状态值为事件外状态或事件中状态中的一个，其中事件状态值初始化为事件外状态；
电子装置中的处理器，其确定来自至少一个传感器的传感器读数集合；以及
程序代码，其存储于电子装置中或与电子装置通信的系统的组件中，可由电子装置中的处理器或另一处理器执行，其包括：
a)用于根据传感器读数集合确定佩戴者的第一潜在姿势的程序代码，所述姿势包含一种姿势类型的第一潜在姿势，其中姿势类型中的一些为第一姿势类型集合中的成员；
b)用于确定与第一潜在姿势相关的置信水平的程序代码，其中置信水平与正确确定第一潜在姿势的姿势类型的置信水平相关；
c)用于确定置信水平是否高于或处于阈值且姿势类型为第一姿势类型集合中的成员，且在置信水平高于或处于阈值且姿势类型为第一姿势类型集合中的成员时，将事件状态值从事件外状态修改为事件中状态并将第一潜在姿势记录为食物摄入事件的第一姿势的程序代码；
d)用于根据额外传感器读数集合确定佩戴者的额外姿势的程序代码，所述姿势各自具有相应姿势类型；
e)用于确定事件状态值是否为事件中状态，且在事件状态值为事件中状态时，将第一姿势和额外姿势记录为食物摄入事件的姿势序列并从姿势序列的至少一些姿势导出事件特定参数的程序代码；以及
f)向患者输出关于药物施用需要的消息。
系统可包括用于在事件状态值从事件外状态修改为事件中状态时将电子装置改变为较高性能状态的控制，其中较高性能状态包括供应到传感器的额外电力、通信信道的减小时延和/或增大的传感器取样速率中的一个或多个。传感器可包括测量佩戴者手臂的移动的一个或多个加速度计，和测量佩戴者手臂的旋转的陀螺仪。
使用姿势感测技术，事件检测系统可触发外部装置收集其它信息。在特定实施例中，外部装置为近场通信(NFC)读取器，且检测上面具有NFC标签的各种对象。在那些对象与食物/饮料相关的情况下，事件检测系统可确定姿势与何相关。例如，食物/饮料容器可具有嵌入于产品包装中的NFC标签，且食物摄入监测系统可自动地确定姿势与进食事件相关，接着向NFC读取器传信以使其打开并读取附近NFC标签，借此读取所摄取产品上的NFC标签，使得将姿势和事件与特定产品相关联。
在其它变型中，可使用其它无线技术。在一些变型中，外部装置为集成在还容纳事件检测系统的壳体内的模块。
事件检测系统可包括检测与用户相关的移动和其它身体输入的传感器，事件检测系统可处理所述移动和输入以识别用户姿势，且可能还使用历史数据、机器学习、规则集或其它用于处理数据的技术来确定，以导出与传感器感测的用户相关的推断事件。例如，传感器可检测用户嘴部附近的音频信号，事件检测系统可使用所述音频信号来推断事件，例如与用户进食或饮用活动相关的事件。还可使用其它非手部传感器，例如运动传感器、温度传感器、音频传感器等。
实例姿势可为食物摄入姿势、啜饮姿势或某一其它姿势。推断的事件可为进食事件、吸烟事件、个人卫生事件、药物相关事件或推断用户参与的某一其它事件。姿势可表示用户的某一移动，例如可使用腕戴式装置检测以便为非侵入性或最小侵入性且可在没有或具有最小用户干预的情况下操作的手部姿势。
当推断事件已开始、正在进行和/或已结束时，事件检测系统可采取与所述事件相关的动作，例如获得待与表示事件的数据相关联地存储在存储器中的其它信息，与用户交互以提供信息或提醒或提示进行用户输入，向远程计算机系统发送消息，向另一个人，例如朋友、保健提供者、第一响应者发送消息，或其它动作。在特定实例中，一旦事件检测系统推断事件已开始，其向辅助传感器系统或辅助处理系统传信以采取例如收集更多信息、发送通信或处理任务的动作。一旦检测到新事件，事件检测系统可产生事件的数据记录，且用事件检测系统能够确定的事件细节，例如关于所述事件涉及的姿势的细节填充数据记录。辅助传感器系统或辅助处理系统可用关于事件的辅助数据，例如本文中所描述的辅助数据填充所述数据记录。
事件检测系统和辅助传感器系统和/或辅助处理系统可用作具有一个或多个应用程序的监测系统的部分，所述应用程序例如食物记录、库存跟踪/补充、生产线监测/QC自动化、药物依从性、胰岛素治疗、支持用餐感知的人工胰腺和其它应用程序。
感测装置监测和跟踪食物摄入事件和细节。适当编程的处理器控制所述感测装置的各方面以捕获数据、存储数据、分析数据以及提供与食物摄入相关的合适反馈。更一般地说，方法可包含与食物摄入、进食习惯、进食模式和/或食物摄入事件、进食习惯或进食模式的触发事项相关的检测、识别、分析、量化、跟踪、处理和/或影响。反馈的目标可在于影响食物摄入、进食习惯或进食模式和/或这些方面的触发事项。反馈的目标也可在于提醒用户采取一个或多个动作。所述感测装置还能够用于跟踪和提供食物相关行为之外的反馈，且更一般地说，跟踪行为事件、检测行为事件触发事项和行为事件模式以及提供合适的反馈。事件检测系统可用硬件和/或软件实施。
一种自动药物给药和分配系统，其包含：检测自动药物给药和分配系统的用户的身体移动的传感器；包括程序代码指令的计算机可读存储介质；以及至少一个处理器，其中程序代码指令可配置成使得至少一个装置执行一方法。所述方法涉及以下步骤：基于对从传感器获得的传感器读数的分析检测基于姿势的身体行为事件的发生；存储对应于基于姿势的身体行为事件的所检测发生的历史事件信息；处理所存储历史事件信息以预测所关注的身体行为事件的未来发生；以及响应于所关注的身体行为事件的所预测未来发生而调整药物剂量、药物分配参数或药物剂量和药物分配参数两者。
此处还公开一种操作自动药物给药和分配系统的方法，所述系统具有检测用户移动的传感器。方法的实施例涉及以下步骤：从传感器获得传感器读数；基于对所获得传感器读数的分析检测基于姿势的身体行为事件的发生；存储对应于基于姿势的身体行为事件的所检测发生的历史事件信息；用自动药物给药和分配系统的至少一个处理器处理所存储历史事件信息以预测所关注的身体行为事件的未来发生；以及响应于所关注的身体行为事件的所预测未来发生而调整药物剂量、药物分配参数或药物剂量和药物分配参数两者。
此处还公开一种操作自动药物给药和分配系统的方法，所述系统具有检测移动的传感器。方法的实施例涉及以下步骤：从传感器获得传感器读数，传感器读数指示用户的至少一个身体部位的移动；基于对所获得传感器读数的分析检测基于姿势的身体行为事件的发生；存储对应于基于姿势的身体行为事件的所检测发生的历史事件信息；从不同于传感器的检测系统接收至少一个辅助输入；用自动药物给药和分配系统的至少一个处理器处理所存储历史事件信息和至少一个辅助输入以预测所关注的身体行为事件的未来发生；以及响应于所关注的身体行为事件的所预测未来发生而调整药物剂量、药物分配参数或药物剂量和药物分配参数两者。
一种自动药物给药和分配系统，其包含：检测自动药物给药和分配系统的用户的身体移动的姿势传感器；包括程序代码指令的计算机可读存储介质；以及至少一个处理器，其中程序代码指令可配置成使得至少一个处理器执行一方法。方法的实施例涉及以下步骤：基于对从姿势传感器获得的姿势传感器读数的分析检测基于姿势的身体行为事件的发生；计算基于姿势的身体行为事件的所检测发生的初始置信水平；根据初始置信水平和从不同于姿势传感器的至少一个数据源获得的外部信息导出基于姿势的身体行为事件的所检测发生的最终置信水平；以及响应于基于姿势的身体行为事件的所检测发生和最终置信水平而调整药物剂量、药物分配参数或药物剂量和药物分配参数两者。
此处还公开一种操作自动药物给药和分配系统的方法，所述系统具有检测用户的身体移动的姿势传感器。方法的实施例涉及以下步骤：从姿势传感器获得姿势传感器读数；基于对所获得姿势传感器读数的分析检测基于姿势的身体行为事件的发生；计算基于姿势的身体行为事件的所检测发生的初始置信水平；根据初始置信水平和从不同于姿势传感器的至少一个数据源获得的外部信息导出基于姿势的身体行为事件的所检测发生的最终置信水平；以及响应于基于姿势的身体行为事件的所检测发生和最终置信水平而调整药物剂量、药物分配参数或药物剂量和药物分配参数两者。
一种自动药物给药和分配系统，其包含：检测自动药物给药和分配系统的用户的身体移动的姿势传感器；包括程序代码指令的计算机可读存储介质；以及至少一个处理器，其中程序代码指令可配置成使得至少一个处理器执行一方法。方法的实施例涉及以下步骤：维持用于确定所关注的基于姿势的身体行为事件是否已发生或很可能发生的默认事件声明准则；从姿势传感器获得姿势传感器读数；根据默认事件声明准则和从不同于姿势传感器的至少一个数据源获得的外部信息导出用于确定所关注的基于姿势的身体行为事件是否已发生或很可能发生的最终事件声明准则；以及分析所获得姿势传感器读数以确定是否满足最终事件声明准则。当所获得姿势传感器读数满足最终事件声明准则时，所述方法声明检测到所关注的基于姿势的身体行为事件，且响应于所述声明而调整药物剂量、药物分配参数或药物剂量和药物分配参数两者。
此处还公开一种操作自动药物给药和分配系统的方法，所述系统具有检测用户的身体移动的姿势传感器。方法的实施例涉及以下步骤：维持用于确定所关注的基于姿势的身体行为事件是否已发生或很可能发生的默认事件声明准则；从姿势传感器获得姿势传感器读数；根据默认事件声明准则和从不同于姿势传感器的至少一个数据源获得的外部信息导出用于确定所关注的基于姿势的身体行为事件是否已发生或很可能发生的最终事件声明准则；以及分析所获得姿势传感器读数以确定是否满足最终事件声明准则。当所获得姿势传感器读数满足最终事件声明准则时，所述方法声明检测到所关注的基于姿势的身体行为事件，且响应于所述声明而调整药物剂量、药物分配参数或药物剂量和药物分配参数两者。
一种自动药物给药和分配系统，其包含：用以检测自动药物给药和分配系统的用户的身体移动的姿势传感器；用以产生指示用户的生理特性的传感器数据的测量传感器；用以处理由测量传感器产生的传感器数据的测量传感器处理器；包括程序代码指令的计算机可读存储介质；以及至少一个处理器，其中程序代码指令可配置成使得至少一个处理器执行一方法。方法的实施例涉及以下步骤：基于对从姿势传感器获得的姿势传感器读数的分析检测基于姿势的身体行为事件的发生；向测量传感器和测量传感器处理器中的至少一个提供对应于基于姿势的身体行为事件的所检测发生的事件信息；以及根据所提供事件信息调整测量传感器和测量传感器处理器中的至少一个的操作参数。
此处还公开一种操作自动药物给药和分配系统的方法，所述系统包括检测用户身体移动的姿势传感器、用以产生指示用户的生理特性的传感器数据的测量传感器和用以处理传感器数据的测量传感器处理器。方法的实施例涉及以下步骤：从姿势传感器获得姿势传感器读数；基于对所获得姿势传感器读数的分析检测基于姿势的身体行为事件的发生；以及向测量传感器和测量传感器处理器中的至少一个提供对应于基于姿势的身体行为事件的所检测发生的事件信息。事件信息被格式化以根据所提供事件信息控制测量传感器和测量传感器处理器中的至少一个的操作参数调整。
此处还公开一种操作自动药物给药和分配系统的方法，所述系统包括检测用户身体移动的姿势传感器、用以产生指示用户的生理特性的传感器数据的测量传感器和用以处理传感器数据的测量传感器处理器。方法的实施例涉及以下步骤：从姿势传感器获得姿势传感器读数；基于对所获得姿势传感器读数的分析检测基于姿势的身体行为事件的发生；向测量传感器和测量传感器处理器中的至少一个提供对应于基于姿势的身体行为事件的所检测发生的事件信息；以及根据所提供事件信息调整测量传感器和测量传感器处理器中的至少一个的一个或多个操作参数。
以下详细描述连同附图一起将提供对本发明的性质和优势的更好理解。
提供该发明内容是为了以简化的形式介绍下文的具体实施方式中进一步描述的一系列概念。本发明内容不旨在识别所要求保护的主题的关键特征或必要特征，也不旨在用作确定所要求保护的主题的范围的辅助手段。
附图说明
将参考图式描述根据本公开的各种实施例，在图式中：
图1说明事件监测系统。
图2说明提供用户干预的过程。
图3是根据至少一个实施例的环境的说明性实例。
图4是根据至少一个实施例的包含经由因特网与至少一个额外装置的通信的环境的说明性实例。
图5是根据至少一个实施例的其中食物摄入监测和跟踪装置与基站或接入点直接通信的环境的说明性实例。
图6是根据至少一个实施例的监测和跟踪装置的高级框图的说明性实例。
图7是根据至少一个实施例的监测和跟踪装置的框图的说明性实例。
图8示出根据本公开的至少一个实施例的机器分类系统的实例。
图9示出根据本公开的至少一个实施例的机器分类训练子系统的实例。
图10示出根据本公开的至少一个实施例的机器分类检测器子系统的实例。
图11示出使用非时间数据以及其它数据的机器分类训练子系统的实例。
图12示出使用非时间数据以及其它数据的机器分类检测器子系统的实例。
图13示出根据本公开的至少一个实施例的用于无监督分类系统的训练子系统的实例。
图14示出根据本公开的至少一个实施例的用于无监督分类系统的检测器子系统的实例。
图15示出分类器系集系统的实例。
图16示出包含交叉相关分析子系统的机器分类系统的实例。
图17示出根据实施例的类似于图1的变型的监测系统的高级功能图。
图18示出根据需要用户干预的实施例的监测系统的高级功能图。
图19示出药物分配系统的高级功能图。
图20为可与本公开中所描述的其它元件一起使用的机器学习系统的说明性实例。
图21为药物分配系统的示例性实施例的示意性功能图。
图22为适用于药物分配系统利用的药物给药计算单元的示例性实施例的状态图。
图23为姿势告知式身体行为事件检测器系统的实施例的简化框图表示。
图24为示意性地描绘姿势辨识器单元随时间的输出的图式。
图25为示意性地描绘姿势辨识器单元随时间的输出的图式。
图26为适用于身体行为事件检测器的示例性实施例的状态图。
图27为药物分配系统的功能组件的简化框图表示。
图28为说明基于姿势的身体行为检测过程的示例性实施例的流程图。
图29为说明用于基于行为事件的所预测发生控制药物分配系统的操作的示例性实施例的流程图。
图30为说明用于控制药物分配系统的操作的过程的示例性实施例的流程图，所述过程包含调整检测到的基于姿势的行为事件的置信水平。
图31为说明用于控制药物分配系统的操作的过程的示例性实施例的流程图，所述过程包含调整用于确定基于姿势的行为事件是否已发生的准则。
图32为说明用于控制药物分配系统的操作的过程的示例性实施例的流程图，所述过程包含响应于检测到基于姿势的行为事件而调整至少一个传感器系统操作参数。
具体实施方式
在以下描述中，将描述各种实施例。出于解释的目的，阐述特定配置和细节以便提供对实施例的透彻理解。然而，所属领域的技术人员还应清楚，可在无特定细节的情况下实践实施例。此外，可省略或简化众所周知的特征以免混淆所描述的实施例。
本文中提供装置的各种实例，个人将使用所述装置来监测、跟踪、分析和提供关于食物摄入、摄入过程和时序以及个人的进食、饮用和其它摄取的其它相关方面的反馈，以实现各种目的，例如提供饮食信息和反馈。与食物摄入过程相关的数据可包含：进食过程的时序、进食速度、自最后一次食物摄入事件以来的时间、吃的什么、所吃食物含量的估计等。此类装置可与药物给药系统集成在一起。
概述
如本文中将更详细地描述，包括新型数字健康应用程序和与应用程序交互的可佩戴感测设备的患者管理系统可提供完全自主的人工胰腺系统，且可显著改善患有1型糖尿病的人的生活质量。此患者管理系统可提醒患者服用或施用其药物，但也可提供药物给药，例如胰岛素给药的混合或自主管理。此患者管理系统可有助于正念进食(mindful eating)和适当水合作用。
通过结合精细运动检测和人工智能技术，患者管理系统能检测到高影响性时刻，并允许个人更好地管理其健康，所有这些都是基于通过分析腕部移动和其它传感器输入自动且非侵入性地捕获的见解。响应动作可包含将推注提醒发送到患者和/或其护理人员。早期用餐检测能力可提供对进食行为的独特见解，这是实现自主人工胰腺系统的关键组成部分。
患者管理系统可具有开放数据和软件架构。此可允许其它公司、研究人员和开发人员可能经由允许与第三方应用程序和平台无缝集成的API来利用患者管理系统和其产生的数据。
在特定用途中，患者管理系统充当用餐时间药物提醒器，其向患者传递需要发起推注胰岛素剂量的消息。患者管理系统可具有多级消息传递能力。例如，在患者收到需要采取动作的消息，但患者没有作出响应时，患者管理系统可能会向护理人员发送消息，以指示响应于检测到进食事件的开始患者确实或并未采取预计动作，或并未采取用餐时间胰岛素施用的动作。完全自主的闭环人工胰腺系统可部分由患者管理系统和其提供患者进食行为的自动实时或近实时信息的能力，再加上新颖的控制过程来实现，从而有可能实现真正的“一劳永逸”闭环胰岛素递送系统。
患者管理系统可用于出于其它原因而关注饮食的人。患有1型糖尿病的人通常进行胰岛素治疗，其中基于其食物摄入和其它因素，它们施用适当胰岛素剂量。虽然1型糖尿病的病因可能与个人进食行为无直接关系，但患有1型糖尿病的人需要仔细跟踪其食物摄入，以便管理其胰岛素治疗。此类患者还将得益于更易于使用和更不显眼的食物摄入跟踪方法。在患者管理系统的一些实施例中，感测装置为反馈驱动式自动胰岛素递送治疗系统的部分。此类系统可包含对患者葡萄糖水平的连续监测、精确胰岛素递送系统以及对具有更快吸收速率的胰岛素的使用，其将进一步得益于可从自动和无缝食物摄入跟踪(例如对碳水化合物和糖摄入的跟踪)提取的信息。所述装置还可用于健康程序等。
数据收集
可从具有传感器和电子件的一些固定装置、个人易于移动和四处携带的具有传感器和电子件的一些移动装置获得数据，和/或从个人附接到其本身或衣物或作为个人衣物的部分的具有传感器和电子件的可佩戴装置获得数据。一般来说，此类装置在本文中称为感测装置。数据可为由能够输出数据的传感器提供的原始传感器数据，或可在一定程度上处理、取样或组织数据，以便从传感器的输出导出数据。
本文中，具有此类装置且其摄取受到监测的个人被称为用户，但应理解，所述装置可在个人摄取、个人监测和个人评估反馈不必全都是同一个人的情况中不变地使用。本文中，所摄取的称为食物摄入，但应清楚，这些装置可用于更一般化地跟踪摄取和摄取模式。如本文中所描述的行为跟踪/反馈系统可包括一个或多个可佩戴装置，且还可包括未佩戴的一个或多个额外装置。这些额外装置可由佩戴者携带或保持在附近，使得所述额外装置可与可佩戴装置通信。行为跟踪/反馈系统还可包括远程元件，例如远程云计算元件和/或用于用户信息的远程存储装置。
可佩戴装置可佩戴在佩戴者(即，监测其行为的个人)身上的不同位置处，且可佩戴装置可被编程或配置以顾及那些不同以及佩戴者与佩戴者的不同。例如，惯用右手的人可将装置佩戴在其右手腕上，而惯用左手的人可将装置佩戴在其左手腕上。用户还可具有不同的定向偏好。例如，一些用户可能希望控制按钮在某一侧上，而其它用户可能偏好控制按钮在相对侧上。在一个实施例中，用户可手动输入腕部偏好和/或装置定向。
在另一实施例中，可通过要求用户执行一个或多个预定义姿势且监测来自可佩戴装置的对应于执行所述预定义姿势或姿势集合的用户的传感器数据来确定腕部偏好和/或装置定向。例如，可能要求用户将其手朝向其口部移动。跨越一个或多个轴线的加速度计传感器读数的变化可接着用于确定腕部和装置定向。在又一实例中，行为跟踪/反馈系统可在用户佩戴所述装置达某一持续时间时处理来自可佩戴装置的传感器读数。任选地，行为跟踪/反馈系统可进一步将传感器读数与关于佩戴者的其它数据或元数据组合以推断腕部和装置定向。例如，行为跟踪/反馈系统可监测用户一天且记录跨越一个或多个轴线的加速度计传感器读数。
由于下臂的移动受到肘部和上臂的约束，因此一些加速度计读数将比基于腕部和装置定向的其它读数更频繁。加速度计的信息可接着用于确定腕部和/或装置定向。例如，加速度计读数的平均值、最小值、最大值和/或标准偏差可用以确定腕部和/或装置定向。
在一些实施例中，感测装置可在无需用户交互的情况下感测食物摄入事件的开始/结束、进食速度、饮用速度、啃咬次数、啜饮次数、流体摄入估计和/或份量大小估计。较少人为干预、无人为干预或仅有对于其它操作来说不明显的干预的操作将允许装置在不同用餐情境和不同社会情况下调节自如。感测可包含在食物摄取之前捕获其细节，以及已知的伴随进食的用户动作，例如上臂的反复转动或其它手口运动。传感器可包含加速度计、陀螺仪、相机和其它传感器。
使用所述装置可为个人提供较低使用冲突来检测、量化、跟踪和提供与个人食物摄入含量以及个人食物摄入行为相关的反馈。此类方法有可能防止、治疗以及在某些情况下甚至治愈饮食相关疾病。此类装置可改善功效、准确性和依从性，且减小使用负担并改善社会认可度。所述装置可在无人为干预或极小人为干预的情况下自主操作，且不以侵入性或其它显著负面方式干扰个人正常活动或社会交互或侵犯个人隐私。所述装置能够以不显眼且社会可接受方式应对广泛范围的用餐情境和进餐场合，且能够估计和跟踪食物摄入内容物和量以及进食行为的其它方面。所述装置可向个人提供关于其进食行为、习惯和模式的实时和非实时反馈。
一般已知且理解，某些进食行为可与生理、心理或环境条件有关，例如饥饿、紧张、睡眠、嗜瘾、疾病、物理位置、社会压力和锻炼，由其触发或以其它方式受其影响。这些特性可形成由装置执行或针对装置执行的处理的输入。
食物摄入事件一般涉及个人借以将可食性物质吃、喝或以其它方式摄入体内的情况、情形或动作。可食性物质可包含但不限于固体食物、液体、汤、饮品、点心、药剂、维生素、药品、草本补充品、小食、预制食物、生食、粗粉、开胃菜、主菜、甜品、糖果、早餐、运动或能量饮料。可食性物质包含但不限于可能包含毒素、过敏原、病毒、细菌或可能对个人有害或对群体或群体子集有害的其它组分的物质。本文中为便于阅读，食物用作可食性物质的实例，但应理解，除非另外指示，否则可使用其它可食性物质来代替食物。
进食习惯和模式一般涉及人们如何摄取食物。进食习惯和模式可包含但不限于：进食或饮用速度、每一口的大小、吞咽之前的咀嚼量、咀嚼速度、食物摄入事件频率、食物摄入事件期间摄取的食物量、食物摄入事件期间身体的位置、食物摄入事件期间身体或特定身体部位的可能移动、食物摄入事件期间的思维或身体状态以及用于呈现、处理或摄取食物的器皿或其它装置。进食或饮用速度可反映在后续啃咬或啜饮之间的时间中。
触发事项一般涉及食物摄入事件的发生背后、摄取的量背后以及其如何摄取的背后的原因。食物摄入事件和进食习惯或模式的触发事项可包含但不限于饥饿、紧张、社会压力、疲劳、嗜瘾、不适、医疗需要、物理位置、社会情境或情形、气味、记忆或身体活动。触发事项可与其所触发的食物摄入事件一致。替代地，触发事项可发生在食物摄入事件窗(eventwindow)外部，且可发生在食物摄入事件之前或之后可或可不与食物摄入事件时间直接相关的时间。
在感测装置或系统的一些实施例中，不是所有呈现在本公开中的特征和功能性都予以实施。例如，一些实施例可能仅着重检测和/或处理以及跟踪食物摄入，并不意图引导用户修改其食物摄入或并不跟踪、处理或引导进食习惯或模式。
在本文中的许多实例中，设定背景是：电子装置单独或在其与可能佩戴或可能未佩戴的附近支持装置通信时提供给用户，用户佩戴所述电子装置，所述支持装置例如用以执行被佩戴的电子装置卸载的操作的智能手机。在此类实例中，存在佩戴电子装置的个人，且此个人在实例中被称为“佩戴者”，且系统包括所佩戴装置且可包含未被佩戴且在附近的其它组件，以及远程的、优选能够与所佩戴装置通信的组件。因此，佩戴者佩戴电子装置，且电子装置包含传感器，传感器感测与佩戴者相关的环境。所述感测可具有环境特性、身体特性、移动和其它感测到的信号，如本文中在别处所描述。
在许多实例中，电子装置的功能性可由硬件电路或由可配置以由电子装置中的至少一个硬件处理器执行的程序代码指令或其组合实施。在指示处理器做某事的情况下，可能是由于执行从指令存储器(例如，包含程序代码指令的存储介质)读取的指令而致使处理器执行任务，其中所述指令用于执行所述事情。在此方面，程序代码指令可配置为使得处理器(或主机装置)执行如由所执行指令所定义的某些方法、过程或功能。虽然可能涉及其它人，但此处常见实例是，电子装置的佩戴者使用所述电子装置监测其自身动作，例如姿势、包括姿势序列的行为事件、活动、活动或行为事件的开始、活动或行为事件的停止等。在描述处理器执行特定过程的情况下，可指以分布式处理方式独立于所佩戴电子装置来进行所述过程的部分。因此，描述由电子装置的处理器执行的过程不必限于所佩戴电子装置内的处理器，而可能是与所佩戴电子装置通信的支持装置中的处理器。
患者管理系统
患者管理系统可包括在例如智能手机的装置或可与个人佩戴的可佩戴感测设备通信的专用装置上运行的新颖数字健康应用程序。可佩戴感测设备与应用程序交互以提供胰岛素给药和提醒的混合或自主管理。
在此类系统的使用实例中，本文中称为“患者”的个人已被诊断出患有需要向患者提供外部胰岛素的1型糖尿病。可使用例如笔或注射器，或经由附接到患者身体以将所测量的胰岛素量引入到患者身体中的胰岛素泵或类似胰岛素给药和分配装置以可注射胰岛素形式给予胰岛素。剂量和时序可以随患者进食、开始进食、即将进食、已进食且将继续进食或已结束进食的时间而变。能够从移动和传感器数据输出辨别姿势的可佩戴装置可在可能没有特定患者干预的情况下确定进食事件何时已开始或即将开始，以及进食事件的速度、持续时间和可能的结束。根据此确定，可佩戴装置(或与可佩戴装置通信的辅助装置，例如全功能智能手机)将向胰岛素给药和分配装置发送指示进食/饮用的一些细节的信号，和/或将向患者、看护者和/或健康专业人士发送消息。在不同实施例中，可佩戴装置可与例如全功能智能手机的辅助装置通信，智能手机可能与来自例如连续葡萄糖监测(“CGM”)装置的一个或多个其它装置的输入组合地处理从可佩戴装置接收的信息，以确定胰岛素给药量和/或时序并将给药信息传达回到患者或附接到患者的胰岛素分配装置。
例如，可佩戴装置可确定患者已开始进食，且可根据进食速度和所确定的可能事件持续时间，向给药和递送装置传信关于进食事件的一些信息，递送装置可使用所述信息开始向患者递送胰岛素。另外，或替代地，可佩戴装置可发送与进食事件和所测量参数相关的消息。例如，可佩戴装置可与附近正运行与所述可佩戴装置配对的应用程序的智能手机通信，并向指派到患者的预存号码发送可能作为蜂窝电话网络文本消息(例如，SMS消息)的消息，其中所述消息表示如“已检测到食物事件。请确保激活你的胰岛素给药和递送装置以进行胰岛素给药”的内容。
如果患者为智能手机的操作者，则应用程序可能会直接向患者传递消息，而不必发送网络文本消息。所述消息可在电话上、在患者的可佩戴装置上或在患者交互的另一电子装置上显示。在一些情况下，消息的接收者不止一个可能很有用。例如，在患者不管是由于年龄(年轻或年老)还是出于其它原因而需要或使用护理人员辅助的情况下，可佩戴装置也可向护理人员传递消息。在有用或需要的情况下，可将此信息提供到保健专业人士，以可能监测患者对治疗方案的依从性。
如本文中所使用，为便于阅读，事件可被描述为“进食事件”或“食物摄入事件”而非“进食事件和/或饮用事件”，但应理解，除非另外指示，否则本文中与进食事件或食物摄入事件相关的教示可同样适用于饮用事件。
姿势感测技术可用于在无需用户提示或交互的情况下自动地检测姿势事件，例如使用腕戴式可佩戴装置或戒指中的运动传感器(加速度计/陀螺仪)根据其手部姿势检测到指示某人正进食或饮用的事件的姿势。此检测可实时发生，以推断关于摄取活动的关键见解，例如摄取事件的开始时间、摄取事件的结束时间、摄取方法、与摄取速度相关联的度量、与摄取量相关联的度量，以及与摄取频率相关联的度量、摄取位置等。姿势感测技术可用于例如吸烟、牙齿卫生、手部卫生等的其它活动和行为。
姿势感测技术可使用腕戴式可佩戴装置或戒指中的运动传感器(加速度计/陀螺仪)自动地(即，无需用户干预)根据其手部姿势检测某人何时在进食或饮用。运动传感器还可嵌入在通常佩戴于手臂上、腕部、手或手指周围的另一装置中。运动传感器还可嵌入到纹身中或植入到患者身体中。此检测可实时或近实时地发生。所佩戴装置可与装置外处理和通信功能性组合，如可在便携式通信装置中发现。此装置外处理可用于更复杂的处理任务，例如推断关于摄取活动的见解，例如开始时间、结束时间、摄取方法、与摄取速度相关联的度量、与摄取量相关联的度量、与摄取频率相关联的度量、摄取位置等。
对于患有1型糖尿病的人来说，每次用餐的开始可能是一个关键时刻。在疾病管理的实例中，在每次用餐开始时，患者(或护理人员等)需要决定是否注射以及注射多少胰岛素，且需要基于所述决策采取动作(例如，注射胰岛素的动作)。
患者管理系统可提供早期用餐检测能力，且提供可向患者和/或胰岛素给药装置提供信息以帮助其作出决策和采取动作的强大“推力”。例如，患者管理系统可在用餐开始时发送施用胰岛素的实时提醒。忘记推注是血糖控制不佳的主要原因之一，尤其是在青少年当中。患者管理系统可提示患者在用餐开始和/或结束时检查其血糖水平且可支持简易记录。记录可能是从系统的可佩戴组件处理的，且其可与患者执行腕部姿势以传信已执行所请求动作(例如，施用胰岛素或检查血糖水平)或可充当数据输入动作的其它移动一样离散。
保健提供者可“即时”调查其患者，从而产生更准确且可操作的见解(例如，评定估计碳水化合物、情绪、帮助需求的难度)。
更一般来说，患者管理系统可以秒级准确性跟踪进食和饮用活动，使得有可能例如使血糖水平和推注(胰岛素施用)动作与准确的进食时间相关。此可用于个性化营养研究和开发个性化营养规划。此信息可为个性化糖尿病护理途径的组成部分。
患者管理系统可用于研究实时推注提醒对药物依从性和血糖控制的影响。数据共享可实时发生，或不实时发生。数据可与护理人员、保健专业人士共享，或在适当隐私保护下，作为更大数据集的部分提供给研究人员和医疗装置开发人员。
患者管理系统的一个部分为应用程序，其可提供待由患者使用的用户接口。此应用程序可提供向患者发送实时推注提醒的能力，和允许将实时警告(通知或文本)发送到远程护理人员和其它人的一个或多个目的地(例如，电话号码、电子邮件地址、URL等)的监测服务。例如，此可允许父母远程监测其年幼的1型糖尿病孩子的进食活动和对消息或警告的响应。
在一些方法中，患者在其正进食或将要进食时手动地告知胰岛素递送系统。基于此输入，胰岛素递送系统将接着以一个或多个剂量开始胰岛素递送。这并不理想，因为用户需要采取告知胰岛素递送系统的动作。如果不需要用户采取任何动作会更好。替代地，胰岛素递送系统可根据患者血糖水平的变化监测而推断食物摄入事件的发生。直接血糖水平测量可能是不切实际的。可使用连续葡萄糖监测装置自动且周期性地测量间质葡萄糖水平，且那些水平通常用作血糖水平的指标。然而，间质葡萄糖水平测量可能会延迟20分钟或更多。此对于实现良好的血糖控制来说为时已晚，且因此间质液测量对于告知胰岛素递送系统来说可能不太理想。
需要自动检测食物摄入事件以告知胰岛素递送系统且允许胰岛素递送系统在没有或减少人为干预的情况下进行操作。患者管理系统可一般用作药物提醒系统或更具体地说，用作胰岛素治疗系统。
现将描述患者管理系统的实例。
在检测到食物摄入事件的实际或即将开始后，可将消息/警告发送到患者以提醒其服用药物。药物可为胰岛素或其它药物，例如需要在进餐之前、期间或之后服用的药物。在某些情况下，可能需要在检测到食物摄入事件的实际或即将开始与发送警告的时间之间存在延迟，且可根据需要调谐此延迟。例如，并非在食物摄入事件开始时发送警告，而是可在系统检测到已啃咬或啜饮五次、十次或某一其它特定次数之后发送警告。在另一实例中，可在系统检测到食物摄入事件的实际或即将开始之后一分钟、五分钟或某一其它特定固定时间发送警告。警告的时序还可至少部分地取决于患者管理系统的已发生食物摄入事件的实际或即将开始的置信水平。可在患者管理系统发现以往在进食事件之前出现的状况时或某个时间之后发送警告。基于由患者管理系统从患者的过去进食事件记录的历史数据，患者管理系统可能够确定在用餐之前10分钟、在用餐开始时或在用餐期间需要通知或提醒。患者管理系统还可被编程以处理“打盹”事件，其中患者收到警告通知，且患者指示患者管理系统应在近期的所定义时间，例如在初始警告或提醒之后的所定义时间周期处或在初始警告或提醒之后的所定义啃咬次数处重新发送提醒。
当患者管理系统将消息/警告发送到患者时，还可经由辅助消息传递通知一个或多个人或一个或多个系统。可向其它人或系统通知食物摄入事件的实际、可能或即将开始。如果给患者的消息/警告包含用于患者作出响应的机制，则可向其它人或系统告知患者的响应。如果患者未能作出响应，则也可告知其它人或系统。此在看护患者的父母和/或护理人员的情况下可能会有所帮助。
在一些情况下，患者管理系统可被编程以接受来自患者的不同输入。例如，患者管理系统可具有用户接口以从患者接受用餐已结束，用餐将具有零、许多或某种量度的碳水化合物的指示。
如同患者消息传递，对于此辅助消息传递，在检测到食物摄入事件的实际或即将开始与发送警告的时间之间可存在延迟。并非在食物摄入事件开始时发送警告，可在系统检测到已啃咬或啜饮某一次数之后发送警告。在向患者发送警告与通知其它人或系统之间可存在延迟。如果给患者的消息/警告包含用于患者作出响应的机制，则在患者对消息/警告作出响应与向其它人或系统告知个人的响应或未能作出响应之间可存在延迟。
可经由通过蜂窝网络发送的消息来通知一个或多个其它人。例如，在其手机或其它移动或可佩戴装置上的文本消息。
现将描述胰岛素治疗系统。
对如本文中所描述的食物摄入事件的实际、可能或即将开始的检测可用于告知胰岛素递送系统。在接收到指示食物摄入事件的实际、可能或即将开始的信号后，胰岛素递送系统可计算或估计待施用胰岛素的适当剂量和递送胰岛素的时间表。
胰岛素递送系统可在计算或估计给药和频率时使用其它参数和输入。例如，胰岛素递送系统可使用当前或先前葡萄糖水平读数、葡萄糖水平读数的波动、从葡萄糖水平读数导出的参数或在起效胰岛素(insulin-on-board)(即，在早期时间施用但仍在患者体内起作用的胰岛素)。从葡萄糖水平读数导出的参数的实例可为当前斜率(即，一阶导数)、葡萄糖水平读数的二阶或更高阶导数、当前食物摄入事件之前的某一时间窗中的葡萄糖水平读数的最大值、均值、最小值等。
胰岛素递送系统还可包含与用餐活动自身相关的参数，例如用餐的持续时间、进食速度、摄取量。胰岛素递送系统还可使用其它传感器输入，例如心率、血压、体温、水合程度、疲劳程度等，且可从其自身的传感器获得这些信息，或从患者可能用于此目的或其它目的的其它装置获得其中一些信息。
胰岛素递送系统还可包含其它输入，例如当前或过去的身体活动水平、当前或过去的睡眠水平和当前或过去的紧张程度。胰岛素递送系统还可包含特定个人信息，例如性别、年龄、身高、体重等。胰岛素递送系统还可包含与患者的胰岛素需求相关的信息。此可为由患者、护理人员或健康记录或保健维护系统输入或配置的信息。与患者的胰岛素需求相关的信息还可从胰岛素递送系统收集和存储的历史数据导出。例如，在当前食物摄入事件之前的一时间周期内由胰岛素递送系统递送的胰岛素量。
在另一实施例中，胰岛素递送系统可考虑与一个或多个先前食物摄入事件相关联的胰岛素量和递送时间表，所述事件发生在或大约发生在一天中的同一时间和/或一周中的同一天，或在当前当日时间前后的所定义时间窗内。胰岛素递送系统还可考虑患者的当前位置。
与食物摄入事件相关的额外参数也可用于告知胰岛素递送系统。胰岛素递送系统可使用此类参数来计算或估计待递送胰岛素的适当剂量和/或胰岛素递送的时间表。此类参数可包含但不限于进食或饮用的持续时间、食物或饮料的摄取量、进食速度、碳水化合物的摄取量、进食方法或所使用器皿或容器的类型。这些额外参数中的一些(例如，持续时间或速度)可由食物摄入跟踪和反馈系统计算而不需要任何用户干预。在其它情况下，可能需要用户进行用户干预、输入或确认。
胰岛素递送系统也可使用与过去食物摄入事件相关的参数来计算或估计适当胰岛素剂量和胰岛素递送时间表。胰岛素递送系统还可包含与过去食物摄入事件相关的参数，包含与时间、位置、持续时间、进食或饮用速度、摄取量、进食方法、所使用器皿、所摄取内容物等相关的参数。其它参数也是可能的。例如，胰岛素递送系统可考虑一个或多个过去食物摄入事件的持续时间和/或一个或多个过去食物摄入事件的平均进食速度。在某些实施例中，胰岛素递送系统可能仅考虑与当前食物摄入事件之前的特定时间窗内发生的过去食物摄入事件相关的参数。在某些实施例中，胰岛素递送系统可能仅考虑来自以下过去食物摄入事件的参数：其发生在或大约发生在一天中与当前食物摄入事件相同的时间和/或一周中与当前食物摄入事件相同的一天。在某些实施例中，胰岛素递送系统可能仅考虑来自以下一个或多个过去食物摄入事件的参数：其发生在与当前食物摄入事件相同的位置处或附近。
在某些实施例中，胰岛素递送系统可查看过去胰岛素剂量和递送时间表对血糖读数或用作血糖读数的指标的其它传感器输出，例如间质葡萄糖读数的影响，以计算或估计胰岛素剂量并确定当前食物摄入事件的递送时间表。
胰岛素递送系统可连续地或周期性地处理其逻辑，且基于上文所描述参数中的一个或多个相应地更新用于胰岛素给药和/或胰岛素递送安排的逻辑。
除胰岛素外，患者管理系统还可推广到需要与食物摄入事件一起施用的药物或物质的施用，尤其是如果药物或其它物质的量与相关联于食物摄入事件的参数相关时。
可应用过滤器以确定餐食是否为合格/适用餐食类别的部分。
患者管理系统可被编程以在用餐期间执行连续或周期性且频繁的评估，且基于观察到的血糖水平读数(或其指标，例如间质葡萄糖水平读数)变化而向上或向下调整时间表或胰岛素量。在一个特定实施例中，如果葡萄糖水平读数低于某一阈值，或如果体现于由患者管理系统执行的可执行程序代码中的预测性算法输出在执行当前量和时间表情况下葡萄糖读数将在未来时间低于某一水平的预测，则可暂停胰岛素递送。
以此方式，患者管理系统可在考虑进食的开始、进食速度、预期的进食结束、进食的持续时间和其它因素的同时，将通知和信号发送到胰岛素递送装置。例如，患者管理系统可在进食开始时和进食期间使用例如心率、进食速率、体温等的各种输入指示胰岛素递送装置递送胰岛素来进行调整。以此方式，患者管理系统可为用餐感知的、自主或半自主人工胰腺的部分。
附图说明
图1示出根据实施例的膳食跟踪和反馈系统的高级功能图。用于膳食跟踪和反馈的系统可部分包含以下中的一个或多个：食物摄入事件检测子系统101、一个或多个传感器102、跟踪和处理子系统103、反馈子系统106、一个或多个数据存储单元104和可执行非实时分析的学习子系统105。在一些实施例中，图1中所示的元件在电子硬件中实施，而在其它实施例中，一些元件在软件中实施且由处理器执行。一些功能可共享硬件和处理器/存储器资源，且一些功能可为分布式的。功能性可完全实施于例如腕戴式可佩戴装置的传感器装置中，或功能性可跨越传感器装置、传感器装置与之通信的例如智能手机的处理系统，和/或远离传感器装置处理一些功能性的服务器系统实施。
例如，可佩戴传感器装置可进行测量并将其传达到移动装置，所述移动装置可处理从可佩戴传感器装置接收的数据且可能与其它数据输入组合地使用所述信息来激活跟踪和处理子系统103。跟踪和处理子系统103可实施于移动装置上、可佩戴传感器装置上或另一电子装置上。跟踪和处理子系统103还可跨越多个装置，例如跨越移动装置和可佩戴传感器装置分布。可经由因特网与进一步处理数据的服务器进行通信。数据或其它信息可以合适格式存储，以记录的形式或在一定程度的处理之后分布在多个位置上或集中存储。数据可临时或永久地存储。
图1中所说明的系统的第一组件是食物摄入事件检测子系统101。食物摄入事件检测子系统101的作用为识别食物摄入事件的开始和/或结束并传达事件的实际、可能或即将发生。事件可例如为与特定活动或行为相关的事件。事件检测子系统101可检测的事件的其它实例可为操作者在生产线上或别处执行特定任务或执行特定工序。又一实例可为机器人或机械臂在生产臂上或别处执行特定任务或执行特定工序。
一般来说，装置检测什么可能是食物摄入事件的开始或食物摄入事件的可能开始，但只要装置能合理地确定此类开始/可能开始，装置就足以用于其目的。为了清楚起见，所述检测被称为食物摄入事件的“认为的开始”，且在各种过程、操作和元件将要结合食物摄入事件的开始执行某一动作或行为时，即使有时所述认为的开始实际上并不是食物摄入事件的开始，那些各种过程、操作和元件将认为的开始当作开始也将是可接受的。
在一个实施例中，对食物摄入事件的认为的开始的发生的检测和/或传信与食物摄入事件的认为的开始同时。在另一实施例中，这可能偶尔发生在食物摄入事件的认为的开始之后。在又一实施例中，这有时可能发生在食物摄入事件的认为的开始之前。通常希望传信接近食物摄入事件的认为的开始。在本公开的一些实施例中，可能有益的是，对食物摄入事件的认为的开始的检测和/或传信发生在所述食物摄入事件开始之前。例如，在消息或信号将在食物摄入事件开始之前作为帮助引导用户的食物摄入决策或进食习惯的指导机制发送到用户、保健提供者或护理人员的情况下，这可是有用的。
事件检测的方法可包含但不限于基于监测身体或身体特定部位的移动或位置、监测手臂移动、位置或姿势、监测手部移动、位置或姿势、监测手指移动、位置或姿势、监测吞咽模式、监测口唇移动、监测唾液、监测面颊或颌的移动、监测啃咬或磨牙、监测来自嘴部、喉咙和消化系统的声音和其它信号而进行的检测。检测的方法可包含对个人和/或其周围环境的视觉、音频或任何其它类型的感觉监测。
监测的信号可由膳食跟踪和反馈系统产生。替代地，所述信号可由单独系统产生但膳食跟踪和反馈系统可通过接口接入所述信号。机器学习和其它数据分析技术可应用于从监测到的输入信号中检测食物摄入事件的开始或可能开始。
在一个实例中，食物摄入检测系统101可监测加速度计和/或陀螺仪传感器的输出以检测可能的啃咬姿势或可能的啜饮姿势。此类姿势可由姿势处理器确定，所述处理器使用机器学习来从传感器读数提取姿势。姿势处理器可为所佩戴装置的或系统的另一部分中的处理器的部分。
如本文中在别处描述的姿势检测机器学习技术可用于检测啃咬姿势或啜饮姿势，但其它技术也是可能的。食物摄入检测系统101可进一步为检测到的啃咬姿势或啜饮姿势指派置信水平。所述置信水平对应于检测到的姿势实际上是啃咬或啜饮姿势的可能性。食物摄入检测系统可在无任何额外输入的情况下基于姿势的检测和其置信水平来确定食物摄入事件的开始已发生。例如，食物摄入事件检测系统101可在啃咬或啜饮姿势的置信水平超过预配置阈值时决定食物摄入事件的开始已发生。
替代地，当检测到可能的啃咬或啜饮姿势时，食物摄入事件检测系统101可使用额外输入来确定食物摄入事件的开始或可能开始已发生。在一个实例中，食物摄入事件检测系统101可监测时间上接近的其它姿势以确定食物摄入事件的开始是否已发生。例如，在检测到可能的啃咬姿势后，食物摄入事件检测系统101可等待检测到在第一姿势的检测之后某一时间窗内和/或具有某一置信水平的另一啃咬姿势，之后确定食物摄入事件的开始已发生。
在此类检测后，食物摄入检测系统101可将一个或多个电路或组件置于较高性能模式以进一步改善姿势检测的准确性。在另一实例中，食物摄入事件检测系统101可考虑当日时间或用户的位置以确定食物摄入事件的开始或可能开始是否已发生。食物摄入事件检测系统可使用机器学习或其它数据分析技术来改善其检测能力的准确性和可靠性。例如，在早期时间从所述用户和/或从其它用户获得的训练数据可用于训练分类器。可通过在已检测到可能的啃咬或啜饮姿势时请求用户确认来获得训练数据。所标记数据记录可接着形成且存储在姿势处理器可读的存储器中，所述姿势处理器包含与姿势相关的特征以及其它情境特征，例如当日时间或位置。可接着针对所标记数据集来训练分类器，所述数据集由多个所标记数据记录集的所标记数据记录构成，且所训练的分类器模型可接着用于食物摄入事件检测系统中以更准确地检测食物摄入事件的开始。
在另一实施例中，食物摄入检测子系统可使用触发事项来自主地预测食物摄入事件的可能开始。基于触发事项自主检测食物摄入事件的可能开始的方法可包含但不限于：监测个人睡眠模式、监测个人紧张程度、监测个人活动等级、监测个人位置、监测个人周围的人们、监测个人生命体征、监测个人水合程度、监测个人疲劳程度。在一些情况下，食物摄入检测子系统可在较长时间周期内监测一个或多个特定触发信号或触发事件，且结合非实时分析和学习子系统105应用机器学习或其它数据分析技术，以预测食物摄入事件的开始的可能发生。
例如，在无任何额外信息的情况下，可能极难预测用户将何时吃早餐。然而，如果系统记录了数天用户醒来的时间和星期几，则系统可使用所述历史模式来确定用户可能吃早餐的时间。那些记录可由系统在可能具有来自用户的准确性反馈的情况下确定，或那些记录可通过用户和经由系统用户接口的输入来确定。用户接口可为所佩戴装置自身或例如智能手机应用程序。因此，系统可处理历史数据中的相关性以基于当前星期几和用户何时醒来而预测用户最可能吃早餐的时间或时间窗。其它触发信号或触发事件也可由非实时分析和学习子系统105用来预测用户将吃早餐的时间。
在另一实例中，非实时分析和学习系统105可在某一时间周期内记录用户的紧张程度。紧张程度可例如通过监测和分析用户心率或与用户心率相关的某些参数来确定。紧张程度还可通过分析用户的声音来确定。紧张程度还可通过分析用户消息或电子通信的内容来确定。确定紧张程度的其它方法也是可能的。此外，非实时分析和学习系统105可在相同的时间周期内记录食物摄入事件的发生和食物摄入事件的某些特性，例如进食速度、摄取的食物量、食物摄入事件之间的时间间隔等。有可能接着可通过分析紧张程度、食物摄入事件的发生和食物摄入事件特性的历史数据以及通过查看紧张程度、食物摄入事件的发生和食物摄入事件特性的历史数据中的相关性，基于当前紧张程度来预测用户将在未来某一时间窗中开始食物摄入事件的机率，或预测用户将在未来什么时间窗中最可能开始食物摄入事件。有可能还可预测所述食物摄入事件的特性，例如进食速度或摄取量。
在特定实施例中，非实时分析和学习子系统105可使用来自不同用户的历史数据或来自其它用户与来自佩戴者的数据的组合，且使用所述不同用户中的一个或多个与佩戴者之间的类似性，例如年龄、性别、医疗病症等，来预测佩戴者的食物摄入事件的可能开始。
在又其它实例中，非实时分析和学习子系统105可使用类似于本文中所描述的方法的方法来预测用户何时最可能复发暴食症或最可能开始随意吃零食。
各种传感器可用于此类监测。监测的信号可由膳食跟踪和反馈系统产生。替代地，所述信号可由单独系统产生但膳食跟踪和反馈系统可接入所述信号以用于处理和/或用作触发信号。机器学习和其它数据分析技术也可应用于预测可能摄入事件的一些其它特性，例如很可能会被摄取的食物类型和/或量、个人的很可能进食速度、个人将从摄取食物获得的满足程度等。
执行为姿势辨识的部分的机器学习过程可使用外部数据来进一步细化其决策。此可通过非实时分析和学习子系统过程来进行。数据分析过程可例如考虑由基于姿势感测的食物摄入检测系统和基于姿势感测的跟踪和处理系统所检测到的食物摄入事件，因此形成第二层机器学习。例如，在一时间周期内，记录食物摄入事件和与那些食物摄入事件相关的特性，例如进食速度、食物摄取量、食物内容物等，同时还跟踪不直接或可能不明显与食物摄入事件有关的其它参数。例如，此可为位置信息、个人醒来的当日时间、紧张程度、个人睡眠行为的某些模式、包含时间、事件位置和参与者列表的日历事件细节、包含时间、持续时间、电话号码等的电话拨打信息、例如时间、持续时间、发送者等的电子邮件元数据。数据分析过程接着识别模式和相关性。例如，其可确定白天日历事件的数目与夜晚食物摄入事件的特性之间的相关性。此可是由于用户在回到家中时更有可能开始吃零食，或在当天日历事件的数目超过某一阈值时，晚餐更丰盛和/或更匆忙。通过子系统105，有可能根据与食物摄入无明显关系的其它信号和事件来预测食物摄入事件和特性。处理和分析子系统可使用例如位置、日历信息、星期几或当日时间的额外情境元数据来作出此类确定或预测。
对更长时间周期内的一个或多个传感器输入和/或一个或多个图像的处理和分析--任选地使用机器学习或其它数据分析技术--还可用以估计食物摄入事件的持续时间，或可用于预测食物摄入事件可能或即将结束。
在另一实施例中，一些用户输入108对于适当地或更准确地检测食物摄入事件的开始和/或结束来说可能是必要或合乎需要的。除了外部输入和从传感器102接收的输入之外，还可提供此类用户输入。替代地，可使用一个或多个用户输入代替任何传感器输入。用户输入可包含但不限于激活装置、按压按钮、触碰或移动装置或装置的特定部分、拍照、发出语音命令、在屏幕上进行选择或使用硬件和/或软件输入信息，所述硬件和/或软件可包含但不限于键盘、触摸屏或语音辨识技术。如果需要一个或多个用户输入，重要的是以最小化对个人正常活动或社会交互的负面影响的方式构想和实施用户交互。
食物摄入事件检测子系统101可组合多个方法以自主地检测或预测食物摄入事件的实际、可能或即将发生的开始和/或结束。
系统的另一组件是跟踪和处理子系统103。在本公开的优选实施例中，此子系统与食物摄入事件检测子系统101介接109，且在其从食物摄入事件检测子系统101收到已检测到事件的实际、可能或即将开始的信号时被激活，且在其从食物摄入事件检测子系统101收到已检测到事件的实际、可能或即将结束的信号时或某一时间之后被停用。在检测到食物摄入事件开始后，装置可触发食物摄入跟踪系统的其它传感器或组件的激活，且还可在检测到食物摄入事件结束后触发所述其它传感器或组件的去激活。
应用：食物记录
在现有食物日志记录方法中，如果用户忘记输入或出于其它原因(有意或无意地)没有输入，则不存在进食事件的记录或历史。此使得食物日记不完整、不准确且对治疗目的的用处大大降低。此外，现有食物记录方法中记录的内容通常限于自身报告的内容物和量。不存在关于如何摄取食物的重要特性的信息(例如，速度、用餐持续时间)。
图1中所示的监测系统可用于自动化或减少食物记录的冲突。在本公开的一个实施例中，事件检测子系统101使用从例如加速度计或陀螺仪的运动传感器推断的信息来根据受试者的手部姿势检测和监测进食或饮用事件。在其它实施例中，不同传感器输入可用于推断进食或饮用事件。其它传感器可包含但不限于心率传感器、压力传感器、接近度传感器、葡萄糖传感器、光学传感器、图像传感器、相机、光度计、温度计、ECG传感器和麦克风。
记录事件检测子系统101的指示发生受试者的进食或饮用事件的输出。事件检测子系统101可进行额外处理以获得关于事件的额外相关信息，例如开始时间、结束时间、表示受试者的进食或饮用速度的度量、表示摄取量的度量。也可记录此额外信息。
对进食或饮用事件的发生的检测可被记录为食物日志中的条目。可从事件检测子系统获得的与进食或饮用事件相关联的额外信息也可被记录为食物日志中的摄取事件条目的部分。此可代替手动地输入每一进食事件。
关于所记录的进食或饮用事件的信息可包含事件的时间、事件的持续时间、事件的位置、与摄取速度相关的度量、与摄取量相关的度量、进食方法、所使用器皿等。
应用：药物依从性
由于事件系统能够监测事件和姿势并确定摄取情况，因此这可用于自动地监测药物施用协议，所述协议定义了何时需要服用药物，以及需要吃什么食物或采取什么其它动作。此可能与例如早餐的特定餐食类别、一天中的特定时间等有关。药物施用协议可能会指定患者是否应在服用药物的情况下进食或饮用。任选地，药物施用协议还可指定患者应摄取多少食物或液体。
例如，当需要在一天中的特定时间服用药物时，药物依从性系统可监测时间，并在需要服用药物时发出警告。其接着还可激活事件检测子系统(如果它尚未处于作用中)且开始监测事件检测子系统的输出。其等待来自用户的其已服用药物的通知确认。
如果接收到确认且如果药物施用协议规定药物需要与食物或液体一起服用，则药物依从性系统监测来自进食/饮用事件检测子系统的输出且确定是否满足由药物施用协议指定的规则。此可简化为确认在摄入药物时或不久之后是否发生了进食或饮用事件。在药物施用协议指定需要摄取最少量的食物或液体的情况下，药物依从性系统可监测事件检测子系统的额外输出(与摄取量相关的度量)以确认是否满足此条件。确定是否已满足药物施用协议的不同规则/逻辑也是可能的。
如果未接收到确认，则药物依从性子系统可发出第二通知。额外通知也是可能的。在预配置的通知数目之后，药物依从性子系统可发出警告。可向用户发出如文本消息的警告，或警告可经由因特网或经由蜂窝连接发送到远程服务器(例如，发送到医院、护理人员)。
如果需要在特定餐食类别情况下服用药物，则药物依从性系统可监测进食检测子系统的输出。当检测到进食事件时，其将使用逻辑来确定适用餐食类别。如果餐食类别匹配由药物施用协议描述的类别，则将发出通知以提醒用户服用其药物。如果药物施用协议规定应与药物一起摄取食物或液体，则可实施上文概述的监测逻辑以确定是否已依从药物施用协议。
药物依从性系统可监测进食事件检测子系统的输出以确定进食事件的开始是否已发生，且确定进食事件是否为适用餐食类别。当检测到进食事件且餐食类别与药物施用协议描述的类别匹配时，可能会采取某些动作，例如其可能会激活对象信息检索系统(例如，NFC标签、成像)，以收集关于用户正与之交互的对象的更多信息。以此方式，其可从附接到药丸盒或药物容器的NFC标签获得关于药物的信息。在另一用途中，可验证出药物匹配药物施用协议规定的药物且/或发出通知以提醒用户服用其药物。如果药物施用协议规定应与药物一起摄取食物或液体，则可实施上文概述的监测逻辑以确定是否已依从药物施用协议。
系统还可将从对象信息收集系统或通过不同方法获得的关于药物的细节并入通知中，响应于来自用户的其已服用药物的通知而记录确认，要求用户提供关于药物的额外信息，和/或在用户已服用药物之后的预配置时间向用户发送后续问题以获得额外输入。(例如，关于用户感觉如何的查询、关于疼痛水平的查询、测量血糖水平的提示)。
额外实施例
在本公开的另一实施例中，跟踪和处理子系统可独立于来自食物摄入检测子系统的任何信号而激活和/或去激活。还有可能独立于来自食物摄入检测子系统的任何信号跟踪和/或处理某些参数，而其它参数的跟踪和/或处理可能仅在从食物摄入事件检测子系统接收到信号后才发起。
传感器输入可与发送到食物摄入事件检测子系统的输入相同或类似。替代地，可收集不同和/或额外传感器输入。传感器可包含但不限于加速度计、陀螺仪、磁力计、图像传感器、相机、光学传感器、接近度传感器、压力传感器、气味传感器、气体传感器、全球定位系统(GPS)电路、麦克风、皮肤电反应传感器、温度计、环境光传感器、UV传感器、肌电(“EMG”)电位检测电极、生物阻抗传感器、光谱仪、葡萄糖传感器、触摸屏或电容式传感器。传感器数据的实例包含运动数据、温度、心率、脉搏、皮肤电反应、血液或人体化学、音频或视频录制以及取决于传感器类型的其它传感器数据。传感器输入可无线地或经由电线以模拟或数字形式通过门控和/或计时电路介接或直接提供而传达到处理器。
跟踪和处理子系统所用的处理方法可包含但不限于数据操纵、代数计算、地理标记、统计计算、机器学习、计算机视觉、话音辨识、模式辨识、压缩和过滤。
收集到的数据可任选地临时或永久地存储在数据存储单元中。跟踪和处理子系统可使用到数据存储单元的接口将数据或其它信息放置在数据存储单元中，且从数据存储单元检索数据或其它信息。
在本公开的优选实施例中，数据的收集、处理和跟踪自主地发生且无需任何特殊用户干预。跟踪的参数可包含但不限于以下项：位置、周围环境温度、环境光、环境声音、生物计量信息、活动水平、食物图像捕获、食物名称和描述、份量大小、流体摄入、卡路里和营养信息、满口计数、啃咬计数、啜饮计数、连续啃咬或啜饮之间的持续时间以及食物摄入事件的持续时间。对于每次啃咬或啜饮，跟踪的参数还可包含用户的手、手臂和/或器皿靠近用户嘴部的持续时间、所咬或所饮内容物在吞咽之前存在于用户口中的持续时间。所述方法可基于可用的传感器数据是什么而发生变化。
在本公开的其它实施例中，需要或可能想要一些用户干预来实现例如较大准确性或输入额外细节。用户干预可包含但不限于：激活装置或装置的特定功能性、使装置保持在适当位置、拍照、添加语音标注、录制视频、进行校正或调整、提供反馈、进行数据输入、对食物或食物样本进行测量。测量可包含但不限于例如获得食物品目的一个或多个谱图的非破坏性技术，或可能需要取自食物的样本的化学方法。
跟踪和处理子系统103对传感器数据和用户输入的处理通常实时或近实时地发生。可能存在一些延迟例如以节约电力或遵从某些硬件限制而运作，但在一些实施例中，所述处理在食物摄入事件期间发生，或在食物摄入事件之外的跟踪情况下，所述处理在已接收到传感器或用户输入的时间前后发生。
在某些实施方案中或在某些情况下，可能不存在实时或近实时接入所需处理单元来执行一些或全部处理。例如，这可能是由于功耗或连接约束。也可能有其它动机或原因。在这种情况下，输入和/或部分处理的数据可本地存储，直到可接入处理单元的稍后时间为止。
在本公开的一个特定实施例中，可将跟踪个人手臂、手或腕部移动的传感器信号发送到跟踪和处理子系统103。跟踪和处理子系统103可处理和分析此类信号以识别所述个人已摄取或很可能已摄取一口食物或一口液体。此外，跟踪和处理子系统103可处理和分析此类信号以识别和/或量化进食行为的其它方面，例如啃咬或啜饮之间的时间间隔、手口移动速度等。此外，跟踪和处理子系统103可处理和分析此类信号以识别进食方法的某些方面，例如个人是用餐叉还是用汤勺进食、是从玻璃杯还是易拉罐饮用，或是否是在未使用任何器皿的情况下摄取食物。
在特定实例中，可能是佩戴者在啃咬时将进食器皿或手送到嘴部时在一个方向上转动其腕部，但在啜饮液体时在另一方向上转动腕部。对于饮用姿势与进食姿势来说，佩戴者腕部在其移动其腕部到嘴部或远离嘴部时的转动量以及腕部保持在较高转动角的持续时间也可不同。其它度量可用于区分进食姿势与饮用姿势，或用于区分进食方法的不同。还可使用多个度量的组合。可用于区分进食姿势与饮用姿势或区分进食方法的不同的其它度量实例包含但不限于：从姿势开始或近似开始直到手到达嘴部的时间或近似时间的旋转角变化；从手靠近嘴部的时间或近似时间直到姿势结束或近似结束的旋转角变化；在手靠近嘴部时的持续时间内，或手靠近嘴部时的前后持续时间内，或并不在手靠近嘴部时的前后但包含手最靠近嘴部的时间的持续时间内，跨越一个或多个轴线的加速度计或陀螺仪读数的方差；在手靠近嘴部时的持续时间内，或手最靠近嘴部时的前后持续时间内，或并不在手最靠近嘴部时的前后但包含手最靠近嘴部的时间的持续时间内，加速度计读数的量值的方差；在手靠近嘴部时的持续时间内，或手最靠近嘴部时的前后持续时间内，或并不在手最靠近嘴部时的前后但包含手最靠近嘴部的时间的持续时间内，加速度计读数的量值的最大值。加速度计读数的量值可定义为每一正交方向上的加速度的平方根(例如，感测x、y以及z方向上的加速度并计算SQRT(ax2+ay2+az2))。
手相对于嘴部的位置可例如通过监测斜度或所佩戴装置以及始于此处的佩戴者手臂的斜度来确定。对应于斜度峰值的时间可用作手离嘴部最近的时刻。斜度开始上升的时间可例如用作姿势的开始时间。斜度停止下降的时间可例如用作姿势的结束时间。
最靠近嘴部位置、移动的开始和移动的结束的其它定义也是可能的。例如，可替代地使用旋转改变方向的时间来确定手臂或手最靠近嘴部的时间。可替代地使用旋转在某一方向上或在某一速度下停止改变的时间来确定朝向嘴部的移动的开始时间。
此外，跟踪和处理子系统可处理和分析此类信号以确定适当或优选时间来激活其它传感器。在一个特定实例中，跟踪和处理子系统可处理和分析此类信号以确定适当或优选时间来激活一个或多个相机，以拍摄食物的一个或多个静态或移动图像。通过利用跟踪手臂、手、手指或腕部移动和/或相机的定向和位置以激活相机和/或使图像捕获过程自动化的传感器，图像捕获和图像分析系统的复杂性、约束(capabilities)和功耗可极大地减小，且在某些情况下可实现更好的准确性。其还显著减少任何侵犯隐私问题，因为现在有可能更精确地控制图像捕获的时序且使其与聚焦于食物的相机一致。
例如，处理器可分析来自加速度计、陀螺仪、磁力计等的运动传感器输入以识别激活相机和捕获图片的最优时间，且可能基于处理器何时确定相机的视图区包含待拍照的食物而在所述最优时间触发相机。在一个实例中，处理器确定进食事件的开始且传信佩戴者以捕获正进食的食物的图像，且还确定进食事件的结束并同样传信佩戴者以捕获剩余食物或盘子等的图像。可处理此类图像以确定摄取量和/或确认处理器已确定的摄取量。在一些实施例中，图像处理可用作反馈的部分以训练处理器使用的机器学习。
在一些实施例中，系统可使用跟踪佩戴者手臂或手的移动的传感器，且仅在系统根据移动感测确定手臂或手靠近嘴部时才激活相机。在另一实例中，系统可在朝向嘴部的移动开始与手臂或手最靠近嘴部的时间之间的某个时间激活相机。在又一实例中，系统可在手臂或手最靠近嘴部的时间与远离嘴部的移动结束之间的某个时间激活相机。
如上文所提及，手相对于嘴部的位置可通过监测斜度以及指示朝向嘴部移动的开始时间的上升斜度和指示结束时间的下降斜度来确定。最靠近嘴部位置、移动的开始和移动的结束的其它定义也是可能的。
手相对于嘴部的位置可例如通过监测斜度或所佩戴装置以及始于此处的佩戴者手臂的斜度来确定。对应于斜度峰值的时间可用作手离嘴部最近的时刻。斜度开始上升的时间可例如用作姿势的开始时间。斜度停止下降的时间可例如用作姿势的结束时间。
对跟踪用户手臂、手或腕部移动的传感器信号的处理和分析可与例如所提出的食物进入嘴部时的食物图像捕获的其它方法组合，以建立冗余且改善膳食跟踪和反馈系统的稳健性。例如，通过处理和分析用户手臂、手或腕部移动，与啃咬计数和啃咬模式相关的信息仍将得以保留，即使相机被遮蔽或干预也如此。
传感器输入中的一个或多个可以是从一个或多个相机模块获得的静态或流媒体图像。此类图像可能需要一定程度的处理和分析。除了其它方法，处理和分析方法可包含以下方法中的一个或多个：压缩、删除、调整大小、过滤、图像编辑和用以识别例如特定食物或菜肴的对象或例如份量大小的特征的计算机视觉技术。
除了测量啃咬计数和啜饮计数之外，处理器可分析例如步调和持续时间的细节以确定吃一口和喝一口的大小。测量佩戴者的手、器皿或流体容器靠近其嘴部的时间可用于导出“近嘴”持续时间，这继而用作输入以产生吃一口或喝一口的估计大小。啜饮时腕部的转动量可用于水合作用跟踪。
测量在姿势开始和结束内的一个或多个时间片段中的腕部转动量也可用于估计吃一口或喝一口的大小。例如，系统可测量腕部从姿势开始之后的某个时间到手臂或手最靠近嘴部的时间的转动量。对应于斜度峰值的时间可用作手离嘴部最近的时刻。斜度开始上升的时间可例如用作朝向嘴部的移动的开始时间。斜度开始下降的时间可例如用作远离嘴部的移动的结束时间。最靠近嘴部位置、移动的开始和移动的结束的其它定义也是可能的。例如，可替代地将旋转改变方向的时间用作手臂或手最靠近嘴部的时间。旋转在某一方向上或在某一速度下停止改变的时间可用作朝向嘴部的移动的开始时间。可出于一个或多个目的而通过跟踪和处理子系统分析和/或比较一个或多个静态或流媒体图像，所述目的包含但不限于识别食物品目、识别食物内容物、识别或导出营养信息、估计份量大小以及推断某些进食行为和进食模式。
作为一个实例，计算机视觉技术，任选地与其它图像操纵技术组合，可用于识别食物类别、特定食物品目和/或估计份量大小。替代地，可使用Mechanical Turk过程或其它众包方法手动分析图像。一旦已识别食物类别和/或特定食物品目，此信息就可用于从一个或多个食物/营养数据库检索营养信息。
作为另一实例，可从分析和比较在食物摄入事件过程期间的不同时间捕获的多个图像来推断关于用户进食或饮用速度的信息。作为又一实例，图像，任选地与其它传感器输入组合，可用于区分桌餐(sit-down meal)与小食或点心。作为又一实例，对在食物摄入事件开始时拍摄的一个图像和在食物摄入事件结束时拍摄的另一图像的分析可提供关于实际摄取的食物量的信息。
在一般情况下，传感器数据由分析传感器数据的处理器获得，所述处理器可能还分析关于传感器数据正感测的个人的先前所记录数据和/或元数据。处理器执行例如本文所描述的那些计算以导出感测到的姿势序列。感测到的姿势可以是本文中在别处所描述的姿势中的一个，以及关于感测到的姿势的相关数据，例如感测到的姿势的发生时间。处理器分析感测到的姿势序列以确定行为事件的开始，例如进食事件的开始。
对进食事件开始的确定可是基于感测到的姿势序列，但还可基于对单个事件(可能具有并不基于姿势的上下文)的检测。例如，如果系统检测到具有相当高置信水平的啃咬姿势，则处理器可将此个别姿势的此次检测视作进食事件的开始。处理器还可分析感测到的姿势序列以确定行为事件的结束。对进食事件结束的确定还可基于所检测事件的不存在。例如，如果在给定时间周期中未检测到啃咬姿势，则处理器可假设进食事件结束。
知晓行为事件的开始和结束允许处理器更准确地确定姿势，因为所述姿势是在上下文中获得，和/或处理器可启用额外传感器或将一个或多个传感器或其它组件置于较高性能状态，例如本文中在别处所描述的实例中那样。知晓行为事件的开始和结束还允许功率节省，因为在一些情况下，有可能可以将所佩戴装置置于某些行为事件之外的较低功率模式。而且，将个别姿势聚合为事件--可能与关于在过去来自相同用户或来自其它用户的类似行为事件的先前所记录数据组合--允许处理器导出关于行为事件的有意义特性。例如，可以此方式确定早餐、午餐、晚餐期间的进食速度。作为另一实例，如果处理器具有针对当前行为的状态且所述当前行为是刷牙，则可能看着是进食或饮用姿势的姿势将不会被解释为进食或饮用姿势，且因此不会将刷牙时的啜饮解释为液体摄取。行为事件可以是一般事件(进食、行走、刷牙等)或更特定事件(用汤勺进食、用餐叉进食、用玻璃杯饮用、用易拉罐饮用等)。
虽然有可能解码间接姿势，例如检测到指向姿势且接着确定感测到的个人所指的对象，但受关注的是自身直接是所检测事件的部分的姿势。一些姿势是附带姿势，例如与操作装置相关联的姿势，在此情况下，可排除对附带姿势的考虑。
在特定实例中，系统使用某一传感器集合来确定具有某一置信水平的进食事件的开始，且如果所述置信水平高于阈值，则系统激活额外传感器。因此，加速度计传感器可用于确定具有高置信水平进食事件的开始，但将陀螺仪置于低功率模式以节约电池寿命。加速度计可单独检测指示可能的啃咬或啜饮的姿势(例如，手臂向上或手部移动，或手或手臂大体上在嘴部的方向上移动)或大体上指示进食事件开始的姿势。在检测到大体上指示进食事件的可能开始的第一姿势后，可接着启用额外传感器(例如，陀螺仪等)。如果检测到后续啃咬或啜饮姿势，则处理器确定进食事件的开始已发生且具有较高置信水平。
事件检测
知晓行为事件的开始/结束允许处理器在行为事件的持续时间内将一个或多个传感器或其它组件置于较高性能状态。例如，当已确定行为事件开始时，处理器可增大用于检测姿势的加速度计和/或陀螺仪传感器的取样速率。作为另一实例，当已确定行为事件开始时，处理器可增大将传感器数据发送到电子装置219以供进一步处理的更新速率以减小时延。
再次参考图1，除了跟踪和处理子系统之外，图1的系统还可包含非实时分析和学习子系统105。非实时分析和学习子系统105可对用较长时间收集的较大数据集执行分析，所述较大数据集例如跨越多个食物摄入事件的历史数据和/或来自较大群体的数据。非实时分析和学习子系统105所用的方法可包含但不限于数据操纵、代数计算、地理标记、统计计算、机器学习和数据分析、计算机视觉、话音辨识、模式辨识、压缩和过滤。
非实时分析和学习子系统105所用的方法可尤其包含对较长时间周期内收集的较大数据集的数据分析。作为实例，可在较长时间周期内且跨越多个食物摄入事件捕获一个或多个数据输入以训练机器学习模型。此类数据输入在下文称为训练数据集。通常合乎需要的是，下文称为训练周期的其中收集训练数据集的时间周期充分长以使得收集到的数据表示个人的典型食物摄入。
训练数据集可尤其包含以下食物摄入相关信息中的一个或多个：每次食物摄入事件的啃咬次数、总啃咬计数、食物摄入事件的持续时间、食物摄入速度或后续计数之间的时间、食物摄入内容物的分类，例如区分固体食物与液体，或区分桌餐与点心或小食。此信息可从一个或多个传感器输入导出。
此外，训练数据集可包含在训练周期内的每一食物摄入事件期间摄取的每一或大多数品目的图像。图像可使用计算机视觉和/或其它方法处理以识别食物类别、特定食物品目和估计的份量大小。接着，此信息可继而用于量化卡路里数和/或食物品目的主要养分含量，例如碳水化合物、脂肪、蛋白质等的量。
在食物未被全部摄取的情况下，可能需要在食物摄入事件开始时拍摄食物品目的一个图片且在食物摄入事件结束时拍摄一个图片以导出实际摄取的食物份量。包含但不限于手动用户输入的其它方法可用于将份量大小信息添加到训练数据集中的数据。
此外，训练数据集可包含元数据，所述元数据并不直接量化食物摄入和/或进食行为和模式，但可间接提供信息、可与食物摄入事件和/或进食行为相关和/或可以是食物摄入事件的发生的触发事项或可影响进食习惯、模式和行为。此类元数据可尤其包含以下中的一个或多个：性别、年龄、体重、社会经济状态、例如日期、当日时间、星期几的关于食物摄入事件的时序信息、关于食物摄入事件位置的信息、生命体征信息、水合程度信息以及其它生理、心理或环境条件，例如饥饿、紧张、睡眠、疲劳程度、嗜瘾、疾病、社会压力和锻炼。
一个或多个训练数据集可用于训练一个或多个机器学习模型，所述机器学习模型可接着由膳食跟踪和反馈系统的一个或多个组件用来预测食物摄入事件以及进食模式和行为的某些方面。
在一个实例中，可训练模型以基于对可影响食物摄入事件的发生的一个或多个元数据的跟踪来预测食物摄入事件的发生。还可预测与可能的食物摄入事件相关的其它特性，例如很可能会被摄取的食物类型和/或量、个人的很可能进食速度、食物摄入事件的持续时间和/或个人将从食物摄取获得的满足程度。元数据可尤其包含以下中的一个或多个：性别、年龄、体重、社会经济状态、例如日期、当日时间、星期几的关于食物摄入事件的时序信息、关于食物摄入事件位置的信息、生命体征信息、水合程度信息以及其它生理、心理或环境条件，例如饥饿、紧张、睡眠、疲劳程度、嗜瘾、疾病、社会压力和锻炼。
在另一实例中，可应用机器学习和数据分析以导出可用在训练周期之外的度量，从而即使仅有限或没有食物摄入传感器输入或图像可用也能估计卡路里或其它主要养分摄入。元数据可用于基于额外情境信息进一步调适此类度量的值。元数据可尤其包含以下中的一个或多个：性别、年龄、体重、社会经济状态、例如日期、当日时间、星期几的关于食物摄入事件的时序信息、关于食物摄入事件位置的信息、关于食物属类的信息、生命体征信息、水合程度信息、日历事件信息、电话拨打日志、电子邮件日志以及其它生理、心理或环境条件，例如饥饿、紧张、睡眠、疲劳程度、嗜瘾、疾病、社会压力和锻炼。
此类度量的一个实例可以是“每口卡路里数”。通过将啃咬计数与从图像处理和分析获得的卡路里信息组合，可从一个或多个训练数据集建立“每口卡路里数”度量。此度量可接着用在训练周期之外以仅基于啃咬计数来估计卡路里摄入，即使没有图像或仅有限图像可用时也如此。
另一度量可以是“典型每口大小”。通过将啃咬计数与从图像处理和分析获得的份量大小信息组合，可从一个或多个训练数据集建立“典型每口大小”度量。此度量可接着用在训练周期之外以仅基于啃咬计数来估计份量大小，即使没有图像或仅有限图像可用时也如此。其还可用以基于啃咬计数和典型每口大小来识别报告的食物摄入与测量的食物摄入之间的不一致。不一致可指示用户并未报告其摄取的所有食物品目。或替代地，其可指示用户并未摄取其报告的所有食物。
可通过处理器读取加速度计和陀螺仪传感器，或更一般来说通过读取感测佩戴者身体部位移动的运动传感器来确定啃咬动作。接着，通过计数啃咬次数，可推断啃咬的总次数。而且，啃咬的时间序列可由处理器用以推断进食模式。
非实时分析和学习子系统105还可用于跟踪、分析和帮助视觉化较大历史数据集、跟踪针对特定固定或所配置目标的进程以及帮助建立此类目标。此外，其可用于识别和跟踪记录、性情(streaks)且将行为表现与朋友或更大的、任选匿名的群体的行为表现进行比较。
此外，在某些实施例中，除了其它数据操纵和处理技术，非实时分析和学习子系统105可应用机器学习和数据分析技术以预测产生某些健康问题、疾病和其它医疗病症的危急性或可能性。在此情况下，训练通常需要在较长时间周期内且跨越较大群体捕获的历史食物摄入和/或进食行为数据。此外，合乎需要的是，训练数据集包含额外元数据，例如年龄、体重、性别、地理信息、社会经济状态、生命体征、医疗记录信息、日历信息、电话拨打日志、电子邮件日志和/或其它信息。预测可继而用于帮助引导健康结果和/或防止或延迟某些疾病的发病，例如糖尿病。
非实时和学习子系统105还可用于学习和提取关于其它方面的更多信息，包含但不限于以下中的一个或多个：用户膳食和食物偏好、用户进餐偏好、用户餐馆偏好和用户食物摄取。此类信息可由食物摄入跟踪和反馈系统用以向用户作出特定推荐。本文中所描述的食物摄入跟踪和反馈系统还可介接到例如餐馆预订系统、在线食物或用餐订购系统等其它系统或与之集成，从而促进、简化或自动化食物或用餐订购或预订的过程。
非实时和学习子系统105还可用于监测较长时间周期内的食物摄入且检测任何格外长的无食物摄入活动的事件。此类事件可尤其指示用户停止使用装置、故意或无意篡改装置、装置的功用缺陷或例如用户跌倒或死亡或失去意识的医疗情况。对格外长的无食物摄入活动事件的检测可用于发送通知或警告到用户、其护理人员中的一个或多个、监测系统、应急响应系统，或发送到可能直接或间接有兴趣接收发生此类事件的通知的第三方。
图1中所示的系统的另一组件是反馈子系统106。反馈子系统106将一个或多个反馈信号提供到用户或此类反馈信息可能相关的任何其它个人。反馈子系统106可提供与特定食物摄入事件相关的实时或近实时反馈。实时或近实时反馈大体上是指在食物摄入事件的时间前后给出的反馈。此可包含在食物摄入事件期间给出的反馈、在食物摄入事件开始之前给出的反馈以及在食物摄入事件结束之后某个时间给出的反馈。替代地或另外，反馈子系统可将反馈提供到与特定食物摄入事件并无直接关系的用户。
反馈子系统所用的反馈方法可包含但不限于：触觉反馈，借此使用将力、振动和/或运动施加于用户的触觉接口；音频反馈，其中可使用扬声器或任何其它音频接口；或视觉反馈，借此可使用显示器、一个或多个LED和/或投射光模式。反馈子系统可仅使用多于一个反馈方法中的一个或组合。
反馈子系统可在硬件、软件或硬件与软件的组合中实施。反馈子系统可实施于与食物摄入事件检测子系统101和/或跟踪和处理子系统103相同的装置上。替代地，反馈子系统可实施于与食物摄入事件检测子系统101和/或跟踪和处理子系统103分离的装置中。反馈子系统106还可跨越多个装置分布，其中的一些可任选地容纳图1中所说明的一些其它子系统中的部分。
在一个实施例中，反馈子系统106可将反馈提供到用户以传信食物摄入事件的实际、可能或即将开始。反馈子系统106还可在食物摄入事件期间将反馈提供到用户以提醒用户食物摄入事件正发生的事实，从而改善当下感知和/或促进正念进食。反馈子系统还可提供对所推荐份量大小和/或食物内容物的指导或提供进食的替代建议。替代建议可以是默认建议，或其可为用户在不同时间编程或配置的定制建议。
反馈信号可包含但不限于可佩戴装置上的周期性触觉反馈信号、声音警报、显示器消息或推送到其移动电话显示器的一个或多个通知。
在接收到指示食物摄入事件开始的信号后或随后的某个时间，用户可确认确实发生食物摄入事件。确认可用于例如触发事件的记录或可使系统提示用户提供额外信息。
在本公开的另一实施例中，反馈子系统仅在达到所跟踪参数中的一个或多个的某一阈值时才发起食物摄入事件期间的反馈。作为实例，如果后续啃咬或啜饮之间的时间被跟踪，则可在所述时间(可能是多次啃咬或啜饮的平均值)短于固定或所编程值的情况下发起对用户进行反馈以促进用户减缓速度。类似地，可在超过固定或所编程啃咬或啜饮计数的情况下发起反馈。
在食物摄入事件期间提供反馈的反馈子系统中，反馈子系统所提供的反馈通常涉及所述特定食物摄入事件的细节。然而，包含但不限于关于先前食物摄入事件的信息、生物计量信息、心理健康信息、活动或健康水平信息和环境信息的其它信息也可由反馈子系统提供。
在本公开的又一实施例中，反馈子系统106可在特定食物摄入事件之外发送一个或多个反馈信号。在此类实施例的一个实例中，可跟踪环境温度和/或可影响水合作用要求或以其它方式直接或间接测量水合程度的其它参数。此类跟踪可连续地或周期性地发生，或以其它方式独立于特定食物摄入事件发生。如果一个或多个此类参数超过固定或所编程阈值，则可发送反馈信号以例如促使个人采取措施来改善水合作用。反馈子系统106可评估其输入且确定发送反馈的优选时间并非在食物摄入事件期间，而是在食物摄入事件结束之后。反馈子系统106的一些输入可来自食物摄入事件，但一些可能来自未直接作为食物摄入事件结果而测量的其它监测。
例如在前一段落所描述的实施例中，发送反馈信号的决策可与任何食物摄入跟踪无关。替代地，此类决策可与跨越一个或多个食物摄入事件的食物摄入跟踪有关。例如，在本公开的一个实施例中，可修改上文所描述系统以便还直接或间接跟踪个人的流体摄入。对于不同环境温度范围，所述实施例可具有预编程流体摄入要求阈值。如果对于所测量环境温度，可能在某一时间周期内跟踪和积累的个人的流体摄入并不满足所述环境温度的阈值，则所述系统可发出反馈信号以建议所述个人增大其流体摄入水平。
类似地，除了其它参数，与食物摄入相关的反馈信号或推荐可与活动水平、睡眠水平、社会情境或情形、健康或疾病诊断以及健康或疾病监测的跟踪有关。
在本公开的又一实施例中，反馈子系统106可在其检测到食物摄入事件已开始或即将或很可能发生时发起反馈信号。在此类实施例中，反馈可例如用作提示以提醒用户记录无法自动跟踪的食物摄入事件或食物摄入事件的某些方面，或影响或引导个人食物摄入行为和/或摄取的食物量或内容物。
反馈子系统106提供的信息可包含但不限于：与进食模式或习惯相关的信息；与特定可食物质相关的信息，例如食物品目或菜肴的名称、描述、养分含量、评论、评级和/或图像；与食物摄入的触发事项相关的信息；与进食模式或习惯的触发事项相关的信息；生物计量或环境信息；或可与个人的一般食物摄入行为、健康状态和/或健康直接或间接相关的其它信息。
反馈子系统106可包含已摄取或可能摄取的食物品目或菜肴的图像的显示。此外，反馈子系统106可包含关于所述食物品目或菜肴的额外信息，例如它们的健康程度指示、养分含量、基本信息或制备细节、评级、个性化反馈或其它个性化信息。
在本公开的某些实施例中，反馈子系统106提供的信息可包含非实时信息。反馈子系统106可例如包含基于历史数据的处理和分析和/或在较大用户群体中积累的数据的处理和分析的反馈。反馈子系统106可进一步提供与任何特定参数的跟踪无关的反馈。作为实例，反馈子系统106可提供一般食物、营养或健康信息或指导。
在本公开的某些实施例中，用户可与反馈子系统106交互且提供输入116。例如，用户可抑制或定制某些或所有反馈信号。
非实时反馈可尤其包含：历史数据、倾向概述、个人记录、性情、对目标的行为表现或与朋友或其它人或人群相比的行为表现、警报倾向通知、来自朋友、社交网络和社交媒体、护理人员、营养师、医生等的反馈、指导意见和指导。
数据或其它信息可存储在数据存储单元104中。其可以原始格式存储。替代地，所述数据或其它信息可在已进行一定程度的处理之后进行存储。数据可临时或永久地存储。数据或其它信息可出于广泛多种原因而存储，包含但不限于：在等待处理器或其它系统资源变得可用时的临时存储；待与其它数据组合的临时存储，所述其它数据可能直到稍后时间才可用；待以原始或已处理格式通过反馈子系统106反馈给用户的存储；用于稍后磋商或审阅的存储；用于膳食和/或健康指导目的的分析的存储；用于跨越较大群体或对较大数据集进行统计分析的存储；用以对较大数据集执行模式辨识方法或机器学习技术的存储。
系统的用户可接入所存储数据和信息或其部分。还有可能的是，所存储数据和信息或其部分可与第三方共享或可由第三方接入。第三方可包含但不限于朋友、家庭成员、护理人员、保健提供者、营养师、健康教练、其它用户、开发和/或出售用于膳食跟踪和指导的系统的公司、开发和/或出售用于膳食跟踪和指导的系统的组件或子系统的公司以及保险公司。在某些情形中，可能需要在数据可供第三方使用之前使数据匿名。
图2说明根据本公开的一个实施例的安置在用于膳食跟踪和指导的电子系统中的组件中的一些。电子系统包含第一电子装置218、第二电子装置219(其可为移动装置)以及中央处理和存储单元220。典型系统可具有校准功能性以允许传感器和处理器校准。
图2中所示的系统的变型也是可能的且包含在本公开的范围中。例如，在一种变型中，电子装置218和电子装置219可组合成单个电子装置。在另一变型中，电子装置218的功能性可跨越多个装置分布。在一些变型中，作为电子装置218的部分的图2中所示的功能性的一部分可替代地包含在电子装置219中。在一些其它变型中，作为电子装置219的部分的图2中所示的功能性的一部分可替代地包含在电子装置218和/或中央处理和存储单元220中。在又一变型中，中央处理和存储单元220可能不存在，且所有处理和存储可能在电子装置218和/或电子装置219上本地进行。其它变型也是可能的。
图2的电子系统的实例在图3中示出。例如，电子装置218可以是佩戴在腕部、手臂或手指上的可佩戴装置321。电子装置218还可实施为可附接到人体或可嵌入于衣物中的可佩戴小片。电子装置218还可以是可例如附接到另一可佩戴装置、珠宝或衣物的模块或附加装置。电子装置219可例如是移动装置322，例如移动电话、平板电脑或智能手表。电子装置219以及电子装置218的其它实施例也是可能的。中央处理和存储单元220通常包括一个或多个计算机系统或服务器和一个或多个存储系统。中央处理和存储单元220可例如是可使用因特网连接325经由因特网接入的远程数据中心324。中央处理和存储单元220时常在多个用户当中共享和/或由其接入。
可佩戴装置321可经由无线网络与移动装置322通信。用于可佩戴装置321与移动装置322之间经由无线网络的通信的无线协议可包含但不限于蓝牙、蓝牙智能(也称为低功耗蓝牙)、蓝牙Mesh、紫蜂、Wi-Fi、Wi-Fi Direct、NFC、蜂窝(Cellular)和线程(Thread)。还可使用专用或无线协议、标准化无线协议的修改版或其它标准化无线协议。在本公开的另一实施例中，可佩戴装置321和移动装置322可经由有线网络通信。
移动装置322可无线地与经由因特网连接325连接到因特网的基站或接入点(“AP”)323通信。经由因特网连接325，移动装置322可将数据和信息从可佩戴装置321传送到驻存在例如远程数据中心的远程位置处的一个或多个中央处理和存储单元220。经由因特网连接325，移动装置322还可将数据和信息从驻存在远程位置处的一个或多个中央处理和存储单元220传送到可佩戴装置321。其它实例也是可能的。在一些实施例中，中央处理和存储单元220可能不在远程位置处，而是可能驻存在与可佩戴装置321和/或移动装置322相同的位置处或附近。用于移动装置322与基站或接入点323之间的通信的无线协议可与移动装置与可佩戴装置之间的无线协议相同。还可使用专用或无线协议、标准化无线协议的修改版或其它标准化无线协议。
图2的电子系统还可发送数据、信息、通知和/或指令到连接到因特网的额外装置，和/或从所述额外装置接收数据、信息、通知和/或指令。此类装置可例如为一个或多个护理人员、医生办公室成员、教练、家庭成员、朋友、用户在社交媒体上有联系的人或用户已授权共享信息的其它人的平板电脑、移动电话、笔记本电脑或计算机。此类系统的一个实例在图4中示出。在图4中所示的实例中，电子装置441无线地连接到经由因特网连接442连接到因特网的基站或接入点440。电子装置441的实例可包含但不限于平板电脑、移动电话、笔记本电脑、计算机或智能手表。经由因特网连接442，电子装置441可从一个或多个中央处理和存储单元接收数据、指令、通知或其它信息，所述中央处理和存储单元可本地驻存或驻存在例如远程数据中心的远程位置处。通信能力可包含因特网连接442或其它通信信道。电子装置441还可发送信息、指令或通知到一个或多个计算机服务器或存储单元439。中央处理和存储单元439可经由因特网438和基站或接入点(“AP”)437将此信息、指令或通知转发到移动装置436。
其它实例也是可能的。在一些实施例中，中央处理和存储单元439可能不在远程位置处，而是可能驻存在与可佩戴装置435和/或移动装置436相同的位置处或附近。图4示出无线地连接到基站或接入点的电子装置441。电子装置441与经由因特网连接442连接到因特网的路由器之间的有线连接也是可能的。
图5说明本公开的另一实施例。在图5中，可佩戴装置543可在不必通过移动装置545的情况下经由基站或接入点544和因特网直接与中央处理和存储系统546交换数据或其它信息。移动装置545可经由中央处理和存储系统546或经由本地无线或有线网络与可佩戴装置543交换数据或其它信息。中央处理和存储系统546可与一个或多个额外电子装置550交换信息。
图6说明根据一个实施例的安置在电子装置218中的组件中的一些。电子装置218通常部分地包含一或多个传感器单元627、处理单元628、可包含或可实现为具有程序代码指令的计算机可读存储介质的存储器629、时钟或晶体630、无线电电路634和功率管理单元(“PMU”)631。电子装置218还可包含一个或多个相机模块626、一个或多个刺激单元633和一个或多个用户接口632。尽管未示出，但如电容器、电阻器、电感器的其它组件也可包含在所述电子装置218中。功率管理单元631可尤其包含以下中的一个或多个：电池、充电电路、调节器、停用到一个或多个组件的电力的硬件、电源插头。
在许多实施例中，电子装置218是具有简单和有限用户接口的大小受约束、功率敏感型电池供电装置。在功率受到限制的情况下，电子装置218可被编程以节省行为事件之外的功率。例如，电子装置218中的处理器可被编程以确定例如进食事件的行为事件的开始，且接着使额外传感器上电、将某些传感器置于较高性能模式和/或执行额外计算，直到处理器确定行为事件结束为止，在结束时，处理器可断开额外传感器、将某些传感器重新置于较低性能模式且省略所述额外计算。
例如，处理器可被编程以停用除加速度计外的所有运动检测相关电路。处理器可接着监测加速度计传感器数据，且如果那些数据指示例如啃咬或啜饮姿势的实际或显要食物摄入活动，则处理器可激活额外电路，例如数据记录机构。处理器可使用加速度计传感器数据监测佩戴者手臂的斜度。
例如，处理器可测量佩戴者手臂的斜度，直到斜度超过某一阈值为止，这可能是指示手或手臂朝向佩戴者嘴部移动的一个值。一旦检测到此值，处理器就可改变状态(例如通过将专门用于此状态的存储器位置从“非作用”或“事件外”改变为“作用中”或“事件中”)，且激活额外电路或激活特定电路或组件的较高性能模式。在另一实施例中，可使用如从一个或多个加速度计轴线确定的其它加速度计传感器数据特性，例如第一加速度积分(速度)或第二加速度积分(行进的距离)，或与所述第一和/或第二加速度积分相关或从中导出的特性。机器学习过程可用于检测特定移动且将所述移动转化为姿势。
食物摄入事件的结束可由处理器通过考虑自最后一次啃咬或啜饮移动起的某一时间是否到期或何时出现其它数据(关于佩戴者的元数据、运动检测传感器数据和/或佩戴者的历史数据，或这些数据的组合)而检测到。基于那些数据，处理器确定不大可能有食物摄入事件且接着将电子装置的状态改变为非作用监测状态，可能是较低功率模式。
较低功率模式可通过处理器减小加速度计和/或陀螺仪的取样速率、使陀螺仪掉电、减小传感器数据从电子装置(例如电子装置218)传送到支持装置(例如电子装置219)的更新速率、在将数据从感测电子装置传送到支持电子装置之前压缩数据来实施。
在本公开的一些实施例中，图5中示作单独组件的组件中的一些可进行组合。作为实例，处理单元、存储器、无线电电路和PMU功能性可完全或部分地组合在单个无线微控制器单元(“MCU”)中。其它组合也是可能的。类似地，在图5中示作单个组件的组件可实施为多个组件。作为实例，处理功能性可跨越多个处理器分布。同样地，数据存储功能性可跨越多个存储器组件分布。分布式实施方案的其它实例也是可能的。
在本公开的另一实施例中，无线电电路可能不存在，且替代地，不同的接口(例如USB接口和电缆)可用于传送数据或信息到电子装置218和/或从其传送数据或信息。
刺激单元633可将反馈提供到电子装置的用户。刺激单元633可包含但不限于将力、振动或运动施加于用户的触觉接口、提供声音到用户的扬声器或头戴式耳机接口以及向用户提供视觉反馈的显示器。
在某些实施例中，对来自嵌入于电子装置218中的传感器的信号的处理和分析可检测电子装置何时已被停用、篡改、从身体移除或未被使用。此可用于节约电力，或用于发送通知到用户、朋友或可能直接或间接有兴趣在电子装置218未被适当使用的情况下被告知的其它人。
食物摄入事件开始/结束的描述检测/预测
在优选实施例中，电子装置218佩戴在腕部、手臂或手指上，且具有产生检测食物摄入事件的开始和/或结束所必要的数据的一个或多个传感器。电子装置218还可集成为可附接到个人手臂或腕部的小片。电子装置218还可为可附接到佩戴在腕部、手臂或手指上的另一装置的模块或附加装置。除了其它传感器，用于检测食物摄入事件的开始和/或结束的传感器可包含本文中所描述的传感器中的一个或多个。
原始传感器输出可本地存储在存储器629中，且在处理单元628上进行本地处理以检测是否已发生食物摄入事件的开始或结束。替代地，一个或多个传感器输出可以原始或已处理格式发送到电子装置219和/或中央处理和存储单元220，以用于进一步处理以及检测是否已发生食物摄入事件的开始或结束。不论食物摄入检测的处理在何处发生，呈原始或已处理格式的传感器输出可存储在电子装置218内部、电子装置219内部和/或中央处理和存储单元220内部。
产生检测食物摄入事件的开始和/或结束所必要的数据的一个或多个传感器可在电子装置218内部。替代地，负责检测食物摄入事件开始的传感器中的一个或多个可在电子装置218外部，但能够直接通过与电子装置218的直接无线或有线通信或间接通过另一装置将相关信息中继到电子装置218。还可能的是，电子装置218和一个或多个外部传感器能够将信息中继到电子装置219，但不能够彼此直接中继信息。
在通过例如移动电话或另一便携式或固定装置的另一装置间接通信的情况下，此类第三装置能够从一个或外部传感器单元接收数据或信息、任选地处理此类数据或信息且将原始或已处理数据或信息转发到电子装置218。往来电子装置218的通信可以是有线或无线的，或两者的组合。
可在电子装置218外部的传感器的实例可以是嵌入于佩戴在颈部上的项链或挂件中的一个或多个传感器、嵌入于附接到身上不同位置的小片中的一个或多个传感器、嵌入于佩戴在另一只手的另一手臂或腕部或手指上的辅助第二可佩戴装置中的一个或多个传感器，或集成在牙齿中的一个或多个传感器。在一些实施例中，电子装置佩戴在一只手或手臂上但检测另一只手或手臂的移动。在一些实施例中，电子装置佩戴在每只手上。
还可使用从非实时分析和学习子系统105获得的信息，任选地结合来自一个或多个传感器627的信息，以预测或促进检测食物摄入事件的可能、即将或实际开始/结束。
通常合乎需要的是，食物摄入事件的开始和/或结束的检测和/或预测在无需用户干预的情况下自主地发生。例如，如果自主地预测或检测到食物摄入事件的实际、可能或即将开始，则此信息可用作对仅在食物摄入事件期间需要的特定组件或电路进行激活或上电的触发事项。此可帮助节约电力以及延长电子装置218的电池寿命。对食物摄入事件的实际、可能或即将开始的预测或检测还可用于向用户发出提示或提醒。例如，可发送提示到用户以提醒其采取进一步动作，包含但不限于记录食物摄入事件或给食物拍照。在检测到食物摄入事件开始后，一个或多个提示可能在食物摄入事件的持续时间内传播以提醒用户正发生食物摄入事件，从而改善当下感知和/或促进正念进食。可例如使用一个或多个刺激单元633通过离散触觉反馈发送提示或提醒。使用一个或多个用户接口632的其它方法，例如一个或多个LED、显示消息或音频信号也是可能的。替代地，移动装置可用于将提示、提醒或例如份量大小推荐或进食的替代建议的其它信息传达给用户。
如果自主地预测或检测到食物摄入事件的实际、可能或即将结束，则此信息可用作使仅在食物摄入事件期间需要的电子装置的一个或多个电路或组件掉电或至少将其置于较低功率模式的触发事项。此可帮助节约电力以及延长电子装置的电池寿命。对食物摄入事件的实际、可能或即将结束的检测还可用于通过一个或多个刺激单元633、通过一个或多个用户接口632和/或通过移动装置修改或暂停提供给用户的反馈。
在本公开的一些实施例中，对食物摄入事件的实际、可能或即将开始和/或结束的检测或预测可能不完全自主。例如，可能需要用户作出特定的手臂、腕部、手或手指姿势以将食物摄入事件的实际、可能或即将开始和/或结束传信给电子装置。所述手臂、腕部、手或手指姿势接着由电子装置内部的一个或多个传感器检测。通常合乎需要的是，可以微小且离散方式执行指示食物摄入事件的开始和/或结束所需的一个或多个手臂、腕部、手或手指姿势。也可以使用其它方法。例如，可要求用户推按电子装置上的按钮以指示食物摄入事件的开始和/或结束。还可使用利用内置于电子装置中的麦克风的语音激活命令。其它方法也是可能的。
跟踪进食行为和模式的描述
在特定实施例中，电子装置佩戴在腕部、手臂或手指上，且具有产生促进进食行为、模式和习惯的测量和分析的数据的一个或多个传感器。用于测量和分析某些进食行为和模式的传感器可包含本文所描述的传感器中的一个或多个。
可用于量化和跟踪进食行为和进食模式的相关度量可包含但不限于：后续啃咬或啜饮之间的时间；盘子与用户嘴部之间的距离；手臂朝向和/或远离用户嘴部移动的速度；以及在单个食物摄入事件期间的啃咬或啜饮次数，这是从对应于啃咬或啜饮的手臂移动、特定咀嚼行为和特性、咬一口与吞咽之间的时间、吞咽之前的咀嚼量的总计数导出。
图6说明此类电子装置的组件的实例。如所说明，原始传感器输出可本地存储在存储器629中且在处理单元628上进行本地处理。替代地，一个或多个传感器输出可以原始或已处理格式发送到电子装置和/或处理单元628以供进一步处理和分析。不论进食行为和模式的处理和分析在何处发生，呈原始或已处理格式的传感器输出可存储在电子装置内部、例如移动电话的辅助电子装置内部和/或处理单元628内部。
在一些实施例中，促进进食行为、模式和习惯的测量和分析的数据的产生、收集和/或处理可以是连续的、周期性的或以其它方式独立于食物摄入事件的开始和/或结束。替代地，促进进食行为和模式的测量和分析的数据的产生、收集和/或处理可仅在食物摄入事件期间发生或以其它方式与特定食物摄入事件有关。还可能连续地、周期性地或以其它方式独立于食物摄入事件的开始和/或结束而产生、收集和/或处理一些传感器数据，而其它传感器数据在食物摄入事件期间获得或以其它方式与食物摄入事件有关。
产生测量和分析进食行为和进食模式所必要的数据的一个或多个传感器可在电子装置内部。替代地，产生测量和分析进食行为和进食模式所必要的数据的一个或多个传感器可在电子装置外部，但能够直接通过与电子装置的直接无线或有线通信或间接通过另一装置将相关信息中继到电子装置。
在通过例如移动电话或另一便携式或固定装置的另一装置间接通信的情况下，此类第三装置能够从外部传感器单元接收数据或信息、任选地处理此类数据或信息且将原始或已处理数据或信息转发到跟踪装置。往来电子装置的通信可以是有线或无线的，或两者的组合。
可在电子装置外部的传感器的实例可以是嵌入于佩戴在颈部上的项链或挂件中的一个或多个传感器、嵌入于附接到身上不同位置的小片中的一个或多个传感器、嵌入于佩戴在另一只手的另一手臂或腕部或手指上的辅助第二可佩戴装置中的一个或多个传感器，或集成在牙齿中的一个或多个传感器。
相机模块的使用和图像捕获的描述
虽然现有技术中已提出使用相机捕获食物的图像，但这通常依赖于用户利用其移动电话或平板电脑来拍照。令人遗憾的是，使用移动电话或平板电脑的图像捕获会强加使用的显著冲突、可能在某些进餐情况中具有社会不可接受性或可能干扰进餐体验的真实性。时常不合需要或不当的是，用户需要拿出其移动电话、解锁屏幕、打开移动应用程序且使用内置于移动电话中的相机拍照。
如果需要用户干预，一般合乎需要的是，可以微小且离散方式且在尽可能少的冲突的情况下执行用户干预。为了最小化使用冲突，时常合乎需要的是，图像捕获可从电子装置直接发起。
虽然本文提供的实例使用食物和用餐情境的图像捕获作为实例，但在阅读本公开后应清楚，本文所描述的方法和设备可应用于除食物和用餐情境外的对象和场景的图像捕获。例如，无取景器相机可应用于食物事件捕获域之外。
在一些实施例中，电子装置佩戴在腕部、手臂或手指上且包含一个或多个相机模块626。一个或多个相机模块626可根据本公开的一个实施例用于静态图像的捕获，且根据本公开的另一实施例用于一个或多个视频流的捕获。在本公开的又一实施例中，静态和流媒体图像的组合也是可能的。
一个或多个相机模块还可包含在佩戴在身体上的不同位置处的装置中，例如佩戴在颈部上的项链或挂件，或附接到用户的衣物或与之集成的装置，其中相机或相机模块优选向前瞄准以使得其视场可涵盖所摄取的食物。
在一些实施例中，相机模块和/或相机模块进行的图像捕获的激活可能需要一定程度的用户干预。用户干预可尤其包含：按压按钮；向内置于电子装置或移动装置中的麦克风发出语音命令；使用集成于电子装置或移动装置中的显示器作出选择；发出特定手臂、腕部、手或手指姿势；引导相机以使得所关注对象在相机视野内；移除可能在相机与所关注对象之间的瞄准线中的障碍物；和/或调整所关注对象的位置以使得其处于相机的视野内。其它用户干预方法或多个用户干预方法的组合也是可能的。
在本公开的一个实施例中，相机模块内置于例如可佩戴装置的电子装置中，所述电子装置可能没有取景器，或可能没有可向用户给出关于相机视野内的区域的反馈的显示器。在此情况下，电子装置可包含光源，其将可见光的模式投射到表面上或对象上以向用户指示处于相机视野内的区域。一个或多个发光二极管(LED)可用作光源。包含但不限于激光、卤素灯或白炽灯光源的其它光源也是可能的。可见光的模式可尤其供用户用于调整相机的位置、调整所关注对象的位置和/或移除阻挡所关注对象与相机之间的瞄准线的任何对象。
光源还可用于将其它信息传达给用户。作为实例，电子装置可使用来自一个或多个接近度传感器的输入，处理那些输入以确定相机是否处于与所关注对象的适当距离范围内，且使用一个或多个光源向用户传达相机处于适当距离范围内、用户需要增大相机与所关注对象之间的距离或用户需要减小相机与所关注对象之间的距离。
光源还可结合环境光传感器用于向用户传达：环境光对于适当质量的图像捕获来说是不充足还是过于强烈。
光源还可用于传达包含但不限于低电池电量情况或功能性缺陷的信息。
光源还可用于传达膳食指导信息。作为实例，光源可尤其指示自先前食物摄入事件起经过的时间是不足还是过长，或可向用户传达其特定膳食目标完成得如何。
使用一个或多个光源传达特定消息的传信机制可包含但不限于以下中的一个或多个：特定光强度或光强度模式、特定光色或光色模式、特定空间或时间光模式。多个机制还可组合以传信一个特定消息。
在本公开的另一实施例中，相机模块可内置于例如可佩戴装置的电子装置中，所述装置没有取景器或没有可向用户给出关于相机视野内的区域的反馈的显示器。代替或除了使用光源之外，可将相机模块捕获的一个或多个图像可能与来自嵌入于电子装置中的其它传感器的输入组合地发送到电子装置内部的处理单元、移动装置内部的处理单元和/或处理单元628，以用于分析且确定所关注对象是否在相机的适当视野和/或适当焦距范围内。分析的结果可使用电子装置中可用的反馈机制中的一个传达到用户，所述反馈机制包含但不限于触觉反馈、使用一个或多个LED或显示器的视觉反馈和/或音频反馈。
在本公开的一些其它实施例中，电子装置可在无任何用户干预的情况下捕获一个或多个图像。电子装置可连续地、周期性地或以其它方式独立于任何食物摄入事件而捕获静态或流媒体图像。替代地，电子装置可在食物摄入事件时间前后或期间仅激活其相机模块中的一个或多个。作为实例，电子装置可在已检测到食物摄入事件的开始之后且在已检测到食物摄入事件的结束之前仅激活其相机模块中的一个或多个且捕获一个或多个图像。其可使用其相机模块中的一个或多个捕获全部食物品目或菜肴的更多图像中的一个，或一个或多个食物品目或菜肴的一部分的图像。
在一些实施例中，一个相机可用于捕获盘子、桌子或其它固定表面上的食物品目的一个或多个图像，且第二相机可用于捕获用户握持的食物品目(例如小食或饮品)的一个或多个图像。在不需要用户干预且单个相机的位置、视野区域或焦点范围不适合捕获所有可能用餐情境的情况下，多于一个相机的使用可能合乎需要。
在一个实例实施例中，相机的位置、定向和视角使得有可能在无任何用户干预的情况下进行图像或视频捕获。在此类实施例中，可佩戴装置可使用各种技术来确定图像或视频流捕获的适当时序，使得其可捕获到所摄取食物或食物的一部分。其还可选择为此目的而捕获多个图像或视频流。用以确定适当时序的技术可包含但不限于以下：接近度感测、加速度或运动(或其不存在)的感测、位置信息。此类传感器信息可单独使用或与模式辨识或数据分析技术结合(或两者的组合)以预测图像或视频捕获的最佳时序。技术可包含但不限于基于机器学习的模型训练。
所捕获静态和/或流媒体图像通常需要一定程度的处理。处理可包含但不限于压缩、删除、调整大小、过滤、图像编辑和计算机视觉技术以识别对象，例如特定食物或菜肴，或例如份量大小的特征。不论一个或多个相机模块是否在电子装置内部，可用于处理来自一个或多个相机模块的静态或流媒体图像的处理单元包含但不限于：电子装置内部的处理单元、移动装置内部的处理单元和/或处理单元628，所述处理单元可驻存在与使用电子装置之处的相同位置，或替代地，可驻存在远程位置处(例如在云服务器中)，在此情况下可经由因特网接入所述处理单元。图像处理还可分布在上文提及的处理单元的组合当中。
本地处理的实例可包含但不限于：选择多个图像中的一个或多个静态图像或一个或多个视频流、压缩图像或视频流、对一个或多个图像或视频流应用计算机视觉算法。
本地处理可包含压缩。在压缩的情况下，压缩图像可作为时间关键事务的部分被传输，而其未压缩版本可保存以供稍后时间传输。
可出于一个或多个目的而分析和/或比较一个或多个静态或流媒体图像，所述目的包含但不限于检测食物摄入事件的开始和/或结束、识别食物品目、识别食物内容物、识别或导出营养信息、估计份量大小和推断某些进食行为和进食模式。
作为一个实例，计算机视觉技术，任选地与其它图像操纵技术组合，可用于识别食物类别、特定食物品目和/或估计份量大小。替代地，可使用Mechanical Turk过程或其它众包方法手动分析图像。一旦已识别食物类别和/或特定食物品目，此信息就可用于从一个或多个食物/营养数据库检索营养信息。
作为另一实例，可从分析和比较在食物摄入事件过程期间的不同时间捕获的多个图像来推断关于用户进食或饮用速度的信息。作为又一实例，图像，任选地与其它传感器信息组合，可用于区分桌餐与小食或点心。作为又一实例，对在食物摄入事件开始时拍摄的一个图像和在食物摄入事件结束时拍摄的另一图像的分析可提供关于实际摄取的食物量的信息。
用户反馈的描述
在本公开的优选实施例中，电子装置218佩戴在腕部、手臂或手指上，且具有允许产生反馈到电子装置的用户或佩戴者的一个或多个刺激单元和/或用户接口。在本公开的不同实施例中，电子装置218可实施为可附接到人体或可嵌入于衣物中的可佩戴小片。
反馈通常包含关于食物或食物摄入的反馈。反馈方法可包含但不限于触觉反馈、使用LED或显示器的视觉反馈或音频反馈。在一个此类实施例中，电子装置218可具有触觉接口，所述触觉接口在检测到食物摄入事件的开始和/或结束时振动一次或多次。在另一实施例中，电子装置218可具有触觉接口，所述触觉接口在跟踪和处理子系统识别出装置佩戴者正摄取食物且示出例如进食过快、过慢或过多的超过某些所编程阈值的进食行为时振动一次或多次。替代地，触觉接口可在食物摄入事件期间在与任何特定进食行为无关的情况下振动一次或多次，以例如提醒佩戴者食物摄入事件正发生的事实和/或改善当下感知和促进正念进食。其它反馈方法也是可能的，且不同度量或准则可用于触发此类反馈方法的激活。
在本公开的不同实施例中，通过与电子装置218分离的装置将反馈提供给用户。用以提供反馈给用户所需的一个或多个刺激单元和/或用户接口可在电子装置218外部。作为实例，一个或多个刺激单元和/或用户接口可在电子装置219内部，且代替或除了电子装置218所提供的反馈之外，电子装置219内部的所述刺激单元和/或用户接口中的一个或多个可用于提供反馈。实例可包含但不限于电子装置219的显示器上示出的消息或嵌入于电子装置219内部的音频子系统所发出的声音警报。
替代地，可通过与电子装置218和电子装置219两者分离但能够至少直接或间接地从那些装置中的至少一个接收数据的装置提供反馈。
除了或代替在食物摄入事件时间前后或期间提供的反馈，图2或图3的系统还可提供可横跨多个食物摄入事件或可与特定食物摄入事件或食物摄入事件集无关的反馈。此类反馈的实例可包含但不限于食物内容物和营养信息、历史数据概述、较长时间周期内的一个或多个所跟踪参数的概述、一个或多个所跟踪参数的进展、个性化膳食指导和建议、对比具有类似概况的同龄人或其它用户而对一个或多个所跟踪参数进行的基准测试。
特定实施例的详细描述
在本公开的一个特定实施例中，电子装置218是佩戴在用户惯用手的腕部或手臂上的呈手环或腕带形态的可佩戴装置。电子装置219是移动电话，且中央处理和存储单元220是位于远程位置的一个或多个计算服务器和数据存储装置。
根据本发明的方面的可佩戴手环或腕带的一个可能实施方案在图7中示出。可佩戴装置770可任选地使用模块化设计实施，其中个别模块包含组件和总体功能性的一个或多个子集。用户可选择基于个人偏好和要求添加特定模块。
可佩戴装置770可包含处理器、程序代码存储器或存储介质，以及存储在其中和/或电子装置219内部的程序代码(软件)以任选地允许用户定制可佩戴装置770的功能性子集。
可佩戴装置770依赖于电池769和功率管理单元(“PMU”)760以适当供应电压电平将电力递送到所有电子电路和组件。功率管理单元760还可包含电池再充电电路。功率管理单元760还可包含例如开关的硬件，其允许供给特定电子电路和组件的电力在不使用时被切断。
当不存在正进行的行为事件时，可佩戴装置770中的大多数电路和组件断开以节约电力。可仅使检测或帮助预测行为事件开始所需的电路和组件保持启用。例如，如果未检测到运动，则除了加速度计外的所有传感器电路可断开，且加速度计可置于低功率运动唤醒模式，或置于另一较低功率模式，此模式消耗比其高性能作用中模式低的功率。处理单元也可置于低功率模式以节约电力。当检测到运动或某一运动模式时，加速度计和/或处理单元可切换为较高功率模式，且还可启用额外传感器，例如陀螺仪和/或接近度传感器。当检测到可能的事件开始时，可初始化用于存储事件特定参数的存储器变量，例如姿势类型、姿势持续时间等。
在另一实例中，在检测到运动后，加速度计切换为较高功率模式，但其它传感器在来自加速度计的数据指示行为事件的开始很可能已发生之前保持断开。在那个时刻，可启用例如陀螺仪和接近度传感器的额外传感器。
在另一实例中，当不存在正在进行的行为事件时，启用加速度计和陀螺仪两者，但将加速度计或陀螺仪中的至少一个置于相比于其常规功率模式较低的功率模式。例如，可减小取样速率以节约电力。类似地，将数据从电子装置218传送到电子装置219所需的电路可置于较低功率模式。例如，可完全停用无线电电路764。类似地，将数据从电子装置218传送到电子装置219所需的电路可置于较低功率模式。例如，其可完全停用，直到确定行为事件可能或很可能开始为止。替代地，其可保持启用但处于低功率状态以维持电子装置218与电子装置219之间的连接，但不传送传感器数据。
在又一实例中，在基于某些元数据确定不大可能发生例如食物摄入事件的特定行为事件的情况下，包含加速度计的所有运动检测相关电路可断开。此可例如合乎需要以进一步节约电力。用于作出此确定的元数据可尤其包含以下中的一个或多个：当日时间、位置、环境光级、接近度感测，以及可佩戴装置770已从腕部或手移除的检测、可佩戴装置770正在充电的检测。元数据可在可佩戴装置770内部产生和收集。替代地，元数据可在移动电话内部或另一装置内部收集，所述另一装置在可佩戴装置770外部且在移动电话外部，且可直接或间接与移动电话和/或可佩戴装置770交换信息。还可能在可佩戴装置770内部产生和收集元数据中的一些，而其它元数据在可佩戴装置770外部的装置中产生和收集。在元数据中的一些或全部在可佩戴装置770外部产生和收集的情况下，可佩戴装置770可周期性地或不时地使其无线电电路764上电以从移动电话或其它外部装置检索元数据相关信息。
在本发明的又一实施例中，在某些元数据指示很可能发生例如食物摄入事件的特定行为事件的情况下，传感器中的一些或全部可被打开或置于较高功率模式。用于作出此确定的元数据可尤其包含以下中的一个或多个：当日时间、位置、环境光级和接近度感测。元数据中的一些或全部可在移动电话内部或另一装置内部收集，所述另一装置在可佩戴装置770外部且在移动电话外部，且可直接或间接与移动电话和/或可佩戴装置770交换信息。在元数据中的一些或全部在可佩戴装置770外部产生和收集的情况下，可佩戴装置770可周期性地或不时地使其无线电电路764上电以从移动电话或其它外部装置检索元数据相关信息。
对例如食物摄入事件的行为事件的开始的检测可经由可佩戴装置770上的或可佩戴装置770连接的移动电话上的可用用户接口中的一个传信到用户。作为一个实例，可佩戴装置770内部的触觉接口761可用于此目的。其它传信方法也是可能的。
对例如食物摄入事件的行为事件的开始的检测可触发传感器中的一些或全部，使其置于或保持在高功率模式或作用中模式以针对食物摄入事件的部分或全部跟踪用户进食行为的某些方面。一个或多个传感器可在已检测到行为事件的实际或可能结束(认为的行为事件结束)时或之后某个时间掉电或置于较低功率模式。替代地，还可能在固定或可编程时间周期之后使一个或多个传感器掉电或置于较低功率模式。
用于跟踪例如用户进食行为的用户行为的某些方面的传感器数据可本地存储在可佩戴装置770的存储器766内部，且使用可佩戴装置770内部的处理单元767进行本地处理。传感器数据还可使用无线电电路764传送到移动电话或远程计算服务器以供进一步处理和分析。还可能在可佩戴装置770内部本地进行一些处理和分析，且在移动电话上或在远程计算服务器上进行其它处理和分析。
对例如食物摄入事件的开始的行为事件的开始的检测可触发对例如相机模块751的额外传感器和电路的上电和/或激活。对额外传感器和电路的上电和/或激活可与对食物摄入事件的开始的检测同时发生或在稍后某个时间发生。特定传感器和电路可仅在需要时在食物摄入事件期间的特定时间打开，且可在其它方面断开以节约电力。
还可能的是，相机模块751仅在例如推按和按住按钮759的明确用户干预后才上电或激活。松开按钮759可再次断开相机模块751以节约电力。
当相机模块751上电时，还可启用投射光源752以向用户提供关于相机视野内的区域的视觉反馈。替代地，可仅在已激活相机模块之后某个时间才激活投射光源752。在某些情况下，在激活投射光源752之前可能需要满足额外条件。此类条件可尤其包含：确定投射光源752很可能在所关注对象的方向上对准，或确定可佩戴装置并未过度移动。
在一个特定实施方案中，部分压下可佩戴装置770上的按钮759可使相机模块751和投射光源752上电。进一步压下按钮759可触发相机模块751拍摄一个或多个静态图像或一个或多个流媒体图像。在某些情况下，进一步压下按钮759可在图像捕获之前或与之同时触发投射光源752的去激活、亮度修改、色彩修改或模式修改。松开按钮759可触发投射光源752和/或相机模块751的去激活和/或掉电。
图像可标记有额外信息或元数据，例如相机焦点信息、来自接近度传感器756的接近度信息、来自环境光传感器757的环境光级信息、时序信息等。可在食物摄入数据的处理和分析期间使用此类额外信息或元数据。
各种光模式是可能的，且可以各种方式形成。例如，其可包含镜子或机构来反射投射光源752，使得投射光源752产生一个或多个光线，大概示出特定区域的中心或边界，所述区域例如十字形、L形、圆形、矩形、框定视场或以其它方式向用户给出关于视场的视觉反馈的多个点或线。
一个或多个发光二极管(LED)可用作投射光源752。可见光的模式可尤其供用户用于调整相机的位置、调整所关注对象的位置和/或移除阻挡所关注对象与相机之间的瞄准线的任何对象。
投射光源752还可用于向用户传达其它信息。作为实例，电子装置可使用来自一个或多个接近度传感器的输入，处理那些输入以确定相机是否处于与所关注对象的适当距离范围内，且使用一个或多个光源向用户传达相机处于适当距离范围内、用户需要增大相机与所关注对象之间的距离或用户需要减小相机与所关注对象之间的距离。
光源还可结合环境光传感器用于向用户传达：环境光对于适当质量的图像捕获来说是不充足还是过于强烈。
光源还可用于传达包含但不限于低电池电量情况或功能性缺陷的信息。
光源还可用于传达膳食指导信息。作为实例，光源可尤其指示自先前食物摄入事件起经过的时间是不足还是过长，或可向用户传达其特定膳食目标完成得如何。
使用一个或多个投射光源传达特定消息的传信机制可包含但不限于以下中的一个或多个：特定光强度或光强度模式、特定光色或光色模式、特定空间或时间光模式。多个机制还可组合以传信一个特定消息。
麦克风758可由用户用以将特定或定制标记或消息添加到食物摄入事件和/或图像。音频片段可通过语音辨识引擎处理。
在某些实施例中，除了跟踪与食物摄入和/或进食行为直接相关的至少一个参数之外，可能与其它传感器组合的加速度计还可用于跟踪不与食物摄入直接相关的一个或多个参数。此类参数可尤其包含活动、睡眠或紧张。
无内置相机的特定实施例
在不同实施例中，电子装置218无需具有任何内置式任何图像捕获能力。电子装置218可以是可佩戴装置，例如佩戴在手臂或腕部上的手环或腕带，或佩戴在手指上的戒指。电子装置219可以是移动电话，且中央处理和存储单元220可以是位于远程位置的一个或多个计算服务器和数据存储装置。
在此类实施例中，食物摄入跟踪和反馈系统可不使用图像来提取关于食物摄入和/或进食行为的信息。替代地，食物摄入跟踪和反馈系统可利用其它装置内部可用的图像捕获能力，所述其它装置例如电子装置219或在其它方面为电子装置218外部的电子装置。
在检测或预测到食物摄入事件开始后，电子装置218可发送信号到电子装置219，或发送到以其它方式容纳图像捕获能力的电子装置，以指示食物摄入事件的实际、可能或即将开始已发生。此可触发电子装置219或以其它方式容纳图像捕获能力的电子装置进入某一模式，此模式将允许用户以至少比所述装置的默认模式或备用模式少一个的用户步骤捕获图像。
作为实例，如果图像捕获能力容纳于电子装置219内且电子装置219是移动电话、平板电脑或类似移动装置，则电子装置218可发送一个或多个信号到已安装在电子装置219上的软件以指示食物摄入事件的实际、可能或即将开始。在接收到此类一个或多个信号后，电子装置219上的软件可尤其采取以下动作中的一个或多个：解锁电子装置219的屏幕；打开与食物摄入和反馈子系统相关的移动应用程序；激活电子装置219的相机模式；推送通知到电子装置219的显示器以帮助用户进行图像捕获；发送消息到电子装置218以警告、提醒和/或帮助用户进行图像捕获。
在由电子装置219或以其它方式容纳图像捕获能力的电子装置进行图像捕获之后，电子装置219或以其它方式容纳图像捕获能力的电子装置可向用户给出视觉反馈。视觉反馈的实例可包含示出所推荐份量大小的图案、形状或覆盖图，或以一种或多种色彩着色和/或具有一个或多个亮度级来指示食物的健康程度的图案、形状或覆盖图。其它实例也是可能的。
与胰岛素治疗系统集成
本公开中呈现的食物摄入跟踪和反馈系统的一个或多个组件可介接到胰岛素治疗系统或与之集成。在一个特定实例中，在检测到食物摄入事件开始后，反馈可被发送到佩戴者以提醒其进行葡萄糖水平测量和/或施用适当胰岛素剂量。在食物摄入事件的过程中可发送一个或多个额外提醒。
本公开中所描述的食物摄入跟踪和反馈系统或其组件还可由诊断患有I型或II型糖尿病的患者使用。例如，本公开中描述的组件可用于在个人开始、即将开始或已开始进食或饮用时自动地进行检测。检测到食物摄入事件的开始可用于在食物摄入事件开始或接近开始时发送消息到佩戴者，以提醒其进行葡萄糖水平测量和/或施用适当胰岛素剂量。消息传递可以是自动和独立的。替代地，所述系统可与健康系统或保健维护和提醒系统集成。在被通知已检测到食物摄入事件的开始后，健康系统或保健维护和提醒系统可发送消息到佩戴者。健康系统或保健维护和提醒系统可接收关于食物摄入事件的额外信息，例如啃咬或啜饮次数、摄取的食物的估计量、用餐持续时间、进食速度等。健康系统或保健维护和提醒系统可基于所述额外信息而在食物摄入事件期间或之后发送额外消息到佩戴者。
在另一实例中，关于食物摄入内容物的特定信息可用作输入，可能与一个或多个其它输入组合以计算待施用的适当胰岛素剂量。关于食物摄入内容物的信息可尤其包含以下中的一个或多个：碳水化合物量、糖量、脂肪量、份量大小和分子食物类别，例如固体或液体。实时、近实时以及历史信息相关的食物摄入以及进食模式和行为可包含为用于计算胰岛素剂量的输入或参数。
可用作用于计算胰岛素剂量的算法的输入或参数的其它输入可尤其包含以下中的一个或多个：年龄、性别、体重、历史和实时血糖水平、历史和实时活动、睡眠和紧张程度、生命体征信息或指示个体生理或情绪健康的其它信息。
胰岛素剂量的计算可由用户完全手动地进行，由闭环胰岛素治疗系统完全自主地进行，或半自主地进行，其中所述计算中的一些或全部由胰岛素治疗系统进行，但仍需要一些用户干预。用户干预可尤其包含激活胰岛素治疗计算单元、确认剂量、在用户检测或识别到异常的情况下干预或暂停胰岛素递送。
在一个特定实施例中，在检测到食物摄入事件的实际、可能或即将开始后，除了或代替发送通知到用户，本文所描述的食物摄入跟踪和反馈系统还可发送一个或多个通知到用户的一个或多个护理人员。
用户可在食物摄入事件开始后(任选地由来自系统或护理人员的通知或信号提示)拍摄食物或餐食的一个或多个图像给一个或多个护理人员。护理人员可分析图像且将关于食物内容物的信息发送回到用户。信息可尤其包含例如碳水化合物、糖或油脂的某些主要养分含量的估计、卡路里值的估计、对份量大小的建议。
在用户接受胰岛素治疗的情况下，例如血糖水平读数的额外信息也可被发送到护理人员，且由护理人员提供回到用户的信息还可包含对要施用的胰岛素剂量的建议和应何时施用此一个或多个胰岛素剂量的时序。在某些实施方案中，护理人员可能不是人而是人工智能系统。
姿势辨识
在本文所描述的各种系统中，准确确定姿势信息可能较重要。例如，区分说话关联的姿势与传信进食事件周期开始的姿势将是有用的。一些姿势可能易于检测，例如行走时摆动手臂的姿势，且因此测量速度和步数，但其它姿势可能较难测量，例如确定用户何时吃一口食物、喝一口饮品、咬指甲等。后者可用于评定预兆行为。例如，设想健康维护和提醒系统检测到咬指甲姿势之后五到十分钟接着发生与紧张进食相关联的姿势的模式。用户可对其健康维护和提醒系统进行编程以在咬指甲之后两分钟对其传信，使得用户开始察觉且与其原本不被注意的行为更合拍。为了实现这一点，姿势检测应准确且可靠。在比如可佩戴手环中的加速度计的移动与紧张进食之间不存在简单相关性的情况下，这可能是个问题。其部分原因是：健康维护和提醒系统的关注姿势不大容易从简单的传感器读数中导出。
能够确定用户是在吃一口食物还是喝一口饮品以及能够区分啃咬与啜饮可用于提供适当体重管理指导。例如，体重管理监测和提醒系统可根据姿势监测用户的食物摄入事件。此外，体重管理监测和提醒系统可根据姿势监测用户的流体摄入事件。研究表明，在用餐开始或接近开始时饮用足够的水且进一步在整个用餐期间充分饮用会减少食物摄取且帮助减轻体重。用户、用户的教练、用户的保健提供者或体重管理监测和提醒系统的提供商可对系统编程，使得其在用户未饮用的情况下开始进食时或在其检测到用户在整个用餐期间未充分饮用的情况下发送提醒。所述系统还可监测用户一整天的流体摄入，且被编程以在流体摄入含量不符合当日特定时间的预配置含量的情况下发送提醒。为了实现这一点，姿势检测应可靠且准确。在有必要区分具有许多类似性的姿势(例如区分进食姿势与饮用姿势)的情况下，这可能是个问题。
在本文所描述的各种实施例中，处理系统(包括程序代码、逻辑、硬件和/或软件等)接收由电子装置或其它元件基于用户活动而产生的传感器数据。传感器数据可表示特定时间的读数快照或可表示一段时间里的读数。传感器可为加速度计、陀螺仪、磁力计、温度计、光度计等。根据传感器数据，处理系统使用存储的规则和内部数据(例如关于使用何种传感器以及过去使用历史的信息)来识别行为事件，其中行为事件是姿势序列，且所述姿势是根据具有开始时间、传感器读数和结束时间的传感器数据以及外部数据的逻辑布置而确定。所述行为事件可以是高级事件，例如进餐等。
姿势边界(即，其开始和结束时间)的确定可使用本文所描述的方法进行确定。开始时间、传感器读数和结束时间的数据在本文中一起称为姿势包络。姿势包络还可包含锚点时间，其为定义与所述姿势包络相关联的单个时间的数据元素。锚点时间可以是开始时间与结束时间之间的中间点，但可能根据一些准则基于姿势包络的传感器数据。锚点时间可能在开始时间到结束时间的时间跨度外部。每个姿势多个锚点时间也是可能的。
作为处理系统的部分(但也可以是单独的计算机系统且可能通过某种网络分离)的机器分类器根据姿势包络确定可能是什么类别的姿势产生所述姿势包络的传感器数据以及姿势的细节。例如，机器分类器可输出：传感器数据指示或表明佩戴包含传感器的手环的个人正在行走、吃东西或指着某事物。
利用此系统，如果可以准确辨别姿势，则健康维护和提醒系统(或使用姿势信息的其它系统)可对所作姿势作出准确响应。在下述实例中，存在耦合到机器分类系统的传感器集合或至少来自传感器集合的输入，所述机器分类系统在考虑规则和存储的从训练所述机器分类系统导出的数据的情况下根据传感器读数而输出姿势数据。训练子系统可用于训练机器分类系统且借此形成从训练导出的存储数据。这些组件中的每一个可使用不同硬件或共享的硬件，且可本地化和/或是远程的。一般来说，当检测到姿势时，系统可分析所述姿势、确定很可能的实际、可能或即将发生的活动且向用户提供关于那些活动的反馈。例如，作为反馈信号的振动指示用户先前设置系统以在用户已饮用达大于45分钟的半连续周期时警告用户，或指示用户已达到其在一个阶段中应完成的行走量目标。
图8是典型机器分类系统的说明性实例。图8的机器分类系统包含训练子系统801和检测器子系统802。在本公开的一些实施例中，机器分类系统可包含额外子系统或图8中所示的子系统的修改版本。训练子系统801使用训练数据输入803和标记804来训练所训练的分类器模型805。标记804可能已由人手动指派或可能已以自动或半自动方式产生。所训练的分类器模型805接着用在检测器子系统802中以产生对应于新的未标记数据输入的分类输出806。
存储的传感器数据包含时间分量。原始传感器读数标记有其读取时间。原始传感器数据可从加速度计、陀螺仪、磁力计、温度计、气压计、湿度传感器、ECG传感器等获取，且时间数据可来自其它源。时间源的其它实例可以是音频、语音或视频录像。
分别在图9和图10中示出根据本公开的至少一个实施例的训练子系统801和检测器子系统802的说明性实例。时间训练数据907和标记912被馈送到图8的分类器训练子系统。
如在本文实例中所解释，处理原始传感器数据以识别大特征事件(macrosignature event)。大特征事件可界定包括某一时间周期内的传感器数据的姿势。检测器子系统或其它系统可产生姿势包络数据集，其包括开始时间、结束时间、一个或多个锚点时间、元数据和传感器数据，所述传感器数据发生在所述姿势的从开始时间到结束时间的时间包络内。
例如，就姿势辨识问题而论，姿势包络检测器可识别原始时间数据中指示可能的姿势的特定时间片段。姿势包络检测器还产生指定姿势内的相关时间或时间片段的时间包络。时间包络中包含的信息可尤其包含姿势的开始时间、姿势的结束时间、姿势内指定相关姿势子片段的一个或多个时间、姿势内指定相关姿势锚点时间(点)和可能其它元数据的一个或多个时间，以及来自姿势的时间包络内的原始传感器数据。
作为其它元数据的实例，设想历史模式表明佩戴者在特定电话号码的电话拨打之后会有一个进食时期。电子装置可将此状况传信给佩戴者以清醒意识到此模式，这可在佩戴者如此决定的情况下帮助更改行为。
时间训练数据907被馈送到姿势包络检测器908。姿势包络检测器908处理时间训练数据907且从时间训练数据907中识别姿势909和对应的姿势时间包络的可能时刻。时间训练数据907可包括运动传感器数据，且姿势包络检测器908可处理运动传感器数据且基于俯仰角变化而识别姿势909。在一个实施例中，姿势包络检测器908可基于检测到俯仰角上升到高于指定值而检测到姿势的开始，且基于俯仰角下降到低于指定值而检测到事件的结束。其它开始和结束准则也是可能的。可由姿势包络检测器908检测且由姿势时间包络指定的锚点实例将是姿势片段内俯仰角达到最大值时的时间。其它锚点实例也是可能的。
姿势包络检测器908可添加额外准则以进一步将所述片段鉴定为有效姿势。例如，可针对片段内的峰值俯仰角或平均俯仰角指定阈值。在另一实例中，可针对总体片段持续时间或针对总体片段内的子片段持续时间指定最小和/或最大限值。其它准则也是可能的。可使用迟滞来减小对噪声抖动的灵敏性。
在本公开的其它实施例中，姿势包络检测器908可监测从提供时间训练数据907的输入导出的其它度量，且使用那些度量来检测姿势。其它度量的实例包含但不限于横转角度、侧转、运动传感器数据的一阶或高阶导数或一阶或高阶积分。时间数据可以是或可包含除运动传感器数据外的数据。在本公开的一些实施例中，姿势包络检测器908可监测和使用多个度量来检测姿势或指定姿势时间包络。
姿势909以及姿势时间包络信息一起与时间训练数据907组合后被馈送到特征产生器模块910。特征产生器模块910使用来自时间训练数据907的信息、姿势时间包络的信息或来自时间训练数据907和姿势时间包络的信息组合计算一个或多个姿势特征。在本公开的一些实施例中，特征产生器模块910根据处于姿势时间包络中的时间片段内的时间训练数据907计算一个或多个姿势特征。还可能的是，特征产生器模块910根据某一时间片段内的时间训练数据907计算一个或多个姿势特征，所述时间片段不处于或仅部分处于所述姿势时间包络中但仍与所述姿势时间包络相关。实例将是根据紧接在姿势时间包络开始前的时间周期内或紧接在姿势时间包络结束后的时间周期内的时间训练数据907计算的姿势特征。
在一些实施例中，特征产生器模块910可在不使用时间训练数据907的情况下直接基于姿势时间包络信息产生一个或多个特征。此类特征的实例可包含但不限于姿势时间包络的总持续时间、自上一个姿势起经过的时间、下一姿势发生前的时间或整个姿势时间包络或事件时间包络内的特定子片段的持续时间。
在一个实施例中，时间训练数据907可以是运动传感器数据，且特征可包含对姿势时间包络内部或前后的一个或多个子片段内计算的俯仰、横转和/或侧转角度的读取。特征还可包含在姿势时间包络内部或前后的一个或多个子片段内计算的各种运动传感器数据输入的最小值、最大值、均值、方差、一阶或高阶导数、一阶或高阶积分。特征还可包含在姿势时间包络内部或前后的一个或多个子片段内计算的沿着特定传感器轴线或在特定方向上行进的距离。
时间训练数据907可以是或可包含除运动传感器数据外的数据，例如来自本文所描述的传感器中的一个或多个的传感器信号。可基于姿势时间包络指定的时间点或时间片段选择子片段，特征产生器模块910在所述子片段内计算特征。还可基于来自多个姿势包络的时间点或时间片段选择子片段，所述多个姿势包络例如邻近姿势或可能并不邻近但也以其它方式极为接近的姿势。
一些实施例可并行地或以其它方式使用多个姿势包络检测器。并行姿势包络检测器可对传感器数据的不同子集进行操作、可使用不同阈值或准则来鉴定姿势等。例如，在基于运动传感器数据输入的姿势辨识情况下，一个姿势包络检测器可使用俯仰角，而第二并行姿势包络检测器可使用横转角。姿势包络检测器中的一个可以是主要姿势包络检测器，而一个或多个额外姿势包络检测器可充当辅助姿势包络检测器。特征产生逻辑可处理由主要姿势包络检测器产生的姿势，但可隐现使用来自从一个或多个辅助并行包络检测器获得的附近姿势(在时间上)的姿势时间包络的信息导出的特征。
训练数据可包括多个姿势包络数据集，其各自具有在测试环境中手动地或以某一其它方式提供的表示姿势的相关联标记(例如姿势标记列表的精选)。此训练数据结合相关联标记可用于训练机器分类器，使得其可稍后处理未知姿势的姿势包络且确定最适当地匹配所述姿势包络的姿势标记。取决于所用的分类方法，可清除训练集，但另外可清除原始数据(无监督分类)或从中导出的特征集合，而另外可清除原始数据(监督分类)。
不论分类方法如何，针对每一标记定义适当数据边界对于分类器的性能来说较重要。定义适当数据边界可能在时间问题(即，借此数据输入中的至少一个具有与其相关联的时间维度)情况下存在难度。此在时间维度是可变的或是动态的情况下以及与可变时间包络的特定片段有关或与整个可变时间包络有关的特征显著促进分类器性能的情况下尤其如此。
此类时间问题的一个实例是姿势辨识，例如从原始运动传感器数据检测进食或饮用姿势。啃咬或啜饮的持续时间可因人而异，且可取决于用餐情境或所摄取食物的细节。
特征产生器模块910的输出是具有对应的时间包络和特征的姿势集合911。在姿势911可馈送到分类器训练模块915之前，来自训练数据集的标记912需要映射到其对应姿势。此映射操作由标记映射器模块913执行。
在一些实施例中，与标记912相关联的时间戳始终处于其对应姿势的时间包络内。在所述情况下，标记映射器模块913的逻辑可以是查找法，其中每一标记的时间戳与每一姿势时间包络的开始和结束时间相比较，且每一标记被映射到其中标记的时间戳大于相应姿势时间包络的开始时间且小于相应姿势时间包络的结束时间的姿势。不存在对应标记的姿势可标记为“负”，指示其不对应于任何所关注标记。
然而，在本公开的其它实施例中，标记912的时间戳可能不会始终处于姿势时间包络内。此可是由于在标记过程期间遵循的工序细节、与标记过程相关联的时序不确定性、实际原始数据输入的不可预测或可变性或姿势包络检测器逻辑的伪差。在此类情况下，可修改标记映射器以调整姿势包络的边界。
表征为特征和标记的姿势914可接着馈送到分类器训练模块915以产生可由检测器子系统使用的所训练的统计模型。分类器训练模块915可使用统计模型，例如决策树模型、K最近邻算法模型、支持向量机模型、神经网络模型、逻辑回归模型或适于机器分类的其它模型。在其它变型中，如在图9中使用的数据的表结构和数据格式可变化，且可不同于图9中所示。
图10示出检测器子系统802的说明性实例。如此处所示，未标记时间数据1017被馈送到图10的检测器子系统。检测器子系统包含姿势包络检测器逻辑1018和特征产生器逻辑1020。功能上，检测器子系统所用的姿势包络检测器逻辑1018类似于其对应的训练子系统所用的姿势包络检测器逻辑。同样地，检测器子系统的特征产生器逻辑1020在功能上类似于其对应的训练子系统的特征产生器模块910。在一些实施例中，姿势包络检测器逻辑1018可监测和使用多个度量来检测姿势或指定姿势时间包络。
然而，姿势包络检测器逻辑1018和特征产生器逻辑1020的实施方案可在训练子系统和其对应检测器子系统中有所不同。例如，检测器子系统可实施在功率更受约束的硬件上，在此情况下，姿势包络检测器逻辑1018相比于其用在对应训练子系统中的对应物，可能需要进行优化以供较低功率操作。与训练系统相比，检测器子系统还可能具有更严格的时延要求。在这种情况下，用在检测器子系统中的姿势包络检测器逻辑1018与其用在对应训练子系统中的对应物相比，可能需要针对较低时延进行设计和实施。
特征产生器逻辑1020的输出被馈送到检测器逻辑1022，其基于来自其对应训练子系统的所训练的分类器模块对姿势进行分类。分类输出可包含一个或多个标记。任选地，检测器1022还可给每一标记指派置信水平。
时间和非时间数据输入的组合的分类
在另一实施例中，进入分类系统的输入可包含时间和非时间数据的组合。图11是根据本公开的至少一个实施例的训练子系统的说明性实例，其中至少一些数据输入是时间的，且至少一些数据输入是非时间的。其它实施方案也是可能的。
非时间训练数据1129不需要由姿势包络检测器1125和特征产生器逻辑1127进行处理。非时间训练数据1129以及标记1131可一起直接馈送到标记映射器逻辑1132中。在一些实施例中，非时间训练数据可由单独的特征产生器模块、非时间特征产生器模块1130处理，以提取特定非时间所关注特征，所述特征接着馈送到标记映射器逻辑1132中。标记映射器逻辑1132可使用与本文已描述的将标记映射到姿势的方法类似的方法将标记1131以及附接到标记的非时间特征1136一起指派到姿势。
图12是根据本公开的至少一个实施例的分类检测器子系统的说明性实例，其中至少一些数据输入是时间的，且至少一些数据输入是非时间的。
时间数据输入的无监督分类
在本公开的又一实施例中，深度学习算法可用于机器分类。使用深度学习算法的分类有时称为无监督分类。通过无监督分类，深度学习统计算法基于直接处理数据来执行分类任务，借此消除对特征产生步骤的需要。
图13示出根据本公开的至少一个实施例的分类器训练子系统的说明性实例，其中分类器训练模块基于用于无监督分类的深度学习统计算法。
姿势包络检测器1349根据时间训练数据1348计算具有对应姿势时间包络的姿势1350。数据分段器1351基于姿势时间包络中的信息将一个或多个适当数据片段指派到每一姿势。作为实例，数据分段器1351可查看姿势时间包络中的开始和结束时间信息，且指派对应于整个姿势持续时间的一个或多个数据片段。这仅是一个实例。可基于姿势时间包络定义的不同片段或子片段来选择数据片段。还可基于在姿势时间包络外部但与所述姿势时间包络直接或间接相关的时间片段来选择数据片段。实例可以是选择对应于紧接在姿势时间包络开始前的时间周期的数据片段，或选择对应于紧接在姿势时间包络结束后的时间周期的数据片段。在姿势时间包络外部但与所述姿势时间包络直接或间接相关的时间片段的其它实例也是可能的。
包含数据片段、姿势时间包络信息和标记的姿势被馈送到分类器训练模块1356。在本公开的一些实施例中，仅姿势时间包络信息的子集可被馈送到分类器训练模块1356。在本公开的一些实施例中，可在姿势时间包络信息应用于分类器训练模块1356之前对其进行处理。一个实例可以是使姿势时间包络的时间基准与数据片段的开始对准，而非与原始时间训练数据流的时基(time base)对准。其它实例也是可能的。通过添加进一步表征数据片段的时间包络信息，可改善分类器训练模块的性能。
例如，在基于运动传感器数据输入进行进食姿势的姿势辨识的情况下，将例如俯仰角、横转或侧转达到最大值或最小值的时间的额外锚点时间信息馈送到分类器训练模块中可改善所训练的分类器1357的性能，因为所训练的分类器1357可分析训练数据且寻找尤其是在所述锚点时间前后的特征和相关性。可馈送到分类器训练模块的时间包络信息的其它实例也是可能的。
图14示出根据本公开的至少一个实施例的可结合图13的分类训练子系统使用的分类检测器子系统的说明性实例。
分类器系集
在一些实施例中，可使用基于姿势包络检测的多个并行分类系统。图15中示出具有多个并行分类器的系统的实例。并行分类系统的数目可变化。每一分类系统1510、1512、1514具有其自身的训练和检测器子系统且对训练数据1502和标记1504输入的不同子集执行姿势包络检测以检测姿势，或可使用不同阈值或准则以鉴定姿势。因此，每一个别姿势包络检测器将产生各自具有不同姿势时间包络的姿势的独立集合。每一分类系统的特征产生器逻辑产生姿势的特征，所述姿势由其对应姿势包络检测器逻辑产生。对于每一分类系统，所述特征可以不同。每一并行分类器所用的分类器模型可相同或不同，或一些可相同而其它的可不同。由于用于每一分类器模型的训练的姿势时间包络和特征不同，因此并行分类系统将产生不同分类输出1516、1518、1520。
每一分类系统的分类输出1516、1518、1520可被馈送到分类器组合器子系统1522。分类器组合器子系统1522可对个别分类系统1510、1512、1514的分类输出1516、1518、1520进行组合且加权以产生单个总分类结果——组合的分类输出1524。权重可以是静态或动态的。例如，就姿势辨识而论，某些分类器可能更擅长正确地预测一组人的姿势，而其它分类器可能更擅长正确地预测另一组人的姿势。分类器组合器子系统1522可针对不同用户或不同情境条件使用不同权重以改善整个分类器系集的性能。所训练的系统可接着用于处理未标记数据1506。
时间问题的其它实例包含但不限于自动驾驶、驾驶者警报系统(其在检测到危险交通状况时警告驾驶者)、驾驶者机警性检测、话音辨识、视频分类(安保相机监测等)和天气模式识别。
忽略数据输入的时间性质以及与数据输入的时间包络有关的任何特征可能会限制分类器的性能，且在可靠检测取决于本质上与可变时间包络的片段或与整个可变时间包络有关的特征的情况下使分类器不适合分类任务。如果无法可靠地确定适当时间周期，或在时间周期因姿势而异、因人而异等情况下，可能会破坏性能和可用性。
如本文所描述，改善的方法利用可变时间包络调整时间问题，使得与整个可变时间包络或其片段有关的信息可被提取且包含在用于训练分类器的特征集中。所提出的改善方法改善性能且减小所需的训练数据量，因为特征可相对于可变时间包络的时间界限而定义，借此减小对时间和用户变化的灵敏性。
除了寻找姿势的时间包络之外，系统还可寻找事件时间包络。在此类方法中，系统可确定姿势和姿势包络，但接着针对额外姿势进行同样的动作，且接着定义事件包络，例如进食事件的开始和结束。
改善整体准确性的上下文
图16示出包含交叉相关分析子系统的机器分类系统的实例。分类输出1602可被馈送到交叉相关分析子系统1604。交叉相关分析子系统1604可基于一个或多个情境线索作出调整以改善准确性。在姿势辨识的实例中，情境线索的实例可以是在时间上与其它所预测姿势的接近度。例如，作为例如餐食或点心的进食活动的部分，进食姿势往往在时间上集中在一起。作为一个实例，交叉相关分析子系统1604可基于置信水平和与附近预测的接近程度而增大所预测姿势是进食姿势的置信水平。
在另一实施例中，交叉相关分析子系统1604可将来自分类输出1602的个别所预测姿势1614作为输入且可将个别所预测姿势群集为所预测活动1608。例如，交叉相关分析子系统1604可将多个啃咬姿势映射到例如点心或餐食的进食活动。同样地，交叉相关分析子系统1604可将多个啜饮姿势映射到饮用活动。基于姿势群集的活动预测的其它实例也是可能的。交叉相关分析子系统1604可基于所预测活动的时间间隔和序列而修改所预测姿势的置信水平。作为实例，交叉相关分析子系统1604在紧接在“刷牙”活动之后或在此期间检测到姿势时，可降低所预测姿势是进食姿势的置信水平。在另一实例中，交叉相关分析子系统1604在刷牙活动期间或紧接在其后检测到姿势的情况下，可降低所预测姿势是饮用姿势的置信水平。在此情况下，交叉相关分析子系统1604可决定增大姿势是漱口姿势的置信水平。
交叉相关分析子系统1604可基于历史信息1612或例如位置、日期和时间、其它生物计量输入、日历或电话拨打活动信息的其它非姿势元数据1610信息来调整所预测姿势的分类输出。例如，交叉相关分析子系统1604可在GPS坐标指示个人在餐馆处的情况下增大所预测姿势是进食姿势或所预测活动是进食活动的置信水平。在另一实例中，交叉相关分析子系统1604在所预测姿势或所预测活动发生在当日某时、而过去的行为对此指示用户通常在此时进食的情况下，可增大所预测姿势是进食姿势或所预测活动是进食活动的置信水平。在本公开的又一实例中，在所预测姿势或所预测活动在日历事件或电话拨打通话之前或之后的情况下，如果过去的行为指示用户通常在类似日历事件(例如与相同参加者一起、在某一位置、进行某些会议日程等)或电话拨打通话(例如来自特定电话号码)之前或之后进食，则交叉相关分析子系统1604可增大所预测姿势是进食姿势或所预测活动是进食活动的置信水平。虽然上文实例参考进食，但对于所属领域的技术人员显而易见的是，此还可应用于除进食外的姿势。在一般情况下，具有交叉相关分析子系统的机器分类器使用情境线索、历史信息和根据时间上的接近度感测的见解来改善准确性，其中特定情境线索、历史信息和根据时间上的接近度感测的见解以及如何加以应用由本文公开或表明的方法确定。
在本公开的一些实施例中，分类输出1602可包含额外特征或姿势时间包络信息。交叉相关分析子系统1604可处理此类额外特征或姿势时间包络信息以确定或提取姿势或活动的额外特性。作为实例，在本公开的一个实施例中，交叉相关分析子系统1604从姿势时间包络导出饮用姿势的估计持续时间，且此信息可由交叉相关分析子系统1604或由机器分类器系统外部的一个或多个系统用来估计与所述饮用姿势相关联的流体摄入。
在另一实施例中，交叉相关分析子系统1604可从姿势时间包络导出进食姿势的估计持续时间，且此信息可由交叉相关分析子系统1604或由机器分类器系统外部的一个或多个系统用来估计与进食姿势相关联的一口大小。交叉相关分析子系统1604可将所预测饮用姿势与其它传感器数据组合以更准确地预测某人是否在摄取包含酒精的饮品且估计摄取的酒精量。其它传感器数据的实例可包含但不限于测量手的振动、心率、语音分析、皮肤温度、测量血液、呼吸化学性质或人体化学性质。
检测器子系统1600可预测特定的进食或饮用方法，且交叉相关分析子系统1604可将从检测器子系统1600获得的关于进食或饮用方法细节的信息与额外元数据组合以估计食物内容物、健康度或卡路里摄入。进食/饮用方法的实例可包含但不限于用餐叉进食、用餐刀进食、用汤勺进食、用手指进食、从玻璃杯饮用、从杯盅饮用、从吸管饮用等。元数据的实例可包含但不限于当日时间、位置、环境或社会因素。
另一实例实施例
图17示出根据实施例的类似于图1的变型的监测系统的高级功能图。如图17中所示，传感器单元1700与事件检测子系统1701交互，事件检测子系统继而与对象信息检索子系统1702交互，且将输入提供到处理和分析系统，处理和分析结果可存储于数据存储单元1704中。
在一些实施例中，图17中所示的元件在电子硬件中实施，而在其它实施例中，一些元件在软件中实施且由处理器执行。一些功能可共享硬件和处理器/存储器资源，且一些功能可为分布式的。功能性可完全实施于例如腕戴式可佩戴装置的传感器装置中，或功能性可跨越传感器装置、传感器装置与之通信的例如智能手机的处理系统，和/或远离传感器装置处理一些功能性的服务器系统实施。例如，可佩戴传感器装置可进行测量且将其传达到移动装置，所述移动装置可处理从可佩戴传感器装置接收的数据并可能与其它数据输入组合地使用所述信息来激活对象信息检索子系统1702。对象信息检索子系统1702可实施于移动装置上、可佩戴传感器装置上或另一电子装置上。对象信息检索子系统1702还可跨越多个装置，例如跨越移动装置和可佩戴传感器装置分布。数据或其它信息可以合适格式存储，以记录的形式或在一定程度的处理之后分布在多个位置上或集中存储。数据可临时或永久地存储。数据可本地存储于可佩戴传感器装置上、移动装置上或可经由因特网上传到服务器。
图17中所说明的系统的第一组件为事件检测子系统1701。事件检测子系统1701的一个作用为识别事件的实际、可能或即将发生。事件可例如为与特定活动或行为相关的事件。特定活动或行为可包含但不限于：进食、饮用、吸烟、服用药物、刷牙、使用牙线、洗手、涂口红或睫毛膏、剃须、煮咖啡、烹饪、小便、使用浴室、开车、锻炼或参与特定体育活动。事件检测子系统1701可检测的事件的其它实例可为操作者在生产线上或别处执行特定任务或执行特定工序。又一实例可为机器人或机械臂在生产臂上或别处执行特定任务或执行特定工序。
事件检测子系统可使用来自一个或多个传感器单元1700的输入、其它用户输入1705，或来自传感器单元1700的一个或多个传感器输入与一个或多个其它用户输入1705的组合，以确定或推断事件的实际、可能或即将发生。事件检测子系统1701可对传感器和/或用户输入进行额外处理以确定事件的实际、可能或即将发生。一般来说，事件检测系统记录和/或对推断的事件作出反应，当事件检测系统具有从中确定事件可实际上开始、很可能开始或即将发生的输入和/或数据时会进行前述操作。在一些情况下，事件检测系统可能会推断出事件实际上未发生的事件并将其作为事件处理，但这可能不是经常发生的。
事件检测子系统1701还可对传感器和/或用户输入进行额外处理以确定关于事件的额外信息。此类信息可包含但不限于事件的持续时间、事件开始时间、事件结束时间、与受试者参与事件的速度相关联的度量。其它事件数据元素也是可能的。例如，如果事件为进食事件，则事件数据元素可为啃咬次数或所摄取的食物量。类似地，如果事件为饮用事件，则事件数据元素可为啜饮次数或流体摄入量。这些事件数据元素可存储在数据库中，所述数据库维持关于推断的事件的数据元素。
使用姿势感测技术，事件检测系统可触发外部装置收集其它信息。
在特定实施例中，容纳对象信息检索子系统1702或对象信息检索子系统1702的一部分的电子装置包含近场通信(NFC)技术，且对象信息检索子系统1702获得关于受试者可经由无线NFC链路上的传输至少部分与之交互的对象或受试者的信息。
在特定实施例中，外部装置为NFC读取器，且检测上面具有NFC标签的各种对象。NFC读取器可与姿势感测技术或与姿势感测技术的一些组件集成在一起。
在那些对象与食物/饮料相关的情况下，事件检测系统可确定姿势与何相关。例如，食物/饮料容器可具有嵌入于产品包装中的NFC标签，且食物摄入监测系统可自动地确定姿势与进食事件相关，接着向NFC读取器传信以使其打开并读取附近NFC标签，借此读取所摄取产品上的NFC标签，使得将姿势和事件与特定产品相关联。
在一实例中，监测系统可具有可佩戴装置，所述可佩戴装置确定姿势且基于那些姿势识别进食事件或饮用事件。设想检测到饮用事件且基于检测到的传感器输入和姿势，监测系统例如通过计数啜饮次数且估计或计算每一口的大小确定用户喝了四分之三罐苏打水。因为不论是无糖苏打水还是普通苏打水，姿势都可能相同。使用NFC读取器，还可以检测到特定品牌和类型的苏打水。
传感器可在可佩戴装置中，其中姿势确定逻辑或处理发生在通信耦合到可佩戴装置的例如移动电话的外部装置中，或姿势确定可部分地发生在可佩戴装置上且部分地发生在通信耦合到可佩戴装置的外部装置上。
NFC读取器可在容纳传感器的可佩戴装置中，在通信耦合到可佩戴装置且执行至少一些姿势确定的外部装置中，或在通信耦合到可佩戴装置、耦合到执行至少一些姿势确定的外部装置或这两者的另一外部装置中。
在一般情况下，检测到发生事件可用于发起过程/系统/电路/装置以收集关于对象/品目或其它受试者的信息，所述对象/品目或其它受试者正在与执行事件表示的活动或行为的个人交互。此信息可以数据元素的形式被记录。对象数据元素可存储在数据库中。相同事件的一个或多个对象数据元素和一个或多个事件数据元素可记录为数据库中的单个条目。对象数据元素和事件数据元素也可记录为数据库中的单独条目。还可使用或替代地使用符合本文中的教示的其它数据结构。
当NFC读取器系统被激活时，其发起一个或多个NFC读取命令，且经由NFC链路无线地获得来自相关对象的额外信息。可应用额外处理，例如滤出NFC数据以简化下游处理。
在其它变型中，代替NFC或与NFC一起使用其它无线链路。其它无线技术的实例包含但不限于蓝牙、低功耗蓝牙、Wi-Fi、Wi-Fi衍生物和专用无线技术。
检测到事件信号的发生可用于滤出关于特定相关对象的信息，所述对象与作为事件的部分的所关注活动/行为相关。
虽然对象检测过程可能是自动的，但其也可能需要用户干预来激活对象信息检索系统。例如，其可简化为要求用户打开相机，或作出是否继续检测过程的决策且获得用户关于所述决策的输入。作为另一实例，可提示用户将NFC读取器移动为较接近所关注NFC标签。在另一实例中，可提示用户激活NFC读取器电路或NFC读取器电路的部分，或采取允许NFC读取器电路发出读取命令的一个或多个动作。
除了NFC读取器之外，还可激活相机，且可通过分析相关对象的图像或视频录像获得来自相关对象的额外信息。相机可与NFC读取器组合在一单元中。在一些实施例中，仅使用相机，或使用其它辅助传感器获得关于事件的额外信息。
从事件检测子系统获得的关于作为事件的部分的活动或行为的信息可与关于用户正交互的对象或受试者的信息组合，且可对组合的数据集执行额外处理/分析以获得无法从单独查看仅一个数据源获得的关于活动/行为的额外信息或见解。
虽然本公开中的许多实例参考分析姿势以检测事件的实际、可能或即将发生的事件检测系统，但其它传感器输入也是可能的。例如，嘴部、喉咙或胸部中或附近的音频信号可用于检测和获得关于用户摄取的信息。为了实现这一点，事件检测子系统1701可使用来自一个或多个传感器单元1700的输入1706。传感器可包含但不限于加速度计、陀螺仪、磁力计、磁性角速率和重力(MARG)传感器、图像传感器、相机、光学传感器、接近度传感器、压力传感器、气味传感器、气体传感器、葡萄糖传感器、心率传感器、ECG传感器、温度计、光度计、全球定位系统(GPS)和麦克风。
在检测到事件的实际、可能或即将发生后，事件检测子系统可激活对象信息检索子系统1702。替代地，事件检测子系统1701可进行额外处理以决定是否激活对象信息检索子系统1702。事件检测子系统1701可立即激活对象信息检索子系统1702或在激活对象信息检索子系统1702之前等待某一时间。
对象信息检索子系统1702的作用是在事件检测子系统1701检测到实际、可能或即将发生的事件的发生时或之后的某个时间收集关于受试者正交互的对象或其它受试者的信息。
在一个此类实施例中，在从事件检测子系统1701接收激活输入信号1707后，或在接收激活输入信号1707之后某个时间，对象信息检索子系统1702发起NFC读取动作以读取附接到、容纳于或以其它方式与容纳对象信息检索子系统1702的装置的NFC范围内的一个或多个对象相关联的NFC标签。对象信息检索子系统1702将从一个或多个对象接收的数据发送到处理和分析子系统1703。对象信息检索子系统1702可在将数据发送到处理和分析子系统1703之前对数据进行额外处理。在其它实施例中，可使用额外辅助传感器或传感器系统，例如相机或其它电子装置。
处理可包含但不限于过滤、提取特定数据元素、修改数据或数据元素、组合从多个对象获得的数据或数据元素、组合数据或数据元素与非经由NFC收集的从其它源获得的数据。过滤的实例可包含但不限于基于一个或多个对象与对象信息检索子系统之间的距离或所估计距离，基于所接收NFC信号的信号强度，基于从对象接收数据的次序，基于数据或特定数据元素中的信息进行过滤。用于过滤的其它过滤机制或准则也是可能的。对象信息检索子系统1702可在固定时间之后，可配置时间之后，在读取固定或可配置数目个标签之后停止读取NFC标签。也可以使用其它准则。
还可能的是，对象信息检索子系统独立于事件检测子系统收集关于受试者正交互的对象或其它受试者的信息。在此类实施例中，处理和分析子系统1703可使用从事件检测子系统1701接收的信号1708与从对象信息检索子系统1702接收的数据信号1709来推断关于受试者在活动期间或展现某一行为时可正交互的对象或其它受试者的相关信息。
在本公开的特定实施例中，对象信息检索子系统1702连续地、周期性地或以其它方式独立于来自事件检测子系统1701的输入从整体或部分容纳对象信息检索子系统1702的电子装置的范围内的对象读取NFC标签。检测到出现活动/行为信号可用于滤出关于特定相关对象的信息，所述对象与所关注活动/行为相关。在对象与事件相关联、指示事件或提及事件的情况下，可将所述特定对象记录为事件记录的部分，使得所述信息可稍后用于过滤或其它处理。
在特定实施例中，对象信息检索子系统1702独立于其从事件检测子系统接收的输入地收集数据，但仅在其从事件检测子系统1701接收激活输入信号1707时或之后的某个时间将数据发送到处理和分析子系统1703。对象信息检索子系统1702可仅发送其经由NFC链路从对象接收的数据的子集。例如，其可仅发送在与其接收激活输入信号1707的时间相关的固定或可配置时间窗中接收的数据。例如，其可仅在紧接在激活输入信号1707前和/或紧接在激活输入信号后发送数据。其它时间窗也是可能的。对象信息检索子系统1702可在将数据发送到处理和分析子系统1703之前对数据进行额外处理。
在本公开的一个实施例中，对象信息检索子系统1702包含相机，且可从图像或视频录像的分析导出关于一个或多个对象的信息。
在本公开的优选实施例中，对象信息检索子系统1702在无需来自受试者的任何干预或输入的情况下从对象收集数据。在本公开的另一实施例中，需要一些用户输入或干预。例如，可提示用户将NFC读取器移动为较接近所关注NFC标签。在另一实例中，可提示用户激活NFC读取器电路或NFC读取器电路的部分，或采取允许NFC读取器电路发出读取命令的一个或多个动作。
图18示出根据需要用户干预的实施例的监测系统的高级功能图。如图18中所示，一个或多个传感器单元1800与事件检测子系统1801交互且将传感器数据发送到事件检测子系统1801。在检测或推断出实际、可能或即将发生事件后，事件检测子系统将一个或多个通知发送到用户交互单元1802以请求激活NFC扫描动作。通知可作为所显示文本消息、所显示图像、音频消息、LED信号、振动等显现给用户。还可使用用户接口的组合。也可以使用其它用户接口。用户可使用用户交互单元1802的一个或多个用户接口对所述通知作出响应。用户响应可触发用户交互单元1802将扫描命令1810发送到对象信息检索子系统1803。在接收扫描命令1810后或在接收扫描命令1810之后某个时间，对象信息检索子系统1803可激活NFC读取器1806且经由NFC读取器1806与NFC标签1807之间的无线通信链路1811获得关于对象1804的信息。经由无线链路1811获得的信息可包含关于对象1804的品牌、类型、内容物、到期日期、批号等的信息。还可检索关于对象的其它信息。来自事件检测子系统1801的事件数据元素1814和由对象信息检索子系统1803经由无线链路1811从一个或多个对象检索的对象数据元素1813可被发送到处理和分析子系统1805。可执行额外处理，且事件和对象数据元素可存储在一个或多个数据存储单元1815上的数据库中。
在另一实例中，事件检测系统自动地扫描NFC标签，但在从对象接收数据后，对象信息检索子系统将消息发送到受试者，且受试者授权或并不授权传输到处理器或分析子系统或受试者直接确认所述信息。此消息也可由处理和分析子系统发送。
处理和分析子系统1805进行的处理可包含但不限于过滤、提取特定数据元素、修改数据或数据元素、组合从多个对象获得的数据或数据元素、组合数据或数据元素与非经由NFC收集的从其它源获得的数据。过滤的实例可包含但不限于基于一个或多个对象与对象信息检索子系统之间的距离或所估计距离，基于所接收NFC信号的信号强度，基于从对象接收数据的次序，基于数据或特定数据元素中的信息进行过滤。用于过滤的其它过滤机制或准则也是可能的。对象信息检索子系统1803可在固定时间之后，可配置时间之后，在读取固定或可配置数目个标签之后停止发送数据。也可以使用其它准则。对象信息检索子系统1803可仅发送来自单个对象、来自对象子集或来自其在指定时间窗内接收数据的所有对象的数据。
在本公开的不同实施例中，对象信息检索子系统1803连续地、周期性地或以其它方式独立于来自事件检测子系统1801的输入从整体或部分地容纳对象信息检索子系统1803的电子装置的范围内的对象读取NFC标签，且独立于来自事件检测子系统的任何信号将此类数据发送到处理和分析子系统1805。
处理和分析子系统1805从事件检测子系统1801和对象信息检索子系统1803接收数据输入。还可能的是，处理和分析子系统1805仅从对象信息检索子系统1803接收输入。处理和分析子系统1805可对数据进行额外处理且分析所述数据以从其接收的数据提取关于对象或受试者的信息。处理可包含但不限于过滤、提取特定数据元素、修改数据或数据元素、组合从多个对象获得的数据或数据元素。分析还可包含比较特定数据元素与存储于查找表中或数据库中的数据，使数据元素与在早期时间和/或从不同受试者获得的数据元素相关。其它处理和分析步骤也是可能的。处理和分析子系统1805可将原始或已处理数据存储于数据存储单元1804中。存储可以是临时或永久的。
在一些实施例中，来自处理和分析子系统1805的输出可在事件期间或事件之后不久实时可用。在其它实施例中，所述输出可能直到稍后时间才可用。
处理和分析子系统1805可实施于移动装置上、可佩戴传感器装置上或另一电子装置上。处理和分析子系统1805还可跨越多个装置，例如跨越移动装置和可佩戴传感器装置分布。在另一实例中，处理和分析子系统1805可跨越移动装置和本地或远程服务器分布。处理和分析子系统1805还可全部实施于本地或远程服务器上。信息可以合适格式存储，以记录的形式或在一定程度的处理之后分布在多个位置上或集中存储。数据可临时或永久地存储。数据可本地存储于可佩戴传感器装置上、移动装置上或可经由因特网上传到服务器。
对象信息检索子系统可整体或部分地容纳在电池供电的电子装置内部，且可能需要最小化对象信息检索子系统的功耗。当未检测到事件时，无线电电路(例如，NFC读取器电路)可置于低功率状态。在检测或推断出实际、可能或即将发生事件后，对象信息检索子系统可被置于较高功率状态。对象信息检索子系统内部的一个或多个额外电路可被上电以激活对象信息检索子系统、改善对象信息检索子系统的范围或性能等。在一个特定实例中，当未检测到事件时，停用NFC读取器或使其置于低功率备用或睡眠模式。在检测或推断出事件后，NFC读取器被置于较高功率状态，在所述状态中，NFC读取器可与相邻对象的NFC标签通信。在读取预配置数目个NFC标签之后，在预配置时间之后或在检测到事件结束或完成后，可再次停用NFC读取器或可重新将其置于低功率备用或睡眠模式。
药物分配系统实例
根据本文中所描述的原理和细节的系统可用于检测进食/饮用的起始，以开始作为胰岛素治疗的形式和/或用餐感知的人工胰腺施用胰岛素剂量。胰岛素剂量计算器可考虑开始进食时的葡萄糖水平、开始进食时的葡萄糖水平的一阶或高阶导数以确定胰岛素递送的剂量和时序。可一次、以多个剂量或以微剂量递送胰岛素。如果从对象信息检索子系统获得关于食物的额外信息(例如，喝一罐普通苏打水与无糖苏打水)，则胰岛素剂量计算器可考虑此信息。例如，如果正摄取具有高糖含量的食物品目，则胰岛素剂量计算器可增大每次微量给药事件施用的剂量或可增大给定时间周期中递送的微剂量数目。
图19示出本公开涵盖的药物分配系统的高级功能图。药物分配系统可部分地包含以下中的一个或多个：膳食跟踪和反馈系统1902、一个或多个传感器或传感器单元1900、测量传感器处理单元1909、药物给药计算单元1906、一个或多个测量传感器单元1904和药物分配单元1908。
在本公开的一个实施例中，待施用的药物为胰岛素，测量传感器单元1904为测量间质葡萄糖水平的连续葡萄糖监测器传感器，药物分配单元1908为胰岛素泵，且药物给药计算单元1906为自动胰岛素递送系统(也称为人工胰腺)的胰岛素剂量计算单元。
图19中所示的元件中的每一个可由合适结构实施。例如，这些元件可为个别硬件元件或实施为可佩戴装置、与可佩戴装置通信的辅助装置，或经由网络耦合到辅助装置和/或可佩戴装置的服务器中的软件结构。一些元件可完全为软件且耦合到能够将消息发送到执行软件的处理器和/或从执行软件的处理器接收消息的其它元件。例如，药物分配单元1908可为响应于由软件系统给出的指令而注射一定剂量或微剂量的药物的嵌入式硬件系统，且因此将仅需要最小机载处理。还可能的是，药物给药计算单元1906和药物分配单元1908容纳在同一硬件中。图19的某些元件可跨越多个软件和或硬件元件分布。作为实例，药物给药计算单元1906的一部分可实施于与容纳药物分配单元1908的电子装置分离的一个电子装置上，而药物给药计算单元1906的另一部分可嵌入于与药物分配单元1908相同的壳体内。
膳食跟踪和反馈系统1902可如本文中在别处所描述地实施，且可监测一个或多个传感器单元的输出以确定食物摄入事件的实际、可能或即将开始。在检测到食物摄入事件的实际、可能或即将开始后或此后的某个时间，所述系统可将信号1903发送到药物给药计算单元1906以告知药物给药计算单元1906已检测到食物摄入事件的实际、可能或即将开始。药物给药计算单元1906可使用此信息来将其状态改变为“即将用餐”、“可能用餐”或“用餐中”状态。
在进入即将用餐、可能用餐或用餐中状态后或此后的某个时间，药物给药计算单元1906可计算待施用的初始用餐药物剂量并将一个或多个消息发送到药物分配单元1908。替代地或另外，所述单元还可响应于对食物摄入事件的即将、可能或实际开始和/或进展的检测和传信而更改一个或多个其它参数，例如目标葡萄糖水平。替代地，待结合食物摄入事件的开始和/或进展施用的药物剂量可能已在食物摄入事件的发生之前预配置或计算出。在接收到那些消息1907后，药物分配单元1908可发起药物递送。
药物分配单元可一次递送所有药物或根据递送时间表递送药物。可由药物给药计算单元确定递送时间表并将其传达到胰岛素递送系统。递送时间表可在进入用餐中状态后或此后的某个时间确定。还可在食物摄入事件发生之前预配置递送时间表。
初始用餐药物剂量和/或递送时间表可涵盖食物摄入事件的整个预期药物剂量。替代地，初始用餐药物剂量和/或递送时间表可仅涵盖食物摄入事件的整个预期药物剂量的一部分，且在食物摄入事件期间或之后的稍后时间预计额外药物剂量。
在计算初始药物剂量和或初始递送时间表时，药物给药计算单元1906可考虑额外输入。一些输入可与当前或最近测量、当前或最近用户活动和行为或对应于用户的当前或最近状态或条件的其它信息相关。其它输入可与历史测量、历史用户活动和行为或对应于用户的过去状态或条件的其它信息相关。
额外输入的实例
药物给药计算单元1906可考虑来自测量传感器处理单元1909的一个或多个输出1910。药物给药计算单元1906可对输出1910执行额外处理步骤。例如，测量传感器单元1904可为连续葡萄糖监测器(“CGM”)，且测量传感器处理单元1909的输出1910可为间质葡萄糖水平读数。输出1910可例如每几分钟进行更新。其它更新频率也是可能的。也可连续地更新输出1910。药物给药计算单元1906可考虑一个或多个间质葡萄糖水平读数。例如，药物给药计算单元1906可考虑最近读数。药物给药计算单元1906可计算指示间质葡萄糖水平读数变化的某些参数。例如，药物给药计算单元1906可计算一个或多个时间窗内的间质葡萄糖水平读数的最小值、均值、最大值、标准偏差、斜率或高阶导数。时间窗可横跨转变到用餐中状态之前的时间周期，横跨包含转变到用餐中状态的时间周期，或横跨转变到用餐中状态之后的时间周期。例如心率、血压、体温、水合程度、疲劳程度的其它或额外测量传感器单元也是可能的。胰岛素递送系统还可考虑用户的当前位置。
药物给药计算单元1906还可考虑其它输入，例如与用户的当前或最近身体活动、睡眠、紧张等相关的信息。药物给药计算单元1906还可考虑例如性别、年龄、身高、体重等个人信息。
药物给药计算单元1906还可考虑与用户的药物给药需求相关的信息，例如用户的胰岛素基础率、用户的胰岛素与碳水化合物比率和用户的胰岛素校正因子。此信息可由用户、护理人员或健康记录或保健维护系统输入或配置。还可能基于从患者或从患者佩戴的装置收集的历史胰岛素、碳水化合物摄入、血糖水平等自动地计算此信息。与用户的药物给药需求相关的信息还可从药物分配系统收集和存储的历史数据导出。例如，在当前食物摄入事件之前的时间周期中由药物分配单元递送的药物(例如，胰岛素)剂量。药物给药计算单元1906可考虑结合一个或多个先前食物摄入事件递送的药物剂量，所述事件在过去发生在或大约发生在一天中的同一时间和/或一周中的同一天(例如，在指定时间窗内)。
药物给药计算单元1906还可考虑自从先前药物分配事件以来仍起作用的药物，例如在起效胰岛素。
药物给药计算单元1906还可包含与以下食物摄入事件相关的参数：所述事件在过去发生在或大约发生在一天中的同一时间和/或一周中的同一天(例如，在指定时间窗内)和/或发生在同一位置。药物给药计算单元1906可例如查看过去食物摄入事件的持续时间、过去食物摄入事件期间摄取的估计量、过去食物摄入事件期间的平均进食速度、过去食物摄入事件的进食方法、过去食物摄入事件期间使用的器皿或容器类型，或过去食物摄入事件期间摄取的碳水化合物的量。其它参数也是可能的。这些额外参数中的一些(例如，持续时间或速度)可由食物摄入跟踪和反馈系统计算而不需要任何用户干预。在其它情况下，可能需要用户进行用户干预、输入或确认。
药物分配时间表
药物给药计算单元1906可指示药物分配单元一次施用所有初始药物剂量，或可指定施用药物的递送时间表。在本公开的一个实施例中，药物给药计算单元1906计算药物剂量以及递送药物的时间表。作为实例，药物给药计算单元1906可确定需要递送5个单位的胰岛素，且可指定如下递送时间表：立即施用2个单位，2分钟之后施用1个单位，5分钟之后施用1个单位且7分钟之后施用1个单位。此仅为一个实例，且其它时间分布结构当然是可能的。
药物给药计算单元1906可将药物剂量和时间表两者传达到药物分配单元1908。替代地，药物给药计算单元1906可管理时间表且每当需要施用药物时将一个或多个消息以及待施用药物剂量发送到药物分配单元1908。
在本公开的优选实施例中，药物给药计算单元1906可在进入用餐中状态后或此后的某个时间经由消息1907指示药物分配单元1908发起药物递送。其可例如指示药物分配单元1908递送一种或多种微剂量的较小药物。
额外剂量和剂量调整
在食物摄入事件期间和/或食物摄入事件之后的某个时间，药物给药计算单元1906可周期性地(例如，每几分钟)或连续地部分监测来自测量传感器处理单元1909的一个或多个输入1905和/或来自膳食跟踪和反馈系统1902的一个或多个输入1903，以确定是否应施用额外药物和应施用多少药物或是否应调整排定的药物分配。还可考虑例如本公开的前面章节中描述的输入的其它输入。
在计算药物剂量或药物剂量调整时，药物给药计算单元1906可考虑食物摄入事件是否在进行中。如果食物摄入事件不在进行中或不再进行，则药物给药计算单元1906可例如考虑自最后一次食物摄入事件结束以来的时间。如果食物摄入事件在进行中，则药物给药计算单元1906可例如考虑自当前食物摄入事件开始起经过的时间、自当前食物摄入事件开始起的平均或中值进食速度、自当前食物摄入事件开始起摄取的估计总量。其它实例也是可能的。
在本发明的特定实施例中，药物给药计算单元1906可基于以下中的至少一个或多个实时或近实时地计算和/或调整待由药物分配单元1908在特定时间递送的剂量：啃咬姿势的实际或可能发生、相对于药物给药的特定时间的指定窗内的最小啃咬、啜饮或满口次数的实际或可能发生、相对于药物给药的特定时间和/或相对于食物摄入事件的开始的时间窗内的食物摄入速度超过预配置阈值、自食物摄入事件开始起或相对于药物给药的特定时间的指定窗中摄取的量超过预配置阈值、食物摄入事件的持续时间超过预配置阈值。
作为实例，药物给药计算单元1906可在检测到食物摄入开始时计算待由药物分配单元1908施用的初始药物剂量。其可替代地或另外在每当检测到啃咬姿势时确定待递送的药物剂量或微剂量。药物给药计算单元1906可将此类给药信息传达到药物分配单元1908。每一啃咬姿势待递送的剂量或微剂量(例如，“胰岛素与啃咬”比率)可能因用户而异，且可进一步基于餐食类型、当日时间、星期几、位置、其它检测到的生活方式事件等而变。药物给药计算单元1906在确定每一啃咬姿势待递送的微剂量时可考虑患者的历史食物摄入数据、历史胰岛素需求和历史葡萄糖水平。其它实例也是可能的。
药物给药计算单元1906可基于观察到不存在当前行为事件中的一个或多个特性或动作而调整给药并将此类调整传达到药物分配单元1908。例如，如果食物摄入事件在假设、预期或预测的结束时间之前结束，如果啃咬次数和/或摄取量小于假设、预期或预测的摄取量，如果进食速度比假设、预期或预测的进食速度慢，则药物给药计算单元1906可向下调整剂量。其它实例也是可能的。
药物给药计算单元1906还可考虑来自测量传感器处理单元1909的一个或多个最近输入。例如，在药物给药计算单元1906为自动胰岛素递送系统(也称为人工胰腺)中的胰岛素给药单元且测量传感器单元1904为CGM的情况下，药物给药计算单元1906可考虑最近间质葡萄糖水平读数的值，和/或紧接在当前时间前的时间窗内的间质葡萄糖水平读数的变化。如果最近间质葡萄糖水平读数低于指定阈值和/或间质葡萄糖水平读数的变化超过指定负阈值，则药物给药计算单元1906可确定将胰岛素剂量向下调整或暂停胰岛素递送，直到间质葡萄糖水平读数达到第二指定阈值和/或间质葡萄糖水平读数的变化不再超过第二指定负阈值、已变为正或超过指定正阈值为止。
在本公开的一些实施例中，在检测到令人担忧的测量传感器处理单元输出后，药物给药计算单元1906可将警告发送到用户、其护理人员中的一个或多个、保健提供者、监测系统或应急响应系统，或可能直接或间接有兴趣接收发生此类事件的通知的第三方。
同样地，如果最近间质葡萄糖水平读数超过特定阈值和/或间质葡萄糖水平读数的变化超过指定正阈值，则药物给药计算单元1906可确定应施用额外药物剂量，需要将已排定药物剂量调整为较大剂量或在早于当前排定时间的时间进行递送。药物给药计算单元1906可任选地考虑来自膳食跟踪和反馈系统1902的额外输入以计算额外药物剂量或药物剂量调整。药物给药计算单元1906可将一个或多个消息1907发送到药物分配单元1908以告知药物分配单元1908额外或调整后的药物分配要求。
在检测到食物摄入事件的实际或即将结束后或此后的某个时间，膳食跟踪和反馈系统1902可将信号1903发送到药物给药计算单元1906以告知药物给药计算单元1906已检测到食物摄入事件的实际或即将结束。药物给药计算单元1906可使用此信息来将其状态改变为“未用餐”状态。在特定实施例中，药物给药计算单元在处于未用餐状态时可周期性地或连续地部分监测来自测量传感器处理单元1909的一个或多个输入1905和/或来自膳食跟踪和反馈系统1902的一个或多个输入1903，以确定是否应施用额外药物和应施用多少药物或是否应调整排定的药物分配。还可考虑例如本公开的前面章节中描述的输入的其它输入。在处于未用餐状态时，监测和/或更新/调整药物给药的频率可不同于在处于“用餐中”状态时监测和/或更新/调整药物给药的频率。用于确定药物剂量或药物剂量调整的算法在“用餐中”状态与“未用餐”状态之间也可能不同。
药物给药学习系统的描述
在本公开的一些实施例中，药物给药计算单元1906可收集并存储关于食物摄入事件的数据和信息。在一些实施例中，药物给药计算单元1906可在存储之前对所收集的数据和信息执行额外处理步骤。处理步骤可为过滤、平均化、应用算术运算和应用统计运算。其它处理步骤也是可能的。
关于食物摄入事件的数据和信息可作为数据元素存储在维持关于食物摄入事件的数据记录的数据库中。
数据元素可为事件数据元素且包含表征食物摄入事件的信息或参数。此类信息可包含但不限于事件开始时间、事件发生在星期几、事件的日期、事件的持续时间、事件结束时间、与受试者进食或饮用的速度相关联的度量、与事件期间摄取的食物或液体的量相关联的度量。
数据元素还可为测量数据元素，且包含表征由一个或多个测量传感器单元1904测量并由一个或多个测量传感器处理单元1909处理的一个或多个信号的信息或参数。此类信息可包含但不限于对应于与食物摄入事件有关的特定时间的传感器读数水平，或对应于与食物摄入事件有关的特定时间窗的平均、最小或最大传感器读数水平。特定时间可例如为食物摄入事件的开始、食物摄入事件期间的周期性或预定义时间点、食物摄入事件的结束，或食物摄入事件之后的周期性或预定义时间。其它时间也是可能的。特定时间窗可例如为紧接在食物摄入事件开始前的持续时间、食物摄入事件开始之前的持续时间、食物摄入事件的持续时间、食物摄入事件内的特定持续时间、紧接在食物摄入事件结束后的持续时间或在食物摄入事件结束之后的持续时间。
在一个特定实施例中，药物给药计算单元为自动胰岛素递送系统，且传感器读数水平为从连续葡萄糖监测传感器获得的间质葡萄糖读数水平。
数据元素也可为剂量数据元素，且包含表征与食物摄入事件有关的药物剂量和递送时间表的信息或参数。
其它数据元素也是可能的。同一食物摄入事件的一个或多个事件数据元素、一个或多个测量数据元素和/或一个或多个剂量数据元素可记录为数据库中的单个记录条目。事件数据元素、测量数据元素和/或剂量数据元素还可记录为数据库中的单独记录。还可使用或替代地使用符合本文中的教示的其它数据结构。
药物给药计算单元1906可包含处理和分析子系统。
处理和分析子系统可对数据库中的条目使用统计、机器学习或人工智能技术，以建立推荐适当药物剂量和/或递送时间表的模型。处理和分析子系统可用于推荐初始药物剂量，和/或推荐额外药物剂量或剂量调整。
图20为可与本公开中所描述的其它元件一起使用的机器学习系统的说明性实例。图20的机器学习系统包含剂量训练子系统2020和剂量预测器子系统2021。在本公开的一些实施例中，机器学习系统可包含额外子系统或图2中所示的子系统的修改版本。剂量训练子系统2020可将事件数据元素2022、测量数据元素2023和剂量数据元素2024用作输入。剂量训练子系统应用机器学习技术以建立推荐适当药物剂量和/或药物分配时间表的模型。其可对来自数据库的一个或多个条目使用监督学习技术来训练所述模型。事件数据元素2022和/或测量数据元素2023可用作模型的特征。一个或多个剂量数据元素2024可用作标记。所训练的模型2025和/或2029接着用于剂量预测器子系统2021中，以产生对应于新的未标记数据输入2026的药物剂量推荐和/或药物分配推荐。
药物给药计算单元1906可包含处理单元，且对数据元素执行额外处理并分析数据以提取关于用户的进食和饮用活动和行为、传感器测量(例如，血糖控制)和/或药物治疗方案的信息。处理可包含但不限于过滤、提取特定数据元素、修改数据或数据元素、组合数据或数据元素。分析还可包含比较特定数据元素与存储于查找表中或数据库中的数据，使数据元素与在早期时间和/或从不同受试者获得的数据元素相关。药物给药计算单元1906可将原始或已处理数据存储于一个或多个数据存储单元中。存储可以是临时或永久的。
在一些变型中，数据库中的记录可能被细分为群组(例如，基于餐食类型--早餐、午餐、晚餐、点心)，且每一子群组可能使用不同模型。替代地，可使用相同模型，但可仅使用来自一个或选择性子群组集合的数据加以训练。在其它变型中，代替监督机器学习方法(即，其中手动地指定特征)，可替代地使用无监督学习。在无监督学习的情况下，分类器将自主地从所提供的原始数据集产生特征。
药物给药计算单元1906可收集且存储关于其它用户活动的数据和信息。例如，药物给药计算单元1906可收集关于用户的身体活动、睡眠活动、性活动的信息或数据。药物给药计算单元1906还可收集且存储关于用户的紧张、心率、血压等的信息。在一些实施例中，药物给药计算单元1906可在存储之前对所收集数据和信息执行额外处理步骤。处理步骤可为过滤、平均化、应用算术运算和应用统计运算。其它处理步骤也是可能的。药物给药计算单元1906可将此数据和信息链接到一个或多个食物摄入事件。关于食物摄入事件的数据和信息可作为数据元素存储在维持关于食物摄入事件的数据记录的数据库中。这些数据元素还可用作药物给药计算单元1906的处理和分析子系统的输入。例如，这些数据元素可用作剂量训练子系统的额外或替代事件数据输入。这些数据元素可例如为模型的特征。
药物给药计算单元1906还可收集例如与用户的身体活动、睡眠、紧张等相关的信息的输入。药物给药计算单元1906可例如将用户的当前或最近身体活动与过去身体活动相比较，且将所述比较的输出用于药物剂量的计算。
虽然未在图20中详细示出，但机器学习系统、剂量训练子系统2020和剂量预测器子系统2021可使用各种结构元件来实施。例如，可使用例如处理器的计算机硬件、程序代码存储器和存储于程序代码存储器中的程序代码来实施剂量预测。此可能是单独的嵌入式单元，或可能在具有用于其它功能和任务以及剂量预测的存储器的处理器上实施。此处理器和存储器可内置于可佩戴装置、与可佩戴装置通信的移动装置、直接或间接与可佩戴装置或传感器通信的服务器或上文的某一组合中。可类似地实施其它元件，例如用于事件数据元素2022的存储装置、用于测量资料元素2023的存储装置和用于剂量数据元素2024的存储装置、实施机器学习技术以建立推荐适当药物剂量和/或药物分配时间表的模型的程序代码、用于模型的存储装置、用于训练模型的数据库的存储装置，以及传达消息，例如将药物剂量推荐消息、药物分配推荐消息或信号发送到分配药物的硬件装置所需的硬件电路。
在某些实施例中，图19的药物分配系统可在无任何手动干预或至少不需要任何手动干预的情况下操作。在其它实施例中，图19的药物分配系统可能需要一些手动干预。在一个实例中，药物给药计算单元1906可计算药物剂量和/或药物递送时间表，但并非指示药物分配单元1908发起或安排药物递送，其可将消息发送到患者、患者的一个或多个护理人员、保健专业人士、监测系统等以确认所提出药物剂量和/或药物递送时间表。消息可为文本消息、推送通知、语音消息等，但其它消息格式也是可能的。
在一些实施例中，患者、护理人员等可具有更改所提出药物剂量和/或药物递送时间表的选项。在从患者、护理人员等接收确认后，药物给药计算单元1906可将一个或多个指令发送到药物分配单元1908以发起或安排药物递送。指令也可由除药物给药计算单元1906外的装置或单元发送。作为实例，指令可直接从患者、护理人员等接收到确认药物剂量和/或药物递送时间表的消息的装置发送到药物分配单元1908。其它用户干预也是可能的，例如允许“打盹”功能以将消息移动到未来的预定时间。
图21为采用行为预测的自动药物给药和分配系统2100的示例性实施例的示意性功能图。所说明系统2100包含表示功能模块、装置或硬件元件和/或处理逻辑的各种块。此外，系统2100的所描绘实施例包含类似于上文参考图19中所示的示例性系统所描述的那些的功能模块和相关处理逻辑。因此，在图19和图21中使用共同附图标记以指示类似、相同或等效块或信号。在此方面，系统2100包含传感器或传感器单元1900或与之协作，所述传感器设计、配置且操作成检测用户的身体移动(更具体地说，检测用户的特定身体部位，例如腕部、前臂、手的移动)。系统2100还包含如上文参考图19所描述的身体行为检测系统(实施为膳食跟踪和反馈系统1902)、测量传感器单元1904、药物给药计算单元1906、药物分配单元1908和测量传感器处理单元1909。来自传感器单元1900的传感器数据1901由膳食跟踪和反馈系统处理，所述系统产生充当药物给药计算单元1906的输入的输出(由信号1903表示)。药物给药计算单元1906产生提供为控制药物分配单元1908的某些功能的输出(例如，消息1907)。测量传感器单元1904产生提供到测量传感器处理单元1909的传感器输出(附图标记1905)。来自测量传感器处理单元1909的输出1910被提供到药物给药计算单元1906，其基于所述输出1910和其它因素计算剂量。在此方面，测量传感器单元1904或测量传感器处理单元1909可充当可用于支持系统2100的各种特征、操作和功能的数据源。
系统2100的所说明实施例还包含但不限于以下组件或与之协作：辅助事件检测系统2102；和膳食预测系统2104。辅助事件检测系统2102充当产生用作膳食预测系统2104的辅助输入2106的输出的数据源。在某些实施例中，由辅助事件检测系统2102产生的信息中的至少一些用于支持系统的额外功能、特征或操作，如下文进一步详细描述。对于此特定实施方案，膳食预测系统2104还与膳食跟踪和反馈系统1902、药物给药计算单元1906以及测量传感器处理单元1909协作。更具体地说，膳食预测系统2104可获得：来自膳食跟踪和反馈系统1902的食物摄入事件信息2110；来自药物给药计算单元1906的给药信息2112；和/或来自测量传感器处理单元1909的传感器测量信息2114，如图21中所描绘。尽管未在图21中通过不同箭头表示，但来自传感器单元1900的输出也可提供到膳食预测系统2104。膳食预测系统2104将预测信息2116产生为输出，所述输出至少被提供到药物给药计算单元1906。在此方面，膳食预测系统2104可充当可用于支持系统2100的各种特征、操作和功能的数据源。因此，辅助事件检测系统2102和膳食预测系统2104增强了上文所描述且在图19中所示的“基线”药物分配系统的操作。
辅助事件检测系统2102配置成检测可用于预测用户是否将在未来摄取某物的事件的发生。替代地或另外，辅助事件检测系统2102配置成产生可(例如，由膳食预测系统)处理以预测用户是否将在未来摄取某物的信息或数据。相对比地，膳食跟踪和反馈系统1902设计成检测“直接”对应于进食或饮用事件的身体行为事件，例如咀嚼、啜饮、啃咬、对应于用汤勺、餐叉或餐刀进食的移动等。本说明书将“辅助”用作本身与进食或饮用并不明确且直接相关联的可检测身体行为事件(例如，位置数据、定向数据、与身体和其它活动相关的数据、心率数据、血糖水平和其它生物计量数据、与紧张程度相关的数据以及话音输入)的标记。
在特定实施例需要时，辅助事件检测系统2102可包含任何数目的装置、传感器、处理逻辑、功能模块、子系统、检测器和/或硬件组件。尽管在图21中单独地描绘，但辅助事件检测系统2102可包含或利用支持膳食跟踪和反馈系统1902的传感器单元1900中的一个或多个。辅助事件检测系统2102的所说明实施例包含但不限于至少以下组件或与之协作：GPS系统和/或GPS传感器2122；具有相关联传感器2124的健康监测器，例如测量血氧、血压、体温、心率和/或其它特性的装置；以及身体活动跟踪装置2126，例如产生与用户健康相关的数据(所走的步数、睡眠时间的量和质量、步行、跑步或骑行期间所行进的距离等)的可佩戴或携带式装置。在系统2100的特定实施方案需要时，辅助事件检测系统2102的实施例可包含额外或替代装置和组件或与之协作。
本文中在别处描述的姿势辨识方法、身体行为事件检测方法、药物分配系统以及其它方法和设备可应用于图21中描绘的系统2100的各种组件。以下描述集中于膳食预测系统2104、膳食跟踪和反馈系统1902和药物给药计算单元1906以及那些组件之间的各种交互。
膳食跟踪和反馈系统1902检测食物摄入事件的实际开始或可能开始，且将相关联输出1903提供到药物给药计算单元1906。输出1903可包含检测到的食物摄入事件的指示，任选地具有食物摄入事件的额外特性。膳食跟踪和反馈系统1902可在此信息出现时、变得可用时，或出现或变得可用之后的某个时间将此信息发送到药物给药计算单元1906。替代地，药物给药计算单元1906可周期性地查询膳食跟踪和反馈系统1902，以寻找此类信息。在一些实施例中，膳食跟踪和反馈系统1902可确定食物摄入事件发生的概率(例如，分数、等级或任何测量值)并将所确定概率传信到药物给药计算单元1906。
膳食跟踪和反馈系统1902还可将关于当前或过去食物摄入事件的食物摄入事件信息2110发送到膳食预测系统2104。替代地或另外，膳食预测系统2104可周期性地查询膳食跟踪和反馈系统1902，以寻找由膳食跟踪和反馈系统1902检测到的当前或过去食物摄入事件。食物摄入事件信息2110可包含例如食物摄入事件的日期、开始时间、结束时间、持续时间和/或平均或中值速度。食物摄入事件信息2110可包含例如检测到的进食或饮用方法、检测到的所使用器皿或容器、餐食类型的参数或指示所摄取食物/液体的量或内容物的参数。也可将检测到的食物摄入事件的其它特性或参数发送到膳食预测系统2104。
膳食预测系统2104可任选地结合从辅助事件检测系统2102获得的辅助输入2106存储并处理从膳食跟踪和反馈系统1902接收的食物摄入事件信息2110，以确定在未来的给定日期和时间(或给定时间窗内)发生食物摄入事件或开始食物摄入事件的可能性。因此，膳食预测系统2104考虑在过去检测到的身体行为事件，以用于预期或预测尚未发生的类似或相关身体行为事件的发生。由膳食预测系统2104产生的预测信息2116可指示将很快开始用餐的概率，或将在指定时间窗集合内发生用餐的概率集。作为实例，膳食预测系统2104可输出食物摄入事件将在接下来的15分钟内开始的概率或置信水平。根据某些实施例，膳食预测系统在当前未用餐时输出此类概率或置信水平。每一预测或整个预测集可附有其它信息，例如预测的餐食内容物、预测的卡路里摄取量、预测的进食速度、预测的啃咬次数、预测的用餐持续时间、预测的进食方法或所使用器皿，或其它信息。这些预测中的每一个可能或可能并非呈可能值集上的概率分布的形式。
作为实例，膳食预测系统2104可预测出食物摄入事件预计在接下来的十分钟内开始，且此预测的置信水平为83％。膳食预测系统2104可进一步提供进食方法置信水平，例如：12％用餐叉进食、75％用手指进食、7％用汤勺进食、6％用筷子进食。膳食预测系统2104可进一步输出对用餐持续时间的预测，例如：90％的概率用餐将持续超过三分钟、50％的概率用餐将持续超过七分钟、10％的概率用餐将持续超过13.7分钟。不同输出和输出格式也是可能的。此外，由膳食预测系统2104输出的预测可周期性地更新，或随着关于即将发生的食物摄入事件的更多信息或其它相关辅助信息变得可用而更新。
膳食预测系统2104可例如处理来自用户的历史食物摄入事件数据，以确定用户在过去的给定当日时间或给定时间窗内开始食物摄入事件的时间百分比。可接着使用所述百分比测量来确定所述用户将在未来的给定时间或给定时间窗内开始食物摄入事件的可能性。例如，如果膳食跟踪和反馈系统1902提供了用户在35天的周期内的历史食物摄入数据，且在35天中的30天中，在下午6:00与下午6:15之间的时间窗中检测到或发生食物摄入事件的开始，则膳食预测系统2104可接着确定并传信同一用户将在未来某一天的下午6:00与下午6:15之间开始食物摄入事件的概率为85.7％。此数据可用于实时预测实施方案中，其中膳食预测系统2104向药物给药计算单元1906提供食物摄入事件在接下来的15分钟内开始的概率。其它时间间隔也是可能的。膳食预测系统2104可在由外部信号触发时或在由药物给药计算单元1906查询时将此信息周期性地提供到药物给药计算单元1906。
膳食预测系统2104可通过考虑例如日历信息(例如，星期几、季节或月份)的额外信息来改善其预测的准确性。在上文实例中，有五天在下午6:00与下午6:15之间未记录有食物摄入事件。如果那五天都是星期天，则膳食预测系统2104可接着确定用户将在星期一到星期六的下午6:00与下午6:15之间开始食物摄入事件的概率接近100％，且在星期天的同一时间窗开始食物摄入事件的概率接近0％。
膳食预测系统2104还可通过考虑辅助输入2106中的任一个来改善其预测的准确性。辅助输入2106的实例包含但不限于：位置数据、定向数据、与身体和其它活动(例如，步行、跑步、骑车、游泳、睡眠、驾驶、烹饪)相关的数据、心率数据、血糖水平和其它生物计量数据、与紧张程度相关的数据以及话音输入。辅助输入2106还可包含例如附近有哪些人、装置和噪声的其它情境信息。辅助输入2106可与食物摄入事件之前的特定时间或时间窗，与食物摄入事件的开始、可能开始或即将开始相关的时间或时间窗，与食物摄入事件的发生相关的时间或时间窗，或食物摄入事件之后的时间或时间窗相关联。辅助输入2106可与食物摄入事件具有时间关系，且用于预测的所关注参数可为在检测到一个或多个辅助输入2106或一个或多个辅助输入2106的变化与食物摄入事件的开始时间之间经过的相对时间。例如，辅助输入2106可为位置，且所关注特征可为在到达所述位置的时间与食物摄入事件的开始之间经过的相对时间。在另一实例中，辅助输入2106可为身体活动，且所关注特征可为在身体活动结束与食物摄入事件开始之间经过的相对时间。其它实例也是可能的。
以下为膳食预测系统2104将位置信息记录为辅助输入2106中的一个的实例。此实例假设膳食跟踪和反馈系统1902提供了用户在35天的周期内的历史食物摄入数据。在35天中的30天中，在下午6:00与下午6:15之间的时间窗中开始了食物摄入事件。此实例还假设，对于在下午6:00与下午6:15之间记录有发生了食物摄入的那30天，用户在下午6:00是在家中，且对于在下午6:00与下午6:15之间未记录有开始食物摄入的那五天，用户在下午6:00是在上班。使用此信息，膳食预测系统2104基于辅助输入2106提供的位置信息，在下午6:00指示很可能在接下来的15分钟内开始食物摄入事件。如果用户在下午6:00是在家中，则膳食预测系统2104可确定此用户将在接下来的15分钟内开始食物摄入事件的概率接近100％。如果用户在下午6:00是在上班，则膳食预测系统可确定此用户将在接下来的15分钟内开始食物摄入事件的概率接近0％。
膳食预测系统2104可在将其发送到药物给药计算单元1906之前进一步处理历史发生的百分比。例如，膳食预测系统2104可削减、缩放、平滑化或量化概率数据。膳食预测系统2104可例如使用1到10的等级来对概率进行评级，且将评级输出传达到药物给药计算单元1906。膳食预测系统2104还可计算表示可用以传信预测的置信水平的历史数据量的度量。例如，如果预测是基于100个历史数据点，则相比于预测是基于10,000个历史数据点的情境，预测的置信水平将较低。
在另一实例中，膳食预测系统2104可结合提供位置信息的辅助输入2106使用来自膳食跟踪和反馈系统1902的数据，以基于历史概率/可能性而计算将在用户离开或到达特定位置之后的某一时间或某一时间窗内开始食物摄入事件的概率。例如，膳食预测系统2104可计算在用户到家之后15到30分钟或30到45分钟的时间窗中将开始食物摄入事件的概率。
在另一实例中，膳食预测系统2104可结合提供位置信息的辅助输入2106使用来自膳食跟踪和反馈系统1902的数据，以基于历史概率/可能性而调整/改善在用户离开或到达特定位置之前的某一时间或某一时间窗内发生食物摄入的所计算概率。例如，膳食预测系统2104可计算在用户离家之前15到30分钟或30到45分钟的时间窗中发生食物摄入的概率。
膳食预测系统2104可通过考虑与事件相关联的辅助输入2106来改善其预测的准确性，所述事件本身并非食物摄入事件但可与食物摄入事件的开始或发生具有时间关系。在某些实施例中，至少部分地使用基于来自一个或多个可佩戴装置的运动传感器信息的姿势辨识技术来检测此类事件。此类可检测事件的实例包含但不限于：用户在碗中装满谷物；用户打开冰箱或冰柜、切割动作、用户将餐巾放在腿上、打开罐头或其它类型的容器、启动微波炉、打开包装、舀取动作、倒饮料、坐下、把椅子移到桌子边以及在桌子上摆好盘子或器皿。在此方面，膳食预测系统2104可介接到辅助事件检测系统2102(其使用来自一个或多个可佩戴装置的运动传感器信息)以确定某人正在摆放餐具。因此，“摆放餐具”辅助事件信息作为辅助输入2106被发送到膳食预测系统2104。膳食预测系统2104可结合辅助输入2106使用来自膳食跟踪和反馈系统1902的数据，以计算在辅助事件检测之后的指定时间窗内开始食物摄入事件的时间百分比，且使用所述信息来预测将在未来的特定时间窗中开始食物摄入事件的概率。
作为另一实例，膳食预测系统2104可结合提供辅助事件信息的辅助输入2106使用来自膳食跟踪和反馈系统1902的数据，以鉴于用户的最近活动基于历史概率/可能性来计算当前在进行的餐食内容物的概率分布。例如，膳食预测系统2104可计算用户正在吃能量棒的概率(在确定、检测或预测出用户刚完成锻炼之后)。
膳食预测系统2104可任选地结合辅助输入2106处理从膳食跟踪和反馈系统1902接收的数据，以预测当前或未来食物摄入事件的其它特性。此类所预测特性的实例包含但不限于：食物摄入事件的所预测持续时间，或指示食物摄入事件期间的很可能摄取量的度量。为此目的，膳食预测系统2104可处理来自用户的历史食物摄入事件数据以确定用户在过去的给定当日时间或给定时间窗内开始食物摄入事件的时间百分比，以及处理关于那些食物摄入事件的统计信息以确定在相同时间或相同时间窗内发生未来食物摄入事件的概率和其特性。例如，膳食预测系统2104可确定在下午6:00与下午6:15之间开始或发生的食物摄入事件具有12分钟的平均持续时间。膳食预测系统2104还可分析历史数据以计算中值持续时间、最小持续时间、最大持续时间、标准偏差和/或对应于X％概率的持续时间。其它统计度量也是可能的。膳食预测系统2104可将那些参数中的一个或多个发送到药物给药计算单元1906以供考虑。可计算类似统计特性以预测进食速度、摄取量等。
图22为适用于药物给药计算单元1906的示例性实施例的状态图2200。对于此特定实施方案，图22中描绘的状态是基于从膳食跟踪和反馈系统1902以及膳食预测系统2104接收的输入。因此，药物给药计算单元1906可基于其当前用餐状态调整其药物给药和药物递送时间表。图22的状态图2200涵盖以下用餐状态：未用餐2202；即将用餐2204；可能用餐2206；用餐2208；以及用餐后2210。在药物给药计算单元1906的特定实施方案需要时，可定义和支持额外和/或替代用餐状态。在图22中，从一种状态到另一状态的箭头表示当前用餐状态发生变化，且从某一状态回到自身的箭头指示当前用餐状态没有变化。
根据某些实施例，药物给药计算单元1906实施为(或实施有)自动闭环胰岛素递送系统。当膳食预测系统2104预测在未来的某一时间或某一时间窗内会开始或发生(或可能开始或发生)食物摄入事件时，药物给药计算单元1906可将其状态从未用餐状态2202改变为即将用餐状态2204。在从未用餐状态2202转变为即将用餐状态2204后或此后的某个时间，药物给药计算单元1906可增大基础胰岛素给药或降低血糖目标。在决定是否增大基础胰岛素给药和增大的程度和/或将血糖目标设置为何目标时，药物给药计算单元1906可考虑从测量传感器处理单元1909接收的当前和/或过去葡萄糖水平读数信息。药物给药计算单元1906还可确定以预配置或可调整的递送时间表施用一种或多种剂量或微剂量的胰岛素。胰岛素给药和递送时间表可考虑其从膳食预测系统2104接收的关于预期未来食物摄入事件的额外特性(例如，关于用餐持续时间或估计量的预测信息)。当在处于即将用餐状态2204时确定胰岛素给药和递送时间表时，药物给药计算单元1906也可考虑如本文中在别处所描述的其它参数。
基于从膳食跟踪和反馈系统1902接收的一个或多个输入，药物给药计算单元1906可从即将用餐状态2204转变为可能用餐状态2206，从可能用餐状态2206转变为用餐状态2208或从用餐状态2208转变为用餐后状态2210。在每次状态转变期间或此后的某个时间，药物给药计算单元1906可以适当方式修改其胰岛素给药和胰岛素递送时间表。
在状态转变期间或之后或在处于给定状态时，药物给药计算单元1906可基于由膳食跟踪和反馈系统1902或膳食预测系统2104提供的额外特性，或通过考虑如本文中在别处所描述的其它参数来调整其给药和/或递送时间表。
状态转变实例1
对于此实例，药物给药计算单元1906从膳食跟踪和反馈系统1902获得以下信息：可能用餐开始，如果已满足声明检测到可能开始用餐的准则，则其设置为值“1”，否则设置为值“0”；用餐开始，如果已满足声明检测到用餐开始的准则，则其设置为值“1”，否则设置为值“0”；以及用餐结束，如果已满足声明检测到用餐结束的准则，则其设置为值“1”，否则设置为值“0”。对于此实例，药物给药计算单元1906从膳食预测系统2104获得以下信息：用餐预测置信度，其为指示将在从当前时间起的指定时间周期内开始用餐的概率的置信水平测量。
参考状态图2200，如果药物给药计算单元1906处于未用餐状态2202且用餐预测置信度小于用餐预测阈值置信度值，则保持未用餐状态2202(如由环回箭头2220所指示)。然而，如果用餐预测置信度大于或等于用餐预测阈值置信度值，则用餐状态从未用餐状态2202改变为即将用餐状态2204(如由箭头2222所指示)。
如果药物给药计算单元1906处于即将用餐状态2204，用餐预测置信度大于或等于用餐预测阈值置信度值，且可能用餐开始设置为“0”，则保持即将用餐状态2204(如由环回箭头2224所指示)。如果药物给药计算单元1906处于即将用餐状态2204，用餐预测置信度小于用餐预测阈值置信度值，且可能用餐开始设置为“0”，则用餐状态返回到未用餐状态2202(如由箭头2226所指示)。然而，如果可能用餐开始设置为“1”，则用餐状态从即将用餐状态2204改变为可能用餐状态2206(如由箭头2228所指示)。
如果药物给药计算单元1906处于可能用餐状态2206，在可能用餐状态2206中花费的时间量小于或等于预定可能用餐超时时间，且用餐开始设置为“0”，则保持可能用餐状态2206(如由环回箭头2230所指示)。如果药物给药计算单元1906处于可能用餐状态2206且在可能用餐状态2206中花费的时间量大于可能用餐超时时间，则用餐状态返回到未用餐状态2202(如由箭头2232所指示)。然而，如果在可能用餐状态2206中花费的时间量小于或等于可能用餐超时时间且用餐开始设置为“1”，则用餐状态从可能用餐状态2206改变为用餐状态2208(如由箭头2234所指示)。
如果药物给药计算单元1906处于用餐状态2208，且用餐结束设置为“0”，则保持用餐状态2208(如由环回箭头2236所指示)。然而，如果用餐结束设置为“1”，则用餐状态从用餐状态2208改变为用餐后状态2210(如由箭头2238所指示)。
如果药物给药计算单元1906处于用餐后状态2210，且在用餐后状态2210中花费的时间量小于或等于指定用餐后超时时间，则保持用餐后状态2210(如由环回箭头2240所指示)。然而，如果在用餐后状态2210中花费的时间量大于用餐后超时时间，则用餐状态从用餐后状态2210改变为未用餐状态2202(如由箭头2242所指示)。
状态转变实例2
对于此实例，药物给药计算单元1906从膳食跟踪和反馈系统1902获得以下信息：检测到的用餐开始置信度，其为指示用餐已开始的概率的置信水平测量；以及检测到的用餐结束置信度，其为指示用餐已结束的概率的置信水平测量。对于此实例，药物给药计算单元1906从膳食预测系统2104获得以下信息：用餐预测置信度，如上文针对状态转变实例1所描述。
参考状态图2200，如果药物给药计算单元1906处于未用餐状态2202且用餐预测置信度小于用餐预测阈值置信度值，则保持未用餐状态2202(如由环回箭头2220所指示)。然而，如果用餐预测置信度大于或等于用餐预测阈值置信度值，则用餐状态从未用餐状态2202改变为即将用餐状态2204(如由箭头2222所指示)。
如果药物给药计算单元1906处于即将用餐状态2204，用餐预测置信度大于或等于用餐预测阈值置信度值，且检测到的用餐开始置信度小于或等于可能用餐开始置信度阈值，则保持即将用餐状态2204(如由环回箭头2224所指示)。如果药物给药计算单元1906处于即将用餐状态2204，用餐预测置信度小于用餐预测阈值置信度值，且检测到的用餐开始置信度小于或等于可能用餐开始置信度值，则用餐状态返回到未用餐状态2202(如由箭头2226所指示)。然而，如果检测到的用餐开始置信度大于或等于可能用餐开始置信度阈值，则用餐状态从即将用餐状态2204改变为可能用餐状态2206(如由箭头2228所指示)。
如果药物给药计算单元1906处于可能用餐状态2206，在可能用餐状态2206中花费的时间量小于或等于预定可能用餐超时时间，且检测到的用餐开始置信度小于用餐开始置信度阈值，则保持可能用餐状态2206(如由环回箭头2230所指示)。如果药物给药计算单元1906处于可能用餐状态2206且在可能用餐状态2206中花费的时间量大于可能用餐超时时间，则用餐状态返回到未用餐状态2202(如由箭头2232所指示)。然而，如果在可能用餐状态2206中花费的时间量小于或等于可能用餐超时时间，且检测到的用餐开始置信度大于或等于用餐开始置信度阈值，则用餐状态从可能用餐状态2206改变为用餐状态2208(如由箭头2234所指示)。
如果药物给药计算单元1906处于用餐状态2208，且检测到的用餐结束置信度小于用餐结束置信度阈值，则保持用餐状态2208(如由环回箭头2236所指示)。然而，如果检测到的用餐结束置信度大于或等于用餐结束置信度阈值，则用餐状态从用餐状态2208改变为用餐后状态2210(如由箭头2238所指示)。
如果药物给药计算单元1906处于用餐后状态2210，且在用餐后状态2210中花费的时间量小于或等于指定用餐后超时时间，则保持用餐后状态2210(如由环回箭头2240所指示)。然而，如果在用餐后状态2210中花费的时间量大于用餐后超时时间，则用餐状态从用餐后状态2210改变为未用餐状态2202(如由箭头2242所指示)。
在某些实施例中，当膳食预测系统2104预测在未来的某一时间或某一时间窗内会开始或发生或可能开始或发生食物摄入事件时，药物给药和分配系统可发起以下中的一个或多个：与用户交互以提供信息或提醒；与用户交互以提示进行用户输入；将消息发送到远程计算机系统；将消息发送到另一个人；将消息发送到用户。
在某些实施例中，膳食预测系统2104的一个或多个输出可被发送到测量传感器单元1904和/或测量传感器处理单元1909。当膳食预测系统2104预测未来会发生或即将开始食物摄入事件时，膳食预测系统2104的输出可用于发起(但不限于)以下中的一个或多个：(1)激活额外电路，例如激活额外传感器或数据记录机构；(2)激活系统的一个或多个电路或组件的较高性能模式；(3)调整供应到系统的电路或组件的电力量；(4)调整通信信道的时延，例如增大传感器数据从测量传感器单元1904传送到测量传感器处理单元1909的传感器读出频率或更新速率，或增大测量传感器处理单元1909的输出发送到药物给药计算单元1906的传感器读出频率或更新速率；(5)改变传感器取样速率，例如增大或降低测量传感器单元1904中的一个或多个传感器的取样速率。
食物摄入事件的结束可通过考虑自最后一次啃咬或啜饮移动起的某一时间是否到期或何时其它数据(关于佩戴者的元数据、运动检测传感器数据和/或佩戴者的历史数据，或这些数据的组合)指示结束而检测到。基于这些因素，系统确定不大可能有食物摄入事件且接着将电子装置的状态改变为非作用监测状态，可能是较低功率模式。较低功率模式可通过减小加速度计和/或陀螺仪的取样速率、使陀螺仪掉电、减小传感器数据从电子装置(例如图2中所示的电子装置218)传送到支持装置(例如图2中所示的移动装置219)的更新速率，或在将数据从感测电子装置传送到支持电子装置之前压缩数据来实施。
先前(尤其参考图19和图21)描述了药物分配系统2100以及其膳食跟踪和反馈系统1902。根据系统2100的某些实施例，来自身体行为跟踪组件或处理逻辑“外部”的系统的一个或多个输出用于确定与检测到的事件相关联的置信水平和/或减少声明已检测到身体行为事件(例如，膳食事件)所需的时间。在此方面，图21包含用虚线绘制的三个箭头。这些虚线箭头表示可由膳食跟踪和反馈系统1902获得且处理的额外信息。尽管膳食跟踪和反馈系统1902可接收且处理其它外部数据源，但所说明实施例获得(但不限于)以下中的任一个或全部：由辅助事件检测系统2102提供的辅助输入2106中的一个或多个；由膳食预测系统2104产生的预测信息2116；以及由测量传感器处理单元1909产生的传感器数据2140。
根据此实施例，膳食跟踪和反馈系统1902从测量传感器处理单元1909、膳食预测系统2104和/或辅助事件检测系统2102接收额外信息。作为实例，膳食跟踪和反馈系统1902可处理此类额外信息以调整正发生食物摄入事件的置信水平或加速其正发生或很可能发生食物摄入事件的决策。
作为另一实例，当膳食预测系统2104预测即将发生食物摄入事件时，其可将此信息发送到膳食跟踪和反馈系统1902。此外，膳食预测系统2104可输出食物摄入事件将在接下来的15分钟内开始的概率或置信水平。在某些情境中，膳食预测系统2104可在未进行用餐时输出此类概率或置信水平。每一预测或整个预测集可附有其它信息，例如预测的餐食内容物、预测的卡路里摄取量、预测的进食速度、预测的啃咬次数、预测的用餐持续时间、预测的进食方法或所使用器皿，或其它信息。这些预测中的每一个可能或可能并非呈可能值集上的概率分布的形式。此数据可被发送到膳食跟踪和反馈系统1902以供适当处理。由膳食预测系统2104提供的预测可周期性地更新，或随着关于即将发生的食物摄入事件的更多信息或其它相关辅助信息变得可用而更新。
如先前所提及，膳食跟踪和反馈系统1902至少部分地基于从传感器单元1900接收的数据检测食物摄入事件的实际开始或可能开始。在某些实施例中，膳食跟踪和反馈系统1902可确定发生食物摄入事件的概率，并将概率信息提供到药物给药计算单元1906。在确定食物摄入事件的可能或实际开始是否已发生时，和/或在计算正发生食物摄入事件的概率时，膳食跟踪和反馈系统1902可考虑从膳食预测系统2104获得的任何量的预测信息2116。
作为另一实例，如果膳食跟踪和反馈系统1902确定正发生食物摄入事件的概率或置信水平为65％，且膳食预测系统2104预测将在此时间前后发生食物摄入事件的概率很高，则膳食跟踪和反馈系统1902可向上调整当前正发生食物摄入事件的置信水平。类似地，如果膳食预测系统2104预测在此时间前后发生食物摄入事件的概率极低，则膳食跟踪和反馈系统1902可向下修正其置信水平。在某些实施例中，膳食跟踪和反馈系统1902可调整用于确定正发生食物摄入事件的要求或准则。例如，膳食跟踪和反馈系统1902可减少或增大声明正发生用餐所需的啃咬姿势检测的数目。膳食跟踪和反馈系统1902可在声明食物摄入事件或食物摄入事件的特性时考虑由膳食预测系统2104输出的其它预测信息2116，且此类考虑可影响膳食跟踪和反馈系统1902影响药物给药计算单元1906的操作的方式。
在某些实施例中，测量传感器处理单元1909将传感器数据2140或传感器相关信号发送到膳食跟踪和反馈系统1902。传感器数据2140或信号可指示正发生用餐事件。例如，如果测量传感器单元1904为CGM单元，则测量传感器处理单元1909可包含如下逻辑，其分析从测量传感器单元1904接收的信号并寻找例如CGM读数上升或CGM读数的一阶或高阶导数变化的某些模式，以任选地通过相关联概率或置信水平确定是否很可能发生食物摄入事件。其它模式也是可能的。测量传感器处理单元1909可发送此信息(例如，传感器数据2140)以用作膳食跟踪和反馈系统1902的输入。
膳食跟踪和反馈系统1902还可确定正发生食物摄入事件的概率，并将所述概率提供到药物给药计算单元1906。在确定食物摄入事件的可能或实际开始是否已发生时，和/或在计算正发生食物摄入事件的概率时，膳食跟踪和反馈系统1902可考虑从测量传感器处理单元1909获得的传感器数据2140。作为实例，如果膳食跟踪和反馈系统1902确定正发生食物摄入事件的概率或置信水平为35％，且测量传感器处理单元1909也检测到正发生食物摄入事件的概率很高并将此信息提供到膳食跟踪和反馈系统1902，则膳食跟踪和反馈系统1902可向上调整其与食物摄入事件确定相关联的置信水平。类似地，如果测量传感器处理单元1909未指示食物摄入事件，则膳食跟踪和反馈系统1902可向下修正相关联置信水平。此后，可按需要向上或向下调整置信水平。
在某些实施例中，膳食跟踪和反馈系统1902可考虑由辅助事件检测系统提供的信息、数据或测量。因此，膳食跟踪和反馈系统1902也可利用辅助输入2106中的任一个。膳食跟踪和反馈系统1902可处理辅助输入2106(以及其它信息)以确定是否正发生或很可能发生食物摄入事件，以及相关联概率或置信水平。
图23为姿势告知式身体行为事件检测器系统2300的实施例的简化框图表示。系统2300的所描绘实施例包含一个或多个传感器单元2302、姿势辨识器单元2304和身体行为事件检测器2306。传感器单元2302产生一个或多个传感器数据流2310，其可被提供到姿势辨识器单元2304。传感器单元2302可实现为(但不限于)以下中的任一种：加速度计；陀螺仪；或磁力计。尽管并非总是需要，但传感器单元2302可嵌入可佩戴装置、组件或物品中。例如，可佩戴装置可佩戴在腕部(例如，活动跟踪器或智能手表)、手指(例如，戒指)上，或附接到或佩戴在手臂或手的不同部位上。
传感器数据流2310被提供到姿势辨识器单元2304以用于处理。为此目的，可以原始格式发送经由传感器数据流2310传达的传感器数据。替代地，传感器单元2302可对原始传感器数据执行一些处理(例如，过滤、压缩或格式化)，之后将已处理传感器数据发送到姿势辨识器单元2304。姿势辨识器单元2304分析传入传感器数据且将传入传感器数据转换为对应姿势流2314。姿势辨识器单元2304可使用一个或多个辅助输入2316来辅助姿势确定过程。辅助输入的非限制性实例包含：当日时间；基于所述用户的历史姿势数据的统计分析的特定姿势发生概率；地理位置；心率；其它生理传感器输入。其它辅助输入也是可能的。
图24为根据一个实例的示意性地描绘姿势辨识器单元2304随时间的输出的图式。当姿势辨识器单元2304检测到姿势时，其产生并发送包含以下中的至少一个的输出信号：姿势类型(如果姿势辨识器单元2304仅检测到一种类型的姿势，则此信息可省略或替换为简单的二进制输出信号)；正确地确定姿势类型的置信水平或概率；以及额外元数据，例如检测到的姿势的时间戳或持续时间。在此方面，图24中所描绘的一个输出2402对应于检测到的具有0.55的概率和1.1秒的持续时间的啃咬姿势。另一输出2406指示检测到的具有0.55的概率和1.1秒的持续时间的啜饮姿势。另一输出2410表示检测到的具有0.55的概率和6.1秒的持续时间的吸入姿势。
图25为根据另一实例的示意性地描绘姿势辨识器单元2304随时间的输出的图式。图25中所示的输出的格式与图24中所示的输出不同(其它输出格式也是可能的)。相比于图24中所示的实例，图25中描绘的输出包含不同可能姿势的置信度测量，以及对应元数据，例如检测到的姿势的持续时间。尽管并非总是需要，但图25涵盖的实施方案考虑以下姿势类型：啃咬；啜饮；以及吸入。因此，每一检测到的姿势的输出包含三个对应置信度测量——一个测量针对啃咬姿势，一个测量针对啜饮姿势且一个测量针对吸入姿势。图25的实例还提供对应于“其它”或“未知”姿势的第四置信度测量。在此方面，图25中描绘的一个输出2502对应于检测到的具有2.3秒的持续时间的姿势。输出2502指示以下置信度测量：啃咬置信度＝0.83；啜饮置信度＝0.02；吸入置信度＝0.01；“其它姿势”置信度＝0.14。因此，输出2502对应于啃咬姿势的概率极高。另一输出2506识别以下置信度测量：啃咬置信度＝0.23；啜饮置信度＝0.72；吸入置信度＝0.01；“其它姿势”置信度＝0.04。因此，输出2506对应于啜饮姿势的概率极高。
再次参考图23，姿势辨识器单元的输出——检测到的姿势2314——被发送到事件检测器2306。事件检测器2306分析传入姿势流2314以确定所关注事件是否已开始、事件是否正在进行、事件是否已结束等。例如，如果事件检测器2306实施为意图捕获进食/饮用事件的用餐检测器，则其将被适当地配置为确定是否已开始用餐、是否正在用餐或是否已结束用餐。可检测身体行为或活动(例如，辅助活动)的其它实例包含但不限于：饮用；吸烟；刷牙；梳头；打电话；驾驶汽车；吸入或注射药物；以及与手部卫生或个人卫生相关的活动。
传感器单元2302、姿势辨识器单元2304和事件检测器2306可全部容纳在同一件硬件中或可跨越多件硬件分布。例如，传感器单元2302可容纳在可佩戴装置中，所述可佩戴装置与容纳姿势辨识器单元2304和事件检测器2306的第二电子装置无线地通信。第二电子装置可例如为移动电话、例如胰岛素泵的医疗装置、电子患者健康监测器等。
在某些实施例中，传感器单元2302、姿势辨识器单元2304和事件检测器2306全部嵌入可佩戴装置内。可佩戴装置与第二电子装置无线地通信，且事件检测器2306的输出无线地发送到第二电子装置。如上文所提及，第二电子装置可实施为(但不限于)以下中的任一种：移动电话、例如胰岛素泵的医疗装置、患者监测器等。根据替代布置，使用多个传感器单元2302，且跨越至少两个可佩戴装置分布传感器单元2302。组件跨越多个硬件平台的其它配置和分割也是可能的。
事件检测器2306获得传入姿势流2314，处理姿势2314，且基于对接收到的姿势2314的审阅作出关于事件状态或事件状态变化的确定。事件检测器2306可处理接收到的姿势2314以产生识别事件状态或事件状态变化的合适格式化输出2320。输出2320可被提供到另一系统、装置和/或处理逻辑。事件检测器2306可使用多种参数和决策准则来确定事件状态或事件状态变化。
如上文所提及，事件检测器2306可实施为用餐检测器。在此上下文中，用餐检测器可配置成具有(但不限于)以下状态：未用餐；即将用餐；可能在用餐；用餐中；用餐后。上文参考图22描述不同用餐状态和状态转变，且相关描述也可应用于事件检测器2306的实施方案。
图26为适用于事件检测器2306的示例性实施例的状态图2600。对于此特定实施方案，图26中所描绘的状态是基于从姿势辨识器单元2304接收的姿势2314所确定。图26的状态图2600涵盖以下状态：未进食2602；饮用中2604；进食中2606；以及用餐中2608。在事件检测器2306的特定实施方案需要时，可定义和支持额外和/或替代状态。在图26中，从一种状态到另一状态的箭头表示当前用餐状态发生变化，且从一状态环回到自身的箭头指示当前状态没有变化。
基于从姿势辨识器单元2304接收的一个或多个姿势2314，事件检测器2306可从一种状态转变到另一状态，同时以输出2320的形式报告其当前状态。此实例假设事件检测器2306针对“吃零食”和“饮用”和“用餐”维持二进制指示符，其中值“0”指代否定条件且值“1”指代肯定条件。因此，当吃零食＝0、饮用＝0且用餐＝0时，指示未进食状态2602。如果事件检测器2306处于未进食状态2602且未检测到啃咬姿势，则保持未进食状态2602(如由环回箭头2614所指示)。如果检测到啜饮姿势，则状态从未进食状态2602改变为饮用中状态2604(如由箭头2616所指示)。如果检测到啃咬姿势，则状态从未进食状态2602改变为进食中状态2606(如由箭头2618所指示)。
当吃零食＝0、饮用＝1且用餐＝0时，指示饮用中状态2604。如果事件检测器2306处于饮用中状态2604且在指定时间周期内(例如，最后五分钟内)未检测到啜饮姿势，则状态从饮用中状态2604改变为未进食状态2602(如由箭头2620所指示)。如果在事件检测器2306处于饮用中状态2604时检测到啃咬姿势，则状态从饮用中状态2604改变为进食中状态2606(如由箭头2622所指示)。对于此实施例，从饮用中状态2604转变为进食中状态2606使得当前啜饮计数被延续到进食事件。啜饮计数被延续，使得可在确定保持进食中状态2606还是改变为不同状态时加以利用(以及检测到的啃咬)。因此，在处于进食中状态2606时可继续啜饮和啃咬计数。
当吃零食＝1、饮用＝0且用餐＝0时，指示进食中状态2606。如果事件检测器2306处于进食中状态2606，检测到啃咬姿势或啜饮姿势，且并不满足指定用餐资格准则，则事件检测器2306保持处于进食中状态(如由环回箭头2624所指示)。如果事件检测器2306处于进食中状态2606，检测到啃咬姿势或啜饮姿势，且满足指定用餐资格准则，则状态从进食中状态2606改变为用餐中状态2608(如由箭头2626所指示)。用餐资格准则可包含在事件检测器声明正用餐之前必须满足的任何数目的规则或条件。以下用餐资格准则用于此特定实例：以每分钟至少0.8次啃咬的均值速度检测到至少十个啃咬姿势。应了解，在实施例需要时且在所考虑事件类型需要时，特定用餐资格准则可因事件检测器2306的实施方案而变。如果事件检测器2306处于进食中状态2606且在指定时间周期内(例如，最后十分钟内)未检测到啃咬姿势或啜饮姿势，则状态从进食中状态2606改变为未进食状态2602(如由箭头2630所指示)。
当吃零食＝0、饮用＝0且用餐＝1时，指示用餐中状态2608。如果事件检测器2306处于用餐中状态2608且检测到啃咬姿势或啜饮姿势，则事件检测器2306保持处于用餐中状态(如由环回箭头2634所指示)。如果事件检测器2306处于用餐中状态2608且在指定时间周期内(例如，最后十分钟内)未检测到啃咬姿势或啜饮姿势，则状态从用餐中状态2608改变为未进食状态2602(如由箭头2636所指示)。
图26说明用于配置成用餐检测器的事件检测器2306的一个示例性实施方案的状态和转变。在实践中，用餐检测器可考虑如下参数，例如：分类为啃咬姿势的姿势数目；啃咬姿势的置信水平；啃咬姿势间间隔；自检测到第一个啃咬姿势起经过的时间；自检测到最后一个啃咬姿势起经过的时间；以及所估计摄取量。其它参数也是可能的。
用于确定何时从可能在用餐中状态改变为用餐中状态的决策准则可包含但不限于：在指定啃咬姿势间间隔最大值/超时情况下达到或超过指定啃咬姿势计数阈值；在指定啃咬姿势间间隔最大值/超时情况下达到或超过指定啃咬姿势计数阈值，其中每一啃咬达到或超过指定啃咬姿势分类置信水平；在自检测到第一个啃咬姿势起的指定时间窗内达到或超过指定啃咬姿势计数阈值。其它准则也是可能的。
用于确定何时改变为用餐后状态或未用餐状态的决策准则可包含但不限于：自检测到最后一个啃咬姿势起经过的时间超过指定时间阈值；自进入当前状态起经过的时间超过指定时间阈值。其它准则也是可能的。
当已发生状态改变时，用餐检测器可传信从未用餐状态到用餐中状态的改变(“推送法”)。替代地，用餐检测器可仅在被查询时或以固定预定时间表作出状态确定(“拉动法”)。例如，用餐检测器外部的系统可每两分钟请求当前用餐检测器状态。
在某些实施例中，事件检测器2306可输出与状态确定相关联的概率或置信水平。可周期性地或在被查询时更新此类概率或置信水平。
事件检测器2306可为用餐检测器，且用餐检测器可任选地连同姿势由姿势辨识器单元2304正确分类为啃咬姿势的置信水平处理啃咬姿势序列，以确定用餐已开始或在进行的概率。在被另一模块或系统查询时或在已从姿势辨识器单元2304接收一个或多个新姿势时，用餐检测器可以固定时间表周期性地重新计算此概率。此外，事件检测器2306的输出2320可为指示事件已开始或在进行的整体概率的概率。
如图23中所示，事件检测器2306可使用辅助输入2324来作出状态确定或计算状态概率。例如，如果事件检测器2306实施为用餐检测器，则事件检测器2306(或与事件检测器2306介接的系统)可从来自用户的历史进食记录导出用户正进食的概率，且用餐检测器可在确定是否声明用餐中状态时考虑此概率。作为实例，如果用户正进食的历史概率为90％(表明在过去十分之九的情况下，用户被确定在过去的此时间或此时间前后的时间窗内进食)，则用餐检测器可使用较低啃咬计数阈值以改变为用餐中状态。相对比地，如果用户正进食的历史概率仅为10％(表明过去仅在十分之一的情况下，用户被确定在过去的此时间或此时间前后的时间窗内进食)，则用餐检测器可决定使用较高啃咬计数阈值。在概率性用餐检测器的情况下，用餐检测器可用历史概率衡量用餐已开始或在进行的概率。
心率可为另一辅助输入2324。血糖读数(或从间质液导出的血糖读数)和/或血糖读数(或从间质液导出的血糖读数)变化可为另一辅助输入2324。辅助输入2324可为由用户提供的输入，例如用户正进食的确认，或其可为由电子装置、传感器组件等提供的测量或数据。
事件检测器2306还可考虑来自外部事件预测系统(例如上文参考图21所描述的膳食预测系统2104)的输入以作出状态或状态改变确定或计算状态概率。如果外部事件预测系统为用餐预测系统，且用餐预测系统告知事件检测器2306用户即将开始进食的可能性很高，则事件检测器2306可使用更积极的准则来声明用餐中状态(例如，较低啃咬计数阈值)或提升所计算的用餐中状态概率。如果外部事件预测系统为睡眠预测系统，且睡眠预测系统告知事件检测器2306用户正睡觉的可能性很高，则事件检测器2306可使用更保守的准则来声明用餐中状态(例如，增大啃咬计数阈值)或减小所计算的用餐中状态概率。如果事件预测系统预测事件发生的可能性很低，则可使由事件检测器2306考虑的姿势2314的置信水平减小某一绝对量或比例因子。
图27为采用身体行为检测(呈膳食/用餐跟踪和反馈系统形式)的药物分配系统2700的某些组件的简化高级功能图。所说明系统2700包含表示功能模块、装置或硬件元件和/或处理逻辑的各种块。此外，系统2700的所描绘实施例包含类似于上文参考图19和图21中所示的示例性系统所描述的那些的功能模块和相关处理逻辑。因此，在图19、21和27中使用共同附图标记以指示类似、相同或等效块或信号。在此方面，系统2700包含传感器单元1900、膳食跟踪和反馈系统1902、产生指示用户的生理特性的传感器数据的至少一个测量传感器2701(例如，如图21中所描绘的测量传感器单元1904)，以及处理由测量传感器2701产生的传感器数据的测量传感器处理器2702(例如，如图21中所描绘的测量传感器处理单元1909)或与之协作。为了清楚且易于说明，图27省略了图21中所示的其它组件和互连。应了解，图27中描绘的组件被适当地配置、布置且操作为与图21中所示的布置兼容。
如上文所提及，来自传感器单元1900的传感器数据1901由膳食跟踪和反馈系统1902处理，所述系统产生与例如用餐事件的检测到的身体行为事件相关联的输出。测量传感器2701产生提供到测量传感器处理器2702的传感器输出2703。根据需要利用测量传感器处理器2702的输出。例如，测量传感器处理器2702的输出可被提供到药物给药计算单元1906(参见图21)。在某些实施方案中，测量传感器处理器2702的输出可作为输入提供到膳食跟踪和反馈系统1902，以在确定所关注的基于姿势的身体行为事件是否已发生或很可能发生时加以考虑，如先前所描述。
在系统2700的某些部署中，测量传感器2701包含或实现为连续葡萄糖监测器或连续葡萄糖传感器装置。当检测到的基于姿势的身体行为事件对应于食物摄入事件时，连续葡萄糖监测器良好地起作用。在此类实施例中，药物可为胰岛素，且系统响应于检测到的食物摄入事件且响应于如由连续葡萄糖监测器测量的用户血糖水平而计算和分配胰岛素剂量。
根据此处呈现的实施例，膳食跟踪和反馈系统1902的输出2704可被提供到测量传感器单元1904和/或测量传感器处理单元1909。继而，可基于从膳食跟踪和反馈系统1902接收的输出2704调整、变化或以其它方式修改测量传感器单元1904和/或测量传感器处理单元1909的某些功能、特征、设置或操作。
例如，当膳食跟踪和反馈系统1902检测到所关注事件的实际或可能开始时，其可将适当格式化输出2704或信号发送到测量传感器单元1904和/或测量传感器处理单元1909。在接收输出2704后或在此后的某个时间，测量传感器单元1904和/或测量传感器处理单元1909可发起适当的状态改变。此类状态改变可包含但不限于以下中的任一个：(1)激活一个或多个电路或组件的较高性能模式；(2)将额外电力供应到一个或多个电路；(3)增大测量传感器单元1904的取样速率；(4)减少通信信道的时延，例如增大传感器读出频率或减少测量传感器处理单元1909与药物给药计算单元1906(参见图21)之间的通信时延；(5)增大分配用于数据存储的缓冲器空间。其它动作也是可能的。
等效地，当膳食跟踪和反馈系统1902检测到所关注事件的结束或可能结束时，其可将输出2704或输出信号发送到测量传感器单元1904和/或测量传感器处理单元1909。在接收到输出2704后或此后的某个时间，测量传感器单元1904和/或测量传感器处理单元1909可发起状态改变。此类状态改变可包含但不限于以下中的任一个：(1)去激活一个或多个电路或组件；(2)将一个或多个电路或组件置于较低性能模式；(3)将一个或多个电路或组件置于较低功率模式；(4)减少供应到一个或多个电路或组件的电力；(5)降低一个或多个电路或组件的取样速率；(6)增大通信信道的时延，例如降低传感器读出频率；(7)减少分配用于数据存储的缓冲器空间。其它动作也是可能的。以此方式，系统可节约电池寿命和/或处理能力。
为了与图19和图21一致，已参考膳食跟踪和反馈系统1902描述系统2700。然而，在实践中，可在系统2700的上下文中跟踪和检测任何类型的身体行为。因此，可基于对无需明确地与进食、饮用、餐食摄取等有关的身体行为事件的检测而以持续方式调整测量传感器单元1904和/或测量传感器处理单元。
图28为说明基于姿势的身体行为检测过程2800的示例性实施例的流程图，且图29为说明用于以受检测到的姿势影响的方式控制药物分配系统的操作的过程2900的示例性实施例的流程图。
身体行为检测过程2800涉及膳食跟踪和反馈系统1902用以检测用户姿势和相关联基于姿势的身体行为事件的方式，所述姿势和事件继而可由膳食预测系统2104以持续方式使用。因此，过程2800的此描述参考在以实时方式检测进行中事件时可由系统利用的历史或先前检测到的事件。
过程2800的所说明实施例从一个或多个姿势传感器获得传感器读数(任务2802)，所述传感器例如图21中所示的传感器单元1900或由传感器单元1900使用的传感器。如上文所解释，传感器读数指示、测量或识别用户的至少一个特定身体部位的移动、运动或位置变化。任选地，过程2800可从至少一个辅助输入组件，例如与辅助事件检测系统2102相关联的组件、单元或传感器获得辅助输入(任务2804)。在某些实施例中，辅助事件检测系统2102和其相关联辅助输入组件不同于姿势传感器。在此方面，姿势传感器可实现为具有加速度计和/或陀螺仪元件的用户佩戴或用户携带式传感器装置，且辅助输入组件可实现为物理上不同且分离的装置，其设计成感测或检测与身体移动或用户姿势并不直接相关的其它条件、现象、用户状态和/或环境状态。对于此处所描述的膳食跟踪实施例，姿势传感器被配置且操作成获得用于检测身体姿势的传感器数据，所述姿势与例如啃咬、啜饮、咀嚼、对应于餐具使用的运动等的进食或饮用移动直接相关(或直接指示所述移动)。对于此类实施例，辅助输入可包含可能与进食事件、饮用事件或食物摄入事件相关或仅间接与前述事件相关联的任何类型或量的信息。
过程2800继续分析接收到的传感器读数和接收到的辅助输入(如果适用)以检测或声明某些基于姿势的身体行为事件的发生(任务2806)。在实践中，任务2806处执行的分析主要依赖于从姿势传感器获得的信息，如上文详细描述。然而，也可利用辅助输入以更好地影响在任务2806处作出的决策，以改善确定的可靠性等。此描述假设过程2800随时间检测到数个基于姿势的身体行为事件，且假设与检测到的事件相关联的信息和/或元数据保存在适当地配置的数据存储装置中。更具体地说，过程2800存储对应于基于姿势的身体行为事件的所检测发生的历史事件信息(任务2808)。所存储事件信息可包含但不限于以下中的任一个：检测到的姿势类型(例如，啃咬、啜饮、吸入、刀切姿势、器皿使用姿势)；某一时间周期(例如，最后24小时、最后一小时、最后15分钟或任何其它时间周期)期间检测到每种类型的姿势的次数；检测到的姿势的概率或置信度测量；姿势的持续时间；时间/日期戳数据；与辅助输入相关联的辅助数据；检测到的事件类型(例如，进餐、喝咖啡、吃零食、烹饪)；检测到的事件的概率或置信度测量；事件的持续时间。随时间推移，可维持历史事件信息的丰富数据库，从而为预测系统提供良好的基础。
参考图29，系统控制过程2900的以下描述假设已保存至少基线量的历史事件信息，以用于实时姿势传感器测量的持续处理。过程2900的所说明实施例实时地接收从姿势传感器获得的当前传感器读数(任务2902)。过程2900还可从不同于姿势传感器的检测系统2102接收至少一个辅助输入2106(任务2904)。上文详细描述了姿势传感器和对应传感器读数，以及检测系统2102和对应辅助输入2106。可将当前姿势传感器读数和辅助输入(如果适用)与历史事件信息一起审阅以进行本文中所描述的预测技术。因此，过程2900检索或接入所存储的历史事件信息中的至少一些(任务2906)。
在任务2908处处理所存储的历史事件信息以预测所关注的身体行为事件的未来发生。尽管并不总是需要，但任务2908处的处理也可在产生预测时考虑当前姿势传感器读数和/或当前辅助输入。任务2908分析历史事件信息以预测特定身体行为事件是否很可能在未来发生。在此分析期间，可将当前传感器读数中的至少一些与所存储的历史事件信息进行比较。上文参考图21，且更具体地说，参考膳食预测系统2104描述各种预测方法和实例。过程2900可利用先前所描述技术和方法中的任一种来预测身体行为事件的未来发生。
在某些实施例中，任务2908还可考虑当前姿势传感器读数，此可增大预测的准确性。因此，任务2908可基于当前检测到的基于姿势的身体行为事件的某些特性来预测事件的未来发生。任务2908还可考虑当前辅助输入以增大预测的准确性。在此方面，过程2900可计算事件的预测未来发生的概率或置信水平(任务2910)。例如，过程2900可以对应概率或置信水平，例如83％的概率声明所预测食物摄入事件将在接下来的15分钟内发生。可在具有或不具有实时收集的额外传感器数据或状态信息情况下根据对历史事件信息的审阅来计算概率或置信水平。
在某些实施例中，过程2900产生消息并将其发送到用户——所述消息传达与所关注事件的预测未来发生相关的信息或内容(任务2912)。例如，任务2912可发起将通知、电子邮件或文本消息递送或显示给用户，其中递送的内容识别所预测事件、事件的所预测时间、概率或置信水平，且可能具有关于用户应采取的动作的推荐或建议(例如，药物剂量、碳水化合物摄取等)。
过程2900还可产生预测信息并将其提供到系统的至少一个组件、功能模块或装置(任务2914)。对于此实例，图21的膳食预测系统2104将预测信息2116提供到药物给药计算单元1906，且任选地提供到膳食跟踪和反馈系统1902。在此上下文中，在任务2914处提供的预测信息可包含但不限于以下中的任一个：所预测事件(例如，食物摄入、吃晚餐、喝饮料、吃零食、进行正被监测的身体活动)；所预测事件的概率或置信度测量；以及所预测事件的预测开始时间、结束时间和/或持续时间。在任务2914处提供的预测信息可用于调整药物剂量、药物分配参数或这两者(任务2916)。在此方面，可处理所关注身体行为事件的所预测未来发生和其计算出的置信水平以影响药物剂量和/或药物分配参数。根据本文中所描述的胰岛素递送实施方案，所预测事件为食物摄入事件，由系统管理的药物为胰岛素，且任务2916在假设所预测食物摄入事件将实际上发生的情况下计算待施用胰岛素的适当剂量。作为另一实例，在任务2912处发送的消息可向用户告知系统已预测到即将到来的食物摄入事件，且针对所预测食物摄入事件推荐了适当胰岛素推注剂量。
图30为说明用于控制药物分配系统的操作的过程3000的示例性实施例的流程图，所述过程包含调整检测到的行为事件的置信水平。过程3000可实施为本文中在别处所描述的其它系统控制过程中的一个或多个的部分或与所述过程中的一个或多个相关联地执行。实际上，图30中所示的任务中的一个或多个可类似于或等效于参考图28或图29所描述的对应任务。为了简洁和清楚起见，此处将不再详尽地描述过程3000的类似或等效任务或方面。
过程3000的所说明实施例从系统的一个或多个姿势传感器获得姿势传感器读数(任务3002)，如上文参考图28的任务2802且在其它上下文中所描述。分析和处理传感器读数以检测基于姿势的身体行为事件的发生(任务3004)。在某些实施例中，任务3004处执行的分析和处理还考虑补充信息(由除姿势传感器外的源产生的数据)，如上文参考图28的任务2806且在其它上下文中所描述。
过程3000计算基于姿势的身体行为事件的所检测发生的初始置信水平(任务3006)，如上文参考图29的任务2910且在其它上下文中所描述。过程3000继续从不同于姿势传感器的至少一个数据源获得外部信息(任务3008)。在此方面，外部信息可为除姿势传感器数据外的补充或辅助数据。例如，至少一个数据源可包含物理上不同于姿势传感器的辅助检测系统2102(参见图21和相关描述)。如上文所解释，辅助检测系统2102可包含配置成产生与用户姿势或用户姿势检测并不直接相关的用户状态信息的至少一个组件或与之协作。在任务3008处处理的外部信息可包含由辅助检测系统2102的组件提供的任何量的用户状态信息。因此，用户状态信息可包含上文参考图21提及的各种类型的辅助输入2106中的任一种。
作为另一实例，至少一个数据源可包含测量传感器单元1904(参见图21和相关描述)，其产生指示用户的生理特性的传感器数据。替代地或另外，至少一个数据源可包含与测量传感器单元1904协作的测量传感器处理单元1909。因此，对于此实例，在任务3008处处理的外部信息可包含由测量传感器单元1904和/或测量传感器处理单元1909产生的传感器数据。
作为另一实例，至少一个数据源可包含配置成预测基于姿势的身体行为事件的未来发生的预测系统，其中外部信息包含由预测系统产生的预测信息。在此上下文中，预测信息描述、表征或定义基于姿势的身体行为事件的所预测未来发生。在某些实施例中，基于姿势的身体行为事件的所检测发生对应于食物摄入事件，且预测系统实施为膳食预测系统2104(参见图21和相关联描述)。
可用外部信息中的任一个或全部可用以修改、调整或验证任务3006处所计算的初始置信水平。更具体地说，过程3000可继续导出基于姿势的身体行为事件的所检测发生的最终置信水平(任务3010)。根据初始置信水平和从外部数据源获得的外部信息中的至少一些导出最终置信水平。因此，如果外部信息进一步指示所关注的基于姿势的身体行为事件已发生或很可能发生，则任务3008可增大初始置信水平。相反，如果外部信息并不支持或同意任务3004处作出的确定，则任务3008可降低初始置信水平。如果外部信息是“中性的”或在其它方面不足以影响初始置信水平，则任务3008可保持初始置信水平。
过程3000可继续响应于基于姿势的身体行为事件的所检测发生且响应于最终置信水平而调整药物剂量和/或药物分配参数(任务3012)。任务3012类似于上文参考图29所描述的任务2916。对于检测到的食物摄入事件，任务3012可计算待递送到用户的胰岛素剂量，以及某些胰岛素分配参数。最终置信水平可用于影响药物治疗的积极性、剂量等。例如，如果最终置信水平极高，则可针对检测到的食物摄入事件计算第一胰岛素剂量。然而，如果最终置信水平低于置信度阈值(例如，仅约80％)，则可计算第二(较低)胰岛素剂量作为安全措施。也可基于最终置信水平调整胰岛素递送速率。过程3000涵盖这些和其它实例。
图31为说明用于控制药物分配系统的操作的过程3100的示例性实施例的流程图，所述过程包含调整用于确定基于姿势的行为事件是否已发生的准则。过程3100可实施为本文中在别处所描述的其它系统控制过程中的一个或多个的部分或与所述过程中的一个或多个相关联地执行。实际上，图31中所示的任务中的一个或多个可类似于或等效于参考图28、图29或图30所描述的对应任务。为了简洁和清楚起见，此处将不再详尽地描述过程3100的类似或等效任务或方面。
过程3100的所说明实施例维持用于确定所关注的基于姿势的身体行为事件是否已发生或很可能发生的默认事件声明准则(任务3102)。默认准则可维持在系统的适当地配置且格式化的存储器或数据存储元件中。上文参考图23到26描述事件声明准则的实例。事件声明准则可例如包含：检测到的姿势类型；每单位时间检测到的每一姿势的数目；与检测到的姿势相关联的概率或置信水平；姿势的指定序列或模式的存在等。在此方面，可针对系统意图监测的任何数目的基于姿势的身体行为事件维持默认事件声明准则。
过程3100从系统的一个或多个姿势传感器获得姿势传感器读数(任务3104)，如上文参考图28的任务2802且在其它上下文中所描述。过程3100还从不同于姿势传感器的至少一个数据源获得外部信息(任务3106)。上文参考过程3000的任务3008描述外部信息和可能外部信息源，且所述描述在此处也适用于过程3100的上下文。因此，至少一个数据源可包含但不限于：辅助检测系统2102；测量传感器单元1904；测量传感器处理单元1909；和/或例如膳食预测系统2104的预测系统。
可用外部信息中的任一个或全部可用以修改、调整或保持默认事件声明准则。更具体地说，过程3100可继续导出用于确定所关注的基于姿势的身体行为事件是否已发生或很可能发生的最终事件声明准则(任务3108)。根据默认事件声明准则和从外部数据源获得的外部信息中的至少一些导出最终事件声明准则。因此，如果外部信息以高置信度指示所关注的基于姿势的身体行为事件已发生或很可能发生，则任务3108可降低或放宽默认事件声明准则的要求。相反，如果外部信息以低置信度指示所关注事件已发生或很可能发生，或指示所关注事件尚未发生或将不会发生，则任务3108可增大或收紧所述事件的默认事件声明准则的要求。如果外部信息是“中性的”或在其它方面不足以影响默认事件声明准则，则任务3108可保持默认准则。
分析和处理姿势传感器读数以检测所关注的基于姿势的身体行为事件的发生(任务3110)。在某些实施例中，任务3110处执行的分析和处理还考虑补充信息(由除姿势传感器外的源产生的数据)，如上文参考图28的任务2806且在其它上下文中所描述。系统应用且考虑最终事件声明准则，以确定所关注的基于姿势的身体行为事件是否已发生或很可能发生(查询任务3112)。当获得的姿势传感器读数满足最终事件声明准则(查询任务3112的“是”分支)，则过程3100声明检测到所述特定基于姿势的身体行为事件(任务3114)。如果并不满足准则(查询任务3112的“否”分支)，则过程3100可退出或返回到任务3104以继续监测和处理姿势传感器读数。
过程3100可继续响应于基于姿势的身体行为事件的所声明发生而调整药物剂量和/或药物分配参数(任务3116)。任务3116类似于上文参考图29所描述的任务2916。对于检测到的食物摄入事件，任务3116可计算待递送到用户的胰岛素剂量，以及某些胰岛素分配参数。
图32为说明用于控制药物分配系统的操作的过程3200的示例性实施例的流程图，所述过程包含响应于检测到基于姿势的行为事件而调整至少一个传感器系统操作参数。过程3200可实施为本文中在别处所描述的其它系统控制过程中的一个或多个的部分或与所述过程中的一个或多个相关联地执行。实际上，图32中所示的任务中的一个或多个可类似于或等效于参考图28到31所描述的对应任务。为了简洁和清楚起见，此处将不再详尽地描述过程3200的类似或等效任务或方面。
过程3200的所说明实施例从系统的一个或多个姿势传感器获得姿势传感器读数(任务3202)，如上文参考图28的任务2802且在其它上下文中所描述。分析和处理传感器读数以检测基于姿势的身体行为事件的发生(任务3204)。在某些实施例中，任务3204处执行的分析和处理还考虑补充信息(由除姿势传感器外的源产生的数据)，如上文参考图28的任务2806且在其它上下文中所描述。
响应于检测到基于姿势的身体行为事件，过程3200产生对应事件信息并将其提供到传感器系统的组件(任务3206)，其中传感器系统包含例如图27中所示的测量传感器2701和/或测量传感器处理器2702。事件信息包含描述、表征或定义例如食物摄入事件的基于姿势的身体行为事件的所检测发生的数据。对于食物摄入事件，事件信息可包含例如上文参考过程2800的任务2808指定的信息中的任一个(参见图28和相关描述)。可以适当方式布置、格式化和表示事件信息，以用于控制传感器系统的操作参数调整，发起对此类操作参数的调整或调节等。因此，在实践中，以与传感器系统兼容的方式格式化和传达事件信息。在某些实施例中，也可以适当方式布置、格式化和表示事件信息，以用于控制系统的药物剂量和/或药物分配参数调整，如上文更详细地解释。
此描述假设传感器系统的至少一个组件接收并处理事件信息(任务3208)。更具体地说，处理所接收事件信息以发起对传感器系统的一个或多个操作参数的调整。因此，可根据所提供事件信息调整测量传感器2701的至少一个操作参数和/或测量传感器处理器2702的至少一个操作参数。在此方面，任务3208可与以下(但不限于)中的一个或多个相关联：改变供应到测量传感器和/或测量传感器处理器的电力量；更改测量传感器的测量取样速率；修改由测量传感器处理器产生的输出的时序；变化测量传感器和/或测量传感器处理器的性能模式。在特定实施例需要时，也可进行其它调整(参见例如图27和系统2700的前述描述)。
如上文所提及，测量传感器2701产生指示用户的所测量生理特性，例如血糖的传感器数据。测量传感器处理器2702从传感器数据产生对应传感器测量信息(任务3210)。传感器数据和/或传感器测量信息是以受所提供事件信息影响的方式产生、处理和/或传达(因为事件信息发起对传感器系统的一个或多个操作参数的调整)。
过程3200可继续响应于传感器测量信息而控制、调整或调节药物剂量和/或药物分配参数(任务3212)。在某些实施例中，任务3212响应于如由事件信息所指示的基于姿势的身体行为事件的所检测发生而控制、调整或调节药物剂量和/或药物分配参数。对于检测到的食物摄入事件，任务3212可计算待递送到用户的胰岛素剂量，并管理胰岛素剂量的分配。可使用先前所描述的技术或方法中的任一种来控制、调整或调节药物剂量和/或药物分配参数。例如，可基于当前传感器值、所测量特性的预测水平、检测到的姿势类型、与检测到的姿势相关联的置信水平、啃咬计数、啜饮计数、当前或历史辅助(外部)信息等调整药物剂量和/或分配参数。
实例
实例1：一种自动药物给药和分配系统，其包括：传感器，所述传感器用以检测与自动药物给药和分配系统的用户相关的移动和其它身体输入；包括程序代码指令的计算机可读存储介质；以及处理器，其中程序代码指令可配置成使得处理器执行包括以下步骤的方法：根据从传感器获得的传感器读数确定用户的基于姿势的身体行为事件的发生；以及响应于所述确定而调整药物剂量、药物分配参数或药物剂量和药物分配参数两者。
实例2：根据实例1所述的系统，其中传感器读数中的至少一个测量用户身体部位的移动。
实例3：根据实例1所述的系统，其进一步包括用以根据传感器读数确定用户姿势的事件检测模块。
实例4：根据实例1所述的系统，其中所述方法进一步包括将消息发送到用户的步骤，其中消息与调整相关。
实例5：根据实例1所述的系统，其中基于姿势的身体行为事件对应于与食物摄入事件无关的用户活动。
实例6：根据实例5所述的系统，其中与食物摄入事件无关的用户活动包括吸烟事件、个人卫生事件和/或药物相关事件。
实例7：根据实例1所述的系统，其中基于姿势的身体行为事件对应于食物摄入事件。
实例8：根据实例1所述的系统，其中所述调整是在检测到基于姿势的身体行为事件的实际、可能或即将开始后执行。
实例9：根据实例1所述的系统，其中所述调整是基于基于姿势的身体行为事件的特性。
实例10：根据实例9所述的系统，其中：基于姿势的身体行为事件对应于食物摄入事件；且所述调整是基于食物摄入事件的以下特性中的至少一个：持续时间；速度；开始时间；结束时间；啃咬次数；啜饮次数；进食方法；所使用器皿类型；所使用容器类型；在吞咽之前的咀嚼量；咀嚼速度；所摄取的食物量；所摄取的碳水化合物量；啃咬之间的时间；啜饮之间的时间；所摄取食物的内容物。
实例11：根据实例1所述的系统，其中：由系统管理的药物为胰岛素；且调整步骤计算待施用胰岛素的剂量和用于递送所计算胰岛素剂量的时间表。
实例12：根据实例1所述的系统，其中传感器包括测量用户手臂的移动的加速度计和测量用户手臂的旋转的陀螺仪。
实例13：一种操作自动药物给药和分配系统的方法，所述系统具有用以检测与用户相关的移动和其它身体输入的传感器，所述方法包括以下步骤：使用自动药物给药和分配系统的处理器获得传感器读数集合，其中传感器读数集合中的至少一个传感器读数测量用户身体部位的移动；根据传感器读数集合确定用户的基于姿势的身体行为事件的发生；以及响应于所述确定而调整药物剂量、药物分配参数或药物剂量和药物分配参数两者。
实例14：根据实例13所述的方法，其进一步包括响应于所述确定而执行基于计算机的动作的步骤，其中基于计算机的动作为以下中的一个或多个：获得待与表示基于姿势的身体行为事件的数据相关联地存储于存储器中的其它信息；与用户交互以提供信息或提醒；与用户交互以提示进行用户输入；将消息发送到远程计算机系统；将消息发送到另一个人；将消息发送到用户。
实例15：根据实例13所述的方法，其中基于姿势的身体行为事件对应于与食物摄入事件无关的用户活动。
实例16：根据实例15所述的方法，其中与食物摄入事件无关的用户活动包括吸烟事件、个人卫生事件和/或药物相关事件。
实例17：根据实例13所述的方法，其中基于姿势的身体行为事件对应于食物摄入事件。
实例18：根据实例13所述的方法，其中所述调整是在检测到基于姿势的身体行为事件的实际、可能或即将开始后执行。
实例19：根据实例13所述的方法，其中所述调整是基于基于姿势的身体行为事件的特性。
实例20：根据实例19所述的方法，其中：基于姿势的身体行为事件对应于食物摄入事件；且所述调整是基于食物摄入事件的以下特性中的至少一个：持续时间；速度；开始时间；结束时间；啃咬次数；啜饮次数；进食方法；所使用器皿类型；所使用容器类型；在吞咽之前的咀嚼量；咀嚼速度；所摄取的食物量；啃咬之间的时间；啜饮之间的时间；所摄取食物的内容物。
实例21：一种自动药物给药和分配系统，其包括：传感器，所述传感器用以检测与自动药物给药和分配系统的用户相关的移动；包括程序代码指令的计算机可读存储介质；以及处理器，其中程序代码指令可配置成使得处理器执行包括以下步骤的方法：根据从传感器获得的传感器读数确定用户的当前食物摄入事件的开始或预期开始；审阅针对用户的先前所记录食物摄入事件收集的历史数据；识别当前食物摄入事件与数个先前所记录食物摄入事件之间的相关性；以及基于所识别相关性调整药物剂量、药物分配参数或药物剂量和药物分配参数两者。
实例22：根据实例21所述的系统，其中传感器读数中的至少一个测量用户身体部位的移动。
实例23：根据实例21所述的系统，其进一步包括用以根据传感器读数确定用户的身体行为事件的事件检测模块。
实例24：根据实例23所述的系统，其中事件检测模块确定表征当前食物摄入事件的用户姿势。
实例25：根据实例21所述的系统，其中所述调整是基于食物摄入事件的以下特性中的至少一个：持续时间；速度；开始时间；结束时间；啃咬次数；啜饮次数；进食方法；所使用器皿类型；所使用容器类型；在吞咽之前的咀嚼量；咀嚼速度；所摄取的食物量；啃咬之间的时间；啜饮之间的时间；所摄取食物的内容物。
实例26：根据实例21所述的系统，其中：由系统管理的药物为胰岛素；且调整步骤计算待施用胰岛素的剂量和用于递送所计算胰岛素剂量的时间表。
实例27：根据实例21所述的系统，其中传感器包括测量用户手臂的移动的加速度计和测量用户手臂的旋转的陀螺仪。
实例28：根据实例21所述的系统，其中历史数据包括与食物摄入事件无直接关系的参数。
实例29：根据实例28所述的系统，其中参数包含以下中的至少一个：位置信息；用户醒来的当日时间；紧张程度；睡眠行为模式；日历事件细节；电话拨打信息；电子邮件元数据。
实例30：一种操作自动药物给药和分配系统的方法，所述系统具有用以检测与用户相关的移动的传感器，所述方法包括以下步骤：根据从传感器获得的传感器读数确定用户的当前食物摄入事件的开始或预期开始；审阅针对用户的先前所记录食物摄入事件收集的历史数据；识别当前食物摄入事件与数个先前所记录食物摄入事件之间的相关性；以及基于所识别相关性调整药物剂量、药物分配参数或药物剂量和药物分配参数两者。
实例31：根据实例30所述的方法，其中传感器读数中的至少一个测量用户身体部位的移动。
实例32：根据实例30所述的方法，其进一步包括根据传感器读数确定用户的身体行为事件的步骤。
实例33：根据实例32所述的方法，其中根据传感器读数确定的身体行为事件包含表征当前食物摄入事件的用户姿势。
实例34：根据实例30所述的方法，其中所述调整是基于食物摄入事件的以下特性中的至少一个：持续时间；速度；开始时间；结束时间；啃咬次数；啜饮次数；进食方法；所使用器皿类型；所使用容器类型；在吞咽之前的咀嚼量；咀嚼速度；所摄取的食物量；啃咬之间的时间；啜饮之间的时间；所摄取食物的内容物。
实例35：根据实例30所述的方法，其中：由系统管理的药物为胰岛素；且调整步骤计算待施用胰岛素的剂量和用于递送所计算胰岛素剂量的时间表。
实例36：根据实例30所述的方法，其中传感器包括测量用户手臂的移动的加速度计和测量用户手臂的旋转的陀螺仪。
实例37：根据实例30所述的方法，其中历史数据包括与食物摄入事件无直接关系的参数。
实例38：根据实例37所述的方法，其中参数包含以下中的至少一个：位置信息；用户醒来的当日时间；紧张程度；睡眠行为模式；日历事件细节；电话拨打信息；电子邮件元数据。
实例39：根据实例30所述的方法，其中所述调整是在检测到当前食物摄入事件的实际或即将开始后执行。
实例40：根据实例30所述的方法，其中所述调整是基于当前基于姿势的身体行为事件的特性。
实例41：一种自动药物给药和分配系统，其包括：传感器，所述传感器用以检测自动药物给药和分配系统的用户的身体移动；包括程序代码指令的计算机可读存储介质；以及至少一个处理器，其中程序代码指令可配置成使得至少一个装置执行包括以下步骤的方法：基于对从传感器获得的传感器读数的分析检测基于姿势的身体行为事件的发生；存储对应于基于姿势的身体行为事件的所检测发生的历史事件信息；处理所存储历史事件信息以预测所关注身体行为事件的未来发生；以及响应于所关注身体行为事件的所预测未来发生而调整药物剂量、药物分配参数或药物剂量和药物分配参数两者。
实例42：根据实例41所述的系统，其中处理步骤包括处理所存储历史事件信息和从不同于传感器的检测系统接收的至少一个辅助输入。
实例43：根据实例41所述的系统，其中处理步骤包括实时地处理所存储历史事件信息和从传感器获得的当前传感器读数，其包含比较当前传感器读数与所存储历史事件信息。
实例44：根据实例41所述的系统，其中传感器读数中的至少一个测量用户特定身体部位的移动。
实例45：根据实例41所述的系统，其中由至少一个处理器执行的所述方法进一步包括将消息发送到用户的步骤，其中所述消息与所关注身体行为事件的所预测未来发生相关。
实例46：根据实例41所述的系统，其中：基于姿势的身体行为事件的所检测发生对应于食物摄入事件；且所述调整是响应于所预测食物摄入事件而执行。
实例47：根据实例41所述的系统，其中：由系统管理的药物为胰岛素；且调整步骤计算待施用胰岛素的剂量。
实例48：根据实例41所述的系统，其中：由至少一个处理器执行的所述方法进一步包括计算所关注身体行为事件的所预测未来发生的置信水平的步骤；且所述调整是响应于置信水平而执行。
实例49：一种操作自动药物给药和分配系统的方法，所述系统具有检测用户移动的传感器，所述方法包括以下步骤：从传感器获得传感器读数；基于对所获得传感器读数的分析检测基于姿势的身体行为事件的发生；存储对应于基于姿势的身体行为事件的所检测发生的历史事件信息；用自动药物给药和分配系统的至少一个处理器处理所存储历史事件信息以预测所关注身体行为事件的未来发生；以及响应于所关注身体行为事件的所预测未来发生而调整药物剂量、药物分配参数或药物剂量和药物分配参数两者。
实例50：根据实例49所述的方法，其中处理步骤包括处理所存储历史事件信息和从不同于传感器的检测系统接收的至少一个辅助输入。
实例51：根据实例50所述的方法，其中：基于姿势的身体行为事件的所检测发生对应于食物摄入事件；且至少一个辅助输入包括与食物摄入事件不直接相关的信息。
实例52：根据实例49所述的方法，其中传感器读数中的至少一个测量用户特定身体部位的移动。
实例53：根据实例49所述的方法，其进一步包括将消息发送到用户的步骤，其中消息与所关注身体行为事件的所预测未来发生相关。
实例54：根据权利要求49所述的方法，其中：基于姿势的身体行为事件的所检测发生对应于食物摄入事件；且所述调整是响应于所预测食物摄入事件而执行。
实例55：根据实例49所述的方法，其中：由系统管理的药物为胰岛素；且调整步骤计算待施用胰岛素的剂量。
实例56：根据实例49所述的方法，其进一步包括计算所关注身体行为事件的所预测未来发生的置信水平的步骤，其中所述调整是响应于置信水平而执行。
实例57：一种操作自动药物给药和分配系统的方法，所述系统具有检测移动的传感器，所述方法包括以下步骤：从传感器获得传感器读数，传感器读数指示用户的至少一个身体部位的移动；基于对所获得传感器读数的分析检测基于姿势的身体行为事件的发生；存储对应于基于姿势的身体行为事件的所检测发生的历史事件信息；从不同于传感器的检测系统接收至少一个辅助输入；用自动药物给药和分配系统的至少一个处理器处理所存储历史事件信息和至少一个辅助输入，以预测所关注身体行为事件的未来发生；以及响应于所关注身体行为事件的所预测未来发生而调整药物剂量、药物分配参数或药物剂量和药物分配参数两者。
实例58：根据实例57所述的方法，其中：基于姿势的身体行为事件的所检测发生对应于食物摄入事件；至少一个辅助输入包括与食物摄入事件不直接相关的信息；且所述调整是响应于所预测食物摄入事件而执行。
实例59：根据实例57所述的方法，其进一步包括计算所关注身体行为事件的所预测未来发生的置信水平的步骤，其中所述调整是响应于置信水平而执行。
实例60：根据实例57所述的方法，其中处理步骤基于当前检测到的基于姿势的身体行为事件的特性预测所关注身体行为事件的未来发生。
实例61：一种自动药物给药和分配系统，其包括：姿势传感器，所述传感器用以检测自动药物给药和分配系统的用户的身体移动；包括程序代码指令的计算机可读存储介质；以及至少一个处理器，其中程序代码指令可配置成使得至少一个处理器执行包括以下步骤的方法：基于对从姿势传感器获得的姿势传感器读数的分析检测基于姿势的身体行为事件的发生；计算基于姿势的身体行为事件的所检测发生的初始置信水平；根据初始置信水平和从不同于姿势传感器的至少一个数据源获得的外部信息导出基于姿势的身体行为事件的所检测发生的最终置信水平；以及响应于基于姿势的身体行为事件的所检测发生和最终置信水平而调整药物剂量、药物分配参数或药物剂量和药物分配参数两者。
实例62：根据实例61所述的系统，其中：至少一个数据源包括物理上不同于姿势传感器的辅助事件检测系统；辅助事件检测系统包括用以产生与用户姿势不直接相关的用户状态信息的至少一个组件；且外部信息包括用户状态信息。
实例63：根据实例61所述的系统，其中：至少一个数据源包括产生指示用户的生理特性的传感器数据的测量传感器；外部信息包括传感器数据；且药物剂量或药物分配参数是基于传感器数据而确定。
实例64：根据实例63所述的系统，其中测量传感器包括连续葡萄糖监测器。
实例65：根据实例61所述的系统，其中：至少一个数据源包括用以预测基于姿势的身体行为事件的未来发生的预测系统；且外部信息包括由预测系统产生的预测信息，预测信息描述、表征或定义基于姿势的身体行为事件的所预测未来发生。
实例66：根据实例61所述的系统，其中：基于姿势的身体行为事件的所检测发生对应于食物摄入事件；由系统管理的药物是胰岛素；且调整步骤计算待施用胰岛素的剂量。
实例67：一种操作自动药物给药和分配系统的方法，所述系统具有检测用户的身体移动的姿势传感器，所述方法包括以下步骤：从姿势传感器获得姿势传感器读数；基于对所获得姿势传感器读数的分析检测基于姿势的身体行为事件的发生；计算基于姿势的身体行为事件的所检测发生的初始置信水平；根据初始置信水平和从不同于姿势传感器的至少一个数据源获得的外部信息导出基于姿势的身体行为事件的所检测发生的最终置信水平；以及响应于基于姿势的身体行为事件的所检测发生和最终置信水平而调整药物剂量、药物分配参数或药物剂量和药物分配参数两者。
实例68：根据实例67所述的方法，其中：至少一个数据源包括物理上不同于姿势传感器的辅助事件检测系统；辅助事件检测系统包括用以产生与用户姿势不直接相关的用户状态信息的至少一个组件；且外部信息包括用户状态信息。
实例69：根据实例67所述的方法，其中：至少一个数据源包括产生指示用户的生理特性的传感器数据的测量传感器；且外部信息包括传感器数据。
实例70：根据实例67所述的方法，其中：至少一个数据源包括用以预测基于姿势的身体行为事件的未来发生的预测系统；且外部信息包括由预测系统产生的预测信息，预测信息描述、表征或定义基于姿势的身体行为事件的所预测未来发生。
实例71：一种自动药物给药和分配系统，其包括：姿势传感器，所述传感器用以检测自动药物给药和分配系统的用户的身体移动；包括程序代码指令的计算机可读存储介质；以及至少一个处理器，其中程序代码指令可配置成使得至少一个处理器执行包括以下步骤的方法：维持用于确定所关注的基于姿势的身体行为事件是否已发生或很可能发生的默认事件声明准则；从姿势传感器获得姿势传感器读数；根据默认事件声明准则和从不同于姿势传感器的至少一个数据源获得的外部信息导出用于确定所关注的基于姿势的身体行为事件是否已发生或很可能发生的最终事件声明准则；分析所获得姿势传感器读数以确定是否满足最终事件声明准则；当所获得姿势传感器读数满足最终事件声明准则时，声明检测到所关注的基于姿势的身体行为事件；以及响应于所述声明而调整药物剂量、药物分配参数或药物剂量和药物分配参数两者。
实例72：根据实例71所述的系统，其中导出步骤在外部信息以高置信度指示所关注的基于姿势的身体行为事件已发生时，降低默认事件声明准则的要求；在外部信息以低置信度指示所关注的基于姿势的身体行为事件已发生时，增大默认事件声明准则的要求；或在外部信息不足以影响默认事件声明准则时，保持默认事件声明准则。
实例73：根据实例71所述的系统，其中：至少一个数据源包括物理上不同于姿势传感器的辅助事件检测系统；辅助事件检测系统包括用以产生与用户姿势不直接相关的用户状态信息的至少一个组件；且外部信息包括用户状态信息。
实例74：根据实例71所述的系统，其中：至少一个数据源包括产生指示用户的生理特性的传感器数据的测量传感器；且外部信息包括传感器数据。
实例75：根据实例74所述的系统，其中测量传感器包括连续葡萄糖监测器。
实例76：根据实例71所述的系统，其中：至少一个数据源包括用以预测基于姿势的身体行为事件的未来发生的预测系统；且外部信息包括由预测系统产生的预测信息，预测信息描述、表征或定义基于姿势的身体行为事件的所预测发生。
实例77：根据实例71所述的系统，其中：所关注的基于姿势的身体行为事件对应于食物摄入事件；由系统管理的药物是胰岛素；且调整步骤计算待施用胰岛素的剂量。
实例78：一种操作自动药物给药和分配系统的方法，所述系统具有检测用户的身体移动的姿势传感器，所述方法包括以下步骤：维持用于确定所关注的基于姿势的身体行为事件是否已发生或很可能发生的默认事件声明准则；从姿势传感器获得姿势传感器读数；根据默认事件声明准则和从不同于姿势传感器的至少一个数据源获得的外部信息导出用于确定所关注的基于姿势的身体行为事件是否已发生或很可能发生的最终事件声明准则；分析所获得姿势传感器读数以确定是否满足最终事件声明准则；当所获得姿势传感器读数满足最终事件声明准则时，声明检测到所关注的基于姿势的身体行为事件；以及响应于所述声明而调整药物剂量、药物分配参数或药物剂量和药物分配参数两者。
实例79：根据实例78所述的方法，其中导出步骤在外部信息以高置信度指示所关注的基于姿势的身体行为事件已发生时，降低默认事件声明准则的要求；在外部信息以低置信度指示所关注的基于姿势的身体行为事件已发生时，增大默认事件声明准则的要求；或在外部信息不足以影响默认事件声明准则时，保持默认事件声明准则。
实例80：根据实例78所述的方法，其中：所关注的基于姿势的身体行为事件对应于食物摄入事件；由系统管理的药物是胰岛素；且调整步骤计算待施用胰岛素的剂量。
实例81：一种自动药物给药和分配系统，其包括：用以检测自动药物给药和分配系统的用户的身体移动的姿势传感器；用以产生指示用户的生理特性的传感器数据的测量传感器；用以处理由测量传感器产生的传感器数据的测量传感器处理器；包括程序代码指令的计算机可读存储介质；以及至少一个处理器，其中程序代码指令可配置成使得至少一个处理器执行包括以下步骤的方法：基于对从姿势传感器获得的姿势传感器读数的分析检测基于姿势的身体行为事件的发生；向测量传感器和测量传感器处理器中的至少一个提供对应于基于姿势的身体行为事件的所检测发生的事件信息；以及根据所提供事件信息调整测量传感器和测量传感器处理器中的至少一个的操作参数。
实例82：根据实例81所述的系统，其中由至少一个处理器执行的所述方法进一步包括以下步骤：响应于基于姿势的身体行为事件的所检测发生而调节药物剂量、药物分配参数或药物剂量和药物分配参数两者。
实例83：根据实例81所述的系统，其中由至少一个处理器执行的所述方法进一步包括以下步骤：由测量传感器处理器从传感器数据产生传感器测量信息；以及响应于传感器测量信息而调节药物剂量、药物分配参数或药物剂量和药物分配参数两者。
实例84：根据实例83所述的系统，其中调节步骤响应于基于姿势的身体行为事件的所检测发生而调整药物剂量、药物分配参数或药物剂量和药物分配参数两者。
实例85：根据实例83所述的系统，其中：基于姿势的身体行为事件的所检测发生对应于食物摄入事件；系统管理胰岛素的给药和分配；且调节步骤计算待施用胰岛素的剂量。
实例86：根据实例81所述的系统，其中测量传感器包括连续葡萄糖监测器。
实例87：根据实例81所述的系统，其中所提供事件信息包括描述、表征或定义食物摄入事件的数据。
实例88：根据实例81所述的系统，其中调整步骤包括：改变供应到测量传感器和测量传感器处理器中的至少一个的电力量；更改测量传感器的测量取样速率；修改由测量传感器处理器产生的输出的时序；或变化测量传感器和测量传感器处理器中的至少一个的性能模式。
实例89：一种操作自动药物给药和分配系统的方法，所述系统包括用以检测用户的身体移动的姿势传感器，用以产生指示用户的生理特性的传感器数据的测量传感器，以及用以处理传感器数据的测量传感器处理器，所述方法包括以下步骤：从姿势传感器获得姿势传感器读数；基于对所获得姿势传感器读数的分析检测基于姿势的身体行为事件的发生；向测量传感器和测量传感器处理器中的至少一个提供对应于基于姿势的身体行为事件的所检测发生的事件信息，事件信息被格式化，以根据所提供事件信息控制测量传感器和测量传感器处理器中的至少一个的操作参数调整。
实例90：根据实例89所述的方法，其中所提供事件信息被格式化以控制对系统的药物剂量、药物分配参数或药物剂量和药物分配参数两者的调整。
实例91：根据实例90所述的方法，其中：基于姿势的身体行为事件的所检测发生对应于食物摄入事件；系统管理胰岛素的给药和分配；且所提供事件信息影响待施用胰岛素剂量的计算。
实例92：根据实例89所述的方法，其中所提供事件信息包括描述、表征或定义食物摄入事件的数据。
实例93：根据实例89所述的方法，其进一步包括调整操作参数的步骤，其中调整步骤包括：改变供应到测量传感器和测量传感器处理器中的至少一个的电力量；更改测量传感器的测量取样速率；修改由测量传感器处理器产生的输出的时序；或变化测量传感器和测量传感器处理器中的至少一个的性能模式。
实例94：一种操作自动药物给药和分配系统的方法，所述系统包括用以检测用户的身体移动的姿势传感器，用以产生指示用户的生理特性的传感器数据的测量传感器，以及用以处理传感器数据的测量传感器处理器，所述方法包括以下步骤：从姿势传感器获得姿势传感器读数；基于对所获得姿势传感器读数的分析检测基于姿势的身体行为事件的发生；向测量传感器和测量传感器处理器中的至少一个提供对应于基于姿势的身体行为事件的所检测发生的事件信息；以及根据所提供事件信息调整测量传感器和测量传感器处理器中的至少一个的一个或多个操作参数。
实例95：根据实例94所述的方法，其进一步包括以下步骤：响应于基于姿势的身体行为事件的所检测发生而调节药物剂量、药物分配参数或药物剂量和药物分配参数两者。
实例96：根据实例94所述的方法，其进一步包括以下步骤：由测量传感器处理器从传感器数据产生传感器测量信息；以及响应于传感器测量信息而调节药物剂量、药物分配参数或药物剂量和药物分配参数两者。
实例97：根据实例96所述的方法，其中药物剂量或药物分配参数是基于传感器测量信息而确定。
实例98：根据实例94所述的方法，其中：基于姿势的身体行为事件的所检测发生对应于食物摄入事件；系统管理胰岛素的给药和分配；且所提供事件信息影响待施用胰岛素剂量的计算。
实例99：根据实例94所述的方法，其中所提供事件信息包括描述、表征或定义食物摄入事件的数据。
实例100：根据实例94所述的方法，其中调整步骤包括：改变供应到测量传感器和测量传感器处理器中的至少一个的电力量；更改测量传感器的测量取样速率；修改由测量传感器处理器产生的输出的时序；或变化测量传感器和测量传感器处理器中的至少一个的性能模式。
结论
如上文所描述，存在可用作本文中所提供的药物分配治疗方案和替代方案的部分的各种方法和设备。连接性用语，例如“A、B、和C中的至少一个”或“A、B和C中的至少一个”形式的短语，除非另外特定陈述或另外明显与上下文相矛盾，否则结合如所用的上下文一般理解为品目、术语等可以是A或B或C；或A和B和C的集合的任何非空子集。例如，在具有三个成员的集合的说明性实例中，连接性短语“A、B、和C中的至少一个”和“A、B和C中的至少一个”是指以下集合中的任一个：{A}、{B}、{C}、{A,B}、{A,C}、{B,C}、{A,B,C}。因此，此类连接性用语通常并不意味着暗示某些实施例要求至少一个A、至少一个B和至少一个C均要存在。
除非本文另外指示或另外明显与上下文相矛盾，否则本文中所描述的过程的操作可以任何合适次序执行。本文描述的过程(或其变型和/或组合)可在配置有可执行指令的一个或多个计算机系统的控制下执行，且可实施为通过硬件或其组合在一个或多个处理器上共同执行的代码(例如，可执行指令、一个或多个计算机程序或一个或多个应用程序)。所述代码可存储在计算机可读存储介质上，例如呈计算机程序形式，所述计算机程序包括可由一个或多个处理器执行的多个指令。计算机可读存储介质可以是非暂时性的。
结合所说明过程执行的各种任务可由可用本文中所描述的装置、系统或组件中的任一个实施的软件、硬件、固件或其任何组合执行。应了解，所描述过程可包含任何数目的额外或替代任务，无需按所说明次序执行流程图中所示的任务，且所描述过程可并入到具有在本文中未详细描述的额外功能性的较全面程序或过程中。此外，流程图中所示的任务中的一个或多个可从所描述过程的实施例省略，只要预期的整体功能性仍完整即可。
除非另外要求，否则本文提供的任何和所有实例或示例性语言(例如，“例如”)的使用仅在于更好地阐明本发明的实施例，且不对本发明的范围施加限制。本说明书中的任何语言都不应被解释为将任何未要求保护的要素指示为实践本发明所必须的。
在阅读本公开之后，所属领域的技术人员可设想其它实施例。在其它实施例中，可有利地进行上文公开的发明的组合或子组合。出于说明的目的而示出组件的实例布置，且应理解，本发明的替代实施例中涵盖组合、添加、重新布置等。因此，虽然本发明已相对于示例性实施例进行了描述，但所属领域的技术人员应认识到，许多修改是可能的。
例如，本文所描述的过程可使用硬件组件、软件组件和/或其任何组合来实施。因此，应在说明性意义上而非限制性意义上看待说明书和图式。然而，明显可在不脱离如权利要求书中阐述的本发明的广泛精神和范围的情况下对本发明进行各种修改和改变，且本发明旨在涵盖随附权利要求书的范围内的所有修改和等效物。
本文引用的所有参考文献，包含出版物、专利申请和专利特此通过引用的方式并入，其程度与每篇参考文献被单独并且具体地指示以通过引用的方式并入并且在本文中整体阐述一样。
应注意，在本文中将方法描述为自动地调整药物剂量和分配参数的情况下，应同样设想到所述方法可产生被发送或显示给用户或其医疗顾问的推荐。用户或医疗顾问将接着在所述推荐的指导下使用其判断决定进行任何调整。推荐可呈消息的形式，其可任选地还包含产生所述推荐的因素的细节。
现将在两个带编号段落集合中描述形成本公开的部分的再其它实例。第一集合被指示为实例集合“A”且第二集合被指示为实例集合“B”。
集合“A”
段落A1.一种自动药物给药和分配系统，其包括：姿势传感器(1900)，所述传感器用以检测自动药物给药和分配系统的用户的身体移动；包括程序代码指令的计算机可读存储介质；以及至少一个处理器，其中程序代码指令配置成使得至少一个处理器执行包括以下步骤的方法：基于对从姿势传感器获得的姿势传感器读数的分析检测基于姿势的身体行为事件的发生(3004)；计算基于姿势的身体行为事件的所检测发生的初始置信水平(3006)；根据初始置信水平和从不同于姿势传感器的至少一个数据源获得的外部信息导出基于姿势的身体行为事件的所检测发生的最终置信水平(3010)；以及响应于基于姿势的身体行为事件的所检测发生和最终置信水平而调整药物剂量、药物分配参数或药物剂量和药物分配参数两者(3012)。
段落A2.根据段落A1所述的系统，其中：至少一个数据源包括物理上不同于姿势传感器的辅助事件检测系统；辅助事件检测系统包括用以产生与用户姿势不直接相关的用户状态信息的至少一个组件；且外部信息包括用户状态信息。
段落A3.根据段落A1所述的系统，其中：至少一个数据源包括产生指示用户的生理特性的传感器数据的测量传感器；外部信息包括传感器数据；且药物剂量或药物分配参数是基于传感器数据而确定。
段落A4.根据段落A3所述的系统，其中测量传感器包括连续葡萄糖监测器。
段落A5.根据段落A1所述的系统，其中：至少一个数据源包括用以预测基于姿势的身体行为事件的未来发生的预测系统；且外部信息包括由预测系统产生的预测信息，预测信息描述、表征或定义基于姿势的身体行为事件的所预测未来发生。
段落A6.根据段落A1到A5中任一项所述的系统，其中：基于姿势的身体行为事件的所检测发生对应于食物摄入事件；由系统管理的药物是胰岛素；且调整步骤计算待施用胰岛素的剂量。
段落A7.一种通知用户或医疗顾问需要调整由药物给药和分配系统提供的药物的方法，所述系统具有检测用户的身体移动的姿势传感器，所述方法包括以下步骤：从姿势传感器(1900)获得姿势传感器读数；基于对所获得姿势传感器读数的分析检测基于姿势的身体行为事件的发生(3004)；计算基于姿势的身体行为事件的所检测发生的初始置信水平(3006)；根据初始置信水平和从不同于姿势传感器的至少一个数据源获得的外部信息导出基于姿势的身体行为事件的所检测发生的最终置信水平(3010)；响应于基于姿势的身体行为事件的所检测发生和最终置信水平而计算所调整药物剂量、药物分配参数或药物剂量和药物分配参数两者；以及向用户或医疗顾问发送包括推荐的消息，所述推荐包含计算出的所调整药物剂量、药物分配参数或药物剂量和药物分配参数两者，且任选地指示基于姿势的身体行为事件的所检测发生和最终置信水平。
段落A8.根据段落A7所述的方法，其中：至少一个数据源包括以下中的一个或多个：A)物理上不同于姿势传感器的辅助事件检测系统；其中辅助事件检测系统包括用以产生与用户姿势不直接相关的用户状态信息的至少一个组件；且外部信息包括用户状态信息；B)产生指示用户的生理特性的传感器数据的测量传感器；其中外部信息包括传感器数据；以及C)用以预测基于姿势的身体行为事件的未来发生的预测系统；其中外部信息包括由预测系统产生的预测信息，预测信息描述、表征或定义基于姿势的身体行为事件的所预测未来发生。
段落A9.一种自动药物给药和分配系统，其包括：姿势传感器，所述传感器用以检测自动药物给药和分配系统的用户的身体移动；包括程序代码指令的计算机可读存储介质；以及至少一个处理器，其中程序代码指令配置成使得至少一个处理器执行包括以下步骤的方法：维持用于确定所关注的基于姿势的身体行为事件是否已发生或很可能发生的默认事件声明准则(3102)；从姿势传感器获得姿势传感器读数(3104)；根据默认事件声明准则和从不同于姿势传感器(1900)的至少一个数据源获得的外部信息导出用于确定所关注的基于姿势的身体行为事件是否已发生或很可能发生的最终事件声明准则(3108)；分析所获得姿势传感器读数以确定是否满足最终事件声明准则(3110)；当所获得姿势传感器读数满足最终事件声明准则时，声明检测到所关注的基于姿势的身体行为事件(3114)；以及响应于所述声明而调整药物剂量、药物分配参数或药物剂量和药物分配参数两者(3116)。
段落A10.根据段落A9所述的系统，其中导出步骤在外部信息以高置信度指示所关注的基于姿势的身体行为事件已发生时，降低默认事件声明准则的要求；在外部信息以低置信度指示所关注的基于姿势的身体行为事件已发生时，增大默认事件声明准则的要求；或在外部信息不足以影响默认事件声明准则时，保持默认事件声明准则。
段落A11.根据段落A9或A10所述的系统，其中：至少一个数据源包括以下中的一个或多个：A)物理上不同于姿势传感器的辅助事件检测系统；其中辅助事件检测系统包括用以产生与用户姿势不直接相关的用户状态信息的至少一个组件；且外部信息包括用户状态信息；B)产生指示用户的生理特性的传感器数据的测量传感器，例如连续葡萄糖监测器；其中外部信息包括传感器数据；以及C)用以预测基于姿势的身体行为事件的未来发生的预测系统；其中外部信息包括由预测系统产生的预测信息，预测信息描述、表征或定义基于姿势的身体行为事件的所预测发生。
段落A12.根据段落A9到A11中任一项所述的系统，其中：所关注的基于姿势的身体行为事件对应于食物摄入事件；由系统管理的药物是胰岛素；且调整步骤计算待施用胰岛素的剂量。
段落A13.一种通知用户或医疗从业者需要调整由药物给药和分配系统提供的药物的方法，所述系统具有检测用户的身体移动的姿势传感器(1900)，所述方法包括以下步骤：维持用于确定所关注的基于姿势的身体行为事件是否已发生或很可能发生的默认事件声明准则(3102)；从姿势传感器(1900)获得姿势传感器读数(3104)；根据默认事件声明准则和从不同于姿势传感器(1900)的至少一个数据源获得的外部信息导出用于确定所关注的基于姿势的身体行为事件是否已发生或很可能发生的最终事件声明准则(3108)；分析所获得姿势传感器读数以确定是否满足最终事件声明准则(3110)；当所获得姿势传感器读数满足最终事件声明准则时，声明检测到所关注的基于姿势的身体行为事件；响应于所述声明而计算所调整的药物剂量、药物分配参数或药物剂量和药物分配参数两者；以及向用户或医疗顾问发送消息，所述消息包括基于药物剂量、药物分配参数或药物剂量和药物分配参数两者的计算的推荐，所述消息任选地指示所声明的所关注的基于姿势的身体行为事件。
段落A14.根据段落A13所述的方法，其中导出步骤在外部信息以高置信度指示所关注的基于姿势的身体行为事件已发生时，降低默认事件声明准则的要求；在外部信息以低置信度指示所关注的基于姿势的身体行为事件已发生时，增大默认事件声明准则的要求；以及在外部信息不足以影响默认事件声明准则时，保持默认事件声明准则。
段落A15.根据段落A13或A14所述的方法，其中：所关注的基于姿势的身体行为事件对应于食物摄入事件；由系统管理的药物是胰岛素；且计算步骤计算待施用胰岛素的剂量。
集合“B”
段落B1.一种自动药物给药和分配系统，其包括：用以检测自动药物给药和分配系统的用户的身体移动的姿势传感器(1900)；用以产生指示用户的生理特性的传感器数据的测量传感器(1904)；用以处理由测量传感器产生的传感器数据的测量传感器处理器；包括程序代码指令的计算机可读存储介质；以及至少一个处理器，其中程序代码指令配置成使得至少一个处理器执行包括以下步骤的方法：基于对从姿势传感器(1900)获得的姿势传感器读数的分析检测基于姿势的身体行为事件的发生；向测量传感器和测量传感器处理器中的至少一个提供对应于基于姿势的身体行为事件的所检测发生的事件信息；以及根据所提供事件信息调整测量传感器和测量传感器处理器中的至少一个的操作参数(3208)。
段落B2.根据段落B1所述的系统，其中由至少一个处理器执行的所述方法进一步包括以下步骤：响应于基于姿势的身体行为事件的所检测发生而调节药物剂量、药物分配参数或药物剂量和药物分配参数两者(3212)。
段落B3.根据段落B1或B2所述的系统，其中由至少一个处理器执行的所述方法进一步包括以下步骤：由测量传感器处理器从传感器数据产生传感器测量信息；以及响应于传感器测量信息而调节药物剂量、药物分配参数或药物剂量和药物分配参数两者。
段落B4.根据段落B2或B3所述的系统，其中：基于姿势的身体行为事件的所检测发生对应于食物摄入事件；系统管理胰岛素的给药和分配；且调节步骤计算待施用胰岛素的剂量。
段落B5.根据段落B1到B4中任一项所述的系统，其中测量传感器包括连续葡萄糖监测器。
段落B6.根据段落B1到B5中任一项所述的系统，其中调整步骤包括：改变供应到测量传感器和测量传感器处理器中的至少一个的电力量；更改测量传感器的测量取样速率；修改由测量传感器处理器产生的输出的时序；或变化测量传感器和测量传感器处理器中的至少一个的性能模式。
段落B7.一种操作自动药物给药和分配系统的方法，所述系统包括用以检测用户的身体移动的姿势传感器，用以产生指示用户的生理特性的传感器数据的测量传感器，以及用以处理传感器数据的测量传感器处理器，所述方法包括以下步骤：从姿势传感器获得姿势传感器读数；基于对所获得姿势传感器读数的分析检测基于姿势的身体行为事件的发生；向测量传感器和测量传感器处理器中的至少一个提供对应于基于姿势的身体行为事件的所检测发生的事件信息，事件信息被格式化，以根据所提供事件信息控制测量传感器和测量传感器处理器中的至少一个的操作参数调整。
段落B8.根据段落B7所述的方法，其中所提供事件信息被格式化以计算系统的所调整药物剂量、药物分配参数或药物剂量和药物分配参数两者；且所述方法进一步提供向用户或医疗顾问发送消息，所述消息包括基于系统的所调整药物剂量、药物分配参数或药物剂量和药物分配参数两者的计算的推荐。
段落B9.一种操作自动药物给药和分配系统的方法，所述系统包括用以检测用户的身体移动的姿势传感器，用以产生指示用户的生理特性的传感器数据的测量传感器，以及用以处理传感器数据的测量传感器处理器，所述方法包括以下步骤：从姿势传感器获得姿势传感器读数；基于对所获得姿势传感器读数的分析检测基于姿势的身体行为事件的发生；向测量传感器和测量传感器处理器中的至少一个提供对应于基于姿势的身体行为事件的所检测发生的事件信息；以及根据所提供事件信息调整测量传感器和测量传感器处理器中的至少一个的一个或多个操作参数。
段落B10.根据段落B9所述的方法，其进一步包括以下步骤：响应于基于姿势的身体行为事件的所检测发生而向用户或医疗顾问发送消息，所述消息推荐修改后的药物剂量、药物分配参数或药物剂量和药物分配参数两者。
段落B11.根据段落B9所述的方法，其进一步包括以下步骤：由测量传感器处理器从传感器数据产生传感器测量信息；响应于传感器测量信息而计算药物剂量、药物分配参数或药物剂量和药物分配参数两者；以及根据计算结果向用户或医疗顾问发送消息，所述消息包括药物剂量、药物分配参数或药物剂量和药物分配参数两者的推荐。
段落B12.根据段落B11所述的方法，其中药物剂量或药物分配参数是基于传感器测量信息而确定。
段落B13.根据段落B9到B12中任一项所述的方法，其中：基于姿势的身体行为事件的所检测发生对应于食物摄入事件；系统管理胰岛素的给药和分配；且所提供事件信息影响待推荐胰岛素剂量的计算。
段落B14.根据段落B1到B7中任一项所述的系统或根据段落B7到B13中任一项所述的方法，其中所提供事件信息包括描述、表征或定义食物摄入事件的数据。
段落B15.根据段落B7到B14中任一项所述的方法，其中调整包括：改变供应到测量传感器和测量传感器处理器中的至少一个的电力量；更改测量传感器的测量取样速率；修改由测量传感器处理器产生的输出的时序；或变化测量传感器和测量传感器处理器中的至少一个的性能模式。

Claims (15)

1.一种自动药物给药和分配系统(2100)，其包括：
传感器(1900)，其用以检测所述自动药物给药和分配系统的用户的身体移动；
计算机可读存储介质，其包括程序代码指令；以及
至少一个处理器，其中所述程序代码指令配置成使得所述至少一个处理器执行包括以下步骤的方法：
基于对从所述传感器获得的传感器读数的分析检测(2806)基于姿势的身体行为事件的发生；
存储(2808)对应于基于姿势的身体行为事件的所检测发生的历史事件信息；
处理(2908)所存储历史事件信息以预测所关注的身体行为事件的未来发生；以及
响应于所述所关注的身体行为事件的所预测未来发生而调整(2916)药物剂量、药物分配参数或药物剂量和药物分配参数两者。
2.根据权利要求1所述的系统，其中处理步骤(2908)包括处理所述所存储历史事件信息，和从不同于所述传感器的检测系统接收和/或包括与食物摄入事件不直接相关的信息的至少一个辅助输入。
3.根据权利要求1或2所述的系统，其中所述处理步骤(2908)包括处理所述所存储历史事件信息和从所述传感器实时获得的当前传感器读数，其包含比较所述当前传感器读数与所述所存储历史事件信息。
4.根据权利要求1、2或3所述的系统，其中所述传感器读数中的至少一个测量所述用户的特定身体部位的移动。
5.根据权利要求1到4中任一权利要求所述的系统，其中由所述至少一个处理器执行的所述方法进一步包括向所述用户发送(2912)消息的步骤，其中所述消息与所述所关注的身体行为事件的所述所预测未来发生相关。
6.根据权利要求1到5中任一权利要求所述的系统，其中：
基于姿势的身体行为事件的所述所检测发生对应于食物摄入事件；且
所述调整是响应于所预测食物摄入事件而执行。
7.根据权利要求1到6中任一权利要求所述的系统，其中：
由所述系统管理的所述药物是胰岛素；且
调整步骤计算待施用胰岛素的剂量。
8.根据权利要求1到7中任一权利要求所述的系统，其中：
由所述至少一个处理器执行的所述方法进一步包括计算所述所关注的身体行为事件的所述所预测未来发生的置信水平的步骤；且
所述调整是响应于所述置信水平而执行。
9.一种通知用户或医疗顾问需要调整由药物给药和分配系统提供的药物的方法，所述系统具有检测用户的移动的传感器(1900)，所述方法包括以下步骤：
从所述传感器获得传感器读数(2802)；
基于对所获得传感器读数的分析检测(2806)基于姿势的身体行为事件的发生；
存储(2808)对应于基于姿势的身体行为事件的所检测发生的历史事件信息；
用所述药物给药和分配系统的至少一个处理器处理(2908)所存储历史事件信息以预测所关注的身体行为事件的未来发生；
响应于所述所关注的身体行为事件的所预测未来发生而计算所调整药物剂量、药物分配参数或药物剂量和药物分配参数两者；以及
向所述用户或医疗顾问发送消息，所述消息包括基于所述所调整药物剂量、药物分配参数或药物剂量和药物分配参数两者的所述计算的推荐，所述消息任选地指示所述所关注的身体行为事件的所述所预测未来发生。
10.根据权利要求9所述的方法，其中所述传感器读数中的至少一个测量所述用户的特定身体部位的移动。
11.根据权利要求9或10所述的方法，其中处理步骤包括处理所述所存储历史事件信息和从不同于所述传感器的检测系统接收的至少一个辅助输入。
12.根据权利要求11所述的方法，其中：
基于姿势的身体行为事件的所述所检测发生对应于食物摄入事件；且
所述至少一个辅助输入包括与食物摄入事件不直接相关的信息。
13.根据权利要求9到12中任一权利要求所述的方法，其中：
基于姿势的身体行为事件的所述所检测发生对应于食物摄入事件；且
所述推荐是响应于所预测食物摄入事件而产生。
14.根据权利要求9到13中任一权利要求所述的方法，其中：
由所述系统管理的所述药物是胰岛素；且
所述计算包含推荐待施用的胰岛素剂量。
15.根据权利要求9所述的方法，其进一步包括计算(2910)所述所关注的身体行为事件的所述所预测未来发生的置信水平的步骤，其中用于调整的所述推荐是响应于所述置信水平。
CN202080075761.7A 2019-10-29 2020-10-23 身体行为事件的自动检测和药物分配系统的对应调整 Pending CN114616627A (zh)

Applications Claiming Priority (15)

Application Number Priority Date Filing Date Title
US16/667,641 US11367516B2 (en) 2018-10-31 2019-10-29 Automated detection of a physical behavior event and corresponding adjustment of a medication dispensing system
US16/667,641 2019-10-29
US16/667,650 2019-10-29
US16/667,650 US20200135320A1 (en) 2018-10-31 2019-10-29 Automated detection of a physical behavior event and corresponding adjustment of a medication dispensing system based on historical events
PCT/US2019/058874 WO2020092573A1 (en) 2018-10-31 2019-10-30 Automated detection of a physical behavior event and corresponding adjustment of a medication dispensing system
USPCT/US2019/058874 2019-10-30
US201962932370P 2019-11-07 2019-11-07
US62/932,370 2019-11-07
US16/886,353 US11367517B2 (en) 2018-10-31 2020-05-28 Gesture-based detection of a physical behavior event based on gesture sensor data and supplemental information from at least one external source
US16/886,353 2020-05-28
US16/886,329 US11363986B2 (en) 2018-10-31 2020-05-28 Automated detection of a physical behavior event and corresponding adjustment of a medication dispensing system
US16/886,360 2020-05-28
US16/886,360 US20200289373A1 (en) 2018-10-31 2020-05-28 Automated detection of a physical behavior event and corresponding adjustment of a physiological characteristic sensor device
US16/886,329 2020-05-28
PCT/US2020/056959 WO2021086741A1 (en) 2019-10-29 2020-10-23 Automated detection of a physical behavior event and corresponding adjustment of a medication dispensing system

Publications (1)

Publication Number Publication Date
CN114616627A true CN114616627A (zh) 2022-06-10

Family

ID=75715290

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202080075761.7A Pending CN114616627A (zh) 2019-10-29 2020-10-23 身体行为事件的自动检测和药物分配系统的对应调整

Country Status (3)

Country Link
EP (1) EP4052263A1 (zh)
CN (1) CN114616627A (zh)
WO (1) WO2021086741A1 (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115631871A (zh) * 2022-12-22 2023-01-20 北京大学第三医院（北京大学第三临床医学院） 一种药物相互作用等级的确定方法和装置

Families Citing this family (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CA3013053A1 (en) 2016-01-28 2017-08-03 Savor Labs, Inc. Method and apparatus for tracking of food intake and other behaviors and providing relevant feedback
US11367516B2 (en) 2018-10-31 2022-06-21 Medtronic Minimed, Inc. Automated detection of a physical behavior event and corresponding adjustment of a medication dispensing system

Family Cites Families (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20160232811A9 (en) * 2012-06-14 2016-08-11 Robert A. Connor Eyewear System for Monitoring and Modifying Nutritional Intake
US20170213014A1 (en) * 2016-01-22 2017-07-27 Covidien Lp System and method for detecting smoking behavior
US10854322B2 (en) * 2016-12-21 2020-12-01 Medtronic Minimed, Inc. Infusion systems and methods for patient activity adjustments

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115631871A (zh) * 2022-12-22 2023-01-20 北京大学第三医院（北京大学第三临床医学院） 一种药物相互作用等级的确定方法和装置

Also Published As

Publication number Publication date
WO2021086741A1 (en) 2021-05-06
EP4052263A1 (en) 2022-09-07

Similar Documents

Publication Publication Date Title
JP7446295B2 (ja) 身体挙動イベントの自動検出及びこれに対応する薬剤投与システムの調整
US11759399B2 (en) Performance mode adjustment based on activity detection
US11929167B2 (en) Method and apparatus for tracking of food intake and other behaviors and providing relevant feedback
US20230297858A1 (en) Nutritional Content Determination Based on Gesture Detection Data
US11728024B2 (en) Method and apparatus for tracking of food intake and other behaviors and providing relevant feedback
US11367517B2 (en) Gesture-based detection of a physical behavior event based on gesture sensor data and supplemental information from at least one external source
US11363986B2 (en) Automated detection of a physical behavior event and corresponding adjustment of a medication dispensing system
JP6904957B2 (ja) ロバストなヘルストラッキングサービス
CN111655128A (zh) 用于决策支持的系统和方法
US20210229199A1 (en) Method and tool for reconditioning a damaged thread
CN114616627A (zh) 身体行为事件的自动检测和药物分配系统的对应调整

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
CB02 Change of applicant information

Address after: California, USA

Applicant after: MEDTRONIC MINIMED, Inc.

Address before: California, USA

Applicant before: MEDTRONIC MINIMED, Inc.

CB02 Change of applicant information
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination