FI111514B - Menetelmä mitattavan kohteen fyysisen kunnon mittaamiseksi - Google Patents

Description

111514

Menetelmä mitattavan kohteen fyysisen kunnon mittaamiseksi

Keksinnön kohteena on menetelmä mitattavan kohteen fyysisen kunnon mittaamiseksi.

5 Keksinnön kohteena on myös laite mitattavan kohteen fyysisen kun non mittaamiseksi.

Fyysisen kunnon esimerkiksi ihmisen fyysisen suorituskyvyn mittarina käytetään kuntoluokitusta, joka perustuu maksimaalisen hapenottokyvyn mittaamiseen.

10 Tunnetut ratkaisut kuntoluokan määrittämiseen ja mittaukseen ovat joko suora rasitusmittaus tai epäsuora mittaus. Suorassa rasitusmittauksessa mitataan maksimaalinen hapenottokyky suoraan hengityskaasuista maksimaalisessa rasituksessa esimerkiksi juoksumaton tai polkupyöräergometrin avulla. Epäsuorassa mittauksessa mitataan suoritettu työ tietyssä ajassa kuten ns.

15 Cooperin testissä, jossa mitataan 12 minuutin aikana juostu matka. Kummassakin tunnetussa menetelmässä kunnon mittaus tapahtuu aktiivisen suorituksen mittauksella, joten tällaiset menetelmät ovat kunnon määrityksen suorittamisen osalta työläitä, hankalia ja kalliita järjestää. Keskimääräistä sydämen leposykettä on pidetty yhtenä kunnon mittarina, mutta se ei anna luotettavia tuloksia, koska 20 leposykkeen korrelaatio esimerkiksi maksimaaliseen hapenottokykyyn on vain luokkaa 0,4-0,45. Myöskään muilla sydämen sykeparametreilla ei saavuteta parempia korrelaatioita maksimaaliseen hapenottokykyyn.

Tämän keksinnön tarkoituksena on tuoda esiin uudentyyppinen menetelmä, joka välttää tunnettuihin ratkaisuihin liittyvät ongelmat.

... 25 Tämä tarkoitus saavutetaan keksinnön mukaisella menetelmällä, jolle on tunnusomaista, että menetelmässä käytetään neuroverkkorakenteen avulla saatua laskentakaavaa, johon syötetään mitattavaa kohdetta kuvaavia sisääntu-loparametreja, sisääntuloparametrien ainakin käsittäessä yhden tai useampia seuraavista fysiologisista parametreista kuten sukupuoli, ikä, pituus, paino, ja 30 josta laskentakaavasta tuloksena saadaan mitattavan kohteen kuntoa kuvaava .. yksi tai useampi ulostuloparametri, laskentakaavan muodostamisessa käytetyn neuroverkkorakenteen ollessa opetettu riittävän suurella määrällä todellisia mittaustuloksia, jotka käsittävät vastaavanlaisia sisääntuloparametreja ja yhden tai useamman vastaavanlaisen ulostuloparametrin.

35 Menetelmässä laskentakaavan sisääntuloparametrina fysiologisten parametrien lisäksi käytetään sydämen leposykkeestä mitattua yhtä tai useam- 111514 2 paa leposykeparametria, ja joka menetelmä on sellainen, että siinä sisääntulo-parametreiksi määritetään yksi tai useampi seuraavista leposykeparametreista kuten keskimääräinen sykeaikaväli, sykeaikavälien keskihajonta, maksimi syke-aikaväli, ja laskennan tuloksena saadaan ulostuloparametrina sisääntulopara-5 metrejä vastaava maksimaalisen hapenottokyvyn arvo ja/tai hapenottokykyä kuvaava kuntoluokitus tai muu vastaava fyysistä kuntoa kuvaava arvo.

Tämä tarkoitus saavutetaan keksinnön mukaisella menetelmällä, jolle on tunnusomaista, että menetelmässä käytetään ennalta määrättyä laskentakaavaa, johon syötetään mitattavaa kohdetta kuvaavia fysiologisia sisääntulopa-10 rametreja, sisääntuloparametrien ainakin käsittäessä yhden tai useampia seuraavista fysiologisista parametreista kuten sukupuoli, ikä, pituus, paino, ja josta laskentakaavasta tuloksena saadaan mitattavan kohteen kuntoa kuvaava yksi tai useampi ulostuloparametri.

Menetelmässä laskentakaavan sisääntuloparametrina fysiologisten 15 parametrien lisäksi käytetään sydämen leposykkeestä mitattua yhtä tai useampaa leposykeparametria, ja joka menetelmä on sellainen, että siinä sisääntulo-parametreiksi määritetään yksi tai useampi seuraavista leposykeparametreista kuten keskimääräinen sykeaikaväli, sykeaikavälien keskihajonta, maksimi syke-aikaväli, ja laskennan tuloksena saadaan ulostuloparametrina sisääntulopara-20 metrejä vastaava maksimaalisen hapenottokyvyn arvo ja/tai hapenottokykyä kuvaava kuntoluokitus tai muu vastaava fyysistä kuntoa kuvaava arvo.

Keksinnön kohteena olevalle laitteelle on tunnusomaista, että laite käsittää välineet sydämen leposykkeen detektoimiseksi ja lähettämiseksi laitteen lisäksi käsittämälle laskentayksikölle, ja että laite käsittää välineet mitattavaa 25 kohdetta kuvaavien fysiologisten sisääntuloparametrien syöttämiseen laskentayksikölle kuntoa kuten maksimaalista hapenottokykyä, kuntoluokitusta tai muuta vastaavaa fyysisen kunnon indikaattoria esittävän ulostulosuureen laskemiseksi fysiologisten piirteiden ja laskentayksikköön myöskin syötetyn leposyke-tiedon perusteella, ja välineet kuten näytön ja/tai muistin laskennan tuloksena 30 saadun fyysisen kunnon ilmoittamiseksi ja/tai tallentamiseksi, ja että laite, käsittää välineet, joilla leposykkeestä määritetään sisääntuloparametreiksi yksi tai useampi seuraavista leposykeparametreista kuten keskimääräinen sykeaikaväli, sykeaikavälien keskihajonta, maksimi sykeaikaväli.

Keksinnön mukainen menetelmä ja laite perustuu siihen ajatukseen, 35 että käytetään sisääntulotietona leposykkeen parametreja, ja käytetään edullisimmin neuroverkon avulla ennalta määritettyä laskentakaavaa, johon tulotie- 3 111514 doiksi syötetään leposykeparametrit ja ihmisen fyysiset parametrit ja lasketaan ulostulotietona maksimaalinen hapenottokyky, joka kuvaa ihmisen fyysistä kuntoa. Laskentakaavan muodostuksessa käytetty neuroverkko on opetettu vastaavilla tiedoilla käyttäen laajaa todellista mittausaineistoa. Mittaustietona tarvitaan 5 henkilön sydämen sykkeen ja sykevariaation eri parametreja muutaman minuutin ajalta mitattuna ja näiden sykkeestä saatujen parametrien lisäksi hyödynnetään henkilön fyysisiä mittaparametreja, esimerkiksi painoa, pituutta, ikää ja sukupuolta. Leposykkeestä mitatut tiedot ja henkilön esitiedot annetaan laskentakaavaan syöttötiedoiksi. Neuroverkolla laskentakaavaa määritettäessä on edulli-10 simmin sumean logiikan avulla tehty lisäksi erilaisia sääntöjä eli sumeutettu eri muuttujien tai muuttujakombinaatioiden vaikutusta lopputulokseen eli kuntoluok-kaan. Neuroverkon avulla määritetty laskentakaava laskee opetusaineiston perusteella saatujen painotusten mukaan uusista syöttötiedoista henkilön maksimaalisen hapenottokyvyn ja määrittää vastaavan kuntoluokan.

15 Neuroverkot ovat sinänsä tunnettuja, ja niitä on aiemmin käytetty esimerkiksi sen mittaamiseen, mikä on potilaan terveydentila, henkilön saaman infarktin vakavuusaste, vanhojen ihmisten kuolleisuusriski tai mikä on henkilön verenpaine. Tällaisia ratkaisuja on esitetty mm. julkaisussa EP-555591.

Keksinnön mukaisella menetelmällä saavutetaan useita etuja. Kek-20 sinnön mukainen menetelmä on erittäin tarkka, yksinkertainen, kustannuksiltaan edullinen, ja helposti suoritettavissa oleva tapa fyysisen kunnon mittaamiseen. Keksinnön mukainen menetelmä on erityisen käyttökelpoinen kunnon testaukseen ja määritykseen esimerkiksi tavallisille kuntoilijoille, sillä leposykkeen muutaman minuutin nauhoitus ja fyysisten parametrien selvittäminen ja syöttö tarvit-... 25 tavaan mittauslaitteeseen on helppo suorittaa kotona, koska mitään rasitustestiä ei tarvitse suorittaa. Keksinnön mukaista uutta, tarkkaa ja helppoa menetelmää voidaan myös käyttää urheilijoilla kunnon muutoksen seuraamiseen. Tarkemmat suorat testit voidaan tehdä referenssinä harvemmin. Keksinnön mukainen menetelmä säästää myös kustannuksia, jotka suorassa testissä ovat huomattavat.

30 Keksinnön mukaisella tavalla on saavutettu tulokseksi jopa 0,97 luokkaa oleva korrelaatio leposykkeestä mitatun ja keksinnön mukaisella neuroverkkopoh-jaisella laskentakaavalla lasketun maksimaalisen hapenottokyvyn ja toisaalta suoralla menetelmällä mitatun hapenottokyvyn välillä. Keksinnön avulla voidaan siis luotettavasti ja helposti ilman maksimaalista rasitusta määrittää henkilön fyy-35 sinen kunto ja suorituskyky. Keksinnön mukainen menetelmä voidaan toteuttaa 4 111514 esimerkiksi ranteessa pidettävän sykemittarin, terveyskellon, tai muun vastaavan laitteen yhteydessä.

Keksintöä selitetään seuraavassa lähemmin viitaten oheisiin piirustuksiin, joissa 5 kuvio 1 esittää neuroverkkorakennetta graafisesti esitettynä kuvio 2 esittää neuroverkkorakennetta matriisimuodossa kuvio 3 esittää fyysisen kunnon laskentakaavan määrityksessä käytettyä erästä neuroverkkorakennetta kuvio 4 esittää jäsenyysfunktiota sumeassa joukossa 10 kuvio 5 esittää neuroverkkorakenteen ja siihen syötetyn laajan koeai- neiston perusteella määritettyjä kerroin- ja biasmatriiseja kuvio 6 esittää menetelmää soveltavaa laiteratkaisua kuvio 7 esittää sydämen leposykettä, kuvio 8 esittää laitetta ihmisen käyttämänä.

15 Kuviossa 7 on esitetty tyypillistä sydänsykkeen aiheuttamaa EKG-sig- naalia. Kustakin signaalista on tarkalla mittauksella tunnistettavissa P-, Q-, R-, S-, T- ja U-aallot. R-aalto muodostuu sydämen kammioiden polarisaatioista ja yleensä edustaa huippuarvoa. Huippuarvo R edustaa EKG-signaalin maksimi-kohtaa ja väli R-R edustaa sykeväliä. Syke voidaan mitata painepulssista tai op-20 tisesti.

Kuviossa 6 on esitetty esimerkki keksinnössä sovellettavasta syke-mittarilaitteistosta, edullisesti sykemittari siis muodostuu tutkittavan henkilön rinnan kohdalle kiinnitettävästä sykelähettimestä A ja sykesignaaleja langattomasi! vastaanottavasta vastaanottimesta B, johon on sisällytetty sykemittaus- ja ana-25 lysointitoiminnot. Tarkemmin ottaen eräs esimerkkilaitteisto kuviossa 6 muodostuu toisaalta lähettimestä A, johon kuuluu EKG-esivahvistin 1, johon sydänsykkeen tunnistavat elektrodit 1a, 1b on kytketty. Esivahvistimen 1 signaali vahvistetaan AGC-vahvistimessa 2 ja edelleen tehovahvistimessa 3, jossa aikaansaadaan käämejä 4 ohjaava sykesignaali, jonka pulssien välinen aikaväli sig-30 naalissa on sama kuin sydänsykkeiden aikaväli. Käämeihin 4 generoituu siten • · .. sydänsykkeen tahdissa vaihteleva magneettikenttä. Lähetinkelan 4 aiheuttama magneettikenttä ilmaistaan laitteiston toisen osan muodostavan vastaanottimen B kelalla 5. Vastaanotettu signaali vahvistetaan vastaavalla tavalla kuin lähetti-messä vahvistinpiirien 6 ja 7 avulla. Vahvistettu signaali johdetaan mikroproses-35 soriin 8, joka laskee sykesignaalista haluttuja asioita. Mikroprosessoriin on liitetty 5 111514 muisti 9 ja näyttölaite 10. Näiltä osin laite on samanlainen kuin tunnetut sykemittarit.

Kuviossa 6 uutena piirteenä laitteessa on että se käsittää laskentayksikön 200 ja syöttövälineet 201. Käytännön toteutus voi olla sellainen, että las-5 kentayksikkö 201 on toteutettu mikroprosessorin ohjelmana. Laskentayksikköön 200 syötetään sisääntuloparametreiksi toisaalta mikroprosessorin 8 laskemia leposykkeen parametreja, ja toisaalta syöttövälineillä 201 henkilö syöttää laskentayksikköön 200 muiksi sisääntuloparametreiksi henkilöä kuvaavia fysiologisia sisääntuloparametreja, esimerkiksi sukupuoli, ikä, pituus, paino.

10 Keksinnön kohteena on siis menetelmä mitattavan kohteen fyysisen kunnon eli edullisimmin nimenomaan ihmisen fyysisen kunnon mittaamiseksi. Menetelmässä käytetään ennalta määrättyä laskentakaavaa laskentayksikössä 200, johon syötetään mitattavaa kohdetta kuvaavia fysiologisia sisääntuloparametreja, mainittujen sisääntuloparametrien ainakin käsittäessä yhden tai use-15 ampia seuraavista fysiologisista parametreista kuten sukupuoli, ikä, pituus, paino, ja josta laskentakaavasta tuloksena saadaan mitattavan kohteen kuntoa kuvaava yksi tai useampi ulostuloparametri kuten maksimaalinen hapenottokyky. Keksinnön mukaisesti on menetelmä sellainen, että laskentakaavan sisääntulo-parametrina fysiologisten parametrien lisäksi käytetään sydämen leposykkeestä 20 mitattua yhtä tai useampaa leposykeparametria. Laskentakaava on toteutettu kuviossa 6 laskentayksiköllä 200, joka voi olla integroitu sykemittarin B mikroprosessorin 8 ohjelmaksi.

Keksinnön edullisessa toteutusmuodossa on menetelmä sellainen, että leposykettä mitataan muutaman minuutin pituisen ajan verran, edullisimmin ... 25 2-5 minuutin pituisen ajan verran. Mittaus on toisaalta helppo suorittaa, mutta toisaalta se on riittävän pitkä, jotta mittauksesta saadaan luotettava, kun sykeva-riaatiosta saadaan tietoa.

Leposykkeestä määritetään sisääntuloparametreiksi yksi tai useampi seuraavista leposykeparametreista kuten keskimääräinen sykeaikaväli, sykeai-30 kavälien keskihajonta, maksimi keskisykeaikaväli. Nämä parametrit voidaan laskea esimerkiksi sykemittarin vastaanotinosan B mikroprosessorissa 8.

Keksinnön edullisessa toteutusmuodossa on menetelmä sellainen, että sisääntuloparametreja yhdistämällä muodostetaan yksi tai useampia si-sääntuloparametrikombinaatioita. Eräitä hyväksi havaittuja sisääntuloparametre-35 ja on esitetty taulukossa 1.

6 111514

Taulukko 1: Menetelmässä käytettyjä piirteitä eli sisääntuloparametreja

Piirre Selitys 5 Ikä Testattavan henkilön ikä vuoden tarkkuudella

Sukupuoli Testattavan henkilön sukupuoli

Paino Testattavan henkilön paino 0,2 kg:n tarkkuudella

Pituus Testattavan henkilön pituus 1 cm:n tarkkuudella

Fuzzy_1 Jäsenyysfunktion arvo sumeassa joukossa 'vanhemmat ih- 10 miset'

Fuzzy_2 Jäsenyysfunktion arvo joukossa 'ei-keskipainoiset ihmiset'

Fuzzy_3 Jäsenyysfunktion arvo joukossa 'keskimääräisesti suuret sy- keaikavälit'

Low_ave_3 Keskiarvoistettu maksimaalinen hengityksen modulointi sy- 15 ketaajuuteen PRC99 Sykevälihistogrammin kertymä-arvo (percentage) 99% koh dalla

Max Maksimi sykeaikaväli

Mean Keskimääräinen sykeaikaväli 20 SDev Sykeaikavälien keskihajonta

Taulukkoon 1 viitaten, todetaan, että menetelmässä sumean logiikan avulla muodostetaan lisäksi yksi tai useampia erilaisia sääntöjä, joilla yhden tai useamman sisääntuloparametrin ja/tai yhden tai useamman sisääntuloparamet-... 25 rikombinaation vaikutusta ulostuloparametriin eli kuntoa kuvaavaan maksimaali seen hapenottokykyyn sumeutetaan. Maksimaalisen hapenottokyvyn yksikkönä voidaan käyttää yksikköä litraa minuutissa (l/min) ja/tai millilitraa minuutissa painokiloa kohden (ml/kg/min).

Keksinnön edullisessa toteutusmuodossa kuvioon 3 viitaten mene-30 telmä käsittää esiluokittelun ja sen jälkeisen varsinaisen laskennan. Mainitussa .. edullisessa toteutusmuodossa on menetelmä sellainen, että yhden tai useam man fysiologisen sisääntuloparametrin avulla suoritetaan esiluokittelu, jossa haetaan mahdollinen ratkaisualue, jolla laskettavaksi halutun ulostuloparametrin arvon arvioidaan olevan, ja että varsinaisessa laskentavaiheessa lisäksi käyte-35 tään leposykkeen sisääntuloparametreja, jolloin laskentavaiheessa leposykkeen 7 111514 sisääntuloparametrien perusteella siirretään mitattavan kohteen fyysistä kunto kuvaavan ulostuloparametrin arvo kohti oikeaa arvoa.

Keksinnön edullisessa toteutusmuodossa esiluokittelussa käytetään fysiologisten sisääntuloparametrien lisäksi myös yhtä tai useampaa sumeutettua 5 sisääntuloparametria. Tätä asiaa havainnollistaa kuvio 4, joka esittää jäsenyys-funktiota sumeassa joukossa "vanhat". Kuviossa 4 on esitetty graafisesti sumean logiikan käsite jäsenyysfunktio. Jäsenyysfunktio ilmaisee, kuinka suurella osuudella tässä esimerkissä tietynikäinen ihminen kuuluu joukkoon vanhat. Sumea logiikka edustaa ajattelutapaa, jossa tietty joukkoon kuuluvuus on jatkuva 10 käsite. Keski-ikäinen ihminen kuuluu osaksi joukkoon nuoret ja osaksi joukkoon vanhat. Sumeaa logiikkaa käyttäen on muodostettu sykeparametreista ja henkilön painosta, pituudesta, iästä ja sukupuolesta uusia parametreja eli piirteitä syötevektoriin VR, joka havaitaan kuviossa 2. Syötevektori VR koostuu taulukossa 1 esiintyvistä sisääntuloparametreista.

15 Koska kyseessä on ihmisen fyysisen kunnon mittaus, niin tällöin edul lisessa toteutusmuodossa on menetelmä sellainen, että laskennan tuloksena saadaan ulostuloparametrina sisääntuloparametreja vastaava maksimaalisen hapenottokyvyn arvo ja/tai hapenottokykyä kuvaava kuntoluokitus tai muu vastaava fyysistä kuntoa kuvaava arvo.

20 Keksinnön edullisessa toteutusmuodossa laskentakaavassa käyte tään tunnettua kokemusperäistä tietoa, ja että kokemusperäinen tieto on yhdistetty laskentakaavaan sumeiden sääntöjen mukaisesti.

Keksinnön edullisessa toteutusmuodossa kokemusperäisenä tietona käytetään yhtä tai useampaa seuraavista tiedoista; "todennäköisesti vanhem-... 25 maila ihmisellä on heikompi kunto", "henkilön paino korreloi henkilön kuntoon parhaiten henkilöryhmässä ei keskipainoiset", "henkilöllä, jolla on suuri keskimääräinen sykeaikaväli, on todennäköisesti hyvä kunto".

Keksinnön edullisessa toteutusmuodossa menetelmää toteutetaan laskentayksiköllä 200, ja että tämä menetelmään toteuttava laskentayksikkö 200 30 on integroidu sykemittariin B eli vastaanotinrannekkeeseen B.

... Keksinnön edullisessa toteutusmuodossa menetelmää toteuttava laskentayksikkö 200 on integroitu sykemittariin B tai muuhun laitteeseen, ja että mainitun sykemittarin B tai muun laitteen yhteydessä olevilla tai siihen langattomassa tai kontaktillisessa yhteydessä olevilla mittausvälineillä A, 1-4 mitataan 35 leposyke, ja että tämän mainitun sykemittarin B tai muun vastaavan laitteen käsittämään mainittuun laskentayksikköön 200 syötetään fysiologiset sisääntulo- 8 111514 parametrit sukupuoli, ikä, pituus, paino mainitun sykemittarin B tai muun vastaavan laitteen yhteydessä olevilla tai siihen langattomassa tai kontaktillisessa yhteydessä olevilla syöttövälineillä 201, ja että laskennan tulos näytetään näytöllä 10 ja/tai tallennetaan muistiin 9 kuvion 6 mukaisesti. Keksinnön edullisessa to-5 teutusmuodossa laskennan tulos näytetään mainitun sykemittarin B tai muun laitteen käsittämällä näytöllä 10.

Keksinnön edullisessa toteutusmuodossa tämä mainittu sykemittari tai muu laite on ihmisen ranteessa pidettävä sykemittari tai muu laite B.

Sykemittausvälineet A, 1-4 voivat olla kuten kuviossa 6 eli langatto-10 massa esimerkiksi telemetrisessä yhteydessä sykemittariin B, mutta ne voisivat olla myös sykemittarin B kotelossa tai muutoin langallisessa tai muutoin kontaktillisessa yhteydessä sykemittariin B eli vastaanotinosaan B.

Fysiologisten sisääntuloparametrien kuten sukupuoli, ikä, pituus, paino syöttövälineet 201 puolestaan myös voivat olla kuten kuviossa 6 eli langalli-15 sessa tai muutoin kontaktillisessa yhteydessä sykemittariin B sykemittarin B kotelossa, mutta ne voisivat olla myös muulla tavalla toteutettu. Syöttövälineiden 201 integrointi sykemittarin vastaanotto-osan B yhteyteen on hakijan havaintojen mukaan yksinkertaisin ja luotettavin tapa.

Keksinnössä edullisessa toteutusmuodossa hyödynnetään kuviossa 20 3 esitettyä neuroverkkorakennetta NN (Neural Network). Tällöin menetelmä keksinnön edullisessa toteutusmuodossa sellainen, että menetelmässä käytetään neuroverkkorakenteen NN avulla saatua laskentakaavaa, johon syötetään mitattavaa kohdetta kuvaavia sisääntuloparametreja. Sisääntuloparametrit ainakin käsittävät yhden tai useampia seuraavista fysiologisista parametreista kuten ... 25 sukupuoli, ikä, pituus, paino, ja josta laskentakaavasta tuloksena saadaan mitat tavan kohteen kuntoa kuvaava yksi tai useampi ulostuloparametri. Laskentakaavan muodostamisessa käytetty neuroverkkorakenne NN on opetettu riittävän suurella määrällä todellisia mittaustuloksia, esimerkiksi 200 koehenkilön kliinisillä mittaustuloksilla, jotka käsittävät vastaavanlaisia sisääntuloparametreja ja yhden 30 tai useamman vastaavanlaisen ulostuloparametrin kuin mitä laskentayksikkö ... 200 käyttää laskennassaan. Keksinnön mukaisesti laskentakaavan sisääntulo- parametrina fysiologisten parametrien lisäksi käytetään sydämen leposykkeestä mitattua yhtä tai useampaa leposykeparametria. Laskentakaavan muodostamisessa käytetyn neuroverkon NN opetuksessa on käytetty vastaavanlaisia le-35 posykeparametreja.

9 111514

Neuroverkon NN käyttöön liittyvä edullinen toteutusmuoto on sellainen, että menetelmässä käytetään sellaista laskentakaavaa, joka on saatu aikaan realisoimalla laskentakaavan muodostuksessa käytetyn neuroverkkora-kenteen NN opetuksen tuloksena saadut laskentamatriisit.

5 Neuroverkkorakenteen opetuksen tuloksena saadut laskentamatriisit on realisoitu laskentakaavaksi tunnettuja aktivaatiofunktioita, ja kerto- ja yhteenlaskua käyttäen.

Kuvioihin 1-3 erityisesti viitaten todetaan, että neuraaliverkko NN koostuu tulokerroksesta (input layer), lähtökerroksesta (output layer) sekä piilo-10 kerroksista (hidden layer). Solmupisteitä (neuron) voi olla kussakin kerroksessa useita. Jokainen soluparametri muodostaa yhden tulosolmun tulokerroksessa. Lähtökerroksessa on niin monta solmupistettä kuin on lähtömuuttujia. Välikerroksen solmujen määrä riippuu verkon rakenteesta. Verkon solmupisteiden signaalit saadaan laskemalla edellisen kerroksen muuttujista/solmuista yhdistele-15 mällä lineaarisia tai epälineaarisia aktivaatiofunktioita käyttäen.

Kuviossa 1 on esitetty yksinkertainen neuroverkkorakenne NN. Rakenne sisältää tulokerroksen, yhden piilokerroksen ja lähtökerroksen. Tulokerroksessa on kolme solua, jotka eivät ole neuroneita, vaan kuvastavat syötevek-torin arvoja. Piilokerroksessa on kaksi neuronia, johon tulokerroksen solut ovat 20 täydellisesti kytkettyjä. Kytkennät sisältävät painokertoimet, joilla painotetaan signaalin voimakkuutta summauksessa seuraavassa kerroksessa. Jokaiseen piilokerrokseen ja lähtökerrokseen voi liittyä biasvektori, joka tässä esityksessä on yksinkertaisuuden vuoksi jätetty pois. Kuviossa 1 on esitetty myös neuro-verkkoesimerkin algebralliset kaavat.

25 Kuviossa 2 neuroverkkorakenne NN on esitetty käyttäen matriisi- ja vektorikaavoja. Kuvaan on myös lisätty biasvektorit b, jotka parantavat neuroverkkorakenteen NN toimintaa. Neuraaliverkon painokertoimien määritys tapahtuu yleisiä neuraalilaskennan opetusalgoritmeja käyttäen. Verkon opetuksen tuloksena saadaan kerroinmatriisi ja biasvektori b jokaista solmukerrosta kohti.

30 Neuraaliverkko voidaan tämän jälkeen realisoida matemaattisia funktioita, kertolaskua ja summausta käyttäen yksinkertaiseen ohjelmoitavaan muotoon tietokoneen ohjelmaksi.

Jo aiemmin todettiin, että menetelmässä käytetään esiluokittelua ja sen jälkeistä varsinaista laskentaa. Mainittu jako on seurausta edullisessa toteu-35 tusmuodossa käytetystä neuroverkkorakenteesta NN kuvion 3 mukaisesti. Neuroverkkorakenne NN koostuu kahdesta osasta: esiluokittimesta ja varsinaisesta 10 111514 laskentarakenteesta. Esiluokittimessa on käytetty fysiologisia ja sumeutettuja (fuzzy) piirteitä taulukon 1 mukaisesti. Esiluokittelun etu on se, että fysiologiset piirteet rajaavat mahdollisen ratkaisualueen, eihän esim. pienellä naisella voi olla suuren miehen keuhkotilavuutta.

5 Neuroverkon NN malli on esitetty kuviossa 3, jonka tulosuureina on taulukossa 1 esitetyt piirteet. Piirteiden valinnassa on tutkittu niiden korrelaation suuruutta verrattuna mitattavaan suureeseen eli maksimaaliseen hapenottokykyyn.

Neuroverkon NN opetuksessa on käytetty esimerkiksi backpropagati-10 on menetelmää tai muuta sopivaa menetelmää. Tuloksena on saatu kuvion 5 mukaiset matriisimuotoiset kerroin- ja biastaulukot. Esiluokittimen matriiseilla on tunnus F ja perusrakenteen matriiseilla B. Painokerroinmatriisit tunnistaa w-indeksistä ja biasvektorit b-indeksistä. Numeroindeksi ilmoittaa kerroksen numeron. Merkintä p esittää piirteitä eli sisääntuloparametreja.

15 Keksintö voidaan siis tiivistettynä esittää siten, että aluksi mitataan henkilön sydämen sykettä levossa esimerkiksi istualtaan muutaman minuutin ajan. Syketiedoista lasketaan ohjelmallisesti esimerkiksi mikroprosessorissa 8 eri syke- tai sykeväliparametreja, esimerkiksi keskisyke, keskihajonta, peräkkäisten lyöntien maksimi ja minimivälit ja/tai muita parametreja. Näitä parametreja 20 käytetään laskentayksikössä 200 syöttötietoina. Syöttövälineiltä 201 saatavia henkilön muita tietoja, kuten ikää, sukupuolta, painoa ja pituutta käytetään myös syöttötietoina laskentayksikköön 200. Edellisiä tietoja yhdistelemällä eri sääntöjä käyttäen saadaan uusia parametreja, jotka voidaan lisäksi sumeuttaa sumean logiikan avulla. Esimerkkisääntönä voi mainita esimerkiksi, että lyhyen ja paina- ... 25 van henkilön kunto tai maksimaalinen hapenottokyky ei todennäköisesti ole hy vä.

Erityisesti kuvioihin 6 ja 8 viitaten todetaan, että menetelmän lisäksi keksinnön kohteena on siis myös laite A, B mitattavan kohteen fyysisen kunnon mittaamiseksi. Laite käsittää välineet 1-4 sydämen leposykkeen detektoimiseksi 30 ja lähettämiseksi laitteen lisäksi käsittämälle laskentayksikölle 8, 200. Lisäksi lai- • t .. te käsittää välineet 201 mitattavaa kohdetta kuvaavien fysiologisten sisääntulo- parametrien syöttämiseen laskentayksikölle 8, 200 kuntoa kuten maksimaalista hapenottokykyä, kuntoluokitusta tai muuta vastaavaa fyysisen kunnon indikaattoria esittävän ulostulosuureen laskemiseksi fysiologisten piirteiden ja lasken-35 tayksikköön 8, 200 myöskin syötetyn leposyketiedon perusteella. Lisäksi laite 11 111514 käsittää ja välineet 10 kuten näytön 10 ja/tai muistin 9 laskennan tuloksena saadun fyysisen kunnon ilmoittamiseksi ja/tai tallentamiseksi.

Keksinnön edullisessa toteutusmuodossa laite A, B käsittää lähe-tinyksikön A ja siihen telemetrisessä, optisessa tai muussa langattomassa yh-5 teydessä olevan vastaanotinyksikön B. Lähetinyksikkö A käsittää mainitut välineet 1-4 sydämen sykesignaalien detektoimiseksi ja lähettämiseksi, ja että vas-taanotinyksikkö B käsittää välineet 5 sykesignaalien vastaanottamiseksi lähe-tinyksiköltä A, ja mainitun laskentayksikön 8, 200, ja mainitut välineet 201 fysiologisten sisääntuloparametrien syöttämiseksi laskentayksikköön 8,200, ja maini-1 o tut välineet 10 laskennan tuloksen näyttämiseksi ja/tai tallentamiseksi.

Laitteena ajatellen voidaan menetelmän toteuttava laite A, B toteuttaa usealla eri tavalla, mutta hakijan havaintojen mukaan käytännöllisin ja edullisin tapa on kuvion 8 mukainen, jossa kyseessä on sykemittariranneke B. Tällöin laite ainakin laskentayksikön 8,200, fysiologisten tietojen syöttövälineiden 201 ja 15 näytön ja/tai muistin 10 osalta on integroitu sykemittarirannekkeeksi B. Laitteen lisäksi käsittämä lähetinyksikkö A on langattomassa yhteydessä sykemittariran-nekkeeseen B. Lähetinyksikön A toiminnot voi olla integroituna sykemittariran-nekkeeseen B, mikäli riittävän luotettava sykkeen mittaus saadaan aikaan esimerkiksi ranteesta. Kuviosta 8 havaitaan, että sykemittariranneke B on ihmisen 20 500 ranteessa 600, ja lähetinyksikkö A on ihmisen kehon päällä erityisesti ihmi sen 500 rinnan 700 päällä ns. elektrodivyönä.

Keksinnön edullisessa toteutusmuodossa laite, edullisimmin laskentayksikkö 8, 200 käsittää välineet 8, joilla leposykkeestä määritetään sisääntulo-parametreiksi yksi tai useampi seuraavista leposykeparametreista kuten keski-... 25 määräinen sykeaikaväli, sykeaikavälien keskihajonta, maksimi sykeaikaväli.

Keksinnön edullisessa toteutusmuodossa laskentayksikkö 200 käsittää neuroverkkorakenteella NN määritetyn laskentakaavan.

Edellä esitetyt keksinnön edulliset toteutusmuodot ja muut yksityiskohtaisemmat ratkaisut parantavat keksinnön mukaisen menetelmän tarkkuutta, 30 nopeutta ja käyttökelpoisuutta.

.. Laite voidaan toteuttaa myös käyttäen kannettavaa, siirrettävää tai kiinteää tietokonelaitteistoa, johon sisääntuloparametrit syötetään suoraan tai välillisesti.

Vaikka keksintöä on edellä selostettu viitaten oheisten piirustusten 35 mukaisiin esimerkkeihin, on selvää ettei keksintö ole rajoittunut niihin, vaan sitä 12 111514 voidaan monin tavoin muunnella oheisten patenttivaatimusten esittämän keksinnöllisen ajatuksen puitteissa.

Claims (22)

1. Menetelmä mitattavan kohteen fyysisen kunnon mittaamiseksi, jossa menetelmässä käytetään neuroverkkorakenteen avulla saatua laskenta- 5 kaavaa, johon syötetään mitattavaa kohdetta kuvaavia sisääntuloparametreja, sisääntuloparametrien ainakin käsittäessä yhden tai useampia seuraavista fysiologisista parametreista kuten sukupuoli, ikä, pituus, paino, ja josta laskentakaavasta tuloksena saadaan mitattavan kohteen kuntoa kuvaava yksi tai useampi ulostuloparametri, laskentakaavan muodostamisessa käytetyn neuroverkkora-10 kenteen ollessa opetettu riittävän suurella määrällä todellisia mittaustuloksia, jotka käsittävät vastaavanlaisia sisääntuloparametreja ja yhden tai useamman vastaavanlaisen ulostuloparametrin, tunnettu siitä, että laskentakaavan sisääntuloparametrina fysiologisten parametrien lisäksi käytetään sydämen leposykkeestä mitattua yhtä tai 15 useampaa leposykeparametria, ja joka menetelmä on sellainen, että siinä si-sääntuloparametreiksi määritetään yksi tai useampi seuraavista leposykepara-metreista kuten keskimääräinen sykeaikaväli, sykeaikavälien keskihajonta, maksimi sykeaikaväli, ja että laskentakaavan muodostamisessa käytetyn neuroverkon opetuksessa on käytetty vastaavanlaisia leposykeparametreja, 20 ja että laskennan tuloksena saadaan ulostuloparametrina sisääntulo parametreja vastaava maksimaalisen hapenottokyvyn arvo ja/tai hapenottokykyä kuvaava kuntoluokitus tai muu vastaava fyysistä kuntoa kuvaava arvo.

2. Menetelmä mitattavan kohteen fyysisen kunnon mittaamiseksi, jossa menetelmässä käytetään ennalta määrättyä laskentakaavaa, johon syöte- 25 tään mitattavaa kohdetta kuvaavia fysiologisia sisääntuloparametreja, sisääntuloparametrien ainakin käsittäessä yhden tai useampia seuraavista fysiologisista parametreista kuten sukupuoli, ikä, pituus, paino, ja josta laskentakaavasta tuloksena saadaan mitattavan kohteen kuntoa kuvaava yksi tai useampi ulostuloparametri, 30 tunnettu siitä, että laskentakaavan sisääntuloparametrina fysio- logisten parametrien lisäksi käytetään sydämen leposykkeestä mitattua yhtä tai useampaa leposykeparametria, ja joka menetelmä on sellainen, että siinä sisääntuloparametreiksi määritetään yksi tai useampi seuraavista leposykeparametreista kuten keski-35 määräinen sykeaikaväli, sykeaikavälien keskihajonta, maksimi sykeaikaväli, 14 111514 ja että laskennan tuloksena saadaan ulostuloparametrina sisääntulo-parametreja vastaava maksimaalisen hapenottokyvyn arvo ja/tai hapenottokykyä kuvaava kuntoluokitus tai muu vastaava fyysistä kuntoa kuvaava arvo.

3. Patenttivaatimuksen 1 tai 2 mukainen menetelmä, tunnettu 5 siitä, että leposykettä mitataan muutaman minuutin pituisen ajan verran, edullisimmin 2-5 minuutin pituisen ajan verran.

4. Patenttivaatimuksen 1 tai 2 mukainen menetelmä, tunnettu siitä, että sisääntuloparametreja yhdistämällä muodostetaan yksi tai useampia sisääntuloparametrikombinaatioita.

5. Patenttivaatimuksen 1 tai 2 mukainen menetelmä, tunnettu siitä, että menetelmässä sumean logiikan avulla muodostetaan lisäksi yksi tai useampia erilaisia sääntöjä, joilla yhden tai useamman sisääntuloparametrin ja/tai yhden tai useamman sisääntuloparametrikombinaation vaikutusta ulostu-loparametriin sumeutetaan.

6. Patenttivaatimuksen 1 tai 2 mukainen menetelmä, tunnettu siitä, että menetelmä käsittää esiluokittelun ja sen jälkeisen varsinaisen laskennan, ja että yhden tai useamman fysiologisen sisääntuloparametrin avulla suoritetaan esiluokittelu, jossa haetaan mahdollinen ratkaisualue, jolla laskettavaksi halutun ulostuloparametrin arvon arvioidaan olevan, ja että varsinaisessa las-20 kentavaiheessa lisäksi käytetään leposykkeen sisääntuloparametreja, jolloin laskentavaiheessa leposykkeen sisääntuloparametrien perusteella siirretään mitattavan kohteen fyysistä kuntoa kuvaavan ulostuloparametrin arvo kohti oikeaa arvoa.

7. Patenttivaatimuksen 5 ja 6 mukainen menetelmä, tunnettu sii- .. 25 tä, että esiluokittelussa käytetään fysiologisten sisääntuloparametrien lisäksi myös yhtä tai useampaa sumeutettua sisääntuloparametria.

8. Patenttivaatimuksen 1 tai 2 mukainen menetelmä, tunnettu siitä, että laskentakaavassa käytetään tunnettua kokemusperäistä tietoa, ja että kokemusperäinen tieto on yhdistetty laskentakaavaan sumeiden sääntöjen mu- 30 kaisesti.

... 9. Patenttivaatimuksen 8 mukainen menetelmä, tunnettu siitä, että kokemusperäisenä tietona käytetään yhtä tai useampaa seuraavista tiedoista; "todennäköisesti vanhemmalla ihmisellä on heikompi kunto", "henkilön paino korreloi henkilön kuntoon parhaiten henkilöryhmässä ei keskipainoiset", "henki-35 löllä, jolla on suuri keskimääräinen sykeaikaväli, on todennäköisesti hyvä kunto". 15 111514

10. Patenttivaatimuksen 1 tai 2 mukainen menetelmä, tunnettu siitä, että menetelmää toteutetaan laskentayksiköllä, ja että tämä menetelmää toteuttava laskentayksikkö on integroitu sykemittariin.

11. Patenttivaatimuksen 1 tai 2 mukainen menetelmä, tunnettu ' 5 siitä, että menetelmää toteuttava laskentayksikkö on integroitu sykemittariin tai muuhun laitteeseen, ja että mainitun sykemittarin tai muun laitteen yhteydessä olevilla tai siihen langattomassa tai kontaktillisessa yhteydessä olevilla mittausvälineillä mitataan leposyke, ja että tämän mainitun sykemittarin tai muun vastaavan laitteen käsittämään mainittuun laskentayksikköön syötetään fysiologiset 10 sisääntuloparametrit mainitun sykemittarin tai muun vastaavan laitteen yhteydessä olevilla tai siihen langattomassa tai kontaktillisessa yhteydessä olevilla syöttövälineillä, ja että laskennan tulos näytetään ja/tai tallennetaan.

12. Patenttivaatimuksen 11 mukainen menetelmä, tunnettu siitä, että laskennan tulos näytetään mainitun sykemittarin tai muun laitteen käsittä- 15 mällä näytöllä.

13. Patenttivaatimuksen 11 tai 12 mukainen menetelmä, tunnet-t u siitä, että mainittu sykemittari tai muu laite on ihmisen ranteessa pidettävä sykemittari tai muu laite.

13 111514

14. Patenttivaatimuksen 1 mukainen menetelmä, tunnettu siitä, 20 että menetelmässä käytetään sellaista laskentakaavaa, joka on saatu aikaan realisoimalla laskentakaavan muodostuksessa käytetyn neuroverkkorakenteen opetuksen tuloksena saadut laskentamatriisit laskentakaavaksi.

15. Patenttivaatimuksen 14 mukainen menetelmä, tunnettu siitä, että neuroverkkorakenteen opetuksen tuloksena saadut laskentamatriisit on rea- 25 lisoitu laskentakaavaksi tunnettuja aktivaatiofunktioita, ja kerto-ja yhteenlaskua käyttäen.

16. Patenttivaatimuksen 1 tai 2 mukainen menetelmä, tunnettu siitä, että laskentakaava on realisoitu laskentakaavaksi ohjelmalliseen muotoon.

17. Patenttivaatimuksen 1 tai 2 mukainen menetelmä, tunnettu 30 siitä, että mitattava kohde on ihmishenkilö.

- · · .. 18. Laite mitattavan kohteen fyysisen kunnon mittaamiseksi, tun nettu siitä, että laite käsittää välineet (1-4) sydämen leposykkeen detektoimi-seksi ja lähettämiseksi laitteen lisäksi käsittämälle laskentayksikölle (8, 200), ja että laite käsittää välineet (201) mitattavaa kohdetta kuvaavien fysiologisten si-35 sääntuloparametrien syöttämiseen laskentayksikölle (8, 200) kuntoa kuten maksimaalista hapenottokykyä, kuntoluokitusta tai muuta vastaavaa fyysisen kun- 16 111514 non indikaattoria esittävän ulostulosuureen laskemiseksi fysiologisten piirteiden ja laskentayksikköön (8, 200) myöskin syötetyn leposyketiedon perusteella, ja välineet (10 ja/tai 9) kuten näytön (10) ja/tai muistin (9) laskennan tuloksena saadun fyysisen kunnon ilmoittamiseksi ja/tai tallentamiseksi, ja että laite, (8, 5 200) käsittää välineet (8), joilla leposykkeestä määritetään sisääntuloparamet- reiksi yksi tai useampi seuraavista leposykeparametreista kuten keskimääräinen sykeaikaväli, sykeaikavälien keskihajonta, maksimi sykeaikaväli.

19. Patenttivaatimuksen 18 mukainen laite, tun nettu siitä, että laite ainakin laskentayksikön (8, 200), fysiologisten tietojen syöttövälineiden 10 (201) ja näytön (10) ja/tai muistin (9) osalta on integroitu sykemittarirannekkeek- si (B).

20. Patenttivaatimuksen 18 mukainen laite, tunnettu siitä, että laite käsittää lähetinyksikön (A) ja siihen telemetrisessä, optisessa tai muussa langattomassa yhteydessä olevan vastaanotinyksikön (B), ja että lähetinyksikkö 15 (A) käsittää mainitut välineet (1-4) sydämen sykesignaalien detektoimiseksi ja lähettämiseksi, ja että vastaanotinyksikkö (B) käsittää välineet (5) sykesignaalien vastaanottamiseksi lähetinyksiköltä (A), ja mainitun laskentayksikön (8, 200), ja mainitut välineet (201) fysiologisten sisääntuloparametrien syöttämiseksi laskentayksikköön (8, 200), ja mainitut välineet (10) laskennan tuloksen näyttämiseksi 20 ja/tai tallentamiseksi.

21. Patenttivaatimuksen 18 mukainen laite, tunnettu siitä, että välineet (8), joilla leposykkeestä määritetään sisääntuloparametreiksi yksi tai useampi seuraavista leposykeparametreista kuten keskimääräinen sykeaikaväli, sykeaikavälien keskihajonta, maksimi sykeaikaväli, ovat laskentayksikössä (8, 25 200).

22. Patenttivaatimuksen 18 mukainen laite, tunnettu siitä, että laskentayksikkö (200) käsittää neuroverkkorakenteella (NN) määritetyn laskentakaavan. ' * · • · \ 17 111514