FI114201B - Laktaatin määrän arviointi elimistössä - Google Patents

Laktaatin määrän arviointi elimistössä Download PDF

Info

Publication number
FI114201B
FI114201B FI20000417A FI20000417A FI114201B FI 114201 B FI114201 B FI 114201B FI 20000417 A FI20000417 A FI 20000417A FI 20000417 A FI20000417 A FI 20000417A FI 114201 B FI114201 B FI 114201B
Authority
FI
Finland
Prior art keywords
heart rate
lactate
model
exercise
parameter
Prior art date
Application number
FI20000417A
Other languages
English (en)
Swedish (sv)
Other versions
FI20000417A0 (fi
FI20000417A (fi
Inventor
Ilkka Heikkilae
Original Assignee
Polar Electro Oy
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Polar Electro Oy filed Critical Polar Electro Oy
Priority to FI20000417A priority Critical patent/FI114201B/fi
Publication of FI20000417A0 publication Critical patent/FI20000417A0/fi
Priority to EP01660034A priority patent/EP1127543B1/en
Priority to DE60115301T priority patent/DE60115301T2/de
Priority to ES01660034T priority patent/ES2250334T3/es
Priority to AT01660034T priority patent/ATE311146T1/de
Priority to US09/792,268 priority patent/US6411841B2/en
Publication of FI20000417A publication Critical patent/FI20000417A/fi
Application granted granted Critical
Publication of FI114201B publication Critical patent/FI114201B/fi

Links

Classifications

    • AHUMAN NECESSITIES
    • A61MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61BDIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00Measuring for diagnostic purposes; Identification of persons
    • A61B5/22Ergometry; Measuring muscular strength or the force of a muscular blow
    • A61B5/221Ergometry, e.g. by using bicycle type apparatus
    • A61B5/222Ergometry, e.g. by using bicycle type apparatus combined with detection or measurement of physiological parameters, e.g. heart rate

Landscapes

  • Health & Medical Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Molecular Biology (AREA)
  • Physics & Mathematics (AREA)
  • Surgery (AREA)
  • Physiology (AREA)
  • Biophysics (AREA)
  • Pathology (AREA)
  • Engineering & Computer Science (AREA)
  • Biomedical Technology (AREA)
  • Animal Behavior & Ethology (AREA)
  • Medical Informatics (AREA)
  • Cardiology (AREA)
  • Physical Education & Sports Medicine (AREA)
  • Heart & Thoracic Surgery (AREA)
  • General Health & Medical Sciences (AREA)
  • Public Health (AREA)
  • Veterinary Medicine (AREA)
  • Measuring Pulse, Heart Rate, Blood Pressure Or Blood Flow (AREA)
  • Measurement Of The Respiration, Hearing Ability, Form, And Blood Characteristics Of Living Organisms (AREA)
  • Investigating Or Analysing Materials By Optical Means (AREA)
  • Eye Examination Apparatus (AREA)
  • Measurement And Recording Of Electrical Phenomena And Electrical Characteristics Of The Living Body (AREA)
  • Measuring And Recording Apparatus For Diagnosis (AREA)

Description

1 114201
Laktaatin määrän arviointi elimistössä
Keksinnön ala
Keksinnön soveltamisalana ovat liikunta ja urheilu ja erityisesti sovellukset, joissa arvioidaan laktaatin määrää henkilön elimistössä kuntosuori-5 tuksen yhteydessä.
Keksinnön tausta
Kuntosuorituksen tehoa voidaan kuvata harjoituksen intensiteetillä ajan suhteen, jota intensiteettiä voidaan tarkastella esimerkiksi sydämen syke-tiheytenä ajan suhteen. Tällä tavalla tarkasteltaessa harjoituksen hetkellistä 10 intensiteettiä, rasituksesta saadaan hetkellinen arvio. Pitkäkestoisen rasituksen vaikutus on yksilöstä riippuvaa siten, että hyväkuntoinen henkilö kestää paremmin rasitusta kuin huonokuntoinen. On esimerkiksi mahdollista, että kumpikin pystyy suorittamaan saman harjoituksen samalla intensiteetillä, mutta harjoituksen vaikutus yksilöön on erilainen; hyväkuntoinen ei väsy merkittä-15 västi, kun taas heikkokuntoinen tekee saman suorituksen suorituskykynsä äärirajoilla. Hetkellisen rasituksen vaikutus yksilöön ja yksilön kokemaan rasitus-tasoon harjoituksessa on edeltävästä rasituksesta riippuvaa.
Harjoittelussa on tärkeä tietää kumulatiivisen rasituksen määrä, joka kumulatiivinen rasitus lisääntyy kovassa rasituksessa ja pienenee levossa. 20 Kumulatiivista rasitusta kuvaa hyvin laktaatin eli maitohapon konsentraatio ve-' . ressä. Laktaatin määrä on ainoa indikaattori, jolla kumulatiivista rasitusta voi daan käytännössä mitata. Urheilusuorituksen jälkeen palautuminen on tärkeää • * - sekä aineenvaihdunnan, että lihashuollon kannalta. Suorituksen aiheuttamaa ’ · ‘ rasituskipua voidaan vähentää merkittävästi hyvin suoritetulla palautusharjoi- \ 25 tuksella, jolloin palautumiseen kuluva aika lyhenee lihasten ja elimistön kyky ’·, suorittaa seuraava harjoitus paranevat olennaisesti. Palautusharjoituksen tär kein funktio on saada elimistöön kertynyt mahdollinen maitohappo eli laktaatti poistettua nopeasti ja tehokkaasti, jotta laktaatti ei aiheuta kipu- ja jälkirasitus-: ; tiloja lihaksiin. Tämän vuoksi on tarvetta menetelmälle, jolla laktaatin määrää 30 elimistössä pystytään arvioimaan jatkuvasti.
* »
Tunnetun tekniikan mukaisesti laktaatin määrä voidaan mitata otta-• ‘ maila verinäyte, joka analysoidaan. Tunnettuun tekniikkaan sisältyy haittoja.
‘: Verestä mitattava laktaatin määrän mittaus on kivuliasta, diskreettiä, hidasta ja .: vaatii usein monimutkaisen mittausjärjestelyn.
2 114201
Keksinnön lyhyt selostus
Keksinnön tavoitteena on toteuttaa parannettu menetelmä elimistön laktaattipitoisuuden arvioimiseksi. Tämä saavutetaan seuraavaksi esitettävällä menetelmällä. Kyseessä on menetelmä ihmisen elimistön laktaattipitoisuuden 5 arvioimiseksi kuntosuorituksen yhteydessä. Menetelmässä mitataan henkilön sykeinformaatiota yhden tai useamman sisääntuloparametrina matemaattiseen malliin otettavan sykeparametrin muodossa ja muodostetaan elimistön laktaattipitoisuutta mallintavan matemaattisen mallin avulla mallin ulostulopara-metrina henkilön elimistön laktaattipitoisuuden taso esitettäväksi elimistön lak-10 taattipitoisuuden arvioinnissa.
Keksinnön kohteena on myös sykemittausjärjestely. Sykemittausjär-jestely käsittää mittausvälineet mitata sykeinformaatiota, muodostamisvälineet muodostaa mitatun sykeinformaation perusteella arvio elimistön laktaattipitoi-suudesta, esittämisvälineet esittää muodostettu arvio laktaatin määrästä eli-15 mistössä.
Keksinnön edulliset suoritusmuodot ovat epäitsenäisten patenttivaatimusten kohteena.
Keksinnön kohteena on siis menetelmä ja laitteisto laktaatin eli maitohapon arvioimiseksi elimistössä. Keksinnön mukainen menetelmä toteute-20 taan edullisesti matemaattisen mallin avulla. Matemaattisella mallilla tarkoitetaan keksinnön selostuksen yhteydessä joukkoa matemaattisia toimenpiteitä : '· ja sääntöjä, joilla sisääntuloparametrien arvoista muodostetaan ulostulopara- metreille arvot. Matemaattiset toimenpiteet ovat esimerkiksi aritmeettisia ope-t raatioita, kuten yhteen-, vähennys- ja kertolaskuja. Matemaattinen malli voi- 25 daan toki toteuttaa myös taulukkona tai tietokantana, jolloin tiettyä sisääntulo-parametria vastaava ulostuloparametrin arvo luetaan suoraan tietokannasta.
.· ·. Malli voi pitää sisällään useita osamalleja, mutta on selvää, että keksintö ei ole • » rajoittunut siihen, kuinka monesta osamallista malli on rakentunut. Matemaatti-;> nen malli on keksinnön eräässä suoritusmuodossa neuroverkko, keksintöä sii- ; ; 30 hen kuitenkaan rajoittamatta.
< I
Malliin otetaan sisääntuloparametrina henkilön sykettä kuvaava yksi tai useampi sykeparametri, kuten esimerkiksi sydämen lyöntitiheydestä laskettu syke, sykkeen keskihajonta, sykkeen muutosnopeus tai vastaava sykkeestä laskettavissa oleva parametri. Erään sovellusmuodon mukaan malliin otetaan si-35 sääntuloparametrina myös yksi tai useampi fysiologinen parametri, jolla tarkoitetaan henkilön ikää, painoa, pituutta, sukupuolta tai muuta henkilön fysiologista 3 114201 ominaisuutta kuvaavaa parametria. Yhdessä edullisessa suoritusmuodossa malliin otetaan syöttötietona yksi tai useampi rasitusparametri, kuten esimerkiksi juoksijan nopeus kuntopyörän teho tai aktiivisuus mitattuna kiihtyvyysanturilla tai vastaavalla. Syke- ja fysiologisten parametrien avulla voidaan muodostaa arvio 5 käyttäjän fyysiselle kunnolle esimerkiksi maksimaalisen hapenottokyvyn avulla. Erään edullisen mallin suoritusmuodon mukaan sykeinformaation ja optionaali-sesti rasitus- ja käyttäjäinformaation perusteella muodostetaan käyttäjän rasitus-taso kuntosuorituksessa, jonka rasitustason perusteella arvioidaan laktaatin määrää elimistössä. Tällöin sykeinformaation ja laktaatin välillä ei vallitse suoraa 10 riippuvuussuhdetta, vaan yhteys muodostuu rasitustason määritteen kautta, jota rasitustasoa voidaan kuvata esimerkiksi suureella suoritettu teho viimeisen tunnin aikana.
Kuntosuorituksella eli urheilusuorituksella tarkoitetaan keksinnön selostuksen yhteydessä fyysistä suoritetta, josta ainakin osa tehdään anaero-15 bista rajaa korkeammalla rasitustasolla, jolloin henkilön elimistön lihaksistoon kertyy laktaattia. Laktaattipitoisuutta voidaan arvioida myös tietty aika, esimerkiksi joitain tunteja ennen ja jälkeen kuntosuorituksen, joten keksinnön soveltaminen ei ole rajoittunut pelkästään kuntosuorituksen suorittamisen aikaan. Kuntosuorituksen voidaan edelleen ajatella jakautuvan esimerkiksi vaiheisiin: 20 lämmittely, aktiivivaihe, palautusvaihe, jolloin kuntosuoritusta edeltää ja seuraa lepotila. Eri vaiheet voidaan määritellä ja erottaa toisistaan esimerkiksi sy-. ketasojen ja/tai rasitustasojen perusteella. Tällöin esimerkiksi palautusvaihe ·:· I voidaan määritellä suoritustasoksi, jolloin syketaso pudotetaan 130:stä lyön- .:. nistä/minuutti lepotasolle 70 lyöntiä/minuutti.
.··*, 25 Keksinnön mukaisessa ratkaisussa elimistön laktaatin määrän arvi- « · oimiseksi henkilö, jonka elimistön laktaattipitoisuutta halutaan valvoa, käyttää • i !;: edullisesti sykemittaria. Sykemittari on urheilussa ja lääketieteessä käytettävä ‘·· ’ laite, joka mittaa ihmisen sykeinformaatiota joko sydämen lähettämästä säh köisestä impulssista tai sydämen lyönnin aiheuttamasta paineesta valtimosuo-.. 30 neen. Sykemittarit ovat tunnetusti esimerkiksi rakenteeltaan sellaisia, että ne käsittävät käyttäjän rintakehälle asetettavan elektrodivyön, joka mittaa sykettä . . kahden tai useamman elektrodin avulla. Elektrodivyö lähettää mittaamansa , · ’. sykeinformaation induktiivisesti yhtenä tai useampana magneettisena pulssi- » · na per sydämenlyönti esimerkiksi ranteessa pidettävään vastaanotinyksik-35 köön. Vastaanotinyksikkö suorittaa vastaanotettujen magneettisten pulssien perusteella sykkeen ja tarvittaessa muiden sykemuuttujien, kuten esimerkiksi 4 114201 sykkeen liukuvan keskihajonnan laskentaa. Vastaanotinyksikkö eli rannemitta-ri sisältää usein myös näytön sykeinformaation näyttämiseksi kuntosuorituk-sen tekijälle sekä käyttöliittymän sykemittarin muiden toiminteiden käyttöön. Edellä kuvatussa tilanteessa sykemittarilla tarkoitetaan elektrodivyön ja vas-5 taanotinyksikön muodostamaa kokonaisuutta. Sykemittari voi olla rakenteeltaan myös yksiosainen eli sellainen, että myös näyttövälineet sijaitsevat rintakehällä, jolloin informaatiota ei tarvitse lähettää erilliseen vastaanotinyksik-köön. Edelleen, sykemittari voi olla rakenteeltaan sellainen, että se käsittää pelkästään ranteeseen asetettavan rannemittarin, joka toimii ilman rintakehäl-10 le asetettavaa elektrodivyötä mitaten sykeinformaation suonen paineesta. Keksinnön selostuksen yhteydessä sykemittausjärjestelyllä tarkoitetaan edellä kuvattuja sykemittariratkaisuja. Sykemittausjärjestely kattaa myös ratkaisut, joissa sykeinformaatio lähetetään ulkopuoliselle tietokoneelle tai tietoverkkoon, jossa on esittämisvälineet, kuten esimerkiksi tietokoneen näyttö syke-15 mittarilla mitatun tai muodostetun informaation esittämiseksi.
Keksinnön mukaiset yksi tai useampi matemaattinen malli ja mallien vaatimat muut toiminteet toteutetaan edullisesti ohjelmallisesti sykemittarin yleiskäyttöiselle prosessorille. Mallit ja toiminteet voidaan toteuttaa myös esimerkiksi ASIC:na, erillisillä logiikkakomponenteilla tai muulla vastaavalla taval-20 la. Keksinnön edullisessa suoritusmuodossa sykemittari käsittää syöttöväli-neet sisääntuloparametrien syöttämistä varten. Syötettäviä sisääntulopara-metrejä ovat esimerkiksi käyttäjän fysiologiset parametrit ja kuntosuorituksen *:**: rasittavuutta kuvaavat rasitusparametrit. Syöttövälineet voivat olla esimerkiksi . . sykemittarin näppäimistö, ohjausta tukeva näyttövälineistö, puheohjaus, tieto- • · < · .·· , 25 liikenneportti ulkoista ohjausta varten tai muu vastaava tunnettu tapa. Syke- .··'·, mittari käsittää edullisesti myös näytön laktaattipitoisuuden näyttämiseksi käyttäjälle, kuntosuorituksen ohjaajalle, valmentajalle, lääkärille tai vastaaval-‘ le. Näytön sijasta laktaattipitoisuus voidaan viestittää myös esimerkiksi puhe- ohjauksella, tietoliikenneportin avulla tiedon siirtämiseksi ulkoiselle välineelle 30 kuten tietokoneelle, tai muulla vastaavalla tavalla. Laktaattipitoisuus harjoituksen aikana voidaan eräässä suoritusmuodossa tallentaa sykemittarin muistiin, josta informaatio voidaan purkaa jälkikäteen.
, . Keksinnön etuna on menetelmän non-invasiivisuus eli laktaatin > · määrän arvioinnissa ei tarvitse suorittaa harjoituksen suoritusta haittaavaa, ki- .:.: 35 vuliasta ja hidasta verikokeen ottoa. Keksinnön avulla laktaatin määrää elimis- » ' · : tössä pystytään seuraamaan jatkuvasti verrattuna tunnetun tekniikan mukai- 5 114201 seen menettelyyn, jolloin verikokeiden avulla saadaan laktaatin määrästä diskreettejä arvioita. Keksinnöllä voidaan edelleen säätää kuntosuoritusten rasittavuus sellaiselle tasolle, joka on laktaatin elimistöön kertymisen ja elimistöstä poistumisen kannalta optimaalista.
5 Kuvioiden lyhyt selostus
Keksintöä selitetään seuraavassa lähemmin viitaten oheisiin piirustuksiin, joissa kuvio 1 esittää keksinnön mukaisen menetelmän erästä edullista suoritusmuotoa, 10 kuvio 2A esittää keksinnön erään sovellusmuodon mukaista malli- rakennetta, kuvio 2B esittää keksinnön erään sovellusmuodon mukaista malli- rakennetta, kuvio 2C esittää laktaatin määrää elimistössä harjoituksen etenemi-15 sen funktiona, kuvio 3A kuvaa neuroverkon rakennetta, kuvio 3B kuvaa neuroverkon toimintaa, kuvio 4A esittää kuntosuoritusta tekevää henkilöä, kuvio 4B esittää keksinnön erään sovellusmuodon mukaista elekt- 20 rodivyötä, !\, kuvio 4C esittää keksinnön erään sovellusmuodon mukaista syke- * .... mittarijärjestelyä.
Keksinnön yksityiskohtainen selostus ’ Keksintöä selostetaan seuraavassa eräiden edullisten suoritusmuo- ·..· 25 tojen avulla viitaten oheisiin kuvioihin 1-4C. Kuviossa 1 on selostettu keksinnön : mukaisen menetelmän erästä edullista suoritusmuotoa. Askeleessa 102 muo dostetaan matemaattinen malli, jolla matemaattisella mallilla tarkoituksena on määrittää ja seurata laktaatin määrää elimistössä yhden tai useamman sykepa-: ; rametrin avulla. Sykeparametrilla tarkoitetaan esimerkiksi sydämen lyöntitihey- 30 destä laskettua sykettä, sykkeen keskihajontaa tai vastaavaa sykkeestä laskettavissa olevaa parametria. Erään sovellusmuodon mukaan malliin otetaan si-‘ ; ' säätuloparametrina yksi tai useampi fysiologinen parametri, jolla tarkoitetaan :1 “: henkilön ikää, painoa, pituutta, sukupuolta tai muuta henkilön fysiologista omi- naisuutta kuvaavaa parametria. Yhdessä edullisessa suoritusmuodossa malliin 35 otetaan syöttötietona yksi tai useampi rasitusparametri, kuten esimerkiksi juoksi- 6 114201 jän nopeus, kuntopyörän teho tai aktiivisuus mitattuna kiihtyvyysanturilla tai vastaavalla. Syke- ja fysiologisten parametrien avulla voidaan muodostaa arvio käyttäjän fyysiselle kunnolle esimerkiksi maksimaalisen hapenottokyvyn avulla. Erään edullisen mallin suoritusmuodon mukaan sykeinformaation ja optionaali-5 sesti rasitus- ja käyttäjäinformaation perusteella muodostetaan käyttäjän rasitus-taso kuntosuorituksessa, jonka rasitustason perusteella arvioidaan laktaatin määrää elimistössä. Tällöin sykeinformaation ja laktaatin välillä ei vallitse suoraa riippuvuussuhdetta, vaan yhteys muodostuu rasitustason määritteen kautta, jota rasitustasoa voidaan kuvata esimerkiksi suureella suoritettu teho viimeisen tun-10 nin aikana. Tällaisessa suoritusesimerkissä malli on edullisesti kaksiosainen matemaattinen malli, jossa ensimmäisen osan ulostuloa eli rasitustasoa käytetään toisen osan sisääntulona. Eräässä suoritusmuodossa mallin ulostulopara-metrina on laktaattimäärän ohella rasitustaso kuvattuna esimerkiksi arvoilla väliltä 1-100. Tällöin rasitustason pohjalta voidaan arvioida harjoituksen onnistumis-15 ta ja käyttää rasitustasoa harjoitusten suunnittelussa esimerkiksi siten, että rasitustason perusteella käänteisesti ohjataan harjoituksen aikaista sykettä, juoksu-nopeutta tai kuntopyörän tehoa. Edellä kuvattujen sisääntuloparametrien lisäämisellä saavutetaan se etu, että mallin antamat laktaattiarviot ovat tarkempia mallin tullessa monipuolisemmaksi. Eräässä edullisessa suoritusmuodossa 20 edellä kuvattujen suoritusmuotojen mukainen matemaattinen malli on neuroverkko, joka soveltuu erityisen hyvin monimutkaisiin biologisiin mallinnustilantei-. siin. Fysiologinen tausta mallille saadaan tunnetuista fysiologisista laktaatin syn- -; tymisen riippuvuussuhteista, joita seuraavassa käydään läpi mallin perusteiden kannalta.
25 Ihmisen energiatalous koostuu pääosin hiilihydraateista, rasvoista ja proteiinista. Niiden käyttö ja suhteellinen osuus riippuu elimistön tilasta, käy-;; tössä olevista ravintoaineiden määrästä ja rasituksen intensiteetistä. Ravin- ’* nosta saatavasta hiilihydraatista saadaan glukoosia, joka varastoituu gluko- geenina lihaksiin. Glukolyysissä glukoosi hajoaa vapauttaen energiaa. Reaktio .. 30 voi tapahtua joko aerobisesti tai anaerobisesti.
% * » , . Aerobinen tapaus: , . glukoosi + 02 -> C02 + H20 + energiaa.
: 35 Anaerobinen tapaus: : glukoosi C02 + H20 + laktaattia + energiaa.
7 114201
Rasvahappojen ja proteiinin hajoamisille on vastaavat hajoamisyhtä-löt edellä esitettyjen hiilihydraattien hajoamisen lisäksi olemassa, kuitenkaan niiden esittäminen ei tässä yhteydessä ole keskeistä. Rasvahappojen hajoaminen 5 energiaksi voi tapahtua vain aerobisesti. Lihaksessa rasvahappojen hapettuminen energiaksi vaatii samanaikaista glukoosin palamista. Lihakset saavat rasituksessa tarvitsemansa energian ATP:sta (adenosiinitrifosfaatti). Rasituksessa muodostunut ATP-vaje tulee korvata muodostamalla uutta ATP:tä energiava-rastoista. Rasituksen alkaessa ensimmäisten 10-15 sekunnin aikana lihasten 10 tarvitseman ATP:n muodostamisenergiaksi riittää kreatiinivarastot. Tämän jälkeen elimistössä olevasta glukoosista saatava energia on mahdollista saada käyttöön. Rasvahappojen hyödyntämien on mahdollista vasta noin 15 minuutin kuluttua rasituksen alkamisesta. Lyhyessä, kymmeniä sekunteja kestävässä maksimaalisessa rasituksessa energiantuotto on aina pääasiassa anaerobista.
15 Muutamia sekunteja kestävässä rasituksessa energiaa tuotetaan enimmäkseen laktaattia muodostamattomilla (alactic) prosesseilla kreatiinifosfaatin avulla. Kreatiinifosfaattivarastot ovat kuitenkin pienet ja jo kymmenen sekunnin rasituksen jälkeen energiantuotto tapahtuu suurimmaksi osaksi laktaattia muodostavien prosessien kautta. Pitempikestoisessa, minuutteja kestävässä mak-20 simaalisessa rasituksessa aerobisen energiantuotannon osuus lisääntyy. Kuitenkin myös pitkäkestoisessa rasituksessa käytetään hieman samoja energi-; ’· antuottomekanismeja kuin lyhytkestoisessa rasituksessa.
Laktaatin eli maitohapon määrä elimistössä on tasapainoreaktio eli ·*· laktaattia syntyy ja poistuu levossa pieni mutta sama määrä. Jos rasitus kas- • * · # 25 vaa, laktaattia alkaa syntyä enemmän, mutta myös laktaatin poistomekanismit .···. alkavat toimia suuremmalla nopeudella. Jos rasitus ei kasva kovin suurelle ta- .··" solle, laktaatin poistomekanismit pystyvät poistamaan laktaattia yhtä nopeasti kuin sitä syntyykin. Poistomekanismeilla on kuitenkin rajallinen reagointinopeus, jonka vuoksi laktaatin määrään vaikuttaa suuresti rasituksen luonne. Inter-·; 30 valliharjoittelussa syntyy suhteessa enemmän laktaattia kuin tasaisessa rasi tuksessa. Poistomekanismeilla on edelleen tietty maksiminopeutensa, minkä : : vuoksi kovassa rasituksessa syntyy väistämättä enemmän laktaattia kuin pois- : '· tuu. Tämä aiheuttaa nopean laktaattitason kasvun elimistössä ja uupumisen.
,;, Hyväkuntoisella ihmisellä poistomekanismit ovat tehokkaita ja nopeasti reagoi- '···’ 35 via. Laktaattikäyrä, jossa laktaatin määrä esitetään sykkeen funktiona, kuvaa eräällä tavalla yksilön kuntoa. Huonokuntoisella käyrä on tasaisemmin kasva- „ 114201
O
va kuin hyväkuntoisella henkilöllä. Hyväkuntoisella laktaattitaso on suhteellisen matala melko kovalle rasitustasolle saakka. Tietyllä rasitustasolla, laktaat-tikynnyksellä, käyrä kasvaa jyrkästi. Tämä käyränmuoto voidaan selittää sillä, että hyväkuntoisella laktaatin poistomekanismit ovat tehokkaat ja kohonnee-5 seen laktaatin tuottonopeuteen nopeasti reagoivat. Laktaatin määrä alkaa merkittävästi kasvaa vasta, kun saavutetaan maksimaalinen laktaatin poistu-misnopeus. Vastaavasti huonokuntoisella laktaatin poistomekanismit ovat heikommat ja seuraavat pienellä viiveellä kohonnutta laktaatin syntynopeutta. Jos laktaattikäyrä tiedetään, harjoittelun ja harjoituksen palautumisen suunnittelu 10 on helppoa. Harjoittelun tulee tapahtua sillä laktaattikäyrän alueella, jota halutaan kehittää, koska harjoittelu parantaa muun muassa verenkiertoa ja näinollen poistomekanismien tehokkuutta.
Kuvion 1 menetelmäaskeleessa 104 opetetaan neuroverkko suurella joukolla käyttäjädataa. Käyttäjädataa kerätään edullisesti esimerkiksi noin tu-15 hannelta käyttäjältä, jolloin neuroverkko oppii ja pystyy asettamaan synapsien painokertoimet siten, että malli antaa mahdollisimman hyviä tuloksia. Askeleessa 106 syötetään neuroverkolle käyttäjäkohtainen informaatio, kuten esimerkiksi fysiologiset parametrit ja rasitusparametrit. Edullisesti malli kalibroidaan ennen varsinaista käyttöä todellisen käyttäjädatan avulla. Laktaatin osalta tämä tarkoit-20 taa esimerkiksi sitä, että veren todellinen laktaattimäärä mitataan verestä muutaman kerran harjoituksen aikana, syötetään todellinen saatu mittaustulos mal- • * : '·· liin, joka kalibroi takaisinkytkennän avulla mallin parametreja siten, että todelli- :' *: nen mitattu arvo on saavutettavissa mallin pohjalta. Kalibroinnin tuloksena malli ··· antaa varsinaisessa käyttövaiheessa parempia ja tarkempia arvioita laktaatin 25 määrästä veressä. Matemaattinen malli on eräässä edullisessa suoritusmuo-.···. dossa sisällytetty sykemittariin, jonka käyttövaihetta kuvaa menetelmäaskel 108.
. · · ·, Sykemittari mittaa yhtä tai useampaa sykeparametria henkilön sykkeestä, joiden perusteella sykemittari muodostaa arvion elimistön laktaattipitoisuudelle. Aske-, leessa 110 sykemittari edullisesti näyttää näytöllään veren laktaattipitoisuuden 30 esimerkiksi sykemittarin käyttäjälle, lääkärille tai valmentajalle. Laktaattipitoisuus tai sitä kuvaava suure, kuten esimerkiksi henkilön rasitustaso voidaan näytön sijaan tai näytön lisäksi tallentaa sykemittarin muistiin myöhemmin tapahtuvaa käsittelyä varten. Elimistön laktaattipitoisuuden avulla on mahdollista arvioida esi-merkiksi harjoituksen onnistumista. Tällöin esimerkiksi liian korkea laktaattipitoi-- ·’ 35 suuden arvo saattaa indikoida, että harjoitus on suoritettu liian korkealla rasitus- tasolla. Laktaattipitoisuuden määrää voidaan täten käyttää rasituksen tason oh- 9 114201 jauksessa esimerkiksi siten, että rasituksen tasoa ohjataan sykkeen, kuntosuo-rittajan juoksunopeuden tai kuntopyörän tehon suhteen. Laktaattipitoisuutta käytetään hyväksi harjoituksen suunnittelussa esimerkiksi siten, että vauhdinjako harjoituksessa sovitetaan laktaattipitoisuuden antamien arvojen perusteella.
5 Mallia selostetaan seuraavaksi viitaten kuvioihin 2A ja 2B. Kuviossa 2 on esitetty matemaattisen mallin eräs edullinen suoritusmuoto, joka malli koostuu kaksi osamallia 200, 212 sisältävästä mallirakenteesta. On selvää, että malli voi olla myös yksiosainen tai useampiosainen kuin kaksiosainen. Ensimmäiseen mallin osaan 200 otetaan sisääntuloparametreina yksi tai useam-10 pi henkilön sykeparametri 202, kuten esimerkiksi keskisyke, sykkeen keskihajonta tai vastaava. Malli saa syöttötietoinaan edelleen yhden tai useamman harjoituksen rasittavuutta kuvaavan rasitusparametrin 204, kuten esimerkiksi juoksunopeuden tai kuntopyörän polkemisnopeuden. Kolmantena sisääntulo-parametrijoukkona malliin otetaan sisään yksi tai useampi henkilön fysiologi-15 nen parametri 206, kuten esimerkiksi ikä, pituus, paino tai sukupuoli. Edellä kuvatut sisääntuloparametrijoukot 204-206 ovat optionaalisia eli ne voivat olla mallissa mukana yksitellen, yhtäaikaisesti tai olla olematta mallissa mukana. Mallin ensimmäinen osa 200 toteutetaan keksinnön eräässä suoritusmuodossa neuroverkkona, jota neuroverkkoa on opetettu satoja tai jopa tuhansia 20 käyttäjiä sisältävällä käyttäjädatalla. Ulostulona mallin ensimmäinen osa antaa keksinnön eräässä toteutusmuodossa henkilön rasitustason 208 kuntosuori-j * · tuksessa. Ulostuloparametrijoukko 210 kuvaa mallista saatavaa yhtä tai use- ·:· · ampaa henkilön fyysistä kuntoa kuvaava kuntoparametria, kuten esimerkiksi · maksimaalinen hapenottokyky tai kuntoindeksi.
. · . 25 Mallin toinen osa 212 saa sisääntuloparametreinaan edellä kuvatun .···. harjoituksen rasitustasoa 208 kuvaavan informaation ja optionaalisesti käyttä- . jän kuntoa kuvaavan yhden tai useamman kuntoparametrin 210, joka on rasi tustasoa kuvaavan parametrin tapaan muodostettu yhden tai useamman sy-keparametrin funktiona ja edullisesti myös yhden tai useamman optionaalisen 30 parametrin 204-206 funktiona. Eräässä edullisessa suoritusmuodossa toinen osamalli 212 on matemaattisesti muodostettu fysiologinen malli, joka sisään-: tuloparametrien 208-210 avulla palauttaa ulostuloparametrinaan henkilön eli- mistössä olevan laktaatin määrän 214. Mallin ulostulona saadaan elimistön laktaatin määrä 214. Toinen osamalli 212 toteutetaan edullisesti neuroverkko-35 na.
10 114201
Toisen osamallin fysiologista perusmallia kuvataan erään sovellus-muodon avulla kuviossa 2B. Sisääntulona malliin syötetään henkilön rasitustaso 20S urheilusuorituksen aikana. Viiveyksikössä 212A mahdollistetaan mallin erään sovellusmuodon mukainen esittäminen neuroverkkomuodossa. Koska fy-5 siologinen malli edullisesti on differentiaaliyhtälömuotoinen, voidaan mallin diskreetti muoto toteuttaa takaisinkytkennän toteuttavan viiveyksikön 212 avulla. Fysiologinen malli, johon yksiköt 212B-212D, voidaan esittää yksinkertaisessa muodossaan kaavan (1) mukaisesti: 10 (1) iMä = I[Ra(t)-Rd(t)] jossa la(t) on laktaatin konsentraatio, Ra(t) on laktaatin syntymisnopeus, Rd(t) on laktaatin poistumisnopeus ja V on laktaatin jakautumisnopeus.
Mallin parametri k kuvaa Ra:n riippuvuutta rasitustasosta 208, I ku-15 vaa Rd:n riippuvuutta rasitustasosta, n kuvaa Rd:n riippuvuutta laista ja s Rd:n Rdmax-riippuvuutta. Maksimaalinen laktaatin poistumisnopeus sijaitsee lak-taattikynnyksellä. Kuviossa 2C havainnollistetaan mallin muodostamista esimerkin valossa. Kuviossa 2C x-akselilla on kuvattu henkilön syke ajan ja harjoituksen etenemisen funktiona yksikkönä lyöntiä/minuutti ja y-akselilla laktaa-20 tin määrä veressä yksikkönä mmol/l. Käyrä 222 kuvaa mitattua laktaatin mää-·*·,, rää ja käyrä 230 mallin antamaa laktaatin arvoa. Mallin muodostamista varten etsitään kolme suoraa ja niiden kulmakertoimet. Käyrä 224 kuvaa laktaatin syntynopeutta ennen laktaattikynnystä, joka on käyrien 224 ja 226 leikkauspis-teessä. Käyrä 226 kuvaa laktaatin syntynopeutta laktaattikynnyksen ylittämi-25 sen jälkeen ja käyrä 228 laktaatin määrän poistumisnopeutta harjoituksen päättymisen jälkeen, jonka harjoituksen rasittavuutta kuvaa käyrä 220. Lak-'···' taattikynnyksellä, jota kuvaa laktaatin maksimaalinen poistonopeus, on suuri merkitys mallissa. Oletetaan että eri kuntoiset ihmiset kuuluvat eri laktaattikun-toluokkiin. Hyväkuntoisten laktaattikuntoluokassa laktaattikynnys on korkeam-: 30 maila syketasolla ja päinvastoin. Mallissa laktaattikynnyksen ainoa tarkoitus , on määrätä sykearvo, jonka jälkeen laktaattimäärä kasvaa nopeammin kuin alhaisemmalla rasitustasolla/syketasolla.
: Keksinnön eräässä suoritusmuodossa keksinnön mukaisen mene telmän toteuttava matemaattinen malli toteutetaan neuroverkkona, jonka toimin- ·: 35 taperiaatetta selostetaan kuvioiden 3A ja 3B avulla. Neuroverkko on tapa mallin taa hyvin monimutkaisia sovelluksia, kuten esimerkiksi kuvan- ja puheentunnis- 11 114201 tus, robotiikkasovellukset ja lääketieteelliset analyysisovellukset, joiden esittäminen matemaattisena mallina on erittäin vaikeaa. Viitaten kuvioon 2A, neuroverkko käsittää neuroneita, esimerkiksi 202A-202B, 302A-302B, joiden välillä vallitsee suuri määrä riippuvuussuhteita, esimerkiksi 304A-304B. Neuronien välisiä 5 riippuvuussuhteita 304A-304B kutsutaan synapseiksi ja kullekin synapsille määritellään painokerroin, esimerkiksi W11, W12. Neuronit eli noodit voivat suorittaa yksinkertaisia laskutoimituksia, kuten esimerkiksi neuroni 302A laskee painokertoimilla painotetun summan edellisen kerroksen (layer) synapseista. Neuroverkko käsittää ainakin sisääntulokerroksen, johon kuuluvat neuronit 202A-204A ja 10 ulostulokerroksen, johon kuuluvat neuronit 216-220. Koska kaksikerroksisen neuroverkon toiminta on melko rajoitettu, neuroverkko käsittää edullisesti ainakin yhden piilokerroksen HL, johon kuuluvat neuronit 302A-302B. Samaan tasoon kuuluvilla neuroneilla ei ole synapsia keskenään mutta noodilla on synapsi kyseisen tason vierekkäisten tasojen kaikkien neuronien kanssa. Kuviossa 3B 15 esitetään yhden neuronin 302A rakennetta hieman tarkemmin. Neuroni 302A saa sisääntulonaan painokertoimilla P1-P3 painotetut vastaavat sisääntulopara-metrit 202A-204A, joille neuroni muodostaa painotetun summan S. Summan S neuroni syöttää aktivointifunktioon, joka tyypillisesti on epälineaarinen, sigmoi-dista tyyppiä oleva funktio. Neuronin 302A ulostulona saadaan loppuarvo T, jo-20 ka loppuarvo syötettynä synapsille 304B kerrotaan painokertoimella T11, kun taas syötettynä noodille 218 kerrotaan painokertoimella T12.
Neuroverkon keskeinen ominaisuus on opetus. Erityisessä opetus-.;*· vaiheessa mallille esitetään todellisia sisääntulo- ja ulostuloarvoja, joita malli vertaa laskemiinsa ulostuloarvoihin. Todellisten ja laskettujen välinen erotus eli 25 virhe prosessoidaan mallissa, jonka prosessoinnin lopputuloksena synapsien y.’.' painokertoimia viritetään virheen minimoimiseksi. Opetusvaiheen seurauksena merkittävien synapsien paino kasvaa ja vähämerkityksisten synapsien paino I · ‘ · · · ‘ muodostuu häviävän pieneksi.
Kuviossa 4A on esitetty henkilö 400, joka suorittaa harjoitusta juok-..!30 sumatolla 406. Henkilön 400 sydämen sykettä mitataan rintakehälle asetettavan lähetinelektrodivyön 402 avulla. Sykkeen mittaus tapahtuu mittausvälineillä mi-, !·. tata sykeinformaatiota, jotka mittausvälineet ovat esimerkiksi lähetinelektrodi- ' I · , · ’, vyössä 402 olevat kaksi tai useampi elektrodi 41OA-410B, joiden välille muodos- • · tuu potentiaaliero sydämen lyödessä. Lähetinelektrodivyö 402 kiinnitetään hen-*...: 35 kilon vartalon ympärille esimerkiksi joustavasta materiaalista valmistetun joustin- nauhan avulla. Mitattu sydämen syke lähetetään edullisesti induktiivisesti ran- 12 114201 teessä sijaitsevaan vastaanottimeen 404, joka käsittää edullisesti myös näytön sydämen mitatun sykkeen näyttämiseksi. Keksintö soveltuu myös sykemittarei-hin, joissa rintakehällä oleva elektrodivyö 402 huolehtii sykkeen mittauksen ohella sykeinformaation tallennuksesta, prosessoinnista ja näytöstä, jolloin eril-5 listä ranteeseen asennettavaa vastaanotinyksikköä 404 ei tarvita. Sykemittari voi olla myös pelkkä rannelaite, jossa lähetinosa ja vastaanotinosa on integroitu yhdeksi laitteeksi, jolloin lähetin- ja vastaanotinelektroniikkaa ei tarvita. Sydämen lyönnin mittaus voi tapahtua ranteesta joko EKG-signaalista valtimon pai-nepulssista tai optisesti havainnoimalla veren virtauksen absorption tai heijas-10 tuksen muutoksia. Edellä mainituissa tapauksissa mittausvälineet mitata sykein-formaatiota ovat paineanturi tai optinen mittalaite.
Kuviossa 4B on kuvattu tarkemmin kuviossa 4A esitetty elektrodi-vyö 402. Kuviossa 4B elektrodivyö 402 on kuvattu elektrodien 410A-410B puolelta eli kehoa vasten tulevalta puolelta. Kuviossa on nähtävissä edelleen kiinnit-15 timet 416A-416B, joilla elektrodivyö 402 on kiinnitettävissä vartalon ympärille kiinnitettävään joustinnauhaan. Kuviossa 4B on edelleen kuvattu katkoviivalla elektroniikkayksikkö 412 elektrodeilta 410A-410B saatavan sykeinformaation käsittelemiseksi. Elektrodit 410A ja 410B on kytketty johtimilla 414A ja 414B vastaavasti elektroniikkayksikköön 412.
20 Kuviossa 4C on kuvattu lähetinelektrodivyön 402 ja vastaanottimen 404 rakenteita erään sovellusmuodon avulla. Kuviossa ylimpänä on kuvattu lä-• hetinelektrodivyö 402, keskellä otos lähetettävästä sykeinformaatiosta ja alimpa na vastaanotinyksikkö 404 olennaisilta osiltaan. Lähetinelektrodivyön 402 elektroniikkayksikkö 112 vastaanottaa sykeinformaation välineiltä mitata 410A-410B . 25 sykeinformaation yksi tai useampi parametri. Välineet mitata ovat edullisesti ·. elektrodeja, joita on sykemittarissa vähintään kaksi mutta voi olla useampiakin.
! _ Elektrodeilta signaali menee EKG-esivahvistimeen 420, josta signaali siirretään AGC-vahvistimen 422 ja tehovahvistimen 424 kautta lähettimelle 426. Lähetin 426 on edullisesti toteutettu kelana, joka lähettää induktiivisesti sykeinformaati-ί 30 on 430 vastaanottimelle, kuten ranteeseen asetettavalle vastaanotinyksikölle ...: 404 tai esimerkiksi ulkoiselle tietokoneelle.
: : ‘: Yhtä sydämen lyöntiä vastaa esimerkiksi yksi 5kHz:n purske 432A
. ··. tai lyöntiä voi vastata useamman purskeen rykelmä 432A-432C. Purskeiden 430A-430C välit 432A-432B voivat olla yhtä pitkiä tai keskenään eri pituisia, mi-'···’ 35 kä tilanne on esitetty kuviossa 4C. Informaation lähetys voi tapahtua induktiivi- sesti tai vaihtoehtoisesti esimerkiksi optisesti tai johtimen välityksellä. Vastaan- 13 114201 otin 404, kuten esimerkiksi ranteeseen asetettava vastaanotin käsittää eräässä soveilusmuodossa vastaanotinkelan 440, josta vastaanotettu signaali johdetaan signaalivastaanottimen 442 kautta keskusprosessorille 444, joka koordinoi vastaanottimen 404 eri osien toimintaa. Vastaanotin 404 käsittää edullisesti myös 5 muistin 448 sykeinformaation tallentamiseksi, sekä esittämisvälineet 450 sykkeen tai siitä johdettujen sykemuuttujien, kuten keskihajonta, esittämiseksi. Esit-tämisvälineillä 450 voidaan myös näyttää käyttäjälle keksinnön mukaisen menetelmän kannalta oleellista informaatiota, kuten esimerkiksi elimistön laktaattipi-toisuus, liukuvan sykevariaation arvo, henkilön rasitustaso tai muu vastaava in-10 formaatio. Esittämisvälineet 450 on esimerkiksi näyttö, puheohjain, tai välineet lähettää syke- ja/tai palautusinformaatio ulkopuoliselle tietokoneelle tai tietoverkkoon sykemittarista erillään tapahtuvaa esittämistä varten. Esittämisvälineet lähettää voidaan toteuttaa esimerkiksi induktiivisena kelana, optisena lähettimenä tai liittimellä yhdysjohtoa pitkin tapahtuvaa lähetystä varten. Mikäli sykemittarilla 15 mitattu tai muodostettu informaatio lähetetään sykemittarin ulkopuoliselle laitteistolle, kuten esimerkiksi tietokoneelle, puhutaan sykemittausjärjestelystä. Tällöin erään edullisen suoritusmuodon mukaan esittämisvälineet sijaitsevat tietokoneella, jolla voidaan näyttää sykemittarin muistiin 448 tallennettu tai reaaliajassa mitattu informaatio.
20 Sykemittari käsittää edelleen muodostamisvälineet muodostaa mi tatun sykeinformaation perusteella arvio elimistön laktaattipitoisuudesta. Muo-dostamisvälineet toteutetaan edullisesti sykemittarin laskentayksikkönä 452 ja ·;**: siihen kuuluvana matemaattisena mallina, joka on esimerkiksi neuroverkko.
Muodostamisvälineillä toteutetaan edullisesti keksinnön mukaisen menetelmän •. 25 menetelmäaskeleet, joissa elimistön laktaatin ja/tai rasitustason määrää arvioi- daan sisääntuloparametrien avulla. On selvää, että laskentayksikköä 452 ei tar-;; vitse toteuttaa erillisenä laiteyksikkönä, vaan että laskentayksikkö 452 ja sen si- sältämä matemaattinen malli voivat kuulua esimerkiksi keskusprosessoriin 444. Edelleen on selvää, ettei sykemittarissa ole välttämätöntä olla laskentayksikköä 30 erillisenä laiteosana, vaan malli voidaan toteuttaa esimerkiksi keskusprosesso-, .: riin 444. Vastaanotin 404 käsittää edullisesti syöttövälineet 446, kuten esimer- . kiksi näppäimistön tai puheohjainvälineet. Syöttövälineillä 446 voidaan syöttää . . esimerkiksi mallien tarvitsemat fysiologiset parametrit ja rasitusparametrit.
Keksinnön mukaiset menetelmäaskeleet toteuttavat toiminteet, väli-35 neet ja mallit toteutetaan eräässä edullisessa suoritusmuodossa ohjelmallisesti 14 114201 yleiskäyttöiselle prosessorille. Mainitut välineet voidaan myös toteuttaa ASIC:na, erillisillä logiikkakomponenteilla tai muulla vastaavalla tunnetulla menetelmällä.
Sykemittarilla tarkoitetaan kuvan 4C mukaisessa sovellusmuodos-sa lähetinelektrodivyön 402 ja vastaanottimen 404 muodostamaa kokonaisuut-5 ta. Sykemittari voidaan eräässä sovellusmuodossa toteuttaa myös siten, että edellä kuvatut lähetinelektrodivyön 402 ja vastaanottimen 404 sisältämät toiminteet ovat yhdessä laitteessa. Kyseinen yksiosainen laite voi olla joko sellainen, että se asetetaan sykkeen mittausta varten rintakehälle tai vaihtoehtoisesti laitetta käytetään ranteessa. Alan asiantuntijalle on selvää, että elektrodivyö 402 10 ja vastaanotin 404 voivat käsittää myös muita osia kuin kuviossa 4B ja 4C on esitetty mutta niiden selostaminen ei tässä yhteydessä ole keskeistä.
Vaikka keksintöä on edellä selostettu viitaten oheisten piirustusten mukaisiin esimerkkeihin, on selvää ettei keksintö ole rajoittunut niihin, vaan sitä voidaan monin tavoin muunnella oheisten patenttivaatimusten esittämän keksin-15 nöllisen ajatuksen puitteissa.
* « • » « t I * »»Ml • | » ·
t I

Claims (37)

114201
1. Menetelmä ihmisen elimistön laktaattipitoisuuden arvioimiseksi kuntosuorituksen yhteydessä, tunnettu siitä, että mitataan henkilön syke-5 informaatiota yhden tai useamman sisääntuloparametrina matemaattiseen malliin otettavan sykeparametrin muodossa ja (108) muodostetaan elimistön laktaattipitoisuutta mallintavan matemaattisen mallin avulla mallin ulostulopara-metrina henkilön elimistön laktaattipitoisuuden taso esitettäväksi (110) elimistön laktaattipitoisuuden arvioinnissa.
2. Patenttivaatimuksen 1 mukainen menetelmä, tunnettu siitä, että mallissa muodostetaan sykeinformaation ja ainakin yhden henkilön fysiologiaa kuvaavan fysiologisen parametrin avulla henkilön rasitustaso henkilön rasitustason arvioimiseksi kuntosuorituksen yhteydessä.
3. Patenttivaatimuksen 2 mukainen menetelmä, tunnettu siitä, 15 että mallissa muodostetaan henkilön rasitustason avulla arvio henkilön elimistön laktaattipitoisuudelle.
4. Patenttivaatimuksen 1 mukainen menetelmä, tunnettu siitä, että malliin syötetään sisääntuloparametrina yksi tai useampi kuntosuorituksen rasittavuutta kuvaava rasitusparametri.
5. Patenttivaatimuksen 1 tai 2 mukainen menetelmä, tunnettu siitä, että mallissa muodostetaan yhden tai useamman sykeparametrin ja yh- » . den tai useamman fysiologisen parametrin avulla yksi tai useampi käyttäjän fyysistä kuntoa kuvaava kuntosuure, jota käytetään mallissa henkilön elimistön ’ laktaattipitoisuuden arvioinnissa kuntosuorituksen yhteydessä. ; 25
6. Patenttivaatimuksen 1 mukainen menetelmä, tunnettu siitä, » » että mallissa käytetään laktaattimäärän arvioinnissa laktaatin syntymisnopeut- - · -* ta lihaksessa, laktaatin poistumisnopeutta lihaksesta ja verimäärää, jolle lak- taatti on jakautunut.
7. Patenttivaatimuksen 2 mukainen menetelmä, tunnettu siitä, 30 että mainittu fysiologinen parametri on ikä, paino, pituus tai sukupuoli.
·, 8. Patenttivaatimuksen 4 mukainen menetelmä, tunnettu siitä, että, rasitusparametri on juoksijan nopeus, kuntopyörän teho, polkupyörän no-peus, polkupyörän teho, uintinopeus tai aktiivisuus.
.·* 9. Patenttivaatimuksen 1 mukainen menetelmä, tunnettu siitä, ': 35 että matemaattinen malli on neuroverkko. [ 16 114201
10. Patenttivaatimuksen 9 mukainen menetelmä, tunnettu siitä, että neuroverkko on opetettu suurelta käyttäjäjoukolta kerätyn käyttäjäinfor-maation perusteella.
11. Patenttivaatimuksen 10 mukainen menetelmä, tunnettu sii-5 tä, että neuroverkon opetuksessa tarkennetaan takaisinkytkennän avulla neuroverkon neuronien välisiä painokertoimia hyödyntämällä yhden tai useamman ulostuloparametrin arvoa.
12. Patenttivaatimuksen 1 mukainen menetelmä, tunnettu siitä, että sykeparametri on sydämen lyöntitiheyttä kuvaava syke, sykkeen keskiha- 10 jonta, sykkeen muutosnopeus tai vastaava parametri.
13. Patenttivaatimuksen 1 mukainen menetelmä, tunnettu siitä, että mitataan henkilön sykeinformaatiota sykemittarin avulla.
14. Patenttivaatimuksen 1 mukainen menetelmä, tunnettu siitä, että syötetään sykemittarin sisältämään matemaattiseen malliin yksi tai use- 15 ampi sisääntuloparametri sykemittarin syöttövälineillä.
15. Patenttivaatimuksen 1 mukainen menetelmä, tunnettu siitä, että esitetään laktaatin määrä elimistössä sykemittarin näytöllä.
16. Patenttivaatimuksen 1 mukainen menetelmä, tunnettu siitä, että esitetään henkilön rasitustaso sykemittarin näytöllä.
17. Patenttivaatimuksen 1 mukainen menetelmä, tunnettu siitä, että tallennetaan harjoituksen aikaiset laktaattipitoisuudet sykemittarin muistiin ; ‘ , käytettäväksi harjoituksen jälkeen harjoituksen onnistumisen arvioinnissa.
18. Patenttivaatimuksen 16 mukainen menetelmä, t u n n ettu sii- • · tä, että käytetään rasitustasoa kuntosuorituksen rasituksen tason ohjaukses-25 sa. * ·
19. Patenttivaatimuksen 17 mukainen menetelmä, tunnettu sii- » · tä, että ohjataan rasitustasoa esimerkiksi sykeohjauksena, nopeusohjauksena ' · · ·: tai teho-ohjauksena.
20. Sykemittausjärjestely, tunnettu siitä, että sykemittausjärjes-30 tely käsittää mittausvälineet (410A-410B) mitata sykeinformaatiota, muodosta- misvälineet (452) muodostaa mitatun sykeinformaation perusteella arvio eli- , *·. mistön laktaattipitoisuudesta, esittämisvälineet (450) esittää muodostettu arvio * · · laktaatin määrästä elimistössä. • ·
21. Patenttivaatimuksen 20 mukainen sykemittausjärjestely, t u n -35 nettu siitä, että muodostamisvälineet on laskentayksikkö, joka käsittää ma- temaattisen mallin, joka matemaattinen malli on sovitettu vastaanottamaan si- 17 114201 sääntuloparametrinaan yhden tai useamman mittausvälineillä mitatun sykeinfor-maation sykeparametrin ja palauttamaan ulostuloparametrinaan ihmisen elimistön laktaattipitoisuuden tason esitettäväksi esittämisvälineillä.
22. Patenttivaatimuksen 20 mukainen sykemittausjärjestely, t u n -5 n e 11 u siitä, että sykemittausjärjestely käsittää muistin sykeinformaation ja/tai laskentayksikössä muodostetun informaation tallentamiseksi.
23. Patenttivaatimuksen 20 mukainen sykemittausjärjestely, tunnettu siitä, että mittausvälineet on elektrodivyö sydämen sykkeen mittaamiseksi, sykemittarijärjestelyn käsittäessä edelleen vastaanotinyksikön, joka vas- 10 taanotinyksikkö käsittää vastaanottimen elektrodivyön käsittämältä lähettimeltä lähetetyn sykeinformaation vastaanottamiseksi, vastaanotinyksikön edelleen käsittäessä mainitut esittämisvälineet.
24. Patenttivaatimuksen 23 mukainen sykemittausjärjestely, tunnettu siitä, että esittämisvälineet on vastaanotinyksikön näyttö.
25. Patenttivaatimuksen 20 mukainen sykemittausjärjestely, tun nettu siitä, että sykemittausjärjestely on yksiosainen ranteessa pidettävä sykemittari, joka käsittää yhden tai useamman anturin sydämen sykkeen mittaamiseksi, laskentayksikön ja jotka mainitut esittämisvälineet ovat sykemittarin näyttö elimistön laktaattipitoisuuden näyttämiseksi.
26. Patenttivaatimuksen 21 mukainen sykemittausjärjestely, tun nettu siitä, että laskentayksikön käsittämä malli on sovitettu muodostamaan sykeinformaation ja ainakin yhden malliin sisääntuloparametrina otettavan ; henkilön fysiologiaa kuvaavan fysiologisen parametrin avulla henkilön rasitus- tason, jota rasitustasoa käyttäen malli on sovitettu muodostamaan elimistön >, 25 laktaattipitoisuuden.
: 27. Patenttivaatimuksen 21 mukainen sykemittausjärjestely, tun nettu siitä, että malli on sovitettu vastaanottamaan sisääntuloparametrinaan ' ‘ yhden tai useamman kuntosuorituksen rasittavuutta kuvaavan rasitusparamet- rin.
28. Patenttivaatimuksen 21 mukainen sykemittausjärjestely, tun- ,,: n e 11 u siitä, että malli on sovitettu muodostamaan yhden tai useamman sy- !\ keparametrin ja yhden tai useamman malliin sisääntuloparametrina otettavan , fysiologisen parametrin avulla yhden tai useamman käyttäjän fyysistä kuntoa T kuvaava kuntosuureen, jota käyttäen malli on sovitettu arvioimaan henkilön eli- 35 mistön laktaattipitoisuutta kuntosuorituksen yhteydessä. 114201
29. Patenttivaatimuksen 21 mukainen sykemittausjärjestely, tunnettu siitä, että malli on sovitettu käyttämään laktaattimäärän arvioinnissa laktaatin syntymisnopeutta lihaksessa, laktaatin poistumisnopeutta lihaksesta ja verimäärää, jolle laktaatti on jakautunut.
30. Patenttivaatimuksen 20 mukainen sykemittausjärjestely, tun nettu siitä, että sykemittausjärjestely on sovitettu käyttämään elimistön lak-taattipitoisuutta harjoituksen jälkeisen palautusharjoituksen riittävän keston arvioinnissa.
31. Patenttivaatimuksen 27 mukainen sykemittausjärjestely, tun-10 n e tt u siitä, että, rasitusparametri on juoksijan nopeus, kuntopyörän teho tai vastaava suure.
32. Patenttivaatimuksen 21 mukainen sykemittausjärjestely, tunnettu siitä, että matemaattinen malli on neuroverkko.
33. Patenttivaatimuksen 32 mukainen sykemittausjärjestely, t u n -15 nettu siitä, että neuroverkko on opetettu suurelta käyttäjäjoukolta kerätyn käyttäjäinformaation perusteella.
34. Patenttivaatimuksen 33 mukainen sykemittausjärjestely, tunnettu siitä, että neuroverkon opetuksessa neuroverkon neuronien välisiä painokertoimia on tarkennettu takaisinkytkennän avulla hyödyntämällä yhden 20 tai useamman ulostuloparametrin arvoa.
35. Patenttivaatimuksen 21 mukainen sykemittausjärjestely, tun-nettu siitä, että sykeparametri on sydämen lyöntitiheyttä kuvaava syke, syk- ; · * keen keskihajonta, sykkeen muutosnopeus tai vastaava parametri.
36. Patenttivaatimuksen 28 mukainen sykemittausjärjestely, tun-25 nettu siitä, että fysiologinen parametri on ikä, sukupuoli, pituus, paino tai K vastaava henkilön fysiologista ominaisuutta kuvaava parametri.
37. Patenttivaatimuksen 21 mukainen sykemittausjärjestely, tun-nettu siitä, että sykemittausjärjestely käsittää syöttövälineet syöttää laskentayksikön matemaattiselle mallille yksi tai useampi sisääntuloparametri. > 114201
FI20000417A 2000-02-23 2000-02-23 Laktaatin määrän arviointi elimistössä FI114201B (fi)

Priority Applications (6)

Application Number Priority Date Filing Date Title
FI20000417A FI114201B (fi) 2000-02-23 2000-02-23 Laktaatin määrän arviointi elimistössä
EP01660034A EP1127543B1 (en) 2000-02-23 2001-02-19 non-invasive assessment of lactate concentration in body in connection with corporal exercise
DE60115301T DE60115301T2 (de) 2000-02-23 2001-02-19 Nicht invasive Abschätzung des Laktatgehaltes im Körper im Zusammenhang mit körperlicher Anstrengung
ES01660034T ES2250334T3 (es) 2000-02-23 2001-02-19 Valoracion no invasiva de la concentracion de lactato en el cuerpo en relacion con el ejercicio corporal.
AT01660034T ATE311146T1 (de) 2000-02-23 2001-02-19 Nicht invasive abschätzung des laktatgehaltes im körper im zusammenhang mit körperlicher anstrengung
US09/792,268 US6411841B2 (en) 2000-02-23 2001-02-23 Human-related measuring assessment

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
FI20000417 2000-02-23
FI20000417A FI114201B (fi) 2000-02-23 2000-02-23 Laktaatin määrän arviointi elimistössä

Publications (3)

Publication Number Publication Date
FI20000417A0 FI20000417A0 (fi) 2000-02-23
FI20000417A FI20000417A (fi) 2001-08-23
FI114201B true FI114201B (fi) 2004-09-15

Family

ID=8557687

Family Applications (1)

Application Number Title Priority Date Filing Date
FI20000417A FI114201B (fi) 2000-02-23 2000-02-23 Laktaatin määrän arviointi elimistössä

Country Status (6)

Country Link
US (1) US6411841B2 (fi)
EP (1) EP1127543B1 (fi)
AT (1) ATE311146T1 (fi)
DE (1) DE60115301T2 (fi)
ES (1) ES2250334T3 (fi)
FI (1) FI114201B (fi)

Families Citing this family (36)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
FI115288B (fi) * 2000-02-23 2005-04-15 Polar Electro Oy Palautumisen ohjaus kuntosuorituksen yhteydessä
US7181285B2 (en) * 2000-12-26 2007-02-20 Cardiac Pacemakers, Inc. Expert system and method
AUPR343401A0 (en) * 2001-02-28 2001-03-29 Nguyen, Hung Modelling and design for early warning systems using physiological responses
AU2003902187A0 (en) 2003-05-08 2003-05-22 Aimedics Pty Ltd Patient monitor
DE10324904B4 (de) * 2003-05-30 2013-03-07 Siemens Aktiengesellschaft Vorrichtung zur Trainingseinstellung im Sport, insbesondere im Laufsport
DE10333075B4 (de) * 2003-07-21 2011-06-16 Siemens Ag Verfahren und Vorrichtung zur Trainingseinstellung im Sport, insbesondere im Laufsport
CN1829477A (zh) * 2003-09-15 2006-09-06 产科保健公司 监测分娩过程的方法
FI120960B (fi) * 2004-07-01 2010-05-31 Suunto Oy Menetelmä ja laitteisto liikuntasuorituksen aikaisen suorirustason ja väsymisen mittaamiseksi
US20060253010A1 (en) * 2004-09-28 2006-11-09 Donald Brady Monitoring device, method and system
US20060079794A1 (en) * 2004-09-28 2006-04-13 Impact Sports Technologies, Inc. Monitoring device, method and system
US20070106132A1 (en) * 2004-09-28 2007-05-10 Elhag Sammy I Monitoring device, method and system
US7887492B1 (en) 2004-09-28 2011-02-15 Impact Sports Technologies, Inc. Monitoring device, method and system
US7674226B2 (en) * 2006-01-27 2010-03-09 Gary Nadeau Method for enhanced performance training
DE502008002142D1 (de) 2007-02-06 2011-02-10 Greiner Bio One Internat Ag Verfahren zur bestimmung der trainingsintensität
FI20085398A0 (fi) * 2008-04-30 2008-04-30 Polar Electro Oy Menetelmä ja laite harjoituksen yhteydessä
WO2010085688A1 (en) * 2009-01-22 2010-07-29 Under Armour, Inc. System and method for monitoring athletic performance
CN106418870B (zh) 2011-02-07 2019-10-22 新平衡运动公司 用于监视运动表现的系统和方法
US10363453B2 (en) 2011-02-07 2019-07-30 New Balance Athletics, Inc. Systems and methods for monitoring athletic and physiological performance
GB201202637D0 (en) * 2012-02-16 2012-04-04 Univ Leuven Kath Exercise system and method
US9681836B2 (en) 2012-04-23 2017-06-20 Cyberonics, Inc. Methods, systems and apparatuses for detecting seizure and non-seizure states
GB2505690B (en) * 2012-09-07 2018-02-07 Toumaz Healthcare Ltd A device and method for estimating energy expenditure during exercise
US20160030809A1 (en) * 2013-10-24 2016-02-04 JayBird LLC System and method for identifying fitness cycles using earphones with biometric sensors
WO2015134382A1 (en) * 2014-03-03 2015-09-11 Global Nutrition & Health, Inc. Real-time and continuous determination of excess post-exercise oxygen consumption and the estimation of blood lactate
AT14374U1 (de) * 2014-03-25 2015-10-15 Johannes Dr Krottmaier Vorrichtung zur nicht-invasiven Bestimmung von Laktatwerten sowie Verfahren hierfür
EP3037993A1 (en) * 2014-12-23 2016-06-29 Nokia Technologies OY Method and apparatus for processing user lactate level information
EP3283990B1 (en) 2015-04-15 2023-10-25 NIKE Innovate C.V. Activity monitoring device with assessment of exercise intensity
WO2016196295A1 (en) 2015-05-29 2016-12-08 Nike Innovate C.V. Activity monitoring device with assessment of exercise intensity
DE102015007875A1 (de) 2015-06-23 2016-12-29 Kimal Plc Messanordnung und Verfahren zur in-vivo Bestimmung der Laktatkonzentration in Blut mittels elektrochemischer Impedanzspektroskopie
WO2017014183A1 (ja) * 2015-07-17 2017-01-26 Blue Wych合同会社 運動能力及び運動の評価システム
EP3132745B1 (en) 2015-08-18 2021-12-22 Firstbeat Analytics OY A method and an apparatus to determine anaerobic threshold of a person non-invasively from freely performed exercise and to provide feedback on training intensity
WO2018027382A1 (zh) * 2016-08-06 2018-02-15 柳柏宏 一种测量心率技术的数据采集方法以及自行车
WO2018027381A1 (zh) * 2016-08-06 2018-02-15 柳柏宏 一种测量心率的方法以及自行车
ES2870496T3 (es) * 2016-09-01 2021-10-27 Nippon Telegraph & Telephone Método para calcular la capacidad de trabajo anaeróbico residual y dispositivo para calcular la capacidad de trabajo anaeróbico residual
JP7370082B2 (ja) * 2019-05-21 2023-10-27 株式会社ユピテル 電子機器およびプログラム
CN112842307B (zh) * 2019-11-27 2022-11-01 华为终端有限公司 一种热身程度检测方法及装置
CN115429262B (zh) * 2022-09-09 2023-07-14 东莞跑力科技有限公司 运动数据分析的乳酸阈值预测方法、装置、设备及介质

Family Cites Families (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US5853351A (en) 1992-11-16 1998-12-29 Matsushita Electric Works, Ltd. Method of determining an optimum workload corresponding to user's target heart rate and exercise device therefor
DE4406286A1 (de) * 1994-02-26 1995-08-31 Stegmann Heiner Dr Med Verfahren zur Bestimmung der individuellen anaeroben Schwelle eines Menschens
FI100377B (fi) * 1994-10-13 1997-11-28 Polar Electro Oy Menetelmä ja laite energia-aineenvaihdunnan kynnysarvojen määrittämise ksi
JPH0938051A (ja) 1995-07-25 1997-02-10 Kiyokukou Bussan Kk 至適運動強度測定方法及び装置
US5738612A (en) 1996-12-04 1998-04-14 Colin Corporation Exercise apparatus having exercise-load changing function
EP0947160B1 (en) * 1997-08-26 2006-03-01 Seiko Epson Corporation Pulse wave diagnosing device

Also Published As

Publication number Publication date
DE60115301D1 (de) 2006-01-05
EP1127543A1 (en) 2001-08-29
ATE311146T1 (de) 2005-12-15
FI20000417A0 (fi) 2000-02-23
US20010020135A1 (en) 2001-09-06
DE60115301T2 (de) 2006-06-08
US6411841B2 (en) 2002-06-25
EP1127543B1 (en) 2005-11-30
FI20000417A (fi) 2001-08-23
ES2250334T3 (es) 2006-04-16

Similar Documents

Publication Publication Date Title
FI114201B (fi) Laktaatin määrän arviointi elimistössä
FI115289B (fi) Elimistön energia-aineenvaihdunnan ja glukoosin määrän mittaaminen
FI115288B (fi) Palautumisen ohjaus kuntosuorituksen yhteydessä
FI114202B (fi) Menetelmä ja laitteisto ihmiseen liittyvän mittauksen suorittamiseksi
EP2815344B1 (en) Exercise system and method
EP1402817B1 (en) Evaluation of exercise stress level dependent parameter
FI119618B (fi) Menetelmä, käyttäjäkohtainen suoritemittari, järjestelmä ja tietokoneohjelmistotuote
FI115290B (fi) Menetelmä ja järjestely kuntosuorituksen tekijän varmentamiseksi
Brouwer et al. Improving real-life estimates of emotion based on heart rate: a perspective on taking metabolic heart rate into account
TW201632140A (zh) 使用動態心跳速率預測模型之用於生物激發動作補償及即時生理負載估計之系統與方法
US11291392B2 (en) Real-time and continuous determination of excess post-exercise oxygen consumption and the estimation of blood lactate
Quittmann et al. Maximal lactate accumulation rate and post-exercise lactate kinetics in handcycling and cycling
EP2413800B1 (en) Method of defining the physical condition level
EP3132745A1 (en) A method and an apparatus to determine anaerobic threshold of a person non-invasively from freely performed exercise and to provide feedback on training intensity
US12017115B2 (en) Method for building up an energy metabolism system for monitoring exercise
Silva Filho et al. An artificial neural network model as a tool to identify the anaerobic threshold during dynamic physical exercise

Legal Events

Date Code Title Description
FG Patent granted

Ref document number: 114201

Country of ref document: FI

MM Patent lapsed