JP2017506398A - 健康モニタ - Google Patents

健康モニタ Download PDF

Info

Publication number
JP2017506398A
JP2017506398A JP2016553292A JP2016553292A JP2017506398A JP 2017506398 A JP2017506398 A JP 2017506398A JP 2016553292 A JP2016553292 A JP 2016553292A JP 2016553292 A JP2016553292 A JP 2016553292A JP 2017506398 A JP2017506398 A JP 2017506398A
Authority
JP
Japan
Prior art keywords
activity
data
health
subject
health monitor
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Pending
Application number
JP2016553292A
Other languages
English (en)
Other versions
JP2017506398A5 (ja
Inventor
トーマス ピー． ブラッカダー，
トーマス ピー． ブラッカダー，
デイビッド ピー． モナハン，
デイビッド ピー． モナハン，
ポール ジェイ． ゴーデット，
ポール ジェイ． ゴーデット，
トーマス ジェイ． クインラン，
トーマス ジェイ． クインラン，
Original Assignee
ルミラディーエックス ユーケー リミテッド
ルミラディーエックス ユーケー リミテッド
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 ルミラディーエックス ユーケー リミテッド, ルミラディーエックス ユーケー リミテッド filed Critical ルミラディーエックス ユーケー リミテッド
Priority claimed from PCT/US2014/056532 external-priority patent/WO2015126459A1/en
Publication of JP2017506398A publication Critical patent/JP2017506398A/ja
Publication of JP2017506398A5 publication Critical patent/JP2017506398A5/ja
Pending legal-status Critical Current

Links

Images

Classifications

    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/103—Detecting, measuring or recording devices for testing the shape, pattern, colour, size or movement of the body or parts thereof, for diagnostic purposes
    • A61B5/11—Measuring movement of the entire body or parts thereof, e.g. head or hand tremor, mobility of a limb
    • A61B5/1123—Discriminating type of movement, e.g. walking or running
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/0002—Remote monitoring of patients using telemetry, e.g. transmission of vital signals via a communication network
    • A61B5/0015—Remote monitoring of patients using telemetry, e.g. transmission of vital signals via a communication network characterised by features of the telemetry system
    • A61B5/0024—Remote monitoring of patients using telemetry, e.g. transmission of vital signals via a communication network characterised by features of the telemetry system for multiple sensor units attached to the patient, e.g. using a body or personal area network
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/02—Detecting, measuring or recording pulse, heart rate, blood pressure or blood flow; Combined pulse/heart-rate/blood pressure determination; Evaluating a cardiovascular condition not otherwise provided for, e.g. using combinations of techniques provided for in this group with electrocardiography or electroauscultation; Heart catheters for measuring blood pressure
    • A61B5/0205—Simultaneously evaluating both cardiovascular conditions and different types of body conditions, e.g. heart and respiratory condition
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/103—Detecting, measuring or recording devices for testing the shape, pattern, colour, size or movement of the body or parts thereof, for diagnostic purposes
    • A61B5/11—Measuring movement of the entire body or parts thereof, e.g. head or hand tremor, mobility of a limb
    • A61B5/1118—Determining activity level
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/145—Measuring characteristics of blood in vivo, e.g. gas concentration, pH value; Measuring characteristics of body fluids or tissues, e.g. interstitial fluid, cerebral tissue
    • A61B5/14532—Measuring characteristics of blood in vivo, e.g. gas concentration, pH value; Measuring characteristics of body fluids or tissues, e.g. interstitial fluid, cerebral tissue for measuring glucose, e.g. by tissue impedance measurement
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/145—Measuring characteristics of blood in vivo, e.g. gas concentration, pH value; Measuring characteristics of body fluids or tissues, e.g. interstitial fluid, cerebral tissue
    • A61B5/1455—Measuring characteristics of blood in vivo, e.g. gas concentration, pH value; Measuring characteristics of body fluids or tissues, e.g. interstitial fluid, cerebral tissue using optical sensors, e.g. spectral photometrical oximeters
    • A61B5/14551—Measuring characteristics of blood in vivo, e.g. gas concentration, pH value; Measuring characteristics of body fluids or tissues, e.g. interstitial fluid, cerebral tissue using optical sensors, e.g. spectral photometrical oximeters for measuring blood gases
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/68—Arrangements of detecting, measuring or recording means, e.g. sensors, in relation to patient
    • A61B5/6801—Arrangements of detecting, measuring or recording means, e.g. sensors, in relation to patient specially adapted to be attached to or worn on the body surface
    • A61B5/6813—Specially adapted to be attached to a specific body part
    • A61B5/6823—Trunk, e.g., chest, back, abdomen, hip
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/68—Arrangements of detecting, measuring or recording means, e.g. sensors, in relation to patient
    • A61B5/6801—Arrangements of detecting, measuring or recording means, e.g. sensors, in relation to patient specially adapted to be attached to or worn on the body surface
    • A61B5/6813—Specially adapted to be attached to a specific body part
    • A61B5/6824—Arm or wrist
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/68—Arrangements of detecting, measuring or recording means, e.g. sensors, in relation to patient
    • A61B5/6801—Arrangements of detecting, measuring or recording means, e.g. sensors, in relation to patient specially adapted to be attached to or worn on the body surface
    • A61B5/6813—Specially adapted to be attached to a specific body part
    • A61B5/6828—Leg
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/68—Arrangements of detecting, measuring or recording means, e.g. sensors, in relation to patient
    • A61B5/6801—Arrangements of detecting, measuring or recording means, e.g. sensors, in relation to patient specially adapted to be attached to or worn on the body surface
    • A61B5/6813—Specially adapted to be attached to a specific body part
    • A61B5/6829—Foot or ankle
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/72—Signal processing specially adapted for physiological signals or for diagnostic purposes
    • A61B5/7235—Details of waveform analysis
    • A61B5/7264—Classification of physiological signals or data, e.g. using neural networks, statistical classifiers, expert systems or fuzzy systems
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
    • G16H20/00—ICT specially adapted for therapies or health-improving plans, e.g. for handling prescriptions, for steering therapy or for monitoring patient compliance
    • G16H20/30—ICT specially adapted for therapies or health-improving plans, e.g. for handling prescriptions, for steering therapy or for monitoring patient compliance relating to physical therapies or activities, e.g. physiotherapy, acupressure or exercising
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
    • G16H40/00—ICT specially adapted for the management or administration of healthcare resources or facilities; ICT specially adapted for the management or operation of medical equipment or devices
    • G16H40/60—ICT specially adapted for the management or administration of healthcare resources or facilities; ICT specially adapted for the management or operation of medical equipment or devices for the operation of medical equipment or devices
    • G16H40/67—ICT specially adapted for the management or administration of healthcare resources or facilities; ICT specially adapted for the management or operation of medical equipment or devices for the operation of medical equipment or devices for remote operation
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B2560/00—Constructional details of operational features of apparatus; Accessories for medical measuring apparatus
    • A61B2560/02—Operational features
    • A61B2560/0204—Operational features of power management
    • A61B2560/0209—Operational features of power management adapted for power saving
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B2562/00—Details of sensors; Constructional details of sensor housings or probes; Accessories for sensors
    • A61B2562/02—Details of sensors specially adapted for in-vivo measurements
    • A61B2562/0219—Inertial sensors, e.g. accelerometers, gyroscopes, tilt switches
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/72—Signal processing specially adapted for physiological signals or for diagnostic purposes
    • A61B5/7235—Details of waveform analysis
    • A61B5/7239—Details of waveform analysis using differentiation including higher order derivatives
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/74—Details of notification to user or communication with user or patient ; user input means
    • A61B5/742—Details of notification to user or communication with user or patient ; user input means using visual displays
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
    • G01C22/00—Measuring distance traversed on the ground by vehicles, persons, animals or other moving solid bodies, e.g. using odometers, using pedometers
    • G01C22/006—Pedometers

Landscapes

  • Health & Medical Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Health & Medical Sciences (AREA)
  • Biomedical Technology (AREA)
  • Public Health (AREA)
  • Medical Informatics (AREA)
  • Biophysics (AREA)
  • Surgery (AREA)
  • Veterinary Medicine (AREA)
  • Molecular Biology (AREA)
  • Heart & Thoracic Surgery (AREA)
  • Animal Behavior & Ethology (AREA)
  • Pathology (AREA)
  • Physiology (AREA)
  • Artificial Intelligence (AREA)
  • Oral & Maxillofacial Surgery (AREA)
  • Dentistry (AREA)
  • Epidemiology (AREA)
  • Primary Health Care (AREA)
  • Cardiology (AREA)
  • Optics & Photonics (AREA)
  • Mathematical Physics (AREA)
  • Signal Processing (AREA)
  • Evolutionary Computation (AREA)
  • Fuzzy Systems (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Psychiatry (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Physical Education & Sports Medicine (AREA)
  • General Business, Economics & Management (AREA)
  • Business, Economics & Management (AREA)
  • Spectroscopy & Molecular Physics (AREA)
  • Emergency Medicine (AREA)
  • Pulmonology (AREA)
  • Measuring And Recording Apparatus For Diagnosis (AREA)
  • Measurement Of The Respiration, Hearing Ability, Form, And Blood Characteristics Of Living Organisms (AREA)
  • Medical Treatment And Welfare Office Work (AREA)

Abstract

対象によって行われるエクササイズ関連活動を監視および評価するための装置および方法が、開示される。加速度計と、少なくとも１つの生理学的センサと、デジタルプロセッサとを備える、健康モニタは、対象によって支持され、複数の異なる活動の中から活動タイプ（例えば、ランニング、自転車、水泳）を識別するように構成される。健康モニタはさらに、エクササイズから受信された運動データおよび／または心臓データレベルから健康効果を判定するように構成される。健康効果は、認識可能な健康機関によって確立された標準に基づき得、したがって、報告される健康効果は、従来の歩数計測と関連付けられる誤差を被りにくい。

Description

（関連出願）
本出願は、２０１３年３月１５日に出願された「Ｖｅｒｓａｔｉｌｅ Ｓｅｎｏｓｏｒｓ ｗｉｔｈ Ｄａｔａ Ｆｕｓｉｏｎ Ｆｕｎｃｔｉｏｎａｌｉｔｙ」と題する米国出願第１３／８４０，０９８号の一部継続出願であり、この米国出願は、２０１２年１１月３０日に出願された「Ｉｎｔｅｌｌｉｇｅｎｔ Ａｃｔｉｖｉｔｙ Ｍｏｎｉｔｏｒｉｎｇ」と題する米国出願第１３／６９０，３１３号の一部継続出願であり、この米国出願は２０１１年１２月２日に出願された「Ｉｎｔｅｌｌｉｇｅｎｔ Ａｃｔｉｖｉｔｙ Ｍｏｎｉｔｏｒｉｎｇ」と題する米国仮出願第６１／５６６，５２８号の利益を主張している。これら前述の出願の全体の開示は、本明細書中に参考として援用される。
（分野）
本開示は、概して、対象の物理的活動を監視し、検出された活動から健康効果のレベルを判定するための装置および方法に関する。
（背景）
現在、ユーザによって装着され、ユーザによって行われる物理的活動または２つの類似タイプのユーザ活動を監視することができる小型センサが存在する。例として、ＦｉｔＬｉｎｘｘ（登録商標）ＡｃｔｉＰｅｄ＋（ＦｉｔＬｉｎｘｘ（Ｓｈｅｌｔｏｎ，ＣＴ，ＵＳＡ）から入手可能）は、靴に挟み、ユーザによるウォーキングおよびランニング活動を監視するために使用されることができる小型デバイスである。ユーザが歩くまたは走ると、オンボード加速度計が、データを出力し、これは、コンピュータシステムへの後続伝送のためにデバイス上に記憶される。コンピュータシステムは、データを分析し、活動タイプを判定し、種々の活動パラメータ（例えば、活動の持続時間、合計歩数、進行距離、および燃焼カロリー）を計算することができる。データ分析の結果は、ユーザ各人がその活動の詳細を精査し得るように、コンピュータのディスプレイ上に提示されてもよい。結果は、ユーザが、エクササイズ計画の記録を維持し、エクササイズ目標に対して進度を追跡することができるように、またはデータが、医療従事者によって、病気または傷害からの回復を追跡するために使用され得るように、記憶されてもよい。他の現代の活動モニタも、可変の正確度を伴う、類似機能を果たす。
現在、歩数計および活動モニタの販売者ならびにユーザは、１日１０，０００歩が健康的活動量であると考えている。本データは、経時的に蓄積されたものであるが、その一部は、対象の１日を通した正しくない歩数計測に基づくものである。文献によって、使用される種々の歩数計およびアルゴリズムによる歩数計測の不正確性が頻繁に報告されている。製造業者は、そのデバイスの正確度の改良を継続的に試みているが、多くのデバイスは、ユーザの活動パターンに応じて、著しく不正確であり得る。例えば、活動モニタは、歩数を異なって検出および計測する。いくつかの活動モニタは、運転、椅子に座った状態での旋回、むずむず脚症候群、食事（いくつかの手首装着式デバイスに関して）、および電車またはバスへの乗車を含む活動からも「歩数」を数える。これらは、１日の間の不正確な歩数計測のベースラインに追加される。終日活動モニタが、歩数を正しく計測し、他の運動は全て無視するためには、複数の入力を要求し得、より高価であって、より特別であって、かつより多くの電力を消費するデバイスを要求し得る。そのようなデバイスは、非常に正確であり得るが、多くの消費者にとってあまりに高価でなり得る。
（例示の実施形態の要旨）
本発明者らは、歩数、進行距離、活動の持続時間、または燃焼カロリーの記録が、多くのユーザにとって、物理的活動のログを維持するために有用であるが、データの有用性が、活動を表すデータから、活動の結果としてユーザによって受信される健康効果のレベルまたは単位を算出することによって、さらに改良され得ると認識した。例えば、１日に同一歩数を歩み、同一距離を進行し、それを行うのに同一時間量がかかる２人が、彼らの物理的活動から著しく異なる健康効果を受ける場合がある。例えば、太りすぎの老齢の個人は、若い壮健な個人より多くの健康効果を活動から受け得る。本発明者らは、ある状況（例えば、医療診断および治療）では、歩数、進行距離、燃焼カロリー、または活動の持続時間の生の数値データではなく、行われる活動の質、すなわち、健康効果レベルを査定することがより関連性があり得ると認識した。いくつかの実装では、健康効果の単位は、標準化され、母集団およびフィットネス増進用（フィットネス）デバイスを越えて、フィットネス増進効果のより正確な分析を提供し得る。
本発明者らは、装着式活動または健康モニタによって検出された活動から健康効果のレベルを判定するために使用され得る、方法および装置を開発した。健康効果の判定は、例えば、健康機関、疾病管理センター、または世界保険機構によって確立された認識可能な健康標準と結び付けられてもよい。いくつかの実施形態によると、行われる活動の健康効果レベルは、限定ではないが、活動タイプ、活動における連続時間、活動の激しさ、および健康機関によって確立されたエクササイズガイドラインを含み得る、データの組み合わせから判定されてもよい。健康効果を認識可能な健康標準にリンクさせ、健康クレジット付与可能活動を確立するためのある基準を使用することによって、本発明者らは、装着式健康モニタによって検出されたエクササイズの有効性をより正確に反映させる、システムを開発した。
いくつかの実装では、健康モニタの正確度は、対象によって行われる活動を表す運動データに加え、対象からの心臓データを使用して改良されてもよい。例えば、心拍数データが、運動データと組み合わせて使用され、ある時間間隔にわたる活動に関する燃焼カロリーの正確度を改良し、それによって、活動に関する激しさのレベルの正確度を改良し得る。活動のタイプは、健康モニタによって識別されてもよく、またはそうでなくてもよい。
いくつかの実施形態によると、健康モニタは、対象によって支持されるように構成され、対象によって行われる第１の活動に応答して運動データを生成するように構成される、加速度計と、第１の活動の実施の間、対象の少なくとも心拍数を検出するように構成される、心臓センサと、加速度計および心臓センサに電力を提供するように構成される、オンボード電源と、加速度計および心臓センサの両方からのデータに基づいて、第１の方法に従って、対象によって行われる第１の活動に関する第１のカロリー燃焼速度を計算するように構成される、プロセッサとを備えてもよい。
いくつかの側面では、プロセッサはさらに、心臓センサから受信されたデータに基づいて、健康モニタの少なくとも１つの電力節約モードを判定するように構成される。少なくとも１つの電力節約モードは、例えば、連続心臓サイクルのＴ−波部分とＰ−波部分との間の間隔の間に少なくとも心臓センサへの電力が減少される、モードを含んでもよい。
いくつかの実装では、プロセッサは、対象の心拍数およびスピードの値、または対象の心拍数および足接触時間の値を使用して、第１のカロリー燃焼速度を計算するように構成される。いくつかの側面によると、プロセッサは、対象に対して算出される心拍数および最大ＶＯ２（酸素摂取量）値の値を使用して、第１のカロリー燃焼速度を計算するように構成される。
いくつかの側面では、健康モニタのプロセッサはさらに、活動を行っている対象に対してカロリー燃焼を判定するための第２の方法を較正するように構成されてもよく、較正は、第１の方法から得られた結果に基づく。第２の方法は、例えば、心拍数に基づくが、加速度計からのデータには基づかずにカロリー燃焼を判定するステップを含んでもよい。
いくつかの実装によると、健康モニタはさらに、タイマを備え、第１の時間間隔のシーケンスの第１の時間間隔の間に、対象によって行われる第２の活動に関する第２のカロリー燃焼速度を計算し、第２のカロリー燃焼速度が、第１の時間間隔の持続時間の間に、健康機関によって定められた少なくとも１つの推奨される値の範囲内にあるかどうかどうかを判定するように構成されてもよい。健康機関は、疾病管理センターまたは世界保健機構であってもよい。いくつかの側面では、健康機関は、医師、有資格医療従事者、または専門トレーナであってもよい。
いくつかの側面によると、健康モニタのプロセッサは、運動データのパワースペクトルから第２の活動の実施を検証するように構成されてもよい。加えて、または代替として、プロセッサは、対象の心拍数および／または呼吸数から第２の活動の強度レベルを判定するように構成されてもよい。
いくつかの側面では、健康モニタのプロセッサはさらに、カロリー燃焼速度が、第１の時間間隔の持続時間の間に、少なくとも１つの推奨される範囲の第１の推奨される範囲内にある、第１の時間間隔毎に、第１のクレジット値を記録し、カロリー燃焼速度が、第１の時間間隔の持続時間の間に、少なくとも１つの推奨される範囲の第２の推奨される範囲内にある、第１の時間間隔毎に、第２のクレジット値を記録するように構成されてもよい。いくつかの実装では、少なくとも１つの推奨される範囲の第１の推奨される範囲は、約３．５キロカロリー／分〜約７キロカロリー／分であってもよく、少なくとも１つの推奨される範囲の第２の推奨される範囲は、約７キロカロリー／分を上回る値を含む。いくつかの側面では、プロセッサはさらに、健康モニタが認識するように構成される複数の活動タイプの中から、対象によって行われる第２の活動のタイプを識別するように構成されてもよく、そして非ヒト活動を識別してもよい。
いくつかの実装によると、健康モニタのプロセッサはさらに、加速度計から受信されたデータから、対象によって行われる増加した活動の期間を判定し、活動の中止に続く心拍数回復時間を判定するように構成されてもよい。いくつかの側面では、プロセッサはさらに、心臓センサから受信されたデータから、心拍数変動またはＬＦ／ＨＦスペクトルパワー比を計算するように構成されてもよい。
いくつかの実装では、健康モニタは、取り外し可能な接着剤を使用して対象に電気的に接続されるように構成される、２つの電極を含む。いくつかの側面では、健康モニタの加速度計は、３軸加速度計を含む。
前述の側面、特徴、および実装は、健康モニタの１つまたはそれを上回る実施形態において、任意の好適な組み合わせで使用されてもよい。
また、健康モニタを動作させるための方法も検討される。いくつかの実施形態によると、対象によって支持されるように構成される健康モニタによって、対象に関するフィットネス指標（ｆｉｔｎｅｓｓ ｍｅｔｒｉｃｓ）を判定するための方法は、プロセッサによって、対象によって行われる第１の活動に応答して健康モニタによって生成された運動データを受信するステップを含んでもよい。本方法はさらに、プロセッサと通信する心臓センサから、第１の活動の実施の間に検出された対象に関する心臓データを受信するステップと、運動データおよび心臓データの両方内の情報に基づいて、第１のアルゴリズムに従って、対象によって行われる第１の活動に関する第１のカロリー燃焼速度を計算するステップとを含んでもよい。
いくつかの実装によると、本方法はさらに、心臓センサから受信されたデータに基づいて、健康モニタの電力節約モードを実行するステップを含んでもよい。いくつかの側面では、本方法はさらに、連続心臓サイクルのＴ−波部分とＰ−波部分との間の間隔の間、少なくとも心臓センサへの電力を減少させるステップを含んでもよい。
いくつかの側面では、第１のカロリー燃焼速度の計算は、対象の心拍数およびスピードの値、または対象の心拍数および足接触時間の値を含む。いくつかの実装では、第１のカロリー燃焼速度の計算は、対象に対して算出される心拍数および最大ＶＯ２（酸素摂取量）値の値を含む。
０００
いくつかの側面によると、本方法はさらに、活動を行っている対象に対して燃焼カロリーを判定するための第２のアルゴリズムを較正するステップを含んでもよく、較正は、第１のアルゴリズムから得られた結果に基づく。いくつかの側面では、第２のアルゴリズムは、心臓データに基づくが、運動データには基づかずに燃焼カロリーを判定するステップを含む。
いくつかの実装では、健康モニタを動作させるための方法は、第１の時間間隔のシーケンスの第１の時間間隔の間に、対象によって行われる第２の活動に関する第２のカロリー燃焼速度を計算するステップと、第２のカロリー燃焼速度が、第１の時間間隔の持続時間の間、健康機関によって定められた少なくとも１つの推奨される値の範囲内にあるかどうかどうかを判定するステップとを含む。いくつかの側面では、健康機関は、疾病管理センターまたは世界保健機構である。
いくつかの実装によると、本方法はさらに、運動データに関するパワースペクトルを判定するステップと、パワースペクトルから第２の活動の実施を検証するステップとを含んでもよい。いくつかの側面では、本方法はさらに、第２のカロリー燃焼速度が、第１の時間間隔の持続時間の間に、少なくとも１つの推奨される範囲の第１の推奨される範囲内にある、第１の時間間隔毎に、第１のクレジット値を記録するステップと、第２のカロリー燃焼速度が、第１の時間間隔の持続時間の間に、少なくとも１つの推奨される範囲の第２の推奨される範囲内にある、第１の時間間隔毎に、第２のクレジット値を記録するステップとを含む。いくつかの側面では、少なくとも１つの推奨される範囲の第１の推奨される範囲は、約３．５キロカロリー／分〜約７キロカロリー／分であって、少なくとも１つの推奨される範囲の第２の推奨される範囲は、約７キロカロリー／分を上回る値を含む。本方法はさらに、健康モニタが認識するように構成される複数の活動タイプの中から、対象によって行われる第２の活動のタイプを識別するステップを含んでもよい。
いくつかの実装によると、健康モニタを動作させるための方法はさらに、運動データから、対象によって行われる増加した活動の期間を判定するステップと、活動の中止に続く心拍数回復時間を判定するステップとを含んでもよい。いくつかの実装では、本方法はさらに、心臓データから心拍数変動またはＬＦ／ＨＦスペクトルパワー比を計算するステップを含む。
種々の作用および特徴の前述の側面ならびに実装は、健康モニタを動作させる１つまたはそれを上回る実施形態において、任意の好適な様式で組み合わせられてもよい。
また、心臓センサおよび加速度計を含む健康モニタの少なくとも１つのプロセッサによって実行されると、健康モニタを動作させる前述の作用の任意の１つまたは組み合わせを実行するように健康モニタを適合する、機械可読命令を含む、有形記憶デバイスまたはコンピュータ可読媒体も検討される。例えば、記憶デバイスは、プロセッサによって、対象によって行われる第１の活動に応答して加速度計によって生成された運動データを受信し、第１の活動の実施の間に検出された対象に関する心臓データを受信し、運動データおよび心臓データの両方内の情報に基づいて、第１のアルゴリズムに従って、対象によって行われる第１の活動に関する第１のカロリー燃焼速度を計算するように健康モニタを適合する、機械可読命令を含んでもよい。いくつかの側面では、命令はさらに、第１の時間間隔のシーケンスの第１の時間間隔の間に、対象によって行われる第２の活動に関する第２のカロリー燃焼速度を計算し、第２のカロリー燃焼速度が、第１の時間間隔の持続時間の間に、健康機関によって定められた少なくとも１つの推奨される値の範囲内にあるかどうかどうかを判定するように健康モニタを適合してもよい。いくつかの実装では、命令はさらに、第２のカロリー燃焼速度が、第１の時間間隔の持続時間の間、少なくとも１つの推奨される範囲の第１の推奨される範囲内にある、第１の時間間隔毎に、第１のクレジット値を記録し、第２のカロリー燃焼速度が、第１の時間間隔の持続時間の間、少なくとも１つの推奨される範囲の第２の推奨される範囲内にある、第１の時間間隔毎に、第２のクレジット値を記録するように健康モニタを適合してもよい。
用語「センサ」または「モニタ」は、本明細書で使用されるように、センサまたはモニタが取り付けられ得る対象の少なくとも１つのパラメータを感知するように構成される、小型電子デバイスを指し得る。センサは、限定された処理パワーを有してもよい。センサは、無線で、または有線リンクを介して、第２のデバイスにデータを伝送するように構成されてもよい。「センサ」または「モニタ」はまた、健康モニタまたは知的健康モニタを参照し、意図される意味が文脈から明白であるとき、その略称として使用されてもよい。０００
用語「知的センサ」、「知的活動モニタ」、「活動モニタ」、または「知的モニタ」は、本明細書で使用されるように、対象の少なくとも１つのパラメータを感知し、検出された活動を表すデータを処理するように構成される、小型電子デバイスを指し得る。そのようなデバイスは、センサより大きい処理パワーを有し、少なくとも１つのデジタルプロセッサを含んでもよい。知的センサは、無線で、または有線リンクを介して、第２のデバイスに、および／またはそこからデータを伝送および／または受信するように構成されてもよい。「健康モニタ」はまた、知的健康モニタを参照し、意図される意味が文脈から明白であるとき、その略称として使用されてもよい。
用語「デジタルプロセッサ」または「プロセッサ」は、本明細書で使用されるように、少なくとも１つのマイクロコントローラ、マイクロプロセッサ、デジタル信号プロセッサ（ＤＳＰ）、アプリケーション特異的集積回路（ＡＳＩＣ）、またはフィールドプログラマブルゲートアレイ（ＦＰＧＡ）を指し得る。「デジタルプロセッサ」はまた、特定のデバイスの１つを上回るものを含む、前述のデジタル処理デバイスの任意の組み合わせを指すために使用されてもよい。
用語「多目的センサ」または「多目的モニタ」は、本明細書で使用されるように、ある機関の少なくとも１つのパラメータを感知し、受信されたデータを処理し、小規模ネットワークに柔軟に参加するように構成される、小型電子デバイスを指し得る。多目的センサは、無線で、または有線リンクを介して、複数のデバイスにデータを伝送するように構成されてもよい。
用語「健康モニタ」は、本明細書で使用されるように、少なくとも１つの知的センサを含み得る、単一知的センサまたは感知システムを指し得る。健康モニタは、いくつかの実施形態では、１つまたはそれを上回る多目的センサを含んでもよく、いくつかの実施形態では、１つまたはそれを上回るセンサを含んでもよい。
本教示の前述および他の側面、実施形態、ならびに特徴は、付随の図面と併せて、以下の説明からより完全に理解され得る。
当業者は、本明細書に説明される図が、例証目的にすぎないことを理解し得る。いくつかの事例では、本発明の種々の側面は本発明の理解を促進するために誇張または拡大されて示され得ることを理解されたい。図面中、同一参照文字は、概して、種々の図全体を通して、同様の特徴、機能的類似、および／または構造的類似要素を指す。図面は、必ずしも、正確な縮尺ではなく、代わりに、本教示の原理の例証に強調が置かれる。図面は、本教示の範囲をいかようにも限定することを意図するものではない。
図１Ａは、いくつかの実施形態による、健康モニタ内に含まれ得る構成要素の例を描写する。 図１Ｂは、いくつかの実装における、健康モニタ内に含まれ得る選択された電気構成要素の例を図示する、ブロック図である。 図１Ｃ−１Ｆは、対象に取り付けられるように構成され、情報をユーザに通信するためのＬＥＤディスプレイを含む、健康モニタの種々の実施形態を描写する。 図１Ｃ−１Ｆは、対象に取り付けられるように構成され、情報をユーザに通信するためのＬＥＤディスプレイを含む、健康モニタの種々の実施形態を描写する。 図１Ｃ−１Ｆは、対象に取り付けられるように構成され、情報をユーザに通信するためのＬＥＤディスプレイを含む、健康モニタの種々の実施形態を描写する。 図１Ｃ−１Ｆは、対象に取り付けられるように構成され、情報をユーザに通信するためのＬＥＤディスプレイを含む、健康モニタの種々の実施形態を描写する。 図１Ｇは、いくつかの実施形態における、活動感知および心拍数感知を含むパッチタイプ健康モニタの要素を描写する。 図２Ａは、いくつかの実施形態による、健康モニタの低エネルギー動作のための状態図の例証的実施例である。 図２Ｂは、いくつかの実施形態による、健康モニタの低エネルギー動作のための状態図の例証的実施例である。 図２Ｃ−２Ｄは、いくつかの実装における、健康モニタを動作させるためのエネルギー節約方法の例証的実施例を描写する。 図２Ｃ−２Ｄは、いくつかの実装における、健康モニタを動作させるためのエネルギー節約方法の例証的実施例を描写する。 図２Ｅは、いくつかの実施形態による、ＰＱＲＳＴ心臓波形を図示する。 図２Ｆは、いくつかの実装による、健康モニタを用いて検出され得るデータのタイプと、算出され得るフィットネス指標とを図示する。 図３は、いくつかの実施形態による、健康モニタのデータ処理システムの例示的アーキテクチャを描写する。 図４Ａ−４Ｂは、多軸加速度計データと、種々のタイプの活動の組み合わせられた加速度微分データとの例証的実施例を描写する。 図５Ａ−５Ｃは、いくつかの実施形態による、異なるタイプの活動のファジー論理識別において使用され得る、メンバーシップ関数の例を図示する。 図６は、いくつかの実施形態による、活動データを処理するための方法６００の作用を描写する。 図７Ａは、いくつかの実施形態による、活動タイプおよび強度レベルを判定するためのサブプロセスと関連付けられた作用を図示する。 図７Ｂは、いくつかの実施形態による、健康クレジットを判定するためのサブプロセスと関連付けられた作用を図示する。 図７Ｃは、いくつかの実施形態による、健康クレジットを判定するためのサブプロセスと関連付けられた作用を図示する。 図８Ａは、いくつかの実装による、代謝当量（ＭＥＴ）ルックアップテーブルの例を表す。図８Ｂは、いくつかの実装による、健康モニタによって生成され得る健康クレジットデータストリームの例を表す。図８Ｃは、いくつかの実装による、健康モニタにオンボード記憶され得る、圧縮された健康クレジットデータの例を表す。 図９Ａは、いくつかの実装による、一時的活動バッファにおいて、健康モニタにオンボード記憶され得る、健康クレジットデータの例を表す。図９Ｂは、いくつかの実装による、生成され、健康モニタにオンボード記憶され得る、圧縮された健康クレジットデータおよび活動桁上げ（ｃａｒｒｙ）データの実施例を表す。 図１０Ａ−１０Ｃは、種々の場所において対象に取り付けられる健康モニタを用いた活動に関する多軸加速度計データと、組み合わせられた加速度微分データとの例証的実施例を描写する。 図１０Ａ−１０Ｃは、種々の場所において対象に取り付けられる健康モニタを用いた活動に関する多軸加速度計データと、組み合わせられた加速度微分データとの例証的実施例を描写する。
本発明の特徴および利点は、図面と組み合わせることによって、以下に記載される詳細な説明からより明白となる。
（例示の実施形態の詳細な説明）
Ｉ．要約
前述のように、本発明者らは、歩数計および活動モニタを使用する従来の方法が、主に、歩数計測に基づき、しかも、そのような従来のデバイスの多くは、１日の使用の間に、歩数計測を不正確に記録していることを認識した。例えば、本発明者らは、異なる商業事業者によって製造された歩数計が、歩数の報告において大きく異なる程度の正確さを有することを観察した。同一対象に取り付けられた２つの活動モニタは、２５％も異なる対象によって歩まれた歩数の数と、５０％超も異なり得る燃焼カロリー数とを報告し得る。
異なる活動モニタ間にそのような変動がある場合、本発明者らは、診断ツールとしての臨床状況におけるそれらの使用が損なわれると認識した。例えば、ある個人のためのエクササイズ計画を定める医師は、処方がその個人によって充足されているかどうか、またはその個人が活動から健康効果を得るような方法で充足されているかどうかを合理的確実性を持って把握することができないかも知れない。故に、フィットネス調製または医療目的（例えば、疾患治療または事故からの健康回復）のために設計されたエクササイズ計画は、歩数計測に基づいて、確実に策定および／または監視されることができない。
本発明者らは、活動モニタが、ユーザによって行われ、活動モニタによって検出された活動に関する健康効果レベルまたは単位、すなわち、「健康クレジット」を算出することによって、データ取得およびデータ分析の観点から改良されることができると認識した。健康クレジットの評価は、認識可能な健康標準と結び付けられてもよく、歩数、進行距離、燃焼カロリー、および活動の持続時間等の他のパラメータに関する生の数字より有意義かつ普遍的な活動の評価となり得る。健康クレジットは、部分的に、従来の活動モニタによって検出されたパラメータに基づき得るが、データは、行われる活動の質をより良好に査定するようにさらに処理され得る。
発明者らは、対象によって行われる活動の健康クレジットを判定するために使用され得る、装置および方法を開発した。いくつかの実施形態によると、健康モニタシステムは、対象によって行われる活動を検出し、活動タイプを識別し、その活動の実施の強度レベルを判定するように構成される。健康モニタは、細かい時間分解能において、活動が行われる連続的な持続時間間隔を判定し、連続的な持続時間間隔、強度レベル、および健康機関によって確立されたガイドラインに基づいて、健康クレジット量を算出するように構成されてもよい。
本発明者らはまた、いくつかの実施形態では、健康クレジットの計算の正確度が、心臓データ（例えば、対象に取り付けられる心臓センサからの心拍数データ）と運動データ（例えば、対象によって支持される加速度計からの運動データ）を組み合わせて使用し、対象によって行われる種々の活動に関する燃焼カロリーを算出することによって改良され得ると認識した。故に、本装置の実施形態は、運動データに加え、心臓波形データを捕捉および分析してもよい。加えて、本発明者らは、種々の異なるフィットネス指標が、単独で、または運動データと組み合わせて、使用される心臓データから判定され得ることを実現した。
本明細書に説明される方法を使用して、行われる活動に関する健康効果レベルを判定し、フィットネス指標を判定することは、対象のエクササイズ計画およびフィットネスレベルを評価するためのより正確かつ有用な診断ツールを提供することができる。健康効果の観点から物理的活動を評価することによって、個人または医師は、歩数計測より正確な監視されるエクササイズの表現を有し得る。加えて、個人または医師は、その個人がエクササイズから任意の健康効果を受けているかどうかを容易に判定し得る。
健康モニタのための装置、方法、およびシステムの種々の実施形態が、本明細書の以下のセクションでさらに詳細に説明される。
ＩＩ．例示的装置
図１Ａを参照すると、健康モニタ１００は、対象に取り付けられるか、または対象によって支持されることができ、対象によって行われ得る複数の異なる活動タイプの中から活動のタイプを識別するように構成され得る、小型電子デバイスを備えてもよい。対象によって行われるエクササイズの間、健康モニタによって生成される活動データ（例えば、運動データおよび／または生理学的データを含む、データ）は、オンボードで処理され、いくつかの実施形態では、活動から受ける健康効果を定量的に表す、「健康クレジット」を判定してもよい。健康クレジットは、少なくとも、活動持続時間、活動の強度レベル、および健康機関によって確立された健康標準に基づいてもよい。いくつかの実施形態では、健康クレジットはさらに、部分的に、活動タイプに基づいてもよい。いくつかの実装では、健康モニタ１００は、異なるタイプの活動を区別し、非ヒト活動（例えば、健康モニタを車輪またはファンにストラップ留めしたこと等による紛らわしい活動）を検出するように構成されてもよく、したがって、健康クレジットは、そのような検出された活動には与えられない。
いくつかの実施形態では、健康モニタ１００は、図１Ａの分解図に描写されるように、知的活動モニタを備えてもよい。健康モニタ１００は、例えば、第１のカバー１７０と、第２のカバー１７２とを含む、封入体を備えてもよい。第１および第２のカバーは、限定ではないが、金属およびプラスチックまたはそれらの組み合わせを含む、任意の好適な材料から形成されてもよい。一実施例として、第１のカバー１７０は、成形されたプラスチックであって、第２のカバー１７２は、腐食防止金属であってもよい。第１および第２のカバーは、任意の好適な手段によってともに締結されてもよく、健康モニタの電源１０５および電子回路１８０を封入する、水密シールを形成してもよい。クリップまたはストラップ１７４が、健康モニタ１００が対象または機械に取り付けられる、またはそれによって支持され得るように（例えば、手首、足首、または手足にストラップ留めされるか、衣類の物品にクリップ留めされるか、エクササイズ機械または車椅子等の機械の可動部分にストラップ留めもしくはクリップ留めされる）、カバーの一方の表面上に配置される、またはそこに取り付けられてもよい。
示されるように、電子回路１８０は、例えば、印刷回路基板上に配置される回路要素１８２の組み合わせを備えてもよい。種々の実施形態では、回路要素１８２は、例えば、集積回路（ＩＣ）チップ、アプリケーション特異的集積回路（ＡＳＩＣ）チップ、少なくとも１つのデジタルプロセッサ、微小電気機械システム（ＭＥＭＳ）デバイス、レジスタ、コンデンサ、インダクタ、ダイオード、発光ダイオード、トランジスタ、および／または伝導性回路トレース等の選択された組み合わせを含んでもよい。マイクロコントローラまたはマイクロプロセッサは、いくつかの実施形態では、例えば、知的モニタの電子回路の動作を協調および管理し、活動データを処理してもよい。いくつかの実施形態では、電子回路１８０はさらに、ＲＦ通信信号の送受信の際に使用するための少なくとも１つの無線周波数（ＲＦ）アンテナ１８５を含んでもよい。
図１Ｂは、いくつかの実施形態による、健康モニタ１００内で使用され得る、内部回路１０２をさらに詳細に描写する。示されるように、健康モニタの回路は、例えば、加速度計１３０、デジタルプロセッサ１１０、メモリ１２０、および送受信機１４０に電力を提供し、それを管理する、電源１０５、例えば、少なくとも１つのバッテリまたはエナジースカベンジングチップと、ウェイクアップおよび電力管理回路１５０とを備えてもよい。プロセッサ１１０は、ウェイクアップ回路、加速度計、メモリ、および送受信機に結合されてもよい。プロセッサは、加速度計１３０からの加速度度データを受信および処理し、データをメモリ１２０から読み取り、そこに書き込み、データを送受信機１４０に送信し、そこから受信するように構成されてもよい。ウェイクアップ回路１５０は、いくつかの実施形態によると、健康モニタ１００が非使用時、それを感知し、それに応答して、内部回路１０２の電力消費を減少させるように適合されてもよい。ウェイクアップ回路はさらに、健康モニタ１００が使用時に配置されるとき、それを感知し、それに応答して、内部回路１０２の１つまたはそれを上回る要素をアクティブ化するように適合されてもよい。
いくつかの実施形態では、プロセッサ１１０は、例えば、スリープモード動作では、低電力を引き出すように構成され、アクティブ化されると、数百万個の命令／秒（ＭＩＰＳ）を動作させることが可能である、低電力８ビットプロセッサを備えてもよい。好適なプロセッサの一例は、Ｓｉｌｉｃｏｎ Ｌａｂｏｒａｔｏｒｉｅｓ Ｉｎｃ．（Ａｕｓｔｉｎ，Ｔｅｘａｓ）から入手可能な８０５１Ｆ９３１プロセッサである。プロセッサの別の例は、Ｎｏｒｄｉｃ Ｓｅｍｉｃｏｎｄｕｃｔｏｒ（Ｏｓｌｏ，Ｎｏｒｗａｙ）から入手可能なｎＲＦ５１８２２プロセッサであるが、任意の他の好適なプロセッサまたはマイクロプロセッサが、代替として、他の実施形態では、採用されてもよい。いくつかの実装では、プロセッサ１１０は、他のデバイスとの無線周波数通信をサポートしてもよい。バラン（例えば、ＳＴ Ｍｉｃｒｏｅｌｅｃｔｒｏｎｉｃｓ（Ｇｅｎｅｖａ，Ｓｗｉｔｚｅｒｌａｎｄ）から入手可能なＢＡＬ−ＮＲＦ０２Ｄ３）が、いくつかの実施形態によると、アンテナとプロセッサとの間のＲＦ信号を整合するために使用されてもよい。
プロセッサ１１０は、例えば、データおよび／または機械可読命令を記憶するために、種々のタイプのオンボードメモリ（例えば、フラッシュメモリ、ＳＲＡＭ、およびＸＲＡＭ）を含んでもよく、内部発振器または外部発振器によってクロッキングされてもよい。いくつかの実施形態では、プロセッサは、例えば、プロセッサがアクティブであって、データを処理しているとき、内部高周波数発振器（例えば、約２５ＭＨｚまたはそれを上回って動作する発振器）によってクロッキングされ、代替として、プロセッサが実質的に非アクティブおよびスリープモードにあるとき、低周波数発振器（プロセッサの外部または内部）によってクロッキングされてもよい。低周波数におけるプロセッサのクロッキングは、例えば、スリープモードの間、プロセッサによる電力消費を減少させ得る。低周波数クロッキングは、いくつかの実施形態では、高周波数クロッキングの５０％未満、いくつかの実施形態では、高周波数クロッキングの２０％未満、いくつかの実施形態では、高周波数クロッキングの１０％未満、いくつかの実施形態では、高周波数クロッキングの５％未満、いくつかの実施形態では、高周波数クロッキングの２％未満、いくつかの実施形態では、高周波数クロッキングの１％未満、さらに、いくつかの実施形態では、０．１％未満の周波数であり得る。
種々の実施形態では、プロセッサ１１０は、プロセッサ上にロードされ、そこで実行する、事前にプログラムされた機械可読命令に従って、加速度計１３０から加速度データを受信し、受信されたデータを処理するように構成されてもよい。プロセッサ１１０は、例えば、アナログおよび／またはデジタル入力データを受信するように構成されてもよく、オンボードアナログ／デジタルおよびデジタル／アナログコンバータと、オンボードタイマまたはクロックとを含んでもよい。いくつかの実施形態によると、プロセッサはまた、心臓波形データを受信および分析するように構成されてもよい。いくつかの実施形態では、プロセッサはさらに、ウェイクアップおよび電力管理回路１５０を通して電力を受信するように構成されてもよい。プロセッサは、いくつかの実施形態では、電力管理回路１５０の一部もしくは全部と協働し得るように動作するか、またはそれらを備え、健康モニタ内の１つまたはそれを上回る回路要素のアクティブ化および非アクティブ化を促進してもよい。
いくつかの実施形態では、プロセッサ１１０は、いくつかの異なるクロック周波数で動作可能であるように構成されてもよい。低クロック周波数で動作するとき、プロセッサは、典型的には、高クロック周波数で動作するときより電力を消費しない。いくつかの実施形態では、プロセッサは、例えば、健康モニタ１００の運動がないとき、「スリープ」モードにあって、低クロック周波数で動作し、健康モニタ１００の運動が検出されると、いくつかの動作状態を通してサイクルされるように構成されてもよい。プロセッサがそのような様式においてサイクルされ得る方法の例が、図２Ａを参照して以下に説明される。一実施例として、スリープモードにあるとき、プロセッサは、１０Ｈｚ未満の速度でデータをサンプリングし、約３０マイクロアンペア未満を引き出し得る。
いくつかの実施形態では、加速度計１３０は、例えば、少なくとも２つの実質的に直交する空間方向に沿って、加速度を感知するように構成される、多軸加速度計を備えてもよい。加速度計１３０は、例えば、微小電気機械システム（ＭＥＭＳ）技術に基づいて、３軸加速度計を含んでもよい。いくつかの実装では、１つまたはそれを上回る単軸加速度計が、加えて、または代替として、使用されてもよい。いくつかの実施形態では、加速度計１３０はそれぞれ、個別の軸に沿って、加速度の大きさおよび方向を表す、１つまたはそれを上回るアナログデータストリーム出力（例えば、加速度計の各軸に対応するＸ、Ｙ、Ｚデータ出力）を提供するように構成されてもよい。好適な加速度計の一例は、Ｋｉｏｎｉｘ Ｉｎｃ．（Ｉｔｈａｃａ，ＮｅｗＹｏｒｋ）から入手可能なＫｉｏｎｉｘモデルＫＸＳＣ７加速度計である。好適な加速度計の別の例は、ＳＴ Ｍｉｃｒｏｅｌｅｃｔｒｏｎｉｃｓ（Ｇｅｎｅｖａ，Ｓｗｉｔｚｅｒｌａｎｄ）から入手可能なＬＩＳ２ＤＨ加速度計である。加速度計１３０は、例えば、後にデジタルデータに変換され得る、アナログ出力データを提供してもよく、または加速度値を表すデジタル出力データを提供してもよい。
加速度計１３０は、いくつかのパラメータによって特徴付けられ得る。これらのパラメータは、例えば、感度値およびサンプリング速度値であり得る。例として、加速度計のアナログ感度は、いくつかの実施形態では、約１００ミリボルト（ｍＶ）／重力値（１００ｍＶ／Ｇ）〜約２００ｍＶ／Ｇ、いくつかの実施形態では、約２００ｍＶ／Ｇ〜約４００ｍＶ／Ｇ、いくつかの実施形態では、約４００ｍＶ／Ｇ〜約８００ｍＶ／Ｇ、さらに、いくつかの実施形態では、約８００ｍＶ／Ｇ〜約１６００ｍＶ／Ｇであり得る。デジタル出力を提供するように構成されるとき、加速度計のサンブリング速度は、例えば、いくつかの実施形態では、約１０サンプル／秒／軸（１０Ｓ／ｓｅｃ−Ａ）〜約２０Ｓ／ｓｅｃ−Ａ、いくつかの実施形態では、約２０Ｓ／ｓｅｃ−Ａ〜約４０Ｓ／ｓｅｃ−Ａ、いくつかの実施形態では、約４０Ｓ／ｓｅｃ−Ａ〜約８０Ｓ／ｓｅｃ−Ａ、いくつかの実施形態では、約８０Ｓ／ｓｅｃ−Ａ〜約１６０Ｓ／ｓｅｃ−Ａ、いくつかの実施形態では、約１６０Ｓ／ｓｅｃ−Ａ〜約３２０Ｓ／ｓｅｃ−Ａ、さらに、いくつかの実施形態では、約３２０Ｓ／ｓｅｃ−Ａ〜約６４０Ｓ／ｓｅｃ−Ａであり得る。いくつかの実施形態では、サンブリング速度が高いほど、測定される加速度の質を改良し得ることが理解される。
いくつかの実施形態では、加速度計１３０は、１つまたはそれを上回るアナログ／デジタルコンバータと組み合わせられ、前述のサンブリング速度における加速度値を表すデジタル出力データを提供してもよいことを理解され得る。デジタル出力データが、加速度計によって提供されるとき、加速度計の感度は、ビット／重力定数（ｂ／Ｇ）の単位で表され得る。例として、デジタル出力データを提供する加速度計は、いくつかの実施形態では、約２ｂ／Ｇを上回る、いくつかの実施形態では、約４ｂ／Ｇを上回る、いくつかの実施形態では、約６ｂ／Ｇを上回る、いくつかの実施形態では、約８ｂ／Ｇを上回る、いくつかの実施形態では、約１０ｂ／Ｇを上回る、いくつかの実施形態では、約１２ｂ／Ｇを上回る、またはいくつかの実施形態では、さらにより高い値の感度を有し得る。
いくつかの実施形態によると、健康モニタ１００は、運動センサ１５２および加速度計１３０に加え、１つまたはそれを上回るセンサを含んでもよい。例えば、健康モニタは、対象の少なくとも１つの生理学的パラメータを感知するように構成される、少なくとも１つの生理学的センサ１５４（例えば、心臓センサ、温度センサ、血糖値センサ、血中酸素濃度センサ等）を含んでもよい。いくつかの実施形態では、感知され得る生理学的パラメータの例として、限定ではないが、心臓波形、皮膚温度、中核体温、呼吸数、プレチスモグラフィ波形、ＥＫＧ波形、血中酸素濃度レベル、血糖値レベル、水和状態、血圧等が挙げられる。生理学的センサの一例証的実施例として、Ａｎａｌｏｇ Ｄｅｖｉｃｅｓ，Ｉｎｃ．（Ｎｏｒｗｏｏｄ，Ｍａｓｓａｃｈｕｓｅｔｔｓ）から入手可能なＡＤ８２３２ＥＣＧチップが挙げられる。そのようなチップは、対象の皮膚に接触するように配列される電極と組み合わせられてもよい。生理学的センサ１５４は、いくつかの実装では、健康モニタと同一パッケージ内に配置されてもよく、または別個のモニタとして形成され、別個の場所において対象に取り付けられ、所定の通信プロトコルに従って、無線で、もしくは有線リンクを介して、データを健康モニタに伝送してもよい。
いくつかの実施形態では、健康モニタ１００は、プロセッサ１１０の外部にあって、それにアクセス可能である、メモリ１２０を含んでもよい。メモリ１２０は、以下のタイプのメモリ：ＲＡＭ、ＳＲＡＭ、ＤＲＡＭ、ＲＯＭ、フラッシュメモリの任意の１つまたはそれらの組み合わせであってもよい。メモリ１２０は、例えば、加速度計１３０および／または生理学的センサ１５４からの未加工データ、プロセッサ１１０のための機械可読命令、加速度計データおよび／または生理学的データを処理するためにプロセッサによって使用されるプログラムデータ、および／または活動を表す活動データを記憶ならびに／もしくはバッファするために使用されてもよい。いくつかの実施形態では、メモリ１２０は、加えて、または代替として、健康モニタの健全性についての診断情報、例えば、バッテリ寿命、誤差ステータス等、および／またはデバイスについての物理的パラメータ、例えば、メモリサイズ、重量感度、重量、バッテリモデル、プロセッサスピード、オペレーティングソフトウェアのバージョン、ユーザインターフェース要件等を記憶するために使用されてもよい。いくつかの実施形態では、メモリはまた、ユーザに関する情報、例えば、ユーザの体重、身長、性別、年齢、訓練目標、具体的ワークアウトプラン、ユーザによって行われる活動を識別するために使用され得る、ユーザのための活動特有のデータ、または識別された活動を表すプロセスデータを記憶するために使用されてもよい。いくつかの実施形態によると、メモリ１２０は、代謝当量（ＭＥＴ）、較正値、および種々の活動に関する健康効果レベルを判定するために使用される健康ガイドラインデータのテーブルを記憶してもよい。
いくつかの実施形態では、メモリ１２０は、加えて、または代替として、例えば、有線または無線リンクを介して、外部デバイスから受信されたデータ構造および／またはコードを記憶するために使用されてもよい。データ構造および／またはコードは、例えば、健康モニタによって使用される１つまたはそれを上回るデータ処理アプリケーションを更新するために使用されてもよい。例えば、１つのタイプのデータ構造は、健康モニタによって以前に認識されていない具体的活動のタイプ、例えば、新しい活動または健康モニタの個々のユーザに特有の活動を識別するために使用され得る、活動データパターンを表すデータであってもよい。別の例として、データ構造は、新しい活動に対して定義されるか、または識別可能な活動に対して再定義される、以下に説明される、メンバーシップ関数を含んでもよい。いくつかの実施形態によると、データ構造は、例えば、活動の実施の間に得られた１つまたはそれを上回るサンプル加速度計トレースおよび生理学的データを含んでもよく、および／または活動を識別するために健康モニタ１００によって実行されるアルゴリズムにおいて使用され得る、加速度計トレースの処理から生じる識別データ（例えば、メンバーシップ関数）を含んでもよい。さらに、いくつかの実施形態では、メモリ１２０は、健康モニタによって実行されるアルゴリズムに関する更新および／または代替を記憶するために使用されてもよい。記憶されるデータ構造およびアルゴリズムは、例えば、健康モニタ１００の機能性を再プログラムおよび／または拡張し、新しい活動もしくは健康モニタによって以前に認識されていない活動を識別し、および／または識別された活動に対して計算される結果の正確度または信頼性を改良するために使用されてもよい。
いくつかの実施形態では、メモリ１２０はまた、検出された活動を特性評価するためにプロセッサ１１０によって使用される、較正および／または変換データを記憶するために使用されてもよい。較正データは、例えば、検出された活動パラメータ（例えば、歩幅、スピード）の正確度を改良し、そして／または検出された活動から算出されるフィットネス指標の正確度を改良するために使用されてもよい。変換データは、例えば、検出された活動を消費されたヒトエネルギーの量、例えば、燃焼カロリー、代謝当量等に変換するために使用されてもよい。
いくつかの実施形態によると、健康モニタ１００は、健康モニタと、コンピュータ、タブレット、携帯電話、ポータブル通信デバイス、データプロセッサ、センサ、別の知的センサ、または多目的センサ（いずれも、ワールドワイドウェブまたはローカルエリアネットワーク等のネットワーク内の他の類似デバイスと通信するように構成され得る）等の１つまたはそれを上回る外部デバイスとの間でデータを通信するために、送受信機１４０および／または１つまたはそれを上回るデータ通信ポート（例えば、ＵＳＢポート、ＲＦ通信ポート、Ｂｌｕｅｔｏｏｔｈ（登録商標）ポート）を含んでもよい。健康モニタ１００は、例えば、送受信機１４０を介して、有線または無線ポートを通して、以下のリスト：パーソナルコンピュータ、ラップトップコンピュータ、タブレットコンピュータ、ＰＤＡ、腕時計、ＭＰ３プレーヤ、ｉＰｏｄ（登録商標）、携帯電話；血糖値メータ、血圧モニタ、またはＩｎＲメータ等の医療デバイス；電子双方向ゲーム装置、知的訓練機器、および自動車システムから選択される任意のデバイスまたはデバイスの組み合わせと通信するように構成されてもよい。メモリ１２０から読み出されるか、またはメモリ１２０内に記憶されるべきデータは、例えば、送受信機１４０を介して、健康モニタ１００と外部デバイスとの間で通信されてもよい。いくつかの実施形態では、健康モニタ１００から伝送されるデータは、健康モニタから受信されたデータを処理するように適合されるデータサービスデバイスにルーティングするために構成されてもよい。
いくつかの実施形態では、健康モニタ１００の内部電子機器のための電力は、少なくとも１つのバッテリ１０５によって提供され、ウェイクアップおよび電力管理回路１５０によって管理されてもよい。バッテリは、小型であって、例えば、ボタン電池タイプであってもよく、例えば、再充電可能または交換可能であり得る、１つまたはそれを上回るリチウムタイプバッテリを含んでもよい。単なる一例として、約２３０ｍＡｈの容量を有する３ボルトバッテリである、単一リチウムコインまたはボタン電池が、使用されてもよい（Ｒｅｎａｔａ ＳＡ（Ｉｔｉｎｇｅｎ，Ｓｗｉｔｚｅｒｌａｎｄ）から入手可能なモデルＣＲ２０３２）。健康モニタの別の実施形態は、１つまたはそれを上回るモデルＣＲ１６１６バッテリを含んでもよいが、任意の好適なタイプのバッテリが、代替として、種々の実施形態では、使用されてもよい。いくつかの実施形態では、健康モニタは、発電またはエネルギーハーべスティングハードウェア（例えば、機械的運動を電流に変換するように構成される圧電材料または発電機、太陽電池、ＲＦまたは熱変換器）を含んでもよい。オンボードで生成される電力は、バッテリまたはスーパーコンデンサ等の電荷蓄積構成要素内に貯蔵されてもよい。いくつかの実装では、生成された電流は、ダイオードブリッジを介して、貯蔵構成要素に提供されてもよい。好適なエネルギーハーべスティングデバイスの一例は、Ｉｎｆｉｎｉｔｅ Ｐｏｗｅｒ Ｓｏｌｕｔｉｏｎｓ，Ｉｎｃ．（Ｌｉｔｔｌｅｔｏｎ，Ｃｏｌｏｒａｄｏ）から入手可能なマイクロエネルギー電池ＭＥＣ２２５である。いくつかの実施形態では、発電構成要素は、健康モニタ１００のための電源としての再充電可能バッテリと組み合わせて使用されてもよい。電圧調整チップ（例えば、Ｔｅｘａｓ Ｉｎｓｔｒｕｍｅｎｔｓ（Ｄａｌｌａｓ，Ｔｅｘａｓ）から入手可能なＴＰＳ７８００１）が、いくつかの実施形態によると、健康モニタの構成要素に電力を送達する前に、少なくとも１つの電源からの電力を調整するために使用されてもよい。
いくつかの実装では、ウェイクアップおよび電力管理回路１５０は、ウェイクアップおよび電力管理回路１５０と組み合わせて、健康モニタ１００が監視されるべき活動を表し得る様式において移動されているとき、それを識別する、運動センサ１５２を含んでもよい。ウェイクアップおよび電力管理回路１５０は、例えば、論理および制御回路を備え、図１Ｂに示される種々の回路要素への電力を有効、無効、減少、および／または増加させてもよい。ウェイクアップおよび電力管理回路のための論理および制御回路は、例えば、プロセッサ１１０の機械可読命令および利用されるハードウェアを備えてもよく、またはアプリケーション特異的集積回路の機械可読命令および利用されるハードウェアを備えてもよい。
いくつかの実施形態では、運動センサ１５２は、１つまたはそれを上回る力感知スイッチ、例えば、健康モニタが経験する加速度の量を表す電気信号を生成するように構成される圧電要素を備えてもよい。他の実施形態では、運動センサ１５２は、加えて、または代替として、健康モニタが加速度を被ると、回路を閉鎖するか、または回路を開放する、１つまたはそれを上回る接触スイッチ、例えば、「ボールインチューブ」スイッチを備えてもよい。ウェイクアップは、例えば、スイッチ閉鎖の頻度が事前に選択された値を超えると、始動されてもよい。他の実施形態では、センサ１５２は、加えて、または代替として、健康モニタが事前に選択された値を超える加速度を受けるときのみ閉鎖する、１つまたはそれを上回る力感知接触スイッチを備えてもよい。
図１Ｃ−１Ｄは、情報をユーザに通信するために、発光ダイオード（ＬＥＤ）１８４を含む、健康モニタ１０３の例示的実施形態を図示する。例証は、パッケージ化されたデバイスを平面図（図１Ｃ）および立面図（図１Ｄ）において示す。健康モニタは、実質的に丸形、長方形、正方形、楕円形、または多面多角形の形態であってもよい。健康モニタは、いくつかの実施形態では、約５ｍｍ〜約４０ｍｍ最大寸法Ｄと、いくつかの実施形態では、約１ｍｍ〜約１０ｍｍの厚さＴとを有してもよい。健康モニタ１０３のサイズは、主に、その電源、例えば、そのバッテリのサイズによって決定され得る。健康モニタは、電源の形態に実質的に一致する、形状因子を有してもよい。例えば、健康モニタは、電源の形状に類似する形状を有してもよく、いくつかの実施形態では、電源の体積を最大２０％上回る、いくつかの実施形態では、電源の体積を最大５０％上回る、いくつかの実施形態では、電源の体積を最大１００％上回る、さらに、いくつかの実施形態では、電源の体積を最大２００％上回る、体積を有してもよい。ＬＥＤは、線、円形、楕円形、または任意の他の形状に配置されてもよい。第１のカバー１７０ａおよび第２のカバー１７２ａは、ポリマーガスケット１７１ａとシールを形成するように、ともにスナップまたはねじ留めされてもよい。いくつかの実施形態では、デバイスがクリップ留めデバイスからストラップ留めデバイスに容易に変更され得るように、クリップまたはストラップは、ポリマーガスケット１７１ａを含んでもよい。いくつかの実装では、クリップまたはストラップは、第１もしくは第２のカバーに取り外し可能なに取り付けられてもよい。さらに他の実施形態では、クリップまたはストラップは、健康モニタを抱持してもよい。
いくつかの実施形態によると、健康モニタ１０３は、１つまたはそれを上回るタップシーケンスおよび／または運動ジェスチャ（例えば、８の字パターン、円形パターン、前後に直線状のパターンでデバイスを移動させる）を認識し、ＬＥＤをアクティブ化し、検出されたタップシーケンスまたはジェスチャに応答して、情報を通信するように構成されてもよい。タップシーケンスまたはジェスチャは、健康モニタが適切な情報で応答し得る、特定の情報クエリに対応してもよい。一実施形態によると、健康モニタは、特定の様式でタップされ、それに応答して、いくつかのＬＥＤ（例えば、約８０％を信号伝達するために、１０個中８個のＬＥＤ）をアクティブ化し、ユーザが活動目標の概算パーセンテージに到達したことを示してもよい。１つまたはそれを上回る活動目標に向かう進行についての情報は、デバイスによって通信されることができる（例えば、３マイルの目標のうち３０％を歩いた、８マイルの目標のうち６０％を走った、６０往復の目標のうち９０％を泳いだ、１日のクレジット付与可能健康効果活動のうち７０％を達成した、１週間の推奨される健康クレジット数のうち５０％を達成した等）。ＬＥＤはまた、特定のタップシーケンスまたはジェスチャに応答して、他の情報、例えば、バッテリ寿命、ペース比較（活動のための最良ペースより進んでいる、または遅れている）、心拍数、燃焼カロリー等を通信するために使用されてもよい。ＬＥＤは、情報をユーザに通信するために使用されてもよいが、小型液晶ディスプレイが、いくつかの実施形態では、ＬＥＤの代わりに、またはそれに加え、使用されてもよい。
図１Ｅ−１Ｇは、いくつかの実施形態による、健康モニタ１０４、１６０の例示的実施形態を図示する。健康モニタ１０４は、中央コンパートメント１１２と、締結特徴１１４とを有する、バンドの形状で形成されてもよい。中央コンパートメント１１２は、例えば、対象の四肢の周囲にストラップ留めされるか、または任意の好適な様式で対象に取り付けられ得る（例えば、足首領域、手首、または腕の周囲にストラップ留めされる）、可撓性バンド１０６に取り付けられてもよい。中央コンパートメントは、健康モニタの電子構成要素１８０、１８５、１８２（図１Ａ参照）を格納してもよい。いくつかの実施形態では、健康モニタ１０４は、前述のように、情報をユーザに伝達するために、１つまたはそれを上回るＬＥＤ１８４を含んでもよい。いくつかの実施形態では、中央コンパートメントは、可撓性であってもよく（例えば、ポリマーまたはエラストマーから形成される）、モニタの電子構成要素は、可撓性相互接続部を有する可撓性基板上に搭載されてもよい。いくつかの実施形態では、中央コンパートメント１１２およびバンド１０６は、半剛性であって、締結特徴１１４が、デバイスを四肢にストラップ留めするために使用される、可撓性バンドに取り付けられる。締結特徴は、穴、ボタンスナップ、バックル、留め金、または任意の他の好適な締結特徴であってもよい。健康モニタ１０４は、例えば、約１０ｍｍ〜約２５０ｍｍまたはより長い長さＬと、約５ｍｍ〜約３０ｍｍの幅Ｗと、約１ｍｍ〜約１０ｍｍの厚さＴとを有してもよい。いくつかの実施形態では、健康モニタ１０４は、四肢の輪郭により一致し得るように、その長さに沿って湾曲プロフィールを有してもよい。
いくつかの実施形態によると、健康モニタ１０４は、少なくとも１つの光源１８６と、少なくとも１つの光検出器１８７とを含んでもよい。少なくとも１つの光源および光検出器は、例えば、対象の１つまたはそれを上回る生理学的パラメータ、例えば、血中酸素濃度、プレチスモグラフィ波形、血糖値等を感知するために使用されてもよい。いくつかの実施形態では、光源１８６は、高輝度赤外線（ＩＲ）フォトダイオードと、より短い波長のフォトダイオードとを備えてもよい。近年、インジウムガリウム窒化物ＬＥＤ技術の進歩によって、低接合電圧および高放射強度の両方を伴うデバイスがもたらされた。ＩｎＧａＮ技術を使用し、以下に説明される電力管理技法を適用することによって、典型的包帯または腕時計のもの等の形状因子を有する、小型の酸化銀バッテリで数ヶ月間稼働することができる、心拍数を測定可能な健康モニタを提供し得る。光検出器１８７は、任意の好適な光検出器であってもよく、対象から散乱または反射される光源からの光を検出するように搭載されてもよい。
図１Ｇは、いくつかの実施形態による、パッチタイプ健康モニタ１６０を描写する。パッチタイプ健康モニタは、可撓性であって、薄く、かつ接着パッチの形態であってもよく、いくつかの実装では、いくつかの使い捨て部品を含んでもよい。例えば、パッチタイプ健康モニタは、シリコーンから形成され得る、可撓性カバー１６０−１を備えてもよい。健康モニタ１６０は、少なくとも１つのモニタ（加速度計および／または心臓センサ）が接続され得る、第１の可撓性印刷回路基板（ＰＣＢ）１６０−３を含んでもよい。電力は、１つまたはそれを上回るバッテリ（例えば、ＣＲ１６１６バッテリ等のコイン電池バッテリ）によって提供されてもよい。パッチタイプ健康モニタは、対象に電気的に接触し、心臓波形を感知するための多構成要素電極を含んでもよい。例えば、電極は、いくつかの実施形態によると、約２ｍｍ〜約６ｍｍの直径と、約０．１ｍｍ〜約１ｍｍの厚さとを有する、第１の伝導性パッド１６０−４（例えば、銅パッド）を備えてもよい。第１の伝導性パッドは、１ｍｍ未満の厚さを有し得る、第２の可撓性ＰＣＢ１６０−７に接着されてもよい。伝導性テープ１６０−６が、第１の伝導性パッド１６０−４を第２の可撓性ＰＣＢ１６０−７に接着するために使用されてもよい。いくつかの実施形態では、第２の伝導性パッド１６０−８（例えば、塩化銀パッド）は、第２の可撓性ＰＣＢに接触し、さらに、分離された場所において対象に接触するように配列される、接着ヒドロゲルパッド１６０−１０（例えば、３Ｍ Ｃｏｒｐｏｒａｔｉｏｎ（Ｓｔ．Ｐａｕｌ，Ｍｉｎｎｅｓｏｔａ）から入手可能な接着材料９８８０）に接触してもよい。いくつかの実装では、第１の接着剤層１６０−５（例えば、３Ｍ Ｃｏｒｐｏｒａｔｉｏｎ（Ｓｔ．Ｐａｕｌ，Ｍｉｎｎｅｓｏｔａ）から入手可能なＬＳＥ接着剤９６０４２）が、第１の可撓性ＰＣＢ層１６０−３を第２の可撓性ＰＣＢ層１６０−７および介在親水コロイド層１６０−９（例えば、３Ｍ Ｃｏｒｐｏｒａｔｉｏｎ（Ｓｔ．Ｐａｕｌ，Ｍｉｎｎｅｓｏｔａ）から入手可能な親水コロイド９９４３）に接着するために使用されてもよい。いくつかの実施形態では、第２の生体適合性接着剤層１６０−１１（例えば、３Ｍ Ｃｏｒｐｏｒａｔｉｏｎ（Ｓｔ． Ｐａｕｌ，Ｍｉｎｎｅｓｏｔａ）から入手可能な接着剤２４７５Ｐ）が、パッチタイプ健康モニタ１６０を対象に接着するために使用されてもよい。心臓信号は、ヒドロゲルパッド１６０−１０、第２の伝導性パッド１６０−８、第２の可撓性ＰＣＢ１６０−７、伝導性テープ１６０−６、および第１の伝導性パッド１６０−４を通して延在する回路経路によって、第１の可撓性ＰＣＢ１６０−３上に位置するＥＣＧチップに伝達されてもよい。
いくつかの実施形態では、パッチタイプ健康モニタ１６０は、約１ｍｍ〜約４ｍｍの厚さと、約３０ｍｍ〜約１００ｍｍの長さとを有してもよい。モニタの幅は、約１０ｍｍ〜約３０ｍｍであってもよい。いくつかの実施形態によると、パッチタイプモニタは、心臓近傍、例えば、対象の第２から第４肋骨の近傍において、対象の胴体に接着されるように構成されてもよい。デバイスは、防水性であって、１日またはそれを上回る期間の間、対象に接着されるように構成されてもよい。いくつかの実装では、デバイスの生体適合性接着剤は、４日またはそれを上回る期間の間、接着性を可能にし得る。いくつかの実施形態では、２つのヒドロゲルパッド１６０−１０は、約１５ｍｍ〜約５０ｍｍの距離だけ分離されてもよい。いくつかの実装では、分離距離は、２０ｍｍ〜３０ｍｍであってもよい。
いくつかの側面によると、ヒドロゲルパッド１６０−１０および第２の生体適合性接着剤層１６０−１１は、健康モニタが対象から除去され、再接着されるとき、交換されてもよい。例えば、対象は、随時、健康モニタ１６０を除去し、後に、それを再接着してもよい。健康モニタは、継続的に装着されるように構成されてもよいが、対象は、ある場合には、毎日、ある場合には、毎週、ある場合には、毎月、または任意の好適な間隔において、それを除去することを所望してもよい。除去後、ヒドロゲルパッド１６０−１０および第２の生体適合性接着剤層１６０−１１は、健康モニタから除去され、未使用パッドおよび接着剤と交換されてもよい。
いくつかの実装では、健康モニタ１６０の心臓モニタは、図１Ｇに描写されるように、ある動作モードでは継続的に、ある動作モードでは断続的に、心臓波形データを捕捉するように構成されてもよい。心臓波形から健康モニタ１６０によって判定され得る情報のタイプとして、心拍数、心拍間隔（ＩＢＩ）、心拍数変動（ＨＲＶ）、ＰＱＲＳＴ波形プロファイル、および呼吸数が挙げられ得る。
健康モニタは、図１Ｅ−１Ｇでは、単一のパッケージ化されたデバイスとして描写されるが、いくつかの実施形態では、健康モニタは、小規模ネットワークまたはボディローカルエリアネットワーク（ボディＬＡＮ）を経由して通信するように構成され、対象に取り付けられるか、または対象によって支持される、２つまたはそれを上回る別個のセンサを備えてもよい。センサのうちの１つまたはそれを上回るものは、２０１３年３月１５日に出願され、参照することによってその全体として本明細書に組み込まれる「Ｖｅｒｓａｔｉｌｅ Ｓｅｎｓｏｒｓ ｗｉｔｈ Ｄａｔａ Ｆｕｓｉｏｎ Ｆｕｎｃｔｉｏｎａｌｉｔｙ」と題された米国特許出願第１３／８４００９８号に説明されるような、多目的センサとして構成されてもよい。いくつかの実施形態では、付加的センサが、他の生理学的データを検出し、代表的データを健康モニタ１０４に通信してもよい。
ここで図２Ａ−２Ｂを参照すると、いくつかの実施形態では、健康モニタのためのウェイクアップおよび電力管理回路１５０は、図面に描写されるように、デバイスを複数の動作状態を通してサイクルさせるように構成されてもよい。健康モニタがサイクルされる動作状態は、例えば、ウェイクアップおよび電力管理回路によって検出された運動、またはボディＬＡＮ内の別のセンサから受信されたデータに依存してもよい。動作状態のいくつかは、例えば、電力節約、低電力、または無電力状態であってもよい。
いくつかの実施形態によると、１つの低電力または無電力状態２１０と、１つまたはそれを上回る給電動作状態２３０、２５０、２７０とが存在してもよい。給電動作状態は、例えば、種々の電力節約状態を含んでもよい。図示されるように、健康モニタは、経路２２０、２４０、２６０、２８０、２１５に沿って、任意の１つの状態から任意の他の状態に移行してもよい。いくつかの実施形態では、図２Ａ−２Ｂに示されるものに加え、またはその代わりに、例えば、直接、歩行検出状態２７０からウェイク認定状態２３０への経路が存在してもよい。
いくつかの実施形態では、対象が活動していない（例えば、健康モニタが、運動がないこと、または第１の事前に選択された限界もしく閾値未満の運動を呈する）とき、モニタは、スリープモード２１０で動作してもよい。いくつかの実施形態では、スリープモードは、電力を消費しなくてもよい。しかしながら、他の実装では、スリープモードは、低電力を消費し、例えば、約１マイクロアンペアまたはそれ未満を引き出してもよい。低電力は、例えば、健康モニタ１００の運動を検出するために、運動センサ１５２に提供されてもよい。いくつかの実施形態では、電力は、スリープモードにある間、運動センサ１５２、生理学的センサ１５４、プロセッサ１１０、メモリ１２０、および送受信機１４０の任意の組み合わせまたは全てに提供されない。いくつかの実施形態によると、十分な運動が運動センサ１５２を介して検出されると、健康モニタは、ウェイク認定状態２３０に移行されてもよい。
いくつかの実施形態では、健康モニタをスリープ状態２１０から移行させるために十分な運動は、運動センサからの信号の振幅および／または頻度に従って、運動センサ１５２を介して検出されてもよい。例えば、運動センサが、１つまたはそれを上回る圧電要素を備えるとき、事前に定義された信号値を上回る信号が、健康モニタの十分な運動を識別し、モニタをウェイク認定状態２３０に移行させるために使用されてもよい。別の実施例では、運動センサ１５２は、１つまたはそれを上回る接触スイッチを備えてもよく、事前に定義された時間間隔あたりの事前に定義されたスイッチ開放または閉鎖数が、健康モニタの十分な運動を識別し、健康モニタをウェイク認定状態２３０に移行させるために使用されてもよい。
いくつかの実施形態では、ウェイク認定状態２３０にあるとき、低レベルの電流（例えば、約３０マイクロアンペア未満）が、システム内の健康モニタ１００によって消費されてもよい。電力は、例えば、加速度計からのデータがウェイク認定状態２３０にある間に処理され得るように、加速度計およびシステムプロセッサに提供されてもよい。電力は、いくつかの実施形態では、ウェイク認定状態にある間、メモリ１２０にもまた提供されてもよい。いくつかの実装では、電力は、ウェイク認定状態において、１つまたはそれを上回る生理学的センサに提供されてもよい。
いくつかの実施形態では、ウェイク認定状態２３０にあるとき、システムは、低速度でクロッキングされ、電力を節約してもよい。例えば、プロセッサ１１０は、低周波数でクロッキングされ、および／または加速度計は、低周波数（例えば、約１０Ｈｚ未満）でサンプリングされ、加速度計からデータを取得し、処理してもよい。データは、例えば、処理され、所定の第２の閾値を超えたかどうか判定してもよい。いくつかの実施形態では、第２の閾値は、健康モニタ１００が被る、事前に定義された量の力または加速度を含んでもよく、さらなるパラメータ、例えば、事前に定義された加速度の量、すなわち、心拍数を超える測定された値の発生の頻度を含んでもよい。第２の閾値を超えると、健康モニタは、例えば、活動認定または歩行認定状態２５０に移行されてもよい。第２の閾値が事前に定義された時間期間内で超えない場合、健康モニタは、例えば、スリープモード２１０に戻ってもよい。
いくつかの実施形態では、歩行認定状態２５０にあるとき、より多くの電力が、運動データのより大量のデータ処理が生じ得るように、加速度計１３０および／またはプロセッサ１１０に提供される。加速度計および／またはプロセッサは、例えば、より大量のデータが、ウェイク認定状態２３０と比較して、所与の時間間隔の間に加速度計から得られ、プロセッサによって処理され得るように、より高いクロック周波数で動作されてもよい。歩行認定モードにおける健康モニタによって消費される電流は、約数百マイクロアンペアのオーダー、例えば、いくつかの実施形態では、約１００マイクロアンペア〜約５００マイクロアンペアであってもよい。データ収集速度は、例えば、歩行認定モード２５０における通常動作速度まで増加されてもよい。加速度計データは、例えば、数百ヘルツ（例えば、２５６Ｈｚ）またはより高い値でサンプリングされてもよい。いくつかの実装では、より大量の生理学的データが、歩行認定状態において得られ、処理されてもよい。
いくつかの実施形態では、歩行認定モード２５０にあるとき、健康モニタ１００は、検出された加速度データを分析し、データが、モニタ１１０に関する認識可能な活動であり得る活動、例えば、ウォーキング、ランニング、水泳、縄跳び等を表すかどうかを判定してもよい。いくつかの実施形態では、プロセッサによって、活動が認識可能であり得ると判定される場合、健康モニタは、歩行検出状態２７０に移行されてもよい。いくつかの実施形態では、事前に定義された時間量内に、プロセッサによって認識可能であるために不十分な活動であると判定される場合、健康モニタは、ウェイク認定モード２３０に戻ってもよい。
いくつかの実施形態によると、歩行検出モード２７０が実行されると、健康モニタは、完全動作に置かれてもよい。本モードでは、電力は、例えば、外部デバイスまたは付加的センサとの通信が実施され得るように、他の動作構成要素に加え、送受信機１４０にも提供されてもよい。いくつかの実施形態では、通常動作クロック周波数およびサンブリング速度が、活動検出および完全データ処理が実施され得るように、加速度計、１つまたはそれを上回る生理学的センサ、およびプロセッサを動作させるために使用されてもよい。生理学的センサは、歩行検出モード２７０では、完全に給電されてもよく、またはそうでなくてもよい。歩行検出モード２７０における電流消費は、例えば、数百マイクロアンペア、例えば、約２００マイクロアンペア〜約６００マイクロアンペアであってもよい。
いくつかの実施形態では、スリープモード２１０以外の各動作状態は、例えば、図２Ａに示されるような状態経路２１５に沿って、健康モニタを直接スリープモードに戻すための準備を含んでもよい。例えば、各動作状態２３０、２５０、２７０は、着信データまたは着信データと関連付けられた処理されたデータパラメータの終了が存在する場合、健康モニタをスリープモード２１０に戻すように構成されてもよい。いくつかの実施形態では、健康モニタは、加えて、または代替として、システム誤作動または故障、例えば、プロセッサのフリーズに応じて、スリープモードに戻るように構成されてもよい。スリープモードへの復帰は、例えば、健康モニタをリセットするために使用されてもよい。
いくつかの実装によると、健康モニタのための電力節約は、加えて、または代替として、図２Ｂに描写されるように、心臓データに基づいてもよい。心臓データに基づく電力節約方法は、運動データに基づく電力節約方法と並行して、またはそれと組み合わせて稼働してもよい。単なる一例証的実施例として、運動データは、システムプロセッサによって分析され、対象が活動していない状態（例えば、着座、横臥、車両に乗車中等）にあることを判定してもよい。健康モニタは、次いで、少なくとも、運動検出器および生理学的センサへの電力が減少され得ると判定してもよい。いくつかの実施形態では、運動センサは、スリープモード２１０に入ってもよく、対象の心臓波形を感知するように構成される心臓センサもまた、図２Ａ−２Ｂに示されるように、スリープモード２１２に入ってもよい。バッテリ寿命を延長させるために、心臓センサは、対象が活動していない間、図２Ｂに描写されるように、スリープ状態から１つまたはそれを上回る低電力動作モードを通ってサイクルしてもよい。
例えば、そして図２Ｂを参照すると、第１のモード（モードＡ）では、心臓センサは、対象の各心拍の間の期間の間、「スリープ」（スリープ状態２１２）し、後続分析のために、心拍の波形（例えば、ＱＲＳ群）を捕捉する時間は、「アウェイク」（ＱＲＳ検出状態２３２）であってもよい。ＱＲＳ波形は、例えば、いくつかの実装によると、不整脈、心拍数変動、および／または呼吸数に対して分析されてもよい。いくつかの実施形態では、呼吸数は、複数の心臓サイクルにわたって、Ｒ波のエンベロープから判定されてもよい。第１のモードでは、完全波形捕捉回路が、ＱＲＳ群の間のみ、心臓波形をサンプリングおよび分析するために利用されてもよい。
第２の動作モード（モードＢ）では、心臓モニタは、対象の各心拍の間の期間の間、スリープし、Ｒ波の点またはタイミングを判定するための時間のみ、アウェイク（Ｒ検出状態２５２）であってもよい。いくつかの実装では、心臓信号は、Ｒ波の傾きにおける閾値超過または変化を検出するように構成されるコンパレータにフィードされてもよい。コンパレータは、心臓波形の一部を捕捉および分析するために必要とされる回路より少ない電力を動作のために要求し得る。
第３の動作モード（図２Ｂには図示せず）では、心臓モニタは、複数の拍動に対して完全心臓波形を捕捉するために連続的に動作し得る。連続動作モードは、Ｐ波のタイミングを確認するために、いくつかの実施形態では、心拍間のスリープの間隔を判定するために、周期的に実行されてもよい。いくつかの実装では、連続動作モードは、対象が活発になると実行されてもよく、または対象の活動が中程度および／または激しいと見出されると実行されてもよい。いくつかの実装では、ユーザは、運動センサによって検出され、健康モニタのプロセッサによって処理および認識され得る、パッチまたは運動センサ上のタップシーケンスによって、ユーザの活動と関係なく、心臓波形の連続監視を命令してもよい。
さらなる詳細として、図２Ｃ−２Ｄは、健康モニタが実装するように構成され得る、心臓信号の捕捉および処理の方法の例証的実施例である。参考のために、心臓波形の例が、心臓サイクルのＰ、Ｑ、Ｒ、Ｓ、およびＴ部分を図示する、図２Ｅに描写される。
いくつかの実施形態によると、図２Ｃを参照すると、健康モニタ上で実装される心臓波形ベースの電力節約の方法２０４は、ある期間の間、ＥＣＧ信号を受信するステップ２２６と、データを分析し、対象に関するＰＱＲＳＴ波形のタイミングを判定するステップ２２８とを含んでもよい。いくつかの実施形態によると、健康モニタは、Ｐ−波の前に、心臓モニタをアウェイク２３２−１し、ＱＲＳ群を記録２３２−３し、ＱＲＳ群を処理２３２−５し、心臓データ（例えば、不整脈、心拍数変動、および／または呼吸数）を得てもよい。健康モニタは、いくつかの実施形態によると、運動センサをスリープモードに保ちながら、心臓モニタをアウェイクしてもよい。心臓モニタは、いくつかの実施形態によると、Ｐ−波の約１ｍｓ〜約１００ｍｓ前にアクティブ化されてもよい。他の実施形態では、心臓モニタは、より遅くまたはより早くアクティブ化されてもよい。健康モニタは、記録されたＱＲＳ波形が有効であった（例えば、正しくない時間ゲーティングに起因して、クリッピングされていないか、または一部逸失していない）かどうかを判定２３２−７してもよい。ＱＲＳ波が有効である場合、健康モニタは、スリープモード２３２−９に入ってもよく、その間、心臓モニタへの電力は、減少されるか、または次のＰ−波まで遮断される。ＱＲＳ波形が有効ではないと判定される場合、健康モニタは、適切なスリープまたはアウェイク間隔が判定され得るように、心臓モニタおよび関連付けられた電子機器に電源投入し、ある期間の間、完全ＥＣＧ信号を受信２２６してもよい。
いくつかの実装では、図２Ｄを参照すると、健康モニタによって実装される心臓波形ベースの電力節約の方法２０６は、ある期間の間、ＥＣＧ信号を受信するステップ２２６と、データを分析し、対象に関するＰＱＲＳＴ波形のタイミングを判定するステップ２２８とを含んでもよい。健康モニタは、Ｒ波の前に（例えば、いくつかの実施形態によると、Ｒ波の約１ｍｓ〜約１００ｍｓ前であるが、他の時間が、他の実施形態では、使用されてもよい）、心臓モニタをアウェイク２５２−１してもよい。本モードでは、Ａ／Ｄ回路の使用およびＱＲＳ群のデジタル処理ではなく、コンパレータが、アウェイクされ、入力心臓信号を処理するために使用されてもよい。Ｒ波の正から負の傾きの閾値超過点または変化を検出することによって、健康モニタのプロセッサは、心拍間のＲ−Ｒ間隔を判定２５２−３してもよい。本データは、心拍間隔（心拍数）および／または心拍数変動を評価するために使用されてもよい。健康モニタは、判定されたＲ波点が有効である（例えば、予期される時間窓内で生じている）かどうかを査定２５２−５してもよい。判定されたＲ波点が有効であると判定される場合、心臓モニタは、スリープモード２３２−９に入ってもよい。Ｒ波点が有効ではないと判定される場合、健康モニタは、心臓モニタおよび関連付けられた電子機器に電源投入し、ある期間の間、完全ＥＣＧ信号を受信２２６してもよい。
図２Ｆは、いくつかの実施形態による、健康モニタの運動センサおよび心臓波形センサから得られ得る、データのタイプを描写する。例えば、運動センサ（例えば、加速度計）は、以下にさらに詳細に説明されるように、種々の活動測定のために使用され、対象によって行われる活動のタイプに対応する運動波形を得てもよい。同様に、心臓センサは、異なるレベルの活動の間および非活動期間の間、対象に関する心臓波形を得るために使用されてもよい。いくつかの実施形態では、異なるセンサタイプからのデータが、いくつかの事例では、別個に使用されてもよく、他の事例では、組み合わせられ、個人に関する異なるフィットネス指標を判定してもよく、そのうちのいくつかが、図面に描写される。
単なる一実施例として、運動波形は、分析され、健康モニタが取り付けられる対象の身体位置を判定してもよい。運動波形は、対象が腹臥位にあることを示し得る。同一期間の間に得られた心臓波形またはＲ−Ｒ間隔データの分析は、例えば、正常心拍数より低いことを示し得、これは、健康モニタによって、安静時心拍数（ＲＨＲ）であることが判定され得る。いくつかの実施形態では、組み合わせられた運動および心臓データは、対象が睡眠中であることを示し得、例えば、対象に関する基礎代謝率（ＢＭＲ）を判定するために使用されてもよい。さらに、心拍数変動（ＨＲＶ）データは、運動センサからの運動データとともに、対象の睡眠の質を査定するために使用されてもよい。例えば、対象に関する低心拍数変動は、対象に関するストレス増加を示し得る。いくつかの実施形態では、低ＨＲＶは、心臓波形の低周波数（ＬＦ）スペクトルパワーと高周波数（ＨＦ）スペクトルパワーの比から判定され得る。心臓波形のスペクトルパワーは、心臓サイクルのフーリエ変換、すなわち、ＦＦＴから判定され得る。ＬＦスペクトルパワーは、約０〜１５０Ｈｚの範囲内であり得、ＨＦスペクトルパワーは、約１５０Ｈｚ〜約４００Ｈｚの範囲内であり得る。睡眠状態にある間の平均値にわたる対象に関するＬＦ／ＨＦ比の増加は、対象に関するストレスレベルの増加および睡眠の質の低下を示し得る。加えて、または代替として、睡眠中の過剰な運動は、睡眠の質の低下を示し得る。心臓および運動データから判定され得る他のフィットネス指標は、以下に説明される。
ＩＩＩ．データ処理
本セクションは、健康モニタの種々の実施形態を用いて実装され得る、データ取扱いおよびデータ処理例の要約を提供する。いくつかの実装では、活動データの処理は、１つまたはそれを上回る健康モニタのプロセッサ上で実施されてもよい。図３のブロック図を参照すると、いくつかの実施形態による、健康モニタに関するデータ取扱いアーキテクチャ３００の例証的実施例が、示される。いくつかの実施形態では、データ取扱いアーキテクチャは、少なくとも部分的に、適切な機械可読命令を用いて特別に適合される、プロセッサ１１０上で実装されてもよい。
健康モニタに関するデータ取扱いアーキテクチャ３００は、いくつかの実施形態によると、データプリプロセッサ３０５と、特徴ジェネレータ３１０と、バッファ３２５と、推論エンジン３２０と、少なくとも１つの活動エンジン３４０−１とを備えてもよい。いくつかの実施形態では、データ取扱いアーキテクチャはさらに、マルチプレクサ３３０と、データサービス３６０とを含んでもよい。いくつかの実装では、プリプロセッサ３０５、特徴ジェネレータ３１０、推論エンジン３２０、マルチプレクサ３３０、および活動エンジン３４０−１-３４０−ｎのいずれも、全体的または部分的に、実行されると、以下に説明されるように個別の機能性を果たすようにプロセッサを適合する、プロセッサ１１０上で動作可能な機械可読命令として、または代替実施形態において実装されるように、具現化されてもよい。さらに、プリプロセッサ３０５、特徴ジェネレータ３１０、推論エンジン３２０、マルチプレクサ３３０、および活動エンジン３４０−１-３４０−ｎのいずれも、加えて、または代替として、全体的または部分的に、個別の機能性または個別の機能性の一部を果たすように構成されるハードウェアとして、具現化されてもよい。
他の実施形態は、図３に示されるものより少ないか、それに付加的であるか、またはそれと異なるデータ処理要素を含んでもよいことを理解されたい。例えば、データポストプロセッサが、データサービス３６０の前または後に追加されてもよい。さらに、いくつかの実施形態では、１つまたはそれを上回る描写される要素は、単一単位の中に組み合わせられ、別個に描写される両単位の等価な機能性を提供してもよいことを理解されたい。図３に描写される構成要素のうちの１つまたはそれを上回るものは、ハードウェア（例えば、フィールドプログラマブルゲートアレイ、デジタル信号プロセッサ、および／またはアプリケーション特異的集積回路として）および／またはデジタルプロセッサ上で実行され得る、ハードウェアおよび機械可読命令（例えば、ソフトウェア）の組み合わせで実装されてもよい。
図３に図示されるように、いくつかの実施形態では、加速度計１３０は、運動の少なくとも１つの方向に沿って加速度計によって検出された加速度を表す値の運動データストリーム１３３を出力するように構成されてもよい。運動データストリーム１３３は、例えば、加速度計１３０において定義された運動の個別のＸ−、Ｙ−、およびＺ−軸に沿って測定される加速度を表す加速度値を含んでもよい。いくつかの実施形態では、加速度値のデータストリーム１３３は、特徴ジェネレータ３１０およびプリプロセッサ３０５の両方に提供されてもよい。いくつかの実装では、１つまたはそれを上回る生理学的センサから受信された補足データ３０２（例えば、心臓データ、呼吸データ、血中酸素濃度、または血糖値データ等の任意の１つまたは組み合わせ等の生理学的データ）が、プロセッサ１１０に提供されてもよく、かつ特徴ジェネレータ３１０および／またはプリプロセッサ３０５に提供されてもよい。いくつかの実施形態によると、プリプロセッサ３０５は、例えば、少なくとも、加速度計からの運動データストリーム１３３を前処理し、特徴ジェネレータ３１０に提供される加速度微分値のストリームを生成してもよい。いくつかの実施形態では、加速度微分値は、算出されなくてもよい。データのいずれも、フィルタ処理され、例えば、分析のために、雑音成分を減少させる、または具体的周波数成分を選択してもよい。
いくつかの実装では、補足データ３０２が、プロセッサ１１０の１つまたはそれを上回る処理デバイスに提供されてもよい。例えば、補足データ３０２は、プリプロセッサ３０５、特徴ジェネレータ３１０、および推論エンジン３２０の任意の１つまたは組み合わせに提供されてもよい。いくつかの実装では、プリプロセッサ３０５は、例えば、プレチスモグラフィ波形または心臓波形を前処理し、特徴ジェネレータ３１０に提供され得る、対象の心拍のデータ特性を生成してもよい。補足データ３０２はまた、いくつかの実施形態では、バッファ３２５に提供されてもよい。補足データ３０２は、分析され、活動についての付加的情報を提供する（例えば、プロセッサ１１０は、心臓データを分析し、脈拍数を判定するように構成されてもよく、例えば、そこから、活動が行われた強度レベルが推定されてもよい）、および／または行われる活動のタイプを検証してもよい（例えば、エクササイズ用自転車に乗っているのか、平坦な地形上で自転車に乗っているのか、または自転車で坂を昇っているのかを区別する）。
ある実施形態では、特徴ジェネレータ３１０は、加速度値の受信されたデータストリーム１３３、受信された補足データ、および受信され前処理されたデータ（例えば、加速度微分値のストリーム）を処理し、推論エンジン３２０と、随意に、バッファ３２５とに提供され得る、１つまたはそれを上回る特性特徴３１２を生成してもよい。特性特徴は、例えば、推論エンジン３２０によって使用され、複数のタイプの活動の中から、センサによって感知された活動のタイプを識別してもよい。いくつかの実施形態では、活動タイプの識別に応じて、推論エンジン３２０は、制御信号３２２をマルチプレクサ３３０に提供し、さらなるデータ処理のために、特性特徴３１２を適切な活動エンジン３４０−１、３４０−２、…、３４０−ｎにルーティングしてもよい。各活動エンジンは、例えば、活動特有のアルゴリズム（例えば、ランニング、ウォーキング、水泳、自転車等に関するアルゴリズム）に従って、受信された特性特徴を処理し、活動を記述する１つまたはそれを上回るパラメータを計算するように構成されてもよい。１つまたはそれを上回るパラメータの例証的実施例として、限定ではないが、活動の強度またはペースの測定、活動の間に消費されたエネルギーの計算、活動の間の進行距離の推定、および活動の持続時間が挙げられる。
いくつかの実施形態では、バッファ３２５は、推論エンジン３２０が活動を識別する間、活動を表すデータを一時的に留保するために使用されてもよい。例えば、いったん活動が識別されると、データは、バッファから適切な活動エンジンまたは複数のエンジンにルーティングされてもよい。そのようなデータの一時的バッファは、活動の初期識別またはある活動から別の活動への遷移の間の活動データの損失を防止する。
いくつかの実施形態によると、いったん活動が識別されると、未加工加速度計データを含み得る、特徴ジェネレータ３１０からのデータは、適切な活動エンジン３４０−ｍ（ｍは、選択されたエンジン１、２、３、…ｎの値に対応する）にルーティングされてもよい。活動特有のデータ処理エンジンはそれぞれ、例えば、加速度微分データＤｎ、１つまたはそれを上回る加速度計トレースデータ、生理学的データ、および特性特徴データの任意のインスタンスまたは組み合わせを使用して、活動と関連付けられた１つまたはそれを上回るパラメータ（例えば、スピード、距離、強度、歩数等）の値を判定してもよい。いくつかの実施形態では、生理学的データは、運動データと組み合わせて使用され、活動の強度および／または活動と関連付けられた他のパラメータを判定してもよい。
いくつかの実施形態では、選択された活動エンジン、推論エンジン、またはポスト処理要素（図示せず）は、加えて、または代替として、活動に関するエネルギー消費（例えば、カロリー燃焼速度）を判定してもよい。いくつかの実施形態によると、エネルギー消費は、例えば、少なくとも部分的に、活動に関する代謝当量（ＭＥＴ）のルックアップテーブルから判定されてもよい。ルックアップテーブルは、例えば、代謝当量のリストを含んでもよく、各エントリは、１つまたはそれを上回る活動強度パラメータ、例えば、歩速、スピード、心拍数等と関連付けられ得る。ヒトによって行われ得る活動毎のＭＥＴルックアップテーブルは、例えば、健康モニタのメモリ１２０内に記憶されてもよい。いくつかの実施形態では、ＭＥＴに関するルックアップテーブルは、ユーザ特有、例えば、ユーザの性別、体重、年齢、および／または身長特有であってもよい。いくつかの実施形態では、活動セッションの過程にわたって、健康モニタは、時間の関数として、カロリー燃焼速度を判定および記録してもよく、また、活動の時間の関数として、総燃焼カロリー数を算出してもよい。いくつかの実施形態では、健康モニタは、加えて、または代替として、他のデータ、例えば、活動タイプ、最大スピード、平均スピード、進行距離、歩数、最大カロリー燃焼速度、平均カロリー燃焼速度、時刻等を算出および／または記憶してもよい。
運動データの処理の一実施例として、図４Ａを参照すると、推論エンジン３２０は、図中のデータによって表される活動をウォーキングとして識別し得る。故に、マルチプレクサは、例えば、加速度微分データＤｎをウォーキング活動エンジン３４０−１に転送するように構成されてもよい。ウォーキング活動エンジン３４０−１は、例えば、踵接地に対応する、大ピーク４１０と、歩行中の足趾離地に対応する、連続したより小さいピーク４２０との間のデータ内の距離Ｔｃを判定するように構成されてもよい。距離Ｔｃは、例えば、足と地面の接触時間を表し得、そこから、ウォーキングスピードが、判定されることができる。足接触時間からウォーキングスピードを判定する方法の例は、米国特許第４，５７８，７６９号（参照することによってその全体として本明細書に組み込まれる）に開示されている。
種々の実施形態では、プリプロセッサ３０５および特徴ジェネレータ３１０は、加速度計からの未加工データおよび／または受信された補足データ３０２を任意の好適な様式で前処理してもよく、例えば、データをフィルタ処理する、微分値を算出する、データを圧縮する、データセットを生成する、データをパケット化する等である。プリプロセッサ３０５および特徴ジェネレータ３１０によるデータ前処理のいくつかの例は、「Ｖｅｒｓａｔｉｌｅ Ｓｅｎｓｏｒｓ ｗｉｔｈ Ｄａｔａ Ｆｕｓｉｏｎ Ｆｕｎｃｔｉｏｎａｌｉｔｙ」と題された米国特許出願第１３／８４００９８号（前述で参照され、参照することによって組み込まれている）に説明されている。種々の実施形態では、プリプロセッサおよび特徴ジェネレータは、受信された未加工データを処理し、推論エンジン３２０および活動エンジン３４０にかかる処理負荷を減少させる。
いくつかの実装によると、推論エンジン３２０は、加えて、または代替として、活動（例えば、対象によって行われ得るが、健康モニタが認識するようにプログラムされていない活動）を認識不可能であると識別し、かつヒトによって行われない活動（例えば、機械または動物によって行われ得る非ヒト活動）を識別するように構成されてもよい。推論エンジン３２０は、プリプロセッサ３０５、特徴ジェネレータ３１０、および活動エンジン３４０のうちの１つまたはそれを上回るものから受信されたデータに基づいて、活動を識別してもよい。いくつかの実施形態では、未加工加速度データは、加えて、または代替として、検出された活動の識別のために、推論エンジン３２０に提供されてもよい。いくつかの実施形態では、健康モニタは、活動を２つまたはそれを上回る分類、例えば、（ｉ）認識可能な活動、（ｉｉ）対象によって行われる可能性がある認識不可能な活動、および（ｉｉｉ）非ヒトまたは非動物活動（例えば、機械または動物によって行われる活動）に分類してもよい。健康モニタは、いくつかの実施形態では、続いて、ユーザによる識別のために、認識不可能であると識別された活動をユーザに提示するように構成されてもよく、健康モニタは、活動の後続認識のために修正されてもよい（例えば、健康モニタは、その活動に関する特性特徴を包含する１つまたはそれを上回るメンバーシップ関数を学習または構築する）。
いくつかの実施形態では、推論エンジンは、推論エンジンによって認識可能な複数の活動タイプの任意の１つに対応すると識別されることができない、特性特徴のセット３１２（認識不可能な活動を表す）を受信してもよい。この場合、データ取扱いアーキテクチャは、例えば、特徴セットと関連付けられた活動のタイプの後続分析および判定のために（例えば、ユーザ補助によって活動を識別するか、または類似特徴セットを有する識別された活動のオンラインライブラリと比較することによって）、特性特徴セットデータ３１２を直接データサービス３６０に提供するように構成されてもよい。特徴セットデータ３１２は、マルチプレクサ３３０によって、バッファ３２５からデータサービス３６０にルーティングされてもよい。さらに、データ取扱いアーキテクチャは、加えて、または代替として、データサービス３６０から、推論エンジン３２０を再構成するか、および／または活動エンジン３４０を追加もしくは修正し、続いて、以前は認識不可能であった特徴セットに対応する活動のタイプを識別するために好適な機械可読命令および再構成データ３６２を受信するように構成されてもよい。このように、健康モニタによる活動認識は、例えば、随時、アップグレードまたは再構成されてもよい。
いくつかの実施形態では、認識不可能な活動は、活動の完了後に十分な時間をあけて、ユーザによる後続識別のために、ユーザに報告されてもよい。例えば、認識不能活動は、ユーザがコンピュータを介して監視された活動の記録を精査するときに報告されてもよい。ユーザは、例えば、認識不可能な活動が、具体的日時に、ある持続時間の間に生じたことを通知されてもよく、次いで、ユーザは、活動を識別するためにクエリされてもよい。いくつかの実施形態では、ユーザは、次いで、活動を識別し得、これは、順に、特性特徴のセット３１２と以前に認識不能であった活動を関連付ける。いくつかの実施形態によると、類似カロリー燃焼速度を有する可能性として考えられる活動のリストが、ユーザがリストから活動を選択し得るように、ユーザに提示されてもよい。リストは、Ａｍｅｒｉｃａｎ Ｃｏｌｌｅｇｅ ｏｆ Ｓｐｏｒｔｓ Ｍｅｄｉｃｉｎｅによって発行されたＢａｒｂａｒａ Ｅ．Ａｉｎｓｗｏｒｔｈ ｅｔ ａｌ．による「２０１１ Ｃｏｍｐｅｎｄｉｕｍ ｏｆ Ｐｈｙｓｉｃａｌ Ａｃｔｉｖｉｔｉｅｓ：Ａ Ｓｅｃｏｎｄ Ｕｐｄａｔｅ ｏｆ Ｃｏｄｅｓ ａｎｄ ＭＥＴ Ｖａｌｕｅｓ」（その全内容は、参照することによって本明細書に組み込まれる）にリスト化された活動を含んでもよい。推論エンジン３２０および／または活動エンジン３４０のアップグレードは、例えば、新しい活動を認識する際に使用するための新しいデータ構造および／またはコードをプロセッサ１１０に伝送することを含んでもよい。
いくつかの実装では、推論エンジン３２０は、ヒトによって行われない１つまたはそれを上回る活動を認識するように構成されてもよい。そのような非ヒト活動は、例えば、機械の機械的運動と関連付けられ得る。そのような活動の一例は、ファンの周期的運動であり得、健康モニタは、ファンのブレードにストラップ留めされ得る。別の例は、自動車、電動式車両、または電動式乗り物の運動であり得る（例えば、凹凸路の上での車両への乗車、遊園地の乗り物、電車への乗車）。別の例は、自転車の車輪の運動であり得る（例えば、車輪のスポークに取り付けられたモニタ）。ヒトによって行われない活動の他の例は、衣類乾燥または衣類洗浄機械内の運動であり得る。別の例として、犬または馬の歩行または走行の運動が挙げられ得る。ある場合には、ヒトによって行われない活動は、例えば、健康保険奨励プログラムまたは処方された物理的エクササイズと関連して、例えば、対象への物理的活動の誤ったクレジット付与を防止するために認識され得る。推論エンジンは、非ヒト活動をヒトによって達成不可能である特性を、例えば、精密な繰り返しの運動または過剰な加速度値を有するものとして識別してもよい。
いくつかの実施形態によると、推論エンジン３２０は、各活動エンジン３４０−１…３４０−ｎから誤差信号インジケーション３４５をさらに受信するように構成される。誤差信号は、例えば、活動エンジンによって処理される活動の信頼性レベルを表してもよい。例えば、第１の活動エンジン３４０−１は、ウォーキングに関する活動エンジンであって、第２のエンジン３４０−２は、ランニングに関するエンジンであってもよい。ユーザがウォーキング時、例えば、歩調は、ランニングに関する閾値基準を下回り得、ランニング活動エンジン３４０−２からの出力誤差信号は、高くなり得るか、または信頼性レベルは、低くなり得る。出力誤差信号は、例えば、推論エンジン３２０によって使用され、活動および／または活動間の遷移の識別を補助してもよい。いくつかの事例では、全活動エンジンが、実質的に同時に、特徴データを処理してもよい一方、他の事例では、１つのみの活動エンジンまたは選択された数の活動エンジンが、特徴データを処理するように選択されてもよい。いくつかの実施形態によると、現在識別されている活動に関する大きな誤差信号の存在は、例えば、推論エンジン３２０に、新しく受信されたデータに関する活動を再識別させてもよい。
いくつかの実施形態では、活動エンジン３４０−ｍによって算出される任意のデータを含む、活動のパラメータ特性は、ユーザへの後続提示、オンボード記憶、オンボード分析、および／または遠隔記憶デバイス内への記憶のために、データサービス３６０に提供され、それによって取り扱われてもよい。付加的データ（例えば、日付、時間、および活動の持続時間）が、データサービス３６０に提供されてもよい。データは、データサービスによって、任意の好適な形式でフォーマットまたはパケット化されてもよく、ヘッダ情報を含むようにフォーマットされてもよい。データサービス３６０は、例えば、オンボードデータ記憶、例えば、メモリ１２０と、データをコンピュータ等の遠隔デバイスに伝送するための送受信機１４０とを備えてもよい。いくつかの実装では、データサービス３６０は、約５分〜約３０分またはより長い期間の時間間隔の間、活動データを保持するようにサイズ決定される、一時的バッファを備えてもよい。いくつかの実施形態では、データサービスは、加えて、または代替として、健康モニタからデータを受信し、受信されたデータを記録および／またはさらに処理するように構成される、遠隔コンピュータまたは遠隔サーバ上で動作するアプリケーションを含んでもよい。いくつかの実装では、データサービス３６０からのデータ３６２は、さらなる処理のために、プロセッサ１１０によって読み出され、例えば、記録されたデータから健康効果レベルを判定してもよい。
いくつかの実施形態では、健康モニタ１００は、加えて、または代替として、メモリ内にユーザ目標（例えば、１日あたりの歩数、進行距離、具体的活動に関するエクササイズ持続時間、ある期間の間の健康クレジット数等）を記憶するように構成されてもよい。プロセッサ１１０は、いくつかの実施形態によると、活動エンジンからの出力に基づいて、ユーザの目標または複数の目標に向かう進行を判定するように構成されてもよい。健康モニタは、例えば、可聴、可視、または触知インジケーションをユーザに提供し、目標に向かう進行を示すか、そして／または目標が達成されると、それを示すようにさらに構成されてもよい。例えば、健康モニタは、ユーザが１日のある間隔に関して与えられる健康クレジットの目標を達成すると、ＬＥＤを点滅させるか、ビープ音を鳴らすか、または振動してもよい。
健康モニタは、いくつかの実施形態では、加速度計と、運動データを処理するための構成要素とを含み得るため、健康モニタ１００は、加えて、ユーザが実行し得る、具体的運動ジェスチャ（例えば、健康モニタを振る、手でそれを円形に動かす、健康モニタを回転させる）を認識するように構成されてもよい。健康モニタは、例えば、そのようなジェスチャを認識するように適合される１つまたはそれを上回る活動エンジンを含んでもよい。認識されるジェスチャは、例えば、健康モニタ上の具体的機能を実行する（例えば、電源を入れる、電源を切る、データを消去する、目標を設定する、１つまたはそれを上回る目標に向かう進行を表示する等）ためのインターフェース方法として使用されてもよい。
ＩＶ．活動タイプの識別
いくつかの実施形態による、活動タイプの識別が、さらに詳細に説明される。いくつかの実施形態では、加速度計１３０および／または１つまたはそれを上回る生理学的センサによって生成されるデータは、処理され、活動タイプ識別のために推論エンジン３２０に提供される、特性特徴ｆｎを生成してもよい。推論エンジン３２０は、例えば、処理されたデータ、ある場合には、未加工データを受信し、受信されたデータをさらに処理し、検出された活動を識別および／または分類するように構成されてもよい。いくつかの実施形態では、識別される活動は、ヒトによって行われ、健康モニタが認識するようにプログラムされる、複数の異なる活動タイプの中からの１つの活動であってもよい。
いくつかの実施形態によると、推論エンジン３２０は、活動を異なるカテゴリに分類してもよい。カテゴリは、例えば、非ヒト活動、認識可能なヒト活動、および認識不可能なヒト活動を含んでもよい。分類は、推論エンジンが活動タイプの識別を試みるにつれて生じてもよい。いくつかの実施形態によると、各分類に対するデータは、以下にさらに説明されるように、異なって取り扱われ、対象に関する健康クレジットを判定してもよい。
いくつかの実施形態では、推論エンジン３２０は、任意の好適な様式において、受信された活動データを処理し、活動タイプを識別してもよい。いくつかの実装では、推論エンジン３２０は、加速度微分データＤｎ（前述で参照された「Ｖｅｒｓａｔｉｌｅ Ｓｅｎｓｏｒｓ ｗｉｔｈ Ｄａｔａ Ｆｕｓｉｏｎ Ｆｕｎｃｔｉｏｎａｌｉｔｙ」と題された米国特許出願第１３／８４００９８号に説明されるように）のみ、または未加工加速度微分データおよび生理学的データの組み合わせならびに／もしくは限定された特性特徴セットに基づいて、活動を識別してもよい。いくつかの実施形態では、推論エンジン３２０は、１つまたはそれを上回る未加工加速度計トレースならびに／もしくは１つまたはそれを上回る未加工トレースから生成される特性特徴を使用して、活動を識別してもよい。ある場合には、未加工データまたは加速度微分データは、組み合わせて、または生理学的データと組み合わせて使用され、活動を識別もしくは分類してもよい。さらに、いくつかの実施形態では、推論エンジンは、加えて、または代替として、加速度微分データＤｎ、未加工加速度計データ、生理学的データ、および関連特性特徴の任意の組み合わせを使用して、活動データを認定してもよい（例えば、認識される活動のデータの質のレベルを識別する、または対象上の健康モニタの場所等の認識される活動の側面を識別する）。
いくつかの実装によると、推論エンジン３２０は、１つまたはそれを上回る識別アルゴリズムを採用し、活動を識別または区別してもよい。例えば、いくつかの実施形態では、推論エンジン３２０は、パターン認識アルゴリズムを採用し、加速度微分データＤｎおよび／または１つまたはそれを上回る未加工加速度計トレースによって定義された波形に基づいて、活動を認識してもよい。いくつかの実施形態では、推論エンジン３２０は、加えて、または代替として、ファジー論理を採用し、特性特徴セットＦｎ＝｛ｆ１、ｆ２、…ｆｎ｝内のいくつかの値に基づいて、活動を識別してもよい。推論エンジン３２０は、したがって、いくつかの実施形態では、パターン認識およびファジー論理の組み合わせを採用し、活動を識別してもよい。いくつかの実施形態では、ファジー論理認識のために、異なる活動に特有のメンバーシップ関数が定義され、健康モニタにダウンロードされてもよい。他の「認識」アルゴリズムまたはそのようなアルゴリズムの組み合わせも、加えて、または代替として、使用されてもよいことを理解されたい。
活動認識の単なる一例として、メンバーシップ関数範囲内にある所定の数の値を有する、推論エンジン３２０によって受信されたデータが、推論エンジンによって、そのメンバーシップ関数と関連付けられた活動として識別されてもよい。いくつかの実装に関して、ファジー論理は、重いデータ処理負荷をプロセッサ１１０にかけずに、多様な異なる活動を認識するために好適であり得る。例えば、ファジー論理は、いくつかの実施形態では、特徴データＦｎからの複数の特性特徴がある値の範囲内にあるかどうかのみを判定することを要求し得る。他の実施形態では、ファジー論理は、加えて、または代替として、候補活動毎にコスト係数を評価し、コスト係数の評価に基づいて、活動を識別してもよい。
理解の目的のためだけに、本発明を限定するものではないが、活動識別の一例が、図４Ａ−４Ｂを参照して説明される。図４Ａは、第１のタイプの活動（本実施例ではウォーキング）からの未加工加速度データの３つのトレース（ｘ、ｙ、ｚ：上３つ）を表す。図４Ａにおける下側トレースＤは、上側トレースから算出される加速度微分データを表す。図４Ｂは、第２のタイプの活動（本実施例では自転車）から得られたデータの対応するトレースを表す。図４Ａ−４Ｂに示されるデータに関して、健康モニタ１００は、対象のすねの下方に支持された。
図４Ａ−４Ｂのトレースから分かるように、これらのトレースには、いくつかの差異がある。差異として、とりわけ、加速度の最大および最小値、トレースの周期性、トレース内のピークの数および形状、ピークの幅、ならびにピーク間の距離が挙げられる。これらの差異は、例えば、トレース毎に特性特徴セットＦｎ内に捕捉されてもよい。
図４Ａ−４Ｂは、加速度計から導出された運動データのみを描写するが、１つまたはそれを上回る生理学的センサからの付加的データが、生理学的データに関する特徴セットを生成するために、同様に処理されてもよいことが理解され得る。健康モニタは、活動データを組み合わせた生理学的データを処理し、対象または対象によって行われる活動についての情報を向上させてもよい。例えば、生理学的データは、活動の強度レベルのインジケーションを提供し得る。
前述の実施例を継続すると、いくつかの実施形態では、測定間隔Ｔｍ内のトレース毎の特性特徴セットＦｎは、以下のエントリを用いて構築されてもよい。
Ｆｎ＝｛トレースの最大値（最大）；トレースの最小値（最小）；ｍ１未満のサンプル幅を伴うピークの数（Ｎｐ）；ｍ２未満のサンプル幅を伴う谷の数（Ｎｖ）；ピークの最大半量におけるトレースの平均変化率（Ｒ１／２）；ピーク間の平均距離（ΔＰ）｝
広範な様々な特性特徴が、異なる活動を識別するために生成および使用されてもよいことを理解されたい。本実施例から理解され得るように、図４Ａ−４Ｂのトレースにおける差異は、例えば、特性特徴セットにおける数値差異として捕捉されてもよい。いくつかの実施形態では、推論エンジン３２０は、次いで、例えば、種々の特徴に関する数値を認識可能な活動タイプに関する対応する値に対して比較することによって、そのような数値差異に基づいて、活動間を区別してもよい。特徴セット内に含める値の慎重な選択は、いくつかの実施形態では、推論エンジン３２０にかかる算出負荷を減少させ、異なるタイプの活動の迅速な識別を可能にし得る。
いくつかの実施形態によると、活動毎のメンバーシップ関数は、例えば、以下のように定義され得る。
Figure 2017506398
 式中、下付き文字「ａｖｇ」は、平均または予期される値を指し、数量±∂［ ］は、測定された値がメンバーシップ関数に属すると見なされると考えられるであろう事前に定義された範囲を識別する。いくつかの実施形態では、全値がメンバーシップ関数に属すると見なされる、特性特徴が、推論エンジン３２０によって受信されると、検出された活動は、推論エンジンによって識別されてもよい。推論エンジンは、次いで、例えば、さらなる分析のために、特徴ジェネレータからのデータを、マルチプレクサ３３０を使用して、適切な活動エンジンにルーティングしてもよい。
いくつかの実装では、活動毎に多数の試行をサンプリングすることによって、特性特徴値のそれぞれにおける変動が、観察され得、これら変動に関する統計が、判定され得る。統計的結果は、例えば、ファジー論理活動識別のために、メンバーシップ関数を構築するのに役立てるために使用されてもよい。例えば、ランニングに関する加速度微分トレースＤの最大値は、５測定単位のうち２シグマの変動を有することが観察され得る。ランニングに関するメンバーシップ関数は、例えば、規格値｛（１２０−５）≦Ｄの最大値≦（１２０＋５）｝を含んでもよく、ここでは、１２０測定単位が、ランニング活動に関するトレースＤに対する最大値の平均であると判定される。
いくつかの事例では、メンバーシップ関数の部分的重複が存在し得る。例えば、１つのメンバーシップ関数における特性特徴に関する１つまたはそれを上回る範囲は、第２のメンバーシップ関数における対応する範囲と重複または一致し得、これは、同一活動タイプに属する場合もあり、またはそうではない場合もある。いくつかの実装では、メンバーシップ関数の部分的重複が存在し得る場合でも、活動タイプは、活動タイプに関するメンバーシップ関数内の複数の特性特徴およびそれらの場所を評価することに基づいて、識別され得る。例えば、各活動は、その活動に関するメンバーシップ関数内にある特徴毎にスコア（例えば、０〜１の値）が付けられ得る。いくつかの実施形態では、スコアが活動毎に集計された後、最高スコアが付けられたものは、識別された活動として選択され得る。
いくつかの実施形態では、記述されるメンバーシップ関数に基づくスコアは、全てか無いかであってもよく（ａｌｌ−ｏｒ−ｎｏｔｈｉｎｇ）、例えば、特徴ｆｎは、その対応するメンバーシップ関数の境界内にあると測定および判定され、スコアに寄与するか、または境界外であって、全く寄与し得ないかのいずれかである。他の実施形態は、加えて、または代替として、図５Ａ−５Ｃに描写されるの等のメンバーシップ関数を採用してもよい。グラフは、ｎ個の特性特徴（「ｊ」の下付き文字によって示される）および２つの活動（「ｉ」の下付き文字の下付き文字によって示される）に関して構築されたメンバーシップ関数Ｍｉ，ｊを描写する。メンバーシップ関数Ｍｉ，ｊは、例えば、前述のように、多くの測定の統計的分析から構築されてもよい。メンバーシップ関数は、台形として示されるが、任意の好適な形状、例えば、丸形上部、半円形、半楕円形、ガウス、放物線、測定された統計的値を表す分布、多モードの分布等をとってもよい。
いくつかの実装では、特性特徴、例えば、ｆ１５１０−１が判定されると、その特徴に関する活動のメンバーシップ関数毎の対応する値が、判定されてもよい。図５Ａに示される場合に関して、例えば、第２の活動のメンバーシップ関数Ｍ２，１は、値５１２に寄与し、第１の活動のメンバーシップ関数は、値に寄与しない。値は、グラフに描写されるように、正規化されてもよい。図５Ｂに示される第２の測定された特徴５１０−２に関して、両メンバーシップ関数は、例えば、異なる値５２２、５２４に寄与し得る。この場合、メンバーシップ関数は、重複する。図５Ｃに示される別の測定された特徴５１０−ｎに関して、両メンバーシップ関数は、例えば、同じ値に寄与し得る。
いくつかの実施形態では、コスト係数Ｃｉが、以下の関係に従って、検出された特徴値５１０−１、５１０−２、…５１０−ｎおよび所定のメンバーシップ関数Ｍｉ，ｊに基づいて、候補活動（「ｉ」の下付き文字によって示される）毎に算出されてもよい。
Figure 2017506398
式中、Ｗｉｊは、ｉ番目の活動のｊ番目の特徴に関する加重係数を表す。加重係数は、例えば、活動を識別する目的のために、いくつかの特徴を強調し、他の特徴から強調を外すために選択されてもよい。いくつかの実施形態では、最高コスト係数Ｃｉを伴う活動は、識別された活動タイプとして選択され得る。例えば、図５Ａ−５Ｃを参照し、示されるメンバーシップ関数と、白丸として描写される、測定された特徴特性５１０−１、５１０−２、…５１０−ｎのみを考慮すると、第２の活動Ｍ２は、いくつかの実施形態によると、識別された活動として選択されるであろう。
式２に関して、メンバーシップ関数Ｍｉ，ｊがそれぞれ、図５Ａ−５Ｂに描写されるように、正規化される場合、コスト関数の値は、０〜１の範囲となり得る。コスト関数を１００で乗算すると、一致度をパーセント信頼性レベルＰＣｉとして表すことができる。
Figure 2017506398
 例えば、特定の活動に関するメンバーシップ関数のピーク下にある各特徴値を有する特徴セットは、活動タイプの一致および識別において１００％の信頼性をもたらし得る。
ある場合には、メンバーシップ関数は、推論エンジン３２０が２つのメンバーシップ関数間の活動を識別することが不可能であろうように、完全に重複し得る。本状況は、例えば、新しいメンバーシップ関数が、推論エンジンによって以前に認識不可能であった新しい活動の認識のために、推論エンジン３２０に追加されるときに生じ得る。例えば、健康モニタ１００が、自転車を識別するように構成され、エリプティカルトレーニング活動を識別するように後に更新される場合、エリプティカルトレーニングを識別するための新しいメンバーシップ関数は、２つの活動が類似するため、自転車に関する事前に定義されたメンバーシップ関数と完全に重複し得る。
いくつかの実施形態では、推論エンジン３２０によって使用されるメンバーシップ関数および特性特徴は、付加的特性特徴および関連付けられたメンバーシップ関数が、健康モニタによって認識可能な活動に関してシステムに追加され得るように、拡張可能であってもよい。付加的特性特徴および改訂されたメンバーシップ関数は、例えば、以前は実質的に重複するメンバーシップ関数を有していた２つの活動を区別するために追加されてもよい。メンバーシップ関数および特徴の追加および更新は、例えば、健康モニタと外部デバイス、例えば、インターネットに接続されるパーソナルコンピュータまたはコンピュータとの間の通信を介して、遂行されることができる。
メンバーシップ関数および／またはパターン認識の使用を通して、健康モニタは、活動タイプを識別してもよい。いくつかの実装では、健康モニタは、加えて、検出された活動をいくつかのカテゴリに分類してもよい。カテゴリは、例えば、（ｉ）認識可能な活動、（ｉｉ）対象によって行われる可能性がある認識不可能な活動、および（ｉｉｉ）非ヒトまたは非動物活動（例えば、機械によって行われる活動）を含んでもよい。認識可能な活動は、健康モニタが認識するようにプログラムされる（例えば、モニタは、これらの活動タイプに関する少なくともメンバーシップ関数を含む）活動タイプ（例えば、ランニング、ウォーキング、自転車、水泳等）に対応するであろう。種々の実施形態では、本第１の分類内に入る活動は、分析され、具体的活動タイプを識別することができ、さらに、健康モニタによって評価され、識別された活動に基づいて、対象に関する健康効果のレベルまたは健康クレジットを判定し得る、候補活動となるであろう。認識可能な活動に関して、活動タイプは、特性特徴の特定の活動に関するメンバーシップ関数に対して一致する高い信頼性を見出すことによって判定され得る。いくつかの実施形態では、信頼性のレベルは、最良一致に関して得ることが可能な最大値のパーセンテージとして表され得る。
第２の分類内に入る活動（対象によって行われる可能性がある認識不可能な活動）は、健康モニタによってさらに評価され、活動に関する健康効果のレベルを判定してもよく、またはそうでなくてもよい。いくつかの実施形態では、健康モニタは、認識可能な活動との活動類似性に基づいて、健康効果分析のために、認識不可能な活動を容認または拒否するように構成されてもよい。例えば、健康モニタは、認識可能な活動タイプ（健康モニタが認識するようにプログラムされる）に類似する認識不可能な活動と認識可能な活動タイプに類似しない認識不可能な活動との間を区別するように構成されてもよい。いくつかの実施形態では、認識可能な活動タイプに類似する認識不可能な活動は、加重値が与えられ、最も類似する認識可能な活動に関する指標に従って評価されてもよい。認識可能な活動タイプに類似しないと判定される認識不可能な活動は、健康効果に対してクレジットが与えられてもよく、またはそうでなくてもよい。健康効果分析の方法は、活動の種々のカテゴリに関して、以下にさらに詳細に説明される。
活動の類似性を査定する実践的実施例として、音楽に合わせられたいくつかのエクササイズ計画は、ダンスの動きの形態で種々の繰り返しの身体の運動を含み、その場合、新しい動きは、規則的ベースで作成される。健康モニタは、いくつかの動きシーケンスを認識するようにプログラムされ得るが、新しく導入された動きを認識できない場合がある。いくつかの事例では、新しい動きによって生成される運動および／または生理学的データは、健康モニタによって認識される別の活動に類似する、特性特徴ｆｎを生成し得る。他の活動は、認識されたダンスの動き、認識されたエクササイズ（例えば、縄跳び）、または特定のエクササイズ機械上で実行される動きであってもよい。
認識可能な活動タイプと比較した検出された活動の類似性または非類似性の判定は、コスト関数Ｃｉの値または一致における信頼性値ＰＣｉに基づいてもよい。例えば、閾値は、これらの数量のいずれかに関して選択されてもよく、閾値を超え、一致値未満の結果をもたらす一致評価は、類似活動であると判定され得る。閾値未満の結果をもたらす一致評価は、非類似活動であると判定され得る。閾値および一致値を限定することを意図しない、さらなる実施例として、約５０％の閾値が、類似性を判定するために選択されてもよく、約８０％の一致値が、正の一致を判定するために選択されてもよい。８０またはそれを上回るＰＣｉの値は、本実施形態に従って、正の一致と考えられるであろう。少なくとも５０であるが、８０未満のＰＣｉの値は、認識可能な活動タイプに類似すると考えられ、５０を下回る値は、類似しないと考えられるであろう。
前述のように、いくつかの実装では、認識不可能な活動に関する特徴セットは、ユーザによる後続識別のために、健康モニタによって記憶されてもよい。例えば、データを健康モニタからコンピューティングデバイスにダウンロード後、ユーザは、健康モニタが活動を認識することができなかった特徴セットと関連付けられた活動タイプを識別するように促されてもよい。識別は、活動が行われた時間に基づいてもよい。いくつかの実施形態では、いったんユーザによって識別されると、活動に関して記憶されたデータは、健康効果に関して分析されてもよい。健康モニタは、続いて、更新され、新しく識別された活動タイプを認識し得る。いくつかの実装では、記憶されたデータが健康効果の分析のために不十分であり得、健康モニタは、将来的使用の際、活動を認識するように更新される。
いくつかの事例では、例えば、種々の新しい運動が存在し得る、エアロビクスクラスまたはトレーニングキャンプでは、健康モニタのユーザにとって、各新しい動きを思い出し、識別することは、不便であり得る。そのような事例では、ユーザは、特徴セットを記憶し、各活動を識別するようにユーザに促すのではなく、健康モニタに、前述のように、活動と類似活動を自動的に関連付けさせることを好み得る。いくつかの実施形態によると、健康モニタは、ユーザによる後続識別および分析のために、新しい認識不可能な活動に関する特徴セットを記憶するか、または前述のように、認識不可能な活動と類似活動を自動的に関連付けるかのいずれかであるように、ユーザによって構成可能であってもよい。ソフトウェア設定が、健康モニタの認識不可能な活動の取扱いを構成するために、ユーザに提供される。
いくつかの実施形態では、健康モニタは、具体的非ヒト活動、例えば、健康モニタを回転物体にストラップ留めしたことを表す精密な繰り返しの円形運動、健康モニタを往復運動物体にストラップ留めしたことを表す繰り返しの前後運動等を識別するように構成されてもよい。非ヒトまたは非動物活動は、ヒトによって行われることができない特徴を呈する活動に対応し得る。例えば、加速度計データは、長時間にわたる非常に特別な精度の繰り返しの運動、またはヒトによって持続不能な過剰なスピード、加速度、もしくは運動を呈する。いくつかの実装では、健康モニタは、そのような特徴を検出し、活動を非ヒトとして識別または分類し、次いで、活動データのさらなる処理を終了してもよい。第３の分類内に入る活動（非ヒト活動）は、対象に関する健康効果のレベルを判定するために、さらなる分析から排除され得る。
Ｖ．健康効果分析
種々の実施形態では、健康モニタは、対象によって行われ、健康モニタによって検出される、少なくともいくつかの活動に関する健康効果の１つまたはそれを上回るレベルを判定するように構成されてもよい。本発明者らは、いくつかの活動モニタが、認識可能な健康標準に合致する、「健康クレジットデータ」を生成するように適合されることができ、そのような適合は、異なる活動モニタ間の歩数計測と関連付けられた不正確性および大きな変動を減少させ得ると認識した。健康クレジットは、いくつかの実施形態では、活動タイプに基づき、そして少なくとも、活動持続時間、活動の強度レベル、および健康機関によって確立された標準に基づいて判定されてもよい。いくつかの実施形態によると、健康クレジットは、カロリー燃焼速度から判定されてもよく、カロリー燃焼速度は、心臓データのみまたは運動データのみに基づくのではなく、心臓データおよび運動データの組み合わせを使用して、より正確に推定され得る。健康クレジットの判定は、歩いた歩数、走ったマイル数、エクササイズの時間分数等の従来の指標より、対象のエクササイズプログラムから導出される健康効果を査定するための確実な性能指数を提供し得る。
いくつかの実施形態では、エクササイズから算出される健康クレジットは、あらゆるタイプの活動を横断して使用され得る、ポイントシステムとして公式化され得る。例えば、対象は、活動が特定の強度レベルで継続的に行われる、最小クレジット付与可能時間単位（ＭＣＴＵ）毎に、本明細書では、「健康クレジット」とも称される、一部または複数の健康クレジットポイントが与えられてもよい。ポイントの数は、強度レベルに依存してもよく、強度レベルおよびＭＣＴＵは、公認健康機関によって確立されてもよい。一例として、対象は、活動が第１の強度レベルまたはそれを上回って継続的に行われる、ＭＣＴＵ毎に、１健康クレジット、活動が、ＭＣＴＵに対して、第２の強度レベルまたはそれを上回って継続的に行われる、ＭＣＴＵ毎に、２ポイント与えられてもよい。いくつかの実装では、対象は、例えば、少なくともある活動を行っていることに対する報奨として、活動が第１の強度レベルを下回るレベルで行われる、ＭＣＴＵ毎に、小数値が与えられてもよい。
いくつかの実装では、算出される健康クレジットは、例えば、旧来の歩数計測デバイスとの比較を提供するために、標準化された変換式を使用して、合計歩数計測に変換されてもよい。従来の歩数計測より正確に算出され得る、歩数計測への健康クレジットの変換は、異なる健康を監視するデバイス間の歩数計測合計のより確実な比較を提供し得る。
強度およびＭＣＴＵに関する境界のレベルは、公認健康機関によって確立されたガイドラインと対応してもよい。例えば、ＭＣＴＵは、１分間隔であってもよく、第１の強度レベルは、約３．５キロカロリー（ｋｃａｌｓ／分）〜約７ｋｃａｌｓ／分の範囲（疾病管理センター（ＣＤＣ）および世界保険機構（ＷＨＯ）によって「中程度」の活動として識別される範囲）内のカロリー燃焼速度であってもよい。第２の強度レベルは、約７ｋｃａｌ／分またはそれを超える（ＣＤＣおよびＷＨＯによって「激しい」活動として識別される範囲）カロリー燃焼速度であってもよい。他の範囲および値が、他の実施形態では、使用されてもよい。
健康クレジットは、１日または１週間の間、蓄積され、記憶され、続いて、その期間についての対象のエクササイズ達成の記録として、対象または医師に提供されてもよい。例えば、対象は、いくつかの実施形態によると、１日活動を行い、４０分間の中程度の活動の試みに対して４０健康クレジット、５分間の激しい活動の試みに対して１０健康クレジットが与えられてもよい。いくつかの実装では、同一数の健康クレジットが、中程度および激しい活動の同一時間間隔に対して与えられてもよいが、クレジットは、「中程度」および「激しい」ビン（ｂｉｎ）に分離されてもよい。健康クレジットの記録は、例えば、異なるアルゴリズムを使用して異なる健康モニタによって計算されるように、歩いた歩数を記録するより、対象のエクササイズおよびフィットネスレベルの便宜的かつ正確なインジケータを提供し得る。
いくつかの実施形態では、健康モニタは、対象に関する増加した健康クレジット（ＥＨＣ）を判定および記録するように構成されてもよい。例えば、ＣＤＣおよびＷＨＯは、活動が、約１０分を上回る時間間隔の間、中程度または激しい活動レベルで継続的に行われるとき、付加的健康効果が得られることを見出している。いくつかの実装では、健康モニタは、対象が、約１０分を超える期間の間、中程度または激しい活動レベルで１つまたはそれを上回る活動を行っているとき、それを判定し、ＥＨＣを対象に与えてもよい。さらなる側面および特徴は、健康クレジットを判定するための以下の方法およびシステムと関連して説明される。
ここで図６を参照すると、いくつかの実施形態による、健康クレジットを判定するための方法６００の例証的実施例が、フロー図に配列された作用として描写される。方法６００の実施形態は、例えば、装着式健康モニタ上に実装され、対象によって行われ、健康モニタによって検出された１つまたはそれを上回る活動から対象に関する健康クレジットを判定するために使用されてもよい。フロー図は、いくつかの実装による、方法６００の単なる一実施例のいくつかの作用の要約を提供し、種々の実施形態では、図に図示されるものより多いまたは少ない作用が存在してもよい。
いくつかの実施形態によると、活動データが、少なくとも、健康モニタの加速度計から受信されてもよく、健康モニタは、データから活動タイプを識別６１０するように構成されてもよい。いくつかの実施形態では、活動データは、運動データのみを含んでもよい。いくつかの実装では、活動データはさらに、１つまたはそれを上回る生理学的センサ（例えば、心臓波形センサ）から受信された生理学的データを含んでもよい。いったんシステムが活動を識別６１０すると、システムは、識別された活動が最小クレジット付与可能時間単位の間に継続されたかどうかを判定６３０してもよい。活動が最小クレジット付与可能時間の間に継続されたと判定される場合、システムは、活動に関する健康クレジット値を判定６６０し、対応する健康クレジット値を活動バッファに追加してもよい。システムが、活動が最小クレジット付与可能時間単位の間に継続されていないと判定６３０する場合、システムは、ヌル値を活動バッファに追加６４０してもよい。
種々の実施形態では、システムは、活動バッファがフルであるかどうかを判定６７０してもよい。活動バッファがフルではないと判定される場合、システムは、活動データを受信し、受信された活動データと関連付けられた活動を識別６１０する状態に戻ってもよい。システムが、活動バッファがフルであると判定６７０する場合、システムは、活動バッファからのデータを別の場所にコピー６８０し、データを分析してもよい。いくつかの実施形態によると、システムは、活動バッファを充填する間に生じた活動の要約を記憶６９０してもよい。
図７Ａは、いくつかの実施形態による、活動６１０を識別するためのサブプロセスを描写する。活動６１０を識別するためのサブプロセスは、活動データを受信するステップ６１２を含んでもよい。例えば、受信された活動データは、健康モニタの加速度計から受信された運動データを含んでもよい。いくつかの実施形態では、受信されたデータはさらに、対象に取り付けられる１つまたはそれを上回る生理学的センサから受信され得る、生理学的データを含んでもよい。受信された活動データは、いくつかの実施形態によると、プリプロセッサ３０５および特徴ジェネレータ３１０によって処理されたデータを含んでもよく、また、未加工データを含んでもよい。いくつかの実施形態では、活動６１０を識別するためのサブプロセスはさらに、活動データを処理するステップ６１４を含んでもよい。活動データの処理６１４は、図３に関連して前述のように実施されてもよい。
活動データの処理の間、活動タイプは、例えば、図５Ａ−５Ｃに関連して前述のように識別されてもよい。いくつかの実施形態によると、検出される活動は、大きく３つの分類のうちの１つに分けられ得る。例えば、活動は、健康モニタが認識するようにプログラムされる少なくとも１つの関連付けられた特徴セットを有する、加速度計および／または生理学的センサによって生成されるデータをもたらす、認識可能な活動であってもよい。認識可能な活動の例は、ランニング、ウォーキング、自転車、または水泳であってもよいが、認識可能な活動は、これらの活動のみに限定されなくてもよい。他の認識可能な活動として、異なるタイプのチームスポーツ活動が挙げられ得る。いくつかの実施形態では、健康モニタは、認識不可能であるが、活動がヒト対象によって行われる可能性があることを示す特性を有する、活動を検出し得る。いくつかの実装では、健康モニタは、非ヒト特性、例えば、ヒト対象によって持続不可能な精密な繰り返しの運動または過剰な力を有する、活動を検出し得る。
いくつかの実施形態では、健康モニタは、検出された活動が非ヒトであるかどうかを判定６１６してもよい。検出された活動が非ヒトであると判定される場合、健康モニタは、活動データを受信６１２し、活動データを処理６１４する状態に戻ってもよい。いくつかの実装によると、非ヒト活動は、さらなるデータ処理のために、無視されてもよい。いくつかの実装では、あるタイプの非ヒト活動は、健康モニタによって識別されてもよい（例えば、洗浄機械内の運動、機械を示す円形または往復運動）。いずれの場合も、検出された非ヒト活動は、健康クレジットが対象に与えられないであろうように、健康モニタによって認識され得る。
検出された活動がヒト活動と関連付けられ得ると判定される場合、健康モニタは、活動の認識６１８を試みてもよい。いくつかの実施形態では、活動が認識可能であるかどうかの判定は、活動タイプを判定するための推論エンジン３２０による試みを含む。活動が認識可能である場合、システムは、受信された活動データと関連付けられた活動タイプを識別６２０してもよい。いくつかの実施形態では、システムはさらに、識別された活動タイプと関連付けられた強度値を判定６２５してもよい。システムは、次いで、活動が、最小クレジット付与可能時間量の間、継続されたかどうかを判定するステップ６３０に進んでもよい。
いくつかの実施形態によると、検出された活動が、認識不可能であるが、ヒト対象によって行われ得ることを示す特性を示す場合、システムは、活動が認識可能な活動（すなわち、健康モニタが認識するようにプログラムされる活動）に類似するかどうかを判定６１９してもよい。活動が認識可能な活動に類似すると判定６１９される場合、健康モニタは、活動タイプを識別６２０し、検出された活動と関連付け、検出された活動に関する強度値を判定６２６してもよい。単なる一例として、受信された活動データは、ランニング活動に最も類似すると判定され得るが、ランニングの確定的識別のための必要特徴を含んでいない。
再び、図７Ａを参照し、いくつかの実施形態によると、活動と認識可能な活動との類似性は、少なくとも部分的に、加速度計から受信された運動データの特徴および／または特性に基づいてもよい。いくつかの場合には、生理学的データは、運動データと組み合わせ使用され、認識不可能な活動と認識可能な活動の類似性を判定６１９してもよい。例として、運動データと、いくつかの場合には、生理学的データとが、処理され、図５Ａ−５Ｃに関連して前述のように、特徴セットを生成してもよい。いくつかの実施形態によると、認識可能な活動に類似すると判定される活動は、特徴データのうちの少なくともいくつかが１つまたはそれを上回る認識可能な活動に関する１つまたはそれを上回るメンバーシップ関数内にある、特徴セットを有し得る。１つまたはそれを上回るメンバーシップ関数内にあるデータは、任意の１つの認識可能な活動と確定的に一致するために十分に高い信頼性レベルを提供しない場合がある。しかしながら、認識不可能な活動は、測定された特徴と、認識可能な活動のうちの１つに関する確定的一致の「近似」に基づいて、認識可能な活動に類似すると判定され得る。例えば、スキップ等の活動は、ウォーキングまたは自転車に関するもの等の他のメンバーシップ関数より、ランニングに関するメンバーシップ関数に近似する、または部分的にその中にある値を有する、特徴セットを生成し得る。スキップの活動は、次いで、ランニング活動に類似すると評価されてもよい。
類似性を判定する実施例は、図５Ａから５Ｃに図式的に描写される。本実施例では、特徴５３０−１、５３０−２，…５３０−ｎは、認識不可能な活動に関して健康モニタによって測定された特徴のセットを表す。活動は、測定された特徴が、メンバーシップ関数Ｍ１またはＭ２によって表される活動のいずれかとの確定的一致を与えるであろう、パーセント信頼性レベルを提供しないため、認識不可能であると判定され得る。本実施例では、特徴５３０−１は、メンバーシップ関数Ｍ１，１またはＭ２，１内に入らない。測定された特徴５３０−２は、第１の活動に関するメンバーシップ関数Ｍ１，２内に入るが、特徴５３０−２の信頼性レベルは、本メンバーシップ関数内では低い。測定された特徴５３０−ｎは、メンバーシップ関数Ｍ１，ｎ内に確実に入っているが、本活動に関する全特徴の組み合わせられた信頼性は、低すぎるままであって、活動Ｍ１またはＭ２のいずれかとの確定的一致を提供し得ない。いくつかの実施形態によると、健康モニタは、実施例に描写されるような測定された特徴５３０−１、５３０−２，…５３０−ｎが、メンバーシップ関数Ｍ１，１、Ｍ１，２、およびＭ１，ｎによって表される活動に最も類似すると判定してもよい。グラフから分かるように、これらの測定された特徴は、第２の活動に関するメンバーシップ関数より第１の活動に関するメンバーシップ関数に近似する。
他の実施形態では、健康モニタは、１つまたはそれを上回る測定された特徴、例えば、５４０−１と、最も近似するメンバーシップ関数との間の距離を計算してもよい。健康モニタは、活動に関するどのメンバーシップ関数が認識不可能な活動に関して測定された特徴に最も近似するかを判定してもよい。測定された特徴が、任意の他の活動よりある活動に関するメンバーシップ関数に近似することが見出される場合、健康モニタは、認識不可能な活動が、メンバーシップ関数が認識不可能な活動に関して測定された特徴に最も近似する、認識可能な活動に類似すると判定してもよい。
いくつかの実施形態によると、任意の他の活動に類似しないと判定される活動は、データが任意の認識可能な活動の任意のメンバーシップ関数内に入らないか、または所定の閾値を下回る、特徴セットを有し得る。非類似活動の例もまた、図５Ａから５Ｃに描写される。本描写では、特徴５４０−１、５４０−２，…５４０−ｎは、任意の認識可能な活動に類似しないと判定６１９され得る活動に関して測定された特徴を表す。この場合、測定された特徴は全て、認識可能な活動に関するメンバーシップ関数外にある。例えば、測定された特徴５４０−１、５４０−２，…５４０−ｎのいずれも、認識可能な活動に関するメンバーシップ関数内に入らない。いくつかの実施形態によると、健康モニタは、そのような活動を認識不可能かつ認識可能な活動に類似しないと判定してもよい。
いくつかの実施形態によると、認識不可能な活動が認識可能な活動に類似しないことが見出されると、健康モニタは、その活動に対して未知の活動タイプを割り当て６２２もよい。いくつかの実施形態では、予約文字表記またはビットシーケンスが、未知の活動タイプのために使用されてもよい。例えば、全てゼロのビットシーケンス（００００）が、未知の活動タイプに対して割り当てられてもよいが、任意の他の表記が、使用されてもよい。予約文字表記は、健康モニタによって後に使用され、例えば、続いて、その期間の間の活動を識別するようにユーザに促すために、未知の活動が行われた期間を識別してもよい。
再び、図７Ａを参照すると、活動を認識するか、または活動が認識可能な活動に類似するか、もしくは認識可能な活動に類似しないかどうかを判定した後、健康モニタは、活動に関する強度値を判定してもよい。強度値の判定６２５、６２６は、例えば、前述のように、任意の好適な様式で行われてもよい。いくつかの実施形態では、運動データが、活動に関する強度値を判定するために使用されてもよい。例えば、運動データは、処理され、エクササイズが行われているスピードまたは速度を判定してもよく、強度値は、判定されたスピードまたは速度に基づいて、もしくはそれに比例してもよい。いくつかの実施形態では、活動の運動波形特性は、波形に関するスペクトルパワーを判定するためのフーリエ変換であってもよい。いくつかの実装では、未加工加速度データが、二乗および積分され、例えば、スペクトルパワーの値を提供してもよい。活動に関する強度値は、測定されたスペクトルパワーに基づいてもよい（例えば、それに比例する）。加えて、または代替として、いくつかの実施形態では、強度値の判定は、少なくとも部分的に、生理学的データに基づいてもよい。例えば、心拍数データ（例えば、Ｒ−Ｒ間隔）および／または呼吸数データ（例えば、複数の拍動にわたるＲ波にエンコードされる）が、活動に関する強度値を判定するために使用されてもよい。単なる一例として、繰り返し速度および／または生理学的データ（例えば、心拍数、呼吸数）に基づいて、健康モニタは、等価な心拍数および呼吸数を有するペースにおけるランニングを活動に関連付けるか、または割り当ててもよい。
いくつかの実施形態によると、認識不可能な活動に関して、認識不可能な活動に関する強度値の判定６２６はさらに、例えば、生理学的データに基づく類似活動に関して判定された強度値をあるスケーリング係数で乗算するステップを含んでもよい。これは、例えば、活動が、明確に識別されず、代わりに、認識可能な活動に類似すると判断され、類似性および／または生理学的データに基づいて、強度値が割り当てられるために実装されてもよい。強度値の判定は、いくつかの実施形態によると、最初は、対応する認識可能な活動に関して使用されるプロセスと同様または同一であってもよいが、次いで、１未満の係数でスケーリングされてもよい。いくつかの実施形態では、スケーリング係数は、一定値であってもよく、または認識不可能な活動と関連付けられた認識可能な活動との間の一致における信頼性のレベルに反比例してもよい。いくつかの実施形態では、強度値は、認識可能な類似活動に関する強度値と比較して減少された値であり得る。例えば、減少値は、いくつかの実施形態では、約５０％〜約８０％の値を有するスケーリング係数を含んでもよい。他の実施形態では、他の値が、スケーリング係数のために使用されてもよい。認識不可能であるが、類似する活動に関する強度値のスケーリングは、活動が健康クレジットを受けるに値するかどうかを変更し得る。
受信された活動が認識可能な活動に類似しないと判定６１９される場合、システムは、未知の活動タイプ値を検出された活動に割り当て６２２てもよい。システムはさらに、いくつかの実施形態では、強度値を未知の活動タイプに割り当て６２７てもよい。いくつかの実装によると、強度値は、繰り返し速度、心拍数、および呼吸数の１つまたはそれらの組み合わせから判定されてもよい。いくつかの実装では、割当は、加えて、または代替として、加速度データ、例えば、繰り返し速度、検出されたスピード、および／または加速度データのパワースペクトルに基づいてもよい。認識不可能な活動に関するデータの処理を結論付けた後、システムは、類似活動または未知の活動タイプが、最小クレジット付与可能時間単位の間、継続されたかどうかを判定６３０するステップに進んでもよい。
ここで図７Ｂを参照すると、健康クレジット６６０を判定するサブプロセスの例示的実施形態が、描写される。例示的方法は、例えば、健康モニタが、運動検出器を含み得るが、生理学的センサを欠いている、実施形態では、運動データのみを使用して、健康クレジットを判定するために使用されてもよい。描写されるように、サブプロセス６６０は、活動タイプデータを受信６６２する作用を含んでもよい。活動タイプデータは、例えば、識別された活動タイプに関する識別子を含み、識別された活動タイプに関して健康モニタによって判定された強度レベルを含んでもよい。サブプロセス６６０はさらに、少なくとも部分的に、活動が行われた判定された強度レベルに基づいて、活動タイプに関する代謝当量（ＭＥＴ）をルックアップ６６４するステップを含んでもよい。いくつかの実施形態によると、ＭＥＴは、図８Ａに描写されるように、ルックアップテーブルから判定されてもよい。
ＭＥＴは、活動タイプおよび活動強度に関する単位時間あたりの１キログラムあたり燃焼カロリーの測定値を提供してもよい。種々の実施形態では、ＭＥＴは、種々の活動タイプおよび強度に関する代謝当量の公認編集物から得られてもよい。ＭＥＴの例示的編集物は、Ａｍｅｒｉｃａｎ Ｃｏｌｌｅｇｅ ｏｆ Ｓｐｏｒｔｓ Ｍｅｄｉｃｉｎｅによって発行されたＢａｒｂａｒａ Ｅ．Ａｉｎｓｗｏｒｔｈ ｅｔ ａｌ．著「２０１１ Ｃｏｍｐｅｎｄｉｕｍ ｏｆ Ｐｈｙｓｉｃａｌ Ａｃｔｉｖｉｔｉｅｓ：Ａ Ｓｅｃｏｎｄ Ｕｐｄａｔｅ ｏｆ Ｃｏｄｅｓ ａｎｄ ＭＥＴ Ｖａｌｕｅｓ」（その全内容は、参照することによって本明細書に組み込まれる）に見出され得る。
いくつかの実施形態によると、ルックアップデータテーブル８０２は、少なくとも、活動タイプデータ８１０と、強度データ８１２と、代謝当量データ８１４とを含んでもよい。示される実施例に関して、ルックアップテーブルは、可変強度レベルのランニングおよびエアロビクスに関するデータを含む。ルックアップデータテーブルはさらに、安静時に関するデータを含んでもよい。描写される実施例では、データは、バイナリデータとして表されるが、他の実施形態では、データを表すための任意の方法が、使用されてもよい。
いくつかの実施形態によると、いったん活動タイプおよび強度が判定されると、それらは、代謝当量データテーブル８０２内のＭＥＴをルックアップするために使用されてもよい。例えば、活動タイプがランニングであると判定される場合、バイナリシーケンス（０１１０）によって表され得る。活動強度が、対象が６〜８ｍｐｈでランニングしていることを表すことが見出される場合、強度レベルは、例えば、８ｍｐｈを表すバイナリシーケンス（０１０００）によって表され得る。健康モニタは、次いで、活動タイプ（０１１０）および強度レベル（０１０００）を用いて、これらの値を使用し、代謝当量データテーブル８０２を検索し、活動に関する関連付けられた代謝当量（０１０１１）を見出してもよい。本実施例では、識別された活動に関するＭＥＴの数は、１１（ＭＥＴ）となるであろう。いくつかの実施形態では、ＭＥＴは、データテーブル内の最近似値整数まで丸められ、データ記憶空間を減少させてもよい。他の実施形態では、小数値がデータテーブル内に記憶されてもよいが、これは、健康モニタ上により多くのメモリを要求し得る。
いったん代謝当量が判定されると、健康モニタは、対象に関するカロリー燃焼速度を計算６６５してもよい。カロリー燃焼速度の算出は、例えば、ＭＥＴを対象の体重で乗算するステップを含んでもよい。いくつかの実施形態では、カロリー燃焼速度の算出はさらに、時間単位を分に変換するステップを含んでもよい。図８Ａは、いくつかの実施形態による、活動に関するＭＥＴおよびカロリー燃焼を判定するために使用され得る、ルックアップデータテーブル８０２の例証的実施例を示すが、他の方法が、他の実施形態では、カロリー燃焼および／または代謝当量を判定するために使用されてもよい。
いくつかの実施形態によると、カロリー燃焼は、心臓データおよび運動データの組み合わせを使用して、算出されてもよい。いくつかの実装では、カロリー燃焼速度は、心臓および運動データを使用して、ウォーキングまたはランニング中の対象に関して算出されてもよく、得られた燃焼速度は、較正値として使用され、他の活動に関するカロリー燃焼速度を推定してもよい。
例えば、カロリー燃焼は、いくつかの実施形態では、心拍数データならびに対象の体重、年齢、およびエクササイズ持続時間から、または運動データおよびＭＥＴ変換から燃焼カロリーを推定するのではなく、対象の最大ＶＯ２（酸素摂取量）レベルおよび心拍数に基づいて、より正確に算出され得る。例えば、対象の最大ＶＯ２（酸素摂取量）レベルが既知であるとき、カロリー燃焼は、以下の式から改良された正確度を伴って算出され得る。
Figure 2017506398
 式中、ＨＲは、行われた活動の間の対象の測定された心拍数（拍動／分の単位）を表し、ＶＯ２は、対象に関する最大ＶＯ２（酸素摂取量）値（ｍＬｋｇ−１分−１の単位）を表し、Ｗは、対象の体重（キログラム）を表し、Ａは、対象の年齢（歳）を表し、Ｔは、エクササイズの持続時間（時間）を表す。式３における定数Ｃｎは、対象の母集団に関して経験的に判定されたものであって、男性および女性対象で異なる。いくつかの実施形態によると、定数Ｃｎは、表１に示される値を有し得る。いくつかの実施形態では、対象により特有である、例えば、対象が研究母集団とより共通性を有する、母集団研究から判定される、他の値が、定数Ｃｎに対して使用されてもよい。
Figure 2017506398
いくつかの場合には、健康モニタのユーザは、かれらがその値を把握している場合、その最大ＶＯ２（酸素摂取量）値を入力してもよい。しかしながら、ほとんどの場合、ユーザは、その最大ＶＯ２（酸素摂取量）値を把握していない。いくつかの場合には、対象に関する最大ＶＯ２（酸素摂取量）の値は、例えば、以下の方程式から判定されてもよいが、他の式が、他の実施形態では、最大ＶＯ２（酸素摂取量）を算出するために使用されてもよい。
Figure 2017506398
 式４は、対象の母集団に関する最大ＶＯ２（酸素摂取量）の正確な推定を提供するために示されている（Ｗｅｙａｎｄ、Ｐ．Ｇ．ｅｔ ａｌ．，Ｊ．Ａｐｐｌ．Ｐｈｙｓｉｏｌ．９１：４５１−４５８、２００１参照）。本式では、Ｔｃは、ランニングの間の足接触時間を表し、心拍数（ＨＲ）は、足接触時間がほぼ一定である時間の間に判定される。膝の下方に位置する加速度計を含む、健康モニタは、いくつかの実施形態では、足接触時間を判定可能であり得る。数量ｍ１およびｂ１は、性別特有であって、表２に示される値を有し得る。いくつかの実施形態では、対象により特有である、例えば、対象が研究母集団とより共通性を有する、母集団研究から判定される、ｍ１およびｂ１の他の値が、使用されてもよい。
Figure 2017506398
いくつかの実装では、足接触時間は、例えば、加速度計が膝の下方以外の場所に位置するとき、対象のスピードから判定されてもよい。足接触時間ＴｃおよびスピードＳは、以下の式に従って直線的に関連することが見出されている。
Figure 2017506398
 値ｍ２およびｂ２は、対象がランニングまたはウォーキング中であるかどうかに依存し、表３に示される値を有し得る。いくつかの実施形態では、対象により特有である、例えば、対象が研究母集団とより共通性を有する、母集団研究から判定される、ｍ２およびｂ２の他の値が、使用されてもよい。
Figure 2017506398
いくつかの実施形態では、Ｔｃに関する値は、例えば、移動中の対象に取り付けられる健康モニタによって生成される加速度計データから、式５に従って判定されてもよい。健康モニタは、前述のように、対象のランニング活動と、対象のスピードとを識別するように構成されてもよい。健康モニタは、例えば、式４において式５に従って算出されるＴｃの値と、Ｔｃが、対象に関して、式４に従って最大ＶＯ２（酸素摂取量）の値を算出するために算出された、対象の活動間隔の間に記録された検出された心拍数ＨＲとを使用してもよい。最大ＶＯ２（酸素摂取量）の算出された値は、次いで、式３において使用され、対象に関するカロリー燃焼を計算してもよい。このように計算された最大ＶＯ２（酸素摂取量）に基づくカロリー燃焼は、心拍数または加速度計データのみに基づく指標と比較して、算出される健康クレジットの正確度を改良することができる。
いくつかの実施形態によると、最大ＶＯ２（酸素摂取量）の値は、最大ＶＯ２（酸素摂取量）（例えば、式３に従って算出される）に基づく算出されるカロリー燃焼の正確度が定期的に更新されるように、定期的間隔（例えば、毎日、毎週、２週間おき等）において、対象に関して健康モニタによって自動的に算出されてもよい。カロリー燃焼は、例えば、いくつかの実施形態によると、活動が認識可能であるかどうかにかかわらず、種々のタイプの活動に関する最大ＶＯ２（酸素摂取量）の更新された値および式３を使用して、算出されてもよい。
再び、図７Ｂを参照すると、カロリー燃焼速度が算出された後、サブプロセス６６０はさらに、活動に関する健康クレジットを判定するステップ６６７を含んでもよい。種々の実施形態では、健康クレジットは、少なくとも、活動に関して測定された時間間隔の間に維持されたカロリー燃焼速度に基づいて判定されてもよい。健康クレジットはさらに、健康機関によって確立されたガイドラインに基づいてもよい。例えば、疾病管理センター（ＣＤＣ）および世界保険機構（ＷＨＯ）は、約３．５ｋｃａｌ／分〜約７ｋｃａｌ／分のカロリー燃焼速度をもたらすエクササイズレベルが、第１のレベルの健康効果があるエクササイズであることが見出されると判定している。故に、健康モニタは、例えば、約１分間の時間間隔において、活動データを測定および処理し、カロリー燃焼速度が本カロリー燃焼速度の範囲内にある１分間のエクササイズ毎に、１健康クレジットを与えるように構成されてもよい。ＣＤＣおよびＷＨＯはまた、約７ｋｃａｌ／分を上回るカロリー燃焼速度をもたらすエクササイズが、第２のレベルの健康効果エクササイズを提供すると見出している。故に、健康モニタは、例えば、カロリー燃焼速度が約７．０ｋｃａｌ／分に等しいまたはそれを上回るエクササイズの分毎に、２健康クレジットを与えるように構成されてもよい。いくつかの実施形態では、３．５ｋｃａｌ／分を下回るカロリー燃焼速度をもたらす活動は、健康クレジットが与えられなくてもよい。他の実施形態では、３．５ｋｃａｌ／分を下回るカロリー燃焼速度をもたらす活動は、部分的健康クレジット、例えば、２分の１のクレジットが与えられてもよい。カロリー燃焼速度の他のクレジット量および範囲が、他の実施形態では、使用されてもよい。
式３から分かり得るように、いくつかの実施形態では、カロリー燃焼および健康クレジットを判定するために、活動タイプを識別する必要がない場合がある。例えば、対象に関する更新された最大ＶＯ２（酸素摂取量）の値およびある活動の間に測定された心拍数が、その活動に対する対象に関するカロリー燃焼速度を判定するために使用されてもよい。いくつかの実施形態では、健康モニタは、対象の便宜上、行われる活動を識別するか、または識別しようと試みてもよい。図７Ｃは、対象に関する健康クレジットを判定するための代替方法の例証的実施例である。
いくつかの実施形態によると、健康クレジットを判定するための方法６６０−ａは、ランニングに関する活動データを受信するステップ６６２−ａと、活動データを分析し、対象に関する最大ＶＯ２（酸素摂取量）の現在の値を判定するステップ６６２−ｂとを含んでもよい。最大ＶＯ２（酸素摂取量）の値は、例えば、式４および５における心拍数およびスピードの値を使用して判定されてもよい。方法６６０−ａはさらに、続いて、対象によって行われる認識可能または認識不可能な活動に関する活動データを受信するステップ６６４−ａを含んでもよい。活動データは、活動実施の間の対象の心拍数が判定され得る、Ｒ−Ｒ間隔および／または心臓波形データを含んでもよい。いくつかの実施形態によると、カロリー燃焼速度は、例えば、式３を使用して、活動に関して算出６６５−ａされてもよい。いくつかの実装では、健康モニタはまた、加速度計データのパワースペクトルを評価し、心拍数が対象によって行われる物理的活動と関連付けられることを検証してもよい。健康クレジットは、いくつかの実施形態によると、計算されたカロリー燃焼速度から判定６６７され、活動バッファに追加６６９されてもよい。
最大ＶＯ２（酸素摂取量）は、いくつかの実施形態では、ランニングに基づく、式４から算出されてもよいが、他の実施形態では、別の活動に基づく異なる方程式または方程式のセットから算出されてもよい。
式３以外の方程式が、いくつかの実施形態では、カロリー燃焼および健康クレジットを算出するために使用されてもよい。例えば、以下の方程式が、いくつかの実装では、使用されてもよい。
Figure 2017506398
 本式に関して、定数Ｃｎの値は、表４に示されるようなものであり得る。いくつかの実施形態によると、式６は、カロリー燃焼が２つの方程式に対してほぼ同一であるように、式３を使用して、対象に関して較正され、定数、例えば、Ｃ２およびＣ３のうちのあるものを調節してもよい。いくつかの実施形態では、対象により特有である、例えば、対象が研究母集団とより共通性を有する、母集団研究から判定される、定数Ｃｎの他の値が、使用されてもよい。
Figure 2017506398
理解され得るように、健康モニタは、エクササイズが行われている際、継続的ベースで健康クレジットを与えてもよく、または与えなくてもよい。例えば、活動データは、データを継続的ベースで分析し、健康クレジットを算出する、プロセッサにストリームされてもよい。種々の実施形態では、健康クレジットの判定６６０は、時間の分ベースの分で行われてもよいが、任意の好適な時間間隔が、使用されてもよい。
活動データが生成および分析され、健康クレジットが蓄積されるにつれて、健康モニタは、図８Ｂに描写されるように、健康クレジットデータ８０５のストリームを生成してもよい。健康モニタは、一時的に、健康クレジットデータを活動バッファに記憶６６９してもよい。活動バッファ９１０の例は、図９Ａに描写される。健康モニタは、いくつかの実施形態では、任意の与えられた健康クレジットと関連付けられた活動タイプのインジケータを健康クレジットデータストリーム８０５にさらに追加６６９してもよい。
健康クレジットデータストリーム８０５は、単なる一例として、プロセッサ１１０によって生成され、一時的メモリに記憶される、一連のビットシーケンスを含んでもよい。ビットシーケンスは、ストリーム８５０内のデータエントリ８２０毎にＭビットおよびＮビットを有する、少なくとも２ビットシーケンスを含んでもよい。いくつかの実施形態では、各データエントリ８２０は、特定の時間間隔の間に行われた活動に関して与えられた健康クレジットについての情報を含有してもよく、活動識別子を含まなくてもよい。示される実施例では、２ビットが、健康クレジット値を表すために使用され、４ビットが、活動タイプを表すために使用される。故に、示される実施形態に関して、健康クレジットと関連付けられた４つの値（例えば、０、１、２、３）と、異なる活動タイプを識別するために使用され得る８つの値とが存在し得る。図８Ｂに示される実施例に関して、少なくとも２つの活動タイプが、健康クレジットデータストリーム８０５の生成の間に識別された。第１の活動タイプは、ビットシーケンス０１１０によって表されるものであって、これは、図８Ａに示される例に従って、ランニング活動タイプに対応する。ビットシーケンス０００１を有する、第２の活動タイプは、対象の安静時状態に対応する。２つの時間間隔の間のバッファの充填の際、対象は、ランニング活動に対して１健康クレジットが与えられ、１つの時間間隔の際、対象は、ランニング活動に対して２健康クレジットが与えられる。健康クレジットは、安静時間隔の間には与えられない。他の実施形態は、より多いまたは少ないビットを使用して、健康クレジットおよび活動タイプを表してもよく、各データエントリ８２０内に付加的またはより少ない情報を含んでもよい。いくつかの実施形態では、活動タイプは、活動が行われた長時間間隔の開始または完了時のみ識別されてもよい。
健康クレジットおよび活動タイプを活動バッファに追加６６９後、健康モニタは、活動バッファがフルであるかどうかを判定６７０する。活動バッファは、任意の好適なサイズであって、複数のデータエントリ８２０を含んでいてもよい。活動バッファは、例えば、５〜１００個の健康クレジットデータエントリ８２０を含むようにサイズ決定されてもよい。いくつかの実施形態によると、活動バッファは、少なくとも１０個の健康クレジットデータエントリを含み、いくつかの実装では、少なくとも２０個のデータエントリを含んでいてもよい。図９Ａは、いくつかの実施形態によると、２０個のデータエントリを含む活動バッファ８０５を描写し、各データエントリは、健康クレジット値と、活動識別子とを含む。活動バッファがフルであると判定６７０されると、活動バッファは、活動バッファのコピーされたコンテンツが分析され得るように、付加的ストレージにコピーされてもよい。いくつかの実施形態では、活動バッファがコピーされた後、活動バッファは、消去されてもよく、または後続健康クレジットデータで上書きされてもよい。
種々の実施形態では、活動バッファ９１０のサイズは、健康モニタにおいて利用可能なメモリを有意に消費しないように、かつプロセッサが、バッファの各再充填の間でデータを容易に処理およびコンパイルすることができるように、小さい。いくつかの実装では、データの処理は、健康クレジットデータおよび活動の記録を記憶するために健康モニタにおいて要求されるメモリの量が、そうでなければ、健康モニタの動作の１分毎にデータを記憶することが要求されるであろうものより少ないように、データを要約に縮小するステップを含む。
いったん活動バッファ９１０からのデータが分析されると、健康モニタは、活動バッファデータの要約を記憶６９０してもよい。いくつかの実施形態によると、活動バッファデータの要約は、充填された活動バッファ内に表されるデータの量を減少させる。活動バッファデータの要約は、いくつかの実施形態によると、図８Ｃに描写されるように、オンボード記憶されたデータストリーム８６０を形成してもよい。オンボード記憶されたデータストリームは、いくつかの実施形態によると、タイミングデータ８５０と、健康クレジットデータ８５２と、増大された健康クレジットデータ８５４と、活動タイプデータ８５６とを含んでもよい。オンボード記憶されたデータストリーム８６０は、他の実施形態では、より多い、より少ない、または異なるタイプの情報データを含んでもよい。いくつかの実装では、健康クレジットデータ８５２、増大されたクレジット８５４、および活動タイプデータ８５６は、少なくとも１つの充填された活動バッファ９１０の分析に対応し得る。活動バッファ９１０が、繰り返し充填され、分析されるにつれて、付加的健康クレジット、増大されたクレジット、および活動タイプデータが、オンボード記憶されたデータストリーム８６０に追加され得る。
いくつかの実装では、タイミングデータ８５０は、オンボード記憶されたデータストリーム８６０の開始および／または終了にのみ追加されてもよい。いくつかの場合には、タイミングデータ８５０は、１つの充填された活動バッファ９１０の分析に対応する各活動データ要約の開始または終了に追加されてもよい。タイミングデータ８５０は、例えば、いつ、およびどのくらいの時間、活動が行われたかの追跡を維持するために使用されてもよい。いくつかの実施形態では、活動バッファ９１０が固定された持続時間に及ぶ場合、オンボード記憶されたデータストリーム８６０内の各活動要約エントリは、既知の持続時間を表す。そのような実施形態では、タイミングデータ８５０は、各活動要約エントリ間に必要とされなくてもよい。代わりに、活動の持続時間は、オンボード記憶されたデータストリーム８６０内の逐次的エントリの数によって判定されてもよい。いくつかの実装では、タイミングデータ８５０は、活動の中止後、例えば、健康モニタが、ある期間の間アイドルになるか、またはある期間の間シャットオフされるとき、オンボード記憶されたデータストリームに入力されてもよい。
再び、図９Ａを参照すると、充填された活動バッファ９１０の一実施形態が、描写される。示される例示的活動バッファは、２０の時間間隔に及び、時間間隔毎のデータエントリは、２つの情報（健康クレジット値および活動タイプ）を含む。示される実施例に関して、第１のデータエントリ９１２は、ビットシーケンス（０１１０）によって識別された第１の活動タイプ（例えば、図８Ａの実施例に従ってランニング）が、１の健康クレジット値（ビットシーケンス（０１）によって表される）を受けたことを示す。充填された活動バッファ９１０は、第１のタイプの活動が、５つの時間間隔の間、維持されたことを示す。第３のエントリ９１４として表される第３の時間間隔では、対象が活動を行った強度レベルが、増加され、したがって、対象は、その時間間隔の間に、活動に関して２健康クレジットを受けた。２健康クレジットはまた、第４の時間間隔の間にも与えられた。第６の時間間隔では、ビットシーケンス（００１１）によって定義された第２のタイプの活動が、対象によって行われた。本活動（例えば、ウォーキング）は、健康クレジットを受けなかった。例えば、ウォーキングは、遅すぎるペースであったか、または全時間間隔の間、続かなかったかも知れない。続く時間間隔では、対象は、ビットシーケンス（０００１）によって表される、安静時状態にあった。続く３つの時間間隔では、対象は、健康クレジット値が付けられない、ゆっくりなスピードにおけるランニング状態と、同様に、健康クレジット値が付けられない、ウォーキング状態との間を遷移した。第１１番目のデータエントリ９１８によって表される、第１１番目の時間間隔の間、対象は、健康モニタによって認識されない活動を行った。この例では、非認識活動は、全てゼロのビットシーケンスが与えられ得る。本時間間隔の間、対象は、ストレッチ等のある活動を呈し得るが、健康モニタは、活動のタイプを判定または識別することができなかったか、そして／または対象の心拍数は、健康クレジットを与えるために不十分であったかも知れない。
データエントリ９２０によって表される、第１４番目の時間間隔の間、対象は、健康モニタによって認識されなかった認識可能活動を呈した。例えば、運動データおよび／または生理学的データは、対象による有意な運動および高カロリー燃焼速度を示す心拍数の増加があったことを示したかも知れない。しかしながら、健康モニタは、識別された活動タイプを判定することができなかった。例えば、本期間の間、対象は、体操またはあるタイプのウォーミングアップエクササイズを行っていたかも知れない。検出された運動および生理学的データのため、健康モニタは、部分的健康クレジットまたはそれ以上を対象に与えるように構成されてもよい。いくつかの実施形態では、部分的健康クレジットは、ビットシーケンス（１１）または別の特殊ビットシーケンスによって示されてもよい。ある場合には、部分的健康クレジットは、健康クレジットの２分の１であってもよい。第１５番目の時間間隔では、対象は、ビットシーケンス（１００１）によって識別される異なる活動タイプ、例えば、自転車をこいでいた。対象は、次いで、中程度の活動レベルで自転車をこぎ、続いて、続く２つの時間間隔の間、激しい活動レベルに上昇させた。データエントリ９２４によって表される、第１８番目の時間間隔では、対象は、一時的に停止し、健康クレジットを受けなかった。本時間間隔の間、例えば、対象は、信号機によって停止していたかも知れない。対象は、次いで、活動バッファ９１０内に記憶されるように、残りの２つの時間間隔の間、自転車を再びこぎ始めた。
いくつかの実施形態によると、充填された活動バッファ９１０は、分析され、活動バッファの充填から受信された健康クレジットの総数、受けた増大健康クレジット（ＥＨＣ）の数を判定し、そして／またはバッファの充填の間に生じた優勢な活動を識別してもよい。いくつかの場合には、１つを上回る活動タイプが、充填された活動バッファ９１０の分析とともに記録されてもよい。充填された活動バッファ９１０の分析は、図９Ｂに描写されるように、健康モニタ上のより長期のメモリ内に記憶され得る、活動要約データエントリ９３０をもたらしてもよい。
活動要約データエントリ９３０は、例えば、図８Ｃに描写されるオンボード記憶されたデータストリーム８６０に追加される、１つのエントリであってもよい。前述のように、データエントリは、健康クレジットデータ８５２−ｎと、増大された健康クレジットデータ８５４−ｎと、活動タイプデータ８５６−ｎとを含んでもよい。健康クレジットは、活動バッファ９１０の充填の間に受けた健康クレジットの総数を合計することによって判定されてもよい。示される例では、２０の時間間隔の間に受けた健康クレジットの総数は、ビットシーケンス（００１１１１）によって表される、１５健康クレジットに匹敵する。示される例では、増大されたクレジットが、与えられなかった。
いくつかの実施形態では、健康モニタは、活動バッファの充填の間に行われた優勢な活動を判定するように構成されてもよい。いくつかの場合には、優勢な活動は、活動バッファ９１０内の最大数の時間間隔数の間に行われた活動であり得る。いくつかの実装では、優勢な活動は、活動バッファ９１０の充填の間に最も多い健康クレジットを受けた活動として判定されてもよい。示される例では、優勢な活動は、この例では、自転車である、最大数の健康クレジットを受けた活動であると選択される。
充填された活動バッファ９１０を活動要約データエントリ９３０にコンパイルすることによって、健康モニタにオンボードで記憶されるデータの量は、著しく減少され得る。示される例では、充填された活動バッファ９１０のために要求される１２０ビットは、活動要約データエントリ９３０のための１４ビットまで減少され、約１０：１のデータ削減を表し得る。故に、活動データは、例えば、毎分、高分解能で監視および分析されることができ、活動についての有意義な情報が、有意なデータ削減を伴って記憶されることができる。付加的データ圧縮アルゴリズムが、いくつかの実施形態では、加えて、または代替として、活動要約データエントリをさらに圧縮するために使用されてもよい。データ圧縮は、ユーザからのある手動相互作用を要求し得る、健康モニタからのデータのダウンロード間において、より長い時間間隔が分析および記録され得るように望ましくあり得る。
いくつかの実装では、充填された活動バッファ９１０の分析はさらに、図９Ｂに描写されるように、桁上げ時間データ９５２および桁上げクレジットデータ９５４をテーブル化するステップを含んでもよい。持ち越しデータ９５０は、以下にさらに詳細に説明されるように、例えば、増大された健康クレジット８５４−ｎを判定する目的のために、使用されてもよい。前述のように、増大された健康クレジット８５４−ｎは、活動が活動バッファ９１０内に記録された複数の時間間隔に及ぶ持続時間の間、継続的に健康クレジット付与可能強度レベルまたはそれを上回って行われるときに与えられ得る。例えば、増大された健康クレジットは、健康クレジットを受ける活動が、いくつかの実施形態では、少なくとも１０分間、またはいくつかの実施形態によると、少なくとも２０分間、継続的に行われるときに与えられてもよい。他の実施形態では、ＥＨＣが付けられるための時間間隔は、２０分より長いまたは短くてもよい。
増大された健康クレジット８５０−ｎの判定は、充填された活動バッファ９１０が分析されるときに実施されてもよい。いくつかの実施形態によると、健康モニタは、充填された活動バッファ９１０内の各連続データエントリを精査し、少なくとも部分的またはより多くの健康クレジットを受けた連続データエントリおよび時間間隔の数を判定してもよい。部分的またはより多くの健康クレジットを受けた連続データエントリの数が、閾値数を上回る場合、増大された健康クレジットが、対象に与えられてもよい。例として、充填された活動バッファ９１０内の各データエントリは、１分の持続時間の間に行われた活動を表してもよい。充填された活動バッファは、それぞれが少なくとも部分的健康クレジットまたは少なくとも１クレジットを受けた２０個のデータエントリを示す場合、増大された健康クレジットが、対象に与えられてもよい。例のために、そして図９Ａに示されるように、いくつかのデータエントリは、現在、健康クレジットを受けておらず、したがって、増大された健康クレジットは、この例では、与えられない。
増大された（特別）健康クレジットは、対象のエクササイズ計画についての付加的情報を提供することができる。例えば、特別健康クレジットは、対象のエクササイズが断片的であるか、または広範であるかどうかを容易に判定するために使用されることができる。特別健康クレジットはまた、対象の全体的フィットネスの定質的評価を提供することができる。例えば、長時間、健康クレジット付与可能活動を持続することができる対象は、特別健康クレジットが付けられることができない対象より高いレベルのフィットネスを有するであろう。
特別健康クレジットの付与は、任意の好適な様式で実行されることができる。いくつかの実施形態では、特別健康クレジットは、活動が行われる長時間間隔毎に与えられる。例えば、１ＥＨＣが、健康クレジット付与可能エクササイズが継続的に行われる２０分の長間隔毎に与えられてもよい。他の実施形態では、特別健康クレジット８５４−ｎは、長時間のエクササイズの間に付けられた健康クレジット毎に与えられてもよい。例えば、２０分の長時間のエクササイズの間、対象に、２４健康クレジットが付けられる場合、対象は、２４特別健康クレジットが付けられてもよい。いくつかの実施形態では、別個のポイントシステムが、健康クレジットおよび特別健康クレジットのために使用されてもよい。さらに他の実施形態では、特別健康クレジット８５４−ｎは、特別健康クレジットが付けられた総健康クレジット８５２−ｎのパーセンテージを表してもよい。例えば、２０分のエクササイズ間隔の間、対象は、２８健康クレジットが付けられ、そのうち２１は、特別健康クレジットであって、したがって、特別クレジット値８５４−ｎは、約７５％の値を表し得る。いくつかの実施形態では、パーセンテージ値は、１０の位まで丸められてもよい。
理解され得るように、長間隔の活動は、１つを上回る充填された活動バッファ９１０に及び得る。図９Ａに示される実施例では、第１の活動であるランニングは、活動バッファの充填の間に終了し、第２の活動である自転車は、活動バッファ９１０の充填の後半の間に開始する。そのような場合、繰り越しデータ９５０が、健康モニタによって記憶および使用され、活動バッファ９１０の次の充填に、特別健康クレジットに向かってカウントされ得る、活動バッファの前の充填の間の長時間の間に行われた活動についての情報を繰り越してもよい。
図９Ａの実施例に関して、健康クレジットが付けらなかった、長時間（第６番目のデータエントリ９１６から第１３番目のデータエントリまで）が経過した。故に、充填された活動バッファ９１０の分析は、特別健康クレジットをもたらさないであろう。しかしながら、第１５番目の時間間隔では、対象は、（１００１）と識別される活動である自転車を開始し、データエントリ９２４によって表される短い中断を除き、充填された活動バッファ９１０の終了まで持続した。いくつかの実施形態によると、健康モニタは、自転車活動が、健康クレジット付与可能活動が継続的に行われた時間間隔の連続シーケンスとして繰り越され得るように、短い中断を無視するように構成されてもよい。本実施例に関して、桁上げ時間データ９５２は、活動バッファの次の充填および分析のために、長時間間隔に向かってカウントするであろう、５つの時間間隔を反映するであろう。例えば、５つの時間間隔は、特別健康クレジットを付けるに値し得る、活動バッファの次の充填の開始から始まる、長時間間隔に追加され得る。桁上げクレジットデータ９５４もまた、記録され、桁上げ時間の間に付けられた健康クレジットの量を反映させてもよい。本実施例では、８健康クレジットが、桁上げ時間の間に与えられた。
繰り越しデータ９５０は、いくつかの実施形態によると、バッファに一時的に記憶されてもよく、またはより長期のメモリ内に記憶されてもよい。いくつかの実装では、繰り越しデータ９５０は、活動データバッファの充填毎に消去または上書きされてもよい。繰り越し情報９５０は、いくつかの実施形態によると、図９Ｂに示されるものより少ないか、または多いビットを含んでもよい。
いくつかの実施形態によると、健康モニタは、特別健康クレジットが対象に与えられるべきかどうかを判定するとき、エクササイズ中の短い中断に対して容認性を示し得る。図９Ａに関連して前述のように、自転車活動における中断を表す（例えば、信号機によって停止されている）、データエントリ９２４は、第１５番目〜第２０番目の時間間隔まで延在する時間間隔のシーケンスが健康クレジット付与可能活動として事実上継続的に行われたと判定するとき、健康モニタによって無視されてもよい。いくつかの実施形態では、健康モニタは、充填された活動バッファ内のデータエントリを精査し、健康クレジットが付けられていない連続データエントリの数を判定してもよい。健康クレジットが付けられていない連続データエントリの数が、閾値数より少ない場合、これらのデータエントリは、これらのデータエントリの周囲の活動が健康クレジット付与可能活動として事実上継続的に行われたどうかを判定するとき、無視されてもよい。種々の実施形態によると、閾値数は、ゼロ〜６の任意の値であってもよいが、より多い数が、各データエントリ９１２の時間範囲に応じて、使用されてもよい。単なる一実施例として、再び、図９Ａを参照すると、閾値数は、３であってもよい。故に、第６番目から第１３番目の時間間隔の間のデータエントリは、健康クレジット付与可能活動の確定的中止を表す。本中止の前に生じた任意の桁上げ時間は、ヌル化されるか、または中止後に生じた長間隔に追加されないであろう。しかしながら、データエントリ９２４は、特別健康クレジットを判定する目的のために、健康モニタによって無視され得る中断（３つ未満の間隔）を表す。中断の前に生じる任意の桁上げ時間および／または延長された時間は、特別健康クレジットを判定する目的のために、中断後に生じた延長された時間活動間隔に追加されることができる。
いくつかの実施形態では、特別健康クレジットを判定する目的のために、部分的健康クレジットが付けられる時間間隔は、健康クレジットが付けられない時間間隔として取り扱われ得る。例えば、部分的健康クレジットが付けられる時間間隔は、活動の中止または中断に向かってカウントされ得る。他の実施形態では、部分的健康クレジットが付けられる時間間隔は、特別健康クレジットを判定する目的のために、１またはそれを上回る健康クレジットが付けられる時間間隔として取り扱われ得る。例えば、部分的健康クレジットが付けられる時間間隔は、健康クレジット付与可能活動が行われる長時間間隔に向かってカウントされ得る。
健康クレジットは、いくつかの実施形態では、旧来のシステムとの比較のために、歩数計測に変換されてもよいことを理解され得る。例えば、カロリー燃焼速度から判定される健康クレジットは、ＭＥＴの観点から表されることができる。ＭＥＴ値から、ウォーキングスピードが、対象に関して判定されてもよく、ウォーキングスピードおよび対象のゲート（運動センサを用いて判定され得るように）から、同一ＭＥＴ結果を得るために、エクササイズ間隔の間に歩いた等価な歩数が、判定されてもよい。いくつかの実施形態では、健康モニタは、健康クレジットが付けられる対象によって行われる全活動に関する等価な歩数を蓄積するように構成されてもよい。
ＶＩ．活動データの処理の付加的側面
検出された活動を正確に表す、ウォーキングまたはランニングを行う人の距離およびスピード等のパラメータの判定は、適切な較正技法を伴わない場合、困難となり得る。したがって、いくつかの実施形態では、健康モニタ１００が検出された活動と関連付けられた種々のパラメータを正確に反映するデータを提供することを確実にするために、活動依存較正係数が、採用されてもよく、例えば、そのような係数は、運動検出および前処理回路から受信されたデータから活動関連データを算出するとき、活動エンジン３４０−ｍによって使用されてもよい。活動毎の活動依存較正係数は、例えば、メモリ１２０内で維持および更新されてもよい。
いくつかの実装では、較正係数は、活動の強度の測定値を算出するために活動エンジン３４０−ｍによって使用される１つまたはそれを上回る方程式で使用されてもよい。そのような実装の例は、例えば、履物内に設置されたセンサによって検出された足接触時間に基づく、ランニングを行う人のスピードの推測について説明する、米国特許第４，５７８，７６９号（参照することによって前述に組み込まれる）に開示されている。いくつかの実施形態では、いくつかの異なる活動タイプを認識するように構成される健康モニタのために必要とされる、いくつかの異なる較正係数が存在してもよい。そのような較正係数は、例えば、例えば、実験室試験および実験を通して、事前に判定され、次いで、その使用に先立って、健康モニタ１００のメモリ１２０の中にロードされてもよい。
いくつかの実施形態では、較正は、データのユーザの精査およびユーザ入力と連動して行われてもよい。例えば、ユーザは、２．０マイルのジョギングを行い、２マイルをジョギングするために１４分０秒（１４：００）の時間がかかったことを記録し得る。健康モニタは、例えば、事前に定義された較正技法を使用して、活動をランニングとして識別してもよく、活動エンジン３４０−ｍは、６：５０分／マイルのランニングペースを算出し得る。そのような実装では、ユーザは、次いで、健康モニタとのコンピュータベースのインターフェースを介して、較正ルーチンを実行してもよく、ユーザは、最初に、識別された活動および算出されたペースを選択し、次いで、活動に関する既知のペースを入力してもよい。システムは、次いで、健康モニタ１００によって使用される内部較正係数をその活動に関する新しい較正値で調節またはそれと置換してもよい。このように、種々の活動に関する較正は、健康モニタの個々のユーザに特有にされることができ、これは、ユーザ毎のデバイスの正確度を改良し得る。
いくつかの実施形態では、健康モニタ１００は、加えて、または代替として、１つまたはそれを上回る活動に関する自動較正または自己較正のために構成されてもよい。そのような較正ルーチンは、１つまたはそれを上回る認識可能な活動に関して実行されてもよい。単なる一実施例として、ランニングに関する自己較正が、説明される。健康モニタが、足または足首に設置された加速度計を含むとき、加速度計は、足が地面に着地するにつれて、ランニングの方向（本実施例では、ｘ−指向と見なされる）に沿って一時的に止まり得る。足が着地されるとき、加速度計のｘ−指向速度は、ゼロであって、これは、較正のための基準点としての役割を果たすことができる。足が次に着地するとき、ｘ−指向速度は、再び、ゼロに戻る。ｘ−指向加速度データを２回積分することによって、２回の連続した足着地間の距離が、判定されることができる。距離は、足が前方に移動するにつれて加速度計の配向が変化するため、ｙ−およびｚ−指向加速度値を使用して補正されてもよい。いったん距離が判定されると、足の着地間の時間が、例えば、プロセッサ１１０の内部クロックから判定されてもよい。時間および距離は、次いで、ランニングまたはウォーキングを行う人の速度を計算するために使用されてもよい。速度は、２回の連続足着地から、または平均値を得るために、それを上回って判定されてもよく、速度を判定するプロセスは、分離された時間間隔で繰り返されてもよい。いくつかの実施形態では、計算された速度は、健康モニタ１００によって使用される内部較正値を更新または補正するために使用されてもよい。例えば、計算された速度は、足接触時間に基づいて、ランニングスピードを推定するために使用される較正値を補正するために使用されてもよい。
較正は、加えて、または代替として、異なる様式で、健康モニタによって使用されてもよく、そのような較正は、場所依存較正と称され得る。例えば、これらの活動のみに限定されることなく、ランニングまたはウォーキングに関して、健康モニタ１００が、例えば、足首または足に設置されるとき、モニタがベルト上に装着されるか、またはズボンのポケット内に入れられる場合より精密な測定が、活動から得られることができる。これは、例えば、図１０Ａ−１０Ｃの未加工加速度計データトレースにおいて見られ得る。モニタが足首（図１０Ａ）に装着されるとき、ｚおよびｘ波形は、モニタがベルト（図１０Ｂ）に装着されるときより顕著となる。着地初期および／または足接触時間のタイミングは、足首または足に装着される健康モニタからのデータを使用して、より正確に判定されることができる。
種々の実施形態では、健康モニタは、加えて、または代替として運動センサが装着される場所から独立して、活動のタイプを認識するように構成され、さらに、運動センサが活動のために装着される場所を識別するように構成されてもよい。図１０Ａは、前述のように、推論エンジン３２０によってウォーキングとして識別され得るデータトレースであって、図１０Ｂは、運動センサがベルトに装着される場合のウォーキングとして識別され得るトレースであって、図１０Ｃは、運動センサがポケット内に位置する場合のウォーキングとして識別され得るトレースである。例えば、図１０Ｂのトレースは、活動を「ウォーキング、ベルト上の運動センサ」として識別するであろう、１つまたはそれを上回るメンバーシップ関数に最も近似的に属する特性特徴ｆｎを生成し得る。
いくつかの実施形態では、健康モニタが非最適場所に搭載される加速度計を含む場合に、活動が識別されると、異なる較正またはスケーリング値または複数の値が、いくつかの実施形態によると、活動と関連付けられた１つまたはそれを上回るパラメータを算出するために、活動エンジン３４０−ｍによって使用され得る。例えば、異なる較正値は、各識別可能活動および運動センサ場所と関連付けられてもよい。他の実施形態では、活動は、運動センサが非最適場所に搭載される場合に識別されると、運動センサがより最適な場所に搭載されたときの健康モニタの先の使用から集められた情報が、加えて、または代替として、非最適場所における運動センサを用いて、活動のパラメータを推定または推測するために使用されてもよい。例えば、運動センサが足首に装着されるときに集められたウォーキングデータが、異なるウォーキング歩数頻度または歩調に対応する歩幅を判定するために使用されてもよい。次いで、運動センサが非最適場所（例えば、ベルトまたはポケット）に装着されると、検出された周期的頻度または歩調は、例えば、活動の歩幅を推定または推測するために以前に得られたデータと併用されてもよい。推定される歩幅は、ユーザ特有であり得る。いくつかの実装では、異なる較正技法および／または較正値が、各識別可能活動および運動センサ場所と関連付けられてもよい。
いくつかの実施形態では、活動の特性が、加えて、または代替として、以前の高品質データから健康モニタによって推定されてもよく、活動に関する強度が、それに従って、算出されてもよい。再び、図１０Ａ−１０Ｃの実施例に戻ると、健康モニタ１００は、例えば、メモリ１２０内に、そのようなデータが収集され、運動センサが活動を特性評価するための最適または準最適場所に装着されるときの高品質データ（図１０Ａ）の１つまたはそれを上回るサンプルを記憶するか、または外部メモリデバイス内に、その記憶をもたらしてもよい。いくつかの実施形態では、活動が繰り返され、推論エンジンが活動を識別するが、運動センサが非最適場所に装着されるとき（図１０Ｂまたは１０Ｃ）、健康モニタは、メモリから、現在感知されている活動に一致する歩調を伴う、より高い品質のデータを呼び出してもよい。より高い品質のデータは、例えば、後続処理のために、活動エンジン３４０−ｍに繰り返し提供されてもよい。現在感知されている歩調が変化するにつれて、異なるサンプルが、例えば、ストレージから読み出されてもよい。いくつかの実施形態では、ストレージから読み出されたサンプルは、歩調以外の現在感知されている信号の付加的値、例えば、ピーク値、ピークの幅、最小値に依存してもよい。
いくつかの実施形態では、健康モニタは、加えて、または代替として、活動エンジン３４０−ｍによって出力されたデータとともに、信頼性の尺度を提供してもよい。例えば、モニタは、活動の認識における信頼性レベル（例えば、＞９０％信頼性、＞７５％信頼性、＞９５％信頼性）を示してもよく、また、データの品質のレベル（例えば、最良、普通、不良）を示してもよい。信頼性は、例えば、各測定された特徴特性がメンバーシップ関数内のどれほど中心にあるか、または活動に関するコスト係数の計算された値（例えば、式２に従って計算された値）に基づいて、または測定されたパターンが参照パターンにどれほど一致するか（例えば、最小２乗平均差アルゴリズムを使用して）によって判定されてもよい。データの品質は、例えば、識別された活動の間、ユーザによって装着されるとき、健康モニタの運動センサの識別された場所に基づいて判定されてもよい。
前述のように、いくつかの実施形態では、健康モニタ１００によって使用される較正値、特性特徴、メンバーシップ関数、および／または算出アルゴリズムは、デバイスが送受信機１４０を介してコンピュータとインターフェースがとられるとき、追加および／または改訂されてもよい。したがって、そのような実施形態では、健康モニタは、所与の活動、センサが装着される所与の場所、および／または特定のユーザに関して、より正確となるように個人化されてもよいことを理解されたい。例えば、デバイスが、推論エンジン３２０によって認識されることができない活動データを検出するとき、デバイスは、データから生成される任意の関連特性特徴、時間、および非認識活動の持続時間とともに、加速度データ、随意に、生理学的データとをログ付けすることができる。いくつかの実施形態では、続いて、コンピュータ、スマートフォン、ＰＤＡ、または類似デバイス等のユーザインターフェースを有する外部デバイスと通信すると、システムは、例えば、ユーザにクエリを提示し、活動、試みの強度、および／または運動センサの場所を識別してもよい。そのような実施形態では、情報は、例えば、デバイスに返されてもよく、新しいメンバーシップ関数、特徴、および／または識別アルゴリズムが、活動に関して定義されてもよい。メンバーシップ関数および／または識別アルゴリズムは、いくつかの実施形態では、健康モニタの外部で生成され、ダウンロードされてもよい。いくつかの実施形態では、１つまたはそれを上回る新しい活動エンジン３４０−ｍが、加えて、または代替として、健康モニタ１００を個人化する目的のために、追加されてもよい。
いくつかの実施形態では、健康モニタ１００は、幅広いコミュニティ規模での挑戦に有用であって、ユーザ自身が相互にかれら自身を容易に比較することを可能にする。健康モニタは、例えば、異なる実施能力のユーザにより正確にハンディキャップをつけるために使用されてもよい。健康モニタ１００のいくつかの実施形態は、例えば、医療提供者、保険会社、および雇用主が、個人に関するエクササイズから、フィットネスレベル、エクササイズ計画、および健康効果をより正確に査定し、それに従って適切な報奨を適宜提供することを可能にする。
いくつかの実施形態によると、健康モニタは、対象の全体的フィットネスおよび／または健康レベルを示す、フィットネス指標を算出するように構成されてもよい。例えば、健康モニタは、生理学的データ（例えば、血中酸素濃度データ、呼吸データ、心臓データ）を含み得る、活動データと、健康クレジットデータとを収集し、標準化アルゴリズムを使用して、これらの結果からフィットネス指標を算出してもよい。いくつかの実施形態では、フィットネス指標は、対象に関する最大ＶＯ２（酸素摂取量）値を表してもよく、または公認もしくは標準化フィットネスもしくは健康指数（ＨＩ）であってもよい。いくつかの実施形態によると、フィットネス指標Ｆｍは、以下の式を使用して、健康モニタによって算出されてもよい。
Figure 2017506398
式７では、βは、比例定数を表し、Ｐは、ペース、すなわち、代謝当量を介して異なる活動から計算される等価なペースを表し得、Ｒは、呼吸数を表し得、ＨＲは、心拍数を表し得る。式７におけるフィットネス指標は、数が高いほどフィットネスのより優れたレベルを示すように公式化されている。例えば、所与のペースＰに関して、より低い呼吸数Ｒおよびより低い心拍数ＨＲを伴う個人は、同一ペースをより効率的に達成可能である（心血管系により少ない量の負担をかける）ため、より健康またはフィットネスのある個人となり得る。
他のフィットネス指標も、加えて、または代替として、算出されてもよい。単なる一例として、エアロビクスのフィットネス指標Ｆａは、対象に関して、以下の方程式から算出され得る。
Figure 2017506398
 本式では、Ｔｃは、式５に従って、ランニングスピードから判定され得る、足接触時間を表し、ＨＲは、心拍数を表す。
いくつかの実施形態は、他のフィットネス指標、すなわち、より高い数ではなく、より低い数が、フィットネスのより優れたレベルを示す、指標を使用してもよい。他の係数（例えば、肥満度指数、血圧、血中酸素濃度、安静時代謝率、カロリー燃焼速度、代謝率）も、式７に示されるものに加え、またはその代替として使用され、フィットネス指標を判定してもよい。いくつかの実施形態では、フィットネス指標はさらに、ある期間（例えば、１週間、１ヶ月、数ヶ月、１年等）にわたって蓄積された対象の健康クレジットおよび／または特別健康クレジットの査定を含んでもよい。フィットネス指標は、いくつかのフィットネスインジケータの加重された組み合わせを含んでもよい。式７または式８に示されるもの等のフィットネス指数は、対象のフィットネスレベルおよび／または健康のスナップショットを提供してもよい。
他のフィットネス指標はまた、心臓および運動データを提供するように構成される、健康モニタを用いて判定されてもよい。単なる一例として、健康モニタは、活動データを処理し、対象が着座または腹臥安静時状態にあるときを判定し、安静時状態の間の心臓データを処理し、対象の安静時心拍数（ＲＨＲ）を判定してもよい。
いくつかの実施形態では、運動データは、健康モニタのプロセッサによって処理され、対象が活性状態にあって、準最大能力で活動を行っているときを判定してもよい。準最大能力における活動の実施は、例えば、心拍数、対象のスピード、および／または活動に対応する繰り返し速度から判定されてもよい。いくつかの実装では、準最大能力における活動のレベルは、対象に関して検出された最大心拍数の７５％を上回る、またはいくつかの実施形態では、対象に関して検出された最大心拍数の８５％を上回る、または他の実施形態では、対象に関して検出された最大心拍数の９０％を上回る、検出された心拍数によって示されてもよい。健康モニタは、次いで、運動データから、対象が活動を停止し、安静時または回復状態をとっているときを判定するように構成されてもよい。健康モニタは、次いで、活動の中止後の心臓データを処理し、対象に関する心拍数回復時間を判定してもよい。回復時間が短いほど、より高いレベルのフィットネスを示し得る。いくつかの実施形態によると、心拍数回復時間の判定は、対象による準最大能力の活動の任意の実施後、健康モニタによって自動的に実行されてもよい。
いくつかの実施形態によると、心拍数変動（ＨＲＶ）は、異なる強度で行われる活動の期間の間、健康モニタによって判定され、活動によって対象に誘発されるストレスのレベルを査定してもよい。活動におけるより高いレベルの試みに関するＨＲＶの低下が低いほど、よりフィットする対象を示し得る。いくつかの実装では、健康モニタは、長時間間隔（例えば、３０秒を上回る間隔）の間、心臓波形を記録および処理し、波形の低周波数および高周波数スペクトル特性を判定するように構成されてもよい。低周波数（ＬＦ）成分は、例えば、約０Ｈｚ〜約０．１５Ｈｚの周波数を含み得る。高周波数（ＨＦ）成分は、例えば、約０．１５Ｈｚ〜約０．４Ｈｚの周波数を含み得る。いくつかの実施形態によると、ＬＦ／ＨＦスペクトルパワーの比は、異なる強度で行われる活動の期間の間に算出され、活動によって対象に誘発されるストレスのレベルを査定してもよい。
いくつかの実装では、健康モニタは、ＨＲＶおよび／またはＬＦ／ＨＦスペクトルパワーを評価し、対象の状態を査定するように構成されてもよい。単なる一例として、健康モニタは、朝、運動選手が、覚醒しているが、依然として、腹臥位にあるとき、ＬＦ／ＨＦスペクトルパワーを評価してもよい。本時点において得られるＬＦ／ＨＦスペクトルパワーの値は、運動選手が先の日の運動から完全に回復したかどうかを示し得る。いくつかの実施形態では、約０〜０．１５の比は、運動選手が先の日の運動から完全に回復していないことを示し得る。値はまた、例えば、運動選手への傷害のリスクが低い、その日に運動選手によって行われることができる活動のレベルを示すために使用されてもよい。
別の実施例として、ＬＦ／ＨＦスペクトルパワー比の値は、より負荷がかかる運動の前に、運動選手が十分にウォーミングアップしているかどうかを示してもよい。例えば、０．４を上回る健康モニタによって計算されるＬＦ／ＨＦスペクトルパワー比は、運動選手が十分ウォーミングアップしていないことを示し得、さらに、ＨＲ×Ｔｃの積が、種々のフィットネスパラメータを査定するために正確ではない可能性があることを示し得る。いくつかの実装では、ＬＦ／ＨＦスペクトルパワーの値は、特定の病気（例えば、ＣＨＦ、ＣＯＰＤ、末期の癌、または糖尿病等）を有する対象がストレス状態にあるときを査定するために使用されてもよい。例えば、約０〜０．１５の比は、患者がストレス状態にあることを示し得る。
１つまたはそれを上回るフィットネス指標または健康指数値は、対象の健康状態を監視するための方法を提供し得る。例えば、ある病気は、個人に関するフィットネス指数に悪影響を及ぼし得る。フィットネス指数に悪影響を及ぼし得る病気として、限定ではないが、ＣＯＰＤ、ＣＨＦ、関節炎、痴呆症、糖尿病、鬱病、ＰＡＤ、高血圧症、および肥満症が挙げられる。２型糖尿病（Ｔ２Ｄ）では、対象の最大ＶＯ２（酸素摂取量）における増加は、直接、薬剤における依存性低下に相関することを示す研究がある。ＣＯＰＤ患者に関して、フィットネス指数（例えば、最大ＶＯ２（酸素摂取量））は、疾患の段階および進行度を示す、診断マーカーを提供し得る。
いくつかの研究は、身体的活動が、疾患状態を是正し、薬剤を減少させ、または疾患状態の発症もしくは進行を遅延させるのに役立ち得ることを示している。ＣＤＣ／ＨＨＳは、正常母集団に関して、１週間に約１５０分の中程度から激しい活動を推奨している。いくつかの活動モニタは、活動の基本パラメータを監視し得るが、多くの従来のモニタは、患者または運動選手のかれらのフィットネス増進行程において如何に良好に進行しているかについて、客観的観点または指標を提供することができない。前述のように健康クレジットおよびフィットネス指標を算出するように構成される健康モニタは、対象のフィットネスレベルを日々測定および追跡するための便宜的デバイスを提供し得る。
現在、どのレベルのエクササイズが個人の状態に関して最も効果的であるかについて、病気の個人に対する指針は、殆どまたは全くない。運動表が、例えば、年齢および性別毎の最大推奨心拍数のリスト等、種々の年齢に関して生成されているが、これらの表は、個人に関する疾患状態または薬剤計画を考慮していない。したがって、病気のエクササイズベースの治療に関して、エクササイズのレベルが効果的であるには低すぎるか、または付加的健康リスクを呈するほど高すぎるかどうかを把握できない。ネットワーク化され得る健康モニタは、ユーザの大母集団に関するデータを提供することができ、そこから、エクササイズに関するガイドラインが、年齢、性別、病気、および病気の段階に基づいて確立され得る。蓄積された統計的データは、いくつかの実施形態では、対象の種々の健康状態に関して、健康クレジットおよび特別健康クレジットの観点から、健康モニタを推奨されるエクササイズガイドラインとともに更新するために使用されることができる。
病気を治療するとき、疾患を治療するために処方される薬剤が、対象に悪影響を生じさせる、例えば、酸素を代謝するための身体の能力を低下させる場合があり得る。これらの病気のうちの１つまたはそれを上回るものに罹患する患者に関して、血中酸素濃度に相関するフィットネス指数を監視することは、エクササイズおよび医薬品療法を含む、種々のタイプの治療の有効性を査定し、対象の回復を追跡するための便宜的方法を提供し得る。例えば、健康クレジットおよび／またはフィットネス指数の観点からエクササイズを要約する健康モニタは、医師または個人が、処方された治療がヒトのエンジン（心臓−肺−循環系）に及ぼし得るいかなる影響もほぼ瞬時に確認することを可能にし得る。
健康効果を判定するための前述の例は、主に、健康クレジットおよび特別健康クレジットを判定するために、２つの活動強度レベル（中程度および激しい）の観点から組み立てられているが、他の実施形態は、健康クレジット、特別クレジット、およびフィットネス指標を判定するために、付加的またはより少ない活動強度レベルおよび基準を使用してもよい。例えば、健康機関はさらに、強度レベルの範囲および数が健康機関に従って改変され得るように、活動から健康効果を評価するための強度レベルおよび基準標準を精緻化してもよい。種々の実施形態では、健康モニタは、そのような変更に適応するように、容易に再プログラムされ得る。加えて、特別健康クレジットの段階化が、いくつかの実施形態では、実装されてもよい。例えば、特別健康クレジットのための異なる値またはポイントシステムが、活動強度および活動の延長された持続時間の長さの一方または両方に基づいて与えられてもよい。例として、付加的ポイントシステムが、対象または医師が、対象に関する耐久性フィットネス指標をより良好に査定し得るように、例えば、４０分間継続的に行われる健康クレジット付与可能活動のために使用されてもよい。
限定されないが、特許、特許出願、記事、書籍、論文、およびウェブページを含む、本願で引用される全文献および類似資料は、そのような文献および類似材料の形式にかかわらず、その全体として、参照することによって明示的に組み込まれる。定義される用語、用語の使用、説明される技法、または同等物を含むが、それらに限定されない、組み込まれた文献および類似資料のうちの１つまたはそれを上回るものが、本願と異なるまたは矛盾する場合、本願が優先する。
本明細書で使用されるセクション見出しは、編成目的のためだけのものであって、説明される主題をいかようにも限定するものとして解釈されるものではない。
本発明の種々の実施形態が、本明細書で説明および例証されているが、当業者であれば、機能を果たし、および／または本明細書で説明される結果および／または利点のうちの１つまたはそれを上回るものを得るための種々の他の手段および／または構造を容易に構想し、そのような改変例および／または修正のそれぞれは、本明細書に説明される本発明の実施形態の範囲内と見なされる。より一般的には、当業者であれば、本明細書で説明される全てのパラメータ、寸法、材料、および構成は、例示的となるように意図されており、実際のパラメータ、寸法、材料、および／または構成は、本発明の教示が使用される、１つまたは複数の具体的用途に依存することを容易に理解するであろう。当業者であれば、ルーチンにすぎない実験を使用して、本明細書に説明される本発明の具体的実施形態に関する多くの均等物を認識または確認可能であり得る。したがって、前述の実施形態は、一例のみとして提示され、添付の請求項およびそれらの均等物の範囲内で、具体的に説明および請求される通り以外で本発明の実施形態が実践されてもよいことを理解されたい。本開示の本発明の実施形態は、本明細書で説明される各個別特徴、システム、物品、物質、および／または方法を対象とする。加えて、そのような特徴、システム、物品、物質、および／または方法が相互に矛盾していなければ、２つまたはそれを上回るそのような特徴、システム、物品、物質、および／または方法の任意の組み合わせが、本発明の開示の範囲に含まれる。
本発明の前述の実施形態は、多数の方法のいずれかで実装されることができる。例えば、いくつかの実施形態は、ハードウェア、ソフトウェア、またはそれらの組み合わせを使用して実装されてもよい。実施形態の任意の側面が、少なくとも部分的に、ソフトウェア内に実装されるとき、ソフトウェアコードが、単一コンピュータ内に提供されるか、または複数のコンピュータ間に分散されるかどうかにかかわらず、任意の好適なプロセッサまたはプロセッサの集合上で実行されることができる。
この観点において、本発明の種々の側面、例えば、特徴ジェネレータ３１０、プリプロセッサ３０５、推論エンジン３２０、活動エンジン３４０−ｍ、およびデータサービス３６０、ならびに多目的センサネットワーキング機能性は、少なくとも部分的に、１つまたはそれを上回るコンピュータまたは他のプロセッサ上で実行されると、前述の技術の種々の実施形態を実装する方法を行うか、１つまたはそれを上回るプログラムでエンコードされたコンピュータ可読記憶媒体（または複数のコンピュータ可読記憶媒体）（例えば、コンピュータメモリ、１つまたはそれを上回るフロッピー（登録商標）ディスク、コンパクトディスク、光学ディスク、磁気テープ、フラッシュメモリ、フィールドプログラマブルゲートアレイまたは他の半導体デバイス内の回路構成、または他の有形コンピュータ記憶媒体もしくは非一過性媒体）として具現化されてもよい。コンピュータ可読媒体または媒体は、その上に記憶されるプログラムまたは複数のプログラムが、１つまたはそれを上回る異なるコンピュータまたは他のプロセッサ上にロードされ、前述のように、本技術の種々の側面を実装し得るように、可搬性であることができる。
前述の健康モニタの種々の側面は、ハードウェア、ソフトウェア、ファームウェア、またはそれらの組み合わせ内に実装されてもよい。例えば、処理データ、取扱データ、および／または通信を伴う、健康モニタの動作側面のいずれも、マイクロプロセッサによって実行可能であって、少なくとも１つの有形コンピュータ可読記憶デバイス上に具現化される、記憶された機械可読命令として実装されてもよい。命令は、健康モニタのデジタルプロセッサ上で実行または動作されてもよい。いくつかの実装では、命令は、健康モニタの動作と組み合わせて動作する、中心ハブまたはサーバ上で動作されてもよい。
用語「プログラム」または「ソフトウェア」は、前述のように、本技術の種々の側面を実装するようにコンピュータまたは他のプロセッサをプログラムするために採用され得る、任意のタイプのコンピュータコードまたは機械実行可能命令のセットを指すために、一般的意味において本明細書では使用される。用語「プロセッサ」は、少なくとも１つのマイクロプロセッサ、マイクロコントローラ、または、限定ではないが、フィールドプログラマブルゲートアレイを含む、任意の好適なプログラマブル論理デバイスを指すために使用されてもよい。加えて、本実施形態の一側面によると、実行されると、本技術の方法を行う、１つまたはそれを上回るコンピュータプログラムは、単一コンピュータ、プロセッサ、またはマイクロコントローラ上に常駐する必要はなく、いくつかの異なるコンピュータ、プロセッサ、またはマイクロコントローラ間においてモジュール方式で分散され、本技術の種々の側面を実装してもよいことを理解されたい。
コンピュータ実行可能命令は、１つまたはそれを上回るコンピュータもしくは他のデバイスによって実行される、プログラムモジュール等の多くの形態であってもよい。概して、プログラムモジュールは、特定のタスクを行う、または特定の要約データタイプを実装する、ルーチン、プログラム、オブジェクト、構成要素、データ構造等を含む。典型的には、プログラムモジュールの機能性は、種々の実施形態では、所望に応じて、組み合わせられるか、または分散されてもよい。
また、本明細書に説明される技術は、方法として具現化されてもよく、そのうちの少なくとも一実施例が提供される。方法の一部として行われる作用は、任意の好適な方法で順序付けられてもよい。故に、実施形態は、作用が図示されるものと異なる順序で行われるように構築されてもよく、例証的実施形態では、連続作用として示されるが、いくつかの作用を同時に行うことを含み得る。
本明細書で定義および使用されるような全ての定義は、辞書の定義、参照することにより組み込まれる文書内の定義、および／または定義された用語の通常の意味に対して優勢であると理解されるべきである。
明細書および請求項で使用されるような「１つの」という不定冠詞は、明確にそれとは反対に示されない限り、「少なくとも１つの」を意味するために使用され得る。
明細書および請求項で使用されるような「および／または」という語句は、そのように結合された要素の「いずれか一方または両方」、すなわち、場合によっては接合的に存在し、他の場合においては離接的に存在する要素を意味すると理解されるべきである。「および／または」で記載される複数の要素は、同じように、すなわち、そのように結合された要素のうちの「１つまたはそれを上回る」と解釈されるべきである。「および／または」節によって具体的に識別される要素以外に、具体的に識別される要素に関係しようと、無関係であろうと、他の要素が随意的に存在してもよい。したがって、非限定的実施例として、「Ａおよび／またはＢ」への言及は、「〜を備える」等の制約のない用語と併せて使用されると、一実施形態ではＡのみ（随意でＢ以外の要素を含む）、別の実施形態ではＢのみ（随意でＡ以外の要素を含む）、さらに別の実施形態ではＡおよびＢの両方（随意で他の要素を含む）等を指すことができる。
明細書および請求項で使用されるように、「または」は、上記で定義されるような「および／または」と同じ意味を有すると理解されるべきである。例えば、リストの中のアイテムを偏析する時に、「または」あるいは「および／または」は、包括的として、すなわち、少なくとも１つを含むが、いくつかの要素または要素のリストのうちの１つより多く、および随意で付加的な記載されていないアイテムも含むと解釈されるものとする。「〜のうちの１つのみ」または「〜のうちの正確に１つ」等の明確にそれとは反対に示される他の用語、あるいは請求項で使用される時の「〜から成る」は、いくつかの要素または要素のリストのうちの正確に１つの要素の包含を指す。概して、本明細書で使用されるような「または」という用語は、「いずれか一方」、「〜のうちの１つ」、「〜のうちの１つのみ」、または「〜のうちの正確に１つ」等の排他性の用語が続く時に、排他的な代替用語（すなわち、「一方または他方であるが両方ではない」）を示すと解釈されるだけのものとする。「本質的に〜から成る」は、請求項で使用されると、特許法の分野で使用されるようなその通常の意味を有するものとする。
明細書および請求項で使用されるように、「少なくとも１つ」という語句は、１つまたはそれを上回る要素のリストを参照して、要素のリストの中の要素のまたはそれを上回るもののいずれかから選択される少なくとも１つの要素を意味するが、要素のリスト内に具体的に記載されたあらゆる要素のうちの少なくとも１つを必ずしも含まず、要素のリストの中の要素の任意の組み合わせを排除しないと理解されるべきである。この定義はまた、具体的に識別される要素に関係しようと、無関係であろうと、「少なくとも１つ」という語句が指す、要素のリスト内で具体的に識別される要素以外に、要素が随意で存在してもよいことを許容する。したがって、非限定的実施例として、「ＡおよびＢのうちの少なくとも１つ」（または同等に「ＡまたはＢのうちの少なくとも１つ」、あるいは同等に「Ａおよび／またはＢのうちの少なくとも１つ」）は、一実施形態では、いずれのＢも存在しない、随意で１つより多くを含む、少なくとも１つのＡ（および随意でＢ以外の要素を含む）、別の実施形態では、いずれのＡも存在しない、随意で１つより多くを含む、少なくとも１つのＢ（および随意でＡ以外の要素を含む）、さらに別の実施形態では、随意で１つより多くを含む、少なくとも１つのＡ、および随意で１つより多くを含む、少なくとも１つのＢ（および随意で他の要素を含む）等を指すことができる。
請求項は、その旨が記載されない限り、説明される順序または要素に限定されるものとして読み取られるべきではない。形態および詳細における種々の変更は、添付の請求項の精神および範囲から逸脱することなく、当業者によって行われ得ることを理解されたい。以下の請求項およびその均等物の精神および範囲内にある、全ての実施形態が、請求される。
本教示の前述および他の側面、実施形態、ならびに特徴は、付随の図面と併せて、以下の説明からより完全に理解され得る。とりわけ、本願明細書は、以下の項目に関する構成を記載している。
（項目１）
対象によって支持されるように構成される健康モニタであって、
上記対象によって行われる第１の活動に応答して運動データを生成するように構成される、加速度計と、
上記第１の活動の実施の間、上記対象の少なくとも心拍数を検出するように構成される、心臓センサと、
上記加速度計および上記心臓センサに電力を提供するように構成される、オンボード電源と、
上記加速度計および上記心臓センサの両方からのデータに基づいて、第１の方法に従って、上記対象によって行われる上記第１の活動に関する第１のカロリー燃焼速度を計算するように構成される、プロセッサと、を備える、健康モニタ。
（項目２）
上記プロセッサはさらに、上記心臓センサから受信されたデータに基づいて、上記健康モニタの少なくとも１つの電力節約モードを判定するように構成される、項目１に記載の健康モニタ。
（項目３）
上記少なくとも１つの電力節約モードは、連続心臓サイクルのＴ−波部分とＰ−波部分との間の間隔の間に少なくとも上記心臓センサへの電力が減少されるモードを含む、項目２に記載の健康モニタ。
（項目４）
上記プロセッサは、上記対象の心拍数およびスピードの値、または上記対象の心拍数および足接触時間の値を使用して、上記第１のカロリー燃焼速度を計算するように構成される、項目１−３のいずれかに記載の健康モニタ。
（項目５）
上記プロセッサは、上記対象に対して算出される心拍数および最大ＶＯ ２ （酸素摂取量）値の値を使用して、上記第１のカロリー燃焼速度を計算するように構成される、上記項目のいずれかに記載の健康モニタ。
（項目６）
上記プロセッサはさらに、活動を行っている対象に対して燃焼カロリーを判定するための第２の方法を較正するように構成され、上記較正は、上記第１の方法から得られた結果に基づく、上記項目のいずれかに記載の健康モニタ。
（項目７）
上記第２の方法は、心拍数に基づくが、上記加速度計からのデータには基づかずに燃焼カロリーを判定するステップを含む、項目６に記載の健康モニタ。
（項目８）
タイマをさらに備え、上記プロセッサはさらに、
第１の時間間隔のシーケンスの第１の時間間隔の間、上記対象によって行われる第２の活動に関する第２のカロリー燃焼速度を計算し、そして
上記第２のカロリー燃焼速度が、上記第１の時間間隔の持続時間の間、健康機関によって定められた少なくとも１つの推奨される値の範囲内にあるかどうかどうかを判定するように構成される、上記項目のいずれかに記載の健康モニタ。
（項目９）
上記健康機関は、疾病管理センターまたは世界保健機構である、項目８に記載の健康モニタ。
（項目１０）
上記健康機関は、医師、有資格医療従事者、または専門トレーナである、項目８に記載の健康モニタ。
（項目１１）
上記プロセッサはさらに、上記運動データのパワースペクトルから上記第２の活動の実施を検証するように構成される、項目８〜１０のいずれかに記載の健康モニタ。
（項目１２）
上記プロセッサはさらに、上記対象の心拍数および／または呼吸数から上記第２の活動の強度レベルを判定するように構成される、項目８〜１１のいずれかに記載の健康モニタ。
（項目１３）
上記プロセッサはさらに、
上記カロリー燃焼速度が、上記第１の時間間隔の持続時間の間、上記少なくとも１つの推奨される範囲の第１の推奨される範囲内にある、第１の時間間隔毎に、第１のクレジット値を記録し、そして
上記カロリー燃焼速度が、上記第１の時間間隔の持続時間の間、上記少なくとも１つの推奨される範囲の第２の推奨される範囲内にある、第１の時間間隔毎に、第２のクレジット値を記録するように構成される、項目８〜１２のいずれかに記載の健康モニタ。
（項目１４）
上記少なくとも１つの推奨される範囲の第１の推奨される範囲は、約３．５キロカロリー／分〜約７キロカロリー／分であって、上記少なくとも１つの推奨される範囲の第２の推奨される範囲は、約７キロカロリー／分を上回る値を含む、項目１３に記載の健康モニタ。
（項目１５）
上記プロセッサはさらに、
上記健康モニタが認識するように構成される複数の活動タイプの中から、上記対象によって行われる第２の活動のタイプを識別し、そして
非ヒト活動を識別するように構成される、項目１３または１４に記載の健康モニタ。
（項目１６）
上記プロセッサはさらに、
上記加速度計から受信されたデータから、上記対象によって行われる増加した活動の期間を判定し、そして
上記活動の中止に続く心拍数回復時間を判定するように構成される、上記項目のいずれかに記載の健康モニタ。
（項目１７）
上記プロセッサはさらに、上記心臓センサから受信されたデータから、心拍数変動またはＬＦ／ＨＦスペクトルパワー比を計算するように構成される、上記項目のいずれかに記載の健康モニタ。
（項目１８）
上記健康モニタは、取り外し可能な接着剤を使用して上記対象に電気的に接続されるように構成される、２つの電極を含む、上記項目のいずれかに記載の健康モニタ。
（項目１９）
上記加速度計は、３軸加速度計を含む、上記項目のいずれかに記載の健康モニタ。
（項目２０）
対象によって支持されるように構成される健康モニタによって、上記対象に関するフィットネス指標を判定するための方法であって、
プロセッサによって、上記対象によって行われる第１の活動に応答して上記健康モニタによって生成された運動データを受信するステップと、
上記プロセッサと通信する心臓センサから、上記第１の活動の実施の間に検出された上記対象に関する心臓データを受信するステップと、
上記運動データおよび心臓データの両方内の情報に基づいて、第１のアルゴリズムに従って、上記対象によって行われる第１の活動に関する第１のカロリー燃焼速度を計算するステップと、を含む、方法。
（項目２１）
上記心臓センサから受信されたデータに基づいて、上記健康モニタの電力節約モードを実行するステップをさらに含む、項目２０に記載の方法。
（項目２２）
連続心臓サイクルのＴ−波部分とＰ−波部分との間の間隔の間に少なくとも上記心臓センサへの電力を減少させるステップをさらに含む、項目２０または２１に記載の方法。
（項目２３）
上記第１のカロリー燃焼速度の計算は、上記対象の心拍数およびスピードの値、または上記対象の心拍数および足接触時間の値を含む、項目２０〜２２のいずれかに記載の方法。
（項目２４）
上記第１のカロリー燃焼速度の計算は、上記対象に対して算出される心拍数および最大ＶＯ ２ （酸素摂取量）値の値を含む、項目２０〜２３のいずれかに記載の方法。
（項目２５）
活動を行っている対象に対してカロリー燃焼を判定するための第２のアルゴリズムを較正するステップをさらに含み、上記較正は、上記第１のアルゴリズムから得られた結果に基づく、項目２０〜２４のいずれかに記載の方法。
（項目２６）
上記第２のアルゴリズムは、心臓データに基づくが、運動データには基づかずにカロリー燃焼を判定するステップを含む、項目２５に記載の方法。
（項目２７）
第１の時間間隔のシーケンスの第１の時間間隔の間に、上記対象によって行われる第２の活動に関する第２のカロリー燃焼速度を計算するステップと、
上記第２のカロリー燃焼速度が、上記第１の時間間隔の持続時間の間に、健康機関によって定められた少なくとも１つの推奨される値の範囲内にあるかどうかどうかを判定するステップと、をさらに含む、項目２０〜２６のいずれかに記載の方法。
（項目２８）
上記健康機関は、疾病管理センターまたは世界保健機構である、項目２７に記載の方法。
（項目２９）
上記運動データに関するパワースペクトルを判定するステップと、
上記パワースペクトルから上記第２の活動の実施を検証するステップとをさらに含む、項目２７または２８に記載の方法。
（項目３０）
上記第２のカロリー燃焼速度が、上記第１の時間間隔の持続時間の間に、上記少なくとも１つの推奨される範囲の第１の推奨される範囲内にある、第１の時間間隔毎に、第１のクレジット値を記録するステップと、
上記第２のカロリー燃焼速度が、上記第１の時間間隔の持続時間の間に、上記少なくとも１つの推奨される範囲の第２の推奨される範囲内にある、第１の時間間隔毎に、第２のクレジット値を記録するステップとをさらに含む、項目２７〜２９のいずれかに記載の方法。
（項目３１）
上記少なくとも１つの推奨される範囲の第１の推奨される範囲は、約３．５キロカロリー／分〜約７キロカロリー／分であって、上記少なくとも１つの推奨される範囲の第２の推奨される範囲は、約７キロカロリー／分を上回る値を含む、項目３０に記載の方法。
（項目３２）
上記健康モニタが認識するように構成される複数の活動タイプの中から、上記対象によって行われる第２の活動のタイプを識別するステップをさらに含む、項目３０または３１に記載の方法。
（項目３３）
上記運動データから、上記対象によって行われる増加した活動の期間を判定するステップと、
上記活動の中止に続く心拍数回復時間を判定するステップとをさらに含む、項目２０〜３２のいずれかに記載の方法。
（項目３４）
上記心臓データから心拍数変動またはＬＦ／ＨＦスペクトルパワー比を計算するステップをさらに含む、項目２０〜３３のいずれかに記載の方法。
（項目３５）
コンピュータ可読記憶媒体であって、心臓センサおよび加速度計を含む健康モニタの少なくとも１つのプロセッサによって実行されると、
上記プロセッサによって、対象によって行われる第１の活動に応答して上記加速度計によって生成された運動データを受信し、
上記第１の活動の実施の間に検出された上記対象に関する心臓データを受信し、そして
上記運動データおよび心臓データの両方内の情報に基づいて、第１のアルゴリズムに従って、上記対象によって行われる第１の活動に関する第１のカロリー燃焼速度を計算するように上記健康モニタを適合する、機械可読命令を含む、コンピュータ可読記憶媒体。
（項目３６）
上記少なくとも１つのプロセッサによって実行されると、
第１の時間間隔のシーケンスの第１の時間間隔の間に、上記対象によって行われる第２の活動に関する第２のカロリー燃焼速度を計算し、そして
上記第２のカロリー燃焼速度が、上記第１の時間間隔の持続時間の間に、健康機関によって定められた少なくとも１つの推奨される値の範囲内にあるかどうかどうかを判定するように上記健康モニタを適合する機械可読命令をさらに備える、項目３５に記載のコンピュータ可読記憶媒体。
（項目３７）
上記少なくとも１つのプロセッサによって実行されると、
上記第２のカロリー燃焼速度が、上記第１の時間間隔の持続時間の間に、上記少なくとも１つの推奨される範囲の第１の推奨される範囲内にある、第１の時間間隔毎に、第１のクレジット値を記録し、そして
上記第２のカロリー燃焼速度が、上記第１の時間間隔の持続時間の間に、上記少なくとも１つの推奨される範囲の第２の推奨される範囲内にある、第１の時間間隔毎に、第２のクレジット値を記録するように上記健康モニタを適合する、機械可読命令をさらに備える、項目３６に記載のコンピュータ可読記憶媒体。

Claims (37)

  1. 対象によって支持されるように構成される健康モニタであって、
    前記対象によって行われる第１の活動に応答して運動データを生成するように構成される、加速度計と、
    前記第１の活動の実施の間、前記対象の少なくとも心拍数を検出するように構成される、心臓センサと、
    前記加速度計および前記心臓センサに電力を提供するように構成される、オンボード電源と、
    前記加速度計および前記心臓センサの両方からのデータに基づいて、第１の方法に従って、前記対象によって行われる前記第１の活動に関する第１のカロリー燃焼速度を計算するように構成される、プロセッサと、を備える、健康モニタ。
  2. 前記プロセッサはさらに、前記心臓センサから受信されたデータに基づいて、前記健康モニタの少なくとも１つの電力節約モードを判定するように構成される、請求項１に記載の健康モニタ。
  3. 前記少なくとも１つの電力節約モードは、連続心臓サイクルのＴ−波部分とＰ−波部分との間の間隔の間に少なくとも前記心臓センサへの電力が減少されるモードを含む、請求項２に記載の健康モニタ。
  4. 前記プロセッサは、前記対象の心拍数およびスピードの値、または前記対象の心拍数および足接触時間の値を使用して、前記第１のカロリー燃焼速度を計算するように構成される、請求項１−３のいずれかに記載の健康モニタ。
  5. 前記プロセッサは、前記対象に対して算出される心拍数および最大ＶＯ２（酸素摂取量）値の値を使用して、前記第１のカロリー燃焼速度を計算するように構成される、前記請求項のいずれかに記載の健康モニタ。
  6. 前記プロセッサはさらに、活動を行っている対象に対して燃焼カロリーを判定するための第２の方法を較正するように構成され、前記較正は、前記第１の方法から得られた結果に基づく、前記請求項のいずれかに記載の健康モニタ。
  7. 前記第２の方法は、心拍数に基づくが、前記加速度計からのデータには基づかずに燃焼カロリーを判定するステップを含む、請求項６に記載の健康モニタ。
  8. タイマをさらに備え、前記プロセッサはさらに、
    第１の時間間隔のシーケンスの第１の時間間隔の間、前記対象によって行われる第２の活動に関する第２のカロリー燃焼速度を計算し、そして
    前記第２のカロリー燃焼速度が、前記第１の時間間隔の持続時間の間、健康機関によって定められた少なくとも１つの推奨される値の範囲内にあるかどうかどうかを判定するように構成される、前記請求項のいずれかに記載の健康モニタ。
  9. 前記健康機関は、疾病管理センターまたは世界保健機構である、請求項８に記載の健康モニタ。
  10. 前記健康機関は、医師、有資格医療従事者、または専門トレーナである、請求項８に記載の健康モニタ。
  11. 前記プロセッサはさらに、前記運動データのパワースペクトルから前記第２の活動の実施を検証するように構成される、請求項８〜１０のいずれかに記載の健康モニタ。
  12. 前記プロセッサはさらに、前記対象の心拍数および／または呼吸数から前記第２の活動の強度レベルを判定するように構成される、請求項８〜１１のいずれかに記載の健康モニタ。
  13. 前記プロセッサはさらに、
    前記カロリー燃焼速度が、前記第１の時間間隔の持続時間の間、前記少なくとも１つの推奨される範囲の第１の推奨される範囲内にある、第１の時間間隔毎に、第１のクレジット値を記録し、そして
    前記カロリー燃焼速度が、前記第１の時間間隔の持続時間の間、前記少なくとも１つの推奨される範囲の第２の推奨される範囲内にある、第１の時間間隔毎に、第２のクレジット値を記録するように構成される、請求項８〜１２のいずれかに記載の健康モニタ。
  14. 前記少なくとも１つの推奨される範囲の第１の推奨される範囲は、約３．５キロカロリー／分〜約７キロカロリー／分であって、前記少なくとも１つの推奨される範囲の第２の推奨される範囲は、約７キロカロリー／分を上回る値を含む、請求項１３に記載の健康モニタ。
  15. 前記プロセッサはさらに、
    前記健康モニタが認識するように構成される複数の活動タイプの中から、前記対象によって行われる第２の活動のタイプを識別し、そして
    非ヒト活動を識別するように構成される、請求項１３または１４に記載の健康モニタ。
  16. 前記プロセッサはさらに、
    前記加速度計から受信されたデータから、前記対象によって行われる増加した活動の期間を判定し、そして
    前記活動の中止に続く心拍数回復時間を判定するように構成される、前記請求項のいずれかに記載の健康モニタ。
  17. 前記プロセッサはさらに、前記心臓センサから受信されたデータから、心拍数変動またはＬＦ／ＨＦスペクトルパワー比を計算するように構成される、前記請求項のいずれかに記載の健康モニタ。
  18. 前記健康モニタは、取り外し可能な接着剤を使用して前記対象に電気的に接続されるように構成される、２つの電極を含む、前記請求項のいずれかに記載の健康モニタ。
  19. 前記加速度計は、３軸加速度計を含む、前記請求項のいずれかに記載の健康モニタ。
  20. 対象によって支持されるように構成される健康モニタによって、前記対象に関するフィットネス指標を判定するための方法であって、
    プロセッサによって、前記対象によって行われる第１の活動に応答して前記健康モニタによって生成された運動データを受信するステップと、
    前記プロセッサと通信する心臓センサから、前記第１の活動の実施の間に検出された前記対象に関する心臓データを受信するステップと、
    前記運動データおよび心臓データの両方内の情報に基づいて、第１のアルゴリズムに従って、前記対象によって行われる第１の活動に関する第１のカロリー燃焼速度を計算するステップと、を含む、方法。
  21. 前記心臓センサから受信されたデータに基づいて、前記健康モニタの電力節約モードを実行するステップをさらに含む、請求項２０に記載の方法。
  22. 連続心臓サイクルのＴ−波部分とＰ−波部分との間の間隔の間に少なくとも前記心臓センサへの電力を減少させるステップをさらに含む、請求項２０または２１に記載の方法。
  23. 前記第１のカロリー燃焼速度の計算は、前記対象の心拍数およびスピードの値、または前記対象の心拍数および足接触時間の値を含む、請求項２０〜２２のいずれかに記載の方法。
  24. 前記第１のカロリー燃焼速度の計算は、前記対象に対して算出される心拍数および最大ＶＯ２（酸素摂取量）値の値を含む、請求項２０〜２３のいずれかに記載の方法。
  25. 活動を行っている対象に対してカロリー燃焼を判定するための第２のアルゴリズムを較正するステップをさらに含み、前記較正は、前記第１のアルゴリズムから得られた結果に基づく、請求項２０〜２４のいずれかに記載の方法。
  26. 前記第２のアルゴリズムは、心臓データに基づくが、運動データには基づかずにカロリー燃焼を判定するステップを含む、請求項２５に記載の方法。
  27. 第１の時間間隔のシーケンスの第１の時間間隔の間に、前記対象によって行われる第２の活動に関する第２のカロリー燃焼速度を計算するステップと、
    前記第２のカロリー燃焼速度が、前記第１の時間間隔の持続時間の間に、健康機関によって定められた少なくとも１つの推奨される値の範囲内にあるかどうかどうかを判定するステップと、をさらに含む、請求項２０〜２６のいずれかに記載の方法。
  28. 前記健康機関は、疾病管理センターまたは世界保健機構である、請求項２７に記載の方法。
  29. 前記運動データに関するパワースペクトルを判定するステップと、
    前記パワースペクトルから前記第２の活動の実施を検証するステップとをさらに含む、請求項２７または２８に記載の方法。
  30. 前記第２のカロリー燃焼速度が、前記第１の時間間隔の持続時間の間に、前記少なくとも１つの推奨される範囲の第１の推奨される範囲内にある、第１の時間間隔毎に、第１のクレジット値を記録するステップと、
    前記第２のカロリー燃焼速度が、前記第１の時間間隔の持続時間の間に、前記少なくとも１つの推奨される範囲の第２の推奨される範囲内にある、第１の時間間隔毎に、第２のクレジット値を記録するステップとをさらに含む、請求項２７〜２９のいずれかに記載の方法。
  31. 前記少なくとも１つの推奨される範囲の第１の推奨される範囲は、約３．５キロカロリー／分〜約７キロカロリー／分であって、前記少なくとも１つの推奨される範囲の第２の推奨される範囲は、約７キロカロリー／分を上回る値を含む、請求項３０に記載の方法。
  32. 前記健康モニタが認識するように構成される複数の活動タイプの中から、前記対象によって行われる第２の活動のタイプを識別するステップをさらに含む、請求項３０または３１に記載の方法。
  33. 前記運動データから、前記対象によって行われる増加した活動の期間を判定するステップと、
    前記活動の中止に続く心拍数回復時間を判定するステップとをさらに含む、請求項２０〜３２のいずれかに記載の方法。
  34. 前記心臓データから心拍数変動またはＬＦ／ＨＦスペクトルパワー比を計算するステップをさらに含む、請求項２０〜３３のいずれかに記載の方法。
  35. コンピュータ可読記憶媒体であって、心臓センサおよび加速度計を含む健康モニタの少なくとも１つのプロセッサによって実行されると、
    前記プロセッサによって、対象によって行われる第１の活動に応答して前記加速度計によって生成された運動データを受信し、
    前記第１の活動の実施の間に検出された前記対象に関する心臓データを受信し、そして
    前記運動データおよび心臓データの両方内の情報に基づいて、第１のアルゴリズムに従って、前記対象によって行われる第１の活動に関する第１のカロリー燃焼速度を計算するように前記健康モニタを適合する、機械可読命令を含む、コンピュータ可読記憶媒体。
  36. 前記少なくとも１つのプロセッサによって実行されると、
    第１の時間間隔のシーケンスの第１の時間間隔の間に、前記対象によって行われる第２の活動に関する第２のカロリー燃焼速度を計算し、そして
    前記第２のカロリー燃焼速度が、前記第１の時間間隔の持続時間の間に、健康機関によって定められた少なくとも１つの推奨される値の範囲内にあるかどうかどうかを判定するように前記健康モニタを適合する機械可読命令をさらに備える、請求項３５に記載のコンピュータ可読記憶媒体。
  37. 前記少なくとも１つのプロセッサによって実行されると、
    前記第２のカロリー燃焼速度が、前記第１の時間間隔の持続時間の間に、前記少なくとも１つの推奨される範囲の第１の推奨される範囲内にある、第１の時間間隔毎に、第１のクレジット値を記録し、そして
    前記第２のカロリー燃焼速度が、前記第１の時間間隔の持続時間の間に、前記少なくとも１つの推奨される範囲の第２の推奨される範囲内にある、第１の時間間隔毎に、第２のクレジット値を記録するように前記健康モニタを適合する、機械可読命令をさらに備える、請求項３６に記載のコンピュータ可読記憶媒体。
JP2016553292A 2011-12-02 2014-09-19 健康モニタ Pending JP2017506398A (ja)

Applications Claiming Priority (5)

Application Number Priority Date Filing Date Title
US201161566528P 2011-12-02 2011-12-02
US13/840,098 US9734304B2 (en) 2011-12-02 2013-03-15 Versatile sensors with data fusion functionality
US14/184,042 2014-02-19
US14/184,042 US20140156043A1 (en) 2011-12-02 2014-02-19 Versatile sensors with data fusion functionality
PCT/US2014/056532 WO2015126459A1 (en) 2014-02-19 2014-09-19 Health monitor

Publications (2)

Publication Number Publication Date
JP2017506398A true JP2017506398A (ja) 2017-03-02
JP2017506398A5 JP2017506398A5 (ja) 2017-04-06

Family

ID=48982780

Family Applications (1)

Application Number Title Priority Date Filing Date
JP2016553292A Pending JP2017506398A (ja) 2011-12-02 2014-09-19 健康モニタ

Country Status (2)

Country Link
US (3) US9734304B2 (ja)
JP (1) JP2017506398A (ja)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2020054892A1 (ko) * 2018-09-13 2020-03-19 주식회사 피트 건강위험도 평가 장치 및 방법

Families Citing this family (139)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US7187924B2 (en) 2000-02-08 2007-03-06 Fitsense Technology, Inc. Intelligent data network with power management capabilities
US7182738B2 (en) * 2003-04-23 2007-02-27 Marctec, Llc Patient monitoring apparatus and method for orthosis and other devices
DK3718922T3 (da) 2009-08-31 2022-04-19 Abbott Diabetes Care Inc Glucoseovervågningssystem og fremgangsmåde
US10852069B2 (en) 2010-05-04 2020-12-01 Fractal Heatsink Technologies, LLC System and method for maintaining efficiency of a fractal heat sink
WO2011149974A1 (en) * 2010-05-24 2011-12-01 The Board Of Trustees Of The University Of Illinois High sensitivity environmental senor board and methods for structural health monitoring
RU2520404C1 (ru) 2010-09-29 2014-06-27 дакадоо аг Система автоматизированного сбора, обработки и передачи медицинских данных
US9167991B2 (en) * 2010-09-30 2015-10-27 Fitbit, Inc. Portable monitoring devices and methods of operating same
US9734304B2 (en) 2011-12-02 2017-08-15 Lumiradx Uk Ltd Versatile sensors with data fusion functionality
US9700222B2 (en) 2011-12-02 2017-07-11 Lumiradx Uk Ltd Health-monitor patch
US20130158686A1 (en) * 2011-12-02 2013-06-20 Fitlinxx, Inc. Intelligent activity monitor
EP2925404B1 (en) * 2012-11-29 2023-10-25 Abbott Diabetes Care, Inc. Devices and systems related to analyte monitoring
JP5741964B2 (ja) * 2012-12-19 2015-07-01 カシオ計算機株式会社 センサデータ抽出システム、センサデータ抽出方法およびセンサデータ抽出プログラム
US20140197963A1 (en) * 2013-01-15 2014-07-17 Fitbit, Inc. Portable monitoring devices and methods of operating the same
US10398358B2 (en) 2013-05-31 2019-09-03 Nike, Inc. Dynamic sampling
EP2808652B1 (en) * 2013-05-31 2016-11-16 Sensirion AG Portable electronic device with integrated temperature sensor being compensated by other sensing data
JP6539272B2 (ja) 2013-08-07 2019-07-03 ナイキ イノベイト シーブイ コンピュータにより実現される方法、非一時的かつコンピュータが読み取り可能な媒体、および単一装置
US9808206B1 (en) * 2013-09-09 2017-11-07 Scanadu, Inc. Data acquisition quality and data fusion for personal portable wireless vital signs scanner
US9749803B2 (en) 2013-09-10 2017-08-29 Apple Inc. Path determination based on application usage
US9277870B2 (en) * 2013-09-12 2016-03-08 Sproutling, Inc. Infant monitoring system and methods
CA2924005A1 (en) * 2013-10-09 2015-04-16 Mc10, Inc. Utility gear including conformal sensors
JP2015073826A (ja) 2013-10-11 2015-04-20 セイコーエプソン株式会社 生体情報測定機器
JP5942956B2 (ja) 2013-10-11 2016-06-29 セイコーエプソン株式会社 計測情報管理システム、情報機器、計測情報管理方法、および計測情報管理プログラム
US20160256082A1 (en) * 2013-10-21 2016-09-08 Apple Inc. Sensors and applications
EP2865325B1 (en) 2013-10-23 2017-11-22 F. Hoffmann-La Roche AG Skin-adherable cradle for infusion pump or continuous blood glucose monitor having optical indication means
US10424404B2 (en) 2013-11-13 2019-09-24 Dacadoo Ag Automated health data acquisition, processing and communication system and method
CA2931973A1 (en) 2013-11-29 2015-06-04 Motiv Inc. Wearable computing device
US10270898B2 (en) 2014-05-30 2019-04-23 Apple Inc. Wellness aggregator
US20160019360A1 (en) 2013-12-04 2016-01-21 Apple Inc. Wellness aggregator
US12080421B2 (en) 2013-12-04 2024-09-03 Apple Inc. Wellness aggregator
US20170234697A9 (en) * 2014-01-13 2017-08-17 Buztronics Inc. Portable electronic device including controller configured for keyboard emulation
KR20150088483A (ko) * 2014-01-24 2015-08-03 삼성전자주식회사 보험 할인율을 표시하는 전자 장치 및 방법
WO2015117046A1 (en) * 2014-01-31 2015-08-06 North Carolina State University System and method of monitoring respiratory parameters
EP2923642B1 (en) * 2014-03-25 2017-03-15 Ulrich Scholten Application agnostic sensor, control computer and methods for operating
US10216904B2 (en) 2014-04-16 2019-02-26 Carkmh, Llc Cloud-assisted rehabilitation methods and systems for musculoskeletal conditions
US10653339B2 (en) * 2014-04-29 2020-05-19 Nxp B.V. Time and frequency domain based activity tracking system
WO2015173712A1 (en) * 2014-05-15 2015-11-19 Oggway Ltd. System and method for pet behavioral identification
EP3145407A4 (en) * 2014-05-23 2018-02-07 dacadoo ag Automated health data acquisition, processing and communication system
US9913100B2 (en) 2014-05-30 2018-03-06 Apple Inc. Techniques for generating maps of venues including buildings and floors
US9538921B2 (en) 2014-07-30 2017-01-10 Valencell, Inc. Physiological monitoring devices with adjustable signal analysis and interrogation power and monitoring methods using same
JP6415901B2 (ja) * 2014-08-27 2018-10-31 株式会社東芝 電子機器および制御方法
CN111180039B (zh) 2014-09-02 2023-10-24 苹果公司 身体活动和健身监视器
US10045735B2 (en) * 2014-09-27 2018-08-14 Intel Corporation Biofeedback sensors in a body area network
EP3218676B1 (en) * 2014-11-10 2022-03-09 In-Situ, Inc. Integrated user interface for status and control of a submersible multi-parameter sonde
CN105581798A (zh) * 2014-11-17 2016-05-18 吕俊逸 脚部动作的辨识装置及脚部动作的辨识方法
KR102335739B1 (ko) 2014-12-19 2021-12-06 삼성전자주식회사 비 침습적 혈당 측정 방법 및 이를 위한 장치
US9776041B1 (en) * 2015-01-02 2017-10-03 Anya Manish Lachwani User performance analysis system
US9332940B1 (en) 2015-01-05 2016-05-10 Analog Devices, Inc. Compact wearable biological sensor modules
US9641991B2 (en) 2015-01-06 2017-05-02 Fitbit, Inc. Systems and methods for determining a user context by correlating acceleration data from multiple devices
KR102349961B1 (ko) * 2015-01-22 2022-01-11 삼성전자주식회사 헬스 케어 장치 및 그 동작 방법
DE102016101661A1 (de) * 2015-01-29 2016-08-04 Affectomatics Ltd. Auf datenschutzüberlegungen gestützte offenlegung von auf der grundlage von messwerten der affektiven reaktion berechneten crowd-basierten bewertungen
US11232466B2 (en) * 2015-01-29 2022-01-25 Affectomatics Ltd. Recommendation for experiences based on measurements of affective response that are backed by assurances
JP6356616B2 (ja) 2015-02-17 2018-07-11 日本電信電話株式会社 逐次姿勢識別装置および自律神経機能情報取得装置、方法ならびにプログラム
US20160242680A1 (en) * 2015-02-20 2016-08-25 Umm Al-Qura University Intelligent comfort level monitoring system
RU2593983C1 (ru) * 2015-03-13 2016-08-10 Общество С Ограниченной Ответственностью "Хилби" Способ определения вида двигательной активности человека и устройство для его осуществления
EP3283990B1 (en) 2015-04-15 2023-10-25 NIKE Innovate C.V. Activity monitoring device with assessment of exercise intensity
EP4272594A3 (en) 2015-05-29 2024-01-10 Nike Innovate C.V. Activity monitoring device with assessment of exercise intensity for calculating the anaerobic capacity of a user
US10210950B2 (en) * 2015-06-30 2019-02-19 K4Connect Inc. Home automation (HA) system including failed sandboxed bridge reloading and related methods
CN106445101A (zh) * 2015-08-07 2017-02-22 飞比特公司 识别用户的方法和系统
EP3337583B1 (en) 2015-08-20 2024-01-17 Apple Inc. Exercise-based watch face
WO2017040927A1 (en) * 2015-09-02 2017-03-09 University Of Virginia Patent Foundation System, method, and computer readable medium for dynamic insulin sensitivity in diabetic pump users
CN106500717B (zh) * 2015-09-08 2020-05-12 中兴通讯股份有限公司 一种实现计步的方法及装置
US20170124530A1 (en) * 2015-11-04 2017-05-04 Schneider Electric It Corporation Systems and methods for an environmental event and task manager
US10682101B2 (en) * 2015-11-10 2020-06-16 Under Armour, Inc. Techniques for retrieving performance data from an exercise database
KR102418360B1 (ko) * 2015-11-12 2022-07-08 삼성전자주식회사 생체 신호를 이용하여 전자 장치의 기능을 수행하는 방법 및 그를 위한 전자 장치
US11215457B2 (en) 2015-12-01 2022-01-04 Amer Sports Digital Services Oy Thematic map based route optimization
US11137820B2 (en) 2015-12-01 2021-10-05 Amer Sports Digital Services Oy Apparatus and method for presenting thematic maps
US11210299B2 (en) 2015-12-01 2021-12-28 Amer Sports Digital Services Oy Apparatus and method for presenting thematic maps
US11144107B2 (en) 2015-12-01 2021-10-12 Amer Sports Digital Services Oy Apparatus and method for presenting thematic maps
DE102015015741A1 (de) * 2015-12-04 2017-06-08 Audi Ag Armbandcomputer zum Tragen an einem Arm eines Benutzers und Verfahren zum Betreiben eines Armbandcomputers
EP3387585B1 (de) * 2015-12-10 2020-09-30 SES-imagotag GmbH Anzeigevorrichtung mit steuerbarer verarbeitungsstufe
US11857842B2 (en) 2015-12-21 2024-01-02 Suunto Oy Apparatus and exercising device
DE102016015065A1 (de) 2015-12-21 2017-06-22 Suunto Oy Aktivitätsintensitätspegel-Bestimmungsfeld
US10433768B2 (en) 2015-12-21 2019-10-08 Amer Sports Digital Services Oy Activity intensity level determination
US11838990B2 (en) 2015-12-21 2023-12-05 Suunto Oy Communicating sensor data in wireless communication systems
US11541280B2 (en) 2015-12-21 2023-01-03 Suunto Oy Apparatus and exercising device
US11284807B2 (en) 2015-12-21 2022-03-29 Amer Sports Digital Services Oy Engaging exercising devices with a mobile device
DE102016015066A1 (de) 2015-12-21 2017-06-22 Suunto Oy Aktivitätsintensitätspegel-Bestimmung
FI127926B (en) 2015-12-21 2019-05-31 Suunto Oy Sensor-based context management
US11587484B2 (en) 2015-12-21 2023-02-21 Suunto Oy Method for controlling a display
GB2545703B (en) * 2015-12-22 2019-01-09 Univ Sheffield Apparatus and methods for determining force applied to the tip of a probe
CN105894533A (zh) * 2015-12-31 2016-08-24 乐视移动智能信息技术（北京）有限公司 基于智能设备实现体感控制的方法、系统以及智能设备
WO2017156576A1 (en) * 2016-03-14 2017-09-21 National Ict Australia Limited Activity pulse
WO2017172391A1 (en) * 2016-03-30 2017-10-05 Dexcom, Inc. Systems, devices and methods for analyte monitoring system
US11793458B2 (en) * 2016-03-30 2023-10-24 Intel Corporation Tracking caloric expenditure using sensor driven fingerprints
EP3245942A1 (en) * 2016-05-19 2017-11-22 Nokia Technologies Oy Location device for identifying location(s) for physiological measurements and methods using the same
US10354104B2 (en) * 2016-05-31 2019-07-16 Infinate Leap Holdings, LLC Real-time location system (RTLS) tag with battery and energy harvesting, which transmits a location signal when the battery is inoperative
DK201770423A1 (en) 2016-06-11 2018-01-15 Apple Inc Activity and workout updates
US11216119B2 (en) 2016-06-12 2022-01-04 Apple Inc. Displaying a predetermined view of an application
US10918907B2 (en) 2016-08-14 2021-02-16 Fitbit, Inc. Automatic detection and quantification of swimming
US20180052958A1 (en) * 2016-08-22 2018-02-22 Mindset Medical, Llc Patient-owned electronic health records system and method
CN106073794A (zh) * 2016-08-23 2016-11-09 吉林大学 一种可穿戴的下肢康复锻炼步态监测分析设备
CN109644171B (zh) * 2016-08-31 2022-04-08 杜塞尔多夫华为技术有限公司 滤波后的多载波通信
US11826545B2 (en) * 2016-09-08 2023-11-28 Fresenius Medical Care Holdings, Inc. Optical blood detection system
US10736543B2 (en) 2016-09-22 2020-08-11 Apple Inc. Workout monitor interface
US10820151B2 (en) * 2016-10-06 2020-10-27 Mars, Incorporated System and method for compressing high fidelity motion data for transmission over a limited bandwidth network
US11703938B2 (en) 2016-10-17 2023-07-18 Suunto Oy Embedded computing device
DE102017009171A1 (de) 2016-10-17 2018-04-19 Amer Sports Digital Services Oy Eingebettete rechenvorrichtung
CA3038009A1 (en) * 2016-10-20 2018-04-26 Lukasz KOLTOWSKI Portable spirometer
US20180137938A1 (en) * 2016-11-11 2018-05-17 Medtronic Minimed, Inc. Patient monitoring systems and methods with automated display toggling
US20180137252A1 (en) * 2016-11-11 2018-05-17 Medtronic Minimed, Inc. Patient monitoring systems and methods with event log integration
DE102017012056A1 (de) 2016-12-30 2018-07-05 Suunto Oy Tragbares kleidungsstück sowie system und verfahren zum bestimmen der durch ein tragbares kleidungsstück bereitgestellten stützung
WO2018152390A1 (en) * 2017-02-16 2018-08-23 Jes Tougaard Gram Wearable personalized health and training device
US10950138B1 (en) * 2017-04-12 2021-03-16 Herron Holdings Group LLC Drumming fitness system and method
US10845955B2 (en) 2017-05-15 2020-11-24 Apple Inc. Displaying a scrollable list of affordances associated with physical activities
US11239823B1 (en) 2017-06-16 2022-02-01 Hrl Laboratories, Llc Quartz MEMS piezoelectric resonator for chipscale RF antennae
US11101786B1 (en) 2017-06-20 2021-08-24 Hrl Laboratories, Llc HF-VHF quartz MEMS resonator
WO2019003549A1 (ja) 2017-06-28 2019-01-03 ソニー株式会社 情報処理装置、情報処理方法及びプログラム
US10943680B1 (en) * 2017-09-07 2021-03-09 Massachusetts Mutual Life Insurance Company Intelligent health-based blockchain
LT6620B (lt) * 2017-09-22 2019-05-10 Uab "Metapro Holding" Įranga žmogaus sveikatos būklei nustatyti naudojant sinchronizuotus duomenis iš daugelio jutiklių ir tos įrangos veikimo būdas
EP4298945A1 (en) 2017-10-19 2024-01-03 NIKE Innovate C.V. Article with at least two layers
KR102418120B1 (ko) * 2017-11-01 2022-07-07 삼성전자 주식회사 복수의 발광부 및 복수의 수광부를 포함하는 전자 장치
WO2019104267A1 (en) * 2017-11-27 2019-05-31 Senseonics, Incorporated Extending battery life
EP3948750A4 (en) * 2018-02-06 2022-11-16 Wickersham, Jill Anne SYSTEMS AND PROCEDURES FOR REAL-TIME DETECTION AND PROCUREMENT OF ARTICLES
WO2020162935A1 (en) 2019-02-06 2020-08-13 Wickersham Jill Anne Systems and methods for real-time item identification and sourcing
US10921360B2 (en) * 2018-02-09 2021-02-16 Hrl Laboratories, Llc Dual magnetic and electric field quartz sensor
JP7390307B2 (ja) * 2018-04-19 2023-12-01 ヘルスアップ エスピー．ゼット オー．オー． 携帯型の手持ち式電子肺活量計
EP3787507A4 (en) * 2018-05-03 2022-01-12 Dexcom, Inc. SYSTEMS AND METHODS FOR ACTIVATING AN ANALYTICAL SENSOR ELECTRONICS
DK201870378A1 (en) 2018-05-07 2020-01-13 Apple Inc. DISPLAYING USER INTERFACES ASSOCIATED WITH PHYSICAL ACTIVITIES
US11317833B2 (en) 2018-05-07 2022-05-03 Apple Inc. Displaying user interfaces associated with physical activities
US10819276B1 (en) 2018-05-31 2020-10-27 Hrl Laboratories, Llc Broadband integrated RF magnetic antenna
US11040290B2 (en) 2018-06-22 2021-06-22 At&T Intellectual Property I, L.P. Network-controllable physical resources for sensory service
US11426101B2 (en) 2018-07-09 2022-08-30 Verily Life Sciences Llc Systems and methods for sensors with multimode wireless communications and for enabling NFC communications with a wearable biosensor
US11038555B2 (en) 2018-08-06 2021-06-15 Verily Life Sciences Llc Systems and methods for enabling NFC communications with a wearable biosensor
US10953307B2 (en) 2018-09-28 2021-03-23 Apple Inc. Swim tracking and notifications for wearable devices
CN111623810A (zh) * 2019-02-27 2020-09-04 多方科技(广州)有限公司 移动侦测方法及其电路
US11563420B1 (en) 2019-03-29 2023-01-24 Hrl Laboratories, Llc Femto-tesla MEMS RF antenna with integrated flux concentrator
DK201970532A1 (en) 2019-05-06 2021-05-03 Apple Inc Activity trends and workouts
JP7297940B2 (ja) 2019-06-01 2023-06-26 アップル インコーポレイテッド マルチモードの活動追跡ユーザインタフェース
US11988727B1 (en) 2019-07-31 2024-05-21 Hrl Laboratories, Llc Magnetostrictive MEMS magnetic gradiometer
US20210217531A1 (en) * 2020-01-14 2021-07-15 Yogendra Kumar Bobra Cloud-connected ring-based sensor system
DK202070613A1 (en) 2020-02-14 2021-10-15 Apple Inc User interfaces for workout content
US12076618B2 (en) * 2020-10-30 2024-09-03 Samsung Electronics Co., Ltd. Electronic device for providing real-time speed based on GPS signal and/or pedometer information, and method of controlling the same
US12050448B2 (en) * 2021-01-29 2024-07-30 Tata Consultancy Services Limited Method and system to control a continuous bioprocessing
EP4323992A1 (en) 2021-05-15 2024-02-21 Apple Inc. User interfaces for group workouts
WO2022251360A1 (en) * 2021-05-27 2022-12-01 Tdk Corporation Method and system for positioning with improved resource conservation
US11782521B2 (en) * 2022-03-14 2023-10-10 Lenovo (United States) Inc. Displaying applications on a mobile computing device based on different relative positions
US11896871B2 (en) 2022-06-05 2024-02-13 Apple Inc. User interfaces for physical activity information
US11977729B2 (en) 2022-06-05 2024-05-07 Apple Inc. Physical activity information user interfaces
WO2024042227A1 (en) 2022-08-26 2024-02-29 Eclypia Wearable monitoring system and method and computer program

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2005253610A (ja) * 2004-03-10 2005-09-22 Fukushima Prefecture 生体センサベルト
JP2011519592A (ja) * 2008-04-21 2011-07-14 フィロメトロン，インコーポレイティド 代謝エネルギー監視システム
US20130096843A1 (en) * 2010-09-30 2013-04-18 Fitbit, Inc. Portable Monitoring Devices and Methods of Operating Same
JP2013078543A (ja) * 2011-10-05 2013-05-02 Win Human Recorder Co Ltd 自律神経活動指標算出方法、自律神経活動指標算出装置とそれを用いたココロとカラダのバランスの視覚的表示システム

Family Cites Families (193)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US3943918A (en) 1971-12-02 1976-03-16 Tel-Pac, Inc. Disposable physiological telemetric device
US3797010A (en) 1972-07-31 1974-03-12 R Adler Jogging computer
US4141367A (en) 1977-04-29 1979-02-27 Med Telectronics Ltd. Cardiac electrode/pacer system analyzer
US4578769A (en) 1983-02-09 1986-03-25 Nike, Inc. Device for determining the speed, distance traversed, elapsed time and calories expended by a person while running
JPS60261432A (ja) 1984-06-11 1985-12-24 浅井　利夫 水中において運動している生体の心電図無線遠隔記録方法
IT1182540B (it) 1985-07-25 1987-10-05 Paolo Rossi Apparecchiatura con una parte impiantabile nel sottocute per il rilevamento continuo di variabili fisiologiche cardiorespiratorie
US4800894A (en) 1986-11-07 1989-01-31 Medical Research Laboratories Protection of EKG monitor against electrical surgical interference
US4776339A (en) * 1987-03-05 1988-10-11 N.A.D., Inc. Interlock for oxygen saturation monitor anesthesia apparatus
JPH0191834A (ja) 1987-08-20 1989-04-11 Tsuruta Hiroko 個人医療データの集中管理装置
GB8726933D0 (en) 1987-11-18 1987-12-23 Cadell T E Telemetry system
US4957109A (en) 1988-08-22 1990-09-18 Cardiac Spectrum Technologies, Inc. Electrocardiograph system
DE3906071A1 (de) 1989-02-27 1990-08-30 Schmid Walter Koerperelektrode
US5331975A (en) 1990-03-02 1994-07-26 Bonutti Peter M Fluid operated retractors
ATE175068T1 (de) 1990-08-31 1999-01-15 Gen Hospital Corp System zum verwalten mehrerer geräte, zum beispiel von tragbaren patientenüberwachungsgeräten in einem netz
US5309918A (en) 1991-03-28 1994-05-10 Hewlett-Packard Company Transducer for converting floating ground potential signals to non-floating signals and method of use
CA2133424A1 (en) 1992-04-03 1993-10-14 Harry Louis Platt Sensor and system for physiological monitoring
US5966692A (en) 1992-05-12 1999-10-12 Telemed Technologies International Corporation Method and system for monitoring the heart of a patient
US5257631A (en) 1992-07-21 1993-11-02 Wilk Peter J Electrocardiographic method and device
US5294928A (en) 1992-08-31 1994-03-15 Microchip Technology Incorporated A/D converter with zero power mode
FR2695503B1 (fr) 1992-09-04 1994-10-21 Thomson Csf Système de transmission de données médicales, sans fil.
US5305746A (en) 1992-09-29 1994-04-26 Aspect Medical Systems, Inc. Disposable, pre-gelled, self-prepping electrode
US5394879A (en) 1993-03-19 1995-03-07 Gorman; Peter G. Biomedical response monitor-exercise equipment and technique using error correction
DK0617914T3 (da) 1993-03-31 1999-06-21 Siemens Medical Systems Inc Indretning og fremgangsmåde til afgivelse af dobbelte udgangssignaler i en telemetri-sender
US5544661A (en) 1994-01-13 1996-08-13 Charles L. Davis Real time ambulatory patient monitor
NL9400119A (nl) 1994-01-27 1995-09-01 3P Licensing Bv Werkwijze voor het met een hardende kunststof omhullen van een electronische component, electronische componenten met kunststofomhulling verkregen door middel van deze werkwijze en matrijs voor het uitvoeren der werkwijze.
US6212944B1 (en) 1994-04-13 2001-04-10 Southwest Research Institute Apparatus and method for monitoring engine conditions, using magnetostrictive sensors
US5549115A (en) 1994-09-28 1996-08-27 Heartstream, Inc. Method and apparatus for gathering event data using a removable data storage medium and clock
US5464021A (en) 1994-10-14 1995-11-07 Polar Electro Oy Telemetric transmitter unit
US5579775A (en) 1994-10-20 1996-12-03 Hewlett-Packard Company Dynamic control of a patient monitoring system
US5579001A (en) 1994-10-20 1996-11-26 Hewlett-Packard Co. Paging-based backchannel in a medical telemetry system
US5687734A (en) 1994-10-20 1997-11-18 Hewlett-Packard Company Flexible patient monitoring system featuring a multiport transmitter
US5919141A (en) 1994-11-15 1999-07-06 Life Sensing Instrument Company, Inc. Vital sign remote monitoring device
FI100452B (fi) 1994-12-29 1997-12-15 Polar Electro Oy Menetelmä ja laite henkilön sykemittauksen yhteydessä
US5515735A (en) 1995-01-03 1996-05-14 Motorola, Inc. Micromachined flow sensor device using a pressure difference and method of manufacturing the same
IL112818A (en) 1995-02-28 1999-10-28 Iscar Ltd Tool holder having a grooved seat
WO1996029005A1 (fr) 1995-03-17 1996-09-26 Citizen Watch Co., Ltd. Enregistreur de frequence du pouls
US5889211A (en) 1995-04-03 1999-03-30 Motorola, Inc. Media compatible microsensor structure and methods of manufacturing and using the same
US5938597A (en) 1995-05-04 1999-08-17 Stratbucker; Robert A. Electrocardiograph bioelectric interface system and method of use
US6911727B1 (en) 1995-06-06 2005-06-28 Analog Devices, Inc. Package for sealing an integrated circuit die
TW339277B (en) 1995-06-23 1998-09-01 Precor Inc Exercise display system for aiding a user in maintaining a desired exercise intensity level while exercising
JP3789136B2 (ja) 1995-07-28 2006-06-21 ユニリード インターナショナル インコーポレイテッド 使い捨て皮膚電気装置
US5600071A (en) 1995-09-05 1997-02-04 Motorola, Inc. Vertically integrated sensor structure and method
US5808331A (en) 1995-09-05 1998-09-15 Motorola, Inc. Monolithic semiconductor device having a microstructure and a transistor
KR970020056A (ko) 1995-09-19 1997-05-28 노보루 아까사까 환자 모니터 장치
US5748103A (en) 1995-11-13 1998-05-05 Vitalcom, Inc. Two-way TDMA telemetry system with power conservation features
US5944659A (en) 1995-11-13 1999-08-31 Vitalcom Inc. Architecture for TDMA medical telemetry system
US5832490A (en) 1996-05-31 1998-11-03 Siemens Medical Systems, Inc. Lossless data compression technique that also facilitates signal analysis
US5735285A (en) 1996-06-04 1998-04-07 Data Critical Corp. Method and hand-held apparatus for demodulating and viewing frequency modulated biomedical signals
EP0816986B1 (en) 1996-07-03 2006-09-06 Hitachi, Ltd. System for recognizing motions
US5995861A (en) 1996-08-16 1999-11-30 Price; Michael A. Precordial overlay for positioning electrocardiograph electrodes
DE19637383A1 (de) 1996-09-13 1998-04-02 Siemens Ag Datenerfassungs- und Auswertevorrichtung für eine Person
US5987519A (en) 1996-09-20 1999-11-16 Georgia Tech Research Corporation Telemedicine system using voice video and data encapsulation and de-encapsulation for communicating medical information between central monitoring stations and remote patient monitoring stations
US6018673A (en) 1996-10-10 2000-01-25 Nellcor Puritan Bennett Incorporated Motion compatible sensor for non-invasive optical blood analysis
US5882300A (en) 1996-11-07 1999-03-16 Spacelabs Medical, Inc. Wireless patient monitoring apparatus using inductive coupling
US6198394B1 (en) 1996-12-05 2001-03-06 Stephen C. Jacobsen System for remote monitoring of personnel
US5910109A (en) 1997-02-20 1999-06-08 Emerging Technology Systems, Llc Non-invasive glucose measuring device and method for measuring blood glucose
US6148233A (en) 1997-03-07 2000-11-14 Cardiac Science, Inc. Defibrillation system having segmented electrodes
US6026321A (en) 1997-04-02 2000-02-15 Suzuki Motor Corporation Apparatus and system for measuring electrical potential variations in human body
US6013933A (en) 1997-05-30 2000-01-11 Motorola, Inc. Semiconductor structure having a monocrystalline member overlying a cavity in a semiconductor substrate and process therefor
JPH1142214A (ja) 1997-07-23 1999-02-16 Teruo Ido 携帯型無線心電監視装置
US6089692A (en) 1997-08-08 2000-07-18 Eastman Kodak Company Ink jet printing with multiple drops at pixel locations for gray scale
US6076003A (en) 1998-05-01 2000-06-13 R.Z. Comparative Diagnostics Ltd. Electrocardiography electrodes holder and monitoring set
JPH1188546A (ja) 1997-09-12 1999-03-30 Nec Corp 危機通知システム
US6298314B1 (en) 1997-10-02 2001-10-02 Personal Electronic Devices, Inc. Detecting the starting and stopping of movement of a person on foot
US6018705A (en) 1997-10-02 2000-01-25 Personal Electronic Devices, Inc. Measuring foot contact time and foot loft time of a person in locomotion
US6898550B1 (en) 1997-10-02 2005-05-24 Fitsense Technology, Inc. Monitoring activity of a user in locomotion on foot
US6493652B1 (en) 1997-10-02 2002-12-10 Personal Electronic Devices, Inc. Monitoring activity of a user in locomotion on foot
EP0910985A1 (en) 1997-10-20 1999-04-28 Robert Allen Stratbucker Electrocardiograph bioelectric interface system and method of use
DE69700384T2 (de) 1997-12-22 1999-11-25 Hewlett-Packard Co., Palo Alto Telemetriesystem, insbesondere für medizinische Zwecke
EP0925756B8 (en) 1997-12-25 2008-08-13 Nihon Kohden Corporation Biological signal transmission apparatus
US6006125A (en) 1998-02-12 1999-12-21 Unilead International Inc. Universal electrocardiogram sensor positioning device and method
US6579231B1 (en) 1998-03-27 2003-06-17 Mci Communications Corporation Personal medical monitoring unit and system
US6171237B1 (en) 1998-03-30 2001-01-09 Boaz Avitall Remote health monitoring system
US6073046A (en) 1998-04-27 2000-06-06 Patel; Bharat Heart monitor system
US6171264B1 (en) 1998-05-15 2001-01-09 Biosys Ab Medical measuring system
US6241663B1 (en) * 1998-05-18 2001-06-05 Abbott Laboratories Method for improving non-invasive determination of the concentration of analytes in a biological sample
US6057758A (en) 1998-05-20 2000-05-02 Hewlett-Packard Company Handheld clinical terminal
US6047463A (en) 1998-06-12 2000-04-11 Intermedics Inc. Embedded trimmable resistors
US6167290A (en) * 1999-02-03 2000-12-26 Bayspec, Inc. Method and apparatus of non-invasive measurement of human/animal blood glucose and other metabolites
EP1028466B1 (en) 1999-02-09 2006-08-02 STMicroelectronics S.r.l. Method for manufacturing integrated devices including electromechanical microstructures, without residual stress
US6870484B1 (en) 1999-03-24 2005-03-22 Ge Marquette Medical Systems, Inc. Patient monitoring systems having two-way communication
US6190324B1 (en) 1999-04-28 2001-02-20 Medtronic, Inc. Implantable medical device for tracking patient cardiac status
US6448621B1 (en) 1999-06-04 2002-09-10 Mrinal Thakur Sensor apparatus using an electrochemical cell
US6586810B2 (en) 1999-06-04 2003-07-01 Mrinal Thakur Sensor apparatus using an electrochemical cell
US7187924B2 (en) 2000-02-08 2007-03-06 Fitsense Technology, Inc. Intelligent data network with power management capabilities
DE10008917A1 (de) 2000-02-25 2001-08-30 Biotronik Mess & Therapieg Anordnung zur Überwachung und Lokalisierung von Patienten
US6440067B1 (en) 2000-02-28 2002-08-27 Altec, Inc. System and method for remotely monitoring functional activities
US6544173B2 (en) 2000-05-19 2003-04-08 Welch Allyn Protocol, Inc. Patient monitoring system
US6430525B1 (en) * 2000-06-05 2002-08-06 Masimo Corporation Variable mode averager
AU2001264182A1 (en) 2000-06-22 2002-01-02 Fredrick J. Mindermann System for maintenance and management of health
US6847892B2 (en) 2001-10-29 2005-01-25 Digital Angel Corporation System for localizing and sensing objects and providing alerts
US6459934B1 (en) 2000-07-21 2002-10-01 Cardiac Pacemakers, Inc. Estimate of efficiency using acceleration-heart rate ratio
CA2408338C (en) 2000-08-18 2009-09-08 Cygnus, Inc. Methods and devices for prediction of hypoglycemic events
CA2421836A1 (en) * 2000-09-11 2002-03-21 Minos Biosystems Limited Pest control system
AU2002212848A1 (en) 2000-10-09 2002-04-22 Neuronz Limited Sensor assembly for monitoring an infant brain
US20030004549A1 (en) * 2000-10-26 2003-01-02 Medtronic, Inc. Method and apparatus to minimize the effects of a cardiac insult
AU2002228878A1 (en) 2000-11-13 2002-05-21 Primarion, Inc. Method and circuit for pre-emphasis equalization in high speed data communications
JP2004533740A (ja) 2001-03-03 2004-11-04 オプティマム・パワー・テクノロジー・エルピー サンプリング周波数に関連してフィルタ周波数を調整する装置および方法。
US6867703B2 (en) 2001-03-07 2005-03-15 Yulian Neykov Safety-protection circuit
US6774795B2 (en) 2001-06-30 2004-08-10 Koninklijke Philips Electroncs N.V. Electronic assistant incorporated in personal objects
US20030208113A1 (en) * 2001-07-18 2003-11-06 Mault James R Closed loop glycemic index system
US7027790B2 (en) 2001-08-10 2006-04-11 Broadcom Corporation Transceiver front-end
US6623312B2 (en) 2001-10-04 2003-09-23 Unilead International Precordial electrocardiogram electrode connector
AUPR875101A0 (en) 2001-11-08 2001-11-29 Mondo Medical Limited Monitoring system
US20030107487A1 (en) 2001-12-10 2003-06-12 Ronen Korman Method and device for measuring physiological parameters at the wrist
US20030149349A1 (en) 2001-12-18 2003-08-07 Jensen Thomas P. Integral patch type electronic physiological sensor
US6997882B1 (en) 2001-12-21 2006-02-14 Barron Associates, Inc. 6-DOF subject-monitoring device and method
US8660645B2 (en) 2002-02-28 2014-02-25 Greatbatch Ltd. Electronic network components utilizing biocompatible conductive adhesives for direct body fluid exposure
US8849379B2 (en) 2002-04-22 2014-09-30 Geelux Holdings, Ltd. Apparatus and method for measuring biologic parameters
US6904313B1 (en) 2002-05-23 2005-06-07 Pacesetter, Inc. Methods and systems for monitoring heart rate recovery
US6909912B2 (en) * 2002-06-20 2005-06-21 University Of Florida Non-invasive perfusion monitor and system, specially configured oximeter probes, methods of using same, and covers for probes
US6879850B2 (en) * 2002-08-16 2005-04-12 Optical Sensors Incorporated Pulse oximeter with motion detection
JP2006520657A (ja) 2003-03-21 2006-09-14 ウェルチ・アリン・インコーポレーテッド 個人状態生理学的監視システム及び構造、及びモニタリング方法
JP3848286B2 (ja) 2003-04-16 2006-11-22 ローム株式会社 チップ抵抗器
US20090131759A1 (en) 2003-11-04 2009-05-21 Nathaniel Sims Life sign detection and health state assessment system
DE10355411B3 (de) 2003-11-27 2005-07-14 Siemens Ag Einspritzanlage und Einspritzverfahren für eine Brennkraftmaschine
US7313439B2 (en) 2003-12-03 2007-12-25 Medtronic, Inc. Method and apparatus for predicting arrhythmias using diurnal heart rate
US7981058B2 (en) 2004-03-12 2011-07-19 The Trustees Of Dartmouth College Intelligent wearable monitor systems and methods
US7439856B2 (en) 2004-03-20 2008-10-21 Welch Allyn, Inc. Health care patient status event processing and reporting
US7280040B2 (en) 2004-03-21 2007-10-09 Aware Technologies, Inc. Distributed multi-nodal voice/data communication
CA2560323C (en) 2004-03-22 2014-01-07 Bodymedia, Inc. Non-invasive temperature monitoring device
US20050216334A1 (en) 2004-03-23 2005-09-29 Parviz Mehrabani-Farsi Wireless advertisement system
JP3987053B2 (ja) 2004-03-30 2007-10-03 株式会社東芝 睡眠状態判定装置および睡眠状態判定方法
TW200537901A (en) 2004-04-22 2005-11-16 Yuh-Swu Hwang Method and apparatus enable mobile phone capable of exercise measuring and workout support
US20070270678A1 (en) 2004-06-18 2007-11-22 Fadem Kalford C Wireless Electrode for Biopotential Measurement
US7202649B2 (en) 2004-08-25 2007-04-10 Qortek, Inc. High frequency switch circuit
US7904180B2 (en) 2004-10-04 2011-03-08 Peerlead Medical, Inc. Capacitive medical electrode
AR047851A1 (es) 2004-12-20 2006-03-01 Giniger Alberto German Un nuevo marcapasos que restablece o preserva la conduccion electrica fisiologica del corazon y un metodo de aplicacion
US9215788B2 (en) 2005-01-18 2015-12-15 Alma Lasers Ltd. System and method for treating biological tissue with a plasma gas discharge
CN101779949B (zh) 2005-03-09 2013-03-13 库蒂森斯股份公司 嵌入有微电子系统的三维粘合剂器件
EP1931239B1 (de) * 2005-08-09 2012-08-08 Flore, Ingo Medizinische messvorrichtung
US7691069B2 (en) 2005-08-23 2010-04-06 Joshua Adams Method, system and computer program product for performance monitoring and planning
US7534206B1 (en) 2005-09-19 2009-05-19 Garmin Ltd. Navigation-assisted fitness and dieting device
US20070073514A1 (en) 2005-09-26 2007-03-29 Aisin Seiki Kabushiki Kaisha Walking analyzer
US20070073132A1 (en) 2005-09-27 2007-03-29 Michael Vosch Apparatus and method for monitoring patients
US20070073178A1 (en) 2005-09-29 2007-03-29 Berkeley Heartlab, Inc. Monitoring device for measuring calorie expenditure
US20070191728A1 (en) 2006-02-10 2007-08-16 Adnan Shennib Intrapartum monitor patch
IES20060134A2 (en) 2006-02-23 2007-09-05 Sensor Technologies And Device Biomedical surface electrode
DE102007015173A1 (de) * 2006-04-12 2007-10-31 Weinmann Geräte für Medizin GmbH & Co. KG Verfahren und Vorrichtung zur Bestimmung von mindestens zwei Inhaltsstoffen einer Körperflüssigkeit
US20070288265A1 (en) 2006-04-28 2007-12-13 Thomas Quinian Intelligent device and data network
KR100786817B1 (ko) * 2006-06-12 2007-12-18 주식회사 헬스피아 위급 상황 알림 시스템 및 방법
US7768415B2 (en) 2006-09-28 2010-08-03 Nike, Inc. Sensor device with persistent low power beacon
US8214007B2 (en) 2006-11-01 2012-07-03 Welch Allyn, Inc. Body worn physiological sensor device having a disposable electrode module
TWI312674B (en) 2006-11-08 2009-08-01 Ind Tech Res Inst A bio-monitoring apparatus
US8082122B2 (en) 2006-12-12 2011-12-20 Samsung Electronics Co., Ltd. Mobile device having a motion detector
US7653508B1 (en) 2006-12-22 2010-01-26 Dp Technologies, Inc. Human activity monitoring device
GB0704429D0 (en) 2007-03-08 2007-04-18 Sensor Technologies & Devices Method and apparatus for determining information concerning the identity of an individual
US7753861B1 (en) 2007-04-04 2010-07-13 Dp Technologies, Inc. Chest strap having human activity monitoring device
WO2008133921A1 (en) 2007-04-23 2008-11-06 Dp Technologies, Inc. Eyewear having human activity monitoring device
GB0709531D0 (en) 2007-05-18 2007-06-27 Sensor Technologies & Devices Sensors
US8718742B2 (en) 2007-05-24 2014-05-06 Hmicro, Inc. Integrated wireless patch for physiological monitoring
WO2009009761A1 (en) 2007-07-11 2009-01-15 Triage Wireless, Inc. Device for determining respiratory rate and other vital signs
CN101108125B (zh) * 2007-08-02 2010-06-16 无锡微感科技有限公司 一种身体体征动态监测系统
US7647196B2 (en) 2007-08-08 2010-01-12 Dp Technologies, Inc. Human activity monitoring device with distance calculation
US8702430B2 (en) 2007-08-17 2014-04-22 Adidas International Marketing B.V. Sports electronic training system, and applications thereof
US8116841B2 (en) 2007-09-14 2012-02-14 Corventis, Inc. Adherent device with multiple physiological sensors
GB0721575D0 (en) 2007-11-02 2007-12-12 Sensor Technology & Devices Lt Measurement of oxygen saturation of blood haemoglobin
CA2704923C (en) 2007-11-09 2016-04-05 Google, Inc. Activating applications based on accelerometer data
WO2009083032A1 (en) 2007-12-28 2009-07-09 Fundacion Fatronik Method to detect physical blocking episodes on an individual activity
US8066640B2 (en) * 2008-04-22 2011-11-29 EOS Health, Inc. Cellular GPRS-communication linked glucometer—pedometer
US8996332B2 (en) 2008-06-24 2015-03-31 Dp Technologies, Inc. Program setting adjustments based on activity identification
EP2347360A1 (en) 2008-08-20 2011-07-27 Espenusa Holding, LLC Physical activity tracking and rewards allocation system
WO2010036488A1 (en) 2008-09-26 2010-04-01 Muve, Inc. Personalized activity monitor and weight management system
WO2010065067A1 (en) * 2008-11-20 2010-06-10 Bodymedia, Inc. Method and apparatus for determining critical care parameters
EP2398383A4 (en) 2009-02-20 2013-07-03 Univ Colorado Regents ARTICLE BASED BODY WEIGHT MONITOR AND POSITIONING INSTRUCTION, CLASSIFICATION OF BODY ACTIVITIES AND ENERGY CONSUMPTION CALCULATOR
US8560267B2 (en) 2009-09-15 2013-10-15 Imetrikus, Inc. Identifying one or more activities of an animate or inanimate object
US8972197B2 (en) 2009-09-15 2015-03-03 Numera, Inc. Method and system for analyzing breathing of a user
US20100217533A1 (en) 2009-02-23 2010-08-26 Laburnum Networks, Inc. Identifying a Type of Motion of an Object
KR20120003908A (ko) 2009-03-30 2012-01-11 키오닉스, 인크. 가속도계를 사용하는 방향성 탭 검출 알고리즘
US8909330B2 (en) * 2009-05-20 2014-12-09 Sotera Wireless, Inc. Body-worn device and associated system for alarms/alerts based on vital signs and motion
US10973414B2 (en) 2009-05-20 2021-04-13 Sotera Wireless, Inc. Vital sign monitoring system featuring 3 accelerometers
US9775529B2 (en) * 2009-06-17 2017-10-03 Sotera Wireless, Inc. Body-worn pulse oximeter
US20110054290A1 (en) * 2009-09-01 2011-03-03 Adidas AG, World of Sports Method and System for Interpretation and Analysis of Physiological, Performance, and Contextual Information
US8755868B2 (en) 2009-09-14 2014-06-17 Imec Adaptive sampling
US8560040B2 (en) 2010-01-04 2013-10-15 Koninklijke Philips N.V. Shielded biomedical electrode patch
US9107627B2 (en) 2010-09-21 2015-08-18 Alexander B Grey Method for assessing and optimizing muscular performance including a muscleprint protocol
US20120226117A1 (en) * 2010-12-01 2012-09-06 Lamego Marcelo M Handheld processing device including medical applications for minimally and non invasive glucose measurements
WO2012125425A2 (en) 2011-03-11 2012-09-20 Proteus Biomedical, Inc. Wearable personal body associated device with various physical configurations
WO2012127370A1 (en) 2011-03-23 2012-09-27 Koninklijke Philips Electronics N.V. Pulse oximetry in respiratory therapy patient interface
FI20115351A0 (fi) 2011-04-12 2011-04-12 Firstbeat Technologies Oy Järjestelmä käyttäjän fyysisen tilan tarkkailemiseksi
US9256711B2 (en) 2011-07-05 2016-02-09 Saudi Arabian Oil Company Systems, computer medium and computer-implemented methods for providing health information to employees via augmented reality display
EP2589333A1 (en) 2011-11-04 2013-05-08 BIOTRONIK SE & Co. KG Apparatus and system for long-term cutaneous cardiac monitoring
US9700222B2 (en) 2011-12-02 2017-07-11 Lumiradx Uk Ltd Health-monitor patch
US20150119728A1 (en) 2011-12-02 2015-04-30 Fitlinxx, Inc. Health monitor
US9734304B2 (en) 2011-12-02 2017-08-15 Lumiradx Uk Ltd Versatile sensors with data fusion functionality
US20130158686A1 (en) 2011-12-02 2013-06-20 Fitlinxx, Inc. Intelligent activity monitor
US9352207B2 (en) 2012-01-19 2016-05-31 Nike, Inc. Action detection and activity classification
WO2013152094A1 (en) 2012-04-03 2013-10-10 Altec, Inc. Disposable low-profile conformable biomedical sensor
EP2892422B1 (en) 2012-09-04 2022-04-06 LKC Technologies, Inc. Electrode array and method of measuring using it
US10413251B2 (en) 2012-10-07 2019-09-17 Rhythm Diagnostic Systems, Inc. Wearable cardiac monitor
US10772522B2 (en) 2013-03-12 2020-09-15 Vital Connect, Inc. Disposable biometric patch device
US9795299B2 (en) 2013-09-27 2017-10-24 Covidien Lp Modular physiological sensing patch
JP2016087174A (ja) 2014-11-06 2016-05-23 株式会社東芝 電子機器

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2005253610A (ja) * 2004-03-10 2005-09-22 Fukushima Prefecture 生体センサベルト
JP2011519592A (ja) * 2008-04-21 2011-07-14 フィロメトロン，インコーポレイティド 代謝エネルギー監視システム
US20130096843A1 (en) * 2010-09-30 2013-04-18 Fitbit, Inc. Portable Monitoring Devices and Methods of Operating Same
JP2013078543A (ja) * 2011-10-05 2013-05-02 Win Human Recorder Co Ltd 自律神経活動指標算出方法、自律神経活動指標算出装置とそれを用いたココロとカラダのバランスの視覚的表示システム

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2020054892A1 (ko) * 2018-09-13 2020-03-19 주식회사 피트 건강위험도 평가 장치 및 방법

Also Published As

Publication number Publication date
US20130217979A1 (en) 2013-08-22
US20170316182A1 (en) 2017-11-02
US9734304B2 (en) 2017-08-15
US20140156043A1 (en) 2014-06-05

Similar Documents

Publication Publication Date Title
JP2017506398A (ja) 健康モニタ
US20150119728A1 (en) Health monitor
EP3366216A1 (en) Health monitor
US11986323B2 (en) Applied data quality metrics for physiological measurements
US11410765B2 (en) Continuously wearable monitoring device
EP3349647B1 (en) Physiological signal monitoring
EP3197354B1 (en) Medical device
US7827011B2 (en) Method and system for real-time signal classification
CN116194034A (zh) 基于神经系统度量的疾病检测
US20230106450A1 (en) Wearable infection monitor
EP3225167B1 (en) Versatile sensors with data fusion functionality
WO2022256942A1 (en) Wearable device including processor and accelerator
Selvan et al. Smart Shoes for Fitness and Performance Analysis of Sportsmen
Cardoso Sensors fusion and movement analysis for sports performance optimization
Chinrungrueng et al. My Act: an automatic daily caloric estimation based on physical activity data using smartphones

Legal Events

Date Code Title Description
A521 Request for written amendment filed

Free format text: JAPANESE INTERMEDIATE CODE: A523

Effective date: 20161018

A521 Request for written amendment filed

Free format text: JAPANESE INTERMEDIATE CODE: A523

Effective date: 20170306

A621 Written request for application examination

Free format text: JAPANESE INTERMEDIATE CODE: A621

Effective date: 20170915

A131 Notification of reasons for refusal

Free format text: JAPANESE INTERMEDIATE CODE: A131

Effective date: 20180726

A977 Report on retrieval

Free format text: JAPANESE INTERMEDIATE CODE: A971007

Effective date: 20180727

A601 Written request for extension of time

Free format text: JAPANESE INTERMEDIATE CODE: A601

Effective date: 20181025

A601 Written request for extension of time

Free format text: JAPANESE INTERMEDIATE CODE: A601

Effective date: 20181213

A02 Decision of refusal

Free format text: JAPANESE INTERMEDIATE CODE: A02

Effective date: 20190315