JP2018506763A - ウェアラブルデバイスの測定を使用して健康データを生成するためのシステム及び方法 - Google Patents

Abstract

健康データを生成するためのコンピュータ実施方法が提供される。当該方法は、ある時間間隔にわたってウェアラブルデバイスの１つ以上のセンサにより測定されるセンサデータセットを受け取る工程を含み、センサデータセットは、その時間間隔にわたるウェアラブルデバイスのユーザの身体パラメータの時系列プロファイルを示す。方法は、時系列プロファイルに一致するユーザのアクティビティタイプを決定する工程と、健康メトリックに関連付けられる値を計算する工程も含み、該値は、アクティビティタイプに基づいて計算される。

Description

本発明は、一般に、ウェアラブルデバイスセンサからのセンサ測定データを使用して計算を実行することに関する。より具体的には、本発明は、ウェアラブルデバイスの測定を使用してユーザの健康データを決定することに関する。

ウェアラブル技術は、ユーザが装着することができる様々な目立たないセンサを通して、データ取得を提供することができる電子システムの新たなクラスである。センサは、例えば環境、ユーザのアクティビティ又はユーザの健康状態に関する情報を収集する。しかしながら、収集したデータの調整、計算、通信、プライバシ、セキュリティ及びプレゼンテーションに関連する重大な課題が存在する。

加えて、バッテリ技術の現在の状態を考えると、電力管理に関連する課題が存在する。さらに、センサによって収集されるデータを、エンドユーザにとって有益で関連性のあるものにするために、データの分析が必要とされる。一部の場合では、追加の情報源を使用してセンサによって収集されるデータを補足することができる。ウェアラブル技術が提示する多くの課題は、ハードウェア及びソフトウェアにおける新たな設計を必要とする。

ウェアラブルデバイスの利点には、ユーザに対するその近接性と、その演算の一貫性がある。例えば幾つかのウェアラブルデバイスは、ユーザによって装着されている間、常に連続的にユーザのデータ及び／又はユーザのバイタルサインをモニタする。そのような情報は、ユーザの状態及び挙動についての後の分析において有益であり、かつ／又は測定によって必要とされるアクションを実行するために使用することができる。

しかしながら、ユーザのデータを常にモニタリングすることは、ウェアラブルデバイスが実行することができる測定の柔軟性を低下させ、望まない結果につながる可能性がある。

本発明の一部の実施形態は、電子センサをウェアラブルデバイスに結合して、１つ以上の検出されたパラメータ又は条件に関するデータを収集して操作することができるという認識に基づいている。例えば加速度を感知するセンサを使用して動きに関連するデータを収集し、その後、ウェアラブルデバイスにおける計算を使用して、このデータを操作することができる。センサによって感知されたセンサデータはメモリに記憶されてよく、アルゴリズムを実行するプロセッサは、ユーザの健康メトリック（health metrics）を決定するために使用することができるデータ内のプロファイルを識別することができる。

本発明の一部の実施形態は、ユーザの健康メトリックの決定が、他の身体パラメータに加えてユーザのアクティビティタイプを考慮する必要があるという認識に基づいている。例えばユーザの健康メトリックが、ユーザが進んだ歩数に基づいて決定される消費カロリー数である場合、消費したカロリーを決定する方法は、ユーザが歩いた歩数だけでなく、その時間中にユーザが走っていたのか歩いていたのかも考慮する必要がある。

一部の実施形態は、ある時間間隔にわたって測定されるウェアラブルデバイスのユーザの身体パラメータの時系列プロファイル（time series profiles）を使用して、ユーザのアクティビティタイプを決定することができるという別の実現に基づいている。定義上、時系列（a time series）とは、時間間隔にわたって行われる一連の連続するデータポイントである。本明細書で使用されるとき、時系列プロファイルは、ウェアラブルデバイスの１つ以上のセンサの連続する測定の関数である。

本発明の一部の実施形態の目的は、健康メトリックの計算においてユーザのアクティビティタイプを考慮することによって、ユーザの健康メトリックの正確性を向上させることにある。本発明の一部の実施形態の別の目的は、ウェアラブルデバイスのユーザの身体パラメータの時系列プロファイルに基づいて、ユーザのアクティビティタイプ及び／又はアクティビティタイプについてのメトリック方法（metric method）を決定することである。本明細書で使用されるとき、身体パラメータは、これらに限定されないが、ユーザの水分（hydration）、カロリー、血圧、血糖（blood sugar、blood glucose）、インスリン、体温、熱、熱流束、心拍数、体重、睡眠、歩数、速度、加速度、ビタミンレベル、呼吸数、心音、呼吸音、運動速度、皮膚水分、汗の検出、汗の組成（sweat composition）又は神経発火を含む可能性がある。

したがって、本発明の一実施形態は、健康データを生成するためのコンピュータ実施方法を開示する。当該方法は：ある時間間隔（an interval of time）にわたってウェアラブルデバイスの１つ以上のセンサにより測定されるセンサデータセットを受け取る工程であって、センサデータセットは、時間間隔にわたるウェアラブルデバイスのユーザの身体パラメータの時系列プロファイルを示す、工程と；時系列プロファイルに一致するユーザのアクティビティタイプを決定する工程と；健康メトリックに関連付けられる値を計算する工程であって、その値をアクティビティタイプに基づいて計算する工程と；を含む。

本発明の別の実施形態は、健康データを生成するためのシステムを開示し、当該システムは：各時系列プロファイルが対応するアクティビティタイプに関連付けられるように、ユーザの対応するアクティビティタイプのセットに関連付けられるユーザの身体パラメータの時系列プロファイルのセットを有するデータセットを記憶するように構成される、ネットワークサーバと；ある時間間隔にわたってユーザの身体パラメータを測定し、時間間隔にわたる身体パラメータの時系列プロファイルを形成するよう構成されるセンサと；プロセッサであって、時系列プロファイルをデータセットの時系列プロファイルのセットとマッチングさせる工程と、記憶済みデータセットから、マッチングした時系列プロファイルに関連付けられるアクティビティタイプを選択する工程と、アクティビティタイプに基づいて健康メトリックに関連付けられる値を計算する工程とのために構成されるプロセッサと；を含む。

更に別の実施形態は、健康データを生成するための方法を実行するためにプロセッサによって実行可能なプログラムを具現化した非一時的なコンピュータ読取可能記憶媒体を開示する。上記方法は：ウェアラブルデバイスの１つ以上のセンサによって感知されるセンサデータセットを受け取る工程であって、センサデータセットは、アクティビティタイプを有しかつウェアラブルデバイスのユーザによって実行されるアクティビティの時間期間にわたる、ウェアラブルデバイスのユーザの身体パラメータの時系列プロファイルを示す工程と；時系列プロファイルに一致するメトリック方法を決定する工程であって、メトリック方法は、アクティビティタイプを有するアクティビティを実行しているユーザの健康メトリックを計算するために構成される工程と；メトリック方法を使用して健康メトリックの値を計算する工程と；を含む。

したがって、ウェアラブルデバイスによって生成されるメトリックの値の正確性を高めるというニーズと、ウェアラブルデバイスの計算のためのベースと相関する可能性のあるアクティビティのタイプをより正確に識別又は区別するというニーズが達成される。

本発明の一部の実施形態は、所与のアクティビティをより正確に識別することにより、より適切なアルゴリズム又は較正ツールをそのアクティビティのコンテキストで使用し、それによりウェアラブルデバイスの機能性及び利点を向上させるという洞察に基づく。

本発明の実施形態によるウェアラブルデバイスの運動タイプ較正（movement-type calibration）のための例示のシステムを実装することができるネットワーク環境を示す図である。 本発明の実施形態によるウェアラブルデバイスの例示のセンサから収集される例示のデータを示す図である。 本発明の実施形態によるウェアラブルデバイスの運動タイプ較正のためにシステムで使用され得る例示のデバイス及びアルゴリズムを示す図である。 本発明の実施形態によるウェアラブルデバイスの運動タイプ較正のためにシステムによって異なるアクティビティの間に感知され得る例示的なセンサデータのセットを示す図である。 本発明の実施形態によるウェアラブルデバイスの運動タイプ較正のための例示の較正方法を示すフローチャートである。 本発明の実施形態によるウェアラブルデバイスの運動タイプ較正のための例示のマッチング方法を示すフローチャートである。 本発明の実施形態による本明細書で説明される様々な特徴及び処理を実装するために用いることができるモバイルデバイスアーキテクチャを示す図である。 本発明の実施形態によるウェアラブルデバイスの運動タイプ較正のための例示的な計算方法を示すフローチャートである。 本発明の実施形態による健康データを生成するためのコンピュータ実施方法のブロック図である。 本発明の実施形態による記憶されたデータセットの概略図である。 本発明の実施形態による回帰関数をトレーニングする概略図である。 本発明の実施形態による、健康メトリックを計算するためのメトリック方法への参照を含む、記憶されたデータセットの例を示す図である。 代替的な実施形態の記憶されたデータセットの例を示す図である。 本発明の別の実施形態による健康データを生成するためのコンピュータ実施方法のブロック図である。

本発明の実施形態は、複数の異なるタイプのアクティビティについて累積されるセンサデータを格納する情報のライブラリ内に格納されるデータをレビューすることを含むことができる。ライブラリ内の情報を、ウェアラブルデバイスにあるか又はその近くにあるセンサによって感知されるデータと比較することができる。感知されたデータはメモリ内に格納され、センサによって感知されたデータに対応するアクティビティタイプを識別するときに、感知されたデータをライブラリ内の情報と比較することができる。

図１Ａは、ウェアラブルデバイスの運動タイプ較正のための例示のシステムを実装することができるネットワーク環境を図示している。ネットワーク環境は、（接続１２０を通して直接、あるいは接続１０５と接続１１０を使用してクラウド／インターネット１００を通して）ユーザデバイス１５０と通信するウェアラブルデバイス１３０と、インターネット／クラウド１００（接続１１５）に接続される、１つ以上のサーバを有するウェアラブルデバイスネットワーク１６０を含むことができる。

ウェアラブルデバイス１３０は、センサ１４５と、アルゴリズムソフトウェアモジュール１４０と、有線及び／又は無線通信インタフェース１３５（例えばＵＳＢポートモジュール、FireWire（登録商標）ポートモジュール、Lightning（登録商標）ポートモジュール、Thunderbolt（登録商標）ポートモジュール、Wi-Fi接続モジュール、３Ｇ／４Ｇ／ＬＴＥセルラ接続モジュール、Bluetooth（登録商標）接続モジュール、Bluetooth（登録商標）低エネルギ接続モジュール、Bluetooth（登録商標）Smart接続モジュール、近距離通信モジュール、ラジオ波通信モジュール）を含んでよい。アルゴリズムソフトウェアモジュール１４０は、ウェアラブルデバイスメモリ２１０（図２を参照されたい）に格納され、ウェアラブルデバイスプロセッサ（図示せず）によって実行されてよい。図１Ａに図示されるウェアラブルデバイス１３０のコンポーネント及び要素は、限定ではなく例示として解釈されるべきであり；ウェアラブルデバイス１３０は、必ずしもこれらのコンポーネントの全てを含む必要はなく、かつ／又はここに列挙されるもの以外の追加のコンポーネントを含んでもよい。

ウェアラブルデバイス１３０のこれらのセンサ１４５は、例えば水和、カロリー、血圧、血糖、インスリン、体温（すなわち、体温計）、熱流束、心拍、体重、睡眠、歩数（すなわち、歩数計）、速度又は加速度（すなわち、加速度計）、ビタミンレベル、呼吸数、心音（すなわち、マイクロフォン）、呼吸音（すなわち、マイクロフォン）、運動速度、皮膚の水分、汗の検出、汗の組成、神経発火（すなわち、電磁気センサ）又は同様の健康測定値を測定するためのセンサを含んでよい。

ユーザデバイス１５０は、計算機アプリケーション１５５と、有線及び／又は無線通信インタフェース（例えばＵＳＢポートモジュール、FireWire（登録商標）ポートモジュール、Lightning（登録商標）ポートモジュール、Thunderbolt（登録商標）ポートモジュール、Wi-Fi接続モジュール、３Ｇ／４Ｇ／ＬＴＥセルラ接続モジュール、Bluetooth（登録商標）接続モジュール、Bluetooth（登録商標）低エネルギ接続モジュール、Bluetooth（登録商標）Smart接続モジュール、近距離通信モジュール、ラジオ波通信モジュール）を含んでよい。計算機アプリケーション１５５は、ユーザデバイスメモリ（図示せず）に格納され、ユーザデバイスプロセッサ（図示せず）によって実行されてよい。ユーザデバイス１５０のコンポーネント及び要素は、限定ではなく例示として解釈されるべきであり；図１Ａに図示されるユーザデバイス１５０は、必ずしもこれらのコンポーネントの全てを含む必要はなく、かつ／又はここに列挙されるもの以外の追加のコンポーネントを含んでもよい。

一実施形態において、ユーザデバイス１５０は、例えばスマートフォン、タブレット、ラップトップコンピュータ、デスクトップコンピュータ、ゲームコンソール、スマートテレビ、ホームエンターテイメントシステム、第２のウェアラブルデバイス又は別のコンピューティングデバイスとすることができる。

ウェアラブルデバイスネットワーク１６０は、１つ以上のサーバを含んでよい。ウェアラブルデバイスネットワーク１６０のサーバの１つ以上が、プロセッサを使用して計算機ソフトウェアモジュール１６５を実行してよい。ウェアラブルデバイスネットワーク１６０のサーバは、有線及び／又は無線通信インタフェース（例えばＵＳＢポートモジュール、FireWire（登録商標）ポートモジュール、Lightning（登録商標）ポートモジュール、Thunderbolt（登録商標）ポートモジュール、Wi-Fi接続モジュール、３Ｇ／４Ｇ／ＬＴＥセルラ接続モジュール、Bluetooth（登録商標）接続モジュール、Bluetooth（登録商標）低エネルギ接続モジュール、Bluetooth（登録商標）Smart接続モジュール、近距離通信モジュール、ラジオ波通信モジュール）も含んでよい。図１Ａに図示されるウェアラブルデバイスネットワーク１６０のコンポーネント及び要素は、限定ではなく例示として解釈されるべきであり；ウェアラブルデバイスネットワーク１６０は、必ずしもこれらのコンポーネントの全てを含む必要はなく、かつ／又はここに列挙されるもの以外の追加のコンポーネントを含んでもよい。

図１Ｂは、ウェアラブルデバイス１３０の例示のセンサ１４５から収集される例示のデータ１７０を図示している。図示されるように、人によって装着されるウェアラブルデバイス上のセンサ１４５は、ランニングのとき（１７５、１８０、１８５）のユーザの腕１７５、脚１８０及びベルト１８５（例えば腹部又は胴）のアクティビティに対応する測定の時系列のプロファイルと、ウェイトリフティング１９０のときの人の腕のアクティビティ１９０に対応する情報を含んでよい。データは、センサ１４５の中でも加速度センサによって感知される３次元（Ｘ、Ｙ及びＺ）の運動に関連してよい。Ｘ、Ｙ及びＺ次元のウェアラブルデバイス１３０のユーザの運動は、図１Ｂの各身体部分（１７５、１８０、１８５、１９０）に対応して図示されるように、時間とともに変化するグラフ（又は信号）のセットによって特徴付けられてよい。各身体部分は、各身体部分、関連するセンサ及び関連するＸ／Ｙ／Ｚグラフのセットについて異なる（センサ１４５の）センサデータに関連付けられることに留意されたい。Ｘ／Ｙ／Ｚグラフの４つのセットのうち３つが、人がランニングしていたとき（すなわち、１７５、１８０、１８５）を記録したとしても、Ｘ／Ｙ／Ｚグラフの各セットは、各身体部分（例えば腕１７５、脚１８０及びベルト１８５）でセンサによって感知され、これにより各身体部分及び関連するセンサについて異なる結果を得ることができる。運動タイプ較正で使用されるセンサは、加速度センサに限定されず、人の身体に関するパラメータ情報を記録する能力を有する任意のセンサであってよい。例えばセンサは、熱センサ又は熱の動き又は変化（熱流束）を感知するセンサであってもよい。

アクティビティタイプ（例えばウォーキング、ランニング、ウェイトを持ち上げること、ウェイトを付けて歩くこと、ウェイトを付けて走ること、ジャンプ、ホップ、縄跳び、スクワット、水泳、クライミング、スキー、スノーボード、スケートボード、自転車に乗ること、ストレッチ、体操すること、ヨガをすること又はスポーツをすること）を識別するための情報のライブラリは、ウェアラブルデバイスネットワーク１６０の１つ以上のサーバ、ユーザデバイス１５０又はウェアラブルデバイス１３０において格納される情報を含んでよい。そのような情報は、予め記録されたアクティビティタイプの一般的なライブラリからウェアラブルデバイス１３０に提供されてよい。あるいは、ウェアラブルデバイス１３０のユーザは、（例えばセンサ１４５からの読取値とグラフィカルユーザインタフェース「ＧＵＩ」の組合せを通して）指定されたアクティビティタイプについてセンサ１４５からの自分自身のパーソナルセンサデータ１７０を記録してよく、該センサデータは、ストレージのためにライブラリにアップロードされる。

センサデータ１７０と、（ウェアラブルデバイス１３０の、モバイルデバイス１５０の、又はウェアラブルデバイスネットワーク１６０のサーバの）プロセッサ上で実行される（アルゴリズムソフトウェアモジュール１４０、計算機アプリケーション１５５又は計算機ソフトウェアモジュール１６５における）アルゴリズムに基づいて、プロセッサはアクティビティ中に人によって費やされる作業（work）又は努力（effort）を計算することができる。人によって費やされる作業又は努力の指標（measures）には、これらに限定されないが、燃焼したカロリー数、発生した熱量、歩いた歩数、ペース、反復率が含まれてよい。各アクティビティタイプは、特定のアクティビティに対して適合される、作業又は努力の指標を計算するための異なるアルゴリズムに関連付けられてよい（図２を参照されたい）。各々固有の新たなアルゴリズムは、センサ１４５からの生測定値に適用される数学又は科学的原理を使用して、ウェアラブルデバイス１３０、モバイルデバイス１５０又はウェアラブルデバイスネットワーク１６０によって導出され得る。異なる個人によって行われる同様のアクティビティを測定及びマッピングし、これらのアクティビティを相関させて、これらのアクティビティ中に燃焼したカロリー（又は他の指標）を決定することにより、経時的に新たなアクティビティタイプに対応する新たなアルゴリズム２３０を生成することができる。

作業又は努力の指標を計算するアルゴリズム又はメトリック方法２３０は、ウェアラブルデバイス１３０、ユーザデバイス１５０又はウェアラブルデバイスネットワーク１６０内のプロセッサ上で動作することができる。特定の例において、ウェアラブルデバイス１３０は、センサデータ１７０をセンサ１４５から（接続１２０を通して直接、あるいは接続１０５及び接続１１０を使用してクラウド／インターネット１００を通して）ユーザデバイス１５０に、（接続１０５及び接続１１０を使用してクラウド／インターネット１００を通して、あるいはユーザデバイス１５０をプロキシとして使用して接続１２０を通して接続１１０へ、そして接続１１５へ送信することを通して）ウェアラブルデバイスネットワーク１６０に送信することができる。センサ１４５からセンサデータ１７０が、ユーザデバイス１５０又はウェアラブルデバイスネットワーク１６０で受け取られると、ユーザデバイス１５０内の計算機アプリケーション１５５又はウェアラブルデバイスネットワーク１６０内の計算機ソフトウェアモジュール１６５は、センサ１４５のセンサデータ１７によって示されるアクティビティに対応するよう選択されたアルゴリズム２３０（図２を参照されたい）のセットのうちのあるアルゴリズムに基づいて、作業又は努力の指標を計算することができる。

特定の例において、ウェアラブルデバイス１３０は、無線データ通信を使用して通信する１つ以上の異なるセンサ１４５を含むことができる。当技術分野における任意の無線データ伝送技術規格（例えばBlutooth^TM又はセルラデータ通信）を使用してよい。特定の例において、センサは、Blutooth^TM（例えば接続１２０）を使用してセンサデータ１７０をユーザデバイス１５０に通信してよく、ユーザデバイス１５０は、次いでセルラ信号を使用して（すなわち、接続１１０及び接続１１５を通して）このセンサデータ（又は計算された作業の指標）をウェアラブルデバイス１６０に通信してよく、またその反対も可能である。ある実施形態では、センサ１４５のうちの各センサは、別のセンサに物理的に接続されない独立のセンサであってよく、他の実施形態では、センサ１４５の各々は全体又は部分的に、相互に接続されてもよい。

図２は、ウェアラブルデバイス１３０の運動タイプ較正のためにシステムで使用することができる例示のデバイス（１３０、１５０、１６０）と、アルゴリズム又は方法２３０を図示している。そのようなデバイスは、ウェアラブルデバイス１３０、ユーザデバイス１５０及びウェアラブルデバイスネットワーク１６０を含むことができる。一実施形態において、ウェアラブルデバイス１３０は、ディスプレイ２０５、メモリ２１０、電源２１５（例えば再充電可能又は再充電具可能バッテリ）、アルゴリズムソフトウェアモジュール１４０及びセンサ１〜Ｎ（１４５）を含んでよい。一実施形態において、これらのコンポーネント及び要素の各々は、単一の通信バス２００とともに接続されてよく、他の実施形態では、ウェアラブルデバイス１３０は、例えば第２のバス（図示せず）に接続され、かつバス２００に無線で接続されるセンサ１４５のサブセットを含めることによって、より発散的なアプローチ（more divergent approach）を使用して接続されてよい。図２に図示されるウェアラブルデバイス１３０のコンポーネント及び要素は、限定ではなく例示として解釈されるべきであり；ウェアラブルデバイス１３０は、必ずしもこれらのコンポーネントの全てを含む必要はなく、かつ／又はここに列挙されるもの以外の追加のコンポーネントを含んでもよい。

図１に図示されるように、ユーザデバイス１５０は、計算機アプリケーション１５５を含んでよく、ウェアラブルデバイスネットワーク１６０は、計算機ソフトウェアモジュール１６５を含んでよい。図２に図示されるようなユーザデバイス１５０及びウェアラブルデバイスネットワーク１６０のコンポーネント及び要素は、限定ではなく例示として解釈されるべきであり、ユーザデバイス１５０及びウェアラブルデバイスネットワーク１６０は、必ずしもこれらのコンポーネントの全てを含む必要はなく、かつ／又はここに列挙されるもの以外の追加のコンポーネントを含んでもよい。

ウェアラブルデバイス（又は他のデバイスのうちの１つ）は更に、異なるアクティビティに関連する複数の利用可能なアルゴリズムのいずれかのためのアルゴリズムソフトウェアモジュール１４０を含んでよい。図２に図示されるアルゴリズム２３０は、アルゴリズム１ ２４５、アルゴリズム２ ２５５、アルゴリズム３ ２６５及びアルゴリズム４ ２７５を含み、これらはそれぞれ異なるアクティビティに対応する（例えばアルゴリズム１ ２４５はウォーキング２４０、アルゴリズム２ ２５５はランニング２５０、アルゴリズム３ ２６５はジャンプ２６０、そしてアルゴリズム４ ２７５はホップ２７０に関する）。図２に図示されるセンサ１４５は、加速度、熱、熱流（熱流束）、湿度、水和、カロリー、血圧、血糖、インスリン、体温（すなわち、体温計）、心拍、体重、睡眠、歩数（すなわち、歩数計）、速度又は加速度（すなわち、加速度計）、ビタミンレベル、呼吸数、心音（すなわち、マイクロフォン）、呼吸音（すなわち、マイクロフォン）、運動速度、皮膚の水分、汗の検出、汗の組成、神経発火（すなわち、電磁気センサ）又は同様の健康測定値といった、身体アクティビティを測定する能力を有するセンサを含んでよい。ウェアラブルデバイス１３０上のディスプレイは、液晶ディスプレイ（ＬＣＤ）、一連の発光ダイオード（ＬＥＤ）、照明、有機発光ダイオードディスプレイ（ＯＬＥＤ）、電子ペーパーディスプレイ（例えばジリコン（gyricon）、電気泳動、電気流体又はエレクトロクロミックディスプレイ）又は当技術分野で公知の任意のタイプの別のディスプレイ画面とすることができる。アルゴリズムソフトウェアモジュール１４０は、プロセッサ（図示せず）、フィールドプログラマブルゲートアレイ（ＦＰＧＡ）内の状態マシン又は特定用途向け集積回路（ＡＳＩＣ）上で動作してよい。

図３は、ウェアラブルデバイスの運動タイプ較正のために、システムによって異なるアクティビティ中に感知され得るセンサデータの例示のセットを図示している。各アクティビティタイプ（３０５、３２５、３４５）についての一連の試験（trial）（３１０、３３０、３５０）の間にデータを記録することができる。図３に図示されるアクティビティタイプは、ウォーキング３０５、ランニング３２５及びスクワット３４５を含む。各データのセットを、異なるアルゴリズムに関連付けることができる（例えばウォーキング３０５はアルゴリズム１ ３００に関連付けられ、ランニング３２５はアルゴリズム２ ３２０に関連付けられ、スクワット３４５はアルゴリズム３ ３４０に関連付けられる）。センサは、以前に説明したように、加速度、熱、熱流（熱流束）、湿度又は人の身体に関連付けられる他のパラメータを感知することができる。これらのパラメータを、１人以上の人からの（例えば３１０、３３０及び３５０のような）複数の試験から測定することができる。したがって、各運動タイプ（３０５、３２５、３４５）は、アルゴリズム（３００、３２０、３４０）及び１組のセンサ測定試験１〜Ｎ（３１０、３３０、３５０）に関連付けられる。試験の各セット（３１０、３３０、３５０）は、Ｎ個の試験（「１〜Ｎ」）を含むようにマークされるが、試験の各セットは１つ以上の試験を含んでよく、また、試験の各セットは異なる数の試験を含んでもよいことに留意されたい。各試験（例えば試験１）は、センサ１４５の１つ以上からのデータを含んでよく、例えば各試験は、センサ１４５のうちの位置センサ又は加速度計を使用して、運動中に測定されるＸ／Ｙ／Ｚ座標データを含んでもよい。

図４は、ウェアラブルデバイス１３０の運動タイプの較正のための例示のマッチング方法４００を示すフローチャートである。３つの異なるタイプの運動（例えばＸ、Ｙ及びＺ運動）が、１つ以上のセンサ１４５によって感知され、センサデータ１７０によって特徴付けられることができる。したがって、例示の処理４００は、Ｘ運動を入力すること（ブロック４０５）、Ｙ運動を入力すること（ブロック４２０）及びＺ運動を入力すること（ブロック４３５）を含んでよい。センサデータの各セットは、波束技術を使用して、Ｘ、Ｙ及びＺデータのデータベース内のデータセットとの比較によってマッチングされてよい。したがって、Ｘ運動をＸデータベースとマッチングし（ブロック４１０）、Ｙ運動をＹデータベースとマッチングし（ブロック４２５）、Ｚ運動をＺデータベースとマッチングする（ブロック４４０）ことができる。上位一致（Top matches）が各セットについて識別され、記憶されてよい。したがって、Ｘ運動について（ブロック４１５）、Ｙ運動について（ブロック４３０）及びＺ運動について（ブロック４４５）、上位一致が識別され、記憶されてよい。次いで、感知されたデータの３つのセットが、特定の運動タイプに対応する以前に記憶されたデータセットに一致するかどうかを判断することができる（ブロック４５０）。ブロック４５０で説明されるステップは、例えば「Ｘ運動」センサデータセットに対応する上位一致、「Ｙ運動」センサデータセットに対応する上位一致、「Ｚ運動」センサデータセットに対応する上位一致が全て、同じ運動タイプ（例えばウォーキング、ランニング、ウェイトを持ち上げること、ウェイトを付けて歩くこと、ウェイトを付けて走ること、ジャンプ、ホップ、縄跳び、スクワット、水泳、クライミング、スキー、スノーボード、スケートボード、自転車に乗ること、ストレッチ、体操すること、ヨガをすること又はスポーツをすること）に対応するかどうかを判断することができる。判断ステップが一致（match）を示すとき、その一致が結果（例えばユーザはランニングしている可能性が最も高い／最も高かった）として出力されてよい（ブロック４６０）。判断ステップが一致を示さないとき、一致がないという指示（すなわち、ユーザのアクティビティを決定することができない）を出力してよい（ブロック４５５）。特定の実施形態において、センサは、加速度、体重又は以前の図面に関連して説明したような別のパラメータを感知してもよい。

判断ステップ（ブロック４５０）が一致を示す場合（ブロック４５５）、ユーザが実行していたアクティビティタイプの知識を考慮して、更なる計算が実行されてよい。例えば電子デバイス（すなわち、ウェアラブルデバイス１３０、ユーザデバイス１５０及び／又はウェアラブルデバイス１６０）が、ユーザが特定のアクティビティ（例えばランニング）を実行していたと理解すると、電子デバイスは、ウェアラブルデバイスのユーザによって実行されているアクティビティのタイプの理解に起因して、向上した正確性で健康メトリック（例えば燃焼したカロリー）を計算することができる。本明細書で使用されるとき、健康メトリックは、ユーザの健康状態を表す任意のメトリック及び／又は値とすることができる。例えば一実施形態によると、健康メトリックは、特定のアクティビティタイプに特有の「個別化された」健康メトリック（例えば歩いた歩数、走った歩数、実行したスクワット、歩いた距離、走った距離、泳いだラップ、上った高さ、ウェイトリフティングの反復数）ではなく、複数のアクティビティタイプに共通である（例えば燃焼される合計カロリー、平均カロリー燃焼率、カロリー燃焼率における経時的な平均変化）。したがって、一実施形態において、健康メトリックは、特定のアクティビティタイプ又は幾つかのアクティビティタイプに特有の「個別化された」健康メトリック（例えば歩いた及び走った歩数、歩いた及び走った歩数）ではなく、具体的に計算される。別の実施形態では、計算メトリックは「個別化された」健康メトリックであってよい。

一部の実施形態において、図４の処理は、追加のセンサタイプを使用して実行されてよい。特に、図４の例示の処理は、Ｘ／Ｙ／Ｚ位置又は運動センサの入力を示しているが、異なる実施形態は、異なるセンサデータセットタイプを含む可能性がある。例えば異なる実施形態は、Ｚ運動センサ及びパルスセンサからのデータセットを考慮に入れることができ、次いで、Ｚ運動データセットだけでなくパルスデータセットとも比較することによってユーザが実行しているのは何のアクティビティであるかを決定することができる。最終的に計算される健康メトリックは、次いで、これらのセンサデータセット及び／又は他のセンサデータセットの全てに基づくことができ、例えば電子デバイスは、「合計燃焼カロリー」健康メトリックを、加速度計（例えばＺ運動センサ）データセット並びにパルスデータセットの双方に基づくことができ、また、第３のセンサ（例えば血圧センサ）にも基づいてよい。

健康メトリックの値を計算すると、一部の実施形態では、健康メトリックの値をウェアラブルデバイス１３０、ユーザデバイス１５０及び／又はウェアラブルデバイスネットワーク１６０によって記憶することができる。一部の実施形態において、値は、ウェアラブルデバイス１３０のディスプレイ２０５又はユーザデバイス１５０のディスプレイでユーザに出力されてよい。一部の実施形態では、一致が決定されると（ブロック４６０）、一致するアクティビティタイプをウェアラブルデバイス１３０のディスプレイ２０５又はユーザデバイス１５０のディスプレイでユーザに表示することができ、ユーザには、決定されたアクティビティタイプが正しくない場合にユーザがアクティビティタイプを訂正することができる（例えばウェアラブルデバイス１３０又はユーザデバイス１５０の）ユーザインタフェースを提示することができる。

一部の実施形態において、一致が見つからなかった場合（ブロック４５５）、ユーザは、（例えばウェアラブルデバイス１３０又はユーザデバイス１５０の）ユーザインタフェースを通して新たなアクティビティタイプ（例えば重い箱を持ち上げること）を入力し、一部の場合には、健康メトリック計算アルゴリズム又は通知設定を入力することを許可されてよい。

図４のフローチャートは、本発明の特定の実施形態によって実行される動作の特定の順序を示しているが、そのような順序は例示であることを理解されたい（例えば代替的な実施形態は、これらの動作を異なる順序で実行し、特定の動作を組み合わせ、特定の動作を重複させること等ができる）。

図５は、ウェアラブルデバイス１３０の運動タイプ較正のための例示の較正方法を示すフローチャートである。ステップ５００において、一連のマッチング試験（match trials）からの運動データをライブラリに提供することができる。ステップ５１０において、ある期間（a stretch of time）にわたって周期的にデータを求めて１つ以上のセンサをポーリングすることができる。ステップ５２０において、ポーリングされたセンサデータ（例えばＸ、Ｙ及びＺ加速度成分を含む）を、本発明に合ったアルゴリズムを実行している電子デバイス（例えばウェアラブルデバイス１３０、ユーザデバイス１５０又はウェアラブルデバイス１６０のサーバ）へ入力することができる。アルゴリズムは、ウェアラブルデバイス１３０内、ユーザデバイス１５０内又はウェアラブルデバイスネットワーク１６０内で実行されてよい。ステップ５３０において、（例えば１０秒間に及ぶ）Ｘ、Ｙ及びＺの新たな感知データは、（例えばウェアラブルデバイス１３０、ユーザデバイス１５０又はウェアラブルデバイス１６０の）メモリ内に格納されてよい。ステップ５４０において、新たな感知データは、データベースライブラリ内に記憶されるデータと比較されてよい。述べたように、比較及びマッチングは波束構造に基づいてよい。

ステップ５５０において、一致が生じたかどうかを判断することができる。新たな感知データがデータベースライブラリ内に記憶されたデータセットと一致するとき、方法はステップ５６０に進み、その一致と整合するアルゴリズムが、実行のためにメモリへロードされてよい。ステップ５７０において、ステップ５６０からの結果計算を、（例えばウェアラブルデバイス１３０のディスプレイ２０５へ又はユーザデバイス１５０のディスプレイへ、あるいはウェアラブルデバイス１３０又はユーザデバイス１５０でスピーカを通して）出力することができる。次に、方法はステップ５４０に戻る。ステップ５６０でロードされたアルゴリズムは、一連の試験からのテストを使用して展開されてよい。アルゴリズムは、特定のタイプの運動に特有であってよい。

比較（ステップ５４０）が実行された後、ステップ５５０において、一致が生じなかった場合、ベースアルゴリズムを使用して、感知データに対する計算を実行することができる（ステップ５８０）。例えばこのベースアルゴリズムは、センサデータに基づき、かつアクティビティタイプによって変更されない、「一般的」なカロリー計算とすることができる。ステップ５９０において、ステップ５８０からの計算の結果を（例えばウェアラブルデバイス１３０のディスプレイ２０５へ又はユーザデバイス１５０のディスプレイへ、あるいはウェアラブルデバイス１３０又はユーザデバイス１５０でスピーカを通して）出力することができる。ステップ５９０の後、方法は、更なるデータ比較を行うためにステップ５４０に戻ってよい。

一部の実施形態において、ベースアルゴリズムの使用（ステップ５８０）は追加のステップで置換されるか補充されてもよい。この場合、ウェアラブルデバイス１３０又はユーザデバイス１５０は、ユーザインタフェースを通してユーザからの入力を受け取り、該入力が、ユーザがアクティビティタイプを（例えばリスト又はグリッド又はテキスト入力から）選択することを可能にする場合、次いで、選択されたアクティビティタイプに基づいてアルゴリズムをロードするか、新たなアクティビティタイプのためのアルゴリズムをユーザがカスタマイズすることを可能にする。同様に、一致が生じた場合（ステップ５５０又はステップ５６０）、アルゴリズムのロード（ステップ５６０）に先立って、一致したアクティビティタイプを確認するか、アクティビティタイプの置換を選択する入力を、ユーザインタフェースから（例えばウェアラブルデバイス１３０又はユーザデバイス１５０から）受け取ることができる。さらに、一部の実施形態では、出力（５７０又は５９０）又はユーザインタフェース対話を、振動、音、グラフィック、ビデオ、インジケータ光、あるいは（例えばディスプレイ２０５を使用して）ウェアラブルデバイス１３０又はユーザデバイス１５０によって提示される何らかの他のタイプの警告等といった、警告によって達成することができる。

図５のフロー図は、本発明の特定の実施形態によって実行される動作の特定の順序を示しているが、そのような順序は例示であることを理解されたい（例えば代替的な実施形態は、これらの動作を異なる順序で実行し、特定の動作を組み合わせ、特定の動作を重複させること等ができる）。

図６は、本明細書で説明される様々な特徴及び処理を実装するのに使用することができるモバイルデバイスアーキテクチャを図示している。アーキテクチャ６００は、これらに限られないが、スマートフォン、電子タブレット及びゲームデバイスを含め、任意の数のポータブルデバイスによって実装されることができる。図６に図示されるアーキテクチャ６００は、メモリインタフェース６０２、プロセッサ６０４、周辺インタフェース６０６を含む。メモリインタフェース６０２、プロセッサ６０４及び周辺インタフェース６０６は、別個のコンポーネントとすることができ、あるいは１つ以上の集積回路の一部として統合することができる。様々なコンポーネントを、１つ以上の通信バス又は信号線によって結合することができる。

図６に図示されるように、プロセッサ６０４は、データプロセッサ、画像プロセッサ、中央処理ユニット又は任意の様々なマルチコア処理デバイスを含むように意図される。任意の様々なセンサ、外部デバイス及び外部サブシステムを周辺インタフェース６０６に結合して、例示のモバイルデバイスのアーキテクチャ６００の任意の数の機能を容易にすることができる。例えば動きセンサ６１０、光センサ６１２及び近接性センサ６１４を周辺インタフェース６０６に結合して、モバイルデバイスの配向（orientation）、照明及び近接性機能を促進することができる。例えば光センサ６１２を使用して、タッチ面６４６の明るさの調節を容易にすることができる。動きセンサ６１０は、加速度計又はジャイロスコープのコンテキストで例示され得るが、モバイルデバイスの動き及び方向を検出するために用いることが可能である。表示物体又はメディアを、検出された方向（例えば縦方向又は横方向）に従って提示することができる。

温度センサ、バイオメトリックセンサ又は他の感知デバイス等のような他のセンサを、周辺インタフェース６０６に結合して、対応する機能を促進することができる。位置センサ６１５（例えば全地球測位トランシーバ）を周辺インタフェース６０６に結合して地理位置データの生成を可能にし、これにより、地理的位置決め（geo-positioning）を促進することができる。次いで、集積回路チップのような電磁気計（electronic magnetometer）６１６を周辺インタフェース６０６に接続して、真の磁北（true magnetic North）の方向に関連するデータを提供することができ、これによりモバイルデバイスはコンパス又は指向性機能を享受することができる。電荷結合素子（ＣＣＤ）又はＣＭＯＳ（complementary metal-oxide semiconductor）光センサのような光センサ６２２及びカメラサブシステム６２は、写真及びビデオクリップの録画のようなカメラ機能を促進することができる。

１つ以上の無線通信サブシステムを含み得る１つ以上の通信サブシステム６２４を通して、通信機能を促進することができる。無線通信サブシステム６２４は、802.5又はBluetooth（登録商標）トランシーバ並びに赤外等の光トランシーバを含むことができる。有線通信システムは、ユニバーサルシリアルバス（ＵＳＢ）ポート又は何らかの他の有線ポート接続のようなポートデバイスを含むことができ、これらを使用して、ネットワークアクセスデバイス、パーソナルコンピュータ、プリンタ、ディスプレイ、あるいはデータを送受信することができる他の処理デバイスといった他のコンピューティングデバイスへの有線結合を確立することができる。通信サブシステム６２４の具体的な設計及び実装は、デバイスがその上で動作するように意図される通信ネットワーク又は媒体に依存することがある。例えばデバイスは、ＧＳＭ（登録商標）（global system for mobile communications）ネットワーク、ＧＰＲＳネットワーク、ＥＤＧＥ（enhanced data GSM（登録商標） environment）ネットワーク、802.5通信ネットワーク、符号分割多重アクセス（ＣＤＭＡ）ネットワーク又はBluetooth（登録商標）ネットワーク上で動作するように設計される無線通信サブシステムを含んでよい。通信サブシステム６２４は、デバイスが、他の無線デバイス用の基地局として構成されるようなホストプロトコルを含んでよい。通信サブシステムは、デバイスが、ＴＣＰ／ＩＰ、ＨＴＴＰ又はＵＤＰのような１つ以上のプロトコルを使用してホストデバイスと同期することも可能にすることができる。

オーディオサブシステム６２６を、スピーカ６２８及び１つ以上のマイクロフォン６３０に結合して、音声対応型機能（voice-enabled functions）を容易にすることができる。これらの機能は、音声認識、音声複製又はデジタルレコーディングを含む可能性がある。オーディオシステム６２６は従来的な電話通信機能も包含してよい。

Ｉ／Ｏサブシステム６４０は、タッチコントローラ６４２及び／又は他の入力コントローラ６４４を含んでよい。タッチコントローラ６４２をタッチ面６４６に結合することができる。タッチ面６４６及びタッチコントローラ６４２は、これらに限定されないが、容量式、抵抗式、赤外又は表面音響波技術を含め、複数のタッチ感知技術のいずれかを使用して接触及び運動、あるいはその中断を検出することができる。タッチ面６４６と接触する１つ以上の点を決定するための他の近接性センサアレイ又は要素が同様に使用されてよい。一実装において、タッチ面６４６は、ユーザが入出力デバイスとして使用することができる、仮想又はソフトボタンと仮想キーボードを表示することができる。

他の入力コントローラ６４４を、１つ以上のボタン、ロッカースイッチ、サムホイール（thumb-wheels）、赤外線ポート、ＵＳＢポート及び／又はスタイラスのようなポインティングデバイスといった、他の入出力デバイス６４８に結合することができる。１つ以上のボタン（図示せず）は、スピーカ６２８及び／又はマイクロフォン６３０のボリュームコントロール用の上／下ボタンを含むことができる。一部の実装において、デバイス６００は、オーディオ及び／又はビデオ再生又は記録デバイスの機能を含むことができ、他のデバイスへテザリングするためのピン（pin）コネクタを含んでよい。

メモリインタフェース６０２をメモリ６５０に結合することができる。メモリ６５０は、高速ランダムアクセスメモリ、あるいは磁気ディスクストレージデバイス、光ストレージデバイス又はフラッシュメモリといった不揮発性メモリを含むことができる。メモリ６５０は、Ｄａｒｗｉｎ、ＲＴＸＣ、ＬＩＮＵＸ（登録商標）、ＵＮＩＸ（登録商標）、ＯＳ Ｘ、ＡＮＤＲＯＩＤ（登録商標）、ＷＩＮＤＯＷＳ（登録商標）又はＶＸＷｏｒｋｓのような組込みオペレーティングシステムといった、オペレーティングシステム６５２を格納することができる。オペレーティングシステム６５２は、基本システムサービスを処理し、ハードウェア依存タスクを実行するための命令を含むことがある。一部の実装では、オペレーティングシステム６５２はカーネルを含むことができる。

メモリ６５０は、他のモバイルコンピューティングデバイス又はサーバとの通信を促進する通信命令６５４も含んでよい。通信命令６５４を用いて、ＧＰＳ／ナビゲーション命令６８によって取得することができる地理位置に基づいて、デバイスによる使用のための動作モード又は通信媒体を選択することもできる。メモリ６５０は、インタフェースの生成等のグラフィカルユーザインタフェース処理を促進するグラフィカルユーザインタフェース命令６５６；センサに関連する処理及び機能を促進するセンサ処理命令６５８；電話に関連する処理及び機能を促進する電話命令６６０；電子メッセージングに関連する処理及び機能を促進する電子メッセージング命令６６２；ウェブブラウジングに関連する処理及び機能を促進するウェブブラウジング命令６６４；メディア処理に関連する処理及び機能を促進するメディア処理命令６６６；ＧＰＳ及びナビゲーションに関連する処理及び機能を促進するＧＰＳ／ナビゲーション命令６６８；カメラに関連する処理及び機能を促進するカメラ命令６７０；歩数に関連する処理及び機能を促進する歩数ソフトウェア６７２；活性化レコード（activation record）／ＩＭＥＩに関連する処理を促進する活性化レコード／ＩＭＥＩソフトウェア６７４；モバイルコンピューティングデバイス上で又はこれとともに動作し得る任意の他のアプリケーションのための他の命令６７６；を含み得る。メモリ６６５０は、ナビゲーション、ソーシャルネットワーキング、位置ベースのサービス又は地図表示といった、他の処理、特徴及びアプリケーションを促進するための他のソフトウェアモジュール命令も記憶してよい。

本明細書で説明される様々な実施形態は、プロセッサによる命令の実行を通して様々な機能を達成する。様々な例示は、ステップ又は他のアクションを積極的に実行する命令のコンテキストで説明されるが、全てのそのようなアクションは、実際には、そのような命令を実行するプロセッサによって実行されることが理解されよう。

計算機アプリケーション１５５、計算機ソフトウェア１６５、アルゴリズムソフトウェア１４０、アルゴリズム２３０、アルゴリズム１（２４５、３００）、アルゴリズム２（２５５、３２０）、アルゴリズム３（２６５、３４０）、アルゴリズム４（２７５）、データマッチ処理４００、ウェアラブルデバイスの運動タイプ較正のための較正方法、歩数計ソフトウェア６７２、活性化レコード／ＩＭＥＩソフトウェア６７４、図８に図示されるような健康データを生成するためのコンピュータ実施方法、図１０に図示されるような回帰機能をトレーニングする図、そして図１２に図示されるような健康データを生成するためのコンピュータ実施方法は、プロセッサ６０４による実行のためにメモリの１つに記憶されるソフトウェアであることに留意されたい。

メモリ６５０は、オペレーティングシステム命令６５２、通信命令６５４、ＧＵＩ命令６５６、センサ処理命令６５８、電話命令６６０、電子メッセージング命令６６２、ウェブブラウジング命令６６４、メディア処理命令６６６、ＧＮＳＳ／ナビゲーション命令６６８、カメラ命令６７０及びプロセッサ６０４による実行のための他の命令６７６を格納することができる。あるいはまた、これらの命令を、参照リンクデータベースを記憶しているストレージデバイス又は別のストレージデバイス（図示せず）のような不揮発性ストレージデバイスに記憶してもよいことが理解されよう。例えば命令は、プロセッサによって実行されるまでフラッシュメモリ又は電子読取専用メモリ（ＲＯＭ）に記憶されてよく、プロセッサによって実行される時点で、これらの命令は、メモリ６５０にコピーされる。本明細書で使用されるとき、ストレージという用語は不揮発性メモリを指すように理解されよう。

プロセッサ６０４は実質的に、オペレーティングシステム命令６５２、通信命令６５４、ＧＵＩ命令６５６、センサ処理命令６５８、電話命令６６０、電子メッセージング命令６６２、ウェブブラウジング命令６６４、メディア処理命令６６６、ＧＮＳＳ／ナビゲーション命令６６８、カメラ命令６７０及び他の命令６７６との関連で上述した機能を含め、本明細書で説明される機能を実行する能力を有する任意のデバイスとすることができる。例えばプロセッサ６０４は、１つ以上のマイクロプロセッサ、１つ以上のフィールドプログラマブルゲートアレイ（ＦＰＧＡ）又は１つ以上の特定用途向け集積回路（ＡＳＩＣ）を含んでよい。一部の実施形態において、プロセッサは、記憶済みの命令を用いずに、本明細書で説明される機能の一部又は全てを実行することがある。例えばオペレーティングシステム命令６５２、通信命令６５４、ＧＵＩ命令６５６、センサ処理命令６５８、電話命令６６０、電子メッセージング命令６６２、ウェブブラウジング命令６６４、メディア処理命令６６６、ＧＮＳＳ／ナビゲーション命令６６８、カメラ命令６７０及び他の命令６７６に関連して上述した機能のうちの１つ以上を実行するように、ＡＳＩＣがハードワイヤードされてよい。そのような幾つかの実施形態では、オペレーティングシステム命令６５２、通信命令６５４、ＧＵＩ命令６５６、センサ処理命令６５８、電話命令６６０、電子メッセージング命令６６２、ウェブブラウジング命令６６４、メディア処理命令６６６、ＧＮＳＳ／ナビゲーション命令６６８、カメラ命令６７０及び他の命令６７６は省略されてよい。なぜなら、これらは既にプロセッサ６０４内に具現化されており、記憶済みの命令を必要としないからである。

上記で特定された命令及びアプリケーションの各々は、上述の１つ以上の機能を実行するための命令のセットに対応する可能性がある。これらの命令は、別個のソフトウェアモジュールプログラム、プロシージャ又はモジュールとして実装される必要はない。メモリ６５０は、追加の命令を含むことも、より少ない命令を含むこともできる。さらに、モバイルデバイスの様々な機能が、１つ以上の信号処理及び／又は特定用途向け集積回路を含め、ハードウェア及び／又はソフトウェアモジュールで実装されてよい。

特定の特徴は、データサーバのようなバックエンドコンポーネント、アプリケーションサーバやインターネットサーバのようなミドルウェアコンポーネント、あるいはグラフィカルユーザインタフェースやインターネットブラウザを有するクライアントコンピュータのようなフロントエンドコンポーネント、あるいはこれらの任意の組合せを含む、コンピュータシステムで実装されてよい。システムのコンポーネントを、通信ネットワークのようなデジタルデータ通信の任意の形式又は媒体によって接続することができる。通信ネットワークの一部の例には、ＬＡＮ、ＷＡＮ、並びにインターネットを形成するコンピュータとネットワークが含まれる。コンピュータシステムは、クライアントとサーバを含むことができる。クライアントとサーバは、一般に相互からリモートであり、典型的にはネットワークを通して対話する。クライアントとサーバの関係は、それぞれのコンピュータ上で動作し、かつ相互に対するクライアント−サーバ関係を有するコンピュータプログラムにより生じる。

開示される実施形態の１つ以上の特徴又はステップは、ＡＰＩを使用して実装されてよい。ＡＰＩは、呼出し側アプリケーションと、オペレーティングシステム、ライブラリルーチン、サービスを提供するか、データを提供するか動作又は計算を実行する機能のような、他のソフトウェアモジュールコードとの間で受け渡しされる、１つ以上のパラメータを定義することができる。ＡＰＩは、ＡＰＩ仕様文書で定義される呼出し規約に基づいてパラメータリスト又は他の構造を通して１つ以上のパラメータを送受信する、プログラムコード内の１つ以上の呼出しとして実装されてよい。パラメータは、定数、キー、データ構造、オブジェクト、オブジェクトクラス、変数、データタイプ、ポインタ、アレイ、リスト又は別の呼出しとすることができる。ＡＰＩ呼出し及びパラメータを任意のプログラミング言語で実装することができる。プログラミング言語は、ＡＰＩをサポートする機能にアクセスするためにプログラマーが用いることができる、語彙及び呼出し規約を定義することができる。一部の実装において、ＡＰＩ呼出しは、入力能力、出力能力、処理能力、電力能力及び通信能力といった、アプリケーション上で動作しているデバイスの能力をアプリケーションに報告することができる。

図７は、本発明の方法のフローチャートを図示している。ウェアラブルデバイス１３０には、複数のセンサ１４５、アルゴリズムソフトウェアモジュール１４０、（例えば計算機アプリケーション１５５を有することができる）ユーザデバイス１５０へ、かつ／又はクラウド／インターネット１００を介して（例えば計算ソフトウェアモジュール１６５を有することができる）ウェアラブルデバイスネットワークサーバ１６０へ接続するための通信インタフェース１３５が提供されてよい（ブロック７００）。

運動タイプによって分類され、かつ１つ以上のアルゴリズム２３０に関連付けられる複数の試験に関するセンサデータ１７０を格納するためにデータベースが提供されてよい（ブロック７１０）。データベースライブラリへのアクセスが、センサデータ１７０に対する計算を実行しているウェアラブルデバイス１３０に提供されてよい。

ユーザは、ウェアラブルデバイス１３０を装着しながら運動をすることができ、ウェアラブルデバイス１３０は、センサ１４５を通して生センサデータ１７０を生成することができる（ブロック７２０）。センサデータ１７０は、（例えばアルゴリズムソフトウェアモジュール１４０によって処理されるよう）ウェアラブルデバイス１３０へ、（例えば計算機アプリケーション１５５によって処理されるよう）ユーザデバイス１５０へ、かつ／又は（計算ソフトウェアモジュール１６５によって処理されるよう）ウェアラブルデバイスネットワークサーバ１６０へ出力されてよい（ブロック７３０）。生センサデータを、データベース内のデータと比較及び／又はマッチングして、利用可能な所定の運動タイプのうちのいずれかとの一致を決定することができる（ブロック７４０）。関連するアルゴリズム及びセンサデータを更に使用して、様々な運動パラメータ（例えばカロリー）を計算することができる（ブロック７４０）。感知され、かつ一致したデータを、一致する運動タイプに基づくアルゴリズムを使用して処理することができる。そのような処理は、作業又は努力の様々な指標を提供することができる。

図７のフロー図は、本発明の特定の実施形態によって実行される動作の特定の順序を示しているが、そのような順序は例示である（例えば代替的な実施形態は、これらの動作を異なる順序で実行し、特定の動作を組合せ、特定の動作を重ね合わせること等ができる）ことを理解されたい。

図８は、本発明の一実施形態に従って、健康データを生成するためのコンピュータ実施方法のブロック図を図示している。方法のステップを、ウェアラブルデバイスのプロセッサ、ネットワークサーバのプロセッサ又はその組合せによって実行することができる。方法は、ある時間間隔にわたってウェアラブルデバイスの１つ以上のセンサにより測定されるセンサデータセット８０５を受け取る８１０。センサデータセットは、その時間間隔にわたるウェアラブルデバイスのユーザの身体パラメータの時系列のプロファイルを示す。定義上、時系列とは、時間間隔にわたって生成された一連の連続するデータポイントである。本明細書で使用されるとき、時系列プロファイルは、ウェアラブルデバイスの１つ以上のセンサの連続する測定値に応じる。

方法は、時系列のプロファイルに一致するユーザのアクティビティタイプ８２５を決定し８２０、健康メトリックに関連付けられる値を計算する８３０。ここで、健康メトリックに関連付けられる値は、アクティビティタイプに基づいて計算される。例えば一実施形態において、方法は、センサデータ８０５を記憶済みデータセット８１５と比較し、ユーザの一致するアクティビティタイプを決定する。

図９は、本発明の一実施形態による、記憶されたデータセット８１５の概略図を表す。この実施形態において、記憶されたデータセットは、ユーザの対応するアクティビティタイプのセット９２０に関連付けられるユーザの身体パラメータの時系列プロファイルのセット９１０を含む。この例では、各時系列プロファイル９１５は、対応するアクティビティタイプ９２５に関連付けられる。このようにして、身体パラメータの時系列のプロファイルに関連付けられるアクティビティタイプを取得することができる。

時系列プロファイルのマッチングを容易にするために、一部の実施形態では、生センサデータから特徴信号を抽出する。そのような特徴信号を、より効果的に記憶して比較することができる。特徴信号の例には、波形、概観及び統計に基づく記述子（appearance and statistics based descriptors）、ピクセル輝度（pixel intensities）、輝度ヒストグラム（intensity histograms）、ＨｏＧｓ（histogram of oriented gradients）、特徴共分散記述子（feature covariance descriptors）、第１及びより上位の領域統計値（first and higher order region statistics）、身体パラメータの測定値の主成分又は独立成分、例えばフーリエ変換、離散余弦及びウェーブレット変換のような周波数変換、そして固有関数（eigenfunction）を含む。

本発明の一部の実施形態は、測定された時系列プロファイルと、記憶された時系列プロファイルとの間の完全な一致を期待することは、必ずしも実際的ではないという理解に基づいている。例えばユーザのランニングのアクティビティに関連付けられる時系列プロファイルは、ランニングスタイルにおける差異に起因して複数のバリエーションを有する可能性がある。したがって、本発明の一部の実施形態は、測定された時系列プロファイルと、記憶された時系列プロファイルとの間の関係を推定するための統計処理として回帰分析を使用する。例えば本発明の一実施形態は、時系列のプロファイルと、記憶されたデータセットの特徴信号との間の関係を確立する回帰関数をトレーニングする。

図１０は、回帰関数１０１０のトレーニング１００１の概略図を表す。回帰関数は、時系列プロファイル１０１５と、特徴信号のセット１０１６との間の対応関係１００５を確立する。回帰関数１０１０が分かると、特定の特徴信号１０３０を特定の時系列プロファイル１０２０から決定することができる。特徴信号は任意の次元とすることができる。回帰関数１０１０は任意の複合関数とすることができる。例えば再作成関数は、線形、非線形及び非母数回帰関数とすることができる。回帰関数は、多項式関数又はスプラインとすることができる。

本発明の一部の実施形態において、ユーザの各アクティビティタイプは、健康メトリックを計算するためのメトリック方法に関連付けられる。その目的のために、ユーザの少なくとも２つの異なるアクティビティタイプが、健康メトリックの値を決定するために構成及び使用される２つの異なるメトリック方法に関連付けられる。メトリック方法の例は、図２及び図３に関連して提供されている。一部の実施形態において、記憶されたデータセット８１５は、メトリック方法への参照を含む。

図１１Ａは、本発明の一実施形態による、健康メトリックを計算するためのメトリック方法への参照１１１０を含む、記憶されたデータセットの例を示す。この実施形態において、記憶されたデータセットは、時系列プロファイルを対応するアクティビティタイプと結び付け、該アクティビティタイプを対応するメトリック方法と結び付ける。

図１１Ｂは、代替的な実施形態の記憶されたデータセットの例を示す。この実施形態では、時系列プロファイル９１０が、メトリック方法１１１０に直接関連付けられる。

図１２は、時系列プロファイル９１０とメトリック方法１１１０との間の直接的な対応を利用する、本発明の一実施形態に従って健康データを生成するためのコンピュータ実施方法のブロック図を示す。方法は、ユーザの身体パラメータの時系列プロファイル１２０５を受け取る１２１０。方法は、時系列プロファイル１２０５を、メトリック方法に関連付けられる記憶済み時系列プロファイルとマッチングすることにより、健康メトリックを計算するためのメトリック方法１２２５を決定する１２２０。受け取った時系列プロファイルと記憶済み時系列プロファイルとの間に一致を見つけると、一致した時系列プロファイルに関連付けられるメトリック方法１２２５が選択される。方法は、選択されたメトリック方法１２２５を使用して健康メトリックに関連付けられる値を計算する１０３０。

本発明の実施形態は、本明細書での動作を実行するための装置にも関連する。そのようなコンピュータプログラムは、非一時的なコンピュータ読取可能媒体に記憶される。マシン読取可能媒体は、マシン（例えばコンピュータ）によって読取可能な形で情報を格納するための任意の機構を含む。例えばマシン読取可能（例えばコンピュータ読取可能）媒体は、マシン（例えばコンピュータ）読取可能記憶媒体（例えば読取専用メモリ（「ＲＯＭ」、ランダムアクセスメモリ（「ＲＡＭ」）、磁気ディスク記憶媒体、光記憶媒体、フラッシュメモリデバイス）を含む。

以前の図面に示される処理又は方法は、ハードウェア（例えば回路、専用ロジック等）、ソフトウェアモジュール（例えば非一時的コンピュータ読取可能媒体に具現化される）又はその双方の組合せを備えるロジックを処理することによって実行されることができる。処理又は方法は、いくつかの逐次的動作に関して上述されているが、説明される動作の一部を異なる順序で実行することができることを認識されたい。さらに、一部の動作を、逐次的ではなく並列に実行することができる。

様々な実施形態を上述してきたが、これらの実施形態は限定ではなく、単なる例示として提示されていることを理解されたい。説明は、本発明の範囲をここで説明される特定の形に限定するように意図されていない。したがって、好ましい実施形態の幅及び範囲は、上述の例示の実施形態のいずれかによって限定されるべきではない。上記の説明は例示であって限定的ではないことを理解されたい。対照的に、本説明は、添付の特許請求の範囲によって定義され、他の方法で当業者によって認識されるような本発明の精神及び範囲内に含まれる、そのような代替、修正及び均等物を網羅するように意図される。したがって、本発明の範囲は、上記の説明との関連で判断されるべきではなく、代わりに、添付の特許請求の範囲に関連し、かつその均等物の範囲全体とともに判断されるべきである。

Claims (16)

1. 健康データを生成するためのコンピュータ実施方法であって、当該方法は：
   ある時間間隔にわたってウェアラブルデバイスの１つ以上のセンサにより測定されるセンサデータセットを受け取る工程であって、前記センサデータセットは、前記時間間隔にわたる前記ウェアラブルデバイスのユーザの身体パラメータの時系列プロファイルを示す、工程と；
   前記時系列プロファイルに一致する前記ユーザのアクティビティタイプを決定する工程と；
   健康メトリックに関連付けられる値を計算する工程であって、前記値を前記アクティビティタイプに基づいて計算する工程と；
   を具備する方法。
2. 前記健康メトリックは複数のアクティビティタイプに当てはまる、
   請求項１に記載の方法。
3. 前記時系列プロファイルから特徴信号を抽出する工程と；
   前記抽出した特徴信号を、対応するアクティビティタイプのセットに関連付けられる特徴信号のセットを有する記憶されたデータセットとマッチングさせて、これにより、前記特徴信号のセット内の各特徴信号が、前記アクティビティタイプのセットからの対応するアクティビティタイプに関連付けられる工程と；
   前記記憶されたデータセットから、前記抽出した特徴信号とマッチする特徴信号に関連付けられる前記アクティビティタイプを選択する工程と；
   を更に具備する、請求項１に記載の方法。
4. 前記特徴信号は、波形、外観及び統計に基づく記述子、輝度ヒストグラム、ＨｏＧｓ（histogram of oriented gradients）、特徴共分散記述子、第１又はより上位の領域統計値、周波数変換及び固有関数のうちの１つ又は組合せを含む、
   請求項３に記載の方法。
5. 前記ユーザの前記身体パラメータ又は前記時間間隔にわたる前記ユーザの第２の身体パラメータの第２の時系列プロファイルを示す第２のセンサデータセットを受け取る工程と；
   前記時系列プロファイルに一致するアクティビティタイプのサブセットを決定する工程と；
   前記アクティビティタイプのサブセットから、前記第２の時系列プロファイルに一致するアクティビティタイプを選択する工程と；
   を更に具備する請求項１に記載の方法。
6. 前記アクティビティタイプは、ウォーキング、ランニング、ウェイトを持ち上げること、ウェイトを付けて歩くこと、ウェイトを付けて走ること、ジャンプ、ホップ、縄跳び、スクワット、水泳、クライミング、スキー、スノーボード、スケートボード、自転車に乗ること、ストレッチ、体操すること、ヨガをすること又はスポーツをすることのうちの１つである、
   請求項１に記載の方法。
7. 前記健康メトリックは、燃焼カロリー数、カロリー燃焼率、カロリー燃焼の加速、カロリー燃焼の減速、費やされる力の量又は実行される作業の量のうちの１つに関連する、
   請求項１に記載の方法。
8. 前記１つ以上のセンサは、水和、カロリー、血圧、血糖、インスリン、体温、熱、熱流束、心拍、体重、睡眠、歩数、速度、加速度、ビタミンレベル、呼吸数、心音、呼吸音、運動速度、皮膚の水分、汗の検出、汗の組成又は神経発火のうちの少なくとも１つを測定する、
   請求項１に記載の方法。
9. 前記アクティビティタイプを定義する入力を受け取る工程と；
   前記アクティビティタイプを前記時系列プロファイルに関連付ける工程と；
   を更に具備する、請求項１に記載の方法。
10. 前記時系列プロファイルから特徴信号を抽出する工程と；
    各特徴信号が、対応するアクティビティタイプに関連付けられるように、前記抽出した特徴信号と、対応するアクティビティタイプのセットに関連付けられる特徴信号のセットを有する記憶されたデータセット内の前記アクティビティタイプを記憶する工程と；
    を更に具備する、請求項９に記載の方法。
11. ネットワークサーバから記憶されたデータセットを受け取る工程；
    を更に具備する、請求項１に記載の方法。
12. 前記計算する工程は：
    前記アクティビティタイプに基づいて前記健康メトリックを計算するためのメトリック方法のセットからメトリック方法を選択する工程と；
    前記健康メトリックの値を計算するための前記メトリック方法のステップを実行する工程と；
    を備える、請求項１に記載の方法。
13. 健康データを生成するためのシステムであって、当該システムは：
    各時系列プロファイルが、対応するアクティビティタイプに関連付けられるように、ユーザの対応するアクティビティタイプのセットに関連付けられる前記ユーザの身体パラメータの時系列プロファイルのセットを有するデータセットを記憶するように構成される、ネットワークサーバと；
    ある時間間隔にわたってユーザの前記身体パラメータを測定し、前記時間間隔にわたる前記身体パラメータの時系列プロファイルを形成するように構成されるセンサと；
    プロセッサであって、
    前記時系列プロファイルを前記データセットの前記時系列プロファイルのセットに対してマッチングさせる工程と、
    前記記憶されたデータセットから前記マッチングした時系列プロファイルに関連付けられる前記アクティビティタイプを選択する工程と、
    前記アクティビティタイプに基づいて健康メトリックに関連付けられる値を計算する工程と、
    のために構成されるプロセッサと；
    を具備する、システム。
14. 前記健康メトリックは複数のアクティビティタイプに当てはまる、
    請求項１３に記載のシステム。
15. 健康データを生成するための方法を実行するためにプロセッサによって実行可能なプログラムを具現化した非一時的なコンピュータ読取可能記憶媒体であって、前記方法は：
    ウェアラブルデバイスの１つ以上のセンサによって感知されるセンサデータセットを受け取る工程であって、前記センサデータセットは、アクティビティタイプを有しかつ前記ウェアラブルデバイスのユーザによって実行されるアクティビティの時間期間にわたる、前記ウェアラブルデバイスの前記ユーザの身体パラメータの時系列プロファイルを示す工程と；
    前記時系列プロファイルに一致するメトリック方法を決定する工程であって、前記メトリック方法は、前記アクティビティタイプを有する前記アクティビティを実行している前記ユーザの健康メトリックを計算するために構成される、工程と；
    前記メトリック方法を使用して健康メトリックの値を計算する工程と；
    を具備する非一時的なコンピュータ読取可能記憶媒体。
16. 前記健康メトリックは複数のアクティビティタイプに当てはまる、
    請求項１４に記載の非一時的なコンピュータ読取可能記憶媒体。

Images