KR101107062B1 - 체중 및 기타 생리 상태를 모니터링하고 반복적이고개별화된 플래닝, 중재 및 보고 기능을 포함하여 관리하기위한 시스템 - Google Patents

Abstract

신체에 장착된 감지 장치의 사용을 통해 개인의 에너지 소모량을 모니터링하는 영양 및 활동 관리 시스템이 개시되어 있다. 이 장치는 특히 연속 착용을 위해 응용되어 있다. 이 시스템은 또한 다른 생리 파라미터의 수를 측정하고 이것과 이러한 파라미터의 유도값을 보고하는데 응용되거나 적용될 수 있다. 체중 관리 실시예는 사용자에 의해 소비되는 칼로리와 사용자에 의해 소모되는 에너지 사이의 최적 또는 사전에 선택된 에너지 밸런스를 달성하기 위한 것이다. 응용가능한 컴퓨터화된 영양 추적 시스템이 소비된 음식에 대한 데이터를 얻는데 사용되고, 관련 및 예측 피드백이 사용자의 에너지 소모량, 음식 소비량 및 상기 목표로의 진행에서의 다른 측정되거나 유도되거나 수동으로 입력된 생리 컨텍스츄얼 파라미터와의 상호 효과에 관하여 사용자에게 제공된다.

영양 및 활동 관리 시스템, 생리 정보, 컨텍스츄얼 정보, 센서 디바이스, 모니터링 장치, 프로세서

Description

체중 및 기타 생리 상태를 모니터링하고 반복적이고 개별화된 플래닝, 중재 및 보고 기능을 포함하여 관리하기 위한 시스템{SYSTEM FOR MONITORING AND MANAGING BODY WEIGHT AND OTHER PHYSIOLOGICAL CONDITIONS INCLUDING ITERATIVE AND PERSONALIZED PLANNING, INTERVENTION AND REPORTING CAPABILITY}

본 발명은 체중 제어 시스템에 관한 것이다. 보다 상세하게는, 이 시스템은 칼로리 제어, 체중 제어 또는 일반적인 휘트니스를 위한 행동 수정 프로그램의 일부로서 사용될 수 있다. 특히, 일 태양에 따른 본발명은 개인의 칼로리 소비량 및/또는 칼로리 소모량을 모니터링하는 소프트웨어 프로그램에 관련되어 사용되는 장치에 관한 것이다. 또한, 본발명은 체중 목표량으로의 추적 과정의 방법에 관한 것이다.

연구에 따르면 사회에서의 수많은 중요한 건강 문제들이 건강에 해로운 라이프스타일에 의해 전적으로 혹은 부분적으로 야기되고 있다. 점점 더 우리 사회는 사람들로 하여금 나쁜 식습관, 높은 스트레스도, 운동부족, 나쁜 수면습관, 그리고 마음을 집중하고 안정을 취할 시간을 찾을 수 없도록 하는 빠른 발걸음의 성취지향적 라이프스타일로 가도록 요구한다. 이런 사실을 인식하면서, 사람들은 더 건강한 라이프스타일을 만드는 데에 점점 더 관심을 가지게 된다.

HMO 또는 유사한 기구의 형태로 구현되는 전통적인 의약품은 더 건강한 라이프스타일에 관심있는 개개인의 요구를 표명하는 보상 메커니즘, 트레이닝, 또는 시간을 갖지 못한다. 휘트니스 프로그램과 운동 장비의 살포, 다이어트 계획, 자가-도움 책자, 대안적 치료요법, 그리고 가장 최근에 이르러는 인터넷의 건강정보 웹사이트의 과잉을 포함하여 개개인의 요구를 충족시키기 위한 많은 시도가 있어왔다. 이러한 각각의 시도는 개개인들이 충전하여 힘을 얻고 건강해지는데 목적을 두고 있다. 그러나 이러한 각각의 시도는 더 건강한 라이프스타일을 추구하는 개개인의 요구를 부분적으로만 다룰 뿐이고 더 건강한 라이프스타일을 채택하려고 노력할 때 대부분의 개개인이 직면하게 되는 실제 장벽의 많은 부분은 무시하고 있다. 이러한 장벽은, 동기를 찾고 더 건강한 라이프스타일을 달성하기 위한 계획을 구현하고 진척상황을 모니터링하고 그리고 문제가 발생할 때 해결책을 브레인스토밍함에 있어서 개개인은 때때로 그(혹은 그녀) 혼자 남겨져 있다는 사실; 운동 프로그램이 더 건강한 라이프스타일의 어떤 일 측면만을 향하고 있고 전체로 일괄적으로 다가오지는 않는다는 사실; 및 때때로는 개개인의 특이한 특성이나 그의 생활환경에 맞추어서 추천되지 않는다는 점을 포함하고 있다.

체중 감소에 있어서, 구체적으로, 많은 의료 및 다른 상업적 방법이 다양한 다이어트, 운동 및 행동 수정 기술을 통해 과도한 체중을 줄이고 적합한 체중 레벨을 유지하도록 개인을 돕도록 개발되어 왔다. 체중 감시자는 상업적으로 입수가능한 음식을 사용하여 포인트 시스템에 의해 체중 감소를 개인이 관리하는 체중 감소 행동 수정 시스템의 일예이다. 모든 음식 아이템은 지방, 섬유질 및 칼로리의 크 기 및 함유량을 서빙하는 것에 기초하여 특정 수의 포인트가 할당된다. 지방이 높은 음식은 보다 높은 수의 포인트가 할당된다. 섬유질이 높은 음식은 보다 낮은 수의 포인트를 받는다. 보다 건강한 음식은 보통 보다 낮은 수의 포인트가 할당되어 사용자는 이러한 음식 항목을 먹도록 유도된다.

사용자는 일일 소비해야 하는 음식의 전체량을 나타내는 매인 포인트 범위가 할당된다. 사용자를 금지된 음식으로부터 멀리하는 대신에 사용자는 사용자의 포인트 버젯내에 피팅하는 한, 적당히 모든 음식을 즐기도록 유도된다. 이 프로그램은 현 식습관의 칼로리 감소, 포션 제어 및 수정에 기초한다. 운동 활동에도 사용자의 일일 칼로리 섭취에 의해 축적되는 포인트로부터 감해지는 포인트가 할당된다.

체중 감시자는 사용자가 이들의 생활에서 운동과 건강한 식습관의 밸런스를 창조하도록 한다. 그러나, 음식의 칼로리 값만이 특별히 추적되기 때문에 프로그램은 사용자가 체중 감소를 유지하기 위해 행해야할 영양 변화에 대해 사용자에게 알리는데 실패하는 경향이 있다. 칼로리량은 무슨 음식 항목을 소비할지를 결정할 때 사용자가 제어해야하는 유일한 측정값이 아니다. 동일한 칼로리량을 함유하는 항목은 영양학적으로 동일하지 않을 수 있다. 체중 감시자 프로그램이 본질적으로 칼로리 섭취량을 다루고 칼로리 소모량을 다루지 않음에 주목하는 것이 중요하다.

이와 마찬가지로, 제니 크레이그는 또한 체중 감소 프로그램이다. 보통, 개인에게 체중 감소 진행을 모니터링하는 퍼스널 컨설턴트가 할당된다. 또한, 개인은 밸런싱된 영양을 위한 음식 가이드 피라미터에 기초한 사전 선택된 메뉴를 받게 될 것이다. 메뉴는 개인에 의해 선택된 임의의 다른 위치 또는 개인의 홈에 배달되는 제니 크레이그 상표의 음식 항목을 포함한다. 제니 크레이그 프로그램은 소비될 음식 항목이 제니 크레이그에 의해 사전 구성되고 공급되기 때문에 포션 컨트롤을 제시한다. 그러나, 이러한 클로즈 다이어트 감시는 다이어트 플랜이 새로운 식습관 또는 운동의 가치를 가르치지 않기 때문에 일단 다이어트가 끝나면 문제가 될 수 있다. 대신에 이것은 단기 체중 감소 목표에 초점을 맞춘다.

컴퓨터 및 다이어트 추적 시스템의 통합으로 인해 체중 감소를 위한 새롭고 새로운 자동화된 접근법이 생성되었다. 유용한 방법은 개인의 특정 생리 특정 및 체중 감소 목표를 충족시키기 위해 테일러링될 수 있다.

헬스텍 인코포레이티드에 의해 개발된 밸런스로그 및 미국 출원 공개 제20020133378호의 주제는 칼로리 섭취량 및 소모량을 일일 추적하고 모니터링하기 위한 시스템을 제공하는 소프트웨어 프로그램이다. 사용자는 체중 및 영양 목표에 더하여 대사량에 기초하여 프로그램을 개별화한다. 사용자는 진행을 추적하는 것에 더하여 운동 및 영양 플랜 모두를 생성할 수 있다. 그러나, 밸런스로그 시스템은 복수의 제한점을 가지고 있다.

첫째, 사용자는 쉴 때 연소되는 칼로리의 수인 레스팅 대사율을 알아야 한다. 사용자는 이들의 레스팅 대사율을 측정할 수 있다. 그러나, 보다 정확한 대사율은 대사 측정 위치에서 약속에 의해 측정될 수 있다. 전형적인 개인, 특히, 체중 및 영양 관리 플랜을 시작하고 있는 개인은 이러한 요구를 불편하게 생각할 수 있다. 시스템은 보다 정확한 측정이 이루어질 수 없다면 광범위한 팝풀레이션 평균값에 기초하여 추정된 레스팅 대사율을 제공할 수 있다. 그러나, 이 레스팅 대사율은 유사한 생리 특성을 갖는 개인 사이에서 널리 다를 수 있다. 따라서, 추정값은 정확할 수 없고 개인의 진행의 미래의 프로젝션에 영향을 준다.

둘째로, 시스템은 사용자의 상화작용 및 컴플라이언스에 의해 제한된다. 밸런스로그 시스템의 모든 태양은 수동이다. 사용자가 먹는 모든 항목 및 사용자가 하는 모둔 운동은 시스템에 로깅되어야 한다. 사용자가 이것에 실패하면, 보고된 진행은 정확하지 않을 것이다. 이러한 밸런스로그에 의해 요청되는 수동 데이터 입력은 사용자가 일일 활동 및 소비된 식사를 입력하기 위해 퍼스널 디지털 어시스턴트 또는 퍼스널 컴퓨터와 같은 데이터 입력 장치에 가장 근접할 것이라는 가정한다. 그러나, 사용자는 운동 또는 식사 활동 바로 이후에 이들의 데이터입력 장치에 일관적으로 또는 신뢰할만큼 가까이 있지 않을 수 있다. 이들은 휘트니스 센터에서 운동 활동을 할 수 있거나 이러한 장치로부터 멀리 있을 수 있다. 이와 마찬가지로, 사용자는 집에서 특정 식사를 먹지 않을 수 있어서, 이들은 식사를 소비한 후에 직각 정보를 로깅할 수 없다. 따라서, 사용자는 이러한 항목을 나중에 밸런스로그 시스템에 입력할 수 있도록 모든 소비된 음식 및 실행된 모든 활동의 기록을 유지해야만 한다.

또한, 밸런스로그 시스템은 추정의 확률을 제공하지 않는다. 사용자는 소비되는 음식 및 그 음식 항목의 상응하는 포션 사이즈를 선택해야만 한다. 식사와 입력 시각 사이에 시간 경과가 있고 사용자가 그 식사를 기억하지 못한다면, 데이터는 정확하게 입력될 수 없고 시스템은 정확도가 떨어지게 된다. 이와 마찬가지 로, 사용자가 운동 활동의 상세를 기억하지 못한다면, 데이터는 정확할 수 없다.

마지막으로, 밸런스로그 시스템은 사용자에 의해 입력된 정보에만 기초하여 에너지 소모량을 계산한다. 사용자는 특정 날의 30분 동안의 트레드밀상의 러닝과 같은 운동 활동만을 로깅할 수 있다. 이러한 로깅 프로세스는 개인의 실제 에너지 소모량을 고려하지 않고, 대신에 임의의 특정 개인에게 특히 정확하지 않을 수 있는 일반적인 팝풀레이션 데이터에 기초한 평균 또는 룩업 테이블에 의존하게 된다. 또한, 프로그램은 계단을 오르거나 버스를 타려고 달리는 등의 사용자의 일일 활동을 무시하고 있다. 이러한 일일 활동은 사용자가 이들의 전체 에너지 소모량을 정확하게 계산하기 위해 고려될 필요가 있다.

마찬가지로, 휘트데이, 사이저 소프트웨어에 의해 개발된 소프트웨어 프로덕트는 체중 감소 및 모니터 진행을 계획하기 위해 영양 및 운동 활동 모두를 사용자가 추적할 수 있도록 하는 다른 시스템이다. 휘트데이 소프트웨어는 사용자가 소비된 음식 항목의 입력을 통해 다이어트를 제어하는 것을 돕는다. 이러한 소프트웨어는 또한 사용자에 의해 수동 입력된 데이터를 통해 운동 활동 및 칼로리 소모량을 추적한다. 휘트데이 소프트웨어로 인해 또한 사용자는 운동 활동과 관련되기 위해 추가 동기유발을 위한 신체 측정을 추적하고 그래프화할 수 있다. 또한, 휘트데이는 도한 체중 감소의 다른 태양에 초점을 맞춘다. 시스템은 사용자의 체중 감소 진행에 영향을 미칠 수 있는 트리거의 분석에 대한 일일 감정에 관한 정보를 위해 사용자를 프롬프팅한다.

휘트데이는 밸런스로그와 동일한 제한성을 갖고 있다. 휘트데이는 그 계산 및 체중 감소 진행 분석을 위해 사용자의 입력에 의존한다. 결과적으로, 정보는 사용자가 식사 또는 활동을 입력하지 않을 수도 있기 때문에 정확도 및 컴플라이언스가 떨어질 수 있다. 또한, 에너지 소모량의 분석은 사용자의 입력에 의존하고 사용자의 일일 활동은 고려하지 않는다.

전체적으로, 개인이 연소된 칼로리의 수보다 적은 칼로리를 소비한다면, 사용자는 순수 체중 감소를 경험할 수 없다. 상술된 방법이 소비된 칼로리를 계산하는 복수의 방법을 제공하지만, 이들은 칼로리 소모량을 계산하기 위한 효율적인 방법을 제공하지 않고 있다. 또한, 이들은 정밀한 데이터 입력 요구에 높이 의존하고 있다. 따라서, 당업분야에서 필요한 것은 정보의 수동 입력의 반복적인 성질을 및 높은 의존성을 줄이기 위해 사용자의 일일 활동 및 에너지 소모량을 정확하고 자동으로 모니터링할 수 있는 관리 시스템이다.

개인이 체중 감소를 충족시키고, 소비된 칼로리 대 연소된 칼로리의 최적의 에너지 밸런스를 달성하도록 도울 수 있는 영양 및 활동 관리 시스템이 개시되어 있다. 이 시스템은 자동화될 수 있고 다른 생리 파라미터의 수를 측정하고 동일한 것을 보고하고 이러한 파라미터를 유도하는데 응용 또는 적용가능하다. 바람직한 실시예, 체중 관리 시스템은 체중 감소-특정 목표로의 진행에 필수적인 최적의 에너지 밸런스를 달성하도록 되어 있다. 상술된 프로그램과 같은 대부분의 프로그램은 칼로리 및 음식 소비 추적의 방법을 제공하지만 그 절반에 불과하다. 에너지 소모량의 정확한 추정없이, 최적의 에너지 밸런스는 얻을 수 없다. 다른 실시예에서, 이 시스템은 임신중이거나 회복중인 사용자등을 위한 생리 활동에 대한 제한성 또는 당뇨환자에 대한 혈당 레벨과 같은 샐이 데이터에 대한 제한성에 관한 추가 또는 대안의 정보를 제공할 수 있다.

개시된 관리 시스템은 사용자의 전체 에너지 소모량의 보다 정확한 추정을 제공한다. 상술된 다른 프로그램은 특정 기간의 특정 신체 활동에 관하여 사용자의 수동 이력을 통해 에너지 소모량을 추적할 수 있을 뿐이다. 관리 시스템은 모션, 피부 온도 및 도전성에 더하여 사용자의 신체에 의해 발산되는 열을 연속적으로 모니터링하는 신체상의 장치를 사용한다. 자치가 연속적으로 착용되기 때문에, 데이터는 운동 활동 일일 라이프 활동을 포함하여, 사용자에 의해 실행된 임의의 신체 활동 동안 수집된다. 이 장치는 용이성 및 편이성을 위해 설계되어 장기 착용이 착용자의 라이프스타일 활동에서 해가 되지 않도록 한다. 이 장치가 연속 및 장기 착용을 위해 설계되었다는 것에 특히 주목해야 한다. 그러나, 연속은 이 디바이스가 위생 목적을 위해 또는 다른 디 미니멈 논-유즈를 위한 짧은 기간동안 제거될 수 있기 때문에 거의 연속적인 것을 의미하도록 의도되었다. 장기 착용은 보통 하루를 넘는 착용의 각 날의 실질적인 부분에 대한 것이 되도록 고려되었다. 장치에 의해 수집된 데이터는 연소된 칼로리의 수, 취해진 단계의 수 및 신체활동의 기간을 측정하기 위해 소프트웨어 플릿폼에 갱신된다.

개시된 관리 시스템은 또한 칼로리 소비량의 입력 및 추적에 대한 보다 용이한 프로세스를 제공한다. 관리 시스템에 의해 제공된 칼로리 소비량의 추정은 현 수동 영양 추적 방법이 너무 많은 시간을 요하고 사용하기 불편하며, 그래서 보다 낮은 레벨의 컴플라이언스, 데이터 수집에서의 부정확도 및 보다 높은 퍼센트의 칼로리 섭취량의 오추정에 궁극적으로 이르게 된다는 인식에 기초한 것이다. 대부분의 사용자는 이들이 각 식사에 대해 섭취한 모든 것을 로깅하기에는 너무 바쁘고 얼마나 많이 섭취하였는지를 잊는 경향이 있다. 따라서, 소비된 음식 항목의 수동 입력에 더하여, 사용자는 식사의 평균, 이전 식사의 반복 및 빠른 칼로리 추정 툴에 기초한 특정 식사에 대한 추정을 포함할 수 있는 칼로리 입력의 다른 복수의 방법중 하나를 선택할 수 있다. 사용자는 컴플라이언스를 증가시키고 자체 보고된 칼로리 섭취량과 실제 칼로리 섭취량 사이의 불일치를 감소시키기 위해 이들이 먹었던 것을 기억하는 복잡한 작업을 통해 안내된다.

장치로부터 수집된 정보 및 사용자에 의해 입력된 정보의 조합은 다이어트 목표량에 도달하기 위한 사용자의 진행 및 권장에 관한 피드백 정보를 제공하기 위해 사용된다. 정보의 정확도 때문에, 사용자는 보다 많은 칼로리를 연속하기 위해 운동하거나 다이어트를 조정하는 등의 체중 감소 목표량을 충족시키기 위해 라이프스타일을 사전에 변화시킬 수 있다. 시스템은 다른 검출되고 유도된 생리 또는 컨텍스츄얼 정보는 물론 임의의 주어진 관련 시간 동안의 에너지 소모량 및 칼로리 섭취량을 포함하는 사람의 생리 파라미터를 나타내는 데이터를 예측할 수 있다. 그후에, 사용자에게 그 날에 대하여 최적 에너지 밸런스 또는 다른 목표에 관한 이들의 실제 또는 예측된 진행에 대하여 통지될 수 있다.

개인의 신체상에 착용되도록 응용된 적어도 하나의 센서를 포함하는 특별 식별된 사람 상태 파라미터를 모니터링하기 위한 장치가 개시된다. 바람직한 실시예는 복수의 센서의 출력이 추가 데이터의 유도에 사용되는, 보다 정확하게 감지되는 데이터를 제공하도록 센서의 조합을 사용한다. 상기 장치에 의해 사용되는 센서는 호흡 센서, 온도 센서, 열 유속 센서, 신체 도전도 센서, 신체 저항 센서, 신체 포텐션 센서,두뇌 활동 센서, 혈압 센서, 신체 임피던스 센서, 신체 모션 센서, 산소 소비 센서, 신체 화학 센서, 신체 위치 센서, 신체압 센서, 광흡수 센서, 신체 사운드 센서, 압전 센서, 전기화학 센서, 스트레인 게이지 및 광센서로 구성되는 그룹으로부터 선택된 생리 센서를 포함할 수 있다. 센서는 개인의 제1 파라미터 및 개인의 제2 파라미터중 적어도 하나를 나타내는 데이터를 발생시키도록 응용되고, 제1 파라미터는 생리 파라미터이다. 장치는 또한 제1 파라미터 및 제2 파라미터를 나타내는 데이터의 적어도 일부를 수신하는 프로세서를 포함한다. 프로세서는 제1 파라미터 및 제2 파라미터를 나타내는 데이터의 적어도 일부로부터 유도 데이터를 발생시키도록 응용되고, 이 유도 데이터는 개인의 제3 파라미터를 포함한다. 제3 파라미터는 적어도 하나의 센서에 의해 직접 검출될 수 없는 개인 상태 파라미터이다.

대안의 실시예에서, 사람 상태 파라미터를 모니터링하기 위한 장치는 생리 센서 및 컨텍스츄얼 센서로 구성되는 그룹으로부터 선택된 개인의 신체상에 착용되도록 응용된 적어도 2개의 센서를 포함하는 것으로 개시되어 있다. 센서는 개인의 제1 파라미터 및 개인의 제2 파라미터중 적어도 하나를 나타내는 데이터를 발생시키도록 응용되고, 상기 제1 파라미터는 생리 파라미터이다. 장치는 또한, 제1 파라미터 및 제2 파라미터중 적어도 하나를 나타내는 데이터의 적어도 일부를 수신하기 위한 프로세서를 포함하고, 이 프로세서는 제1 파라미터 및 제2 파라미터중 적어도 하나를 나타내는 데이터로부터 유도 데이터를 발생시키도록 응용된다. 이 유도 데이터는 개인의 제3 파라미터, 예를 들어, 배란 상태, 수면 상태, 연소된 칼로리, 기초대사율, 기초 온도, 신체 활동 레벨, 스트레스 레벨, 이완 레벨, 산소 소비율, 상승 시간, 존내의 시각, 회복 시각, 및 영양 활동으로 구성된 그룹으로부터 선택되는 파라미터를 포함한다. 제3 파라미터는 적어도 2개의 센서중 임의의 센서에 의해 직접 검출될 수 없는 개인 상태 파라미터이다.

본 장치의 다른 실시예에서, 적어도 2개의 센서는 모두 생리 센서이거나, 하나는 생리 센서 및 하나는 컨텍스츄얼 센서일 수 있다. 이 장치는 개인의 신체상에 착용되도록 응용된 하우징을 포함하고, 이 하우징은 센서를 지지하거나, 센서중 적어도 하나가 하우징으로부터 별도로 위치되어 있다. 이 하우징은 개인의 신체의 일부 둘레로 감기도록 응용된 제1 및 제2 부재를 갖는 하우징을 지지하는 가요성 바디를 더 포함할 수 있다. 가요성 바디는 하나 이상의 센서를 지지할 수 있다. 장치는 하우징과 개인의 신체 사이에 접촉을 유지하기 위한 하우징에 연결된 래핑 수단을 더 포함할 수 있고, 이 래핑 수단은 하나 이상의 센서를 지지할 수 있다.

본 장치의 다른 실시예는 데이터 저장 디바이스를 포함하는 적어도 2개의 센서로부터 떨어져 있는 중앙 모니터링 유닛을 더 포함할 수 있다. 이 데이터 저장 디바이스는 프로세서로부터 유도 데이터를 수신하고 이유도 데이터를 그 안에 검색가능하게 저장한다. 이 장치는 또한, 중앙 모니터링 유닛으로부터 유도 데이터에 기초하여 정보를 수신자에게 전송하기 위한 수단을 포함하고, 이 수신자는 개인 또는 이 개인에 의해 인증된 제3자를 포함할 수 있다. 프로세서는 개인의 신체상에 착용되도록 응용된 하우징에 의해 지지될 수 있거나, 대안으로 중앙 모니터링 유닛의 일부일 수 있다.

체중 감소 지향 소프트웨어 프로그램은 장치의 사용을 통해 개인의 에너지 소모량의 추적을 자동화하고, 사용자의 체중감소 목표에 대하여 관련 피드백을 제공하는 것에 더하여 칼로리 소비량을 측정하는데 있어 데이터 입력의 반복적 성질을 감소시키는 것으로 개시되어 있다. 이 소프트웨어 프로그램은 2가지 요소, 즉, 에너지 섭취량 및 에너지 소모량을 갖는 에너지 밸런스 등식에 기초하고 있다. 이러한 2개의 값 사이의 차이는 에너지 밸런스이다. 이러한 값이 음일 때, 보다 적은 칼로리가 소모된 양보다 많이 소비되었기 때문에 체중 감소가 달성된 것이다. 양의 에너지 밸런스는 체중 감소가 없거나 체중이 증가했을 가능성이 상당히 높을 것이다.

체중 감소 지향 소프트웨어 프로그램은 에너지 섭취량 추적 서브시스템, 에너지 소모량 추적 서브시스템, 체중 추적 서브시스템 및 에너지 밸런스 및 피드백 서브시스템을 포함할 수 있다.

이 에너지 섭취량 추적 서브시스템은 널리 소비되는 음식, 지역 및 국각 음식 체인에서 유용한 일반적인 상표의 음식 및 자체 입력된 비인기 상태의 음식의 확장 리스트 및 각각의 항목에 대한 영양 정보를 포함하는 음식 데이터베이스를 포함하는 것이 바람직하다. 사용자는 또한 데이버베이스내의 음식의 일부가 되는 요법 또는 개별 프리퍼레이션을 입력하는 기능을 갖고 있다.

에너지 소모량 서브시스템은 장치로부터 데이터를 검색하기 위해 데이터 검색 프로세스를 포함한다. 시스템은 전체 에너지 소모량을 결정하기 위해 장치에 의해 수집된 데이터를 사용한다. 사용자는 장치가 유용하지 않았던 시간동안 관련된 활동에 대한 데이터를 수동으로 입력할 옵션을 갖는다. 시스템에는 여기에 언급되어 통합된 공동 계류중인 미국 특허 출원 제10/682,293호내에 개시된 바와 같이, 특정 활동 똔ㄴ 영양 섭취 파라미터 또는 패턴을 추적하고 인식하고 사용자에게 이러한 식별값을 선택을 위해 메뉴상 제공하는 기능이 추가 제공된다. 또한, 시스템은 필요에 따라, 사용자로부터 입력 없이 이러한 식별되는 활동 또는 영양 정보를 직접 채택할 수 있다.

에너지 밸런스 및 피드백 서브시스템은 에너지 밸런스를 사전에 달성하도록 행동 전략에 대한 피드백을 제공한다. 피드백 및 코칭 엔진은 시스템에 의해 발생된 데이터를 분석하여 사용자의 진행에 의존하여 다양한 선택을 사용자에게 제공하게 된다.

관리 시스템은 사용자의 에너지 소모량을 연속으로 모니터링하는 장치 및 신체 활동 및 소비된 칼로리에 관한 사용자의 정보 수동 입력을 위한 소프트웨어 플랫폼을 포함하는 것으로 개시되어 있다. 이러한 수동 입력은 이들 자신의 음식을 입력하는 사용자에 의해, 도움받는 일상 상황에서 어시스턴트와 같은 사용자를 위해 음식을 입력하는 제2 파티, 또는 음성, 폰, 또는 다른 전송 메커니즘으로부터 정보를 수신하는 제3 파티에 의해 달성된다. 대안으로, 음식 섭취량이 냉장고 같은 저장 어플라이언스로부터 무슨 음식이 제거되었는지 또는 오븐과 같은 음식 준비 어플라이언스내에 무슨 음식이 삽입되는지를 포착하는 모니터링 시스템 또는 하나 이상의 생리 파라미터로부터 유도된 측정값을 통해 자동으로 수집될 수 있다.

본 시스템은 개인의 라이프 활동 데이터를 취득하기 위해 더 응용될 수 있고, 중앙 모니터링 유닛으로부터 전송된 정보는 또한 라이프 활동 데이터에 기초한다. 중앙 모니터링 유닛은 또한 개인이 제안된 루틴을 따랐던 정보에 관한 피드백을 발생시키고 제공하도록 응용될 수 있다. 피드백은 제1 파라미터 및 제2 파라미터의 적어도 하나를 나타내는 데이터, 유도된 데이터 및 라이프 활동 데이터중 적어도 일부로부터 발생될 수 있다. 중앙 모니터링 유닛은 또한 개인의 건강 및 라이프스타일중 적어도 하나의 태양의 관리에 관하여 수신자에게 피드백을 발생시키고 제공하도록 응용될 수 있다. 이러한 피드백은 제1 파라미터를 나타내는 데이터, 제2 파라미터를 나타내는 데이터 및 유도 데이터중 적어도 하나로부터 발생될 수 있다. 피드백은 개인의 행동을 수정하기 위한 제안을 포함할 수 있다.

시스템은 구동 입력, 트랜시버 이네이블드 체중 측정 디바이스와 같은 제2 디바이스 또는 장치에 의해 장치에 의해 수집된 데이터로부터 수신된 데이터를 해석하기 위해 체중 및 체지방 조성 추적 서브시스템을 포함하도록 더 응용될 수 있다.

시스템은 또한 개인 휘트니스 및 체중 감소 목표에 기초한 식사 플랜을 사용자가 개별화할 수 있도록 하는 식사 플래닝 서브시스템을 포함하도록 더 응용될 수 있다. 적합한 음식이 일반적인 그리고 의료 질문에 제공된 답에 기초하여 사용자에게 권장된다. 이러한 문의는 사용자의 특정 건강 상태 또는 기호를 고려하는 음식이 확실히 보장되도록 하기 위해 식사 플랜 발생 시스템에 입력으로서 사용된다. 시스템에 음식 카테고리 및 음식의 변화값에 기초하여 대안의 선택을 추천하는 기능이 제공될 수 있고 대안들 사이의 칼로리 함유량을 매칭할 것이다. 시스템은 사용자에 제공된 질의에 대한 답에 기초한 음식 또는 다이어트 섭취 권장 보조물의 리스트를 발생시키도록 더 응용될 수 있다.

시스템은 또한 써머리 데이터의 리포트를 저장하거나 인쇄하도록 사용자에게 옵션을 제공할 수 있다. 이 써머리 데이터는 사용자가 일정하게 소비된 음식을 로킹하였다면 일일 에너지 섭취량, 일일 에너지 소모량, 체중 변화량, 체지방 조성 변화 및 영양 정보에 과한 상세한 정보를 제공할 수도 있다. 또한, 7일, 30일, 90일과같은 특정 시간동안의 정보 및 시스템 사용의 개시이후의 정보를 포함하는 리포트가 제공될 수 있다.

시스템은 또한 심장혈관 및 저항 트레이닝을 위해 사용자에게 권고를 제공하는 운동 플래닝 서브시스템을 포함할 수 있다. 이 권고는 시스템으로의 질의에 의해 제출된 휘트니스 목표량에 기초할 수도 있다.

시스템은 또한, 주기적이거나 간헐적인 상태 리포트의 형태로 사용자에게 피드백을 제공할 수 있다. 상태 리포트는 사용자의 주의를 끌기 위해 스크린의 위치상의 박스내에 위치된 경고부일 수 있고 보통은 오프로 설정되어 있다. 상태 리포트 및 이미지는 사용자의 현 뷰 및 상태에 기초하여 키 스트링을 생성함으로써 발생되고 사용자에게 이들의 체중 감소 목표 진행에 대한 정보를 제공할 수 있다. 이러한 정보는 그 날에 대한 사용자의 칼로리 밸런스를 충족시키기 위한 제안을 포함할 수 있다.

이러한 설명이 체중 감소를 구체적으로 언급하고 있지만, 이러한 시스템이 또한 체중 유지 또는 체중 증가에 동일하게 적용될 수 있다는 것을 이해해야만 한다.

유사한 부분을 유사한 참조로서 언급하고 있는 이하의 도면을 참조하여 본 발명의 상세한 설명을 고려할 때 본 발명의 추가 특징과 장점이 명백해질 것이다.

도1은 본 발명에 따라 전자 네트워크에서의 생리 데이터와 라이프스타일을 모니터링하기 위한 시스템의 일 실시예를 나타내는 그림,

도2는 도1에 도시된 센서 디바이스의 일 실시예의 블록도,

도3은 도1에 도시된 중앙 모니터링 유닛의 일 실시예의 블록도,

도4는 도1에 도시된 중앙 모니터링 유닛의 대안적인 실시예의 블록도,

도5는 본 발명의 일 측면에 따라 건강 매니저 웹페이지의 바람직한 실시예를 나타내는 도면,

도6은 본 발명의 일 측면에 따라 영양 웹페이지의 바람직한 실시예를 나타내는 도면,

도 7은 본 발명의 일태양에 따른 특정 사용자를 위한 관린 시스템의 구성을 나타내는 블록도,

도 8은 본발명의 일태양에 따른 체중 추적 시스템의 바람직한 실시예의 블록도,

도 9은 본발명의 일태양에 따른 갱신 정보 위저드 인터페이스의 바람직한 실시예의 블록도,

도10은 본 발명의 일 측면에 따라 활동레벨 웹페이지의 바람직한 실시예를 나타내는 도면,

도11은 본 발명의 일 측면에 따라 마인드 센터링 웹페이지의 바람직한 실시예를 나타내는 도면,

도12는 본 발명의 일 측면에 따라 수면 웹페이지의 바람직한 실시예를 나타내는 도면,

도13은 본 발명의 일 측면에 따라 일상 활동 웹페이지의 바람직한 실시예를 나타내는 도면,

도14은 본 발명의 일 측면에 따라 건강 인덱스 웹페이지의 바람직한 실시예를 나타내는 도면,

도 15는 본발명의 일태양에 따른 체중 관리자 인터페이스의 바람직한 실시예의 도면,

도 16은 본 발명의 일태양에 따른 간헐적인 상태 리포트의 발생을 나타내는 로직도,

도 17은 본발명의 일태양에 따른 에너지 소모값에 기초한 간헐적인 상태 리포트의 발생을 설명하는 로직도,

도 18은 본발명의 일태양에 따른 스테이트 상태 결정에 더하여 칼로리 섭취량에 기초한 간헐적인 상태 리포트의 발생을 설명하는 로직도,

도 19은 본발명의 일태양에 따른 스테이트 상태 결정의 계산을 설명하는 로직도,

도20는 도1에 도시된 센서 디바이스의 구체적 실시예의 정면도,

도21은 도1에 도시된 센서 디바이스의 구체적 실시예의 후면도,

도22는 도1에 도시된 센서 디바이스의 구체적 실시예의 측면도,

도23는 도1에 도시된 센서 디바이스의 구체적 실시예의 저면도,

도24 및 도25은 도1에 도시된 센서 디바이스의 구체적 실시예의 정면 원근도,

도26은 도1에 도시된 센서 디바이스의 구체적 실시예의 전개된 측면 원근도,

도27은 배터리 재충전 유닛내에 삽입된 도20 내지 도26에 도시된 센서 바이스의 측면도,

도28은 도20 내지 도26에 도시된 센서 디바이스의 일부를 형성하는 인쇄회로기판 상에 장착되거나 혹은 이와 연결되어 있는 모든 구성요소를 도시하는 블록도,

도29은 본 발명의 일 측면에 따라 전개된 알고리즘의 포맷을 도시하는 블록도, 및

도30은 본 발명에 따라 에너지 소모를 예측하기 위한 예시적인 알고리즘을 나타내는 블록도.

본 발명에 의하면, 일반적으로, 개개인의 생리 상태, 라이프스타일, 및 특정 컨텍스츄얼 파라미터에 관한 데이터가 수집되어 바람직하게는 개개인으로부터 원격 에 있는 지점으로 실시간으로 또는 후속적으로 전송되고, 여기에서, 데이터는 바람직하게는 인터넷과 같은 전자적 네트워크를 통해 추후 수령자를 위한 조작이나 표시를 위해 저장된다. 컨텍스츄얼 파라미터는 공기의 질, 사운드의 질, 주변 온도, 위성위치확인(global positioning) 등을 포함하며 여기에 한정되지 않는 개개인의 환경, 주변상태, 및 위치에 관한 파라미터를 의미하는 것으로 사용된다. 도1을 참조하면, 인체의 적어도 일부에 근접하여 위치하도록 적용된 센서 디바이스(10)가 사용자 위치(5)에 위치하고 있다. 바람직하게는 센서 디바이스(10)는, 예컨대 몸에 꼭 맞는 옷이나 완장(arm band)의 등의 일부와 같은 옷의 일부로서 개개의 사용자에 의해 그 또는 그녀의 신체위에 착용된다. 센서 디바이스(10)는 개인의 생리 특성에 반응하여 신호를 발생하도록 적용된 하나 이상의 센서, 및 마이크로프로세서를 포함한다. 여기서 사용되는 근접은, 센서 디바이스(10)의 센서가 재료에 의해 개인의 신체로부터 떨어져 있다거나 또는 센서의 능력이 방해받지 않을 정도의 거리를 의미한다.

센서 디바이스(10)는 개개인의 심박속도, 맥박속도, 비트 대 비트 변화성, EKG 또는 ECG, 호흡속도, 피부온도, 신체내부 온도, 신체로부터의 열유속, 전기피부반응 또는 GSR, EMG, EEG, EOG, 혈압, 체지방, 수화 레벨, 활동 레벨, 산소소비량, 글루코스 또는 혈당 레벨, 신체 위치, 근육 또는 뼈에 대한 압력, 및 UV 방사선 노출 및 흡수 등과 같은 개개인의 다양한 생리 파라미터를 표시하는 데이터를 생성한다. 몇몇의 경우, 다양한 생리 파라미터를 표시하는 데이터는 하나 이상의 센서에 의해 생성된 신호 또는 신호들 그 자체이고, 몇몇 다른 경우에서는 하나 이 상의 센서에 의해 생성된 신호 또는 신호들에 기초하여 마이크로프로세서에 의해 데이터가 계산된다. 다양한 생리 파라미터를 표시하는 데이터를 생성하는 방법 및 이를 위해 사용되는 센서는 공지되어 있다. 표1은 그러한 공지된 방법의 일부 예를 제공하며, 해당 파라미터, 사용된 방법, 사용된 센서 디바이스, 및 생성되는 신호를 나타낸다. 또한 표1은 데이터를 생성하기 위해 생성된 신호에 기초하여 추가의 프로세싱이 필요한지 여부에 대한 표식을 제공한다.

파라미터	방법	센서	신호	추가 프로세싱
심박속도	EKG	2 전극	DC 전압	예
맥박속도	BVP	LED 이미터 및 광센서	저항의 변화	예
비트 대 비트 변화성	심박속도	2 전극	DC 전압	예
EKG	피부표면 전위	3-10 전극	DC 전압	아니오*(위치에 종속됨)
호흡속도	가슴체적 변화	스트레인 게이지	저항의 변화	예
피부온도	표면온도 탐지	써미스터	저항의 변화	예
내부온도	식도 또는 창자 탐지	써미스터	저항의 변화	예
열유속	열유속	써모파일	DC 전압	예
전기피부반응	피부 전도도	2 전극	저항의 변화	아니오
EMG	피부표면 전위	3 전극	DC 전압	아니오
EEG	피부표면 전위	다중 전극	DC 전압	예
EOG	눈의 움직임	박막 압전 센서	DC 전압	예
혈압	비-침투성 코로츠커프 사운드	전자 맥박계	저항의 변화	예
체지방	신체 임피던스	2 활성 전극	임피던스변화	예
활동	신체 움직임	가속도계	DC 전압, 커패시턴스변화	예
산소 소비	산소 흡입	전기화학	DC 전압 변화	예
글루코스 레벨	비-침투성	전기화학	DC 전압 변화	예
신체위치(예컨대, 누워있는, 서있는, 앉아있는)	N/A	수은 스위치 어레이	DC 전압 변화	예
근육 압력	N/A	박막 압전 센서	DC 전압 변화	예
UV 방사선 흡수	N/A	UV 반응성 포토셀	DC 전압 변화	예

표1에 기재된 데이터의 타입은 센서 디바이스(10)에 의해 생성될 수 있는 데이터 타이의 예로서 의도된 것이다. 다른 파라미터에 관한 데이터의 다른 타입도 본 발명의 범위를 벗어나지 않으면서 센서 디바이스(10)에 의해 생성될 수 있다는 것을 이해할 것이다.

센서 디바이스(10)의 마이크로프로세서는 데이터를 요약하고 분석하기 위해 프로그램될 수 있다. 예컨대, 마이크로프로세서는 10분과 같은 정의된 시간 주기동안의 평균, 최소, 또는 최대 심박속도 또는 호흡속도를 계산하도록 프로그램될 수 있다. 센서 디바이스(10)는 하나 이상의 생리 파라미터를 표시하는 데이터에 기초하여 개개인의 생리 상태에 관한 정보를 도출할 수 있다. 센서 디바이스(10)의 마이크로프로세서는 하나 이상의 생리 파라미터를 표시하는 데이터에 기초하고 공지된 방법을 사용하여 그러한 정보를 도출하도록 프로그램된다. 표2는 도출될 수 있는 정보 타입의 예를 제공하고, 그리고 이를 위해 사용될 수 있는 데이터의 일부 타입을 나타낸다.

도출되는 정보	사용된 데이터
배란	피부온도, 체내온도, 산소 소비량
수면 개시/깨어남	비트 대 비트 변화성, 심박속도, 맥박속도, 호흡속도, 피부온도, 체내온도, 열유속, 전기피부반응, EMG, EEG, EOG, 혈압, 산소 소비량
소모된 칼로리	심박속도, 맥박속도, 호흡속도, 열유속, 활동, 산소 소비량
기저대사율	심박속도, 맥박속도, 호흡속도, 열유속, 활동, 산소 소비량
기저 온도	피부온도, 체내온도
활동 레벨	심박속도, 맥박속도, 호흡속도, 열유속, 활동, 산소 소비량
스트레스 레벨	EKG, 비트 대 비트 변화성, 심박속도, 맥박속도, 호흡속도, 피부온도, 열유속, 전기피부반응, EMG, EEG, 혈압, 활동, 산소 소비량
이완 레벨	EKG, 비트 대 비트 변화성, 심박속도, 맥박속도, 호흡속도, 피부온도, 열유속, 전기피부반응, EMG, EEG, 혈압, 활동, 산소 소비량
최대 산소 소비율	EKG, 심박속도, 맥박속도, 호흡속도, 열유속, 혈압, 활동, 산소 소비량
상승시간 또는 휴식 속도에서부터 타켁 최대의 85%까지 상승하는데 걸리는 시간	심박속도, 맥박속도, 열유속, 산소 소비량
존에서의 시간 또는 심박속도가 타겟 최대의 85% 이상에 있었던 시간	심박속도, 맥박속도, 열유속, 산소 소비량
회복 시간 또는 심박속도가 타겟 최대의 85% 이상에 있은후 심박속도가 휴식 속도까지 되돌아오는데 걸리는 시간	심박속도, 맥박속도, 열유속, 산소 소비량

부가적으로, 센서 디바이스(10)는 개인을 둘러싸는 환경에 관한 다양한 컨텍스츄얼 파라미터를 표시하는 데이터를 또한 생성할 수 있다. 예컨대, 센서 디바이스(10)는 개인에 가까운 공기의 질, 사운드 레벨/질, 빛의 질, 또는 주위 온도, 또는 심지어 개인의 위성위치를 표시하는 데이터를 생성할 수 있다. 센서 디바이스(10)는 개인을 둘러싸고 있는 환경에 관한 컨텍스츄얼 특성에 응답하여 신호를 생성하기 위한 하나 이상의 센서를 포함할 수 있고, 이 신호는 최종적으로 위에 설명된 데이터 타입을 생성하는데 사용된다. 공기 질, 사운드 레벨/질, 주위 온도, 및 위성위치와 같은 컨텍스츄얼 파라미터 데이터를 생성하기 위한 방법과 같이, 이러한 센서도 공지되어 있다.

도2는 센서 디바이스(10)의 실시예를 나타내는 블록도이다. 센서 디바이스(10)는 적어도 하나의 센서(12) 및 마이크로프로세서(20)를 포함한다. 센서(12)에 의해 생성된 신호의 성질에 의존하여, 신호는 마이크로프로세서(20)로 보내어지기 이전에 하나이상의 증폭기(14), 컨디셔닝 회로(16), 및 아날로그-디지털 변환기(18)를 통과하도록 전송될 수 있다. 예컨대, 센서(12)가 증폭 및 필터링이 필요한 아날로그 신호를 생성하면, 이 신호는 증폭기(14)로 보내어지고 그 후 예컨대 대역통과필터일 수 있는 컨디셔닝 회로(16)로 보내어진다. 증폭되고 컨디셔닝된 아날로그 신호는 그 후 아날로그-디지털 변환기(18)로 전송되고, 여기서 디지털 신호로 변환된다. 디지털 신호는 마이크로프로세서(20)로 전송된다. 대안적으로, 만일 센서(12)가 디지털 신호를 생성하면 이 신호는 마이크로프로세서(20)로 곧바로 전송될 수 있다.

개인 사용자의 어떤 생리 및/또는 컨텍스츄얼 특성을 나타내는 디지털 신호 또는 디지털 신호들은 마이크로프로세서(20)에 의해 개인 사용자의 생리 및/또는 컨텍스츄얼 파라미터를 지시하는 데이터를 계산하고 발생시키도록 사용된다. 마이크로프로세서(20)는 적어도 하나의 관점의 개인 생리 상태에 관련된 정보를 추출하도록 프로그램되어 있다. 마이크로프로세서(20)는 또한 마이크로제어기와 같은 다른 형태의 프로세서 또는 프로세싱 디바이스, 또는 상술한 기능을 수행하도록 프로그램될 수 있는 다른 디바이스를 포함할 수 있다.

선택적으로, 중앙 처리 유닛은 동작 제어 또는 , 최소한, 오디오 플레이어 디바이스(21)의 선택을 제공할 수 있다. 당업자에게 명백한 바와 같이, 오디오 플레이어(21)는 별개로 저장된 오디오 매체를 플레이하거나 저장 및 플레이하는 타입을 갖고 있다. 이 디바이스는 아래에 보다 상세하게 설명된 바와 같이, 오디오 플레이어(21)의 출력을 제어하거나 단순히 유저 인터페이스를 제공하여 휴대자가 오디오 플레이어(21)를 제어할 수 있도록 할 수 있다.

생리 및/또는 컨텍스츄얼 파리미터를 지시하는 데이터는, 본 발명의 일실시예에 따르면, 후술하는 방법으로 업로드될 때까지 저장되는 장소인 플래시 메모리와 같은 메모리(22)로 전송된다. 도 2 에 메모리(22)가 개별적인 소자로 도시되어 있지만, 마이크로프로세서(20)의 일부일 수도 있다는 점은 충분히 알 수 있다. 센서 디바이스(10)는 여기에 기술된 방법으로 어떤 데이터 신호를 출력하고, 입력으로서 수신하도록 적용된 입력/출력 회로(24)를 또한 포함한다. 따라서, 센서 디바이스(10)의 메모리(22)는 시간이 흐름에 따라 개인 사용자의 신체 및/또는 환경에 관련된 데이터의 저장을 구축할 것이다. 그 데이터는 주기적으로 센서 디바이스(10)로부터 업로드되고, 도 1 에 도시된 바와 같이, 후속 프로세싱과 바람직하게 인터넷과 같은 글로벌 또는 로컬 전자 네트워크를 통해 사용자에게 표현되기 위해 데이터베이스에 상기 데이터가 저장되는 원격 중앙 모니터링 유닛(30)으로 전송된다. 데이터의 업로드는 센서 디바이스(10)에 의해 주기적으로 또는 어떤 레벨 이하로 심장 박동의 센서 디바이스(10)에 의한 감지와 같은 이벤트의 발생에 의해 개시되는 자동 프로세스일 수 있고, 개인 사용자 또는 상기 사용자에게 권한을 위임받은 제3자에 의해, 일일 오후 10시와 같이 어떤 주기적인 스케쥴에 따라 개시되어 질 수 있다. 또는, 메모리(22)에 데이터를 저장하는 것이 아니라, 센서 디바이스(10)가 연속적으로 데이터를 실시간으로 업로드할 수 있다.

저장을 위해 센스 디바이스(10)로부터 중앙 모니터링 유닛(30)으로 업로드 하는 것은 다양한 방법으로 이루어질 수 있다. 일 실시예에서, 센서 디바이스(10)에 의해 수집된 데이터는 예를 들어 RS232 또는 USB 포트와 같은 직렬 접속인 물리적인 접속(40)에 의해 도 1 에 도시된 개인 컴퓨터(35)로 1차 전송됨으로써 업로드된다. 물리적은 접속은, 많은 상용 개인휴대정보 단말기에 보편적인 것처럼, 센서 디바이스(10)가 삽입될 수 있는 개인 컴퓨터(35)에 전자적으로 결합되는 크래들(도시하지 않음)을 사용하여 이루어질 수 있다. 데이터의 업로드는 크래들상의 버튼을 누름으로써 개시될 수 있고, 센서 디바이스(10)의 삽입시에 자동적으로 개시될 수 있다. 센서 디바이스(10)에 의해 수집된 데이터는 45로 표시된 바와 같이, 적외선 또는 RF전송과 같은 단거리 무선 전송에 의해 개인 컴퓨터에 1차 전송함으로써 업로드될 수 있다.

데이터가 개인 컴퓨터(35)에 수신되면, 다양한 공지된 방법중의 하나로 부가적으로 압축되고 암호화되어, 로컬 또는 글로벌 전자 네트워크, 바람직하게는 인터넷을 통해 중앙 모니터링 유닛(30)으로 전송된다. 개인 컴퓨터(35)는 예를 들어, 팜사의 팜VII 또는 리서치 인 모션사의 블랙베리 양방향 페이저와 같은 개인휴대정보 단말기와 같은, 전자 네트워크에 접속하여 데이터를 수신하고 전송할 수 있는 어떤 컴퓨팅 디바이스 일 수 있다.

또는, 센서 디바이스(10)에 의해 수집된 데이터는, 마이크로프로세서(20)에 의해 선택적으로 암호화되고 압축된 뒤에, 이메일 또는 ASCII 혹은 이진 데이터와 같은 무선 프로토콜을 사용하여 로컬 텔코 사이트(55)로 장거리 무선 전송을 위해 양방향 페이저나 셀룰러 폰과 같은 무선 디바이스(50)로 전송될 수 있다. 로컬 텔코 사이트(55)는 무선 디바이스(50)로부터 무선 전송을 수신하는 타워(60) 및 상기 타워에 연결된 컴퓨터(65)를 포함한다. 바람직한 실시예에 따르면, 컴퓨터(65)는 인터넷과 같은 관련된 전자 네트워크에 액세스하고 상기 인터넷을 통해 중앙 모니터링 유닛(30)으로 무선 전송의 형태로 수신된 데이터를 전송하기 위해 사용된다. 도 1 에 무선 디바이스(50)가 센서 디바이스(10)에 연결된 개별적인 디바이스로 도시되어 있지만, 동일 또는 유사한 기능을 가지는 디바이스 또는 상기 무선 디바이스가 센서 디바이스(10)의 일부로 임베이드되어 질 수 있다.

센서 디바이스(10)에는 취침 시간, 기상 시간, 식사 시간과 같은 이벤트를 시간 지정하는데 사용되는 버튼이 구비될 수 있다. 이러한 시간 지정은 센서 디바이스(10)내에 저장되고, 상술한 다른 데이터와 함께 중앙 모니터링 유닛(30)으로 업로드된다. 시간 지정은 중앙 모니터링 유닛(30)으로 업로드된 후에 음성 인식 기술을 이용하여 상기 중앙 모니터링 유닛(30)에 의해 사용되어 질 수 있는 텍스트나 다른 정보 포맷으로 번역될 수 있는 디지털적으로 기록된 음성 메시지를 포함할 수 있다. 대안의 실시예에서, 이러한 타임 스태핑된 이벤트는 자동으로 검출될 수 있다는 것을 주목해야 한다.

개인 사용자에 관련된 생리 데이터를 자동으로 수집하기 위해 센서 디바이스(10)를 사용하는 것 외에, 키오스크가 예를 들어 개인의 체중을 재고, 손이나 다른 신체 부위을 올려놓는 센서 디바이스(10)와 유사한 센싱 디바이스를 제공하거나, 레이저 기술 또는 iStat 혈액 분석기 등을 이용하여 개인 신체를 스캐닝하는 것에 의해 상기 데이터를 수집하도록 적용될 수 있다. 키오스크에는 상술한 프로세싱 능력과 관련 전자 네트워크에 액세스가 제공되고, 따라서, 상기 전자 네트워크를 통해 중앙 모니터링 유닛(30)으로 상기 수집된 데이터를 전송하도록 적용될 수 있다. 손이나 다른 신체 부위를 올려놓는, 센서 디바이스(10)와 유사한 데스크탑 센싱 디바이스가 또한 제공될 수 있다. 예를 들어, 그런 데스크탑 센싱 디바이스는 개인이 자신의 팔을 내부에 위치시키는 혈압 모니터일 수 있다. 개인은 그 내에 구현된 센서 디바이스(10)를 가지는 링을 착용할 수 있다. 상기 링에 결합되어 지도록 적용되는 베이스(미도시)가 제공될 수 있다. 데스크탑 센싱 디바이스 또는 상술한 베이스는 물리적 또는 단거리 무선 연결을 통해 개인 컴퓨터(35)와 같은 컴퓨터에 연결될 수 있어, 상기 수집된 데이터는 상술한 방법에서의 관련 전자 네트워크를 통해 중앙 모니터링 유닛(30)으로 업로드될 수 있다. 예를 들어, 개인휴대정보 단말기와 같은 모바일 디바이스는 그 내부에 구현된 센서 디바이스(10)가 제공되어 질 수 있다. 그런 센서 디바이스(10)는 모바일 디바이스가 손 바닥에 디바이스를 쥐는 것과 같은 개인 신체와 접근하여 위치될 때 데이터를 수집하고, 여기에 설명된 방법중 어는 방법에 의해 중앙 모니터링 유닛(30)로 상기 수집된 데이터를 업로드하도록 적용될 수 있다.

대안의 일실시예는 신체상에 휴대할 필요가 없는 제3의 디바이스의 통합을 포함하고, 생리 상태에 속하는 추가 데이터를 수집한다. 예들은 휴대용 혈액 분석기, 글루코스 모니터, 체중계, 혈압 커프스, 맥박산소측정기, CPAP 머신, 휴대용 산소 머신, 홈 온도조절기, 트레드밀, 휴대폰 및 GPS 로케이터를 포함한다. 시스템은 트레드밀 또는 CPAP의 경우에 이로부터 데이터를 수집하고, 이러한 디바이스를 제어하고, 데이터를 수집하여 새로운 파라미터의 실시간 또는 미래의 도출을 위해 스트림으로 통합될 수도 있다. 이것의 일예는 사용자의 손가락상의 맥박산소측정기이고 이는 맥박의 측정을 도와서 혈압에 대한 대용 판독기록을 제공할 수도 있다. 또한, 사용자는 디바이스를 교정하기 위해 베이스라인 리딩을 달성하도록 이러한 다른 디바이스중 하나를 사용할 수 있다.

게다가, 상술한 방법으로 그런 데이터를 자동으로 센싱함으로써 데이터를 수집하는 것 외에, 개인은 최종적으로 중앙 모니터링 유닛(30)으로 전송되고 저장되는, 다양한 생명 활동에 관련된 데이터를 수동으로 제공할 수도 있다. 개인 사용자는 중앙 모니터링 유닛(30)에 의해 유지되는 웹사이트에 액세스할 수 있고, 상기 웹사이트에 의해 제시된 질문에 대답하거나, 상기 웹사이트에 의해 제공된 대화박스를 통해 클릭함으로써 텍스트를 자유롭게 기입함으로써 생명 활동에 관련된 정보를 직접적으로 입력할 수 있다. 중앙 모니터링 유닛(30)는 또한 생명 활동에 관련된 정보를 도출하도록 제안된 질문을 포함하는 전자 메일 메시지를 개인 컴퓨터(35) 또는 개인휴대정보 단말기, 페이저, 또는 셀룰러 폰과 같은 전자 메일을 수신할 수 있는 다른 디바이스로 주기적으로 전송하도록 적용될 수 있다. 개인은 적당한 전자 메일 메시지에 대해 관련 데이터로 대답함으로써 중앙 모니터링 유닛(30)에 생명 활동에 관련된 데이터를 제공할 수 있다. 중앙 모니터링 유닛(30)는 개인 사용자에게 제시될 수 있는 질문이 있는 전화 호출을 개인 사용자에게 하도록 적용될 수도 있다. 사용자는 상기 질문에 전화 키패드, 또는 대답을 수신하고 처리하기 위해 중앙 모니터링 유닛(30)에 의해 사용되는 종래의 음성 인식 기술이 필요한 음성을 사용하여 정보를 입력함으로써 대답할 수 있다. 전화 호출은 사용자에 의해 개시될 수 있고, 이 경우 사용자는 다른 사람에게 직접적으로 이야기하거나 키패드를 사용 또는 음성/음성 인식 기술에 의해 정보를 입력할 수 있다. 중앙 모니터링 유닛(30)은 사용자에 의해 제어되는 정보의 소스에 액세스가 제공될 수 있는데, 예를 들어 워싱톤, 레드몬드에 있는 마이크로소프트사에 의해 판매되는 아웃룩 제품에 제공되는 사용자의 전자 캘린더로부터 정보를 자동으로 수집할 수 있다. 생명 활동에 관련된 데이터는 식사, 수면, 운동, 정신 집중 또는 휴식, 및/또는 개인의 일상 습관, 패턴, 및/또는 활동이다. 따라서, 샘플 질문은 다음을 포함한다: 오늘 점심은 뭘 먹었나? 지난 밤 언제 잠 들었나? 오늘 아침 몇시에 일어났나? 오늘 트레드밀을 얼마나 오래 돌렸나?.

피드백이 사용자에게 센서 디바이스(10)를 통해 직접적으로 예를 들어, LED 또는 LCD를 통해 또는 센서 디바이스(10)를 적어도 부분적으로 열색채 프라스틱으로 구성함으로써 시각적인 형태로, 소리 신호의 형태로, 또는 진동과 같은 촉각 피드백의 형태로 제공되어 질 수 있다. 그런 피드백은 식사를 하거나 약 또는 비타민 같은 보조제를 먹도록 하거나, 운동이나 명상과 같은 활동에 관련하도록 하거나, 탈수상태가 감지되었을 때 물을 마시도록 하는 암시나 경보가 될 수 있다. 부가적으로, 암시나 경보는 배란과 같은 특정 생리적인 파라미터가 감지될 때, 운동동안 소비된 칼로리 레벨이 성취되거나, 높은 박동수 또는 호흡율이 생겼을 때 발행될 수 있다.

당업자에게 자명한 바와 같이, 중앙 모니터링 유닛(30)으로부터 센서 디바이스(10)로 데이터를 "다운로드"하는 것이 가능하다. 상기 다운로드 과정에서 데이터의 흐름은 실질적으로 센서 디바이스(10)로부터 데이터의 업로드와 관련하여 상술한 과정의 역이다. 따라서, 센서 디바이스(10)의 마이크로프로세서(20)의 펌웨어가 센서 디바이스(10)의 샘플링 비 및 타이밍과 같은 파라미터에 대해 중앙 모니터링 유닛(30)으로부터 센서 디바이스(10)로 새로운 펌웨어를 다운로딩함으로써 원격으로 갱신되거나 변경될 수 있는데, 즉 마이크로프로세서가 재프로그램될 수 있다. 또한, 센서 디바이스(10)로부터 제공된 암시/경보는 중앙 모니터링 유닛(30)에 의해 유지되고 실질적으로 센서 디바이스(10)로 다운로드되는 웹사이트를 사용하여 사용자에 의해 설정될 수 있다.

도 3 을 참조하면, 중앙 모니터링 유닛(30)의 블록도가 도시된다. 중앙 모니터링 유닛(30)은 그 주기능이 데이터 요청 또는 들어오고 나가는 트래픽을 받아들이고 상기 요청 및 트래픽을 중앙 모니터링 유신(30)에 의해 유지되는 웹사이트에 뷰잉하거나 프로세싱하기 위해 인도하는 라우터(75)에 연결된 CSU/DSU(70)를 포함한다. 라우터(75)는 방화벽(80)에 연결되어 있다. 방화벽(80)의 주기능은 인증되지 않은 혹은 악의의 침입으로부터 중앙 모니터링 유닛(30)의 나머지 부분을 보호하는 것이다. 방화벽(80)에 연결된 스위치(85)는 미들웨어 서버(95a 내지 95c) 및 데이터베이스 서버(110)사이에 데이터 흐름을 인도하는 데 사용된다. 로드 밸런서는 동일하게 구성된 미들웨어 서버(95a 내지 95c)사이에 들어오는 요청의 일 부하를 분산하도록 제공된다. 캘리포니아, 산호세에 있는 파운드리 네트워크사에 의해 판매되는 F5 서버아론이 적절한 예가 될 수 있는 로드 밸런서는 미들웨어 서버(95a 내지 95c)사이에 태스크를 적절히 분산시키기 위해 각각의 미들웨어 서버(95a 내지 95c)의 이용가능성 및 상기 미들웨어 서버(95a 내지 95c)내에서 사용되는 시스템 자원의 양을 분석한다.

중앙 모니터링 유닛(30)은 데이터를 위한 중앙 저장소로 작동하는 저장 영역 네트워크(SAN)와 같은 네트워크 저장 디바이스(100)를 포함한다. 특히, 네트워크 저장 디바이스(100)는 상술한 방법으로 각각의 개인 사용자에 대해 수집된 모든 데이터를 저장하는 데이터베이스를 포함한다. 적당한 네트워크 저장 디바이스(100)의 예는 메사츄세츠, 홉킨톤에 있는 EMC사에 의해 판매되는 시메트릭스 제품이다. 도 3 에 단지 하나의 네트워크 저장 디바이스가 도시되어 있지만, 다양한 용량의 다수의 네트워크 저장 디바이스가 중앙 모니터링 유닛(30)의 데이터 저장 용량에 따라 사용되어 질 수 있다. 중앙 모니터링 유닛(30)는 또는 상기 네트워크 저장 디바이스(100)에 연결된 데이터베이스 서버(110)를 포함한다. 데이터베이스 서버(110)는 2개의 주요 소자로 이루어진다: 대용량 멀티프로세서 서버 및 캘리포니아, 레드우드 시티에 있는 오라클 사에 의해 판매되는 8/8i 소자 또는 워싱톤, 레드몬드에 있는 마이크로소프트사의 5067 소자와 같은 엔터프라이즈형 소프퉤어 서버를 포함한다. 데이터베이스 서버(110)의 주요 기능은 네트워크 저장 디바이스(100)에 저장된 데이터에 대한 요청에 의해 액세스를 제공하고, 새로운 데이터로 네트워크 저장 디바이스(100)를 채우는 기능을 한다. 네트워크 저장 디바이스(100)에 네트워크 저장 디바이스(100)에 저장된 데이터를 관리하기 위해 전형적으로 데스크탑 개인 컴퓨터를 포함하는 제어기(115)가 연결되어 있다.

캘리포니아, 팔로알토에 있는 선마이크로시스템즈사에 의해 판매되는 22OR 듀얼 프로세서가 적당한 예가 될 수 있는 미들웨어 서버(95a 내지 95c)는 각각 중앙 모니터링 유닛(30)에 의해 유지되는 웹사이트의 기업 또는 홈 페이지를 발생하고 관리하기 위한 소프트웨어를 포함하고 있다. 공지된 바와 같이, 웹페이지는 하이퍼텍스트 마크업 언어(HTML)로 기술된 파일을 포함하는 월드 와이드 웹상에서 활용가능한 데이터의 블록을 의미하고, 웹사이트는 월드 와이드 웹 서버 프로세스를 운영하는 인터넷상에서의 어떤 컴퓨터를 의미한다. 기업 또는 홈 페이지는 적당한 균일 자원 지시자(URL)를 사용하여 사이트를 방문하는 일반인의 회원들에 의해 액세스가능하게 열려지거나 제시되는 웹페이지이다. 공지된 바와 같이, URL은 월드 와이드 웹에 사용되는 주소의 형태이고, 인터넷상의 웹페이지와 같은 객체의 위치를 특정하는 표준화된 방법을 제공한다. 미들웨어 서버(95a 내지 95c)는 등록하고 중앙 모니터링 유닛(30)의 회원이 된 개인에 의해서만 액세스되는 중앙 모니터링 유닛(30)의 웹 사이트의 웹페이지를 발생하고 유지하는 소프트웨어를 각각 포함한다. 회원 사용자는 자신의 데이터를 중앙 모니터링 유닛(30)에 저장하기를 원하는 개인들이다. 그런 회원 사용자에 의한 액세스는 보안의 목적으로 패스워드를 사용하여 제어된다. 웹 페이지의 바람직한 실시예가 아래에 상세히 기술되고, 네트워크 저장 디바이스(100)의 데이터베이스에 저장되어 있는 수집된 데이터를 이용하여 생성된다.

미들웨어 서버(95a 내지 95c)는 또한 데이터베이스 서버(110)를 통해 네트워크 저장 디바이스(100)로부터 데이터를 요청하고, 네트워크 저장 디바이스로 데이터를 기록하는 소프트웨어를 포함한다. 개인 사용자가 상기 네트워크 저장 디바이스(100)의 데이터베이스내로 데이터를 입력하기 위해 중앙 모니터링 유닛(30)과 세션을 개시하거나, 네트워크 저장 디바이스(100)의 데이터베이스내에 저장된 자신의 데이터를 보거나, 혹은 양자를 원할 때, 사용자는 워싱톤, 레드몬드에 있는 마이크로소프트사에 의해 배포된 인터넷 익스플로어와 같은 브라우저 프로그램을 이용하여 중앙 모니터링 유닛(30)의 홈 웹 페이지를 방문하고, 등록된 사용자로서 로그인한다. 로드 밸런서(90)는 사용자에게 선택된 미들웨어 서버로서 특정된, 미들웨어 서버(95a 내지 95c)중의 하나를 할당한다. 사용자는 각각의 전체 세션에 대해 선택된 미들웨어 서버에 바람직하게 할당될 것이다. 선택된 미들웨어 서버는 데이터베이스에 정보를 액세스하도록 허가된 진실된 사용자인가를 확실히 하기 위해 공지된 방법 중 하나를 이용하여 사용자를 인증한다. 회원 사용자는 건강 관리 매너저 혹은 개인 트레이너와 같은 제3자에게 자신의 데이터로의 액세스를 허가할 수 있다. 각각의 권한이 부여된 제3자는 별개의 패스워드가 주어질 수 있고, 종래의 브라우저를 이용하여 회원 사용자의 데이터를 볼 수 있다. 따라서, 사용자 및 제3자 모두 데이터의 수신자가 될 수 있는 것이 가능하다.

사용자가 인증되면, 선택된 미들웨어 서버는 데이터베이스 서버(110)를 통해 소정의 시간 주기동안 네트워크 저장 디바이스(100)로부터 개인 사용자의 데이터를 요청한다. 소정의 시간 주기는 바람직하게 30일이다. 요청된 데이터는, 네트워크 저장 디바이스(100)로부터 수신되기만 하면, 상기 선택된 미들웨어 서버에 의해 캐시 메모리에 일시적으로 저장된다. 캐시된 데이터는 상기 선택된 미들웨어 서버에 의해, 웹 페이지의 형태로 사용자의 브라우저를 통해 다시 사용자에게 표현될 수 있는 기초로서 사용된다. 각각의 미들웨어 서버(95a 내지 95c)에 데이터를 사용자에게 표현하기 위해 적당한 포맷으로 하기 위해 데이터를 활용하는 계산을 수행하고 조작하기 위한 소프트웨어를 포함하여 그런 웹페이지를 생성하기 위한 적당한 소프트웨어가 제공된다. 사용자가 자신의 세션을 종료하면, 상기 데이터는 캐시로부터 폐기된다. 사용자가 새로운 세션을 개시하면, 상술한 바와 같은 사용자에 대한 데이터를 획득하고 캐시하는 과정이 반복된다. 캐시 시스템은 따라서 이상적으로 네트워크 저장 디바이스(100)로 단지 한 번의 호출이 세션당 이루어지는 것이 필요하고, 이로 인해 데이터베이스 서버(110)가 처리해야 할 트랙픽을 감소시킨다. 특정 세션동안 사용자로부터 요청이 이미 검색된 캐시된 데이터의 소정 시간 주기밖에 있는 데이터를 요구한다면, 네트워크 저장 디바이스(100)로 별개의 호출이 상기 선택된 미들웨어 서버에 의해 수행되어야 할 것이다. 그러나, 소정의 시간 주기는 부가적인 호출이 최소화되도록 선택될 수 있다. 캐시된 데이터는 사용자가 새로운 세션을 시작할 때 다시 사용되어 질 수 있도록 캐시 메모리에 저장될 수 있다. 따라서, 네트워크 저장 디바이스(100)로 새로운 호출을 개시할 필요를 제거한다.

표 2 와 관련하여 기술한 바와 같이, 센서 디바이스(10)의 마이크로프로세서는 하나 이상의 생리 파라미터를 지시하는 데이터에 기초한 개인 생리 상태에 관련된 정보를 추출하도록 프로그램될 수 있다. 중앙 모니터링 유닛(30), 및 바람직하게 미들웨어 서버(95a 내지 95c)는 하나 이상의 생리 파라미터를 지시하는 데이터에 기초한 상기 정보를 추출하도록 유사하게 프로그램될 수 있다.

사용자가 예를 들어, 사용자의 식사 및 취침 습관에 관련된 정보와 같은 부가적인 데이터를 세션동안 입력할 수 있다는 것도 생각할 수 있다. 이 부가적인 데이터는 바람직하게 사용자의 세션 지속동안 상기 선택된 미들웨어 서버에 의해 캐시내에 저장된다. 사용자가 세션을 종료하면, 캐시내에 저장된 부가적인 새로운 데이터는 선택된 미들웨어 서버에 의해 네트워크 저장 디바이스(100)에 축적을 위해 데이터베이스 서버(110)로 전송된다. 또는, 세션동안 잠재적인 사용을 위해 캐시에 저장되는 것 이외에, 입력 데이터가 공지된 바와 같이 라이트-스루 캐시 시스템의 일부로서, 네트워크 저장 디바이스(100)내에 축적을 위해 테이터베이스 서버(110)로 즉시 전송될 수 있다.

도1에 도시된 센서 디바이스(10)에 의해 수집된 데이터는 주기적으로 중앙 모니터링 유닛(30)으로 업로드된다. 장거리 무선 전송 또는 개인 컴퓨터(35)를 통해, 중앙 모니터링 유닛(30)으로의 연결이 전자 네트워크, 바람직하게는 인터넷을 통해 이루어진다. 특히, CSU/DSU(70), 라우터(75), 방화벽(80), 및 스위치(85)를 통해 연결이 로드 밸런서(90)으로 행해진다. 로드 밸런서(90)는 그 후 데이터의 업로드를 처리하는 미들웨어 서버(95a 내지 95c)중의 하나(이하, 선택된 미들웨어 서버라 함)을 선택한다. 선택된 미들웨어 서버는 공지된 방법중의 하나를 사용하여 사용자를 인증한다. 인증이 되면, 데이터는 상술한 바와 같이, 선택된 미들웨어 서버로 업로드되고, 네트워크 저장 디바이스(100)내에 축적되기 위해 데이터베이스 서버(110)으로 최종적으로 전송된다.

도 4를 참조하면, 중앙 모니터링 유닛(30)의 다른 실시예가 도시된다. 도 3과 관련하여 도시되고 기술된 소자외에, 도 4의 중앙 모니터링 유닛(30)은 네트워크 저장 디바이스(100)의 여분의 백업인 미러 네트워크 저장 디바이스(120)을 포함한다. 미러 네트워크 저장 디바이스(120)는 제어기(122)에 연결되어 있다. 네트워크 저장 디바이스(100)로부터의 데이터는 데이터 리던던시의 목적으로 미러 네트워크 저장 디바이스(120)로 주기적으로 복사된다.

보험 회사 또는 연구소와 같은 제 3의 기관이 미러 네트워크 저장 디바이스(120)내에 저장된 어떤 정보에, 요금 등의 이유로 액세스될 수 있다. 바람직하게, 데이터를 중앙 모니터링 유닛(30)에 제공하는 개인 사용자의 비밀성을 유지하기 위해, 이러한 제 3 기관에는 사용자의 개인 데이터베이스 기록에 액세스는 제공되지 않고, 다만 집합체의 형태로 미러 네트워크 저장 디바이스(120)내에 저장된 데이터로의 액세스만 제공된다. 제 3 기관은 종래의 브라우저 프로그램을 이용하여 인턴세을 통해 미러 네트워크 저장 디바이스(120)에 저장된 정보를 액세스할 수 있다. 제 3 기관으로부터의 요청은 CSU/DSU(70), 라우터(75), 방화벽(80) 및 스위치(85)을 통해 들어올 수 있다. 도 4 의 실시예에서, 별개의 로드 밸런서(130)가 동일하게 구성된 미들웨어 서버(135a 내지 135c)중에서 미러 드라이브 어레이(120)의 액세스 및 표현에 관련된 태스크를 분산하기 위해 제공된다. 미들웨어 서버(135a 내지 135c)는 제 3 기관이 브라우저를 이용하여 별개의 데이터베이스 서버(125)를 통해 미러 네트워크 저장 디바이스(120)로부터 정보에 대한 쿼리를 형성하도록 해주는 소프트웨어를 각각 포함한다. 미들웨어 서버(135a 내지 135c)는 웹 페이지 형태로 인터넷을 통해 미러 네트워크 저장 디바이스(120)로부터 획득된 정보를 제 3 기관에 표현하기 위한 소프트웨어를 또한 포함한다. 부가적으로, 제 3 기관은 다양한 예시적인 카테고리와 같은, 주제 라인을 따라 정보가 패키지 되도록 하는 일련의 준비된 리포트로부터 선택할 수 있다.

당업자에게 자명한 바와 같이, 제 3 기관에 미러 네트워크 저장 디바이스(120)내에 저장된 백업 데이터로의 액세스를 주는 대신에, 제 3 기관에 네트워크 저장 디바이스(100)내에 저장된 데이터로의 액세스가 주어질 수 있다. 또한, 로드 밸런서(130) 및 미들웨어 서버(135a 내지 135c)를 제공하는 대신에, 어느 정도 성능이 감소할 지라도 동일한 기능이 로드 밸런서 및 미들웨어 서버(95a 및 95c)에 의해 제공될 수 있다.

개인 사용자가 먼저 등록된 사용자 또는 회원이 되면, 사용자는 상세한 조사를 수행한다. 상기 조사의 목적은 다음과 같다: 중앙 모니터링 유닛(30)에 의해 제안되는 건강한 라이프스타일을 구현하고 유지할 가능성을 최대화하기 위해 검토할 필요가 있는 개별 사용자에 대한 독특한 특성/환경을 식별하는 것; 건강 지수 피스톤과 같은 어떤 그래픽 데이터 출력 및 계산을 용이하게 하고 개별 사용자에 대한 초기 목표를 설정하는데 사용되는 기초 데이터를 수집하는 것; 중앙 모니터링 유닛(30)이 건강 매니저의 일일 처방에서 사용자에게 제공된 콘텐츠의 형태를 커스터마이즈하는데 도움을 주는 독특한 사용자 특성 및 환경을 식별하는 것; 및 건강 메니저가 사용자에게 건강 메니저의 문제 해결 기능을 통하여 건강한 라이트스타일에 대한 가능한 장벽을 검토하도록 안내할 수 있는 독특한 사용자 특성 및 환경을 식별하는 것이다

특별히 체중 감소 또는 관리 애플리케이션을 위한 대안의 실시예에서, 여기에 보다 충분히 설명된 바와 같이, 사용자는 특정 건강 또는 체중 관련된 파라미터에서의 변화를 관찰하기 위해 장기적으로 또는 계속해서 센서 디바이스(10)를 휴대하도록 선택할 수 있다. 대안으로, 사용자는 전형적인 일일 칼로리 섭취량 및 에너지 소모량을 베이스라인 또는 초기 산출하기 위해 잠시, 초기 기간 동안 센서 디바이스(10)만을 휴대하도록 선택할 수 있다. 이러한 정보는 다이어트 및/또는 운동 계획, 메뉴 선택, 식사 플랜을 위한 기초를 제공할 수 있고, 진행이 임의의 관련된 체중감소 또는 변화 목표의 완료를 위해 달성되는 타임 프레임내의 잠시동안 센서 디바이스(10)를 다시 사용함으로써 주기적으로 체크될 수 있다. .

조사되는 특정 정보는 다음을 포함한다: 활동 레벨, 식사, 취침 및 장습관의 규칙성, 상황에 대한 초기 반응, 적응성, 인내, 반응의 임계치, 반응의 강도, 및 기분등을 포함하는 주요한 개인 기질; 자기 조직화 및 관리, 사회성, 기억력, 학업 성취 능력과 같은 독립적인 기능의 사용자 레벨; 자극, 인식 속도, 불만 필터링 능력, 불면증, 자기 감시등과 같은 사용자의 레벨을 포함하는 주의를 집중하고 유지하는 사용자의 능력; 현재의 체중, 신장, 혈압, 최근의 진찰, 부인과 진찰, 및 다른 의사/건강 상담, 현재의 투약 및 보조제 투약, 알러지, 및 현재의 징후 및/또는 건강 관련 거동을 포함하는 현재의 건강 상태; 사용자의 병력, 즉 병/수술, 가족력, 개인에 의해 조정이 필요한 이혼 또는 실업과 같은 사회적인 스트레스; 사용자의 건강 우선순위에 대한 신념, 가치, 생각, 그들 생활에 스트레스가 될 수 있는 자신의 행동을 바꾸는 능력, 및 어떻게 관리하는 가에 대한 능력; 자각, 동정, 권한, 자부심에 대한 사용자의 레벨, 사용자의 현재 식사, 수면, 운동, 휴식, 및 일상을 완료하는 행위에 대한 일상 일과; 및 그들 삶 및 건강한 라이프스타일을 방해하거나 스트레스를 줄 수 있는 관계에서 존재하는 분쟁이 있는 곳에서 2명의 주요 인물, 예를 들어 배우자, 친구, 동료, 상급자의 기질 특성에 대한 사용자의 자각.

체중 감소 또는 관리 애플리케이션에서, 개별적인 사용자는 먼저 등록된 사용자이거나 소프트웨어 플랫폼의 멤버가 되고, 사용자로부터 데이터를 수집하는 신체 모니터링 장치가 지급된다. 사용자는 특정 정보를 소프트웨어 플랫폼에 입력함으로써 상기 장치를 보다 더 개인화할 수 있다. 이러한 정보는 이름, 생일, 신장, 체중, 성, 웨이스트라인 측정값, 신체 타입, 흡연여부, 라이프스타일, 전형적인 활동, 일상적인 취침 및 기상 시간을 포함할 수 있다. 사용자가 상술된 임의의 접속 수단에 의해 개인 컴퓨터 또는 다른 유사한 디바이스에 상기 장치를 접속시킨 후에, 상기 장치는 이러한 정보에 의해 갱신된다. 사용자는 또한, 특정 시간에 비타민을 섭취하거나, 신체 활동에 관여하거나, 데이터를 업로드하기 위한 리마인더일 수 있는 리마인더를 설정하는 옵션을 가질 수 있다. 구성 프로세스가 완료된 후에, 프로그램은 어떻게 디바이스가 신체상에 부착되어야 하는지 그리고 사용자가 데이터의 수집을 위해 신체상의 적합한 위치에 상기 장치를 배치하기 위해 개인 컴퓨터로부터 상기 장치를 어떻게 제거하는지를 표시한다. 대안으로, 이러한 개인화의 일부는 초기 트라이얼 휴대 기간 동안 발생할 수 있다.

보다 일반적인 실시예에서, 각각의 회원 사용자는 중앙 모니터링 유닛(30)의 홈 웹 페이지를 통해, 건강 매니저로 언급되는, 사용자에 대해 커스터마이즈화된 일련의 웹 페이지에 액세스될 수 있다. 건강 매니저 웹 페이지가 도 5 에 도시된다. 건강 매니저 웹 페이지는 회원 사용자에 대한 주요 작업 영역이다. 건강 매니저 웹 페이지는 중앙 모니터링 유닛(30)이 일반적으로 분석적인 상태 데이터로 언급되는, 그것이 수집하거나 생성하는 데이터로부터 생성되는 다양한 타입과 형태의 데이터, 즉, 하나 이상의: 센서 디바이스(10)에 의해 생성된 다양한 생리 파라미터를 지시하는 데이터; 다양한 생리 파라미터를 지시하는 데이터로부터 도출된 데이터; 센서 디바이스(10)에 의해 생성된 다양한 컨텍스츄얼 파라미터를 지시하는 데이터; 및 사용자에 의해 계산된 건강, 호조 및 라이프스타일 지시자로 입력된 데이터를 사용자에게 제공한다. 예를 들어, 그가 섭취한 음식과 관련하여 사용자에 의해 입력된 데이터에 기초하여 단백질, 지방, 탄수화물 어떤 비타민의 양 및 칼로리가 계산될 수 있다. 다른 예로서, 피부 온도, 심장 박동수, 호흡율, 열 유속 및/또는 GSR이 사용자에게 소정의 시간 주기동안의 자신의 스트레스 레벨에 대한 지시자를 제공하도록 사용되어 질 수 있다. 또 다른 예로서, 피부 온도, 열 유속, 비트 대 비트 심장 변화성, 심장 박동수, 펄스율, 호흡율, 중심 온도, 칼바닉 피부 응답, EMG, EEG, EOG, 혈압, 산소 소비, 주위 소리 및 진동 가속도계와 같은 디바이스에 의해 감지된 신체 움직임 또는 운동이 사용자에게 소정의 시간 주기동안 자신의 수면 패턴에 대한 지시자를 제공하도록 사용되어 질 수 있다.

건강 매니저 웹 페이지(150)에 건강 지수(155)가 위치되어 있다. 건강 지수(155)는 회원 사용자에게 그들의 성과 및 중앙 모니터링 유닛(30)에 의해 제안된 건강한 일상 일과에 어느 정도 성공적으로 도달하였는지를 측정하고 피드백을 제공하는 데 사용되는 그래픽 유틸리티이다. 건강 지수(155)는 회원 사용자가 자신의 향상을 추적하기 위한 지시를 제공한다. 건강 지수(155)는 사용자의 건강 및 라이프 스타일에 관련된 6개의 카테고리를 포함한다: 영양, 활동 레벨, 정신 집중, 수면, 일상 활동 및 감정을 포함한다. 영양 카테고리는 언제, 무엇을, 얼마나 많이 먹고 마시는 가에 관련된다. 활동 레벨 카테고리는 얼마나 많이 움직이는 가에 관련된다. 정신 집중은 개인이 정신이 매우 집중되는 동안 신체가 심오한 휴식의 상태를 이룰 수 있도록 해주는 어떤 활동에 참여하는 시간의 질과 양에 관련된다. 수면 카테고리는 개인의 수면의 질과 양에 관련된다. 일상 활동 카테고리는 개인이 처하는 일상의 책임과 건강 위험성에 관련된다. 마지막으로, 감정 카테고리는 특정 날에 어떻게 느끼는 가에 대한 일반적인 지각에 관련된다. 각각의 카테고리는 상기 카테고리와 관련하여 어떻게 수행하고 있는 가에 대해 바람직하게 나쁨에서 좋음의 범위로 지시하는 관련 레벨 지시자 또는 피스톤을 가지고 있다.

각각의 회원 사용자가 상술한 초기 조사를 완료하면, 사용자에게 자신의 관련 특성 및 라이프 환경의 요약을 제공하는 프로파일이 생성된다. 계획 및/또는 목료 세트가 제안된 건강 일상 일과의 형태로 제공된다. 제안된 건강 일상 일과는 적절한 영양, 운동, 정신 집중, 수면, 사용자의 라이프내의 일상 생활의 선택된 활동을 구현하는 특정 제안의 조합을 포함한다. 전형적인 스케쥴이 이러한 제안된 활동이 사용자의 라이프내로 어떻게 구현될 지에 대한 가이드로서 제공될 수 있다. 사용자는 주기적으로 조사를 다시 하고, 이 결과에 따라 상술한 항목이 그에 따라 조정될 것이다.

영양 카테고리는 사용자에 의해 입력된 데이터 및 센서 디바이스(10)에 의해 검출된 데이터로부터 계산된다. 사용자에 의해 입력된 데이터는 아침, 점심, 저녁 및 어떤 스낵을 먹은 시간 및 지속시간, 섭취한 음식, 섭취한 비타민과 같은 보조제, 관련 미리 설정한 시간 주기 동안 소비된 물 및 다른 음료수를 포함한다. 이 데이터 및 다양한 음식의 알려진 특성과 관련하여 저장된 데이터에 기초하여, 중앙 모니터링 유닛(30)은 소비된 단백질, 지방, 탄수화물, 비타민 등의 양 및 칼로리와 같은 알려진 영양적인 음식 값을 계산한다.

영양 건강 지수 피스톤 레벨은 다음의 제안된 건강한 일상 일과에 관련하여 바람직하게 결정된다: 적어도 3끼의 식사의 섭취: 6-11 서빙의 빵, 파스타, 시리얼 및 쌀, 2-4 서빙의 과일, 3-5 서빙의 야채, 2-3 서빙의 생선, 육류, 가금류, 건콩, 계란 및 땅콩, 및 2-3 서빙의 우유, 요쿠르트, 및 치즈의 섭취; 8 온스 이상의 물 섭취. 이러한 일과는 성별, 연령, 신장, 체중과 같은 사용자에 대한 정보에 기초하여 조절될 수 있다. 어떤 영양 목표는 사용자에 의해 또는 사용자를 위해 일일 칼로리, 지방, 식이섬유, 지방, 탄수화물, 및/또는 물 소비 및 전체 소비의 퍼센트와 관련하여 설정될 수 있다. 관련 피스톤 레벨의 계산에 활용되는 파라미터는 사용자에 의해 입력되는 바와 같이, 하루당 식사의 수, 물의 양, 일일 섭취하는 음식의 타입과 양을 포함한다.

영양 정보는 도 6 에 도시된 영양 웹 페이지(160)을 통해 사용자에게 표현된다. 바람직한 영양 웹 페이지(160)는 각각 파이 차트로서 실제 및 목표 영양 사실을 도시하는 영양 사실 챠트(165, 170) 및 각각 파이 챠트로서 실제 및 목료 영양 섭취를 보여주는 영양 섭취 챠트(175, 180)를 포함한다. 영양 사실 챠트(165, 170)는 바람직하게 탄수화물, 단백질, 지방과 같은 항목의 퍼센트 내역을 보여주고, 영양 섭취 챠트(175, 180)는 바람직하게 칼로리, 지방, 탄수화물, 단백질 및 비타민의 전체 및 목표 값을 같은 구성요소로 내역화된다. 웹 페이지(160)는 또한 시간이 기입된 식사 및 물 소비 추적(185) 사용자가 영양 관련 뉴스 항목 및 아티클, 네트워크상에 영양 및 관련된 광고와 관련하여 일상 일과를 개량하고 개선하는 제안에 직접 액세스하도록 허용해주는 하이퍼링크(190), 및 변화가능하고 선택할 수 있는 시간 주기를 가지는 뷰사이를 선택할 수 있는 캘랜더(195)를 포함한다. 190에서 도시된 항목은 조사에서 개인에 대해 습득된 정보 및 및 건강 지수에 의해 측정된 성과에 기초하여 선택되고 개별화될 수 있다.

체중 관리 실시예에서, 사용자는 또한 건강 관리자 모듈에 포함되거나 독립적일 수 있는 체중 관리자로 불리는 소프트웨어 플랫폼에 중앙 모니터링 유닛(30)을 통해 액세스할 수 있다. 또한 체중 관리자는 웹에 기초한 애플리케이션일 수도 있다.

체중 관리자 소프트웨어 플랫폼이 초기화될 때, 등록된 사용자는 체중 관리자에 로그인할 수 있다. 사용자가 등록되지 않았다면, 이들은 소프트웨어 플랫폼의 또 다른 부분을 사용하기 전에 등록 절차를 마쳐야 한다. 사용자는 사용자 이름 및 패스워드를 선택하고 장치의 일련 번호를 입력함으로써 등록 절차를 시작한다.

도 7은 개인화된 체중 관리자를 구성하는데 사용된 단계를 설명하는 블록도이다. 체중 관리자의 초기 구성 동안, 사용자는 체중 관리자의 사용자 프로파일(100)내의 특정 정보를 가지고 시스템을 개인화할 수 있다. 사용자는 또한 정보를 수정하기 위해 시스템의 사용동안 임의의 시간에 사용자 프로파일(100)로 돌아갈 수 있다. 신체 파라미터 스크린(1005)상에서, 사용자는 이름, 생일, 신장, 체중, 성, 웨이스라인 측정값, 좌우 손잡이 여부, 신체 프레임 사이즈, 흡연 여부, 신체 활동 레벨, 취침 및 기상 시간을 포함하는 특정 정보를 입력할 수 있다. 리마인더 스크린(1010)상에, 사용자는 리마인더를 설정함과 더불어 풀 다운 메뉴로부터 타임 존을 선택할 수 있다. 신체 파라미터 스크린(1005) 또는 리마인더 스크린(1010)상의 임의의 정보가 수정되면, 암밴드 갱신 버튼(1015)에 의해 사용자는 암밴드 구성(1020)을 위해 업로드 프로세스를 시작할 수 있다.

체중 목표 스크린(1025)상에서, 사용자에게 체중 감소 목표량의 옵션이 주어진다. 사용자가 이러한 옵션을 선택하면, 사용자는 이러한 목표를 달성하기 위해 다음의 정보를 입력하도록 요구될 것이다: 현 체중, 목표 체중, 목표 체중에 도달하는 목표 날짜, 타겟 일일 칼로리 섭취량 및 타겟 일일 칼로리 연소 비율. 그후에, 시스템은 사용자의 현 체중에서의 신체 질량 인덱스, 목표 체중에서의 신체 질량 인덱스, 타겟 날짜에 의해 목표 체중에 도달하도록 요구되는 주당 체중 감소량, 및 입력된 일일 섭취량 및 연속 비율에서의 일일 칼로리 배런스를 계산할 것이다. 또한, 스크린은 목표 체중에서의 리스크와 비교되는 사용자의 현 체중에서의 당뇨병, 심장 질환, 고혈압, 스트로크 및 조기 사망과 같은 특정 상태의 리스크를 도시하는 리스크 팩터 바를 표시할 수 있다. 각각의 병 상태의 현재 및 목표 리스크 팩터는 사용자를 위해 나란히 표시될 수 있다. 사용자가 최소 5일동안 아무런 정보도 입력하지 않으면 사용자에게 스타트 오버 옵션(1030)이 주어진다.

또한, 사용자는 American Heart Association 또는 American Diabetes Association에 의해 처방된 것과 같은 낮은 카브, 고단백질 다이어트 플랜 또는 보다 많은 건강 상태와 관련된 다이어트 및 운동 플랜을 포함할 수 있는 플랜을 선택함으로써 다이어트 및 운동 플랜 스크린(1035)상에 다이어트 운동 플랜을 달성할 수 있다. 특히, 여기에 기록되지 않은 많은 것을 포함하는 모든 유사 다이어트가 이러한 애플리케이션의 목적을 위해 상호교환가능하다는 것에 주목해야 한다. 사용자의 다이어트 플랜은 풀 다운 메뉴로부터 선택된다. 사용자는 또한 이들의 전체 칼로리 섭취량의 퍼센트로서 지방, 탄수화물 및 단백질의 예상 섭취량을 입력한다. 사용자는 또한, 풀 다운 메뉴로부터 적합한 운동을 선택하거나 이러한 운동을 수동으로 입력한다.

본 발명의 일태양에 따라, 시스템은 사용자가 이들의 건강 휘트니스 목표를 얻는 것을 돕기 위해 개별적인 일일 식사 플랜을 발생시킨다. 시스템은 일일 메뉴를 생성하기 위해 음식 및 식사(음식의 조합)의 데이터베이스를 사용한다. 음식 및 식사의 데이터베이스는 사용자 선호도, 건강 및 휘트니스 목표, 라이프스타일, 신체 타입 및 메뉴내에 포함된 식사의 타입을 제약하는 다이어트 제한과 관련하여 사용된다. 이러한 개별적인 제약는 사용자의 식사 플랜을 위한 개별화된 칼로리 범위 및 영양 브레이크다운을 결정한다. 식사는 최적의 일일 칼로리 및 영양 밸런스의 요구되는 오차내에 있도록 최상-최우선 전략으로 메뉴에 할당된다.

본 발명의 또 다른 태양에 따라, 시스템은 하루동안 사용자의 실제 에너지 소모량을 보상할 수 있는 칼로리를 갖는 메뉴를 생성하도록 사용자의 일일 에너지 소모량에 관한 정보를 사용할 수 있다. 예를 들어, 사용자가 보통 점심 직후에 운동한다면 점심은 약간 보다 많도록 구성될 수 있다. 암밴드로부터의 수집된 정보와 메뉴 사이의 피드백은 사용자가 휘트니스 및 건강 목표를 보다 신속하게 달성하는 것을 도울 수 있다.

사용자는 음식 데이터로부터 개별적인 음식 항목을 선택함으로써 일일 식사를 로깅한다. 음식 데이터베이스는 보통 소비되는 음식, 예를 들어, 우유, 빵, 예를 들어, 식료품 가게에서 유용한 브랜드명 엔트리, 예를 들어, Weight Watchers 또는 Mrs.T's는 물론 특정 지역 또는 나라 레스토랑 체인에서 유용한 음식, 예를 들어, 맥도널드 및 버거킹에서 유용한 음식의 확장 리스크를 제공한다. 음식의 이름, 음식의 칼로리 함유량 및 영양 정보가 데이터베이스에 기록된다. 등가의 음식이 단순한 준비의 경우에 발견될 수 있다. 사용자가 상세한 영양물 정보를 제공하지 않는다면, 대,중, 소의 식사와 같은 써머리 식사 엔트리로 대체될 수 있다. 이것은 여기에 설명된 에너지 밸런스 특징에 대한 베이스라인 영양 입력을 제공한다. 다시, 아래에 보다 충분히 설명되는 바와 같이, 이러한 추정의 정확도는 실제 소비되는 칼로리의 양을 모니터링하고 추정하고 이것을 대, 중, 소 카테고리로 상관시키는 시스템의 피드백을 통해 향상될 수 있다.

보다 정확하게 하기 위해, 개별 프리퍼레이션을 더하는 기능은 옵션사항이다. 사용자가 개별 음식을 더할 수 있는 2가지 방법이 있다. 제1 방법은 보다 큰 복합 디쉬 또는 식사의 디쉬 또는 재료를 더하여 개별 음식 또는 식사를 생성하는 것이다. 제2 방법은 처리되거나 패키징된 음식의 백 상에 발견되는 데이터를 입력하는 것이다. 각 방법은 추후 검색을 위해 사용자의 음식 데이터베이스로의 추가를 구성한다. 만약 사용자가 이들 자신의 개별 음식을 더하기를 원한다면, 음식 데이터베이스는 사용자가 이들 자신의 프리퍼레이션을 명명하고 성분 및 칼로리 및 함유된 영양을 입력하는 기능을 제공한다. 개별 프리퍼레이션을 입력할 때, 사용자는 이름 및 적어도 하나의 성분을 명시하여야 한다. 일단 프리퍼레이션이 데이터베이스에 개별 음식으로 추가되면, 그사용자를 위해 데이터베이스내의 음식의 나머지로서 선택되는 것이 가능해진다. 개별 음식 데이터는 각각의 서빙에서 칼로리, 전체 지방, 소듐 함유량, 전체 탄수화물 함유량, 전체 단백질 함유량, 섬유질 및 콜레스테롤을 포함할 수 있다. 이러한 값은 입력된 성분에 기초하여 추정될 수 있다.

본 발명의 또 다른 태양은 음식 입력 프로세스를 보다 더 단순히하기 위해 적응성 및 추리성 방법을 사용하는 것이다. 이러한 방법은 반복해서 사용자를 위한 시스템을 자동적으로 단순히함으로써 식사 또는 성분의 포션 사이즈를 정확히 선택하도록 돕는 단계를 포함한다. 제1 방법의 일예는 특정 음식이 입력되었을 때 사용자에게 문의하는 것이다. 예를 들어, 라자냐가 입력될 때, 음식의 칼로리 함유량을 내로우 다운하는 것을 돕기 위해 라자냐 요리의 디테일에 대해 사용자에게 문의한다. 또한, 사용자의 포션 사이즈는 주어진 식사에 대하여 입력된 전형적인 포션 사이즈에 비교될 수 있고, 이들의 엔트리가 범위를 벗어날 때 사용자에게 문의한다. 최종적으로, 특정 음식이 입력될 때 널리 관련되어 있는 음식에 대해 사용자에게 문의한다. 예를 들어, 터키 샌드위치가 입력될 때, 사용자는 일부 조미료가 소비되었을 가능성이 매우 높기 때문에 조미료에 대해 프롬프팅될 수 있다. 일반적으로, 이러한 제안은 조건 확률에 기초하여 이루어질 수 있다. 예를 들어, 사용자가 비어를 가졌다면, 시스템은 피자를 제안할 수도 있다. 이러한 제안은 팝풀레이션 데이터베이스 또는 지역적, 가족적, 계절적 또는 개별적인 부분집합내의 공통 패턴을 추려냄으로써 하드코딩되거나 도출될 수 있다.

유사한 성질에서, 인구의 나머지와의 사용자의 패턴 및 이들의 관계는 또한 다른 태양의 음식 엔트리 인터랙션을 구동하기 위해 사용될 수 있다. 예를 들어, 사용자가 자주 인기있는 음식의 조합을 갖는다면, 시스템은 사용자에게 그 조합을 개별 식사로 할 것을 제안한다.

본 발명의 또 다른 태양은 빈번한 음식 리스트 또는 데이터베이스 룩업내의 음식의 순서를 설계할 수 있어서, 사용자가 최소의 클릭으로 음식을 선택할 확률을 최대화할 수 있다는 것이다. 페이지를 블랭크 식사로 채우는 대신에 시스템은 식사 엔트리 정보 내역, 생리적 데이터, 사용자의 신체 파라미터, 일반적인 인기의 음식 엔트리 데이터를 사용하거나 특정 다른 사용자와의 관계에 비추어 식사를 추측할 수 있다. 예를 들어, 시스템이 둘 이상의 사용자가 자주 정기 패턴에서 거의 동일한 식사를 갖는 것을 인지하였다면, 시스템은 한 사용자의 엔트리를 사용하여 제2 사용자를 프롬프팅할 수 있다. 예를 들어, 아내가 치즈버거를 가졌다면, 시스템은 동일한 식사로써 남편에게 프롬프팅할 수 있다. 모두 화요일에 점심으로서 특정 브랜드의 샌드위치를 갖는 것으로 보이는 6명의 개인의 그룹에 대하여, 시스템은 한 사람으로부터의 입력을 사용하여 다른 사용자에 대한 프로프팅을 구동하는데 사용할 수 있다. 또한, 광대한 수의 동일한 식사가 배분되고 있는 병원 또는 보조 리빙 센터와 같은 기관 설정에 있어서, 각각의 식사 구성요소에 대한 단일 엔트리가 모든 휴대자/환자를 위해 사용될 수도 있다. 또 다른 태양은 예를 들어, 시스템이 광대한 양의 활동을 감지하는 경우, 스포츠 드링크가 프롬프팅될 수 있는 제안을 구동하기 위해 생리학을 직접 사용하는 것이다.

음식 입력 스크린은 음식 데이터베이스에 대하여 프론트엔드이다. 사용자 인터페이스는 음식 데이터베이스를 검색하는 기능을 제공한다. 서치는 인터랙티브 그리고 문자 및 어구 매칭 가능하여 입력을 촉진시킬 수 있다. 사용자는 입력 박스내에 적어도 3개의 캐릭터를 입력함으로써 서치 개시한다. 서치는 입력 박스내에 입력된 워드와 관계없는 순서 및 둔감한 케이스여야 한다. 음식 서치의 결과는 내 음식, 인기 음식 또는 기타 음식과 같은 카테고리로 그룹핑될 수 있다. 서치 결과에서의 각각의 그룹에서, 음식은 서치 스트링으로 시작되는 음식으로 먼저 배열되고 그후에 알파벳순으로 배열되어야 한다. 음식 항목을 선택한 후에, 사용자는 선택된 음식의 포션 사이즈를 선택한다. 포션 크기 사이즈 및 측정은 예를 들어, 아이템, 서빙, 그램, 온스로서, 선택된 음식에 종속된다. 식사 정보는 또한 그것이 입력된 후에 편집될 수 있다. 사용자는 아침, 아침후 스낵, 점심, 점심후 스택, 저녁 및 저녁후 스택을 포함하는 그들이 선택하는 대로 많은 상이한 일당 식사를 입력할 수 있다. 시스템은 또한 이들의 선택된 식사 플랜으로부터의 엔트리를 가지고 개별 식사의 사용자 데이터베이스를 자동으로 팝풀레이팅할 수 있다. 이것은 사용자에게 이들이 소비한 것을 추적하는 단순한 방법 및 프로그램과의 트래킹 컴플라이언스의 자체 보고된 방법을 제공할 것이다.

도 8은 사용자가 시간에 대한 체중 변화를 기록하고 피드백을 수신할 수 있도록 하는 체중 추적 서브시스템(1040)을 설명하는 블록도이다. 사용자는 체중 추적 서브시스템(1040)내에 초기 체중 엔트리(1045)를 입력한다. 체중 추적 서브시스템(1040)은 사용자가 체중을 입력한 최근 이후의 퍼센트체중 변화(10500을 계산한다. 새로 입력된 체중이 최신 체중보다 3% 크거나 낮으면, 입력된 체중이 정확하다는 것을 사용자가 확인하도록 체중 검증 페이지(1055)가 표시된다. 입력된 체중이 최신 체중보다 3% 높거나 낮지 않으면, 체중 추적 서브시스템(1040)은 상기 엔트리를 현 체중으로서 저장한다(1060). 체중 추적 서브시스템(1040)이 체중 엔트리(1045)에 더하여, 또는 대신하여 체지방 측정값 및 계산을 사용할 수 있다는 것에 특별히 주목해야 한다.

현 체중(1060)은 체중 감소 비교(1065)를 통해 사용자에 의해 선택된 타겟 체중과 비교된다. 목표 체중과 같거나 아래에 있는 체중이 입력되면, 목표 체중을 재설정하기 위한 필드를 갖는 축하 페이지(1070)가 표시된다. 바람직한 실시예에서, 인터벌 체중 감소를 결정하기 위해 현 체중 x와 (x-6)th 체중 사이의 모든 6개의 엔트리에 대해 비교가 이루어진다(1075). 체중 감소 목표에 대한 등록 프로세스에서의 사용자에 의해 제공되는 정보에 기초하여, 시스템의 사용을 통해 사용자의 입력에 더하여, 예상 체중 감소량(1080)이 이러한 영양 및 에너지 소모값에 기초하여 계산된다. 2개의 체중 사이의 인터벌 체중 감소(1075)가 사전프로그램화된 예상 체중 감소(1080)로부터 10 파운드 이상이라면, 사용자는 사용자가 기술 서포트에 접촉하게 하는 체중 불일치 에러 페이지(1085a)로 이동한다. 2개의 체중 사이의 차이가 4파운드 이상이라면 사용자는 불일치에 대한 잠재적인 이류의 리스트를 표시하는 제2 체중 불일치 에러 페이지(1085b)로 이동될 수 있다.

체중 추적 서브시스템의 또 다른 태양은 사용자의 체중이 등록 동안 사용자에 의해 입력되거나 추후 갱신된 목표 형성값과 동일해야 하는 날짜의 추정이다. 알고리즘은 사용자의 기록된 체중 엔트리의 시퀀스에 기초하여 체중 변화의 속도를 계산한다. 칼맨 스무더가 일일 체중 변화와 스케일 불정밀로 인한 노이즈의 효과를 제거하기 위해 시퀀스에 적용된다. 사용자가 이들의 체중 목표값에 도달할 날짜는 체중 변화의 속도에 기초하여 예측된다.

사용자의 전체 에너지 소모량은 장치를 사용함으로써 또는 활동의 타입 및 기간을 수동으로 입력함으로써 추정될 수 있다. 장치는 데이터 입력을 촉진시키고 단순화하기 위해 추정 프로세스를 자동화한다. 전체 신진대사가 다음의 등식에 따라 전체 에너지 소모량(TEE)으로서 측정된다는 것이 알려져 있다.

TEE = BMR + AE + TEF + AT

여기에서, BMR은 수면과 같은 쉼 동안 신체 의해 소모되는 에너지인 기초대사량이고; AE는 신체 활동 동안 소모되는 에너지인 활동 에너지 소모량이고; TEF는 섭취되는 음식을 소화하고 처리하는 동안 소모되는 에너지인 음식의 열효과량이고; AT는 신체가 그 대사를 극 온으로 수정하는 메커니즘인 적응성 써모제너시스이다. 음식을 처리하기 위해 섭취된 음식의 약 10%가 필요한 것으로 추정되고 있다. TEF는 따라서, 소비되는 전체 칼로리의 10%인 것으로 추정된다. 따라서, TEF를 측정하는 신뢰할만하고 실제적인 방법에 의해 음식과 관련된 정보를 수동으로 추적하거나 기록할 필요없이 칼로리 소비량이 측정될 수 있다. 구체적으로, 일단 TEF가 측정되면, TEF를 0.1로 나눔으로써 정확하게 추정될 수 있다(TEF = 0.1 * 소비된 칼로리; 소비된 칼로리 = TEF/0.1).

도 9는 에너지 소모량을 갱신하기 위해 장치로부터의 데이터 검색 프로세스를 셜명하는 갱신 정보 위저드 인터페이스(1090)의 블록도이다. 사용자에게 암밴드 데이터 업로드 불가 옵션(1095a), 암밴드 착용 망각 데이터 옵션(1095b), 암밴드 데이터 업로드 옵션(1095c)을 포함하는 에너지 소모량을 갱신하는 적어도 3개의 옵션이 주어진다.

데이터가 장치로부터 검색될 때, 시스템은 반자동 인터페이스를 제공할 수 있다. 시스템에 무선으로 그리고 유선 USB 커넥션을 가지고 장치와 통신하는 기능이 제공된다. 시스템은 데이터의 검색 전에 사용자가 통신 모드를 선택하도록 사용자를 프롬프팅한다. 가장 일반적인 사용 모델은 무선 검색이라고 생각된다. 무선 검색이 사용된다면, 유선 커넥션은 주로 암밴드내의 펌웨어의 필드 업그레이드를 위해 사용될 수도 있다. 각각의 장치는 특정 사용자와 연관되어 있고 장치는 상이한 사용자 사이에 상호교환될 수 없도록 개별화된다.

시스템은 전체 에너지 소모량을 추정하기 위해 암밴드에 의해 수집된 데이터를 사용할 것이다. 이러한 값은 소프트웨어내에 포함된 알고리즘을 사용하여 계산된다. 데이터베이스는 분당 에너지 소모량 추정값, 스템의 수, 장치를 착용한 시간량, 액티브 에너지 소모값, 바람직한 실시예에서, 보통 시간당 비신체적인 액티브 에너지 소모량으로서 저장되는 사용자의 습관, 장치를 착용하지 않은 동안 이들의 보고된 운동, 및 액티브하게 보낸 시간을 저장한다.

다시 도 9에서, 사용자가 암밴드 데이터 업로드 불가 옵션(1095a) 또는 암밴드 착용 망각 데이터 옵션(1095b)을 선택한다면, 사용자는 에너지 소모량 추정 옵션(1100)을 선택할 수 있다. 만약 사용자가 암밴드 데이터 업로드 옵션(1095c)을 선택한다면, 사용자는 장치로부터 데이터를 검색 개시할 수 있다. 장치가 기간동안 간헐적으로 착용되거나 착용되지 않았다면, 시스템은 사용자에게 수동 활동 엔트리 옵션(1105)을 제공하여 이러한 기간 동안 사용자가 관련된 활동의 타입을 수동으로 입력할 수 있다. 유용한 옵션은 좌상 옵션, American College of Sports Medicine Metabolic Equivalent Table로부터의 활동의 리스트 및 디바이스의 사용 동안 이전에 입력된 활동의 리스트를 포함한다. 시간에 대해, 옵션은 최고 빈도로부터 최저 빈도의 순서로 표현되어, 리스트의 최상부에 가장 빈번한 옵션을 놓음으로써 데이터 입력을 촉진시킬 수 있다. 또한, 시스템은 시간, 요일등에 기초한 활동의 패턴을 관찰할 수 있고 특별히 놓친 기간 동안 높은 확율을 가진 활동을 제안할 수 있다. 활동을 위해 아무것도 입력되지 않았다면, 시스템은 사용자의 이전에 저장된 데이터를 사용하여 사용자의 에너지 소모량을 추정할 것이다. 바람직한 실시예에서, 이것은 장치에 의해 기록된 논-운동 에너지 소모량의 러닝 평균값을 각각 포함하는 시간당 데이터 세트를 포함하는 히스토그램 추정 및 분석을 사용하여 달성된다.

또한, 사용자는 데이터베이스내의 임의의 특정 활동 동안 연소된 칼로리를 추정하기 위해 운동 계산기를 선택할 수 있다. 사용자는 활동을 위한 타임 기간 및 리스크로부터 적합한 활동을 선택한다. 시스템은 (i)평균 추정 데이터의 룩업 테이블 또는 (ii) 그 특정 활동 동안 상기 사용자에 대한 이전 측정값중 어느 하나 또는 모두에 기초하여, 그 기간동안 사용자에 의해 연소되는 대략적인 칼로리를 계산한다.

본 발명의 일 태양에 따라, 암밴드는 사용자가 신체적 액티브 상태 및 좌상 상태일 때를 검출할 수 있다. 신체적 능동 시간 동안, 사용 패턴은 갱신되지 않는다. 대신에 사용자는 이들의 높은 능동 기간에서 보고하도록 요구된다. 비신체적 능동 시간 동안, 사용 패턴은 갱신되고 그후에, 모아진 정보는 사용자가 암밴드를 착용하지 않았을 때 보고된 좌상 시간 동안 사용된다.

소프트웨어 플랫폼, 신체 모니터 어느 하나를 통해 또는 모두를 통해 시스템은 시간에 대하여 휴대자에 대한 데이터를 수집하고 분석하거나, 패턴을 찾거나, 관계를 찾거나 그 데이터를 상관시킴으로써 휴대자에 대하여 정확히 언급하는데 있어 그 성능을 향상시킬 수 있다. 예를 들어, 사용자가 특정 활동을 스탬핑하는 시간과 같은 뚜렷한 피드백을 시스템에게 준다면, 시스템은 상기 활동을 식별하는 시스템의 능력을 직접 향상시킬 수 있다. 또다른 예로서, 시스템은 도출된 측정값의 품질을 보다 더 향상시키기 위해 시간에 대한 개인의 습관의 특징을 형성화시킬 수 있다. 예를 들어, 사용자가 운동하는 경향이 있는 시간, 이들이 얼마나 오랫동안 운동하는 경향이 있는지, 또는 이들이 운동하지 않는 날을 아는 것은 모두 언제 신체적 활동이 일어나고 있는지를 예측하는 것에 있어 가치있는 입력값들이 될 수 있다.

검출된 패턴 및 습관의 특징 자체는 가능한 도출된 파라미터라는 것이 당업자에게 명백할 것이다. 또한, 이러한 패턴 및 습관의 특징에 의해 시스템은 센서가 동작하지 않고 있을 때 또는 장치가 사용자의 신체에 부착되어 있지 않을 때 직관적일 수 있다. 예를 들어, 사용자가 장치를 휴대하지 않고 측정된 에너지 소모량이 유용하지 않다면, 또는 식사 입력을 소홀히 한다면, 데이터는 여기에 보다 충분히 언급되는 바와 같이, 데이터는 이전에 관찰된 식사 및 활동 및 습관의 특징으로부터 추정될 수 있다.

보다 일반적인 실시예를 위해, 건강 지수(155)의 활동 레벨 카테고리는 사용자가 하루동안 언제 어떻게 움직이는 지를 모니터링하고 사용자에 의해 입력된 데이터 및 센서 디바이스(10)에 의해 검출된 데이터를 활용하는 것을 돕도록 디자인되어 있다. 사용자에 의해 입력된 데이터는 사용자의 일상 활동에 관련된 세부사항을 포함하는 데, 예를 들어, 오전 8시에서 오후 5시까지 책상에서 일하고, 오후 6시부터 7시까지 에어로빅 강좌를 수강한다는 사실을 포함한다. 센서 디바이스(10)에 의해 센싱되는 관련 데이터는 센서 디바이스(60) 또는 중앙 모니터링 유닛(30)에 의해 도출될 수 있는, 심장 박동수, 진동 가속도계와 같은 디바이스에 의해 검출된 움직임, 열 유속, 호흡속도, 소비 칼로리, GSR 및 수화 레벨을 포함한다. 소비 칼로리는 사용자에 의해 입력된 운동의 형태를 지속시간으로 곱하는 것; 검출된 움직임에 필터 상수로 곱해진 움직임의 횟수로 곱하는 것; 검출된 열 유속을 필터 상수에 의해 곱해진 시간에 의해 곱하는 것을 포함하는 다양한 방법으로 계산된다.

활동 레벨 건강 지수 피스톤 레벨은 바람직하게 제안된 건강한 일상 일과와 관련하여 결정되고, 일상 일과는 다음을 포함한다: 미리 설정된 시간 주기, 바람직하게 20분동안 에어로빅 운동, 미리 설정된 시간 주기, 바람직하게 1시간 동안 열정적인 라이프스타일 활동에 참여, 적어도 최소 목표 수의 칼로리, 바람직하게 205 칼로리를 에어로빅 운동 및/또는 라이프스타일 활동을 통해 소비하는 것을 포함한다. 성별, 연령, 신장 및/또는 체중과 같은 사용자에 대한 정보에 따라 상기 최소 목표 수의 칼로리가 설정될 수 있다. 관련 피스톤 레벨의 계산에 이용되는 파라미터는 사용자에 의해 및/또는 센서 디바이스(10)에 의해 검출된 입력으로서 에어로빅 운동 또는 열정적인 라이프스타일 활동에 소비된 시간의 양 및 상기에 미리 계산된 에너지 소비 파라미터로 소비된 칼로리의 수를 포함한다.

개별 사용자의 움직임에 대한 정보는, 사전에 선택된 시간 유닛에 대해 고, 중 및 저 강도인 3 카테고리중 하나로 개별 사용자의 활동을 모니터링하기 위해, 바 그래프 형태로 된 활동 그래프(205)를 포함하는, 도 7에 도시된 활동 레벨 웹 페이지(200)를 통해 사용자에게 제시된다. 파이 차트 형태의 활동 백분율 차트(210)는 사용자가 각각의 카테고리에 소비하는, 하루와 같은, 사전에 선택된 시간 주기의 백분율을 도시하기 위해 제공될 수 있다. 활동 레벨 웹 페이지(200)는 연소된 전체 칼로리, 연소된 일일 타겟 칼로리, 전체 칼로리 흡수, 및 에어로빅 활동 지속시간과 같은 항목을 표시하기 위한 칼로리 섹션(215)을 포함할 수 있다. 마지막으로, 활동 레벨 웹 페이지(200)는 사용자가 활동 레벨에 대해 일일 루틴을 다듬고 개선하기 위한 제안, 관련 뉴스항목 및 기사를 직접 액세스하고 네트워크상에서 광고에 친숙할 수 있도록 적어도 하나의 하이퍼링크(220)를 포함한다. 활동 레벨 웹 페이지(200)는 다양한 포맷으로 뷰잉될 수 있고, 활동 레벨 검사 박스(225)에 의해 선택가능한 바와 같은, 바 그래프 또는 파이 차트와 같은 사용자-선택가능한 그래프 및 차트를 포함한다. 활동 레벨 캘린더(230)는 변동가능하고 선택가능한 시간 주기를 갖는 뷰 중에서의 선택을 위해 제공된다. 220으로 나타낸 항목은 건강지수에 의해 측정된 바와 같은 개인의 수행도 및 조사에서 개인에 대해 알게 된 정보를 기초로 선택되어 맞춰질 수 있다.

건강지수(155)의 마인드 센터링 카테고리는 마음이 집중되면서 신체가 깊게 이완되는 상태를 신체가 달성할 수 있도록 하기 위해 일정 활동에 참여하는 시간에 과한 파라미터를 사용자가 모니터하는 데 조력하고, 이는 센서 디바이스(10)에 의해 검출된 데이터 및 사용자에 의해 입력된 데이터를 기초로 한다. 특히, 사용자는 요가 또는 명상과 같은 휴식 활동의 시작 및 종료 시간을 입력할 수 있다. 마인드 센터링 이벤트의 깊이에 의해 결정되는 바와 같은 이들 활동의 퀄리티는 피부 온도, 호흡률, 및 센서 디바이스(10)에 의해 검출된 열 유속을 포함하는 파라미터를 모니터함에 의해 측정될 수 있다. GSR에서의 백분율 변화는 센서 디바이스(10)에 의해 또는 중앙 모니터링 유닛(30)에 의해 유도된 백분율 변화도 이용될 수 있다.

마인드 센터링 건강지수 피스톤 레벨은 마음이 적어도 15분 동안 고도 집중된 상태이면서 신체가 깊은 휴식을 달성할 수 있게 하는 활동에 일일 참여하는 것을 포함하는 제안된 건강 일일 루틴에 대해 바람직하게 계산된다. 관련 피스톤 레벨의 계산에 이용된 파라미터는 마인드 센터링 활동의 깊이 및 퀄리티에 대한 지시인 베이스라인과 비교된 센서 디바이스(10)에 의해 검출된 바와 같은 GSR 또는 열 유속, 피부 온도의 백분율 변화, 및 호흡률, 및 마인드 센터링 활동에 소모된 시간양을 포함한다.

자기-숙고 및 휴식에 관한 정보는, 도 11에 도시된 마인드 센터링 웹 페이지(250)를 통해 사용자에게 제시된다. 각각의 마인드 센터링 활동에 대해, 세션으로 참조되는, 바람직한 마인드 센터링 웹 페이지(250)는 255로 나타낸 세션 동안 소비된 시간, 260으로 나타낸 타겟 시간, 마인드 센터링의 타겟 및 실제 깊이 또는 포커스를 나타내는 비교 섹션(265), 및 피부 온도, 심장 박동율, 호흡률, 열 유속 및/또는 GSR등으로부터 유도된 전체 스트레스 레벨을 도시하는 히스토그램(270)을 포함한다. 비교 섹션(265)에서, 타겟 포커스를 나타내는 인체의 윤곽은 실선이고, 실제 포커스를 나타내는 인체의 윤곽은 포커스의 레벨에 좌우되어 흐릿한 선 내지 실선에 이른다. 바람직한 마인드 센터링 웹 페이지(250)는 275로 나타낸 마인드 센터링 활동에 소비된 전체 시간, 사용자가 마인드 센터링에 대해 일일 루틴을 다듬고 개선하기 위한 제안, 관련 뉴스항목 및 기사를 직접 액세스하고 네트워크상에서 광고에 친숙할 수 있도록 하는 하이퍼링크(280), 및 가변 선택가능한 시간 주기를 갖는 뷰유 중에서의 선택을 위한 캘린더(285)를 포함할 수 있다. 280으로 나타낸 항목은 건강지수에 의해 측정된 바와 같은 개인의 수행도 및 조사에서 개인에 대해 알게 된 정보를 기초로 선택되어 맞춰질 수 있다.

건강지수(155)의 수면 카테고리는 사용자가 그들의 수면 패턴 및 수면의 퀄리티를 모니터하는 데에 조력한다. 그것은 신체기능에서 정상적인 일일 루틴이 되는, 심장박동 리듬에 대한 수면의 관계 및 사용자의 건강한 라이프 스타일에서의 수면의 중요성에 대해 사용자가 알게 하는 데에 조력한다. 수면 카테고리는 센서 디바이스(10)에 의해 검출된 데이터 및 사용자에 의해 입력된 데이터를 기초로 한다. 각각의 관련 시간 간격 동안 사용자에 의해 입력된 데이터는 사용자가 자러 간 시간 및 일어난 시간 및 수면의 퀄리티의 등급을 포함한다. 표 2에 나타낸 바와 같이, 센서 디바이스(10)로부터의 데이터는 피부 온도, 열 유속, 비트-비트 심장 가변성, 심장 박동율, 펄스율, 호흡률, 코어 온도, 전기 피부 반응, EMG, EEG, EOG, 혈압, 및 산소 소비를 포함한다. 또한 관련사항은 주위 사운드 및 가속도계에 의해 탐지된 신체 움직임 및 이동등이다. 이 데이터는 수면 시작 및 기상시간, 수면 중단, 및 수면의 퀄리티 및 깊이들을 계산 또는 유도하는 데에 사용될 수 있다.

수면 건강지수 피스톤 레벨은 일일 밤 최소한의 수면양, 8시간, 및 예측가능한 취침시간 및 기상시간을 포함하는 건강 일일 루틴에 대해 결정된다. 피스톤 레벨 계산치를 결정하는 이 특정한 파라미터는 사용자에 의해 입력되거나 센서 디바이스(10)에 의해 검출된 하루 밤 마다의 수면 시간양 및 취침 및 기상 시간, 및 기타 데이터로부터 유도되거나 사용자에 의해 등급이 정해진 수면의 퀄리티를 포함한다.

수면에 대한 정보는 도 12에 도시된 수면 웹 페이지(290)를 통해 사용자에게 제시된다. 수면 웹 페이지(290)는 사용자 수면 시간 지시기(300) 및 기상 시간 지시기(305)와 함께, 사용자에 의해 입력된 데이터 또는 센서 디바이스(10)로부터의 데이터에 기초한, 수면 지속시간 지시기(295)를 포함한다. 사용자에 의해 입력된 수면 등급(310)의 퀄리티도 이용되고 표시될 수 있다. 하루 시간 간격이 수면 웹 페이지(290)상에 표시된다면, 수면 지속시간 지시기(295)가 계산되고 누적값으로 표시되고, 수면 시간 지시기(300) 및 수면 등급의 퀄리티(310)은 계산되어 평균값으로 예시된다. 수면 웹 페이지(290)는 사전에 선택된 시간간격에 대해 하나의 수면 관련 파라미터를 계산하여 표시하는 사용자-선택가능 수면 그래프(315)를 포함한다. 예시적 목적으로, 도 11은 수면 시간 동안 낮고 깨어있는 시간 동안 높은 경향이 있는 하루 주기 동안 열 유속을 도시한다. 이 정보로부터, 개인의 바이오리듬이 유도될 수 있다. 수면 그래프(315)는 신체의 이동을 모니터하는 센서 디바이스(10)에 포함된 가속도계로부터의 데이터의 그래픽 표현을 포함한다. 수면 웹 페이지(290)는, 사용자가 수면에 대해 일일 루틴을 다듬고 개선하기 위한 제안, 관련 뉴스항목 및 기사를 직접 액세스하고 네트워크상에서 광고에 친숙할 수 있도록 적어도 하나의 하이퍼링크(220)와, 관련 시간 간격을 선택하기 위한 수면 캘린더(325)를 포함한다. 320으로 나타낸 항목은 건강지수에 의해 측정된 바와 같은 개인의 수행도 및 조사에서 개인에 대해 알게 된 정보를 기초로 선택되어 맞춰질 수 있다.

건강지수(155)의 일상생활 활동의 카테고리는 사용자가 일정한 건강 및 안전 관련 활동 및 위험을 모니터하는 데에 조력하고 사용자에 의해 입력된 데이터에 기초한다. 일상생활 활동의 카테고리는: 사용자가 머리를 빗는 것, 양치 및 샤워하는 것과 같은 활동을 모니터할 수 있게 하는 개인 위생, 사용자가 조제된 약을 복용하는 지를 추적하고 사용자가 좌석벨트 사용과 같은 자동 안전 및 담배 및 알코올 소비를 모니터할 수 있게하는 건강 유지관리, 사용자가 가족 및 친구와 어울린 데 소비된 시간 및 마인드 센터링 활동을 모니터할 수 있게하는 개인 시간; 및 사용자가 가정일 요급납부와 같은 작업 및 금전적 활동을 모니터할 수 있게하는 책임활동과 같은 4개의 부카테고리로 나뉜다.

일상생활 활동 건강지수 레벨은 하기의 건강지수 일일 루틴과 관련하여 바람직하게 결정된다. 개인 위생에 대해, 루틴은 사용자가 일일 샤워 및 목욕하고, 머리를 빗고 양치질할 것을 요구하고, 규칙적인 식습관을 유지할 것을 요구한다. 건강 유지관리에 대해, 루틴은 사용자가 약 및 비타민 및/또는 영양제를 복용하고, 좌석벨트를 사용하고, 금연하고 적절하게 음주하고, 건강 매니저로 일일 건강을 검사할 것을 요구한다. 개인 시간에 대해, 루틴은 사용자가 하루에 적어도 한 시간 가족 및/또는 친구와 보내고, 하루에 노동시간을 최대 9시간으로 제한하고, 일일 레저 또는 놀이활동에 일부 시간을 소비하고 마인드 자극 활동에 참여할 것을 요구한다. 책임활동에 대해, 루틴은 사용자가 가사, 요금납부를 하고 정시에 일하고 약속을 지킬 것을 요구한다. 피스톤 레벨은 사용자에 의해 입력된 정보에 의해 결정되는 일일 활동 리스트를 완료하는 정도에 기초하여 계산된다.

이들 활동에 대한 정보는 도 13에 도시된 일일 활동 웹 페이지(330)를 통해 사용자에게 제시된다. 바람직한 일일 활동 웹 페이지(330)에서, 하나 이상의 부카테고리에 대해 선택가능한 활동 차트(335)는 사용자가 일일 루틴에 의해 요구되는 것을 행했는지를 보여준다. 컬러 또는 음영으로 나타낸 박스는 사용자가 요구된 활동을 행하였음을 지시하고, 빈, 컬러없는, 또는 음영박스는 사용자가 요구된 활동을 행하지 않았음을 지시한다. 활동 차트(335)는 선택가능한 시간 간격으로 생성 및 뷰잉될 수 있다. 예시적 목적으로, 도 13은 특정 주간에 대한 개인 위생 및 개인 시간 부카테고리를 도시한다. 또한, 일일 활동 웹 페이지(330)는 사용자가 일상 활동에 대해 일일 루틴을 다듬고 개선하기 위한 제안, 관련 뉴스항목 및 기사를 직접 액세스하고 네트워크상에서 광고에 친숙할 수 있도록 적어도 하나의 일상 활동 하이퍼링크(340), 및 관련 시간 간격을 선택하기 위한 일일 활동 캘린더(345)를 포함한다. 340으로 나타낸 항목은 건강지수에 의해 측정된 바와 같은 개인의 수행도 및 조사에서 개인에 대해 알게 된 정보를 기초로 선택되어 맞춰질 수 있다.

건강지수(155)의 컨디션 상태 느낌(How You Feel) 카테고리는 특정한 날에 대해 어떻게 컨디션을 느끼는 것에 대한 인식을 모니터할 수 있게하고, 특히 사용자에 의해 직접 입력된 주관적 등급 정보에 기초한다. 사용자는 정신적 예민함, 감정적 및 심리학적 웰빙, 에너지 레벨, 스트레스에 견디는 능력, 외모, 신체적 웰빙 자기제어, 동기부여 및 기타 상항 관련 편안함등의 9개 주제 영역에 대한 1 내지 5 정도의 스케일로 된 등급을 제공한다. 이들 등급은 평균화되어 관련 피스톤 레벨을 계산하는 데에 사용된다.

도 14를 참조하면, 건강지수 웹 페이지(350)가 도시되어 있다. 건강지수 웹 페이지(350)는 임의 갯수의 연속 또는 비연속적 날들을 포함하는 사용자 선택가능 시간 간격 동안 그 건강지수의 수행정도를 볼 수 있게 한다. 건강지수 선택기 버튼(360)을 이용하여, 사용자는 한 카테고리에 대해 건강지수 피스톤 레벨을 보기 위해 선택할 수 있고, 또는 두 개 이상의 카테고리에 대해 건강지수 피스톤 레벨을 나란히 비교하여 볼 수 있다. 예를 들어, 사용자는 사용자들이 그들의 가장 선호하는 주식에 의한 성취를 보는 것과 유사한 방식으로, 이전 달에 대해 개선된 그들의 전체 수면 등급이 이전 달에 비해 개선되었는 지를 알기 위해 수면을 단지 턴 온시키기를 원할 수 있다. 대안으로, 수면 밀 활동 레벨은 임의의 일별 상관관계가 존재하는 지를 결정하기 위해 수면 등급과 대응하는 활동 레벨 등급을 비교하여 평가하기 위해 동시에 표시될 수 있다. 영양 등급은 일일의 식습관간에 임의의 상관관계가 존재하는 지를 결정하고 그 간격 동안 어떻게 느끼는 지를 결정하기 위해 사전에 선택된 시간 간격에 대해 컨디션 상태 느낌으로 표시될 수 있다. 예시적 목적으로, 도 14는 6월 10일에서 6월 16일까지의 주간에 대해 수면과 활동 레벨 피스톤 레벨간의 비교를 예시한다. 건강지수 웹 페이지(350)는 또한 사용자가 로그인 및 건강 매니저를 사용한 전체 일수, 가입자가 된 이후 사용자가 건강 매니저를 사용한 날들의 백분율, 및 사용자가 데이터를 수비하기 위해 센서 디바이스(10)를 사용한 시간 백분율과 같은 통계치 및 액세스 정보를 표시하는 추적 캘큐레이터(365)를 포함한다.

다시 도 5를 참조하면, 건강 매니저 웹 페이지(150)를 여는 것은 그 하나하나가 각각의 건강지수(155) 카테고리에 해당하는, 복수의 사용자 선택가능 카테고리 요약(156a 내지 156f)을 포함한다. 카테고리 요약(156a 내지 156f)의 각각은 대응 카테고리와 연관된 데이터의 사전에 선택된 필터링된 서브셋트를 나타낸다. 활동 레벨 카테고리 요약(156b)은 일별 타겟 및 연소된 실제 칼로리를 표시한다. 마인드 센터링 카테고리 요약(156c)은 타겟 및 마인드 센터링 또는 포커스의 실제 심도를 표시한다. 수면 카테고리 요약(156d)은 타겟 수면, 실제 수면 및 수면 퀄리티 등급을 표시한다. 일일 활동 카테고리 요약(156e)은 완료된 제안된 일일 활동의 백분율에 기초하여 타겟 및 실제 스코어를 표시한다. 컨디션 상태 느낌 카테고리 요약(156f)은 그 해당일에 대한 타겟 및 실제 등급을 나타낸다.

건강 매니저 웹 페이지(150) 열기는 일일별 시간 간격 기준으로, 초기조사로부터 결정된, 양호하지않은 영양 섭취습관과 같은 성향에 기초한 사용자에게 뉴스항목 및 기사, 주석 및 확인문에 대한 하이퍼링크를 포함하는 정보를 사용자에게 제공하는 일일별 용량 섹션(157)을 포함한다. 일일별 용량(157)에 관한 주석은 예로서, 하루에 8잔의 물을 마시는 것은 컴퓨터에서 또는 책상에서 작업중 한 컵의 물을 보관하고 자주 채우라는 제안에 수반하여, 32% 정도 만큼 결장암 위함을 감소시킬 수 있는 실제적 설명문이다. 건강 매니저 웹 페이지(150) 열기는 또한 건강 지수(155)의 카테고리의 각각에서의 사용자의 수행성취도를 능동적으로 평가하고 개선을 위한 제안을 제시하는 문제 해결자 섹션(158)을 포함할 수 있다. 예를 들어, 사용자가 수면에 문제가 있음을 암시하는, 사용자의 수면 레벨이하인 것을 탐지하면, 문제 해결자(158)는 수면을 개선시키기 위한 방법에 관한 제안을 제공한다. 문제 해결자(158)는 또한 수행성취도의 개선에 관한 사용자 질의 성능을 포함한다. 건강 매니저 웹 페이지(150) 열기는 또한 입력 대화상자를 런칭하는 일일별 데이터 섹션(159)을 포함한다. 입력 대화상자는 건강 매니저에 의해 요구된 다양한 데이터에 관한 사용자에 의한 입력을 용이하게 한다. 당업계에 공지된 바와 같이, 데이터 엔트리는 미리 정해진 리스트 또는 일반적 자유형태 양식 텍스트 입력으로부터 선택되는 형태일 수 있다. 마지막으로, 건강 매니저 웹 페이지(150) 열기는 사용자의 신장, 몸무게, 신체 측정치,신체질량지수 또는 BMI, 및 심장박동율, 혈압 또는 임의의 확인된 생리학적 파라미터와 같은 바이털 사인에 관한 정보를 제공하는 신체 상태 섹션(161)을 포함한다.

다시, 체중 관리 실시예에서, 에너지 밸런스는 체중 감소 및 프로그레스를 추적하고 예측하는데 사용된다. 에너지 밸런스 2가지 구성요소, 즉, 에너지 섭취 및 에너지 소모를 갖고, 이러한 2개의 값 사이의 차이는 에너지 밸런스이다. 일일 칼로리 섭취량은 하루내에 사용자가 소비하는 칼로리의 수와 동일하다. 전체 에너지 소모량은 임의의 타입의 활동과 관련되어 있거나 쉬고 있던간에 사용자에 의해 소모되는 칼로리의 양이다. 시스템의 목표는 일일 칼로리 섭취량을 추적하고 전체 에너지 소모량을 자동으로 정확하게 모니터링하는 방법을 제공하여 사용자가 이러한 2개의 파라미터에 대하여 그들의 상태 및 진행을 추적할 수 있도록 하는 것이다. 사용자에게는 또한 이들의 에너지 밸런스를 달성하기 위해 필요한 추가 활동에 관한 피드백이 제공된다. 체중 감소를 달성하기 위해 에너지 밸런스는 소모된 것보다 보다 적은 칼로리가 소비된 것을 의미하는 음이어야 한다. 양 에너지 밸런스는 체중 증가 또는 아무런 체중 감소가 없는 결과를 나타내는 잠재성을 갖는다. 관리 시스템은 에너지 섭취 추적 서브시스템, 에너지 소모 추적 서브시스템 및 에너지 밸런스 및 피드백 서브시스템을 통해 에너지 밸런스를 추적하도록 사용자의 능력을 자동화한다.

다시 도 9에서, 사용자가 최신 갱신 이후에 소비된 임의의 식사 또는 음식 항목을 입력하지 않았다면, 사용자는 적합한 식사를 위해 칼로리 섭취를 로깅하기 위해 에너지 섭취 서브시스템(1110)을 개시하도록 프롬프팅될 것이다. 에너지 섭취 서브시스템은 사용자의 체중 및/또는 체지방 조성에서의 변화 및 전체 에너지 소모 추정값을 사용하여 사용자의 평균 일일 칼로리 섭취량을 추정할 수 있다. 이러한 시스템으로 입력되는 값은 관련 기간과 관련된 정규 인터벌에서의 사용자의 체지방 조성 또는 체중 및 에너지 소모 추정값을 포함한다. 사용자가 최근 7일동안 그들의 체중을 갱신하지 않았다면 이들은 체중 리마인더 페이지(1115)로 유도될 것이다. 에너지 소모 추정값은 체중에서의 1lb 변화와 동일한 3500 kcal의 기본 등가값에 기초한다. 또한, 소프트웨어 프로그램은 신체에 함유된 수분에서의 요동 및 예를 들어, 그날의 상이한 시간 또는 상이한 체중계의, 체중 판독값을 사용자가 수집하는 방법에서의 차이를 고려함으로써 추정값을 스무팅하려고 시도할 것이다.

시스템은 또한 사용자의 에너지 소모량으로부터 칼로리 섭취량 및 사용자에 의해 입력되거나 또는 시스템에 의해 검출되는 체중에서의 변화량을 도출하기 위해 사용될 수 있다. 이것은 여기에 설명된 동일한 기본 계산을 사용함으로써 달성되지만, 순체중증가 또는 감소량은 기준 입력값으로서 사용된다. A+B=C의 등식에서, A는 칼로일 섭취량이고, B는 에너지 소모량이고, C는 순체중증가 또는 감소량이다. 시스템이 사용자에 의해 소비된 음식 항목의 유형에 관한 특정 정보를 결정할 수 없지만, 관련 기간동안 측정된 에너지 소모량 및 알려진 생리 파라미터가 주어진 상태에서 사용자를 위한 칼로리 섭취량이 얼마인지를 계산할 수 있다. 체지방 및 수분에서의 변화량은 보다 정확히 하기 위해 이러한 계산에 통합될 수 있다.

이러한 일일 칼로리 섭취량의 계산은 여기에 그 명세서가 언급되어 통합된 함께 계류중인 미국 특허 출원 번호 제 10/682,759호내에 개시된 바와 같이, 사용자가 칼로리 입력의 보다 단순화된 방법에서, 상술된 대, 중, 소 식사 옵션 사이의 상관관계를 튜닝하거나 데이터 입력값의 정확도를 위한 검사로서 영양 정보를 입력하고 있을 때, 그리고 사용자의 실제 칼로리 소비량을 입력할 있을 때조차 실행될 수 있다. 결국, 이러한 역계산은 환자가 시스템에 제공되고 제공된 식사를 소비하고 있는지 또는 얼마나 소비하고 있는지를 결정하기 위해 기관 세팅에 사용될 수 있다.

소비된 음식의 로깅은 사용자에 대해 완전히 옵션이다. 이러한 특징을 사용함으로써, 사용자는 상술된 에너지 섭취 추정 서브시스템에 의해 측정된 바와 같은 실제로 사용자가 소비한 것과 비교하여 사용자의 생각에 얼마나 많은 음식을 소비하였는지에 대한 피드백을 얻을 수 있다. 사용자가 음식 섭취량을 로깅하기로 선택한다면, 반자동 인터페이스가 아침, 아침후의 스낵, 점심, 점심후의 스낵, 저녁, 및 저녁후의 스낵의 진행을 통해 사용자를 가이드한다. 사용자가 임의의 데이터를 입력할 필요가 없는 경우, 예를 들어 사용자가 아침후에 스낵을 먹지 않았다면 입력을 건너뛰는 옵션이 제공될 수 있다. 또한, 선택된 음식의 칼로리 함유량에 대한 즉각적인 피드백이 제공될 수 있다.

6개의 식사 이벤트의 임의의 것에 대하여, 소프트웨어는 다음의 시나리오, 즉, 사용자가 식사를 했고 이들이 무엇을 먹었는지 음식마다 로그인하기 원한다; 사용자가 식사를 했지만 이전날과 동일한 것을 먹었다; 사용자가 식사를 했지만 이들이 무엇을 먹었는지를 기억할 수 없다; 사용자가 식사를 했고 무엇을 먹었는지를 기억할 수 있지만, 음식마다 무엇을 먹었는지 입력하기 원치않는다; 사용자가 식사를 건너뛰었다; 사용자가 식사를 아직 하지 않았다;중 하나가 사실이라고 가정한다. 소프트웨어는 최신 식사가 시스템에 입력되었던 이후로 시간상으로 각각의 식사에 대한 이러한 시나리오를 사용자가 적용하도록 유도한다. 이로 인해 확실히 데이터에 아무런 갭이 존재하지 않도록 할 수 있다. 데이터에서의 갭은 칼로리 밸런스의 오계산으로 이어진다.

사용자가 음식 항목을 로깅하기 원한다면, 소프트웨어는 음식 데이터베이스로부터 가장 가까운 매치를 입력 바로 아래의 스크로가능하도록 드롭 다운 리스트로 당기는 동적서치 박스내에 음식의 첫 몇 문자를 사용자가 타자치도록 프롬프팅함으로써 응답한다. 엔트리의 선택시에, 음식은 드롭 다운의 우측의 소비된 음식 리스트에 나타나고, 여기에서 측정 단위 및 서빙 크기와 같은 정보의 추가가 편집될 수 있거나 음식이 소비된 음식 리스트로부터 삭제될 수 있다. 식사당 칼로리의 전체 수는 소비된 음식 리스트의 바닥에서 자동으로 계산된다. 이러한 방법은 식사가 다시 계산될 때까지 반복된다. 음식이 데이터베이스에 존재하지 않는 경우에, 사용자가 이들의 개인 데이터베이스에 개별 음식을 추가할 수 있는 제안하는 메시지가 드롭 다운 박스에 나타난다.

사용자가 이전 날과 동일한 것을 먹었다면, 사용자는 적합한 날을 선택하고 선택된 식사가 우측에 나타난다. 사용자는 다음 버튼을 쳐서 이것을 시스템에 입력한다. 이것은 구체적으로 증가된 시간동안 동일한 식사에 대해 동일한 음식과 같은 반복적인 식사 패턴을 갖는 사람의 경향을 이용한다.

사용자가 식사를 기억할 수 없다면 소프트웨어는 특정 수의 날 동안 그 식사에 대해 소비된 칼로의 전체 수의 평균값을 계산하는 스크린을 제공함으로써 응답하고 사용자에게 그 수를 제공한다.

사용자가 식사를 하였지만 소비된 음식 항목을 입력하기를 원치 않는다면, 소프트웨어는 소비된 칼로리의 수를 입력하거나 정상, 정상보다 적음, 정상보다 많음, 많음 또는 매우 적음과 같은 표현을 선택함으로써 사용자가 칼로리 섭취량을 빨리 추정할 수 있는 스크린을 제공할 수 있다. 선택에 의존하여, 추정된 칼로리 섭취량은 평균값 또는 보통 평균 범위에 기초한 것으로부터 증가하거나 감소한다. 예를 들어, 평균적으로, 식사시 사용자가 850과 1000 kcal사이의 칼로리를 소비한다면 그가 평상시보다 많이 먹은 관련 식사에 대하여 추정값은 1000kcal보다 높다고 명시한다.

사용자가 아직 특정 식사를 먹지 않았다면 그들은 체중 관리 센터로의 진행을 선택할 수 있다. 이것은 사용자가 그 날의 상이한 포인트에 식사를 하지만 다른 식사전에 전혀 식사를 하지 않는다는 사실을 의미한다.

사용자가 식사 정보를 입력하는데 소비해야 하는 시간을 최소로 하기 위해, 시스템은 도한 자주 소비하는 음식의 리스트로부터 선택하는 옵션을 제공할 수 있다. 사용자는 빈번한 음식 리스트로부터 음식 항목을 선택할 수 있고 공통으로 소비되는 음식에 대한 데이터베이스를 서치할 필요를 최소로 할 수 있다. 빈번한 음식 툴은 음식 소비량을 정확히 기억하고 입력하는 업무를 보다 신속히 하도록 설계되어 있다. 이것은 사람들이 계절적으로 오직 35-50개의 고유의 음식만을 섭취하는 경향이 있다는 관찰에 따른 것이다. 사람들은 개인 기호, 그들이 작업장에서 점심을 위해 걷거나 운동할 수 있는 장소와 같은 편이성에 관한 이슈에 따라 즐겨먹는 아침 음식, 스낵, 간식, 점심 및 패스트푸드의 코어 세트를 먹는 경향이 있다. 빈번한 음식 툴은 특정 음식 엔트리가 6개의 일일 식사 이벤트의 각각에 대하여 사용자에 의해 데이터베이스로부터 선택된 횟수를 계산함으로써 동작한다. 특정 음식 엔트리의 선택의 전체 횟수는 기록되고, 최다 선택을 가진 상위 음식이 인기도에 따라 빈번한 음식으로 나타난다. 또한, 시스템은 식사 플랜 또는 다이어트 타입과 같은 사용자의 다른 식사 관련된 파라미터를 인식하고, 상기 리스트의 위에 보다 많은 관련 음식을 높거나 선택을 제한함으로써 데이터 입력이 신속해지게 한다.

도 15는 체중 매니저 인터페이스(1120)의 바람직한 실시예의 도면이다. 체중 매니저 인터페이스(1120)에는 일련의 주제 사항 탭(1122)을 포함하는 네비게이션 바(1210를 갖는 멀티 섹션이 제공된다. 탭은 프로그램으로 개별화될 수 있지만 보통 리포트 쓰기 및 선택을 위한 섹션(1122b), 사용자의 프로파일로의 네비게이션 탭(1122c), 암밴드 센서 디바이스 갱신 섹션으로의 네비게이션 탭(1122d), 식사 엔트리 섹션(1122e) 및 메시지 섹션(1122f)으로의 네비게이션 탭을 보통 포함한다. 인터페이스(1120)에는 도 15에 도시된 바와 같이, 체중 매니저 인터페이스(1120)의 주요 사용자 기능을 포함하는 밸런스로 표제된 동작 섹션(1122a)이 추가 제공된다. 칼렌더 섹션(1123)은 사용자에게 임의의 특정 날짜에 대하여 또는 그 날짜로부터 데이터를 선택하고 볼 수 있도록 하는 기능을 제공한다. 피드백 섹션(1125)은 여기에 기술된 바와 같이 코멘터리를 제공하고, 대쉬보드 섹션(1126)은 선택된 날 에너지 섭취량 및 소모량에 관한 그래피컬 출력을 제공한다. 결국, 체중 감소 프로그레스 섹션(1135)은 칼렌더 섹션(1123)에서 선택된 임의의 주어진 날짜에 대해 시간에 대한 체중의 그래피컬 출력을 제공한다.

피드백 및 코칭 엔진은 여기에 설명되는 바와 같은, 전체 에너지 소모량 및 일일 칼로리 섭취 계산량에 의해 발생된 데이터를 분석하여 사용자에게 피드백 섹션(1125)에서 피드백을 제공한다. 피드백은 사용자의 진행의 현 상태에 의존하여 다양한 선택을 제시할 수 있다. 사용자가 체중이 감소하고 있고 타겟 일일 칼로리 섭취량 및 전체 에너지 소모 목표량을 달성하고 있다면, 사용자는 임의의 조정 없이 프로그램을 계속하도록 격려된다. 사용자가 사전설정된 목표량에 따라 체중이 감소하지 않으면, 사용자는 전체 에너지 소모량을 증가시키고 일일 칼로리 섭취량을 감소시키고, 전체 에너지 소모량의 증가 및 일일 칼로리 섭취량에서의 증가의 조합에 대한 옵션이 제공되어 보다 달성가능한 에너지 밸런스 목표량 또는 재설정된 목표량에 도달하게 된다. 피드백은 식사 및 비타민 보충에 대한 제안을 더 포함할 수 있다. 이러한 피드백 및 코칭은 또한 양쪽 모두 유사한 정보를 제공하기 때문에 아래에 설명되는 간헐적인 상태 보고서내에 통합될 수 있다.

사용자가 일일 칼로리 섭취량을 감소시키기로 선택한다면, 사용자에게 그들의 새로운 일일 칼로리 목표량을 맞추기 위해 새로운 식사 계획을 세우도록 하는 옵션이 제공될 수 있다. 사용자가 전체 소모 에너지 목표량을 증가시키기도 선택한다면, 사용자에게 그들은 사전설정된 목표량으로 인도하는 운동 계획이 제공될 수 있다. 전체 에너지 소모 추정 계산기 유틸리티가 또한 사용자에게 유용할 수 있다. 계산기 유틸리티로 인해 사용자는 다수의 운동 옵션으로부터 선택할 수 있다. 사용자가 사전설정된 목표에 도달하기 위해 전체 에너지 소모량을 증가시키고 일일 칼로리 섭취량을 감소시키기로 선택한다면, 식사 계획 및 운동 선택은 이에 따라 조정될 수 있다. 안전 제한선이 일일 칼로리 섭취량 및 전체 에너지 소모량 권장량에 제시될 수 있다. 예를 들어, 일일 1200kcal보다 적은 시사 계획 및 일일 한시간보다 많은 운동 권장량은 제시된 안전 제한선에 기초하여 권장될 수 없다.

또한, 사용자에게 사전설정된 목표량을 달성하기 위한 제안이 제공될 수 있다. 이러한 제안은 왜 사용자가 예상된 결과를 볼 수 없는지에 대한 특정 힌트는 물론 사용자의 암밴드를 보다 자주 착용하는 것, 체육관에게 자주 방문하는 것, 사무실로부터 멀리 주차하는 것 또는 보다 정기적으로 음식을 항목을 로깅하는 것과 같은 단순한 힌트를 포함할 수 있다.

대안의 실시예에서, 코칭 엔진에 의해 주어진 권장사항은 지난 과거의 권장사항 히스토리 및 사용자의 생리 데이터를 포함하는 보다 넓은 세트의 입력값에 기초한다. 피드백 엔진은 사용자가 사전설정된 목표량 도달에 대한 실패에 대한 언더라잉 소스를 도출하도록 하는 일련의 질문과 사용자를 선택적으로 관련시킬 수 있다. 예를 들어, 시스템은 사용자가 방문자를 가졌는지, 사용자가 주말에 교회에 있었는지, 사용자가 운동하기에는 너무 바빴는지, 또는 사용자가 평일 동안 외식을 많이 하는지를 포함하는 질문을 할 수 있다. 이러한 질문을 함으로써 사용자를 격려하고 사용자가 사전설정된 목표를 달성할 수 없었던 이유를 이해하게 된다.

피드백 시스템의 이러한 대안의 실시예의 또 다른 태양은 시스템이 피드백을 사용자에게 준 결과를 평가할 수 있다는 것이다. 이것은 컨텍스트 및 추정된 일일 칼로리 섭취량 또는 로깅된 섭취량과 같은 피드백의 주제인 파라미터를 추적함으로써 달성된다. 이러한 특징으로 인해 시스템이 컴플라이언스의 성질을 모니터링하고 이에 따라 피드백을 수정할 수 있기 때문에 시스템은 관찰될 수 있고 단지 결과에 기초한 것이 되지 않을 수 있다. 예를 들어, 시스템이 보다 적게 먹을 것을 제안한다면, 시스템은 사용자가 다음 주에 얼마나 적게 먹는지를 측정할 수 있고 이러한 성공적인 응답을 피드백으로서 사용하여 오리지널 피드백 또는 제안과의 사용자의 유연성에 대하여 시스템의 효율성을 튜닝할 수 있다.

시스템에 대한 이러한 지연된 피드백의 다른 예는 시스템이 제안할 때 사용자가 보다 많이 운동하는지, 프롬프팅될 때 사용자가 보다 많은 심장혈관 운동을 감당하는지, 그리고 제안될 때 사용자가 암밴드를 착용하는지이다. 이러한 지연도니 피드백 신호 및 시스템의 이에 대한 연속 적응성의 유형은 당업분야에서 알려진 바와 같이 보강 학습으로 식별된다. 이러한 학습 시스템은 지연된 피드백 신호에 기초하여 시스템 또는 에이전트의 행동을 튜닝한다.

대안의 실시예에서, 시스템은 강화 학습 프레임워크를 통해 3개의 레벨의 특성에서 튜닝된다. 먼저, 피드백은 예를 들어, 사용자가 평지에 있을 때 주어야 할 올바른 피드백이 무엇인지와 같은, 주어진 상황에 대하여 전체 인구를 위해 적응된다. 둘째, 피드백은 예를 들어, 사람 Y와 같은 사람에 대하여 상황 X에서의 올바른 피드백인 무엇인지 또는 동일한 상태에서 남자에게 주어지는 피드백의 성질 또는 캐릭터 또는 톤과 상이할 수 있는, 3주 동안 사람이 섭취 목표량을 달성하지 않았을 때 여자에게 올바른 피드백이 무엇인지와 같은 사람의 그룹에 대하여 적응된다. 마지막으로, 시스템은 또한 예를 들어, 주어진 주에 충분히 운동하지 않은 특정 사용자에 대한 최상의 피드백이 무엇인지와 같이, 직접 개인에 기초하여 적응될 수 있다.

본 발명의 다른 태양에서, 사용자에게 제공된 피드백은 성질상 예측성을 가질 수 있다. 시간에서, 개인은 체중 감소 섭생 동안, 체중 증가와 같은 비목표적이거나 부정적인 상황을 경험할 수 있다. 상황은 또한 긍정적이고 중립적일 수 있다. 시스템의 사용을 통한 데이터의 연속 모니터링 때문에, 상황을 둘러싸는 즉, 그 상황 바로 이전 및 그 상황에 이은 이벤트는 그 이벤트의 타입을 결정하고 분류하기 위해 분석될 수 있다. 파라미터, 리딩 또는 이벤트의 시퀀스는 시스템이 저장하고 검토할 수 있는 패턴으로 기록될 수 있다. 시스템은 유사한 상황이 이전에 일어났는지 그리고 과거 에피소드가 최근에 일어날 것인지를 예측하기 위해 이러한 상황에 대한 현 데이터를 이전의 데이터 또는 패턴과 비교할 수 있다. 그다음, 시스템은 상황에 관한 피드백을 제공할 수 있고, 각각의 발생에 대하여, 시스템은 사용자로부터 검출되거나 사용자에 의해 제공된 응답에 기초하여 사용자에게 제공된 피드백을 테일러링할 수 있다. 시스템은 피드백의 효율성에 기초하여 피드백을 더 테일러링할 수 있다. 시스템이 사용자에 대하여 더 개별화되어 있다면, 시스템은 피드백에 대한 사용자의 검출된 응답에 기초하여 제안을 사전에 제시할 수 있다. 예를 들어, 사용자가 체중 관리에서 평지에 도달하는 상황에서, 시스템은 진행의 상태로 사용자가 복귀할 수 있도록 새로운 제안을 공식화할 수 있다.

또한, 시스템은 제공된 피드백에 대한 검출되거나 검출되지 않는 응답에 대하여 보강 학습 프레임워크를 수정한다. 예를 들어, 시스템이 사용자가 이들의 에너지 소모량을 증가시킬 것을 제안하지만 개인이 암밴드를 보다 자주 착용함으로써 응답한다면, 시스템은 피드백에 대한 사용자의 감도에 기초하여 프레임워크를 수정할 수 있다. 이러한 보강은 커넥션이 즉각 명백하지 않을지라도 시스템과의 사용자의 직접 상호작용으로부터뿐만 아니라 행동에서의 임의의 차이에서도 발생한다.

부정적이고나 중립적인 상황에 관한 데이터의 예측성 분석이 사용자의 개인 히스토리 또는 패턴에 기초하거나 인구집단에서 다른 사용자로부터의 유사한 데이터의 집합 데이터에 기초할 수 있다는 것에 특히 주목해야 한다. 집단 데이터는 체중 관리를 포함하지만 이에 제한되지는 않는, 시스템의 임의의 실시예의 사용자로부터 수집된 데이터에 기초할 수 있다.

더욱이, 사용자가 유사한 상황의 복수의 경우를 경험함에 따라, 시스템은 어떻게 개인이 이러한 단계에 도달하였는지 및 사람이 그 상황을 성공적으로 비성공적으로 교정하도록 시도하였는지를 이해하기 시작할 수 있다. 시스템은 패턴 매칭을 통해 그 학습 및 적응성을 강화하여 이러한 상황이 일어날 수 있는 다음번에 미래 피드백을 보다 더 수정하게 된다. 예를 들어, 사용자가 칼로리를 보존하기 위해 사용자의 대사가 느려지고 사용자가 사전설정된 목표로의 임의의 진보를 체험할 수 없는 정체상태를 경험하는 것은 체중 관리에서 비정상적인 것이 아니다. 또한, 사용자가 긴 주말, 휴가, 출장 또는 일정한 날씨 상태와 같은 일시적이고 긴 기간동안 사전설정된 목표로부터 일탈하게 하는 일이 발생할 수 있고, 시스템은 정체 또는 그러한 이벤트 이전에 임박한 문제를 경고하고 그것을 피하도록 제안하는 리마인더를 제공할 수 있다.

대안의 실시예에서, 사용자가 달성된 진보에 영향을 줄 가능성이 높은 부정적, 긍정적 또는 중립적인 상황을 경험할 때, 시스템은 이들이 상황에 의해 영향을 받을 때 상술된 위험 요소를 표시할 수 있다. 예를 들어, 사용자가 체중이 증가하도록 하는 부정적인 상황을 경험하였다면, 시스템은 사용자의 심장 질환에 대한 위험이 이제 상승되고 있다고 판단할 수 있다. 이러한 상승된 위험은 그러한 상태에 대한 위험 팩터에서 표시되어 사용자의 목표 레벨에서의 위험과 비교된다.

개인 신체의 일련의 생리적 및/또는 컨텍스츄얼 상태 및 이들의 이전의 응답에 관한 보강을 겸한 행동 수정의 자동 프로세스를 통한 사람을 가이드하기 위해 주어진 설명이 체중 관리의 특정 행동 수정에 대하여 기술되었지만 특정 행동 수정 목표에 제한될 필요가 없다는 것이 당업자에게 명백할 것이다. 이 프로세스는 동일하거나 시스템으로의 다른 추가적인 입력부 또는 출력부와 함께, 수면 관리, 임신 건강 관리, 당뇨 질환 관리, 심혈관 질환 관리, 휘트니스 관리, 유아 건강 관리, 및 스트레스 관리에 제한됨 없이 적용될 수도 있다.

동일하게 시스템은 인슐린 레벨 및 데이터에 기록된 혈액 글루코스 레벨에서의 급격한 변화 또는 일련의 또는 심각한 증상을 가진, 체중 관리용 툴을 사용하는 당뇨환자에게 적용가능하다. 이러한 실시예에서, 입력값, 즉, 섭취된 칼로리, 칼로리의 유형, 활동 및 에너지 소모량 및 체중은 체중 실시예와 동일할 수 있다. 인슐린 레벨에 대해서, 이러한 시스템의 피드백이 예측된 신체 인슐린 레벨, 칼로리 섭취량, 칼로리 연소량, 활동 분류 및 체중 관리에 대하여 구체적으로 튜닝된 관리가 사용될 수도 있다. 사용자 입력값은 체중 감소 실시예의 체중 스케일과 유사한 글루코미터 리딩값을 포함한다. 인슐린 레벨은 간접적으로 에너지 밸런스 그래서 체중 관리에 관련되어 있음에 주목해야 한다. 비당뇨에 대해서 조차, 낮은 인슐린 레벨은 신체가 그 최대 포텐션을 갖을 수 없기 때문에 에너지 소모량에 대한 제한성을 반영한다.

생리 및 컨텍스츄얼 파라미터에 더하여, 환경 파라미터 역시 사용자에 대한 영향을 결정하기 위해 모니터링될 수 있다. 이러한 파라미터는 오존, 화분 카운트, 및 습도를 포함할 수 있고 천식 관리의 시스템에 유용할 수 있지만 이에 제한되는 것은 아니다.

이러한 시스템의 상이한 실시예에 적용될 수 있는 피드백에 대한 많은 태양이 있다. 예를 들어, 피드백의 매체는 수정될 수 있다. 성능에 기초하여, 시스템은 사용자에게 전화, 이메일, 팩스, 또는 웹사이트를 통해 접촉하기를 선택할 수 있다. 메시지의 톤 또는 포맷은 자체가 예를 들어, 팝업 메시지와 같이 전달되는 강한 메시지를 선택함으로써 수정될 수 있다. "귀하는 너무 게으르다! 나는 귀하에게 이번주에 거기에서 나와 보다 많이 운동하기를 명령한다"와 같은 메시지 또는 "귀하는 매우 잘하고 있었다, 하지만, 귀하가 이번주에 운동할 보다 많은 시간을 찾을 수 있다면, 귀하는 귀하의 타겟에 보다 가까이 도달할 것이다"와 같은 보다 부드러운 톤의 메시지가 웹사이트의 피드백 센셕에서 전달될 수 있다.

시스템은 또한, 임의의 기간 동안의 에너지 소모량, 일일 칼로리 섭취량, 에너지 밸런스 또는 영양 정보의 요약을 제공하는 리모트 특징부를 포함할 수 있다. 사용자에게 인터페이스가 제공되어 이들의 에너지 밸런스의 수를 그래픽으로 보고 분석할 수 있다. ㅇ너지 밸런스 계산에 대한 입력값은 에너지 소모량 추적 시스템의 사용에 기초한 전체 에너지 소모량 및 체중 또는 체지방 변화량 및 전체 에너지 소모량 추정값을 사용하여 추정된 일일 칼로리 섭취량이다. 사용자에게 등식 형식으로 그리고 가시적으로 이러한 정보가 제공될 수 있다. 일일, 어제, 최근 7일, 최근 30일 및 시작이후와 같은 공통으로 사용되는 써머리 기간을 위해 쇼트컷이 제공된다.

리포트는 또한 사용자가 과거에 보기를 요청한 것 도는 사용자가 실제로 행하였던 것을 포함하여 다양한 방법으로 개별화될 수 있다. 리포트는 제3 자 명세서 또는 사용자의 선택에 의해 개별화될 수 있다. 사용자가 운동하지 않았다면 운동 탭은 남겨질 수 있다. 사용자가 이전에 수신한 피드백의 유형을 보기 위해 과거 피드백의 다이어리를 보기를 요구할 수 있다. 피드백이 모두 일일 칼로리 섭취량을 제어하는 것에 관한 것이라면, 리포트는 영양에 관한 것 이상일 수 있다. 당업자는 이 리포트가 피드백 엔진이 강화될 수 있고 피드백 엔진의 확장으로서 보여질 수 있는 모든 방법으로 강화될 수 있다는 것을 인식할 것이다.

다시 도 15에서, 밸런스 탭(1122a)은 다양한 포맷으로 사용자의 체중감소 진행의 써머리를 나타낸다. 밸런스 섹션(1122a)에 대하여, 체중 감소 진행 그래프(1135)는 사용자가 전체 체중 감소 시스템을 사용하여 개시한 날로부터 현 날짜까자의 사용자의 체중 감소 진행을 설명한다. 에너지 밸런스 섹션(1136)은 소비된 실제 및 목표 칼로리 및 연소된 실제 및 목표 칼로리를 포함하는 사용자의 실제 및 목표 에너지 밸런스에 관한 디테일을 제공한다. 에너지 밸런스 그래프(11370는 이러한 동일한 정보의 그래픽 표현도이다. 대시보드 섹션(1126)은 또한 사용자가 이들의 목표값에 대한 이들의 에너지 밸런스의 상태를 알도록 하는 성능 지시기 섹션(1146)을 가지고 있다. 성능 지시기 섹션(1146)내에 포함된 정보는 피드백 섹션(1125)내의 정보의 그래픽 표현일 수 있다. 옵션으로, 시스템은 관련 기간동안 소비된 특정 음식의 리스트 및 차트 형태로 칼로리, 탄수화물 및 지방 함유량과 같은 음식의 영양 태양을 표시할 수 있다. 이와 마찬가지로, 표시는 활동 기간 및 연소된 칼로리와 같은 관련 데이터와 함께 관련 기간동안 행해진 모든 활동의 차트된 리스트를 포함할 수 있다. 또한, 시스템은 개인 운동, 미용체조법등을 포함하는, 디테일의 사용자 선택 레벨에서의 활동을 로깅하도록 사용될 수 있다.

대안의 실시예에서, 시스템은 또한 피드백 섹션(1125) 단독에서, 또는 피드백 및 코칭 엔진과 함께 사용자에게 간헐적인 피드백을 제공할 수 있다. 피드백 및 코팅 엔진은 상술된 바와 같이, 문제 해결자의 보단 구체적인 또는 대안의 실시예이다. 피드백은 또한 적합한대로, 주기적이거나 간헐적인 상태 리포트(1140)의 형태로 추가 표시 박스에 표현될 수 있다. 간헐적인 상태 리포트(1140)는 또한 사용자에 의해 임의의 시간에 요청될 수 있다. 상태 리포트는 스크린의 위치상의 박스내에 위치한 알러트일 수 있고 보통 사용자의 주의를 끌기 위해 설치되어 있다. 상태 리포트 및 이미지는 사용자의 현 뷰에 기초하여 키 스트링 또는 파라미터 세트를 생성함으로써 발생되고 사용자에게 이들의 체중 감소 목표 진행에 관한 정보를 제공할 수 있다. 이러한 정보는 보통 그 날에 대한 사용자의 칼로리 밸런스 목표값을 충족시키도록 하는 제안을 포함한다.

간헐적인 상태 리포트(1140)는 체중 관리자 인터페이스(1120)의 밸런스 탭(1122a)상에 발생된다. 간헐적인 상태 리포트(1140)의 목표는 사용자에게 선택된 뷰를 위해 즉시 명령적인 피드백을 제공하는 것이다. 키 값 페어를 포함하는 특성 파일은 특정 선택 기준을 달성하는 이미지 및 메시지를 상응하는 키에 매칭하도록 검색된다.

바람직한 실시예에서, 간헐적인 상태 리포트(1140)에 대하여 오늘, 특정 날, 평균(최근의 7일이나 30일) 및 개시 이후의 4가지 가능한 뷰가 있다.

사용자 상태는 간헐적인 상태 리포트(1140)를 위한 선택 기준의 일부로서 통합되어 있다. 사용자 상태는 이전에 기술된 바와 같이 일일 칼로리 섭취량 및 에너지 소모량의 실제 및 목표값에 기초한다. 일일 칼로리 섭취량 및 에너지 소모량에 기초한 목표 및 예측된 에너지 밸런스는 또한 사용자 상태 4 및 5에 추가 비교 팩터로서 사용되어 있다. 가능한 사용자 상태는 표 3에 도시되어 있다.

상태	설명	계산
1	사용자는 에너지 목표값에 도달하지 않을 것이고 일일 칼로리 섭취량은 버젯 아래에 있다	(에너지 소모량 < 목표 에너지 소모량) 및 (일일 칼로리 섭취량 <= 목표 일일 칼로리 섭취량) 여기에서 =는 ±50 칼로리의 허용편차를 갖는다.
2	사용자는 목표값보다 많은 칼로리를 연소하거나 연소할 것이고, 일일 칼로리 섭취량은 버젯 아래에 있다.	(에너지 소모량 >= 목표 에너지 소모량) 및 (일일 칼로리 섭취량 <= 목표 일일 칼로리 섭취량) 여기에서 =는 ±50 칼로리의 허용편차를 갖는다.
3	사용자는 충분한 운동을 하지 않았고 너무 많이 먹었다.	(에너지 소모량 < 목표 에너지 소모량) 및 (일일 칼로리 섭취량 > 목표 일일 칼로리 섭취량) 여기에서 =는 ±50 칼로리의 허용편차를 갖는다.
4	사용자는 칼로리 섭취 목표량을 초과하였지만, 에너지 소모량은 이를 보충하여야 한다	(에너지 소모량 >= 목표 에너지 소모량) 및 (일일 칼로리 섭취량 > 목표 일일 칼로리 섭취량)&&(예측된 에너지 밸런스 >= 목표 에너지 밸런스) 여기에서 =는 ±50 칼로리의 허용편차를 갖는다.
5	사용자는 칼로리 섭취 목표량을 초과하였지만, 에너지 소모 목표값은 이를 보충하지 않을 것이다.	(에너지 소모량 >= 목표 에너지 소모량) 및 (일일 칼로리 섭취량 > 목표 일일 칼로리 섭취량)&&(예측된 에너지 밸런스 < 목표 에너지 밸런스) 여기에서 =는 ±50 칼로리의 허용편차를 갖는다.

사용자의 현 에너지 밸런스는 또한 선택 기준의 일부를 결정하기 위해 사용된다.

스트링	계산
블랙	(에너지 소모량 = 일일 칼로리 섭취량) > 40
평형	-40<(에너지 소모량 - 일일 칼로리 섭취량) < 40
레드	40 < (에너지 소모량 -일일 칼로리 섭취량)

선택 기준의 마지막 부분은 상술된 바와 같이 선택된 뷰의 타입에 의존한다. 상세하게는, 오늘 뷰가 관련 기간의 끝에 의해 에너지 밸런스 결함을 보정하기 위해 사용자의 능력을 예측하도록 2개의 파라미터를 통합한다.

스트링	설명
얼리	즐겨하는 활동은 에너지 밸런스를 교정하는데 한시간보다 덜 걸리고 오후11시 전에 있거나; 사용자에게 적합한 활동은 에너지 밸런스를 교정할 것이고 충분한 시간에 그 완료를 위해 관련 기간내에 남아 있다.
레잇	즐겨하는 활동이 에너지 밸런스를 교정하는데 한시간보다 더 걸리거나 오후 11시 후에 있거나; 에너지 밸런스를 위한 긍정적인 결과를 리턴할 활동을 완료하기 위한 시간이 불충분하다.

모든 다른 뷰는 목표의 유효성을 추정하기 위한 2개 타입의 정보를 사용한다.

스트링	계산
유효 목표	(상태 2 또는 4)라면, 80%>%DCI 또는 %EE>120% 이고 단지 퍼센트에 기초한 다른 한 시간보다 적은 시간에서의 차이를 보충하기 위한 유효한 활동이 있다.
서스펙목표	(상태 2 또는 4)라면, 80%>%DCI 또는 %EE>120% 이거나 단지 퍼센트에 기초한 다른 한 시간보다 적은 시간에서의 차이를 보충하기 위한 유효한 활동이 없다.

여기에서, %DCI 또는 %EE는 사용자의 목표와 관련하여 적합한 대로, 일일 칼로리 섭취량 도는 에너지 소모량의 현 퍼센트를 나타낸다.

유사한 방법이 도 15에 도시된 바와 같이 각각의 수평 바 차트 아래의 메시지를 결정하는데 사용된다. 선택 기준의 다음 부분은 사용자에 의해 설정된 목표와 관련된 일일 칼로리 섭취량 또는 에너지 소모량의 현재 값에 의해 결정되는 달성 상태이다. 파라미터는 다음과 같다.

스트링	계산
위	값>목표값
동일	값=목표값
아래	값<목표값

대안의 실시예에서, 피드백을 선택하기 위한 방법을 언더라이잉하는 표현은 판단 트리, 플래닝 시스템, 제약 충족 시스템, 프레임 기반 시스템, 케이스 기반 시스템, 룰 기반 시스템, 예측 캘쿨러스, 범용 플래닝 시스템 또는 확률 네트워크일 수도 있지만 이에 제한되는 것은 아니다. 대안의 실시예에서, 방법의 또 다른 태양은 피드백을 선택하는 서브시스템을 적용하는 것이다. 이것은 예를 들어, 판단-이론 적응성 확률 시스템, 단순 적응성 플래닝 시스템, 또는 파라미터의 세트상의 그레디언트 디센트 방법을 사용하여 이루어질 수 있다.

에너지 밸런스의 계산에 있어서, 암밴드 센서 디바이스는 사람의 에너지 소모량을 연속적으로 측정한다. 그 날 동안 신체는 연속적으로 칼로리를 연소하고 있다. 신체가 에너지를 소모하는 최소 레이트는 레스팅 대사 레이트, 또는 RMR로 불린다. 평균 사람에 있어서, 일일 RMR은 약 1500 칼로리이다. 이것은 보다 많은 사람에게는 보다 많다.

에너지 소모량은 사람이 쉴 때와 활동할 때 그때까지 얼마나 많은 칼로리가 연소되었는지를 그 날 동안 알기 때문에 RMR과 상이하다. 사용자가 에너지 소모 정보를 볼 때에서, 2가지를 알 수 있다. 첫째, 암밴드 센서 디바이스에 기록된 자정부터 그 시간까지의 그 개인의 칼로리 연소량이고, 둘째는 현 시간으로부터 그 날의 끝까지의 사용자의 RMR이다. 이러한 수의 합은 사용자가 그 날 동안 소모하는 칼로리의 최소량의 예측값이다.

이러한 추정값은 RMR에 멀티플러케이티브 팩터를 적용함으로써 향상될 수 있다. 사람의 라이프스타일은 이들이 소모하는 에너지량에 크게 기여한다. 운동하지 않는 좌상의 사람은 이들의 RMR에 의해 소비된 것보다 단지 보다 경미하게 보다 많이 칼로리를 연소한다. 일정하게 활동적인 운동선수는 RMR보다 상당히 많은 칼로리를 연소한다. 이러한 RMR에 대한 라이프스타일 영향은 좌상의 사람의 1.1로부터 운동선수의 1.7 까지 범위의 RMR에 대한 곱셈 인자로서 추정될 수 있다. 이러한 곱셈 인자는 또한 날의 시간 또는 년의 시간에 기초하여 사람의 착용 시간의 평균값으로부터 계산될 수 있거나 사람이 상술된 바와 같이, 날짜 또는 시간 관리 프로그램에 입력한 정보로부터 결정될 수 있다. 이러한 인자를 사용함으로써 개인에 대한 추정된 일일 소모량의 예측성 성질을 크게 향상시킨다.

체중 감소 경향을 예측하는 최종 팩터는 영양 로그이다. 영양 로그는 사람이 이들이 먹고 있는 음식을 계속 추적할 수 있도록 한다. 이것은 그 날 동안 그 때까지 소비된 칼로리양을 기록한다.

소비된 칼로리양 및 사람이 연소할 수 있는 칼로리양의 예측값을 앎으로써, 암밴드 센서 디바이스는 사람의 에너지 밸런스를 계산할 수 있다. 에너지 밸런스는 연소된 칼로리와 소비된 칼로리 사이의 차이다. 사람이 이들이 소비하고 있는 칼로리 보다 많은 칼로리를 소모하고 있다면 이들은 체중 감소 트렌드 상태에 있다. 사람이 연속하고 있는 것보다 많은 칼로리를 소모하고 있다면 이들은 체중증가 트렌드 상태에 있다. 에너지 밸런스 예측값은 그 날에 대하여 사람의 실제 일일 에너지 밸런스의 그 날 동안 임의의 시간에서 만들어진 추정값이다.

제안이 간헐적인 상태 리포트의 형태로 제공되는데, 이것은 3개의 일반적인 형태중 하나를 취한다. 첫째, 사람은 사전설정된 목표값을 달성하는데 컴플라이언스 상태에 있을 수 있다. 이것은 일일 목표값을 근사화하는 허용편차 범위내에 에너지 밸런스 예측값이 있다는 것을 의미한다. 사용자의 에너지 밸런스가 보다 많은 칼로리가 소비된 된 것보다 그 날 동안 많이 연소될 수 있다는 것을 나타낸다면, 사용자는 사전설정된 목표값을 초과하였으므로 축하받을 수 있다. 마지막으로, 사용자는 연속되기로 계획된 것보다 많은 칼로리를 소비하였을 수 있다. 이러한 경우에, 시스템은 사용자가 목표값을 충족하기 위해 얼마나 더 많이 연소할 필요가 있는지를 계산할 수 있다. 워킹과 같은 일반적인 활동과 연관된 예측된 에너지 소모량을 사용하여, 시스템은 또한 정해진 기간내에 목표값을 달성하기 위한 방법에 대해 제안할 수 있다. 예를 들어, 100 칼로리 더 연소할 필요가 있는 사람은 시스템이 30분 걷기가 필요한 칼로리를 연소할 수 있다고 인식하였다면 목표값을 달성을 달성하기 위해 상기 활동을 취하도록 권고받을 수 있다.

많은 사람은 특히, 작업 주 동안 일상사에 안주한다. 예를 들어, 사람은 일일 동일한 시간에 일어나서 직장에 가고, 그다음, 집에 가서 쉬기 전에 운동할 수 있다. 이들의 식사 패턴은 또한 날마다 유사할 수 있다. 사람의 행동에서 일한 유사성을 검출함으로써, 암밴드는 사람의 에너지 밸런스 그래서 사람의 체중 감소 트렌드에 대해 보다 정확한 예측값을 만들수 있다.

에너지 밸런스 예측성이 사용자의 과거 데이터를 분석함으로써 향상될 수 있는 다수의 방법이 존재한다. 첫째, 사람의 라이프스타일에서의 활동에 대한 쉼의 양은 그 날의 남은 시간에 대해 RMR 추정값을 향상시키기 위해 사용될 수 있다. 둘째, 그 날은 추정값을 향상시키기 위해 시간 단위로 분할될 수 있다. 예를 들어, 아침에 보통 운동하고 저녁에 쉬는 사람은 저녁에 운동하는 사람과 상이한 일일 프로파일을 가진다. 에너지 소모량 추정값은 보다 양호하게 개인의 에너지 밸런스를 예측하기 위해 시간에 기초하여 조정될 수 있다. 사람의 활동은 또한 일일 또는 주간 스케줄, 그 해의 시간, 또는 사전설정된 목표값으로의 진행의 진도에 따라 변할 수 있다. 에너지 소모 추정값은 따라서 이에 다라 조정될 수 있다. 다시, 이러한 정보는 타임 또는 날짜 관리 프로그램으로부터 얻어질 수 있다. 셋째, 특정 시간에 대한 사람의 일일 에너지 소모량의 평균값을 생성함으로써 얼마나 많은 칼로리를 사람이 보통 연소하는지를 예측할 수 있다.

마찬가지로, 사람의 식습관에서의 트렌드를 검출함으로써 얼마나 많은 칼로리를 사람이 소비할 것으로 예상되는지를 추정할 수 있다. 예를 들어, 많은 아침을 먹지만 적은 저녁을 먹는 사람은 아침을 걸르지만 그 날 동안 수많은 적은 식사를 하는 사람과 상이한 프로파일을 가진다. 이러한 상이한 식습관은 또한 보다 정확한 일일 추정값을 제공하기 위해 사용자의 에너지 밸런스에 반영될 수 있다.

에너지 밸런스의 개념은 단일 날에 국한되지는 않는다. 이것은 또한 다수의 날, 주, 달 또는 심지어 년에 적용될 수 있다. 예를 들어, 사람은 휴일, 생일 또는 기념일과 같은 특별한 이벤트에 자주 과식한다. 이러한 비정상적인 소비 식사 스퍼트는 스퓨어리스하거나 장기 패턴에 기여할 수 있다. 시간에 대한 실제 에너지 밸런스는 체중 감소 또는 체중 증가 트렌드를 나타낼 수 있고 개인이 그의 목표값을 실제 운동 및 식습관에 매칭하는것을 도울 수 있다.

간헐적인 상태 리포트(1140)의 계산에 로직이 도 16 내지 도 19에 제공된다. 도 16은 에너지 소모량 및 칼로리 섭취값 모두로부터의 정보를 사용하는 간헐적인 상태 리포트(1140)의 계산을 설명한다. 만약 간헐적인 상태 리포트 상태(1150)가 간헐적인 상태 리포트(1140)가 이미 오늘에 대해 준비되었다는 것을 나타낸다면, 간헐적인 상태 리포트 프로그램은 에너지 소모량과 일일 칼로리 섭취량 사이의 차이인 에너지 밸런스 값(1155)을 리턴한다. 조정 임계값, 예를 들어, 40 칼로리가 사용자를 3개의 카테고리중 하나에 놓기 위해 목표 허용편차로서 선택된다. 에너지 소모량과 일일 칼로리 섭취량 사이의 차가 +40 칼로리보다 크다면, 밸런스 상태 지시자(1160)는 사용자가 그 날에 대해 일일 에너지 밸런스 목표값을 상당히 초과하였음을 나타낸다. 만약 상기 값들 사이의 차가가 -40 칼로리보다 적다면, 밸런스 상태 지시자(1160)는 사용자가 일일 에너지 밸런스 목표값을 충족시키는데 실패하였다는 것을 나타낸다. 만약 상기 값들 사이의 차가 ±40 칼로리 차 사이의 허용편차에 의해 정의된 바와 같이, 0이거나 거의 0이라면, 밸런스 상태 지시자(1160)는 사용자가 일일 에너지 밸런스 목표값을 충족하였음을 나타낸다. 프로그램은 타임 체크를 실행한다(1165). 현 시간이 보조 시간 리미트 전후인 것에 따라, 프로그램은 그것이 먼저 또는 나중인지를 결정한다. 또한, 프로그램은 모두 그 날에 대한 이전의 간헐적인 상태 리포트(1040)에 기초하여, 상기 목표값을 달성하는 것을 돕기 위해 에너지 소모 활동에 대한 제안과 함께, 시각에 기초하여 그날의 타임 리미트내에 또는 다른 기간내에 개인이 그들의 에너지 밸런스를 목표값을 충족시키기 위한 시간을 가지고 있는지를 나타내는 에너지 밸런스 목표 간헐적인 상태 리포트(1170)를 표시한다.

만약 간헐적인 상태 리포트 상태(1150)가 오늘에 대하여 간헐적인 상태 리포트(1040)가 준비되지 않았다고 결정하면, 프로그램은 에너지 밸런스 값을 검색하고(1155) 에너지 소모량이 칼로리 섭취값보다 큰지 또는 적은지를 판정한다. 에너지 소모값과 밸런스 상태 지시자에 의해 지시된 칼로리 섭취값 사이의 차의 값에 따라(1160), 프로그램은 사용자 상태 판정을 실행한다. 사용자 상태 판정부(1175)는 동일한 기간에 대한 목표 및 실제 일일 칼로리 섭취량과 관련 기간동안의 사용자의 목표 및 실제에너지 소모량 사이의 전체 관계이다. 프로그램이 사용자의 상태를 결정한 후에, 프로그램은 사용자의 목표 상태(1180)를 판정한다. 목표의 상태가 특정 퍼센트의 완료값내에 있다면, 프로그램은 사용자가 여전히 특정 활동을 행함으로써 타임 프레임내에 이러한 목표값을 충족시킬 수 있는 여부에 대하여 타임 판정(1185)을 실행한다. 프로그램은 사용자에게 관련 에너지 밸런스 목표 간헐적인 상태 리포트(1170)를 표시한다. 간헐적인 상태 리포트(1170)의 내용은 이러한 다양한 판정의 결과에 의해 결정되고 관련물의 적합한 라이브러리로부터 선택된다.

도 17은 에너지 소모량에만 기초한 간헐적인 상태 리포트의 발생을 설명한다. 간헐적인 상태 리포트 상태(1150)가 간헐적인 상태 리포트(104)가 그 날에 대하여 준비되었다고 표시하면, 프로그램은 목표 에너지 소모량과 현재 에너지 소모량 사이의 차인 에너지 소모량 목표 진도(1190)를 계산한다. 에너지 소모량이 목표 소모량을 초과하면, 프로그램은 그 날에 대한 에너지 소모량 목표량을 사용자가 달성할 수 있도록 할 필요가 있는 임의의 요구된 운동량을 결정한다(1195). 이와 마찬가지로, 현재 또는 예측된 에너지 소모랑값이 목표 에너지 소모량보다 적다면, 프로그램은 사용자가 일일 목표를 달성할 수 있도록 하기 위한 임의의 요구되는 운동량을 결정한다(1195). 에너지 소모 간헐적인 상태 리포트(1200)는 이러한 제안된 운동 활동이 포함된 정보에 기초하여 발생될 것이다.

간헐적인 상태 리포트(1040)가 관련 기간동안 이미 준비되지 않았다면, 간헐적인 상태 리포트 상태(1150)는 프로그램이 목표 및 예측된 에너지 소모량값을 사용하여 에너지 소모 목표 진도(1190)를 계산하도록 명령한다. 이러한 값에 기초하여, 프로그램은 사용자가 에너지 소모 목표를 달성할 수 있도록 하는 임의의 요구되는 운동량을 결정한다(1195). 에너지 소모 간헐적인 상태 리포트(1200a)는 임의의 제안된 운동 활동을 포함한 이러한 정보에 기초하여 발생된다.

도 18은 오직 칼로리 섭취량에 기초하여 간헐적인 상태 리포트를 프로그램이 어떻게 발생하는지를 설명한다. 칼로리 상태(1205)가 계산되는데, 이것은 목표 칼로리 섭취량과 예측된 칼로리 섭취량 사이의 차이다. 만약 예측된 칼로리 섭취량이 목표 칼로리 섭취량보다 크다면, 사용자는 칼로리 버젯을 초과하였다. 만약 예측된 칼로리 섭취량이 목표 칼로리 섭취량보다 적다면 사용자는 칼로리 버젯보다 적은 칼로리를 소비하였다. 만약 이 값이 거의 0이거나 0이라면, 사용자는 이들의 칼로리 버젯을 충족하였다. 칼로리 섭취 간헐적인 상태 리포트(1210)는 이러한 정보에 기초하여 발생된다.

이와 마찬가지로, 도 18은 사용자의 칼로리 섭취량의 사용자 스테이트 상태 결정(1215)를 프로그램이 어떻게 만드는지를 설명한다. 이러한 계산은 에너지 소모의 사용자의 스테이트의 결정과 동일할 수 있다. 사용자 스테이트 상태는 예측된 칼로리 섭취량과 목표 칼로리섭취량 사이의 차를 감산함으로써 결정된다. 조정 임계값, 예를 들어, 50이 사용자를 3개의 카테고리중 하나에 놓기 위한 목표 허용편차로서 선택된다. 만약 예측된 칼로리 섭취량과 목표 칼로리 섭취량 사이의 차가 +50 칼로리보다 크다면, 스테이트 상태 결정 결과값은 1이다. 예측된 칼로리 섭취량과 목표 칼로리 섭취량 사이의 차가 -50칼로리보다 적다면, 스테이트 상태 결정 결과값은 -1이다. 목료량이 예측양보다 크다면, 프로그램은 음의 1을 리턴한다. 만약 그 값이 ±50 칼로리 차 사이의 허용편차에 의해 정의되는 바와 같이, 거의 0이거나 동일하면, 스테이트 상태 결정 결과값은 0이다.

상술된 사용자 스테이트 상태 결정에 기초하여, 도 19는 프로그램이 어떻게 궁극적으로 사용자 스테이트 결정(1175)를 만드는지를 설명한다. 프로그램은 상기 계산에 기초하여 사용자의 칼로리 섭취량 결정의 사용자 스테이트 상태 결정(1215)를 만든다. 프로그램이 1,0,또는 -1의 값을 리턴한 후에, 프로그램은 사용자의 에너지 소모량의 사용자 스테이트 상태 결정(1215)을 만든다. 이 값의 조합에 기초하여, 사용자 스테이트 결정(1175)이 계산된다.

도 20-25을 도시된 바와 같이, 센서 디바이스(10)의 특정 실시예가 개인의 팔 상부에 착용되거나, 어깨와 팔꿈치사이에 착용되도록 응용된 암밴드 형태로 된 것이 도시되어 있다. 유사한 센서 디바이스가 개인의 신체의 다른 부분에 착용될지라도, 이러한 위치는 사용자의 활동 또는 스테이트의 단일 또는 다중 센서 측정에 대하여 그리고 자동 검출 및/또는 식별에 대하여 동일한 기능을 갖는다. 이러한 개시의 목적을 위해, 도 20-25에 도시된 이 특정 실시예의 센서 디바이스(10)는 편리하게, 암밴드 센서 디바이스(10)로 참조된다. 암밴드 센서 디바이스(400)는 컴퓨터 하우징(405), 가요성 윙 몸체(410), 및 도 25에 도시된 바와 같은, 탄성 스트랩(415)을 포함한다. 컴퓨터 하우징(405) 및 가요성 윙 몸체(410)는 몰딩 방법에 의한 고무 또는 고무-실리콘 블렌드와 같은 합성고무재 또는 가요성 우레탄 재료로 이루어 지는 것이 바람직하다. 가요성 윙 몸체(410)는 각각이 그 단부(425) 근방에 위치된 관통구멍(420)을 갖는 제1 및 제2 윙(418)을 포함한다. 제1 및 제2 윙(418)은 착용자의 상부 암을 둘러싸도록 응용된다.

탄성 스트랩(415)은 암밴드 센서 디바이스(10)를 개인의 상부 암에 탈착가능하게 부착시키기 위해 사용된다. 도 25에서 알 수 있는 바와 같이, 탄성 스트랩(415)의 바닥면(426)은 그 일부분을 따라 벨크로 루프(416)가 구비된다. 탄성 스트랩(415)의 각각의 단부는 바닥면(426)상에 벨크로 후트 패치(428)가 구비되고 최상부면(430)에 풀 탭(429)이 구비된다. 각각의 풀 탭(429)부는 각각의 단부(427)의 에지를 넘어 뻗는다.

암밴드 센서 디바이스(400)를 착용하기 위해, 사용자는 탄성 스트랩(415)의 각각의 단부(427)를 가요성 윙 몸체(410)의 각각의 관통구멍에 삽입한다. 사용자는 그후 자신의 팔을 탄성 스트랩(415), 가요성 윙 몸체(410) 및 컴퓨터 하우징(405)에 의해 생성된 루프를 통해 위치된다. 각각의 풀 탭(429)을 당기고 벨크로 후크 패치(428)를 탄성 스트랩(415)의 바닥면(426)을 따른 소망 위치에 벨크로 루프(416)와 맞물림시킴에 의해, 사용자는 편안하게 착용하기 위해 탄성 스트랩(415)을 조절할 수 있다. 벨크로 후크 패치(428)는 바닥면(426)을 따른 소망 위치에서 벨크로 루프(416)와 맞물림될 수 있으므로, 암밴드 센서 디바이스(400)는 다양한 사이즈의 암에 부착하기 위해 조절될 수 있다. 또한, 탄성 스트랩(415)은 다양한 범위의 다양한 사이즈를 수용하기 위해 다양한 길이로 제공될 수 있다. 당업자에게 명백한 바와 같이, 탄성 스트랩의 사이즈를 팽팽하게하고 조정하기 위한 , 스냅, 버튼 또는 버클을 포함하는, 기타 수단이 사용될 수 있다. 또한, 사용자는 벨크로, 스냅, 버튼 또는 버클등을 포함하는 여러 수단중의 하나에 의해, 또는 윙(418)에 부착된 단지 단일 탄성 스트랩에 의해 고정하는 두 탄성 스트랩을 사용하는 것도 가능하다.

대안으로, 윙(418)에 관통구멍(420)을 제공하는 대신에, 대문자 D 형태를 갖는 루프는 여러 종래 수단중의 하나에 의해 윙(418)의 단부(425)에 부착될 수 있다. 예를 들어, 도시되지 않은 핀은 단부(425)을 통해 삽입될 수 있고, 여기서 핀은 각각의 루프의 각각의 단부를 맞물림한다. 이 구성에서, D-형태 루프는, 각각의 윙(418)의 각각의 단부(425)와 각각의 루프간에 관통구멍을 효과적으로 생성하는, 탄성 스트랩(415)을 위한 연결 포인트로서 역할을 한다.

암밴드 센서 디바이스(400)에 대한 분해도인, 도 26에 도시된 바와 같이, 컴퓨터 하우징(405)은 최상부(435) 및 바닥부(440)를 포함한다. 컴퓨터 하우징(405)에는 인쇄회로보드 또는 PCB(445), 충전배터리(450), 바람직하게는 리튬 이온 배터리, 영구의 MG 모터에 의해 판매되는 모델 12342 및 12343 모터인, 페이저에 사용되는 바와 같은, 착용자에게 촉각 피드백을 제공하는 진동 모터(455)가 포함되어 있다.

컴퓨터 하우징(405)의 최상부(435) 및 바닥부(440)는 O-링(437)이 정합되는 그루브(436)를 따라 기밀하게 메이팅되고, PCB(445)내의 애퍼어처(439) 및 바닥부(440)의 스티프너(438b)와 스쿠루 홀(438a)을 통과하고 최상부(435)의 스레드된 수용 스티프너(451)내로 통과하는, 도시되지 않은, 스쿠루에 의해 서로 부착될 수 있다. 대안으로 최상부(435) 및 바닥부(440)는 접착제로 서로 부착되거나 함께 스냅 정합될 수 있다. 바람직하게, 조립된 컴퓨터 하우징(405)은 수영하는 동안 그 성능에 역영향을 미치지 않고 암밴드 센서 디바이스(400)가 착용될 수 있도록 충분히 방수될 수 있다.

도 21에서 알 수 있는 바와 같이, 바닥부(440)는 그 바닥측에 융기된 플랫폼(430)을 포함한다. 뉴햄프셔의 허드슨 소재의 RdF 코포레이션사에 의해 판매되는 마이크로-포일 열 유속 센서가 좋은 예일 수 있는, 열 유속 또는 유속 센서(460)가 융기된 플랫폼(430)에 부착되어 있다. 열 유속 센서(460)는 자기발생 써모파일 트랜스듀서로서 기능하고, 폴리아미드막으로 된 캐리어를 포함한다. 바닥부(440)는 열 유속 센서(460)가 고정되는 측의 대향측인 그 최상측에, 알루미늄과 같은 적절한 금속 재료로 된 도시되지 않은 히트 싱크를 포함한다. 또한 융기된 플랫폼(430)에는 도전성 카보나이즈드 고무, 금 또는 스테인리스강과 같은 재료로 형성된 전극을 포함하는 GSR 센서(465)가 있다. 두 개의 GSR 센서(465)가 도 21에 도시되어 있을 지라도, 당업자는 GSR 센서(465)의 갯수 및 융기된 플랫폼(430)상에서의 그 위치는 개별 GSR 센서(465) 즉 전극이 서로 절연되는 한 변동할 수 있음을 알 것이다. 융기된 플랫폼(430)에 고정됨에 의해, 열 유속 센서(460) 및 GSR 센서(465)는 암밴드 센서 디바이스(400)가 착용된 경우 착용자와 접촉되도록 응용된다. 컴퓨터 하우징(405)의 바닥부(440)에는 융기된 플랫폼(430) 및 스쿠루 홀(438a)을 포함하지 않는 그 표면상에, 도시하지 않은, 제거가능하고 대체가능한 소프트 폼 직물 패드가 구비될 수 있다. 소프트 폼 직물은 착용자의 피부와 접촉할 것으로 의도되고 암밴드 센서 디바이스(400)를 더욱 편안히 착용할 수 있게 한다.

열 유속 센서(460), 개별 GSR 센서(465) 및 PCB(445)간의 전기적 연결은 공지된 여러 방법중 하나로 달성된다. 예로서, 적절한 배선이 컴퓨터 하우징(405)의 바닥부(440)에 몰딩되고 PCB(445)상의 적절한 입력 위치 및 열 유속 센서(460) 와 개별 GSR 센서(465)에 솔더링에 의해 전기적으로 연결된다. 대안으로, 바닥부(440)에 선을 몰딩하기 보단, 관통구멍이 적절한 배선이 통과할 수 있는 바닥부(440)에 제공된다. 관통구멍에는 컴퓨터 하우징(405)의 무결성을 유지하기 위해 기밀한 방수 시일이 구비된다.

도 21에 도시된 바와 같이 융기된 플랫폼(430)에 고정되기 보단, 열 유속 센서(460)와 개별 GSR 센서(465)중의 하나 또는 모두는, 암밴드 센서 디바이스(400)가 착용된 경우 착용자의 피부와 접촉되도록 하기 위해 윙(418)상의 가요성 윙 몸체(410)의 내부(466)에 고정된다. 이러한 구성에서, 열 유속 센서(460)와 개별 GSR 센서(465)간의 전기적 연결 및 PCB(445)는 컴퓨터 하우징(405)의 하나이상의 관통구멍을 통과하고 PCB(445)상의 적절한 입력 위치에 솔더링에 의해 전기적으로 연결되는 가요성 윙 몸체(410)에 몰딩된 적절한 배선에 의해 달성된다. 관통구멍에는 컴퓨터 하우징(405)의 무결성을 유지하기 위해 기밀한 방수 시일이 구비된다. 대안으로, 배선이 통과하는 컴퓨터 하우징(405)내의 관통구멍을 제공하기 보단 배선은 하기하는 바와 같이 오버몰딩 공정 동안 컴퓨터 하우징(405)에 캡춰되고 최종적으로는 PCB(445)상의 적절한 입력 위치에 솔더링된다.

도 20, 24, 25 및 26에 도시된 바와 같이, 컴퓨터 하우징(405)은 PCB(445)상의 모멘터리 스위치(585)를 기동시키기 위해 연결되고 응용된 버튼(470)을 포함한다. 버튼(470)은 이벤트 발생 시간을 표시하기 위해 또는 배터리 레벨 및 메모리 용량과 같은 시스템 상태 정보를 요구하는 데에 사용하기 위해 암밴드 센서 디바이스(400)를 기동시키는 데에 사용된다. 버튼(470)이 눌려지면 모멘터리 스위치(585)는 회로를 닫고 신호는 PCB(445)상의 처리 유닛(490)에 전송된다. 버튼(470)이 눌려지는 시간간격에 죄우되어, 발생된 신호는 상기한 이벤트중의 하나를 트리거시킨다. 컴퓨터 하우징(405)은 또한 배터리 레벨 및 메모리 용량을 지시하시 위해 또는 비주얼 피드백을 착용자에게 제공하기 위해 사용될 수 있는, LEDs(475)를 포함한다. LEDs(475)보단, 컴퓨터 하우징(405)은 착용자에게 배터리 레벨, 메모리 용량 또는 피드백 정보를 제공하기 위해 액정 디스플레이, LCD를 포함할 수 있다. 배터리 레벨, 메모리 용량 또는 피드백 정보는 사용자에게 촉지적으로 또는 청각적으로 제공될 수 있다.

암밴드 센서 디바이스(400)는 암밴드 센서 디바이스(400)가 사용자의 피부와 접촉하여 위치되었다는 것을 지시하는 특정 상태를 열 유속 센서(460)와 개별 GSR 센서(465)가 감지하는 경우, 데이터를 수집하는, 사용을 위해 기동되도록 응용된다. 또한 암밴드 센서 디바이스(400)는 열 유속 센서(460), 개별 GSR 센서(465), 가속도계(495 또는 550), 또는 암밴드 센서 디바이스(400)와 통신하는 임의의 기타 디바이스가 단독으로 또는 서로 조합하여 암밴드 센서 디바이스(400)가 사용자의 피부와 접촉하여 위치되었다는 것을 지시하는 특정 상태를 감지하는 경우의 사용을 위해 기동되도록 응용된다. 그밖의 경우, 암밴드 센서 디바이스(400)는 기동해제되어, 배터리 전력을 보존한다.

컴퓨터 하우징(405)은 재충전가능 배터리(450)를 재충전할 목적으로 도 19에 도시된 배터리 리차저 유닛(480)에 연결되도록 응용된다. 컴퓨터 하우징(405)은 재충전가능 배터리(450)에 연결된 도 20, 23, 24 및 25에 도시된 리차저 콘택트(485)를 포함한다. 리차저 콘택트(485)는 청동, 금 또는 스테인리스강과 같은 재료로 될 수 있고 암밴드 센서 디바이스(400)가 위치된 경우 배터리 리차저 유닛(480)에 제공된 도시되지 않은 전기 콘택트에 전기적으로 연결되고 정합되도록 응용된다. 배터리 리차저유닛(480)에 제공된 전기 콘택트는 배터리 리차저유닛(480) 내부에 제공된 재충전 회로(481a)에 연결된다. 이 구성에서 재충전 회로(481a)는 배터리 리차저 유닛(480)에 부착되거나 부착가능한 적절한 플러그를 포함하는 배선등의 방법으로 벽 출구에 연결된다. 대안으로, 전기 콘택트(480)는 배터리 리차저유닛(480) 외부에 있는 재충전 회로(481b)에 에 연결되는 배터리 리차저 유닛(480)에 부착되거나 부착가능한 배선에 연결된다. 이 구성의 배선은 종래의 출구에 플러그되도록 응용된 도시하지 않은 플러그를 포함할 수도 있다.

배터리 리차저유닛(480) 내부에는 컴퓨터 하우징(405)에 제공되고 도 20에 도시된 RF 트랜시버(565)로부터 신호를 수신하거나 송신하도록 응용된 RF 트랜시버(483)가 제공된다. RF 트랜시버(483)는 도 1에 도시된 개인용 컴퓨터(35)와 같은 디바이스의 USB 포트 또는 RS 232 포트와 같은 직렬 포트에 적절한 케이블로 연결되도록 응용된다. RF 트랜시버(483, 565)가 도 19 및 20에 도시되었을 지라도, 적외선 트랜시버와 같은 기타 형태의 무선 트랜시버가 사용될 수 있다. 대안으로, 컴퓨터 하우징(405)은 암밴드 센서 디바이스(400)가 위치된 경우 배터리 리차저유닛(480)에 제공된 도시하지 않은 추가의 전기 콘택트에 전기적으로 연결되고 정합되도록 응용된 도시하지 않은 추가의 전기 콘택트가 제공된다. 컴퓨터 하우징(405)내의 추가의 전기 콘택트는 처리 유닛(490)에 연결되고 배터리 리차저유닛(480)에 제공된 추가의 전기 콘택트는 개인용 컴퓨터(35)와 같은 디바이스의 USB 포트 또는 RS 232 포트와 같은 직렬 포트에 적절한 케이블로 연결된다. 이 구성은 물리적 연결로 암밴드 센서 디바이스(400)에 데이터를 다운로딩하거나 이로부터 데이터를 업로딩하는 대안 방법을 제공한다.

도 20은 암밴드 센서 디바이스(400)의 시스템 구조, 특히 PCB(445)에 연결되거나 PCB상에 있는 각각의 컴포넌트를 도시하는 개략도이다.

도 26에 도시된 바와 같이, PCB(445)는 하기에 설명하는 기능을 수행하도록 응용될 수 있는 마이크로프로세서, 마이크로컨트롤러 또는 기타 처리 디바이스일 수 있는 처리 유닛(490)을 포함한다. 처리 유닛(490)은 도 2에 도시된 마이크로프로세서(20)과의 연결지어 설명된 모든 기능을 제공하도록 응용된다. 처리 유닛(490)의 적절한 예는 일리노이의 샤움부루그 소재의 모토롤라사에 의해 판매되는 드래곤볼 EZ이다. PCB(445)는 또한 매사추세츠의 노르우드소재의 아날로그 디바이스사에 의해 판매되는 모델 ADXL210 가속도계인, 2-축 가속도계(495)를 갖는다. 2-축 가속도계(495)는 그 센싱 축이 PCB(445)의 세로축 즉 암밴드 센서 디바이스(400)를 착용한 경우 착용자의 팔의 세로축으로부터 거의 45도 각도로 오프셋되는 각도로 PCB(445)상에 장착된다. 착용자의 팔의 세로축은 착용자의 어깨로부터 착용자의 팔꿈치로의 직선에 의해 정의된 축을 말한다. 2-축 가속도계(495)의 신호는 버퍼(500)를 통해 통과하고 처리 유닛(490)에 연결된 아날로그-디지털 컨버터(505)에 입력된다. 증폭기(510)는, 매사추세츠의 노르우드소재의 아날로그 디바이스사에 의해 판매되는 모델 AD8544가 그 예인, 증폭 및 저역 여파 기능을 제공한다. 증폭기에 의한 증폭 및 여파된 신호 출력은 아날로그-디지털 컨버터(505)에 각각 연결되는, 추가 이득을 제공하고 임의 바이어스 전압을 제거하기 위해, 증폭기/오프셋(515)에 입력되고 필터/컨디셔닝 회로(520)에 입력된다. 열 유속 센서(460)는 아리조나의 툭손소재의 버-브라운 코포레이션에 의해 판매되는 모델 INA 증폭기와 같은 차종 입력 증폭기(525)에 연결되고 최종 증폭신호는 아날로그-디지털 컨버터(505)에 입력되기 전에 필터회로(530), 버퍼(535) 및 증폭기(540)를 통과한다. 증폭기(540)는 매사추세츠의 노르우드소재의 아날로그 디바이스사에 의해 판매되는 모델 AD8544가 그 예인 추가의 이득 및 저역 필터링을 제공하도록 구성되고 재충전가능 배터리(450)의 잔여 전력레벨을 모니터하는 배터리 모니터(545)를 포함한다. 배터리 모니터(545)는 평균 배터리 전압을 공급하기 위해 저역 필터를 갖춘 분압 기를 포함한다. 사용자가 배터리 레벨을 요구하기 위해 버튼(470)을 누르는 경우, 처리 유닛(490)은 배터리 모니터(545)의 출력을 검사하고 사용자에게 LEDs(475)를 통해, 바람직하게는 진동 모터(455) 또는 링어(575)를 통해 지시를 제공한다. LCD도 사용될 수 있다.

PCB(445)는 2-축 가속도계(495) 대신에 또는 추가하여 3-축 가속도계(550)를 포함할 수 있다. 3-축 가속도계는 신호를 처리 유닛(490)에 출력한다. 3-축 가속도계의 적절한 예는 아리조나의 스코트데일의 I.M. 시스템에 의해 판매된 PAM이다. 3-축 가속도계는 2-축 가속도계(495)에 대해 설명된 방식으로 경사진다.

PCB(445)는 또한 처리 유닛(490)에 연결된 RF 리시버(555)를 포함한다. RF 리시버(555)는 암밴드 센서 디바이스(400)를 착용한 개인 가까이에 또는 위치된 또는 착용된 무선 디바이스(558)로서 도 20에 도시된 무선 전송가능한 다른 디바이스에 의해 출력되는 신호를 수신하는 데에 사용될 수 있다. 예로서, 무선 디바이스(558)는 핀란드 오우루 소재의 폴라 일렉트로에 의해 판매되는 템포제품과 같은 가슴에 장착된 심박동율 모니터일 수 있다. 심박동 모니터를 이용하여, 착용자의 맥박동율을 지시하는 데이터는 암밴드 센서 디바이스(400)에 의해 수집될 수 있다. 안테나(560) 및 RF 트랜시버(565)는 처리 유닛(490)에 연결되고 데이터를 중앙 처리 유닛(30)에 업로딩하고 중앙 처리 유닛(30)으로부터 다운로딩한다. RF 트랜시버(565) 및 RF 리시버(555)는 무선 통신 프로토콜로서 불루투쓰 기술을 채용할 수 있다. 또한, 적외선 송신과 같은 기타 형태의 무선 송신도 이용될 수 있다.

진동 모터(455)는 진동기 구동기(570)를 통해 프로세싱 유닛(490)에 연결되어 있고 착용자에게 촉각적인 피드백을 제공한다. 마찬가지로, 링어(575), 그 적당한 예는 오하이오 데이턴 소재 프로젝트 언리미티드사가 판매하는 모델 SMT916A링어의 적당한 예는 일리노이 샤움버그 소재 모토롤라사가 판매하는 모델 MMBTA14CTI 달링턴 트랜지스터 구동기의 적당한 예인 링어 구동기(580)를 통해 프로세싱 유닛(490)에 연결되어 있고 청각적인 피드백을 착용자에게 제공한다. 피드백은, 예컨대, 착용자가 운동하는 동안 소모된 칼로리 레벨에 이를때, 축하, 주의 및 기타의 임계 또는 이벤트 구동 메시지를 포함할 수 있다.

또한 PCB(445)상에 모멘트리 스위치(585)가 제공되고 프로세싱 유닛(490)에 연결된다. 모멘트리 스위치(585)는 또한 모멘트리 스위치(585)를 기동하기 위한 버튼(470)에 연결된다. 착용자에게 다양한 타입의 피드백 정보를 제공하는데 사용되는, LED(475)가 LED래치/구동기(590)를 통해 프로세싱 유닛(490)에 연결된다.

PCB(445)상에 오실레이터(595)가 제공되고 프로세싱 유닛(490)에 시스템 클록을 공급한다. 컴퓨터 하우징(405) 옆에있는 핀구멍을 통해 액세스나 트리거할 수 있는 리셋 회로(600)가 프로세싱 유닛(490)에 연결되어 프로세싱 유닛(490)이 표준 초기 설정으로 리셋할 수 있게 한다.

암밴드 센서 디바이스(400)의 주 전력원인 충전 배터리(450)는 전압 레귤레이터(605)를 통해 프로세싱 유닛(490)에 연결된다. 마지막으로, 암밴드 센서 디바이스(400)의 착용자에 관한 데이터를 저장하는, 암밴드 센서 디바이스(400)용 메모리 기능을 PCB(445)상에 있는 SRAM(610)이 제공한다. SRAM(610)과 플래시 메모리(615)는 프로세싱 유닛(490)에 연결되고 바람직하게는 각각 적어도 512K의 기억용량을 갖는다.

암밴드 센서 디바이스(400)의 제조 및 조립시에, 컴퓨터 하우징(405)의 정상부(435)는 우선, 바람직하게는, 종래의 몰딩 프로세스와 같은 것으로 형성되고, 다음에 가요성 윙 보디(410)는 정상부(435)의 정상부에 중첩몰딩된다. 즉, 정상부(435)는 적당하게 형성된 몰드, 즉, 정상부(435)가 위치될때, 가요성 윙 보디(410)의 원하는 형상에 따라 형성된 잔여 캐비티를 갖는 것에 위치되고, 가요성 윙 보디(410)는 정상부(435)의 정상에 몰딩된다. 결과적으로, 가요성 윙 보디(410)와 정상부(435)는 결합되거나 함께 접착하여 단일 유닛을 형성한다. 대안으로, 컴퓨터 하우징(405)의 정상부(435)와 가요성 윙 보디(410)가, 단일 몰드로 몰딩되는 것과 같은것으로써, 함께 형성될 수 있다. 그러나 형성된 단일 유닛은 그 다음에 정상부(435)의 하측이 상향으로 마주하도록 회전할 수 있고, 컴퓨터 하우징(405)의 내용물은 정상부(435)에 위치될 수 있고, 정상부(435)와 바닥부(440)는 서로 부착될 수 있다. 또다른 대안으로서, 가요성 윙 보디(410)는, 종래의 몰딩 프로세스와 같은 것으로써 별개로 형성될 수 있고, 컴퓨터 하우징(405), 및 특히 컴퓨터 하우징(405)의 정상부(435)는, 접착제, 스냅피팅, 또는 두개의 조각을 서로 나사결합하는 것과 같은 몇몇 주지된 방법중 하나에 의해 가요성 윙 보디(410)에 부착될 수 있다. 그 다음에, 컴퓨터 하우징(405)의 잔여부분은 상기한 바와 같이 조립될 것이다. 정상부(435)가 가요성 윙 보디(410)에 부착된후에 컴퓨터 하우징(405)의 잔여 부분을 조립하는 것보다는, 컴퓨터 하우징(405)이 먼저 조립될 수 있고 그 다음에 가요성 윙 보디(410)가 부착될 수 있음을 이해할 것이다.

상술된 다양한 실시예에서, 활동 또는 영양 데이터가 필요한 데이터의 도출을 위해 시스템에 입력 또는 검출되는 방법이 구체적으로 고려된다. 다수의 실시예에서 설명된 바와 같이, 특정 활동 및/또는 영양 섭취량의 자동 검출은 이러한 수동 입력을 대체할 수 있다.

본 발명의 하나의 형태는 센서 디바이스(1201)상에서 복수의 생리적 컨텍스츄얼 센서로부터 수신된 데이터로부터의 다양한 변수와 관련한 정보를 발생시키기 위해 광범위한 알고리즘을 생성하는 정교한 알고리즘 개발 프로세스에 관한 것이다. 그러한 변수는 휴식, 유효 총 값, 하루 섭취 열량을 포함하는 에너지 소모, 잠자리 들기, 수면 개시, 수면 방해, 기상, 및 잠자리 나오기를 포함하는 수면 상태, 및 운동, 앉기, 자동차로 이동, 및 눕기를 포함하는 활동 상태 등을 포함할 수 있고, 그러한 변수를 위한 값을 발생시키는 알고리즘은, 예를 들어, 상기 실시예에서의 2-축 가속계, 열 유속 센서, GSR 센서, 피부 온도 센서, 신체 근방 주변 온도 센서, 및 심장 박동률 센서로부터의 데이터에 기초할 수 있다.

컴퓨팅될 수 있는 여러 유형의 알고리즘이 존재함을 주목하라. 제한이 아닌 예로서, 이것들은 유저 특성, 계속적 측정, 지속적 컨텍스트, 순간적 사건, 및 누적 조건을 예측하기 위한 알고리즘을 포함한다. 유저 특성은 무게, 키, 및 착용자 신원 등과 같은 관점을 포함하는 착용자의 영구적 및 반영구적 파라미터를 포함한다. 계속적 측정의 예는 에너지 소모인데, 착용자에 의해 소모된 에너지의 칼로리 수를, 예를 들어 분마다 계속 측정한다. 지속적 컨텍스트는 잠자기, 운전, 또는 조깅 등 소정 기간 지속되는 행동이다. 순간적 사건은 심장 마비 또는 저하 등 고정 시간 또는 매우 짧은 시간에 발생하는 것들이다. 누적 조건은 사람의 조건이 특정의 이전 기간에 걸친 그 행동으로부터 추론될 수 있는 것들이다. 예를 들어, 사람이 36시간내에는 잠을 안잤고 10시간내에는 먹지 않았다면, 그는 피곤할 것이다. 아래의 표 3은 특정 개인 특성, 계속적 측정, 지속적 측정, 순간적 사건, 및 누적 조건의 많은 예를 나타낸다.

개인 특성	연령, 성별, 몸무게, 젠더, 운동 능력, 컨디셔닝, 질병, 키, 면역력, 활동 레벨, 개개의 검출, 잘 쓰는 손, 신진대사율, 신체 조성
계속적 측정	무드, 심장 박동 변화, 호흡, 에너지 소모량, 혈당 레벨, 케토시스 레벨, 심장 박동률, 스트레스 레벨, 피로도, 경계 레벨, 혈압, 레디니스, 힘, 끈기, 친화도, 시간당 스텝, 평온 레벨, 신체 위치 및 방향, 청결, 무드 또는 영향, 접근성, 칼로리 섭취량, TEF, XEF, '인 더 존'-니스, 활동 에너지 소모량, 탄수화물 섭취량, 지방 섭취량, 단백질 섭취량, 하이드레이션 레벨, 진실성, 수면 품질, 수면 상태, 의식 레벨, 약물 효과, 투약 예측, 수분 섭취량, 알콜 섭취량, 현기증, 고통, 편안, 새로운 자극에 대한 남아있는 프로세싱 파워, 암밴드의 적절한 사용, 화제에 대한 관심, 상대적 노력, 위치찾기, 혈중 알콜 레벨
지속적 측정	운동, 수면, 눕기, 앉기, 서기, 보행, 런닝, 워킹, 바이킹, 정지 바이킹, 로드 바이킹, 들어올리는 중량, 에어로빅 운동, 언에어로빅 운동, 근력 강화 운동, 정신집중 활동, 격렬한 감정의 기간, 완화, TV 시청, 정주성, REM 디텍터, 식사, 인 더 존, 방해성, 일반적인 활동 검출, 수면 단계, 열 스트레스, 열 스트로크, 가르침/학습 친화성, 양극 보상, (심장 신호, 활동 레벨, 유저에 의한 측정에 있어서 등) 비정상 사건, 놀람, 고속도로 운전 또는 여행, 비행기 여행, 헬리콥터 여행, 지겨운 사건, 운동 검출(풋볼, 야구, 사커 등), 공부, 독서, 중독, 마약 효과
순간적 사건	저하, 심장 마비, 발작, 수면 환기 사건, PVC, 혈당 비정상, 심한 스트레스 또는 방향감각상실, 긴급상황, 심장부정맥, 쇼크, 구토, 급격한 혈량 손실, 약 복용, 삼키기
누적적 조건	알츠하이머, 쇄약 또는 저하 가능성 증가, 졸음, 피로, 케토시스의 존재, 배란, 임신, 질병, 아픔, 열병, 부종, 빈혈, 감기, 고혈압, 정신병, 심한 탈수, 전체온증, 인 더 존

본 발명은 착용자의 생리적 컨텍스츄얼 상태의 자동 저널링을 하는 방법으로 이용될 수 있음을 알 것이다. 시스템은 유저가 무슨 활동에 참여하고 있는지, 무슨 사건이 일어났는지, 유저의 생리 상태가 시간에 걸쳐 어떻게 변화하였는지, 및 유저가 특정 조건을 경험하거나 경험할 가능성이 있었던 때에 대한 저널을 자동으로 만들 수 있다. 예를 들어, 시스템은 유저의 하루 내내 동안의 하이드레이션 레벨, 에너지 소모 레벨, 수면 레벨, 및 경계 레벨의 기록에 더하여, 유저가 운동하거나, 운전하거나, 자거나, 심장 스트레스의 위험에 처해 있거나, 식사했을 때의 기록을 만들 수 있다. 이러한 검출된 컨디션은 특정 지연 또는 실시간 피드백 이벤트를 트리거하는 것은 물론, 데이터의 표현 또는 분석의 특정 파라미터를 수정하기 위해 데이터 레코드를 타임 또는 이벤트 스탬핑하도록 사용될 수 있다.

알고리즘 개발 프로세스에 따라, 복수의 센서로부터의 데이터를 소망의 변수로 맵핑하는 선형 또는 비선형 수학 모델 또는 알고리즘이 구성된다. 프로세스는 몇 단계로 이루어진다. 우선, (측정되고 있는 파라미터에 관하여) 실제 세계의 상황에 가능한 가까운 상황에 놓여 있는 센서 디바이스(1201)를 착용하고 있는 대상자에 의해 데이터가 수집되어서, 대상자는 위험에 빠지지 않고, 동시에, 제안된 알고리즘이 예측하려는 변수는 매우 정확한 의학 그레이드 랩 장비를 사용하여 신뢰할만하게 측정될 수 있다. 이러한 첫번째 단계는 알고리즘 개발 프로세스로의 입력으로 사용되는 이하의 데이터 2세트를 제공한다: (i)센서 디바이스(1201)로부터의 원시 데이터, 및 (ii)더 정확한 랩 장비로 측정된 골드-스탠다드 라벨로 구성된 데이터. 제안된 알고리즘이 예측하려는 변수가 자동차로 이동 등 컨텍스트 검출에 관한 것인 경우에 대해서는, 센서 디바이스(1201), PC에 수동으로 입력되거나 수동으로 기록된 정보를 통하여 등 대상자 자신에 의해 골드-스탠다드 데이터가 제공된다. 수집된 데이터, 즉, 원시 데이터 및 대응하는 골드 스탠다드 라벨 데이터 양자는 그후 데이터베이스로 조직되고 트레이닝 및 테스트 세트로 분할된다.

다음으로, 트레이닝 세트의 데이터를 사용하여, 원시 데이터를 대응하는 골드 스탠다드 라벨 데이터에 관련시키는 수학적 모델이 만들어진다. 구체적으로, 다양한 머신 학습 기술은 2개 유형의 알고리즘을 발생시키도록 사용된다: 1)랩-측정 레벨과 고도로 상관되는 결과를 산출하는 피처 검출기로 알려진 알고리즘(예를 들어, 신진대사 카트, 더글라스 백, 또는 이중 라벨 워터로부터의 VO2 레벨 정보), 및 2)전반적인 알고리즘에 유용한 다양한 컨텍스트(예를 들어, 런닝, 운동, 눕기, 잠자기, 운전)를 예측하는 컨텍스트 검출기로 알려진 알고리즘. 인공 신경망, 결정 트리, 메모리 기반 방법, 부스팅, 크로스 밸리데이션을 통한 애트리뷰트 선택, 및 시뮬레이팅된 어닐링 및 진화된 컴퓨테이션 등의 스토캐스틱 서치 방법을 포함하는 다수의 주지의 머신 학습 기술이 이 단계에서 사용될 수 있다. 적합한 세트의 피처 검출기 및 컨텍스트 검출기가 구해진 후에, 트레이닝 데이터를 사용하여 모델을 크로스 밸리데이팅하고 데이터의 모델의 품질을 증가시키도록 몇몇 주지의 머신 학습 방법이 사용된다. 이러한 단계에서 사용되는 기술은, 멀티리니어 리그레션, 로컬 가중 리그레션, 결정 트리, 인공 신경망, 스토캐스틱 서치 방법, 서포트 벡터 머신, 및 모델 트리를 포함하지만, 이에 국한되는 것은 아니다.

이러한 단계에서, 모델은, 예를 들어 매 분마다 예측한다. 분-간 효과는 매 분마다의 예측을 적분하는 총체적인 모델을 생성함으로써 다음에 고려된다. 데이터의 시간 연속성을 이용하기 위해 주지의 또는 커스텀 윈도우잉 및 임계값 최적화 툴이 이 단계에서 사용될 수 있다. 최종적으로, 모델의 성능은 알고리즘의 생성시에 아직 사용되지 않은 테스트 세트에 대하여 평가될 수 있다. 따라서, 테스트 세트에 대한 모델의 성능은 다른 보이지않는 데이터에 대한 알고리즘의 예상된 성능의 좋은 추정이다. 마지막으로, 알고리즘은 더 나아간 밸리데이션을 위해 새로운 데이터에 대하여 라이브 테스트를 할 수도 있다.

본 발명에서 사용될 수 있는 머신 학습 방법 및/또는 비선형 기능 유형의 다른 예는 컨디셔널, 케이스 스테이트먼트, 로지컬 프로세싱, 개연적 또는 논리적 추론, 신경망 처리, 커널 기반 방법, 메모리 기반 룩업(kNN, SOM), 결정 리스트, 결정 트리 예측, 서포트 벡터 머신 예측, 클러스터링, 부스팅된 방법, 케스케이드 상관, 볼츠만 분류기, 리그레션 트리, 케이스 기반 리즈닝, 가우시안, 베이즈 네트, 동적 베이지언 네트워크, HMM, 칼만 필터, 가우시안 프로세스, 알고리즘 예측기(예를 들어, 진화된 컴퓨테이션 또는 다른 프로그램 합성 툴에 의해 학습됨)를 포함한다.

원시 센서 값 또는 신호를 입력으로 취하고, 컴퓨테이션을 수행하고, 그후 소망의 출력을 산출할 때 알고리즘을 뷰잉할 수 있더라도, 바람직한 일실시예에 있어서는, 알고리즘을 원시 센서 값에 가해지는 일련의 미분(derivation)으로 뷰잉하는 것이 유용하다. 각각의 미분은 유도된 채널이라 불리는 신호를 산출한다. 또한, 원시 센서 값 또는 신호는 유도된 채널이라기보다는 특히 원시 채널이라 불린다. 함수라 불리기도 하는 이들 미분은 간단할 수도 복잡할 수도 있지만 원시 값에, 그리고 가능하게는 이미 존재하는 유도된 채널에, 소정의 오더로 적용된다. 첫번째 미분은, 물론, 원시 센서 신호를 입력으로서 취하여야 할 뿐이지만, 그후의 미분은 이전에 유도된 채널을 입력으로서 취할 수 있다. 소정의 유도된 채널을 유도하는데 이용되는 특별한 채널을 미분 적용의 오더로부터 용이하게 결정할 수 있음을 주목하자. 또한, 유저가 I/O 디바이스상에서 또는 특정 방식으로 제공하는 입력은 알고리즘에 의해 사용될 수 있는 원시 신호로서 포함될 수도 있음을 주목하자. 예를 들어, 식사를 설명하도록 선택된 카테고리는 그 식사에 대한 칼로리 추정값을 컴퓨팅하는 미분에 의해 사용될 수 있다. 일실시예에 있어서, 원시 신호는 추후의 미분에 충분한 채널로 우선 요약되고 효율적으로 저장될 수 있다. 이들 채널은 합, 차의 합, 및 평균 등의 미분을 포함한다. 하이 레이트 데이터를 압축된 채널로 요약하는 것은 압축 및 유용한 피처의 저장 모두에 유용하지만, 적용의 정확한 디테일에 따라, 하이 레이트 데이터의 몇몇 또는 모든 세그먼트를 저장하는 것이 유용할 수 있음을 주목하자. 일실시예에 있어서, 그후 이들 요약 채널은 작은 측정가능한 제조시 차를 고려하여 적절한 스케일 및 올바른 단위의 값을 내도록 교정된다. 예를 들어, 제조 프로세스 동안, 특별한 온도 센서가 사소한 오프셋을 갖도록 결정되었다면, 이러한 오프셋이 적용되어, 온도를 섭씨로 표현하는 유도된 채널의 결과를 초래한다.

이러한 설명의 목적으로, 미분 또는 함수는 특정 오프셋과 함께 그 입력의 가중 조합으로 표현된다면 선형이다. 예를 들어, G 및 H가 2개의 원시 또는 유도된 채널이면, 그때 폼 A*G+B*H+C(A,B,C는 상수)의 모든 미분은 선형 미분이다. 미분은 그것이 상수 오프셋과 입력의 가중 합으로 표현되지 않는다면 입력에 관하여 비선형이다. 비선형 미분의 예는 다음과 같다: (G>7)이면 H*9를 리턴하고, 그렇지 않으면 (H*3.5+912)를 리턴한다. 채널은 그것을 컴퓨팅하는데 연루된 모든 미분이 선형이면 선형으로 유도되고, 채널은 그것을 생성할 때 사용된 미분 중 어느 것이 비선형이면 비선형으로 유도된다. 채널은 채널의 값에서의 변동이, 모든 다른 입력을 상수로 유지하면서, 미분에서 수행된 컴퓨테이션을 변화시키면 미분을 비선형으로 중재한다. 본 발명의 바람직한 실시예에 따라, 이러한 프로세스를 사용하여 개발되는 알고리즘은 도 29에 개념적으로 도시된 포맷을 가질 것이다. 구체적으로, 알고리즘은 박스(1600)에 도시된 바와 같은 개개인에 대한 데모그래픽 정보 및 다양한 센서로부터 센서 디바이스에 의해 수집된 센서 데이터로부터 유도된 채널을 입력으로서 취할 것이다. 알고리즘은, 1분 동안 수집되는 바와 같은 수집된 데이터의 소정 부분은 착용자가 여러 가능한 컨텍스트의 각각에 있을 동안 수집되었다는 확률을 표현하는, W₁ 내지 W_N으로 도시된, 웨이트를 산출하는 적어도 하나의 컨텍스트 검출기(1605)를 포함한다. 그러한 컨텍스트는 개개인이 휴식중이였는지 활동중이였는지를 포함할 수 있다. 또한, 각각의 컨텍스트에 대하여, 리그레션 알고리즘(1610)은 연속적인 예측이 원시 또는 유도된 채널을 입력으로 취하여 컴퓨팅되는 경우에 제공된다. 개개의 리그레션은 예를 들어 멀티배리에이트 리니어 또는 폴리노미얼 리그레션, 메모리 기반 방법, 서포트 벡터 머신 리그레션, 신경망, 가우시안 프로세스, 임의의 프로시저럴 함수 등을 포함하는 임의의 다양한 리그레션 방정식 또는 방법일 수 있다. 각각의 리그레션은 예를 들어 에너지 소모와 같이 알고리즘에서 관심있는 파라미터의 출력의 추정값이다. 최종적으로, 웨이트(W₁ 내지 W_N), 및 A₁ 내지 A_N으로 도시된, 각각의 컨텍스트에 대한 각각의 리그레션 알고리즘(1610)의 출력은, 박스(1620)에 도시된, 알고리즘에 의해 예측되거나 측정되고 있는 관심 파라미터를 출력하는 포스트-프로세서(1615)에서 조합된다. 일반적으로, 포스트-프로세서(1615)는 컴미티 방법, 부스팅, 보우팅 방법, 컨시스턴시 체킹, 또는 컨텍스트 기반 재조합을 포함하는 별개의 컨텍스츄얼 예측을 조합하는 많은 방법 중 임의의 것으로 구성될 수 있다.

도 30을 참조하면, 개개인의 에너지 소모를 측정하기 위한 예시적인 알고리즘이 개념적으로 도시되어 있다. 이러한 예시적인 알고리즘은 명세서가 여기에 언급되어 통합된 공동 계류중인 미국 특허 출원 제10/682,759에 개시된 바와 같이, 적어도 하나의 가속계, 열 유속 센서 및 GSR 센서를 갖는 센서 디바이스(1201), 또는 그러한 센서 디바이스로부터 데이터를 수신하는 I/O(1200)상에서 실행될 수 있다. 이러한 예시적인 알고리즘에 있어서, 센서로부터의 원시 데이터는 교정되고 거기에 기반한 많은 값, 즉, 유도된 채널이 생성된다. 특히, 도 30에서 1600으로 도시된 이하의 유도된 채널은 원시 신호 및 데모그래픽 정보로부터 컴퓨팅된다:(1)가속계 데이터에 기반한 종방향 가속계 평균(LAVE); (2)가속계 데이터에 기반한, 평균 차의 횡방향 가속계 합(TSAD); (3)열 유속 센서 데이터에 기반한 열 유속 고이득 평균 분산(HFvar); (4)가속계 데이터에 기반한, 절대 차의 횡방향 및 종방향 가속계 합 또는 SAD의 벡터 합(VSAD); (5)GSR 데이터에 기반한 갈바닉 피부 반응 저이득(GSR); 및 (6)데모그래픽 정보에 기반한 기초대사율(BMR). 컨텍스트 검출기(1605)는 LAVE, TSAD, 및 HFvar 유도된 채널을 사용하여 착용자가 활동중인지 휴식중인지를 예측하는 나이브 베이지언 분류기로 이루어져 있다. 출력은 개연적 웨이트(2개의 컨텍스트 휴식 및 활동에 대해 W₁ 및 W₂)이다. 휴식 컨텍스트에 대하여, 리그레션 알고리즘(1610)은 가속계, 열 유속 센서, 유저의 데모그래픽 데이터, 및 갈바닉 피부 반응 센서로부터 유도된 채널을 조합하는 선형 리그레션이다. 알고리즘 디자인 프로세스를 통하여 획득된 방정식은 A*VSAD+B*HFvar+C*GSR+D*BMR+E(A,B,C,D 및 E는 상수)이다. 활동 컨텍스트를 위한 리그레션 알고리즘(1610)은 상수가 다르다는 것을 제외하고는 동일하다. 이 예를 위한 포스트-프로세서(1615)는 각각의 컨텍스츄얼 리그레션의 가중 결과를 함께 더하기 위한 것이다. A₁이 휴식 리그레션의 결과이고 A₂가 활동 리그레션의 결과이면, 그때 조합은 W₁*A₁+W₂*A₂로서 1620으로 도시된 에너지 소모이다. 다른 예에 있어서, 착용자가 당해 기간에 모니터링하고 있는지(운전하고 있는지)를 계산하는 유도된 채널은 또한 포스트-프로세서(1615)에 입력될 수 있다. 이러한 유도된 모니터링 채널이 컴퓨팅되는 프로세스는 알고리즘(3)이다. 그후, 이러한 경우에서의 포스트-프로세서(1615)는, 착용자가 알고리즘(3)에 의해 운전하고 있는 것으로 예측될 때 에너지 소모는 그 매 분마다의 기초대사율로 특정 배수(즉, 1.3)와 동일한 값으로 그 기간동안 제한되도록, 제약을 가할 수 있다.

이러한 알고리즘 개발 프로세스는 센서 디바이스(1201)로 하여금 이하의 것 등을 포함하는 다양한 파라미터를 검출 및 측정하게 하는 알고리즘을 생성하도록 사용될 수 있다: (i)개개인이 구속되어 있을 때 무의식, 피로, 쇼크, 졸음, 열 스트레스 및 탈수 상태를 포함; 및 (ii)탈수, 영양 부족 및 수면 부족을 포함하는, 군사적 환경에서처럼, 개개인의 준비 상태, 헬스 및/또는 신진대사 상황. 또한, 알고리즘은, 여기서 설명되는 바와 같이 센서 디바이스에 의해 측정된 신호에 대해 필터링, 신호 클린업 및 잡음 상쇄 등의 목적으로 개발될 수 있다. 알게 되겠지만, 이러한 방법을 사용하여 개발되는 함수의 실제 알고리즘은 특정 센서 및 그 배치 및 센서 디바이스의 전체 구조 및 기하구조 등 사용된 센서 디바이스의 명세에 매우 의존할 것이다. 따라서, 하나의 센서 디바이스에 대해 개발된 알고리즘은 알고리즘을 생성하는데 사용된 센서 디바이스와 실질적으로 구조적으로 동일하지 않은 센서 디바이스들에서는, 전혀는 아니더라도, 잘 작동하지는 않을 것이다.

본 발명의 다른 형태는 다양한 종류의 불확실성을 다루는 발달된 알고리즘의 능력에 관한 것이다. 데이터 불확실성은 센서 잡음 및 가능한 센서 고장을 말한다. 데이터 불확실성은 데이터를 완전하게 신뢰할 수는 없을 때이다. 이러한 조건에서는, 예를 들어, 센서, 예를 들어 가속계가 고장이라면, 시스템은 착용자가 자고 있거나 쉬고 있거나 또는 어떠한 움직임도 일어나지 않고 있다고 단정할 것이다. 이러한 조건에서, 데이터가 양호하지 못하다거나, 또는, 예측하고 단정하는 모델이 잘못되어 있다고 결론짓기는 어렵다. 애플리케이션이 모델 및 데이터 불확실성을 모두 포함하고 있을 때, 모델 및 데이터와 연관된 불확실성의 상대적인 크기를 식별하는 것은 매우 중요하다. 지능적 시스템은 센서가 틀린 데이터를 산출해내고 있는 것처럼 보이는 것을 알아차리고, 예측하기 전에, 대안의 알고리즘으로 전환하거나, 어떤 경우에서는, 지능적으로 갭을 채울 것이다. 센서가 고장났을 때 및 데이터 채널이 더이상 신뢰할만하지 못할 때를 판정하는 것은 하찮치 않은 태스크인데, 고장난 센서는, 때때로, 다른 센서들 중 일부와 일치하는 것처럼 보일 수 있는 판독값을 산출하여 데이터가 그 센서의 정상 동작 범위내에 있을 수도 있기 때문이다.

임상 불확실성은 다른 센서들이 겉보기에는 모순된 결론을 나타내는 사실을 일컫는다. 임상 불확실성은 데이터로부터 끌어내어진 결론을 확실할 수 없을 때이다. 예를 들어, 가속계는 착용자가 움직임이 없음을 나타내고("휴식중"이라는 결론에 도달), 갈바닉 피부 반응 센서는 매우 높은 반응을 제공하고("활동중"이라는 결론에 도달), 열 유속 센서는 착용자가 실질적인 열을 여전히 분산시키고 있다("활동중"이라는 결론에 도달)는 것을 나타낼 수 있다. 이들 차이나는 요소는 어떻게 평가되어야 하는가. 저급 시스템은 센서들간 투표를 시도할 뿐이거나 또는 근거없는 방법을 사용하여 다양한 판독값을 통합할 것이다. 본 발명은 중요한 조인트 확률을 웨이팅하고, 적절하고 가장 가망있는 결론을 내는데, 이 예에 있어서는, 정지한 바이킹 등 낮은 움직임의 활동을 현재 수행하고 있거나 최근 수행했다고 결론을 낸다.

본 발명의 또 다른 태양에 따라, 센서 디바이스(400)와 같은 센서 디바이스는 사람의 스테이트, 바람직하게는, 센서에 의해 직접 측정될 수 없는 사람의 스테이트에 관한 파라미터 Y를 자동으로 측정, 기록, 저장 및/또는 보고하는데 사용될 수 있다. 스테이트 파라미터 Y는 예를 들어, 소비된 칼로리, 에너지 소모량, 수면 상태, 수화 레벨, 케톤증 레벨, 쇼크, 인슐린 레벨, 신체적 탈진 및 열 소진이 있을 수 있지만 이에 제한되는 것은 아니다. 센서 디바이스는 하나 이상의 센서중 특정 센서의 출력으로 구성된 생 신호의 벡터를 관찰할 수 있는데, 이 센서들은 이러한 센서의 모두 또는 부분집합을 포함할 수 있다. 상술된 바와 같이, 채널로 불리는 특정 신호의 동일한 잠재적인 용어 문제가 생 신호 신호의 벡터로부터 도출될 수 있다. 여기에서 생 및 도출된 채널 X로 불리는 이러한 생 및/또는 도출된 채널중 특정 채널의 벡터 X는 U로 불리는, Y의 임의의 지시자 또는 관심의 스테이트 파라미터 Y의 어느 하나의 스테이트, 이벤트 및/또는 레벨에 종속되거나 민감한 임의의 유기적인 방법으로 변할 것이다. 여기에서 Y 및 U 사이에는 Y가 U로부터 얻어질 수 있도록 하는 관계가 존재한다. 본 발명에 따라, 제1 알고리즘 또는 함수 f1은 생 및 유도 채널 X을 입력값으로서 취하는 센서 디바이스를 사용하여 생성되고, 예측값을 출력값으로서 내고 조건부로, 심볼 ∏로 표현되어, (i) 스테이트 파라미터 Y 또는 지시자 U 어느 하나 및 (ii) 개인의 일부 다른 상태 파라미터 Z에 종속된다. 이러한 알고리즘 또는 함수 f1는 다음과 같이 표현될 수 있다.

f1(X)∏ U + Z

또는

f1(X)∏ Y + Z

바람직한 실시예에 따라, f1은 수집된 데이터로부터 알고리즘을 발생시키기 위해 데이터, 구체적으로, 센서 디바이스에 의해 수집된 신호로부터 유도된 생 및 유도된 채널 X, 정확한 답이 되도록 취해지는 방법, 예를 들어, 정확도가 높은 의료 그레이드 랩 장비를 사용하여 동시에 측정된 U 또는 Y 및 Z와 관련된 검증가능한 스탠더드 데이터, 및 다양한 기계 학습법을 사용하는 본원 다른곳에서 설명된 알고리즘 개발 프로세스를 사용하여 개발되었다. 알고리즘 또는 함수 f1은 어느 경우이던간에 지시자 U 또는 스테이트 파라미터 Y가 존재한다는 조건하에서 생성된다. 이해될 수 있는 바와 같이 이러한 방법을 사용하여 개발되는 실제 알고리즘 또는 함수는 구체적인 센서 및 이들의 배치 및 전체 구조 및 센서 디바이스의 기하학 구조와 같은, 사용된 센서 디바이스의 상세사항에 크게 종속될 것이다. 따라서, 하나의 센서 디바이스로 개발된 알고리즘은 알고리즘을 생성하는데 사용되는 센서 디바이스에 실질상 구조적으로 동일하지 않은 센서 디바이스에서, 역시, 전혀는 아니지만 동작하지 않을 것이거나 저어도 공지된 변환 파라미터로 디바이스 대 디바이스 또는 센서 대 센서로 변환될 수 없다.

다음으로, 제2 알고리즘 또는 함수 f2는 생 및 유도된 채널 X를 입력으로 취하고 그 예측값을 출력으로 주는 센서 디바이스를 사용하여 생성되고, 어느 경우이던간에 Y 또는 U 를 제외하고 f1에 의해 출력되는 모든 것에 조건적으로 종송되고 어느 경우이던간에 Y 또는 U 중 어느 하나의 심볼 ㅛ 에 의해 지시되고 조건적으로 독립적이다. 아이디어는 하나 이상의 센서로부터의 특정의 생 및 유도된 채널 X에 의해, 논-X 또는 논-U 관련 이벤트로부터 나오는 생 및 유도된 채널 X에서의 변화를 설명하거나 필터링 아웃할 수 있다. 이러한 알고리즘 또는 함수 f2는 아리에 와같이 표현될 수 있다.

f2(X) ∏ Z and (f2(X) ㅛ Y or f2(X) ㅛ U

f1와 같이 f2가 상기된 알고리즘 개발 프로세스를 사용하여 개발되는 것이 바람직하다. 그러나, f2는 어느 경우이던간에, U 또는 Y가 존재하지 않는 조건하에 개발되고 유효화된다. 따라서, f2를 생성하는데 사용되는 골드 스탠더드 데이터는 고정확도의 의료 그레이드 랩 장비를 사용하여 측정된 Z에만 관련된 데이터이다.

따라서, 본 발명의 이러한 태양에 따라, 2개의 함수가 생성될 것인데, 그중 하나인 f1는 U 또는 Y에 민감하고, 다른 하나인 f2는 U 또는 Y에 둔감하다. 이해되는 바와 같이, 어느 경우이던간에, U 또는 Y를 산출할 f1 및 f2 사이의 관계가 존재한다. 즉, f3(f1,f2)=U 또는 f3(f1,f2)=Y가 되도록 하는 함수 f3가 존재한다. 예를 들어, U 또는 Y는 2개의 함수 (U=f1-f2 또는 Y=f1-f2)에 의해 생성된 데이터를 감산함으로써 얻어질 수 있다. Y보다는 U가 f1과 f2사이의 관계로부터 결정되는 경우에, 다음 단계는 Y와 U 사이의 관계에 기초하여 U로부터 Y를 얻는 단계를 포함한다. 예를 들어, Y는 일부 팩터에 의해 U를 나눔으로써 Y가 얻어질 수 있도록 하는 일부 고정된 퍼센트의 U일 수 있다.

당업자는 본 발명에서, 2개보다 많은 이러한 함수, 예를 들어, (f1,f2,f3,...f_n-1)가 상술된 방식으로 마직막 함수 f_n에 의해 조합될 수도 있다. 일반적으로, 본 발명의 이러한 태양은 관심의 파라미터를 표시하는 방식으로 서로 출력이 변화하는 함수의 세트가 조합될 것을 필요로 한다. 여기에 사용되는 바와 같은 조건 종속성 또는 독립성이 정밀함 보다는 근사화를 위해 정의될 것이라는 것을 또한 이해할 것이다.

방금 설명한 방법은 예를 들어, DCI로 알려진 사람의 일일 칼로리 섭취량과 같은, 센서 디바이스를 사용하여 사람의 칼로리 소비량 또는 섭취량을 자동으로 측정하고 및/또는 보고하는데 사용될 수 있다. 칼로리 섭취량의 자동 측정 및 보고는 음식 섭취의 다이어리 및 저널을 유지하는 것과 같은 다른 비자동 방법이 유지되기 어렵고 음식 항목에 대한 칼로리 정보가 항상 신뢰할만하거나, 음식점의 경우에서처럼, 용이하게 입수가능한 것이 아니기 때문에 유익하다.

전체 신체 대사량이 다음의 등식에 따라 전체 에너지 소모량(TEE)으로서 측정된다는 것이 알려져 있다.

TEE = BMR + AE + TEF + AT

여기에서, BMR은 수면과 같은 쉼 동안 신체에 의해 소모되는 에너지인 기초대사율이고, AE는 신체 활동 동안 소모되는 에너지인 활동 에너지 소모량이고, TEF는 섭취된 음식을 소화하고 처리하는 동안 소모되는 에너지인 음식의 열 효과량이고, AT는 신체가 극온에 대해 그 대사량을 수정하는 메커니즘인 적응성 열발생량이다. 섭취된 음식의 값의 약 10%를 음식을 처리하는데 소비하는 것으로 추정된다. 따라서, TEF는 전체 소비된 칼로리의 10%로 추정된다. 따라서, TEF를 측정하는 신뢰함하고 실제적인 방법에 의해 음식 관련 정보를 수동으로 추적하거나 기록할 필요 없이 칼로리소비량을 측정할 수 있다. 구체적으로, 일단 TEF가 측정되면, 칼로리 소비량은 TEF를 0.1로 나눔으로써 정확하게 추정될 수 있다(TEF = 0.1 * 소비된 칼로리; 소비된 칼로리 = TEF/0.1).

상술된 바와 같은 스테이트 파라미터 Y의 자동 측정값과 관련한 본 발명의 구체적인 실시예에 따라, 상술된 바와 같이,센서 디바이스는 개인에 의해 소비된 칼로리를 자동으로 측정 및/또는 기록하는데 사용될 수 있다. 이러한 실시예에서, 스테이트 파라미터 Y는 개인에 의해 소비된 칼로리이고 지시자 U는 TEF이다. 먼저, 센서 디바이스는 TEE를 예측하기 위한 알고리즘인 f1을 생성하는데 사용된다. f1은 음식을 섭취한 대상, 즉, 활동을 실행하고 있었고 TEF 효과를 경험하고 있었던 대상에 대해 개발되고 유효화된다. f1은 이것이 식사 효과를 포함하는 에너지 소모량을 예측하는 것을 나타내기 위해 EE(고지)로서 불린다. f1을 생성하기 위해 사용된 검증가능한 스탠더드 데이터는 VO@ 머신이다. TEE를 예측하는 함수 f1은 TEF인 관심의 아이템 U에 조건적으로 종속되고 아이템 U를 예측한다. 또한, f1은 이러한 경우에 BMR + AE + AT인 Z에 조건적으로 종속되고 Z를 예측한다. 다음으로, 센서 디바이스는 TEF를 제외하고 TEE의 모든 태양을 예측하기 위한 알고리즘인 f2를 생성하는데 사용된다. f2는 TEF가 존재하지 않고 팩터가 아니었음을 확실히 하기 위해 데이터의 수집 전에 임의의 기간 동안, 바람직하게는 4-6 시간동안 금식한 환자에 대해 개발되고 유효화된다. 이러한 환자는 임의의 TEF 효과 없이 신체적 활동을 실행하고 있을 것이다. 결과로서, f2는 BME + AE + AT에 조건부 종속되고 예측하지만 TEF에 대해서는 조건부 독립적이고 이를 예측하지 않는다. f2는 이것이 식사 효과를 포함하지 않고 에너지 소모량을 예측한다는 것을 나타내기 위해 EE(금식)으로 불린다. 따라서, 이렇게 개발된 f1는 TEF에 민감할 것이고 이렇게 개발된 f2는 TEF에 둔감할 것이다. 이해되는 바와 같이, 이러한 실시예에서, 이러한 경우에 TEF인 지시자 U를 산출할 f1과 f2 사이의 관계는 감산이다. 즉, EE(고지) - EE(금식) = TEF이다. 일단 개발되면, 하수 f1 및 f2는 센서 디바이스에 의해 저장된 소프트웨어로 프로그래밍될 수 있고 센서 디바이스의 프로세서에 의해 실행될 수 있다. 생 및 유도된 채널 X가 유도될 수 있는 데이터는 그다음 센서 디바이스에 의해 수집될 수 있다. 그다음, 수집된 데이터를 사용하는 f1 및 f2의 출력은 TEF를 산출하기 위해 감산될 수 있다. 일단 TEF가 하루와 같은 시간동안 결정되면, 소비된 칼로리는 TEF가 전체 소비된 칼로리의 10%로 추정되기 때문에 EF를 01로 나눔으로써 상기 기간동안 얻어질 수 있다. 이렇게 얻어진 칼로리 소비량은 다른 곳에서 설명된 실시예에서 사용된 수동으로 수집된 칼로리 소비량 데이터 대신에 저장, 보고 및/또는 사용될 수 있다.

센서 디바이스는 모션을 나타내는 데이터를 발생시키도록 적용된 가속도계와 같은 신체 모션 센서, 개인의 피부의 전류에 대한 저항을 나타내는 데이터를 발생시키기 위해 적용된 GSR 센서와 같은 피부 도전도 센서, 신체로부터 흘러나오는 열을 나타내는 데이터를 나타내는 데이터를 발생시키도록 적용된 열 유속 센서, 개인의 열 비트의 레이트 또는 다른 특성을 나타내는 데이터를 발생시키도록 적용된 ECG 센서와 같은 신체 포텐션 센서 및 개인의 피부의 온도를 나타내는 데이터를 발생시키도록 적용된 온도 센서와 통신상태에 있는 것이 바람직하다. 이러한 바람직한 실시예에서, 착용자에 대한 피부 정보에 더하여 이러한 신호는 생 및 유도된 채널 X가 유도되는 신호의 벡터를 구성한다. 이러한 신호의 벡터는 모션, 전류에 대한 개인의 피부의 저장 및 신체로부터 흐르는 열의 데이터를 포함한다.

상술된 바와 같이, TEF를 추정하려는 제한된 경우처럼, 추가 스테이트 파라미터 Z의 세트가 제로인 경우를 상상할 수 있다. 이로 인해 상술된 선형 및 비선형 도함수를 사용하는 도함수 프로세스를 통해 직접 TEF를 측정하는 결과를 얻는다. 이러한 베리에이션에서, 알고리즘 프로세스는 검증가능한 스탠더드 트레이닝 데이터로서 제공되어야 하는 TEF를 직접 예측하는데 사용된다.

TEF의 대안으로, 예를 들어, 졸음, 배뇨 또는 전기 효과, 또는 장 소리와같은 식사의 임의의 다른 신호와 같은 신체상의 음식의 임의의 효과가 칼로리 소비량의 자동 추정을 가능하게 하기 위해 막 설명된 방법에서 지시자 U로서 사용된다. 이러한 대안의 실시예에서, 칼로리 소비량인, 스테이트 파라미터 Y와 U 사이의 관계는 임의의 공지된 또는 개발된 과학 특성 또는 등식에 기초할 수 있거나 통계학적 모델링 기술에 기초할 수 있다.

대안의 실시예에서, DCI는 상이한 시간에 취해진 체중의 측정값과 에너지 소모량의 추정값을 조합함으로써 추정될 수 있다. (수분 함유량 및 소화 과정의 효과를 필터링하도록 동일한 조건하에서 복수번 측정된) 체중 변화는 다음과 같이 에너지 밸런스와 칼로리 섭취량과 관련되어 있음이 문헌으로부터 알려져 있다: (칼로리 섭취량 - 에너지 소모량)/K = 체중 증가량(파운드), 여기에서 K는 바람직하게는 3500인 상수이다. 따라서, 본원의 태양이 스케일로부터 입력값을 취할 수 있는 에너지 소모량을 측정하기 위한 방법 및 장치에 관한 것이라고 한다면, 사람의 칼로리 섭취량은 다음 등식에 기초하여 정확하게 추정될 수 있다: 칼로리 섭취량 = 에너지 소모량 + (체중 증가량(파운드) * K). 이러한 방법은 사용자가 칼로리 섭취량의 측정값을 얻기 위해 그들자신의 체중을 정규적으로 잴 것을 요하고 그들에게 다른 노력을 요하지 않는다.

또한, DCI는 검증가능한 스탠더드로서 칼로리의 수를 사용하고 생 및 유도된 채널의 세트를 트레이닝 데이터로서 사용함으로써, 센서 데이터를 취하고 착용자에 의해 소비되는 칼로리를 직접 추정하고자 하는 알고리즘을 사용하여 추정될 수 있다. 이것은 상술된 알고리즘 프로세스의 일예일 뿐이다.

본 발명이 사용될 수 있는 또 다른 구체적인 예는 사람이 피곤할 때를 검출하는 것과 관련되어 있다. 이러한 검출은 적어도 두가지 방법으로 실행될 수 있다. 첫번째 방법은 피로의 추정값을 제공하기 위해 센서 디바이스를 사용하고 TEF에 대해 설명된 2개의 함수(f1 및 f2) 접근법 및 칼로리 섭취 추정값을 사용하여 사용자의 칼로리 섭취량, 수분 레벨, 수면, 스트레스 및 에너지 소모 레벨과 같은 파라미터를 정확하게 측정하는 단계를 포함한다. 두번째 방법은 도 29 및 도 30과 함께 설명된 직접 미분 접근법을 사용하여 피로를 직접 모델링하는 단계를 포함한다. 이러한 예는 착용자의 생리 상태를 예측하는 복잡한 알고리즘 자체가 다른 보다 복잡한 알고리즘에 입력으로서 사용될 수 있음을 설명하고 있다. 본 발명의 그러한 일실시예에 대한 하나의 잠재적인 애플리케이션은 착용자가 극한의 조건 및 퍼포먼스 사항에 영향을 상당히 쉽게 받는 퍼스트 리스판더(예를 들어, 소방수, 경찰관, 군인)를 위한 것이다. 파일럿 연구에서, 본원의 양수인은 트레이닝 운동을 하고 있는 소방수로부터의 데이터를 분석했고 열 스트레스의 합당한 측정값이 보정된 센서값의 조합을 사용하여 가능하다고 판단하였다. 예를 들어, 열 유속이 장기간동안 너무 낮지만 피부 온도가 계속 상승하는 경우에, 착용자에게 문제가 발생할 가능성이 높다. 알고리즘은 보정된 센서값 및 복잡한 유도 알고리즘 모두를 사용할 수 있다는 것을 이해할 것이다.

본원의 대안의 실시예에 따라, f1 및 f2를 구현하고 이로부터 U 및/또는 Y를 결정하는소프트웨어를 센서 디바이스 자체상에 배치하고 그에 의해 실행되도록 하지 않고 오히려, 이러한 소프트웨어는 센서 디바이스로부터 별개의 게산 디바이스상에 배치되고 그에 의해 실행될 수 있다. 이러한 실시예에서, 이 계산 디바이스는 생 및 도출된 채널 X의 세트가 도출되는 센서 디바이스에 의해 수집된 신호를 유선 또는 무선으로 수신하고 상술된 바와 같이 이러한 신호로부터 U 및/또는 Y를 결정한다. 이러한 대안의 실시예는 계산 디바이스에 의해 결정된 스테이트 파라미터 Y가 칼로리 소비량이고 표시자가 TEF와 같은 음식의 신체에 대한 영향인 실시예일 수 있다. 이 계산 장치는 사용자에게 결정된 칼로리 소비량 데이터를 표시할 수 있다. 또한, 센서 디바이스는 또한 계산 디바이스에 통신되는 다른 곳에 설명된 칼로리 소모량 데이터를 발생시킬 수 있다. 그다음, 계산 장치는 에너지 밸런스 데이터, 목표 관련 데이터, 및 체중 감소율 또는 증가율 데이터와 같은, 칼로리 소비량 데이터 및 칼로리 소모량 데이터에 기초한 정보를 발생시키고 표시할 수 있다.

본 명세서에서 사용된 용어 및 표현은 제한적인 것이 아니라 설명의 목적으로 사용된 것이며, 설명 및 도시된 특징의 균등물을 배제하려는 의도로 사용한 것이 아니므로, 청구된 본 발명의 범위내에서 다양한 변형이 가능함을 인식하여야 한다. 이상의 상세한 설명에서 본 발명의 특정 실시예가 예시되었지만, 개시된 본 발명을 제한하려는 것은 아니며, 수많은 재구성, 수정 및 대체가 가능함을 이해하여야 한다.

Claims (278)

1. 개인의 사전선택된 양적 목표에 대한 피드백 제공 시스템에 있어서, 상기 목표는 휘트니스 목표, 체중 목표 및 에너지 소모량 목표중 적어도 하나를 포함하고, 상기 시스템은,

   a. 상기 개인의 생리 파라미터 및 컨텍스츄얼 파라미터중 적어도 하나를 나타내는 적어도 하나의 전자 센서 신호를 생성하는 착용가능한 센서 디바이스; 및

   b. 상기 센서 디바이스와 전자 통신상태에 있고, 상기 적어도 하나의 전자 센서 신호를 수신하는 프로세싱 유닛으로서,

   (i) 상기 개인의 사전선택된 목표를 입력 디바이스로부터 취득하고,

   (ii) 제안된 행동 수정 및 상기 사전선택된 목표에 도달하기 위한 프로토콜중 적어도 하나를 나타내고, 사용자에게 제공되는 전자 출력 피드백 신호를 생성하고,

   (iii) 상기 제안된 행동 수정 및 상기 사전선택된 목표에 도달하기 위한 프로토콜중 적어도 하나와의 상기 개인의 컴플라이언스를 평가하기 위해 상기 적어도 하나의 전자 센서 신호를 사용하고,

   (iv) 상기 적어도 하나의 전자 센서 신호에 기초하여 상기 피드백의 유효성을 평가하고, 그리고

   (v) 상기 피드백이 유효하지 않다면 보정된 제안된 행동 수정 및 상기 사전선택된 목표에 도달하기 위한 보정된 프로토콜중 적어도 하나를 더 포함하고, 상기 사용자에게 제공되는 수정된 전자 출력 피드백 신호의 일부로서, 수정된 피드백을 생성할 수 있는 상기 프로세싱 유닛;을 포함하는 것을 특징으로 하는 개인의 사전선택된 양적 목표에 대한 피드백 제공 시스템.
2. 제1항에 있어서, 상기 피드백은 플랜을 포함하는 것을 특징으로 하는 개인의 사전선택된 양적 목표에 대한 피드백 제공 시스템.
3. 삭제
4. 제1항에 있어서, 상기 프로세싱 유닛은 또한 상기 적어도 하나의 전자 센서 신호로부터 에너지 소모량 데이터를 도출할 수 있는 것을 특징으로 하는 개인의 사전선택된 양적 목표에 대한 피드백 제공 시스템.
5. 제4항에 있어서, 상기 프로세싱 유닛은 또한 개인의 신체 생리학적 파라미터의 변화를 추적하고 예측하도록 상기 에너지 소모량 데이터를 사용할 수 있는 것을 특징으로 하는 개인의 사전선택된 양적 목표에 대한 피드백 제공 시스템.
6. 제1항에 있어서, 수면, 임신, 당뇨 질환, 심혈관 질환, 건강 및 스트레스중 적어도 하나의 관리에 사용될 수 있는 것을 특징으로 하는 개인의 사전선택된 양적 목표에 대한 피드백 제공 시스템.
7. 제1항에 있어서, 상기 센서 디바이스는 체중계 및 글루코스 모니터중 적어도 하나를 포함하는 것을 특징으로 하는 개인의 사전선택된 양적 목표에 대한 피드백 제공 시스템.
8. 제1항에 있어서, 데이터를 포함하는 데이터베이스를 더 포함하는 것을 특징으로 하는 개인의 사전선택된 양적 목표에 대한 피드백 제공 시스템.
9. 제8항에 있어서, 상기 데이터베이스는 생리 데이터의 패턴을 포함하는 것을 특징으로 하는 개인의 사전선택된 양적 목표에 대한 피드백 제공 시스템.
10. 제8항에 있어서, 상기 데이터베이스는 컨텍스츄얼 데이터의 패턴을 포함하는 것을 특징으로 하는 개인의 사전선택된 양적 목표에 대한 피드백 제공 시스템.
11. 제8항에 있어서, 상기 데이터베이스는 상기 적어도 하나의 전자 센서 신호로부터 도출된 활동 데이터의 패턴을 포함하는 것을 특징으로 하는 개인의 사전선택된 양적 목표에 대한 피드백 제공 시스템.
12. 제8항에 있어서, 상기 프로세싱 유닛은 또한 데이터 패턴을 달성하기 위해 상기 데이터베이스의 데이터를 분석할 수 있는 것을 특징으로 하는 개인의 사전선택된 양적 목표에 대한 피드백 제공 시스템.
13. 제12항에 있어서, 상기 프로세싱 유닛은 또한 상기 시스템이 상기 데이터 패턴을 저장하도록 명령할 수 있는 것을 특징으로 하는 개인의 사전선택된 양적 목표에 대한 피드백 제공 시스템.
14. 제13항에 있어서, 상기 프로세싱 유닛은 또한 저장된 데이터 패턴을 상기 적어도 하나의 전자 센서 신호와 비교하여 상기 적어도 하나의 전자 센서 신호를 식별하고 추가 데이터 패턴으로 카테고리화할 수 있는 것을 특징으로 하는 개인의 사전선택된 양적 목표에 대한 피드백 제공 시스템.
15. 제13항에 있어서, 상기 프로세싱 유닛은 또한 (i) 저장된 데이터 패턴을 적어도 하나의 전자 센서 신호와 비교하여 상기 적어도 하나의 전자 센서 신호를 상기 저장된 데이터 패턴의 적어도 하나와 유사한 것으로 식별할 수 있고, (ii) 미래 적어도 하나의 전자 센서 신호를 예측할 수 있는 것을 특징으로 하는 개인의 사전선택된 양적 목표에 대한 피드백 제공 시스템.
16. 제15항에 있어서, 상기 프로세싱 유닛은 상기 미래 적어도 하나의 전자 센서 신호의 예측에 기초하여 출력을 발생할 수 있는 것을 특징으로 하는 개인의 사전선택된 양적 목표에 대한 피드백 제공 시스템.
17. 제16항에 있어서, 상기 출력은 알람인 것을 특징으로 하는 개인의 사전선택된 양적 목표에 대한 피드백 제공 시스템.
18. 제16항에 있어서, 상기 출력은 리포트인 것을 특징으로 하는 개인의 사전선택된 양적 목표에 대한 피드백 제공 시스템.
19. 제16항에 있어서, 상기 출력은 다른 디바이스에 의한 입력값으로서 사용되는 것을 특징으로 하는 개인의 사전선택된 양적 목표에 대한 피드백 제공 시스템.
20. 제1항에 있어서, 상기 프로세싱 유닛은 또한 건강 수정 플랜을 위해 초기 사정을 달성할 목적을 위해 상기 피드백을 사용할 수 있는 것을 특징으로 하는 개인의 사전선택된 양적 목표에 대한 피드백 제공 시스템.
21. 제20항에 있어서, 상기 프로세싱 유닛은 또한 상기 건강 수정 플랜으로의 진행의 중간 상태를 사정하기 위해 상기 피드백을 사용할 수 있는 것을 특징으로 하는 개인의 사전선택된 양적 목표에 대한 피드백 제공 시스템.
22. 제12항에 있어서, 상기 프로세싱 유닛은 또한 상기 데이터 패턴에 기초하여 피드백을 생성할 수 있고 상기 피드백은 보강 학습으로부터 얻어지는 것을 특징으로 하는 개인의 사전선택된 양적 목표에 대한 피드백 제공 시스템.
23. 개인의 체중 감소 목표에 대한 피드백 제공 시스템에 있어서,

    a. 상기 개인의 생리 파라미터 및 컨텍스츄얼 파라미터중 적어도 하나의 데이터를 검출하기 위한 착용가능한 센서 디바이스; 및

    b. 상기 센서 디바이스와 전자 통신상태에 있는 프로세싱 유닛으로서,

    (i) 상기 개인이 체중 감소 목표를 달성하도록 프롬프팅하고,

    (ii) 상기 개인이 상기 체중 감소 목표를 달성하도록 돕기 위한 활동에 참여하도록 제1 제안을 생성하고,

    (iii) 체중 감소량을 측정하고,

    (iv) 상기 체중 감소량이 상기 체중 감소 목표쪽으로 진행하지 않는다면 상기 개인이 상기 체중 감소 목표를 달성하도록 돕기 위한 활동에 참여하도록 제2 제안을 생성할 수 있는 상기 프로세싱 유닛;을 포함하고,

    상기 제2 제안은 (i) 상기 개인이 상기 제1 제안을 따랐는지 여부와 (ii) 상기 체중 감소량의 양적 값중 적어도 하나의 결정에 기초하고,

    상기 결정은 상기 착용가능한 센서 디바이스에 의해 생성된 데이터에 기초하는 것을 특징으로 하는 개인의 체중 감소 목표에 대한 피드백 제공 시스템.
24. 제23항에 있어서, 상기 제1 제안은 플랜을 포함하는 것을 특징으로 하는 개인의 체중 감소 목표에 대한 피드백 제공 시스템.
25. 제23항에 있어서, 상기 제2 제안은 플랜을 포함하는 것을 특징으로 하는 개인의 체중 감소 목표에 대한 피드백 제공 시스템.
26. 제23항에 있어서, 상기 프로세싱 유닛은 또한 상기 검출된 데이터로부터 에너지 소모량 데이터를 도출할 수 있는 것을 특징으로 하는 개인의 체중 감소 목표에 대한 피드백 제공 시스템.
27. 제26항에 있어서, 상기 프로세싱 유닛은 또한 개인의 신체 생리학적 파라미터의 변화를 추적하고 예측하도록 상기 에너지 소모량 데이터를 사용할 수 있는 것을 특징으로 하는 개인의 체중 감소 목표에 대한 피드백 제공 시스템.
28. 제23항에 있어서, 수면, 임신, 당뇨 질환, 심혈관 질환, 건강 및 스트레스중 적어도 하나의 관리에 사용될 수 있는 것을 특징으로 하는 개인의 체중 감소 목표에 대한 피드백 제공 시스템.
29. 제23항에 있어서, 상기 센서 디바이스는 체중계 및 글루코스 모니터중 적어도 하나를 포함하는 것을 특징으로 하는 개인의 체중 감소 목표에 대한 피드백 제공 시스템.
30. 제23항에 있어서, 상기 제2 제안은 상기 개인이 상기 제1 제안을 따랐는지 여부의 결정과 상기 체중 감소량의 양적 값의 결정에 기초하는 것을 특징으로 하는 개인의 체중 감소 목표에 대한 피드백 제공 시스템.
31. 삭제
32. 삭제
33. 삭제
34. 삭제
35. 삭제
36. 삭제
37. 삭제
38. 삭제
39. 삭제
40. 삭제
41. 삭제
42. 삭제
43. 삭제
44. 삭제
45. 삭제
46. 삭제
47. 삭제
48. 삭제
49. 삭제
50. 삭제
51. 삭제
52. 삭제
53. 삭제
54. 삭제
55. 삭제
56. 삭제
57. 삭제
58. 삭제
59. 삭제
60. 삭제
61. 삭제
62. 삭제
63. 삭제
64. 삭제
65. 삭제
66. 삭제
67. 삭제
68. 삭제
69. 삭제
70. 삭제
71. 삭제
72. 삭제
73. 삭제
74. 삭제
75. 삭제
76. 삭제
77. 삭제
78. 삭제
79. 삭제
80. 삭제
81. 삭제
82. 삭제
83. 삭제
84. 삭제
85. 삭제
86. 삭제
87. 삭제
88. 삭제
89. 삭제
90. 삭제
91. 삭제
92. 삭제
93. 삭제
94. 삭제
95. 삭제
96. 삭제
97. 삭제
98. 삭제
99. 삭제
100. 삭제
101. 삭제
102. 삭제
103. 삭제
104. 삭제
105. 삭제
106. 삭제
107. 삭제
108. 삭제
109. 삭제
110. 삭제
111. 삭제
112. 삭제
113. 삭제
114. 삭제
115. 삭제
116. 삭제
117. 삭제
118. 삭제
119. 삭제
120. 삭제
121. 삭제
122. 삭제
123. 삭제
124. 삭제
125. 삭제
126. 삭제
127. 삭제
128. 삭제
129. 삭제
130. 삭제
131. 삭제
132. 삭제
133. 삭제
134. 삭제
135. 삭제
136. 삭제
137. 삭제
138. 삭제
139. 삭제
140. 삭제
141. 삭제
142. 삭제
143. 삭제
144. 삭제
145. 삭제
146. 삭제
147. 삭제
148. 삭제
149. 삭제
150. 삭제
151. 삭제
152. 삭제
153. 삭제
154. 삭제
155. 삭제
156. 삭제
157. 삭제
158. 삭제
159. 삭제
160. 삭제
161. 삭제
162. 삭제
163. 삭제
164. 삭제
165. 삭제
166. 삭제
167. 삭제
168. 삭제
169. 삭제
170. 삭제
171. 삭제
172. 삭제
173. 삭제
174. 삭제
175. 삭제
176. 삭제
177. 삭제
178. 삭제
179. 삭제
180. 삭제
181. 삭제
182. 삭제
183. 삭제
184. 삭제
185. 삭제
186. 삭제
187. 삭제
188. 삭제
189. 삭제
190. 삭제
191. 삭제
192. 삭제
193. 삭제
194. 삭제
195. 삭제
196. 삭제
197. 삭제
198. 삭제
199. 삭제
200. 삭제
201. 삭제
202. 삭제
203. 삭제
204. 삭제
205. 삭제
206. 삭제
207. 삭제
208. 삭제
209. 삭제
210. 삭제
211. 삭제
212. 삭제
213. 삭제
214. 삭제
215. 삭제
216. 삭제
217. 삭제
218. 삭제
219. 삭제
220. 삭제
221. 삭제
222. 삭제
223. 삭제
224. 삭제
225. 삭제
226. 삭제
227. 삭제
228. 삭제
229. 삭제
230. 삭제
231. 삭제
232. 삭제
233. 삭제
234. 삭제
235. 삭제
236. 삭제
237. 삭제
238. 삭제
239. 삭제
240. 삭제
241. 삭제
242. 삭제
243. 삭제
244. 삭제
245. 삭제
246. 삭제
247. 삭제
248. 삭제
249. 삭제
250. 삭제
251. 삭제
252. 삭제
253. 삭제
254. 삭제
255. 삭제
256. 삭제
257. 삭제
258. 삭제
259. 삭제
260. 삭제
261. 삭제
262. 삭제
263. 삭제
264. 삭제
265. 삭제
266. 삭제
267. 삭제
268. 삭제
269. 삭제
270. 삭제
271. 삭제
272. 삭제
273. 삭제
274. 삭제
275. 삭제
276. 삭제
277. 삭제
278. 삭제

Images