Определение затрат энергии пользователя



Определение затрат энергии пользователя
Определение затрат энергии пользователя
Определение затрат энергии пользователя
Определение затрат энергии пользователя
Определение затрат энергии пользователя
Определение затрат энергии пользователя

 


Владельцы патента RU 2535615:

КОНИНКЛЕЙКЕ ФИЛИПС ЭЛЕКТРОНИКС Н.В. (NL)

Изобретение относится к электронному устройству для оценки расхода энергии человека. В электронном устройстве используется математическая модель на основе данных ускорения для оценки расхода энергии человека как функции фактически выполняемой активности и значений ускорения. Значения ускорения преобразуют в оценку расхода энергии для заданной активности путем масштабирования значения данных ускорения, интегрированных по времени, с параметрами масштабирования активности. Параметры масштабирования активности для различных активностей были определены отдельно путем сравнения измеренного расхода энергии в течение, например, дня, с оценочным расходом энергии в течение того же периода, причем оценочное значение определяют с использованием математической модели. 4 н. и 7 з.п. ф-лы, 3 ил.

 

Область техники, к которой относится изобретение

Настоящее изобретение относится к определению затрат энергии пользователя и, в частности, к улучшению определения затрат энергии при выполнении разных активностей.

Уровень техники

Мониторинг затрачиваемой человеком энергии в течение дня используется в медицинских приложениях, приложениях здравоохранения и в приложениях, определяющих образ жизни потребителя.

В известных устройствах для измерения затрачиваемой энергии используются датчики движения, закрепленные на бедре или на талии человека. Путем анализа выходных данных датчика можно определять затрачиваемую энергию, например, во время бега или ходьбы. Однако такие способы оказались неточными при измерении затрачиваемой энергии при определенных активностях, таких как езда на велосипеде.

В EP 1302162 раскрыто устройство измерения количества упражнений, содержащее датчик ускорения, предназначенный для детектирования движения тела живого организма, средство для расчета количества упражнений на основе сигнала детектирования датчика ускорения, и блок дисплея, предназначенный для отображения рассчитанного количества упражнений, упомянутое устройство дополнительно содержит: средство для расчета оценочной величины потребляемых калорий, представляющее потребление энергии в предписанный период; и блок дисплея, предназначенный для отображения рассчитанной оценки количества потребляемых калорий.

Принимая во внимание, что в EP 1302162 раскрыто устройство для оценки затрачиваемой энергии в течение предписанного периода, остается вопрос, позволяет ли такое устройство, с достаточной точностью, определять расходуемую энергию при выполнении разных действий, таких как езда на велосипеде. В соответствии с этим, цель настоящего изобретения состоит в улучшении оценки затрачиваемой энергии при разных типах активности.

Следует отметить, что в публикации "estimation of activity energy expenditure based on activity classification using multi-site triaxial accelerometry", Kim D. et Al., Electronics Letters, IEE stevenage, GB, vol. 44, no. 4, 14 February, 2008, pages 266-267, XP006030492 ISSN:0013-5194, описана беспроводная, подключенная к сети трехосевая акселерометрическая система с множественным размещением, предназначенная для оценки затрачиваемой энергии при выполнении активности в течение дневного цикла. Особенность системы состоит в использовании классификации деятельности на основе сигналов ускорения в множестве мест размещения. Используемый алгоритм обработки и оценки сигналов использует интеграл абсолютного значения выхода акселерометра. Эти значения затем преобразуют в оценочные затраты энергии при выполнении активности, используя линейное уравнение регрессии, на основе эталонных данных, полученных с использованием стандартного способа. Активность в течение заданного периода автоматически классифицировали по двум категориям, то есть доминантная для рук и доминантная для ног активность, в соответствии с отношением амплитуд сигнала ускорения запястья и лодыжки. Такое отношение внедряли в анализ регрессии, как дополнительный фактор.

Кроме того, следует отметить, что в публикации " A triaxial accelerometer and portable data processing unit for the assessment of daily physical activity", Carlijn V. C. Bouten et al., IEEE transactions on biomedical engineering, IEEE service center, Piscataway, NJ, US, vol. 44, no. 3, 1 March 1997, XP011006346 ISSN:0018-9294, описана разработка трехосевого акселерометра (ТА) и портативного модуля обработки данных для оценки физической активности в течение дня. ТА состоит из трех установленных ортогонально одноосевых пьезорезистивных акселерометров, и его можно использовать для регистрации ускорений, охватывая диапазоны амплитуды и частоты ускорения тела человека. Модуль данных обеспечивает возможность обработки в режиме онлайн выходного сигнала акселерометра в блоке оценки физической активности в течение периода восемь дней. Кроме того, следует отметить, что в WO 2004/032715 (Bodymedia Inc) от 22 апреля 2004 г. описаны способ и устройство для измерения параметра состояния человека с использованием сигналов на основе одного или больше датчиков. В одном варианте осуществления первый набор сигналов используется в первой функции для определения, как второй набор сигналов используется в одной или больше вторых функциях, для прогнозирования параметра состояния. В другом варианте осуществления первая и вторая функции используются в случае, когда параметр состояния или индикатор параметра состояния могут быть получены из взаимозависимости между первой функцией и второй функцией. Параметр состояния может, например, включать в себя расходуемые калории или калории, сожженные человеком.

Сущность изобретения

В соответствии с этим, изобретение предпочтительно направлено на уменьшение или устранение одного или больше упомянутых выше недостатков, связанных с неправильной оценкой затрат энергии. В частности, можно видеть, что цель настоящего изобретения состоит в том, чтобы обеспечить устройство, которое позволяет получить улучшенные оценки различных типов затрат энергии.

Эта цель и несколько других целей достигаются в первом аспекте изобретения посредством обеспечения устройства для определения затрат энергии пользователя, устройства, содержащего

- вход данных, предназначенный для приема данных ускорения пользователя, как функции времени,

- вход параметра, предназначенный для приема одного или больше параметров Ui пользователя, характеризующих пользователя,

- накопитель, предназначенный для сохранения постоянных параметров и параметров масштабирования активности, параметры масштабирования представляют собой функцию активности пользователя, активность получают как вводимые пользователем данные или определяют с помощью алгоритма автоматического распознавания активности,

- процессор, предназначенный для определения значения активности, в зависимости от активности путем интегрирования или суммирования данных ускорения в течение продолжительности активности, и для определения оценочного значения затрат энергии, путем получения произведения параметров масштабирования активности и значения активности и путем формирования суммы упомянутого произведения и одного или больше параметров пользователя, в случае, когда параметры пользователя масштабированы постоянными параметрами и длительностью активности.

Изобретение, в частности, но не исключительно, является предпочтительным для получения устройства для определения затрат энергии при выполнении активности пользователем устройства.

Может быть предпочтительным рассчитывать значение активности по данным ускорения для заданной активности, выполняемой человеком или пользователем, поскольку данные ускорения обеспечивают индикацию затрачиваемой энергии при выполнении такой активности.

Как можно заметить, в качестве дополнительного преимущества можно рассматривать получение меры затрачиваемой энергии в результате умножения значений активности на параметр масштабирования активности, поскольку параметры масштабирования представляют собой функцию активности пользователя и поэтому позволяют масштабировать значение активности для получения улучшенной меры затрачиваемой энергии. Действительно, параметр масштабирования активности может корректировать значения активности, которые переоценивают или недооценивают затрачиваемую энергию при фактическом выполнении активности пользователем. В соответствии с этим, масштабирование величины подсчета активности на основе ускорения может быть предпочтительным, поскольку это позволяет пользователю лучше различать между уровнями интенсивности разных активностей и может поэтому мотивировать пользователя выполнять активности, имеющие, помимо прочего, недооценку затрачиваемой энергии, поскольку потребление энергии при таких активностях может быть определено с большей точностью.

Следует понимать, что интегрирование или суммирование данных ускорения может содержать магнитуды суммирования данных ускорения.

В варианте осуществления параметры k(p) масштабирования активности могут быть определены путем минимизации разности между измеренным значением затрачиваемой энергии, полученным в течение заданного периода, содержащего одну или больше активностей, и суммой значений для значений оценочных затрат энергии для активностей в течение того же периода.

Может быть предпочтительным определять параметры k(p) масштабирования активности путем минимизации разности между измеряемым значением энергии, которое рассматривают как правильное значение, и значением энергии, оцененным с использованием параметров k(p) масштабирования, поскольку оба эти значения определены для одного и того же промежутка времени так, что определенные коэффициенты k(p) масштабирования обеспечивают улучшенную оценку энергии в течение всего периода.

Вариант осуществления для определения параметров k(p) масштабирования активности также можно использовать для определения других постоянных параметров ai.

В варианте осуществления определение параметров (k(p)) масштабирования активности:

- получают множество пар данных измеренных значений затрат энергии и данных ускорения для множества субъектов, где значения затрат энергии и данных ускорения измеряют за заданный период,

- минимизируют разность между измеренными значениями затрачиваемой энергии и полученным расчетным значением затрачиваемой энергии, используя модель для определения параметров масштабирования активности, где модель определяет значения подсчета активности по значениям ускорения путем интегрирования или суммирования данных ускорения в течение продолжительности активности, для получения значений подсчета активности путем умножения значений подсчета активности на параметры масштабирования активности и суммирования произведений значений подсчета активности и параметров масштабирования активности по активностям.

Может быть предпочтительным получать множество пар данных измеренных значений затрачиваемой энергии и данных ускорения для множества субъектов таким образом, чтобы определенные параметры масштабирования активности обеспечивали улучшенные оценки затрачиваемой энергии для разных субъектов, например, лиц разного веса и возраста.

В варианте осуществления параметры масштабирования активности могут быть больше, чем заданное пороговое значение для активностей, имеющих значения активности, определенные по данным ускорения, которые представляют недооценку фактических затрат энергии, и в случае, когда параметры масштабирования активности могут быт меньшими, чем пороговое значение для активностей, для которых значения активности были определены по данным ускорения, которые представляют переоценку фактических затрат энергии.

Заданное пороговое значение может представлять собой любое значение, такое как значение, равное единице.

В варианте осуществления процессор дополнительно выполнен с возможностью формирования последовательности оценочных значений затрат энергии для разных активностей, для определения временного профиля затрат энергии, например, профиля за период один день.

Может быть предпочтительным обеспечить оценочные значения затрачиваемой энергии в виде последовательности по индексу и порядку выполняемых активностей, для того чтобы обеспечить для пользователя возможность обзора затрат энергии для разных активностей, выполненных в течение периода, например, в течение дня.

Поскольку последовательность значений затрачиваемой энергии определяют, используя параметры масштабирования активности, которые были определены путем ограничения общих оценочных затрат энергии в течение данного периода так, чтобы он был таким же, как и измеренные и скорректированные затраты энергии за тот же период, общие затраты энергии, заданные последовательностью, с хорошей точностью аппроксимируют измеренную затрачиваемую энергию.

В варианте осуществления параметры пользователя содержат возраст, вес и рост, и сумму упомянутого произведения и параметров пользователей масштабируют по постоянным параметрам и длительности активности в соответствии с уравнением: PAEE(p)=Tp*a0'+Tp*a1'*возраст + Tp*a2'*вес + Tp*a3'*рост + a4*k(p)*AC(p), где эта сумма дополнительно содержит член Tp*a0'.

В варианте осуществления определение значения активности в зависимости от активности содержит этапы, на которых интегрируют или суммируют данные ускорения по длительности активности для каждого направления ускорения датчика ускорения.

Может быть предпочтительным интегрировать данные ускорения, например, магнитуды данных ускорения для каждой оси или направления датчика ускорения, для получения более надежных значений затрачиваемой энергии.

Второй аспект изобретения относится к способу изготовления устройства в соответствии с первым аспектом, содержащему

- получают множество пар данных измеренных значений затрачиваемой энергии и данных ускорения множества субъектов, где значения затрачиваемой энергии и данных ускорения измеряют в течение заданного периода,

- минимизируют разность между измеренными значениями затрачиваемой энергии и рассчитанными значениями затрачиваемой энергии, полученными с использованием модели, для расчета значения затрачиваемой энергии активностей субъектов в рекурсивном цикле, для определения постоянных параметров пользователя и параметров масштабирования активности, где значение активности модели определяют по данным ускорения заданной активности для заданного субъекта путем интегрирования или суммирования данных ускорения,

- предоставляют определенные постоянные параметры и параметры масштабирования активности в устройство.

Как преимущество, можно расценивать определение постоянных параметров пользователя и параметров масштабирования активности по множеству пар данных измеренных значений затрачиваемой энергии и данных ускорения для множества субъектов, поскольку определенные параметры могут обеспечивать улучшенную точность, благодаря использованию экспериментальных данных для множества субъектов. Эти параметры могут быть предоставлены в устройство в соответствии с первым аспектом. Например, параметры могут быть сохранены в запоминающем устройстве устройства во время производства.

В варианте осуществления по второму аспекту этап минимизации содержит, в рекурсивном цикле, выполняющем этапы a-c:

a) в модели (PAEE_CAL(j)) для расчета значения затрачиваемой энергии для активностей (p) получают значение подсчета активности для каждой пары данных каждого пользователя, где значение подсчета активности определяют из выражения Σpk(p)*AC(p) путем суммирования произведения параметров масштабирования активности и значений активности по активностям за период, когда значение активности определяют из данных ускорения заданной активности для заданного субъекта,

b) используя модель, определяют постоянные параметры путем сравнения измеренного значения затрачиваемой энергии с рассчитанным значением затрачиваемой энергии, и

c) регулируют параметры масштабирования активности для заданных активностей до тех пор, пока разность между измеренным значением затрачиваемой энергии и рассчитанным значением затрачиваемой энергии не станет ниже заданного порогового значения.

Регулирование параметров масштабирования активности может содержать этапы, на которых регулируют параметры масштабирования активности, которые определяют по набору интервалов в соответствии с заданным размером шага, до тех пор, пока не будет найден набор параметров, который минимизирует разность между измеренными значениями затрачиваемой энергии и рассчитанными значениями затрачиваемой энергии.

Третий аспект изобретения относится к системе для определения затрачиваемой энергии пользователем, системе, содержащей устройство в соответствии с первым аспектом и транспортируемому акселерометру, предназначенному для измерения данных ускорения пользователя.

Транспортируемый акселерометр может быть подключен к устройству в соответствии с первым аспектом через проводное или беспроводное соединение, или акселерометр и устройство могут быть интегрированы в один компонент системы.

Четвертый аспект изобретения относится к способу для определения затрачиваемой энергии пользователем, содержащему

- получают активность (p), выполняемую пользователем (101), как данные, вводимые пользователем или с использованием алгоритма автоматического распознавания активности,

- определяют значение активности в зависимости активности, выполняемой пользователем, путем интегрирования или суммирования данных ускорения пользователя в течение длительности активности,

- выбирают параметр масштабирования активности из набора параметров масштабирования в соответствии с фактической активностью, причем параметры масштабирования представляют собой функцию активности пользователя,

- определяют оценочное значение затрат энергии путем получения произведения параметра масштабирования активности и значения активности и путем формирования суммы упомянутого произведения и одного или больше параметров пользователя, где параметры пользователя масштабируют по постоянным параметрам и длительности активности, и где параметры пользователя характеризуют пользователя.

Пятый аспект изобретения относится к компьютерному программному продукту, обеспечивающему возможность выполнения процессором компьютера способа по четвертому аспекту.

Первый, второй, третий, четвертый и пятый аспекты настоящего изобретения каждый может быть скомбинирован с любым из других аспектов. Эти и другие аспекты изобретения будут понятны из и будут освещены со ссылкой на описанные ниже варианты осуществления.

В общем, изобретение относится к электронному устройству для оценки затрат энергии человека. Электронное устройство использует математическую модель на основе данных ускорения для оценки затрат энергии человека как функцию фактически выполненной активности и значений ускорения. Значения ускорения преобразуют в оценку затрат энергии для заданной активности по значению масштабирования данных ускорения, интегрированных по времени, с использованием параметров масштабирования активности. Параметры масштабирования активности для разных активностей определяют в автономном режиме путем сравнения измеренных затрат энергии, например, в течение дня, с оценочным расходом энергии за тот же период, причем оценочные значения определяют с помощью математической модели.

Краткое описание чертежей

Настоящее изобретение будет описано на примере только со ссылкой на приложенные чертежи, на которых

на фиг.1A представлены устройство и система для определения затрат энергии пользователя,

на фиг.1B показаны оценочные значения затрат энергии, с профилем затрат энергии,

на фиг.2A показан вариант воплощения модели для оценочных значений затрат энергии,

на фиг.2B показана блок-схема последовательности операций способа в соответствии с изобретением,

на фиг.3А показана блок-схема последовательности операций для определения постоянных параметров и параметров масштабирования активности с использованием модели, и

на фиг.3B показано, как значения подсчета активности могут быть определены по значениям ускорения.

Подробное описание изобретения

На фиг.1A показано устройство 100 для определения затрат энергии пользователя 101 на основе данных ACC ускорения, предоставляемых из соединенного с ним акселерометра 105 через ввод 110 данных. Данные ускорения представляют в форме аналогового или зависимого от времени цифрового сигнала. Устройство 100 дополнительно содержит вход 120 параметра для приема параметров Ui пользователя, характеризующих пользователя 101, на которого надет акселерометр 105. Устройство 100 содержит накопитель 151 данных для сохранения постоянных параметров ai и параметров k(p) масштабирования активности (поясняются ниже). Процессор 150, например, цифровой модуль обработки, установленный в устройстве 100, используется для обработки данных ускорения, параметров Ui пользователя, постоянных параметров ai и параметров k(p) масштабирования активности, для определения затрат энергии пользователя 101. Графические профили и значения затрат энергии, определяемой процессором 150, могут отображаться на дисплее 140, который входит в состав устройства 100.

Акселерометр 105 может быть надет на пользователя 101. Когда пользователь желает проверить профиль или значения затрат энергии, пользователь может подключить устройство 100 к акселерометру для передачи данных акселерометра, сохраненных в акселерометре 105, в устройство 100.

В качестве альтернативы, как устройство 100 определения затрачиваемой энергии, так и акселерометр 105, могут быть надеты на пользователя во время использования устройства 100 таким образом, что акселерометр 105 непрерывно передает данные ACC ускорения в устройство 100.

Устройство 100 определения затрачиваемой энергии и акселерометр 105 могут быть объединены в систему 160 как отдельные компоненты, или устройство 100 и акселерометр могут быть интегрированы в одно интегрированное устройство 160.

На фиг.1B показан оценочный профиль 180 затрат энергии в течение одного дня пользователя, например, человека или животного. Профиль 180 представляет физическую активность пользователя через затраты PAEE энергии, как функцию времени t. Разные активности p показывают разные уровни затрачиваемой энергии физической активности PAEE. Например, активности p1, когда пользователь ходит, могут иметь относительно высокие уровни затрачиваемой энергии PAEE физической активности по сравнению с другими активностями p, выполняемыми в течение периода D, например, в течение дня, измеряемые с 6:00 до 6:00 следующего дня. Пользователь на фиг.1A также выполняет поездки на велосипеде дважды в день, как представлено активностью p2. Однако уровень PAEE недооценен для активности p2, поскольку фактическая величина затрачиваемой энергии выше, как представлено линией 181 из точек.

Профиль 180 затрат энергии определяют по значениям ускорения, получаемым из акселерометра, надетого на пользователя по фиг.1. Однако активность p2 во время движения на велосипеде приводит к получению малых значений ускорения по сравнению, например, с ходьбой или бегом, поскольку, прежде всего, езда на велосипеде не подразумевает непосредственные удары о землю, что значительно способствует генерированию ускорения, особенно вдоль направления, вертикального земле; во-вторых, в отличие от ходьбы или бега езда на велосипеде приводит к малым движениям верхней части тела в вертикальном и в горизонтальном направлениях, приводя к ограниченному уровню ускорения, когда акселерометр надет на талию или на грудь. В соответствии с этим, использование значений ускорения для езды на велосипеде и других активностей может приводить к неправильным оценкам профилей 180 затрат энергии по сравнению с фактическими профилями 181 затрат энергии, измеренным, например, с использованием способа золотого стандарта, такого как способ двойной меченой воды (DLW, ДМВ), который определяет кинетику вымывания впрыснутых изотопов водорода и кислорода.

Фактическая активность p, выполняемая пользователем 101, может быть представлена в устройстве 100 путем ввода пользователя (не показан), через который пользователь может ввести активность, например, используя кнопки активности, клавиатуру или устройство сенсорного дисплея. В качестве альтернативы, активность может быть определена с помощью алгоритма автоматического распознавания активности, обрабатываемого процессором 150. Алгоритм автоматического распознавания активности может использовать данные из датчика GPS (ГСН, глобальная система навигации), который надет на пользователя, данные от датчика сердечных биений, датчика артериального давления и микрофона. Например, активность p может быть определена по информации скорости, предоставляемой GPS, и информации биений сердца, предоставляемой датчиком биений сердца. Алгоритм автоматического распознавания активности также может использовать данные ACC ускорения для автоматического определения фактической активности. Например, низкие значения ускорения, комбинированные с измерением GPS высокой скорости, например, выше 20 км/ч, могут быть распознаны как езда на велосипеде.

Затрачиваемая энергия PAEE, относящая к физической активности, может быть определена путем измерения ускорений, используя различные способы. Представленное ниже Уравнение 1 предоставляет один способ для оценки PAEE по измерениям ускорений:

PAEE=a0+al*возраст + a2*вес + a3*рост + a4*ACD уравнение 1,

где a0-a4 представляют собой постоянные параметры, и коэффициенты возраст, вес и рост представляют собой параметры характеристики пользователя. Коэффициенты a0-a4 могут быть зависимыми от пола таким образом, что уравнение 1 может отличаться для мужчин и женщин.

Коэффициент ACD представляет подсчет активностей за день и определяется по данным ускорения пользователя, на которого надет акселерометр. Используемый акселерометр может обеспечивать данные ускорения в одном направлении, например, в направлении силы тяжести Земли, в двух перпендикулярных направлениях или во всех трех перпендикулярных направлениях. Подсчет активности в течение дня ACD может быть определен путем интегрирования или суммирования значений ускорения из акселерометра. Когда акселерометр имеет больше, чем одно направление акселерометра, величина подсчета активности за день ACD может быть определена по данным ускорения путем суммирования интегрированных магнитуд данных ускорения, полученных для каждого направления ускорения, где интегрирование выполняют за заданный период данных ускорения, например, один день данных ускорения. Например, следующее уравнение

ACD=ΣnΣi|ACC(ti)n|

позволяет получить ACD путем суммирования магнитуд выборок ACC ускорения по индексу ti выборки и суммирования по каждому направлению n акселерометра. Когда сигнал ускорения представляет собой аналоговый сигнал, суммирование по выборкам ti может быть заменено интегрированием во времени.

Поскольку вывод PAEE из уравнения 1 не позволяет определять различие между разными активностями p, значения PAEE для разных активностей могут быть недооценены или переоценены, поскольку значения ускорения, используемые для расчета ACD, некорректно представляют фактическую затрачиваемую энергию в разных активностях p. Например, низкие значения ускорения при езде на велосипеде могут привести к недооценке значения PAEE при езде на велосипеде.

Значения физической активности, относящиеся к затрачиваемой энергии PAEE, могут быть определены путем масштабирования данных ускорения или значения ACD в соответствии с типом активности p, ассоциированным с данными ускорения, для более точной оценки профиля 180 затрат энергии для разных типов физической активности p. В Уравнении 2, представленном ниже, используются параметры k(p) масштабирования активности для данных ускорения масштабирования в соответствии с типом активности:

PAEE(p)=

Tp*a0'+Tp*a1'*возраст + Tp*a2'*вес + Tp*a3'*рост + a4*k(p)*AC(p)уравнение 2

Обычно постоянные параметры a0', a1', a2', a3' приведены как отношение изменения за время и поэтому a0', a1', a2', a3' умножают на длительность Tp активности p для определения затрачиваемой энергии для активности p. Таким образом, Tp представляет собой функцию фактической активности p. Последний член в уравнении 2 умножают на постоянный параметр a4, который не задан как отношение изменения за время, поскольку AC(p) уже определено для длительности Tp. В соответствии с этим, последний член не умножают на Tp.

Когда постоянные параметры a0-a4 в уравнении 1 вычисляют так, чтобы получить значение PAEE для одного дня в уравнении 1, эквивалентная скорость изменения по времени a0 (или a1-а3) может быть задана как a0'=a0/D, где D представляет собой длительность дня, заданную в минутах.

Таким образом, в уравнении 2, вместо использования величины подсчета активности за день ACD, которая интегрирует ускорение различных активностей, используют величину AC(p) активности, полученную из значений ускорения для разных активностей p и масштабированную по параметрам (k(p)), зависимым от активности.

Следует понимать, что уравнение 2 позволяет получить значение роста 182 для активности p временного профиля 180 PAEE.

В соответствии с этим, весь профиль 180 PAEE одной или больше активностей p в пределах периода D может быть определен путем формирования последовательности значений 182 PAEE для каждой активности p1, p2, вплоть до pm следующим образом

PAEE(p1, p2..., pm)={PAEE(p1), PAEE(p2)..., PAEE(pm)} уравнение 3

Значения АС(p) активности в уравнении 2 определяют путем интегрирования или суммирования магнитуд данных ускорения, полученных от датчика ускорения, который надет на пользователя. Когда датчик ускорения имеет множество направлений n датчика, значения АС (p) активности определяют из данных ускорения путем суммирования интегрированных, суммированных или усредненных магнитуд данных ACC(ti) ускорения, полученных для каждого направления ускорения. Значения АС(p) активности получают путем интегрирования, суммирования или усреднения данных ACC(ti) в течение длительности каждой активности p. В качестве примера значение AC(p) активности может быть определено из уравнения:

AC(p)=ΣnΣti|ACC(ti)n|,

где магнитуды значений ACC ускорения заданной активности p суммируют по временам ti выборки и по каждому направлению n акселерометра для длительности активности p. Когда сигнал ACC ускорения представляет собой аналоговый сигнал, значения AC(p) активности получают путем интегрирования магнитуды сигнала ускорения d течение времени t. Следует понимать, что времена ti выборок или непрерывное время t заданы как функции активностей p, и поэтому AC(p) становится функцией активности p.

Расчет значения AC(p) активности по значениям ACC ускорения может включать в себя удаление компонентов ускорения из-за силы тяжести Земли, например, путем фильтрации компонента DC значений ускорения.

На фиг.2A показан вариант 200 воплощения уравнения 2, например, вариант воплощения на компьютере, в котором работает программа для получения схемы, показанной на фиг.2. На этапе 201 данные ACC ускорения заданной активности p интегрируют или определяют область магнитуды сигнала (SMA) для данных ускорения, например, используя AC(p)=ΣnΣti|ACC(ti)n|. Результат этапа 201 умножают на k(p) и a4 на последующих этапах 202 и 204. Входные данные U1, U2, U3 пользователя, например, возраст, вес и рост, умножают на Tp на этапах 205, 207, 209 и a1', a2' и a3', соответственно, на этапах 206, 208 и 210. На этапе 213 произведения этапов 201-210 суммируют вместе с a0', умноженным на Tp, предоставляемое из этапов 211-212. Как показано на фиг.2A, постоянная a0' может быть определена путем использования значения 1 в качестве параметра U0 пользователя.

Уравнение 2 представляет только один возможный способ определения затрат энергии PAEE, связанной с физической активностью, в зависимости от физической активности p. Обычно любое количество постоянных параметров ai' и любое количество параметров Ui пользователя можно использовать вместо a1'-a3' и возраста, веса и роста, соответственно. В качестве примера при использовании N-1 параметров Ui пользователя значение или высота 182 затрат PAEE энергии, относящейся к физической энергии, может быть определено из следующего:

PAEE(p)=Σiai'*Tp*Ui+aN*k(p)*AC(p) уравнение 4a

или

PAEE(p)=ΣiTp*ai'*Ui+k(p)*AC(p)уравнение 4b

где ai' соответствует a1'-a3' и aN соответствует a4 в уравнении 2. В уравнении 4b постоянный параметр aN исключен, поскольку он включен в k(p).

В соответствии с этим, высота 182 значения затрат PAEE энергии пользователя 101 для заданной активности p может быть определена по данным ACC ускорения и параметрам Ui 102 пользователя путем определения значения AC(p) активности, в зависимости от активности p, путем интегрирования или суммирования магнитуд данных ACC ускорения в течение времени или выборок времени для активности p, путем определения произведения параметра k(p) масштабирования активности и значения (AC(p)) активности и путем формирования суммы произведения k(p)*AC(p) с суммой одного или больше параметров Ui 102 пользователя, масштабированных по постоянным параметрам ai' и за период времени Tp активности. Таким образом, когда используется только один параметр Ui пользователя, сумма произведений ai'*Ui уменьшается до одного члена. Параметры Ui пользователя могут иметь любое значение, включающее в себя значение единица, соответствующее первому члену Tp*a0' в уравнении 2.

Аналогично уравнению 3, весь профиль 180 PAEE одной или больше активностей p в течение периода D может быть определен путем формирования последовательности значений 182 PAEE из уравнений 4a или 4b для каждой активности p1, p2, вплоть до pm, следующим образом:

PAEE(p1, p2..., pm)={PAEE(p1), PAEE(p2),..., PAEE(pm)}.

В уравнении 4b следует понимать, что произведение k(p)*AC(p) неявным образом масштабируется постоянным параметром ai. Например, постоянный параметр может содержаться в параметре k(p) масштабирования активности в произведении k(p)*AC(p).

На фиг.2B показаны этапы способа варианта осуществления изобретения для определения затрат энергии PAEE(p) пользователя 101 на основе уравнений 4a или 4b, содержащее следующие этапы:

этап 221: определяют значение AC(p) активности в зависимости от активности p, выполняемой пользователем, путем интегрирования или суммирования данных ACC ускорения пользователя 101 за длительность Tp активности p;

этап 222: выбирают параметр k(p) масштабирования активности из набора параметров масштабирования в соответствии с фактической активностью p, причем параметры масштабирования представляют собой функцию активности p пользователя 101; и

этап 223: определяют оценочное значение 182 затрат энергии PAEE путем получения произведения параметра k(p) масштабирования активности и значения AC(p) активности и путем формирования суммы упомянутого произведения k(p)*AC(p) и одного или больше параметров 102 пользователя, масштабированных постоянными параметрами ai' и длительностью Tp активности p, где параметры 102 пользователя характеризуют пользователя 101.

На схеме, показанной на фиг.3А, представлен способ для определения постоянных параметров ai и параметров k(p) масштабирования активности из множества пар данных измеренных значений PAEE(j) затрат энергии и данных ACC(j) ускорения для множества людей или субъектов j. Следует отметить, что субъекты j, используемые для определения параметров ai и k(p), обычно представляют собой выбранную группу людей, в то время как пользователи (101) представляют собой пользователей устройства 100. Измеренные значения PAEE затрат энергии (j) получают из этапа 303 способа, в котором значение PAEE определяют экспериментально, используя способ золотого стандарта. Данные ACC ускорения для каждого субъекта j соответствуют экспериментально полученному значению PAEE. На этапе 301 способа значение ACD(j) подсчета активности определяют из значения ACC(j) ускорения.

На фиг.3B показано, как значение ACD(j) подсчета активности определяют из значения ACC(j) ускорения путем интегрирования или суммирования магнитуд данных ACC(j) ускорения в течение длительности Tp активности p для получения значения подсчета AC(p) активности для заданной активности p на этапе 311. Каждое значение величины подсчета AC(p) активности умножают на параметр k(p) масштабирования активности на этапе 312. В конечном итоге, произведения величин подсчета активности и параметров масштабирования активности (AC(p)*k(p)) суммируют по разным активностям p, выполненным субъектом j в течение заданного периода D, например, в течение дня. На этапе 311 подразумевается, что интегрированные или суммированные данные AC(j) ускорения суммируют по направлениям датчика ускорения, если датчик имеет более чем одно направление определения.

На этапе 302 способа по фиг.3А постоянные параметры ai и параметры k(p) масштабирования активности определяют, используя процедуры оптимизации. Процедура оптимизации основана на заданной модели, используемой для расчета значения PAEE. В качестве примера модель для расчета значения затрачиваемой энергии активности p может быть основана на уравнении:

PAEE_CAL(j)=Σiai*Ui+aN*ACD(j)уравнение 6a

соответствующем уравнению 4a, или на основе уравнения

PAEE_CAL(j)=Σiai*Ui+ACD(j)уравнение 6b

соответствующего уравнению 4b, когда один из постоянных параметров ai, например An, включен в параметр k(p) масштабирования активности, включенный в член ACD(j).

Скорость изменения ai может быть задана как ai'=ai/D, где D представляет собой длительность, в течение которой определяют измеренные значения PAEE(j) затрат энергии и значение ACD(j) величины подсчета активности. Таким образом, значение D может быть выбрано как 1440 минут, то есть длительность дня.

В соответствии с этим, путем минимизации различий между измеренными значениями PAEE(j) затрат энергии и рассчитанными значениями PAEE_CAL(j) затрат энергии могут быть определены постоянные параметры ai и параметры k(p) масштабирования активности, используемые в ACD(j).

Минимизация различий между измеренными значениями PAEE(j) затрат энергии и рассчитанными значениями PAEE_CAL(j) затрат энергии может быть выполнена с использованием различных способов. Например, на фиг.3А постоянные коэффициенты ai могут быть определены, используя линейную регрессию, поскольку уравнение 6 представляет линейную функцию постоянных параметров ai. Параметры k(p) масштабирования активности могут быть определены путем итеративного регулирования k(p), используя обратную связь 304 регулирования. В каждый момент времени, когда регулируют k(p), определяют новые постоянные коэффициенты ai. Обратная связь 304 регулирования используется для поиска набора k(p), который минимизирует упомянутое выше различие.

Поскольку возможно более чем одно решение задачи минимизации, не только один набор параметров k(p) масштабирования активности, но множество наборов параметров k(p) масштабирования активности могут быть найдены так, что каждый из них минимизирует различие между измеренными значениями PAEE(j) затрат энергии и рассчитанными значениями PAEE_CAL(j) затрат энергии. Однако идеальный набор параметров k(p) масштабирования активности должен не только правильно определять накопленные значения PAEE затрат энергии для активностей p за период D, но также должен правильно определять вариации значений PAEE или высот 182 для различных активностей p в течение периода D. Таким образом, идеальный набор параметров k(p) масштабирования активности должен правильно определять профиль 180 затрат энергии пользователя для разных активностей p.

Правильные параметры k(p) масштабирования активности и, таким образом, правильный профиль 180 затрат энергии могут быть определены путем минимизации различия между измеренными и расчетными значениями PAEE затрат энергии, включающими различные активности, такие как p, p1, p2, показанные на фиг.1. В качестве альтернативы, правильные параметры k(p) масштабирования активности могут быть определены путем расчета так называемого коэффициента R2 Пирсона, где высокое значение коэффициента R2 Пирсона обозначает, что уравнение 6 приводит к получению, в среднем, хорошего прогнозирования фактически измеренного PAEE(j). Коэффициент R2 Пирсона может быть определен как

где представляет собой среднее значение по j, измеренных PAEE(j). Можно видеть, что член в R2 представляет собой упомянутую выше разность расчета таким образом, что хорошее прогнозирование приведет к получению значения R2, которое приближается к единице.

В соответствии с этим, исходный набор параметров k(p) масштабирования активности может использоваться как исходное предположение. После расчета коэффициента R2 Пирсона новый набор параметров k(p) может быть определен путем регулирования значений параметров k(p) на основе значения R2 коэффициента Пирсона.

Оптимальные значения k(p) также могут быть определены с использованием глобального поиска, где в качестве предварительно установленных диапазонов значений k(p) рассчитывают R2 и выбирают набор k(p), который позволяет получить наибольшее значение R2.

Регулирование параметров k(p) масштабирования активности может быть выполнено таким образом, что параметр k(p) масштабирования активности будет отрегулирован со значением, большим, чем заданное пороговое значение, например, значение единицы, для активностей, имеющих значение AC(p) активности, которые недооценивают фактически затрачиваемую энергию PAEE, и так, что параметр k(p) масштабирования активности регулируют до значения, меньшего чем заданное пороговое значение для активностей, имеющих значение AC(p) активности, которое переоценивает фактически затрачиваемую энергию PAEE. Обычно, когда постоянный параметр a4 или an включен в k(p), заданное пороговое значение отличается от значения единицы, и когда значения a4 или an не включены k(p), заданное пороговое значение может быть равно значению единица.

Таким образом, параметры k(p) масштабирования активности определяют путем минимизации разности между измеренным значением затрачиваемой энергии для заданного периода D, например дня, и суммы значений для оценочных значений затрат энергии для активностей p в течение того же периода D.

Поэтому получают преимущество путем использования параметров k(p) масштабирования активности, которые были определены экспериментально при ограничении, состоящем в том, что сумма значений для оценочных значений затрат энергии для активностей p в течение периода D приближается к измеренному значению затрат энергии, измеренному в течение того же периода D. Таким образом, определенные параметры k(p) масштабирования активности имеют особенность увеличения масштаба значений AC(p) активности, которые недооценивают фактически затрачиваемую энергию PAEE, из-за значений ускорения, которые слишком малы для отражения фактически затрачиваемой энергии. Аналогично, параметры k(p) масштабирования активности имеют свойство уменьшения значений AC(p) активности, которые переоценивают фактически затрачиваемую энергию PAEE, из-за значений ускорения, которые слишком велики, чтобы они могли отражать фактически затрачиваемую энергию. Дополнительное преимущество состоит в том, что общие накопленные оценочные затраты энергии в течение дня приближаются к фактически измеренному значению затрат энергии в течение дня, поскольку параметр k(p) масштабирования активности был определен в условиях ограничения, состоящего в том, что оценочная общая энергия, затраченная в течение дня, остается неизмененной по сравнению с общей измеренной энергией.

Минимизация различий между измеренными и рассчитанными профилями затрат энергии, например, путем расчета коэффициента R2 Пирсона и регулирования параметров k(p) масштабирования активности может быть выполнена с помощью способа на этапе 305 при обратной связи 304 регулирования.

Следует понимать, что способ для определения постоянных параметров ai и параметров k(p) масштабирования активности не выполняется во время использования устройства 100 для определения затрат энергии пользователя 101, но его выполняют в ходе изготовления устройства 100 затрат энергии. Таким образом, параметры ai и k(p), определяемые при использовании, например, процесса, показанного на фиг.3A-B, могут быть применяться в устройствах 100 затрат энергии во время сборки, например, в результате сохранения параметров в запоминающем устройстве устройства 100.

Хотя настоящее изобретение было описано со ссылкой на указанные варианты осуществления, оно не должно быть ограничено конкретной формой, представленной здесь. Скорее, объем настоящего изобретения ограничен только приложенной формулой изобретения. В формуле изобретения термин "содержащий" не исключает присутствие других элементов или этапов. Кроме того, хотя отдельные свойства могут быть включены в разные пункты формулы изобретения, они могут быть предпочтительным образом скомбинированы, и включение в разные пункты формулы изобретения не подразумевает, что комбинации свойств не могут быть выполнены на практике и/или не являются предпочтительными. Кроме того, ссылки на единственное число не исключают множественное число. Таким образом, ссылки на единственность, а также на "первый", "второй" и т.д. не исключают множественности. Кроме того, номера ссылочных позиций в формуле изобретения не следует рассматривать как ограничение объема.

1. Устройство (100) для определения затрат энергии пользователя (101), содержащее
- вход (110) для данных для приема данных (АСС) ускорения пользователя как функции времени,
- вход (120) для параметров для приема одного или более параметров (Ui, 102) пользователя, характеризующих пользователя,
- накопитель (151) для сохранения постоянных параметров (ai, ai′) и параметров (k(p)) масштабирования активности, причем параметры масштабирования представляют собой функцию (p) активности пользователя (101), причем активность получают в виде ввода пользователя или определяют с помощью алгоритма автоматического распознавания активности,
- процессор (150), запрограммированный для определения значения (AC(p)) активности в зависимости от активности (p), путем интегрирования или суммирования данных (АСС) ускорения в течение продолжительности (Tp) активности (p) и для определения оценочного значения затрат (РАЕЕ) энергии путем получения произведения параметров (k(p)) масштабирования активности и значения (AC(p)) активности и путем формирования суммы упомянутого произведения (k(p)*AC(p)) и одного или более параметров (102) пользователя, причем параметры пользователя масштабируют по постоянным параметрам (ai′) и длительности (Тр) активности (p).

2. Устройство (100) по п.1, в котором параметры (k(p)) масштабирования активности представляют собой минимум разности между измеренным значением (PAEE(j) затрат энергии, полученным за заданный период (D), содержащий одну или более активностей (p), и суммой значений оценочных значений (PAEE_CAL(j)) затрат энергии для активностей (p) в течение того же периода (D).

3. Устройство (100) по п.1, в котором параметры (k(p)) масштабирования активности представляют собой
- множество пар данных измеренных значений затрат (РАЕЕ(j)) энергии и данных (ACC(j)) ускорения для множества субъектов (j), причем значения затрат энергии и данные ускорения измеряют за заданный период (D),
- минимум разности между измеренными значениями (РАЕЕ(j)) затрат энергии и оценочными значениями (PAEE_CAL(j)) затрат энергии, полученными с использованием модели для определения параметров (k(p)) масштабирования активности, причем модель определяет значения (ACD(j)) подсчета активности по значениям (ACC(j)) ускорения путем интегрирования или суммирования данных (ACC(j)) ускорения в течение продолжительности (Тр) активности (p), для получения значений подсчета (AC(p)) активности путем умножения значений подсчета (AC(p)) активности на параметры (k(p)) масштабирования активности и суммирования произведений подсчета активности и параметров ((AC(p))*k(p)) масштабирования активности по активностям (p).

4. Устройство по п.1, в котором параметры (k(p)) масштабирования активности больше, чем заданное пороговое значение для активностей, имеющих значения (АС(p)) активности, определенные по данным (АСС) ускорения, которые недооценивают фактические затраты (РАЕЕ) энергии, и причем параметры (k(p)) масштабирования активности меньше, чем пороговое значение для активностей, имеющих значения (AC(p)) активности, определенные по данным (АСС) ускорения, которые переоценивают фактические затраты (РАЕЕ) энергии.

5. Устройство по п.1, в котором процессор дополнительно выполнен с возможностью формирования последовательности оценочных значений (182) затрат (РАЕЕ) энергии для разных активностей (p1, р2, pm) для определения временного профиля значений РАЕЕ.

6. Устройство по п.1, в котором параметры (Ui, 102) пользователя содержат возраст, вес и рост, и в котором сумму упомянутого произведения и параметров пользователя масштабируют по постоянным параметрам (a1′-а3′, а4) и длительности (Тр) активности (p) в соответствии с уравнением: РАЕЕ(p)=Tp*a0′+Tp*a1′*возраст+Tp*a2′*вес+Tp*a3′*рост+a4*k(p)*AC(p), причем эта сумма дополнительно содержит член Тр*а0′.

7. Устройство по п.1, в котором определение значения (АС(p)) активности в зависимости от активности (p) включает в себя интегрирование или суммирование данных (АСС) ускорения по длительности (Тр) активности (p) для каждого направления ускорения датчика (105) ускорения.

8. Способ определения, на устройстве (100), имеющем по меньшей мере один входной порт и процессор, затрат энергии пользователя, осуществляющего множество активностей, причем способ содержит этапы:
для каждой активности из множества активностей множества пользователей:
измерения значений (PAEE(j)) затрат энергии и ускорения (ACC(j)) в течение предопределенного периода (D),
- минимизации разности между измеренными значениями (PAEE(j)) затрат энергии и оценочными значениями (PAEE_CAL(j)) затрат энергии, полученными с использованием модели (PAEE_CAL(j)), для расчета значения затрат энергии активностей (p) множества пользователей (j) в рекурсивном цикле для определения постоянных параметров (ai) пользователя и параметров (k(p)) масштабирования активности упомянутой модели, причем значение (АС(p)) активности модели определяют из данных (АСС) ускорения заданной активности (p) для заданного субъекта (j) путем интегрирования или суммирования данных (АСС) ускорения,
- предоставляют определенные постоянные параметры (ai) и параметры (k(p)) масштабирования активности в устройство (100).

9. Способ по п.8, в котором этап минимизации включает в себя выполнение этапов a-c в рекурсивном цикле:
a) в модели (PAEE_CAL(j)) для оценки значения затрат энергии для активностей (p) получают значение (ACD(j)) подсчета активности для каждой пары данных каждого пользователя, причем значение подсчета активности получают из выражения Σpk(p)*AC(p) путем суммирования произведения параметров (k(p)) масштабирования активности и значений (AC(p)) активности по активностям (p) за период (D), причем значение (АС(p)) активности определяют из данных (ACC(j)) ускорения заданной активности (p) для заданного субъекта (j),
b) используя модель (PAEE_CAL(j)), определяют постоянные параметры (ai) путем сравнения измеренного значения (PAEE(j)) затрат энергии с оценочным значением (PAEE_CAL(j)) затрат энергии, и
с) регулируют параметры (k(p)) масштабирования активности для заданных активностей (p) до тех пор, пока разность между измеренным значением (PAEE(j)) затрат энергии и оценочным значением (PAEE_CAL(j)) затрат энергии не станет ниже заданного порогового значения.

10. Система для определения затрат энергии пользователя (101), содержащая устройство по п.1 и транспортируемый акселерометр (105) для измерения данных (АСС) ускорения пользователя.

11. Способ определения затрат энергии пользователя (101), содержащий этапы, на которых
- получают активность (p), выполняемую пользователем (101), в виде ввода пользователя, или посредством алгоритма автоматического распознавания активности,
- определяют значение (АС(p)) активности в зависимости от активности (p), выполняемой пользователем (101), путем интегрирования или суммирования данных (АСС) ускорения пользователя (101) в течение длительности (Тр) активности (p),
- выбирают параметр (k(p)) масштабирования активности из набора параметров масштабирования в соответствии с фактической активностью (p), причем параметры масштабирования представляют собой функцию активности (p) пользователя (101),
- определяют оценочное значение (182) затрат (РАЕЕ) энергии путем прибавления одного или более параметров (102) пользователя, масштабированных по постоянным параметрам (ai′), и длительности (Тр) активности (p) к произведению параметра (k(p)) масштабирования активности и значения (АС(p)) активности.



 

Похожие патенты:
Изобретение относится к медицине, травматологии и ортопедии, реабилитации и неврологии. Проводят оценку функционального укорочения нижней конечности, для чего при ходьбе пациента измеряют мощность шага левой и правой нижних конечностей и при асимметрии показателей до 1% относительно средней мощности шага укорочение считают компенсированным.

Изобретение относится средствам для бесконтактного мониторинга дыхания пациента. Способ обнаружения изменения от выдоха до вдоха пациента или наоборот включающий этапы излучения электромагнитного сигнала в сторону пациента и приема отраженного от пациента сигнала, преобразования отраженного сигнала с получением первого сигнала, сдвига по фазе отраженного электромагнитного сигнала и преобразования его с получением второго сигнала, обнаружение с помощью вычислительного блока одновременных первых переходов через ноль во временной производной первого сигнала и во временной производной второго сигнала, одновременных вторых переходов через ноль во временной производной первого сигнала и во временной производной второго сигнала, и одновременных третьих переходов через ноль во временной производной первого сигнала и во временной производной второго сигнала, определения первого и второго векторов и вычисления их скалярного произведения в качестве индикаторного значения для изменения от выдоха до вдоха пациента или наоборот, сравнения индикаторного значения с предварительно определенным пороговым значением и указания изменения от выдоха до вдоха пациента или наоборот, если индикаторное значение является меньшим, чем пороговое значение.

Изобретение относится к медицине, а именно к психофизиологии, биомедицинским и психологическим исследованиям. Способ исследования двигательных и когнитивных функций человека реализуют в виде стабилометрического исследования, где испытуемый, управляя позой, выполняет инструкцию по удержанию собственного центра давления на стабилометрическую платформу в заданной зоне.

Изобретение относится к медицине, а именно к судебной медицине, и может быть использовано для определения давности локального повреждения мягких тканей по температуре области мягких тканей.

Изобретение относится к области медицины, а именно к судебной медицине, и может быть использовано для определения давности повреждений у живых лиц. Измеряют температуру области повреждения и неповрежденного участка и температуру окружающей среды.

Изобретение относится к области медицины, а именно к судебной медицине, и может быть использовано для определения давности повреждений на трупе. Определяют коэффициент теплопроводности мягких тканей области повреждений, концентрации алкоголя в крови трупа, расчет.
Изобретение относится к медицине, педиатрии, перинатологии, детской неврологии и может быть использован для ранней диагностики нарушения движений у детей с перинатальным поражением нервной системы.

Изобретение относится к медицинской технике. Устройство для определения функционального состояния опорно-двигательного аппарата содержит регистратор параметров опорно-двигательного аппарата.

Изобретение относится к области эргономики, психологии труда, медицине и может быть использовано для диагностики функционального состояния человека, а именно к исследованию и оценки усталости глаз пользователя компьютера, и искривления позвоночника пользователя ПК.

Изобретение относится к средствам определения движения тела. Устройство содержит средство определения ускорения и вычислительное средство для вычисления движения тела на основании данных ускорения, участок закрепления/раскрепления для закрепления рабочей части на основном блоке устройства или раскрепления от него, причем вычислительное средство выполнено с возможностью выполнения процедуры определения закрепления/раскрепления на основании изменения ускорения, при закреплении закрепляемой рабочей части на участке закрепления/раскрепления или при раскреплении от него, и выполнения вычисления движения тела на основании определенного закрепления/раскрепления, при переключении в режим, соответствующий состоянию после закрепления/раскрепления.

Изобретение относится к авиационной технике. Система биомеханического контроля деятельности летчика в полете содержит чувствительные преобразователи, установленные на снаряжении летчика, связанные со встроенным вычислителем. В летном комбинезоне установлены датчики инерционного типа (акселерометры и гироскопы) и гониометрические датчики механического типа для определения движений верхних и нижних конечностей летчика. В перчатках установлены датчики инерционного типа для определения движения и ориентации (углового положения) рук, тензометрические датчики для определения сгиба пальцев, сжатия ладони, поворота кисти, пьезокристаллические датчики в кончиках пальцев для определения нажатия на поверхность. В носках установлены тензодатчики и пьезокристаллические датчики для определения движения стопы и силы нажатия на педали. В поясе установлены акселерометры и гироскопы для определения движения тела летчика вместе с движением самолета при маневрировании. В снаряжении летчика установлен также встроенный вычислитель для компенсации погрешностей интегрирования акселерометров и погрешностей измерений грубых механических датчиков. В результате повышается точность оценки состояния летчика при управлении летательным аппаратом. 1 ил.

Группа изобретений относится к медицине. Устройство для определения характеристик сердца содержит катетер и первый блок определения характеристик для определения повторяющегося локального сокращения сердца в месте считывания из считанного сигнала сокращения в качестве первой характеристики сердца. Катетер содержит первый блок считывания характеристик для считывания сигнала сокращения, указывающего на повторяющееся локальное сокращение сердца в месте считывания сердца. Первый блок определения характеристик выполнен с возможностью определения периодичности и/или фазы повторяющегося локального сокращения. Компьютерная программа для определения характеристик сердца хранится на машиночитаемом носителе и содержит средство управляющей программы, чтобы предписывать компьютеру при исполнении компьютерной программы на компьютере выполнять управление устройством для определения характеристик сердца. Применение группы изобретений позволит повысить точность определения характеристик сердца. 2 н. и 10 з.п.ф-лы, 11 ил.

Изобретение относится к медицинской технике, исследованию параметров движений (тремора) подвижных звеньев тела человека, отражающих функциональное состояние центральной нервной системы (ЦНС), и может быть использовано в диагностических целях для раннего выявления патологий ЦНС, в научных исследованиях нейронных механизмов организации движений. Обе руки обследуемого приводят в соприкосновение с опорным элементом, отслеживают по смещению метки на экране монитора прикладываемое к опорному элементу произвольное изометрическое усилие и формируют временные ряды (ВР) непроизвольных и произвольных компонент изометрического усилия. Из ВР в диапазоне частот от 100 до 0,1 Гц методом математического анализа SSA-«Гусеница» выделяют и отображают графически главные компоненты (ГК), амплитудно-частотные параметры которых соответствуют циклической активности замыкающихся на разных уровнях ЦНС контуров системы управления движением. Затем производят частотно-амплитудный анализ параметров каждой ГК в соответствии с диапазоном ее расположения относительно оси частот и визуальный анализ структуры паттерна, полученного для изометрического усилия на основании признаков, характерных для здоровых испытуемых и пациентов с нейромоторными нарушениями. Разложение ВР на ГК производят с шагом квантования не менее 100 Гц, причем для анализа выделяют ГК, участие которых во ВР составляет не менее 5%. О патологии в функциональном состоянии ЦНС судят по нарушению симметрии ГК правой и левой рук, и/или по нарушению последовательности ГК, и/или по смещению максимумов ГК относительно оси частот, и/или по слиянию двух и более ГК. Способ обеспечивает более точную диагностику состояния функционирования ЦНС за счет выделения перечисленных конкретных диагностических параметров, позволяющих определять активность и ее нарушение для соответствующих уровней и структур ЦНС. 3 ил.

Изобретение относится к области антропологии, а также к судебной медицине, и предназначено для выполнения графических и скульптурных реконструкций лиц древних людей с различных территорий и идентификации личности по костным останкам, в частности по черепу. По черепу для монголоидных групп определяют пол, возраст, форму головы и морфологические признаки лица по алгоритму черепного соответствия по таблице 1. Далее по структурным элементам черепа рассчитывают признаки, не имеющие прямых аналогов на черепе: физиономическую высоту лица (ФВЛ), высоту уха (ВУ), ширину носа (ШН), ширину между носогубными складками (ШМН-ГС), ширину фильтра (ШФ), ширину рта (ШР) по уравнениям. ФВЛ=90,515+0,748×(МВЛ+6 мм) - мужчины (муж); ФВЛ=86,357+0,746×(МВЛ+6 мм) - женщины (жен); ВУ=55,488+0,073×(МВЛ+6 мм) - муж; ВУ=45,650+0,110×(МВЛ+6 мм) - жен; где МВЛ - морфологическая высота лица. ШН=12,115+0,584×ШМК - муж; ШН=13,780+0,510×ШМК - жен; ШМН-ГС=26,944+0,763×ШМК - муж; ШМН-ГС=25,657+0,685×ШМК - жен; ШФ=7,295+0,318×ШМК - муж; ШФ=7,792+0,202×ШМК - жен; где ШМК - ширина между клыковыми точками. ШР=25,613+0,672×ШМВП - муж; ШР=22,915+0,541×ШМВП - жен; где ШМВП - ширина зубной дуги на уровне вторых премоляров. По измеренным и вычисленным параметрам формируют графическую и/или скульптурную реконструкцию лица. Способ позволяет, за счет рассчитывания признаков, не имеющих прямых аналогов на черепе, по уравнениям регрессии, включающим зависимости, повысить степень достоверности идентификации личности в словесном портрете при графическом и/или скульптурном способе восстановления лиц людей, принадлежащих к монголоидному антропологическому типу.4 табл., 3 ил.

Изобретение относится к области медицины и может быть использовано для дифференциальной диагностики расстройств равновесия человека, прогнозирования динамики их протекания, назначения адекватной терапии и своевременной коррекции тактики лечения. Проводят тестирование на стабилографической платформе при выполнении обследуемым заданий по поддержанию вертикальной позы. При выполнении каждого из заданий измеряют сигналы колебаний проекции центра давления в горизонтальной плоскости в двух взаимно перпендикулярных направлениях и диагностируют вид атаксии. Одновременно с измерением сигналов колебаний проекции центра давления измеряются электромиограммы икроножных мышц, электрокардиограмма и электроэнцефалограмма. Из полученных стабилографических сигналов устраняется аддитивный тренд и по остаткам оцениваются параметры дискретной двухканальной авторегрессионной модели второго порядка, вычисляются амплитудная, средняя и медианная мощности миограмм, по электрокардиограмме вычисляется частота сердечных сокращений и длительности интервалов кардиоцикла PQ, QS, QT, вычисляются максимальная мощность спектра электроэнцефалограммы и соответствующая этой мощности частота. Классификация полученного набора информативных признаков осуществляется с помощью статистического метода линейного дискриминантного анализа. Способ позволяет повысить достоверность результатов диагностики двигательных расстройств человека по результатам стабилографических исследований за счет комплексной оценки значимых показателей.

Группа изобретений относится к медицине. Способ определения дыхания и/или сердечной деятельности человека реализуют устройством определения движения. При этом размещают многоосевой акселерометр на теле человека. Формируют сигналы акселерометра, показывающие ускорение вдоль разных пространственных осей. Посредством блока формирования сигнала движения формируют сигнал движения путем линейного комбинирования сигналов акселерометра по разным пространственным осям. Сигнал движения показывает дыхание и/или сердечную деятельность человека. Сигналы акселерометра взвешивают таким образом, чтобы наибольший вес имел сигнал акселерометра, характеризующийся максимальным изменением ускорения. Блок формирования сигнала движения определяет вес сигнала акселерометра в зависимости от корреляции соответствующего сигнала акселерометра с сигналом акселерометра, характеризующимся максимальным изменением ускорения. Вес соответствующего сигнала акселерометра является знаком корреляции. Применение группы изобретений позволит повысить качество сигнала движения, имеющего высокое отношение сигнала к шуму. 3 н. и 8 з.п. ф-лы, 8 ил.

Группа изобретений относится к медицине. Способ для измерения частоты сердцебиений и/или вариабельности частоты сердцебиений субъекта реализуют устройством и используют для мониторинга и/или для определения случаев сердечной недостаточности. При установлении сердечной недостаточности устройство генерирует тревожный сигнал. Устройство содержит держатель для размещения участка части тела субъекта и функционально связанный с держателем датчик движения. Держатель выполнен с возможностью перемещения в горизонтальном направлении относительно основания. Датчик движения выполнен с возможностью измерения сигнала движения субъекта в горизонтальном направлении. Датчик движения соответствует электрическому датчику движения и содержит конденсатор с электроемкостью, сформированной между первым и вторым электродами. Первый электрод зафиксирован относительно основания, а второй электрод - относительно держателя. При этом измеряют сигнал движения субъекта в горизонтальном направлении относительно основания. При этом участок части тела субъекта лежит на держателе или опирается на него. Сигнал измеряют с помощью емкости конденсатора. Применение группы изобретений позволит измерять частоту сердцебиений и/или вариабельность частоты сердцебиений надежным и ненавязчивым образом без использования датчиков, прикрепленных к телу субъекта или расположенных рядом с телом субъекта. 3 н. и 9 з.п. ф-лы, 2 ил.

Изобретение относится к медицине, а именно к терапевтической стоматологии, и может быть использовано для контроля эндодонтического лечения постоянных зубов. Проводят исследование кривизны корневого канала зуба на конусно-лучевом компьютерном томографе «Picasso Trio» с программой Ezlmplant. Компьютерный томограф обрабатывает изображение и передает его на компьютер. В программе Ezmplant находятся четыре активных окна изображений объекта: зубы верхней и нижней челюстей во фронтальной - coronal view, сагиттальной - sagittal view, аксиальной - axial view проекциях и 3D-реконструкция объекта. Настраивают толщину среза тканей челюстно-лицевой области пациента в 1 мм для всех активных окон изображения, после чего выбирают для работы изображение исследуемого зуба в нужном активном окне. Устанавливают курсор мыши в активном окне и нажатием кнопки «enter» клавиатуры убирают оси, слева в меню программы в разделе Measure - измерение - активизируют функцию Angle - измерение углов - нажатием основной кнопки мыши. Автоматически в меню программы активизируется раздел «Tool Options», в котором выбирают метод измерения угла «4-Point Click» - по 4-м точкам. Далее курсор мыши устанавливают за пределами зуба, для наглядности, ориентируясь на устье корневого канала и наиболее явную точку изгиба просвета корневого канала и нажатием на клавишу мыши за пределами зуба получают первую точку первой линии. Проводят первую линию ориентировочно через вершину строящегося треугольника и выводят за пределы зуба, перекрывая просвет корневого канала. Нажатием на клавишу мыши обозначают вторую точку первой линии, получают линию №1 - одну сторону определяемого угла искривления корневого канала зуба - точки 1 и 2. Перемещают курсор на предполагаемую вершину угла треугольника, определяющего величину искривления корневого канала зуба, линии при этом неразрывны между собой. Нажатием на клавишу мыши обозначают первую точку второй линии - третья точка. Затем смещают курсор в сторону верхушки корня, проводя линию через нее за пределы зуба, перекрывая просвет корневого канала, и обозначают вторую точку второй линии - четвертая точка; получают точку 4 - вторую точку второй линии. Выключают функцию Angle, активизируют все четыре точки угловой конструкции и уточняют их положение, получая конечную величину угла искривления корневого канала в градусах, которую компьютерная программа рассчитывает автоматически. С учетом величины искривления корневого канала выбирают инструменты для качественной эндодонтической обработки корневого канала. Способ позволяет точно измерить углы искривления корневых каналов зубов за счет возможности многократной активизации всех элементов угловой конструкции и коррекции расположения точек и линий угловой конструкции. 5 ил., 2 пр.

Изобретение относится к средствам контроля движения пользователя. Способ определения риска падения пользователя содержит этапы, на которых получают измерения движения пользователя, оценивают значение параметра, связанного с походкой пользователя по результатам измерений, и определяют риск падения пользователя по результатам сравнения оцененного значения с нормальным значением параметра, определенного из движения пользователя. Этап оценки содержит идентификацию границы шага в полученных измерениях путем идентификации кластеров результатов смежных измерений в полученных измерениях, в которых величина каждого из результатов измерений превышает порог, или путем идентификации кластеров результатов смежных измерений, кроме подмножества результатов измерений, величина которых меньше порога, при условии что подмножество охватывает период времени, меньший, чем пороговое время, или путем идентификации кластеров результатов смежных измерений, причем первый полученный результат измерений, величина которого превышает первый порог, обозначает первый результат измерений в кластере, а первый полученный результат измерений после первого результата измерений в кластере, размер которого оказывается ниже второго порога, обозначает последний результат измерений в кластере, при условии, что последнее измерение выполнено по истечении минимального периода после первого измерения. Устройство для предотвращения падения содержит, по меньшей мере, один датчик для получения измерений движения пользователя устройства и процессор для оценки значения параметра, выполненный с возможностью осуществления действий способа и снабженный машиночитаемым носителем. Использование изобретения позволяет определять мгновенный риск падения пользователя. 3 н. и 9 з.п. ф-лы, 6 ил.
Изобретение относится к медицине, ортопедии и может быть использовано для выявления особенностей походки, присущих ранним стадиям плосковальгусной деформации стоп у детей. С помощью аппаратно-программного комплекса проводят регистрацию биомеханических характеристик работы голеностопного сустава в процессе шагового цикла с использованием системы захвата движения, динамической стабилоплатформы и электромиографии (ЭМГ). Вначале на тело пациента фиксируют светоотражающие маркеры, на переднюю и заднюю группу мышц голени фиксируют устройства беспроводной ЭМГ. С помощью системы захвата движения создают индивидуальную трехмерную статическую скелетную модель пациента, для которой определяют характеристики шагового цикла путем прохода пациентом по стабилометрической платформе в количестве не менее 5 повторений. На основе полученных биомеханических характеристик с помощью программного обеспечения комплекса вычисляют мощность работы голеностопного сустава, угол пронации и угол супинации. Проводят сравнительный анализ этих показателей с параметрами нормы, варьируемыми в следующих диапазонах: мощность работы 3,01÷4,56 Вт/кг, угол пронации 3,89÷4,78 градусов, угол супинации 2,98÷3,67 градусов. Плосковальгусную деформацию стоп диагностируют при уменьшении мощности работы голеностопных суставов и угла супинации и увеличении угла пронации по сравнению с нормой. Способ обеспечивает комплексную точную количественную раннюю диагностику плосковальгусной деформации стопы у детей в сжатые сроки, с учетом биомеханики ходьбы. 2 пр.
Наверх