RU2626672C2 - Устройство (варианты) и способ автоматического мониторинга привычек питания - Google Patents
Устройство (варианты) и способ автоматического мониторинга привычек питания Download PDFInfo
- Publication number
- RU2626672C2 RU2626672C2 RU2015148522A RU2015148522A RU2626672C2 RU 2626672 C2 RU2626672 C2 RU 2626672C2 RU 2015148522 A RU2015148522 A RU 2015148522A RU 2015148522 A RU2015148522 A RU 2015148522A RU 2626672 C2 RU2626672 C2 RU 2626672C2
- Authority
- RU
- Russia
- Prior art keywords
- data
- user
- eating habits
- sensor
- main control
- Prior art date
Links
- 235000006694 eating habits Nutrition 0.000 title claims abstract description 60
- 238000012544 monitoring process Methods 0.000 title claims abstract description 54
- 238000000034 method Methods 0.000 title claims description 61
- WQZGKKKJIJFFOK-GASJEMHNSA-N Glucose Natural products OC[C@H]1OC(O)[C@H](O)[C@@H](O)[C@@H]1O WQZGKKKJIJFFOK-GASJEMHNSA-N 0.000 claims abstract description 52
- 235000013305 food Nutrition 0.000 claims abstract description 52
- 239000008103 glucose Substances 0.000 claims abstract description 52
- 230000002641 glycemic effect Effects 0.000 claims abstract description 43
- 238000010801 machine learning Methods 0.000 claims abstract description 23
- 238000007781 pre-processing Methods 0.000 claims abstract description 14
- 238000001914 filtration Methods 0.000 claims abstract description 7
- 230000000694 effects Effects 0.000 claims abstract description 4
- 238000011156 evaluation Methods 0.000 claims abstract description 4
- 235000012054 meals Nutrition 0.000 claims description 25
- 230000037406 food intake Effects 0.000 claims description 12
- 235000012631 food intake Nutrition 0.000 claims description 12
- 230000033001 locomotion Effects 0.000 claims description 12
- 230000002503 metabolic effect Effects 0.000 claims description 10
- 230000003287 optical effect Effects 0.000 claims description 10
- 238000005259 measurement Methods 0.000 claims description 8
- 210000001087 myotubule Anatomy 0.000 claims description 8
- 230000037081 physical activity Effects 0.000 claims description 8
- 238000001514 detection method Methods 0.000 claims description 7
- 230000003203 everyday effect Effects 0.000 claims description 7
- 238000012545 processing Methods 0.000 claims description 7
- 230000008569 process Effects 0.000 claims description 6
- 210000000707 wrist Anatomy 0.000 claims description 6
- 230000036772 blood pressure Effects 0.000 claims description 3
- 235000020981 healthy eating habits Nutrition 0.000 claims description 3
- 239000003990 capacitor Substances 0.000 claims description 2
- 210000001723 extracellular space Anatomy 0.000 claims description 2
- 239000012530 fluid Substances 0.000 claims description 2
- 210000003093 intracellular space Anatomy 0.000 claims description 2
- 231100000430 skin reaction Toxicity 0.000 claims description 2
- 239000003814 drug Substances 0.000 abstract 1
- 238000011084 recovery Methods 0.000 abstract 1
- 239000000126 substance Substances 0.000 abstract 1
- 239000008280 blood Substances 0.000 description 8
- 210000004369 blood Anatomy 0.000 description 8
- 230000004060 metabolic process Effects 0.000 description 8
- 210000001519 tissue Anatomy 0.000 description 8
- 208000008589 Obesity Diseases 0.000 description 6
- 235000020824 obesity Nutrition 0.000 description 6
- 239000013598 vector Substances 0.000 description 6
- 238000004458 analytical method Methods 0.000 description 5
- 238000013480 data collection Methods 0.000 description 5
- 235000005911 diet Nutrition 0.000 description 5
- 235000019577 caloric intake Nutrition 0.000 description 4
- 230000002354 daily effect Effects 0.000 description 4
- 230000037213 diet Effects 0.000 description 4
- 238000006073 displacement reaction Methods 0.000 description 4
- 230000006870 function Effects 0.000 description 4
- 238000012417 linear regression Methods 0.000 description 4
- 238000013528 artificial neural network Methods 0.000 description 3
- 235000005686 eating Nutrition 0.000 description 3
- 230000007937 eating Effects 0.000 description 3
- 230000036541 health Effects 0.000 description 3
- 238000007477 logistic regression Methods 0.000 description 3
- 238000003672 processing method Methods 0.000 description 3
- 238000012549 training Methods 0.000 description 3
- 238000004260 weight control Methods 0.000 description 3
- 235000021191 food habits Nutrition 0.000 description 2
- 239000011521 glass Substances 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000005457 optimization Methods 0.000 description 2
- 230000010355 oscillation Effects 0.000 description 2
- 230000004044 response Effects 0.000 description 2
- 235000011888 snacks Nutrition 0.000 description 2
- 238000012360 testing method Methods 0.000 description 2
- 230000004580 weight loss Effects 0.000 description 2
- 206010040914 Skin reaction Diseases 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- 230000017531 blood circulation Effects 0.000 description 1
- 238000010411 cooking Methods 0.000 description 1
- 238000012937 correction Methods 0.000 description 1
- 230000001419 dependent effect Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000000378 dietary effect Effects 0.000 description 1
- 235000001916 dieting Nutrition 0.000 description 1
- 230000037228 dieting effect Effects 0.000 description 1
- 201000010099 disease Diseases 0.000 description 1
- 230000006806 disease prevention Effects 0.000 description 1
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 description 1
- 230000035622 drinking Effects 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 210000003722 extracellular fluid Anatomy 0.000 description 1
- 238000001566 impedance spectroscopy Methods 0.000 description 1
- 210000002977 intracellular fluid Anatomy 0.000 description 1
- 235000020845 low-calorie diet Nutrition 0.000 description 1
- 210000002569 neuron Anatomy 0.000 description 1
- 238000010606 normalization Methods 0.000 description 1
- 230000008447 perception Effects 0.000 description 1
- 230000001766 physiological effect Effects 0.000 description 1
- 230000005180 public health Effects 0.000 description 1
- 238000000926 separation method Methods 0.000 description 1
- 230000035483 skin reaction Effects 0.000 description 1
- 230000035882 stress Effects 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
- 238000005303 weighing Methods 0.000 description 1
Images
Classifications
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/72—Signal processing specially adapted for physiological signals or for diagnostic purposes
- A61B5/7271—Specific aspects of physiological measurement analysis
- A61B5/7275—Determining trends in physiological measurement data; Predicting development of a medical condition based on physiological measurements, e.g. determining a risk factor
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/10—Services
- G06Q50/22—Social work or social welfare, e.g. community support activities or counselling services
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/0002—Remote monitoring of patients using telemetry, e.g. transmission of vital signals via a communication network
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/01—Measuring temperature of body parts ; Diagnostic temperature sensing, e.g. for malignant or inflamed tissue
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/02—Detecting, measuring or recording pulse, heart rate, blood pressure or blood flow; Combined pulse/heart-rate/blood pressure determination; Evaluating a cardiovascular condition not otherwise provided for, e.g. using combinations of techniques provided for in this group with electrocardiography or electroauscultation; Heart catheters for measuring blood pressure
- A61B5/0205—Simultaneously evaluating both cardiovascular conditions and different types of body conditions, e.g. heart and respiratory condition
- A61B5/02055—Simultaneously evaluating both cardiovascular condition and temperature
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/02—Detecting, measuring or recording pulse, heart rate, blood pressure or blood flow; Combined pulse/heart-rate/blood pressure determination; Evaluating a cardiovascular condition not otherwise provided for, e.g. using combinations of techniques provided for in this group with electrocardiography or electroauscultation; Heart catheters for measuring blood pressure
- A61B5/021—Measuring pressure in heart or blood vessels
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/02—Detecting, measuring or recording pulse, heart rate, blood pressure or blood flow; Combined pulse/heart-rate/blood pressure determination; Evaluating a cardiovascular condition not otherwise provided for, e.g. using combinations of techniques provided for in this group with electrocardiography or electroauscultation; Heart catheters for measuring blood pressure
- A61B5/024—Detecting, measuring or recording pulse rate or heart rate
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/05—Detecting, measuring or recording for diagnosis by means of electric currents or magnetic fields; Measuring using microwaves or radio waves
- A61B5/053—Measuring electrical impedance or conductance of a portion of the body
- A61B5/0531—Measuring skin impedance
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/145—Measuring characteristics of blood in vivo, e.g. gas concentration, pH value; Measuring characteristics of body fluids or tissues, e.g. interstitial fluid, cerebral tissue
- A61B5/14532—Measuring characteristics of blood in vivo, e.g. gas concentration, pH value; Measuring characteristics of body fluids or tissues, e.g. interstitial fluid, cerebral tissue for measuring glucose, e.g. by tissue impedance measurement
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/42—Detecting, measuring or recording for evaluating the gastrointestinal, the endocrine or the exocrine systems
- A61B5/4261—Evaluating exocrine secretion production
- A61B5/4266—Evaluating exocrine secretion production sweat secretion
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/44—Detecting, measuring or recording for evaluating the integumentary system, e.g. skin, hair or nails
- A61B5/441—Skin evaluation, e.g. for skin disorder diagnosis
- A61B5/442—Evaluating skin mechanical properties, e.g. elasticity, hardness, texture, wrinkle assessment
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/48—Other medical applications
- A61B5/486—Bio-feedback
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/48—Other medical applications
- A61B5/4866—Evaluating metabolism
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/68—Arrangements of detecting, measuring or recording means, e.g. sensors, in relation to patient
- A61B5/6801—Arrangements of detecting, measuring or recording means, e.g. sensors, in relation to patient specially adapted to be attached to or worn on the body surface
- A61B5/6802—Sensor mounted on worn items
- A61B5/681—Wristwatch-type devices
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/74—Details of notification to user or communication with user or patient ; user input means
- A61B5/746—Alarms related to a physiological condition, e.g. details of setting alarm thresholds or avoiding false alarms
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/74—Details of notification to user or communication with user or patient ; user input means
- A61B5/7475—User input or interface means, e.g. keyboard, pointing device, joystick
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/10—Office automation; Time management
- G06Q10/109—Time management, e.g. calendars, reminders, meetings or time accounting
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q30/00—Commerce
- G06Q30/02—Marketing; Price estimation or determination; Fundraising
- G06Q30/0207—Discounts or incentives, e.g. coupons or rebates
- G06Q30/0224—Discounts or incentives, e.g. coupons or rebates based on user history
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/10—Services
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
- G16H20/00—ICT specially adapted for therapies or health-improving plans, e.g. for handling prescriptions, for steering therapy or for monitoring patient compliance
- G16H20/60—ICT specially adapted for therapies or health-improving plans, e.g. for handling prescriptions, for steering therapy or for monitoring patient compliance relating to nutrition control, e.g. diets
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
- G16H40/00—ICT specially adapted for the management or administration of healthcare resources or facilities; ICT specially adapted for the management or operation of medical equipment or devices
- G16H40/60—ICT specially adapted for the management or administration of healthcare resources or facilities; ICT specially adapted for the management or operation of medical equipment or devices for the operation of medical equipment or devices
- G16H40/63—ICT specially adapted for the management or administration of healthcare resources or facilities; ICT specially adapted for the management or operation of medical equipment or devices for the operation of medical equipment or devices for local operation
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
- G16H50/00—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics
- G16H50/20—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for computer-aided diagnosis, e.g. based on medical expert systems
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B2562/00—Details of sensors; Constructional details of sensor housings or probes; Accessories for sensors
- A61B2562/02—Details of sensors specially adapted for in-vivo measurements
- A61B2562/0209—Special features of electrodes classified in A61B5/24, A61B5/25, A61B5/283, A61B5/291, A61B5/296, A61B5/053
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B2562/00—Details of sensors; Constructional details of sensor housings or probes; Accessories for sensors
- A61B2562/02—Details of sensors specially adapted for in-vivo measurements
- A61B2562/029—Humidity sensors
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/0059—Measuring for diagnostic purposes; Identification of persons using light, e.g. diagnosis by transillumination, diascopy, fluorescence
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/02—Detecting, measuring or recording pulse, heart rate, blood pressure or blood flow; Combined pulse/heart-rate/blood pressure determination; Evaluating a cardiovascular condition not otherwise provided for, e.g. using combinations of techniques provided for in this group with electrocardiography or electroauscultation; Heart catheters for measuring blood pressure
- A61B5/024—Detecting, measuring or recording pulse rate or heart rate
- A61B5/02438—Detecting, measuring or recording pulse rate or heart rate with portable devices, e.g. worn by the patient
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/05—Detecting, measuring or recording for diagnosis by means of electric currents or magnetic fields; Measuring using microwaves or radio waves
- A61B5/053—Measuring electrical impedance or conductance of a portion of the body
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/103—Detecting, measuring or recording devices for testing the shape, pattern, colour, size or movement of the body or parts thereof, for diagnostic purposes
- A61B5/11—Measuring movement of the entire body or parts thereof, e.g. head or hand tremor, mobility of a limb
- A61B5/1118—Determining activity level
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/74—Details of notification to user or communication with user or patient ; user input means
- A61B5/7405—Details of notification to user or communication with user or patient ; user input means using sound
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/74—Details of notification to user or communication with user or patient ; user input means
- A61B5/742—Details of notification to user or communication with user or patient ; user input means using visual displays
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/74—Details of notification to user or communication with user or patient ; user input means
- A61B5/7455—Details of notification to user or communication with user or patient ; user input means characterised by tactile indication, e.g. vibration or electrical stimulation
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N29/00—Investigating or analysing materials by the use of ultrasonic, sonic or infrasonic waves; Visualisation of the interior of objects by transmitting ultrasonic or sonic waves through the object
- G01N29/02—Analysing fluids
- G01N29/028—Analysing fluids by measuring mechanical or acoustic impedance
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N33/00—Investigating or analysing materials by specific methods not covered by groups G01N1/00 - G01N31/00
- G01N33/48—Biological material, e.g. blood, urine; Haemocytometers
- G01N33/483—Physical analysis of biological material
Landscapes
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Engineering & Computer Science (AREA)
- General Health & Medical Sciences (AREA)
- Biomedical Technology (AREA)
- Medical Informatics (AREA)
- Public Health (AREA)
- Physics & Mathematics (AREA)
- Pathology (AREA)
- Molecular Biology (AREA)
- Surgery (AREA)
- Biophysics (AREA)
- Veterinary Medicine (AREA)
- Heart & Thoracic Surgery (AREA)
- Animal Behavior & Ethology (AREA)
- Business, Economics & Management (AREA)
- Physiology (AREA)
- Primary Health Care (AREA)
- Cardiology (AREA)
- Strategic Management (AREA)
- General Business, Economics & Management (AREA)
- Epidemiology (AREA)
- Human Resources & Organizations (AREA)
- Tourism & Hospitality (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Marketing (AREA)
- Economics (AREA)
- Entrepreneurship & Innovation (AREA)
- Emergency Medicine (AREA)
- Optics & Photonics (AREA)
- Data Mining & Analysis (AREA)
- Dermatology (AREA)
- Finance (AREA)
- Development Economics (AREA)
- Accounting & Taxation (AREA)
- Psychiatry (AREA)
- Artificial Intelligence (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Signal Processing (AREA)
Abstract
Группа изобретений относится к медицине и предназначена для неинвазивного мониторинга свойств биологической ткани. Последовательно проводят следующие этапы: сбора данных импеданса и вспомогательных данных от участка тела пользователя; предварительной обработки полученных данных, причем предварительная обработка заключается в фильтрации полученных данных и удалении артефактов из полученных данных импеданса путем обнаружения не относящихся к пище физиологических факторов на основе вспомогательных данных; восстановления динамики кривой глюкозы путем применения обученного алгоритма машинного обучения, оценивания гликемического индекса из динамики кривой глюкозы, предоставления пользователю результатов оценки и автоматического мониторинга привычек питания на основе упомянутых результатов оценки для определенного периода времени. Группа изобретений позволяет повысить эффективность неинвазивного мониторинга гликемических показателей и скорректировать привычки питания. 2 н. и 40 з.п. ф-лы, 5 ил.
Description
Область техники
Настоящее изобретение относится к области неинвазивного мониторинга свойств биологической ткани и, более конкретно, к способу и устройству для автоматического мониторинга привычек питания на основе неинвазивного непрерывного мониторинга физиологических свойств кожи человека.
Предшествующий уровень техники
Ожирение является одной из предотвратимых причин смерти среди взрослых и детей. Авторитетные источники рассматривают это как одну из наиболее серьезных проблем общественного здравоохранения 21-го века. Ожирение порицается в большей части современного мира (особенно в западном мире), хотя в истории были времена, когда оно рассматривалось как символ богатства и изобилия и все еще считается таковым в некоторых частях света. В 2013 году Американская медицинская ассоциация классифицировала ожирение как болезнь.
Обычно ожирение чаще всего обусловлено сочетанием потребления излишне калорийной пищи и недостатка физической активности. Главное лечение от ожирения состоит в соблюдении диеты и физических упражнениях. Программы диеты могут обеспечить потерю веса за короткий срок, но поддержание этой потери веса зачастую является затруднительным и требует выполнения упражнений и соблюдения диеты с пониженной калорийностью пищи в качестве постоянной части образа жизни человека.
Поэтому существует потребность в устройстве для мониторинга привычек питания, которое может быть использовано в повседневной жизни. До настоящего времени не имелось приборов для автоматического и непрерывного мониторинга привычек питания человека в повседневной жизни. Из предшествующего уровня техники известно много способов, относящихся к неинвазивному мониторингу глюкозы, однако определение абсолютных значений уровня глюкозы является важным, но не обязательным условием для мониторинга привычек питания.
Известны решения, раскрывающие системы мониторинга потребления калорий и привычек питания. Например, в патентном документе US 8641612 В2 (Bodymedia, Inc.) раскрыты различные способы и устройства для измерения параметров состояния индивидуума с использованием сигналов, основанных на одном или более датчиков. Параметр состояния может, например, включать в себя калории, потребленные, или калории, сожженные индивидуумом. К недостаткам таких способов и устройств относятся следующие:
- гальванические контактные электроды чувствительны к движениям и смещениям;
- метод калибровки, сопряженный с потреблением ресурса: в мобильном устройстве выполняется машинное обучение (требуется физиологический датчик, показывающий расходование калорий);
- анизотропные свойства биологической ткани не используются для повышения точности.
Документ WO 2013125987 A1 (Healbe Corporation; документы-аналоги: RU 2519955 C1, RU 2521254 C1) раскрывает способ и устройство для оценки количества энергии, потребленной индивидуумом за малый период времени, путем анализа концентрации глюкозы крови, определенной из измерений импеданса тела. Используемый при этом датчик включает в себя первый и второй электроды и держатель электродов, оба электрода являются секционированными, и секции расположены поочередно в одну линию на внутренней поверхности держателя электродов. Решение, известное из WO 2013125987 А1, имеет следующие недостатки:
- гальванические контактные электроды чувствительны к движениям/смещениям;
- отсутствуют средства обнаружения вредных для здоровья привычек питания;
- отсутствует калибровочная процедура, учитывающая индивидуальные признаки метаболизма (обмена веществ) человека (за исключением веса человека);
- анизотропные свойства биологической ткани не используются для повышения точности.
Кроме того, известен документ US 7182248 В2, раскрывающий систему предоставления информации о приеме пищи и соответствующий способ для службы предоставления информации о приеме пищи. Система предоставления информации о приеме пищи включает в себя малоразмерный портативный терминал для считывания штрихкода данных потребляемой пищи, указывающих содержимое индивидуального приема пищи, потребляемой пользователем. Система обеспечивает анализ содержимого приема пищи, указываемого данными потребляемой пищи, суммирование, координацию и анализ информации о потреблении, включая информацию о калориях и пищевой группе потребляемой еды. Недостатками известной системы и способа являются следующие:
- отсутствуют средства автоматического сбора данных, требуется ручное сканирование штрихкодов;
- существенная ошибка анализа потребления калорий, что может быть связано с: а) неточностью взвешивания пищи; b) различием в способе приготовления пищи; с) индивидуальными особенностями метаболизма для конкретного пользователя.
В документе US 8968195 В2 раскрыт прибор для мониторинга состояния здоровья. Система мониторинга такого прибора включает в себя инструментарий, содержащий носимые очки, перевязку, пояс, накладку или бандаж; и процессор, связанный с инструментарием, содержащим носимые очки, перевязку, пояс, накладку или бандаж, чтобы анализировать жизненно важные данные или данные, характеризующие здоровье. Система включает в себя датчики движения, частоты сердечных сокращений, ЭКГ. Недостатками такого прибора являются следующие:
- описанные датчики (движения, частоты сердечных сокращений, ЭКГ) не способны обеспечивать достаточную информацию о метаболическом процессе пользователя для потребления калорий и привычек принятия пищи/питья;
- не раскрыты детальные варианты осуществления системы или конкретных способов;
- не предусмотрены средства обнаружения вредной для здоровья пищи.
Поэтому требуются новые способы, которые могут осуществлять автоматический и непрерывный мониторинг привычек потребления пищи с точностью, равной или лучшей, чем оценивание вручную гликемического индекса продуктов питания, и которые могут быть использованы для ежедневного персонального пользования.
Задачей настоящего изобретения является предоставить способ и устройство со следующими усовершенствованиями по сравнению с решениями предшествующего уровня техники:
- лучшая точность вследствие использования анизотропных свойств ткани (измерение импеданса вдоль и поперек мышечных волокон) и использования, не имеющего гальванического контакта чувствительного элемента блока датчика импеданса (более стабильного к движениям и смещениям мобильного устройства на теле человека);
- удобство для пользователя вследствие встроенного базового алгоритма и простой для использования процедуры калибровки для учета индивидуальной особенности метаболизма человека;
- новая функция устройства: автоматическое обнаружение вредных для здоровья привычек питания (путем оценки гликемического индекса, количества приемов пищи и перекусов) для содействия выработке полезных для здоровья привычек питания.
Один из технических результатов предложенного изобретения состоит в обеспечении возможности мониторинга привычек питания человека с использованием мобильного устройства посредством неинвазивного определения гликемического индекса потребленной пищи и анализа данных о частоте приема пищи и с достижением более высокой точности определения и анализа по сравнению с предшествующим уровнем техники.
Другой технический результат изобретения состоит в обеспечении аппаратных средств мобильного устройства и способов обработки данных, позволяющих интегрировать функцию мониторинга привычек питания в потребительские электронные мобильные устройства.
Сущность изобретения
Задача настоящего изобретения решается предложенным мобильным устройством и способом, включающим процедуру предварительной индивидуальной калибровки для оценки количества приемов пищи и гликемического индекса потребляемой пищи для автоматического мониторинга привычек питания. Более высокая точность достигается за счет использования анизотропных свойств ткани (измерения импеданса вдоль и поперек мышечных волокон) и использования, не имеющего гальванического контакта чувствительного элемента датчика импеданса (более стабильного к движениям и смещениям мобильного устройства на теле человека).
В соответствии с первым аспектом настоящего изобретения предложен способ автоматического мониторинга привычек питания, содержащий этапы:
сбора данных импеданса и вспомогательных данных от участка тела пользователя;
предварительной обработки полученных данных, причем предварительная обработка заключается в фильтрации полученных данных и удалении артефактов из полученных данных импеданса путем обнаружения не относящихся к пище физиологических факторов на основе вспомогательных данных;
восстановления динамики кривой глюкозы путем применения обученного алгоритма машинного обучения;
оценивания гликемического индекса из динамики кривой глюкозы;
предоставления пользователю результатов оценки и
автоматического мониторинга привычек питания на основе упомянутых результатов оценки для определенного периода времени.
В одном варианте осуществления автоматический мониторинг привычек питания выполняется с использованием алгоритма машинного обучения и на основе обнаружения вредных для здоровья привычек питания вследствие количества приемов пищи в течение определенного периода времени и гликемического индекса этих приемов пищи.
Определенным периодом времени могут быть сутки, неделя или месяц и, в общем случае, он содержит период времени от нескольких часов до нескольких месяцев.
В другом варианте осуществления пользователю может быть предоставлена информация о количестве приемов пищи, потребляемых в течение определенного периода времени.
В еще одном варианте осуществления пользователю может быть предоставлена информация о гликемическом индексе потребляемой пищи.
В еще одном варианте осуществления пользователю может быть предоставлена информация о привычках питания в повседневной жизни в случае, когда определенный период времени содержит период, равный двум суткам или более.
В другом варианте осуществления пользователю могут быть предоставлены рекомендации для выработки полезных для здоровья привычек питания и прогноз последствий на основе оцененной информации о привычках питания в повседневной жизни.
В еще одном варианте осуществления способ дополнительно содержит обеспечение предварительной процедуры калибровки, содержащей этапы:
выбора пищи для приема из списка предписанной пищи;
сбора данных импеданса и вспомогательных данных от участка тела пользователя после принятия упомянутой пищи пользователем;
предварительной обработки полученных данных, причем предварительная обработка состоит из фильтрации полученных данных и устранения артефактов из полученных данных импеданса путем обнаружения не относящихся к пище физиологических факторов на основе вспомогательных данных;
восстановления динамики кривой глюкозы путем применения обученного алгоритма машинного обучения, причем используется предопределенный набор кривых глюкозы, полученных из собранной статистической совокупности;
определения зависимости индивидуальных характеристик динамики кривой глюкозы из приемов пищи для корректировки индивидуальных метаболических коэффициентов для оценки гликемического индекса.
В соответствии со вторым аспектом настоящего изобретения предложено устройство для автоматического мониторинга привычек питания, содержащее:
источник сигнала, сконфигурированный для генерации переменного электрического тока;
чувствительный элемент, прикладываемый к участку тела пользователя и соединенный с источником сигнала для генерации переменного тока на участке приложения, причем чувствительный элемент сконфигурирован для сбора данных импеданса от участка приложения;
детектор сигнала, сконфигурированный для приема сигнала от чувствительного элемента;
вспомогательный блок датчика, сконфигурированный для сбора вспомогательных данных и фильтрации шума вследствие не относящихся к пище факторов;
основной блок управления, соединенный с источником сигнала, детектором сигнала и вспомогательным блоком датчика и сконфигурированный для удаления артефактов из полученных данных импеданса путем обнаружения не относящихся к пище физиологических факторов на основе вспомогательных данных и восстановления динамики кривой глюкозы из данных, полученных от детектора сигнала, путем применения обученного алгоритма машинного обучения;
при этом основной блок управления дополнительно сконфигурирован для оценивания гликемического индекса из восстановленной динамики кривой глюкозы и мониторинга привычек питания на основе результатов оценки для определенного периода времени.
В соответствии с третьим аспектом настоящего изобретения предложено устройство для неинвазивного оценивания гликемического индекса принятой пищи, содержащее:
источник сигнала, сконфигурированный для генерации переменного электрического тока;
чувствительный элемент, прикладываемый к телу пользователя и.соединенный с источником сигнала для генерации переменного тока на участке тела пользователя;
детектор сигнала, сконфигурированный для приема сигнала от чувствительного элемента;
вспомогательный блок датчика, сконфигурированный для фильтрации шума вследствие не относящихся к пище факторов;
основной блок управления, соединенный с источником сигнала, детектором сигнала и вспомогательным блоком датчика и сконфигурированный для восстановления динамики кривой глюкозы из данных, полученных от детектора сигнала;
при этом основной блок управления сконфигурирован для инициирования передачи тока через участок тела пользователя для измерения электрических свойств упомянутого участка тела, сбора данных от присоединенных блоков и обработки упомянутых полученных данных на основе динамики кривой глюкозы, чтобы оценить гликемический индекс приемов пищи и количество приемов пищи.
Дополнительные признаки и преимущества следуют из детального описания, изложенного ниже. Следует понимать, что как приведенное выше обобщенное описание, так и последующее детальное описание служат только в качестве примера и предназначены для пояснения сущности и характера пунктов формулы изобретения. Приложенные чертежи включены только для обеспечения дополнительного пояснения. Чертежи иллюстрируют один или более вариантов осуществления и вместе с описанием служат для пояснения принципов и функционирования различных вариантов осуществления изобретения.
Краткое описание чертежей
Вышеизложенные варианты осуществления настоящего изобретения будут легче восприниматься и станут более понятными при обращении к последующему детальному описанию со ссылками на приложенные чертежи, на которых:
Фиг. 1А иллюстрирует мобильное устройство для автоматического мониторинга привычек питания, встроенное в интеллектуальные (смарт-) часы для расположения на запястье человека, в соответствии с предпочтительным вариантом осуществления настоящего изобретения.
Фиг. 1В иллюстрирует мобильное устройство для автоматического мониторинга привычек питания с встроенным блоком чувствительного элемента в соответствии с предпочтительным вариантом осуществления настоящего изобретения.
Фиг. 2А иллюстрирует структуру мобильного устройства для автоматического мониторинга привычек питания в соответствии с вариантом осуществления настоящего изобретения.
Фиг. 2В иллюстрирует структуру мобильного устройства для автоматического мониторинга привычек питания в соответствии с одним вариантом осуществления настоящего изобретения.
Фиг. 2С иллюстрирует структуру мобильного устройства для автоматического мониторинга привычек питания в соответствии с другим вариантом осуществления настоящего изобретения.
Фиг. 3 иллюстрирует блок-схему последовательности операций способа для автоматического мониторинга привычек питания, включающего процедуру калибровки в соответствии с вариантом осуществления настоящего изобретения.
Фиг. 4 иллюстрирует график, показывающий зависимость уровня глюкозы крови от времени с характеристиками динамики кривой глюкозы.
Фиг. 5А иллюстрирует пример пользовательского сценария, генерируемого способом автоматического мониторинга привычек питания, для короткого периода времени (1 сутки).
Фиг. 5В иллюстрирует пример пользовательского сценария, генерируемого способом автоматического мониторинга привычек питания для среднего периода времени (1 неделя)..
Фиг. 5С иллюстрирует пример пользовательского сценария, генерируемого способом автоматического мониторинга привычек питания для длинного периода времени (1 месяц и более).
Детальное описание
Любое потребление пищи и последующие метаболические процессы влекут за собой изменения в свойствах ряда тканей в теле человека. В частности, известны способы для определения уровня глюкозы крови из баланса межклеточной и внутриклеточной жидкости в коже и нижележащих тканях. Такие способы основаны на методе спектроскопии импеданса. Однако импеданс кожи также испытывает влияние многих не относящихся к пище факторов: флуктуаций температуры, вариаций влажности и потоотделения кожи, изменений в характеристиках кровотока, а также перемещений тела, влияющих на условия контакта датчика с кожей.
Настоящее изобретение обеспечивает информацию о метаболическом процессе пользователя для дальнейшего анализа привычек питания. Целевое значение оценки, полученное в настоящем изобретении, связано с гликемическим индексом и гликемической нагрузкой принятой пищи. Далее термин "гликемический индекс" будет использоваться в качестве целевого значения оценки (например, была принята низко-/средне-/высокогликемическая пища).
Описывая в общем, настоящее изобретение относится к мобильному устройству 100, прикрепляемому к телу 110 человека, как показано на фиг. 1А, причем устройство выполнено с возможностью мониторинга свойств биологической ткани, в частности, изменений в ее электрических, оптических и других свойствах в течение метаболических процессов после приема пищи. В предпочтительных вариантах осуществления средства для мониторинга встроены в мобильное устройство 100 в форме смарт-часов и реализуют непрерывный сбор данных от кожи запястья человека, обработку этих данных и оценивание количества приемов пищи и гликемического индекса принятой пищи для автоматического мониторинга привычек питания. Эта информация может затем отображаться на смарт-часах или ином дисплее мобильного устройства, чтобы предоставить пользователю мобильного устройства полезную информацию и руководящие указания в приложениях контроля веса и занятиях фитнесом и в результате позитивно влиять на здоровый образ жизни.
Фиг. 1В показывает мобильное устройство, реализованное в форме смарт-часов с чувствительным элементом 120, встроенным в их корпус. В предпочтительном варианте осуществления настоящего изобретения мобильное устройство в форме смарт-часов закреплено на запястье (как показано на фиг. 1А и 1В, а также на фиг. 2А, детально описанной ниже); однако мобильное устройство может быть реализовано в любой форме, подходящей для прикрепления к соответствующей части тела 110 человека.
Схематичный вид мобильного устройства 100 представлен на фиг. 2А. Мобильное устройство включает в себя основной блок 210 управления для управления процессами измерения и блок 200 датчика импеданса. Основной блок 210 управления обеспечивает средства для коммутации схем, сбора данных и обработки. Основной блок 210 управления непосредственно соединен с источником 220 сигнала, чтобы управлять частотой сигнала.
Источник 220 сигнала предназначен для генерации переменных токов с по меньшей мере двумя частотами. Частотные диапазоны выбраны так, чтобы обеспечивать высокий контраст электрических свойств тела 110 человека, обусловленных изменениями баланса жидкости в межклеточных и внутриклеточных пространствах. В предпочтительном варианте осуществления первая частота выбрана в диапазоне 1 кГц - 100 кГц, а вторая частота выбрана в диапазоне 500 кГц - 50 МГц.
Источник 220 сигнала непосредственно соединен с чувствительным элементом 120, прикладываемым к телу 110 человека. Чувствительный элемент 120 предназначен для передачи низкого электрического тока в тело человека и приема тока, прошедшего через малый участок тела 110 человека. Чувствительный элемент 120 должен быть плотно приложен к телу 110 человека. Однако гальванический контакт с телом 110 человека не требуется.
Чувствительный элемент 120 в свою очередь непосредственно соединен с детектором 230 сигнала. Детектор 230 сигнала предназначен для преобразования сигнала, прошедшего через тело 110 человека, в импеданс участка тела 110 человека. Детектор 230 сигнала непосредственно соединен с основным блоком 210 управления. Основной блок 210 управления принимает данные, относящиеся к изменениям импеданса, вызванным телом 110 человека, от детектора сигнала и выполняет сбор данных и обработку. Чувствительный элемент 120 вместе с источником 220 сигнала и детектором 230 сигнала образует упомянутый блок 200 датчика импеданса.
Дополнительно предусмотрен вспомогательный блок 240 датчика. Вспомогательный блок 240 датчика может содержать один или более биодатчиков или датчиков окружающей среды. Вспомогательный блок 240 датчика непосредственно соединен с основным блоком 210 управления и управляется им. Основной блок 210 управления использует данные, принятые от вспомогательного блока 240 датчика, для фильтрации шума от не относящихся к пище физиологических факторов: стресса, физической активности, реакции кожи на внешние условия, и т.д.
В предпочтительном варианте осуществления настоящего изобретения, показанного на фиг. 2В, источник 220 сигнала с чувствительным элементом 120 реализован как автоколебательная схема; детектор 230 сигнала реализован как счетчик частоты. Автоколебательная схема содержит конденсатор, образованный чувствительным элементом 120 и участком тела 110 человека. Изменения в электрических свойствах тела 110 человека вызывают изменения в значении емкости и, следовательно, изменения в частоте автоколебательной схемы. Таким образом, основной блок 210 управления принимает данные измерения в форме частоты и преобразует их в мнимую часть импеданса участка тела 110 человека. В примере, показанном на фиг. 2В, основной блок 210 управления включает в себя детектор 230 сигнала, который может быть реализован, например, в форме счетчика частоты.
В примере, показанном на фиг. 2В, основной блок 210 управления управляет переключающим элементом, 250, который предназначен для коммутации соединений между источником 220 сигнала и чувствительным элементом 120. Таким образом, переменный ток может проходить через тело 110 человека в двух направлениях: вдоль мышечных волокон и поперек мышечных волокон, чтобы получить высокий контраст электрических свойств тела 110 человека, обусловленный его анизотропией.
Как показано на фиг. 2В, генератор 260 является базовым элементом автоколебательной схемы. Он может быть выполнен посредством логического элемента или усилительного элемента. Частота колебаний устанавливается индуктивностью L1 или L2 и емкостью, сформированной чувствительным элементом 120. Переключающий элемент 251, управляемый основным блоком 210 управления, предназначен для коммутации индуктивностей L1 или L2, чтобы обеспечивать две частоты колебаний для получения контраста электрических свойств тела 110 человека.
В вспомогательный блок 240 датчика в этом варианте осуществления может входить любой из следующих датчиков: датчик 241 температуры для мониторинга на участке тела 110 человека, отражательный оптический датчик 242 для мониторинга оптических свойств кожи, датчик 243 перемещения для мониторинга физической активности и датчик 244 частоты сердечных сокращений, датчик кровяного давления и т.д.
В альтернативном варианте осуществления настоящего изобретения, показанном на фиг. 2С, источник 220 сигнала выполнен как управляемый источник переменного тока (диапазон частот, например, 10 кГц - 10 МГц). Детектор 230 сигнала реализован в форме амплитудного и фазового детектора. Поэтому основной блок 210 управления принимает данные измерения в форме уровней напряжения, соответствующих амплитуде и фазе, обусловленным телом 110 человека. В некоторых вариантах осуществления основной блок 210 управления содержит аналого-цифровой преобразователь (ADC) 280 или любой другой интерфейс для приема данных амплитуды и фазы. Основной блок 210 управления преобразует данные в комплексный импеданс участка тела 110 человека.
В некоторых вариантах осуществления чувствительный элемент 120 реализован как четырехполюсная схема, чтобы снизить влияние импеданса датчика на результат измерения. В других вариантах осуществления чувствительный элемент 120 выполнен как двухполюсные схемы: первая ориентирована вдоль мышечных волокон, вторая ориентирована поперек мышечных волокон, чтобы получить высокий контраст электрических свойств тела 110 человека, обусловленный его анизотропией.
Как показано на фиг. 3С, чувствительный элемент 120 реализован как две четырехполюсные схемы. Этот вариант осуществления требует переключающего элемента 252, управляемого основным блоком 210 управления и предназначенного для коммутации соединений между источником 220 сигнала и чувствительным элементом 120.
Как показано на фиг. 2С, обеспечивается полностью дифференциальная генерация и детектирование сигнала, прошедшего через тело человека. Источник 220 сигнала имеет два выхода для сигнала в нулевой фазе и для сигнала в реверсивной фазе 180 градусов (инвертированного сигнала). Чувствительный элемент 120 имеет два выхода и непосредственно соединен с дифференциальным усилителем 270. Назначением дифференциального усилителя является снижение помех от линий питания (50 Гц/60 Гц) и от других источников. Основной блок 210 управления управляет источником 220 сигнала и переключающим элементом 252, чтобы обеспечивать временное разделение для сигналов с различными частотами и направлениями токов, приложенных к телу 110 человека.
В предпочтительном варианте осуществления настоящего изобретения чувствительный элемент 120 реализован как бесконтактная структура, емкостным образом связанная с телом 110 человека. В альтернативном варианте осуществления настоящего изобретения чувствительный элемент 120 реализован как бесконтактная структура, индуктивно связанная с телом 110 человека.
В предпочтительном варианте осуществления, показанном на фиг. 2С, вспомогательный блок датчика содержит датчик 241 температуры для мониторинга изменений участка тела 110 человека, отражательный оптический датчик 342 для мониторинга оптических свойств кожи, датчик 243 движения для мониторинга физической активности и датчик 244 частоты сердечных сокращений для дополнительной фильтрации шумов от не относящихся к пище физиологических факторов посредством основного блока 210 управления.
Далее описан алгоритм работы мобильного устройства со ссылкой на фиг. 3. После того как мобильное устройство 100 было включено, алгоритм работы начинается с проверки требования калибровки. Если индивидуальный процесс калибровки уже был выполнен для конкретного пользователя, то выполняется способ обработки 310 данных. Способ обработки 310 данных характеризуется следующими этапами.
На первом этапе выполняется сбор данных импеданса и вспомогательных данных от участка тела 110 человека (этап 311). Получаемые данные собираются от оптического, электрического и температурного датчиков.
На втором этапе выполняется предварительная обработка полученных данных (этап 312). Упомянутая предварительная обработка включает в себя фильтрацию и удаление артефактов из данных, собранных от чувствительного элемента (электрического), путем обнаружения не относящихся к пище физиологических факторов из вспомогательных данных. Данные также подготавливаются для использования в алгоритме машинного обучения.
На третьем этапе выполняется восстановление динамики кривой глюкозы посредством применения обученного алгоритма машинного обучения (этап 313). При обучении алгоритм машинного обучения выявляет комплексные взаимосвязи между входами (данными, собранными датчиками) и выходами, а также выполняет обобщение. Это означает, что алгоритм способен возвратить корректный результат, основываясь на данных, которых не было в обучающем наборе данных, а также неполных и/или зашумленных, частично искаженных данных. Выходы алгоритма машинного обучения представляют динамику кривой глюкозы, которая дополнительно обрабатывается алгоритмами машинного обучения для мониторинга привычек питания.
Базовым алгоритмом восстановления динамики кривой глюкозы, встроенным в мобильное устройство, является соотношение между динамикой кривой глюкозы статистической совокупности (для различных приемов пищи, возраста, индекса массы тела, пола) и соответствующими наборами данных, собранными датчиками. Это соотношение представлено гипотезой, содержащей матрицы весовых коэффициентов (в случае нейронных сетей) или вектора параметров (в случае линейной регрессии или логистической регрессии), и признаками наборов данных (значениями от датчика импеданса, отражательного оптического датчика, датчиков температуры, движения и частоты сердечных сокращений). Метаболизм каждого человека является индивидуальным; поэтому соответствующие матрицы весовых коэффициентов или вектора параметров являются различными. Калибровка базового алгоритма необходима для получения индивидуального соотношения между динамикой кривой глюкозы и наборами данных, собранными датчиками.
Один вариант осуществления алгоритма машинного обучения для восстановления динамики кривой глюкозы. представляет собой линейную регрессию с множеством переменных. Линейная регрессия является методом для моделирования соотношения между скалярной зависимой переменой у (опорными данными) и одной или более объясняющими переменными (или независимыми переменными), обозначенными X (данными от датчиков):
где hθ(x) - гипотеза алгоритма для восстановления динамики кривой глюкозы, θ - вектор параметров, X - вектор признаков наборов данных:
где J(θ) - функционал качества, m - количество примеров наборов данных, у - вектор опорных данных уровня глюкозы крови;
Следующие методы используются для минимизации функционала качества:
- градиентный спуск:
где α - скорость обучения. Значения параметров вектора θ обновляются одновременно;
- нормальное уравнение:
Другим вариантом осуществления алгоритма машинного обучения для восстановления динамики кривой глюкозы является логистическая регрессия с множеством переменных. Модель используется для предсказания двоичного отклика на основе одной или более предикторов (признаков). То есть она используется в оценивании параметров модели качественного отклика. Моделируются вероятности, описывающие возможные результаты одиночного испытания, как функция объясняющих переменных (предикторов), с использованием логистической функции.
Следующие способы используются для минимизации функционала качества:
- градиентный спуск;
- сопряженный градиент;
- BFGS (алгоритм оптимизации Broyden-Fletcher-Goldfarb-Shanno);
- L-BFGS (BFGS с ограниченной памятью).
Также используется классификация на множество классов (один против всех): 1 - уровень глюкозы крови не изменился, 2 уровень глюкозы крови возрастает, 3 - уровень глюкозы крови падает.
Другой вариант осуществления алгоритма машинного обучения для восстановления динамики кривой глюкозы представляет собой нейронную сеть.
Вычисления структурируются в терминах взаимосвязанных групп искусственных нейронов, обрабатывающих информацию с использованием нейросетевого (коннекционного) подхода к вычислениям. Они обычно используются для моделирования комплексных соотношений между входами (данными от датчиков) и выходами (инвазивным уровнем глюкозы), чтобы находить шаблоны в данных или фиксировать статистическую структуру неизвестного совместного распределения вероятности между наблюдаемыми переменными.
Усовершенствованные методы оптимизации могут быть использованы в дополнение к вариантам осуществления, перечисленным выше:
- нормализация для корректно работы алгоритмов, чтобы минимизировать функционал качества;
- регуляризация для предотвращения переобучения:
- регуляризованная линейная регрессия; градиентный спуск:
где λ - параметр регуляризации, n - количество признаков;
нормальное уравнение:
- регуляризованная логистическая регрессия:
На четвертом этапе способа обработки 310 данных выполняется этап оценивания значения гликемического индекса из динамики кривой глюкозы (этап 314). На основе оцененного значения гликемического индекса, на пятом этапе выполняется обнаружение вредных для здоровья привычек питания (этап 315) путем автоматического мониторинга привычек питания. Мониторинг привычек питания выполняется с использованием алгоритма машинного обучения и на основе обнаружения вредных для здоровья привычек питания по статистике количества приемов пищи в сутки и гликемическому индексу этих приемов пищи. Для автоматического мониторинга привычек питания могут использоваться все из алгоритмов машинного обучения, упомянутых на этапе 313.
На шестом этапе выполняется предоставление человеку результата оценки, например, путем отображения упомянутого результата (этап 316). Информация может быть отображена на смарт-часах или любом другом дисплее мобильного устройства, чтобы предоставить пользователю мобильного устройства полезную информацию и руководящие указания в приложениях контроля веса или контроля режима питания.
Способ выполняется циклически от первого этапа 311 до шестого этапа 316 с периодом времени порядка секунд или минут для автоматического мониторинга привычек питания.
Этот способ может быть адаптирован для конкретного пользователя с помощью способа 320 начальной калибровки. Если процесс индивидуальной калибровки не выполнялся для конкретного человека, то сначала выполняется способ 320 калибровки, причем способ калибровки содержит следующие этапы.
На первом этапе человек выбирает пищу из списка предписанной пищи (этап 321), чтобы ввести продукт для приема пищи. На втором этапе выполняется уведомление о начале калибровки (этап 322). На третьем этапе человек начинает прием упомянутой пищи (этап 323). На четвертом этапе выполняется сбор данных (этап 324). Сбор данных выполняется примерно в течение 3 часов.
На пятом этапе выполняется предварительная обработка данных (этап 325). Упомянутая предварительная обработка включает в себя фильтрацию и удаление артефактов из данных, собранных от чувствительного элемента (электрического), путем обнаружения не относящихся к приему пищи физиологических факторов из вспомогательных данных.
На шестом этапе выполняется восстановление динамики кривой глюкозы (этап 326) путем применения обученного алгоритма машинного обучения (любого из упомянутых на этапе 313). При этом имеется предопределенный набор кривых глюкозы, полученных из собранной статистической совокупности данных (для различных приемов пищи, возраста, индекса массы тела, пола). Зависимость характеристик набора динамики кривых глюкозы от значения гликемического индекса потребленной пищи для статистической совокупности данных определяется как
где
k, равное 1, 2, 3 или 4, - порядковый номер характеристик, соответствующий амплитуде, площади под кривой, времени нарастания и времени спада соответственно;
ak,0, bk,0 - метаболические коэффициенты.
На седьмом этапе выполняется корректировка индивидуальных метаболических коэффициентов для оценивания гликемического индекса (этап 327) путем определения зависимости индивидуальных характеристик динамики кривой глюкозы от потребленной пищи.
Фиг. 4 иллюстрирует график, показывающий зависимость уровня глюкозы крови от времени с характеристиками динамики кривой глюкозы. Оценивание выполнялось на основе решений системы кубических уравнений:
где
k, равное 1, 2, 3 или 4, - порядковый номер характеристик, соответствующий амплитуде 410, площади 420 под кривой, времени нарастания 430 и времени спада 440 соответственно;
ak, bk - метаболические коэффициенты.
Корректные значения гликемических индексов основаны на действительных решениях всех уравнений.
На восьмом этапе способ 320 калибровки заканчивается, и калибровка останавливается (этап 328). Затем алгоритм переходит к способу обработки 310 данных (то есть к этапу 311).
Для улучшения точности автоматического мониторинга привычек питания для данного пользователя или другого пользователя мобильного устройства 100, этапы 321-328 повторяются.
Мобильное устройство 100 предоставляет множество функций, связанных с мониторингом привычек питания человека, в том числе:
сбор статистики количества приемов пищи в сутки или за более длительный период времени;
оценивание гликемического индекса пищи;
обнаружение вредных для здоровья привычек питания;
рекомендации по корректировке привычек питания или режиму питания;
оценивание образа жизни человека и рекомендации по выработке полезных для здоровья привычек и прогнозирование последствий.
Информация может отображаться посредством мобильного устройства 100 или любого другого дисплея мобильного устройства. Информация может также доставляться к пользователю посредством телефонного вызова или SMS от врача или к его родственникам или посредством любого другого метода уведомления. Для того чтобы отображать необходимую информацию на экране устройства, отличного от мобильного устройства 100, в мобильное устройство 100 встраивается передающий или приемопередающий блок для передачи необходимой информации на упомянутое другое устройство, определенное пользователем.
Базовое положение мобильного устройства на запястье человека показано на фиг. 1А, причем мобильное устройство выполняет автоматический мониторинг потребления калорий (как показано на дисплее устройства). Однако другие части тела 110 человека также пригодны для присоединения мобильного устройства 100. В соответствии с предпочтительным вариантом осуществления настоящего изобретения, мобильное устройство 100 встроено в мобильное устройство смарт-часов с чувствительным элементом 120, как показано на фиг. 1В. Чувствительный элемент 120 прикладывается к телу 110 человека для передачи переменного тока через участок тела 110 человека. Мобильное устройство 100 должно присоединяться в непосредственной близости к телу 110 человека.
Фиг. 5А показывает пример пользовательского сценария, который предоставляет информацию на основе данных, собранных в течение короткого периода времени (примерно одних или нескольких суток). В этом случае для пользователя доступна информация о статистике количества приемов пищи/перекусов и оценка гликемического индекса потребленной пищи. На основе данных, собранных в течение среднего периода времени (примерно за одну неделю) для пользователя доступна информация о вредных для здоровья привычках питания (если таковые были обнаружены) (см. фиг. 5В). Пользователь может изучить рекомендации по коррекции привычек питания или режиму питания. На основе данных, собранных в течение длинного периода времени (примерно за один месяц или более), для пользователя доступны оценка образа жизни человека и рекомендации по выработке полезных для здоровья привычек и прогноз последствий (см. фиг. 5С).
Заявленное изобретение может применяться в потребительских электронных мобильных устройствах для.автоматического мониторинга привычек питания. Оно позволяет оценивать количество приемов пищи в сутки и гликемический индекс пищи и затем выявлять вредные для здоровья привычки питания. Заявленное изобретение особенно пригодно для использования в областях здравоохранения и для клиентов фитнес-центров.
Возможны следующие применения продукта:
- применения контроля веса;
- применения контроля режима питания;
- применения в эффективных фитнес-тренировках;
- профилактика заболеваний, связанных с ожирением и нездоровым образом жизни.
Предпочтительный вариант осуществления заявленного мобильного устройства и способа обеспечивает оценку количества приемов пищи и гликемического индекса потребленной пищи для автоматического мониторинга привычек питания путем непрерывного сбора данных от кожи в области запястья человека. Детальные результаты проверки могут быть представлены визуально для простоты восприятия.
Достижимая точность автоматического и непрерывного мониторинга привычек питания равна или лучше, чем ручная оценка гликемического индекса продуктов питания, который может быть использован для ежедневного персонального пользования; таким образом, это может быть чрезвычайно полезным для ежедневного персонального использования.
Следует отметить, что различные изменения и модификации могут быть выполнены в вышеописанных вариантах осуществления, элементы которых должны толковаться как одни из других возможных примеров. Все такие модификации и изменения предполагаются включенными в объем настоящего раскрытия и защищенными приложенной формулой изобретения.
Claims (67)
1. Способ автоматического мониторинга привычек питания, содержащий этапы, на которых:
генерируют переменный электрический ток посредством источника сигнала;
подают сгенерированный ток на чувствительный элемент, приложенный к участку тела пользователя;
принимают сигнал от чувствительного элемента и собирают данные импеданса на основе принятого сигнала посредством детектора;
собирают вспомогательные данные посредством вспомогательного блока датчика;
осуществляют предварительную обработку собранных данных посредством основного блока управления, причем предварительная обработка заключается в фильтрации собранных данных и удалении артефактов из собранных данных импеданса путем обнаружения не относящихся к пище физиологических факторов на основе вспомогательных данных;
восстанавливают динамику кривой глюкозы на основе предварительно обработанных данных путем применения алгоритма машинного обучения;
оценивают гликемический индекс принятой пищи исходя из восстановленной динамики кривой глюкозы; и
осуществляют автоматический мониторинг привычек питания на основе оценки гликемического индекса для определенного периода времени.
2. Способ по п. 1, в котором автоматический мониторинг привычек питания выполняется с использованием алгоритма машинного обучения и на основе обнаружения вредных для здоровья привычек питания вследствие количества приемов пищи в течение определенного периода времени и гликемического индекса этих приемов пищи.
3. Способ по п. 1, в котором определенный период времени содержит период от нескольких часов до нескольких месяцев.
4. Способ по п. 1, дополнительно содержащий предоставление пользователю информации о количестве приемов пищи, потребляемой в течение определенного периода времени.
5. Способ по п. 1, дополнительно содержащий предоставление пользователю информацию о гликемическом индексе потребляемой пищи.
6. Способ по п. 1, дополнительно содержащий предоставление пользователю информации о привычках питания в повседневной жизни в случае, когда определенный период времени содержит период, равный двум суткам или более.
7. Способ по п. 6, дополнительно содержащий предоставление пользователю рекомендаций для выработки полезных для здоровья привычек питания и прогноза последствий на основе оцененной информации о привычках питания в повседневной жизни.
8. Способ по п. 1, дополнительно содержащий обеспечение предварительной процедуры калибровки, содержащей этапы:
выбора пищи для приема из списка предписанной пищи;
сбора данных импеданса и вспомогательных данных от участка тела пользователя после приема упомянутой пищи пользователем;
предварительной обработки полученных данных, причем предварительная обработка состоит из фильтрации полученных данных и устранения артефактов из полученных данных импеданса путем обнаружения не относящихся к пище физиологических факторов на основе вспомогательных данных;
восстановления динамики кривой глюкозы путем применения обученного алгоритма машинного обучения, причем используется предопределенный набор кривых глюкозы, полученных из собранной статистической совокупности;
определения зависимости индивидуальных характеристик динамики кривой глюкозы из приемов пищи для корректировки индивидуальных метаболических коэффициентов для оценки гликемического индекса.
9. Способ по п. 8, в котором зависимость характеристик набора кривых глюкозы определяется как
Gparamk,0=ak,0⋅glycemic_index+bk,0
где Gparam - параметр предопределенного набора динамики кривых глюкозы, glycemic_index - гликемический индекс потребленной пищи; k, равное 1, 2, 3 или 4, - порядковый номер характеристик, соответствующих амплитуде, площади под кривой, времени нарастания и времени спада соответственно; ak,0, bk,0 - метаболические коэффициенты.
10. Способ по п. 8, в котором определение зависимости индивидуальных характеристик динамики кривой глюкозы из потребленной пищи и корректировка индивидуальных метаболических коэффициентов для оценки гликемического индекса определяются как
Gparamk=ak⋅glycemic_index+bk
где Gparam - индивидуальная характеристика динамики кривых глюкозы; glycemic_index - гликемический индекс потребленной пищи; k, равное 1, 2, 3 или 4, - порядковый номер характеристик, соответствующий амплитуде, площади под кривой, времени нарастания и времени спада соответственно; ak, bk - индивидуальные метаболические коэффициенты.
11. Способ по п. 8, в котором этап определения зависимости индивидуальных характеристик динамики кривой глюкозы из потребленной пищи и корректировки индивидуальных метаболических коэффициентов для оценки гликемического индекса выполняется с помощью алгоритмов машинного обучения.
12. Устройство для автоматического мониторинга привычек питания, содержащее
источник сигнала, сконфигурированный с возможностью генерации переменного электрического тока;
чувствительный элемент, прикладываемый к участку тела пользователя, на который подают сгенерированный ток, причем чувствительный элемент соединен с источником сигнала;
детектор сигнала, сконфигурированный с возможностью приема сигнала от чувствительного элемента и сбора данных импеданса на основе принятого сигнала;
вспомогательный блок датчика, сконфигурированный с возможностью сбора вспомогательных данных;
основной блок управления, соединенный с источником сигнала, детектором сигнала и вспомогательным блоком датчика и сконфигурированный с возможностью осуществления предварительной обработки собранных данных, причем предварительная обработка заключается в фильтрации собранных данных и удалении артефактов из собранных данных импеданса путем обнаружения не относящихся к пище физиологических факторов на основе вспомогательных данных, и с возможностью восстановления динамики кривой глюкозы на основе предварительно обработанных данных с помощью алгоритма машинного обучения,
при этом основной блок управления дополнительно сконфигурирован с возможностью оценивания гликемического индекса принятой пищи исходя из восстановленной динамики кривой глюкозы и автоматического мониторинга привычек питания на основе оценки гликемического индекса для определенного периода времени.
13. Устройство по п. 12, в котором определенный период времени содержит период от нескольких часов до нескольких месяцев.
14. Устройство по п. 12, в котором основной блок управления осуществляет мониторинг привычек питания с использованием алгоритма машинного обучения, при этом мониторинг основан на обнаружении вредных для здоровья привычек питания ввиду количества приемов пищи в течение определенного периода времени и гликемического индекса этих приемов пищи.
15. Устройство по п. 12, дополнительно содержащее дисплей для предоставления пользователю результатов оценки.
16. Устройство по п. 15, в котором дисплей дополнительно сконфигурирован для предоставления пользователю информации о количестве приемов пищи в течение определенного периода времени.
17. Устройство по п. 15, в котором дисплей дополнительно сконфигурирован для предоставления пользователю информации о гликемическом индексе потребленной пищи.
18. Устройство по п. 15, в котором дисплей дополнительно сконфигурирован для предоставления пользователю информации о привычках питания в повседневной жизни в случае, когда определенный период времени содержит период, равный двум суткам или более.
19. Устройство по п. 18, в котором основной блок управления дополнительно сконфигурирован для генерации рекомендаций для пользователя на основе информации о привычках питания.
20. Устройство по п. 18, в котором дисплей дополнительно сконфигурирован для предоставления пользователю рекомендаций для выработки полезных для здоровья привычек и прогноза последствий на основе информации о привычках питания в повседневной жизни.
21. Устройство по п. 12, дополнительно содержащее передающий или приемопередающий блок, сконфигурированный для передачи результата обработки данных на другое устройство, определенное пользователем.
22. Устройство по п. 12, в котором чувствительный элемент реализован как четырехполюсная схема, чтобы снизить влияние импеданса чувствительного элемента на результат измерения.
23. Устройство по п. 12, в котором чувствительный элемент реализован как две четырехполюсные схемы: первая ориентирована вдоль мышечных волокон, а вторая ориентирована поперек мышечных волокон, чтобы получить высокий контраст электрических свойств тела пользователя, обусловленный его анизотропией.
24. Устройство по п. 12, в котором чувствительный элемент реализован как бесконтактная структура, емкостным образом связанная с телом пользователя.
25. Устройство по п. 12, в котором чувствительный элемент реализован как бесконтактная структура, индуктивно связанная с телом пользователя.
26. Устройство по п. 12, в котором источник сигнала выполнен как управляемый источник переменного тока.
27. Устройство по п. 12, в котором детектор сигнала реализован как амплитудный и фазовый детектор, и основной блок управления сконфигурирован для приема данных в форме амплитуды и фазы и преобразования их в комплексный импеданс участка тела пользователя.
28. Устройство по п. 27, в котором основной блок управления содержит аналого-цифровой преобразователь, сконфигурированный для приема данных измерения от амплитудного и фазового детектора.
29. Устройство по п. 12, в котором вспомогательный блок датчика содержит датчик температуры, управляемый основным блоком управления, для мониторинга на участке тела человека.
30. Устройство по п. 12, в котором вспомогательный блок датчика содержит отражательный оптический датчик, управляемый основным блоком управления, для мониторинга оптических свойств кожи участка тела человека.
31. Устройство по п. 12, в котором вспомогательный блок датчика содержит датчик движения, управляемый основным блоком управления, для мониторинга физической активности тела человека.
32. Устройство по п. 12, в котором вспомогательный блок датчика содержит датчик частоты сердечных сокращений, управляемый основным блоком управления, для мониторинга физической активности тела человека.
33. Устройство по п. 12, в котором вспомогательный блок датчика содержит датчик кровяного давления, управляемый основным блоком управления, для мониторинга физической активности тела человека.
34. Устройство по любому из пп. 29-33, в котором вспомогательный блок датчика содержит любую комбинацию датчика температуры, отражательного оптического датчика, датчика движения, датчика частоты сердечных сокращений и датчика кровяного давления.
35. Устройство по п. 34, в котором основной блок управления использует данные, принятые от вспомогательного блока датчика, для фильтрации шума вследствие не относящихся к пище физиологических факторов, таких как стресс, физическая активность, отклик кожи на внешние условия.
36. Устройство по п. 12, причем устройство дополнительно сконфигурировано для выполнения предварительной процедуры индивидуальной калибровки.
37. Устройство по п. 12, причем устройство встроено в носимое мобильное устройство, предназначенное для расположения на запястье пользователя.
38. Устройство по п. 37, причем носимое мобильное устройство представляет собой смарт-часы.
39. Устройство по п. 12, в котором источник сигнала сконфигурирован для генерации переменных токов с по меньшей мере двумя частотами, причем частотные диапазоны выбраны для обеспечения высокого контраста электрических свойств тела пользователя, обусловленных изменениями баланса жидкости в межклеточном и внутриклеточном пространствах.
40. Устройство по п. 12, в котором источник сигнала выполнен как автоколебательная схема, а детектор сигнала реализован как счетчик частоты,
при этом автоколебательная схема содержит конденсатор, образованный чувствительным элементом и участком тела человека.
41. Устройство по п. 40, в котором автоколебательная схема имеет частоту, которая изменяется вследствие изменений в электрических свойствах тела пользователя, которые вызывают изменения в значении емкости,
при этом основной блок управления сконфигурирован для приема данных в форме частоты и преобразования их в мнимую часть импеданса участка тела пользователя.
42. Устройство по п. 40, в котором счетчик частоты включен в основной блок управления.
Priority Applications (6)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
RU2015148522A RU2626672C2 (ru) | 2015-11-11 | 2015-11-11 | Устройство (варианты) и способ автоматического мониторинга привычек питания |
KR1020160105584A KR102564489B1 (ko) | 2015-11-11 | 2016-08-19 | 식습관 정보를 제공하는 방법 및 이를 위한 웨어러블 장치 |
US15/775,590 US11103195B2 (en) | 2015-11-11 | 2016-08-26 | Method for providing eating habit information and wearable device therefor |
EP16864451.6A EP3363361B1 (en) | 2015-11-11 | 2016-08-26 | Method for providing eating habit information and wearable device therefor |
CN201680065765.0A CN108348198B (zh) | 2015-11-11 | 2016-08-26 | 用于提供饮食习惯信息的方法和为此的可穿戴设备 |
PCT/KR2016/009522 WO2017082525A1 (ko) | 2015-11-11 | 2016-08-26 | 식습관 정보를 제공하는 방법 및 이를 위한 웨어러블 장치 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
RU2015148522A RU2626672C2 (ru) | 2015-11-11 | 2015-11-11 | Устройство (варианты) и способ автоматического мониторинга привычек питания |
Publications (2)
Publication Number | Publication Date |
---|---|
RU2015148522A RU2015148522A (ru) | 2017-05-19 |
RU2626672C2 true RU2626672C2 (ru) | 2017-07-31 |
Family
ID=58715437
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
RU2015148522A RU2626672C2 (ru) | 2015-11-11 | 2015-11-11 | Устройство (варианты) и способ автоматического мониторинга привычек питания |
Country Status (6)
Country | Link |
---|---|
US (1) | US11103195B2 (ru) |
EP (1) | EP3363361B1 (ru) |
KR (1) | KR102564489B1 (ru) |
CN (1) | CN108348198B (ru) |
RU (1) | RU2626672C2 (ru) |
WO (1) | WO2017082525A1 (ru) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
RU2712395C1 (ru) * | 2018-11-29 | 2020-01-28 | Самсунг Электроникс Ко., Лтд. | Способ выдачи рекомендаций по поддержанию здорового образа жизни на основе параметров ежедневной деятельности пользователя, автоматически отслеживаемых в реальном времени, и соответствующая система (варианты) |
Families Citing this family (18)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US10772560B2 (en) * | 2016-10-02 | 2020-09-15 | Purdue Research Foundation | Skin-mounted hydration sensor and management system |
TWI694811B (zh) * | 2017-06-02 | 2020-06-01 | 昇陽國際半導體股份有限公司 | 血糖量測裝置 |
WO2019027292A1 (en) * | 2017-08-04 | 2019-02-07 | Samsung Electronics Co., Ltd. | METHOD AND ELECTRONIC DEVICE FOR MONITORING USER ACTIVITY |
KR102408951B1 (ko) | 2017-09-18 | 2022-06-13 | 삼성전자주식회사 | 글루코스 노출량 추정 장치 및 방법과, 글루코스 노출량 추정 모델 생성 장치 및 방법 |
KR102498120B1 (ko) | 2017-10-17 | 2023-02-09 | 삼성전자주식회사 | 생체정보 센서의 오차 보정 장치 및 방법과, 생체정보 추정 장치 및 방법 |
US10733859B2 (en) * | 2018-05-01 | 2020-08-04 | Satellite Tracking Of People Llc | System and method of alternative tracking upon disabling of monitoring device |
CN109558010A (zh) * | 2018-12-03 | 2019-04-02 | 温州中佣科技有限公司 | 一种基于虚拟技术的儿童就餐互动*** |
KR20200067592A (ko) | 2018-12-04 | 2020-06-12 | 삼성전자주식회사 | 웨어러블 장치에서 생체 신호의 측정을 가이드 하기 위한 방법 |
KR20200072263A (ko) * | 2018-12-12 | 2020-06-22 | 삼성전자주식회사 | 기생 커패시턴스를 식별하기 위한 전자 장치 및 방법 |
CN109859820A (zh) * | 2019-01-18 | 2019-06-07 | 上海鹰瞳医疗科技有限公司 | 确定食物对血糖影响程度的方法、设备和*** |
CN111722778A (zh) * | 2019-03-20 | 2020-09-29 | 佛山市顺德区美的电热电器制造有限公司 | 用餐期间的显示控制方法、烹饪设备及计算机存储介质 |
US11723595B2 (en) | 2019-08-13 | 2023-08-15 | Twin Health, Inc. | Precision treatment with machine learning and digital twin technology for optimal metabolic outcomes |
KR102521740B1 (ko) | 2020-07-15 | 2023-04-19 | 주식회사 백번 | 개인별 맞춤형 체중 관리 서비스 제공 방법 |
KR102454062B1 (ko) * | 2021-07-26 | 2022-10-14 | 조현석 | 인공지능을 이용한 약품 이미지 식별 및 정보 제공 방법, 및 이를 이용하는 장치 |
CN113758985A (zh) * | 2021-09-10 | 2021-12-07 | 湖南金智芯医疗科技有限公司 | 一种五点定标法的纳米芯片血糖检测装置 |
WO2023080407A1 (ko) * | 2021-11-02 | 2023-05-11 | 삼성전자주식회사 | 사용자의 혈당 값에 기초하여 사용자에게 행동을 제안하는 메시지를 출력하는 방법 및 그 방법을 수행하는 전자 장치 |
KR20230083520A (ko) * | 2021-12-03 | 2023-06-12 | 주식회사 디이프 | 혈당 반응값을 활용한 식이 추천 시스템 및 그 방법 |
KR102608201B1 (ko) * | 2022-10-18 | 2023-11-30 | 주식회사 쿡플레이 | 데이터 기반 개인 맞춤형 식단제공을 통한 혈당관리방법 및 시스템 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US7050847B2 (en) * | 2002-03-26 | 2006-05-23 | Stig Ollmar | Non-invasive in vivo determination of body fluid parameter |
RU2518134C2 (ru) * | 2012-02-24 | 2014-06-10 | Хилби Корпорейшн | Способ определения концентрации глюкозы в крови человека |
RU2521254C1 (ru) * | 2012-12-17 | 2014-06-27 | Общество С Ограниченной Ответственностью "Хилби" | Способ определения количества энергии, поступающей с пищей в организм человека |
Family Cites Families (27)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP4840952B2 (ja) * | 2000-09-19 | 2011-12-21 | 株式会社フィジオン | 生体電気インピーダンス計測方法及び計測装置、並びに該計測装置を用いた健康指針管理アドバイス装置 |
JP2002183311A (ja) | 2000-12-19 | 2002-06-28 | Nec Infrontia Corp | 食事情報提供システムとその食事情報提供サービス方法 |
KR20030031894A (ko) | 2001-02-05 | 2003-04-23 | 글루코센스 인코퍼레이티드 | 혈중 포도당 농도의 측정 방법 |
WO2002082968A2 (en) * | 2001-04-18 | 2002-10-24 | Impulse Dynamics Nv | Analysis of eating habits |
WO2004034221A2 (en) | 2002-10-09 | 2004-04-22 | Bodymedia, Inc. | Apparatus for detecting, receiving, deriving and displaying human physiological and contextual information |
JP2004302498A (ja) * | 2003-03-28 | 2004-10-28 | Matsushita Electric Ind Co Ltd | 食生活習慣改善支援装置 |
US7141016B2 (en) * | 2003-04-25 | 2006-11-28 | Medtronic, Inc. | Systems and methods for monitoring gastrointestinal system |
US20050096514A1 (en) * | 2003-11-01 | 2005-05-05 | Medtronic, Inc. | Gastric activity notification |
US8968195B2 (en) | 2006-05-12 | 2015-03-03 | Bao Tran | Health monitoring appliance |
RU2472427C2 (ru) * | 2006-07-19 | 2013-01-20 | Кросс Текнолоджи Солюшнз Аб | Мобильное устройство, способ и система для обработки факторов, влияющих на уровень сахара в крови |
CA2678109C (en) * | 2007-01-15 | 2020-05-26 | Deka Products Limited Partnership | Device and method for food management |
WO2008103077A1 (en) * | 2007-02-21 | 2008-08-28 | St. Jude Medical Ab | Detect eating to initiate gastric pacing |
US8417329B2 (en) * | 2007-05-09 | 2013-04-09 | Metacure Ltd. | Analysis and regulation of food intake |
EP2006786B1 (en) * | 2007-06-18 | 2018-05-09 | Roche Diabetes Care GmbH | Method and glucose monitoring system for monitoring individual metabolic response and for generating nutritional feedback |
KR100910034B1 (ko) | 2007-10-30 | 2009-07-30 | 고려대학교 산학협력단 | 다중 포트를 갖는 전파 혈당 측정장치 및 그 제어방법 |
US20110028803A1 (en) | 2008-03-31 | 2011-02-03 | Stig Ollmar | Method and device for non-invasive determination of the concentration of a substance in a body fluid |
EP2158838A1 (en) * | 2008-08-29 | 2010-03-03 | Gerinova AG | Non-invasive method for estimating of the variation of the clucose level in the blood of a person and apparatur for carrying out the method |
US20160117951A1 (en) * | 2009-11-28 | 2016-04-28 | Lior Fleischer | Apparatus and methods for corrective guidance of eating behavior after weight loss surgery |
US20110152658A1 (en) | 2009-12-17 | 2011-06-23 | Glumetrics, Inc. | Identification of aberrant measurements of in vivo glucose concentration using temperature |
US20120277619A1 (en) * | 2011-04-29 | 2012-11-01 | Medtronic, Inc. | Detecting food intake based on impedance |
US20170164878A1 (en) * | 2012-06-14 | 2017-06-15 | Medibotics Llc | Wearable Technology for Non-Invasive Glucose Monitoring |
US20160232811A9 (en) * | 2012-06-14 | 2016-08-11 | Robert A. Connor | Eyewear System for Monitoring and Modifying Nutritional Intake |
RU2519955C1 (ru) | 2012-12-17 | 2014-06-20 | Общество С Ограниченной Ответственностью "Хилби" | Датчик для измерения импеданса участка тела человека |
US9168000B2 (en) * | 2013-03-13 | 2015-10-27 | Ethicon Endo-Surgery, Inc. | Meal detection devices and methods |
WO2015058286A1 (en) | 2013-10-27 | 2015-04-30 | Blacktree Fitness Technologies Inc. | Portable devices and methods for measuring nutritional intake |
KR101440735B1 (ko) * | 2013-12-06 | 2014-09-17 | 안광현 | 채혈횟수를 최소화한 혈당 측정 시스템 및 그 방법 |
US20160148535A1 (en) * | 2014-11-26 | 2016-05-26 | Icon Health & Fitness, Inc. | Tracking Nutritional Information about Consumed Food |
-
2015
- 2015-11-11 RU RU2015148522A patent/RU2626672C2/ru not_active IP Right Cessation
-
2016
- 2016-08-19 KR KR1020160105584A patent/KR102564489B1/ko active IP Right Grant
- 2016-08-26 WO PCT/KR2016/009522 patent/WO2017082525A1/ko active Application Filing
- 2016-08-26 CN CN201680065765.0A patent/CN108348198B/zh active Active
- 2016-08-26 EP EP16864451.6A patent/EP3363361B1/en active Active
- 2016-08-26 US US15/775,590 patent/US11103195B2/en active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US7050847B2 (en) * | 2002-03-26 | 2006-05-23 | Stig Ollmar | Non-invasive in vivo determination of body fluid parameter |
RU2518134C2 (ru) * | 2012-02-24 | 2014-06-10 | Хилби Корпорейшн | Способ определения концентрации глюкозы в крови человека |
RU2521254C1 (ru) * | 2012-12-17 | 2014-06-27 | Общество С Ограниченной Ответственностью "Хилби" | Способ определения количества энергии, поступающей с пищей в организм человека |
Non-Patent Citations (1)
Title |
---|
ЧАЙКОВСКИЙ И. и др. Неинвазивный глюкометр: реальность и надежды. Журнал "Диабет. Образ жизни." N 3, 2013 год онлайн[найдено из Интернет][найдено 03.11.2016] https://moidiabet.ru/articles/neinvazivnii-gljukometr-realnost-i-nadejdi-ichaikovskii-mahmanov. VASHIST SK et al., Non-invasive glucose monitoring technology in diabetes management: a review. Anal Chim Acta., 2012 Oct 31; N750 c.16-27 онлайн[найдено из Интернет][найдено 03.11.2016] https://www.ncbi.nlm.nih.gov/pubmed/23062426. * |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
RU2712395C1 (ru) * | 2018-11-29 | 2020-01-28 | Самсунг Электроникс Ко., Лтд. | Способ выдачи рекомендаций по поддержанию здорового образа жизни на основе параметров ежедневной деятельности пользователя, автоматически отслеживаемых в реальном времени, и соответствующая система (варианты) |
Also Published As
Publication number | Publication date |
---|---|
RU2015148522A (ru) | 2017-05-19 |
EP3363361B1 (en) | 2020-11-11 |
US11103195B2 (en) | 2021-08-31 |
CN108348198A (zh) | 2018-07-31 |
WO2017082525A1 (ko) | 2017-05-18 |
EP3363361A4 (en) | 2018-08-22 |
KR102564489B1 (ko) | 2023-08-07 |
CN108348198B (zh) | 2021-08-17 |
KR20170055409A (ko) | 2017-05-19 |
EP3363361A1 (en) | 2018-08-22 |
US20180344259A1 (en) | 2018-12-06 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
RU2626672C2 (ru) | Устройство (варианты) и способ автоматического мониторинга привычек питания | |
Martinez-Ríos et al. | A review of machine learning in hypertension detection and blood pressure estimation based on clinical and physiological data | |
Joshi et al. | iGLU 2.0: A new wearable for accurate non-invasive continuous serum glucose measurement in IoMT framework | |
Zubair et al. | Smart wearable band for stress detection | |
Liu et al. | Computational methods for estimating energy expenditure in human physical activities | |
Ibrahim et al. | Cuffless blood pressure monitoring from a wristband with calibration-free algorithms for sensing location based on bio-impedance sensor array and autoencoder | |
US20170249445A1 (en) | Portable devices and methods for measuring nutritional intake | |
James et al. | Total daily activity measured with actigraphy and motor function in community-dwelling older persons with and without dementia | |
WO2018148690A1 (en) | Systems and methods of analyte measurement analysis | |
Scalise et al. | Wearables for health and fitness: Measurement characteristics and accuracy | |
US20220265154A1 (en) | Body state classification | |
Yashudas et al. | DEEP-CARDIO: Recommendation System for Cardiovascular Disease Prediction using IOT Network | |
KR20160055006A (ko) | 손목형 체성분 측정 장치 및 이를 이용한 체성분 측정 방법 | |
AU2016201728B2 (en) | A system and method for determining psychological stress of a person | |
CN104662416A (zh) | 信息处理方法 | |
EP3238611B1 (en) | A method and device for estimating a condition of a person | |
CN111508607B (zh) | 一种基于bp神经网络的肥胖症预测*** | |
Konstantinou et al. | Comparing apples and oranges or different types of citrus fruits? Using wearable versus stationary devices to analyze psychophysiological data | |
Baig et al. | Early detection of prediabetes and T2DM using wearable sensors and internet-of-things-based monitoring applications | |
Gan et al. | Human-computer interaction based interface design of intelligent health detection using PCANet and multi-sensor information fusion | |
He et al. | A new approach for daily life Blood-Pressure estimation using smart watch | |
Cosoli et al. | Methods for the metrological characterization of wearable devices for the measurement of physiological signals: state of the art and future challenges | |
Melin et al. | New hybrid intelligent systems for diagnosis and risk evaluation of arterial hypertension | |
Nakajima et al. | Systems health care: Coevolutionary integration of smart devices and smart services | |
CN111603151B (zh) | 一种基于时频联合分析的无创血液成分检测方法及*** |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
MM4A | The patent is invalid due to non-payment of fees |
Effective date: 20201112 |