TW201537375A - 運動指引系統、運動指引方法及無氧閾値的量測方法 - Google Patents
運動指引系統、運動指引方法及無氧閾値的量測方法 Download PDFInfo
- Publication number
- TW201537375A TW201537375A TW103136140A TW103136140A TW201537375A TW 201537375 A TW201537375 A TW 201537375A TW 103136140 A TW103136140 A TW 103136140A TW 103136140 A TW103136140 A TW 103136140A TW 201537375 A TW201537375 A TW 201537375A
- Authority
- TW
- Taiwan
- Prior art keywords
- heartbeat
- information
- module
- user
- value
- Prior art date
Links
Landscapes
- Measuring Pulse, Heart Rate, Blood Pressure Or Blood Flow (AREA)
Abstract
本揭露提出一種運動指引系統,包括感測模組、計算模組、轉換模組及輸出模組。感測模組持續記錄使用者從事運動時的心跳期間資訊。計算模組從感測模組接收對應使用者的心跳期間資訊並對心跳期間資訊進行心率變異分析以得到第一輸出值。轉換模組從計算模組接收第一輸出值,根據門檻值識別第一輸出值之中的臨界輸出值,並且依據臨界輸出值獲取對應使用者的無氧閾值,其中對應使用者的無氧閾值為心跳期間資訊之中對應臨界輸出值的第一心率值。輸出模組從轉換模組接收無氧閾值,並且根據無氧閾值輸出使用者的運動指引。
Description
本揭露是有關於一種運動指引系統、運動指引方法及無氧閾值的量測方法,且特別是有關於利用使用者心跳期間資訊換算無氧閾值的運動指引系統、運動指引方法及無氧閾值的量測方法。
綜觀各種健身方法及項目,根據其能量代謝及供能方式,可以歸結於三種基本運動形式,有氧運動、無氧運動及包含有氧運動及無氧運動的混合運動。一般來說,有氧運動為長時間、中低運動強度的鍛鍊形式,其透過脂肪代謝產生二氧化碳及水,可在運動過程中消耗體內脂肪故能減肥瘦身。無氧運動為短時間、高強度的鍛鍊形式,其主要通過ATP、磷酸肌酸代謝及醣代謝,在運動過程中消耗大量肌醣原及肝醣原,因此在減肥瘦身的效果較低。此外,無氧運動的代謝產物為乳酸或乳酸酯,若人體一直楚於無氧運動的狀態下,乳酸或乳酸酯將會迅速累積,造成
肌肉疲勞使人停止運動。
一般常見的無氧運動判別指標包含最大攝氧量(Maximal Oxygen Uptake,VO2 max)及無氧閾值(Anaerobic Threshold,AT)。
最大攝氧量為一個人在海平面上從事最激烈的運動時,組織細胞所能消耗或利用的氧氣量的最大值。最大攝氧量可用來評估個人有氧作業能量及心肺耐力,並可藉以設定運動員的耐力運動訓練強度。一般來說,最大攝氧量的單位可用絕對的氧氣攝入量以L/min表示,或是用相對的單位體重攝入量以ml/kg/min表示。一般成年男性的最大攝氧量約在30-40ml/kg/min,而職業運動員如自行車選手或慢跑選手的最大攝氧量則可達80ml/kg/min。由於最大攝氧量的估測方法需要使用者配合從事激烈運動,因此對於年幼者或年長者並不適合。此外,最大攝氧量的檢測儀器價格高昂,不利於推廣到大眾市場。
無氧閾值為人體的能量系統從有氧運動到無氧運動的轉折點,亦即,人體開始累積乳酸時,代謝的轉折點。無氧閾值隨著每個人體適能狀況不同而有所差異。無氧閾值的判定包含直接測量血液的乳酸值、換氣率及心跳頻率等。在實際測量時,前兩者的測定較為不便(必須抽血或需要昂貴儀器),而以量測心跳頻率最為簡便。
相關技術揭露一種以心跳特定資料測定無氧閾值的方法,然而該方法是以系統預設的個人資料,包含年齡、體重、性別等資料來求得最高心率值作為無氧閾值的判斷基礎。然而,進
入無氧呼吸的心跳頻率並不一定是最高心率值。換言之,當兩位年齡相同,但體適能狀況不同的使用者採用該方法推算無氧閾值時,可能會產生與實際無氧閾值誤差的情況。
因此,要如何改善無氧閾值的判定方法,並提供一個有效便利可依據個人體適能狀態分析無氧閾值,提供運動指引的運動指引系統,為業界待解決的問題。
本揭露提供一種運動指引系統、運動指引方法及無氧閾值的量測方法,其在無需使用昂貴儀器的條件下,量測使用者的心跳期間資訊以產生對應使用者的無氧閾值,從而提供使用者適當的運動指引。
本揭露的範例實施例提出一種運動指引系統,其包括感測模組、計算模組、轉換模組及輸出模組。感測模組持續記錄使用者從事運動時的心跳期間資訊。計算模組耦接至感測模組,其中計算模組從感測模組接收對應使用者的心跳期間資訊並對心跳期間資訊進行心率變異分析以得到第一輸出值。轉換模組耦接至計算模組,其中轉換模組從計算模組接收第一輸出值,根據門檻值識別第一輸出值之中的臨界輸出值,並且依據臨界輸出值獲取對應使用者的無氧閾值,其中對應使用者的無氧閾值為心跳期間資訊之中對應臨界輸出值的第一心率值。輸出模組耦接至轉換模組,其中輸出模組從轉換模組接收無氧閾值,並且根據無氧閾值
輸出使用者的運動指引。
本揭露的範例實施例提出一種運動指引方法,包括持續記錄使用者從事運動時的心跳期間資訊。本運動指引方法也包括對心跳期間資訊進行心率變異分析以得到第一輸出值。本運動指引方法也包括根據門檻值識別第一輸出值之中的臨界輸出值,並且依據臨界輸出值獲取對應使用者的無氧閾值,其中對應使用者的無氧閾值為心跳期間資訊之中對應臨界輸出值的第一心率值。本運動指引方法更包括根據無氧閾值輸出使用者的運動指引。
本揭露的範例實施例提出一種無氧閾值的量測方法,其包括計算對應使用者的心跳期間資訊的時間序列。本無氧閾值的量測方法也包括對時間序列作運算以產生心跳期間自我相似性參數。本無氧閾值的量測方法更包括根據門檻值識別心跳期間自我相似性參數之中的臨界參數,並且依據臨界參數獲取對應使用者的無氧閾值,其中對應使用者的無氧閾值為心跳期間資訊之中對應臨界參數的第一心率值。
基於上述,本揭露範例實施例的運動指引系統、運動指引方法及無氧閾值的量測方法能夠量測使用者運動時的心跳期間資訊,根據心跳期間資訊計算心跳期間自我相似性參數並取得對應使用者的無氧閾值,從而提供使用者適當的運動指引。
為讓本揭露的上述特徵和優點能更明顯易懂,下文特舉實施例,並配合所附圖式作詳細說明如下。
1、6‧‧‧運動指引系統
11、61‧‧‧感測模組
12、62‧‧‧計算模組
13、63‧‧‧轉換模組
14、64‧‧‧輸出模組
65‧‧‧資料庫模組
66‧‧‧校正模組
S21、S23、S25、S27‧‧‧計算第一輸出值的步驟
S41、S43、S45、S47‧‧‧運動指引方法的步驟
S51、S53‧‧‧計算第一輸出值的步驟
S1001、S1003、S1005、S1007‧‧‧運動指引方法的步驟
圖1為根據本揭露第一範例實施例所繪示的運動指引系統的方塊圖。
圖2為根據本揭露第一範例實施例所繪示的計算第一輸出值的流程圖。
圖3為依據本揭露的運動指引系統計算出的第一輸出值及對應的心率值的表格。
圖4為根據本揭露第一範例實施例所繪示的運動指引方法的流程圖。
圖5為根據本揭露第二範例實施例所繪示的計算第一輸出值的流程圖。
圖6為根據本揭露第三範例實施例所繪示的運動指引系統的方塊圖。
圖7為利用氣體分析儀進行最大攝氧量測驗以及依據本揭露的運動指引系統計算出的無氧閾值比較表。
圖8為利用一般年齡公式、本揭露的運動指引系統與氣體分析儀進行最大攝氧量測試檢測出的無氧閾值比較表。
圖9為藉由一般年齡公式、本揭露的運動指引系統與利用氣體分析儀進行最大攝氧量測試檢測出的無氧閾值反推進入無氧運動時點的心率值占最大心跳頻率的百分比的比較表。
圖10為根據本揭露第三範例實施例所繪示的運動指引方法
的流程圖。
圖11為本揭露的運動指引系統與利用氣體分析儀進行最大攝氧量測試的供能模式分析的比較表。
以下揭露所使用的名詞解釋將定義如下。
無氧閾值(Anaerobic Threshold):指運動中,人體從有氧到無氧能量系統轉變的代謝轉折點,可根據血液乳酸值、換氣率及心率值將無氧閾值具體數字化。本揭露以使用者從事運動進入無氧呼吸時點的心率值代表無氧閾值。
最大心跳頻率(Maximal Heart Rate):指一個人運動時因運動強度增加,達到的心跳頻率的最大值,為用來衡量運動強度是否恰當的指標。一般計算公式以(220-年齡)表示最大心跳頻率。而普遍認為,當運動強度使運動者的心率值達到其最大心率值的80%時,運動者開始進入無氧運動,亦即,一般無氧閾值的計算公式為(220-年齡)*80%。
心跳期間(R-R Interval):心跳與心跳的間隔,通常以連續心率的RR間隔(R-R Interval)代表。在心電圖上,R波是較為顯著的波形而容易被偵測,R間距代表心臟的跳動速率,故常以RR間距來代表心跳間期。也就是說,心跳期間為心電圖上相鄰的R波間隔時間。
心率變異分析(Heart Rate Variability,HRV):心率變異分
析又稱心率變異度分析,為一種量測連續心跳速率變化程度的方法,其為一種評估自主神經系統功能的重要方法。計算方式主要是分析藉由心電圖或脈搏量測所得到的心跳與心跳間隔的時間序列。心臟除了本身的節律性放電引發的跳動以外,也受到自律神經系統(Autonomic Nervous System,ANS)所調控。過去研究已有不少文獻顯示自律神經系統的調控與心血管疾病相關的死亡率有顯著的關係,例如心因性猝死、高血壓、出血性休克、敗血性休克等。臨床上,心率變異分析亦被發現可作為預測發生心肌梗塞後的死亡率的指標及預測末期肝癌病患的預後,或應用於多種兒科疾病包括先天性心臟病、心肌炎、糖尿病、新生兒呼吸窘迫症、嬰兒猝死症等。其中分析模式可分為時域(Time Domain)分析或頻域(Frequency Domain)分析。本揭露採用心率變異分析的時域及頻域分析。
最大攝氧量(Maximal Oxygen Uptake,VO2 max):一個人在從事最激烈的運動時,組織細胞所能消耗或利用的氧氣量的最大值。最大攝氧量可用來評估個人有氧作業能量及心肺耐力,並可藉以設定運動員的運動訓練強度。
最大攝氧量測驗:使用固定式健身車,以逐漸增加負荷的方法進行運動,運動過程中以氣體分析儀蒐集分析攝氧量,並以心率值作為進入無氧閾的運動強度。其判定原則為,當呼吸交換率(Respiratory Exchange Ratio,RER)大於1時,代表使用者進入無氧閾。
[第一範例實施例]
圖1為根據本揭露第一範例實施例所繪示的運動指引系統的方塊圖。
請參照圖1,本揭露的運動指引系統1可針對使用者從事運動的運動狀況計算使用者從事運動進入無氧呼吸時點的無氧閾值,並根據無氧閾值提供運動指引。值得注意的是,本揭露的運動指引系統1可安裝在電子產品、攜帶式電子產品、手錶、穿戴式裝置、運動器材、自行車、跑步機、眼鏡及生物感測器等產品上,而本揭露的運動指引系統1可針對的運動至少可為腳踏車、有氧運動及跑步其中之一。
運動指引系統1包括感測模組11、計算模組12、轉換模組13及輸出模組14。
感測模組11可持續地記錄使用者從事運動時的複數組心跳期間資訊。心跳期間資訊的蒐集可透過任何可偵測人體心跳之體外感測器,體外感測器可耦接至感測模組11,使得感測模組可記錄使用者的心跳期間資訊。例如,本揭露的心跳期間資訊為RR間隔(R-R Interval)。值得一提的是,儘管本揭露的感測模組11會直接從體外感測器取得所感測之使用者心跳的RR間隔,但本揭露不限於此。例如,在另一範例實施例中,感測模組11亦可以根據體外感測器所偵測之使用者的心跳數來計算出使用者之心跳的RR間隔。
計算模組12是耦接至感測模組11。計算模組12從該感
測模組11接收對應使用者的心跳期間資訊並對心跳期間資訊進行心率變異分析以得到第一輸出值α1。
圖2為根據本揭露第一範例實施例所繪示的計算第一輸出值的流程圖。
請參照圖2,在步驟S21中,計算模組12會計算使用者的心跳期間資訊的時間序列。例如,在步驟S21中,計算模組12會計算使用者的心跳期間資訊S中每一心跳S( i )與平均心跳的累計離差,以產生時間序列。
接著,在步驟S23中,計算模組12會對時間序列作運算以產生心跳期間趨勢值。例如,在步驟S23中,計算模組12會將時間序列C(k)切割成具預定長度n的區段,且利用最小平方法計算每一個區段的局部趨勢值C n (k),以產生心跳期間趨勢值。
然後,在步驟S25中,計算模組12會對心跳期間趨勢值作運算以產生心跳期間波動函數。例如,計算模組12會將時間序列C(k)減去每一個區段的局部趨勢值C n (k)並計算每一個區段的均方根值以產生心跳期間波動函數F(n):
其中N表示時間序列的總長度。
最後,在步驟S27中,計算模組12會根據心跳期間波動函數匯出平面圖並利用平面圖上的點得出心跳期間自我相似性參數,其中心跳期間自我相似性參數為上述第一輸出值α1。例如,計算模組12會繪出log10 F(n)相對於log10(n)的平面圖,並且利用
最小平方法計算平面圖中的點的線性方程式,並計算線性方程式的斜率以得到心跳期間自我相似性參數(即,第一輸出值α1)。
請再參照圖1,轉換模組13是耦接至計算模組12。轉換
模組13從計算模組12接收第一輸出值α1,根據門檻值識別第一輸出值α1之中的臨界輸出值,並且依據臨界輸出值獲取對應使用者的無氧閾值。在本範例實施例中,轉換模組13會將心跳期間資訊之中對應臨界輸出值的第一心率值作為對應使用者的無氧閾值。值得注意的是,無氧閾值可根據使用者體適能狀況不同而有所變化。以下將參考圖3詳細說明。
圖3為依據本揭露的運動指引系統計算出的第一輸出值
及對應的心率值的表格。在圖3中,運動指引系統1是採取漸增負荷方法,讓使用者踩固定式健身車運動,負荷瓦特數每3分鐘增加20至30,由此根據計算模組12所計算出的第一輸出值α1,來判斷使用者進入無氧呼吸時點的心率值作為無氧閾值。在此,本揭露的門檻值可設定為1,當第一輸出值α1從大於1轉變為小於1則可判斷使用者從有氧運動進入無氧運動,並可定義第一次小於1的第一輸出值α1,即0.933,為臨界輸出值,因此對應使用者的無氧閾值為第一心率值136。然而,本揭露並不以此為限。為了確認使用者進入無氧閾,本揭露還可定義小於1且持續一分鐘以上的第一輸出值α1,即0.856,為臨界輸出值,此時對應使用者的無氧閾值為第一心率值145。取小於1且持續一分鐘以上的第一輸出值α1為為臨界輸出值可避免僅有單次第一輸出值α1小於1,
而其後的第一輸出值α1皆大於1的情況,進而增加本揭露的準確性。然而,本揭露更可定義第一次進入1±δ的範圍的第一輸出值α1為臨界輸出值,其中δ可視情況調整,例如δ=0.1。
請再參照圖1,輸出模組14是耦接至轉換模組13。輸出模組14會從轉換模組13接收無氧閾值,並且根據所接收的無氧閾值輸出使用者的運動指引。運動指引可提供運動的相關建議,包括運動時間、運動里程數、使用者最佳運動心跳頻率、使用者的主要供能系統(包含脂肪、碳水化合物)等。
值得注意的是,本範例實施例中感測模組11可為感測器或感測電路,記錄使用者的心跳期間資訊並將其儲存於本運動指引系統1的記憶體中,而計算模組12及轉換模組13可為軟體或韌體形式實作的程式碼,藉由本運動指引系統1的處理器執行,從記憶體擷取心跳期間資訊並對其作運算而產生無氧閾值。然而,本揭露並不以此為限。計算模組12及轉換模組13也可實作為計算電路及轉換電路,由計算電路接收輸入的心跳期間資訊並由轉換電路輸出無氧閾值。在計算出無氧閾值以後,處理器可根據無氧閾值從記憶體中擷取使用者的運動指引並由輸出模組14輸出。輸出模組14可為顯示器、喇叭等能藉由視覺或聽覺讓使用者了解運動指引的輸出裝置。
圖4為根據本揭露第一範例實施例所繪示的運動指引方法的流程圖。
請參照圖4,在步驟S41中,感測模組11會持續記錄使
用者從事運動時的心跳期間資訊。
在步驟S43中,計算模組12會對心跳期間資訊進行心率變異分析以得到第一輸出值。
在步驟S45中,轉換模組13會根據門檻值識別第一輸出值之中的臨界輸出值,並且依據臨界輸出值獲取對應使用者的無氧閾值。
在步驟S47中,輸出模組14會根據無氧閾值輸出使用者的運動指引。
[第二範例實施例]
本揭露第二範例實施例的運動指引系統本質上是相同於第一範例實施例的運動指引系統,其中差異在於在第二範例實施例中,計算模組對心跳期間資訊依時間序列進行心率變異分析,接著以時間序列進行排序,再將排序過的時間序列進行心率變異分析的頻域參數計算,並且利用頻域參數計算出第一輸出值。
本揭露第二範例實施例的運動指引系統的結構是相同於第一範例實施例的運動指引系統的結構,因此以下參照圖1來說明第二範例實施例與第一範例實施例之差異處。
請參照圖1,本揭露第二範例實施例的運動指引系統1包括感測模組11、計算模組12、轉換模組13及輸出模組14。
感測模組11可持續地記錄使用者從事運動時的複數組心跳期間資訊。心跳期間資訊的蒐集可透過任何可偵測人體心跳之體外感測器,體外感測器可耦接至感測模組11,使得感測模組可
記錄使用者的心跳期間資訊。例如,本揭露的心跳期間資訊為RR間隔(R-R Interval)。值得一提的是,儘管本揭露的感測模組11會直接從體外感測器取得所感測之使用者心跳的RR間隔,但本揭露不限於此。例如,在另一範例實施例中,感測模組11亦可以根據體外感測器所偵測之使用者的心跳數來計算出使用者之心跳的RR間隔。
計算模組12是耦接至感測模組11,計算模組12會從該感測模組11接收對應使用者的心跳期間資訊並對心跳期間資訊進行心率變異分析以得到第一輸出值α1。
圖5為根據本揭露第二範例實施例所繪示的計算第一輸出值的流程圖。
請參照圖5,在步驟S51中,計算模組12會對於每一組心跳期間資訊依時間序列,進行心率變異分析。例如,在步驟S51中,計算模組12會計算該使用者的心跳期間資訊以時間序列進行排序。
接著,在步驟S53中,計算模組12會將排序過的時間序列進行心率變異分析的頻域參數計算,並且利用頻域參數計算出第一輸出值α1。例如,在步驟S53中,計算模組12會將時間序列轉換為高頻參數HF及低頻參數LF,透過公式(1)得到第一輸出值α1。
α1~2/(1+ HF / LF ).................................................(1)
值得注意的是,高頻參數從0.15到0.40赫茲的頻帶範圍
擷取,高頻參數為0.15到0.40赫茲的頻帶範圍的心跳期間資訊的變異數,主要受到呼吸影響,代表副交感神經的活性指標。低頻參數從0.04到0.15赫茲的頻帶範圍擷取,低頻參數為0.04到0.15的頻帶範圍的心跳期間資訊的變異數,代表交感神經的活性指標或是交感神經與副交感神經同時調控的指標。
請再參照圖1,轉換模組13是耦接至計算模組12,轉換
模組13會從計算模組12接收第一輸出值α1,根據門檻值識別第一輸出值α1之中的臨界輸出值,並且依據臨界輸出值獲取對應使用者的無氧閾值。在本範例實施例中,轉換模組13會將心跳期間資訊之中對應臨界輸出值的第一心率值作為對應使用者的無氧閾值。輸出模組14是耦接至轉換模組13,輸出模組14會從轉換模組13接收無氧閾值,並且根據所接收的無氧閾值輸出使用者的運動指引。
值得注意的是,感測模組11可為感測器或感測電路,計
算模組12及轉換模組13可為軟體或韌體形式實作的程式碼,或可實作為計算電路及轉換電路,輸出模組14可為顯示器、喇叭等能藉由視覺或聽覺讓使用者了解運動指引的輸出裝置。
[第三範例實施例]
本揭露第三範例實施例的運動指引系統本質上是相同於
第二範例實施例的運動指引系統,其中差異在於第三範例實施例的運動指引系統更包括資料庫模組,儲存使用者的狀態資訊,並包括校正模組,根據狀態資訊提供符合使用者身體狀態的校正資
訊,計算出更準確的第一輸出值。
圖6為根據本揭露第三範例實施例所繪示的運動指引系
統的方塊圖。
請參照圖6,本揭露的運動指引系統6可針對使用者從事
運動的運動狀況計算使用者從事運動進入無氧呼吸時點的無氧閾值,並根據無氧閾值提供運動指引。運動指引系統6包括感測模組61、計算模組62、轉換模組63、輸出模組64、資料庫模組65及校正模組66。值得注意的是,本揭露的運動指引系統6可安裝在電子產品、攜帶式電子產品、手錶、穿戴式裝置、運動器材、自行車、跑步機、眼鏡及生物感測器等產品上,而本揭露的運動指引系統6可針對的運動至少可為腳踏車、有氧運動及跑步其中之一。
感測模組61可持續地記錄使用者從事運動時的複數組心
跳期間資訊,心跳期間資訊的蒐集可透過任何可偵測人體心跳之體外感測器,體外感測器可耦接至感測模組61,使得感測模組可記錄使用者的心跳期間資訊。例如,本揭露的心跳期間資訊為RR間隔(R-R Interval)。值得一提的是,儘管本揭露的感測模組61會直接從體外感測器取得所感測之使用者心跳的RR間隔,但本揭露不限於此。例如,在另一範例實施例中,感測模組61亦可以根據體外感測器所偵測之使用者的心跳數來計算出使用者之心跳的RR間隔。
計算模組62是耦接至感測模組61。計算模組62從該感
測模組61接收對應使用者的心跳期間資訊並對心跳期間資訊進行心率變異分析以得到第一輸出值α1。
轉換模組63是耦接至計算模組62。轉換模組63從計算模組62接收第一輸出值α1,根據門檻值識別第一輸出值α1之中的臨界輸出值,並且依據臨界輸出值獲取對應使用者的無氧閾值,其中對應使用者的無氧閾值為心跳期間資訊之中對應臨界輸出值的第一心率值。
校正模組66是耦接至該轉換模組63。校正模組接收狀態資訊並依據狀態資訊提供校正資訊到轉換模組63。轉換模組63依據該臨界輸出值和該校正資訊來獲取對應使用者的該無氧閾值。狀態資訊可為運動模式與健康資訊的至少其中之一,而校正資訊可包括使用者的各種心率值、運動強度、運動時間、心率變異參數值、心率變異參數變動的速率及心率變異的時域資訊,用以設定使用者進入無氧呼吸時點。
資料庫模組65是耦接至校正模組66並儲存狀態資訊。
輸出模組64是耦接至轉換模組63。輸出模組64從轉換模組63接收無氧閾值,並且根據所接收的無氧閾值執行供能模式分析以輸出使用者的運動指引。運動指引可提供運動的相關建議,包括運動時間、運動里程數、使用者最佳運動心跳頻率、使用者的主要供能系統(包含脂肪、碳水化合物)等。
值得注意的是,相同於第一範例實施例,本範例實施例中的感測模組61、計算模組62、轉換模組63及輸出模組64可利
用相同於第一範例實施例中的感測模組11、計算模組12、轉換模組13及輸出模組14的方式實作。也就是說,感測模組61可為感測器或感測電路,計算模組62及轉換模組63可為軟體或韌體形式實作的程式碼,或可實作為計算電路及轉換電路,輸出模組64可為顯示器、喇叭等能藉由視覺或聽覺讓使用者了解運動指引的輸出裝置。此外,在本範例實施例中,資料庫模組65可包含於本運動指引系統6的記憶體中並儲存狀態資訊,而校正模組66可為軟體或韌體形式實作的程式碼,經由本運動指引系統6的處理器執行而從記憶體擷取狀態資訊並將其轉換為校正資訊而傳送給轉換模組63以校正第一輸出值α1。然而,本揭露並不以此為限。校正模組66也可為實作為校正電路,接收輸入的狀態資訊並輸出校正資訊至轉換模組63。
圖7為利用氣體分析儀進行最大攝氧量測驗以及依據本
揭露的運動指引系統計算出的無氧閾值比較表。在最大攝氧量測驗中,採取漸增負荷方法,讓三位27歲的使用者採固定式健身車運動,負荷瓦特數每3分鐘增加20~30瓦特,同時利用氣體分析儀及本揭露的運動指引系統進行分析。氣體分析儀進行呼吸交換率(RER,Respiratory Exchange Rate)分析,當呼吸交換率RER的值等於1時判斷使用者進入無氧呼吸狀態。而在本揭露的運動指引系統中,當第一輸出值α1小於1且持續一分鐘以上,則判斷使用者進入無氧呼吸狀態,且依據進入無氧呼吸時點的心率值(HR,Heart rate)作為無氧閾值。
在圖7中,一共對三個樣本做以上測試。樣本1在本揭露的運動指引系統進入無氧閾的時點為17分鐘,對應的心率值為145bpm(每分鐘跳動次數),而利用呼吸交換率分析進入無氧閾的時點為19分鐘,對應的心率值為153bpm。樣本2在本揭露的運動指引系統進入無氧閾的時點為23分鐘,對應的心率值為167bpm,而利用呼吸交換率分析進入無氧閾的時點為21分鐘,對應的心率值為163bpm。樣本3在本揭露的運動指引系統進入無氧閾的時點為23分鐘,對應的心率值為122bpm(每分鐘跳動次數),而利用呼吸交換率分析進入無氧閾的時點為21分鐘,對應的心率值為119bpm。
圖8為利用一般年齡公式、本揭露的運動指引系統與氣體分析儀進行最大攝氧量測試檢測出的無氧閾值比較表。在圖8中,由於樣本1至樣本3的年齡均為27歲,因此由一般公式推算的無氧閾值皆相同為154bpm,在樣本2及樣本3都與依據最大攝氧量測驗得出的無氧閾值有顯著差異,這是因為相同年齡的使用者依據體適能狀況不同,具有不同的無氧閾值。
圖9為藉由一般年齡公式、本揭露的運動指引系統與利用氣體分析儀進行最大攝氧量測試檢測出的無氧閾值反推進入無氧運動時點的心率值占最大心跳頻率的百分比的比較表。在圖9中,由樣本1至樣本3的結果顯示,本揭露的運動指引系統與最大攝氧量測驗,在心率值占最大心跳頻率的百分比,僅分別具有4%、1%、1%的誤差。
綜合圖7、圖8及圖9,本揭露的運動指引系統與一般公式相比,得出的無氧閾值相對準確。而相較於最大攝氧量測驗,本揭露的運動指引系統不需使用價格昂貴的設備或是運動時佩戴呼吸分析儀的器材,即可達成準確檢測無氧閾值的功效。
圖10為根據本揭露第三範例實施例所繪示的運動指引方法的流程圖。
請參照圖10,在步驟S1001中,感測模組61會持續記錄使用者從事運動時的心跳期間資訊。
在步驟S1003中,計算模組62會對心跳期間資訊進行心率變異分析以得到第一輸出值。
在步驟S1005中,轉換模組63根據校正模組66的運動模式或健康資訊校正門檻值,並根據校正後的門檻值取得臨界輸出值,依據該臨界輸出值獲取對應的無氧閾值。
在步驟S1007中,輸出模組64根據無氧閾值執行供能模式分析以輸出使用者的運動指引。
圖11為本揭露的運動指引系統與利用氣體分析儀進行最大攝氧量測試的供能模式分析的比較表。在圖11中,當氣體分析儀的呼吸交換率RER小於0.85代表正在從事低強度運動並消耗脂肪,呼吸交換率RER介於0.85至1代表處於休息狀態並消耗蛋白質,呼吸交換率RER大於1代表正在從事高強度運動並消耗葡萄糖。當本揭露的第一輸出值α1小於臨界輸出值且在運動狀態代表正在從事低強度運動並消耗脂肪,第一輸出值α1小於臨界輸出值
且在非運動狀態代表正處於非運動狀態並消耗蛋白質,第一輸出值α1大於臨界輸出值代表正在從事高強度運動並消耗葡萄糖。利用圖11,可以正確的執行供能模式分析,進而輸出使用者的運動指引。
綜上所述,本揭露的運動指引系統利用心率變異分析結
合運動模式及健康資訊等校正資料,推導使用者在運動時的無氧閾值,即為使用者從有氧運動進入無氧運動時點的心率值。經由本揭露的運動指引系統計算出的無氧閾值,與利用氣體分析儀進行最大攝氧量測試檢測出的無氧閾值比較,在反推進入無氧運動時點的心率值占最大心跳頻率的百分比僅有10%以下的差距,而本揭露的運動指引系統並不需要價格昂貴的氣體分析儀。總結來說,本揭露的運動指引系統可在沒有使用者年齡限制之下提供無氧閾值的個人化計算,並且利用心率變異分析推導無氧閾值,以相對低的成本即可計算出高準確度的無氧閾值。
雖然本揭露已以實施例揭露如上,然其並非用以限定本揭露,任何所屬技術領域中具有通常知識者,在不脫離本揭露的精神和範圍內,當可作些許的更動與潤飾,故本揭露的保護範圍當視後附的申請專利範圍所界定者為準。
S1001、S1003、S1005、S1007‧‧‧運動指引方法的步驟
Claims (26)
- 一種運動指引系統,包括:一感測模組,持續記錄一使用者從事一運動時的複數組心跳期間資訊;一計算模組,耦接至該感測模組,其中該計算模組從該感測模組接收對應該使用者的該複數組心跳期間資訊並對該複數組心跳期間資訊進行一心率變異分析以得到多個第一輸出值;一轉換模組,耦接至該計算模組,其中該轉換模組從該計算模組接收該些第一輸出值,根據一門檻值識別該些第一輸出值之中的一臨界輸出值,並且依據該臨界輸出值獲取對應該使用者的一無氧閾值,其中對應該使用者的該無氧閾值為該複數組心跳期間資訊之中對應該臨界輸出值的一第一心率值;以及一輸出模組,耦接至該轉換模組,其中該輸出模組從該轉換模組接收該無氧閾值,並且根據該無氧閾值輸出該使用者的一運動指引。
- 如申請專利範圍第1項所述的運動指引系統,其中對於每一該複數組心跳期間資訊,該計算模組計算該使用者的每一心跳與一平均心跳的一累計離差,以產生一時間序列,其中該計算模組更將該時間序列切割成具一預定長度的多個區段,且利用一最小平方法計算該些區段的每一個區段的一局部趨勢值,其中該計算模組更將該時間序列減去該些區段的每一個區段 的該局部趨勢值並計算該些區段的每一個區段的均方根值以產生一波動函數,其中該計算模組更繪出該波動函數的一對數相對於該預定長度的一對數的一平面圖,其中該計算模組更利用該最小平方法計算該平面圖中的點的一線性方程式,並計算該線性方程式的一斜率以得到每一該些第一輸出值。
- 如申請專利範圍第1項所述的運動指引系統,更包括:一校正模組,耦接至該轉換模組,該校正模組接收一狀態資訊並依據該狀態資訊提供一校正資訊到該轉換模組,其中該轉換模組依據該臨界輸出值和該校正資訊來獲取對應該使用者的該無氧閾值。
- 如申請專利範圍第3項所述的運動指引系統,更包括:一資料庫模組,耦接至該校正模組,其中該資料庫模組儲存該狀態資訊,且該狀態資訊為一運動模式與一健康資訊的至少其中之一。
- 如申請專利範圍第1項所述的運動指引系統,其中對於每一該複數組心跳期間資訊,該計算模組依一時間序列進行該心率變異分析,並將該時間序列轉換為一頻域參數,並且利用該頻域參數計算出每一該些第一輸出值。
- 如申請專利範圍第5項所述的運動指引系統,其中該頻域參數包括至少一高頻參數及一低頻參數。
- 如申請專利範圍第6項所述的運動指引系統,其中該高頻參數從0.15到0.40赫茲的一頻帶範圍擷取,且該高頻參數為該頻帶範圍的該複數組心跳期間資訊的變異數。
- 如申請專利範圍第6項所述的運動指引系統,其中該低頻參數從0.04到0.15赫茲的一頻帶範圍擷取,且該低頻參數為該頻帶範圍的該複數組心跳期間資訊的變異數。
- 一種運動指引方法,包括:持續記錄一使用者從事一運動時的複數組心跳期間資訊;對該複數組心跳期間資訊進行一心率變異分析以得到多個第一輸出值;根據一門檻值識別該些第一輸出值之中的一臨界輸出值,並且依據該臨界輸出值獲取對應該使用者的一無氧閾值,其中對應該使用者的該無氧閾值為該複數組心跳期間資訊之中對應該臨界輸出值的一第一心率值;以及根據該無氧閾值輸出該使用者的一運動指引。
- 如申請專利範圍第9項所述的運動指引方法,其中對該複數組心跳期間資訊進行一心率變異分析以得到該些第一輸出值的步驟包括:對於每一該複數組心跳期間資訊,計算該使用者的每一心跳與一平均心跳的一累計離差,以產生對應每一該複數組心跳期間資訊的一時間序列;將該時間序列切割成具一預定長度的多個區段,且利用一最 小平方法計算該些區段的每一個區段的一局部趨勢值;將該時間序列減去該些區段的每一個區段的該局部趨勢值並計算該些區段的每一個區段的均方根值以產生一波動函數;繪出該波動函數的一對數相對於該預定長度的一對數的一平面圖;以及利用該最小平方法計算該平面圖中的點的一線性方程式,並計算該線性方程式的一斜率以得到每一該些第一輸出值。
- 如申請專利範圍第9項所述的運動指引方法,更包括:接收一狀態資訊並依據該狀態資訊提供一校正資訊;以及依據該臨界輸出值和該校正資訊來獲取對應該使用者的該無氧閾值。
- 如申請專利範圍第11項所述的運動指引方法,更包括:儲存該狀態資訊,其中該狀態資訊為一運動模式與一健康資訊的至少其中之一。
- 如申請專利範圍第9項所述的運動指引方法,其中對該複數組心跳期間資訊進行一心率變異分析以得到該些第一輸出值的步驟包括:對於每一該複數組心跳期間資訊,依一時間序列進行該心率變異分析,並將該時間序列轉換為一頻域參數,並且利用該頻域參數計算出每一該些第一輸出值。
- 如申請專利範圍第13項所述的運動指引方法,其中該頻域參數包括至少一高頻參數及一低頻參數。
- 如申請專利範圍第14項所述的運動指引方法,其中該高頻參數從0.15到0.40赫茲的一頻帶範圍擷取,且該高頻參數為該頻帶範圍的該複數組心跳期間資訊的變異數。
- 如申請專利範圍第14項所述的運動指引方法,其中該低頻參數從0.04到0.15赫茲的一頻帶範圍擷取,且該低頻參數為該頻帶範圍的該複數組心跳期間資訊的變異數。
- 一種無氧閾值的量測方法,包括:計算對應一使用者的複數組心跳期間資訊的多個時間序列;對該些時間序列作運算以產生多個心跳期間自我相似性參數;以及根據一門檻值識別該些心跳期間自我相似性參數之中的一臨界參數,並且依據該臨界參數獲取對應該使用者的一無氧閾值,其中對應該使用者的該無氧閾值為該複數組心跳期間資訊之中對應該臨界參數的一第一心率值。
- 如申請專利範圍第17項所述的無氧閾值的量測方法,其中計算該使用者的該複數組心跳期間資訊的該些時間序列的步驟包括:計算該使用者的該複數組心跳期間資訊中每一心跳與一平均心跳的一累計離差,以產生該些時間序列。
- 如申請專利範圍第18項所述的無氧閾值的量測方法,其中對該些時間序列作運算以產生該些心跳期間自我相似性參數的步驟包括: 對該些時間序列作運算以產生多個心跳期間趨勢值;對該些心跳期間趨勢值作運算以產生多個心跳期間波動函數;以及根據該些心跳期間波動函數匯出多個平面圖,並利用該些平面圖上的點得出該些心跳期間自我相似性參數。
- 如申請專利範圍第19項所述的無氧閾值的量測方法,其中對該些時間序列作運算以產生該些心跳期間趨勢值的步驟包括:將該些時間序列切割成具一預定長度的多個區段,且利用一最小平方法計算該些區段的每一個區段的一局部趨勢值,以產生該些心跳期間趨勢值。
- 如申請專利範圍第20項所述的無氧閾值的量測方法,其中對該些心跳期間趨勢值作運算以產生該些心跳期間波動函數的步驟包括:將該些時間序列減去該些區段的每一個區段的該局部趨勢值並計算該些區段的每一個區段的一均方根值以產生該些心跳期間波動函數。
- 如申請專利範圍第21項所述的無氧閾值的量測方法,其中根據該些心跳期間波動函數匯出該些平面圖,並利用該些平面圖上的點得出該些心跳期間自我相似性參數的步驟包括:繪出該些心跳期間波動函數的對數相對於該預定長度的對數的該些平面圖;以及 利用該最小平方法計算該些平面圖中的點的一線性方程式,並計算該線性方程式的斜率以得到該些心跳期間自我相似性參數。
- 如申請專利範圍第17項所述的無氧閾值的量測方法,其中對該些時間序列作運算以產生該些心跳期間自我相似性參數的步驟包括:將該些時間序列轉換為一頻域參數,並利用該頻域參數計算出該些心跳期間自我相似性參數。
- 如申請專利範圍第23項所述的無氧閾值的量測方法,其中該頻域參數包括至少一高頻參數及一低頻參數。
- 如申請專利範圍第24項所述的無氧閾值的量測方法,其中該高頻參數從0.15到0.40赫茲的一頻帶範圍擷取,且該高頻參數為該頻帶範圍的該複數組心跳期間資訊的變異數。
- 如申請專利範圍第24項所述的無氧閾值的量測方法,其中該低頻參數從0.04到0.15赫茲的一頻帶範圍擷取,且該低頻參數為該頻帶範圍的該複數組心跳期間資訊的變異數。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
US14/574,392 US9724000B2 (en) | 2014-03-27 | 2014-12-18 | Exercise guiding system, exercise guiding method and anaerobic threshold measuring method |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
US201461970907P | 2014-03-27 | 2014-03-27 |
Publications (2)
Publication Number | Publication Date |
---|---|
TW201537375A true TW201537375A (zh) | 2015-10-01 |
TWI597617B TWI597617B (zh) | 2017-09-01 |
Family
ID=54850897
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
TW103136140A TWI597617B (zh) | 2014-03-27 | 2014-10-20 | 運動指引系統、運動指引方法及無氧閾値的量測方法 |
Country Status (1)
Country | Link |
---|---|
TW (1) | TWI597617B (zh) |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
TWI555508B (zh) * | 2015-12-21 | 2016-11-01 | 財團法人工業技術研究院 | 無氧閾心率偵測方法及系統 |
TWI577333B (zh) * | 2016-03-28 | 2017-04-11 | An Operational System and Method with Immediate Heart Rate Prediction | |
US10159444B2 (en) | 2015-12-21 | 2018-12-25 | Industrial Technology Research Institute | Method and system for anaerobic threshold heart rate detection |
CN109509125A (zh) * | 2018-10-29 | 2019-03-22 | 广州精天信息科技有限公司 | 一种基于大数据云平台的智能体育教育管理方法及*** |
TWI728401B (zh) * | 2018-09-25 | 2021-05-21 | 高雄榮民總醫院 | 以運動測試評估自主神經功能障礙的電腦程式產品及電腦可讀取媒體 |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US11452913B2 (en) * | 2020-01-02 | 2022-09-27 | bOMDIC, Inc. | Exercise guiding method based on the different fitness performance levels |
-
2014
- 2014-10-20 TW TW103136140A patent/TWI597617B/zh active
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
TWI555508B (zh) * | 2015-12-21 | 2016-11-01 | 財團法人工業技術研究院 | 無氧閾心率偵測方法及系統 |
US10159444B2 (en) | 2015-12-21 | 2018-12-25 | Industrial Technology Research Institute | Method and system for anaerobic threshold heart rate detection |
TWI577333B (zh) * | 2016-03-28 | 2017-04-11 | An Operational System and Method with Immediate Heart Rate Prediction | |
TWI728401B (zh) * | 2018-09-25 | 2021-05-21 | 高雄榮民總醫院 | 以運動測試評估自主神經功能障礙的電腦程式產品及電腦可讀取媒體 |
CN109509125A (zh) * | 2018-10-29 | 2019-03-22 | 广州精天信息科技有限公司 | 一种基于大数据云平台的智能体育教育管理方法及*** |
CN109509125B (zh) * | 2018-10-29 | 2023-11-17 | 广东精天科技有限公司 | 一种基于大数据云平台的智能体育教育管理方法及*** |
Also Published As
Publication number | Publication date |
---|---|
TWI597617B (zh) | 2017-09-01 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
TWI597617B (zh) | 運動指引系統、運動指引方法及無氧閾値的量測方法 | |
US9788778B2 (en) | Measuring psychological stress from cardiovascular and activity signals | |
EP2925217B1 (en) | Method and system for determining a ventilatory threshold | |
US9980678B2 (en) | Psychological acute stress measurement using a wireless sensor | |
US8911329B2 (en) | Real-time exercise coaching system | |
US9265430B2 (en) | Method, system and software product for the measurement of heart rate variability | |
JP6502361B2 (ja) | 人の心血管フィットネスを推定するためのシステムと方法 | |
Berkoff et al. | Heart rate variability in elite American track-and-field athletes | |
US20210100500A1 (en) | Vital signs monitoring system | |
EP2489302B1 (en) | Method and device for estimating energy consumption | |
WO2009138923A1 (en) | A method and apparatus for measuring and reducing mental stress | |
TW201538127A (zh) | 睡眠檢測系統和方法 | |
US11291392B2 (en) | Real-time and continuous determination of excess post-exercise oxygen consumption and the estimation of blood lactate | |
AU2011274309B2 (en) | Methods, devices and a marker for physical condition testing | |
US10242591B2 (en) | System and method for assessment of cardiovascular fitness | |
US20120029318A1 (en) | Spontaneous exercise electrocardiogram system | |
US9724000B2 (en) | Exercise guiding system, exercise guiding method and anaerobic threshold measuring method | |
US11276488B2 (en) | System and method for functional state and / or performance assessment and training program adjustment | |
GB2469547A (en) | Measurement of heart rate variability | |
EP4142585A1 (en) | Method and system for predicting a vo2max measurement | |
Meina et al. | A combined heart rate and movement index sensor for estimating the energy expenditure | |
Alwardt | Accuracy of the Polar M52 heart rate monitor for estimating energy expenditure, substrate utilization, and maximal oxygen uptake | |
Braithwaite | The Braithwaite Blog |