dyi sundhedstracker 07 20

Et system lavet med to billige sensorer er mere nøjagtigt end smartwatches til sporing af forbrændte kalorier under aktivitet, rapporterer forskere

Og instruktionerne til selv at lave systemet er tilgængelige gratis online.

Mens smartwatches og smartphones har en tendens til at være slukket med omkring 40 til 80%, når det kommer til at tælle forbrændte kalorier under en aktivitet, er dette system i gennemsnit 13% fejl.

"Vi byggede et kompakt system, som vi vurderede med en forskellig gruppe af deltagere for at repræsentere den amerikanske befolkning og fandt ud af, at det klarer sig meget godt, med ca. en tredjedel fejlen i smartwatches," siger Patrick Slade, en kandidatstuderende i maskinteknik ved Stanford Universitet, der er hovedforfatter af et papir om arbejdet i Nature Communications.

Et afgørende stykke af denne forskning var at forstå en grundlæggende mangel på andre bærbare apparater, der tæller kalorier: de er afhængige af håndledets bevægelse eller puls, selvom ingen af ​​dem er særlig tegn på energiforbrug. (Overvej hvordan en kop kaffe kan øge hjerterytmen.) Forskerne antog, at benbevægelse ville være mere fortællende - og deres eksperimenter bekræftede den idé.


indre selv abonnere grafik


dyi sundhed tracker 2 07 20 Dette nye målesystem har to sensorer på låret og skaftet, der drives af et batteri og styres af en mikrocontroller, som kan erstattes af en smartphone. (Kredit: Andrew Brodhead)

Der er systemer i laboratoriekvalitet, der nøjagtigt kan estimere, hvor meget energi en person forbrændinger under fysisk aktivitet ved at måle udvekslingshastigheden for kuldioxid og ilt i ånde. Sådanne opsætninger bruges til at vurdere sundhed og atletisk ydeevne, men de involverer omfangsrige, ubehagelige udstyr og kan være dyre.

Det nye bærbare system kræver kun to små sensorer på benet, et batteri og en bærbar mikrocontroller (en lille computer) og koster omkring $ 100 at lave. Listen over komponenter , kode til fremstilling af systemet er begge tilgængelige.

”Dette er et stort fremskridt, fordi det indtil nu tager to til seks minutter og en gasmaske at nøjagtigt estimere, hvor meget energi en person brænder,” siger medforfatter Scott Delp, professor ved Ingeniørhøjskolen. ”Med Patricks nye værktøj kan vi estimere, hvor meget energi der forbrændes for hvert trin, når en olympisk atlet løber mod målstregen for at få et mål for, hvad der brænder deres højeste præstation. Vi kan også beregne den energi, som en patient bruger til at komme sig efter hjertekirurgi for bedre at styre deres træning. ”

Ben, ikke håndled

Hvordan folk forbrænder kalorier er kompliceret, men forskerne havde en fornemmelse af, at sensorer på benene ville være en enkel måde at få indsigt i denne proces.

”Et problem med traditionelle smartwatches er, at de kun får information fra bevægelsen af ​​dit håndled og din puls,” siger medforfatter Mykel Kochenderfer, lektor i luftfart og astronautik. "Det faktum, at Patricks enhed har en lavere fejlprocent, giver mening, fordi den registrerer bevægelse af dine ben, og det meste af din energi bliver brugt af dine ben."

Systemet er med vilje simpelt. Den består af to små sensorer - en på låret og en på skaftet på det ene ben - styret af en mikrocontroller på hoften, som let kunne erstattes af en smartphone. Disse sensorer kaldes "inertimåleenheder" og måler accelerationen og rotationen af ​​benet, når det bevæger sig. De er med vilje lette, bærbare og lave omkostninger, så de let kan integreres i forskellige former, herunder tøj, f.eks smarte bukser.

For at teste systemet mod lignende teknologier havde forskerne deltaget i undersøgelsen, mens de også havde to smartwatches og en pulsmåler. Med alle disse sensorer tilsluttet udførte deltagerne en række aktiviteter, herunder forskellige hastigheder til at gå, løbe, cykle, trappe klatre og skifte mellem gå og løbe.

Da alle wearables blev sammenlignet med kalorieforbrændingsmålingerne, der blev fanget af et laboratoriesystem, fandt forskerne, at deres benbaserede system var det mest nøjagtige.

Ved yderligere at teste systemet på over et dusin deltagere i en række aldre og vægte, samlede forskerne et væld af data, som Slade brugte til yderligere at forfine maskinindlæringsmodellen, der beregner estimaterne for forbrænding af kalorier.

Modellen indhenter oplysningerne om benbevægelse fra sensorerne og beregner - ved hjælp af hvad den har lært af tidligere data - hvor meget energi brugeren brænder på hvert øjeblik i tiden. Og mens nuværende avancerede systemer kræver cirka seks minutters data fra en person, der er tilsluttet en maske i laboratorieindstillinger, kan dette fritgående alternativ fungere med kun sekunder med aktivitet.

”Mange af de trin, du tager hver dag, sker i korte perioder på 20 sekunder eller derunder,” siger Slade, der nævnte at udføre gøremål som et eksempel på short-burst-aktivitet, der ofte bliver overset. "At være i stand til at fange disse korte aktiviteter eller dynamiske ændringer mellem aktiviteter er virkelig udfordrende, og intet andet system kan i øjeblikket gøre det."

Åben kilde kalorietælling

Enkelhed og overkommelighed var vigtig for dette team, ligesom at gøre designet åbent tilgængeligt, fordi de håber, at denne teknologi kan støtte folk i forståelse og pasning af deres helbred.

”Vi åbner alt for i sourcing i håb om, at folk tager det og løber med det og fremstiller produkter, der kan forbedre borgernes liv,” siger Kochenderfer.

De mener også, at dette systems enkelhed, overkommelighed og bærbarhed kan understøtte bedre sundhedspolitik og nye muligheder for forskning i menneskelig præstation. Forskningsgruppen ledet af Steve Collins, lektor i maskinteknik og seniorforfatter af denne artikel, bruger allerede et lignende system til at undersøge den energi, der bruges med bærbare robotsystemer, der forbedrer ydeevnen.

”En af de mest spændende ting er, at vi kan spore dynamisk skiftende aktiviteter, og denne nøjagtige information giver os mulighed for at give bedre politikker til at anbefale, hvordan folk skal udøve eller styre deres vægt,” siger Slade.

”Det åbner et helt nyt sæt forskningsstudier, som vi kan gøre med menneskelig ydeevne,” siger Delp, som også er professor i bioteknologi og maskinteknik. ”Hvor meget energi du brænder, når du går, når du løber, når du træner på en cykel - alle disse ting er grundlæggende. Når vi har et nyt værktøj som dette, åbner det en ny dør til at opdage nye ting om menneskelig præstation. ”

National Science Foundation, National Institutes of Health og et Stanford Graduate Fellowship finansierede arbejdet.

kilde: Stanford University

Om forfatteren

Taylor Kubota, Stanford University

Denne artikel blev oprindeligt vist på Futurity