在居家久坐的疫情封锁之后，很多人认识到体育活动对身体和精神健康都是必不可少的。即便没有疫情，世界上很多地区也面临肥胖病人问题，需要帮助人们管理自己的体重。人们使用的很多健身和节食应用程序都依靠智能手机和智能手表传感器来监测身体活动水平并跟踪燃烧的卡路里。但问题是，智能手机和智能手表计算卡路里的可靠性非常差。
2017年的一项研究调查了有代表性的7款此类设备，发现计算偏差在27%到93%之间，具体取决于不同设备。我们决定看看是否能制造一个更好的卡路里计算器，至少能用在某些运动形式中。答案是肯定的，你可用方便获得的元件自己制造一个。制作卡路里计算器一开始是在我们在实验室（斯坦福大学工程学院人体机能实验室）进行的，我们原本要在这个实验室里开展类似走路代谢值的研究。我们选用了实验室里所有可能的传感器，将它们与参与者连接在一起，其中包括监测肌肉活动的传感器、监测身体不同部位移动的惯性测量装置（IMU），以及在鞋内监测走步和跑步所产生的力的仪表式鞋垫。我们采用呼吸运动计量法，这是一种测量能量消耗的实验室方法，监测每次呼吸的摄氧量和排出的二氧化碳量，从而得到参与者运动时真实的卡路里燃烧值。用这些数据，我们研究建立身体运动（肌肉活动燃烧卡路里）和整个身体实际能量消耗之间的关系。通过研究大腿和小腿的运动，我们发现估算有氧活动消耗卡路里的准确率约为13%。（有关我们分析的完整详情，可参阅我们最近在《自然•通讯》中发表的文章。）此外，还可以使用低成本的惯性测量装置来进行估算。我们使用了Adafruit Precision NXP 9-DOF转接板惯性测量装置。这种转接板包含了两个传感器芯片、一个六自由度加速器/磁力计和一个三自由度陀螺仪。卡路里计算器采用了两个惯性测量装置，一个连接大腿中部，另一个连接小腿中部。在测试中，我们有时会使用假发胶来固定各种惯性测量装置，不过尼龙带的效果也很好。惯性测量装置使用I2C协议与树莓派连接。树莓派体积较大，功耗比微型板高，不过树莓派方便以无线方式获取数据，易于在测试和校准期间进行监测，因此我们还是选择了树莓派。树莓派运行普通版本的标准操作系统，我们使用已建立的Python库进行板上数据处理。使用NumPy科学计算库以方便的格式存储数据，使用Scikit-learn机器学习库来分析来自惯性测量装置的运动数据。我们还训练了一个线性回归模型进行步态检测，划分每一步，估算燃烧的卡路里（我们的Python脚本可通过公共库来下载）。我们以固定的100赫兹速率输入传感器数据。通过检测脚后跟接触地面后腿部何时停止朝一个方向旋转并开始朝另一个方向旋转，我们可以确定地划分出迈出的每一步，然后将这一步形成的腿部运动信息传送到模型中，估算能量消耗。对每一步的能量消耗估算能够让我们以较高的准确度计算卡路里。在每一步中，我们研究运动并将其转换为消耗的能量（与活动形式无关）：我们的系统不需要穿戴者告知自己是在跑步，还是在骑自行车或爬楼梯，系统能够敏感地检测出每一步，以及由走步转变为跑步的时刻。与其他测量方式（例如心率或呼吸频率）相比，这种直接分析提供了一种更好的瞬间能量消耗追踪方法。心率或呼吸频率等方式需要长达1分钟的时间内来反映身体活动的变化，因此，如果你从沙发上站起来后只走了10步，就检测不到你的运动；而我们每天有20%到40%的行走都不到20秒，这些步数对每天的总能量消耗影响重大。目前，我们正在努力制造一款更小巧的卡路里计算器。我们希望跟踪更长时间的能量消耗，进而改善体重管理和体育训练。如果一次性地佩戴这种设备一周或两周会记录到什么？我们还考虑通过一些方式（如研究已配对智能手表的运动）来追踪上半身的运动。我们计划使用名为双标水法的黄金标准技术来验证数据。通过这种技术，能够非常准确地跟踪这一时间尺度的能量消耗。实验对象饮用含有氚和氧18的水，然后我们通过跟踪这些成分通过尿液排出人体的过程，可以了解二氧化碳的产生速率，而二氧化碳产生速率与能量消耗直接相关。从长远来看，我们希望能够使用正在开发的柔性电子设备来取代现有的惯性测量单元板，这种柔性电子设备能够像标签一样贴在皮肤上，甚至也许能够直接打印在皮肤上。
[ 新闻来源：EETOP，更多精彩资讯请下载icspec App。如对本稿件有异议，请联系微信客服specltkj]
全部评论
分享至微信