个体的最大摄氧量VO2max的估计

技术领域

本发明涉及一种用于估计个体在运动期间的最大摄氧量的方法、用于估计个体的最大摄氧量VO2max的可穿戴设备和计算设备。

背景技术

心血管健康在无症状个体的运动、健身、诊断、预后和自我监测领域非常重要。直接测量体能需要极限运动测试，并在实验室进行，这会增加心血管事件的风险。间接估计体能克服了直接测量的一些限制，但它仍然要求个体严格地接受不同类型的固定测试方案。个体的最大摄氧量或消耗量(VO2max)是指个体进行有氧工作的最大能力。通常，最大摄氧量(VO2max)是指在强度增加的运动期间测量的最大耗氧速率。VO2max的测量为个人之间在耐力训练中的个体训练效果比较提供了耐力体能的定量值。最大耗氧量反映了有氧运动期间的心肺健康和耐力。

在已知的方法中，最大摄氧量(VO2max)是在不需要任何最大运动的情况下确定的，这些过程可以基于个体自由进行的日常运动。用于确定最大摄氧量(VO2max)的分析基于检测每次记录的锻炼(如跑步、步行或骑自行车)期间的心率反应，这些反应有助于确定体能水平的变化。这些变化用于调整训练计划并优化训练负荷，以加快进步。已知的最大摄氧量(VO2max)估计系统采用一种算法，分析训练(跑步)时段期间多个点的心率与跑步速度之间的关系。但是，它要求用户以多种不同的速度跑步。

因此，在估计最大摄氧量(VO2max)时，出现了解决现有系统或技术中的上述技术缺陷的需求。

发明内容

本发明的目的是提供一种改进的方法，用于估计个体在运动期间的最大摄氧量(VO2max)，同时避免现有技术方法的一个或多个缺点。

该目的通过独立权利要求的特征来实现。更多的实现方式在从属权利要求、具体实施方式和附图中显而易见。

本发明提供了一种方法、可穿戴设备和计算设备，用于估计个体在运动期间的最大摄氧量VO2max。

根据第一方面，提供了一种估计个体在运动期间的最大摄氧量VO2max的方法，所述个体有心率，所述方法包括：

获取所述个体的所述心率和运动负荷；

将所述获取的心率相对于所述个体的最大心率标准化，以提供标准化心率HRn和运动负荷w的数据对；

应用概率模型，将标准化心率与运动负荷和最大摄氧量相关联，以提供所述个体的最大摄氧量VO2max的估计。

该方法的优点是，它可以根据以单一跑步速度进行的自由跑步锻炼等估计个体的最大摄氧量VO2max。此外，该方法还可以通过使用来自多个运动时段的数据来进一步改进VO2max估计。

个体的最大摄氧量VO2max的估计可以通过使用概率模型确定概率密度函数p(VO2max|HRn,w)来提供。概率密度函数p(VO2max|HRn,w)可以使用贝叶斯规则确定：

根据第二方面，提供了一种可穿戴设备，用于估计个体在运动期间的最大摄氧量VO2max，所述可穿戴设备包括：处理器，用于接收所述设备的个体的心率测量数据和运动负荷数据；和存储器，存储使所述处理器执行上述方法的指令。

所述可穿戴设备可选地包括无线接口，用于从所述可穿戴设备外部的一个或多个传感装置接收所述心率测量数据和所述运动负荷数据。

所述可穿戴设备的优点是，它可以估计个体的最大摄氧量VO2max，而不需要在不同强度下进行运动。此外，所述可穿戴设备还可以通过使用来自多个运动时段的数据来改进VO2max估计。

根据第三方面，提供了一种计算设备，用于估计个体在运动期间的最大摄氧量VO2max，所述计算设备包括：处理器；与所述处理器耦合的通信接口，用于接收所述个体的心率测量数据和运动负荷数据；和存储器，存储使所述处理器执行上述方法的指令。

解决了现有技术中的技术问题，其中，技术问题是根据在单一运动负荷(如在单一跑步速度)下进行的运动估计个体的最大摄氧量VO2max。

因此，与现有技术不同，根据本发明的用于估计个体的最大摄氧量VO2max的方法、可穿戴设备和计算设备，个体的最大摄氧量VO2max可以根据以单一速度进行的自由跑步运动等估计，从而避免了要求以不同速度跑步对个体造成的不适。根据本发明的方法、可穿戴设备和计算设备可以通过合并多个运动时段并考虑测量数据的可靠性来改进VO2max估计。

根据下文描述的实现方式，本发明的这些和其它方面是显而易见的。

附图说明

现仅通过示例的方式结合附图对本发明的各实现方式进行说明，其中：

图1A是本发明的实现方式提供的可穿戴设备的框图，所述可穿戴设备用于估计个体在运动期间的最大摄氧量VO2max；

图1B是本发明的实现方式提供的与传感装置耦合的可穿戴设备的框图；

图1C是本发明的实现方式提供的由个体穿戴的可穿戴设备的示例性视图；

图2是本发明的实现方式提供的计算设备的框图，所述计算设备用于估计个体在运动期间的最大摄氧量VO2max；

图3是本发明的实现方式提供的估计个体在运动期间的最大摄氧量VO2max的过程流程架构；

图4是本发明的实现方式提供的估计个体在运动期间的最大摄氧量VO2max的方法的流程图。

具体实施方式

本发明的实现方式提供了一种估计个体的最大摄氧量VO2max的方法，而不要求用户以多种不同的速率或强度进行运动，例如，根据以单一跑步速度进行的自由跑步运动，或在单一运动负荷下进行的自行车运动进行估计。本发明的实现方式提供了一种可穿戴设备，用于估计个体的最大摄氧量VO2max，而不要求用户在多个不同的运动负荷下进行运动。此外，本发明的实现方式提供了一种计算设备，用于估计个体的最大摄氧量VO2max，而不要求用户在多个不同的运动负荷下进行运动。

为了使本领域技术人员更容易理解本发明的方案，结合附图描述了本发明的以下实现方式。

为了帮助理解本发明的实现方式，本文首先定义了将在本发明的实现方式的描述中引入的几个术语。

本发明的说明书、权利要求书及上述附图中的“第一”、“第二”、“第三”和“第四”(如果有)等术语用于区分相似的对象，而不一定用于描述特定的序列或顺序。应当理解，如此使用的术语在适当的情况下是可互换的，例如使得本文描述的本发明的实现方式能够以本文所示或所描述的序列以外的序列来实现。此外，术语“包括”和“具有”及其任何变体旨在涵盖非排他性包括。例如，包括一系列步骤或单元的过程、方法、系统、产品或设备不一定限于明确列出的步骤或单元，而是可以包括未明确列出的或此类过程、方法、产品或设备固有的其它步骤或单元。

图1A是本发明的实现方式提供的可穿戴设备102的框图，所述可穿戴设备102用于估计个体在运动期间的最大摄氧量VO2max。可穿戴设备102包括处理器104和存储器106。处理器104用于接收可穿戴设备102的个体(例如用户)的心率测量数据和运动负荷数据。存储器106用于存储使处理器104执行上述方法的指令。处理器104用于将获取的心率相对于个体的最大心率标准化，以提供标准化心率HRn和运动负荷w的数据对(或元组)。处理器104用于应用概率模型，将标准化心率与运动负荷和最大摄氧量相关联，以提供个体的最大摄氧量VO2max的估计。

可穿戴设备102根据以单一跑步速度进行的自由跑步运动等估计个体的最大摄氧量VO2max，从而避免了要求以不同速度跑步以估计最大摄氧量VO2max等对个体造成的不适。可穿戴设备102根据最大心率和工作量测量(例如，可以以相同速度进行的自由跑步运动的跑步速度测量)的比例的概率分布确定个体的最大摄氧量VO2max。可穿戴设备102可以通过使用来自多个运动时段的数据进一步改进VO2max估计。

运动负荷数据可以包括个体的全球定位系统(global positioning system，GPS)数据、速度数据(例如跑步速度数据)、步速、节奏。心率测量数据可以包括可以或不可以在几个心率间隔内平均的心率。这里，可穿戴设备102可选地包括用于从可穿戴设备102的用户捕获心率数据的心率监测器，但可穿戴设备102可以用于以无线方式或通过有线连接从外部传感装置接收心率数据。

图1B是本发明的另一种实现方式提供的与传感装置110耦合的可穿戴设备102的框图，所述传感装置110可以是多个传感装置中的一个。可穿戴设备102以通信方式连接到传感装置110。可穿戴设备102包括与存储器106耦合的处理器104。图1B的可穿戴设备102包括无线接口108，用于从可穿戴设备102外部的一个或多个传感装置110接收心率测量数据和运动负荷数据。传感装置110可选地每5秒测量一次个体的心率和跑步速度。传感装置110可以可选地测量个体在运动时的其它生理参数。例如，传感装置110可以包括自行车功率计(例如基于踏板或曲柄的功率计)以捕获骑行时段的运动负荷数据。传感装置110可以包括GNSS接收器(例如GPS接收器)，以接收卫星导航信号，从而能够确定设备的用户的位置、高度和速度。传感装置110还可以包括一个或多个加速度计，以捕获运动(例如步数和步速)数据，可以从该数据确定个体的步行/跑步速度和行进距离(使用步长的知识)。

图1C是本发明的实现方式提供的由个体(即用户)112穿戴的可穿戴设备102的示例性视图。可穿戴设备102可选地由个体112穿戴在其手臂114上。可穿戴设备102可以舒适地穿戴在个体112身体上的任何位置，该位置允许估计个体在运动期间的最大摄氧量VO2max。例如，可穿戴设备102可以穿戴在用户的胸部，可能与位于用户心脏上方或邻近用户心脏的心率传感器集成在一起。

图2是本发明的实现方式提供的计算设备202的框图，所述计算设备202用于估计个体在运动期间的最大摄氧量VO2max。计算设备202包括处理器204、存储器206以及与处理器204耦合的通信接口208。通信接口208从内部传感装置、外部传感装置或两者的某种组合接收个体的心率测量数据和运动负荷数据。存储器206用于存储使处理器204执行上述任一种方法的指令。处理器204接收心率和运动负荷数据，并用于将获取的心率相对于个体的最大心率标准化，以提供标准化心率HRn和运动负荷w的数据对(或元组)。处理器204用于应用概率模型，将标准化心率与运动负荷和最大摄氧量相关联，以提供个体的最大摄氧量VO2max的估计。

计算设备202根据来自以相同速度进行的自由跑步运动等的最大心率和运动负荷测量的比例的概率分布估计个体的最大摄氧量VO2max。计算设备202可以通过使用来自多个运动时段的数据并通过考虑测量数据的可靠性来改进VO2max估计。计算设备202可以但不限于从手机、智能手表、个人数字助理(personal digital assistant，PDA)、平板电脑、台式计算机、服务器或笔记本电脑中选择。

图3是本发明的实现方式提供的估计个体在运动期间的最大摄氧量VO2max的过程流程架构。在步骤302中，获取包括速度数据的个体的运动负荷数据的测量。个体的运动负荷数据可以包括个体的全球定位系统(global positioning system，GPS)数据、功率计数据(例如来自自行车或动感单车功率计)、步速(例如来自可穿戴设备的加速度计或与可穿戴设备相关联的加速度计或可穿戴设备的一部分，或来自跑步机)，和/或节奏。在步骤304中，获取心率测量数据。在步骤306中，使用运动负荷数据(例如速度数据或功率计数据)识别个体的稳态。个体的稳态可以包括个体在进行运动时的跑步稳定性和的匀速运动。在步骤308中，过滤个体的速度数据以识别稳态速度数据。速度数据的过滤可以包括使用滑动窗口技术丢弃不稳定的数据(从而提高可靠性)。滑动窗口技术通过计算滑动窗口内的最大速度与最小速度之间的差值来确定速度数据测量中的最大速度变化。在步骤310中，对应于稳态速度数据过滤心率测量数据，以获取稳态心率数据。稳态心率可以根据与落在滑动窗口内的速度数据测量对应的心率测量来计算。在步骤312中，获取个体的稳态心率数据和稳态速度数据。在步骤314中，获取个体的人体测量数据。人体测量数据可以包括对个体身体的尺寸描述符(例如身高、体重、腿长、体重指数等)和物理性质(例如性别和年龄)的测量。在步骤316中，应用VO2max机器学习算法。VO2max机器学习算法采用概率模型，使用稳态心率数据和对应的工作量数据计算概率分布，以确定每个可能的VO2max值的概率。在步骤318中，确定个体的最大摄氧量VO2max。在步骤320中，存储所确定的个体的最大摄氧量VO2max，以提高未来运动时段中估计的VO2max的准确性。

图4是本发明的实现方式提供的用于估计个体在运动期间的最大摄氧量VO2max的方法的流程图。个体有心率。在步骤402中，获取个体的心率和运动负荷。在步骤404中，将获取的心率相对于个体的最大心率标准化，以提供标准化心率HRn和运动负荷w的数据对。在步骤406中，应用概率模型，将标准化心率与运动负荷和最大摄氧量相关联，以提供个体的最大摄氧量VO2max的估计。该方法可以包括根据在单一运动负荷下进行的运动(例如，根据以单一跑步速度进行的自由跑步运动)估计个体的最大摄氧量VO2max。此外，该方法可以通过合并多个运动时段并考虑测量数据的可靠性来改进VO2max估计。该方法可选地包括在整个运动时段中周期性确定的标准化心率HRn和运动负荷w的多个数据对(多个元组)。

在第一种实现方式中，个体的最大摄氧量VO2max的估计通过使用概率模型确定概率密度函数p(VO2max|HRn,w)来提供。概率密度函数p(VO2max|HRn,w)可选地使用贝叶斯规则确定：

在第二种实现方式中，该方法包括在确定每个数据对之后存储概率密度函数p(VO2max|HRn,w)。该方法可以包括：存储概率密度函数包括使概率密度函数离散化以及存储离散值。该方法可以包括：使概率密度函数离散化包括针对一组离散VO2max值计算p(VO2max|HRn,w)，以及存储所得值。

该方法可选地包括使用上一次存储的概率密度函数p

该方法可选地包括通过增加所述上一次存储的概率密度函数p

可选地，仅当自存储上一次存储的概率密度函数p

该方法可以包括确定概率密度函数p(VO2max|HRn,w)的平均值，以提供个体的最大摄氧量的估计。该方法可以包括确定使概率密度函数p(VO2max|HRn,w)最大化的VO2max值，以提供个体的最大摄氧量的估计。

概率模型可以从数据集推导，所述数据集包括从运动心肺功能测试获取的多个个体的运动负荷数据、心率数据和VO2max。概率模型可选地基于多元高斯分布。

该方法可以包括识别和丢弃导致p(HRn,w|VO2max)＝0,

测量运动负荷可以通过确定个体在运动期间的跑步速度来执行。可选地，测量运动负荷通过使用自行车功率计(例如，踏板功率计或曲柄功率计)来执行。可选地，测量运动负荷通过使用划船机或动感单车等固定运动机器的功率计来执行。

个体的最大心率可以根据个体的年龄估计。可选地，当确定个体的最大测量心率超过根据个体的年龄估计的最大心率时，使用最大测量心率代替根据个体的年龄估计的最大心率。个体的最大心率可以根据在运动期间从个体获取的心率测量估计。

在示例性实现方式中，运动负荷w包括个体的跑步速度。跑步速度的测量用于评估个体的跑步稳定性和匀速运动。可选地，固定持续时间在60秒至120秒范围内(例如90秒)的滑动窗口通过计算滑动窗口内最大跑步速度与最小跑步速度之间的差值，确定跑步速度测量中的最大速度变化。例如，如果最大跑步速度与最小跑步速度之间的差值大于1公里/小时(kilometre per hour，km/h)，则可以认为滑动窗口内的整个跑步速度测量不稳定并丢弃。如果整个速度测量不稳定，则可以将新的跑步速度测量馈送到滑动窗口中。可选地，根据与落在滑动窗口内的跑步速度测量对应的心率测量计算平均心率，然后获取平均心率和平均跑步速度的数据对(元组)。例如，可以在跑步运动的整个持续时间内重复该过程，如果识别出多个稳定速度，则可以在跑步运动结束时获取一组平均心率和平均跑步速度数据对(元组)。

对于每个平均心率，通过将平均心率除以个体的最大心率的估计来计算标准化平均心率。例如，可以通过使用表达式220–年龄来识别个体的最大心率的估计。

然后，根据每个标准化平均心率和平均跑步速度数据对，通过使用贝叶斯规则计算VO2max的概率密度函数(probability density function，PDF)：

这里，p(VO2max)表示在获取标准化心率和跑步速度数据对(即测量对)(HRn,v)之前获取的VO2max的概率密度函数(probability density function，PDF)。个体的人体测量数据可以用于确定p(VO2max)。或者，如果p(VO2max)未知，则可以将其设置为1。可选地，识别并丢弃导致p(HRn,v|VO2max)＝0,

可选地，在按个体的最大心率标准化之后，直接使用心率和跑步速度的顺序测量，而不评估个体的跑步稳定性和匀速运动。

两个测量对(HRn

具有第二测量对(HRn

PDF p(HRn

p(HRn

PDF p(HRn

在一个示例性实现中，使用跑步速度和VO2max确定将标准化心率相关联的概率模型p(HRn,v|VO2max)。概率模型可以从数据集推导，所述数据集包括从标准运动心肺功能测试获取的个体的运动数据和VO2max。特别是，可以使用联合PDF、条件PDF和边缘PDF之间的以下关系。

数据集可用于确定将标准化心率相关联的概率模型p(HRn,v,VO2max)。例如，可以通过多元高斯分布给出p(HRn,v,VO2max)，如下所示：

这里，|Σ|表示(3×3)协方差矩阵Σ的行列式，μ表示分布的(3×1)均值向量。通过将p(HRn,v,VO2max)拟合到此类数据集，同时保持其概化，可以从标准运动心肺功能测试中获取Σ和μ的精确值。特别是，Σ和μ可以如下给出(此处提供了现实的示例性数据值)：

μ＝[0.82,2.77,48.64]

在这种情况下，p(VO2max)也是高斯型的，平均值和方差分别为48.64和72.85。然后，条件PDF p(HRn,v|VO2max)也是高斯型的，(2×1)均值向量m和(2×2)协方差矩阵C为

m＝[0.82,2.77]

此外，边缘PDF p(HRn,v)是高斯型的，(2×1)均值向量ξ和(2×2)协方差矩阵Q为ξ＝[0.82,2.77]

可选地，适应除高斯分布以外的p(HRn,v,VO2max)、p(HRn,v|VO2max)或p(VO2max)的概率模型。

后验PDF p(VO2max|HRn,v)可以根据上文给出的贝叶斯规则以数值方式确定，其平均值提供了个体VO2max的估计：

后验PDF是相对于当前测量数据对或元组。后验PDF描述了在观察到标准化心率HRn和运动负荷w的数据对的测量元组之后个体VO2max的概率分布。后验PDF可以是后续测量元组的先验PDF。先验PDF描述了在确定新的测量元组之前关于VO2max的信息。然后，根据新的测量元组调整先验PDF。对每个测量元组(数据对)重复该过程。或者，可以通过确定最大化p(VO2max|HRn,v)的VO2max值来获取个体VO2max的估计。可选地，根据贝叶斯规则，在每次跑步运动时段后更新和存储后验PDF p(VO2max|HRn,v)。在每次跑步运动时段开始时，使用后验PDF p(VO2max|HRn,v)代替p(VO2max)。

应当理解，在所描述的附图中示出的组件的布置是示例性的，并且可以进行其它布置。还应理解，由以下描述的权利要求定义并在各种框图中示出的各种系统组件(和模块)表示根据本文公开的主题配置的一些系统中的组件。例如，这些系统组件(和模块)中的一个或多个可以全部或部分地通过所描述的附图中所示的布置中所示的组件中的至少一些来实现。

此外，虽然这些组件中的至少一个至少部分地实现为电子硬件组件，并因此构成机器，但其它组件可以在软件中实现，当该软件包括在执行环境中时，构成机器、硬件或软件和硬件的组合。

虽然本发明及其优点已详细描述，但是应当理解，在不脱离所附权利要求书界定的本发明的精神和范围的情况下，可以作出各种改变、替代和更改。