用于确定通气阈的方法和系统的制作方法

用于确定通气阈的方法和系统的制作方法
【技术领域】
[0001] 本发明总体上涉及一种用于确定在健身或运动训练期间的对象的通气阈的方法 和系统。
【背景技术】
[0002] 对表现和生理参数的监测对于健身和运动训练是重要的。健身行业长时间以来已 经提出了用于表现监测的设备，其能够测量距离、计算平均/最大速度。
[0003] 现代训练计算机（私人教练）还确定心搏速率并并入了训练程序，以及任选地集 成GPS传感器，以便在表现监测中获得更大的精确度。例如，在健身和运动训练中使用心搏 速率测量，以确定工作容量或压力水平。
[0004] 通常的训练协议是基于与最大心率的百分比（HRmax-一个人在压力锻炼中能够 合理达到的每分钟的心搏的最大数量）相关的区域。HRmax的70%和90%之间的训练对于 提高能力以维持高锻炼强度是特别重要的。这种工作速率往往对应于重要的生理变化：能 量生产途径从有氧消耗（有氧）模式转至无氧模式。该过渡被称之无氧阈（AT)。在所述 过渡处或高出所述过渡的锻炼不可能持续长时间，因为乳酸在组织中积累，导致肌肉疼痛 和呼吸短促。用于无氧阈的等效术语或者是乳酸阈或通气阈，因为血液和通气中的乳酸均 在该点处突然上升。通气（或分钟通气）被科学地定义为呼吸频率和进气量/出气量的乘 积。
[0005] 现今无氧阈是通过标准化协议在特殊测试实验室来确定。评估AT的最传统的方 式是通过在整个测试中连续地评估血液乳酸并识别血液乳酸开始积累的点（也被称为乳 酸阈）。
[0006] 用于确定无氧阈的另一种常规方法是由Karlman Wasserman开发的公知的V斜率 方法，其基于耗氧量（VJ与二氧化碳输出量（νω2)的比率的演变。达到无氧阈之前，Vre和 Vro2往往以大致相同的速率上升，因此，通过这些点的最佳拟合线接近于1。一旦达到所述 ΑΤ，νω2将更快地上升，并且通过对应于无氧区域的点拟合的线将具有大于1的斜率。因此， 两条线之间的交点是有氧和无氧区域之间的阈值。由于所述阈值是根据通气响应来确定， 因此其通常被称为通气阈（VT)。
[0007] 如今，VT或AT是主要用在训练耐力运动选手的参数，以确定合适的训练容量，相 应地监测他们的训练容量。
[0008] 当对应于VT的心搏速率值已知时，所需要的训练容量能够通过连续的心搏速率 监测来准确地维持。然而，如上文所说明的，用于确定AT值或VT值的目前可用的方法是基 于困难的乳酸或呼吸气体的测量，需要采用血液样本以及昂贵的实验室设备和工作人员； 换言之：使用侵入性和非便携式设备。
[0009] 因此，所需要的是具有允许无氧阈的现场测量的便携式设备，从而使运动选手、运 动员或健身爱好者能够在实际生活和实时锻炼期间监测他们的VT。
[0010] 授予Polar Electro公司的US 5, 810, 722描述了一种用于在逐渐增加的压力下 评估个人VT的设备。呼吸频率和呼吸容量在ECG信号的基础上被计算出来，以利用呼吸频 率与心率对比的曲线图或通气与心率对比的曲线图，其中，VT表现为断点。与这种方法相关 的困难在于其完全基于ECG信号。实际上，根据ECG确定呼吸响应，虽然理论上是可能的， 但需要高品质的信号，这可能通常不是与现场测量兼容的。
[0011] DE 102 48 500描述了一种能够由便携式系统实现的用于确定在锻炼期间的对象 的AT的方法。呼吸频率通过环绕运动员胸部并包括应变计的可伸缩带来确定。典型地，通 过比较当前呼吸频率与预先确定的呼吸频率，AT被检测为呼吸频率的增加。
[0012] 尽管在DE 102 48 500中描述的系统可能是吸引人的，因为其提供了能够容易地 实现的现场VT传感器，但其科学原理一直被一些学者批评。例如，Cottin F.等人在2006 年第 ISSN 0172-4622 期 Int J Sports Med 的"Ventilatory Thresholds Assessment from heart rate variability during an incremental exhaustive running test" 中推断出 根据呼吸频率评估VT在跑步测试中是不可能的。
[0013] 事实上，在实际生活中的体育活动的实际表现期间的生理参数的确定是一种挑 战。第一个困难是减少的信号数量，因为不能使用采血和传统的实验室设备（肺活量计 等）。另一个困难是用便携设备所测量的信号的质量。显然，这减少了能够用于确定VT的 可能的方法。第三，所需要的是能够确定在任何类型的训练或表现期间的诸如VT的生理参 数，而不仅仅是针对预定义的力测试（effort test)。
[0014] 在这一点上，可以注意到，尽管各种文章讨论并比较了用于确定VT的方法，但它 们通常依赖于从所有执行相同预定义的测试（请见参考1-3)的已知的运动选手人群获得 的已完成的数据集。因此，在文献中所跟进的传统方法包括在标准测试的执行期间采集用 于测试人群的实验数据，然后对实验数据应用几种方法，诸如例如：呼吸交换率、V斜率、相 当于O2的通气......然后，作者通常依靠统计（例如均值和标准偏差）已经讨论了这些 方法的可验证性、可重复性和/或灵敏性。

【发明内容】

[0015] 本发明的目的是提供一种用于通气阈的现场确定特别是实时确定的可靠的方法 和系统。
[0016] 这个目的通过根据权利要求1中所述的方法和根据权利要求20中所述的系统来 实现。
[0017] 根据本发明，提出一种确定对象（运动选手、运动员、健身爱好者等......）的通 气阈的方法，其中，在锻炼过程期间采集与对象的生理参数相关的数据至少包括反映对象 的呼吸和心搏脉冲的数据，并且根据时间存储所述数据。这些数据的采集能够通过直接或 间接测量来完成，和/或可能涉及估计。
[0018] 通气阈值根据两种不同的方法针对给定的锻炼过程来确定，即，使用两种不同的 原理来确定通气阈（VT)。如将在下文中所说明的，所述方法特别适用于实时确定在锻炼过 程过程期间的通气阈。
[0019] 应当进一步理解，针对通气阈的第一值和第二值的每个来确定置信指数 (confidence index)。所述置信指数优选基于以下条件中的一个或两个：
[0020] 1.通气阈的可检测性：想法是表征识别来自数据集的VT的容易程度。VT越明显， 置信指数就越好。
[0021] 2.根据一种方法的通气阈的值和根据另一种方法的通气阈的值之间的匹配。此条 件因此估计当前VT和根据另一种方法计算出的VT之间的相似性或接近性。
[0022] 因此，本发明的一个令人感兴趣的方面是连同VT值的置信指数的确定，所述置信 指数给出对所确定的VT值的精确度或可靠性的指示。事实上，从现有技术中表现出存在确 定VT或AT各种方法。在实验室环境中，在努力期间记录的生理数据通过"视觉上"确定AT 和VT的MD进行分析。此外，已经开发了程序来帮助努力数据的分析中的MD，即通过线性回 归分析拟合所述试验数据。然而，尽管有这些程序，目前最终决策仍然由MD做出。
[0023] 本发明的另一个令人感兴趣的方面是通过至少两种方法的VT的系统的且自动的 (即计算机辅助的）评估。事实上，一个或多个附加的VT值可以在所测量的、统计的或历史 数据的基础上来确定。最可靠的VT随后可以在其相应的置信指数的基础上来选择。因此 应当理解，作为所述方法的固有特征，对置信指数的确定在这里由控制单元以系统的方式 来执行，以达到自行评估在相同的锻炼过程期间的VT确定的可靠性/精确度的目的。
[0024] 事实上，根据所述两种方法确定VT值连同相应的置信指数的步骤是可以在锻炼 过程期间周期性地（例如以1到10秒之间的间隔）实现的VT确定例行程序中的一部分。
[0025] 在实践中，最终选择的VT优选连同相应的置信指数一起被输出（典型地显示）给 用户。所述VT典型地被表示为对应于当VT发生时的时刻的时间值和/或HR值。当达到 所述VT时，也可以发出声音，从而使运动员知道他已经越过了所述VT。
[0026] 根据本发明，对所述置信指数的确定在现场监测设备的情况下是非常方便的。其 允许在实时运动条件下和在整个锻炼持续时间中对VT的周期性确定。由于置信指数被周 期性显示给用户，他将知道VT值何时应当是真实准确的或者何时具有低置信指数，以及他 应该因此等待进一步确定。
[0027] 在此应当理解，当本方法在现场实现时，VT确定例行程序以预先设定的间隔在锻 炼过程的任何时间上测得的数据上周期性地进行，而实际努力是未知的（即VT确定可以在 运动员还没有达到VT的时间上执行）。这与现有技术的情况是非常不同的，所述现有技术 情况是在渐进的或其他标准的测试结束时根据已完成数据集确定VT，并且已知的是VT已 经发生。因此，如上所述，在相同的或给定的锻炼过程期间，每次VT值被计算时对置信指数 的周期性和自动计算允许所计算的VT值的评估，从而指示其可靠性的水平。
[0028] 本发明具有重要的实际优点：
[0029] 运动选手和运动员能够在日常基础上来监测他们的VT，而无需任何实验室努力。 这对于拟定（elaborating)他们的训练计划是非常感兴趣的。事实上，在锻炼努 力期间/ 或紧接在锻炼努力之后确定AT/VT能够更好地改善耐力。在通气和心率上的直接反馈能够 用于立即更改活动，以得到更好表现。
[0030] 例如，如果运动选手不在他通常的身体水平（疾病、脱水、压力...）上时，AT/VT的 直接认知对于使活动适用于运动选手的"每日"健身水平，从而克服过度训练和经常性疲劳 的风险是一笔巨大的财富。
[0031] 本方法只需要呼吸传感器和心率监护仪，所以能够在允许在实时条件下并在整个 无限制时间段上监测运动选手的便携式设备中很容易地实现。
[0032] 本方法还允许一旦达到通气阈的所述通气阈的接近瞬时检测，并因此允许针对在 比赛项目期间为更好训练和更好表现的努力的直接改变。
[0033] 如将由本领域技术人员所理解的，VT能够根据表示链接到呼吸和/或心搏速率的 生理参数的各种数据来确定。由于在VT上出现的生理现象，在许多情况中，阈值对应于前 和后VT倾向之间的交点。典型地，一种情况可以是在数据集上运行双线性回归或多线性回 归，并因此识别交叉点（断点或偏转点）。在本发明的上下文中，VT的可检测性可以因此通 过后VT线（无氧）的斜率超过前VT线（有氧）的斜率的比率来表征。斜率比率越大，所 述阈越明显，因此，所述可检测性就越好。
[0034] 一种等级因此可以归因为反映这种可检测性的所计算的VT，所述斜率比率越大， 所述等级就越好。
[0035] 另一种等级可以因此归因于反映由不同方法得到的VT值之间的匹配。优选地，这 种匹配等级能够基于下列关系来确定
[0036] 其中，VTi是根据所述当前方法的所述通气阈，VTo是根据另一种方法的所述通气 阈。
[0037] 因此，所述置信指数可以根据可检测性等级和匹配等级中的至少一个来计算，并 且还可以考虑其他等级，诸如例如反映以下的一个或多个等级：
[0038] -在每种方法中用于计算的可用数据的数量；
[0039] -过滤后的数据的残差和离差的和；
[0040] -由于热身阈（数据的初始偏转）引起的扰动的概率；
[0041] -与根据用于相同锻炼过程的相同方法的通气阈的初期的计算值的匹配
[0042] -与通气阈的统计数据的匹配。
[0043] 优选地，根据第一种方法，根据表示通气与心搏速率的对比的数据确定第一通气 阈（VTl)为通气开始比心搏速率更快地增加的断点。所述通气与HR的对比的分析已被证 明是可靠的，并且恰好对于现场VT确定是方便参考的。
[0044] 在一个实施例中，根据第二种方法，根据表示通气与时间的对比的数据确定第二 通气阈（VT2)为通气开始更快地增加的断点。
[0045] 应当指出，在这些方法中，如本领域所通常理解的，术语"通气"意味着反映根据呼 吸频率和呼吸容量的通气率。
[0046] 优选地，指示呼吸频率和呼吸容量以及因此的通气的数据通过由对象穿戴的呼吸 传感器来确定，所述呼吸传感器优选地包括至少一个伸长传感器。
[0047] 具体地，所述呼吸传感器可以包括胸部传感器，优选伸长传感器集成在其中的环 绕对象胸部的可伸缩带。可以使用附加的腹部传感器，也优选包括具有伸长传感器环绕对 象的上腹部区域的可伸缩带。
[0048] 所述本方法的这些及其他优选实施例记载在所附从属权利要求2至19中。
[0049] 根据本发明的另一方面，提出一种根据权利要求20所述的用于确定对象的通气 阈的系统。
[0050] 本发明优选被实现为便携式的。在这种情况下，所述方法能够由处理单元来实现， 所述处理单元能够被集成在手表或便携式设备中，例如移动电话、平板电脑或专用设备。在 这种情况下，所述传感器和所述处理单元之间的传输优选无线，尽管有线连接是可能的。可 以使用任何适当的无线连接，优选蓝牙。备选地，根据本发明的所述方法，所述通气和心率 数据能够在锻炼期间被存储，以供以后处理。
[0051] 此外，应当指出，尽管所述心率和呼吸传感器已被描述为并入带中，但它们能够被 集成在运动服和/或内衣中。
[0052] 根据另一方面，本发明提出一种用于确定在锻炼期间采集的生理数据集中的断点 的方法，所述方法包括识别具有不同斜率的两条线的拟合步骤，其拟合来自生理数据集的 所选择的数据，其中，所述断点对应于所述线的交点。所述方法包括初步过滤步骤，其中，所 述生理数据集被处理，以消除对应于锻炼过程期间的恢复或稳定期的数据，并仅保持增长 趋势为所选择的数据。所产生的数据因此表示优选利用最佳拟合算法来处理的增量努力， 并且所述第二通气阈（VT2)根据这些数据被确定为在所述通气开始更快增加处的断点。
[0053] 本发明的一个方面涉及一种计算机程序，其包括当在处理器上执行所述程序时令 处理器执行如上所述的方法的指令。这种计算机程序可以被提供为计算机程序产品的一部 分，所述计算机程序产品包括例如数据存储设备（如硬盘、光学存储盘、记忆棒或卡、嵌入 在存储器中等）的载体或承载所述计算机程序的载波信号（例如，数字或模拟通信信号） 的一部分。
【附图说明】
[0054] 现在将参考附图以范例的方式对本发明进行描述，其中：
[0055] 图1 :是本系统的一个实施例的部件的示意图；
[0056] 图2 :是本方法的一个实施例的流程图；
[0057] 图3 :是在第一种方法中使用的通气与心率对比的绘图；
[0058] 图4 :是在第二种方法中使用的通气与时间速率对比的绘图；
[0059] 图5 :是图示数据重建原理的通气与时间对比的绘图；
[0060] 图6 :示出了 ：a)胸部和腹部的传感器信号与时间的对比的图表，以及b)对应的 通气与时间的对比的图表；以及
[0061] 图7到图10 :是对应于具体范例的图表集，并且示出了 a)HR和VE与时间的对比； b)根据分支1的VE与HR的对比；c)根据分支2的VE与时间的对比。
【具体实施方式】
[0062] 本方法和装置提供在现场（即在锻炼期间）确定个人（运动选手、运动员、运动爱 好者...）的通气阈（VT)的方便的方式。更具体地，本方法和系统被设计为基于与优选从 指示呼吸和/或心搏速率的数据所反映的至少一个生理参数相关的测量数据根据至少两 种方法来确定VT。然后针对每个VT计算置信指数，其反映所确定的值的估计可靠性。然 后，通气阈的最终值可以是基于所述置信指数。
[0063] 在下文中，将对本系统和方法的优选实施例进行描述，其中，所述系统被方便地设 计为便携式的，并被配置为结合用于确定所述VT的三种方法。
[0064] 图1示出了用于确定VT的本发明的监测系统的可能的设置。在本实施例中，所述 系统包括三个主要部件：心率传感器10、通气传感器12和控制单元14。心率传感器10包 括至少一对ECG电极11，其在使用时适当地位于对象的胸部上。这些电极能够基于任何适 当的技术，例如在常规心率监护仪中所使用的。所测量的ECG信号能够在控制单元14中或 在被集成在传感器内的专用处理器中进行处理，以提取心搏脉冲和/或速率。ECG监护仪的 硬件和信号分析是在本领域中公知的，并且因此这在本文中将不作进一步详述。
[0065] 通气传感器12优选包括环绕对象胸部以便随着胸部偏转的可伸缩带16,从而形 成胸部传感器。所述带16包括伸长传感器18,以随着所述带的延伸和收缩，为此可以使用 任何合适的传感器技术。伸长传感器18可以例如是基于电阻、电感或电容技术，从而呼吸 期间的胸部偏转/伸缩改变所述带的长度，并且因此引起传感器阻抗的改变，这可以从所 递送的传感器信号中观察到。优选地，伸长传感器是电感类型的并包括传感器导线，由此胸 部偏转引起在传感器电感中的改变。
[0066] 心搏传感器10的电极11可以方便地被集成在可伸缩带16中，如图1所示。
[0067] 所述系统可以包括被称为腹部传感器的另一个带传感器20,其优选具有相同或相 似的伸长传感器22,例如，在此具有电感导线传感器。
[0068] 因此有可能在锻炼期间监测两种呼吸响应：来自胸部传感器18和任选地来自腹 部传感器22的。
[0069] 由各种传感器感测到的心搏数据和呼吸数据被传输至控制单元14,在这里体现为 手表。控制单元的形式并不重要，但优选设计为自包含的便携式设备，具有电池、显示器、命 令接口和用于有线或无线连接的传感器接口。为了方便，各种传感器和控制单元之间的无 线通信是优选的，例如使用蓝牙协议。
[0070] 控制单元14被配置为接收来自于心率传感器10和呼吸传感器18、22的输入数 据。心搏速率（HR)与时间的对比被存储在控制单元的存储器中。
[0071] 关于呼吸传感器18、22,它们典型地递送随胸部偏转进行变化的交替信号，如例如 图6a)中所示的。呼吸频率能够根据波的周期很容易地确定。信号的振幅与空气的吸气量 和呼气量相关。因此，通过呼吸传感器递送的信号允许确定指示呼吸频率和当前呼吸容量 的值。乘以这些后面的值给出了通气的指示，其是按照通气的传统定义的维度（即呼吸频 率X -次换气量一一也被称为分钟容量）。这种通气计算通过考虑用户胸部的高度和/或 周长能够是优选的，所述用户胸部的高度和/或周长能够由用户直 接输入或基于用户的重 量或高度或根据用户的衣服/穿戴的尺寸或类型来推导。
[0072] 在优选实施例中，控制单元14被配置为周期性地处理输入数据，以计算通气阈。 这种确定在本实施例中使用VT确定例行程序利用三种不同的VT确定方法以相应的置信指 数来执行，如现在将参考图2所详细说明的。
[0073] 图2的流程图清楚地示出了沿三个分支的处理：
[0074] -分支1实现第一种方法并依赖于通气与HR分析；
[0075] -分支2实现第二种方法并依赖于通气与时间分析；
[0076] -分支3实现第三种方法并基于统计分析，优选考虑用户历史。
[0077] 每个分支提供具有相关联的置信指数IDXi的相应的VTi值。随着新的数据在锻 炼期间被采集/测量，对应于分支1和2的值VI\、IDXjP VT 2、IDX2周期性地重新计算。然 而，对于分支3,由于这种方法是统计的并且可能基于用户历史，值将通常不会针对当前锻 炼时间段而改变。
[0078] 用于运行方法1和2的先决条件当然是数据集的采集。如上所说明的，由心率电极 递送的信号在控制单元14中进行处理，以提取心搏脉冲，然后提取根据时间存储的速率。 由通气传感器递送的信号被处理，以根据时间产生对应于对象的通气的数据。在此应当指 出，尽管在本实施例中传感器信号作为原始数据被传输，其中，所需要的心搏速率、呼吸频 率和呼吸容量在处理器单元中确定，但相关的生理参数能够备选地在与传感器相关联的处 理器中直接计算，从而心率值和通气值能够直接周期性地被传输至控制单元。这将会减少 被转移到控制单元中的数据量。
[0079] 方便地，控制单元14因此可以包括存储表示根据时间的心率和呼吸（优选通气） 的测量值的数据的表格。
[0080] 1.分I 1 -诵气与HR对比的方法
[0081] la.计算 VT
[0082] 分支1实现了一种通气与心搏速率（HR)对比的方法。所采集的通气和心搏速率 的数据系列被处理，以提取VT值，被标为VT1。如本领域技术人员所理解的，该数据代表大 量点（参加图3)，因为若干通气值可以对应于给定的HR值。
[0083] 尽管在本领域中并不常见，这种方法被认为具有一些优点，因为脉冲速率和工作 速率主要是线性依赖于彼此。此外，通气响应取决于工作速率。因此，人们可以将VT关联 到HR。
[0084] 为了更精确，在有氧状态下的锻炼期间（在所谓的热身阈出现在锻炼的开头之 后），通气（VE)和心率（HR)是密切相关的：它们响应于身体活动的增加而增加。然而，能够 观察到，当努力增加到通气阈以上时，心脏和呼吸系统的响应开始不同。在大多数情况下， 通气系统将比心脏具有更多的裕量来增加：呼吸频率和瞬时容量二者有可能显著增加。因 此，在通气阈处，VE将比HR更快地增加。在图形而言，这意味着曲线VE/HR在通气阈处将 具有斜率变化。
[0085] 在该第一种方法中，VT因此被确定为通气开始比心率更快地增加时的心率。所述 VT对应于断点或偏转点。对这种断点的计算机辅助确定在本领域中是传统的，并且能够通 过数学分析（通常通过线性回归分析）来执行。这个步骤在分支1中被指示为1. 3。因此， 数据集（VE ;HR)被处理，以识别拟合超出相应心率范围的点的两条直线，每条直线具有良 好的相关性系数。这些线相交处的点是VT。从较低的HR到VT，生物体在有氧区域操作，并 且产生VT的线在本文中被称为有氧线。为便于表示，VT之后的线被称为无氧线，尽管它可 能在科学上是不严谨的。
[0086] 在图3的范例性绘图中，多元回归分析已经产生了有氧线24和无氧线26,它们在 HR= 115处相交，其因此被认为是VT。
[0087] 如能够在图2中看到的，分支1包括初步过滤步骤1. 2,其中，数据集被分析，并且 可疑数据被丢弃。例如，过滤步骤可以保留落在心率的预定范围内（例如在每分钟35和 250次搏动之间）的数据。优选地，该范围根据分支3,特别是根据步骤3.6的输入来细化。 太远离趋势的数据点可以因此被丢弃。数据的质量也将在该步骤被评估（见下文）。
[0088] 下一步骤是线性回归步骤1. 3,斜率检查步骤1. 4跟随其后，其中，检测最佳拟合 直线之间的斜率变化。在实践中，处理算法可以被设计为搜索两条线，其中，两条线都具有 正斜率，并且第二无氧线具有比第一有氧线更大的斜率。当在所述斜率中存在显著增加时， 可以怀疑通气阈。为此目的，所述算法可以被设计为仅当第二斜率与第一斜率的比率超过 预定的斜率阈时，或落入预定斜率范围内时，推断为VT。斜率的这种变化的特征说明VT的 可检测性，并且被有利地用于计算置信指数。
[0089] 如果需要可以重复过滤步骤1. 2。
[0090] 应当指出，在努力开始时，趋势的变化可能被看到，其能够看起来像通气阈，但是 这仅仅是对应于运动选手的热身阶段的小阈值。提供步骤1.5来过滤掉这种热身阈。热身 阈被观察到的暗示是所考虑的VT值出现：
[0091] -在锻炼初期；
[0092] -在低心率处；
[0093] -具有相对低的通气振幅。
[0094] 在热身处的概率将被考虑进置信指数。
[0095] 因此，步骤1. 6的值是表示在心搏速率中的VT值，其已经通过了热身过滤步骤 1.5。其被标为VT1。
[0096] Ib.计算等级
[0097] 与VT的上述确定相关联的置信指数优选基于一组等级，其能够被全部相加，任选 地具有相应的系数，以确定针对锻炼过程期间的VT测量例行程序的每次迭代的用于分支1 的最终指数值IDXp
[0098] 在本方法中，下面的等级被有利地考虑用于计算第一置信指数IDXp
[0099] 等级 N_1 :
[0100] 该等级基于通常在过滤步骤1. 2之后的当前锻炼过程期间的可用于分支1的数据 点的数量。数据点的数量越大，等级就越高。
[0101] 等级 Q_l:
[0102] 等级Q_1反映分支1中的数据的质量，并通过评估数据的离差来获得。例如，该等 级可以取决于残差的总和以及异常值被过滤之后的采样的质量。残差的总和越小，等级就 越尚。
[0103] 等级 S_l:
[0104] 该等级归因于说明VT的可检测性，其优选通过表征在通气阈处的斜率增加的重 要性来实现。有氧斜率和后VT斜率的斜率之间的比率被计算，并与预定的阈值或范围以及 对应的等级归属相比较。斜率比率越大，等级就越高。
[0105] 等级 W_l:
[0106] 等级W_1反映在分支1中计算的VT可以受到热身阈值的存在的干扰的可能性。其 在二者都在时间和心率的单元中的计算VT和热身阈（WT)的估计位置之间的距离的基础上 确定。等级越高，WT导致的扰动就越低。
[0107] 等级 R_l:
[0108] 该等级反映算法随时间的稳定性。其是基于通气阈的当前值（VTN)和在相同分支 内的初期计算出来的通气阈的值之间的差的平均值来计算：
[0109]
[0110] ￥1\表示锻炼过程期间初期确定的（n-1)个VT值，并且a i是与在VT确定例行程 序的迭代i的结束时留存的相应置信指数相关的系数。置信指数越大，CIi就越大。例如， a i可以被计算为[置信指数（i)/100] 3。
[0111] 通过这个公式，在锻炼过程期间作出的前述VT确定的结果被考虑，以提高对应于 VT确定例行程序的当前迭代的VT确定。
[0112] 该平均值越小，等级就越高。
[0113] 2.分I 2-通气与时间对比的方法
[0114] a)计算 VT
[0115] 通气与时间的对比是确定VT的传统绘图。在这里同样地，我们有数据点集（VE ; 时间），并且感兴趣的点是通气斜率开始比时间更快地增加处的断点。常规地，这能够容易 地通过双线性回归来确定，VT对应于两条线之间的交叉点。
[0116] 范例性通气-时间绘图在图4中示出。VT是在有氧线28和无氧线30之间的交叉 处的点-断点或偏转点。应当指出，尽管图4中的横坐标是时间，但VT优选以心搏速率表 示。一旦发现断点的时间，对应的HR实际上能够从存储器中读出，因为对于每次时间戳记， 记录通气数据和HR数据。
[0117] 分支2可以因此以与分支1类似的方式来实现，以包括下列功能：
[0118] -类似于图2中的步骤1. 2的过滤步骤2. 2,以过滤掉可疑数据；
[0119] -多元线性回归分析2. 3步骤，以识别有氧和无氧趋势；
[0120] -类似于步骤1. 4的斜率检查步骤2. 5, 一旦识别用于无氧趋势（相对于有氧趋 势）的显著的斜率增加，评估斜率增加并验证VT，；
[0121] -类似于步骤1. 5的热身阈过滤步骤2. 6。
[0122] 然而，这里的一个特点是当在非标准化测试期间利用增加的努力完成所述监测 时，对象可以例如降低他的节奏和表现来从所述努力进行恢复，或沿下行轨道跑步。因此， 通气与时间的对比的绘图可以包括多个不同高度的峰值，这使得难以识别在通气与时间对 比的绘图中的有氧和无氧趋势。
[0123] 为了处理这个问题，分支2 有利地包括步骤2. 4,其目的是检测在通气与时间对比 的方法中的增加的努力的区域。图5a)示出了这种通气与时间对比的绘图，其对应于具有 增加的努力和恢复期的努力。数据点已经利用多元线性回归算法进行了处理，以检测用于 每种趋势的线。同样地，这种多元线性回归是常规的，不需要进一步的说明。
[0124] 然后，重建算法识别最大峰值（在图5b中的最大值（MAX))，识别引导至MX的生 长线（标为LI)，并且在搜索先前生长线（L2)中反向进行，所述先前生长线（L2)含有等于 达到MX的当前线（LI)的最小纵坐标的纵坐标。接下来，从生长线（L2)开始，算法搜索先 前生长线（L3)，其含有等于当前生长线（L2)的最小值的纵坐标。该过程被重复，直到初期 生长线（L4)。在这样做时，具有对应的恢复期的对应于局部努力的峰值能够被消除。
[0125] 在所需的生成趋势被识别之后，对应的数据点用于模拟恒定增加的努力，其能够 由双线性回归简单地特征化，其中，有氧和无氧线在VT处相交，如图5d)中所示。在这样做 时，优先级可以被给予较新的数据。
[0126] 在HR中所表示的所获得的通气阈标为VT2。
[0127] 2b.计算等级
[0128] 在这种方法中，五个等级N_2、Q_、S_2、W_2和R_2优选归因于与针对等级N_1、Q_1、 S_1、W_1*R_1的类似的原理。同样地，针对VT确定例行程序的每次迭代计算这些等级。
[0129] 3.分I 3-统计方法
[0130] a)计算 VT
[0131] 该第三分支利用统计学以及优选用户历史（如果可用的话）来提供至少一个参考 VT值，被标为VT3。在图2、图4中，可能的数据源指示：
[0132] 3. 1心搏速率：用户的当前心率传统上用作基础来判断取决于其健身水平的运动 选手的活动的水平。如果健身水平是未知的，在休息和在活动期间的心率能够用来评估运 动选手的健身水平。在良好ECG信号的情况下，心率的微变化也能够用于评估心率可变性 并从中确定对象的健身水平，如本领域中所已知的。
[0133] 3. 2用户历史：已经在之前的锻炼过程期间测量和存储的心率、通气和通气阈的 范围被考虑用于确定VT3。
[0134] 3. 3用户特征：用户特征能够由用户输入，并且其中一些由算法来估计。
[0135] 例如，健身水平能够是手动输入、根据用户历史估计的，或者是取自取决于所使用 的产品的默认值（例如：带/T恤的尺寸，典型的市场等）。性别、出生日期、身高和体重也 能够作为输入向用户要求。
[0136] 3. 4 统计：
[0137] 不同研宄存在于生理参数上：心率和健身水平能够根据个人的年龄及其健身水平 使用现有的公式来进行估计。
[0138] 例如，HRmax可以被估计为：HRmax = 220-年龄（男性），并且HRmax = 226-年龄 (女性）。
[0139] 另一个已知的通过Inbar的HRmax估计对应于：HRmax = 205. 8-0. 685*年龄。
[0140] 步骤3. 5随后估计阈值参数。来自3. 1-3. 4的数据的分析允许通过例如估计热身 阈值以及通过变化的HRmax的VT的可能的其他极值给出阈值的大致特征。
[0141] 步骤3. 6涉及点的可接受范围的确定。在3. 5中评估的阈值参数用于量化来自呼 吸传感器的可接受的数据。例如，可接受范围之外的数据将被视为噪声并丢弃：其是去除异 常值的补充方式。
[0142] 最后，被认为是统计学相关的常规公式用于在步骤3. 7中估计VT。根据统计方法 的数目，获得一个、两个或更多个VT值。
[0143] 例如，Polar Electro和David Swain已经研宄了取决于HRmax和对象的健身/训 练水平的VT的可预测性。表1总结了这些结果。能够看出，根据Polar，VT3能够被估计为 针对训练过的人的80. 5的HRmax。根据Swain，用于同一人的VT3将是HRmax的85%。
[0144]
[0145] 表1作为Hrmax的百分比的VT
[0146] 对应于分支3的VT3的值可以随后基于这些一个或多个VT值，优选作为平均值来 计算。
[0147] 其置信指数可以取决于用户信息和历史的可用性和一致性。
[0148] b.计算等级
[0149] 第三种方法的置信指数可以基于以下两个等级来计算。
[0150] 等级 NP_3:
[0151] 该等级随着可用于估计健身水平的参数的数量而增加：用户的自我判断（年龄、 身高、体重...）、性别、具有良好置信指数的先前VT、以及处于休息的心率……
[0152] 等级 M_3:
[0153] 该等级反映用户指示的健身水平和能够根据统计数据例如基于休息心率推导出 的健身水平之间的匹配。该差异越大，等级就越低。
[0154] 4.匹配评估和置信指数
[0155] 除了上述等级，其他等级有利地归因于表征一种方法相对于另一种方法的匹配。
[0156] 等级MX_12表征分支1和分支2中计算出来的VT之间的匹配。其由两个值之间 的相对差来表示，并且因此被计算为：(VT2-VT1)ZVTp
[0157] 等级MX_13然后类似地表示VT^ VT 3之间的匹配；并且MX_23表示VT 2和VT 3之 间的匹配。
[0158] 置信指数
[0159] 每个分支的置信指数可以因此基于以下关系来计算：
[0160] 针对第一分支/方法的置信指数：
[0161] IDXl = cll*N_l*Q_l+c21*S_l+c31*W_l+c41*R_l+c51*MX_12+c6_l*MX_13
[0162] 针对第二分支/方法的置信指数：
[0163] IDX2 = cl2*N_2*Q_2+c22*S_2+c32*W_2+c42*R_2+c52*MX_12+c6_2*MX_23
[0164] 针对第三分支/方法的置信指数：
[0165] IDX3 = cl3*NP_3*M_3+c23*MX_13+c33*MX_23
[0166] 其中，cXX为校准系数，其是被优选地选择，使得最终指数能够针对每个分支在0 到100之间变化。
[0167] 应当理解，人们能够仅以上述等级的一部分交替计算置信指数，然而优选地保持 与阈值可检测性（等级S_l)和方法间匹配（MX_ii)相关的等级。
[0168] 最终值
[0169] 由算法选择/保留的通气阈将是具有最高置信指数的一个通气阈。
[0170] 在平局（相等的值）的情况下，分支的数量将给出优先级。
[0171] 以心率单位和时间单位计算VT :在每个时间步骤中，如果算法发现VT，它将找到 对应的心率和时间，并且能够因此给出运动选手目前所在区域的想法。
[0172] 对应于所选择的VT的心搏速率能够以相应的置信指数被给到运动选手/对象。
[0173] 通过本发明方法，其中，以周期性（预先设定）间隔执行VT确定例行程序，运动员 能够因此具有其身体状况的周期性指示，具体地，具有其在锻炼期间的VT的周期性指示。 如上所说明的，在锻炼期间对VT值周期性地重新评估，并且VT值（表示为时间或心搏速 率）连同置信指数一起被显示，所述置信指数附加地向运动员给出所显示的值的实际性/ 准确性的信息。
[0174] 5.范例
[0175] 图7至图10涉及对应于不同情况的范例性测试，并示出本发明方法的运作。在对 应的附图中，对于每种情况，以下图表被示出：
[0176] a) HR和通气与时间的对比（原始数据）；
[0177] b)通气与HR的对比；
[0178] c)通气与时间的对比（处理分支2之后一一利用恢复期的消除）。
[0179] 这些图表在此被示出以达到说明的目的，但通常不显示给用户。分支3的￥1'3值 相对于这些附图不是详细的，但如上述所说明的被考虑在置信指数计算中。
[0180] VT的最终被选择的值连同置信指数被显示在顶部方框中。
[0181] 范例 1-图 7:
[0182] 该数据已经利用高度训练过的越野滑雪运动员来获得。176bmp的VT在通气阈达 到后很快被发现，具有75%的良好置信指数。这是起源于分支1的VT。
[0183] 范例 2 -图 8 :
[0184] 图8示出了利用受过训练的健身爱好者获得的数据。在这种情况下，所有三种方 法的VT收敛。具有91的良好置信指数的153的VT(源自分支1)被显示。
[0185] 范例 3-图 9 :
[0186] 该数据从未经训练的、久坐不动的人采集。由于具有心电图的问题，心率值是不可 靠的。
[0187] VT1因此是不能信任的，并且与统计VT3值不匹配。
[0188] 然而，能够看到，分支2发现具有65%的置信指数的103的良好阈值，其被显示给 用户作为选择值。
[0189] 范例 4 -图 10 :
[0190] 最后，图10反映 未经训练的人在不均匀努力下的情况。由于在努力中的不规律 性，没有多少数据可用于分支2,并且110的VT2具有低置信指数。
[0191] 在这种情况下，通气与HR的对比也遭受不规则性，但更多的点可用。此外，￥1\值 与乂^值不匹配，从而产生良好的置信指数。
[0192] 因此，最后显示的值是分支1的那些：具有75%的置信指数的VT = 127。
[0193] 在说明书中引用的参考文献
[0194] [1] !Cristina Bisi M等人在美国纽约州纽约市的2011年1月1日第41卷，第I 期COMPUTERS IN BIOLOGY AND MEDICINE，第 18-23 页的"Automatic detection of maximal oxygen uptake and ventilatory threshold"。
[0195] [2] :Cottin F等人在德国斯图加特的蒂姆的2006年I月2日第27卷，第12 期 INTERNATIONAL JOURNAL OF SPORTS MEDICINE，第 959-967 页的"Assessment of ventilatory thresholds from heart rate variability in well-trained subjects during cycling"。
[0196] [3] :Nikooie Roohollah 等人在 2009 年 10 月第 23 卷，第 7 期 JOURNAL OF STRENGTH AND ⑶NDITIONING RESEARCH/NATIONAL STRENGTH & ⑶NDITIONING ASSOCIATION，第 2107-2113 的"Noninvasive determination of anaerobic threshold by monitoring the% Sp02 changes and respiratory gas exchange"。
【主权项】
1. 一种确定在锻炼过程期间对象的通气阈的方法，其中，与所述对象的生理参数相关 的数据在所述锻炼过程期间根据时间被采集并存储，所述数据至少包括指示呼吸和心搏速 率的数据； 所述方法包括VT确定例行程序，所述VT确定例行程序包括以下步骤： a) 根据第一种方法基于与针对所述锻炼过程采集的所述生理参数中的至少一个相关 的数据来计算通气阈的第一个值； b) 根据不同的第二种方法基于与针对所述锻炼过程采集的所述生理参数中的至少一 个相关的数据来计算通气阈的第二个值； c) 针对通气阈的所述第一个值和第二个值中的每个来确定置信指数，其中，所述置信 指数反映以下中的至少一个：所述通气阈的可检测性，以及在根据一种方法的通气阈的值 和根据另一种方法的通气阈的值之间的匹配。2. 根据权利要求1所述的方法，其中，所述VT确定例行程序在所述锻炼过程期间以周 期性时间间隔被实施，从而在所述锻炼过程期间提供所述VT的实时确定。3. 根据权利要求2所述的方法，其中，对于所述VT确定例行程序的每次迭代，具有最大 置信指数的通气阈的所述值被保留。4. 根据权利要求3所述的方法，其中，通气阈的所保留的值连同对应的置信指数一起 被显示，通气阈的所述值被表示为时间和/或心搏速率。5. 根据上述权利要求中的任一项所述的方法，其中，两种方法之间的所述匹配基于以其中，VTi是根据当前方法的所述通气阈，并且VTo是根据另一方法的所述通气阈。6. 根据上述权利要求中的任一项所述的方法，其中，针对所述第一种方法和/或第二 种方法的所述置信指数还至少取决于： -与根据针对相同锻炼过程的相同方法的通气阈的初期计算值的匹配。7. 根据权利要求6所述的方法，其中，与根据针对相同锻炼过程的相同方法的通气阈 的初期计算值的所述匹配基于以下公式来确定：其中，VTn是所述VT确定例行程序的当前迭代期间确定的值，并且VTi表示所述锻炼 过程期间初期确定的（n-1)个VT值，并且Cii是与所述对应的置信指数相关的系数。8. 根据上述权利要求中的任一项所述的方法，其中，针对所述第一种方法和/或第二 种方法的所述置信指数还取决于以下中的一个或多个： -在每种方法中用于计算的可用数据的数量； -过滤后所述数据的残差和离差之和； -由于热身阈引起的扰动的概率； -与通气阈的统计数据的匹配。9. 根据上述权利要求中的任一项所述的方法，其中，所述第一通气阈（VT1)根据所述第 一种方法、根据表示通气与心搏速率对比的数据被确定为通气开始更快速增加处的断点。10. 根据上述权利要求中的任一项所述的方法，其中，所述第二通气阈（VT2)根据所述 第二种方法、根据表示通气与时间对比的数据被确定为通气开始更快速增加处的断点。11. 根据上述权利要求中的任一项所述的方法，其中，所述通气阈被确定为在有氧线与 拟合所述数据的无氧线的交叉处的断点；并且所述通气阈的可检测性是基于所述无氧线的 斜率超过所述有氧线的斜率的比率的。12. 根据上述权利要求中的任一项所述的方法，其中，所述呼吸数据反映由所述对象穿 戴的呼吸传感器测量的所述对象的呼吸容量和呼吸频率，所述呼吸传感器优选包括至少一 个伸长传感器。13. 根据权利要求12所述的方法，其中，所述呼吸传感器包括胸部传感器，优选所述胸 部传感器包括被集成在环绕所述对象的胸部的可伸缩带中的伸长传感器； 以及优选腹部传感器，优选所述腹部传感器包括被集成在环绕所述对象的上腹部区域 的可伸缩带中的伸长传感器。14. 根据权利要求12或13所述的方法，其中，所述呼吸容量基于胸部和腹部传感器信 号的波峰至波谷振幅的总和来估计。15. 根据上述权利要求中的任一项所述的方法，其中，所述通气与时间对比的数据被处 理，以消除对应于锻炼过程的可能的恢复和稳定期的数据并保持增长趋势；并且所述第二 通气阈（VT2)根据表示最好地拟合整个锻炼的增量努力的结果数据被确定为通气开始更 快速增加处的断点。16. 根据上述权利要求中的任一项所述的方法，其中，根据第三种方法，第三通气阈 (VT3)基于统计数据来确定，优选考虑所述对象的年龄和训练水平；并且对应的置信指数被 确定。17. 根据权利要求16所述的方法，其中，对所述第三通气阈（VT3)的所述确定还考虑在 先前锻炼过程中确定的针对所述对象的通气阈的先前值。18. 根据权利要求16或17所述的方法，其中，所述第一种方法和第二种方法的所述置 信指数反映与所述第三通气阈（VT3)的匹配。19. 根据上述权利要求中的任一项所述的方法，其中，最终通气阈被确定为具有较大置 信指数的所述通气阈。 ;以及，优选地，在相等的情况下，优先级是通过排列针对每个分支预先定义的序号来 定义的，优选所述第一种方法具有超过所述第二种方法的优先级，所述第二种方法具有超 过第三分支的优先级。20. -种用于确定对象的通气阈的系统，包括： 传感器，其用于在锻炼过程期间测量所述对象的生理参数，以至少获得指示呼吸和心 搏速率的数据； 存储器，其用于根据时间存储指示呼吸和心搏速率的所述数据； 处理器单元，其被配置为实施上述权利要求中的任一项所述的方法。21. 根据权利要求20所述的系统，其中，所述呼吸数据反映由所述对象穿戴的呼吸传 感器测量的所述对象的呼吸容量和呼吸频率，所述呼吸传感器优选包括至少一个伸长传感 器。22. 根据权利要求21或22所述的系统，包括带有至少一对ECG电极11的心率传感器， 其在使用中适当地定位在所述对象的胸部上。23. 根据权利要求21、2或23所述的系统，包括显示器，所述显示器用于将保留的通气 阈值显示为对时间和/或心搏速率的指示并将保留的通气阈值显示为具有对应的置信指 数。24. 根据权利要求21至24中的任一项所述的系统，其中，所述控制单元采取自包含的 便携式设备的形式，其具有电池、命令接口和用于有线或无线连接的传感器接口。25. -种计算机程序产品，其包括用于当在处理单元上运行时令处理器执行根据权利 要求1至19中的任一项所述的方法的指令。
【专利摘要】一种实时确定在锻炼过程期间的对象的通气阈的方法，其中，在所述锻炼过程期间，与所述对象的生理参数相关的数据根据时间被采集并存储，所述数据至少包括指示呼吸和心搏速率的数据。所述方法包括VT确定例行程序，其包括以下步骤：a)根据第一种方法基于与针对所述锻炼过程采集的所述生理参数中的至少一个相关的数据来计算通气阈的第一个值；b)根据不同的第二种方法基于与针对所述锻炼过程采集的所述生理参数中的至少一个相关的数据来计算通气阈的第二个值；c)针对通气阈的所述第一个和第二个值中的每个来确定置信指数，其中，所述置信指数反映所述通气阈的可检测性以及根据一种方法的通气阈的值和根据另一种方法的通气阈的值之间的匹配中的至少一个。
【IPC分类】A61B5/083, A61B5/024, A61B5/0205, A63B24/00
【公开号】CN104883966
【申请号】CN201380068382
【发明人】C·茹阿尼克-迪比, T·施蒂夫特, M·卢-达克, F·勒莫因, C·布尔
【申请人】Iee国际电子工程股份公司
【公开日】2015年9月2日
【申请日】2013年11月27日
【公告号】EP2925217A1, US20150297133, WO2014083079A1