Ett system tillverkat med två billiga sensorer är mer exakt än smartklockor för att spåra kalorier som förbränns under aktivitet, rapporterar forskare
Och instruktionerna för att göra systemet själv är tillgängliga gratis online.
Medan smartwatches och smartphones tenderar att stängas av med cirka 40 till 80% när det gäller att räkna kalorier som förbränns under en aktivitet, är detta system i genomsnitt 13% fel.
"Vi byggde ett kompakt system som vi utvärderade med en mångskiftande grupp deltagare för att representera den amerikanska befolkningen och fann att det klarar sig mycket bra, med ungefär en tredjedel felet i smartklockor", säger Patrick Slade, doktorand i maskinteknik vid Stanford University som är huvudförfattare till en uppsats om arbetet i Nature Communications.
En avgörande del av denna forskning var att förstå en grundläggande brist på andra bärbara apparater som räknar kalorier: de är beroende av handledsrörelse eller hjärtfrekvens, även om inget av dem är särskilt ett tecken på energiförbrukning. (Tänk på hur en kopp kaffe kan öka hjärtfrekvensen.) Forskarna antog att benrörelse skulle vara mer talande - och deras experiment bekräftade den tanken.
Detta nya mätsystem har två sensorer på låret och skaftet som drivs av ett batteri och styrs av en mikrokontroller, som kan ersättas av en smartphone. (Kredit: Andrew Brodhead)
Det finns system av laboratoriekvalitet som exakt kan uppskatta hur mycket energi en person brännskador under fysisk aktivitet genom att mäta växthastigheten för koldioxid och syre i andningen. Sådana inställningar används för att bedöma hälsa och atletisk prestanda, men de involverar skrymmande, obekväm utrustning och kan vara dyra.
Det nya bärbara systemet kräver bara två små sensorer på benet, ett batteri och en bärbar mikrokontroller (en liten dator) och kostar cirka $ 100 att tjäna. Listan över komponenter och koda för att göra systemet finns båda tillgängliga.
”Det här är ett stort framsteg eftersom det hittills tar två till sex minuter och en gasmask att exakt uppskatta hur mycket energi en person bränner”, säger medförfattare Scott Delp, professor vid School of Engineering. ”Med Patricks nya verktyg kan vi uppskatta hur mycket energi som förbränns för varje steg när en olympisk idrottsman tävlar mot mållinjen för att få ett mått på vad som driver deras högsta prestanda. Vi kan också beräkna den energi som en patient tillfrisknar efter hjärtkirurgi för att bättre hantera sin träning. ”
Ben, inte handleder
Hur människor förbränner kalorier är komplicerat, men forskarna hade en aning om att sensorer på benen skulle vara ett enkelt sätt att få insikt i denna process.
"Ett problem med traditionella smartklockor är att de bara får information från din handleds och hjärtfrekvensens rörelse", säger medförfattare Mykel Kochenderfer, docent i flyg- och astronautik. "Det faktum att Patricks enhet har en lägre felprocent är vettigt eftersom den upptäcker rörelse i dina ben och det mesta av din energi förbrukas av dina ben."
Systemet är avsiktligt enkelt. Den består av två små sensorer - en på låret och en på skaftet på ett ben - som drivs av en mikrokontroller på höften, som lätt kan ersättas av en smartphone. Dessa sensorer kallas ”tröghetsmätningsenheter” och mäter benets acceleration och rotation när den rör sig. De är avsiktligt lätta, bärbara och låga kostnader så att de lätt kan integreras i olika former, inklusive kläder, t.ex. smarta byxor.
För att testa systemet mot liknande tekniker hade forskarna deltagare i studien bära det samtidigt som de hade två smartklockor och en pulsmätare. Med alla dessa sensorer anslutna utförde deltagarna en mängd aktiviteter, inklusive olika hastigheter för promenader, löpning, cykling, trappklättring och övergång mellan gång och löpning.
När alla bärbara produkter jämfördes med kaloriförbränningsmätningarna som fångades av ett laboratoriesystem fann forskarna att deras benbaserade system var det mest exakta.
Genom att ytterligare testa systemet på över ett dussin deltagare i olika åldrar och vikter samlade forskarna en mängd data som Slade använde för att ytterligare förfina maskininlärningsmodellen som beräknar kaloriförbränningsberäkningarna.
Modellen tar in informationen om benrörelser från sensorerna och beräknar - med hjälp av vad den har lärt sig från tidigare data - hur mycket energi användaren bränner vid varje ögonblick i tiden. Och medan nuvarande toppmoderna system kräver ungefär sex minuters data från en person som är ansluten till en mask i en laboratorieinställning, kan detta frittgående alternativ fungera med bara sekunder av aktivitet.
"Många av de steg du tar varje dag händer i korta perioder på 20 sekunder eller mindre", säger Slade, som nämnde att göra sysslor som ett exempel på kortvarig aktivitet som ofta blir förbisedd. "Att kunna fånga dessa korta aktiviteter eller dynamiska förändringar mellan aktiviteter är verkligen utmanande och inget annat system kan för närvarande göra det."
Öppen källkodsräkning
Enkelhet och prisvärdhet var viktigt för detta team, liksom att göra designen tillgänglig, eftersom de hoppas att denna teknik kan hjälpa människor att förstå och ta hand om deras hälsa.
"Vi öppnar upp allt i hopp om att människor ska ta det och springa med det och göra produkter som kan förbättra allmänhetens liv", säger Kochenderfer.
De tror också att detta systems enkelhet, prisvärdhet och bärbarhet kan stödja bättre hälsopolitik och nya vägar för forskning om mänsklig prestanda. Forskargruppen ledd av Steve Collins, docent i maskinteknik och seniorförfattare till denna uppsats, använder redan ett liknande system för att studera den energi som används med bärbara robotsystem som förbättrar prestanda.
”En av de mest spännande sakerna är att vi kan spåra dynamiskt förändrade aktiviteter, och den här exakta informationen låter oss tillhandahålla bättre policyer för att rekommendera hur människor ska träna eller hantera sin vikt”, säger Slade.
"Det öppnar en helt ny uppsättning forskningsstudier som vi kan göra om mänskliga prestationer", säger Delp, som också är professor i bioteknik och maskinteknik. ”Hur mycket energi du bränner när du går, när du springer, när du anstränger dig på en cykel - alla dessa saker är grundläggande. När vi har ett nytt verktyg som detta öppnar det en ny dörr för att upptäcka nya saker om mänsklig prestation. ”
National Science Foundation, National Institutes of Health och ett Stanford Graduate Fellowship finansierade arbetet.
Källa: Stanford University
Om författaren
