Výběr vhodných metod odhadu energetického výdeje za pomoci bezdrátových senzorových sítí

Abstract

Práce se zabývá odhadem energetického výdeje pomocí nositelné elektroniky. Nejprve je nastíněn současný stav problematiky, jsou popsány referenční metody měření energetického výdeje a metody odhadu energetického výdeje založené na nositelné elektronice. Je vyslovena hypotéza, že odhad energetického výdeje pomocí nositelné elektroniky je možné zpřesnit za použití vhodné množiny senzorů a personalizovaného modelu vytvořeného pomocí neuronových sítí. Je provedena sada dvou experimentů celkem na 20 probandech a je naměřeno více než 50 hodin dat. Experimenty jsou prováděny za použití systému FlexiGuard, kterým je snímána tepová frekvence, jednotlivé RR intervaly a pohybová aktivita na několika místech těla. Jako referenční metoda je použita metoda nepřímé kalorimetrie pomocí přístroje Oxycon Mobile. Odhad energetického výdeje založený na sadě senzorů systému FlexiGuard a neuronových sítích je srovnán se starou, avšak stále hojně používanou metodou odhadu energetického výdeje pouze z tepové frekvence. Z porovnání jednotlivých průběhů odhadu energetického výdeje a z porovnání jejich relativních chyb vůči referenční metodě je zřejmé, že nová metoda nabízí výrazně přesnější odhad energetického výdeje. Data jsou dále vyhodnocena pomocí statistických metod. Dvou-výběrovým nepárovým testem jsou porovnávány relativních chyby i jejich rozptyly. Ve všech testech vychází nová metoda jako statisticky významně přesnější, a to většinou na vysokých hladinách významnosti minimálně 99%. U všech probandů zároveň vyšel odhad celkové vykonané práce během experimentu u nové metody blíže referenční hodnotě než u staré metody založené pouze na tepové frekvenci. Průměrná relativní chyba staré metody při určování celkové vykonané práce z naměřených dat je 54,8 ± 30,5 %, kdežto nově zkoumaná metoda vykazuje průměrnou chybovost pouze 5 ± 12,8 %. Výsledky jsou na závěr diskutovány a vyslovená hypotéza je úspěšně ověřena.

The work deals with the estimation of energy expenditure using wearables. First, the current state of the art is outlined, reference methods for measuring energy expenditure and methods for estimating energy expenditure based on wearables are described. It is hypothesized that energy expenditure estimation using wearables can be further refined using a suitable set of sensors and a personalized model created using neural network. A set of two experiments is performed on a total of 20 probands and more than 50 hours of data are measured. The experiments are carried out using the FlexiGuard system, which measures heart rate, individual RR intervals and movement activity in several parts of the body. The indirect calorimetry method using the Oxycon Mobile device is used as a reference method. Energy expenditure estimation based on a set of FlexiGuard system sensors and neural network is compared to the old but still widely used method of estimating energy expenditure from heart rate alone. It is clear from the comparison of the individual graphs of energy expenditure estimation and from the comparison of their relative errors compared to the reference method that the new method offers a significantly more accurate estimating of energy expenditure. The data are further evaluated using statistical methods. Relative errors and their variances are compared with a two-sample unpaired tests. In all tests, the new method comes out as statistically significantly more accurate, mostly at high significance levels of at least 99%. At the same time, for all probands, the estimation of the total work performed during the experiment with the new method was closer to the reference value than with the old method based only on heart rate. The average relative error of the old method in determining the total work performed from the measured data is 54.8 ± 30.5 %, while the newly investigated method shows an average error rate of only 5 ± 12.8 %. At the end, the results are discussed and the expressed hypothesis is successfully verified.