DE19781642B4

DE19781642B4 - Verfahren zum Bestimmen eines die maximale Sauerstoffaufnahme beschreibenden Wertes eines zu beurteilenden Lebenswesens

Info

Publication number: DE19781642B4
Application number: DE19781642A
Authority: DE
Inventors: Seppo NISSILÄ; Juha Röning; Antti Ruha; Kauko Väinämö
Original assignee: Polar Electro Oy
Current assignee: Polar Electro Oy
Priority date: 1996-03-12
Filing date: 1997-03-12
Publication date: 2008-01-03
Anticipated expiration: 2017-03-13
Also published as: GB9819760D0; GB2326240A; FI111514B; GB2326240A8; WO1997033512A1; HK1016857A1; FI961148A7; FI961148A0; DE19781642T1; GB2326240B

Abstract

Verfahren zum Bestimmen eines die maximale Sauerstoffaufnahme beschreibenden Wertes eines zu beurteilenden Lebewesens anhand einer Rechengleichung, wobei der Rechengleichung Eingabeparameter zugeführt werden, die das Lebewesen charakterisieren und die wenigstens einen der folgenden physiologischen Parameter wie Geschlecht, Alter, Größe, Gewicht umfassen, und aus denen mit Hilfe der Rechengleichung ein oder mehrere Ausgangsparameter als Ergebnis gewonnen werden, die den die maximale Sauerstoffaufnahme beschreibenden Wert darstellen, und wobei zusätzlich zu den physiologischen Parametern ein oder mehrere Ruhe-Herzschlagparameter als Eingabeparameter für die Rechengleichung verwendet werden, die spezifisch aus dem Ruhe-Herzschlag bestimmt werden, dadurch gekennzeichnet, dass die Rechengleichung mittels eines neuronalen Netzwerks (NN) formuliert wird, wobei das zur Formulierung der Rechengleichung verwendete neuronale Netzwerk (NN) mit einer ausreichend großen Anzahl realer Messergebnisse trainiert wird, die entsprechende Eingabeparameter und einen oder mehrere entsprechende Ausgangsparameter umfassen, und dass die entsprechenden Ruhe-Herzschlagparameter beim Trainieren des neuronalen Netzwerks (NN) bei der Formulierung der Rechenformel verwendet werden.

Description

Die Erfindung bezieht sich auf ein Verfahren zum Bestimmen eines die maximale Sauerstoffaufnahme beschreibenden Wertes eines zu beurteilenden Lebewesens anhand einer Rechengleichung, wobei der Rechengleichung Eingabeparameter zugeführt werden, die das Lebewesen charakterisieren und die wenigstens einen der folgenden physiologischen Parameter wie Geschlecht, Alter, Größe, Gewicht umfassen, und aus denen mit Hilfe der Rechengleichung ein oder mehrere Ausgangsparameter als Ergebnis gewonnen werden, die den die maximale Sauerstoffaufnahme beschreibenden Wert darstellen, und wobei zusätzlich zu den physiologischen Parameter ein oder mehrere Ruhe-Herzschlagparameter als Eingabeparameter für die Rechengleichung verwendet werden, die spezifisch aus dem Ruhe-Herzschlag bestimmt werden.
Ein solches Verfahren ist durch die US 4566461 A1 bekannt.
Die Konditionsklassifikation, die die Ausdauer bei Anstrengungen darstellt, auf der Basis der Messung der maximalen Sauerstoffaufnahme, wird als Indikator der physischen Kondition bei Anstrengungen herangezogen, beispielsweise zum Messen oder Abschätzen des menschlichen physischen Leistungsvermögens.
Es ist bekannt, die Kondition bei Anstrengungen direkt oder indirekt zu bestimmen und zu messen. Bei der direkten Messung wird beispielsweise mittels einer Laufmatte oder eines Fahrradergometers die maximale Sauerstoffaufnahmefähigkeit direkt aus dem Atemgas gemessen. Bei der indirekten Messung wird die während einer bestimmten Zeit geleistete Arbeit gemessen, beispielsweise beim sogenannten Cooper-Test, bei dem die während zwölf Minuten zurückgelegte Laufstrecke gemessen wird. Bei beiden bekannten Verfahren erfolgt die Messung der Ausdauer durch Messung der aktiven Leistungsfähigkeit, weshalb diese Verfahren arbeitsaufwendig, schwierig durchzuführen und teuer sind. Der mittlere Herzschlag im Ruhezustand wird als ein Indikator der Kondition betrachtet, führt jedoch nicht zu zuverlässigen Ergebnissen, weil das Verhältnis des Ruhe-Herzschlags zur maximalen Sauerstoffaufnahmefähigkeit nur bei einem Verhältnis von 0,4 bis 0,45 liegt. Andere Herzschlagparameter ergeben ebenfalls keine bessere Korrelationen zur maximalen Sauerstoffaufnahmefähigkeit.
Der Erfindung liegt die Aufgabe zugrunde, ein Verfahren der eingangs genannten Art anzugeben, mit denen die Schwierigkeiten der bekannten Verfahren vermieden werden können.
Diese Aufgabe wird durch die Kennzeichnenden Merkmale in Anspruch 1 gelöst. Dabei wird eine mittels eines neuronalen Netzwerkes formulierte Berechnungsgleichung zum Bestimmen eines die maximale Sauerstoffaufnahme beschreibenden Wertes eines zu beurteilenden Lebenswesen verwendet wird, der die Kondition bei Anstrengungen wiedergibt. Dieser Gleichung werden Eingabeparameter zugeführt, die das zu beurteilende Lebewesen, im allgemeinen eine Person, wiedergeben oder darstellen. Die Eingabeparameter umfassen wenigstens einen der folgenden physiologischen Parameter wie Geschlecht, Alter, Größe, Gewicht. Von dieser Rechengleichung werden als Ergebnis ein oder mehrere Ausgangs- oder Ergebnisparameter erhalten, die den Ausdauerindikator darstellen, der die Kondition der zu beurteilenden Person wiederspiegelt. Der Aufbau des für die Formulierung der Rechengleichung verwendeten Netzwerks wird mit einer ausreichend großen Zahl von Messergebnissen erzielt, die ähnliche Eingabeparameter und einen oder mehrere ähnliche Ausgangsparameter umfassen. Zusätzlich zu den physiologischen Parametern werden ein oder mehrere Ruhe-Herzschlagparameter spezifisch im Ruhezustand gemessen und als Eingangsparameter der Berechnungsformel verwendet. Ähnliche Ruhe-Herzschlagparameter werden beim Trainieren des neuronalen Netzwerkes verwendet, das zum Formulieren der Berechnungsgleichung des die Kondition wiedergebenden Ausdauerindikators verwendet wird.
Die erfindungsgemäßen Verfahren beruhen auf dem Gedanken, Parameter über den Herzschlag im Ruhezustand als Eingangsdaten für die Berechnung der Kondition oder Ausdauer und eine Berechnungsgleichung zu verwenden, die vorzugsweise durch das neuronale Netzwerk vorgegeben wird, wobei in die Gleichung Parameter über den Ruhe-Herzschlag und menschliche physische Parameter als Eingangsdaten eingeführt werden. Dabei wird die maximale Sauerstoffaufnahme als Ausgangsinformation berechnet, die die menschliche physische Kondition oder Ausdauer darstellt. Bei der Formulierung der Berechnungsgleichung wird das vorzugsweise verwendete neuronale Netzwerk durch entsprechende Daten unter Verwendung extensiver realer Messungsunterlagen trainiert. Unterschiedliche Parameter des Herzschlags einer Person und während weniger Minuten gemessene Herzschlagänderungen werden als Messdaten benötigt. Zusätzlich zu den aus dem Herzschlag gewonnenen Parametern werden menschliche physische Messparameter verwendet, wie Gewicht, Größe, Alter und Geschlecht. Die aus dem Ruhe-Herzschlag gewonnenen Daten und die persönlichen Daten werden der Berechnungsgleichung als Eingangsdaten zugeführt. Bei der Bestimmung der Berechnungsgleichung durch ein neuronales Netzwerk wurden mittels Fuzzy-Logik verschiedene Regeln aufgestellt, d.h. die Auswirkung verschiedener Variablen oder Kombinationen von Variablen auf das Endergebnis, d.h. auf die Konditionsklasse wird "fuzzy" gemacht. Mit Hilfe der mittels des neuronalen Netzwerkes bestimmten Berechnungsformel werden Gewichtungen berechnet, die auf der Basis des Trainingsmaterials über die maximale Sauerstoffaufnahmefähigkeit einer Person aus den neu zugeführten Daten erhalten wurden. Auf diese Weise wird eine entsprechende Konditionsklasse bestimmt.
Neuronale Netzwerke sind an sich bekannt. Sie werden bisher zur Messung des Gesundheitszustandes eines Patienten verwendet wie die Schwere des Infarkt einer Person, das Todesrisiko für ältere Personen oder der Blutdruck einer Person ( EP-555591 A1 ).
Aus der DE-430545 A1 ist eine Vorrichtung bekannt, mit der Ort und Schwere des Infarkts einer Person bestimmt werden. Bei dieser Vorrichtung erfolgt eine EKG-Messung auf mehreren Kanälen; die Infarktbestimmung beruht auf der trainierten Verwendung und Klassifikation des Aufbaues des neuronalen Netzwerkes in der Vorrichtung.
Aus EP-650742 A1 ist eine Vorrichtung bekannt, bei der ein Herzschrittmacher, beispielsweise ein Defibrillator, mittels eines neuronalen Netzwerkes gesteuert wird. Diese Vorrichtung misst die EKG-Kurve, vergleicht sie mit einer Datenbank und entscheidet, ob ein Schrittmacherimpuls erforderlich ist.
Aus WO-92/03094 ist eine Vorrichtung bekannt, mit der der Herzschlag eines Patienten mittels Herzgeräuschen unter Verwendung eines neuronalen Netzwerks diagnostiziert wird.
Aus der US-5251626 ist eine Vorrichtung zum Erfassen und Klassifizieren von Arrhythmien bekannt, die der aus der EP-650742 A1 bekannten ähnelt.
Aus der US-5280792 ist eine Vorrichtung zum Erfassen und Klassifizieren von Arrhythmien bekannt, die den aus der EP-650742 und der US-5251626 bekannten ähnelt.
Aus der DE-4338958 A1 sind eine Vorrichtung und ein Verfahren zur Bestimmung des optimalen Herzschlags bei Anstrengung einer Person bekannt. Bei dieser Lösung wird ein optimaler Herzschlag bei Anstrengung unter Verwendung eines iterativen Verfahrens gesucht, wobei zunächst ein(e) anfängliche(r) Herzschlagpegel/-belastung unter Verwendung bekannter Formeln bestimmt und dann der Herzschlagpegel unter Belastung gemessen wird. Der Unterschied zwischen angenommenem und gemessenem Herzschlagpegel dient zur Optimierung des richtigen Herzschlagpegels/Belastungspegels. Das Ergebnis kann weiter spezifiziert werden, indem andere Variablen und Faktoren unter Verwendung eines neuronalen Netzwerks und/oder einer Analyse mit mehreren Variablen berücksichtigt werden. Nachteil der aus dieser Druckschrift bekannten Lösung ist auch, dass der Herzschlag während der Belastung gemessen werden muss. Diese Lösung bezieht sich auf die maximale Sauerstoffaufnahmefähigkeit, die maximale Sauerstoffaufnahme wird jedoch als Eingangsinformation verwendet und nicht als Ausgangsinformation der Berechnung wie bei der erfindungsgemäßen Lösung.
Keine der genannten Druckschriften bezieht sich auf die Messung der Ausdauer, d.h. der Leistungsfähigkeit bei Anstrengung.
Den bekannten Lösungen ist gemeinsam, dass der unter Anstrengung gemessene Herzschlag-Messwert als solcher berücksichtigt wird, ohne spezifischere Analysen von Herzschlagdaten zu berücksichtigen.
Also, aus der US-4566461 ist ein gattungsgemäßes Verfahren bekannt, das als Ausdauerindikator die maximale Sauerstoffaufnahme bestimmt. Hierbei werden in einem Mikroprozessor der Ruhepuls sowie physiologische Größen, wie Gewicht, Größe und Geschlecht verarbeitet.
Bei der bevorzugten Ausführungsform der erfindungsgemäßen Lösung werden ein oder mehrere RR-Intervall-Parameter aus dem Ruhe-Herzschlag berechnet, wobei die Ruhe-Herzschlagparameter zusammen mit einer ausreichend großen Anzahl realer Messergebnisse beim Trainieren eines neuronalen Netzwerks bei der Formulierung der Rechenformel, die zum Bestimmen eines die maximale Sauerstoffaufnahme beschreibenden Wertes, verwendet werden.
Durch die Erfindung wird eine Reihe von Vorteilen erzielt: Das erfindungsgemäße Verfahren ist sehr genau, einfach, vorteilhaft hinsichtlich der Kosten und leicht zu implementieren. Das erfindungsgemäße Verfahren ist sehr nützlich zum Testen und zur Bestimmung der Kondition bei normalen, eine Übung ausführenden Personen, weil es leicht ist, den Ruhe-Herzschlag während weniger Minuten aufzuzeichnen und die physischen Parameter aufzunehmen und sie dem notwendigen Messgerät zuzuführen, weil kein Übungstest erforderlich ist. Das erfindungsgemäße, genaue und einfach auszuführende Verfahren kann auch bei Sportlerinnen/Sportlern angewandt werden, um Änderungen der Kondition zu überwachen. Als Referenz können genauere direkte Tests weniger oft ausgeführt werden. Durch das erfindungsgemäße Verfahren werden auch Kosten eingespart, die bei einem direkten Test beträchtlich sind. Durch das erfindungsgemäße Verfahren wurde auch eine Korrelation mit einem Verhältnis von 0,97 als Ergebnis zwischen der maximalen Sauerstoffaufnahmefähigkeit, berechnet durch das neuronale Netzwerk aufgrund der Berechnungsgleichung und andererseits der nach dem direkten Verfahren gemessenen Sauerstoffaufnahmefähigkeit erzielt. Durch die Erfindung ist es möglich, einfach und zuverlässig ohne maximale Anstrengung den physischen Zustand und das Leistungsvermögen einer Person zu bestimmen. Das erfindungsgemäße Verfahren kann beispielsweise mittels eines am Handgelenk getragenen Pulswächters, eines Gesundheitswächters oder in Verbindung mit einer anderen derartigen Vorrichtung ausgeführt werden.
Die Erfindung wird anhand der Zeichnung näher erläutert. Es zeigen:
1 eine grafische Darstellung eines neuronalen Netzwerks,
2 den Aufbau eines neuronalen Netzwerks in Matrixform,
3 den Aufbau eines neuronalen Netzwerks zur Bestimmung einer Berechnungsgleichung zur Berechnung der physischen Kondition,
4 eine Mitgliederfunktion in einer Fuzzy-Gruppe,
5 Koeffizienten- und Vorgabe- oder Tendenz-Matrizen, die aufgrund des neuronalen Netzwerks und des diesem zugeführten umfangreichen Testmaterials bestimmt wurden,
6 zeigt den Ruhe-Herzschlag.
6 zeigt ein typisches EKG-Signal, wie es vom Herzschlag erzeugt wird. Die P-, Q-, R-, S-, T- und U-Zacken können in jedem Signal durch genaue Messung identifiziert werden. Die R-Zacke wird durch Polarisation der Ventrikeln des Herzens erzeugt und stellt im allgemeinen einen Spitzenwert dar. Der Spitzenwert R stellt den Maximalpunkt des EKG-Signals dar und das Intervall R-R entspricht einem Herzschlag-Intervall. Der Herzschlag kann aus einem Druckimpuls oder optisch gemessen werden.
Bei einer bevorzugten Ausführungsform des erfindungsgemäßen Verfahrens wird der Ruhe-Herzschlag während einiger Minuten, vorzugsweise während 2 bis 5 Minuten, gemessen. Diese Messung lässt sich leicht ausführen, ist aber lang genug, um zuverlässige Messergebnisse zu erzielen, wenn Informationen über die Herzschlagänderung erhalten werden.
Bei einer bevorzugten Ausführungsform werden ein oder mehrere der folgenden Ruhe-Herzschlagwerte als Eingangsparameter aus dem Ruhe-Herzschlag bestimmt: Mittleres Herzschlagintervall, Standardabweichung der Herzschlagintervalle, maximales mittleren Herzschlagintervall.

Vorzugsweise werden durch Kombination der Eingangsparameter ein oder mehrere Eingangsparameterkombinationen gebildet. Einige geprüfte Eingangsparameter sind in der folgenden Tabelle 1 zusammengefasst: Tabelle 1:

Tabelle 1:	Eigenschaften, d.h. im Verfahren verwendete Eingabeparameter
Eigenschaft	Erläuterung
Alter	Das Alter einer Testperson mit einer Genauigkeit von einem Jahr
Geschlecht	Das Geschlecht eines Probanden
Gewicht	Das Gewicht eines Probanden mit einer Genauigkeit von 0,2 kg
Größe	Die Größe einer Testperson mit der Genauigkeit von 1 cm
Fuzzy 1	Wert der Mitgliedsfunktion in einer Fuzzy-Gruppe "ältere Personen"
Fuzzy 2	Wert der Mitgliedsfunktion in einer Gruppe "nicht-mittelgewichtige Personen"
Fuzzy 3	Wert der Mitgliedsfunktion in einer Gruppe "im mittelgroße Herzschlagintervalle"
Low ave 3	Mittlere maximale Atmungsmodulation zur Pulsfrequenz
PRC99	Häufungswert (in Prozent) des Herzschlaghistogramms bei 99%
Max	Maximales Herzschlagintervall
Mean	Mittleres Herzschlagintervall
Sdev	Standardabweichung der Herzschlagintervalle

Mit Bezug auf Tabelle 1 sei festgestellt, dass nach dem Verfahren ein oder mehrere unterschiedliche Regeln mittels Fuzzy-Logik gebildet werden, so dass die Auswirkung eines oder mehrerer Eingangsparameter und/oder einer oder mehrerer Eingangsparameter-Kombinationen auf den Ausgangsparameter, d.h. auf die die Kondition darstellende maximale Sauerstoffaufnahmefähigkeit fuzzy, d.h. unscharf wird. Als Einheit für die maximale Sauerstoffaufnahmefähigkeit kann die Einheit Liter pro Minute (l/min) und/oder Milliliter pro Kilogramm pro Minute (ml/kg/min) verwendet werden.
Nach einer bevorzugten Ausführungsform, die anhand 3 erläutert wird, umfasst das Verfahren eine Vorklassifizierung und danach eine wirkliche Berechnung. Bei der bevorzugten Ausführungsform des Verfahrens werden ein oder mehrere physiologische Eingabeparameter verwendet, wobei der mögliche Lösungsbereich aufgesucht wird, in dem der Wert des zu errechnenden Ausgangsparameters schätzungsweise liegen wird. Bei einem tatsächlichen Berechnungsvorgang werden auch die Eingabeparameter bei Ruhe-Herzschlag verwendet, wodurch während des Berechnungsvorganges der Wert des Ausgangsparameters, der die physische Kondition der zu beurteilenden Person darstellt, auf der Basis der Eingabeparameter des Ruhe-Herzschlags zum korrekten Wert hin verschoben wird.
Bei der bevorzugten Ausführungsform des erfindungsgemäßen Verfahrens werden zusätzlich zu den physiologischen Eingabeparametern ein oder mehrere unscharf (fuzzy) gemachte Eingabeparameter verwendet. Dies wird anhand 4 erläutert, die die Mitgliedsfunktion in einer Fuzzy-Gruppe "alt" zeigt. 4 ist eine grafische Darstellung der Konzept-Mitgliedsfunktion der Fuzzy-Logik. Die Mitgliedsfunktion zeigt bei diesem Beispiel, zu welchem Anteil oder in welchem Maße ein bestimmtes Alter zur Gruppe "alt" gehört. Die Fuzzy-Logik stellt eine Art des Denkens dar, wobei die Mitgliedschaft oder Zugehörigkeit zu einer bestimmten Gruppe ein kontinuierliches Konzept ist. Eine Person mittleren Alters gehört teilweise zur Gruppe "jung" und teilweise zur Gruppe "alt". Durch Verwendung der Fuzzy-Logik werden neue Parameter, d.h. Merkmale der Herzschlagparameter und Angaben wie das Gewicht, Größe, Alter und Geschlecht einer Person zum Eingabevektor VR gebildet (2). Der Eingabevektor VR umfasst die in Tabelle 1 angegebenen Eingabeparameter.
Was die Messung der menschlichen physischen Kondition, d.h. die Ausdauer betrifft, ist die bevorzugte Ausführungsform des Verfahrens so angelegt, dass der Wert der maximalen Sauerstoffaufnahmefähigkeit entsprechend den Eingabeparametern und/oder der Konditionsklasse, die die Sauerstoffaufnahmefähigkeit oder einen beliebigen anderen derartigen Wert darstellt, der die physische Ausdauer wiedergibt, als Ausgangsparameter als Ergebnis der Berechnung erhalten wird.
Bei einer bevorzugten Ausführungsform des erfindungsgemäßen Verfahrens werden bekannte empirische Daten in der Berechnungsgleichung verwendet und die empirischen Daten werden nach Fuzzy-Regeln durch die Berechnungsgleichung kombiniert.
In einer bevorzugten Ausführungsform der Erfindung werden ein oder mehrere der folgenden Informationsteile als empirische Daten verwendet: "Eine ältere Person hat wahrscheinlich eine schlechtere Kondition", "das Gewicht einer Person korreliert mit der Kondition der Person, die in der Gruppe der nicht mittelgewichtigen die beste Kondition hat", "eine Person mit einem größeren mittleren Herzschlagintervall ist wahrscheinlich bei guter Kondition".
Bei einer bevorzugten Ausführungsform wird das erfindungsgemäße Verfahren durch den Rechner 200 implementiert, der in den Pulsmonitor B integriert ist, d.h. in ein Empfänger-Armband B.
Vorzugsweise wird der in 3 gezeigte Aufbau eines neuronalen Netzwerks NN verwendet. Vorzugsweise wird erfindungsgemäß eine Berechnungsformel verwendet, die mittels des neuronalen Netzwerks NN erhalten wird, dem die zu untersuchende Person darstellende Eingabeparameter zugeführt werden. Die Eingabeparameter umfassen einen oder mehrere der folgenden physiologischen Parameter wie Geschlecht, Alter, Größe, Gewicht. Durch die Berechnungsgleichung werden ein oder mehrere Ausgangsparameter erhalten, die die Kondition oder Ausdauer des Probanden darstellen. Das neuronale Netzwerk NN, das zur Bildung der Berechnungsgleichung verwendet wird, wird mit einer ausreichend großen Anzahl realer Messergebnisse trainiert, z.B. klinischen Messergebnissen von 200 Testpersonen, umfassend entsprechende Eingabeparameter und einen oder mehrere ähnliche Ausgangsparameter wie die bei der Berechnung im Rechner 200 verwendeten. Erfindungsgemäß werden ein oder mehrere Ruhe-Herzschlagparameter als Eingabeparameter für die Berechnungsgleichung zusätzlich zu den physiologischen Parametern verwendet. Entsprechende Ruhe-Herzschlagparameter werden beim Trainieren des neuronalen Netzwerks NN zur Formulierung der Berechnungsgleichung verwendet.
Eine bevorzugte Ausführungsform bei der Benutzung des neuronalen Netzwerks NN ist so, dass beim erfindungsgemäßen Verfahren eine solche Berechnungsgleichung verwendet wird, die durch Realisierung der Rechenmatrizen vorgegeben wird, die als Ergebnis des Trainierens des neuronalen Netzwerkes erhalten wird, das zur Formulierung der Berechnungsgleichung verwendet wird.
Die als Ergebnis des Trainings des neuronalen Netzwerks gewonnenen Rechenmatrizen werden als Berechnungsgleichung realisiert, und zwar durch Anwendung bekannter Aktivierungsfunktionen, und durch Multiplikation und Addition.
Wie aus 1 bis 3 ersichtlich, umfasst das neuronale Netzwerk NN eine Eingabeschicht, eine Ausgabeschicht und eine verdeckte Schicht. In jeder Schicht können sich mehrere Neuronen befinden. Jeder Zellenparameter bildet ein Eingangsneuron in der Eingabeschicht. In der Ausgangsschicht sind ebenso viele Neuronen wie Ausgangsvariablen. Die Anzahl der Neuronen in der Zwischenschicht ist abhängig von der Struktur des Netzwerks. Die Signale der Neuronen im Netzwerk werden durch Kombinieren der Variablen und/oder Neuronen der vorhergehenden Schicht berechnet, indem lineare oder nichtlineare Aktivierungsfunktionen verwendet werden.
Ein einfaches neuronales Netzwerk NN ist in 1 gezeigt. Es enthält eine Eingabeschicht, eine verdeckte Schicht und eine Ausgangsschicht. In der Eingabeschicht befinden sich drei Zellen, die nicht Neuronen sind, sondern Werte des Eingabevektors zeigen. In der verdeckten Schicht sind zwei Neuronen vorhanden, mit denen die Zellen in der Eingabeschicht vollständig verbunden sind. Die Verbindungen umfassen Gewichtungskoeffizienten, mit denen die Größe des Signals beim Summieren in der folgenden Schicht gewichtet wird. Jede verdeckte Schicht und Eingabeschicht kann einem Vorgabevektor zugeordnet sein, der der Einfachheit halber in der Darstellung weggelassen wurde. 1 zeigt auch die algebraischen Formeln der beispielsweisen Ausführungsform des neuronalen Netzwerks.
2 zeigt das neuronale Netzwerk NN unter Verwendung von Matrix- und Vektorgleichungen. Vorgabevektoren b, die den Betrieb des neuronalen Netzwerks NN verbessern, sind ebenfalls vorgesehen. Die Bestimmung der Gewichtungskoeffizienten des neuronalen Netzwerks erfolgt unter Verwendung allgemeiner Trainingsalgorithmen der neuronalen Berechnung. Als Ergebnis des Trainings des Netzwerks werden eine Koeffizientenmatrix und ein Vorgabenvektor b für jede Neuronenschicht gewonnen. Das neuronale Netzwerk kann danach unter Verwendung mathematischer Funktionen, Multiplikation und Summieren in einfacher programmierbarer Form als Rechnerprogramm realisiert werden.
Wie erwähnt, wird erfindungsgemäß vorklassifiziert und danach die tatsächliche Berechnung durchgeführt. Diese Unterteilung ist ein Ergebnis des vorzugsweise verwendeten neuronalen Netzwerks NN der 3. Das neuronale Netzwerk NN umfasst zwei Abschnitte: Einen Vorklassifizierer und eine Struktur zur tatsächlichen Berechnung. Bei der Vorklassifizierung werden die physiologischen und Fuzzy-Merkmale gemäß Tabelle 1 verwendet. Ein Vorteil der Vorklassifizierung ist, dass die physiologischen Merkmale den möglichen Lösungsbereich definieren; z.B. kann eine kleine Frau nicht die Lungenkapazität eines großen Mannes haben.
Das Modell des neuronalen Netzwerks NN ist in 3 gezeigt, wobei die in Tabelle 1 aufgeführten Merkmale Eingangsgrößen sind. Die Größe der Korrelation zur zu messenden Größe ist, dass die maximale Sauerstoffaufnahmefähigkeit durch Selektieren der Merkmale geprüft wird.
Ein Rückverfolgungsverfahren (Backpropagationsverfahren) oder ein ähnlich geeignetes Verfahren dient zum Trainieren des neuronalen Netzwerks NN. Als Ergebnis werden die Koeffizienten- und Vorgabewert-Tabellen gemäß 5 in Matrixform erhalten. Die Matrizen des Vorklassifizierers sind mit F und die Matrizen der Basisstruktur mit B bezeichnet. Die Gewichtungskoeffizientmatrizen sind mit dem Index w und die Vorgabevektoren mit dem Index b bezeichnet. Der numerische Index bezeichnet die Nummer der Schicht. Die Bezeichnung p repräsentiert Merkmale, d.h. Eingabeparameter.

Claims

Verfahren zum Bestimmen eines die maximale Sauerstoffaufnahme beschreibenden Wertes eines zu beurteilenden Lebewesens anhand einer Rechengleichung, wobei der Rechengleichung Eingabeparameter zugeführt werden, die das Lebewesen charakterisieren und die wenigstens einen der folgenden physiologischen Parameter wie Geschlecht, Alter, Größe, Gewicht umfassen, und aus denen mit Hilfe der Rechengleichung ein oder mehrere Ausgangsparameter als Ergebnis gewonnen werden, die den die maximale Sauerstoffaufnahme beschreibenden Wert darstellen, und wobei zusätzlich zu den physiologischen Parametern ein oder mehrere Ruhe-Herzschlagparameter als Eingabeparameter für die Rechengleichung verwendet werden, die spezifisch aus dem Ruhe-Herzschlag bestimmt werden, dadurch gekennzeichnet, dass die Rechengleichung mittels eines neuronalen Netzwerks (NN) formuliert wird, wobei das zur Formulierung der Rechengleichung verwendete neuronale Netzwerk (NN) mit einer ausreichend großen Anzahl realer Messergebnisse trainiert wird, die entsprechende Eingabeparameter und einen oder mehrere entsprechende Ausgangsparameter umfassen, und dass die entsprechenden Ruhe-Herzschlagparameter beim Trainieren des neuronalen Netzwerks (NN) bei der Formulierung der Rechenformel verwendet werden.
Verfahren nach Anspruch 1, dadurch gekennzeichnet, dass der Ruhe-Herzschlag während 2 bis 5 Minuten gemessen wird.
Verfahren nach Anspruch 1, dadurch gekennzeichnet, dass einer oder mehrere der folgenden Ruhe-Herzschlagparameter aus dem Ruhe-Herzschlag als Eingabeparameter bestimmt werden: Mittleres Herzschlagintervall, Standardabweichung der Herzschlagintervalle, maximales Herzschlagintervall.
Verfahren nach Anspruch 1, dadurch gekennzeichnet, dass eine oder mehrere Eingabeparameterkombinationen durch Kombinieren von Eingabeparametern gebildet werden.
Verfahren nach Anspruch 1, dadurch gekennzeichnet, dass mittels Fuzzy-Logik eine oder mehrere unterschiedliche Regeln gebildet werden, mit denen die Auswirkung eines oder mehrerer Eingabeparameter auf einen Ausgangsparameter fuzzy gemacht wird.
Verfahren nach Anspruch 4, dadurch gekennzeichnet, dass die Auswirkung einer oder mehrerer Eingabeparameterkombinationen auf einen Ausgangsparameter fuzzy gemacht wird.
Verfahren nach Anspruch 1, dadurch gekennzeichnet, dass das Verfahren eine Vorklassifizierung und danach eine Berechnung umfasst, dass die Vorklassifizierung mittels eines oder mehrerer physiologischer Eingabeparameter ausgeführt wird, wobei der mögliche Lösungsbereich gesucht wird, in dem der Wert des zu berechnenden Ausgangsparameters schätzungsweise liegen wird, und dass in der Berechnungsstufe die Eingabeparameter des Ruhe-Herzschlags ebenfalls benutzt werden, wobei in der Rechenstufe der die maximale Sauerstoffaufnahme beschreibende Wert auf der Basis der Eingabeparameter des Ruhe-Herzschlags zum korrekten Wert hin verschoben wird.
Verfahren nach Anspruch 5 oder 6, dadurch gekennzeichnet, dass ein oder mehrere unscharf gemachte(r) Eingabeparameter zusätzlich zu den physiologischen Eingabeparametern auch bei der Vorklassifizierung benutzt werden.
Verfahren nach Anspruch 1, dadurch gekennzeichnet, dass in der Rechengleichung bekannte empirische Daten verwendet werden, die nach Fuzzy-Regeln zur Rechengleichung kombiniert werden.
Verfahren nach Anspruch 9, dadurch gekennzeichnet, dass als empirische Daten wenigstens eine der folgenden Informationen genutzt wird: "Eine ältere Person ist wahrscheinlich bei schlechterer Kondition", "das Gewicht einer Person korreliert mit der Kondition der Person, welche Kondition die beste in der Personengruppe mit nicht-mittlerem Gewicht ist", "eine Person mit großem mittlerem Herzschlagintervall ist wahrscheinlich bei guter Kondition".
Verfahren nach Anspruch 1, dadurch gekennzeichnet, dass eine Rechengleichung verwendet wird, die durch Verwendung von Rechenmatrizen als Rechengleichung bereitgestellt wird, die als Ergebnis des Trainierens des zur Formulierung der Rechengleichung benutzten neuronalen Netzwerks (NN) gewonnen wird.
Verfahren nach Anspruch 11, dadurch gekennzeichnet, dass die als Ergebnis des Trainierens des neuronalen Netzwerks (NN) erhaltenen Rechenmatrizen durch Verwendung bekannter Aktivierungsfunktionen, durch Multiplikation und Addition als Rechengleichung realisiert werden.
Verfahren nach Anspruch 1, dadurch gekennzeichnet, dass die Rechengleichung als Rechengleichung in einer Programmform realisiert wird.