具体实施方式

在以下描述中，将描述各种实施方案。出于解释的目的，阐述了特定配置和细节以便提供对实施方案的透彻理解。然而，对于本领域技术人员也将显而易见的是，可在没有特定细节的情况下实践实施方案。此外，为了不模糊所描述的实施方案，可省略或简化熟知的特征。

本文提供了设备的各种示例，某人将使用设备监测、跟踪、分析食物摄入、摄入过程和时序及某人进食、饮用和其他消费的其他相关方面并对其提供反馈以用于各种目的，诸如提供饮食信息和反馈。与食物摄入过程相关的数据可能包括进食过程的时序、进食的速度、自上一次食物摄入事件以来的时间、进食了什么、所进食的成分的估计等。此类设备可与药物给药系统集成。

概述

如本文将更详细描述的，包括新型数字健康应用程序和与该应用程序交互的可穿戴感测装置的患者管理系统可提供全自主人工胰腺系统，并且可显著改善患有1型糖尿病的人的生活质量。该患者管理系统可提醒患者服用或施用其药物，但也可提供药物给药(诸如例如胰岛素给药)的混合或自主管理。该患者管理系统可促进正念进食和适当水合。

通过精细电机检测和人工智能技术的组合，患者管理系统检测高影响时刻并且允许个人更好地管理其健康，这全都基于通过分析其腕部运动和其他传感器输入而自动且非侵入性地捕获的见解。响应动作可能包括向患者和/或其护理者发送推注提醒。早期餐食检测能力可提供进食行为的独特见解，是促使自主人工胰腺系统实现的关键部件。

患者管理系统可能具有开放数据和软件架构。这可能允许其他公司、研究者和开发者可能经由API来利用患者管理系统和其生成的数据，该API允许与第三方应用程序和平台无缝集成。

在特定用途中，患者管理系统用作用餐时间药物提醒，其向患者发消息通知需要开始胰岛素给药。患者管理系统可能具有多级消息传递能力。例如，在向患者发消息通知需要采取动作并且患者不响应的情况下，患者管理系统可能向护理者发送消息以指示患者响应于进食事件的开始的检测而采取了或未采取预期动作或未针对用餐时间胰岛素施用采取动作。患者管理系统及其提供患者进食行为的自动化实时或近实时信息的能力，外加新型控制过程，可至少部分地实现全自主闭环人工胰腺系统，因此潜在地实现真正“设置后不管”闭环胰岛素递送系统。

对于因其他原因而关心其饮食的人，患者管理系统也可能有用。患有1型糖尿病的人通常接受胰岛素治疗，在该治疗中他们基于其食物摄入和其他因素来施用适当的胰岛素剂量。虽然1型糖尿病的病因可能与人的进食行为没有直接联系，但患有1型糖尿病的人需要小心跟踪他或她的食物摄入以便管理他或她的胰岛素治疗。此类患者也将受益于更易使用且更加谨慎的食物摄入跟踪方法。在患者管理系统的一些实施方案中，感测设备是反馈驱动的自动化胰岛素递送治疗系统的一部分。这种系统可能包括患者葡萄糖水平的连续监测、精密胰岛素递送系统以及具有更快吸收率的胰岛素的使用，这将进一步受益于可从自动化且无缝的食物摄入跟踪(诸如碳水化合物和糖摄入的跟踪)提取的信息。这些设备对于健康计划等也可能有用。

数据收集

可从以下设备获得数据：具有传感器和电子器件的一些固定设备、人易于移动并随身携带的具有传感器和电子器件的一些移动设备，和/或人附接到其身上或衣服上或作为该人衣服的一部分的具有传感器和电子器件的可穿戴设备。一般来讲，此类设备在本文中被称为感测设备。数据可能是由能够输出数据的传感器提供的原始传感器数据，或数据可能以某种方式处理、采样或组织以便成为从传感器的输出导出的数据。

本文中，拥有这种设备并且其消费被监测的人被称为用户，但应当理解，在消费的人、监测的人和评估反馈的人不必都是同一人的情况下，可能不加改变地使用该设备。本文中，所消费的东西被称为食物摄入，但应当明白，这些设备可用于更一般地跟踪消费和消费模式。如本文所述的行为跟踪/反馈系统可能包括一个或多个可穿戴设备，并且可能还包括未穿戴的一个或多个附加设备。这些附加设备可能由穿戴者携带或放在附近以使得它们可与可穿戴设备通信。行为跟踪/反馈系统可能还包括远程元件，诸如远程云计算元件和/或用户信息的远程存储装置。

可穿戴设备可能穿戴在穿戴者(即，监测其行为的人)身上的不同位置，并且可穿戴设备可能被编程或被配置为考虑这些差异以及不同穿戴者间的差异。例如，惯用右手的人可将该设备穿戴在其右腕部周围，而惯用左手的人可将该设备穿戴在其左腕部周围。用户也可能对取向有着不同偏好。例如，一些用户可能希望控制按钮位于一侧上，而其他用户可能更喜欢控制按钮位于相对侧上。在一个实施方案中，用户可手动地输入腕部偏好和/或设备取向。

在另一个实施方案中，可通过以下方式确定腕部偏好和/或设备取向：要求用户执行一个或多个预定义的姿态，并且监测来自可穿戴设备的、与用户执行预定义的姿态或姿态组相对应的传感器数据。例如，可要求用户将其手部移向其嘴部。然后可使用跨一个或多个轴线的加速度计传感器读数的变化来确定腕部和设备取向。在又一个示例中，行为跟踪/反馈系统可在用户穿戴该可穿戴设备一定持续时间时处理来自该设备的传感器读数。任选地，行为跟踪/反馈系统还可将传感器读数与关于穿戴者的其他数据或元数据组合，以推断腕部和设备取向。例如，行为跟踪/反馈系统可监测用户一天并且记录跨一个或多个轴线的加速度计传感器读数。

由于下臂的运动受到肘部和上臂的约束，基于腕部和设备取向，一些加速度计读数将比其他加速度计读数更频繁。然后可使用加速度计的信息来确定腕部和/或设备取向。例如，可使用加速度计读数的平均值、最小值、最大值和/或标准偏差来确定腕部和/或设备取向。

在一些实施方案中，感测设备可在无需用户交互的情况下感测食物摄入事件的开始/结束、进食的速度、饮用的速度、咬取数量、吸允数量、流体摄入的估计和/或份量大小的估计。在更少人为干预、没有人为干预或只有对他人不明显的干预的情况下操作将允许这些设备很好地适应不同餐食场景和不同社会情境。感测可能包括在消费食物之前捕获食物的细节，以及已知与进食相伴的用户动作，诸如上臂的重复旋转或其他手部至嘴部运动。传感器可能包括加速度计、陀螺仪、相机和其他传感器。

使用这些设备可为人提供低使用冲突以检测、量化、跟踪该人的食物摄入成分以及该人的食物摄入行为并提供与之相关的反馈。此类方法具有预防、治疗并且在某些情况下甚至治愈饮食相关疾病的潜力。此类设备可改善疗效、准确度和依从性，减轻使用负担并且提升社会接受度。这些设备可在没有或极少人为干预的情况下自主地操作，并且不会以侵入性或其他显著负面的方式干扰人的正常活动或社交互动或者侵犯人的隐私。这些设备能够以谨慎且社会上可接受的方式处理多种多样的餐食场景和就餐环境，并且能够估计并跟踪食物摄入成分和量以及进食行为的其他方面。这些设备可向该人提供关于其进食行为、习惯和模式的实时和非实时反馈。

众所周知并且应当理解，某些进食行为可与身体、精神或环境状况有联系，由身体、精神或环境状况触发或以其他方式受到身体、精神或环境状况的影响，身体、精神或环境状况诸如例如为饥饿、压力、睡眠、成瘾、疾病、物理位置、社会压力和锻炼。这些特性可形成由这些设备执行或用于这些设备的处理的输入。

食物摄入事件一般涉及人进食、饮用可食用物质或以其他方式将可食用物质摄入到他或她身体内的情况、情形或动作。可食用物质可包括但不限于固体食物、液体、汤、饮料、小吃、药物、维生素、药品、草药补充剂、手指食物、预制食物、生食、餐食、开胃菜、主菜、甜点、糖果、早餐、运动饮料或能量饮料。可食用物质包括但不限于可包含可能对人有害或者对人群或人群亚组有害的毒素、过敏原、病毒、细菌或其他组分的物质。本文中，为了便于阅读，食物用作可食用物质的示例，但应当理解，除非另外指明，否则可能使用其他可食用物质代替食物。

进食习惯和模式一般涉及人们如何消费食物。进食习惯和模式可包括但不限于进食或饮用的速度、咬取大小、吞咽之前的咀嚼量、咀嚼的速度、食物摄入事件的频率、食物摄入事件期间消费的食物量、食物摄入事件期间的身体的位置、食物摄入事件期间的身体或特定身体部分的可能运动、食物摄入事件期间的精神或身体状态以及用于盛放、取拿或消费食物的餐具或其他设备。进食或饮用的速度可能反映在后续咬取或吸允之间的时间中。

触发因素一般涉及食物摄入事件发生背后、所消费的量背后和如何消费背后的原因。食物摄入事件和进食习惯或模式的触发因素可包括但不限于饥饿、压力、社会压力、疲劳、成瘾、不适、医疗需求、物理位置、社会背景或环境、气味、记忆或身体活动。触发因素可与作为其触发因素的食物摄入事件重合。另选地，触发因素可在食物摄入事件窗口之外发生，并且可能在可与或可不与食物摄入事件的时间直接相关的时间时的食物摄入事件之前或之后发生。

在感测设备或系统的一些实施方案中，实现了本公开中提出的少于全部特征和功能。例如，一些实施方案可仅仅聚焦于食物摄入的检测和/或处理和跟踪而并非意图引导用户修改他或她的食物摄入或者并非跟踪、处理或引导进食习惯或模式。

在本文的许多示例中，背景是将电子设备提供给用户，该用户穿戴着该电子设备，此时该电子设备单独存在或者正与可能被穿戴或可能未被穿戴的附近支持设备(诸如用于执行穿戴的电子设备卸载的操作的智能电话)通信。在此类示例中，有人穿戴着电子设备并且该人在这些示例中被称为“穿戴者”，并且该系统包括穿戴的设备并可包括未被穿戴且在附近的其他部件以及优选地能够与穿戴的设备通信的远程部件。因此，穿戴者穿戴着电子设备，并且电子设备包括感测穿戴者周围的环境的传感器。该感测可为环境特性、身体特性、运动以及如本文其他地方描述的其他感测信号的感测。

在许多示例中，电子设备的功能可能由硬件电路或程序代码指令或组合来实现，该程序代码指令可配置为由电子设备中的处理器执行。在表明处理器做了某事的情况下，可能是处理器因执行从指令存储器读取的指令而做了那件事，其中指令提供执行那件事。就这一点而言，程序代码指令可配置为使得处理器(或主机设备)执行如所执行的指令所定义的某些方法、过程或功能。虽然可能涉及到其他人，但此处常见示例是电子设备的穿戴者使用该电子设备监测其自身的动作，诸如姿态、包括姿态序列的行为事件、活动、活动或行为事件的开始、活动或行为事件的停止等情况。在描述处理器执行特定过程的情况下，可能是该过程的一部分以分布式处理方式与穿戴的电子设备分开进行。因此，由电子设备的处理器执行的过程的描述不必限于穿戴的电子设备内的处理器，而也可能是与穿戴的电子设备通信的支持设备中的处理器。

患者管理系统

患者管理系统可能包括在设备(诸如智能电话或可与某人穿戴的可穿戴感测装置通信的专用设备)上运行的新型数字健康应用程序。可穿戴感测装置与该应用程序交互以提供胰岛素给药和提醒的混合或自主管理。

在这种系统的用途的示例中，某人(本文称为“患者”)已被确诊患有1型糖尿病，这需要向患者提供外部胰岛素。胰岛素可以以可注射胰岛素或植入式微给药设备的形式给予，该植入式微给药设备附接到患者的身体以将所测量的胰岛素量引入患者的身体内。给药量和时序可为患者正在进食、开始进食、即将要进食或一直在进食并将继续进食的时候的函数。能够从运动和传感器数据输出中分辨出姿态的可穿戴设备可能在没有特定患者干预的情况下可确定进食事件何时已开始或将要开始以及进食事件的速度、持续时间和可能结束。根据该确定，可穿戴设备(或与可穿戴设备通信的辅助设备，诸如全功能智能电话)会向植入式微给药设备发送指示进食/饮用的一些细节的信号，和/或会向患者、护理人员和/或健康专业人员发送消息。

例如，可穿戴设备可能确定患者已开始进食，并且根据进食的速度和该事件的所确定的可能持续时间，可发信号通知植入式胰岛素微给药和递送设备关于进食事件的一些信息，递送设备可使用这些信息开始向患者递送胰岛素。此外或替代地，可穿戴设备可发送与进食事件和所测量的参数相关的消息。例如，可穿戴设备可能与附近智能电话通信(该附近智能电话运行与该可穿戴设备配对的应用程序)，并且将消息(可能作为蜂窝电话网络文本消息(例如，SMS消息))发送到分配给患者的预存储编号，其中该消息比如会说“已检测到食物事件。请务必激活您的植入式胰岛素微给药和递送设备以给予胰岛素。”

如果患者是智能电话的操作者，可能应用程序会直接向患者发消息，而不必发送网络文本消息。在一些情况下，该消息有超过一个接收者可能是有用的。例如，在患者不论是由于年龄(年幼或年老)还是其他原因而需要或使用护理者帮助的情况下，可穿戴设备消息传递也可转到护理者。在有用或需要的情况下，可将该信息提供给医疗保健专业人员，可能是为了监测患者方案依从性。

如本文所用，为了便于阅读，事件可能被描述为“进食事件”而非“进食事件和/或饮用事件”，但应当理解，除非另外指明，本文与进食事件相关的教导同样可适用于饮用事件。

姿态感测技术可用于在没有用户提示或交互的情况下使用腕戴式可穿戴设备或戒指中的运动传感器(加速度计/陀螺仪)根据其手部姿态自动地检测姿态事件，诸如指示某人何时正在进食或饮用的事件的姿态。该检测可实时地进行以推断出关于消费活动的关键见解，诸如例如消费事件的开始时间、消费事件的结束时间、消费方法、与消费速度相关联的度量、与所消费的量相关联的度量以及与消费频率相关联的度量、消费位置等。姿态感测技术可用于其他活动和行为，诸如吸烟、牙齿卫生、手部卫生等。

姿态感测技术可使用腕戴式可穿戴设备或戒指中的运动传感器(加速度计/陀螺仪)根据其手部姿态自动地(即，无需用户干预)检测某人何时正在进食或饮用。该检测可实时地进行。穿戴的设备可能与脱离设备的处理和通信功能(如可能在便携式通信设备中找到)组合。该脱离设备的处理可能用于更复杂的处理任务，诸如推断出关于消费活动的见解，诸如例如开始时间、结束时间、消费方法、与消费速度相关联的度量、与所消费的量相关联的度量、与消费频率相关联的度量、消费位置等。

每次餐食的开始可为患1型糖尿病的某人的关键时刻。在疾病管理的示例中，在每次餐食开始时，患者(或护理者等)需要决定是否要注射胰岛素及要注射多少胰岛素并且需要基于该决定来采取动作(例如，注射胰岛素的动作)。

患者管理系统可提供早期餐食检测能力并提供强有力的“说服”，其可用信息来帮助患者和/或胰岛素给药设备作出决定和采取动作。例如，患者管理系统可能在餐食开始时发送施用胰岛素的实时提醒。忘记推注是不良血糖控制的主要原因之一，特别是在青少年中。患者管理系统可在餐食开始和/或结束时提示患者检查其血糖水平并且可支持简单日志记录。日志记录可能由该系统的可穿戴部件处理，并且其可能与患者执行示意已执行所要求的动作(例如，施用胰岛素或检查血糖水平)的腕部姿态或可用作数据输入动作的其他运动一样离散。

医疗保健提供者可调查其“当下”患者，得出准确且可行动的见解(例如，评估估计碳水化合物、情绪、帮助需要的难度)。

患者管理系统可更一般地以秒级准确度跟踪进食和饮用活动，从而使得有可能例如将血液葡萄糖水平和推注(胰岛素施用)动作往回关联到准确进食时间。这可用于个性化营养研究及个性化营养计划的制定。该信息可为个性化糖尿病护理途径的组成部分。

患者管理系统可用于实时推注提醒对用药依从性和血糖控制的影响的研究。数据共享可实时地或不实时地进行。数据共享可与护理者、医疗保健专业人员进行，或在适当隐私保护的情况下，作为较大数据集的一部分提供给研究者和医疗设备开发者。

患者管理系统的一部分是应用程序，其可能提供供患者使用的用户界面。该应用程序可提供将实时推注提醒发送到患者的能力以及允许实时警示(通知或文本)发送到远程护理者和他人的一个或多个目的地(例如，电话号码、电子邮件地址、URL等)的监测服务。这可例如允许父母远程地监测其年幼的1型糖尿病孩子的进食活动及对消息或警示的响应。

在一些方法中，患者在他或她正在进食或将要进食时手动地通知胰岛素递送系统。基于该输入，胰岛素递送系统随后将按一次或多次给药开始胰岛素递送。这不太理想，因为用户需要采取通知胰岛素递送系统的动作。如果不需要用户采取动作，则会更好。另选地，胰岛素递送系统可通过监测患者的血液葡萄糖水平的变化来推断食物摄入事件的发生。直接血液葡萄糖水平测量可能不切实际。可使用连续葡萄糖监测设备自动且周期性地测量间质液葡萄糖水平，并且这些水平通常用作血液葡萄糖水平的代用指标。然而，间质液葡萄糖水平测量可延迟20分钟或更久。这已来不及实现良好血糖控制，因此间质液测量可能对于通知胰岛素递送系统不太理想。

需要食物摄入事件的自动检测以通知胰岛素递送系统并且允许胰岛素递送系统在没有或减少人为干预的情况下操作。患者管理系统一般可用作药物提醒系统，或更具体地讲，胰岛素治疗系统。

现在将描述患者管理系统的示例。

在检测到食物摄入事件的实际或临近开始时，可向患者发送消息/警示以提醒他或她服用他/她的药物。该药物可为胰岛素或其他药物，诸如需要在用餐之前、期间或之后服用的药物。在某些情况下，可能期望食物摄入事件的实际或临近开始的检测与发送警示的时间之间具有延迟，并且这可根据需要进行调谐。例如，并不在食物摄入事件开始时发送警示，而是可在该系统已检测到已消费五次、十次或某个其他特定数量的咬取或吸允之后发送警示。在另一个示例中，可能在该系统已检测到食物摄入事件的实际或临近开始之后一分钟、五分钟或某个其他特定固定时间发送警示。警示的时序也可至少部分地取决于已发生食物摄入事件的实际或临近开始的患者管理系统的置信水平。可能在患者管理系统已发现历史上先于进食事件的条件时或一些时间后发送警示。基于患者管理系统从患者的过去进食事件记录的历史数据，患者管理系统可能能够确定在餐食之前十分钟、在餐食开始时或在餐食期间需要通知或提醒。患者管理系统可能也被编程为处理“小睡”事件，其中已用警示通知患者并且患者指示患者管理系统应在不久的将来的所定义的时间，诸如在初始警示或提醒之后的所定义的时间周期或在初始警示或提醒之后的所定义的咬取数量时重新发送提醒。

当患者管理系统向患者发送消息/警示时，还可经由辅助消息传递来通知一个或多个人或者一个或多个系统。可向其他人或系统通知食物摄入事件的实际、可能或临近开始。如果给患者的消息/警示包括供患者作出响应的机制，则可向其他人或系统通知患者的响应。如果患者未能作出响应，也可通知其他人或系统。就支持患者的父母和/或护理者而言，这可能有帮助。

在一些情况下，患者管理系统可能被编程为从患者接受不同输入。例如，患者管理系统可能具有从患者接受餐食已结束、餐食将具有零、许多或某个量度的碳水化合物的指示的用户界面。

与患者消息传递一样，对于该辅助消息传递而言，食物摄入事件的实际或临近开始的检测与发送警示的时间之间可存在延迟。并不在食物摄入事件开始时发送警示，而是可在该系统已检测到已消费特定数量的咬取或吸允之后发送警示。将警示发送到患者与通知其他人或系统之间可存在延迟。如果给患者的消息/警示包括供患者作出响应的机制，则患者对消息/警示作出响应与向其他人或系统通知该人的响应或未能响应之间可存在延迟。

可经由通过蜂窝网络发送的消息来通知一个或多个其他人。例如，他或她的电话或其他移动设备或可穿戴设备上的文本消息。

现在将描述胰岛素治疗系统。

如本文所述的食物摄入事件的实际、可能或临近开始的检测可用于通知胰岛素递送系统。在接收到指示食物摄入事件的实际、可能或临近开始的信号时，胰岛素递送系统可计算或估计要施用的胰岛素的足够剂量以及胰岛素递送的时间表。

胰岛素递送系统可使用其他参数和输入来计算或估计剂量和频率。例如，胰岛素递送系统可使用当前或先前葡萄糖水平读数、葡萄糖水平读数的波动、从葡萄糖水平读数导出的参数或体内残余胰岛素(insulin-on-board)(即，在较早时间施用但仍在患者体内起效的胰岛素)。从葡萄糖水平读数导出的参数的示例可为葡萄糖水平读数的当前斜率、在当前食物摄入事件之前的特定时间窗口中的葡萄糖水平读数的最大值、平均值、最小值等。

胰岛素递送系统还可包括与餐食活动自身相关的参数，诸如餐食的持续时间、进食的速度、所消费的量。胰岛素递送系统还可使用其他传感器输入，诸如心率、血压、体温、水合程度、疲劳程度等，并且可从其自身传感器获得这些值或从患者可能出于该目的或其他目的而使用的其他设备获得这些值中的一些。

胰岛素递送系统还可包括其他输入，诸如当前或过去身体活动水平、当前或过去睡眠水平以及当前或过去压力水平。胰岛素递送系统还可包括特定个人信息，诸如性别、年龄、身高、体重等。胰岛素递送系统还可包括与患者的胰岛素需求相关的信息。这可为由患者、护理者或者健康记录或医疗保健维护系统输入或配置的信息。与患者的胰岛素需求相关的信息还可从由胰岛素递送系统收集并存储的历史数据导出。例如，胰岛素递送系统在当前食物摄入事件之前的时间周期中递送的胰岛素量。

在另一个实施方案中，胰岛素递送系统可考虑与在或大约在一天中的相同时间和/或一周中的相同天或者在当天时间附近的所定义的时间窗口内发生的一个或多个先前食物摄入事件相关联的胰岛素量和递送时间表。胰岛素递送系统还可考虑患者的当前位置。

与食物摄入事件相关的附加参数也可用于通知胰岛素递送系统。胰岛素递送系统可使用此类参数计算或估计要递送的胰岛素的足够剂量和/或胰岛素递送的时间表。此类参数可包括但不限于进食或饮用的持续时间、所消费的食物或饮料的量、进食的速度、所消费的碳水化合物的量、进食方法或所使用的餐具或容器的类型。食物摄入跟踪和反馈系统可在无需任何用户干预的情况下计算这些附加参数中的一些参数(例如，持续时间或速度)。在其他情况下，用户干预、由用户进行的输入或确认可能是必要的。

胰岛素递送系统还可使用与过去食物摄入事件相关的参数计算或估计足够的胰岛素剂量和胰岛素递送时间表。例如，胰岛素递送系统可考虑一个或多个过去食物摄入事件的持续时间和/或一个或多个过去食物摄入事件的进食的平均速度。在某些实施方案中，胰岛素递送系统可能仅考虑与在当前食物摄入事件之前的特定时间窗口内发生的过去食物摄入事件相关的参数。在某些实施方案中，胰岛素递送系统可能仅考虑来自在或大约在当前食物摄入事件的一天中的相同时间和/或一周中的相同天发生的过去食物摄入事件的参数。在某些实施方案中，胰岛素递送系统可能仅考虑来自在与当前食物摄入事件相同的位置处或其附近发生的一个或多个过去食物摄入事件的参数。

在某些实施方案中，胰岛素递送系统可检查过去胰岛素剂量和递送时间表对血液葡萄糖读数或其他用作血液葡萄糖读数的代用指标的传感器输出(诸如例如间质液葡萄糖读数)的影响，以计算或估计胰岛素剂量并且确定当前食物摄入事件的递送时间表。

胰岛素递送系统可连续地或周期性地处理其逻辑并且相应地基于上述参数中的一个或多个参数来更新胰岛素给药和/或胰岛素递送时间安排的逻辑。

可将患者管理系统从胰岛素向外推广到需要结合食物摄入事件来施用的药物或物质的施用，尤其是在药物或其他物质的量涉及与食物摄入事件相关联的参数时。

可应用过滤器以确定餐食是否为合格/适用餐食类别的一部分。

患者管理系统可能被编程为在餐食期间执行连续或周期性且频繁的评估，并且基于所观察到的血液葡萄糖水平读数(或其代用指标，诸如间质液葡萄糖水平读数)的变化来向上或向下调节时间表或胰岛素量。在一个特定实施方案中，如果葡萄糖水平读数低于特定阈值，或如果由患者管理系统执行的可执行程序代码中体现的预测算法输出若执行当前量和时间表的话葡萄糖读数将在未来时间低于特定水平的预测，则可暂停胰岛素递送。

这样，患者管理系统可在考虑进食的开始、进食的速度、进食的预期结束、进食持续时间和其他因素的同时向胰岛素递送设备发送通知并发送信号。例如，患者管理系统可能指示胰岛素递送设备在进食开始时递送胰岛素并且在进食期间使用各种输入(诸如心率、进食速率、体温等)进行调节。这样，患者管理系统可为餐食感知、自主或半自主人工胰腺的一部分。

附图说明

图1示出了根据一个实施方案的饮食跟踪和反馈系统的高级功能图。用于饮食跟踪和反馈的系统可部分地包括以下的一者或多者：食物摄入事件检测子系统101、一个或多个传感器102、跟踪和处理子系统103、反馈子系统106、一个或多个数据存储单元104以及可能执行非实时分析的学习子系统105。在一些实施方案中，图1所示的元件在电子硬件中实现，而在其他实施方案中，一些元件在软件中实现并由处理器执行。一些功能可能共享硬件和处理器/存储器资源，并且一些功能可能是分布式的。功能可能完全在传感器设备(诸如腕戴式可穿戴设备)中实现，或功能可能跨传感器设备、传感器设备与之通信的处理系统(诸如智能电话)和/或处理远离传感器设备的某个功能的服务器系统实现。

例如，可穿戴传感器设备可能进行测量并将测量值传达到移动设备，该移动设备可处理从可穿戴传感器设备接收到的数据并且使用可能与其他数据输入组合的该信息来激活跟踪和处理子系统103。跟踪和处理子系统103可在移动设备上、在可穿戴传感器设备上或在另一个电子设备上实现。跟踪和处理子系统103也可跨多个设备分布，诸如例如跨移动设备和可穿戴传感器设备分布。可能通过互联网与服务器进行通信，该服务器进一步处理该数据。数据或其他信息可以以合适的格式存储，分布在多个位置中，或以所记录的形式或在一些程度的处理后集中存储。数据可暂时或永久地存储。

图1所示的系统的第一部件是食物摄入事件检测子系统101。食物摄入事件检测子系统101的作用是识别食物摄入事件的开始和/或结束并且传达事件的实际、可能或临近发生。事件可例如为与特定活动或行为相关的事件。可由事件检测子系统101检测的事件的其他示例可为生产线上或其他地方的操作者执行特定任务或执行特定过程。又一个示例可为机器人或机器人臂在生产部门或其他地方执行特定任务或执行特定过程。

一般来讲，该设备检测什么可为食物摄入事件的开始或食物摄入事件的可能开始，但只要该设备合理地确定此类开始/可能开始，该设备就将充分发挥作用。为了清楚起见，该检测被称为食物摄入事件的“认定开始”，并且当各种过程、操作和元件将执行与食物摄入事件的开始有关的某种动作或行为时，这些各种过程、操作和元件将认定开始看作开始是可接受的，即使认定开始有时实际上不是食物摄入事件的开始。

在一个实施方案中，食物摄入事件的认定开始的发生的检测和/或发信号与食物摄入事件的认定开始重合。在另一个实施方案中，其可在食物摄入事件的认定开始之后的某一时间发生。在另一个实施方案中，其可在食物摄入事件的认定开始之前的某一时间发生。通常期望发信号接近于食物摄入事件的认定开始。在本公开的一些实施方案中，可能有利的是，食物摄入事件的认定开始的检测和/或发信号在食物摄入事件的开始之前发生。如果消息或信号要在食物摄入事件开始之前发送到用户、医疗保健提供者或护理者，作为帮助引导用户的食物摄入决定或进食习惯的指导机制，则这可例如为有用的。

用于事件检测的方法可包括但不限于基于以下的检测：身体或身体的特定部分的运动或位置的监测；臂部运动、位置或姿态的监测；手部运动、位置或姿态的监测；手指运动、位置或姿态的监测；吞咽模式的监测；嘴部和唇部运动的监测；唾液的监测；脸颊或下颌的运动的监测；咬取或牙齿研磨的监测；来自嘴部、喉部和消化系统的信号的监测。用于检测的方法可包括该人和/或他或她的周围环境的视觉、音频或任何其他类型的感官监测。

所监测的信号可由饮食跟踪和反馈系统生成。另选地，它们可由单独系统生成，但可由饮食跟踪和反馈系统通过接口进行访问。可应用机器学习和其他数据分析技术根据所监测的输入信号来检测食物摄入事件的开始或可能开始。

在一个示例中，食物摄入检测系统101可监测加速度计和/或陀螺仪传感器的输出以检测可能咬取姿态或可能吸允姿态。此类姿态可能由姿态处理器确定，该姿态处理器使用机器学习从传感器读数提取姿态。姿态处理器可能是穿戴的设备的处理器的一部分或位于该系统的另一部分中。

如本文其他地方的姿态检测机器学习技术可用于检测咬取姿态或吸允姿态，但其他技术也是可能的。食物摄入检测系统101还可向所检测的咬取姿态或吸允姿态分配置信水平。置信水平对应于所检测的姿态的确是咬取或吸允姿态的可能性。食物摄入检测系统可在没有任何附加输入的情况下基于姿态的检测及其置信水平来确定已发生食物摄入事件的开始。例如，当咬取或吸允姿态的置信水平超过预配置的阈值时，食物摄入事件检测系统101可决定已发生食物摄入事件的开始。

另选地，当已检测到可能咬取或吸允姿态时，食物摄入事件检测系统101可使用附加输入来确定已发生食物摄入事件的开始或可能开始。在一个示例中，食物摄入事件检测系统101可监测时间上接近的其他姿态以确定是否已发生食物摄入事件的开始。例如，在检测到可能咬取姿态时，食物摄入事件检测系统101可在确定已发生食物摄入事件的开始之前等待在第一姿态的检测后的特定时间窗口内和/或具有特定置信水平的另一个咬取姿态的检测。

在此类检测时，食物摄入检测系统101可将一个或多个电路或部件置于较高性能模式以进一步改善姿态检测的准确度。在另一个示例中，食物摄入事件检测系统101可考虑当天的时间或用户的位置以确定是否已发生食物摄入事件的开始或可能开始。食物摄入事件检测系统可使用机器学习或其他数据分析技术来改善其检测能力的准确度和可靠性。例如，在较早时间从用户和/或从其他用户获得的训练数据可用于训练分类器。可通过在已检测到可能咬取或吸允姿态时请求用户确认来获得训练数据。然后可创建标记的数据记录并将该标记的数据记录存储在可由姿态处理器读取的存储器中，该标记的数据记录包括与姿态相关的特征以及其他情景特征，诸如一天中的时间或位置。然后可在由标记的数据记录的多标记的数据记录集构成的标记的数据集上训练分类器，接着可在食物摄入事件检测系统中使用经训练的分类器模型以更准确地检测食物摄入事件的开始。

在另一个实施方案中，食物摄入检测子系统可使用触发因素自主地预测食物摄入事件的可能开始。用于基于触发因素来自主检测食物摄入事件的可能开始的方法可包括但不限于人的睡眠模式的监测、人的压力水平的监测、人的活动水平的监测、人的位置的监测、人周围的人的监测、人的生命体征的监测、人的水合程度的监测、人的疲劳程度的监测。在一些情况下，食物摄入检测子系统可监测较长时间周期内的一个或多个特定触发信号或触发事件，并且与非实时分析和学习子系统105联合应用机器学习或其他数据分析技术来预测食物摄入事件的开始的可能发生。

例如，在没有任何附加信息的情况下，可能很难预测用户何时将吃早餐。然而，如果该系统具有多天用户醒来时间和一周中的天内的记录，则该系统可使用该历史模式来确定用户吃早餐的可能时间。这些记录可能由该系统确定，可能具有来自用户的关于其准确度的反馈，或这些记录可能由用户确定并且经由该系统的用户界面输入。用户界面可能是穿戴的设备自身或例如智能电话应用程序。因此，该系统可处理历史数据中的相关性以基于当前一周中的天和用户在什么时间醒来而预测用户最可能吃早餐的时间或时间窗口。非实时分析和学习子系统105也可使用其他触发信号或触发事件来预测用户将吃早餐的时间。

在另一个示例中，非实时分析和学习系统105可在特定时间周期内记录用户的压力水平。可例如通过监测并分析用户的心率或与用户的心率相关的特定参数来确定压力水平。还可通过分析用户的语音来确定压力水平。还可通过分析用户的消息或电子通信的内容来确定压力水平。用于确定压力水平的其他方法也是可能的。非实时分析和学习系统105还可在相同时间周期内记录食物摄入事件的发生和食物摄入事件的某些特性，诸如进食的速度、所消费的食物量、食物摄入事件之间的时间间隔等。然后可能通过分析压力水平的历史数据、食物摄入事件的发生和食物摄入事件特性并且通过检查压力水平的历史数据、食物摄入事件的发生和食物摄入事件特性中的相关性，基于当前压力水平来预测用户将在未来的特定时间窗口中开始食物摄入事件的可能性，或预测用户将最可能在未来的什么时间窗口开始食物摄入事件。还可能预测食物摄入事件的特性，诸如例如进食的速度或消费的量。

在特定实施方案中，非实时分析和学习子系统105可使用来自不同用户的历史数据或来自其他用户和来自穿戴者的数据的组合，并且使用不同用户和穿戴者中的一者或多者之间的相似性(诸如年龄、性别、医学病症等)来预测穿戴者的食物摄入事件的可能开始。

在又其他示例中，非实时分析和学习子系统105可使用与本文所述方法类似的方法来预测用户何时最可能再度陷入暴食事件(episode)或最可能开始吃方便小吃。

多种传感器可用于此类监测。所监测的信号可由饮食跟踪和反馈系统生成。另选地，它们可由单独系统生成，但可由饮食跟踪和反馈系统进行访问以便处理和/或用作触发信号。还可应用机器学习和其他数据分析技术来预测可能摄入事件的某些其他特性，诸如可能将被消费的食物的类型和/或量、人可能将进食的速度、人将从消费食物中获得的满意度等。

作为姿态识别的一部分执行的机器学习过程可能使用外部数据来进一步细化其决定。这可能由非实时分析和学习子系统过程进行。数据分析过程可能例如考虑由基于姿态感测的食物摄入检测系统及基于姿态感测的跟踪和处理系统检测的食物摄入事件，从而形成第二层机器学习。例如，在一定时间周期内，记录食物摄入事件和与这些食物摄入事件相关的特性，诸如进食速度、食物消费的量、食物成分等，同时还跟踪与食物摄入事件没有直接联系或可能没有明显联系的其他参数。这可为例如位置信息、人醒来的一天中的时间、压力水平、人睡眠行为的某些模式、日历事件细节(包括时间、事件位置和参与者名单)、电话呼叫信息(包括时间、持续时间、电话号码等)、电子邮件元数据(诸如时间、持续时间、发送者等)。然后数据分析过程识别模式和相关性。例如，其可确定白天期间的日历事件数量与晚上的食物摄入事件的特性之间的相关性。这可能是由于用户更可能在到家时开始吃小吃，或在当天的日历事件数量超过特定阈值时晚餐更大份和/或更匆忙。利用子系统105，有可能从与食物摄入没有明显联系的其他信号和事件中预测食物摄入事件和特性。处理和分析子系统可使用附加情景元数据(诸如位置、日历信息、一周中的天或一天中的时间)来进行这种确定或预测。

任选地使用机器学习或其他数据分析技术在较长时间周期内对一个或多个传感器输入和/或一个或多个图像的处理和分析也可用于估计食物摄入事件的持续时间，或可用于预测食物摄入事件可能或临近结束。

在另一个实施方案中，一些用户输入108可能是必要的或期望的以适当地或更准确地检测食物摄入事件的开始和/或结束。除了外部输入和从传感器102接收到的输入之外，还可提供此类用户输入。另选地，可使用一个或多个用户输入代替任何传感器输入。用户输入可包括但不限于激活设备、按下按钮、触摸或移动设备或设备的特定部分、拍照、发出语音命令、在屏幕上进行选择或使用硬件和/或软件(其可包括但不限于键盘、触摸屏或语音识别技术)输入信息。如果需要一个或多个用户输入，则重要的是以使对人正常活动或社交互动的负面影响最小化的方式构思和实现用户交互。

食物摄入事件检测子系统101可组合多个方法以自主地检测或预测食物摄入事件的实际、可能或临近开始和/或结束。

该系统的另一个部件是跟踪和处理子系统103。在本公开的一个优选实施方案中，该子系统在109处与食物摄入事件检测子系统101交接，并且在其从食物摄入事件检测子系统101接收到已检测到事件的实际、可能或临近开始的信号时被激活，并在其从食物摄入事件检测子系统101接收到已检测到事件的实际、可能或临近结束的信号时或之后某一时间被禁用。在检测到食物摄入事件开始时，该设备可能触发食物摄入跟踪系统的其他传感器或部件的激活，并且也可能在检测到食物摄入事件结束时触发这些传感器或部件的去激活。

应用：食物日志记录

在现有食物日志记录方法中，如果用户忘记输入条目或出于另一个原因(有意或无意)没有输入条目，则没有进食事件的记录或历史。这导致食物日记不完整、不准确并且对于治疗目的而言可用性大幅降低。此外，现有食物日志记录方法中记录的内容通常限于成分和量的自我报告。没有关于如何消费食物的重要特性(例如，餐食的速度、持续时间)的信息。

图1所示的监测系统可用于使食物日志记录自动化或减少食物日志记录的冲突。在本公开的一个实施方案中，事件检测子系统101使用从运动传感器(诸如加速度计或陀螺仪)推断出的信息根据受试者的手部姿态来检测并监测进食或饮用事件。在其他实施方案中，可使用不同传感器输入来推断进食或饮用事件。其他传感器可包括但不限于心率传感器、压力传感器、接近度传感器、葡萄糖传感器、光学传感器、图像传感器、相机、测光计、温度计、ECG传感器和麦克风。

记录指示受试者的进食或饮用事件的发生的事件检测子系统101的输出。事件检测子系统101可进行附加处理以获得关于事件的附加相关信息，诸如开始时间、结束时间、表示受试者的进食或饮用速度的度量、表示所消费的量的度量。还可记录该附加信息。

可将进食或饮用事件的发生的检测记录为食物日志中的条目。还可将可从事件检测子系统获得的与进食或饮用事件相关联的附加信息记录为食物日志中的消费事件条目的一部分。这可代替手动地输入每个进食事件。

要记录的关于进食或饮用事件的信息可包括事件的时间、事件的持续时间、事件的位置、与消费速度相关的度量、与所消费的量相关的度量、进食方法、所使用的餐具等。

应用：用药依从性

由于事件系统能够监测事件和姿态并且确定消费，因此这可用于自动地监测药物施用方案，该药物施用方案定义何时需要伴随什么食物服用药物或其他动作。这可伴随特定餐食类别(如早餐)、在一天中的特定时间等进行。药物施用方案可能指定患者是否应在进食或饮用时服药。任选地，药物施用方案还可指定患者应消费多少食物或液体。

例如，当需要在一天中的特定时间服用药物时，用药依从性系统可监测时间，并且在到时间服用药物时发出警示。然后其还可激活事件检测子系统(如果其尚未激活)并且开始监测事件检测子系统的输出。其等待来自用户的关于他/她已服用药物的通知确认。

如果接收到确认并且如果药物施用方案规定需要伴随食物或液体服用药物，则用药依从性系统监测来自进食/饮用事件检测子系统的输出并且确定是否满足药物施用方案所指定的规则。这可简单至确认进食或饮用事件已伴随药物摄入或之后不久发生。在药物施用方案指定需要消费最少量的食物或流体的情况下，用药依从性系统可监测事件检测子系统的附加输出(与所消费的量相关的度量)以确认满足该条件。确定是否已满足药物施用方案的不同规则/逻辑也是可能的。

如果未接收到确认，则用药依从性子系统可发出第二通知。附加通知也是可能的。在预配置的数量的通知之后，用药依从性子系统可发出警示。可作为文本消息向用户发出警示，或可通过互联网或通过蜂窝连接(例如，至医院、护理者)将警示发送到远程服务器。

如果需要伴随特定餐食类别服用药物，则用药依从性系统可监测进食检测子系统的输出。当检测到进食事件时，其将使用逻辑来确定适用餐食类别。如果餐食类别匹配药物施用方案所描述的类别，则其将发出通知以提醒用户服用他/她的药物。如果药物施用方案规定食物或液体应伴随药物消费，则可实现以上概述的监测逻辑以确定已遵循药物施用方案。

用药依从性系统可监测进食事件检测子系统的输出以确定是否已发生进食事件的开始并且确定进食事件是否属于适用餐食类别。当检测到进食事件并且餐食类别匹配药物施用方案所述的类别时，可能采取某些动作，诸如其可激活对象信息检索系统(例如，NFC标签、成像)以收集关于用户与之交互的对象的更多信息。这样，其可从附接到药盒或药物容器的NFC标签获得关于该药物的信息。在另一个用途中，其可验证该药物是否匹配药物施用方案所规定的药物和/或发出通知以提醒用户服用他/她的药物。如果药物施用方案规定食物或液体应伴随药物消费，则可实现以上概述的监测逻辑以确定已遵循药物施用方案。

该系统还可能并入从对象信息收集系统获得或通过不同的通知方法获得的关于药物的细节，响应于来自用户的关于他/她已服用药物的通知而记录确认，向用户请求关于药物的附加信息，和/或在用户已服用药物后的预配置的时间向用户发送后续问题以获得附加输入。(例如，关于用户有何感觉的查询、关于疼痛程度的查询、测量血糖水平的提示)。

附加实施方案

在本公开的另一个实施方案中，可独立于来自食物摄入检测子系统的任何信号来激活和/或去激活跟踪和处理子系统。还可能独立于来自食物摄入检测子系统的任何信号来跟踪和/或处理某些参数，而可仅在从食物摄入事件检测子系统接收到信号时发起其他参数的跟踪和/或处理。

传感器输入可与向食物摄入事件检测子系统发送的输入相同或类似。另选地，可收集不同和/或附加传感器输入。传感器可包括但不限于加速度计、陀螺仪、磁力仪、图像传感器、相机、光学传感器、接近度传感器、压力传感器、气味传感器、气体传感器、全球定位系统(GPS)电路、麦克风、皮电反应传感器、温度计、环境光传感器、UV传感器、用于肌电图(“EMG”)电位检测的电极、生物阻抗传感器、光谱仪、葡萄糖传感器、触摸屏或电容传感器。传感器数据的示例包括运动数据、体温、心率、脉搏、皮电反应、血液或身体化学、音频或视频记录以及其他传感器数据，具体取决于传感器类型。传感器输入可能以模拟或数字形式无线地或经由电线传达到处理器，中间有选通和/或时钟电路或直接提供。

跟踪和处理子系统所使用的处理方法可包括但不限于数据操纵、代数计算、地理标记、统计计算、机器学习、计算机视觉、语音识别、模式识别、压缩和过滤。

所收集的数据可任选地暂时或永久地存储在数据存储单元中。跟踪和处理子系统可使用至数据存储单元的接口来将数据或其他信息放入数据存储单元中并且从数据存储单元检索数据或其他信息。

在本公开的一个优选实施方案中，数据收集、处理和跟踪自主地发生并且不需要任何特殊用户干预。所跟踪的参数可包括但不限于以下各项：位置、周围环境的温度、环境光、环境声音、生物特征信息、活动水平、食物的图像捕获、食物名称和描述、份量大小、流体摄入、热量和营养信息、满口计数、咬取计数、吸允计数、连续咬取或吸允之间的持续时间以及食物摄入事件的持续时间。所跟踪的参数还可包括对于每次咬取或吸允而言，用户的手部、臂部和/或餐具接近用户的嘴部的持续时间、咬取或吸允的成分在吞咽之前留在用户嘴部中的持续时间。该方法可基于什么传感器数据可用而变化。

在本公开的其他实施方案中，需要或可能期望一些用户干预来实现例如更大准确度或输入附加细节。用户干预可包括但不限于激活设备或设备的特定功能、将设备保持在适当位置、拍照、添加语音注释、录制视频、进行校正或调节、提供反馈、进行数据输入、对食物或食物样品进行测量。测量可包括但不限于无损技术，诸如例如获得食物物品的一个或多个光谱图，或可需要从食物取样的化学方法。

跟踪和处理子系统103对传感器数据和用户输入的处理通常实时或近实时地进行。可存在一些延迟，例如以节省功率或避开某些硬件限制，但在一些实施方案中，该处理在食物摄入事件期间进行，或在食物摄入事件之外跟踪的情况下大约在已接收到传感器或用户输入的时间进行。

在某些具体实施中或在某些情况下，可能不存在对执行一些或所有处理所需的处理单元的实时或近实时访问。这可例如是由于功率消耗或连接性限制。其他动机或原因也是可能的。在这种情况下，可在本地存储这些输入和/或部分处理的数据直到稍后对处理单元的访问变得可用。

在本公开的一个特定实施方案中，可将跟踪人臂部、手部或腕部的运动的传感器信号发送到跟踪和处理子系统103。跟踪和处理子系统103可处理并分析此类信号以识别所述人已消费或可能已消费一次咬取的食物或一次吸允的液体。跟踪和处理子系统103还可处理并分析此类信号以识别和/或量化进食行为的其他方面，诸如例如咬取或吸允之间的时间间隔、手部至嘴部运动的速度等。跟踪和处理子系统103还可处理并分析此类信号以识别进食方法的某些方面，诸如例如该人是否用餐叉或勺子进食，从玻璃杯或罐中饮用，或不使用任何餐具消费食物。

在特定示例中，有可能穿戴者在进行咬取时将就餐餐具或手部拿到嘴部的时候沿一个方向旋转他或她的腕部，而在吸允液体时沿另一方向旋转。穿戴者在将他或她的腕部朝向嘴部或远离嘴部移动时他或她的腕部的旋转量以及腕部以较高旋转角保持的持续时间对于饮用姿态和进食姿态而言也可能不同。可使用其他度量来将进食姿态与饮用姿态区分开或区分进食方法的差异。还可使用多个度量的组合。可用于将进食姿态与饮用姿态区分开或区分进食方法的差异的度量的其他示例包括但不限于从姿态的开始或近似开始直至手部到达嘴部的时间或近似时间的滚转角的变化、从手部接近嘴部的时间或近似时间直至姿态的结束或近似结束的滚转角的变化、在手部接近嘴部的持续时间内或在以手部接近嘴部时为中心的持续时间内或在可不以手部接近嘴部时为中心但包括手部最接近嘴部的时间的持续时间内跨一个或多个轴线的加速度计或陀螺仪读数的方差、在手部接近嘴部的持续时间内或在以手部最接近嘴部时为中心的持续时间内或在可不以手部最接近嘴部时为中心但包括手部最接近嘴部的时间的持续时间内加速度计读数的量值的方差、在手部接近嘴部的持续时间内或在以手部最接近嘴部时为中心的持续时间内或在可不以手部最接近嘴部时为中心但包括手部最接近嘴部的时间的持续时间内加速度计读数的量值的最大值。加速度计读数的量值可被定义为每个正交方向上的加速度的平方根(例如，感测x、y和z方向上的加速度并且计算SQRT(ax²+ay²+az²))。

手部相对于嘴部的位置可例如通过监测穿戴的设备的俯仰及由此穿戴者的臂部的俯仰来确定。与俯仰的峰值相对应的时间可用作手部最接近嘴部的时刻。俯仰开始上升的时间可例如用作姿态的开始时间。俯仰停止下降的时间可例如用作姿态的结束时间。

最近嘴部位置、运动的开始和运动的结束的其他定义也是可能的。例如，可替代地使用滚转改变方向的时间来确定臂部或手部最接近嘴部的时间。可替代地使用滚转停止在特定方向上或以特定速度改变的时间来确定朝向嘴部的运动的开始时间。

跟踪和处理子系统还可处理并分析此类信号以确定适当或优选时间来激活其他传感器。在一个特定示例中，跟踪和处理子系统可处理并分析此类信号以确定适当或优选时间来激活一个或多个相机，从而拍摄食物的一个或多个静态或动态图像。通过利用跟踪臂部、手部、手指或腕部运动和/或相机的取向和位置的传感器来激活相机和/或使图像捕获过程自动化，可大大降低图像捕获和图像分析系统的复杂性、能力和功率消耗，并且在某些情况下，可实现更好的准确度。这还显著减少了任何隐私侵犯问题，因为此时有可能更精确地控制图像捕获的时序并且使其符合相机聚焦于食物。

例如，处理器可能分析来自加速度计、陀螺仪、磁力仪等的运动传感器输入，从而可能基于处理器确定相机的视野区涵盖要拍照的食物的时候来识别激活相机的最佳时间并且在该时间捕获照片并触发相机。在一个示例中，处理器确定进食事件的开始并且发信号通知穿戴者捕获所进食的食物的图像，并且还确定进食事件的结束并且再次发信号通知穿戴者捕获食物或盘子还剩下什么的图像等。可处理此类图像以确定消费量和/或确认已由处理器确定的消费量。在一些实施方案中，图像处理可用作训练该处理器使用的机器学习的反馈的一部分。

在一些实施方案中，该系统可使用跟踪穿戴者的臂部或手部的运动的传感器，并且仅在该系统根据运动感测确定臂部或手部接近嘴部时激活相机。在另一个示例中，该系统可在朝向嘴部的运动的开始与臂部或手部最接近嘴部的时间之间的某一时间激活相机。在又一个示例中，该系统可在臂部或手部最接近嘴部的时间与远离嘴部的运动的结束之间的某一时间激活相机。

如上所提及，手部相对于嘴部的位置可通过监测俯仰及指示朝向嘴部的运动的开始时间的上升俯仰和指示结束时间的下降俯仰来确定。最近嘴部位置、运动的开始和运动的结束的其他定义也是可能的。

手部相对于嘴部的位置可例如通过监测穿戴的设备的俯仰及由此穿戴者的臂部的俯仰来确定。与俯仰的峰值相对应的时间可用作手部最接近嘴部的时刻。俯仰开始上升的时间可例如用作姿态的开始时间。俯仰停止下降的时间可例如用作姿态的结束时间。

跟踪用户的臂部、手部或腕部的运动的传感器信号的处理和分析可与所提议的其他方法(诸如在食物进入嘴部时对食物的图像捕获)组合以内置冗余度并且改善饮食跟踪和反馈系统的稳健性。例如，通过用户的臂部、手部或腕部运动的处理和分析，即使相机被遮挡或篡改，仍将保留与咬取计数和咬取模式相关的信息。

传感器输入中的一者或多者可为从一个或多个相机模块获得的静态或流图像。此类图像可需要一些程度的处理和分析。除了其他方法以外，处理和分析方法可包括以下方法中的一者或多者：压缩、删除、调整大小、过滤、图像编辑和计算机视觉技术以识别对象(诸如例如特定食物或菜肴)或特征(诸如例如份量大小)。

除了测量咬取计数和吸允计数之外，处理器还可能分析细节，诸如终止和持续时间，以确定咬取和吸允大小。测量穿戴者的手部、餐具或流体容器接近其嘴部的时间可能用于导出“接近嘴部”持续时间，该持续时间继而用作输入以生成咬取或吸允的估计大小。吸允时腕部的旋转量对于水合跟踪可能有用。

在姿态的开始和结束内的一个或多个时间段中测量腕部的旋转量也可用于估计咬取或吸允的大小。例如，系统可从姿态开始后某时的时间到臂部或手部最接近嘴部的时间测量腕部的旋转量。与俯仰的峰值相对应的时间可用作手部最接近嘴部的时刻。俯仰开始上升的时间可例如用作朝向嘴部的运动的开始时间。俯仰停止下降的时间可例如用作远离嘴部的运动的结束时间。最近嘴部位置、运动的开始和运动的结束的其他定义也是可能的。例如，滚转改变方向的时间可替代地用作臂部或手部最接近嘴部的时间。滚转停止在特定方向上或以特定速度改变的时间可用作朝向嘴部的运动的开始时间。可由跟踪和处理子系统分析和/或比较一个或多个静态或流图像以用于一个或多个目的，包括但不限于食物物品的识别、食物成分的识别、营养信息的识别或导出、份量大小的估计以及某些进食行为和进食模式的推断。

作为一个示例，计算机视觉技术(任选地与其他图像操纵技术组合)可用于识别食物类别、特定食物物品和/或估计份量大小。另选地，可使用土耳其机器人(MechanicalTurk)过程或其他众包方法手动地分析图像。一旦已识别食物类别和/或特定食物物品，就可使用该信息从一个或多个食物/营养数据库检索营养信息。

作为另一个示例，可通过分析并比较在食物摄入事件过程中的不同时间捕获的多个图像来推断关于用户的进食或饮用速度的信息。作为又一个示例，图像(任选地与其他传感器输入组合)可用于将桌宴与手指食物或小吃区分开。作为又一个示例，在食物摄入事件开始时拍摄的一个图像和在食物摄入事件结束时拍摄的另一个图像的分析可提供关于实际消费的食物的量的信息。

在一般情况下，传感器数据由处理器接收，该处理器分析该传感器数据，可能还一同分析关于传感器数据感测的人的先前记录的数据和/或元数据。处理器执行计算(诸如本文所述的那些计算)以导出所感测的姿态的序列。所感测的姿态可能是本文其他地方描述的姿态之一，以及关于所感测的姿态的相关数据，诸如所感测的姿态的发生时间。处理器分析所感测的姿态的序列以确定行为事件的开始，诸如进食事件的开始。

进食事件的开始的确定可基于所感测的姿态的序列，但其也可基于单个事件(可能具有不基于姿态的情景)的检测。例如，如果该系统以合理高置信水平检测到咬取姿态，则处理器可能将该单独姿态的检测视为进食事件的开始。处理器还可分析所感测的姿态的序列以确定行为事件的结束。进食事件的结束的确定还可基于所检测的事件的不存在。例如，如果未在给定时间周期中检测到咬取姿态，则处理器可假定进食事件已结束。

获知行为事件的开始和结束允许处理器更准确地确定姿态，这是由于这些姿态被纳入情景中和/或处理器可启用附加传感器或将一个或多个传感器或其他部件置于较高性能状态，诸如在本文其他地方所述的示例中。获知行为事件的开始和结束还允许节省功率，因为在一些情况下，有可能在某些行为事件之外将穿戴的设备置于较低功耗模式。另外，单独姿态聚合成事件(可能与关于过去来自相同用户或来自其他用户的类似行为事件的先前记录的数据组合)允许处理器导出关于行为事件的有意义特性。例如，可按这种方式确定早餐、午餐、晚餐期间的进食速度。作为另一个示例，如果处理器具有当前行为的状态并且该当前行为是刷牙，则可能看起来是进食或饮用姿态的姿态不会被解释为进食或饮用姿态，因此不会将刷牙时的吸允解释为液体的消费。行为事件可能是一般事件(进食、步行、刷牙等)或更具体(用勺子进食、用餐叉进食、从玻璃杯中饮用、从罐中饮用等)。

虽然有可能解码间接姿态(诸如检测指示姿态，然后确定所感测的人指向的对象)，但感兴趣的是自身直接是所检测的事件的一部分的姿态。一些姿态是偶然姿态，诸如与操作该设备相关联的姿态，在这种情况下，偶然姿态可能被排除在考虑之外。

在特定示例中，该系统使用某组传感器以某置信水平确定进食事件的开始，并且如果置信水平高于阈值，则该系统激活附加传感器。因此，加速度计传感器可能用于以高置信水平确定进食事件的开始，但陀螺仪置于低功耗模式以延长电池寿命。单独加速度计可检测指示可能咬取或吸允的姿态(例如，向上臂部或手部运动或者通常沿嘴部方向的手部或臂部运动)或通常指示进食事件的开始的姿态。在检测到通常指示进食事件的可能开始的第一姿态时，可随后启用附加传感器(例如，陀螺仪等)。如果检测到后续咬取或吸允姿态，则处理器以较高置信水平确定已发生进食事件的开始。

事件检测

获知行为事件的开始/结束允许处理器在行为事件的持续时间内将一个或多个传感器或其他部件置于较高性能状态。例如，当已确定行为事件的开始时，处理器可增加用于检测姿态的加速度计和/或陀螺仪传感器的采样率。作为另一个示例，当已确定行为事件的开始时，处理器可增加传感器数据发送到电子设备219进行进一步处理的更新率以减少延迟。

再次参见图1，除了跟踪和处理子系统之外，图1的系统还可包括非实时分析和学习子系统105。非实时分析和学习子系统105可对需要较长时间收集的较大数据集(诸如跨多个食物摄入事件的历史数据和/或来自较大人群的数据)执行分析。非实时分析和学习子系统105所使用的方法可包括但不限于数据操纵、代数计算、地理标记、统计计算、机器学习和数据分析、计算机视觉、语音识别、模式识别、压缩和过滤。

除了其它之外，非实时分析和学习子系统105所使用的方法可包括对在较长时间周期内收集的较大数据集的数据分析。作为一个示例，可在较长时间周期内并跨多个食物摄入事件捕获一个或多个数据输入以训练机器学习模型。此类数据输入在下文中称为训练数据集。通常期望收集训练数据集的时间周期(在下文中称为训练周期)足够长，使得所收集的数据表示人的典型食物摄入。

除了其它之外，训练数据集可包括以下食物摄入相关信息中的一者或多者：每个食物摄入事件的咬取数量、总咬取计数、食物摄入事件的持续时间、食物摄入的速度或后续计数之间的时间、食物摄入成分的分类，诸如例如将固体食物与液体区分开或将桌宴与小吃或手指食物区分开。可从一个或多个传感器输入导出该信息。

训练数据集还可包括在训练周期内的每个食物摄入事件期间消费的每个或大多数物品的图像。可使用计算机视觉和/或其他方法来处理这些图像以识别食物类别、特定食物物品并估计份量大小。然后该信息继而可用于量化食物物品的卡路里数量和/或大量营养素成分，诸如碳水化合物、脂肪、蛋白质等的量。

在食物未被完全消费的情况下，可能期望在食物摄入事件开始时拍摄食物物品的一张照片并且在食物摄入事件结束时拍摄一张照片以导出实际消费的食物的部分。其他方法(包括但不限于手动用户输入)可用于将份量大小信息添加到训练数据集中的数据。

训练数据集还可包括元数据，该元数据不直接量化食物摄入和/或进食行为和模式，但可间接提供信息，可与食物摄入事件和/或进食行为关联，和/或可为食物摄入事件发生的触发因素，或可影响进食习惯、模式和行为。除了其它之外，此类元数据可包括以下的一者或多者：性别、年龄、体重、社会经济状况、关于食物摄入事件的时序信息(诸如日期、一天中的时间、一周中的天)、关于食物摄入事件的位置的信息、生命体征信息、水合程度信息以及其他身体、精神或环境状况，诸如例如饥饿、压力、睡眠、疲劳程度、成瘾、疾病、社会压力和锻炼。

一个或多个训练数据集可用于训练一个或多个机器学习模型，然后饮食跟踪和反馈系统的一个或多个部件可使用该一个或多个机器学习模型来预测食物摄入事件的某些方面及进食模式和行为。

在一个示例中，可训练模型以基于可影响食物摄入事件的发生的一个或多个元数据的跟踪来预测食物摄入事件的发生。还可预测与可能食物摄入事件相关的其他特性，诸如可能将被消费的食物的类型和/或量、人可能将进食的速度、食物摄入事件的持续时间和/或人将从消费食物中获得的满意度。除了其它之外，元数据可包括以下的一者或多者：性别、年龄、体重、社会经济状况、关于食物摄入事件的时序信息(诸如日期、一天中的时间、一周中的天)、关于食物摄入事件的位置的信息、生命体征信息、水合程度信息以及其他身体、精神或环境状况，诸如例如饥饿、压力、睡眠、疲劳程度、成瘾、疾病、社会压力和锻炼。

在另一个示例中，可应用机器学习和数据分析来导出可在训练周期之外用于估计热量或其他大量营养素摄入的度量，即使只有有限或没有可用的食物摄入传感器输入或图像。元数据可用于进一步基于附加情景信息来调整此类度量的值。除了其它之外，元数据可包括以下的一者或多者：性别、年龄、体重、社会经济状况、关于食物摄入事件的时序信息(诸如日期、一天中的时间、一周中的天)、关于食物摄入事件的位置的信息、关于普通食物类别的信息、生命体征信息、水合程度信息、日历事件信息、电话呼叫日志、电子邮件日志以及其他身体、精神或环境状况，诸如例如饥饿、压力、睡眠、疲劳程度、成瘾、疾病、社会压力和锻炼。

这种度量的一个示例将为“每口卡路里”。通过将咬取计数与从图像处理和分析获得的热量信息组合，可由一个或多个训练数据集确立“每口卡路里”度量。然后该度量可在训练周期之外用于仅基于咬取计数来估计热量摄入，即使没有可用的图像或只有有限的可用的图像。

另一个度量可为“典型咬取大小”。通过将咬取计数与从图像处理和分析获得的份量大小信息组合，可由一个或多个训练数据集确立“典型咬取大小”度量。然后该度量可在训练周期之外用于仅基于咬取计数来估计份量大小，即使没有可用的图像或只有有限的可用的图像。其还可用于基于咬取计数和典型咬取大小来识别所报告的食物摄入与所测量的食物摄入之间的差异。差异可指示用户未报告他或她消费的所有食物物品。或另选地，其可指示用户未消费他或她报告的所有食物。

咬取动作可能通过处理器读取加速度计和陀螺仪传感器或更一般地通过读取感测穿戴者的身体部分的运动的运动传感器来确定。然后，通过对咬取进行计数，可推断总咬取数量。另外，处理器可使用咬取的时间序列来推断出进食模式。

非实时分析和学习子系统105还可用于跟踪、分析和帮助可视化较大的历史数据集，根据特定固定或配置的目标来跟踪进度以及帮助确立此类目标。其还可用于识别并跟踪记录、待办事项(streaks)并且与朋友或较大(任选地匿名)人群进行表现比较。

此外，在某些实施方案中，除了其他数据操纵和处理技术之外，非实时分析和学习子系统105可应用机器学习和数据分析技术来预测出现某些健康问题、疾病和其他医学病症的迫近性或可能性。在这种情况下，训练通常需要在较长时间周期内并跨较大人群捕获的历史食物摄入和/或进食行为数据。还期望训练数据集包括附加元数据，诸如年龄、体重、性别、地理信息、社会经济状况、生命体征、医疗记录信息、日历信息、电话呼叫日志、电子邮件日志和/或其他信息。预测继而可用于帮助引导健康结局和/或防止或延迟某些疾病(诸如例如糖尿病)的发作。

非实时和学习子系统105还可用于学习并提取关于其他方面的更多信息，包括但不限于以下的一者或多者：用户的饮食和食物偏好、用户的用餐偏好、用户的餐厅偏好以及用户的食物消费。食物摄入跟踪和反馈系统可使用此类信息向用户作出特定推荐。本文所述的食物摄入跟踪和反馈系统还可与其他系统交接或集成，其他系统诸如为餐厅预订系统、在线食物或餐食下单系统以及促进、精简或自动化食物或餐食下单或预订的过程的其他系统。

非实时和学习子系统105还可用于在较长时间周期内监测食物摄入并且检测无食物摄入活动的任何特别长的事件。除了其它之外，此类事件可指示用户停止使用该设备、有意或无意篡改该设备、该设备的功能性缺陷或医疗状况，诸如例如用户跌倒或死亡或意识丧失。无食物摄入活动的特别长的事件的检测可用于将通知或警示发送到用户、他的一个或多个护理者、监测系统、紧急响应系统或对告知此类事件的发生可能有着直接或间接兴趣的第三方。

图1所示的系统的另一个部件是反馈子系统106。反馈子系统106将一个或多个反馈信号提供给用户或此类反馈信息可能与之相关的任何其他人。反馈子系统106可提供与特定食物摄入事件相关的实时或近实时反馈。实时或近实时反馈通常是指大约在食物摄入事件时给出的反馈。这可包括在食物摄入事件期间给出的反馈、在食物摄入事件开始之前给出的反馈以及在食物摄入事件结束之后某一时间给出的反馈。另选地或除此之外，反馈子系统可向用户提供与特定食物摄入事件没有直接联系的反馈。

反馈子系统所使用的反馈方法可包括但不限于触觉反馈，由此使用触觉接口，该触觉接口向用户施加力、振动和/或运动；音频反馈，其中可使用扬声器或任何其他音频接口；或视觉反馈，由此可使用显示器、一个或多个LED和/或投射的光图案。反馈子系统可仅使用一种反馈方法或超过一种反馈方法的组合。

反馈子系统可在硬件中、软件中或硬件与软件的组合中实现。反馈子系统可在与食物摄入事件检测子系统101和/或跟踪和处理子系统103相同的设备上实现。另选地，反馈子系统可在与食物摄入事件检测子系统101和/或跟踪和处理子系统103分开的设备中实现。反馈子系统106还可跨多个设备分布，该多个设备中的一些设备可任选地容纳图1所示的一些其他子系统的部分。

在一个实施方案中，反馈子系统106可向用户提供反馈以发信号通知食物摄入事件的实际、可能或临近开始。反馈子系统106还可在食物摄入事件期间向用户提供反馈以向用户提醒正发生食物摄入事件的事实，改善当下意识和/或鼓励正念进食。反馈子系统还可提供关于推荐的份量大小和/或食物成分的指南，或对进食提供另选建议。另选建议可为默认建议，或其可为已由用户在不同时间编程或配置的定制建议。

反馈信号可包括但不限于可穿戴设备上的周期性触觉反馈信号、声音警报、显示消息或被推送到他或她的移动电话显示器的一个或多个通知。

在接收到指示食物摄入事件的开始的信号时或之后某一时间，用户可确认的确正发生食物摄入事件。确认可用于例如触发事件的日志记录或可引起该系统提示用户输入附加信息。

在本公开的另一个实施方案中，反馈子系统仅在达到所跟踪的参数中的一个或多个参数的特定阈值时才在食物摄入事件期间发起反馈。作为一个示例，如果正跟踪后续咬取或吸允之间的时间，则可在该时间(可能在多次咬取或吸允内取平均值)短于固定或编程值时发起给用户的反馈以鼓励用户放慢速度。类似地，可在超过固定或编程的咬取或吸允计数时发起反馈。

在食物摄入事件期间提供反馈的反馈子系统中，反馈子系统所提供的反馈通常涉及该特定食物摄入事件的细节。然而，还可由反馈子系统提供其他信息，包括但不限于与先前食物摄入事件相关的信息、生物特征信息、精神健康信息、活动或健康水平信息以及环境信息。

在本公开的又一个实施方案中，反馈子系统106可在特定食物摄入事件之外发送一个或多个反馈信号。在这种实施方案的一个示例中，可跟踪可影响水合需求或以其他方式直接或间接测量水合程度的环境温度和/或其他参数。此类跟踪可连续地或周期性地发生，或以其他方式独立于特定食物摄入事件发生。如果一个或多个此类参数超过固定或编程阈值，则可发送反馈信号以例如鼓励他/她采取措施改善水合。反馈子系统106可能评估其输入并且确定发送反馈的优选时间不是在食物摄入事件期间，而是在食物摄入事件已结束之后。反馈子系统106的一些输入可能来自食物摄入事件，但一些输入可能来自并非直接作为食物摄入事件的结果来测量的其他监测。

发送反馈信号的决定可独立于任何食物摄入跟踪，诸如在前一段落中描述的实施方案中。另选地，这种决定可与跨一个或多个食物摄入事件的食物摄入跟踪有联系。例如，在本公开的一个实施方案中，可修改上述系统以也直接或间接跟踪人的流体摄入。对于不同环境温度范围而言，该实施方案可具有预编程的流体摄入需求阈值。如果对于所测量的环境温度而言，可能在特定时间周期内跟踪并累积的人的流体摄入不满足环境温度的阈值，则该系统可发出反馈信号以建议所述人增加他或她的流体摄入水平。

类似地，除了其他参数之外，与食物摄入相关的反馈信号或推荐可与活动水平、睡眠水平、社会背景或环境、健康或疾病诊断以及健康或疾病监测的跟踪有联系。

在本公开的又一个实施方案中，反馈子系统106可在其已检测到食物摄入事件已开始或临近或很可能时发起反馈信号。在这种实施方案中，反馈可例如用作提示来提醒用户将食物摄入事件或无法自动地跟踪的食物摄入事件的某些方面记录在日志中，或影响或引导人的食物摄入行为和/或所消费的食物的量或成分。

反馈子系统106所提供的信息可包括但不限于与进食模式或习惯相关的信息；与特定可食用物质相关的信息，诸如例如名称、描述、营养成分；食物物品或菜肴的评论、评级和/或图像；与食物摄入的触发因素相关的信息；与进食模式或习惯的触发因素相关的信息；生物特征或环境信息；或可与人的一般食物摄入行为、健康和/或保健直接或间接相关的其他信息。

反馈子系统106可包括已被消费或可能被消费的食物物品或菜肴的图像的显示。此外，反馈子系统106可包括关于食物物品或菜肴的附加信息，诸如例如它们有多健康的指示、营养成分、背景故事或制备细节、评级、个性化反馈或其他个性化信息。

在本公开的某些实施方案中，反馈子系统106所提供的信息可包括非实时信息。反馈子系统106可例如包括基于历史数据的处理和分析和/或已在较大用户群内累积的数据的处理和分析的反馈。反馈子系统106还可提供独立于任何特定参数的跟踪的反馈。作为一个示例，反馈子系统106可提供普通食物、营养或健康信息或指南。

在本公开的某些实施方案中，用户可与反馈子系统106交互并且提供输入116。例如，用户可抑制或定制某些或所有反馈信号。

除了其它之外，非实时反馈可包括历史数据、趋势概述、个人记录、待办事项(streaks)、比照目标的表现或与朋友或其他人或人群相比的表现、报警趋势的通知、来自朋友、社交网络和社交媒体、护理者、营养学家、医生等的反馈、指导建议和指南。

数据或其他信息可存储在数据存储单元104中。其可以以原始格式存储。另选地，其可在已经受一些程度的处理之后存储。数据可暂时或永久地存储。数据或其他信息可出于多种多样的原因而存储，包括但不限于在等待处理器或其他系统资源变得可用时暂时存储；暂时存储以与可能在稍后时间才可用的其他数据组合；存储以通过反馈子系统106以原始或处理格式反馈到用户；存储以供稍后咨询或审阅；存储以用于饮食分析和/或健康指导目的；存储以用于跨较大人群或对较大数据集的统计分析；存储以对较大数据集执行模式识别方法或机器学习技术。

所存储的数据和信息或其部分可由该系统的用户进行访问。还可能所存储的数据和信息或其部分可与第三方共享或可由第三方访问。第三方可包括但不限于朋友、家庭成员、护理者、医疗保健提供者、营养学家、健康辅导师、其他用户、开发和/或出售用于饮食跟踪和指导的系统的公司、开发和/或出售用于饮食跟踪和指导的系统的部件或子系统的公司以及保险公司。在某些情况下，可能期望在使数据可供第三方使用之前使数据匿名。

图2示出了根据本公开的一个实施方案的设置在用于饮食跟踪和指导的电子系统中的一些部件。该电子系统包括第一电子设备218、第二电子设备219(其可为移动设备)及中央处理和存储单元220。典型系统可能具有校准功能以允许传感器和处理器校准。

图2所示的系统的变型也是可能的并且包括在本公开的范围内。例如，在一个变型中，电子设备218和电子设备219可被组合成单个电子设备。在另一个变型中，电子设备218的功能可跨多个设备分布。在一些变型中，作为电子设备218一部分的图2所示的功能的一部分可替代地包括在电子设备219中。在一些其他变型中，作为电子设备219一部分的图2所示的功能的一部分可替代地包括在电子设备218和/或中央处理和存储单元220中。在又一个变型中，可不存在中央处理和存储单元220，并且所有处理和存储可在电子设备218和/或电子设备219上本地进行。其他变型也是可能的。

图3中示出了图2的电子系统的示例。电子设备218可例如为穿戴在腕部、臂部或手指周围的可穿戴设备321。电子设备218还可被实现为可附接到身体或可嵌入在衣服中的可穿戴贴片。电子设备218还可为可例如附接到另一个可穿戴设备、首饰或衣服的模块或附加设备。电子设备219可例如为移动设备322，诸如移动电话、平板电脑或智能手表。电子设备219和电子设备218的其他实施方案也是可能的。中央处理和存储单元220通常由一个或多个计算机系统或服务器和一个或多个存储系统构成。中央处理和存储单元220可例如为可使用互联网连接325经由互联网来访问的远程数据中心324。中央处理和存储单元220常常在多个用户间共享和/或由多个用户访问。

可穿戴设备321可通过无线网络与移动设备322通信。用于通过无线网络在可穿戴设备321与移动设备322之间通信的无线协议可包括但不限于蓝牙、智能蓝牙(亦称低功耗蓝牙)、蓝牙网格、ZigBee、Wi-Fi、Wi-Fi直连、NFC、Cellular和Thread。还可使用专有或无线协议、标准化无线协议的修改版或其他标准化无线协议。在本公开的另一个实施方案中，可穿戴设备321和移动设备322可通过有线网络来通信。

移动设备322可与基站或接入点(“AP”)323无线地通信，该基站或AP经由互联网连接325连接到互联网。经由互联网连接325，移动设备322可将数据和信息从可穿戴设备321传输到驻留在远程位置(诸如例如远程数据中心)处的一个或多个中央处理和存储单元220。经由互联网连接325，移动设备322还可将数据和信息从驻留在远程位置处的一个或多个中央处理和存储单元220传输到可穿戴设备321。其他示例也是可能的。在一些实施方案中，中央处理和存储单元220可不处于远程位置，而是可驻留在与可穿戴设备321和/或移动设备322相同的位置或附近。用于移动设备322与基站或接入点323之间的通信的无线协议可与移动设备和可穿戴设备之间的那些协议相同。还可使用专有或无线协议、标准化无线协议的修改版或其他标准化无线协议。

图2的电子系统还可将数据、信息、通知和/或指令发送到连接到互联网的附加设备，和/或从连接到互联网的附加设备接收数据、信息、通知和/或指令。此类设备可例如为一个或多个护理者、医生办公室成员、辅导师、家庭成员、朋友、用户在社交媒体上有联系的人或用户已向其给予共享信息的授权的其他人的平板电脑、移动电话、膝上型电脑或计算机。图4中示出了这种系统的一个示例。在图4所示的示例中，电子设备441无线地连接到基站或接入点440，该基站或接入点经由互联网连接442连接到互联网。电子设备441的示例可包括但不限于平板电脑、移动电话、膝上型电脑、计算机或智能手表。经由互联网连接442，电子设备441可从可驻留在本地或远程位置(诸如例如远程数据中心)处的一个或多个中央处理和存储单元接收数据、指令、通知或其他信息。通信能力可包括互联网连接442或其他通信信道。电子设备441还可将信息、指令或通知发送到一个或多个计算机服务器或存储单元439。中央处理和存储单元439可经由互联网438和基站或接入点(“AP”)437将该信息、指令或通知转发到移动设备436。

其他示例也是可能的。在一些实施方案中，中央处理和存储单元439可不处于远程位置，而是可驻留在与可穿戴设备435和/或移动设备436相同的位置或附近。图4将电子设备441示出为无线地连接到基站或接入点。电子设备441与经由互联网连接442连接到互联网的路由器之间的有线连接也是可能的。

图5示出了本公开的另一个实施方案。在图5中，可穿戴设备543可经由基站或接入点544和互联网来与中央处理和存储系统546直接交换数据或其他信息而不必经过移动设备545。移动设备545可经由中央处理和存储系统546或经由本地无线或有线网络来与可穿戴设备543交换数据或其他信息。中央处理和存储系统546可与一个或多个附加电子设备550交换信息。

图6示出了根据一个实施方案的设置在电子设备218中的一些部件。电子设备218通常部分地包括一个或多个传感器单元627、处理单元628、存储器629、时钟或晶体630、无线电电路634以及电源管理单元(“PMU”)631。电子设备218还可包括一个或多个相机模块626、一个或多个刺激单元633和一个或多个用户界面632。尽管未示出，但是其他部件如电容器、电阻器、电感器也可包括在电子设备218中。除了其它之外，电源管理单元631可包括以下的一者或多者：电池、充电电路、稳压器、禁用通向一个或多个部件的功率的硬件、电源插头。

在许多实施方案中，电子设备218是尺寸受限、功率敏感的电池操作设备，其具有简单且有限的用户界面。在功率受限的情况下，电子设备218可能被编程为在行为事件之外节省功率。例如，电子设备218中的处理器可能被编程为确定行为事件(诸如进食事件)的开始，然后使附加传感器通电，将某些传感器置于较高性能模式，和/或执行附加计算直到处理器确定行为事件的结束，此时处理器可能断开附加传感器，将某些传感器往回置于较低性能模式并且省略附加计算。

例如，处理器可能被编程为禁用除加速度计以外的所有运动检测相关电路。然后处理器可监测加速度计传感器数据，并且如果这些数据指示实际或显著食物摄入活动，诸如咬取或吸允姿态，则处理器可激活附加电路，诸如数据记录机构。处理器可能使用加速度计传感器数据来监测穿戴者的臂部的俯仰。

例如，处理器可能测量穿戴者的臂部的俯仰直到俯仰超过特定阈值，该阈值可能为指示朝向穿戴者的嘴部的手部或臂部运动的阈值。一旦检测到这种情况，处理器就可改变状态(诸如通过将为该状态留出的存储器位置从“不活动”或“事件外”改变为“动作中”或“事件中”)并且激活附加电路或激活特定电路或部件的较高性能模式。在另一个实施方案中，如由一个或多个加速度计轴线确定，可能使用其他加速度计传感器数据特性，诸如加速度的第一积分(速度)或加速度的第二积分(行进的距离)或与加速度的第一积分和/或第二积分相关或从加速度的第一积分和/或第二积分导出的特性。机器学习过程可能用于检测特定运动并且将这些运动转换为姿态。

处理器可能通过考虑是否自上次咬取或吸允运动起已经过特定时间或在有其他数据(关于穿戴者的元数据、运动检测传感器数据和/或穿戴者的历史数据或这些的组合)时检测食物摄入事件的结束。基于这些情况，处理器作出食物摄入事件不太可能的确定，然后将电子设备的状态改变为非活动监测状态，可能为较低功耗模式。

可能通过以下方式实现较低功耗模式：处理器降低加速度计和/或陀螺仪的采样率，使陀螺仪断电，降低传感器数据从电子设备(诸如电子设备218)传输到支持设备(诸如电子设备219)的更新率，在将数据从感测电子设备传输到支持电子设备之前压缩数据。

在本公开的一些实施方案中，可组合图5中示出为单独部件的一些部件。作为一个示例，可将处理单元、存储器、无线电电路和PMU功能完全或部分地组合在单个无线微控制器单元(“MCU”)中。其他组合也是可能的。类似地，图5中示出为单个部件的部件可被实现为多个部件。作为一个示例，处理功能可跨多个处理器分布。同样，数据存储功能可跨多个存储器部件分布。分布式实现的其他示例也是可能的。

在本公开的另一个实施方案中，可不存在无线电电路，而是可使用不同接口(诸如例如USB接口和电缆)向和/或从电子设备218传输数据或信息。

刺激单元633可向电子设备的用户提供反馈。刺激单元633可包括但不限于向用户施加力、振动或运动的触觉接口、向用户提供声音的扬声器或头戴式耳机接口以及向用户提供视觉反馈的显示器。

在某些实施方案中，对来自嵌入在电子设备218中的传感器的信号的处理和分析可检测何时电子设备已被禁用、篡改、从身体移除或未被使用。这可用于节省功率，或将通知发送到用户、朋友或在电子设备218未被适当使用时对获得通知可能有着直接或间接兴趣的另一个人。

食物摄入事件的开始/结束的描述检测/预测

在一个优选的实施方案中，电子设备218穿戴在腕部、臂部或手指周围，并且具有生成检测食物摄入事件的开始和/或结束所需的数据的一个或多个传感器。电子设备218还可集成在可附接到人的臂部或腕部的贴片中。电子设备218还可为可附接到穿戴在腕部、臂部或手指周围的另一个设备的模块或附加设备。除了其他传感器之外，用于检测食物摄入事件的开始和/或结束的传感器可包括本文所述传感器中的一个或多个传感器。

可将原始传感器输出在本地存储在存储器629中并且在本地在处理单元628上处理，以检测是否已发生食物摄入事件的开始或结束。另选地，可将一个或多个传感器输出以原始或处理格式发送到电子设备219和/或中央处理和存储单元220，以便进一步处理并且检测是否已发生食物摄入事件的开始或结束。不论在何处对食物摄入检测进行处理，都可将原始或处理格式的传感器输出存储在电子设备218内、电子设备219内和/或中央处理和存储单元220内。

生成检测食物摄入事件的开始和/或结束所需的数据的该一个或多个传感器可在电子设备218的内部。另选地，负责检测食物摄入事件的开始的传感器中的一个或多个传感器可在电子设备218的外部，但能够直接通过与电子设备218的直接无线或有线通信或间接通过另一个设备将相关信息中继到电子设备218。还有可能电子设备218和一个或多个外部传感器能够将信息中继到电子设备219，但不能够彼此直接中继信息。

在通过另一个设备(诸如移动电话或其他便携式或固定设备)的间接通信的情况下，这种第三设备能够从一个或多个外部传感器单元接收数据或信息，任选地处理此类数据或信息，并且将原始或处理的数据或信息转发到电子设备218。向和从电子设备218的通信可为有线或无线的或两者的组合。

可在电子设备218外部的传感器的示例可为嵌入在穿戴于颈部周围的项链或吊坠中的一个或多个传感器、嵌入在附接到身体上的不同位置的贴片中的一个或多个传感器、嵌入在穿戴于另一只臂部或腕部周围或另一只手部的手指上的补充性第二可穿戴设备中的一个或多个传感器或集成在牙齿中的一个或多个传感器。在一些实施方案中，电子设备穿戴在一只手部或臂部上，但检测另一只手部或臂部的运动。在一些实施方案中，电子设备穿戴在每只手部上。

还可使用从非实时分析和学习子系统105获得的信息(任选地与来自一个或多个传感器627的信息组合)来预测食物摄入事件的可能、临近或实际开始/结束或促进食物摄入事件的可能、临近或实际开始/结束的检测。

通常期望食物摄入事件的开始和/或结束的检测和/或预测自主地发生而无需用户干预。例如，如果自主地预测或检测到食物摄入事件的实际、可能或临近开始，则该信息可用作触发因素以使仅在食物摄入事件期间需要的特定部件或电路激活或通电。这可有助于节省功率并且延长电子设备218的电池寿命。食物摄入事件的实际、可能或临近开始的预测或检测还可用于向用户发出提示或提醒。可例如将提示发送到用户以提醒他/她采取进一步动作，包括但不限于对食物摄入事件进行日志记录或拍摄食物的照片。在检测到食物摄入事件开始时，一个或多个提示可能在食物摄入事件的持续时间内散布，以向用户提醒正发生食物摄入事件并且改善当下意识和/或鼓励正念进食。可例如使用一个或多个刺激单元633通过离散触觉反馈来发送提示或提醒。使用一个或多个用户界面632的其他方法(诸如例如一个或多个LED、显示消息或音频信号)也是可能的。另选地，移动设备可用于将提示、提醒或其他信息(诸如例如份量大小推荐或进食的另选建议)传达到用户。

如果自主地预测或检测到食物摄入事件的实际、可能或临近结束，则该信息可用作触发因素以使仅在食物摄入事件期间需要的电子设备的一个或多个电路或部件断电或至少置于较低功耗模式。这可有助于节省功率并且延长电子设备的电池寿命。食物摄入事件的实际、可能或临近结束的检测还可用于修改或暂停一个或多个刺激单元633、用户界面632中的一者或多者和/或移动设备向用户提供的反馈。

在本公开的一些实施方案中，食物摄入事件的实际、可能或临近开始和/或结束的检测或预测可能不是完全自主的。例如，可能需要用户作出特定臂部、腕部、手部或手指姿态以向电子设备示意食物摄入事件的实际、可能或临近开始和/或结束。然后由电子设备内的一个或多个传感器检测臂部、腕部、手部或手指姿态。通常期望可以以精细且离散的方式执行指示食物摄入事件的开始和/或结束所需的一个或多个臂部、腕部、手部或手指姿态。还可使用其他方法。例如，可要求用户按下电子设备上的按钮以指示食物摄入事件的开始和/或结束。还可使用利用内置于电子设备中的麦克风的语音激活命令。其他方法也是可能的。

进食行为和模式的跟踪的描述

在特定实施方案中，电子设备穿戴在腕部、臂部或手指周围，并且具有生成促进进食行为、模式和习惯的测量和分析的数据的一个或多个传感器。用于测量并分析某些进食行为和模式的传感器可包括本文所述传感器中的一个或多个传感器。

可用于量化并跟踪进食行为和进食模式的相关度量可包括但不限于后续咬取或吸允之间的时间、盘子与用户嘴部之间的距离、朝向和/或远离用户嘴部的臂部运动的速度以及从与咬取或吸允相对应的臂部运动的总计数导出的单个食物摄入事件期间的咬取或吸允数量、特定咀嚼行为和特性、进行咬取和吞咽之间的时间、吞咽之前的咀嚼量。

图6示出了这种电子设备的部件的示例。如图所示，可将原始传感器输出在本地存储在存储器629中并且在本地在处理单元628上处理。另选地，可将一个或多个传感器输出以原始或处理格式发送到电子设备和/或处理单元628以进行进一步处理和分析。不论在何处对进食行为和模式进行处理和分析，都可将原始或处理格式的传感器输出存储在电子设备内、辅助电子设备(诸如移动电话)内和/或处理单元628内。

在一些实施方案中，促进进食行为、模式和习惯的测量和分析的数据的生成、收集和/或处理可为连续的、周期性的或以其他方式独立于食物摄入事件的开始和/或结束。另选地，促进进食行为和模式的测量和分析的数据的生成、收集和/或处理可仅在食物摄入事件期间进行或以其他方式与特定食物摄入事件联系。还有可能一些传感器数据连续地、周期性地或以其他方式独立于食物摄入事件的开始和/或结束来生成、收集和/或处理，而其他传感器数据在食物摄入事件期间获取或以其他方式与食物摄入事件联系。

生成测量并分析进食行为和进食模式所需的数据的一个或多个传感器可在电子设备的内部。另选地，生成测量并分析进食行为和进食模式所需的数据的传感器中的一个或多个传感器可在电子设备的外部，但能够直接通过与电子设备的直接无线或有线通信或间接通过另一个设备将相关信息中继到电子设备。

在通过另一个设备(诸如移动电话或其他便携式或固定设备)的间接通信的情况下，这种第三设备能够从外部传感器单元接收数据或信息，任选地处理此类数据或信息，并且将原始或处理的数据或信息转发到跟踪设备。向和从电子设备的通信可为有线或无线的或两者的组合。

可在电子设备外部的传感器的示例可为嵌入在穿戴于颈部周围的项链或吊坠中的一个或多个传感器、嵌入在附接到身体上的不同位置的贴片中的一个或多个传感器、嵌入在穿戴于另一只臂部或腕部周围或另一只手部的手指上的补充性第二可穿戴设备中的一个或多个传感器或集成在牙齿中的一个或多个传感器。

相机模块的用途和图像捕获的描述

虽然现有技术中已提出了使用相机来捕获食物的图像，但它们通常依赖于用户用他或她的移动电话或平板电脑拍照。遗憾的是，使用移动电话或平板电脑的图像捕获带来了显著的使用冲突，可能在某些用餐场合中不为社会所接受，或可干扰用餐体验的本真性。常常不期望或不适宜的是用户需要拿出他或她的移动电话，解锁屏幕，打开移动应用程序并且使用内置于移动电话中的相机拍照。

如果需要用户干预，则通常期望可以以精细且离散的方式并在冲突尽可能少的情况下执行用户干预。为了使使用冲突最小化，常常期望可直接从电子设备发起图像捕获。

虽然本文提供的示例使用食物和餐食场景的图像捕获作为示例，但在阅读本公开后，应当明白，本文所述的方法和装置可应用于除食物和餐食场景之外的对象和场景的图像捕获。例如，无取景器的相机在食物事件捕获领域之外可具有应用。

在一些实施方案中，电子设备穿戴在腕部、臂部或手指周围并且包括一个或多个相机模块626。一个或多个相机模块626根据本公开的一个实施方案可用于静态图像的捕获，并且根据本公开的另一个实施方案可用于一个或多个视频流的捕获。在本公开的又一个实施方案中，静态和流图像的组合也是可能的。

一个或多个相机模块还可包括在穿戴在身体周围的不同位置处的设备中，诸如穿戴在颈部周围的项链或吊坠，或附接到用户的衣服或与用户的衣服集成的设备，其中相机或相机模块优选地瞄准前方，以使得其可与所消费的食物在一条视线上。

在一些实施方案中，相机模块的激活和/或相机模块的图像捕获可需要一些程度的用户干预。除了其它之外，用户干预可包括按下按钮；向内置于电子设备或移动设备中的麦克风中发出语音命令；使用集成在电子设备或移动设备中的显示器作出选择；发出特定臂部、腕部、手部或手指姿态；引导相机以使得感兴趣的对象位于相机的视野内；移除可处于相机与感兴趣的对象之间的视线中的障碍物；和/或调节感兴趣的对象的位置，以使得其位于相机的视野内。其他用户干预方法或多种用户干预方法的组合也是可能的。

在本公开的一个实施方案中，相机模块内置于电子设备(诸如可穿戴设备)中，该电子设备可能没有取景器，或可能没有可向用户给出关于位于相机视野内的区域的反馈的显示器。在这种情况下，电子设备可包括光源，该光源将可见光图案投射到表面上或投射到对象上以向用户指示位于相机视野内的区域。一个或多个发光二极管(LED)可用作光源。其他光源(包括但不限于激光、卤素或白炽光源)也是可能的。除了其它之外，用户可使用该可见光图案来调节相机的位置，调节感兴趣的对象的位置，和/或移除遮挡感兴趣的对象与相机之间的视线的任何对象。

光源还可用于将其他信息传达到用户。作为一个示例，电子设备可使用来自一个或多个接近度传感器的输入，处理这些输入以确定相机是否位于离感兴趣的对象的适当距离范围内，并且使用一个或多个光源向用户传达相机位于适当距离范围内，用户需要增加相机与感兴趣的对象之间的距离，或用户需要减小相机与感兴趣的对象之间的距离。

光源还可与环境光传感器组合使用以向用户传达环境光对于适当质量的图像捕获是否不足或太强。

光源还可用于传达包括但不限于低电池电量情况或功能性缺陷的信息。

光源还可用于传达膳食指导信息。作为一个示例，除了其它之外，光源可能指示是否自前一食物摄入事件起已经过不足或太多时间，或可向用户传达与特定膳食目标相比他/她做得怎样。

使用一个或多个光源传送特定消息的信号传递机制可包括但不限于以下的一者或多者：特定光强或光强模式、特定光色或光色模式、特定空间或时间光模式。还可组合多个机制以传递一个特定消息。

在本公开的另一个实施方案中，相机模块可内置于电子设备(诸如可穿戴设备)中，该电子设备没有取景器，或没有可向用户给出关于位于相机视野内的区域的反馈的显示器。作为使用光源的替代或补充，可将相机模块所捕获的一个或多个图像(可能与来自嵌入在电子设备中的其他传感器的输入组合)发送到电子设备内的处理单元、移动设备内的处理单元和/或处理单元628以便进行分析并且确定感兴趣的对象是否位于相机的适当视野和/或适当焦点范围内。可使用电子设备中可用的反馈机制(包括但不限于触觉反馈、使用一个或多个LED或显示器的视觉反馈和/或音频反馈)之一将分析结果传达到用户。

在本公开的一些其他实施方案中，电子设备可在没有任何用户干预的情况下捕获一个或多个图像。电子设备可连续地、周期性地或以其他方式独立于任何食物摄入事件来捕获静态或流图像。另选地，电子设备可仅大约在或在食物摄入事件的时间期间激活其相机模块中的一个或多个相机模块。作为一个示例，电子设备可仅在已检测到食物摄入事件开始之后以及在已检测到食物摄入事件结束之前激活其相机模块中的一个或多个相机模块并且捕获一个或多个图像。其可使用其相机模块中的一个或多个相机模块来捕获全部食物物品或菜肴或者一个或多个食物物品或菜肴的一部分的更多图像之一。

在一些实施方案中，一个相机可用于捕获位于盘子、餐桌或其他静止表面上的食物物品的一个或多个图像，并且第二相机可用于捕获用户拿着的食物物品(诸如例如手指食物或饮料)的一个或多个图像。在不期望用户干预并且单个相机的位置、视野区域或焦点范围不适合捕获所有可能餐食场景的情况下，可能期望使用超过一个相机。

在一个示例性实施方案中，相机的位置、取向和视角使得可能在没有用户干预的情况下进行图像或视频捕获。在这种实施方案中，可穿戴设备可使用多种技术来确定图像或视频流捕获的适当时序，使得其可捕获所消费的食物或食物的一部分。其还可出于该目的而选择捕获多个图像或视频流。确定适当时序的技术可包括但不限于以下技术：接近度的感测、加速度或运动(或其不存在)的感测、位置信息。此类传感器信息可单独地或与模式识别或数据分析技术(或两者的组合)组合用于预测图像或视频捕获的最佳时序。技术可包括但不限于基于机器学习的模型的训练。

所捕获的静态和/或流图像通常需要一些程度的处理。处理可包括但不限于压缩、删除、调整大小、过滤、图像编辑和计算机视觉技术以识别对象(诸如例如特定食物或菜肴)或特征(诸如例如份量大小)。可用于处理来自一个或多个相机模块的静态或流图像而与一个或多个相机模块是否在电子设备的内部无关的处理单元包括但不限于电子设备内的处理单元、移动设备内的处理单元和/或可驻留在与使用电子设备的地方相同的位置处或另选地可驻留在远程位置处(例如，云服务器中)(在这种情况下，其可经由互联网来访问)的处理单元628。图像处理还可分布在上述处理单元的组合之间。

本地处理的示例可包括但不限于：从多个图像或一个或多个视频流中选择一个或多个静态图像；压缩图像或视频流；对一个或多个图像或视频流应用计算机视觉算法。

本地处理可包括压缩。就压缩而言，压缩的图像可作为时间临界的事务的一部分来传输，而其未压缩的版本可被保存以供稍后传输。

可分析和/或比较一个或多个静态或流图像以用于一个或多个目的，包括但不限于食物摄入事件的开始和/或结束的检测、食物物品的识别、食物成分的识别、营养信息的识别或导出、份量大小的估计以及某些进食行为和进食模式的推断。

作为一个示例，计算机视觉技术(任选地与其他图像操纵技术组合)可用于识别食物类别、特定食物物品和/或估计份量大小。另选地，可使用土耳其机器人(MechanicalTurk)过程或其他众包方法手动地分析图像。一旦已识别食物类别和/或特定食物物品，就可使用该信息从一个或多个食物/营养数据库检索营养信息。

作为另一个示例，可通过分析并比较在食物摄入事件过程中的不同时间捕获的多个图像来推断关于用户的进食或饮用速度的信息。作为又一个示例，图像(任选地与其他传感器信息组合)可用于将桌宴与手指食物或小吃区分开。作为又一个示例，在食物摄入事件开始时拍摄的一个图像和在食物摄入事件结束时拍摄的另一个图像的分析可提供关于实际消费的食物的量的信息。

用户反馈的描述

在本公开的一个优选实施方案中，电子设备218穿戴在腕部、臂部或手指周围，并且具有允许向电子设备的用户或穿戴者提供反馈的一个或多个刺激单元和/或用户界面。在本公开的不同实施方案中，电子设备218可被实现为可附接到身体或可嵌入在衣服中的可穿戴贴片。

反馈通常包括食物或食物摄入相关的反馈。反馈方法可包括但不限于触觉反馈、使用LED或显示器的视觉反馈或音频反馈。在一个此类实施方案中，电子设备218可具有触觉接口，该触觉接口在已检测到食物摄入事件的开始和/或结束时振动一次或多次。在另一个实施方案中，电子设备218可具有触觉接口，该触觉接口在跟踪和处理子系统识别该设备的穿戴者正消费食物并且正表现出超过某些编程的阈值的进食行为(诸如例如进食过快、过慢或过多)时振动一次或多次。另选地，触觉接口可在食物摄入事件期间、独立于任何特定进食行为来振动一次或多次，例如以向穿戴者提醒正发生食物摄入事件的事实和/或改善当下意识以及鼓励正念进食。其他反馈方法也是可能的，并且可使用不同度量或标准来触发此类反馈方法的激活。

在本公开的不同实施方案中，通过与电子设备218分开的设备来向用户提供反馈。向用户提供反馈所需的一个或多个刺激单元和/或用户界面可在电子设备218的外部。作为一个示例，一个或多个刺激单元和/或用户界面可在电子设备219内，并且可使用电子设备219内的刺激单元和/或用户界面中的一者或多者来提供反馈，作为电子设备218所提供的反馈的替代或补充。示例可包括但不限于在电子设备219的显示器上显示消息，或由嵌入在电子设备219内的音频子系统发出声音警报。

另选地，可通过这样的设备来提供反馈，该设备与电子设备218和电子设备219两者分开，但能够至少直接或间接地从这些设备中的至少一个设备接收数据。

作为大约在或在食物摄入事件的时间期间提供的反馈的补充或替代，图2或图3的系统还可提供可跨越多个食物摄入事件或可能与特定食物摄入事件或食物摄入事件组没有联系的反馈。此类反馈的示例可包括但不限于食物成分和营养信息、历史数据概要、延长的时间周期内的一个或多个所跟踪的参数的概述、一个或多个所跟踪的参数的进展、个性化饮食指导和建议、与具有类似简档的对等方或其他用户相比的一个或多个所跟踪的参数的基准测试。

特定实施方案的详细描述

在本公开的一个特定实施方案中，电子设备218是呈手镯或腕带的形状因数的可穿戴设备，其穿戴在用户的惯用手的腕部或臂部周围。电子设备219是移动电话，并且中央处理和存储单元220是位于远程位置处的一个或多个计算机服务器和数据存储。

图7中示出了根据本发明的各方面的可穿戴手镯或腕带的一个可能实现。可穿戴设备770可任选地使用模块化设计来实现，其中单独模块包括这些部件和全部功能的一个或多个子集。用户可选择基于其个人偏好和需求来添加特定模块。

可穿戴设备770可包括处理器、程序代码存储器和存储在其中和/或电子设备219内的程序代码(软件)以任选地允许用户定制可穿戴设备770的功能的子集。

可穿戴设备770依赖于电池769和电源管理单元(“PMU”)760将适当供电电压电平的功率输送到所有电子电路和部件。电源管理单元760还可包括电池再充电电路。电源管理单元760还可包括允许在未使用时切断通向特定电子器件电路和部件的功率的硬件，诸如开关。

当没有正在进行中的行为事件时，关断可穿戴设备770中的大部分电路和部件以节省功率。只有检测或有助于预测行为事件的开始的电路和部件可保持启用。例如，如果未检测到运动，则可关断除加速度计之外的所有传感器电路并且可将加速度计置于低功耗运动唤醒模式或另一种消耗比高性能活动模式更少的功率的较低功耗模式。还可将处理单元置于低功耗模式以节省功率。当检测到运动或特定运动模式时，加速度计和/或处理单元可切换到较高功耗模式并且还可启用附加传感器，诸如例如陀螺仪和/或接近度传感器。当检测到事件的潜在开始时，可使用于存储事件特定参数(诸如姿态类型、姿态持续时间等)的存储器变量初始化。

在另一个示例中，在检测到运动时，加速度计切换到较高功耗模式，但其他传感器保持关断直到来自加速度计的数据指示可能已发生行为事件的开始。在该时间点，可启用附加传感器，诸如陀螺仪和接近度传感器。

在另一个示例中，当没有正在进行中的行为事件时，启用加速度计和陀螺仪两者，但将加速度计或陀螺仪中的至少一者置于与其常规功耗模式相比的较低功耗模式。例如，可降低采样率以节省功率。类似地，将数据从电子设备218传输到电子设备219所需的电路可置于较低功耗模式。例如，可完全禁用无线电电路764。类似地，将数据从电子设备218传输到电子设备219所需的电路可置于较低功耗模式。例如，其可完全被禁用直到已确定行为事件的可能或很可能开始。另选地，其可保持启用但处于低功耗状态以保持电子设备218与电子设备219之间的连接但不传输传感器数据。

在又一个示例中，如果基于某些元数据，确定特定行为事件(诸如食物摄入事件)的发生不太可能，则可关断包括加速度计在内的所有运动检测相关电路。这可例如为期望的以进一步节省功率。除了其它之外，用于作出该确定的元数据可包括以下的一者或多者：当天的时间、位置、环境光水平、接近度感测以及已从腕部或手部移除可穿戴设备770的检测、可穿戴设备770正被充电的检测。可在可穿戴设备770内生成并收集元数据。另选地，可在移动电话内或另一个设备内收集元数据，该另一个设备在可穿戴设备770的外部并在移动电话的外部并且可直接或间接地与移动电话和/或可穿戴设备770交换信息。还有可能在可穿戴设备770内生成并收集元数据中的一些元数据，而在可穿戴设备770外部的设备中生成并收集其他元数据。在可穿戴设备770的外部生成并收集一些或所有元数据的情况下，可穿戴设备770可周期性地或不时地使其无线电电路764通电以从移动电话或其他外部设备检索元数据相关信息。

在本发明的又一个实施方案中，如果某些元数据指示特定行为事件(如例如食物摄入事件)很可能发生，则可将一些或所有传感器接通或置于较高功耗模式。除了其它之外，用于作出该确定的元数据可包括以下的一者或多者：当天的时间、位置、环境光水平和接近度感测。可在移动电话内或另一个设备内收集一些或所有元数据，该另一个设备在可穿戴设备770的外部并在移动电话的外部并且可直接或间接地与移动电话和/或可穿戴设备770交换信息。在可穿戴设备770的外部生成并收集一些或所有元数据的情况下，可穿戴设备770可周期性地或不时地使其无线电电路764通电以从移动电话或其他外部设备检索元数据相关信息。

可经由可穿戴设备770上或可穿戴设备770与之连接的移动电话上的可用用户界面之一向用户发信号通知行为事件(诸如例如食物摄入事件)的开始的检测。作为一个示例，可穿戴设备770内的触觉接口761可用于该目的。其他信号传递方法也是可能的。

行为事件(诸如例如食物摄入事件)的开始的检测可触发一些或所有传感器置于或保持处于高功耗模式或活动模式以跟踪一部分或全部食物摄入事件的用户进食行为的某些方面。可在已检测到行为事件的实际或可能结束(行为事件的认定结束)时或之后某一时间将一个或多个传感器断电或置于较低功耗模式。另选地，还有可能在固定或可编程时间周期之后将一个或多个传感器断电或置于较低功耗模式。

可将用于跟踪用户的行为(诸如例如用户的进食行为)的某些方面的传感器数据在本地存储在可穿戴设备770的存储器766内并且使用可穿戴设备770内的处理单元767在本地处理。还可使用无线电电路764将传感器数据传输到移动电话或远程计算服务器以便进行进一步处理和分析。还有可能在本地在可穿戴设备770内进行一些处理和分析，并且在移动电话上或在远程计算服务器上进行其他处理和分析。

行为事件的开始(诸如例如食物摄入事件的开始)的检测可触发附加传感器和电路(诸如例如相机模块751)的通电和/或激活。附加传感器和电路的通电和/或激活可在与食物摄入事件的开始的检测相同的时间或之后某一时间发生。可仅在需要时在食物摄入事件期间的特定时间接通特定传感器和电路，否则可关断特定传感器和电路以节省功率。

还有可能仅在明确用户干预(诸如例如按下并保持按钮759)时使相机模块751通电或激活。释放按钮759可再次断开相机模块751以节省功率。

当使相机模块751通电时，还可启用投射光源752以向用户提供关于位于相机视野内的区域的视觉反馈。另选地，可仅在已激活相机模块之后某一时间激活投射光源752。在某些情况下，在投射光源752被激活之前可能需要满足附加条件。除了其它之外，此类条件可包括投射光源752可能瞄准感兴趣的对象的方向的确定或可穿戴设备752未过分移动的确定。

在一个特定具体实施中，部分地按下可穿戴设备770上的按钮759可使相机模块751和投射光源752通电。进一步按下按钮759可触发相机模块751拍摄一个或多个静态图像或一个或多个流图像。在某些情况下，进一步按下按钮759可触发图像捕获之前或与图像捕获重合的投射的光源752的去激活、修改的亮度、修改的颜色或修改的图案。按钮759的释放可触发投射的光源752和/或相机模块751的去激活和/或断电。

可用附加信息或元数据标记图像，该附加信息或元数据诸如例如为相机焦点信息、来自接近度传感器756的接近度信息、来自环境光传感器757的环境光水平信息、时序信息等。可在食物摄入数据的处理和分析期间使用此类附加信息或元数据。

各种光图案是可能的并且可以以各种方式形成。例如，其可包括反射镜或这样的机构，该机构反射投射光源752，使得投射的光源752产生一条或多条光线，描出中心或界定特定区域，诸如对视野进行取景或以其他方式向用户给出关于视野的视觉反馈的十字形、L形、圆形、矩形、多个点或线。

一个或多个发光二极管(LED)可用作投射光源752。除了其它之外，用户可使用该可见光图案来调节相机的位置，调节感兴趣的对象的位置，和/或移除遮挡感兴趣的对象与相机之间的视线的任何对象。

投射的光源752还可用于将其他信息传达到用户。作为一个示例，电子设备可使用来自一个或多个接近度传感器的输入，处理这些输入以确定相机是否位于离感兴趣的对象的适当距离范围内，并且使用一个或多个光源向用户传达相机位于适当距离范围内，用户需要增加相机与感兴趣的对象之间的距离，或用户需要减小相机与感兴趣的对象之间的距离。

光源还可与环境光传感器组合使用以向用户传达环境光对于适当质量的图像捕获是否不足或太强。

光源还可用于传达包括但不限于低电池电量情况或功能性缺陷的信息。

光源还可用于传达膳食指导信息。作为一个示例，除了其它之外，光源可能指示是否自前一食物摄入事件起已经过不足或太多时间，或可向用户传达与特定膳食目标相比他/她做得怎样。

使用一个或多个投射光源传送特定消息的信号传递机制可包括但不限于以下的一者或多者：特定光强或光强模式、特定光色或光色模式、特定空间或时间光模式。还可组合多个机制以传递一个特定消息。

用户可使用麦克风758将特定或定制标签或消息添加到食物摄入事件和/或图像。可由语音识别引擎处理音频片段。

在某些实施方案中，除了跟踪与食物摄入和/或进食行为直接相关的至少一个参数之外，加速度计(可能与其他传感器组合)还可用于跟踪不与食物摄入直接相关的一个或多个参数。除了其它之外，此类参数可包括活动、睡眠或压力。

没有内置相机的特定实施方案

在不同实施方案中，电子设备218不需要具有任何内置的图像捕获能力。电子设备218可为可穿戴设备，诸如穿戴在臂部或腕部周围的手镯或腕带或者穿戴在手指周围的戒指。电子设备219可为移动电话，并且中央处理和存储单元220可为位于远程位置处的一个或多个计算服务器和数据存储。

在此类实施方案中，食物摄入跟踪和反馈系统可不使用图像来提取关于食物摄入和/或进食行为的信息。另选地，食物摄入跟踪和反馈系统可利用其他设备(诸如例如电子设备219或者电子设备218外部的电子设备)内可用的图像捕获能力。

在检测或预测到食物摄入事件开始时，电子设备218可将信号发送到电子设备219或发送到以其他方式容纳图像捕获能力的电子设备以指示已发生食物摄入事件的实际、可能或临近开始。这可触发电子设备219或以其他方式容纳图像捕获能力的电子设备进入一定模式，该模式将允许用户以比其默认模式或待机模式少至少一个的用户步骤捕获图像。

作为一个示例，如果图像捕获能力容纳在电子设备219内并且电子设备219是移动电话、平板电脑或类似移动设备，则电子设备218可将一个或多个信号发送到已安装在电子设备219上的软件以指示食物摄入事件的实际、可能或临近开始。在接收到一个或多个此类信号时，除了其它之外，电子设备219上的软件可采取以下动作中的一个或多个动作：解锁电子设备219的屏幕；打开与食物摄入和反馈子系统相关的移动应用程序；激活电子设备219的相机模式；将通知推送到电子设备219的显示器以帮助用户进行图像捕获；将消息发送到电子设备218以警示、提醒和/或帮助用户进行图像捕获。

在电子设备219或以其他方式容纳图像捕获能力的电子设备进行图像捕获之后，电子设备219或以其他方式容纳图像捕获能力的电子设备可向用户给出视觉反馈。视觉反馈的示例可包括示出推荐的份量大小的图案、形状或叠加，或呈一种或多种颜色和/或具有一个或多个亮度级的图案、形状或叠加阴影以指示食物有多健康。其他示例也是可能的。

与胰岛素治疗系统集成

本公开中提出的食物摄入跟踪和反馈系统的一个或多个部件可与胰岛素治疗系统交接或集成。在一个特定示例中，在检测到食物摄入事件开始时，可将反馈发送到穿戴者以提醒他或她进行葡萄糖水平测量和/或施用适当剂量的胰岛素。可在食物摄入事件的过程中发送一个或多个附加提醒。

已被确诊患有I型或II型糖尿病的患者也可使用本公开中描述的食物摄入跟踪和反馈系统或其部件。例如，本公开中描述的部件可用于自动地检测人何时开始进食或饮用。食物摄入事件的开始的检测可用于在食物摄入事件开始或接近开始时将消息发送到穿戴者以提醒他或她进行葡萄糖水平测量和/或施用适当剂量的胰岛素。消息传递可为自动的和独立的。另选地，该系统可与健康系统或医疗保健维护和提醒系统集成。健康系统或医疗保健维护和提醒系统可在收到已检测到食物摄入事件的开始的通知时将消息发送到穿戴者。健康系统或医疗保健维护和提醒系统可接收关于食物摄入事件的附加信息，诸如咬取或吸允数量、所消费的估计食物量、餐食的持续时间、进食的速度等。健康系统或医疗保健维护和提醒系统可在食物摄入事件期间或之后基于附加信息来向穿戴者发送附加消息。

在另一个示例中，关于食物摄入的成分的特定信息可用作输入(可能与一个或多个其他输入组合)以计算要施用的胰岛素的适当剂量。除了其它之外，关于食物摄入成分的信息可包括以下的一者或多者：碳水化合物的量、糖的量、脂肪的量、份量大小以及分子食物类别(诸如固体或液体)。可包括实时、近实时以及历史信息相关食物摄入和进食模式和行为，作为用于计算胰岛素剂量的输入或参数。

除了其它之外，可用作用于计算胰岛素剂量的算法的输入或参数的其他输入可包括以下的一者或多者：年龄、性别、体重、历史和实时血液葡萄糖水平、历史和实时活动、睡眠和压力水平、生命体征信息或指示个体的身体或情绪健康的其他信息。

胰岛素剂量的计算可由用户完全手动地进行，由闭环胰岛素治疗系统完全自主地进行，或半自主地进行，其中一些或所有计算由胰岛素治疗系统进行，但仍需要一些用户干预。除了其它之外，用户干预可包括胰岛素治疗计算单元的激活；剂量的确认；在用户检测到或识别异常的情况下干预或暂停胰岛素递送。

在一个特定实施方案中，本文所述的食物摄入跟踪和反馈系统可在检测到食物摄入事件的实际、可能或临近开始时将一个或多个通知发送到用户的一个或多个护理者，作为将通知发送到用户的补充或替代。

在食物摄入事件开始时，任选地在来自系统或来自护理者的通知或信号给予提示的情况下，用户可将食物或餐食的一个或多个图像送至一个或多个护理者。护理者可分析这些图像并且将关于食物的成分的信息发送回用户。除了其它之外，信息可包括某些大量营养素成分(诸如例如碳水化合物、糖或脂肪)的估计、热值的估计、关于份量大小的建议。

在用户接受胰岛素治疗的情况下，还可将附加信息(诸如例如血液葡萄糖水平读数)发送到护理者，并且护理者往回提供给用户的信息还可包括关于要施用的胰岛素剂量的建议以及应施用一个或多个此类胰岛素剂量的时序。在某些具体实施中，护理者可能不是人而是人工智能系统。

姿态识别

在本文所述的各种系统中，姿态信息的准确确定可能很重要。例如，将与说话有关联的姿态和示意进食事件周期的开始的姿态区分开将是有用的。一些姿态可能易于检测，诸如在步行时摆动臂部的姿态，并因此测量步速和步数，但其他姿态可能更困难，诸如确定用户何时咬一口食物、喝一口饮料、咬其指甲等。后者可用于评估前兆行为。例如，假定健康维护和提醒系统检测到这样的模式，先是咬指甲姿态，接着在五至十分钟后为与压力性进食相关联的姿态。用户可能将其健康维护和提醒系统编程为在咬指甲后两分钟向他们发信号，以使得用户有所意识并且与其原本未被察觉的行为更协调。为此，姿态检测应当准确且可靠。在例如可穿戴手镯中的加速度计的运动与压力性进食之间没有简单相关性的情况下，这可能是一个问题。这个问题的部分原因是健康维护和提醒系统感兴趣的姿态不易从简单传感器读数导出。

能够确定用户是否正咬取一口食物或吸允一口饮料并且能够将咬取与吸允区分开对于提供适当体重管理指导可为有用的。例如，体重管理监测和提醒系统可从姿态中监测用户的食物摄入事件。体重管理监测和提醒系统还可从姿态中监测用户的流体摄入事件。研究已表明，在餐食开始或接近开始时饮用充足的水并且在整个餐食中进一步充分饮用可以减少食物消费并有助于体重减轻。用户、用户的辅导师、用户的医疗保健提供者或体重管理监测和提醒系统的提供者可将该系统编程为使得其在用户在未饮用的情况下开始进食时或在其检测到用户在整个餐食中未充分饮用时发送提醒。该系统还可在一整天中监测用户的流体摄入并且被编程为在一天中的特定时间流体摄入水平不满足预配置的水平时发送提醒。为此，姿态检测应当可靠且准确。在有必要区分具有很多相似性的姿态(诸如例如将进食姿态与饮用姿态区分开)的情况下，这可能是一个问题。

在本文所述的各种实施方案中，处理系统(包括程序代码、逻辑、硬件和/或软件等)接收电子设备或其他元件基于用户的活动而生成的传感器数据。传感器数据可能表示特定时间的读数的快照或可能表示一段时间跨度内的读数。传感器可能是加速度计、陀螺仪、磁力仪、温度计、测光计等。根据传感器数据，处理系统使用所存储的规则和内部数据(诸如关于使用什么传感器的信息和过去使用历史)来识别行为事件，其中行为事件是姿态序列并且根据具有开始时间、传感器读数和结束时间的传感器数据以及外部数据的逻辑布置来确定这些姿态。行为事件可能是高级事件，诸如吃餐食等。

姿态的边界(即，其开始和结束时间)的确定可使用本文所述的方法来确定。开始时间、传感器读数和结束时间的数据在本文中一起被称为姿态包络。姿态包络还可能包括锚定时间，其是定义与该姿态包络相关联的单个时间的数据元素。锚定时间可能是开始时间与结束时间之间的中点，但可能依据基于姿态包络的传感器数据的一些标准。锚定时间可能在从开始时间到结束时间的时间跨度之外。每个姿态的多个锚定时间也是可能的。

作为处理系统的一部分(但也可为单独计算机系统，并且可能由某种网络分开)的机器分类器根据姿态包络确定什么类别的姿态可能产生该姿态包络的传感器数据和该姿态的细节。例如，机器分类器可能输出传感器数据指示或表明穿戴包括传感器的手镯的人正在散步、正在咬食或指向某物。

利用这种系统时，如果可准确地辨别姿态，则健康维护和提醒系统(或使用姿态信息的其他系统)可准确地对所做的姿态作出响应。在下述示例中，存在耦接到机器分类系统的一组传感器或至少来自一组传感器的输入，该机器分类系统在考虑规则和通过训练该机器分类系统导出的所存储的数据的情况下从传感器读数输出姿态数据。训练子系统可能用于训练该机器分类系统，从而形成从训练导出的所存储的数据。这些部件中的每个部件可能使用不同硬件或共享硬件，并且可位于本地和/或远程。一般来讲，当检测到姿态时，系统可分析该姿态，确定很可能实际、可能或临近活动并且提供相对于这些活动的用户反馈。例如，作为反馈信号的振动以指示用户先前已设置该系统来在用户已饮用超过45分钟的半连续周期时警示用户或向用户警示用户已达到其要在一个会话中完成的步行量的目标。

图8是典型机器分类系统的例示性示例。图8的机器分类系统包括训练子系统801和检测器子系统802。在本公开的一些实施方案中，机器分类系统可包括附加子系统或图8所示的子系统的修改版本。训练子系统801使用训练数据输入803和标签804来训练经训练的分类器模型805。标签804可能已由人类手动地分配或可能已自动地或半自动地生成。然后在检测器子系统802中使用经训练的分类器模型805来生成与新的未标记数据输入相对应的分类输出806。

所存储的传感器数据包括时间分量。原始传感器读数用其读取时间标记。可从加速度计、陀螺仪、磁力仪、温度计、气压计、湿度传感器、ECG传感器等提取原始传感器数据，并且时间性数据可来自其他源。时间源的其他示例可能是音频、语音或视频记录。

图9和图10中分别示出了根据本公开的至少一个实施方案的训练子系统801和检测器子系统802的例示性示例。将时间性训练数据907和标签912馈送到图8的分类器训练子系统中。

如本文示例中所解释，处理原始传感器数据以识别宏签名事件。宏签名事件可界定包括一定时间周期内的传感器数据的姿态。检测器子系统或其他系统可创建姿态包络数据集，该姿态包络数据集包括开始时间、结束时间、一个或多个锚定时间、在从开始时间到结束时间的姿态的时间包络内发生的元数据和传感器数据。

例如，就姿态识别问题而言，姿态包络检测器可识别原始时间性数据中指示可能姿态的特定时间段。姿态包络检测器也生成时间包络，该时间包络指定姿态内的相关时间或时间段。除了其它之外，包括在时间包络中的信息可包括姿态的开始时间、姿态的结束时间、姿态内指定相关姿态子段的一个或多个时间、姿态内指定相关姿态锚定时间(时间点)的一个或多个时间以及可能其他元数据及来自姿态的时间包络内的原始传感器数据。

作为其他元数据的示例，假定历史模式表明穿戴者在从特定电话号码发出的电话呼叫后将具有进食会话。电子设备可发信号通知穿戴者该状况，以提供模式的自觉意识，这可帮助改变行为(如果穿戴者有此决定的话)。

将时间性训练数据907馈送到姿态包络检测器908中。姿态包络检测器908处理时间性训练数据907并且从时间性训练数据907识别姿态909的可能实例和对应姿态时间包络。时间性训练数据907可包括运动传感器数据，并且姿态包络检测器908可处理运动传感器数据并基于俯仰角的变化来识别姿态909。在一个实施方案中，姿态包络检测器908可基于俯仰角升高至指定值以上的检测来检测姿态的开始，并且基于俯仰角降低至指定值以下来检测事件的结束。其他开始和结束标准也是可能的。可由姿态包络检测器908检测并且由姿态时间包络指定的锚定点的示例将是俯仰角达到最大值时姿态段内的时间。锚定点的其他示例也是可能的。

姿态包络检测器908可添加附加标准以进一步将该段定性为有效姿态。例如，可为该段内的峰值俯仰角或平均俯仰角指定阈值。在另一个示例中，可在整个段持续时间内或在整个段内的子段的持续时间内指定最小和/或最大极限。其他标准也是可能的。可采用滞后来降低对噪声抖动的敏感性。

在本公开的其他实施方案中，姿态包络检测器908可监测从提供时间性训练数据907的输入导出的其他度量并且使用这些度量来检测姿态。其他度量的示例包括但不限于滚转角、偏航、运动传感器数据的一阶或高阶导数或一阶或高阶积分。时间性数据可为或可包括除运动传感器数据之外的数据。在本公开的一些实施方案中，姿态包络检测器908可监测并使用多个度量来检测姿态或指定姿态时间包络。

将姿态909连同姿态时间包络信息一起、外加时间性训练数据907馈送到特征生成器模块910中。特征生成器模块910使用来自时间性训练数据907的信息、姿态时间包络或来自时间性训练数据907的信息与姿态时间包络的组合来计算一个或多个姿态特征。在本公开的一些实施方案中，特征生成器模块910根据落入在姿态时间包络内的时间段之中或之内的时间性训练数据907来计算一个或多个姿态特征。还有可能特征生成器模块910根据未落入在姿态时间包络内或仅部分地落入在姿态时间包络内、但仍与姿态时间包络相关的时间段之中或之内的时间性训练数据907来计算一个或多个姿态特征。示例将是根据在紧接在姿态时间包络的开始之前的时间周期内或在紧接在姿态时间包络的结束之后的时间周期内的时间性训练数据907计算的姿态特征。

在一些实施方案中，特征生成器模块910可在不使用时间性训练数据907的情况下直接基于姿态时间包络信息来创建一个或多个特征。此类特征的示例可包括但不限于姿态时间包络的总持续时间、自上一个先前姿态起的逝去时间、直至下一个姿态的时间或者总姿态时间包络或事件时间包络内的特定子段的持续时间。

在一个实施方案中，时间性训练数据907可为运动传感器数据，并且特征可包括在姿态时间包络内或周围的一个或多个子段之中或之内计算的俯仰、滚转和/或偏航角的读数。特征还可包括在姿态时间包络内或周围的一个或多个子段之中或之内计算的各种运动传感器数据输入的最小值、最大值、平均值、方差、一阶或高阶导数、一阶或高阶积分。特征还可包括沿着特定传感器轴线或者在姿态时间包络内或周围的一个或多个子段之中或之内计算的特定方向上行进的距离。

时间性训练数据907可为或可包括除运动传感器数据之外的数据，诸如来自本文所述传感器中的一个或多个传感器的传感器信号。可基于姿态时间包络所指定的时间点或时间段来选择特征生成器模块910在其中或其内计算特征的子段。还可基于来自多个姿态包络(诸如例如相邻姿态或可能不相邻但以其他方式紧密接近的姿态)的时间点或时间段来选择子段。

一些实施方案可使用并行或非并行的多个姿态包络检测器。并行姿态包络检测器可对传感器数据的不同子集操作，可使用不同阈值或标准来定性姿态等。例如，就基于运动传感器数据输入的姿态识别而言，一个姿态包络检测器可使用俯仰角，而第二并行姿态包络检测器可使用滚转角。姿态包络检测器之一可为初级姿态包络检测器，而一个或多个附加姿态包络检测器可用作次级姿态包络检测器。特征生成逻辑可处理初级姿态包络检测器所生成的姿态，但可闪现(gleam)使用来自从一个或多个次级并行包络检测器获得的附近姿态(时间上)的姿态时间包络的信息导出的特征。

训练数据可能包括多个姿态包络数据集，每个姿态包络数据集具有手动地、在测试环境中或以某种其他方式提供的表示姿态的相关联的标签(诸如从姿态标签列表的选择)。该训练数据与相关联的标签一起可用于训练机器分类器，以使得其可随后处理未知姿态的姿态包络并且确定与该姿态包络最适当匹配的姿态标签。根据所使用的分类方法，训练集可为清理的但在其他方面原始的数据(非监督式分类)或者从清理的但在其他方面原始的数据导出的一组特征(监督式分类)。

不论分类方法如何，定义每个标签的适当数据边界对于分类器的性能都很重要。在发生时间问题(即，数据输入中的至少一个数据输入具有与之相关联的时间维度的问题)的情况下，定义适当数据边界可能是一个挑战。如果时间维度为可变或动态的并且如果与可变时间包络的特定段或与总体可变时间包络有联系的特征对分类器的性能有实质性贡献，则尤其如此。

这种时间问题的一个示例是姿态识别，诸如例如从原始运动传感器数据中检测进食或饮用姿态。咬取或吸允的持续时间可因人而异，并且可取决于餐食场景或所消费的食物的细节。

特征生成器模块910的输出是具有对应时间包络和特征的一组姿态911。在可将姿态911馈送到分类器训练模块915中之前，需要将来自训练数据集的标签912映射到其对应姿态。由标签映射器模块913执行该映射操作。

在一些实施方案中，与标签912相关联的时间戳始终落入在其对应姿态的时间包络内。在这种情况下，标签映射器模块913的逻辑可为查找，其中将每个标签的时间戳与每个姿态时间包络的开始和结束时间进行比较并且将每个标签映射到标签的时间戳大于相应姿态时间包络的开始时间并小于相应姿态时间包络的结束时间的姿态。没有对应标签的姿态可被标记为“阴性(NEGATIVE)”，指示其未对应于任何感兴趣的标签。

然而，在本公开的其他实施方案中，标签912的时间戳可不总是落入在姿态时间包络内。这可能是由于在标记过程期间遵循的过程的细节、与标记过程相关联的时序不确定性、实际原始数据输入的不可预测性或可变性或者姿态包络检测器逻辑的伪影。在此类情况下，可能修改标签映射器以调节姿态包络的边界。

然后可将由特征和标签表征的姿态914馈送到分类器训练模块915中以产生可由检测器子系统使用的经训练的统计模型。分类器训练模块915可使用统计模型，诸如决策树模型、K最近邻模型、支持向量机模型、神经网络模型、逻辑回归模型或其他适合机器分类的模型。在其他变型中，如图9中的表格的结构和所使用的数据的数据格式可变化并且可与图9所示的不同。

图10示出了检测器子系统802的例示性示例。如此处所示，将未标记的时间性数据1017馈送到图10的检测器子系统中。检测器子系统包括姿态包络检测器逻辑1018和特征生成器逻辑1020。在功能上，检测器子系统所使用的姿态包络检测器逻辑1018类似于对应训练子系统所使用的姿态包络检测器逻辑。同样，检测器子系统的特征生成器逻辑1020在功能上类似于其对应训练子系统的特征生成器模块910。在一些实施方案中，姿态包络检测器逻辑1018可监测并使用多个度量来检测姿态或指定姿态时间包络。

然而，姿态包络检测器逻辑1018和特征生成器逻辑1020的实现在训练子系统和其对应检测器子系统中可不同。例如，检测器子系统可在功率更受限的硬件上实现，在这种情况下，可能需要优化姿态包络检测器逻辑1018以进行比对应训练子系统中使用的其对应物更低功耗的操作。检测器子系统还可具有比训练系统更严格的延迟要求。如果情况是这样，则可能需要将检测器子系统中使用的姿态包络检测器逻辑1018设计并实现为具有比对应训练子系统中使用的其对应物更低的延迟。

将特征生成器逻辑1020的输出馈送到检测器逻辑1022中，该检测器逻辑基于来自其对应训练子系统的经训练的分类器模块来对姿态进行分类。分类输出可包括一个或多个标签。任选地，检测器1022还可向每个标签分配置信水平。

对时间性和非时间性数据输入的组合的分类

在另一个实施方案中，至分类系统的输入可包括时间性和非时间性数据的组合。图11是根据本公开的至少一个实施方案的训练子系统的例示性示例，其中数据输入中的至少一些数据输入是时间性的并且数据输入中的至少一些数据输入是非时间性的。其他实现也是可能的。

非时间性训练数据1129不需要由姿态包络检测器1125和特征生成器逻辑1127处理。可将非时间性训练数据1129连同标签1131一起直接馈送到标签映射器逻辑1132中。在一些实施方案中，可由单独特征生成器模块(即，非时间性特征生成器模块1130)处理非时间性训练数据以提取感兴趣的特定非时间性特征，然后将感兴趣的特定非时间性特征馈送到标签映射器逻辑1132中。标签映射器逻辑1132可使用与本文已经描述的用于将标签映射到姿态的方法类似的方法来将标签1131连同附接到标签的非时间性特征1136一起分配到姿态。

图12是根据本公开的至少一个实施方案的分类检测器子系统的例示性示例，其中数据输入中的至少一些数据输入是时间性的并且数据输入中的至少一些数据输入是非时间性的。

时间性数据输入的非监督式分类

在本公开的又一个实施方案中，深度学习算法可用于机器分类。使用深度学习算法的分类有时被称为非监督式分类。利用非监督式分类，统计深度学习算法直接基于数据的处理来执行分类任务，从而消除对特征生成步骤的需要。

图13示出了根据本公开的至少一个实施方案的分类器训练子系统的例示性示例，其中分类器训练模块基于用于非监督式分类的统计深度学习算法。

姿态包络检测器1349根据时间性训练数据1348来计算具有对应姿态时间包络的姿态1350。数据分段器1351基于姿态时间包络中的信息来将一个或多个适当数据段分配到每个姿态。作为一个示例，数据分段器1351可检查姿态时间包络中的开始和结束时间信息并且分配与总姿态持续时间相对应的一个或多个数据段。这仅是一个示例。可基于由姿态时间包络定义的不同段或子段来选择数据段。还可基于在姿态时间包络之外但与姿态时间包络直接或间接相关的时间段来选择数据段。示例可为与紧接在姿态时间包络的开始之前的时间周期相对应的数据段的选择，或与紧接在姿态时间包络的结束之后的时间周期相对应的数据段的选择。在姿态时间包络之外但与姿态时间包络直接或间接相关的时间段的其他示例也是可能的。

将包括数据段、姿态时间包络信息和标签的姿态馈送到分类器训练模块1356中。在本公开的一些实施方案中，仅将姿态时间包络信息的子集馈送到分类器训练模块1356中。在本公开的一些实施方案中，可在将姿态时间包络信息应用于分类器训练模块1356之前处理该姿态时间包络信息。一个示例可为使姿态时间包络的时间基准与数据段的开始对准，而不是与初始时间性训练数据流的时基对准。其他示例也是可能的。通过添加进一步表征数据段的时间包络信息，可改善分类器训练模块的性能。

例如，就基于运动传感器数据输入的进食姿态的姿态识别而言，将附加锚定时间信息(诸如俯仰角、滚转或偏航达到最大值或最小值的时间)馈送到分类器训练模块中可改善经训练的分类器1357的性能，因为经训练的分类器1357可特别地大约在锚定时间分析训练数据并且寻找特征和相关性。可馈送到分类器训练模块中的时间包络信息的其他示例也是可能的。

图14示出了根据本公开的至少一个实施方案的分类检测器子系统的例示性示例，该分类检测器子系统可与图13的分类训练子系统组合使用。

分类器集成

在一些实施方案中，可使用基于姿态包络检测的多个并行分类系统。图15中示出了具有多个并行分类器的系统的示例。并行分类系统的数量可变化。每个分类系统1510、1512、1514具有其自身训练和检测器子系统，并且对训练数据1502和标签1504输入的不同子集执行姿态包络检测以检测姿态，或可使用不同阈值或标准来定性姿态。因此，每个单独姿态包络检测器将生成独立姿态集，每个姿态具有不同姿态时间包络。每个分类系统的特征生成器逻辑为其对应姿态包络检测器逻辑所创建的姿态创建特征。这些特征对于每个分类系统可不同。每个并行分类器所使用的分类器模型可相同或不同，或一些可相同并且其他可不同。由于用于训练每个分类器模型的姿态时间包络和特征不同，因此并行分类系统将产生不同分类输出1516、1518、1520。

可将每个分类系统的分类输出1516、1518、1520馈送到分类器组合器子系统1522中。分类器组合器子系统1522可对单独分类系统1510、1512、1514的分类输出1516、1518、1520进行组合和加权以产生单个总分类结果，即组合分类输出1524。该加权可为静态或动态的。例如，就姿态识别而言，某些分类器在正确地预测一群人的姿态时可表现更好，而其他分类器在正确地预测另一群人的姿态时可表现更好。分类器组合器子系统1522可对不同用户或不同情景条件使用不同权重以改善总体分类器集成的性能。然后可使用经训练的系统来处理未标记的数据1506。

时间问题的其他示例包括但不限于自主驾驶、驾驶员警告系统(在检测到危险交通状况时警示驾驶员)、驾驶员警觉性检测、语音识别、视频分类(安防相机监测等)以及天气模式识别。

忽略数据输入的时间性质以及与数据输入的时间包络有联系的任何特征可限制分类器的性能并且使分类器不适用于分类任务，其中可靠检测取决于与可变时间包络的段或与总体可变时间包络有内在联系的特征。如果无法可靠地确定适当时间周期或在时间周期因姿态、因人等而异的情况下，性能和可用性可崩溃。

如本文所述，改进的方法用可变时间包络框定时间问题，以使得与总体可变时间包络或其段相联系的信息可被提取并包括在用于训练分类器的特征集中。所提出的改进的方法改善性能并且减少所需的训练数据的量，这是由于可相对于可变时间包络的时间界限定义特征，从而降低对时间和用户方差的敏感性。

除了寻找姿态的时间包络之外，该系统还可寻找事件时间包络。在这种方法中，该系统可能确定姿态和姿态包络，但随后对附加姿态进行这样的操作，之后定义事件包络，诸如进食事件的开始和结束。

改善总体准确度的情景

图16示出了包括互相关分析子系统的机器分类系统的示例。可将分类输出1602馈送到互相关分析子系统1604中。互相关分析子系统1604可基于一个或多个情景线索来作出调节以改善准确度。在姿态识别的示例中，情景线索的示例可为与其他预测姿态的时间接近度。例如，进食姿态趋于在时间上集合在一起，作为进食活动(诸如餐食或小吃)的一部分。作为一个示例，互相关分析子系统1604可基于附近预测的置信水平和接近程度来增加预测姿态是进食姿态的置信水平。

在另一个实施方案中，互相关分析子系统1604可将来自分类输出1602的单独预测姿态1614当作输入并且可将单独预测姿态聚类成预测活动1608。例如，互相关分析子系统1604可将多个咬取姿态映射到进食活动，诸如小吃或餐食。同样，互相关分析子系统1604可将多个吸允姿态映射到饮用活动。基于姿态聚类的活动预测的其他示例也是可能的。互相关分析子系统1604可基于预测活动的时间间隔和序列来修改预测姿态的置信水平。作为一个示例，如果是在“刷牙”活动之后不久或过程中检测到预测姿态，则互相关分析子系统1604可降低该预测姿态是进食姿态的置信水平。在另一个示例中，如果是在刷牙活动期间或之后不久检测到预测姿态，则互相关分析子系统1604可降低预测姿态是饮用姿态的置信水平。在这种情况下，互相关分析子系统1604可决定增加该姿态是漱口姿态的置信水平。

互相关分析子系统1604可基于历史信息1612或其他非姿态元数据1610信息(诸如位置、日期和时间)、其他生物特征输入、日历或电话呼叫活动信息来调节预测姿态的分类输出。例如，如果GPS坐标指示该人位于餐厅，则互相关分析子系统1604可增加预测姿态是进食姿态或预测活动是进食活动的置信水平。在另一个示例中，如果其发生的时间是在过去行为指示用户通常在当天的该时间进行进食的一天中的时间，则互相关分析子系统1604可增加预测姿态是进食姿态或预测活动是进食活动的置信水平。在本公开的又一个示例中，如果预测姿态或预测活动在日历事件或电话呼叫会话之前或之后且如果过去行为指示用户通常在类似日历事件(例如，具有相同出席者、位于一定位置、具有一定会议议程等)或电话呼叫会话(例如，来自特定电话号码)之前或之后进食，则互相关分析子系统1604可增加预测姿态是进食姿态或预测活动是进食活动的置信水平。虽然以上示例提及了进食，但对于本领域技术人员显而易见的是，这也可应用于除进食之外的姿态。在一般情况下，具有互相关分析子系统的机器分类器使用情景线索、历史信息和来自时间上的接近度感测的见解来改善准确度，其中通过本文所公开或建议的方法来确定特定情景线索、历史信息和来自时间上的接近度感测的见解及如何应用它们。

在本公开的一些实施方案中，分类输出1602可包括附加特征或姿态时间包络信息。互相关分析子系统1604可处理此类附加特征或姿态时间包络信息以确定或提取姿态或活动的附加特性。作为一个示例，在本公开的一个实施方案中，互相关分析子系统1604从姿态时间包络导出饮用姿态的估计持续时间，并且互相关分析子系统1604或在机器分类器系统外部的一个或多个系统可使用该信息来估计与饮用姿态相关联的流体摄入。

在另一个实施方案中，互相关分析子系统1604可从姿态时间包络导出进食姿态的估计持续时间，并且互相关分析子系统1604或在机器分类器系统外部的一个或多个系统可使用该信息来估计与进食姿态相关联的咬取大小。互相关分析子系统1604可将预测的饮用姿态与其他传感器数据组合以更准确地预测某人是否正在消费含酒精的饮料并且估计所消费的酒精量。其他传感器数据的示例可包括但不限于测量手振动、心率、语音分析、皮肤温度、测量血液、呼吸化学或身体化学。

检测器子系统1600可预测特定进食或饮用方法，并且互相关分析子系统1604可将从检测器子系统1600获得的关于进食或饮用方法的细节的信息与附加元数据组合以估计食物的成分、健康状况或热量摄入。进食/饮用方法的示例可包括但不限于用餐叉进食、用餐刀进食、用勺子进食、用手指进食、从玻璃杯中饮用、从杯子中饮用、从吸管中饮用等。元数据的示例可包括但不限于一天中的时间、位置、环境或社会因素。

另一个示例性实施方案

图17示出了根据一个实施方案的与图1类似的变型的监测系统的高级功能图。如图17所示，传感器单元1700与事件检测系统1701交互，该事件检测系统继而与对象信息检索系统1702交互，并且向处理和分析系统提供输入，该处理和分析系统的结果可存储在数据存储单元1704中。

在一些实施方案中，图17所示的元件在电子硬件中实现，而在其他实施方案中，一些元件在软件中实现并由处理器执行。一些功能可能共享硬件和处理器/存储器资源，并且一些功能可能是分布式的。功能可能完全在传感器设备(诸如腕戴式可穿戴设备)中实现，或功能可能跨传感器设备、传感器设备与之通信的处理系统(诸如智能电话)和/或处理远离传感器设备的某个功能的服务器系统实现。例如，可穿戴传感器设备可能进行测量并将测量值传达到移动设备，该移动设备可处理从可穿戴传感器设备接收到的数据并且使用可能与其他数据输入组合的该信息来激活对象信息检索子系统1702。对象信息检索子系统1702可在移动设备上、在可穿戴传感器设备上或在另一个电子设备上实现。对象信息检索子系统1702也可跨多个设备分布，诸如例如跨移动设备和可穿戴传感器设备分布。数据或其他信息可以以合适的格式存储，分布在多个位置中，或以所记录的形式或在一些程度的处理后集中存储。数据可暂时或永久地存储。数据可在本地存储在可穿戴传感器设备上、移动设备上或可通过互联网上传到服务器。

图17所示的系统的第一部件是事件检测子系统1701。事件检测子系统1701的一个作用是识别事件的实际、可能或临近发生。事件可例如为与特定活动或行为相关的事件。特定活动或行为可包括但不限于进食、饮用、吸烟、服药、刷牙、用牙线洁牙、洗手、涂口红或染睫毛膏、剃须、煮咖啡、烹饪、小便、使用洗手间、驾驶、锻炼或参加特定体育活动。可由事件检测子系统1701检测的事件的其他示例可为生产线上或其他地方的操作者执行特定任务或执行特定过程。又一个示例可为机器人或机器人臂在生产部门或其他地方执行特定任务或执行特定过程。

事件检测子系统可使用来自一个或多个传感器单元1700的输入、其他用户输入1705或来自传感器单元1700的一个或多个传感器输入与一个或多个其他用户输入1705的组合来确定或推断事件的实际、可能或临近发生。事件检测子系统1701可对传感器和/或用户输入进行附加处理以确定事件的实际、可能或临近发生。一般来讲，事件检测系统记录推断的事件和/或对推断的事件作出反应，该推断事件在以下情况发生：事件检测系统具有由此确定事件可能实际上正开始、可能很可能开始或临近的输入和/或数据。在一些情况下，事件检测系统可能在事件实际上未发生的情况下推断事件，并且将其当作事件来处理，但这可能不常发生。

事件检测子系统1701还可对传感器和/或用户输入进行附加处理以确定关于该事件的附加信息。此类信息可包括但不限于事件的持续时间、事件开始时间、事件结束时间、与受试者参与该事件的速率或速度相关联的度量。其他事件数据元素也是可能的。例如，如果该事件是进食事件，则事件数据元素可为咬取数量或所消费的食物量。类似地，如果该事件是饮用事件，则事件数据元素可为吸允数量或流体摄入量。这些事件数据元素可能存储在保持关于推断事件的数据元素的数据库中。

使用姿态感测技术，事件检测系统可触发外部设备采集另外的信息。

在特定实施方案中，容纳对象信息检索子系统1702或对象信息检索子系统1702的一部分的电子设备包括近场通信(NFC)技术，并且对象信息检索子系统1702至少部分地经由通过无线NFC链路的传输来获得关于该受试者可能正与之交互的对象或受试者的信息。

在特定实施方案中，外部设备是NFC读取器并且检测其上具有NFC标签的各种对象。NFC读取器可能与姿态感测技术或与姿态感测技术的一些部件集成。

在这些对象是食物/饮料相关的情况下，事件检测系统可确定姿态与什么相关。例如，食物/饮料容器可能具有嵌入在产品包装中的NFC标签，并且食物摄入监测系统可能自动地确定姿态与进食事件相关，然后发信号通知NFC读取器接通并读取附近NFC标签，从而读取所消费的产品上的NFC标签，以使得姿态和事件与特定产品相关联。

在一个示例中，监测系统可能具有可穿戴设备，该可穿戴设备确定姿态，并且基于这些姿态来识别进食事件或饮用事件。假定检测到饮用事件并且基于所检测的传感器输入和姿态，监测系统确定用户饮用了四分之三罐汽水，诸如对吸允进行计数以及估计或计算每次吸允的大小。因为不论其是低糖汽水还是普通汽水，姿态都很可能是相同的。使用NFC读取器，还可检测汽水的特定品牌和类型。

传感器可位于可穿戴设备中，其中姿态确定逻辑或处理在通信地耦接到可穿戴设备的外部设备(诸如移动电话)中进行，或姿态确定可部分地在可穿戴设备上并部分地在通信地耦接到可穿戴设备的外部设备上发生。

NFC读取器可位于容纳传感器的可穿戴设备中，位于通信地耦接到可穿戴设备并且执行姿态确定中的至少一些姿态确定的外部设备中，或位于通信地耦接到可穿戴设备、通信地耦接到执行姿态确定中的至少一些姿态确定的外部设备或通信地耦接到两者的另一个外部设备中。

在一般情况下，事件的发生的检测可用于发起过程/系统/电路/设备以收集关于执行由该事件表示的活动或行为的人交互的对象/物品或其他受试者的信息。该信息可以以数据元素的形式记录。对象数据元素可存储在数据库中。相同事件的一个或多个对象数据元素和一个或多个事件数据元素可作为单个条目记录在数据库中。对象数据元素和事件数据元素也可作为单独条目记录在数据库中。也可能使用或替代地使用与本文教导内容相符的其他数据结构。

当NFC读取器系统被激活时，其发起一个或多个NFC读取命令，并且通过NFC链路无线地获得来自相关对象的附加信息。可应用附加处理，诸如滤除NFC数据以简化下游处理。

在其他变型中，使用其他无线链路代替NFC或将其他无线链路与NFC一起使用。其他无线技术的示例包括但不限于蓝牙、低功耗蓝牙、Wi-Fi、Wi-Fi衍生品和专有无线技术。

事件信号的发生的检测可用于滤除关于特定相关对象的信息，这些特定相关对象与作为该事件一部分的感兴趣的活动/行为相关。

虽然对象检测过程可能是自动的，但其也可具有激活对象信息检索系统所需的用户干预。例如，这可简单至要求用户打开相机或作出是否继续检测过程的决定并且就该决定听取用户的建议。作为另一个示例，可提示用户将NFC读取器移动到更接近感兴趣的NFC标签之处。在另一个示例中，可提示用户激活NFC读取器电路或NFC读取器电路的部分，或采取允许NFC读取器电路发出读取命令的一个或多个动作。

除了NFC读取器之外，还可能激活相机，并且可通过分析相关对象的图像或视频记录来获得来自相关对象的附加信息。可能将相机与NFC读取器组合成一个单元。在一些实施方案中，仅使用相机，或使用其他辅助传感器来获得关于该事件的附加信息。

可将从事件检测子系统获得的关于作为该事件一部分的活动或行为的信息与关于用户与之交互的对象或受试者的信息组合，并且可对组合的数据集执行附加处理/分析以获得无法通过仅单独检查数据源之一获得的关于活动/行为的附加信息或见解。

虽然本公开中的许多示例涉及事件检测系统分析姿态来检测事件的实际、很可能或临近发生，但其他传感器输入也是可能的。例如，嘴部、喉部或胸部中或附近的音频信号可用于检测并获得关于用户的消费的信息。为实现这一点，事件检测子系统1701可使用来自一个或多个传感器单元1700的输入1706。传感器可包括但不限于加速度计、陀螺仪、磁力仪、地磁角速度重力(MARG)传感器、图像传感器、相机、光学传感器、接近度传感器、压力传感器、气味传感器、气体传感器、葡萄糖传感器、心率传感器、ECG传感器、温度计、测光计、全球定位系统(GPS)以及麦克风。

在检测到事件的实际、可能或临近发生时，事件检测子系统可激活对象信息检索子系统1702。另选地，事件检测子系统1701可进行附加处理以决定是否要激活对象信息检索子系统1702。事件检测子系统1701可立即激活对象信息检索子系统1702或在激活对象信息检索子系统1702之前等待一定时间。

对象信息检索子系统1702的作用是收集关于在事件检测子系统1701已检测到实际、可能或临近事件的发生时或之后一些时间受试者与之交互的对象或其他受试者的信息。

在一个此类实施方案中，在从事件检测子系统1701接收到激活输入信号1707时，或在接收到激活输入信号1707后一些时间，对象信息检索子系统1702发起NFC读取动作以读取附接到一个或多个对象、容纳在一个或多个对象内或以其他方式与一个或多个对象相关联的NFC标签，该一个或多个对象在容纳对象信息检索子系统1702的设备的NFC范围内。对象信息检索子系统1702将从一个或多个对象接收到的数据发送到处理和分析子系统1703。对象信息检索子系统1702可在将数据发送到处理和分析子系统1703之前对数据进行附加处理。在其他实施方案中，可能使用附加辅助传感器或传感器系统，诸如相机或其他电子设备。

处理可包括但不限于过滤；提取特定数据元素；修改数据或数据元素；组合从多个对象获得的数据或数据元素；将数据或数据元素与从其他源获得的不经由NFC收集的数据组合。过滤的示例可包括但不限于基于一个或多个对象与对象信息检索子系统之间的距离或估计距离、基于所接收到的NFC信号的信号强度、基于从对象接收数据的次序、基于数据中或特定数据元素中的信息的过滤。其他用于过滤的过滤机制或标准也是可能的。对象信息检索子系统1702可在固定时间之后、在可配置时间之后、在读取固定或可配置数量的标签之后停止读取NFC标签。还可使用其他标准。

还有可能对象信息检索子系统独立于事件检测子系统来收集关于受试者与之交互的对象或其他受试者的信息。在这种实施方案中，处理和分析子系统1703可将从事件检测子系统1701接收到的信号1708与从对象信息检索子系统1702接收到的数据信号1709一起用于在活动期间或在表现出一定行为时推断出关于受试者与之交互的对象或其他受试者的相关信息。

在本公开的特定实施方案中，对象信息检索子系统1702连续地、周期性地或以其他方式独立于来自事件检测子系统1701的输入来读取来自对象的NFC标签，这些NFC标签在完全或部分地容纳对象信息检索子系统1702的电子设备的范围内。活动/行为信号的发生的检测可用于滤除关于特定相关对象的信息，这些特定相关对象与感兴趣的活动/行为相关。在对象与事件相关联的情况下，对特定对象的指示或引用可能被记录为事件的记录的一部分，以使得该信息以后可用于过滤或其他处理。

在特定实施方案中，对象信息检索子系统1702独立于其从事件检测子系统接收到的输入来收集数据，但仅在其从事件检测子系统1701接收到激活信号1707时或之后一些时间才将数据发送到处理和分析子系统1703。对象信息检索子系统1702可仅发送其已通过NFC链路从对象接收到的数据的子集。例如，其可仅发送其在与其接收到激活信号1707的时间相关的固定或可配置时间窗口内接收到的数据。例如，其可仅在紧接在激活信号1707之前和/或紧接在该激活信号之后发送数据。其他时间窗口也是可能的。对象信息检索子系统1702可在将数据发送到处理和分析子系统1703之前对数据进行附加处理。

在本公开的一个实施方案中，对象信息检索子系统1702包括相机并且可从图像或视频记录的分析导出关于一个或多个对象的信息。

在本公开的一个优选实施方案中，对象信息检索子系统1702在没有来自受试者的任何干预或输入的情况下从对象收集数据。在本公开的另一个实施方案中，需要一些用户输入或干预。例如，可提示用户将NFC读取器移动到更接近感兴趣的NFC标签之处。在另一个示例中，可提示用户激活NFC读取器电路或NFC读取器电路的部分，或采取允许NFC读取器电路发出读取命令的一个或多个动作。

图18示出了根据一个实施方案的需要用户干预的监测系统的高级功能图。如图18所示，一个或多个传感器单元1800与事件检测子系统1801交互并且将传感器数据发送到事件检测子系统1801。在检测到或推断出实际、可能或临近事件时，事件检测子系统将一个或多个通知发送到用户交互单元1802以请求NFC扫描动作的激活。通知可作为所显示的文本消息、作为所显示的图像、作为音频消息、作为LED信号、作为振动等呈现给用户。还可使用用户界面的组合。还可使用其他用户界面。用户可使用用户交互单元1802的一个或多个用户界面对通知作出响应。用户响应可触发用户交互单元1802将扫描命令1810发送到对象信息检索子系统1803。在接收到扫描命令1810时或在接收到扫描命令1810之后一些时间，对象信息检索子系统1803可激活NFC读取器1806并且通过NFC读取器1806与NFC标签1807之间的无线通信链路1811获得关于对象1804的信息。通过无线链路1811获得的信息可包含关于对象1804的品牌、类型、成分、到期日、批号等的信息。还可检索关于对象的其他信息。可将来自事件检测子系统1801的事件数据元素1814和对象信息检索子系统1803通过无线链路1811从一个或多个对象检索的对象数据元素1813发送到处理和分析子系统1805。可执行附加处理并且可将事件和对象数据元素存储在一个或多个数据存储单元1815上的数据库中。

在另一个示例中，事件检测系统自动地扫描NFC标签，但在从对象接收到数据时，对象信息检索子系统将消息发送到受试者并且受试者授权或不授权向处理器或分析子系统的传输或者受试者直接确认该信息。可由处理和分析子系统发送该消息。

处理和分析子系统1803进行的处理可包括但不限于过滤；提取特定数据元素；修改数据或数据元素；组合从多个对象获得的数据或数据元素；将数据或数据元素与从其他源获得的不经由NFC收集的数据组合。过滤的示例可包括但不限于基于一个或多个对象与对象信息检索子系统之间的距离或估计距离、基于所接收到的NFC信号的信号强度、基于从对象接收数据的次序、基于数据中或特定数据元素中的信息的过滤。其他用于过滤的过滤机制或标准也是可能的。对象信息检索子系统1802可在固定时间之后、在可配置时间之后、在读取固定或可配置数量的标签之后停止发送数据。还可使用其他标准。对象信息检索子系统1802可仅发送来自单个对象、来自对象子集或来自其在指定时间窗口内接收数据的所有对象的数据。

在本公开的不同实施方案中，对象信息检索子系统1802连续地、周期性地或以其他方式独立于来自事件检测子系统1801的输入来读取来自对象的NFC标签(这些NFC标签在完全或部分地容纳对象信息检索子系统1802的电子设备的范围内)并且独立于来自事件检测子系统的任何信号来将此类数据发送到处理和分析子系统1803。

处理和分析子系统1803从事件检测子系统1801和对象信息检索子系统1802接收数据输入。还有可能处理和分析子系统1803仅从对象信息检索子系统1802接收输入。处理和分析子系统1803可对该数据进行附加处理并且可分析该数据以从其接收到的数据提取关于对象或受试者的信息。处理可包括但不限于过滤；提取特定数据元素；修改数据或数据元素；组合从多个对象获得的数据或数据元素。分析还可包括将特定数据元素与存储在查找表或数据库中的数据进行比较；将数据元素与在较早时间和/或从不同受试者获得的数据元素关联。其他处理和分析步骤也是可能的。处理和分析子系统1803可将原始或处理的数据存储在数据存储单元1804中。存储可为暂时的或永久的。

在一些实施方案中，来自处理和分析子系统1803的输出可实时地、在事件期间或之后不久可用。在其他实施方案中，输出可直到稍后时间才可用。

处理和分析子系统1803可在移动设备上、在可穿戴传感器设备上或在另一个电子设备上实现。处理和分析子系统1803也可跨多个设备分布，诸如例如跨移动设备和可穿戴传感器设备分布。在另一个示例中，处理和分析子系统1803可跨移动设备和本地或远程服务器分布。处理和分析子系统1803也可全部在本地或远程服务器上实现。信息可以以合适的格式存储，分布在多个位置中，或以所记录的形式或在一些程度的处理后集中存储。数据可暂时或永久地存储。数据可在本地存储在可穿戴传感器设备上、移动设备上或可通过互联网上传到服务器。

对象信息检索子系统可完全或部分地容纳在电池操作的电子设备内，并且可能期望使对象信息检索子系统的功率消耗最小化。当未检测到事件时，可将无线电电路(例如，NFC读取器电路)置于低功耗状态。在检测到或推断出事件的实际、可能或临近发生时，可将对象信息检索子系统置于较高功耗状态。可使对象信息检索子系统内的一个或多个附加电路通电以激活对象信息检索子系统，改善对象信息检索子系统的范围或性能等。在一个特定示例中，在未检测到事件时禁用NFC读取器或将NFC读取器置于低功耗待机或睡眠模式。在检测到或推断出事件时，将NFC读取器置于较高功耗状态，在该状态下，其可与邻近对象的NFC标签通信。在读取预配置的数量的NFC标签之后，在预配置的时间之后或在检测到事件结束或完成时，可再次禁用NFC读取器或可将NFC读取器往回置于低功耗待机或睡眠模式。

药物分配系统示例

根据本文所述原理和细节的系统可能用于检测进食/饮用的开始以开始施用微给药的胰岛素作为胰岛素治疗形式和/或餐食感知人工胰腺。胰岛素剂量计算器可考虑进食开始时的葡萄糖水平、进食开始时的葡萄糖水平的斜率以确定胰岛素递送的剂量和时序。可一次性地或以多次微给药的形式递送胰岛素。如果从对象信息检索子系统获得关于食物的附加信息(例如，饮用一罐普通汽水而不是低糖汽水)，则胰岛素剂量计算器可考虑该信息。例如，如果正在消费具有高糖含量的食物物品，则胰岛素剂量计算器可增加每次微给药事件施用的剂量或可增加在给定时间周期内递送的微给药次数。

图19示出了本公开所覆盖的药物分配系统的高级功能图。药物分配系统可部分地包括以下的一者或多者：饮食跟踪和反馈系统1902、一个或多个传感器单元1900、测量传感器处理单元1909、药物给药计算单元1906、一个或多个测量传感器单元1904以及药物分配单元1908。

在本公开的一个实施方案中，待施用的药物是胰岛素，测量传感器单元1904是测量间质液葡萄糖水平的连续葡萄糖监测仪传感器，药物分配单元1908是胰岛素泵，并且药物给药计算单元1906是自动化胰岛素递送系统(亦称人工胰腺)的胰岛素剂量计算单元。

图19所示的元件中的每个元件可能由合适的结构实现。例如，这些元件可为单独硬件元件，或者被实现为可穿戴设备中的软件结构、与可穿戴设备通信的辅助设备或通过网络耦接到辅助设备和/或可穿戴设备的服务器。一些元件可能完全是软件并且耦接到能够向或从执行该软件的处理器发送和/或接收消息的其他元件。例如，药物分配单元1908可能是嵌入式硬件系统，该嵌入式硬件系统响应于软件系统所给出的指令而注射微给药的药物，因此将仅需要最少板上处理。

饮食跟踪和反馈系统1902可如本文其他地方所述的那样实现，并且可监测一个或多个传感器单元的输出以确定食物摄入事件的实际、可能或临近开始。在检测到食物摄入事件的实际、可能或临近开始时或之后一些时间，其可将信号1903发送到药物给药计算单元1906以向药物给药计算单元1906通知已检测到食物摄入事件的实际、可能或临近开始。药物给药计算单元1906可使用该信息将其状态改变为“餐食进行中”状态。

在进入餐食进行中状态时或之后一些时间，药物给药计算单元1906可计算要施用的初始餐食药物剂量并且将一个或多个消息发送到药物分配单元1908。另选地，可能已在食物摄入事件的发生之前预配置或计算要与食物摄入事件的开始相结合施用的药物剂量。在接收到这些消息1907时，药物分配单元1908可发起药物的递送。

药物分配单元可一次性地或根据递送时间表递送药物。可由药物给药计算单元确定递送时间表并且将递送时间表传达到胰岛素递送系统。可在进入餐食进行中状态时或之后一些时间确定递送时间表。还可在食物摄入事件的发生之前预配置递送时间表。

初始餐食药物剂量和/或递送时间表可覆盖食物摄入事件的全部预期药物剂量。另选地，初始餐食药物剂量和/或递送时间表可仅覆盖食物摄入事件的全部预期药物剂量的一部分，并且预计在食物摄入事件期间或之后的稍后时间有附加药物剂量。

药物给药计算单元1906可在计算初始药物剂量和/或初始递送时间表时考虑附加输入。一些输入可涉及当前或近期测量值、当前或近期用户活动和行为或与用户的当前或近期状态或状况相对应的其他信息。其他输入可涉及历史测量值、历史用户活动和行为或与用户的过去状态或状况相对应的其他信息。

附加输入的示例

药物给药计算单元1906可考虑来自测量传感器处理单元1909的一个或多个输出1910。药物给药计算单元1906可对输出1910执行附加处理步骤。例如，测量传感器单元1904可为连续葡萄糖监测仪(“CGM”)，并且测量传感器处理单元1909的输出1910可为间质液葡萄糖水平读数。可例如每隔几分钟更新一次输出1910。其他更新频率也是可能的。还可连续地更新输出1910。药物给药计算单元1906可考虑一个或多个间质液葡萄糖水平读数。例如，药物给药计算单元1906可考虑最近读数。药物给药计算单元1906可计算指示间质液葡萄糖水平读数的变化的某些参数。例如，药物给药计算单元1906可计算一个或多个时间窗口内的间质液葡萄糖水平读数的最小值、平均值、最大值、标准偏差、斜率或二阶导数。时间窗口可跨越在向餐食进行中状态的转变之前的时间周期，跨越包括向餐食进行中状态的转变的时间周期，或跨越在向餐食进行中状态的转变之后一些时间的时间周期。其他或附加测量传感器单元(诸如心率、血压、体温、水合程度、疲劳程度)也是可能的。胰岛素递送系统还可考虑用户的当前位置。

药物给药计算单元1906还可考虑其他输入，诸如与用户的当前或近期身体活动、睡眠、压力等相关的信息。药物给药计算单元1906还可考虑个人信息，诸如性别、年龄、身高、体重等。

药物给药计算单元1906还可考虑与用户的药物给药需求相关的信息，诸如例如用户的胰岛素基础率、用户的胰岛素/碳水化合物比和用户的胰岛素校正因子。可由用户、护理者或者健康记录或医疗保健维护系统输入或配置该信息。与用户的药物给药需求相关的信息还可从由药物分配系统收集并存储的历史数据导出。例如，药物分配单元在当前食物摄入事件之前的时间周期中递送的药物(例如，胰岛素)的剂量。药物给药计算单元1906可考虑与过去在或大约在(例如，在指定时间窗口内)一天中的相同时间和/或当周的相同天发生的一个或多个先前食物摄入事件相结合递送的药物剂量。

药物给药计算单元1906还可考虑来自先前药物分配事件的仍起效的药物，诸如例如体内残余胰岛素。

药物给药计算单元1906还可包括与过去在或大约在(例如，在指定时间窗口内)一天中的相同时间和/或当周的相同天和/或在相同位置处发生的食物摄入事件相关的参数。药物给药系统1906可例如检查过去食物摄入事件的持续时间、在过去食物摄入事件期间消费的估计量、在过去食物摄入事件期间进食的平均速度、过去食物摄入事件的进食方法、在过去食物摄入事件期间使用的餐具或容器的类型或者在过去食物摄入事件期间消费的碳水化合物的量。其他参数也是可能的。食物摄入跟踪和反馈系统可在无需任何用户干预的情况下计算这些附加参数中的一些参数(例如，持续时间或速度)。在其他情况下，用户干预、由用户进行的输入或确认可能是必要的。

药物分配时间表

药物给药计算单元1906可指示药物分配单元一次性地施用初始药物剂量，或可指定用于施用药物的递送时间表。在本公开的一个实施方案中，药物给药计算单元1906计算药物剂量以及用于递送药物的时间表。作为一个示例，药物给药计算单元1906可确定需要递送5个单位的胰岛素并且可按如下指定递送时间表：立即施用2个单位、2分钟之后1个单位、5分钟之后1个单位以及7分钟之后1个单位。这仅是一个示例，并且其他时间分布结构当然是可能的。

药物给药计算单元1906可将药物剂量和时间表两者传达到药物分配单元1908。另选地，药物给药计算单元1906可管理时间表并且每当需要施用药物时都将一个或多个消息连同要施用的药物的剂量一起发送到药物分配单元1908。

在本公开的一个优选实施方案中，药物给药计算单元1906可在进入餐食进行中状态时或之后一些时间在1907处指示药物分配单元1908发起药物的递送。其可例如指示药物分配单元1908递送一次或多次小微给药的药物。

附加剂量和剂量调节

在食物摄入事件期间和/或食物摄入事件之后一些时间，药物给药计算单元1906可周期性地(例如，每隔几分钟)或连续地部分监测来自测量传感器处理单元1909的一个或多个输入1905和/或来自饮食跟踪和反馈系统1902的一个或多个输入1903以确定是否应施用及施用多少附加药物或者是否应调节预定的药物分配。还可考虑其他输入，诸如本公开的先前部分中描述的输入。

当计算药物剂量或药物剂量调节时，药物给药计算单元1906可考虑食物摄入事件是否在进行中。如果食物摄入事件不在进行中或不再在进行中，则药物给药计算单元1906可例如考虑自过去食物摄入事件结束起的时间。如果食物摄入事件在进行中，则药物给药计算单元1906可例如考虑自当前食物摄入事件开始起逝去的时间、自当前食物摄入事件开始起进食的平均或中位速度、自当前食物摄入事件开始起消费的估计总量。其他示例也是可能的。

药物给药计算单元1906还可考虑来自测量传感器处理单元1909的一个或多个近期输入。例如，在药物给药计算单元1906是自动化胰岛素递送系统(亦称人工胰腺)中的胰岛素给药单元并且测量传感器单元1909是CGM的情况下，药物给药计算单元1906可考虑最近间质液葡萄糖水平读数的值和/或紧接或紧邻在当前时间之前的时间窗口内的间质液葡萄糖水平读数的变化。如果最近间质液葡萄糖水平读数低于指定阈值和/或间质液葡萄糖水平读数的变化超过指定负阈值，则药物给药计算单元1906可决定下调胰岛素剂量或暂停胰岛素递送直到间质液葡萄糖水平读数达到第二指定阈值和/或间质液葡萄糖水平读数的变化不再超过第二指定负阈值，已变为正或超过指定正阈值。

在本公开的一些实施方案中，在检测到有关测量传感器处理单元的输出时，药物给药计算单元1906可将警示发送到用户、他的一个或多个护理者、医疗保健提供者、监测系统或紧急响应系统或对告知此类事件的发生可能有着直接或间接兴趣的第三方。

同样，如果最近间质液葡萄糖水平读数超过特定阈值和/或间质液葡萄糖水平读数的变化超过指定正阈值，则药物给药计算单元1906可确定应施用附加药物剂量，需要将已经预定的药物剂量调节到更大剂量或在早于当前预定的时间的时间递送。药物给药计算单元1906可任选地考虑来自饮食跟踪和反馈系统1902的附加输入以计算附加药物剂量或药物剂量调节。药物给药计算单元1906可将一个或多个消息1907发送到药物分配单元1908以向药物分配单元1908通知附加或调节的药物分配需求。

在检测到食物摄入事件的实际或临近结束时或之后一些时间，饮食跟踪和反馈系统1902可将信号1903发送到药物给药计算单元1906以向药物给药计算单元1906通知已检测到食物摄入事件的实际或临近结束。药物给药计算单元1906可使用该信息将其状态改变为“无餐食进行中”状态。在特定实施方案中，药物给药计算单元在处于无餐食进行中状态时可周期性地或连续地部分监测来自测量传感器处理单元1909的一个或多个输入1905和/或来自饮食跟踪和反馈系统1902的一个或多个输入1903以确定是否应施用及施用多少附加药物或者是否应调节预定的药物分配。还可考虑其他输入，诸如本公开的先前部分中描述的输入。当处于无餐食进行中状态时，监测和/或更新/调节药物给药的频率可不同于在处于“餐食进行中”状态时监测和/或更新/调节药物给药的频率。用于确定药物剂量或药物剂量调节的算法在“餐食进行中”状态与“无餐食进行中”状态之间也可不同。

药物给药学习系统的描述

在本公开的一些实施方案中，药物给药计算单元1906可收集并存储关于食物摄入事件的数据和信息。在一些实施方案中，药物给药计算单元1906可在存储之前对所收集的数据和信息执行附加处理步骤。处理步骤可为过滤、平均化、应用算术运算和应用统计运算。其他处理步骤也是可能的。

关于食物摄入事件的数据和信息可能作为数据元素存储在保持关于食物摄入事件的数据记录的数据库中。

数据元素可为事件数据元素并且包含表征食物摄入事件的信息或参数。此类信息可包括但不限于事件开始时间、发生事件的一周中的天、事件的日期、事件的持续时间、事件结束时间、与受试者进食或饮用的速率或速度相关联的度量、与在事件期间消费的食物或液体的量相关联的度量。

数据元素也可为测量数据元素，并且包含表征由一个或多个测量传感器单元1904测量并由一个或多个测量传感器处理单元1909处理的一个或多个信号的信息或参数。此类信息可包括但不限于对应于与食物摄入事件有关的特定时间的传感器读数水平，或对应于与食物摄入事件有关的特定时间窗口的平均、最小或最大传感器读数水平。特定时间可能例如是食物摄入事件的开始、食物摄入事件期间的周期性或预定义的时间点、食物摄入事件的结束或者食物摄入事件之后的周期性或预定义的时间。其他时间也是可能的。特定时间窗口可能例如是紧接在食物摄入事件开始之前的持续时间、在食物摄入事件开始之前的持续时间、食物摄入事件的持续时间、食物摄入事件内的特定持续时间、紧接在食物摄入事件结束之后的持续时间或食物摄入事件结束之后一些时间的持续时间。

在一个特定实施方案中，药物给药计算单元是自动化胰岛素递送系统，并且传感器读数水平是从连续葡萄糖监测传感器获得的间质液葡萄糖读数水平。

数据元素也可为剂量数据元素，并且包含表征与食物摄入事件有关的药物剂量和递送时间表的信息或参数。

其他数据元素也是可能的。相同食物摄入事件的一个或多个事件数据元素、一个或多个测量数据元素和/或一个或多个剂量数据元素可作为单个记录条目来记录在数据库中。事件数据元素、测量数据元素和/或剂量数据元素也可作为单独记录来记录在数据库中。也可能使用或替代地使用与本文教导内容相符的其他数据结构。

药物给药计算单元1906可包括处理和分析子系统。

处理和分析子系统可对数据库中的条目使用统计学、机器学习或人工智能技术以构建推荐足够药物剂量和/或递送时间表的模型。处理和分析子系统可用于推荐初始药物剂量和/或推荐附加药物剂量或剂量调节。

图20是可能与本公开中描述的其他元件一起使用的机器学习系统的例示性示例。图20的机器学习系统包括剂量训练子系统2020和剂量预测器子系统2021。在本公开的一些实施方案中，机器学习系统可包括附加子系统或图2所示的子系统的修改版本。剂量训练子系统2020可能使用事件数据元素2022、测量数据元素2023和剂量数据元素2024作为输入。剂量训练子系统应用机器学习技术以构建推荐足够药物剂量和/或药物分配时间表的模型。其可能对来自数据库的一个或多个条目使用监督式学习技术以训练该模型。事件数据元素2022和/或测量数据元素2023可能用作该模型的特征。一个或多个剂量数据元素2024可能用作标签。然后在剂量预测器子系统2021中使用经训练的模型2025和/或2029来生成与新的未标记数据输入2026相对应的药物剂量推荐和/或药物分配推荐。

药物给药计算单元1906可包括处理单元，并且对数据元素执行附加处理并分析该数据以提取关于用户的进食和饮用活动及行为的信息、传感器测量值(例如，血糖控制)和/或药物方案。处理可包括但不限于过滤；提取特定数据元素；修改数据或数据元素；组合数据或数据元素。分析还可包括将特定数据元素与存储在查找表或数据库中的数据进行比较；将数据元素与在较早时间和/或从不同受试者获得的数据元素关联。药物给药计算单元1906可将原始或处理的数据存储在一个或多个数据存储单元中。存储可为暂时的或永久的。

在一些变型中，数据库中的记录可被细分成组(例如，基于餐食类型–早餐、午餐、晚餐、小吃)并且不同模型可用于每个子组。另选地，可使用相同模型，但可使用仅来自子组之一或子组的选择性集的数据来训练该模型。在其他变型中，并不使用监督式机器学习方法(即，其中手动地指定特征)，而是可使用非监督式学习。利用非监督式学习，分类器将自主地从所提供的原始数据集生成特征。

药物给药计算单元1906可收集并存储关于其他用户活动的数据和信息。例如，药物给药计算单元1906可收集关于用户的身体活动、睡眠活动、性活动的信息或数据。药物给药计算单元1906还可收集并存储关于用户的压力、心率、血压等的信息。在一些实施方案中，药物给药计算单元1906可在存储之前对所收集的数据和信息执行附加处理步骤。处理步骤可为过滤、平均化、应用算术运算和应用统计运算。其他处理步骤也是可能的。药物给药计算单元1906可将该数据和信息与一个或多个食物摄入事件联系起来。关于食物摄入事件的数据和信息可能作为数据元素存储在保持关于食物摄入事件的数据记录的数据库中。这些数据元素还可用作药物给药计算单元1906的处理和分析子系统的输入。例如，这些数据元素可用作剂量训练子系统1920的附加或另选事件数据输入。这些数据元素可例如为该模型的特征。

药物给药系统1906还可收集输入，诸如与用户的身体活动、睡眠、压力等相关的信息。药物给药系统1906可例如将用户的当前或近期身体活动与过去身体活动进行比较并且将该比较的输出用于药物剂量的计算。

虽然未在图20中详细示出，但机器学习系统、剂量训练子系统2020和剂量预测器子系统2021可使用各种结构元件来实现。例如，剂量预测可能使用计算机硬件诸如处理器、程序代码存储器和存储在程序代码存储器中的程序代码来实现。这可能是单独嵌入式单元，或可能在用于其他功能和任务以及剂量预测的具有存储器的处理器上实现。该处理器和存储器可能内置于可穿戴设备、与可穿戴设备通信的移动设备、直接或间接与可穿戴设备或传感器通信的服务器或上述的某个组合中。可能类似地实现其他元件，诸如事件数据元素2022的存储装置；测量数据元素2023的存储装置；和剂量数据元素2024的存储装置；实现机器学习技术以构建推荐足够药物剂量和/或药物分配时间表的模型的程序代码；该模型的存储装置；用于训练该模型的数据库的存储装置；以及传达消息(诸如将药物剂量推荐消息、药物分配推荐消息或信号发送到分配药物的硬件设备)所需的硬件电路。

在某些实施方案中，图19的药物分配系统可在没有任何手动干预或至少不需要任何手动干预的情况下操作。在其他实施方案中，图19的药物分配系统可需要一些手动干预。在一个示例中，药物给药计算单元1906可计算药物剂量和/或药物递送时间表，但其并不指示药物分配单元1908发起或安排药物的递送，而是将消息发送到患者、患者的一个或多个护理者、医疗保健专业人员、监测系统等以确认所提议的药物剂量和/或药物递送时间表。该消息可为文本消息、推送通知、语音消息等，但其他消息格式也是可能的。

在一些实施方案中，患者、护理者等可具有改变所提议的药物剂量和/或药物递送时间表的选项。在从患者、护理者等接收到确认时，药物给药计算单元1906可将一个或多个指令发送到药物分配单元1908以发起或安排药物的递送。也可由除药物给药计算单元1906之外的设备或单元发送指令。作为一个示例，可由设备直接将指令发送到药物分配单元1908，患者、护理者等在该设备上接收到该消息以确认药物剂量和/或药物递送时间表。其他用户干预也是可能的，诸如允许“小睡”功能以将消息移至未来的预先确定的时间。

实施例

实施例1：一种自动化药物给药和分配系统，该自动化药物给药和分配系统包括：传感器，该传感器检测与自动化药物给药和分配系统的用户相关的运动和其他物理输入；计算机可读存储介质，该计算机可读存储介质包括程序代码指令；和处理器，其中程序代码指令可配置为使得处理器执行包括以下步骤的方法：由从传感器获得的传感器读数确定用户的基于姿态的身体行为事件的发生；以及响应于该确定而调节药物剂量、药物分配参数或者药物剂量和药物分配参数两者。

实施例2：根据实施例1所述的系统，其中传感器读数中的至少一个传感器读数测量用户的身体部分的运动。

实施例3：根据实施例1所述的系统，该系统还包括由传感器读数确定用户的姿态的事件检测模块。

实施例4：根据实施例1所述的系统，其中该方法还包括将消息发送到用户的步骤，其中该消息与该调节相关。

实施例5：根据实施例1所述的系统，其中基于姿态的身体行为事件对应于与食物摄入事件无关的用户活动。

实施例6：根据实施例5所述的系统，其中与食物摄入事件无关的用户活动包括吸烟事件、个人卫生事件和/或药物相关事件。

实施例7：根据实施例1所述的系统，其中基于姿态的身体行为事件对应于食物摄入事件。

实施例8：根据实施例1所述的系统，其中在检测到基于姿态的身体行为事件的实际、可能或临近开始时执行该调节。

实施例9：根据实施例1所述的系统，其中该调节依据基于姿态的身体行为事件的特性。

实施例10：根据实施例9所述的系统，其中基于姿态的身体行为事件对应于食物摄入事件；并且该调节基于食物摄入事件的以下特性中的至少一个特性：持续时间；速度；开始时间；结束时间；咬取数量；吸允数量；进食方法；所使用的餐具类型；所使用的容器类型；吞咽之前的咀嚼量；咀嚼速度；所消费的食物量；所消费的碳水化合物量；咬取之间的时间；吸允之间的时间；所消费的食物的成分。

实施例11：根据实施例1所述的系统，其中：该系统所管理的药物是胰岛素；并且该调节步骤计算要施用的胰岛素的剂量以及所计算的剂量的胰岛素的递送时间表。

实施例12：根据实施例1所述的系统，其中传感器包括测量用户的臂部的运动的加速度计以及测量用户的臂部的旋转的陀螺仪。

实施例13：一种操作自动化药物给药和分配系统的方法，该自动化药物给药和分配系统具有检测与用户相关的运动和其他物理输入的传感器，该方法包括以下步骤：使用自动化药物给药和分配系统的处理器来获得一组传感器读数，其中该组传感器读数中的至少一个传感器读数测量用户的身体部分的运动；由该组传感器读数确定用户的基于姿态的身体行为事件的发生；以及响应于该确定而调节药物剂量、药物分配参数或者药物剂量和药物分配参数两者。

实施例14：根据实施例13所述的方法，该方法还包括响应于该确定而执行基于计算机的动作的步骤，其中基于计算机的动作是如下的一者或多者：获得与表示基于姿态的身体行为事件的数据相关联的要存储在存储器中的其他信息；与用户交互以提供信息或提醒；与用户交互以提示用户输入；将消息发送到远程计算机系统；将消息发送到另一个人；将消息发送到用户。

实施例15：根据实施例13所述的方法，其中基于姿态的身体行为事件对应于与食物摄入事件无关的用户活动。

实施例16：根据实施例15所述的方法，其中与食物摄入事件无关的用户活动包括吸烟事件、个人卫生事件和/或药物相关事件。

实施例17：根据实施例13所述的方法，其中基于姿态的身体行为事件对应于食物摄入事件。

实施例18：根据实施例13所述的方法，其中在检测到基于姿态的身体行为事件的实际、可能或临近开始时执行该调节。

实施例19：根据实施例13所述的方法，其中该调节依据基于姿态的身体行为事件的特性。

实施例20：根据实施例19所述的方法，其中：基于姿态的身体行为事件对应于食物摄入事件；并且该调节基于食物摄入事件的以下特性中的至少一个特性：持续时间；速度；开始时间；结束时间；咬取数量；吸允数量；进食方法；所使用的餐具类型；所使用的容器类型；吞咽之前的咀嚼量；咀嚼速度；所消费的食物量；咬取之间的时间；吸允之间的时间；所消费的食物的成分。

实施例21：一种自动化药物给药和分配系统，该自动化药物给药和分配系统包括：传感器，该传感器检测与自动化药物给药和分配系统的用户相关的运动；计算机可读存储介质，该计算机可读存储介质包括程序代码指令；和处理器，其中程序代码指令可配置为使得处理器执行包括以下步骤的方法：由从传感器获得的传感器读数确定用户的当前食物摄入事件的开始或预期开始；查看为用户的先前记录的食物摄入事件收集的历史数据；识别当前食物摄入事件与多个先前记录的食物摄入事件之间的相关性；以及基于所识别的相关性来调节药物剂量、药物分配参数或者药物剂量和药物分配参数两者。

实施例22：根据实施例21所述的系统，其中传感器读数中的至少一个传感器读数测量用户的身体部分的运动。

实施例23：根据实施例21所述的系统，该系统还包括由传感器读数确定用户的身体行为事件的事件检测模块。

实施例24：根据实施例23所述的系统，其中事件检测模块确定表征当前食物摄入事件的用户的姿态。

实施例25：根据实施例21所述的系统，其中该调节基于食物摄入事件的以下特性中的至少一个特性：持续时间；速度；开始时间；结束时间；咬取数量；吸允数量；进食方法；所使用的餐具类型；所使用的容器类型；吞咽之前的咀嚼量；咀嚼速度；所消费的食物量；咬取之间的时间；吸允之间的时间；所消费的食物的成分。

实施例26：根据实施例21所述的系统，其中：该系统所管理的药物是胰岛素；并且该调节步骤计算要施用的胰岛素的剂量以及所计算的剂量的胰岛素的递送时间表。

实施例27：根据实施例21所述的系统，其中传感器包括测量用户的臂部的运动的加速度计以及测量用户的臂部的旋转的陀螺仪。

实施例28：根据实施例21所述的系统，其中历史数据包括与食物摄入事件没有直接联系的参数。

实施例29：根据实施例28所述的系统，其中该参数包括以下的至少一者：位置信息；用户醒来的一天中的时间；压力水平；睡眠行为模式；日历事件细节；电话呼叫信息；电子邮件元数据。

实施例30：一种操作自动化药物给药和分配系统的方法，该自动化药物给药和分配系统具有检测与用户相关的运动的传感器，该方法包括以下步骤：由从传感器获得的传感器读数确定用户的当前食物摄入事件的开始或预期开始；查看为用户的先前记录的食物摄入事件收集的历史数据；识别当前食物摄入事件与多个先前记录的食物摄入事件之间的相关性；以及基于所识别的相关性来调节药物剂量、药物分配参数或者药物剂量和药物分配参数两者。

实施例31：根据实施例30所述的方法，其中传感器读数中的至少一个传感器读数测量用户的身体部分的运动。

实施例32：根据实施例30所述的方法，该方法还包括由传感器读数确定用户的身体行为事件的步骤。

实施例33：根据实施例32所述的方法，其中由传感器读数确定的身体行为事件包括表征当前食物摄入事件的用户的姿态。

实施例34：根据实施例30所述的方法，其中该调节基于食物摄入事件的以下特性中的至少一个特性：持续时间；速度；开始时间；结束时间；咬取数量；吸允数量；进食方法；所使用的餐具类型；所使用的容器类型；吞咽之前的咀嚼量；咀嚼速度；所消费的食物量；咬取之间的时间；吸允之间的时间；所消费的食物的成分。

实施例35：根据实施例30所述的方法，其中：该系统所管理的药物是胰岛素；并且该调节步骤计算要施用的胰岛素的剂量以及所计算的剂量的胰岛素的递送时间表。

实施例36：根据实施例30所述的方法，其中传感器包括测量用户的臂部的运动的加速度计以及测量用户的臂部的旋转的陀螺仪。

实施例37：根据实施例30所述的方法，其中历史数据包括与食物摄入事件没有直接联系的参数。

实施例38：根据实施例37所述的方法，其中该参数包括以下的至少一者：位置信息；用户醒来的一天中的时间；压力水平；睡眠行为模式；日历事件细节；电话呼叫信息；电子邮件元数据。

实施例39：根据实施例30所述的方法，其中在检测到当前食物摄入事件的实际或临近开始时执行该调节。

实施例40：根据实施例30所述的方法，其中该调节依据当前基于姿态的身体行为事件的特性。

结论

如上所述，有各种方法和装置可用作本文所提供的药物分配方案和另选方案的一部分。除非另外特别说明或与上下文明显矛盾，否则连接性用语诸如形式“A、B和C中的至少一者”的短语应另行根据如通常用来呈现项目、术语等要么可为A或B或C，要么可为A和B和C的集合的任何非空子集的上下文来理解。例如，在具有三个成员的集合的例示性示例中，连接性短语“A、B和C中的至少一者”是指以下集合中的任何集合：{A}、{B}、{C}、{A,B}、{A,C}、{B,C}、{A,B,C}。因此，此类连接性用语通常并非旨在暗示某些实施方案要求至少一个A、至少一个B和至少一个C均存在。

除非本文另外指明或与上下文明显矛盾，否则可按任何合适的次序执行本文所述的过程的操作。本文所述的过程(或其变型和/或组合)可在被配置有可执行指令的一个或多个计算机系统的控制下执行，并且可被实现为共同在一个或多个处理器上执行的代码(例如，可执行指令、一个或多个计算机程序或一个或多个应用程序)，可由硬件或它们的组合实现。代码可例如以包括可由一个或多个处理器执行的多个指令的计算机程序的形式存储在计算机可读存储介质上。计算机可读存储介质可为非暂态的。

除非另外声明，否则本文提供的任何和所有示例或示例性用语(例如，“诸如”)的使用仅旨在更好地说明本发明的实施方案，并不对本发明的范围构成限制。说明书中的任何用语都不应被解释为指示任何未要求保护的元素对于本发明的实践是必不可少的。

在阅读本公开之后，本领域的普通技术人员可以想到进一步的实施方案。在其他实施方案中，可有利地作出以上所公开的发明的组合或子组合。出于说明的目的示出了部件的示例性布置，并且应当理解，在本发明的另选实施方案中可以设想组合、添加、重新布置等。因此，虽然已相对于示例性实施方案描述了本发明，但本领域技术人员将认识到，许多修改是可能的。

例如，本文所述的过程可使用硬件部件、软件部件和/或它们的任何组合来实现。因此，说明书和附图应被看作是说明性的而不是限制性的。然而，显而易见的是，在不脱离权利要求中阐述的本发明的更宽的精神和范围的情况下，可以对其进行各种修改和改变，并且本发明旨在覆盖以下权利要求的范围内的所有修改和等同物。

本文中引用的所有参考文献(包括出版物、专利申请和专利)据此以引入方式并入，其程度如同每个参考文献被单独地且具体地指示为以引用方式并入并且在本文中完整阐述。