Algoritmo di spesa energetica di primo livello

Sto cercando un'implementazione (o un documento che descriva l'algoritmo effettivo) per il calcolo del dispendio energetico / VO2 / EPOC dalla variabilità della frequenza cardiaca.

Alcuni white paper in merito

Stima del consumo di ossigeno
Stima del dispendio energetico
EPOC (consumo eccessivo di ossigeno post-esercizio)
Effetto di allenamento
Analisi di recupero dell'atleta

può essere scaricato qui .

Secondo la pagina Web di Garmin, l'errore è circa il 50% più piccolo rispetto al metodo generico.

Mentre questi sono affascinanti da leggere, non ci dicono molto su come calcolare effettivamente questi valori dai dati della frequenza cardiaca. Tutto ciò che dice:

Le reti neurali sono state utilizzate per costruire un modello che deriva VO2 dagli intervalli RR (tempo tra i battiti cardiaci successivi), utilizzando la frequenza respiratoria e le informazioni di risposta on / off.

Anche se i normali monitor della frequenza cardiaca non rendono disponibili i dati, ci sono ricevitori economici per polar e ANT + in giro che consentono il monitoraggio beat by beat, come questo www.sparkfun.com/products/8661 (per polar) o http: //www.abra-electronics.com/products/WRL%252d08840-Nordic-USB-ANT-Stick.html (per formica +) https://code.google.com/p/hrvtracker/ (programma)

La stima convenzionale del dispendio calorico in funzione della frequenza cardiaca può essere trovata in questo documento: Previsione della spesa energetica dal monitoraggio della frequenza cardiaca durante l'esercizio sottomassimale .

— Dan
fonte

Dato che usano le reti neurali come il principale componente tecnologico, potrebbe essere difficile spiegare scientificamente la mappatura (vedi "Svantaggi" in en.wikipedia.org/wiki/Artificial_neural_network )

— FredrikD

D'accordo, le NN sono imprevedibili. O funzionano o no, ma spiegano perché è un'altra storia.

— Baarn,

Ho trovato la tesi di una delle persone di Firstbeat jyx.jyu.fi/dspace/bitstream/handle/123456789/13267/…

— Dan

Dalla lettura della sua tesi sembra che usino unità sigmoide / logistiche, che non sono lineari. Tuttavia, utilizza la rete neurale per estrarre la frequenza respiratoria dalle serie temporali della frequenza cardiaca. Ciò significa che non l'hanno usato per creare direttamente la formula di regressione lineare, ma invece l'hanno usata come base per il modello su cui si basa la regressione lineare. Quindi potresti forse spiegare quale sarebbe il tuo obiettivo? Probabilmente non devi preoccuparti della stessa elaborazione dei dati se hai accesso ai dati puliti della frequenza cardiaca, potresti semplicemente usare la formula che hai trovato.

— Ivo Flipse,

Ho pubblicato la domanda qui perché sono interessato a un algoritmo che posso eseguire sui miei dati sulle risorse umane. L'NN non è altro che una scatola nera che fornisce risultati più o meno non verificabili e forse instabili dopo l'allenamento con un enorme set di dati. Dato che non ho accesso a questo set di dati di addestramento, comprendere l'NN non è troppo utile per me. Sono più interessato al modello fisiologico + algoritmo utilizzabile che dipende solo da alcuni coefficienti. È anche più facile comprendere i limiti di tale modello.

— Dan

-2

Anche se non ho l'algoritmo, ho una libreria abbastanza decente di file .sdf di esercizi. Da cui qualcuno potrebbe quasi sicuramente decodificare qualcosa di molto vicino al modello di dispendio energetico. Ho il forte sospetto che sia per lo più un livellamento esponenziale.

— Kevin Joubert
fonte