非侵入性饮水检测系统和设备的制作方法

相关申请的交叉引用

本申请要求于2017年9月1日在美国专利和商标局提交的第62/553,655号美国临时专利申请的优先权，出于所有目的，通过引用将其全部内容合并于此。

本公开涉及与非侵入性饮水检测有关的系统和设备。特别地，本公开涉及可操作以检测用户是否正在饮用物质的系统和设备。

背景技术：

表演运动员和业余爱好者已使用可穿戴设备来监测身体活动。可穿戴设备可以配置为连接至移动设备或外部计算机。可穿戴设备可以包括与移动设备的无线连接。可穿戴设备可以包括被配置为测量用户的运动的传感器。

附图说明

当结合附图阅读时，将更好地理解前述

技术实现要素：
以及以下详细描述。为了说明的目的，在附图中示出了本公开的某些示例。然而，应当理解，本发明构思不限于所示的精确示例和特征。结合在本说明书中并构成本说明书的一部分的附图示出了与本发明构思一致的设备的实现，并且与说明书一起用于解释与本发明构思一致的优点和原理。

图1a示出了根据本公开的可穿戴设备的示例。

图1b示出了根据本公开的移动设备的示例。

图1c示出了根据本公开的远程计算机的示例。

图1d是根据本公开的示例可穿戴设备系统的示意图。

图2是根据本公开的示例移动设备系统的示意图。

图3a示出了用于检测从加速度计的x轴输入的物质的示例性加速度计数据。

图3b示出了用于检测从加速度计的y轴输入的物质的示例性加速度计数据。

图3c示出了用于检测从加速度计的z轴输入的物质的示例性加速度计数据。

图4示出了已经通过动态时间规整处理的加速度计数据的示例图。

图5示出了使用心率来检测饮水事件的示例。

图6示出了与水合状态相对应的饮水事件的图。

具体实施例

现在将提供贯穿本公开内容适用的几个定义。术语“包括”是指“包括但不限于”；它特别表示在上述组合、组、系列等中的开放式包括或成员资格。“大约”指的是几乎、接近、在数字表示的边缘或没有明显偏离。例如，大约20可以是20、或者与20的偏差很小。“耦接”是指两个对象的链接或连接。耦接可以是直接或间接的。间接耦接包括通过一个或多个中间对象连接两个对象。耦接也可以指电气或机械连接。耦接也可以包括没有物理接触的联接。尽管在整个公开中使用“皮肤”，但是用户的任何合适的“组织”可以与“皮肤”互换使用。

本公开致力于解决产业中的各种问题。本公开包括检测饮水事件的能力。本公开还包括估计在饮水事件期间用户摄入的液体量的能力。本公开还允许监测用户的水合作用。

本公开包括用于使用非侵入性技术确定饮水事件的系统和设备。饮水事件包括饮用液体，例如水、苏打水或人体为了补充水分而摄入的任何其他液体。

本公开可以在本文描述的设备和/或系统中的一个或多个中实现。在一个示例中，本公开包括可穿戴设备。如本文所使用的，可穿戴设备是与该设备的用户接触或非常接近的任何设备。可穿戴设备的示例包括腕戴设备、手臂、手和/或手指戴设备、衣服、运动辅助设备、监测器、手镯、带子、戒指和/或压缩套。可穿戴设备可以被配置为具有无线通信或有线通信接口以允许数据交换。在至少一个示例中，可穿戴设备可操作以电子地耦接至移动设备。在至少一个示例中，可穿戴设备可以被配置为包括向用户提供指令的用户通知组件。用户通知组件可以是显示器、音频设备、振动设备或视觉指示器。在其他示例中，可以省略用户通知组件，并且可穿戴设备可以将指令传递给移动设备，以将指令传递给用户。

术语“移动设备”可以包括具有处理器和存储器的设备。在至少一些示例中，移动设备包括显示器。另外，移动设备可以包括通信组件，该通信组件可操作以允许与移动设备与外部设备通信。可穿戴设备还可被配置为与一个或多个外部传感器组件通信。可以使用诸如蓝牙、zigbee、高级和自适应网络技术(ant+)、wi-fi、射频识别(rfid)等之类的短距离无线通信协议来执行无线通信。

保持适当的水合作用不仅对确保运动员能够保持最佳状态非常重要，而且对于维持一个人的健康、美观和养生也很重要。适当的补水对于保持认知功能和帮助控制体重很重要。这对于保持人的健康也至关重要，包括预防头痛、冠心病、肾结石和癌症。

在对生命体征的长期和连续监测下，最佳地实现了水合维护，这使其成为与用户长时间接触的设备(例如可穿戴设备)最佳地执行的任务。此外，可穿戴设备能够集成各种传感器和处理器，将这些传感器生成的信号存储在其内部存储器中，以供以后处理，并将这些信号或其内部处理的结果通过无线(或有线)通信传达给用户和世界，包括将数据存储在云中以进行可视化，由服务器进行进一步处理和/或存储在较大的数据库中，从而使聚合数据可用于其他处理和/或开发新算法。

维持适当的水合作用需要估计液体增加和液体损失之间的平衡。也就是说，通过监测饮水，可以估计水合作用监测的输入端，从而获得通常与维持适当水合作用有关的健康和保健益处。

在示例中，移动设备系统包括移动设备和可穿戴设备，并且可操作以检测饮水事件和/或监测用户的水合作用。移动设备具有至少一个可以检测移动设备的运动的传感器。可穿戴设备可以检测用户的生物学指标，并且可以将数据发送到移动设备。移动设备或系统中的另一组件将用户的生物学指标与检测到的运动信号按照时间进行关联，以确定是否发生了一个或多个饮水事件，并为每个饮水事件创建输入日志。在至少一个示例中，移动设备还基于例如通过呕吐、排尿、排便和/或出汗的排出液体的输入日志和输出日志来确定用户的净平衡。净平衡可以通过处于预定范围内或者低于或高于预定阈值而提供帮助改善用户的健康和保健的益处。例如，净平衡可用于帮助用户达到与健康相关的目标，例如保持水分充足。为了保持水分充足，用户应高于水合阈值。尽管针对移动设备描述了该系统和设备，但是该系统和设备可以在可穿戴设备上完全可操作。

在另一示例中，可操作以检测用户的饮水事件的可穿戴设备包括至少一个运动传感器，该至少一个运动传感器可操作以检测可穿戴设备的运动并记录其运动信号。可穿戴设备可以进一步包括耦接至该至少一个运动传感器的处理器和耦接至该处理器的至少一个生物传感器，并且可操作以检测用户的一个或多个生物学指标。可穿戴设备还可以包括存储器，该存储器可操作以存储指令从而使可穿戴设备执行以下一项或多项：获得用户的至少一个生物学指标，将用户的生物学指标与检测到的一个或多个运动信号相关联，并基于检测到的运动信号与至少一个生物学指标之间的相关性，确定检测到饮水事件。

在另一个示例中，移动设备可以与可穿戴设备耦接并且可以包括处理器。该移动设备还可以包括显示器，该显示器耦接至处理器并且可操作以显示从处理器接收的数据。该移动设备还可以包括存储器，该存储器耦接至处理器并且可操作以存储指令从而使处理器执行以下一项或多项：从可穿戴设备中获取用户的一个或多个生物学指标中的至少一个，将用户的至少一个生物学指标与检测到的一个或多个运动信号相关联，并基于检测到的一个或多个运动信号与至少一个生物学指标之间的相关性确定检测到饮水事件。

图1a示出了根据本公开的可穿戴设备122的示例。可穿戴设备122可包括发射器126、组件处理器128、一个或多个生物传感器124、存储器186和一个或多个附加传感器132。可穿戴设备122可包括和/或与至少一个外部传感器组件耦接，该至少一个外部传感器组件可以是以下一项或多项：体重计，水瓶，葡萄糖测量系统，血压监测器，脉搏血氧仪，呼吸速率监测器，组织血氧仪，呼吸器，心电图监测器等。还可以使可穿戴设备122与其他设备进行无线通信。

一个或多个生物传感器124可以耦接至组件处理器128，并且可操作以检测用户208的生物学指标206。发射器126可操作以将检测到的生物学指标206发送到移动设备100的至少一个通信组件118、远程计算机168和/或另一个外部设备。生物传感器124可包括以下一个或多个：可操作以测量用户208的皮肤温度和/或周围环境温度的温度计组件144，可操作以监测构成用户208的组织的生色团的近红外光谱仪(nirs)146，生物阻抗监测器148，光电容积描记(ppg)监测器150，心率监测器152，环境光传感器154，大气压传感器156，高度传感器158，相对湿度传感器160，体重计162，麦克风164，定位传感器166，时钟178，事件标记180，紫外线(uv)传感器182和/或照相机184。此外，该一个或多个生物传感器可操作以检测一个或多个生物学指标，该一个或多个生物学指标可以包括心率、心率变异性、血压、呼吸频率、血氧饱和度水平、肌肉氧合水平、皮肤温度、皮肤灌注、皮肤阻抗、皮肤电反应、血压、组织灌注、血流量、血液量、细胞外液、组织水合、组织水合变化、细胞内液、光电容积描记器、与饮水事件相关的图像、视频和/或声音。例如，可以处理ppg监测器的信号以测量血氧饱和度、心率、心率变异性、血压和/或呼吸率。这样，ppg监测器可以具有多个单独的传感器的功能，并且设备122可以更紧凑。

附加传感器132包括一个或多个运动传感器133。运动传感器133可包括惯性运动单元(imu)134、加速度计136、陀螺仪138和/或磁力计140。附加传感器132也可包括全球定位系统组件142以帮助确定用户的物理位置。

图1b示出了根据本公开的移动设备100的示例。移动设备100包括显示器102、处理器104、输入单元106、至少一个传感器108、至少一个通信组件118和存储器120。至少一个传感器108可操作以检测移动设备的运动。至少一个传感器108可以是陀螺仪110、加速度计112、磁力计114和/或全球定位系统组件116。至少一个通信组件118可操作以接收和/或发送来自可穿戴设备122和/或远程计算机168的数据。处理器104耦接至至少一个传感器108和至少一个通信组件118。

图1c示出了远程计算机168的示例。远程计算机168可以包括以下中的一个或多个：一个或多个处理器170、一个或多个存储设备172、一个或多个存储器174或一个或多个外部输入/输出(io)。远程计算机168可以是图2所示的基于云的计算机系统212或图1d中所示的云存储和数据处理系统105。

图1d是根据本公开的示例可穿戴设备系统101的示意图。可穿戴设备系统101可以包括移动设备100、可穿戴设备122和/或云存储和数据处理系统105。在至少一个示例中，云存储和数据处理系统105可以包括相对于图1c的远程计算机168描述的组件中的一个或多个。此外，互联网143可操作以允许移动设备100、可穿戴设备122和/或云存储和数据处理系统105之间的通信。可穿戴设备122可包括以下一项或多项：可操作以与存储器109通信的处理器107、一个或多个传感器111、一个或多个算法113、互联网通信117和/或无线发射器和接收器119。在一个示例中，一个或多个传感器111从用户208收集数据，处理器107处理数据并向用户208发送至少一个通知115。可以经由显示器、光、声音、振动和/或蜂鸣器中的一种或多种将至少一个通知115提供给用户208。至少一个通知115可以进一步与实现一个或多个预定目标相关联，其中该一个或多个预定目标是健康或保健。在一个示例中，预定目标可以是通过维持水合水平来改善保健以改善用户的整体健康。在另一个示例中，预定目标可以是将水分保持在净水合平衡的允许范围内，从而防止与脱水有关的疾病状态。在其他示例中，预定目标可以包括可以与进食和运动有关的一个或多个目标。在其他示例中，预定目标可以包括皮肤美容和/或精神警觉目标。在其他示例中，预定目标可以包括运动表现目标，例如为给定运动项目做准备而预先补水。

移动设备100包括移动应用127，移动应用127可操作以与存储器125、无线发射器和接收器121、元数据129、一个或多个传感器131以及互联网通信123中的一个或多个通信。例如，移动设备100由移动应用127控制，移动应用127从一个或多个传感器131收集附加数据并且还收集元数据129。元数据129可以例如来自用户的日历、联系人或地理位置中的一个或多个。

云存储和数据处理系统105可以包括一个或多个后端算法141，后端算法141可操作以与长期用户数据库135、一个或多个外部数据库139或互联网通信137进行通信。云存储和数据处理系统105能够将长期用户数据存储到长期用户数据库135中，并执行更复杂的后端算法141。这些后端算法141还受益于从类似于特定用户的其他用户获得的长期数据。从后端算法141派生的信息通过移动应用127提供给用户208，或直接提供给可穿戴设备122。

图2示出了示例性移动设备系统200。移动设备系统200可以包括移动设备100、一个或多个可穿戴设备122、远程计算机168、基于云的计算机系统212和/或存储设备214。组件可以按照所示箭头相互通信。例如，移动设备100可以与基于云的计算机系统212、远程计算机168或一个或多个可穿戴设备122中的一个或多个通信。

在根据本公开的一个示例中，一个或多个可穿戴设备122可以是可操作以穿戴在用户208的手腕上的腕式设备210的形式。腕式设备210还可以包括附加传感器132(图1a所示)，以测量手腕的运动并记录与测量的运动相对应的运动信号。

运动传感器133向可穿戴设备122提供一组运动信号，该运动信号指示可穿戴设备122穿戴在其中的肢体(通常是手腕)的位置或运动。然后，例如通过imu和/或通过处理器来处理运动信号，以生成指示重要运动的新信号。例如，运动信号可以是在imu中存在的加速度计的x，y和z轴上测得的加速度的平方之和。一旦检测到运动信号超过某个阈值水平(例如，比用户休息时检测到的运动水平高至少1.5倍)，可穿戴设备122就处理其他信号，例如由运动传感器133提供的附加x，y和z加速度以识别用户正在采取的运动。

饮水运动通常包括用户将他/她的优势臂移向他们的嘴。为了避免将饮水运动与其他类似运动混淆，可以通过让大量用户在大量试验中执行类似运动来创建运动库。在给定的时间点和给定的持续时间上标记和标识这些代表什么运动。因此，可以使用机器学习分类算法(例如k最近邻、支持向量机、决策树、时延神经网络、线性和二次判别分析)来区分真实饮水运动与其他饮水运动(假阳性)动作。可以将所得到的分类器算法及其相关参数加载到可穿戴设备存储器186上，并且只要检测到明显运动，就由处理器128执行该算法，从而产生指示饮水运动的新信号。

例如如图3a至图3c中所示，三个曲线图300、302、303描绘了加速度计的x，y和z轴，表明加速度计数据可用于检测饮水事件。在图3a-3c所示的示例中，在受试者摄入了二十次不同剂量的电解质溶液时监测了三个不同受试者的手腕的加速度，其体积从0.5到4盎司不等，显示了从饮水运动到饮水运动的高度可重复性，因此证明了使用腕戴式运动传感器133测量的加速度可以有效地识别饮水运动。

在至少一个示例中，在饮水事件期间用户的手移动的速度可能因人而异，甚至在同一人内也可能有很大不同。为了确保在大多数情况下以类似的方式表示饮水运动，可以使用诸如动态时间规整、动态平铺和零填充后的快速傅立叶变换等技术对加速度数据进行分段和预处理。图4示出了动态时间规整的示例，该动态时间规整用于通过匹配如虚线406所示的在信号的两个版本中共同的特征来将输入信号402映射到另一时间信号404。该共同映射允许将变换后的信号与代表饮水运动的信号库中的其他信号进行比较。

此外，可以使用对时间变化敏感的自适应算法(例如时间延迟或有限脉冲响应(fir)神经网络和/或长短期记忆网络(lstmn))来处理运动信号。每次用户新穿戴可穿戴设备时，可穿戴设备122可能会位于稍有不同的位置。同样，不同的用户可能以略有不同的方式饮水。因此，可以采用自适应信号处理方法来针对用户与用户之间以及穿戴与穿戴之间的变化进行调整。例如，旋转矩阵可用于重新定向可穿戴设备122，而与可穿戴设备122的穿戴方向无关。

还可以使用诸如正常活动识别、活动阈值和k近邻等算法来区分饮水和非饮水活动类别。例如，在正常活动识别中，可以通过首先计算表面法线，然后将表面法线向量的时间变化与存储在本地库中的预训练活动的时间变化进行比较，来识别特定活动。在k近邻分类方法中，可以为输入采样点分配k个最接近的先前分类点集的类别标签。例如，使用最近邻算法，可以将饮水事件与非饮水事件区分开，其准确度高于92％，灵敏度高于89％，特异性高于87％。

为了确定更准确地发生了饮水事件，可穿戴设备122可以将来自生物传感器124的生物学指标与来自运动传感器133的运动信号相关联。例如，用户停止呼吸以便饮水。这样，生物学指标可以包括呼吸速率或呼吸暂停。此外，为了补偿由于用户停止呼吸而造成的动脉血氧合的短暂损失，用户的循环系统通过增加血流量和增加心率来增加氧气的输送。这样，心率变异性(hrv)也会增加，而用户的呼吸率会降低。因此，生物学指标可以包括心率激增和/或hrv变化。

饮水可能不是导致一段时间内心率变异性的唯一动作。该时间段可以是例如3秒、10秒或30秒。心率变异性也可能由需要通过改变血容量进行补偿的其他动作引起。例如，当一个人突然站起来时，他们的心率通常会增加，以确保在更高的高度向他们的头部适当供氧。这样，可穿戴设备122可以利用指示饮水事件的附加生物学指标。例如，温度计组件144可以提供生物学指标，该生物学指标可以包括皮肤和/或核心温度的变化、皮肤和/或核心温度相对于环境温度的变化，因为饮水倾向于处于与环境温度相比的不同温度。例如，当环境温度很高时，饮水往往会变冷，反之亦然。另一个生物学指标可以是皮肤灌注的增加。皮肤通常用作储水器。这样，当用户脱水时，其外周脉管系统会收缩，导致皮肤和四肢的灌注减少。相反，当用户饮水并补充水分时，灌注会增加。这样，近红外光谱仪146可以测量组织水合和/或组织灌注，并且当测量组织灌注的增加时，可穿戴设备122可以确定检测到饮水事件。可以用来检测饮水事件的生物学指标的其他示例包括与饮水相关的声音和图像，该声音和图像可以通过嵌入在可穿戴设备122和/或移动设备100上的麦克风、静态相机和摄像机来捕获。

饮水还可以增加血浆量以及细胞内液和细胞外液之间的平衡，并且可以使用生物阻抗监测器148进行测量比率的变化，例如组织水合作用的变化。在吸水事件中，水在被消化道吸收之前通常是先通过腔的方式摄取，然后水被转移到血浆中。水从血浆中分布到整个人体，到达小动脉和毛细血管，在此水变成细胞外液，然后被人体细胞渗透吸收，从而变成细胞内液。细胞膜包含脂肪组织，因此对电流具有高度的抵抗力，而液体具有高传导性。因此，测量人体的生物阻抗可提供对细胞内液与细胞外液含量之比的估计，从而为我们提供用户体内液体流动的估计。生物阻抗监测器148可以测量生物学指标，包括皮肤电反应、皮肤电阻、皮肤电导、皮肤电反应、心理电反射、皮肤电导反应、交感性皮肤反应、皮肤电导水平和/或皮肤电活动。

图5示出了用于指示饮水事件的时间和体积的生物信号的示例。在图5所示的示例中，在用户摄入六次剂量的电解质溶液时，使用心率传感器152监测用户的心率：第一剂量502中的250ml和随后的五次剂量504、506、508、510、512中的每一个中的153ml，相当于每公斤总体重14毫升。虚线514标记每个饮水事件的开始。每次饮水后不久，用户的心率就会激增，而心率的激增会持续大约饮水时间。因此，在饮水事件中，心率波动的幅度和持续时间(高于基线)均随摄入的液体量而增加。在至少一个示例中，可以通过激增信号和基线信号之间的曲线下面积来估计摄入的液体的体积。

另外，为了改善对饮水事件的检测，可穿戴设备122和/或移动设备100可以访问用户的日历和/或社交媒体帐户上的特定事件，以帮助确定用户是否在给定的时间进行饮水活动。例如，对诸如“午餐”、“晚餐”和“早餐”之类的词的提及与饮水的可能性更高，而诸如“奔跑”、“锻炼”和“旋转课”之类的词与由于增加的体力活动而导致水合作用量减少的输出事件紧密相关，由于排汗和呼吸速率增加而导致液体损失增加。可穿戴设备122和/或移动设备100还可以使用用户的联系人和/或日历事件中的一个或多个来确定用户是否在用户所处的位置和/或与其一起经历饮水事件的一个或多个人的存在。

另外，可穿戴设备122和/或移动设备100可以使用用户的物理位置来帮助估计用户是否可能经历输入或输出事件。例如，当用户在餐厅、酒吧、咖啡馆或自助餐厅中时，用户饮水的可能性较高。物理位置的指示符还可以包括例如由环境光传感器154测量的环境光和uv暴露检测器，以指示用户是在室内还是室外。物理位置指示符的其他示例可以包括用户定期访问并存储在存储器186中的先前位置的知识，使用高度传感器158、大气压力传感器156和相对湿度传感器160检测器来确定用户是在室内还是室外和/或在给定建筑物的哪个楼层，以及由照相机184捕获的图像和/或视频。可穿戴设备122和/或移动设备100还可以向用户208发送一个或多个通知133。通知133可以还可以通过显示器、光、声音、振动和/或蜂鸣器中的一个或多个向用户208提供信息。

在至少一个示例中，然后可以将检测到的运动信号发送到移动设备100或远程计算机168。腕式设备210还可以用于通过有线或无线通信连接方式与移动设备100或其他连接的设备进行通信。例如，腕式设备210可以与由图2中的箭头指示的移动设备100、远程计算机168或基于云的计算机系统212无线通信。在另一示例中，腕式设备210可以经由有线连接与移动设备100、远程计算机168或基于云的计算机系统212通信。腕式设备210可以完全自给自足。在其他示例中，腕式设备210可以不与互联网和/或移动设备100连接。传输到基于云的计算机系统212或其他长期存储器存储设备的数据可以被存储以供将来使用和/或处理以提供对用户208有用的信息。

移动设备100的存储器120可操作以存储进一步的指令，以使移动设备100向用户208显示关于下一个饮水事件的推荐，该饮水事件包括输入活动、输入时间和/或输入持续时间。在至少一个示例中，可穿戴设备122可以在不存在移动设备100的情况下显示信息。例如，当用户208正在跑步时，移动设备100或可穿戴设备122可以显示在约五分钟内饮用两盎司水的指令。此外，移动设备100的存储器120可以使移动设备100在移动设备的显示器上显示确定的饮水事件，并接收所显示的饮水事件的确认或修改。而且，显示器102可以显示从远程计算机168、基于云的计算机系统212和/或一个或多个可穿戴设备122接收的数据。

显示器102还可显示包括以下一项或多项的输出事件：输出活动、输出定时和/或输出持续时间。输出事件可能是出汗、排尿、排便、排泄、咳嗽、打喷嚏、呕吐、失血、血浆流失、腹水流失、体液重新分布、腹泻、体温下降、温度变化、无知觉体液流失、脂肪流失、肌肉流失、骨质流失、卡路里燃烧、睡眠丧失、注意力丧失、警觉性丧失或大吼大叫或哭泣(情绪低落等指标)。

此外，可以显示输入和/或输出的净平衡。输入事件和输出事件的净平衡的长期监测可以由移动设备100和/或可穿戴设备122使用，以向用户208提供有关其健康、保健和外观的相关信息。有益信息包括水合平衡。例如，移动设备100和/或可穿戴设备122可以使用饮水事件和液体摄入的感测估计来通知用户继续饮用液体。

如图6所示，如何使用饮水检测事件来帮助确定用户的水合状态的示例。图6中所示的图600描绘了马尔可夫决策过程，其中当前状态独立于过去状态。解决马尔可夫决策过程的方法包括动态贝叶斯网络和最大似然估计。还可以包括期望最大化算法，例如baldi-chauvin算法和markov-chain蒙特卡洛算法，以及在线学习算法，例如baum-welch算法、贝叶斯(bayesian)在线算法和均值后验近似算法(meanposteriorapproximationalgorithm)。同样，用户的当前状态可能不是先验的，而只能从对其行为的观察中推断出来，这被称为“隐马尔可夫模型”，并且也可以通过上面列出的算法进行修改或不修改来解决。

在图6所示的示例图600中，一组可能用户状态包括以圆圈表示的饱和620、水合614、脱水608和非常脱水602。每个用户状态可以与水合水平的范围相关。对于每个用户状态，存在两个可能的用户动作的集合，例如饮水624、618、612、606和没有饮水622、616、610、604，它们由矩形表示。一旦用户采取了给定的动作，箭头就会显示可能的未来状态，其中实线箭头表示的过渡概率要高于虚线箭头的过渡概率，而虚线箭头的过渡概率要高于点状线箭头的过渡概率。例如，当用户状态为非常脱水602时，用户无法饮水604，并且用户非常脱水602的可能性很高。用户也可以饮水606，并且用户转变为脱水608或保持非常脱水602的可能性很高。用户转变为水合614的可能性是中等的，并且用户转变为饱和的可能性很低。注意，出于示例性目的，仅示出了与同非常脱水状态602相关联的饮水动作606和不饮水动作604相关联的转变概率箭头以及与同饱和状态620相关的饮水动作624和不饮水动作622相关联的转变概率箭头。与所有动作、所有状态关联的所有其他过渡概率箭头的确存在，但为清楚起见从图600中省略。

可以单独使用或组合使用至少一个传感器108或生物传感器124。例如，移动设备100可以从imu134获得数据，其中一个或多个饮水事件的确定是基于从imu134获得的关于时间和/或心率的数据。在至少一个示例中，从imu134检测到的心率峰值和运动的时间可以指示饮水事件的开始。此外，预定运动(例如返回到输入事件开始之前的位置)可以指示饮水事件的结束。

在根据本公开的至少一个示例中，移动设备100可操作以确定用户208的习惯并做出关于习惯改变的建议。移动设备100包括一个或多个内部传感器108，内部传感器108可操作以检测移动设备100的运动或设备的位置中的至少一项。移动设备100还包括处理器104和显示器102，处理器104耦接至一个或多个内部传感器108，显示器102耦接至处理器104并且可操作以显示从处理器104接收的数据314。通信组件118耦接至处理器104并且可操作以从以下至少之一接收数据314：远程计算机168或可操作以检测生物学指标206的一个或多个外部传感器组件122。移动设备100还包括存储器120，存储器120耦接至处理器104并且可操作以存储指令从而使处理器执行记录输入事件的过程。在至少一个示例中，可穿戴设备122可操作以确定用户208的习惯并做出关于习惯改变的建议320，而无需使用移动设备100和/或远程计算机168。

在根据本公开的至少一个示例中，移动设备系统200可操作从而为用户208提供关于输入的推荐，包括移动设备100和外部传感器122中的一个或多个。移动设备100包括至少一个传感器108和至少一个通信组件118，传感器108可操作以检测移动设备100的运动，通信组件118可通信以从一个或多个外部传感器组件122或远程计算机168接收数据314。移动设备100还包括耦接至至少一个传感器108和至少一个通信组件118的处理器104。移动设备系统200还可以包括以下一项或多项：具有组件处理器128的外部传感器组件122；生物传感器124，耦接至组件处理器128并且可操作以检测用户208的生物学指标206；或发射器126，可操作以将检测到的生物学指标206发送到移动设备100的至少一个通信组件118。远程计算机168包括处理器170和存储器174，存储器174可操作以存储指令从而执行记录输入事件的过程。

本文提供了许多示例以增强对本公开的理解。提供了一组特定的声明(statement)，如下所示。

声明1：公开了一种可穿戴设备，包括：至少一个运动传感器，所述运动传感器可操作以检测一个或多个运动信号；处理器，所述处理器耦接至所述至少一个运动传感器；一个或多个生物传感器，所述生物传感器耦接至所述处理器并且可操作以检测用户的一个或多个生物学指标；以及存储器，所述存储器被配置为存储可由所述处理器执行的指令，所述指令在被执行时可操作以：从所述至少一个运动传感器获得所述一个或多个运动信号中的至少一个；从所述一个或多个生物传感器获得所述用户的所述一个或多个生物学指标中的至少一个；将所述用户的所述至少一个生物学指标与检测到的一个或多个运动信号相关联；以及根据检测到的一个或多个运动信号与所述至少一个生物学指标之间的相关性，确定检测到饮水事件。

声明2：根据声明1所述的可穿戴设备，其中，使用动态时间规整对所述一个或多个运动信号进行预处理。

声明3：根据声明1或2所述的可穿戴设备，其中，所述至少一个运动传感器包括惯性运动单元、加速度计、磁力计和/或陀螺仪。

声明4：根据前述声明1-3中任一项所述的可穿戴设备，其中，通过机器学习分类技术来处理所述一个或多个运动信号。

声明5：根据声明4公开的可穿戴设备，其中，所述机器学习分类技术包括k近邻分类器和/或神经网络分类器。

声明6：根据前述声明1-5中任一项所述的可穿戴设备，其中，所述一个或多个生物传感器包括心率传感器，并且所述一个或多个生物学指标包括心率和/或心率变异性。

声明7：根据前述声明1-6中任一项所述的可穿戴设备，其中，所述一个或多个生物学指标包括心率的激增。

声明8：根据前述声明1-7中任一项所述的可穿戴设备，其中，所述一个或多个生物传感器包括温度计，并且所述一个或多个生物学指标包括组织温度和环境温度。

声明9：根据声明8公开的可穿戴设备，其中，所述一个或多个生物学指标包括组织温度的降低和/或组织温度相对于环境温度的降低。

声明10：根据前述声明1-9中任一项所述的可穿戴设备，其中，所述一个或多个生物传感器包括呼吸检测器，并且所述一个或多个生物学指标包括呼吸暂停。

声明11：根据前述声明1-10中任一项所述的可穿戴设备，其中，所述一个或多个生物传感器包括近红外光谱仪，并且所述一个或多个生物学指标包括组织灌注和/或血容量增加。

声明12：根据前述声明1-11中任一项所述的可穿戴设备，其中，所述一个或多个生物传感器包括光电容积描记仪，并且所述一个或多个生物学指标包括血氧饱和度、心率、心率变异性、血压和/或呼吸频率。

声明13：根据前述声明1-12中任一项所述的可穿戴设备，其中，所述一个或多个生物传感器包括生物阻抗监测器，并且所述一个或多个生物学指标包括组织水合作用变化。

声明14：根据前述声明1-13中任一项所述的可穿戴设备，其中，所述一个或多个生物传感器包括大气压传感器、高度传感器、相对湿度传感器、麦克风、时钟和事件标记和/或照相机。

声明15：根据声明13公开的可穿戴设备，其中，所述一个或多个生物学指标包括血容量、血压、大气压、高度、湿度、与进食和/或饮水有关的声音、时间、时间跨度、与饮水有关的图像和/或视频。

声明16：根据前述声明1-15中任一项所述的可穿戴设备，进一步包括：一个或多个附加传感器，所述附加传感器耦接至所述处理器并且可操作以检测一个或多个附加指标，并且所述指令还可操作以：从所述一个或多个附加传感器中获取所述一个或多个附加指标的至少一个；将所述至少一个附加指标与所述用户的所述至少一个生物学指标以及所述一个或多个运动信号相关联；基于所述至少一个附加指标与所述一个或多个运动信号和所述至少一个生物学指标之间的相关性，确定检测到饮水事件。

声明17：根据声明16所述的可穿戴设备，其中，所述一个或多个附加传感器包括全球定位系统组件，并且所述一个或多个附加指标包括物理位置。

声明18：根据声明17所述的可穿戴设备，其中，所述物理位置包括餐厅和/或酒吧。

声明19：根据声明17或18公开的可穿戴设备，其中，所述物理位置由日历、事件和/或在一个或多个社交媒体应用上的帖子、环境光、紫外线暴露、湿度、高度、图片、视频和/或以前访问过的位置确定。

声明20：公开了一种系统，包括：可穿戴设备，包括：至少一个运动传感器，所述运动传感器可操作以检测一个或多个运动信号；处理器，所述处理器耦接至所述至少一个运动传感器；一个或多个生物传感器，所述生物传感器耦接至所述处理器并且可操作以检测用户的一个或多个生物学指标；以及与所述可穿戴设备通信地耦接的移动设备，所述移动设备包括存储器，所述存储器被配置为存储可由所述处理器执行的指令，所述指令在被执行时可操作以：从所述可穿戴设备获得一个或多个运动信号中的至少一个；从所述可穿戴设备中获得所述用户的所述一个或多个生物学指标中的至少一个；将所述用户的所述至少一个生物学指标与所述一个或多个运动信号相关；以及基于所述一个或多个运动信号与所述至少一个生物学指标之间的相关性确定检测到饮水事件。

声明21：根据声明20所述的系统，其中，使用动态时间规整对所述一个或多个运动信号进行预处理。

声明22：根据声明20或21所述的系统，其中，所述至少一个运动传感器包括惯性运动单元、加速度计、磁力计和/或陀螺仪。

声明23：根据前述声明20-22中任一项所述的系统，其中，通过机器学习分类技术来处理所述一个或多个运动信号。

声明24：根据声明23所述的系统，其中，机器学习分类技术包括k最近邻分类器和/或神经网络分类器。

声明25：根据前述声明20-24中任一项所述的系统，其中，所述移动设备还包括可操作以确定用户的物理位置的全球定位系统组件；所述指令在被执行时还可操作以：将所述用户的所述物理位置与所述至少一个生物学指标和所述一个或多个运动信号相关；以及基于所述物理位置与所述至少一个生物学指标和所述一个或多个运动信号之间的相关性确定检测到饮水事件。

声明26：根据前述声明20-25中的任何一项所述的系统，其中，所述一个或多个生物传感器包括心率传感器，并且所述一个或多个生物学指标包括心率和/或心率变异性。

声明27：根据声明26所述的系统，其中，所述一个或多个生物学指标包括心率激增。

声明28：根据前述声明20-27中任一项所述的系统，其中，所述一个或多个生物传感器包括温度计，并且所述一个或多个生物学指标包括组织温度和环境温度。

声明29：根据声明28所述的系统，其中，所述一个或多个生物学指标包括组织温度的降低和/或组织温度相对于环境温度的降低。

声明30：根据前述声明20-29中任一项所述的系统，其中，所述一个或多个生物传感器包括呼吸检测器，并且所述一个或多个生物学指标包括呼吸暂停。

声明31：根据前述声明20-30中任一项所述的系统，其中，所述一个或多个生物传感器包括近红外光谱仪，并且所述一个或多个生物学指标包括组织灌注和/或血容量的增加。

声明32：根据前述声明20-31中任一项所述的系统，其中，所述一个或多个生物传感器包括光电容积描记仪，并且所述一个或多个生物学指标包括血氧饱和度、心率、心率变异性、血压和/或呼吸频率。

声明33：根据前述声明20-32中任一项所述的系统，其中，所述一个或多个生物传感器包括生物阻抗监测器，并且所述一个或多个生物学指标包括组织水合作用变化。

声明34：根据前述声明20-33中任一项所述的系统，其中，一个或多个生物传感器包括大气压传感器、高度传感器、相对湿度传感器、麦克风、时钟、事件标记和/或照相机。

声明35：根据声明34所述的系统，其中，所述一个或多个生物学指标包括血容量、血压、大气压、高度、湿度、与进食和/或饮水有关的声音、时间、时间跨度、与饮水相关的图像和/或视频。

声明36：根据前述声明25-35中任一项所述的系统，其中，所述物理位置由日历、事件和/或在一个或多个社交媒体应用上的帖子、环境光、uv暴露、湿度、高度、图像、视频和/或以前访问过的位置确定。

上面的描述包括体现本公开的技术的示例系统、方法、技术、指令序列和/或计算机程序产品。然而，应理解，可以在没有这些具体细节的情况下实践所描述的公开。

相信通过前面的描述将理解本公开及其许多附带的优点，并且显而易见的是，在不脱离所公开的主题的前提下或在不牺牲其所有实质优势的情况下，可以对组件的形式、构造和布置进行各种改变。所描述的形式仅是说明性的，并且所附权利要求书旨在包含和包括这种改变。

尽管已经参考各种示例描述了本公开，但是将理解，这些示例是说明性的，并且本公开的范围不限于它们。许多变化、修改、增加和改进都是可能的。更一般地，已经在特定实现的上下文中描述了根据本公开的示例。在本公开的各种示例中或可以用不同的术语来描述，功能可以在方框中不同地分离或组合。这些和其他变型、修改、添加和改进可以落入如所附权利要求书所限定的本公开的范围内。