Wow! but how?

BioCoherence 기술이 작동하는 방식

와우! 하지만 어떻게? 이것은 새로운 사용자들이 첫 번째 스캔 후에 묻는 주요 질문입니다.

간단한 용어로 설명하겠습니다. 더 깊이 있는 설명을 원하신다면, 이 뒤에 더 상세한 설명이 있습니다.

간단한 설명

원시 기록에서 통찰력으로

BioCoherence는 의료 인증 센서를 사용하여 ECG(심전도) 기록으로 시작합니다. 심장의 전기적 활동을 주로 기록하는 동안, 이 센서는 왼쪽 손가락에서 오른쪽 손가락까지 전신의 전기적 활동도 포착합니다. 이 포괄적인 데이터는 심장의 리듬에 의해 지배되지만, 다른 미세한 전기적 활동도 보여주는 주요 ECG 기록으로 나타납니다.

데이터 처리 및 분석

원시 데이터에서 특징으로: 초기 ECG 기록에는 주요 심장 리듬과 다른 전기 주파수가 포함됩니다. 자동 필터링은 문제 있는 비트(예: 움직임으로 인한)를 제외하여 정확한 분석이 가능하게 합니다.

다단계 분석:

1. 1차 분석:
• 특정 주파수(VLF, LF, HF) 및 시간 기반 간격(HRV)과 같은 ECG에서 기본 데이터를 추출합니다.
• 광범위한 공개 연구를 사용하여 학문적 바이오마커를 도출합니다.

2. 2차 분석:

• 1차 데이터를 분석하여 고조파 및 엔트로피와 같은 새로운 속성을 밝혀냅니다.
• 주의력 및 의도와 같은 특성을 포함한 추가 바이오마커 정보를 계산합니다.

3. 3차 분석:

• 요소 간의 연결 및 공명을 식별하여 에너지 관계를 보여줍니다(예: 장기 간의 관계).
• 복잡한 알고리즘을 사용하여 TCM 레시피 및 연결된 요소를 계산합니다.

4. 4차 분석:

• 자원 및 우선 순위를 계산하여 어떤 바이오마커가 가장 중요한지를 나타냅니다.
• 사용자의 건강에 대한 일관된 개요로 연구 결과를 통합합니다.

사용자 혜택:

• 스캔 모듈: 상세한 바이오마커 분석, 신체 지도 및 그래프를 제공합니다.
• 테스트 모듈: 실시간 생체 피드백 및 개방형 창작 시스템을 제공합니다.
• 균형 모듈: 맞춤형 명상 및 보고서를 생성합니다.

일상적인 가치: 사용자가 가장 실용적인 통찰력을 제공하는 고차원 정보(자원, 우선 순위)에 중점을 두면서도 모든 세부 데이터에 대한 접근을 허용합니다.

결론적으로, BioCoherence는 고급 수학 알고리즘을 사용하여 원시 ECG 데이터를 유용한 건강 통찰력으로 변환하며, 신체의 전기적 활동에 대한 포괄적인 정보를 드러내는 다단계 분석을 제공합니다. 이 혁신적인 접근 방식은 사용자가 자신의 웰빙을 향상시키기 위한 실행 가능한 데이터를 제공합니다.

심층 설명

심층적으로 파고들어 보겠습니다... 기술적인 영역에 들어가지 않고 가능한 한 깊이 답변하려고 합니다...

처음에는 원시 기록이 있었습니다

BioCoherence는 ECG 기록으로 시작합니다. ECG는 « 심전도 »를 의미하며, 이는 우리가 심장의 전기 활동을 기록하기 위해 주로 사용되는 의료 인증 장치(우리의 센서)를 사용한다는 것을 의미합니다. 하지만, 하나의 단점이 있습니다: 심장은 가장 강력하지만, 전기 활동을 가진 유일한 장기가 아닙니다. 우리는 뇌도 전기 활동을 한다는 것을 알고 있습니다(EEG, 뇌파 측정을 통해 나타납니다), 하지만 사실 모든 장기, 모든 원자, 모든 시스템은 자기 및 전기 활동을 가지고 있습니다. 왼쪽 손가락에서 오른쪽 손가락까지 측정함에 따라 센서는 심장의 박동 속도 신호 이상으로 많은 것을 기록합니다: 그것은 온몸의 자기 및 전기 활동을 기록합니다.

그래서 우리가 처음으로 가진 것은 많은 전기 정보입니다. 이것은 주요 ECG 기록으로 표시됩니다. 이는 분명히 심장 박동의 주요 리듬에 의해 지배되지만, 이 주요 활동 아래에는 많은 것이 있습니다. BioCoherence에서는 주요 파동 주변에서 진동하는 회색 선으로 표시됩니다. 여기에서 우리는 수천 개의 바이오마커의 활동을 재구성할 데이터를 찾을 수 있습니다.

주파수 페이지에서 이것을 볼 수 있습니다: 주파수 그래프의 하단 근처에는 항상 가장 중요한 주파수(박동 속도)를 나타내는 어두운 선이 있지만, 기록에 존재하는 다른 많은 주파수도 볼 수 있습니다. 이 주파수 그래프는 시간 기반 정보를 주파수 기반 그래프로 변환하여 기록된 파형을 보는 또 다른 방법입니다; 그러나 여전히 같은 원시 정보입니다.

우리는 몇 초 동안 사용자가 움직였고 전기 신호가 차트를 벗어났기 때문에 문제가 있는 박동을 제외하기 위해 자동 필터링을 추가했으며, 이 시점에서 우리는 이 기록을 분석하여 특징을 추출할 수 있습니다.

emergent properties

시스템 이론에서 " emergent properties "라는 중요한 개념이 있습니다. 간단히 말하면, 각 새로운 복잡성 수준에서 하위 수준의 속성에서 직접 파생되지 않는 새로운 속성이 나타난다는 것을 의미합니다. 예를 들어, 두 가지 매우 인화성 가스(산소와 수소)를 혼합하면 이러한 가스에서 추측할 수 없는 특성을 가진 안정적인 액체(물)를 얻을 수 있습니다. 이것이 우리가 다단계 분석을 수행하는 이유이며, 각 수준은 이전 수준의 속성을 사용하고 각 수준은 이전 수준에서는 존재할 수 없는 새로운 관계를 드러냅니다.

이 모든 것은 순수하게 수학으로 이루어집니다. 대부분의 다른 " 에너지 평가 장치 "가 주로 난수 생성기에 기반하고 있는 것과 달리, BioCoherence의 알고리즘은 순수하게 수학에 기반하므로 결과는 녹음이 동일할 때마다 항상 정확히 동일합니다. 사실, 녹음을 열 때마다 전체 계산이 다시 이루어집니다.

그 다음은 1차 분석이 진행됩니다

이제 우리의 알고리즘은 이 원시 데이터에 대해 1차 분석을 수행하여 1차 정보를 추출합니다. 이는 특정 주파수 또는 주파수 범위(예: VLF, LF 또는 HF) 또는 시간 기반 간격 분석(예: HRV)에서 올 수 있습니다.

우리는 일반적으로 함께 이야기하지 않는 매우 다양한 ECG 연구자들이 발표한 많은 연구를 활용하여 이 수준에서 추출한 정보의 폭넓은 목록을 작성했습니다.

이 1차 분석은 주로 학문적 바이오마커를 제공합니다. 이는 일반적으로 공식 연구가 멈추는 곳이기 때문입니다. 신호 처리 기술은 의료 연구에서 상당히 제한적이기 때문입니다*, 반면 나는 음악 신호 처리 기술을 적용하여 훨씬 더 발전된 방식으로 작업했습니다. 90년대 이후 DSP(디지털 신호 처리기)가 음악의 아날로그 처리 방식을 대체하면서 디지털 녹음을 이해하고 모방하며 처리하기 위한 엄청난 양의 연구가 이루어졌습니다. 여기에는 음향 효과나 다양한 도구를 사용하여 디지털 음악 콘텐츠를 실시간으로 조정하는 것이 포함됩니다. 이는 BioCoherence에서 사용하는 기본 알고리즘과 같습니다: 음악 처리에서 음향 엔지니어들이 알고 있는 고급 수학이지만 의료 애플리케이션에서는 아무도 사용하지 않는 것입니다.

2차 분석에서 흥미로운 것들이 시작됩니다

첫 번째 데이터가 확보되면 새로운 속성이 생성되고 이러한 새로운 속성에 대해 여러 가지 2차 분석을 수행할 수 있습니다. 예를 들어, 1차 분석으로 스펙트럼을 계산했습니다: FFT(고속 푸리에 변환)라는 수학 알고리즘 덕분에 우리는 원시 기록을 파형이 아닌 주파수로 표시할 수 있습니다. 이제, 2차 분석에서는 주파수가 아닌 신호의 고조파를 추출할 수 있는 켑스트럼(2차 FFT)을 계산합니다: 즉, 서로 조화롭게 공명하는 주파수를 추출합니다. 이러한 결과를 사용하여 우리는 새로운 바이오마커를 얻을 것입니다.

• 다른 2차 분석의 예로는 각 바이오마커의 엔트로피(또는 « 동요 ») 계산이 있습니다. 간단히 말해, 특정 바이오마커가 정적이거나 동요하는 정도를 보여줍니다.
• 2차 분석의 또 다른 예로는 바이오마커의 오른쪽에 나타나는 주의, 의도 및 수평(그들의 음악적 특성에서 추출된 속성)과 주요 주기가 있습니다.

신호에 대해 수행된 많은 2차 분석이 있으며, 따라서 우리는 많은 새로운 바이오마커 정보를 얻습니다. 그러나 우리는 여기서 멈추지 않을 것이며, 이 새로운 수준은 이전에는 존재하지 않았던 흥미로운 새로운 속성을 드러냅니다.

다시 말해, 우리는 이제 ECG 데이터가 아닌 아유르베다, TCM, 에너지 평가 또는 현대 의학과 같은 치료 특정 데이터에 대해 매우 다양한 연구자들이 발표한 많은 연구를 사용했습니다.

세 번째 차수 분석: 링크와 공명

이제 새로운 경이로움으로 복잡성이 또 다른 수준에 도달했습니다. 우리가 가진 모든 2^차 새로운 데이터를 사용하여, 예를 들어 요소 간의 링크와 같은 새로운 속성을 계산할 수 있습니다. 이러한 링크는 앱의 그래프나 신체 지도와 같이 곳곳에 표시되어 있으며, 장기 간의 주요 에너지원 관계를 이해하는 데 도움을 줍니다: 장기가 다른 장기와 연결되어 있다면, 이는 에너지 전달이 이루어지고 있음을 나타낼 수 있으며, 하나가 다른 하나를 돕거나 도움을 받을 수 있습니다.

이러한 링크는 요소 간의 공통 공명을 추출하기 위해 고급 벡터 수학을 사용하는 상당히 복잡한 다차원 알고리즘으로 계산됩니다. 그러나 우리는 이 복잡성을 숨기고 요소 간의 명확한 링크인 결과만을 제공하려고 했습니다.

• 프로세스의 일환으로 우리는 방대한 데이터를 계산했으며, 이는 각 바이오마커에 대한 « 링크 품질 » 및 연결된 요소로 나타납니다.
• 또 다른 3차 예시로는 TCM 레시피의 계산이 있습니다. 우리는 특정 증상을 치료하기 위해 여러 침 acupuncture 포인트를 사용하는 TCM 레시피의 논리를 역설계했습니다. 이를 역으로 적용함으로써, 이러한 포인트가 이러한 3차 속성으로 연결되어 있다면, 그 그룹의 관련 증상을 나타낼 수 있다고 말합니다.

다시 말해, 우리는 치료 특정 데이터에 대한 발표된 연구를 사용했습니다. TCM 레시피 외에도, 링크 논리는 우리가 함께 작업한 많은 전문가들의 작업에서 나오며, 그들은 근본 원인을 찾기 위해 인과 관계를 거슬러 올라가려고 합니다.

더 나아가 보시는 건 어떠세요?

좋습니다, 이 기회를 통해 새로운 emergent properties에 대해 계속 이야기해봅시다. 4단계 분석을 진행하겠습니다. 이 모든 새로운 데이터 포인트를 바탕으로 이제 자원과 우선순위를 계산할 수 있습니다. 자원은 4단계 알고리즘에 의해 계산되며, 아래 모든 단계의 정보를 사용하여 단일 « 자원 가치 »를 산출합니다. 이는 자원 페이지에서 보여지며 (필요시 자원을 변경하기 위해 클릭할 때) 특정 가족의 바이오마커가 « 관대함 사슬의 정점에 있다 »는 것을 나타냅니다. 자원 이론은 Christine Degoy의 연구에서 유래되었으며 그녀의 곧 출간될 책에서 훨씬 더 자세히 설명될 것입니다.

한편, 우선순위는 다소 약자이며 « 먹이사슬의 바닥 » 부분입니다. 이는 주어진 바이오마커 가족에서 에너지, 동요 또는 일관성에 따라 3차 정보 및 그 이하에서 추출됩니다. 우리는 에너지, 동요 및 일관성을 계산했으므로 이제 너무 낮은 에너지, 너무 높은 에너지, 너무 정적인 요소 및 너무 동요하는 요소, 그리고 뭔가 일이 진행되고 있음을 나타낼 수 있는 일관된 시스템을 우선순위로 둘 수 있습니다.

이제, 거꾸로 춤을 춥시다

우리의 H2O 물 예제로 돌아가 봅시다. 물을 처음 볼 때, 우리는 그것을 기체 성분으로 분석하지 않습니다. 우리는 단지 최상위 순서의 속성만 봅니다: 마실 수 있다; 수영할 수 있다; 다른 요소와 혼합할 수 있다 등. 일반적으로 복잡한 시스템을 볼 때, 우리는 외부에서 그것을 보고 최상위 순서의 속성만을 봅니다. 그리고 매번 추가적인 순서의 레벨을 드러낼 때마다, 우리는 그것이 일상 사용자에게 얼마나 유용한지를 깨닫습니다. 그래서 BioCoherence에서는 정보의 중요성을 역전시키고 자원(4차 정보), 우선순위(3차 정보), 바이오마커 꽃(2^nd 차 정보) 및 바이오마커 특성(3차 정보)으로 시작하는 경향이 있습니다. 1차 순서 정보(파동 및 스펙트럼)로 내려가는 것도 여전히 가능하지만, 일상에서 가장 많은 가치를 가져다주는 것은 상위 레벨입니다.

복잡성 순서는 홈 화면의 오른쪽 상단 화살표를 통해 표시됩니다(각 레벨에서 수학을 다시 수행하려면 클릭할 수 있습니다), 하지만 메뉴 논리(및 보고서 순서)는 역전되어 있습니다: 상위 레벨(균형: 자원, 우선순위 및 보고서)부터 시작하는데, 이는 일반적으로 시작하기에 가장 중요한 정보입니다.

그리고 스캔 부분은 여기까지입니다.