Wow! but how?

Hvordan BioCoherence-teknologi fungerer

Wow! Men hvordan? Dette er det viktigste spørsmålet nye brukere stiller etter sin første skanning.

La meg forklare i enkle termer. Hvis du foretrekker å gå dypere, er det en mer grundig forklaring etter dette.

Rask forklaring

Fra rå opptak til innsikter

BioCoherence begynner med en EKG (elektrokardiogram) opptak, ved hjelp av en medisinsk sertifisert sensor. Mens den primært registrerer hjertets elektriske aktivitet, fanger sensoren også den elektriske aktiviteten i hele kroppen, fra venstre finger til høyre finger. Disse omfattende dataene vises som det viktigste EKG-opptaket, dominert av hjertets rytme, men viser også andre subtile elektriske aktiviteter.

Databehandling og analyse

Rådata til funksjoner: Det innledende EKG-opptaket inkluderer både den primære hjerterytmen og andre elektriske frekvenser. Automatisk filtrering utelukker problematiske slag (f.eks. på grunn av bevegelse), noe som muliggjør nøyaktig analyse.

Flere nivåer av analyse:

1. Førsteordensanalyse:
• Henter ut primære data fra EKG, som spesifikke frekvenser (VLF, LF, HF) og tidsbaserte intervaller (HRV).
• Bruker omfattende publisert forskning for å utlede akademiske biomarkører.

2. Andreordensanalyse:

• Analyserer førsteordensdataene for å avdekke nye egenskaper, som harmoniske og entropi.
• Beregner ytterligere biomarkørinformasjon, inkludert kvaliteter som oppmerksomhet og intensjon.

3. Tredjeordensanalyse:

• Identifiserer forbindelser og resonanser mellom elementer, og viser energiske relasjoner (f.eks. mellom organer).
• Bruker komplekse algoritmer for å beregne TCM-oppskrifter og tilknyttede elementer.

4. Fjerdeordensanalyse:

• Beregner ressurser og prioriteringer, som indikerer hvilke biomarkører som er mest betydningsfulle.
• Integrerer funnene i en sammenhengende oversikt over brukerens helse.

Brukerfordeler:

• Skannemodul: Gir detaljert biomarkøranalyse, kroppskart og grafer.
• Testmodul: Tilbyr sanntids biofeedback og et åpent opprettelsessystem.
• Balansemodule: Genererer tilpassede meditasjoner og rapporter.

Dagsverdi: Fokuserer på høyere ordens informasjon (ressurser, prioriteringer) som gir de mest praktiske innsiktene for brukerne, samtidig som det fortsatt gir tilgang til alle detaljerte data.

Avslutningsvis bruker BioCoherence avanserte matematiske algoritmer for å transformere rå EKG-data til verdifulle helseinnsikter, og tilbyr en flernivåanalyse som avdekker omfattende informasjon om kroppens elektriske aktivitet. Denne innovative tilnærmingen gir brukerne handlingsrettet data for å forbedre deres velvære.

Detaljert forklaring

La oss gå i dybden... Jeg vil prøve å svare så dypt som mulig uten å gå inn på tekniske områder...

I begynnelsen var den rå opptakelsen

BioCoherence begynner med et EKG-opptak. EKG står for « elektrokardiogram » som betyr at vi bruker en medisinsk sertifisert enhet (vår sensor) som primært er ment å registrere hjertets elektriske aktivitet. Men det er en hake: hjertet er det mest kraftfulle, men er ikke det eneste organet i kroppen som har elektrisk aktivitet. Vi vet at hjernen gjør det (det vises på et EEG, et elektroencefalogram), men faktisk har hvert organ, hvert atom, hvert system en magnetisk og elektrisk aktivitet. Når vi måler fra venstre finger til høyre finger, registrerer sensoren mye mer enn bare hjertets pulsfrekvens: den registrerer hele kroppens magnetiske og elektriske aktivitet.

Så det første vi har er mye elektrisk informasjon, som vises som det viktigste EKG-opptaket. Dette domineres tydelig av hjerteslagets hovedrytme, men det er mye som skjer under denne hovedaktiviteten, og det vises i BioCoherence som den grå linjen som vibrerer rundt hovedbølgen. Her vil vi finne data for å gjenskape tusenvis av biomarkørers aktivitet.

Du kan se det på frekvenssidene: nær bunnen av frekvensgrafen har du alltid en mørk linje som er den viktigste frekvensen (pulsen), men du kan også se mange andre frekvenser til stede i opptaket. Denne frekvensgrafen er en annen måte å se opptaksbølgen på, ved å transformere en tidsbasert informasjon til en frekvensbasert graf; men dette er fortsatt den samme rå informasjonen.

Vi la til noe automatisk filtrering for å ekskludere de slagene som er problematiske (fordi, for eksempel, brukeren beveget seg og det elektriske signalet var utenfor skjema i noen sekunder), og på det punktet kan vi begynne å analysere dette opptaket for å trekke ut funksjoner.

Nye egenskaper

I systemteori er det et viktig begrep kalt « nye egenskaper ». For å være kortfattet sier det at med hvert nytt nivå av kompleksitet dukker det opp nye egenskaper som ikke er direkte avledet fra egenskapene på lavere nivå. For eksempel kan du blande 2 svært brennbare gasser (oksygen og hydrogen) og få en stabil væske (vann) som har egenskaper umulige å gjette fra disse gassene. Dette er grunnen til at vi gjør en analysemulti-nivå-bestilling, der hvert nivå bruker egenskapene fra det forrige nivået, og hvert nivå avdekker nye relasjoner som ikke kunne eksistere på det forrige nivået.

Alt dette gjøres utelukkende med matematikk. I motsetning til flertallet av andre «energis vurderingsenheter» som hovedsakelig er basert på tilfeldige tall-generatorer, er algoritmene i BioCoherence utelukkende basert på matematikk, og derfor vil resultatene alltid være nøyaktig de samme for en opptak. Faktisk blir hele beregningen gjort på nytt hver gang du åpner et opptak.

Så kommer en førstegangs analyse

Nå vil algoritmene våre gjøre en førstegangs analyse av disse rådataene, for å trekke ut førstegangs informasjon. Dette kan komme, for eksempel, fra spesifikke frekvenser eller frekvensområder (som for VLF, LF eller HF) eller tidsbasert intervallanalyse (som for HRV).

Vi har brukt mye publisert forskning fra et veldig bredt utvalg av EKG-forskere som vanligvis ikke snakker sammen for å komme opp med omfattende lister over informasjon som vi har trukket ut på dette nivået.

Denne førstegangs analysen gir oss hovedsakelig de akademiske biomarkørene, ettersom dette vanligvis er der offisiell forskning stopper. Dette er fordi signalbehandling vanligvis er ganske begrenset i medisinsk forskning*, mens jeg har anvendt musikalsk signalbehandling som er langt mer avansert. Siden DSP-er (digitale signalprosessorer) erstattet analog behandling i musikk siden 90-tallet, har det blitt gjort en enorm mengde forskning for å forstå, emulere og behandle digitale opptak med mange verktøy som lydeffekter eller ulike verktøy for å justere digitalt musikalsk innhold i sanntid. Dette er i hovedsak de samme algoritmene som vi bruker i BioCoherence: avansert matematikk som lydteknikere kjenner til i musikkbehandling, men ingen bruker i medisinske applikasjoner.

Ting begynner å bli interessante i andreordensanalyse

Når vi har disse førsteordensdataene, får vi nye egenskaper og vi kan gjøre flere andreordensanalyser på disse nye egenskapene. For eksempel, som en førsteordensanalyse beregnet vi et spektrum: takket være en matematisk algoritme kalt FFT (Fast Fourier Transform), kan vi vise den rå opptakelsen som frekvenser i stedet for en bølge. Nå, i en andreordensanalyse vil vi beregne et Cepstrum (som er en 2^nd ordens FFT) som lar oss trekke ut ikke frekvensene, men harmonikene i signalet: med ett ord, det trekker ut frekvensene som resonnerer harmonisk sammen. Ved å bruke disse resultatene, vil vi da oppnå noen nye biomarkører.

• Et eksempel på en annen 2^nd ordensanalyse er beregningen av entropi (eller « agitasjon ») for hver biomarkør. Med ett ord, det viser hvor en spesifikk biomarkør er statisk eller agitated.
• Andre eksempler på 2^nd ordensanalyser er kvalitetene vi viser til høyre for en biomarkør, som oppmerksomhet, intensjon og horisont (egenskaper utvunnet fra deres musikalske kvaliteter), og hovedsykluser.

Det er mange 2^nd ordensanalyser gjort på signalet, og dermed får vi mange nye biomarkørinformasjoner. Men vi vil ikke stoppe her, fordi dette nye nivået avdekker noen nye interessante egenskaper som ikke eksisterte før.

Igjen, vi har brukt mye publisert forskning fra en veldig variert gruppe forskere, nå ikke på EKG-data, men på terapi-spesifikke data som Ayurveda, TCM, energivurdering eller moderne medisinsk vitenskap.

En tredjefordelsanalyse: lenker og resonanser

Nå kommer et annet nivå av kompleksitet med sine nye underverker. Ved å bruke alle de nye dataene fra 2^nd orden, kan vi beregne nye egenskaper, som for eksempel lenker mellom elementer. Disse lenkene vises overalt i appen, som på grafer eller kroppskart; de lar oss forstå de viktigste energetiske forholdene mellom, si, organer: hvis et organ er knyttet til et annet, kan det indikere at det foregår en energetisk overføring, og det ene hjelper eller blir hjulpet av det andre.

Dessa lenkene er beregnet med en ganske kompleks multidimensjonal algoritme som bruker avansert vektormatematikk for å trekke ut felles resonanser mellom elementer. Men vi prøvde å skjule denne kompleksiteten og presentere bare resultatet, som er klare lenker mellom elementene.

• Som en del av prosessen beregnet vi tonnevis av data, og det viser seg som « lenkekvaliteter » og tilknyttede elementer for hver biomarkør.
• Et annet eksempel på 3. orden er beregningen av TCM-oppskrifter. Vi reverserte logikken bak TCM-oppskriftene, som bruker flere akupunkturpunkter for å kurere spesifikke symptomer. Ved å reversere det, sier vi: hvis disse punktene er knyttet av disse 3. ordenseigenskapene, kan det indikere det tilknyttede symptomet i deres gruppe.

Igjen brukte vi publisert forskning om terapi-spesifikke data. Bortsett fra TCM-oppskrifter, kommer lenkelogikken fra arbeidet til mange utøvere vi har samarbeidet med, som prøver å gå opp den kausale kjeden for å finne rotårsaker.

Hvorfor ikke gå videre?

OK, mens vi er i gang, la oss fortsette med disse nye fremvoksende egenskapene, og gjøre en 4. nivåanalyse. Med alle disse nye datapunktene kan vi nå beregne ressurser og prioriteringer. Ressurser beregnes av en 4. nivå algoritme som bruker informasjon fra alle nivåer under for å beregne en enkelt «ressursverdi», som vist på ressurssiden (når du klikker på en ressurs for å endre den om nødvendig). Det indikerer hvordan en biomarkør i en gitt familie er «øverst i generøsitetskjedet». Ressursteorien kommer fra Christine Degoys arbeid og er mye mer forklart i hennes kommende bøker.

Prioriteringer, på den annen side, er på en måte underdogene, de «nederste i næringskjeden» delene. De er hentet fra 3. ordens informasjoner og lavere, i henhold til energi, agitasjon eller sammenheng i en gitt biomarkørfamilie. Når vi har beregnet energi, agitasjon og sammenheng, kan vi nå sette som prioriteringer de altfor lave energiene, de altfor høye energiene, de altfor statiske og de altfor agiterte elementene, samt de koherente systemene som kan indikere at noe skjer.

Og nå, la oss danse baklengs

La oss gå tilbake til vårt H2O vann eksempel. Når du først ser vann, analyserer du det ikke fra dets gassformige komponenter. Du ser bare de øverste egenskapene: at du kan drikke det; at du kan svømme i det; at det kan blande seg med andre elementer, osv. Vanligvis når vi ser et komplekst system, ser vi det fra utsiden og vi ser bare de øverste egenskapene. Og, hver gang vi avdekket et ekstra nivå av orden, innså vi hvor nyttig det var for hverdagsbrukere. Så, i BioCoherence, har vi en tendens til å snu viktigheten av informasjonen og starte med ressurser (en 4. ordens informasjon), prioriteringer (en 3. ordens informasjon), biomarkørblomsten (en 2^nd ordens informasjon) og biomarkørkvaliteter (en 3. ordens informasjon). Det er fortsatt mulig å gå ned til den første ordens informasjonen (bølgen og spektret), men det som gir mest dag-til-dag verdi er de øvre nivåene.

Kompleksitetsordene vises gjennom de øverste høyre pilene på startsiden (de kan klikkes for å gjøre beregningene på hvert nivå på nytt), men menylogikken (og rapportrekkefølgen) er omvendt: den starter med de øverste nivåene (balanse: ressurser, prioriteringer og rapport) da dette vanligvis er den viktigste informasjonen å starte med.

Og det er alt for skanne-delen.