Wow! but how?

Hur BioCoherence-teknologin fungerar

Wow! Men hur? Detta är den huvudsakliga frågan som nya användare ställer efter sin första skanning.

Låt mig förklara i enkla termer. Om du föredrar att gå djupare finns det en mer detaljerad förklaring efter detta.

Snabb förklaring

Från rå inspelning till insikter

BioCoherence börjar med en EKG (elektrokardiogram) inspelning, med en medicinskt certifierad sensor. Medan den primärt registrerar hjärtats elektriska aktivitet, fångar sensorn också den elektriska aktiviteten i hela kroppen, från vänster finger till höger finger. Dessa omfattande data visas som den huvudsakliga EKG-inspelningen, som domineras av hjärtats rytm men också visar andra subtila elektriska aktiviteter.

Databehandling och analys

Rådata till funktioner: Den initiala EKG-inspelningen inkluderar både den huvudsakliga hjärtrytmen och andra elektriska frekvenser. Automatisk filtrering utesluter problematiska slag (t.ex. på grund av rörelse), vilket möjliggör noggrann analys.

Flervalsanalys:

1. Första ordningens analys:
• Extraherar primära data från EKG, såsom specifika frekvenser (VLF, LF, HF) och tidsbaserade intervall (HRV).
• Använder omfattande publicerad forskning för att härleda akademiska biomarkörer.

2. Andra ordningens analys:

• Analyserar förstahandsdata för att avtäcka nya egenskaper, såsom harmoniska och entropi.
• Beräknar ytterligare biomarkörsinformation, inklusive kvaliteter som uppmärksamhet och avsikt.

3. Tredje ordningens analys:

• Identifierar samband och resonanser mellan element, som visar energiska relationer (t.ex. mellan organ).
• Använder komplexa algoritmer för att beräkna TCM-recept och relaterade element.

4. Fjärde ordningens analys:

• Beräknar resurser och prioriteringar, vilket indikerar vilka biomarkörer som är mest betydelsefulla.
• Integrerar fynd i en sammanhängande översikt av användarens hälsa.

Användarfördelar:

• Skanningsmodul: Ger detaljerad biomarköranalys, kroppskartor och diagram.
• Testmodul: Erbjuder realtids biofeedback och ett öppet skapandesystem.
• Balansmodul: Genererar anpassade meditationer och rapporter.

Värde i vardagen: Fokuserar på högre ordningens information (resurser, prioriteringar) som erbjuder de mest praktiska insikterna för användare, samtidigt som det fortfarande möjliggör tillgång till all detaljerad data.

Avslutningsvis använder BioCoherence avancerade matematiska algoritmer för att omvandla rå EKG-data till värdefulla hälsainsikter, vilket erbjuder en flervalsanalys som avslöjar omfattande information om kroppens elektriska aktivitet. Detta innovativa tillvägagångssätt ger användare handlingsbar data för att förbättra sitt välbefinnande.

Djupgående förklaring

Låt oss gräva djupare... Jag kommer att försöka svara så djupt som möjligt utan att gå in på tekniska områden...

I början var den råa inspelningen

BioCoherence börjar med en EKG-inspelning. EKG står för « elektrokardiogram » vilket betyder att vi använder en medicinskt certifierad enhet (vår Sensor) som främst är avsedd för att registrera hjärtats elektriska aktivitet. Men det finns en hake: hjärtat är det mest kraftfulla, men är inte det enda organet i kroppen som har en elektrisk aktivitet. Vi vet att hjärnan gör det (det visas på en EEG, ett elektroencefalogram), men i själva verket har varje organ, varje atom, varje system en magnetisk och elektrisk aktivitet. När vi mäter från vänster finger till höger finger, registrerar sensorn mycket mer än bara hjärtats pulsfrekvens: den registrerar hela kroppens magnetiska och elektriska aktivitet.

Så det första vi har är en massa elektrisk information, som visas som den huvudsakliga EKG-inspelningen. Detta domineras tydligt av hjärtslagets huvudrytm, men det finns många saker som pågår under denna huvudaktivitet, och det visas i BioCoherence som den grå linjen som vibrerar runt huvudvågen. Här kommer vi att hitta data för att återskapa tusentals biomarkörers aktivitet.

Du kan se det på frekvenssidorna: nära botten av frekvensgrafen har du alltid en mörk linje som är den viktigaste frekvensen (pulsen), men du kan också se många andra frekvenser som är närvarande i inspelningen. Denna frekvensgraf är ett annat sätt att se inspelningsvågen, genom att omvandla tidsbaserad information till en frekvensbaserad graf; men detta är fortfarande samma råa information.

Vi har lagt till lite automatisk filtrering för att utesluta de slag som är problematiska (eftersom, till exempel, användaren rörde sig och den elektriska signalen var utanför skalan i några sekunder), och vid det laget kan vi börja analysera denna inspelning för att extrahera funktioner.

Emergenta egenskaper

I systemteori finns det ett viktigt begrepp kallat « emergenta egenskaper ». För att vara kortfattad säger det att, med varje ny nivå av komplexitet uppstår nya egenskaper som inte direkt härleds från egenskaperna på den lägre nivån. Till exempel kan du blanda 2 mycket brandfarliga gaser (syre och väte) och få en stabil vätska (vatten) som har egenskaper som är omöjliga att gissa från dessa gaser. Det är därför vi gör en flernivåanalys, där varje nivå använder egenskaperna från den föregående nivån, och varje nivå avtäcker nya relationer som inte kunde existera på den föregående nivån.

Allt detta görs helt och hållet med matematik. Till skillnad från majoriteten av andra « energibedömningsenheter » som mestadels baseras på slumpmässiga talgeneratorer, baseras algoritmerna i BioCoherence helt på matematik, och därför kommer resultaten alltid att vara exakt desamma för en inspelning. Faktum är att hela beräkningen görs om varje gång du öppnar en inspelning.

Då kommer en förstahandsanalys

Nu kommer våra algoritmer att göra en förstahandsanalys av dessa rådata för att extrahera förstahandsinformation. Detta kan komma, till exempel, från specifika frekvens- eller frekvensområden (som för VLF, LF eller HF) eller tidsbaserad intervallanalys (som för HRV).

Vi har använt mycket publicerad forskning från en mycket bred variation av ECG-forskare som vanligtvis inte pratar med varandra för att komma fram till långa listor av information som vi extraherade på denna nivå.

Denna förstahandsanalys ger oss främst de akademiska biomarkörerna, eftersom detta vanligtvis är där officiella forskningar stannar. Detta beror på att signalbehandling vanligtvis är ganska begränsad inom medicinsk forskning*, medan jag tillämpade musikalisk signalbehandling som är mycket mer avancerad. Eftersom DSP:er (digitala signalprocessorer) ersatte analog behandling inom musik sedan 90-talet, har en enorm mängd forskning genomförts för att förstå, emulera och bearbeta digitala inspelningar med många verktyg som ljudeffekter eller olika verktyg för att justera ett digitalt musikaliskt innehåll i realtid. Dessa är i grund och botten samma algoritmer som vi använder i BioCoherence: avancerad matematik som ljudtekniker känner till inom musikbehandling men som ingen använder inom medicinska tillämpningar.

Saker börjar bli intressanta i andra ordningens analys

När vi har dessa förstahandsdata får vi nya egenskaper och vi kan göra flera andra ordningens analyser av dessa nya egenskaper. Till exempel, som en förstahandsanalys beräknade vi ett spektrum: tack vare en matematisk algoritm kallad FFT (Fast Fourier Transform), kan vi visa den råa inspelningen som frekvenser istället för en våg. Nu, i en andra ordningens analys kommer vi att beräkna ett Cepstrum (som är en 2^nd ordningens FFT) som gör att vi kan extrahera inte frekvenserna, utan harmonikerna i signalen: med ett ord, det extraherar frekvenserna som resonerar harmoniskt tillsammans. Med hjälp av dessa resultat kommer vi att få några nya biomarkörer.

• Ett exempel på en annan 2^nd ordningens analys är beräkningen av entropi (eller « agitation ») av varje biomarkör. Med ett ord, det visar hur en specifik biomarkör är statisk eller agiterad.
• Andra exempel på 2^nd ordningens analyser är de egenskaper vi visar till höger om en biomarkör, som uppmärksamhet, avsikt och horisont (egenskaper extraherade från deras musikaliska kvaliteter), och huvudcykler.

Det finns många 2^nd ordningens analyser gjorda på signalen, och så får vi många nya biomarkörsinformationer. Men vi kommer inte att stanna här, eftersom denna nya nivå avslöjar några nya intressanta egenskaper som inte fanns tidigare.

Återigen, vi använde mycket publicerad forskning av en mycket bred variation av forskare, nu inte på EKG-data, utan på terapisspecifika data som Ayurveda, TCM, energetisk bedömning eller modern medicinsk vetenskap.

En tredje ordningens analys: länkar och resonanser

Nu kommer en annan nivå av komplexitet med sina nya underverk. Med all 2^nd ordningens nya data vi har kan vi beräkna nya egenskaper, som till exempel, länkar mellan element. Dessa länkar visas överallt i appen, som på grafer eller kroppskartor; de gör att vi kan förstå de huvudsakliga energetiska relationerna mellan, säg, organ: om ett organ är kopplat till ett annat kan det indikera att en energitransfer äger rum, och en hjälper eller blir hjälpt av den andra.

Dessa länkar beräknas med en ganska komplex multidimensionell algoritm som använder avancerad vektormatematik för att extrahera gemensamma resonanser mellan element. Men vi försökte dölja denna komplexitet och endast återge resultatet, som är tydliga länkar mellan elementen.

• Som en del av processen har vi beräknat mängder av data och det visar sig som « länkegenskaper » och länkade element för varje biomarkör.
• Ett annat exempel på 3:e ordningen är beräkningen av TCM-recept. Vi har bakåtstrukturerat logiken för TCM-recept, som använder flera akupunkturpunkter för att bota specifika symptom. Genom att vända på det säger vi: om dessa punkter är kopplade av dessa 3:e ordningens egenskaper, kan det indikera det associerade symptomet för deras grupp.

Återigen använde vi publicerad forskning om terapi-specifik data. Förutom TCM-recept kommer logiken för länkar från arbetet av många utövare vi har samarbetat med, som försöker gå upp i den kausala kedjan för att hitta grundorsaker.

Varför inte gå längre?

Okej, medan vi är igång, låt oss fortsätta med dessa nya framträdande egenskaper och göra en analys på 4:e nivån. Med alla dessa nya datapunkter kan vi nu beräkna resurser och prioriteringar. Resurser beräknas av en algoritm på 4:e nivån som använder information från alla lägre nivåer för att beräkna ett enda « resursvärde », som visas på resursidan (när du klickar på en resurs för att ändra den om det behövs). Det indikerar hur en biomarkör i en given familj är « högst upp i generositetens kedja ». Resursteorin kommer från Christine Degoys arbete och förklaras mycket mer i hennes kommande böcker.

Prioriteringar, å sin sida, är på något sätt underdogen, de « längst ner i näringskedjan » delarna. De extraheras från information på 3:e ordningen och nedåt, enligt energi, agitation eller koherens i en given biomarkörfamilj. Eftersom vi har beräknat energi, agitation och koherens, kan vi nu sätta som prioriteringar de för låga energinivåerna, de för höga energinivåerna, de för statiska och de för agiterade elementen, samt de koherenta systemen som kan indikera att något är på gång.

Och nu, låt oss dansa baklänges

Låt oss gå tillbaka till vårt H2O vattenexempel. När du först ser vatten analyserar du det inte utifrån dess gasformiga komponenter. Du ser bara egenskaperna på hög nivå: att du kan dricka det; att du kan simma i det; att det kan blandas med andra element, osv. Vanligtvis när vi ser ett komplext system ser vi det utifrån och vi ser bara egenskaperna på hög nivå. Och varje gång vi avtäcker en ytterligare nivå av ordning, inser vi hur användbar den var för vardagliga användare. Så, i BioCoherence tenderar vi att vända vikten av informationen och börja med resurser (en 4:e ordningens information), prioriteringar (en 3:e ordningens information), biomarkörblomma (en 2^nd ordningens information) och biomarkörkvaliteter (en 3:e ordningens information). Det är fortfarande möjligt att gå ner till den första ordningens information (vågen och spektrumet) men vad som ger mest värde i vardagen är de högre nivåerna.

Komplexitetsordningarna visas genom de övre högra pilarna på startsidan (de kan klickas för att göra om beräkningarna på varje nivå), men menulogiken (och rapportordningen) är omvänd: den börjar med de övre nivåerna (balans: resurser, prioriteringar och rapport) eftersom detta vanligtvis är den viktigaste informationen att börja med.

Och det är allt för skanningsdelen.