Wow! but how?

BioCoherence技术如何运作

哇！但怎么回事？ 这是新用户在第一次扫描后问的主要问题。

让我用简单的术语来解释。如果你想更深入了解，后面还有更详细的解释。

快速解释

从原始记录到洞察

BioCoherence以ECG（心电图）记录开始，使用经过医学认证的传感器。在主要记录心脏电活动的同时，该传感器还捕捉整个身体的电活动，从左手指到右手指。这些综合数据作为主要的ECG记录显示出来，主要由心脏的节律主导，同时也显示出其他微妙的电活动。

数据处理与分析

原始数据到特征：初始的ECG记录包含主要的心脏节律和其他电频率。自动过滤排除问题节拍（例如，由于运动），从而允许准确分析。

多层次分析：

1. 一阶分析：
• 从ECG中提取主要数据，如特定频率（VLF、LF、HF）和基于时间的间隔（HRV）。
• 使用大量已发表的研究来推导学术生物标志物。

2. 二阶分析：

• 分析一阶数据以揭示新的特性，如谐波和熵。
• 计算额外的生物标志物信息，包括注意力和意图等特质。

3. 三阶分析：

• 识别元素之间的链接和共鸣，展示能量关系（例如，器官之间）。
• 使用复杂算法计算中医配方和相关元素。

4. 四阶分析：

• 计算资源和优先级，指示哪些生物标志物最重要。
• 将发现整合为用户健康的连贯概述。

用户收益：

• 扫描模块：提供详细的生物标志物分析、身体地图和图表。
• 测试模块：提供实时生物反馈和开放创作系统。
• 平衡模块：生成自定义冥想和报告。

日常价值：专注于提供更高层次的信息（资源、优先级），为用户提供最实用的洞察，同时仍允许访问所有详细数据。

总之，BioCoherence利用先进的数学算法将原始ECG数据转化为有价值的健康洞察，提供多层次的分析，揭示身体电活动的综合信息。这种创新的方法为用户提供可操作的数据，以增强他们的健康。

深入解释

让我们深入挖掘... 我将尽可能深入地回答而不进入技术领域...

最初是原始记录

BioCoherence 从 ECG 记录开始。ECG 代表“心电图”，这意味着我们使用一种经过医学认证的设备（我们的传感器），其主要目的是记录心脏的电活动。但是，有一个问题：心脏是最强大的，但并不是身体中唯一具有电活动的器官。我们知道大脑也有（在 EEG，即脑电图中显示），但实际上，每个器官、每个原子、每个系统都有磁性和电活动。当我们从左手指测量到右手指时，传感器记录的不仅仅是心跳的脉冲：它记录了整个身体的磁性和电活动。

因此，我们首先得到的是大量的电信息，这些信息显示为主要的 ECG 记录。这显然主要受心跳主节律的支配，但在这一主活动下还有许多其他活动，这在 BioCoherence 中显示为围绕主波动动的灰线。这是我们将找到数据以重建成千上万的生物标志物活动的地方。

您可以在频率页面上看到：在频率图的底部，您总会看到一条暗线，这是最重要的频率（心率），但您也可以看到录音中存在许多其他频率。这个频率图是另一种查看录音波的方式，通过将基于时间的信息转化为基于频率的图表；但这仍然是相同的原始信息。

我们添加了一些自动过滤，以排除那些有问题的心跳（例如，因为用户移动了，电信号在几秒钟内超出了范围），在这一点上，我们可以开始分析这个记录以提取特征。

涌现属性

在系统理论中，有一个重要的概念叫做“涌现属性”。简而言之，它指出，随着每一个新复杂度层次的出现，新的属性会出现，这些属性并不是直接来源于下层的属性。例如，您可以混合两种高度易燃的气体（氧气和氢气），并得到一种稳定的液体（水），其属性是无法从这些气体中推测出来的。这就是为什么我们进行多层次的分析，每个层次使用前一层的属性，并且每个层次揭示出前一层中不存在的新关系。

所有这些完全是通过数学实现的。与大多数其他“能量评估设备”大多基于随机数生成器不同，BioCoherence中的算法完全基于数学，因此，对于一次录音，结果将始终完全相同。事实上，每次您打开录音时，整个计算都会重新进行。

然后进行一阶分析

现在，我们的算法将对这些原始数据进行一阶分析，以提取一阶信息。这可以来自特定频率或频率范围（例如 VLF、LF 或 HF）或基于时间的间隔分析（例如 HRV）。

我们使用了许多来自非常广泛的心电图研究者的已发表研究，这些研究者通常不会相互交流，从而列出了我们在这个层次提取的广泛信息。

这次一阶分析主要提供学术生物标志物，因为这通常是官方研究停止的地方。这是因为信号处理在医学研究中通常相当有限，而我应用的音乐信号处理则更为先进。自90年代以来，DSP（数字信号处理器）在音乐中取代了模拟处理，进行了大量研究，以理解、仿真和处理数字录音，使用许多工具，如音效或各种工具实时调整数字音乐内容。这基本上是我们在 BioCoherence 中使用的相同算法：声音工程师在音乐处理中的高级数学，但在医学应用中没有人使用。

二阶分析开始变得有趣

一旦我们获得了这些一阶数据，我们就能得到新的属性，并且可以对这些新属性进行多种二阶分析。例如，作为一阶分析，我们计算了一个谱：借助一种称为FFT（快速傅里叶变换）的数学算法，我们可以将原始记录显示为频率，而不是波形。现在，在二阶分析中，我们将计算一个倒谱（即二阶FFT），这使我们能够提取信号中的谐波，而不是频率：换句话说，它提取了谐振和谐的频率。利用这些结果，我们将获得一些新的生物标志物。

• 另一个二阶分析的例子是对每个生物标志物的熵（或“激动”）的计算。简单来说，它显示了特定生物标志物是静态的还是激动的。
• 另一个二阶分析的例子是我们展示的生物标志物右侧的特性，如注意力、意图和视野（从其音乐特性中提取的属性），以及主要周期。

在信号上进行了许多二阶分析，因此我们获得了许多新的生物标志物信息。但我们不会止步于此，因为这个新层次揭示了一些以前不存在的新有趣属性。

再次强调，我们使用了广泛的研究人员发表的很多研究，现不再是关于心电图数据，而是关于特定疗法的数据，如阿育吠陀、中医、能量评估或现代医学科学。

三阶分析：链接与共振

现在出现了另一个复杂层次及其新的奇迹。利用我们拥有的所有二阶新数据，我们可以计算新的属性，例如元素之间的链接。这些链接在应用程序的各个地方都有显示，如图表或身体图；它们使我们能够理解，例如，器官之间的主要能量关系：如果一个器官与另一个器官相连接，则可能表明存在能量转移，一个器官在帮助或被另一个器官帮助。

这些链接是通过相当复杂的多维算法计算得出的，该算法利用先进的向量数学来提取元素之间的共同共振。但我们尝试隐藏这种复杂性，仅呈现结果，即元素之间的清晰链接。

• 作为此过程的一部分，我们计算了大量数据，并将其显示为“链接质量”和每个生物标志物的链接元素。
• 另一个三阶示例是中医方剂的计算。我们逆向工程了中医方剂的逻辑，该逻辑利用多个针灸点来治疗特定症状。通过逆向推理，我们可以说：如果这些点通过这些三阶属性相连接，那么可能表明它们组的相关症状。

再次，我们使用了已发布的关于特定治疗数据的研究。除了中医方剂，链接逻辑来自我们合作的许多从业者的工作，他们尝试向上追溯因果链以找到根本原因。

为什么不进一步呢？

好的，既然我们已经在这里了，就让我们继续探讨这些新出现的属性，并进行第四层次的分析。通过所有这些新的数据点，我们现在可以计算资源和优先级。资源是通过一个第四层次的算法计算的，该算法使用来自所有下层的信息来计算单一的“资源值”，如资源页面所示（当你点击一个资源以进行必要的更改时）。它指示某个给定家族中的生物标志物在“慷慨链”的顶部。资源理论来源于Christine Degoy的研究，并在她即将出版的书籍中进行了更详细的解释。

另一方面，优先级有点像被低估的角色，即“食物链的底部”部分。它们根据给定生物标志物家族中的能量、激动或一致性，从第三阶及以下的信息中提取。随着我们计算出能量、激动和一致性，现在我们可以将过低的能量、过高的能量、过于静态和过于激动的元素，以及可能表明某些事情正在发生的一致性系统列为优先级。

现在，让我们反向舞蹈

让我们回到我们的H2O水的例子。当你第一次看到水时，你并不会从它的气态成分进行分析。你只看到最高级别的属性：你可以饮用它；你可以在其中游泳；它可以与其他元素混合，等等。当我们看到一个复杂系统时，我们通常从外部观察它，只看到最高级别的属性。而且，每次我们揭示一个额外的秩序级别时，我们都会意识到它对日常用户的实用性。因此，在BioCoherence中，我们倾向于反转信息的重要性，从资源（四级信息）、优先级（三级信息）、生物标志物花（第二级信息）和生物标志物特性（三级信息）开始。虽然仍然可以深入到一级秩序信息（波动和光谱），但带来最多日常价值的是更高的层次。

复杂性秩序通过主页右上角的箭头显示（可以点击以重新计算每个级别的数学），但菜单逻辑（和报告顺序）是反向的：它从上层开始（平衡：资源、优先级和报告），因为这通常是最重要的信息。

这就是扫描部分的全部内容。