一、体脂检测属于人体成分分析中的一项

在医疗仪器领域早已应用较多。由于最近两年穿戴式设备的爆发，传统医疗仪器上的部分检测功能被搬到了手环、手表、水杯或体重秤等普通消费类电子上。比较常见的有计步、卡里路消耗、睡眠质量、心率、血氧、体脂等指标的测量。

我曾在三分钟看懂智能硬件原理系列文章中介绍过利用加速计如何实现计步、睡眠质量检测[1]。曾在每日电路图系列文章中介绍过心率检测的原理及心率检测模块的设计[2]。

本文将介绍体脂手环、体脂称等具有体脂检测的消费类电子上的体脂检测原理及技术方案实现。

下图是某款大众化的体脂称的特点介绍：
图中第一点罗列了众多可检测的指标，虽然很多，但绝大部分都能用第四点说的BIA技术实现！[3]

BIA方法是体脂检测的关键技术

二、BIA测量法

传统上，测量体脂率的方法较为复杂，以DEXA测量为主，但所耗费时间及费用都相当不经济，因此这几年出现了较方便的生物电阻测量法(Bio-impedance analysis, 简称BIA)，即在很短的时间内即可获得颇准确的测量值，适合在家庭中及医师在门诊使用。

BIA测量法的主要原理乃是将身体简单分为导电的体液、肌肉等，以及不导电的脂肪组织，测量时由电极片发出极微小电流经过身体，若脂肪比率高，则所测得的生物电阻较大，反之亦然，BIA就是经由此种机转来做体脂率的测量。

BIA方法本质是测人体电阻

三、体脂检测的产品

1. 体脂称

具有体脂检测的体重秤的面板上往往有两个电极，当用户两只脚踩到体脂称上之后，其内部的BIA模块会测量被测者从左脚到右脚的电阻，并结合被测者的身高、体重、年龄、性别等数据，计算体脂等人体健康参数。[4]

下图是某款体脂称专利中关于体脂检测原理的介绍：[5]

下图是某款体脂检测方案的架构：本图来自《SoC和传感器模块为物联网设计通捷径》，该文中有对体脂检测方案的介绍，链接见文章引用[6]。

2. 体脂手机

三星某款专利中介绍用四个传感器来测量用户体脂。具体来讲就是，将传感器植入智能手机或者智能手机附近，这里所说的“附近”其实也就是智能手机保护壳。这四个传感器可以一同来测量阻抗信息，后者产生于传感器与人体之间的接触或互动。[7]

手机上的传感器能够基于所测量的输入电流强度和电压强度来获得有关物体的'阻抗'信息，并基于这些阻抗信息来测量人体体脂。

3. 体脂手环

韩国的专业身体成分分析器制造商InBody正式进军可穿戴行业，在去年的CES国际消费电子展上发布了InBody Band手环。通过该手环，你不必站上磅秤就能够测量你的身体质量指数（BMI）。

InBody Band手环让你可以随时随地检测自己的身体状况。它能够告诉你你的脂肪和肌肉质量、体脂率、心率和身体质量指数。它是借助其配备的四个传感器做到这一切的——其传感器的分布为两前两后。只要将手指放在前面的传感器上，再加上来自你的手腕的数据，你就可以获得读数。

可见，InBody测量的是从佩戴手环的手到未佩戴的手之间的人体电阻

从测试来看，InBody Band能够在5到10秒内得出读数，但具体有多准确目前还不好说。

四、人体成分分析的电阻抗基本理论

生物组织中包含有许多的细胞，而细胞间还有许多的液体，这些液体可以被看作电解质。如图所示，当施加低频或直流电流通过生物组织时，电流将绕过细胞组织，从细胞外液流过；当流过生物组织的电流频率变高时，由于细胞膜等效的电容容抗值变小，所以一部分电流会穿进细胞膜流过细胞内液。从图可以看出生物组织在频率较低时阻抗较大而频率较高时阻抗比较小，阻抗值的这种变化很好的反映了在生物组织中细胞膜的这种电容性质，而这种特性早在1920 年被Philippson 所认识，所以后来产生了等效电路的概念。[9]

从一定意义上来说，BIA 法并不是建立在生物学和物理学的推理之上而直接对我们所感兴趣的生理量进行直接的测量，它是以统计学为基础的测量方法。其中，通过大量的人体测量数据和统计学的处理研究，发现身高的平方除以一定频率下测得的阻抗的值(H2/R)和一些人体成分的参数具有显著的相关性，再加上人体体重，年龄，性别等基本参数，可以对我们所感兴趣的人体成分(如细胞外液，TBW和非脂肪组织等)进行评估。BIA 法中如果得到人体水分(人体总水重或细胞外液)，根据非脂肪物质之中水分含量具有相对固定性，可以估算出非脂肪或者脂肪含量，同理BIA 法中还可以通过已知的人体成分量估算出未知的人体成分量，从而得到我们需要的参数。[9]

BIA 法通常根据人体的模型不同，测量方法也各不相同，同时频率的选择也从最初的50KHz 发展到现在的多频率进行测量，整个人体的电阻抗模型也从全身阻抗模型到分为手，脚和躯干的五段模型。

五、总结

总之，就想将心率检测、血氧检测、睡眠质量检测等从医疗设备领域移到消费类电子领域一样，无论是体脂手环、体脂手机、还是体脂称，如果想要获得更好的体验无论从硬件设计、传感器选择、还是核心算法都有很大的提升空间。