平時照顧好健康 病了就要好好看醫生吃藥論文書籍站
元智大學 機械工程學系 徐業良所指導 蔡森裕的 結合低功率藍牙裝置之物聯網藍牙接收器商品化開發與應用 （2016），提出小米體重計apple健康關鍵因素是什麼，來自於低功號藍芽、物聯網、感測器、穿戴式裝置、行動裝置。
而第二篇論文元智大學 機械工程學系 徐業良所指導 姜依帆的 以加速度感測器為核心發展穿戴式裝置個人生活型態模式分析技術 （2014），提出因為有 生理數據、機器學習、低功耗藍芽、區域定位、防走失系統的重點而找出了 小米體重計apple健康的解答。
結合低功率藍牙裝置之物聯網藍牙接收器商品化開發與應用
為了解決小米體重計apple健康 的問題，作者蔡森裕 這樣論述：
許多市售感測器，如血壓計、血糖計、體重計等生理訊號感測器，溫度、濕度等環境感測器，以及如小米手環等穿戴式裝置，都採用BLE作感測資料傳輸，但市售BLE裝置需搭配特定App做為近端接收器同步資料，缺乏物聯網遠端即時感測資料顯示及物聯網M2M特性。本研究目的以開發一物聯網藍牙接收器WhizConnect，能同時接收多個市售BLE裝置之廣播封包，透過雲端伺服器傳送至手機App，達成遠端即時感測資料顯示、儲存及M2M控制等功能。
以加速度感測器為核心發展穿戴式裝置個人生活型態模式分析技術
為了解決小米體重計apple健康 的問題，作者姜依帆 這樣論述：
穿戴式裝置逐漸成為生活中的新潮流，其中三軸加速度感測器通常用於穿戴式裝置來測量用戶的動作信號，較無測量位置限制，亦不需電極緊貼皮膚，目前市售產品常以三軸加速度感測器所量測的步數為基礎，並搭配使用者身高和體重計算行走距離和能量消耗等數據，然而僅以步數做為估計往往運動強度或能量消耗無法正確被辨識。 本研究利用穿戴式裝置加速度感測器所得到的使用者生理數值，進行活動力指標與行為模式相似度分析，並發展個人生活型態模式分析技術，以三軸加速度感測器中加速度、步頻兩種穿戴式裝置經常輸出的生理數據做為運動樣本，利用機器學習軟體Weka進行運動等級分類訓練，並以每日總能量消耗(Total Daily En
ergy Expenditure, TDEE)和基礎代謝率(Basal metabolic rate, BMR)進行單日PAL(Physical Activity Level)推估，轉換成對使用者更具實質意義的個人生活型態模式資訊。 本研究以低功耗藍芽(BLE)技術為基礎發展失智症患者防走失系統，並結合個人生活型態分析與區域定位功能，作為失智症患者應用案例，令穿戴式裝置發展帶來更多元服務。