01 · PULSE 5D
量得準
先確認訊號品質，檢查量測是否完整、穩定，資料不足就不勉強解讀。
量一下 · PULSE
Bio2Twin Pulse 5D：讓 AI 學習每個人獨特的餐後生理反應。
餐前用 Apple Watch「量一下」，再「拍一下」食物，由 Meal AI 預估餐後 0–180 分鐘血糖變化；餐後再次「量一下」Pulse 5D，讓 個人健康模型學習每次用餐前後的生理反應，逐步調整個人化預測。有可信血糖實測時，再比對與驗證修正結果。
拍照是入口，Pulse 5D 是個人生理學習的核心。AI 預估與實際血糖分開呈現；尚未完成臨床驗證，不作疾病診斷。
9:41
BIO2TWIN · PULSE
脈象指揮中心
Watch 感測現在 · iPhone 理解偏離與脈絡
PERSONAL STATE · 建議行動 LIVE 1/5
PULSE · 5D
R · V · S · T · Q
Rate · Variability · Strength · Tension · Quality
STABILITY · 狀態
偏離自己的 baseline
Pulse + HRV + RHR + Sleep
CONTEXT · 脈絡
5 個 Context
Meal · Sleep · Move · Blood · Restore
NEXT · 下一步
需要時才行動
補量 · 恢復 · 等待 · 對帳
PULSE CLOSED LOOP
Capture
→Baseline
→Context
→Outcome
→Update
PERSONAL STATE5 CONTEXT SOURCES
MEALReality
SLEEPBaseline
MOVELoad
RESTOREHRV
Blood 作為慢變 Context；Reality 回來後才更新 Personal Model。
BIO2TWIN · PERSONAL GLUCOSE LEARNING LOOP
從一餐開始。讓 AI 逐步學習你的餐後反應。
餐前量一下 → 拍一下食物 → AI 預估血糖 → 餐後量一下 → 個人健康模型 → 預測修正。持續累積餐前、餐後的生理變化；有可信血糖實測時，再檢驗預測準確度。
01 · PRE-MEAL PULSE餐前量一下
Apple Watch 記錄餐前生理狀態，建立個人比較基準。
02 · MEAL PHOTO拍一下食物
辨識餐點及營養組成，記錄用餐時間。
03 · AI PREDICTIONAI 預估血糖
預估餐後 0–180 分鐘血糖曲線，標示為模型預測。
04 · POST-MEAL PULSE餐後量一下
記錄餐後生理變化，與餐前量測配對。
05 · PERSONAL MODEL個人健康模型
學習個人的餐後反應，並保留資料品質與時間脈絡。
06 · MODEL UPDATE預測修正
更新研究性預測；待可信血糖實測到位後再驗證。
餐前 Pulse → Meal AI → 血糖預估 → 餐後 Pulse → 個人模型 → 預測修正。Pulse 5D 不直接量測血糖；缺少逐筆實測時，修正仍屬研究性預估，不宣稱已驗證。
WHAT YOU GET
不只量心率，更了解每一餐前後的你。
Bio2Twin Pulse 5D 透過訊號品質、14 天個人基準及餐前／餐後生理變化，連結 Meal AI、睡眠與活動情境；用持續累積的實測資料，逐步驗證個人生理反應模型。
02 · STATE
看狀態
了解當下生理變化，整理脈率、波動與穩定度，讓每次記錄更容易理解。
03 · BASELINE
懂自己
比較 14 天個人基準，觀察今天與自己平常的差異，而非只和群體平均比較。
04 · CONTEXT
時間線變化
連結飲食、睡眠與活動，將生活事件放回時間線，逐步找出重複出現的變化。
SIGNAL COMPARISON · PPG MORPHOLOGY
心率與脈波，量到的並不一樣
關鍵差別在採樣的內容，而不只是頻率。心率時間序列反映每分鐘心跳；原始 PPG 波形才能研究單次脈波的收縮峰、上升時間、切跡與次峰區。
PULSE 5D · SINGLE PULSE
單次脈波形態 特徵示意
此圖為理想化形態說明，並非會員實測 PPG。切跡、次峰與血管相關特徵需具備足夠品質的原始訊號，不能從一般心率紀錄推定。
PULSE 5D · NEURAL PULSE RESEARCH
神經網路｜滑脈與其他脈象分類
將合格的原始脈波與逐搏特徵送入 AI 神經網路，研究滑脈、弦脈、浮脈、沉脈等傳統脈象的可辨識性。此為研究設計，尚非已完成訓練或臨床驗證的分類器。
01 · SIGNAL原始 PPG／SQI品質篩選 · 逐搏切分
02 · FEATURESP1/P2 · 波寬 · 節律 · 變異上升時間 · 波形導數
03 · NEURAL NETWORK1D CNN + Transformer研究候選架構 · 尚待訓練
04 · CLASSIFICATION滑脈 · 弦脈 · 浮脈 · 沉脈專家標註 · 不確定性 · 獨立驗證
研究限制：Apple Watch 一般心率時間序列無法直接還原原始 PPG 波形，也不能僅憑光學脈波確認中醫觸診脈象。未取得原始訊號與專家標註前，不顯示分類機率或醫療判斷。
BIO2TWIN PULSE 5D · PERSONAL MODEL
先開始培養自己的模型
連續 14 天，認識自己的日常基準
每個人的生理節奏都不同。從 Apple Watch 可取得的心率與生理摘要開始，持續同步、累積量測，將每次記錄放回自己的時間線；先建立個人基準，再觀察睡眠、活動、餐後與恢復情境中的變化。
立即開始個人基準建立既有 V1 Workout HR 保留Pulse 5D 逐步累積研究驗證內部進行
14 天個人生理基準｜培養示意DAY 01 — DAY 14
每天累積，逐步看懂自己的變化
不只記錄單次脈率，而是讓每次合格量測成為個人時間線的一部分。
01 · CAPTURE持續記錄
累積可用的心率與生理摘要
02 · QUALITY確認品質
保留來源、時間與資料完整性
03 · BASELINE建立基準
14 天觀察自己的日常分布
04 · CONTEXT比較變化
對照睡眠、活動與餐後情境
功能流程示意 · 不代表任何會員的實測結果；基準需依實際有效紀錄建立。
第 1 天 → 開始累積量測第 14 天 → 評估個人參考基準
14-DAY MODEL CULTIVATIONYOUR MODEL
從記錄到理解自己的變化
01
連接並同步
START確認會員身分與可用的 Apple Watch／健康資料來源。
02
持續累積 14 天
14 DAYS保留時間戳、來源與訊號品質；資料不足時不補造結果。
03
建立個人基準
BASELINE以實際取得且可用的記錄形成個人參考，不把單次量測當成長期結論。
04
持續比較與更新
ONGOING逐步將脈率、變異、活動、睡眠與其他情境放回個人時間線。
重要說明：14 天是個人基準建立期，不代表醫療驗證已完成，也不保證每天都有足夠資料。Morphology V4 的獨立標註、模型鎖定與獨立受試者驗證目前列為內部研究；第一輪驗證完成前，不公開研究結果或準確度宣稱。此功能不作疾病診斷。
開始量一下 →APPLE WATCH × AI × PERSONAL PULSE
戴上 Apple Watch，開始認識自己的脈象
每天累積生理紀錄，讓 AI 逐步學習你的節律與變化。先建立 14 天個人基準，再探索傳統中醫脈象與睡眠、飲食、活動之間的關聯，找到值得留意的健康調和方向。
24 小時個人生理觀察
戴上 Apple Watch，日夜累積可取得的心率、HRV 與活動紀錄，搭配 60 秒量脈，讓 AI 逐步認識你的日常節律與個人生理變化。
AI 學習你的變化
整理節律、變異與不同生活情境中的反應；資料品質不足時不做過度推論。
建立 14 天個人基準
不只與別人比較，而是了解自己的日常範圍，觀察今天和平常有何不同。
探索脈象與健康調和
以古中醫滑、弦、浮、沉等脈象為研究方向，結合睡眠、飲食與活動，探索個人生活調整線索。
研究說明：24 小時背景生理摘要不等於連續 24 小時原始 PPG 脈波。傳統脈象對應與 AI 分類仍待原始訊號、專家標註及獨立驗證；目前不作疾病診斷或已驗證的脈象判定。
下載「量一下」App →ONE PERSON · ONE TIMELINE
你的脈象變化，不只是一個數字。
戴上 Apple Watch，日常累積可取得的心率、HRV 與活動紀錄；搭配 60 秒量脈，讓 AI 從 14 天個人基準開始，逐步比較睡眠、飲食、運動與恢復時的變化。
收集裝置可取得的生理摘要，搭配合格的 60 秒量脈。
把餐後、睡眠、活動與恢復放在同一條時間線比較。
先累積 14 天，再觀察自己在不同情境下的變化。
24 小時生理紀錄不等於連續 24 小時原始脈波。AI 與傳統脈象的對應仍在研究驗證中；關聯不代表因果，也不作疾病診斷。
FIVE PULSE LENSES
同一段脈象，
從一次量測走到個人狀態
先做可以直接觀測的 feature，再放回個人 baseline；用得越久，越能分辨今天的變化是正常波動還是真正偏離。
RRate
脈率 · 快慢 · 節律VVariability
變異 · 拍間差異SStability
穩定度 · 漂移程度PULSEPersonal Model
先問這次訊號夠不夠好。
再問今天的你離自己平常多遠。
TTrend
時間趨勢 · 前後變化QQuality
訊號品質 · 可解讀性＋跨 App 對帳
同一個人 · 同一條時間線PERSONAL SIGNAL ANALYSIS
每一次量脈，
都在幫 AI 更了解你。
從 Apple Watch 累積生理紀錄，經過訊號品質確認與個人基準比較，讓每次變化都有可以追溯的依據。
DAY 1 → DAY 30 → DAY 180
從一次 60 秒量測，走到你的 Personal Physiological State Sensor
Pulse 的護城河不是一張雷達圖，而是你的長期 baseline 與跨 App context。
OBSERVE→BASELINE→EXPLAIN→PREDICT→ACT→VERIFY→LEARN
確認 Capture Gate，得到節律、變異、穩定度與可比較 feature。
USE建立個人 baseline，開始看到「今天的你」離自己的穩定區間多遠。
BASELINE逐步連結睡眠、活動、餐後反應與恢復，找到重複出現的 personal pattern。
MODEL不是替你診斷，而是更早發現偏離，讓下一步行動更有依據。
NEXT第 1 天有用。第 30 天更懂你。第 180 天，真正留下來的是別的 App 很難複製的個人時間線與模型。
WHY BIO2TWIN PULSE
不只看到心率。逐步建立你的個人生理模型。
一般健康 App 幫你記錄數字；Bio2Twin 將 14 天個人基準、60 秒量測與生活事件放在同一條時間線，讓每次量測都有前後脈絡。
看到數字
心率、HRV、睡眠與活動摘要。
培養個人模型
比較自己的跨日變化，逐步連結飲食、活動與恢復。
先量準
確認訊號品質與完整性，實測和推估分開。
建立基準
累積 14 天資料，檢查跨次、跨日是否穩定。
持續學習
結合 60 秒 Pulse 5D 與後續飲食反應，逐步比較。
了解 AI 數學分析與 Morphology V4 研究
AI 研究流程包含訊號品質控制、時間序列分析、脈波特徵萃取、標準化及個人基準比較。Morphology V4 的獨立人工標註與未參與開發受試者盲測仍在研究階段，尚不能宣稱量測準確度優於競品或中醫把脈。
五個驗證原則：量得到、量得穩、分得清、驗得過、越來越懂個人。這是研究與產品迭代目標，不代表每項已通過正式驗證。