Denna studie presenterar ett protokoll för utformning och tillverkning av en glasögon-typen bärbar enhet som identifierar mönster av födointag och andra utvalda fysiska aktiviteter med lastceller infogas i båda gångjärnen på glasen.
Denna studie presenterar en serie av protokoll för utformning och tillverkning av en glasögon-typen bärbar enhet som identifierar mönster av temporalis muskel aktiviteter under födointag och andra fysiska aktiviteter. Vi tillverkade en 3D-tryckt stomme i glasen och en belastning cell-integrerade kretskort styrelsen (PCB) modul införas i båda gångjärnen på ramen. Modulen användes för att förvärva kraft signalerna och sänder dem trådlöst. Dessa förfaranden ger systemet med högre rörlighet, som kan utvärderas i praktiska bär villkor såsom promenader och waggling. En föreställning av klassificeringen är också utvärderas genom att skilja mönster av födointag från de fysiska aktiviteterna. En rad algoritmer användes för att Förbearbeta signalerna, generera funktionen vektorer och identifiera mönster av flera erbjudna aktiviteter (tugga och blinka) och andra fysiska aktiviteter (stillasittande vila, prata och promenader). Resultaten visade att den genomsnittliga F1 poängen av klassificeringen bland de utvalda verksamheter var 91,4%. Vi anser att denna strategi kan vara potentiellt användbara för automatisk och objektiva övervakning av ingestive beteenden med högre noggrannhet som praktiska sätt att behandla ingestive problem.
Kontinuerlig och objektiv övervakning av födointag är avgörande för att upprätthålla energibalans i den mänskliga kroppen, eftersom överdriven energi ackumulering kan orsaka overweightness och fetma1, vilket kan leda till olika medicinska komplikationer2. De viktigaste faktorerna i energitillförseln är kända för att vara både överdrivet födointag och otillräcklig fysisk aktivitet3. Olika studier om övervakning av daglig energiförbrukning har införts med automatisk och objektiv mätning av fysisk aktivitetsmönster till bärbara enheter4,5,6, även vid de slutkonsumenten nivå och medicinska etapp7. Forskning om övervakning av födointag, är dock fortfarande i laboratoriet inställningen, eftersom det är svårt att upptäcka aktiviteten mat intag i en direkt och objektivt sätt. Här, vill vi presentera en enhet design och dess utvärdering för att övervaka födointag och fysiska aktivitetsmönster på praktisk nivå i vardagen.
Det har varit olika indirekta metoder för att övervaka födointag genom tugga och svälja ljud8,9,10, rörelse av handleden11,12,13, bild analys14, och Elektromyogram (EMG)15. Dessa metoder var dock svårt att tillämpa på dagliga liv program, på grund av deras inneboende begränsningar: metoderna använder ljud var utsatta påverkas av miljö-ljud; metoderna med rörelsen av handleden var svår att skilja från andra fysiska aktiviteter när inte konsumerar mat; och de metoder som med hjälp av bilder och EMG signaler begränsas av gränsen för rörelse och miljö. Dessa studier visade funktioner för automatisk detektion av födointag med sensorer, men hade fortfarande en begränsning av praktiska tillämplighet på vardagen utanför laboratoriemiljö.
I denna studie använde vi mönster av temporalis muskelaktivitet som automatisk och objektiv övervakning av födointag. I allmänhet, upprepar temporalis muskeln den kontraktion och avslappning som en del av käkmuskulatur muskel under den mat intag16,17; Således kan aktiviteten mat intag övervakas genom att upptäcka de periodiska mönster av temporalis muskelaktivitet. Nyligen har det varit flera studier utnyttjar temporalis muskel aktivitet18,19,20,21, som använde EMG eller piezoelektriska stam sensor och fästa dem direkt på mänskliga huden. Dessa metoder, dock var känsliga för huden platsen av EMG elektroder eller stam sensorer, och var enkelt loss från huden på grund av den fysiska rörelsen eller svett. Vi föreslog därför en ny och effektiv metod med ett par glasögon att känsla temporalis muskel aktivitet genom två lastceller införas i båda gångjärnen i vår tidigare studie22. Denna metod visade stor potential för att upptäcka mat intag aktiviteten med en hög noggrannhet utan att vidröra huden. Det var också un-påträngande och inkräktande eftersom vi använde en gemensam glasögon-typ anordning.
I denna studie presenterar vi en rad detaljerade protokoll för hur du implementerar glasögon-typ enheten och hur man använder mönster av temporalis muskelaktivitet för att övervaka födointag och fysisk aktivitet. Protokollen omfattar hårdvarudesign och fabrication som består av en 3D-tryckt stomme i glasen, en krets-modul och en data förvärv modul, och inkluderar Programvarualgoritmer för databehandling och analys. Vi har dessutom granskat klassificering bland flera utvalda aktiviteter (t.ex., tugga, promenader och winking) kan påvisa att ett praktiskt system som kan tala om en minut skillnad mellan födointag och annan fysisk aktivitet mönster.
I denna studie föreslog vi först design och tillverkningsprocessen för glasögon som känner av mönster av födointag och fysiska aktiviteter. Som denna studie främst fokuserat på dataanalys att skilja födointag från andra fysiska aktiviteter (såsom promenader och winking), systemet sensor och data förvärv krävs för genomförandet av rörlighet inspelning. Systemet ingår således sensorerna, MCU med trådlös kommunikation kapacitet och batteriet. Föreslagna protokollet föreskrivs en roman och praktiska s…
The authors have nothing to disclose.
Detta arbete stöds av Envisible, Inc. Denna studie stöddes också av ett bidrag på koreanska hälsa teknik R & D projekt, ministeriet för hälsa & välfärd, Sydkorea (HI15C1027). Denna forskning stöddes också av den National Research Foundation of Korea (NRF-2016R1A1A1A05005348).
FSS1500NSB | Honeywell, USA | Load cell | |
INA125U | Texas Instruments, USA | Amplifier | |
ESP-07 | Shenzhen Anxinke Technology, China | MCU with Wi-Fi module | |
74LVC1G3157 | Nexperia, The Netherlands | Multiplexer | |
MP701435P | Maxpower, China | LiPo battery | |
U1V10F3 | Pololu, USA | Voltage regulator | |
Ultimaker 2 | Ultimaker, The Netherlands | 3D printer | |
ColorFabb XT-CF20 | ColorFabb, The Netherlands | Carbon fiber filament | |
iPhone 6s Plus | Apple, USA | Data acquisition device | |
Jelly Belly | Jelly Belly Candy Company, USA | Food texture for user study |