תכנון והערכה של המשקפיים חכמים על צריכת המזון ועל פעילות גופנית סיווג
Summary
מחקר זה מציג פרוטוקול של תכנון וייצור משקפיים-סוג התקן לביש מזהה דפוסי צריכת המזון ומוספים אחרים פעילות גופנית נבחרים באמצעות טען תאים בשני הצירים של המשקפיים.
Abstract
מחקר זה מציג סדרה של פרוטוקולים של תכנון וייצור משקפיים-סוג התקן לביש מזהה דפוסי פעילות שרירים temporalis במהלך צריכת המזון ופעילויות גופניות אחרות. אנחנו מפוברק מודפס 3D מסגרת של המשקפיים ומודול עומס משולבת תא מעגל מודפס לוח (PCB) הוכנס בשני הצירים של המסגרת. המודול שימש כדי לרכוש את האותות כוח, ולהעביר אותם באופן אלחוטי. הליכים אלה מספקים את המערכת עם ניידות גבוהה יותר, אשר ניתן להעריך בתנאים לובש מעשיים כגון הליכה, מניד. הופעה של הסיווג מוערך גם על-ידי הבחנה דפוסי צריכת המזון של פעילות גופנית. סדרה של אלגוריתמי שימשו ליצירה של תהליך מוקדם את האותות, תכונה וקטורים, לזהות את הדפוסים של כמה נבחרים (לעיסה, קריצות), ופעילויות אחרות פעילות גופנית (לנוח בישיבה, מדבר, והליכה). התוצאות הראו כי הייתה התוצאה1 הממוצע F של הסיווג בין הפעילויות נבחרים 91.4%. אנו מאמינים שבגישה זו יכול להיות שעשוי להיות שימושי עבור אוטומטי ואובייקטיבי ניטור של התנהגויות ingestive עם דיוק גבוה יותר כאמצעי המעשי לטיפול בבעיות ingestive.
Introduction
רציף ואובייקטיבי ניטור צריכת המזון הוא חיוני לשמירה על איזון האנרגיה בגוף האדם, כמו הצטברות עודף אנרגיה עלול לגרום overweightness והשמנה1, אשר יכול לגרום לסיבוכים רפואיים שונים2. הגורמים העיקריים בחוסר איזון אנרגיה ידועים להיות צריכת המזון מופרז וגם לא מספיק פעילות גופנית3. מחקרים שונים על הפיקוח על ההוצאה האנרגטית היומית הוכנסו עם מדידת אוטומטי ואובייקטיבי דפוסי פעילות גופנית דרך מכשירים שכאלו4,5,6, גם צרכן הקצה ברמה ורפואי שלב7. מחקר על הפיקוח על צריכת המזון, אולם הוא עדיין באווירה מעבדה, מכיוון שזה קשה לזהות את הפעילות צריכת מזון באופן ישיר ואובייקטיבי. כאן, אנו שואפים להציג עיצוב המכשיר ואת ההערכה שלו עבור ניטור צריכת המזון ודפוסי פעילות גופנית ברמה המעשית בחיי היומיום.
היו מגוון גישות עקיף כדי לפקח על צריכת המזון דרך הלעיסה, הבליעה נשמע8,9,10, תנועת היד11,12,13, תמונה ניתוח14ו- electromyogram (EMG)15. עם זאת, גישות אלה היו קשים להחיל על יישומים חיי היומיום, בשל מגבלות הטבועות שלהם: השיטות באמצעות קול היו פגיעות להיות מושפע צלילים סביבתיים; השיטות באמצעות התנועה של כף היד היו שקשה להבדיל בין פעילויות גופניות אחרות, כאשר לא לצרוך מזון; השיטות שימוש תמונות ו- EMG אותות מוגבלים על ידי הגבול של התנועה ואת הסביבה. מחקרים אלו הראו את היכולת של זיהוי אוטומטי של צריכת המזון באמצעות חיישנים, אך עדיין יש מגבלה של ישימות מעשיים לחיי היומיום מעבר מעבדה הגדרות.
במחקר זה, השתמשנו דפוסי הפעילות שריר temporalis כמו אוטומטי ואובייקטיבי הפיקוח על צריכת המזון. באופן כללי, השריר temporalis חוזר להתכווצות והרפיה כחלק masticatory השריר במהלך ה מזון צריכת16,17; לפיכך, ניתן לנטר את פעילות צריכת מזון על ידי גילוי דפוסי הפעילות שריר temporalis תקופתי. לאחרונה, היו מספר מחקרים ניצול temporalis את השריר פעילות18,19,20,21, אשר השתמש EMG או זן פיזואלקטריים חיישן וצירופם ישירות על האדם העור. גישות אלה, עם זאת, היו רגישים למיקום העור של EMG אלקטרודות או חיישנים זן והיו בקלות מנותק מן העור עקב התנועה הפיזית או זיעה. לכן, אנחנו הציע שיטה חדשה ויעילה באמצעות זוג משקפיים חוש זה temporalis השריר בפעילות באמצעות טען שני תאים מוכנס בשני הצירים שלנו המחקר הקודם22. שיטה זו הראה פוטנציאל גדול של זיהוי הפעילות צריכת מזון עם רמת דיוק גבוהה בלי לגעת בעור. זה היה גם בלתי פולשנית ובלתי פולשנית, מאז היינו מכשיר משקפיים-סוג נפוץ.
במחקר זה, אנו מציגים סדרת הפרוטוקולים מפורט של איך ליישם את המשקפיים-סוג ההתקן וכיצד להשתמש דפוסי הפעילות שריר temporalis עבור ניטור צריכת המזון ופעילות גופנית. הפרוטוקולים לכלול התהליך של תכנון החומרה ועל פבריקציה נוספת המורכבת מודפס 3D מסגרת של המשקפיים, מודול מעגל מודול רכישת הנתונים וכלול את האלגוריתמים תוכנה עבור עיבוד נתונים וניתוח. יתר על כן נבחנו הסיווג בין מספר פעילויות נבחרים (למשל, לעיסה, הליכה, קריצות) כדי להדגים את הפוטנציאל כמערכת מעשי זה רואים הבדל דקה בין צריכת המזון ופעילות גופנית אחרת תבניות.
Protocol
Representative Results
Discussion
במחקר זה, אנחנו הציע לראשונה את העיצוב ואת תהליך הייצור של המשקפיים, לחוש את דפוסי צריכת המזון ופעילות גופנית. כמו במחקר זה התמקדו בעיקר ניתוח הנתונים כדי להבחין בין צריכת המזון מפעילויות גופניות אחרות (כגון הליכה, קריצות), מערכת רכישה חיישן ונתונים נדרש יישום ניידות הקלטה. לפיכך, המערכת כל…
Disclosures
The authors have nothing to disclose.
Acknowledgements
עבודה זו נתמכה על ידי Envisible, inc. מחקר זה גם נתמך על ידי מענק של קוריאנית בריאות טכנולוגיית R & D הפרוייקט, משרד הבריאות & רווחה, הרפובליקה של קוריאה (HI15C1027). מחקר זה גם נתמך על ידי נבחרת מחקר קרן של קוריאה (ה-NRF-2016R1A1A1A05005348).
Materials
| 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 |
References
- Sharma, A. M., Padwal, R. Obesity is a sign-over-eating is a symptom: an aetiological framework for the assessment and management of obesity. Obes Rev. 11 (5), 362-370 (2010).
- Pi-Sunyer, F. X., et al. Clinical guidelines on the identification, evaluation, and treatment of overweight and obesity in adults. Am J Clin Nutr. 68 (4), 899-917 (1998).
- McCrory, P., Strauss, B., Wahlqvist, M. L. Energy balance, food intake and obesity. Exer Obes. , (1994).
- Albinali, F., Intille, S., Haskell, W., Rosenberger, M. . Proceedings of the 12th ACM international conference on Ubiquitous computing. , 311-320 (2010).
- Bonomi, A., Westerterp, K. Advances in physical activity monitoring and lifestyle interventions in obesity: a review. Int J Obes. 36 (2), 167-177 (2012).
- Jung, S., Lee, J., Hyeon, T., Lee, M., Kim, D. H. Fabric-Based Integrated Energy Devices for Wearable Activity Monitors. Adv Mater. 26 (36), 6329-6334 (2014).
- Fulk, G. D., Sazonov, E. Using sensors to measure activity in people with stroke. Top Stroke Rehabil. 18 (6), 746-757 (2011).
- Makeyev, O., Lopez-Meyer, P., Schuckers, S., Besio, W., Sazonov, E. Automatic food intake detection based on swallowing sounds. Biomed Signal Process Control. 7 (6), 649-656 (2012).
- Päßler, S., Fischer, W. Food intake activity detection using an artificial neural network. Biomed Tech (Berl). , (2012).
- Passler, S., Fischer, W. -. J. Food intake monitoring: Automated chew event detection in chewing sounds. IEEE J Biomed Health Inform. 18 (1), 278-289 (2014).
- Kadomura, A., et al. . CHI’13 Extended Abstracts on Human Factors in Computing Systems. , 1551-1556 (2013).
- Fontana, J. M., Farooq, M., Sazonov, E. Automatic ingestion monitor: A novel wearable device for monitoring of ingestive behavior. IEEE Trans Biomed Eng. 61 (6), 1772-1779 (2014).
- Shen, Y., Salley, J., Muth, E., Hoover, A. Assessing the Accuracy of a Wrist Motion Tracking Method for Counting Bites across Demographic and Food Variables. IEEE J Biomed Health Inform. , (2016).
- Farooq, M., Sazonov, E. . International Conference on Bioinformatics and Biomedical Engineering. , 464-472 (2017).
- Grigoriadis, A., Johansson, R. S., Trulsson, M. Temporal profile and amplitude of human masseter muscle activity is adapted to food properties during individual chewing cycles. J Oral Rehab. 41 (5), 367-373 (2014).
- Strini, P. J. S. A., Strini, P. J. S. A., de Souza Barbosa, T., Gavião, M. B. D. Assessment of thickness and function of masticatory and cervical muscles in adults with and without temporomandibular disorders. Arch Oral Biol. 58 (9), 1100-1108 (2013).
- Standring, S. . Gray’s anatomy: the anatomical basis of clinical practice. , (2015).
- Farooq, M., Sazonov, E. A novel wearable device for food intake and physical activity recognition. Sensors. 16 (7), 1067 (2016).
- Zhang, R., Amft, O. . Proceedings of the 2016 ACM International Symposium on Wearable Computers. , 50-52 (2016).
- Farooq, M., Sazonov, E. Segmentation and Characterization of Chewing Bouts by Monitoring Temporalis Muscle Using Smart Glasses with Piezoelectric Sensor. IEEE J Biomed Health Inform. , (2016).
- Huang, Q., Wang, W., Zhang, Q. Your Glasses Know Your Diet: Dietary Monitoring using Electromyography Sensors. IEEE Internet of Things Journal. , (2017).
- Chung, J., et al. A glasses-type wearable device for monitoring the patterns of food intake and facial activity. Scientific Reports. 7, 41690 (2017).
- Cristianini, N., Shawe-Taylor, J. . An introduction to support Vector Machines: and other kernel-based learning methods. , (2000).
- Giannakopoulos, T., Pikrakis, A. . Introduction to Audio Analysis: A MATLAB Approach. , (2014).
- Chang, C. -. C., Lin, C. -. J. LIBSVM: a library for support vector machines. ACM Trans Intell Syst Technol. 2 (3), 27 (2011).
- Po, J., et al. Time-frequency analysis of chewing activity in the natural environment. J Dent Res. 90 (10), 1206-1210 (2011).
- Ji, T. Frequency and velocity of people walking. Struct Eng. 84 (3), 36-40 (2005).
- Knoblauch, R., Pietrucha, M., Nitzburg, M. Field studies of pedestrian walking speed and start-up time. Transp Res Red. 1538, 27-38 (1996).
