Name: Gestaltung und Bewertung von Datenbrillen für Nahrungsaufnahme und körperliche Aktivität Klassifizierung (Video) | JoVE Journal
Uploaded: 2018-02-14T13:00:00.000+00:00
Duration: 7 min 47 s
Description: Erfahren Sie, wie eine Datenbrille zur automatischen Erfassung von Nahrungsaufnahme und körperlicher Aktivität entwickelt wird. Diese Methode ermöglicht objektives Verhaltensmonitoring in Echtzeit.

ai_agent_IP

ai_agent

maintenance

instantTrialDurationMinutes

isBiopharma

enableNewMyJoveSectionDesign

educationFeatures

seoMetaApi

ai_copilot_institution_blacklist

ai_chat_institution_blacklist

freeAccessWindow

ssoRoleCapture

scheduledMaintenanceBanner

joveLabsFeatures

disable_autoplay_for_bots

extended_trial_duration

5 minutes

Diese Arbeit wurde unterstützt von Envisible, Inc. Diese Studie wurde auch unterstützt durch einen Zuschuss von Koreanisch Health Technology R & D Projekt, Gesundheitsministerium Wohlfahrt, Republik Korea (HI15C1027). Diese Forschung wurde auch von der National Research Foundation of Korea (NRF-2016R1A1A1A05005348) unterstützt.

<ol><li>Sharma, A. M., Padwal, R. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Obesity+is+a+sign-over-eating+is+a+symptom%3A+an+aetiological+framework+for+the+assessment+and+management+of+obesity%5BTitle%5D)+AND+%22Obes+Rev%22%5BJournal%5D)">Obesity is a sign-over-eating is a symptom: an aetiological framework for the assessment and management of obesity.</a> Obes Rev. 11 (5), 362-370 (2010).</li>
<li>Pi-Sunyer, F. X., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Clinical+guidelines+on+the+identification%2C+evaluation%2C+and+treatment+of+overweight+and+obesity+in+adults%5BTitle%5D)+AND+%22Am+J+Clin+Nutr%22%5BJournal%5D)">Clinical guidelines on the identification, evaluation, and treatment of overweight and obesity in adults.</a> Am J Clin Nutr. 68 (4), 899-917 (1998).</li>
<li>McCrory, P., Strauss, B., Wahlqvist, M. L. <a target="_blank" href="http://apjcn.nhri.org.tw/server/markwpapers/BookChapters/B074x.pdf">Energy balance, food intake and obesity.</a> Exer Obes. , London. (1994).</li>
<li>Albinali, F., Intille, S., Haskell, W., Rosenberger, M. <a target="_blank" href="http://scholar.google.com/scholar?hl=en&safe=off&q=author%3aAlbinali%2C+F+%22Proceedings+of+the+12th+ACM+international+conference+on+Ubiquitous+computing%22">Proceedings of the 12th ACM international conference on Ubiquitous computing</a>. , ACM. 311-320 (2010).</li>
<li>Bonomi, A., Westerterp, K. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Advances+in+physical+activity+monitoring+and+lifestyle+interventions+in+obesity%3A+a+review%5BTitle%5D)+AND+%22Int+J+Obes%22%5BJournal%5D)">Advances in physical activity monitoring and lifestyle interventions in obesity: a review.</a> Int J Obes. 36 (2), 167-177 (2012).</li>
<li>Jung, S., Lee, J., Hyeon, T., Lee, M., Kim, D. H. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Fabric-Based+Integrated+Energy+Devices+for+Wearable+Activity+Monitors%5BTitle%5D)+AND+%22Adv+Mater%22%5BJournal%5D)">Fabric-Based Integrated Energy Devices for Wearable Activity Monitors.</a> Adv Mater. 26 (36), 6329-6334 (2014).</li>
<li>Fulk, G. D., Sazonov, E. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Using+sensors+to+measure+activity+in+people+with+stroke%5BTitle%5D)+AND+%22Top+Stroke+Rehabil%22%5BJournal%5D)">Using sensors to measure activity in people with stroke.</a> Top Stroke Rehabil. 18 (6), 746-757 (2011).</li>
<li>Makeyev, O., Lopez-Meyer, P., Schuckers, S., Besio, W., Sazonov, E. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Automatic+food+intake+detection+based+on+swallowing+sounds%5BTitle%5D)+AND+%22Biomed+Signal+Process+Control%22%5BJournal%5D)">Automatic food intake detection based on swallowing sounds.</a> Biomed Signal Process Control. 7 (6), 649-656 (2012).</li>
<li>Päßler, S., Fischer, W. <a target="_blank" href="https://www.degruyter.com/view/j/bmte.2012.57.issue-s1-F/bmt-2012-4092/bmt-2012-4092.xml">Food intake activity detection using an artificial neural network.</a> Biomed Tech (Berl). , (2012).</li>
<li>Passler, S., Fischer, W. -J. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Food+intake+monitoring%3A+Automated+chew+event+detection+in+chewing+sounds%5BTitle%5D)+AND+%22IEEE+J+Biomed+Health+Inform%22%5BJournal%5D)">Food intake monitoring: Automated chew event detection in chewing sounds.</a> IEEE J Biomed Health Inform. 18 (1), 278-289 (2014).</li>
<li>Kadomura, A., et al. <a target="_blank" href="http://scholar.google.com/scholar?hl=en&safe=off&q=author%3aKadomura%2C+A+%22CHI%2713+Extended+Abstracts+on+Human+Factors+in+Computing+Systems%22">CHI'13 Extended Abstracts on Human Factors in Computing Systems</a>. , ACM. 1551-1556 (2013).</li>
<li>Fontana, J. M., Farooq, M., Sazonov, E. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Automatic+ingestion+monitor%3A+A+novel+wearable+device+for+monitoring+of+ingestive+behavior%5BTitle%5D)+AND+%22IEEE+Trans+Biomed+Eng%22%5BJournal%5D)">Automatic ingestion monitor: A novel wearable device for monitoring of ingestive behavior.</a> IEEE Trans Biomed Eng. 61 (6), 1772-1779 (2014).</li>
<li>Shen, Y., Salley, J., Muth, E., Hoover, A. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Assessing+the+Accuracy+of+a+Wrist+Motion+Tracking+Method+for+Counting+Bites+across+Demographic+and+Food+Variables%5BTitle%5D)+AND+%22IEEE+J+Biomed+Health+Inform%22%5BJournal%5D)">Assessing the Accuracy of a Wrist Motion Tracking Method for Counting Bites across Demographic and Food Variables.</a> IEEE J Biomed Health Inform. , (2016).</li>
<li>Farooq, M., Sazonov, E. <a target="_blank" href="http://scholar.google.com/scholar?hl=en&safe=off&q=author%3aFarooq%2C+M+%22International+Conference+on+Bioinformatics+and+Biomedical+Engineering%22">International Conference on Bioinformatics and Biomedical Engineering</a>. , Springer. 464-472 (2017).</li>
<li>Grigoriadis, A., Johansson, R. S., Trulsson, M. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Temporal+profile+and+amplitude+of+human+masseter+muscle+activity+is+adapted+to+food+properties+during+individual+chewing+cycles%5BTitle%5D)+AND+%22J+Oral+Rehab%22%5BJournal%5D)">Temporal profile and amplitude of human masseter muscle activity is adapted to food properties during individual chewing cycles.</a> J Oral Rehab. 41 (5), 367-373 (2014).</li>
<li>Strini, P. J. S. A., Strini, P. J. S. A., de Souza Barbosa, T., Gavião, M. B. D. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Assessment+of+thickness+and+function+of+masticatory+and+cervical+muscles+in+adults+with+and+without+temporomandibular+disorders%5BTitle%5D)+AND+%22Arch+Oral+Biol%22%5BJournal%5D)">Assessment of thickness and function of masticatory and cervical muscles in adults with and without temporomandibular disorders.</a> Arch Oral Biol. 58 (9), 1100-1108 (2013).</li>
<li>Standring, S. <a target="_blank" href="http://scholar.google.com/scholar?hl=en&safe=off&q=author%3aStandring%2C+S+%22Gray%27s+anatomy%3A+the+anatomical+basis+of+clinical+practice%22">Gray's anatomy: the anatomical basis of clinical practice</a>. , Elsevier Health Sciences. (2015).</li>
<li>Farooq, M., Sazonov, E. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((A+novel+wearable+device+for+food+intake+and+physical+activity+recognition%5BTitle%5D)+AND+%22Sensors%22%5BJournal%5D)">A novel wearable device for food intake and physical activity recognition.</a> Sensors. 16 (7), 1067(2016).</li>
<li>Zhang, R., Amft, O. <a target="_blank" href="http://scholar.google.com/scholar?hl=en&safe=off&q=author%3aZhang%2C+R+%22Proceedings+of+the+2016+ACM+International+Symposium+on+Wearable+Computers%22">Proceedings of the 2016 ACM International Symposium on Wearable Computers</a>. , ACM. 50-52 (2016).</li>
<li>Farooq, M., Sazonov, E. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Segmentation+and+Characterization+of+Chewing+Bouts+by+Monitoring+Temporalis+Muscle+Using+Smart+Glasses+with+Piezoelectric+Sensor%5BTitle%5D)+AND+%22IEEE+J+Biomed+Health+Inform%22%5BJournal%5D)">Segmentation and Characterization of Chewing Bouts by Monitoring Temporalis Muscle Using Smart Glasses with Piezoelectric Sensor.</a> IEEE J Biomed Health Inform. , (2016).</li>
<li>Huang, Q., Wang, W., Zhang, Q. <a target="_blank" href="http://ieeexplore.ieee.org/document/7828094/">Your Glasses Know Your Diet: Dietary Monitoring using Electromyography Sensors.</a> IEEE Internet of Things Journal. , (2017).</li>
<li>Chung, J., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((A+glasses-type+wearable+device+for+monitoring+the+patterns+of+food+intake+and+facial+activity%5BTitle%5D)+AND+%22Scientific+Reports%22%5BJournal%5D)">A glasses-type wearable device for monitoring the patterns of food intake and facial activity.</a> Scientific Reports. 7, 41690(2017).</li>
<li>Cristianini, N., Shawe-Taylor, J. <a target="_blank" href="http://scholar.google.com/scholar?hl=en&safe=off&q=author%3aCristianini%2C+N+%22An+introduction+to+support+Vector+Machines%3A+and+other+kernel-based+learning+methods%22">An introduction to support Vector Machines: and other kernel-based learning methods</a>. , Cambridge University Press Cambridge. (2000).</li>
<li>Giannakopoulos, T., Pikrakis, A. <a target="_blank" href="http://scholar.google.com/scholar?hl=en&safe=off&q=author%3aGiannakopoulos%2C+T+%22Introduction+to+Audio+Analysis%3A+A+MATLAB+Approach%22">Introduction to Audio Analysis: A MATLAB Approach</a>. , Academic Press. (2014).</li>
<li>Chang, C. -C., Lin, C. -J. <a target="_blank" href="http://dns2.asia.edu.tw/~ysho/YSHO-English/1000%20Taiwan%20(Independent)/PDF/ACM%20Tra%20Int%20Sys%20Tec2,%2027.pdf">LIBSVM: a library for support vector machines.</a> ACM Trans Intell Syst Technol. 2 (3), 27(2011).</li>
<li>Po, J., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Time-frequency+analysis+of+chewing+activity+in+the+natural+environment%5BTitle%5D)+AND+%22J+Dent+Res%22%5BJournal%5D)">Time-frequency analysis of chewing activity in the natural environment.</a> J Dent Res. 90 (10), 1206-1210 (2011).</li>
<li>Ji, T. <a target="_blank" href="https://www.istructe.org/journal/volumes/volume-83-(published-in-2005)/issues/issue-3/articles/frequency-and-velocity-of-people-walking">Frequency and velocity of people walking.</a> Struct Eng. 84 (3), 36-40 (2005).</li>
<li>Knoblauch, R., Pietrucha, M., Nitzburg, M. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Field+studies+of+pedestrian+walking+speed+and+start-up+time%5BTitle%5D)+AND+%22Transp+Res+Red%22%5BJournal%5D)">Field studies of pedestrian walking speed and start-up time.</a> Transp Res Red. 1538, 27-38 (1996).</li>
</ol>

Die Autoren haben nichts preisgeben.

In dieser Studie haben wir zunächst vorgeschlagen, die Konstruktions- und Fertigungsprozess von Gläsern, die die Muster der Nahrungsaufnahme und körperliche Aktivitäten zu spüren. Als diese Studie konzentrierte sich hauptsächlich auf die Datenanalyse, die Nahrungsaufnahme von anderen körperlichen Aktivitäten (z. B. zu Fuß und zwinkert) zu unterscheiden, das Sensor- und Erfassungssystem erforderlich, die Umsetzung der Mobilität Aufnahme. Daher das System aufgenommen, die Sensoren, die MCU mit drahtloser Kommunikationsfähi...

Laufende und objektive Überwachung der Nahrungsaufnahme ist unerlässlich für die Aufrechterhaltung der Energiebilanz im menschlichen Körper als übermäßige Energieansammlung verursachen Übergewicht und Adipositas1, mit verschiedenen medizinischen Komplikationen2führen kann. Die wichtigsten Faktoren in der Energie-Ungleichgewicht sind bekannt, übermäßige Nahrungsaufnahme und unzureichende körperliche Aktivität3. Verschiedene Studien über die Überwachung der täglichen Energieverbrauch wurden mit automatischen und objektive Messung von körperlicher Aktivitätsmuster durch tragbare Geräte4,5,6, auch bei der Endverbraucher Ebene und medizinische Stufe7. Forschung über die Kontrolle der Nahrungsaufnahme, ist jedoch noch im Labor einrichten, da es schwierig ist, die Nahrung Aufnahme Aktivität in einer direkten und objektiven Weise erkennen. Hier wollen wir eine Gerätekonstruktion und deren Bewertung für die Überwachung der Nahrungsaufnahme und körperliche Aktivitätsmuster auf praktischer Ebene im täglichen Leben zu präsentieren.
Es wurden verschiedene indirekte Ansätze zur Überwachung der Nahrungsaufnahme durch Kauen und schlucken Geräusche8,9,10, Bewegung des Handgelenks11,12,13, Bild Analyse14und Elektromyogramm (EMG)15. Diese Ansätze waren jedoch schwer zu täglichen Leben, wegen ihrer inhärenten Einschränkungen gelten: die Methoden mit Sound waren anfällig für beeinflusst werden ökologische Klang; die Methoden, die durch die Bewegung des Handgelenks waren schwierig zu unterscheiden, andere körperlichen Aktivitäten, beim Essen nicht verarbeiten; und die Methoden mit den Bildern und EMG-Signale werden durch die Begrenzung der Bewegung und Umwelt eingeschränkt. Diese Studien zeigten die Möglichkeit der automatischen Erkennung von der Nahrungsaufnahme mit Hilfe von Sensoren, sondern hatte noch eine Einschränkung der praktischen Anwendbarkeit in den Alltag über Labor-Einstellungen.
In dieser Studie verwendeten wir die Muster der Temporalis Muskel-Aktivität als eine automatische und objektive Überwachung der Nahrungsaufnahme. In der Regel wiederholt Temporalis Muskel der Kontraktion und Entspannung als Teil der physiologischen Muskel während Essen Einlass16,17; Somit kann die Lebensmittel Aufnahme Aktivität überwacht werden, durch den Nachweis der periodischen Mustern Temporalis Muskel-Aktivität. Vor kurzem gab es mehrere Studien, die unter Verwendung der Temporalis Muskel-Aktivität18,19,20,21, die die EMG oder piezoelektrische Belastung verwendet Sensor und befestigen sie direkt auf Menschen Haut. Diese Ansätze jedoch waren empfindlich auf der Haut-Standort des EMG-Elektroden oder Belastung Sensoren und leicht von der Haut durch die körperliche Bewegung oder Schweiß gelöst wurden. Daher haben wir vorgeschlagen, eine neue und effektive Methode, mit ein paar Gläser das Gefühl, dass die Temporalis Muskel-Aktivität durch zwei Wägezellen in beide Scharniere in unserem vorherigen Studie22eingefügt. Diese Methode zeigte großes Potenzial Essen Aufnahme Aktivität ohne Berührung der Haut mit einer hohen Genauigkeit zu erkennen. Es war auch nicht aufdringlich und nicht aufdringlich, da wir ein gemeinsame Brillen-Typ-Gerät verwendet.
In dieser Studie stellen wir eine Reihe von detaillierten Protokollen wie Brillen-Typ-Gerät zu implementieren und die Muster des Temporalis Muskel-Aktivität verwenden zur Überwachung der Nahrungsaufnahme und körperliche Aktivität. Die Protokolle beinhalten den Prozess der Hardware-Design und Fertigung, die aus einem 3D-gedruckten Rahmen die Gläser, ein Schaltungsmoduls und ein Datenmodul Erwerb besteht und die Softwarealgorithmen zur Datenverarbeitung und-Analyse. Wir weiterhin die Einstufung unter mehreren vorgestellten Aktivitäten (z. B.kauen, zu Fuß und einem Augenzwinkern) untersucht das Potenzial als ein praktisches System zu demonstrieren, die eine Minute die Nahrungsaufnahme und andere körperliche Aktivität unterscheiden können Muster.

<table><tbody><tr><td>FSS1500NSB</td><td>Honeywell, USA</td><td></td><td>Wägezelle</td></tr><tr><td>INA125U</td><td>Texas Instruments, USA</td><td></td><td>Verstärker</td></tr><tr><td>ESP-07</td><td>Shenzhen Anxinke Technology, China</td><td></td><td>MCU mit Wi-Fi-Modul</td></tr><tr><td>74LVC1G3157</td><td>Nexperia, Niederlande</td><td></td><td>Multiplexer</td></tr><tr><td>MP701435P</td><td>Maxpower, China</td><td></td><td>LiPo Akku</td></tr><tr><td>U1V10F3</td><td>Pololu, USA</td><td></td><td>Spannungsregler</td></tr><tr><td>Ultimaker 2 Ultimaker</td><td>, Niederlande</td><td></td><td>3D-Drucker</td></tr><tr><td>ColorFabb XT-CF20</td><td>ColorFabb, Niederlande</td><td></td><td>Kohlefaserfilament</td></tr><tr><td>iPhone 6s Plus</td><td>Apple, USA</td><td></td><td>Datenerfassungsgerät</td></tr><tr><td>Jelly Belly</td><td>Jelly Belly Candy Company, USA</td><td></td><td>Lebensmitteltextur für Benutzerstudie</td></tr></tbody></table>

gestaltung und bewertung von datenbrillen für nahrungsaufnahme und körperliche aktivität klassifizierung

Design and Evaluation of Smart Glasses for Food Intake and Physical Activity Classification

Diese Studie stellt eine Reihe von Protokollen der Entwicklung und Herstellung eine Brillen-Typ tragbare Gerät, die die Muster der Temporalis Muskelaktivitäten während der Nahrungsaufnahme und andere körperlichen Aktivitäten erkennt. Wir fabrizierten einen 3D-gedruckten Rahmen der Gläser und eine Zelle integriert Printed Circuit Board (PCB) Lademodul in beiden Seiten des Rahmens eingefügt. Das Modul wurde zur erwerben die Kraft-Signale und drahtlos zu übertragen. Diese Verfahren bieten das System höhere Mobilität, die ausgewertet werden kann, tragen Praxisbedingungen wie Wandern und wackeln. Eine Aufführung der Klassifikation wird auch durch die Unterscheidung der Muster der Nahrungsaufnahme von diesen körperlichen Aktivitäten ausgewertet. Eine Reihe von Algorithmen wurden zur Vorverarbeitung Signale generieren Merkmalsvektoren und erkennen der Muster von mehreren vorgestellten Aktivitäten (kauen und zwinkert) und andere körperlichen Aktivitäten (sitzende Rest, reden, und zu Fuß). Die Ergebnisse zeigten, dass die durchschnittliche F1 Ergebnis der Klassifizierung unter den vorgestellten Aktivitäten 91,4 %. Wir glauben, dass dieser Ansatz für die automatische und objektive Überwachung medikamentöser Verhaltensweisen mit einer höheren Genauigkeit als praktisches Mittel zur medikamentöser Behandlung möglicherweise nützlich sein kann.

Durch die im Protokoll beschriebenen Verfahren haben wir zwei Versionen des 3D gedruckte Rahmens durch Differenzierung die Länge des Kopfteils, LH (133 bis 138 mm), und die Tempel, LT (110 und 125 mm), wie in Abbildung 4dargestellt. Daher können wir mehrere Bedingungen tragen, die variiert werden kann, von den Themen Kopfgröße, Form, etc. wählte einen der Rahmen zu ihren Kopf für die Nutzerstudie passen die Themen abdecken. Der ...

Diese Studie stellt ein Protokoll der Entwicklung und Herstellung eine Brillen-Typ tragbares Gerät, die erkennt die Muster der Nahrungsaufnahme und andere empfohlenen körperlichen Aktivitäten mit Wägezellen in beide Scharniere der Gläser eingefügt.

Gestaltung und Bewertung von Datenbrillen für Nahrungsaufnahme und körperliche Aktivität Klassifizierung

This study presents a series of protocols of designing and manufacturing a glasses-type wearable device that detects the patterns of temporalis muscle ...

Das übergeordnete Ziel dieses Verfahrens ist es, ein brillenartiges tragbares Gerät zu entwerfen und herzustellen, das die Muster der Schläfenmuskelaktivitäten während der Nahrungsaufnahme und anderer körperlicher Aktivitäten erkennt. Diese Methode kann helfen, wichtige Fragen im Bereich der Überwachung von einnehmbaren Verhaltensweisen zu beantworten, wie z. B. die Erkennung der Nahrungsaufnahme während einer Mahlzeit. Der Hauptvorteil dieser Technik besteht darin, dass die Muster der Schläfenmuskelaktivität während der Nahrungsaufnahme automatisch und objektiv mit einer Brille erkannt werden können.Das Herstellungsverfahren wird von Wonjoon Oh, einem Maschinenbauingenieur in unserem Unternehmen, vorgeführt. Die Datenerhebung wird von Hak Yung Gu durchgeführt, der ebenfalls in unserem Unternehmen tätig ist. Entscheidend für das Experiment sind die Schaltungsmodule, die hergestellt werden müssen.Es gibt zwei. Eine für den linken und rechten Bügel in einer Brille. Das linke Modul enthält eine Wägezelle, einen Stecker, einen Messverstärker, einen Spannungsregler und einen Batterieanschluss.Das rechte Modul verfügt über einen Mikrocontroller mit WiFi, UART-Stecker, Multiplexer, Verstä

design-evaluation-smart-glasses-for-food-intake-physical-activity

Research

Forschung

JoVE Journal

Engineering

Ingenieurwesen

Es wurde eine standardisierte Bewertungsmethode für tragbare Mobilitätsüberwachungssysteme (WMMS) entwickelt, die kontinuierliche Aktivitäten in einer realistischen täglichen Lebensumgebung umfasst. Das Testen mit einer Reihe von Aktivitäten des täglichen Lebens kann die Empfindlichkeit der Aktivitätserkennung verringern. Daher werden realistische Testschaltungen für eine valide Bewertung der WMMS-Leistung empfohlen.

Evaluation eines Smartphone-basierte Personal Activity Recognition System in einem täglichen Lebens Umwelt

Themen Essen von einer Platte auf einer Skala verbunden mit einem Computer, der Aufzeichnungen den Gewichtsverlust der Platte während des Essens gelegt. Feedback auf dem Bildschirm können das Thema zu ihrem/seinem Essverhalten zu Referenzkurven so normalisieren Körpergewicht anpassen.

Kontrolle über das Essverhalten mit einem neuartigen Feedbacksystem

Die Verwendung multimodaler Sensoren ist ein vielversprechender Weg, um die Rolle sozialer Interaktionen in Bildungseinrichtungen zu verstehen. Dieses Papier beschreibt eine Methode zur Erfassung der visuellen Aufmerksamkeit von colocated Dyads mit mobilen Eye-Trackern.

Eine Methodik zur Erfassung der gemeinsamen visuellen Aufmerksamkeit mit mobilen Eye-Trackern

Dieses Protokoll beschreibt die technische Einstellung einer entwickelten Mixed-Reality-Anwendung, die für immersive Analysen verwendet wird. Darauf aufbauend werden Maßnahmen vorgestellt, die in einer Studie eingesetzt wurden, um Erkenntnisse über Usability-Aspekte der entwickelten technischen Lösung zu gewinnen.

Bewertung von Usability-Aspekten einer Mixed-Reality-Lösung für Immersive Analytics in Industrie 4.0-Szenarien

Ziel der in diesem Artikel vorgestellten Arbeit ist es, Technologien zur automatisierten Erkennung von Lebensmitteln und Getränken aus Bildern mobiler Geräte zu entwickeln. Die Technologie besteht aus zwei verschiedenen Ansätzen - der erste führt die Lebensmittelbilderkennung durch, während der zweite die Segmentierung von Lebensmittelbildern durchführt.

Deep Neural Networks für imagebasierte Ernährungsbewertung

Dieser Artikel beschreibt das Protokoll für die Entwicklung einer innovativen Smartphone-basierten Ernährungsbewertungsanwendung Traqq, einschließlich Expertenbewertungen und Usability-Tests.

Iterative Entwicklung eines innovativen Smartphone-basierten Ernährungsbewertungstools: Traqq

Dieses Protokoll zeigt und erklärt eine neue technologiebasierte Methode zur Bewertung der Ernährung. Die Methode besteht aus einem Esstablett mit mehreren eingebauten Waagen und einer Videokamera. Das Gerät ist insofern einzigartig, als es automatisierte Messungen der Nahrungs- und Getränkeaufnahme und des Essverhaltens im Verlauf einer Mahlzeit beinhaltet.

Konzeptentwicklung und Einsatz einer automatisierten Methode zur Beurteilung der Nahrungsaufnahme und des Essverhaltens

In diesem Artikel wird erörtert, wie eine Gehirn-Computer-Schnittstelle aufgebaut werden kann, indem man sich auf Geräte in Verbraucherqualität und stationäre, visuell evozierte Potenziale stützt. Zu diesem Zweck wurde ein Einkanal-Elektroenzephalograph, der trockene Elektroden nutzt, mit einer Augmented-Reality-Brille zur Reizdarstellung und Visualisierung der Ausgangsdaten integriert. Das endgültige System war nicht-invasiv, tragbar und tragbar.

Eine einkanalige und nicht-invasive tragbare Gehirn-Computer-Schnittstelle für Industrie und Gesundheitswesen

In diesem Artikel wird ein auf künstlicher Intelligenz basierendes System vorgeschlagen, das automatisch erkennt, ob die Schüler auf den Unterricht achten oder abgelenkt sind. Dieses System soll Lehrern helfen, die Aufmerksamkeit der Schüler aufrechtzuerhalten, ihren Unterricht zu optimieren und dynamisch Änderungen vorzunehmen, damit sie ansprechender sind.

Auf künstlicher Intelligenz basierendes System zur Erkennung des Aufmerksamkeitsniveaus von Schülern

Die tragbare Technologie ist kostengünstig und bietet eine bequeme Überwachung physiologischer Daten. Die Genauigkeit und Zuverlässigkeit dieser Geräte erfordert jedoch eine sorgfältige Bewertung, um ihre Wirksamkeit und Sicherheit für die Benutzer zu gewährleisten. Dieser Bericht beschreibt den Validierungsprozess einer kommerziellen Smartwatch bei der Überwachung physiologischer Daten und körperlicher Aktivität.

Bewertung der Genauigkeit von Fitness-Smartwatch-Daten für die Überwachung von Herz-Kreislauf- und körperlicher Aktivität: Eine Validierungsstudie im Bereich Digital Health

Erfahren Sie, wie eine Datenbrille zur automatischen Erfassung von Nahrungsaufnahme und körperlicher Aktivität entwickelt wird. Diese Methode ermöglicht objektives Verhaltensmonitoring in Echtzeit.

Gestaltung und Bewertung von Datenbrillen für Nahrungsaufnahme und körperliche Aktivität Klassifizierung

Weitere Videos entdecken