Name: Diseño y evaluación de gafas inteligentes para la toma de comida y clasificación de actividad física (Video) | JoVE Journal
Uploaded: 2018-02-14T13:00:00.000+00:00
Duration: 7 min 47 s
Description: Aprende a diseñar gafas inteligentes que detectan la actividad del músculo temporal durante la ingesta de alimentos. Este método permite monitorear comportamientos alimentarios de forma automática y objetiva para investigaciones en neurociencia.

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

Este trabajo fue apoyado por Envisible, Inc. Este estudio también fue apoyado por una subvención de Coreano salud tecnología R & D proyectos, Ministerio de salud y bienestar, República de Corea (HI15C1027). Esta investigación también fue apoyada por la Fundación Nacional de investigación de Corea (NRF-2016R1A1A1A05005348).

<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>

Los autores no tienen nada que revelar.

En este estudio, primero se propuso el diseño y proceso de fabricación de vidrios que percibir los patrones de consumo de alimentos y actividades físicas. Como este estudio se centra principalmente en el análisis de datos para distinguir el consumo de alimentos de las otras actividades físicas (como caminar y guiñando un ojo), el sistema de adquisición de datos y sensor requiere la aplicación de grabación de movilidad. Así, el sistema incluye los sensores, el MCU con capacidad de comunicación inalámbrica y la batería. El...

Monitoreo continuo y objetivo de ingesta de alimentos es esencial para mantener el equilibrio de la energía en el cuerpo humano, como acumulación de energía excesivo puede causar obesidad y overweightness1, que puede provocar varias complicaciones médicas2. Los principales factores en el desequilibrio de energía son conocidos por ser la ingesta excesiva de alimentos y actividad física insuficiente3. Varios estudios sobre el seguimiento del gasto de energía diario se han introducido con medición automática y objetiva de los patrones de actividad física a través de dispositivos portátiles4,5,6, incluso en el consumidor final etapa médica y nivel7. Investigación sobre el control de la ingesta de alimentos, sin embargo, todavía está en el ajuste del laboratorio, ya que es difícil detectar la actividad de ingesta de alimentos en forma directa y objetiva. Aquí, nuestro objetivo es presentar un diseño de dispositivo y su evaluación para vigilar la ingesta de alimentos y patrones de actividad física en un nivel práctico en la vida diaria.
Ha habido diversos enfoques indirectos para controlar la ingesta de alimentos mediante la masticación y deglución sonidos8,9,10, movimiento de la muñeca11,12,13, de la imagen Análisis14y15de la electromiografía (EMG). Sin embargo, estos enfoques eran difíciles de aplicar para aplicaciones de la vida diaria, debido a sus limitaciones inherentes: los métodos utilizando el sonido eran vulnerables a ser influenciados por el sonido ambiental; los métodos mediante el movimiento de la muñeca eran difíciles de distinguir de otras actividades físicas cuando no consumo de alimentos; y los métodos utilizando las imágenes y las señales de EMG están restringidos por los límites de movimiento y el medio ambiente. Estos estudios demostraron la capacidad de detección automatizada de la ingesta de alimentos mediante sensores, pero todavía tenían una limitación de la aplicabilidad práctica a la vida cotidiana más allá del laboratorio.
En este estudio, utilizamos los patrones de actividad del músculo de los temporalis como el seguimiento automático y objetivo de la ingesta de alimentos. En general, el músculo de los temporalis repite la contracción y la relajación como parte del músculo del masticatorio durante la ingesta de alimentos16,17; así, la actividad de ingesta de alimentos puede controlarse mediante la detección de los patrones periódicos de actividad del músculo de los temporalis. Recientemente, ha habido varios estudios utilizando el temporalis músculo actividad18,19,20,21, que utilizan el EMG o tensión piezoeléctrica sensor y adjuntarlos directamente en humanos piel. Estos enfoques, sin embargo, eran sensibles a la ubicación de la piel de la tensión sensores o electrodos de EMG y fueron fácilmente separados de la piel debido al movimiento físico o la transpiración. Por lo tanto, hemos propuesto un método nuevo y efectivo utilizando un par de gafas sentido los temporalis músculo actividad por las celdas de carga dos en ambos las bisagras en nuestro anterior estudio22. Este método demostró gran potencial de detectar la actividad de ingesta de alimentos con una alta precisión sin tocar la piel. También fue poco molesto y no intrusiva, ya que utilizamos un dispositivo tipo gafas comunes.
En este estudio, presentamos una serie de protocolos detallados de cómo ejecutar los gafas-tipo de dispositivo y cómo utilizar los patrones de actividad del músculo de los temporalis para monitorear el consumo de alimentos y actividad física. Los protocolos incluyen el proceso de fabricación que consiste en un cuadro impreso en 3D de las gafas, un módulo de circuito y un módulo de adquisición de datos y diseño de hardware e incluyen los algoritmos de software para procesamiento de datos y análisis. Se analizó además la clasificación entre varias actividades recomendadas (p. ej., masticar, caminar y guiñando un ojo) para demostrar el potencial como un práctico sistema que puede decir una diferencia de minutos entre la toma de comida y otras actividades físicas patrones.

<table><tbody><tr><td>FSS1500NSB</td><td>Honeywell, EE. UU.</td><td></td><td>Célula de carga</td></tr><tr><td>INA125U</td><td>Texas Instruments, EE. UU.</td><td></td><td>Amplificador</td></tr><tr><td>ESP-07</td><td>Shenzhen Anxinke Technology, China</td><td></td><td>MCU con módulo Wi-Fi</td></tr><tr><td>74LVC1G3157</td><td>Nexperia, Países Bajos</td><td></td><td>Multiplexor</td></tr><tr><td>MP701435P</td><td>Maxpower, China</td><td></td><td>Batería</td></tr> <tr><td>LiPoU1V10F3</td><td>Pololu, Estados Unidos</td><td></td><td>Regulador de voltaje</td></tr><tr><td>Ultimaker 2</td><td>Ultimaker, Países Bajos</td><td></td><td>Impresora 3D</td></tr><tr><td>ColorFabb XT-CF20</td><td>ColorFabb, Países Bajos</td><td></td><td>Filamento de fibra de carbono</td></tr><tr><td>iPhone 6s Plus</td><td>Apple, Estados Unidos</td><td></td><td>Dispositivo de adquisición de datos</td></tr><tr><td>Jelly Belly Jelly</td><td>Belly Candy Company, Estados Unidos</td><td></td><td>Textura de alimentos para el estudio del usuario</td></tr></tbody></table>

diseño y evaluación de gafas inteligentes para la toma de comida y clasificación de actividad física

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

Este estudio presenta una serie de protocolos de diseño y fabricación de un dispositivo usable de gafas tipo que detecta los patrones de las actividades del músculo de los temporalis durante la ingesta de alimentos y otras actividades físicas. Hemos fabricado un marco impreso en 3D de las gafas y un módulo de carga celular integrado de circuitos impresos (PWB) insertada en ambas bisagras del marco de la. El módulo se utilizó para adquirir las señales de fuerza y transmitirlas de forma inalámbrica. Estos procedimientos proporcionan el sistema con mayor movilidad, que puede ser evaluado en condiciones de usar prácticas como caminar y esquiva. Un rendimiento de la clasificación también es evaluado por distinguir los patrones de consumo de alimentos de las actividades físicas. Una serie de algoritmos se utilizaron para preprocesar las señales, generar vectores de la característica y reconocer los patrones de varios destacados actividades (masticación y guiñando un ojo) y otras actividades físicas (resto sedentario, hablar y caminar). Los resultados mostraron que la puntuación de1 medio F de la clasificación entre las actividades destacadas fue de 91.4%. Creemos que este enfoque puede ser potencialmente útil para el monitoreo automático y objetivo de comportamiento ingestiva con mayor precisión como medio práctico para tratar los problemas ingestiva.

A través de los procedimientos descritos en el protocolo, preparamos dos versiones del 3D marco impreso por distinción de la longitud de la pieza principal, LH (133 y 138 mm) y los templos, LT (110 y 125 mm), como se muestra en la figura 4. Por lo tanto, podemos cubrir varias condiciones de uso, que pueden variar de tamaño de la cabeza de los sujetos, forma, etc. de que los sujetos eligieron uno de los marcos para ajustarse a la...

Este estudio presenta un protocolo de diseño y fabricación de un dispositivo usable de gafas tipo que detecta los patrones de consumo de alimentos y actividad física recomendados mediante células de carga se inserta en ambas bisagras de las gafas.

Diseño y evaluación de gafas inteligentes para la toma de comida y clasificación de actividad física

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

El objetivo general de este procedimiento es diseñar y fabricar un dispositivo portátil tipo gafas que detecte los patrones de las actividades del músculo temporal durante la ingesta de alimentos y otras actividades físicas. Este método puede ayudar a responder preguntas clave en el campo del monitoreo de comportamientos ingeribles, como la detección de la ingesta de alimentos durante una comida. La principal ventaja de esta técnica es que los patrones de actividad del músculo temporal durante la ingesta de alimentos se pueden detectar de forma automática y objetiva mediante un par de gafas.El procedimiento de fabricación será demostrado por Wonjoon Oh, un ingeniero mecánico de nuestra empresa. El procedimiento de recopilación de datos será realizado por Hak Yung Gu, quien también está en nuestra empresa. La clave del experimento son los módulos de circuitos que deben fabricarse.Hay dos. Uno para las sienes izquierda y derecha en un par de gafas. El módulo de la izquierda contiene una celda de carga, un conector, un amplificador de instrumentación, un regulador de voltaje y un conector de batería.El módulo derecho tiene un microcontrolador con WiFi, conector UART, multiplexor, amplificador, conector y celda de carga. Además de los circuitos, hay que fabricar monturas de gafas. Los marcos deben ser capaces de soportar los módulos de la placa de circuito impreso.Para crear las monturas, utiliza una herramienta de modelado 3D para dibujar un modelo del tocado de las gafas y sus dos patillas. Exporte el dibujo a los archivos de litografía estereoscópica de CAD para imprimirlo en 3D. Al imprimir las piezas del cuadro, utilice un filamento de carbono con una temperatura de boquilla de 250 grados centígrados y una temperatura de lecho de 80 grados centígrados.Después de la impresión, trabaja para doblar las patillas hacia adentro. Use un soplador de aire caliente ajustado a 180 grados centígrados para calentar una pieza. Una vez calentado, dobla la patilla hacia adentro unos 15 grados.Dobla cada pieza de la patilla hacia adentro antes de continuar. Reúne todas las piezas para armar las gafas. Estos incluyen placas de circuito impreso izquierda y derecha, patillas izquierda y derecha y un tocado.Comience con los componentes correctos de la patilla. Inserte la placa de circuito derecha en la patilla derecha. Asegúrelo en su lugar con un perno.Asegure la placa de circuito izquierda y la patilla izquierda de la misma manera. A continuación, fije el casco y una de las patillas en la articulación de bisagra adecuada y asegúrelo con un perno. Continúa colocando la otra patilla en el tocado.Cuando termine, conecte los circuitos izquierdo y derecho usando cables de conexión de 3 pines. Para este diseño, conecte una batería al circuito izquierdo. Asegúralo con cinta adhesiva.Completa las gafas aplicando cinta de goma en la punta y en las almohadillas nasales para aumentar la fricción para el usuario. En este punto, prepárese para la adquisición de datos. En una computadora, ejecute el proyecto GlasSense_Server y conecte el módulo de circuito de trama a través de USB.Introduzca el software GlasSense_Server en el microcontrolador. Este proyecto utiliza un teléfono inteligente para recibir los datos. Ejecute el software GlasSense_Client en la computadora y conecte el teléfono inteligente a través de un conector USB.Construya la aplicación de recepción de datos en el teléfono inteligente. Para el estudio, identifique a un sujeto y seleccione gafas del tamaño adecuado. Haz que el sujeto se pruebe las gafas.Si es necesario, utilice los pernos de soporte del marco para ajustar el ajuste. El siguiente paso es hacer que el sujeto recopile datos para diferentes actividades. Para la actividad de descanso sedentario, haga que el sujeto se siente en una silla para leer con las gafas puestas.Registre la actividad usando la aplicación del teléfono inteligente durante 120 segundos. Permita el movimiento de la cabeza, pero evite el movimiento de todo el cuerpo. Después de 120 segundos, detenga la grabación y quítese las gafas para un descanso de 60 segundos.Repita la grabación de datos y tome un descanso cuatro veces. Siga un procedimiento similar para la actividad de caminar haciendo que el sujeto se pare en la caminadora y use las gafas. Ponga en marcha la cinta de correr a 4,5 km por hora y haga que el sujeto registre durante 120 segundos.Cuando termines, tómate un descanso de 60 segundos sin las gafas. También hay actividades de masticación sedentaria y masticación mientras se camina. Para estos prepare pan tostado en cuadrados de 20x20 mm y tenga listas jaleas para masticar.Haga arreglos para que el sujeto se siente o esté en la caminadora, según corresponda, con la comida cerca. Mientras usa las gafas, inicie el registro de actividad y datos. Haga que el sujeto coma pan mientras mastica normalmente.Después de 120 segundos, tómate un descanso de 60 segundos sin las gafas. A continuación, realice una actividad de conversación sedentaria. Para ello, recopile datos mientras el sujeto se sienta y lee un libro en voz alta en un tono y velocidad normales.En la actividad de guiño sedentario, haga arreglos para que el sujeto guiñe el ojo en respuesta a una campana que suena cada tres segundos. Estos datos son de un sujeto que realiza cada actividad. El eje horizontal es el tiempo en segundos.Cada eje vertical es la fuerza medida después de restar la mediana de las diez mediciones. Las curvas azules son para el lado izquierdo y las curvas rojas son para el lado derecho de la cara. Como era de esperar, las amplitudes máximas de las actividades de masticación son grandes en comparación con las actividades de descanso sedentario, conversación sedentaria y caminata.Los datos de este tipo se transforman en entrada para una técnica de clasificación de aprendizaje automático. Después de cada desarrollo, esta técnica puede ser potencialmente útil para el monitoreo automático y objetivo de los comportamientos ingeribles con mayor precisión como un medio práctico para tratar problemas de ingesta.

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

Research

Investigación

JoVE Journal

Engineering

Ingeniería

Se desarrolló un método de evaluación estandarizado para los Sistemas de Monitoreo de Movilidad Portátil (WMMS) que incluye actividades continuas en un entorno de vida diaria realista. Las pruebas con una serie de actividades de la vida diaria pueden disminuir la sensibilidad de reconocimiento de actividades; por lo tanto, se recomiendan circuitos de prueba realistas para una evaluación válida del rendimiento del WMMS.

Evaluación de un sistema de reconocimiento de la actividad humana a base de Smartphone en una de Vida Diaria

Temas de comida de un plato a una báscula conectada a una computadora que registra la pérdida de peso de la placa durante la comida. Comentarios sobre la pantalla del ordenador permite al sujeto adaptarse su conducta alimentaria a las curvas de referencia así normalizar el peso corporal.

Control de comportamiento mediante un novedoso sistema de comer

El uso de sensores multimodales es una forma prometedora de entender el papel de las interacciones sociales en entornos educativos. Este artículo describe una metodología para capturar la atención visual conjunta de los diques colocados utilizando rastreadores oculares móviles.

Una metodología para capturar la atención visual conjunta mediante rastreadores oculares móviles

Este protocolo delinea la configuración técnica de una aplicación de realidad mixta desarrollada que se utiliza para el análisis inmersivo. En base a esto, se presentan medidas, que se utilizaron en un estudio para obtener información sobre los aspectos de usabilidad de la solución técnica desarrollada.

Evaluación de aspectos de usabilidad de una solución de realidad mixta para análisis inmersivo en escenarios de Industria 4.0

El objetivo del trabajo presentado en este artículo es desarrollar tecnología para el reconocimiento automatizado de alimentos y bebidas a partir de imágenes tomadas por dispositivos móviles. La tecnología consta de dos enfoques diferentes: el primero realiza el reconocimiento de imágenes de alimentos, mientras que el segundo realiza la segmentación de imágenes alimentarias.

Redes neuronales profundas para la evaluación dietética basada en imágenes

Este artículo describe el protocolo para el desarrollo de una innovadora aplicación de evaluación dietética basada en teléfonos inteligentes Traqq,que incluye evaluaciones de expertos y pruebas de usabilidad.

Desarrollo iterativo de una innovadora herramienta de evaluación dietética basada en teléfonos inteligentes: Traqq

Este protocolo muestra y explica un nuevo método de evaluación dietética basado en la tecnología. El método consiste en una bandeja de comedor con múltiples básculas de pesaje incorporadas y una cámara de vídeo. El dispositivo es único en el sentido de que incorpora medidas automatizadas de la ingesta de alimentos y bebidas y el comportamiento alimentario en el transcurso de una comida.

Desarrollo conceptual y uso de un método automatizado de evaluación de la ingesta de alimentos y el comportamiento alimentario

Este documento analiza cómo construir una interfaz cerebro-computadora confiando en equipos de grado de consumidor y potenciales evocados visualmente en estado estacionario. Para ello, se integró un electroencefalógrafo monocanal que aprovecha electrodos secos con gafas de realidad aumentada para la presentación de estímulos y la visualización de datos de salida. El sistema final fue no invasivo, portátil y portátil.

Una interfaz cerebro-computadora portátil de un solo canal y no invasiva para la industria y la atención médica

Este artículo propone un sistema basado en inteligencia artificial para detectar automáticamente si los estudiantes están prestando atención a la clase o están distraídos. Este sistema está diseñado para ayudar a los profesores a mantener la atención de los estudiantes, optimizar sus lecciones e introducir modificaciones dinámicamente para que sean más atractivas.

Sistema basado en inteligencia artificial para detectar los niveles de atención en estudiantes

La tecnología portátil tiene un bajo costo y ofrece un monitoreo conveniente de los datos fisiológicos. Sin embargo, la precisión y fiabilidad de estos dispositivos requiere una evaluación cautelosa para garantizar su eficacia y seguridad para los usuarios. Este informe describe el proceso de validación de un reloj inteligente comercial en el seguimiento de datos fisiológicos y de actividad física.

Evaluación de la precisión de los datos de los relojes inteligentes de fitness para el seguimiento de la actividad cardiovascular y física: un estudio de validación en salud digital

Aprende a diseñar gafas inteligentes que detectan la actividad del músculo temporal durante la ingesta de alimentos. Este método permite monitorear comportamientos alimentarios de forma automática y objetiva para investigaciones en neurociencia.

Diseño y evaluación de gafas inteligentes para la toma de comida y clasificación de actividad física

Explorar más videos