Name: Conception et évaluation des lunettes actives de la prise alimentaire et de la Classification de l’activité physique (Vidéo) | JoVE Journal
Uploaded: 2018-02-14T13:00:00.000+00:00
Duration: 7 min 47 s
Description: Découvrez la conception et la fabrication de lunettes connectées détectant l'activité du muscle temporalis pendant la prise alimentaire. Cette méthode permet un suivi automatique et objectif des comportements alimentaires en temps réel.

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

Ce travail a été soutenu par Envisible, Inc. Cette étude a été également soutenue par une subvention de la Korean Health Technology R & D Project, ministère de la santé bien-être, République de Corée (HI15C1027). Cette recherche a été financée également par la Fondation nationale de recherche de Corée (FRO-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>

Les auteurs n’ont rien à divulguer.

Dans cette étude, nous avons proposé tout d’abord la conception et la fabrication des verres qui détectent les patrons de consommation d’aliments et d’activités physiques. Comme cette étude principalement axée sur l’analyse des données de distinguer l’apport alimentaire des autres activités physiques (comme la marche et un clin de œil), le système d’acquisition de données et capteur requis la mise en œuvre de l’enregistrement de la mobilité. Ainsi, le système comprenait les capteurs, le MCU avec capacité de communication...

Un suivi continu et objective de l’apport alimentaire est essentiel au maintien de l’équilibre énergétique du corps humain, car l’accumulation d’énergie excessive peut causer des overweightness et l’obésité1, qui peut entraîner diverses complications médicales2. Les principaux facteurs dans le déséquilibre de l’énergie sont connus pour être les apport alimentaire excessif et une activité physique insuffisante,3. Diverses études sur le suivi de la dépense énergétique quotidienne ont été introduits avec mesure automatique et objective des patterns d’activité physique par le biais de dispositifs portables4,5,6, même à la consommateur final scène médicale et de niveau7. Recherche sur le suivi de la prise alimentaire, cependant, est toujours dans le cadre de laboratoire, car il est difficile de détecter l’activité de l’apport alimentaire d’une manière directe et objective. Ici, notre objectif est de présenter une conception de l’appareil et de son évaluation pour la surveillance de la consommation d’aliments et les patterns d’activité physique sur le plan pratique dans la vie quotidienne.
Il y a eu diverses approches indirectes pour surveiller la consommation alimentaire par le biais de mastication et déglutition sons8,9,10, mouvement du poignet11,12,13, image analyse14et électromyogramme (EMG)15. Cependant, ces approches ont été difficiles à appliquer aux demandes de la vie quotidienne, à cause de leurs limitations inhérentes : les méthodes en utilisant son risquaient d’être influencé par son environnement ; les méthodes utilisant le mouvement du poignet étaient difficiles à distinguer des autres activités physiques lors de la consommation non alimentaire ; et les méthodes en utilisant les images et les signaux EMG sont limités par la limite du mouvement et de l’environnement. Ces études ont montré la capacité de détection automatique de l’apport de nourriture à l’aide de capteurs, mais avaient encore une limitation de l’application pratique de la vie quotidienne au-delà des paramètres de laboratoire.
Dans cette étude, nous avons utilisé les tendances de l’activité de muscle temporalis comme le suivi automatique et objective de l’apport alimentaire. En général, le muscle temporalis répète la contraction et la relaxation dans le cadre des muscles masticateurs au cours de la nourriture prise16,17; ainsi, l’activité de l’apport alimentaire peut être surveillée en détectant les patrons périodiques de l’activité du muscle temporal. Récemment, il y a eu plusieurs études utilisant le temporalis muscle activité18,19,20,21, qui utilisaient les EMG ou un souche piézoélectrique capteur et les fixer directement sur l’homme peau. Ces approches, toutefois, étaient sensibles à l’emplacement de la peau des électrodes EMG ou capteurs de déformation et sont détachés facilement de la peau due au mouvement physique ou de la transpiration. Par conséquent, nous avons proposé une méthode nouvelle et efficace à l’aide d’une paire de lunettes ce sens les temporalis muscle activité grâce à deux capteurs insérés dans les deux charnières dans notre précédente étude22. Cette méthode a montré un grand potentiel de détection de l’activité de l’apport alimentaire avec une grande précision sans toucher la peau. C’est également non envahissant et non intrusive, puisque nous avons utilisé un dispositif commun de verres-type.
Dans cette étude, nous présentons une série de protocoles détaillés de la mise en œuvre de l’unité de verres-type et comment utiliser les modèles d’activité du muscle temporal pour la surveillance de l’apport alimentaire et l’activité physique. Les protocoles comprennent le processus de conception de matériel et de fabrication qui comprend un châssis 3D-imprimé les lunettes, un module de circuit et d’un module d’acquisition de données et comprennent les algorithmes logiciels de traitement de données et d’analyse. Nous avons par ailleurs étudié la classification parmi plusieurs activités recommandées (par exemple, à mâcher, la marche et un clin de œil) pour démontrer le potentiel comme un système pratique qui peut faire une différence minute entre l’apport alimentaire et toute autre activité physique patrons.

<table><tbody><tr><td>FSS1500NSB</td><td>Honeywell, États-Unis</td><td></td><td>Cellule</td></tr><tr><td>de charge INA125U</td><td>Texas Instruments, États-Unis</td><td></td><td>Amplificateur</td></tr><tr><td>ESP-07</td><td>Shenzhen Anxinke Technology, Chine</td><td></td><td>MCU avec module Wi-Fi</td></tr><tr><td>74LVC1G3157</td><td>Nexperia, Pays-Bas</td><td></td><td>Multiplexeur</td></tr><tr><td>MP701435P</td><td>Maxpower, Chine</td><td></td><td>Batterie</td></tr> <tr><td>LiPoU1V10F3</td><td>Pololu, États-Unis</td><td></td><td>Régulateur de tension</td></tr><tr><td>Ultimaker 2</td><td>Ultimaker, Pays-Bas</td><td></td><td>Imprimante 3D</td></tr><tr><td>ColorFabb XT-CF20</td><td>ColorFabb, Pays-Bas</td><td></td><td>Filament en fibre</td></tr><tr><td>de carbone iPhone 6s Plus</td><td>Apple, États-Unis</td><td></td><td>Dispositif d’acquisition de données</td></tr><tr><td>Jelly Belly</td><td>Jelly Belly Candy Company, États-Unis</td><td></td><td>Texture alimentaire pour étude utilisateur</td></tr></tbody></table>

conception et évaluation des lunettes actives de la prise alimentaire et de la classification de l’activité physique

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

Cette étude présente une série de protocoles de conception et de fabrication d’un dispositif portable de type lunettes qui détecte les patrons des activités musculaires temporalis pendant la prise de nourriture et d’autres activités physiques. Nous avons fabriqué un cadre 3D-imprimés de lunettes et un module de Conseil (PCB) de cellule intégrée de circuit imprimé de charge inséré dans les deux charnières du cadre. Le module a été utilisé pour acquérir les signaux de force et les transmettre sans fil. Ces procédures prévoient le système avec une plus grande mobilité, qui peut être évaluée en conditions pratiques de porter comme la marche et en agitant. Une représentation de la classification est également évaluée en distinguant les patrons de l’apport alimentaire de ces activités physiques. Une série d’algorithmes ont été utilisées pour prétraiter les signaux, générer des vecteurs de fonctionnalité et reconnaître les patrons de plusieurs vedette (mastication et un clin de œil) et autres activités physiques (reste sédentaire, parler et la marche). Les résultats ont montré que le score de1 moyenne F du classement parmi les activités recommandés était de 91,4 %. Nous croyons que cette approche peut être potentiellement utile pour la surveillance automatique et objective des comportements ingestive avec une précision plus élevée comme un moyen pratique pour traiter les problèmes.

Par le biais de la procédure décrite dans le protocole, nous avons préparé deux versions de l’image 3D imprimée en différenciant la longueur de la pièce de tête, LH (133 et 138 mm) et les temples, LT (110 et 125 mm), comme illustré à la Figure 4. Par conséquent, nous pouvons couvrir plusieurs conditions de port, qui peuvent varier de la taille de la tête des sujets, forme, etc. que les sujets a choisi l’un des cadres pour s’adap...

Cette étude présente un protocole de conception et de fabrication d’un dispositif portable de verres de type qui détecte les patrons de l’apport alimentaire et autres activités physiques recommandées, à l’aide de capteurs insérés dans les deux charnières des verres.

Conception et évaluation des lunettes actives de la prise alimentaire et de la Classification de l’activité physique

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

L’objectif global de cette procédure est de concevoir et de fabriquer un dispositif portable de type lunettes qui détecte les modèles d’activités musculaires temporales pendant la prise de nourriture et d’autres activités physiques. Cette méthode peut aider à répondre à des questions clés dans le domaine du suivi des comportements ingérables tels que la détection de l’ingestion alimentaire pendant un repas. Le principal avantage de cette technique est que les schémas de l’activité musculaire temporale pendant la prise alimentaire peuvent être détectés automatiquement et objectivement à l’aide d’une paire de lunettes.Le processus de fabrication sera démontré par Wonjoon Oh, un ingénieur mécanique de notre entreprise. La procédure de collecte des données sera effectuée par Hak Yung Gu, qui travaille également dans notre entreprise. La clé de l’expérience sont les modules de circuit qui doivent être fabriqués.Il y en a deux. Un pour les tempes gauche et droite dans une paire de lunettes. Le module de gauche contient une cellule de charge, un connecteur, un amplificateur d’instrumentation, un régulateur de tension et un connecteur de batterie.Le module droit dispose d’un microcontrôleur avec WiFi, d’un connecteur UART, d’un multiplexeur, d’un amplificateur, d’un connecteur et d’une cellule de charge. En plus des circuits, des montures de lunettes doivent être fabriquées. Les cadres doivent pouvoir supporter les modules de circuits imprimés.Pour créer les montures, utilisez un outil de modélisation 3D pour dessiner un modèle de la coiffe des lunettes et de ses deux pièces de temple. Exportez le dessin vers les fichiers de stéréolithographie de CAD pour l’impression 3D. Lors de l’impression, les pièces du cadre utilisent un filament de carbone avec une température de buse de 250 degrés Celsius et une température de lit de 80 degrés Celsius.Après l’impression, pliez les branches vers l’intérieur. Utilisez un souffleur à air chaud réglé à 180 degrés Celsius pour chauffer une pièce. Une fois chauffé, pliez le temple vers l’intérieur d’environ 15 degrés.Pliez chaque morceau de temple vers l’intérieur avant de continuer. Rassemblez toutes les pièces pour assembler les verres. Il s’agit notamment de cartes de circuits imprimés gauche et droite, de branches gauche et droite et d’une coiffe.Commencez par les bons composants du temple. Insérez le circuit imprimé droit dans la branche droite. Fixez-le en place avec un boulon.Fixez le circuit imprimé gauche et la branche gauche de la même manière. Ensuite, fixez la têtière et l’une des branches au niveau de la charnière appropriée et fixez-la avec un boulon. Continuez en attachant l’autre branche à la coiffe.Une fois terminé, connectez les circuits gauche et droit à l’aide de fils de connexion à 3 broches. Pour cette conception, connectez une batterie au circuit gauche. Fixez-le avec du ruban adhésif.Complétez les lunettes en appliquant du ruban adhésif en caoutchouc à la pointe et sur les plaquettes nasales pour augmenter la friction pour le porteur. À ce stade, préparez-vous à l’acquisition des données. Sur un ordinateur, exécutez le projet GlasSense_Server et connectez le module de circuit de cadre via USB.Flashez le logiciel GlasSense_Server dans le microcontrôleur. Ce projet utilise un smartphone pour recevoir les données. Exécutez le logiciel GlasSense_Client sur l’ordinateur et connectez le smartphone via un connecteur USB.Construisez l’application de réception de données sur le smartphone. Pour l’étude, identifiez un sujet et choisissez des lunettes de taille appropriée. Demandez au sujet d’essayer les lunettes.Si nécessaire, utilisez les boulons de support sur le cadre pour affiner l’ajustement. L’étape suivante consiste à demander au sujet de collecter des données pour différentes activités. Pour l’activité de repos sédentaire, demandez au sujet de s’asseoir sur une chaise pour lire avec ses lunettes.Enregistrez l’activité à l’aide de l’application pour smartphone pendant 120 secondes. Permettez le mouvement de la tête mais évitez de bouger tout le corps. Après 120 secondes, arrêtez l’enregistrement et retirez les lunettes pour une pause de 60 secondes.Répétez l’enregistrement des données et faites une pause quatre fois. Suivez une procédure similaire pour l’activité de marche en demandant au sujet de se tenir debout sur un tapis roulant et de porter les lunettes. Démarrez le tapis roulant à 4,5 km à l’heure et demandez au sujet d’enregistrer pendant 120 secondes.Une fois terminé, faites une pause de 60 secondes sans les lunettes. Il existe également des activités de mastication sédentaire et de mastication en marchant. Pour ceux-ci, préparez du pain grillé en carrés de 20x20 mm et préparez des gelées à mâcher.Faites en sorte que le sujet s’assoie ou soit sur le tapis roulant, selon le cas, avec la nourriture à proximité. Tout en portant les lunettes, démarrez l’activité et l’enregistrement des données. Demandez au sujet de manger du pain tout en mâchant normalement.Après 120 secondes, faites une pause de 60 secondes sans les lunettes. Ensuite, effectuez une activité de conversation sédentaire. Pour cela, collectez des données pendant que le sujet s’assoit et lit un livre à haute voix sur un ton et à une vitesse normaux.Dans l’activité de clin d’œil sédentaire, faites en sorte que le sujet fasse un clin d’œil en réponse à une cloche qui se déclenche toutes les trois secondes. Ces données proviennent d’un sujet effectuant chaque activité. L’axe horizontal est le temps en secondes.Chaque axe vertical est la force mesurée après soustraction de la médiane des dix mesures. Les courbes bleues sont pour le côté gauche et les courbes rouges sont pour le côté droit du visage. Comme on peut s’y attendre, les amplitudes maximales des activités de mastication sont grandes par rapport aux activités de repos sédentaire, de parole sédentaire et de marche.Les données de ce type sont transformées en entrée dans une technique de classification par apprentissage automatique. Après chaque développement, cette technique peut être potentiellement utile pour la surveillance automatique et objective des comportements ingérables avec une plus grande précision comme moyen pratique de traiter les problèmes d’ingestive.

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

Research

Recherche

JoVE Journal

Engineering

Ingénierie

Une méthode d’évaluation standardisée a été développée pour les systèmes de surveillance de la mobilité portable (WMMS) qui inclut des activités continues dans un environnement de vie quotidien réaliste. Le test avec une série d’activités de la vie quotidienne peut diminuer la sensibilité à la reconnaissance des activités ; par conséquent, des circuits d’essai réalistes sont encouragés pour une évaluation valide des performances WMMS.

Évaluation d&#39;un système de reconnaissance de l&#39;activité humaine basée à Smartphone dans un milieu de vie quotidien

Sujets de manger d’une plaque sur un pèse-personne connectée à un ordinateur qui enregistre la perte de poids de la plaque pendant le repas. Vos commentaires sur l’écran de l’ordinateur permet au sujet d’adapter son comportement alimentaire aux courbes de référence normalisant ainsi du poids corporel.

Contrôle de comportement à l’aide d’un système de rétroaction roman de manger

L'utilisation de capteurs multimodaux est un moyen prometteur de comprendre le rôle des interactions sociales dans les milieux éducatifs. Cet article décrit une méthodologie pour capturer l'attention visuelle commune des dyades colocated es utilisant les eye-trackers mobiles.

Une méthodologie pour capturer l'attention visuelle conjointe à l'aide de eye-trackers mobiles

Ce protocole définit le cadre technique d’une application de réalité mixte développée qui est utilisée pour l’analyse immersive. Sur cette base, des mesures sont présentées, qui ont été utilisées dans une étude pour mieux comprendre les aspects d’utilisabilité de la solution technique développée.

Évaluation des aspects d’utilisabilité d’une solution de réalité mixte pour l’analyse immersive dans les scénarios de l’industrie 4.0

L’objectif des travaux présentés dans cet article est de développer une technologie de reconnaissance automatisée des aliments et des boissons à partir d’images prises par des appareils mobiles. La technologie comprend deux approches différentes - la première effectue la reconnaissance de l’image alimentaire tandis que la seconde effectue la segmentation de l’image alimentaire.

Réseaux neuronaux profonds pour l’évaluation alimentaire basée sur l’image

Cet article décrit le protocole pour le développement d’une application innovante d’évaluation diététique basée sur smartphone Traqq, y compris des évaluations d’experts et des tests d’utilisabilité.

Développement itératif d’un outil innovant d’évaluation diététique basé sur smartphone : Traqq

Ce protocole montre et explique une nouvelle méthode d’évaluation diététique basée sur la technologie. La méthode consiste en un plateau-salle à manger avec plusieurs balances intégrées et une caméra vidéo. L’appareil est unique en ce sens qu’il intègre des mesures automatisées de la consommation de nourriture et de boissons et du comportement alimentaire au cours d’un repas.

Élaboration de concepts et utilisation d’une méthode automatisée d’évaluation de l’apport alimentaire et du comportement alimentaire

Cet article explique comment construire une interface cerveau-ordinateur en s’appuyant sur un équipement de qualité grand public et des potentiels évoqués visuellement à l’état stable. Pour cela, un électroencéphalographe monocanal exploitant des électrodes sèches a été intégré à des lunettes de réalité augmentée pour la présentation des stimuli et la visualisation des données de sortie. Le système final était non invasif, portable et portable.

Une interface cerveau-ordinateur portable à canal unique et non invasive pour l’industrie et les soins de santé

Cet article propose un système basé sur l’intelligence artificielle pour détecter automatiquement si les élèves sont attentifs à la classe ou s’ils sont distraits. Ce système est conçu pour aider les enseignants à maintenir l’attention des élèves, à optimiser leurs leçons et à introduire dynamiquement des modifications afin qu’ils soient plus engageants.

Système basé sur l’intelligence artificielle pour détecter les niveaux d’attention chez les élèves

La technologie portable a un faible coût et offre une surveillance pratique des données physiologiques. Cependant, la précision et la fiabilité de ces dispositifs nécessitent une évaluation prudente afin de garantir leur efficacité et leur sécurité pour les utilisateurs. Ce rapport décrit le processus de validation d’une montre connectée commerciale dans le suivi des données physiologiques et de l’activité physique.

Évaluation de la précision des données des montres connectées de fitness pour la surveillance de l’activité cardiovasculaire et physique : une étude de validation en santé numérique

Découvrez la conception et la fabrication de lunettes connectées détectant l'activité du muscle temporalis pendant la prise alimentaire. Cette méthode permet un suivi automatique et objectif des comportements alimentaires en temps réel.

Conception et évaluation des lunettes actives de la prise alimentaire et de la Classification de l’activité physique

Explorer plus de vidéos