Articolo metodologico

Progettazione e valutazione di vetri per ingestione di cibo e la classificazione di attività fisica

11.2K visualizzazioni

DOI:

10.3791/56633

14 febbraio 2018

In questo articolo

Sommario

Questo studio presenta un protocollo di progettazione e produzione di un dispositivo indossabile occhiali-tipo che rileva i modelli dell'ingestione di cibo e altre attività fisiche consigliati utilizzando celle di carico inserito in entrambe le cerniere dei vetri.

Abstract

Questo studio presenta una serie di protocolli di progettazione e produzione di un dispositivo indossabile occhiali-tipo che rileva i modelli di attività del muscolo di temporalis durante l'assunzione di cibo e altre attività fisiche. Abbiamo fabbricato una cornice 3D-stampato dei bicchieri e un modulo di scheda (PCB) integrata in cella circuito stampato di carico inserito in entrambe le cerniere del telaio. Il modulo è stato utilizzato per acquisire i segnali di forza e li trasmette in modalità wireless. Queste procedure forniscono il sistema con maggiore mobilità, che possono essere valutate in condizioni pratiche da portare come camminare e agitando. Una performance della classificazione viene valutata anche distinguendo i modelli dell'ingestione di cibo da quelle attività fisica. Una serie di algoritmi sono stati utilizzati per pre-elaborare i segnali, generare vettori di feature e riconoscere i modelli di diversi presenti attività (masticazione e sbattere le palpebre) e altre attività fisiche (il resto è sedentario, parlare e camminare). I risultati hanno mostrato che il Punteggio di1 media F della classificazione tra le attività consigliate era 91,4%. Crediamo che questo approccio può essere potenzialmente utile per il monitoraggio automatico e oggettiva dei comportamenti ingestive con maggiore precisione come strumento pratico per trattare problemi ingestive.

Introduzione

Monitoraggio continuo e oggettivo dell'ingestione di cibo è essenziale per mantenere l'equilibrio di energia nel corpo umano, come accumulo di energia eccessiva può causare overweightness e obesità1, che potrebbe tradursi in varie complicazioni mediche2. I principali fattori lo squilibrio di energia sono noti per essere sia eccessiva ingestione di cibo e attività fisica insufficiente3. Vari studi sul monitoraggio del dispendio energetico quotidiano sono state introdotte con misura automatica e oggettiva dei modelli di attività fisica attraverso dispositivi indossabili4....

Accesso limitato. Accedi o avvia una prova gratuita per visualizzare questo contenuto.

Protocollo

Nota: Tutte le procedure compreso l'uso di soggetti umani sono state compiute da un modo non-invasivo di semplicemente indossando un paio di occhiali. Tutti i dati sono stati acquisiti attraverso la misurazione dei segnali di forza da celle di carico inserite nei bicchieri che non erano in contatto diretto con la pelle. I dati sono stati trasmessi in modalità wireless al modulo di registrazione dati, che, in questo caso è uno smartphone designato per lo studio. Tutti i protocolli non sono stati collegati in vivo/in vitro studi umani. Nessuna droga e sangue campioni sono stati utilizzati per gli esperimenti. Consenso informato è stato ottenuto da tutt....

Accesso limitato. Accedi o avvia una prova gratuita per visualizzare questo contenuto.

Risultati

Attraverso le procedure descritte nel protocollo, abbiamo preparato due versioni del telaio stampato 3D differenziando la lunghezza della parte capa, LH (133 e 138 mm) e i templi, LT (110 e 125 mm), come mostrato nella Figura 4. Di conseguenza, possiamo coprire diverse condizioni da portare, che possono essere variate da dimensione della testa degli oggetti, forma, ecc. , che i soggetti ha scelto uno dei frame per adattarsi alla.......

Accesso limitato. Accedi o avvia una prova gratuita per visualizzare questo contenuto.

Discussione

In questo studio, abbiamo proposto in primo luogo la progettazione e il processo di fabbricazione di occhiali che senso i modelli di assunzione di cibo e attività fisica. Come questo studio principalmente focalizzato sull'analisi dei dati per distinguere l'ingestione di cibo dalle altre attività fisica (come camminare e sbattere le palpebre), il sistema di acquisizione dati e sensore richiedeva l'attuazione della registrazione di mobilità. Così, il sistema incluso i sensori, il MCU con funzionalità di comunicazione wirel.......

Accesso limitato. Accedi o avvia una prova gratuita per visualizzare questo contenuto.

Dichiarazioni

Gli autori non hanno nulla a rivelare.

Ringraziamenti

Questo lavoro è stato supportato da Envisible, Inc. Questo studio è stato anche sostenuto da una sovvenzione del coreano salute tecnologia R & D Project, Ministero della salute & benessere, Repubblica di Corea (HI15C1027). Questa ricerca è stata sostenuta anche dal National Research Foundation della Corea (NRF-2016R1A1A1A05005348).

....

Accesso limitato. Accedi o avvia una prova gratuita per visualizzare questo contenuto.

Materiali

Elenco dei materiali utilizzati in questo articolo
NomeAziendaNumero di catalogoCommenti
FSS1500NSBHoneywell, USACella di carico
INA125UTexas Instruments, USAAmplificatore
ESP-07Shenzhen Anxinke Technology, CinaMCU con modulo Wi-Fi
74LVC1G3157Nexperia, Paesi BassiMultiplexer
MP701435PMaxpower, CinaBatteria
LiPoU1V10F3Pololu, USARegolatore di tensione
Ultimaker 2Ultimaker, Paesi BassiStampante 3D
ColorFabb XT-CF20ColorFabb, Paesi BassiFilamento in fibra di carbonio
iPhone 6s PlusApple, USADispositivo di acquisizione dati
Jelly BellyJelly Belly Candy Company, USATexture alimentare per lo studio dell'utente

Riferimenti

  1. 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).
  2. Pi-Sunyer, F. X., et al.

Accesso limitato. Accedi o avvia una prova gratuita per visualizzare questo contenuto.

Ristampe e permessi

Richiedi il permesso di riutilizzare il testo o le figure di questo articolo JoVE

Richiedi permesso

Tag

Dispositivo indossabilemuscolo temporaletelaio stampato in 3Dcella di caricotrasmissione wirelessclassificazione tramite machine learningvettore di caratteristiche

Articoli correlati