Name: 自动食物摄入和饮食行为评估方法的概念开发和使用 (视频) | JoVE Journal
Uploaded: 2021-02-19T15:00:00.000+00:00
Duration: 6 min 21 s
Description: 了解利用内置称重传感器和摄像头的智能餐盘自动测量食物摄入量和饮食行为的方法。该技术为营养学和饮食行为研究提供了精确的数据采集手段，有助于改善糖尿病和营养不良人群的膳食管理。

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

感谢瓦赫宁根大学与研究机构的技术开发工作室 J. M. C. D. Meijer 在 mEETr 培养皿开发过程中提供的帮助。本研究由荷兰四所理工大学联合资助，属于 4TU-Pride and Prejudice 项目。

本初步研究在项目启动前已获得瓦赫宁根大学医学伦理委员会（METC）的批准。
警告：所有参与本项目的人员均已签署知情同意书，包括同意使用显示其可见且可识别面部的视频影像。
1. 样本制备与受试者知情同意
<ol>
	<li>准备一杯果汁（玻璃杯或杯子）、一份水果酸奶（碗）和一些水果块（盘子）。 
	注意：这些食物仅用于演示目的（图2）。</li>
	<li>招募一名同意参与研究的受试者或志愿者。</li>
	<li>排除佩戴眼镜（无法使用隐形眼镜）和/或面部有毛发（胡须或八字胡）的受试者，以避免测量误差。</li>
	<li>向受试者说明研究内容及数据采集方式（数据存储、可访问性）。若进行非匿名视频录制，需单独获取许可。在采集数据前，须获得受试者签署的知情同意书。</li>
</ol>
2. 设备与测量位置的设置
注意：本方案适用于在受控环境（进食实验室）中进行数据采集.
<ol>
	<li>确保房间内的光线分布均匀，避免受试者面部出现阴影。</li>
	<li>录制视频时应避免除受试者外其他人员造成的背景噪音。</li>
	<li>让受试者坐在桌前的椅子上，桌面高度应略低于受试者胸部。</li>
	<li>将托盘的无线接收器和网络摄像头连接至笔记本电脑。</li>
	<li>启动笔记本电脑，确保其具备以下配置：CPU i7-10750H，SSD M.2 512 GB，内存 1x 16 GB，DDR4 2933 MHz 非 ECC 内存，操作系统 64 位。</li>
	<li>打开托盘电源，确认托盘有电量（绿灯亮起）。</li>
	<li>依次启动连接程序（dos）、接收器、处理器软件程序以及仪表盘。</li>
	<li>在处理器程序中检查输入的图像质量（图3）。 
	注意：为准确检测进食行为，图像质量应处于任务栏最右侧四分之一区域（绿色），并尽可能接近 100% 绿色。阴影形成可能导致图像质量下降。</li>
	<li>确保图像帧范围正确，以避免图像质量不佳。受试者的头部（颅骨以上）至胸部，包括手臂和肩膀，均需清晰可见。</li>
</ol>
3. 称重系统与数据传输
<ol>
	<li>首次使用 mEETr 之前，需对测量装置进行验证。 
	注意：mEETr 设备由一个常规市售餐盘（纤维增强环氧树脂餐盘）组成，内置三个称重站（图2）。</li>
	<li>为验证装置的准确性，需确保餐盘能够持续测量盘子、碗和饮水杯的重量。 
	注意：在整个量程范围内，称重传感器的精度应为 0.3%。</li>
	<li>请勿在每个称重平台上放置过重物品。最大平台（主餐盘）的最大承重为 1.5 kg；两个较小平台（碗和杯子）的最大承重为 800 g。每个称重站可准确测量的最小重量为 1 g。</li>
	<li>确保盘子、杯子和碗未接触平台或周围托盘表面。可利用中心环来避免此类接触。 
	注意：每个称重站由三个呈三角形排列的力传感器组成，共同作用为一个秤。采用三角形布局是为了实现重量的平衡。</li>
	<li>务必保持餐盘干燥。餐盘下方设有 50 mm 厚的底板（中央电路板），内含电子元件。</li>
	<li>进行数据传输时，确保餐盘与无线接收器连接。 
	注意：通过短距离无线电信号（约 1 m 距离）以每秒 1 次的频率传输称重数据。通过 USB 接口将接收器连接至个人计算机（PC）。</li>
	<li>三个力传感器测量受力（或重量），将其累加后转换为经校准的重量值。</li>
	<li>每次使用后应对餐盘进行充电。 
	注意：餐盘由内置电池组供电，可通过 USB 充电器充电。USB 插口附近设有电源滑动开关。电池充满后可支持约 20 小时的使用时间。</li>
	<li>请勿将餐盘放入洗碗机清洗；该餐盘不具备洗碗机防护能力。应使用清洁喷雾进行清洁，并确保餐盘保持清洁和干燥。平台周围的导流槽可排出液体溢出物。</li>
</ol>
4. 受试者说明及观察开始
<ol>
	<li>将 mEETr 设备放置在受试者前方。</li>
	<li>指导受试者：1）根据自身意愿进食，可多可少；2）进食时直视网络摄像头；3）进食过程中不要用手遮挡面部。</li>
	<li>在接收软件中新建一项观察记录。记录日期、受试者编号、性别、年龄及人体测量数据（如体重和身高）。在观察记录名称中包含研究条件和研究访视次数等附加信息。</li>
	<li>在接收软件中点击Record（开始记录）以启动观察记录。</li>
	<li>激活仪表板，以便在数据采集期间查看视频记录和实时传入的数据（图4）。</li>
	<li>在开始记录前，要求受试者：1）举起标有受试者编号的卡片；2）在餐前和餐后分别举手示意。</li>
	<li>当受试者完成进食后结束观察。数据传输至电子表格约需 2 分钟。</li>
	<li>至此，受试者的实验环节结束。</li>
	<li>断开网络摄像头和托盘接收器与笔记本电脑的连接，并使用清洁纸巾或清洁喷雾进行清洁。</li>
</ol>
5. 数据评估与传输
<ol>
	<li>在接收器软件中打开最后一次观察记录。进食行为的自动测量数据存储在数据标题下。点击导出数据以提取原始数据。生成的输出文件包含每位受试者的编号、实际时间、相对于开始时间的时间，以及进食行为变量（咀嚼次数、咀嚼频率、咀嚼持续时间）的数据。 
	注意：所有行为均带有时间戳。在接收器软件中，还可提取托盘的额外外部数据，例如三个托盘各自的重量数据。数据以每秒10次的频率记录并传输。托盘数据的采集时间与进食行为记录同步。</li>
	<li>在程序内部通过不同的柱状图对结果进行汇总和可视化。将结果以日志文件（.xsl）格式导出原始数据（图5）。</li>
	<li>将日志文件导出至电子表格，并使用首选的统计软件进行数据分析。</li>
	<li>在数据分析前对数据进行清理。 
	&#8203;注意：由于餐具按压餐盘可能导致重量增加，因此需对托盘称重数据进行清理，将其处理为Kaplan-Meier曲线形式，其中步长表示咬食量，步间长度表示进食间隔时间。曲线起点表示初始重量，最后一步表示结束重量。具体步骤如下：
	<ol>
		<li>对时间点进行平滑处理，统一为每秒一次测量，以滤除极端值。</li>
		<li>设定5 g的阈值，识别重量平台期（即±5 g范围内的无变化）和重量变化（随时间变化超过5 g），以判断咬食量和食物摄取量的变化。</li>
		<li>排除因餐具停留在餐盘上导致的重量增加。 
		注意：输出结果包括每餐开始和结束时各称重点的总重量变化（即进餐总量）、平均咬食量以及每分钟咬食次数。</li>
	</ol>
	</li>
	<li>为确定进餐过程中进食速率（g/sec）和咬食量（g/咬）的变化，需手动整合托盘重量数据与进食行为数据（图&#160;6，&#160;图7，&#160;图8，&#160;图9，&#160;图&#160;10）。</li>
</ol>

<ol><li>Burrows, T. L., Ho, Y. Y., Rollo, M. E., Collins, C. E. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Validity+of+dietary+assessment+methods+when+compared+to+the+method+of+doubly+labeled+water%3A+A+systematic+review+in+adults%5BTitle%5D)+AND+%22Frontiers+in+Endocrinology%22%5BJournal%5D)">Validity of dietary assessment methods when compared to the method of doubly labeled water: A systematic review in adults.</a> Frontiers in Endocrinology. 10, 850(2019).</li>
<li>Brouwer-Brolsma, E. M., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Dietary+intake+assessment%3A+From+traditional+paper-pencil+questionnaires+to+technology-based+tools.+Environmental+software+systems.+Data+science+in+action%5BTitle%5D)+AND+%22Advances+in+Information+and+Communication+Technology%22%5BJournal%5D)">Dietary intake assessment: From traditional paper-pencil questionnaires to technology-based tools. Environmental software systems. Data science in action.</a> Advances in Information and Communication Technology. 554, (2020).</li>
<li>Palese, A., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((What+nursing+home+environment+can+maximise+eating+independence+among+residents+with+cognitive+impairment%3F+Findings+from+a+secondary+analysis%5BTitle%5D)+AND+%22Geriatric+Nursing%22%5BJournal%5D)">What nursing home environment can maximise eating independence among residents with cognitive impairment? Findings from a secondary analysis.</a> Geriatric Nursing. 41 (6), 709-716 (2020).</li>
<li>Krop, E. M., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Influence+of+oral+processing+on+appetite+and+food+intake+-+A+systematic+review+and+meta-analysis%5BTitle%5D)+AND+%22Appetite%22%5BJournal%5D)">Influence of oral processing on appetite and food intake - A systematic review and meta-analysis.</a> Appetite. 125, 253-269 (2018).</li>
<li>Nicolas, E., Veyrune, J. L., Lassauzay, C., Peyron, M. A., Hennequin, M. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Validation+of+video+versus+electromyography+for+chewing+evaluation+of+the+elderly+wearing+a+complete+denture%5BTitle%5D)+AND+%22Journal+of+Oral+Rehabilitation%22%5BJournal%5D)">Validation of video versus electromyography for chewing evaluation of the elderly wearing a complete denture.</a> Journal of Oral Rehabilitation. 34 (8), 566-571 (2007).</li>
<li>Sabin, M. A., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((A+novel+treatment+for+childhood+obesity+using+Mandometer%C2%AE+technology%5BTitle%5D)+AND+%22International+Journal+of+Obesity%22%5BJournal%5D)">A novel treatment for childhood obesity using Mandometer® technology.</a> International Journal of Obesity. 7, (2006).</li>
<li>Hermsen, S., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Evaluation+of+a+Smart+fork+to+decelerate+eating+rate%5BTitle%5D)+AND+%22Journal+of+the+Academy+of+Nutrition+and+Dietetics%22%5BJournal%5D)">Evaluation of a Smart fork to decelerate eating rate.</a> Journal of the Academy of Nutrition and Dietetics. 116 (7), 1066-1068 (2016).</li>
<li>vanden Boer, J., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((The+splendid+eating+detection+sensor%3A+Development+and+feasibility+study%5BTitle%5D)+AND+%22JMIR+mHealth+and+uHealth%22%5BJournal%5D)">The splendid eating detection sensor: Development and feasibility study.</a> JMIR mHealth and uHealth. 6 (9), 170(2018).</li>
<li>Papapanagiotou, V., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((A+novel+chewing+detection+system+based+on+ppg%2C+audio%2C+and+accelerometry%5BTitle%5D)+AND+%22IEEE+Journal+of+Biomedical+and+Health+Informatics%22%5BJournal%5D)">A novel chewing detection system based on ppg, audio, and accelerometry.</a> IEEE Journal of Biomedical and Health Informatics. 21 (3), 607-618 (2016).</li>
<li>Ioakimidis, I., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Description+of+chewing+and+food+intake+over+the+course+of+a+meal%5BTitle%5D)+AND+%22Physiology+%26+Behavior%22%5BJournal%5D)">Description of chewing and food intake over the course of a meal.</a> Physiology & Behavior. 104 (5), 761-769 (2011).</li>
<li>Ruiz, L. D., Zuelch, M. L., Dimitratos, S. M., Scherr, R. E. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Adolescent+obesity%3A+Diet+quality%2C+psychosocial+health%2C+and+cardiometabolic+risk+factors%5BTitle%5D)+AND+%22Nutrients%22%5BJournal%5D)">Adolescent obesity: Diet quality, psychosocial health, and cardiometabolic risk factors.</a> Nutrients. 12 (1), 43(2020).</li>
<li>Forde, C. G., van Kuijk, N., Thaler, T., de Graaf, C., Martin, N. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Oral+processing+characteristics+of+solid+savoury+meal+components%2C+and+relationship+with+food+composition%2C+sensory+attributes+and+expected+satiation%5BTitle%5D)+AND+%22Appetite%22%5BJournal%5D)">Oral processing characteristics of solid savoury meal components, and relationship with food composition, sensory attributes and expected satiation.</a> Appetite. 60 (1), 208-219 (2013).</li>
<li>Weijzen, P. L. G., Smeets, P. A. M., de Graaf, C. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Sip+size+of+orangeade%3A+effects+on+intake+and+sensory-specific+satiation%5BTitle%5D)+AND+%22British+Journal+of+Nutrition%22%5BJournal%5D)">Sip size of orangeade: effects on intake and sensory-specific satiation.</a> British Journal of Nutrition. 102 (07), 1091-1097 (2009).</li>
<li>Zijlstra, N., de Wijk, R. A., Mars, M., Stafleu, A., de Graaf, C. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Effect+of+bite+size+and+oral+processing+time+of+a+semisolid+food+on+satiation%5BTitle%5D)+AND+%22The+American+Journal+of+Clinical+Nutrition%22%5BJournal%5D)">Effect of bite size and oral processing time of a semisolid food on satiation.</a> The American Journal of Clinical Nutrition. 90 (2), 269-275 (2009).</li>
<li>Bolhuis, D. P., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Slow+food%3A+sustained+impact+of+harder+foods+on+the+reduction+in+energy+intake+over+the+course+of+the+day%5BTitle%5D)+AND+%22PloS+One%22%5BJournal%5D)">Slow food: sustained impact of harder foods on the reduction in energy intake over the course of the day.</a> PloS One. 9 (4), 93370(2014).</li>
<li>Grinyer, A. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((The+anonymity+of+research+participants%3A+assumptions%2C+ethics+and+practicalities%5BTitle%5D)+AND+%22Social+Research+Update%22%5BJournal%5D)">The anonymity of research participants: assumptions, ethics and practicalities.</a> Social Research Update. 36 (1), 4(2002).</li>
</ol>

mEETr 设备及其配套软件是与商业合作伙伴 Noldus Information Technology 合作开发的。作者声明无利益冲突。

健康的饮食和良好的进食行为已被证明在预防和解决超重与肥胖方面起着关键作用11。然而，目前用于测量膳食摄入量和进食行为的许多方法对使用者、研究人员以及医疗专业人员而言都较为繁琐，且可能存在偏差，因为这些方法依赖于记忆和对食物份量的估计。使用mEETr工具，无论是单独使用还是与传统的视频记录和膳食评估方法结合使用，均可减少评估过程中的工作量，同时提高膳食摄入量和进食行为评估的准确性和精确性。
在使用 mEETr 之前，需要解决几个关键步骤。一个基本的方法学考虑是与录制视频的面部分析相关的隐私问题。参与者的匿名性是伦理研究的一个重要特征。然而，由于面部分析是 mEETr 的一部分，实现完全匿名几乎不可能16。因此，在研究环境中使用 mEETr 需要制定严格的数据安全措施，并且必须在知情同意书及其他参与者文件中予以特别关注。最终，在 mEETr 的升级版本中，面部记录将在设备内部实时处理，而不会存储视频数据。因此，无需存储面部记录，从而可以实现匿名数据采集。
<p class="jove...

An erratum was issued for:&#160;<a href="https://www.jove.com/t/62144">Concept Development and Use of an Automated Food Intake and Eating Behavior Assessment Method</a>. An author name was updated.
The name was updated from:
Cees de Graaf
to:
Kees de Graaf

An erratum was issued for:&#160;<a href="https://www.jove.com/t/62144">Concept Development and Use of an Automated Food Intake and Eating Behavior Assessment Method</a>. An author name was updated.

Erratum: Concept Development and Use of an Automated Food Intake and Eating Behavior Assessment Method

在营养学研究和膳食实践中，准确评估人们吃什么、吃多少以及如何进食至关重要，这是解决超重和肥胖问题的关键。为了评估膳食摄入量，通常采用传统的自我报告问卷方法，例如食物日记、24小时回顾法或食物频率问卷1。这些方法依赖于自我报告，因此耗时较长，且容易因社会期望性回答、记忆不准确以及食物份量估计困难而产生偏倚2,3。除了评估膳食质量（所摄入的食物种类和数量）外，了解食物的进食方式也十分重要，因为减缓进食速度的进食行为已被证明可防止一餐中的过度摄入4。评估进食行为的金标准是由两名观察者对人们进餐的视频记录进行标注5。该方法劳动强度较大，耗时较长，且无法对行为提供即时反馈。
近年来的技术进步使得在进餐过程中将食物摄入量的自动化测量与进食行为的自动化测量相结合成为可能。为应对这一发展趋势，一种新型的基于传感器的膳食评估方法被开发出来，称为 mEETr，该名称源自荷兰语中的两个词“Meter”（意为：测量装置）和“eet”（意为：进食）的首字母缩写。图1展示了该餐盘及其传感器板的设计。mEETr 是一个普通的用餐托盘，内置三个称重站和一个摄像头支架。每个称重站由三个呈三角形排列的测量点组成，以均匀分布重量。这些称重站可连续测量进餐过程中碗、盘子以及饮水杯或玻璃杯的重量。mEETr 还配备了一个摄像头支架。目前，摄像头支架与托盘是分离的，但为了标准化起见，在 mEETr 下一次升级后集成一个摄像头（可折叠的摄像棒）将是理想方案。摄像头可实现对摄食次数和咀嚼次数以及进食时长的自动化实时分析，从而获取关于进食速率和每口食物量的信息。进食行为的自动化分析通过一种新开发的算法完成。多个研究团队已开发出设备，用于向人们提供关于进食速度加快情况及进食量的实时反馈6。此外，增强型餐叉也被开发出来，用于在进餐过程中对摄食次数及其频率提供实时反馈7。另外，还开发了一种耳部传感器，用于在自由生活条件下测量进食的微观结构8,9。与此设备类似的是 Ioakimidis 等人10所采用的装置，该装置将视频测量与称重餐盘相结合，以确定食物摄入量、摄食次数及咀嚼行为。
与这些设备相比，mEETr 的创新之处在于它将两个餐盘和一个饮水杯（n = 3）的食物摄入量自动测量与进食行为（例如进食速率、摄食次数、每口摄入量及咀嚼行为）的监测整合于同一设备中。如已展示的那样，mEETr 适用于在受控环境（进食实验室）中对单次进餐的食物摄入量和进食行为进行测量，但最终目标是将 mEETr 应用于控制程度较低的环境，例如使用重复性膳食计划的托儿所、养老院和医院。
最终，mEETr 将提供比传统膳食评估方法和视频人工编码更为客观、因而也更为准确和精确的食物摄入量及进食行为测量手段。更优的食物摄入测量方法不仅将促进营养学与健康研究，也将帮助卫生专业人员应对食源性非传染性疾病日益增加的挑战11。最终，mEETr 可在科研和医疗环境中使用，也可由注重健康的用户在家中使用，只需将 mEETr 与现有技术及软件（如其他健康类应用程序或智能手表）相连接即可。总体而言，这些健康测量手段可为用户或医疗专业人员提供关于多种健康行为模式（例如食物摄入、进食行为、基于真实生活数据的能量消耗、睡眠、压力等）较为全面且多样化的概览，从而帮助用户优化饮食结构，建立健康的生活方式。

<table><tbody><tr><td>电池</td><td>na</td><td>na</td><td>电池组（LiPo）并通过 USB 接口连接充电电路。该端口无数据传输功能。</td></tr><tr><td>编程连接器</td><td>Noldus</td><td></td><td>Noldus Information Technology 软件仪表盘 nview</td></tr><tr><td>餐盘</td><td>na</td><td>na</td><td>标准玻璃纤维增强环氧树脂餐盘</td></tr><tr><td>大尺寸秤</td><td>na</td><td>na</td><td>一种基于三力传感器方法定制的高量程秤。</td></tr><tr><td>主控板</td><td>na</td><td>na</td><td>主控板将三个秤的测量值转换为校准后的重量数值。该板还包含低功耗短距离射频发射器。</td></tr><tr><td>操作系统 Windows</td><td>Microsoft</td><td></td><td>Windows 10 Pro 64 位</td></tr><tr><td>处理程序</td><td>Noldus</td><td></td><td>Noldus Information Technology 软件 FaceReader</td></tr><tr><td>接收程序</td><td>Noldus</td><td></td><td>Noldus Information Technology 软件 Observer</td></tr><tr><td>射频接收器</td><td>na</td><td>na</td><td>定制的 USB 转换器，连接至射频接收器。该接收器具有静噪设置，可使其对短距离信号敏感。</td></tr><tr><td>小尺寸秤</td><td>na</td><td>na</td><td>两种基于三力传感器方法定制的低量程秤。</td></tr></tbody></table>

概念开发与自动化食物摄入及进食行为评估方法的应用

Concept Development and Use of an Automated Food Intake and Eating Behavior Assessment Method

绝大多数饮食与进食行为评估方法均基于自我报告，这类方法不仅给受试者带来较大负担，而且容易产生测量误差。近年来的技术创新使得开发更为准确、精确且对用户和研究人员而言操作更简便的饮食与进食行为评估工具成为可能。因此，一种新型基于传感器的设备被研发出来，用于评估食物摄入量和进食行为。该设备为一个常规餐盘，配备有一个摄像机和三个独立的内置称重单元。这些称重单元可在进餐过程中持续测量碗、盘和饮水杯的重量。位于正前方的摄像机记录进食行为特征（如咀嚼、吞咽次数），并通过基于人工智能（AI）的自动面部表情分析软件进行处理。餐盘的重量数据与视频信息通过无线接收器实时传输至个人计算机（PC）。通过在特定时间点对上述测量数据进行差值计算，可获得感兴趣的指标，例如摄入量、进食速度和每口食物大小。当前版本餐盘所获取的信息可用于科研目的；未来升级版设备还将有助于提供更加个性化的饮食摄入与进食行为建议。与传统的饮食评估方法不同，该设备能够在进餐过程中直接测量食物摄入，无需依赖记忆或对食物份量的主观估计。因此，该设备适用于日常主餐的食物摄入量及进食行为的测量。未来，这种基于技术的饮食评估方法还可与健康应用程序或智能手表相连接，从而全面掌握运动、能量摄入和进食行为的整体情况。

进食速率较慢（图7）、每一口/每一口摄入量较小（图8）以及咀嚼次数较多（图9）导致沙拉的摄入量低于酸奶和果汁（图6），该结果由 mEETr 餐盘测量得出。与果汁相比，受试者摄入的水果沙拉减少了17%。果汁、酸奶和沙拉三者之间的所有进食行为特征均存在差异（图7、图8、图9）。受试者对水果沙拉的咀嚼显著多于酸奶和果汁。酸奶与水果沙拉之间的咀嚼次数相差达三倍。此外，沙拉的每一口大小最小，为6.5 g/口，而果汁为8 g/ sip。总体而言，咀嚼次数、每一口大小以及进食速率似乎会影响在进食实验室环境中进餐时的食物摄入量。这些发现与其他研究结果一致，即口腔加工时间增加（咀嚼次数更多、每一口更小）会减少食物摄入量<sup class="...

本方案展示并阐述了一种基于新技术的膳食评估方法。该方法包括一个内置多个称重传感器和一个视频摄像机的餐盘。该设备的独特之处在于，它能够在一餐过程中自动测量食物和饮料的摄入量以及进食行为。

绝大多数饮食与进食行为评估方法均基于自我报告，这些方法不仅负担较重，而且容易产生测量误差。

营养学研究人员和营养师通常使用间接方法来测量食物摄入量，例如食物回顾法。而使用该仪器，我们可以在用餐期间测量实际的食物摄入量以及人们的进食行为。该仪器的主要优势在于，我们能够以更精确的方式测量人们的进食量，同时消费者或患者所需付出的努力较小。该技术可用于更深入地了解个体的饮食情况。对于糖尿病患者或营养不良者（如老年人）而言，这一点尤为重要。本操作将由饮食科主任兼受过专业培训的研究营养师Els Siebelink进行示范。参与者为 Femke de Gooijer 和 Michele Tufano，两人均为博士生，均在瓦赫宁根大学人类营养与健康系工作。首先准备果汁、水果酸奶和水果块。招募同意参加本研究的志愿者。排除佩戴眼镜且无法使用隐形眼镜，或有面部毛发的受试者，以避免测量误差。向受试者说明研究及数据采集过程，并在数据采集前获得其签署的知情同意书。确保室内光线分布均匀，且视频录制过程中无背景噪音后，让受试者坐在桌前，使桌面位置略低于其胸部高度。应能看见整个躯干，包括双臂。将托盘的无线接收器和网络摄像头连接到笔记本电脑。打开托盘电源，启动笔记本电脑，并确保托盘已充电，充电状态由绿色指示灯显示。分别打开连接器程序、接收器以及处理器软件程序，并同时启动控制面板。确保图像帧正确，以避免图像质量不佳，且需清晰显示受试者的头部和胸部，包括手臂和肩膀。保持托盘干燥，托盘下方包括一块50毫米的薄底板和一个中央电路板。通过约一米距离的短距离无线电信号，以每秒一次的频率传输称重数据。通过 USB 端口将接收器连接至个人计算机。确保培养皿、杯子和烧杯未放置在称量平台或周围的托盘上。使用中心环以避免此问题。将测量仪放在参与者面前，并指示参与者在直视网络摄像头的同时，按自己的意愿食用尽可能多或尽可能少的食物。提醒他们在进食时不要将手放在脸前。在接收器软件中开始一项新的观测。记录日期、参与者编号、参与者的性别、年龄和人体测量数据（如体重和身高）。在观测名称中包含研究条件和研究访视等附加信息。在接收软件中点击录制按钮以开始记录观察，并启动仪表板，以便在数据采集期间检查视频记录和传入的数据。在开始录制前，请受试者在用餐开始和结束时举起标有受试者编号的卡片并举手示意。当受试者完成进食后，结束观察。将所有数据传输到电子表格需要两分钟。断开网络摄像头和托盘接收器与笔记本电脑的连接，并使用清洁纸巾或清洁喷雾进行清洁。进食行为的自动化测量数据存储在“数据”标题下。单击“导出数据”以提取原始数据。输出文件包含参与者编号、实际时间、相对起始时间以及带时间戳的进食行为变量数据，例如咀嚼次数、咀嚼频次和咀嚼持续时间。在程序内通过不同的柱状图对结果进行汇总和可视化。将日志文件导出至电子表格，并使用首选的统计软件进行数据分析。计量托盘测得的沙拉摄入量低于酸奶和果汁。与果汁相比，参与者摄入的水果沙拉减少了17%；与酸奶和果汁相比，沙拉的摄入速率更慢、每次啜饮或咬食的量更小、咀嚼次数更多，这些因素导致沙拉摄入量降低，上述结果均由计量托盘测得。与酸奶和果汁相比，受试者在食用水果沙拉时咀嚼次数显著更多。酸奶与水果沙拉之间的实际咀嚼次数相差三倍。沙拉的每口摄入量最小，每口为6.5克，而果汁每啜饮一口为8克。总体而言，在进食实验室环境中，咀嚼次数、每一口的食物量以及进食速度似乎会影响进餐时的食物摄入量。在该计量设备的未来版本中，我们希望增加一个从侧面或下方角落位置拍摄的摄像头，以减少直面使用者所带来的侵入感。该系统的后续版本将使我们能够在真实生活场景中研究食物摄入行为。这还能让我们直接向消费者反馈他们的摄入量、摄入内容以及进食速度。

concept-development-use-an-automated-food-intake-eating-behavior

Research

科研

JoVE Journal

Behavior

行为

自动食物摄入和饮食行为评估方法的概念开发和使用

本文介绍了一组用于测量人类食物相关动机和食物相关目标价值的方法。...

研究人类的食物奖赏与动机

进食实验装置（Feeding Experimentation Device，FED）是一种用于测量小鼠摄食量的开源设备。FED 还可通过实时数字输出，将摄食量测量与其他技术同步。本文提供了 FED...

喂食实验装置（FED）：一种用于测量啮齿类动物食物摄入量的开源装置的构建与验证

本研究介绍了一种设计和制造可穿戴眼镜设备的方案，该设备通过在眼镜两个铰链处安装的载荷传感器，检测进食模式及其他特定身体活动。...

用于食物摄入与身体活动分类的智能眼镜设计与评估

使用染色食物进行定量摄食检测，为评估摄食动机提供了一种可靠且高通量的方法。将食物消耗检测与热遗传学和光遗传学筛选相结合，是研究成年黑腹果蝇（Drosophila...

结合定量摄食检测与神经元强制激活技术研究食欲 果蝇

受试者从放置在与计算机相连的电子秤上的盘子中进食，计算机记录用餐过程中盘子的重量变化。计算机屏幕上的反馈信息使受试者能够根据参考曲线调整其进食行为，从而实现体重的正常化。...

使用新型反馈系统控制进食行为

“Boden食物盘”是一种电子饮食日记，旨在通过视觉图像以互动且有趣的方式收集膳食摄入数据。本研究的目的是将该基于网络的应用程序与传统的三天估计饮食日记法进行有效性验证对比。...

“Boden食物餐盘”：一种用于评估膳食摄入的新颖互动式网络方法

本文介绍了一种研究大鼠抑郁样行为和快感缺失行为的实验方案。该方案结合了两种成熟的动物行为学方法——蔗糖偏好实验和新环境诱导的进食抑制实验，并利用自动化食物和液体摄入监测系统，通过替代性参数间接评估啮齿类动物的行为表现。...

使用自动化食物摄入监测系统进行大鼠蔗糖偏好与新奇性诱导进食减少测试

本文介绍了基于智能手机的创新饮食评估应用程序Traqq的开发方案，包括专家评估和可用性测试。...

基于智能手机的创新膳食评估工具的迭代开发：Traqq

在医疗保健中诊断进食障碍具有挑战性。因此，本方案基于949名患者对问卷的应答，开发了一种算法，并将诊断结果展示在一个易于使用的基于网络的界面上。该系统有助于准确诊断进食障碍，同时排除那些被认为患有进食障碍但实际上不符合诊断标准的个体。...

一种辅助临床医生进行进食障碍分析与诊断的计算机平台

介绍了一种在不使用电击网格的情况下评估实验小鼠运动耐力的方法。该方法是一种人道的改进措施，可减少应激对实验参数的混杂影响。...

无需使用电击网格的小鼠运动耐力评估：一种替代强制运动的方法

了解利用内置称重传感器和摄像头的智能餐盘自动测量食物摄入量和饮食行为的方法。该技术为营养学和饮食行为研究提供了精确的数据采集手段，有助于改善糖尿病和营养不良人群的膳食管理。

概念开发与自动化食物摄入及进食行为评估方法的应用

探索更多视频