Name: 설계 및 스마트 유리의 음식 섭취 량과 신체 활동 분류에 대 한 평가 (동영상) | JoVE Journal
Uploaded: 2018-02-14T13:00:00.000+00:00
Duration: 7 min 47 s
Description: 학습하세요 안경형 웨어러블 기기를 설계 및 제조하여 음식 섭취 시 측두근 활동 패턴을 자동으로 감지하는 방법을. 이 기술은 섭취 행동을 객관적으로 모니터링하여 신경과학 및 행동 연구에 혁신적인 도구를 제공합니다.

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

이 작품은 Envisible, i n c.에 의해 지원 되었다 이 연구는 한국 건강 기술 R & D 프로젝트, 보건 복지, 한국 공화국 (HI15C1027)의 교부 금에 의해 또한 지원 되었다. 이 연구는 국립 연구 재단의 한국 (NRF-2016R1A1A1A05005348)에 의해 또한 지원 되었다.

참고: 인간을 대상의 사용을 포함 한 모든 절차는 단순히 착용 하는 안경의 한 쌍의 비-침략 적 방법에 의해 달성 되었다. 모든 데이터는 로드 셀 피부와 직접 접촉에서 되지 않은 안경에 삽입에서 힘 신호를 측정 하 여 인수 했다. 데이터, 경우에이 연구에 대 한 지정 된 smartphone 데이터 기록 모듈, 무선 전송 했다. 모든 프로토콜은 관련이 없는 비보에/생체 외에서 인간 연구. 아니 약물과 혈액 샘플 실험에 사용 되었다. 동의 실험의 모든 과목에서 얻은 했다.
1. 센서 통합 회로 모듈의 제조
<ol><li>
전자 부품 회로 모듈 제조 구매.
	<ol>
<li>구입 두 공 형 로드 셀, 각각 0 N과 N, 15 사이의 범위에서 동작 하며 3.3 V 여기에서 최대 120 mV 범위와 낮은 차동 전압의 출력을 생성 합니다. 참고:이 로드 셀을 측정 하 되 왼쪽 안경의 오른쪽 측면에 신호를 강제로.</li>
		<li>2 계측 증폭기와 2 개의 15 k ω 이득 설정 저항 구입. 참고: 계측 증폭기 및 이득 설정 저항 960까지 8 회, 로드 셀의 힘 신호를 증폭 하는 데 사용 됩니다 mV.</li>
		<li>(예를 들어, Wi-Fi를 연결), 무선 기능 및 10 비트 아날로그-디지털 컨버터 (ADC)와 마이크로 컨트롤러 유닛 (MCU)를 구입. 참고: MCU는 힘 신호를 읽고 무선 데이터 수집 모듈을 그들을 전송 하는 데 사용 됩니다. 2 개의 아날로그 힘 입력 한 아날로그 입력된 핀 사용 됩니다, 때문에 멀티플렉서의 사용 다음 단계 1.1.4에서에서 소개 된다.</li>
		<li>MCU에 대 한 ADC 핀 2 개의 입력된 신호를 처리 하는 2 채널 아날로그 멀티플렉서를 구입.</li>
		<li>3.7 V 공칭 전압, 300 mAh 공칭 용량, 그리고 1 C 방전 율 리튬 이온 중합체 (LiPo) 배터리를 구입. 참고: 배터리 용량 200 mAh 시간당 충분 한 전류를 공급 하 고 실험의 약 1.5 h에 대 한 안정적으로 시스템을 작동 하도록 선택 되었다.</li>
		<li>3.7 V 배터리 전압 3.3 V의 선형 다운 규제에 대 한 3.3 V 전압 조정기를 구입 운영 시스템의 전압.</li>
		<li>MCU의 풀업 저항으로 구매 5 12 k ω 표면 실장 소자 (SMD) 타입 저항 저항기의 발자국은 2.0 m m x 1.2 m m (크기 2012).</li>
	</ol>
</li>
	<li>
인쇄 회로 기판 (Pcb) 조작. 이 단계는 회로 기판, 그리고 PCB 제조에 대 한 (즉, 보드 레이아웃,.brd 파일) 삽화와 회로도 (즉,.sch 파일)를 만드는 대 한 것 이다. 회로도 아트 워크 파일을 만드는 과정에 대 한 기본적인 이해는 개발에 대 한 필요 합니다.
	<ol>
<li>그림 1A와 같이 전자 디자인 응용 프로그램을 사용 하 여 배터리를 포함 하는 왼쪽된 회로의 설계도 그리기. 두 작품 (.brd) 및 회로도 (.sch) 파일 결과 저장 합니다.</li>
		<li>그림 1B와 같이 전자 디자인 응용 프로그램을 사용 하 여 MCU를 포함 하는 바로 회로의 설계도 그리기. 두 작품 (.brd) 및 회로도 (.sch) 파일 결과 저장 합니다.</li>
		<li>회로 기판 PCB 제조 회사와 순서를 배치 하 여 조작.</li>
		<li>그림 2 및 그림 3에서 같이 Pcb 1.1 단계에서 준비 하는 모든 전자 부품을 땜 납. 주의: 계측 증폭기는 납땜 온도에 매우 민감합니다. 리드 온도 10 300 ° C를 초과 하지 않습니다 납땜 하는 동안 s, 그렇지 않으면 발생할 수 있습니다 구성 요소에 영구적인 손상을.</li>
	</ol>
</li>
</ol>2. 3D 안경의 프레임 인쇄
<ol><li>그림 4A와 같이 3D 모델링 도구를 사용 하는 안경의 머리 조각의 3D 모델을 그립니다. .Stl 파일 형식으로 결과 내보냅니다.</li>
	<li>3D 그림 4B 에 그림 4C와 같이 모델링 도구를 사용 하 여 안경의 왼쪽과 오른쪽 사원의 3D 모델을 그립니다. .Stl 파일 형식으로 결과 내보냅니다.</li>
	<li>머리 조각 및 사원 부품 노즐 온도 침대 온도 80 ° C 240 ° C에서 3 차원 프린터와 탄소 섬유 필 라 멘 트를 사용 하 여 인쇄 합니다. 참고: 어떤 상업적인 3 차원 프린터와 아크릴로 니트 릴 부 타 디 엔 스 티 렌 (ABS) 등 polylactide (PLA) 필 라 멘 트의 어떤 종류를 사용 하 여 허용 될 수 있습니다. 노즐 및 침대 온도 필 라 멘 트 및 인쇄 조건에 따라 조정할 수 있다.</li>
	<li>180 ° C의 뜨거운 공기 송풍기를 사용 하 여 사원의 팁이 열 하 고 그들에 벤드 안쪽으로 약 15도 기존의 안경 같은 temporalis 근육의 표 피에 연결할. 참고: 안경 템플의 굴곡의 정도 곡률의 목적 때 피사체의 머리에 안경 여 형태 요소를 증가 하는 엄격한 될 필요가 없습니다. 그러나 조심,, 중요 한 패턴을 수집 하는 게 불가능 한 시키는 temporalis 근육을 만지기에서 사원 방지 것입니다 과도 한 굽 힘.</li>
	<li>두 가지 다른 크기의 그림 4와 같이 여러 머리 크기에 맞게 안경 프레임을 인쇄 하려면 2.1-2.4 단계에서 단계를 반복 합니다.</li>
</ol>3. 안경의 모든 부품의 조립
<ol><li>M2 볼트를 사용 하 여 그림 5와 같이 안경의 양쪽에 Pcb를 삽입 합니다.</li>
	<li>머리 조각과 사원 경첩 관절에 M2 볼트를 삽입 하 여 조립.</li>
	<li>그림 5와 같이 3 핀 연결 와이어를 사용 하 여 왼쪽 및 오른쪽 PCBs를 연결 합니다.</li>
	<li>왼쪽된 회로에 배터리를 연결 하 고 접착 테이프로 왼쪽된 관자놀이 연결할. PCB 설계에 따라 다를 수 있습니다 그것은 배터리의 장착 면 중요 하지 않습니다.</li>
	<li>커버 고무 테이프 끝에 그림 5와 같이 인간의 피부와 함께 더 많은 마찰을 추가 하려면 코 패드와 안경.</li>
</ol>4입니다. 데이터 수집 시스템의 개발
참고: 데이터 수집 시스템 데이터 전송 모듈 및 데이터 수신 모듈 구성 됩니다. 데이터 전송 모듈에 읽어들이고 힘 양측의 신호 수신된 데이터를 수집 하 고.tsv 파일에 기록 하는 데이터 수신 모듈에 보냅니다.
<ol><li>
절차 단계 4.1.1–4.1.3에 따라 PCB 모듈의 MCU 응용 프로그램을 전송 하는 데이터를 업로드.
	<ol>
<li>컴퓨터를 사용 하 여 보조 파일에 연결 된 "GlasSense_Server" 프로젝트를 실행 합니다. 참고:이 프로젝트는 Arduino 통합된 개발 환경 (IDE)으로 건축 되었다. 그것은 시간 200 샘플/s, 신호를 강제로 고 데이터 수신 모듈에 전송 하는 기능을 제공 합니다.</li>
		<li>범용 직렬 버스 (USB) 커넥터를 통해 컴퓨터에 PCB 모듈을 연결 합니다.</li>
		<li>Arduino IDE 플래시 MCU에 4.1.1 단계에서 프로그래밍 코드를에 "업로드" 버튼을 누릅니다.</li>
	</ol>
</li>
	<li>
절차 단계 4.2.1–4.2.3에 따라 데이터를 무선으로 수신 하는 데 사용 되는 스마트폰 데이터 수신 응용 프로그램에 업로드.
	<ol>
<li>컴퓨터를 사용 하 여 보조 파일에 연결 된 "GlasSense_Client" 프로젝트를 실행 합니다. 참고:이 프로젝트와 함께 만들어진 C# 프로그래밍 언어. 데이터 수신.tsv 파일을 이름, 성별, 나이, 몸 대량 색인 (BMI) 등 피사체의 정보를 포함 하는 저장 하는 기능을 제공 합니다.</li>
		<li>스마트폰 데이터 수신 응용 프로그램을 구축 하는 USB 커넥터를 통해 컴퓨터에 연결 합니다.</li>
		<li>C# 프로젝트는 스마트폰 데이터 수신 응용 프로그램에 "파일 &gt; 빌드 및 실행" 버튼을 누릅니다.</li>
	</ol>
</li>
</ol>5. 데이터 수집 사용자 연구에서
참고:이 연구 수집 6 추천된 활동 세트: 앉아있는 (SR), 앉아 있는 씹는 (SC), 걷기 (W), (CW)를 걷는 동안 씹는, 앉아 이야기 (ST), 휴식과 앉아있는 윙크 (남서).
<ol><li>테스트할 사용자에 게 적절 한 크기는 안경의 한 쌍을 선택 합니다. 경첩 (그림 5)에서 지원 볼트로 견고를 미 조정 하십시오. 주의: 힘 값이이 연구에 사용 된 힘 센서 동작 범위를 넘어 좋은 선형 특성을 잃을 수 있습니다 이후 15 N를 초과 해서는 안. 힘 값 느슨하게 하 여 미세 하 게 될 수 있습니다 또는 볼트 지원 강화.</li>
	<li>
기록 응용 프로그램에 "기록" 버튼을 누르면 모든 과목의 활동 단계 4.2.3 내장.
	<ol>
<li>120-s 블록 중 활동을 기록 하 고 그것의 기록 파일을 생성.<ol>
<li>SR의 경우 주제는의 자에 앉아서 그들이 스마트폰 사용 하거나 책을 읽고. 머리의 움직임을 허용 하지만 전신의 움직임을 피하십시오.</li>
			<li>사우스 캐롤라이나와 CW의 경우, 과목 (구운된 빵과 씹는 젤리) 다른 음식 속성을 반영 하기 위하여 음식 텍스처의 두 종류를 먹고 있다. 식사에 대 한 좋은 크기 20 m m x 20 m m, 조각에서 구운된 빵을 제공 합니다.</li>
			<li>W의 경우 4.5 km/h의 속도에 디딜 방 아에 걸어 주제 있다.</li>
			<li>ST의 경우 과목 앉아서 그들 책을 읽고는 크게 일반 색조와 속도.</li>
			<li>SW의 경우 0.5의 벨 소리의 타이밍에 윙크 하는 과목을 알려 s 긴 모든 3 s.</li>
		</ol>
</li>
		<li>5.2.1 단계에서 수집 된 데이터에서.tsv 형식으로 녹음 파일을 생성 합니다. 참고:이 파일은 데이터 수신 될 때 시간 순서, 왼쪽된 힘 신호, 바로 힘 신호 및 현재 얼굴 활동을 나타내는 레이블이 포함 되어 있습니다. 시각화의 블록 사용자의 모든 활동의 일시적인 신호는 그림 6에서 묘사 했다. 6 추천된 활동 세트 (SR, 사우스 캐롤라이나, W, CW, 세인트와 소프트웨어)는 각각 1, 2, 3, 4, 5, 및 6으로 분류 했다. 프로토콜의 섹션 8에에서 예측된 클래스를 비교 하는 레이블 사용 되었다.</li>
		<li>녹화 블록 후 60의 휴식을 취하. 휴식 시간 동안, 안경 떨어져가지고 고 다시 그들을 입을 다시 녹화 블록 다시 시작 될 때.</li>
		<li>각 활동 단계 5.2.1 5.2.2 블록 브레이크 세트 4 번을 반복 합니다.</li>
		<li>SW의 경우 반복적으로 한 블록, 동안 왼쪽된 눈으로 윙크 하 고 다음 다음 블록 중 오른쪽 눈으로 반복적으로 윙크 주제가 있다.</li>
	</ol>
</li>
	<li>5.1-5.2 단계를 반복 하 고 10 과목에서 데이터를 수집 합니다. 이 연구에서 우리는 5 남성과 여성 5를 사용, 평균 연령은 27.9 ± 4.3 (표준 편차, 사 우 스 다코타) 년,는 19-33 년에, 원거리 및 평균 BMI는 21.6 ± 3.2 (사 우 스 다코타) k g/m2는 17.9-27.4 k g/m2에서 배열 했다. 참고:이 연구에서 누가 어떤 의료 조건, 음식을 씹을 하지 않은 과목 윙크, 산책 했다 모집, 그리고이 조건은 포함 기준에 사용 되었다.</li>
</ol>6. 신호 전처리 및 시장 세분화
참고: 왼쪽 및 오른쪽 신호는 다음 절차에서 별도로 계산 됩니다.
<ol><li>
2의 시간 프레임을 준비 s 긴.
	<ol>
<li>세그먼트는 120의 1-s 간격으로 그림 6과 같이 MATLAB를 사용 하 여 호핑에 의해 2 s 프레임의 집합으로 신호를 기록. 참고: 세그먼트 프레임 2의 s 긴 섹션 7에서에서 특징을 추출 하는 데 사용 했다. 1 s 도약 크기 단계 5.2.1에서에서 이미 언급 한 3 s 윙크 간격으로 신호를 분할 하기로 결정 했습니다.</li>
		<li>각 프레임에 대 한 10 Hz의 컷오프 주파수 5번째 차 버터워스 필터를 사용 하 여 저역 통과 필터 (LPF)를 적용 합니다.</li>
		<li>7.1 단계에서 다음 단계에 대 한 시간 프레임으로 단계 6.1.2의 결과 저장 합니다.</li>
	</ol>
</li>
	<li>
일련의 스펙트럼 프레임을 준비.
	<ol>
<li>안경을 착용 했을 때 미리 로드를 제거 하는 각 프레임의 원래 신호에서 평균을 뺍니다. 그러나 참고: 미리 값 다음 주파수 분석에 대 한 필요 하지 않습니다, 그리고 때문에 그것은 수 있었다, 씹는, 산책, 윙크, 등 에 대 한 정보를 포함 하지 않습니다에서 주제, 주제에서 다를 수 있습니다 중요 한 정보를 포함 모든 설정의 안경, 그리고 순간에서 주제는 안경 착용.</li>
		<li>해 창 주파수 분석, 스펙트럼 누설을 줄이기 위해 각 프레임에 적용 됩니다.</li>
		<li>생성 하 고 각 프레임에는 고속 푸리에 변환 (FFT)을 적용 하 여 단면 스펙트럼을 저장 합니다.</li>
	</ol>
</li>
	<li>시간적 및 프레임 블록으로 동시의 스펙트럼 프레임 (또는 단순히 프레임)의 조합을 정의 합니다.</li>
</ol>7입니다. 특징 벡터의 생성
참고: 기능 벡터 프로토콜의 섹션 6에서에서 생산 하는 프레임 마다 생성 됩니다. 왼쪽 및 오른쪽 프레임은 별도로 계산 하 고 다음 절차에서 기능 벡터에 결합. 모든 절차는 MATLAB에 구현 했다.
<ol><li>프로토콜의 단계 6.1에서에서 시간 프레임에서 통계 기능을 추출 합니다. 54 특징의 총 수의 목록 표 1에 주어진 다.</li>
	<li>6.2 프로토콜의 단계에서 스펙트럼 프레임에서 통계 기능을 추출 합니다. 표 2에 30 특징의 총 수의 목록이 제공 됩니다.</li>
	<li>위의 일시 및 스펙트럼 기능을 결합 하 여 84 차원 특징 벡터를 생성 합니다.</li>
	<li>5.2 프로토콜의 단계에서 녹음에서 생성 된 특징 벡터를 레이블을 지정 합니다.</li>
	<li>모든 프레임 블록 단계 7.1-7.4에서에서 단계를 반복 하 고 기능 벡터의 일련을 생성.</li>
</ol>8입니다. 클래스에 활동의 분류
참고:이 단계는 주어진된 문제 (즉, 기능 벡터)에서 최고의 정확도 표시 하는 매개 변수를 확인 하 여 지원 벡터 기계 (SVM)23 의 분류자 모델을 선택 하는. SVM은 잘 알려진 감독된 기계 학습 기법을 일반화 및 견고성 클래스와 커널 함수 사이의 최대 여백을 사용 하 여 우수한 성능을 보여줍니다. 우리 페널티 매개 변수 C와 커널 정의를 그리드 검색 및 교차 유효성 검사 메서드를 사용의 방사형으로 함수 (RBF) 커널 매개 변수 γ. 컴퓨터 기술과 SVM 학습의 최소 이해는 다음 절차를 수행 해야 합니다. 일부 참조 자료23,,2425 는 기계 학습 기술 및 SVM 알고리즘의 더 나은 이해 하는 것이 좋습니다. 이 섹션의 모든 절차는 LibSVM25 소프트웨어 패키지를 사용 하 여 구현 되었습니다.
<ol><li>그리드 검색에 대 한 쌍 (C, γ)의 표를 정의 합니다. 사용 기 하 급수적으로 성장 하는 C의 시퀀스 (2-10, 2-5,..., 230)와 γ (2-25,..., 2, 2-30,10). 참고: 이러한 시퀀스는 스스로 결정 했다.</li>
	<li>한 쌍 (C, γ)의 정의 (예를 들어, (2-10, 2-30)).</li>
	<li>
8.2 단계에서 정의 된 격자 10 교차 유효성 검사 체계를 수행 합니다. 참고:이 전체 기능 벡터 10 일부 하위 집합으로, 다음 다른 하위에 의해 훈련 분류자 모델에서 하나의 하위 집합을 테스트 나누고 모든 하위 집합을 통해 반복 하나. 따라서, 모든 기능은 벡터는 순차적으로 테스트할 수 있습니다.<ol>
<li>전체 기능 벡터 10 일부 하위 집합으로 나눕니다.</li>
		<li>하위 집합, 그리고 나머지 9 하위 집합에서 설정 하는 훈련에서 테스트 집합을 정의 합니다.</li>
		<li>배율 벡터의 범위에 기능 벡터의 모든 요소를 확장 하는 정의 [0, 1] 학습 집합에 대 한. 참고: 배율 벡터는 특징 벡터와 동일한 차원의. 그것은 이루어져 있다 모든 기능 벡터 같은 행 (또는 열)를 확장 하는 멀티 플라이어의 집합의 범위를 [0, 1]. 예를 들어 기능 벡터의 첫 번째 기능은 선형 조정 됩니다의 범위 [0, 1] 훈련 특징 벡터의 모든 첫 번째 기능에 대 한. Note 테스트 세트를 알 수 없는으로 간주 한다 때문에 배율 벡터 학습 집합에서 정의 됩니다. 이 단계 기능 동일 범위 및 계산 하는 동안 숫자 오류를 방지 함으로써 분류의 정확도 증가 한다.</li>
		<li>범위를 설정 하는 훈련의 각 기능을 확장 [0, 1] 단계 8.2.3에서에서 얻은 배율 벡터를 사용 하 여.</li>
		<li>범위를 설정 하는 테스트의 각 기능을 확장 [0, 1] 단계 8.2.3에서에서 얻은 배율 벡터를 사용 하 여.</li>
		<li>훈련 단계 8.2, (γ, C)의 정의 된 쌍으로 SVM 통해 학습 집합 빌드하고 분류자 모델.</li>
		<li>(Γ, C)의 정의 된 쌍으로 SVM 통해 테스트 집합을 테스트 하는 단계 8.2에서 그리고 분류자 모델 훈련 절차에서.</li>
		<li>테스트 집합에 분류 정확도 계산 합니다. 정확도 올바르게 분류 기능 벡터의 비율에서 산출 되었다.</li>
		<li>모든 하위 집합에 대 한 단계 8.2.2–8.2.8를 반복 하 고 모든 하위 집합의 평균 정확도 계산 합니다.</li>
	</ol>
</li>
	<li>(C, γ)의 한 쌍의 모든 격자 포인트 8.2-8.3.9 단계를 반복 합니다.</li>
	<li>격자의 가장 높은 정확도의 현지 최대를 찾아. 섹션 8의 모든 절차는 그림 7에 설명 됩니다.</li>
	<li>(선택 사항) 그리드의 단계 거친 간주 됩니다, 지역 최대 근처 미세한 격자 단계 8.1-8.5 8.5, 단계에서 발견 하 고 정밀한 격자의 새로운 현지 최대를 찾을 반복 합니다.</li>
	<li>정밀, 리콜, 그리고 다음 방정식에서 활동의 각 클래스의 F1 점수 계산: <img alt="Equation 1" src="/files/ftp_upload/56633/56633eq1.jpg">                                   공식 1 <img alt="Equation 2" src="/files/ftp_upload/56633/56633eq2.jpg">                                             공식 2 <img alt="Equation 3" src="/files/ftp_upload/56633/56633eq3.jpg">          식 3 어디 TP, FP, 그리고 FN 참 긍정, 거짓 긍정, 그리고 각 활동에 대 한 false 네거티브 각각 나타냅니다. 모든 활동의 혼란 매트릭스 표 3에서 제공 됩니다.</li>
</ol>

<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>

저자는 공개 없다.

이 연구에서 우리는 먼저 설계 및 음식 섭취 량과 신체 활동의 패턴을 감지 하는 안경의 제조 과정을 제안 했다. 이 연구는 다른 신체 활동 (산책과 윙크)에서 음식 섭취 량을 구분 하는 데이터 분석에 주로 집중, 센서 및 데이터 수집 시스템 필요한 이동성 녹음의 구현. 따라서, 시스템 센서, 무선 통신 기능, MCU와 배터리 포함 되어있습니다. 소설과 비 접촉 방식으로 음식 섭취 량과 윙크 temporalis 근육 활동의 패턴을 측정 하는 실용적인 방법으로 제공 하는 제안 된 프로토콜: 도구와 방법론 없이 일상 생활에서 음식 섭취 량을 쉽게 감지를 복잡 장비 설명 했다.
안경 제조 절차에 대 한 중요 한 고려 사항이 있다. 사원 부품 단계 1.2 그림 4B 에 그림 4C와 같이 조작 하는 PCB 모듈을 통합 하기 위해 설계 되어야 한다. 로드 셀 때 <strong class...

음식 섭취 량의 지속적이 고 객관적인 모니터링으로 과도 한 에너지 축적 overweightness 및 비만1, 다양 한 의료 합병증2발생할 수 발생할 수 있습니다 인간의 신체의 에너지 균형을 유지 하기 위한 필수적 이다. 에너지 불균형에 주요 요인으로 과도 한 음식 섭취 및 부족 한 신체 활동3알려져 있습니다. 일일 에너지 지출을 모니터링에 대 한 다양 한 연구 에서도 착용 할 수 있는 장치4,,56, 신체 활동 패턴의 자동 및 객관적인 측정으로 도입 되어 있는 최종 소비자의 수준과 의료 단계7. 그러나 음식 섭취 량의 모니터링에 대 한 연구는, 실험실 설정, 직접적이 고 객관적인 방식으로 음식 섭취 활동을 감지 하기가 어렵습니다 때문에 아직도 이다. 여기, 우리는 장치 설계 및 음식 섭취 및 일상 생활에 실용적인 수준에서 신체 활동 패턴을 모니터링을 위한 그것의 평가 제시 하고자 합니다.
씹는 삼 키는 소리8,9,10, 손목11,,1213의 움직임을 통해 음식 섭취 량을 모니터링, 이미지를 다양 한 간접 접근 되었습니다. 분석14, 그리고 치십시오 (EMG)15. 그러나, 이러한 접근은 그들의 한계 때문에 일상 생활에 대 한 응용 프로그램에 적용 하기 어려운: 소리를 사용 하 여 방법 환경 소리;에 의해 영향을 받을에 취약 했다 손목의 움직임을 사용 하 여 방법 음식;를 소모 하지 때 다른 신체 활동에서 구별 하기 어려운 했다 그리고 이미지와 EMG 신호를 사용 하 여 방법 운동과 환경의 경계에 의해 제한 됩니다. 이러한 연구의 센서를 사용 하 여 음식 섭취 량의 자동된 감지 기능을 보여주지만 여전히 실험실 설정 외에 일상 생활에 실용적인 적용의 제한 했다.
본이 연구에서는 우리 음식 섭취 량을 자동 및 객관적인 모니터링으로 temporalis 근육 활동의 패턴을 사용. Temporalis 근육 수축과 음식 섭취 량16,17; 하는 동안 masticatory 근육의 일환으로 이완을 반복 하는 일반적으로 따라서, 음식 섭취 활동 temporalis 근육 활동의 주기적 패턴을 감지 하 여 모니터링할 수 있습니다. 최근, 여러 연구는 temporalis를 이용 하 여 근육 활동18,19,20,21, EMG 또는 압 전 긴장 사용 되었습니다 센서 및 인간에 직접 연결 피부입니다. 그러나 이러한 접근, EMG 전극 또는 스트레인 센서의 피부 위치에 민감한 되었고 실제 운동 또는 땀이 피부에서 쉽게 분리 했다. 따라서, 우리 안경의 쌍을 사용 하 여 새롭고 효과적인 방법 그런 의미는 temporalis 근육 활동 우리의 이전 연구22에서 두 관절에 삽입 하는 두 개의 로드 셀을 통해 제안 했다. 이 방법은 피부를 건드리지 않고 높은 정확도로 음식 섭취 활동을 감지의 위대한 잠재력을 보여주었다. 그것은 또한 취소 돌출 및 비-간섭, 이후 일반적인 안경 형 장치를 사용 하는 우리.
이 연구에서는 선물이 안경 형 장치를 구현 하는 방법 및 음식 섭취 량과 신체 활동 모니터링을 위한 temporalis 근육 활동의 패턴을 사용 하는 방법의 상세한 프로토콜의 시리즈. 프로토콜의 하드웨어 설계 및 3D 인쇄 프레임 안경, 회로 모듈 및 데이터 수집 모듈의 구성 된 제조 과정을 포함 하 고 데이터 처리 및 분석을 위한 소프트웨어 알고리즘을 포함. 우리는 또한 여러 추천된 활동 (예를 들어, 씹는, 산책, 그리고 윙크) 중 분류 검사 음식 섭취 량 그리고 다른 신체 활동 분 차이 말할 수 있는 실용적인 시스템으로 가능성을 입증 하 패턴입니다.

<table><tbody><tr><td>FSS1500NSB</td><td>Honeywell, 미국</td><td></td><td>로드셀</td></tr><tr><td>INA125U</td><td>Texas Instruments, 미국</td><td></td><td>증폭기</td></tr><tr><td>ESP-07</td><td>Shenzhen Anxinke Technology,</td><td>Wi-Fi 모듈이 있는</td>중국 <td></td> MCU</tr><tr><td>74LVC1G3157</td><td>Nexperia, 네덜란드</td><td></td><td>멀티플렉서</td></tr><tr><td>MP701435P</td><td>Maxpower, 중국</td><td></td><td>LiPo 배터리</td></tr><tr><td>U1V10F3</td><td>Pololu, 미국</td><td></td><td>전압 조정기</td></tr><tr><td>Ultimaker 2</td><td>Ultimaker, 네덜란드</td><td></td><td>3D 프린터</td></tr><tr><td>ColorFabb XT-CF20</td><td>ColorFabb, 네덜란드</td><td></td><td>탄소 섬유 필라멘트</td></tr><tr><td>iPhone 6s Plus</td><td>Apple, 미국</td><td></td><td>데이터 수집 장치</td></tr><tr><td>Jelly Belly</td><td>Jelly Belly Candy Company, 미국</td><td></td><td>사용자 연구를 위한 식품 질감</td></tr></tbody></table>

설계 및 스마트 유리의 음식 섭취 량과 신체 활동 분류에 대 한 평가

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

이 연구는 디자인 하 고 음식 섭취 량 그리고 다른 신체 활동 하는 동안 temporalis 근육 활동의 패턴을 감지 하는 안경 형 착용 형 장치 제조의 프로토콜의 일련을 제공 합니다. 우리는 유리와 프레임의 두 경첩에 삽입 된 부하 셀 통합 인쇄 회로 기판 (PCB) 모듈의 3D 인쇄 프레임 조작. 힘 신호를 취득 하 고 그들을 무선으로 전송 하는 모듈 사용 되었다. 이 절차는 높은 이동성, 산책 등 waggling 실용적인 착용 조건에서 계산 될 수 있는 시스템을 제공 합니다. 분류의 성능 또한 그 신체 활동에서 음식 섭취 량의 패턴을 구분 하 여 평가 됩니다. 알고리즘의 시리즈 신호 전처리 기능 벡터를 생성 하 고 몇몇의 패턴을 인식 하는 데 사용 했다 활동 (씹는 및 윙크), 그리고 다른 신체 활동 (앉아있는 나머지, 이야기, 및 산책). 결과 평균 F1 점수 추천된 활동 중 분류의 91.4%가 나타났다. 우리는이 이렇게 자동이 고 객관적인 ingestive 문제를 치료 하는 실용적인 수단으로 높은 정확도와 ingestive 동작의 모니터링을 위한 잠재적으로 유용할 수 있습니다 믿습니다.

프로토콜에서 설명 하는 절차를 통해 우리 준비 3D 인쇄 프레임의 두 가지 버전의 머리 조각, LH (133 및 138 m m), 그리고 사원, LT (110 및 125 m m), 길이 차별화 하 여 그림 4에서처럼. 따라서, 우리는 과목 머리 크기, 모양, 등 과목 선택 사용자 연구에 대 한 그들의 머리에 맞게 프레임 중 하나에서 변화 될 수 있는 여러 가지 착용 조건 포함할 수 있다. 수직 거리, Lh, 힌지 조인트와 지원 볼트 구멍 사이의 증폭 된 힘 15 N으로, 로드 셀의 선형 동작 범위는 초과 하지 있도록 7.5 m m로 설정 했다. 마지막으로, 머리 조각 두께, tH, 장비 될 때 두 지원 볼트에서 전송 벤딩 순간을 견딜 수 있는 있어야 합니다. TH 추론 접근에서 탄소 섬유 재질의 사용으로 ...

이 연구 설계 및 음식 섭취 량의 패턴을 감지 하는 안경 형 착용 형 장치 제조의 프로토콜을 선물 하 고 로드 셀을 사용 하 여 다른 추천된 신체적 활동 안경의 두 경첩에 삽입.

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

이 절차의 전반적인 목표는 음식 섭취 및 기타 신체 활동 중 측두근 활동의 패턴을 감지하는 안경 유형의 웨어러블 장치를 설계하고 제조하는 것입니다. 이 방법은 식사 중 음식 섭취 감지와 같은 섭취 가능한 행동을 모니터링하는 분야의 주요 질문에 답하는 데 도움이 될 수 있습니다. 이 기술의 가장 큰 장점은 음식을 섭취하는 동안 측두근 활동의 패턴을 안경을 사용하여 자동으로 객관적으로 감지할 수 있다는 것입니다.제조 절차는 우리 회사의 기계 엔지니어인 오원준이 시연할 것입니다. 데이터 수집 절차는 당사에서 근무하는 Hak Yung Gu가 담당합니다. 실험의 핵심은 제조해야 하는 회로 모듈입니다.두 가지가 있습니다. 하나는 안경의 왼쪽과 오른쪽 관자놀이를 위한 것입니다. 왼쪽 모듈에는 로드셀, 커넥터, 계측 증폭기, 전압 조정기 및 배터리 커넥터가 포함되어 있습니다.오른쪽 모듈에는 WiFi, UART 커넥터, 멀티플렉서, 증폭기, 커넥터 및 로드 셀이 있는 마이크로 컨트롤러가 있습니다. 회로 외에도 안경테를 제작해야 합니다. 프레임은 인쇄 회로 기판 모듈을 지원할 수 있어야 합니다.프레임을 만들려면 3D 모델링 도구를 사용하여 안경 투구와 두 개의 템플 피스 모델을 그립니다. 3D 프린팅을 위해 도면을 CAD의 스테레오 리소그래피 파일로 내보냅니다. 프레임 부품을 인쇄할 때 노즐 온도가 섭씨 250도이고 베드 온도가 섭씨 80도인 탄소 필라멘트를 사용합니다.인쇄 후 관자놀이를 안쪽으로 구부리는 작업을 합니다. 섭씨 180도로 설정된 열풍 송풍기를 사용하여 조각을 가열하십시오. 가열되면 관자놀이를 안쪽으로 약 15도 구부립니다.계속하기 전에 각 사원 조각을 안쪽으로 구부립니다. 모든 조각을 모아 유리잔을 조립합니다. 여기에는 왼쪽 및 오른쪽 인쇄 회로 기판, 왼쪽 및 오른쪽 사원, 투구가 포함됩니다.올바른 성전 구성 요소부터 시작하십시오. 오른쪽 관자놀이에 올바른 회로 기판을 삽입합니다. 볼트로 제자리에 고정합니다.같은 방법으로 왼쪽 회로 기판과 왼쪽 관자놀이를 고정합니다. 그런 다음 헤드피스와 관자놀이 중 하나를 적절한 힌지 조인트에 부착하고 볼트로 고정합니다. 다른 관자놀이를 투구에 부착하여 계속합니다.완료되면 3핀 연결선을 사용하여 왼쪽 및 오른쪽 회로를 연결합니다. 이 설계의 경우 배터리를 왼쪽 회로에 연결합니다. 접착 테이프로 고정하십시오.안경 끝과 코 패드에 고무 테이프를 붙여 안경을 완성하여 착용자의 마찰을 증가시킵니다. 이 시점에서 데이터 수집을 준비합니다. 컴퓨터에서 GlasSense_Server 프로젝트를 실행하고 USB를 통해 프레임 회로 모듈을 연결합니다.GlasSense_Server 소프트웨어를 마이크로 컨트롤러로 플래시합니다. 이 프로젝트는 스마트폰을 사용하여 데이터를 수신합니다. 컴퓨터에서 GlasSense_Client 소프트웨어를 실행하고 USB 커넥터를 통해 스마트폰을 연결합니다.스마트폰에서 데이터 수신 애플리케이션을 구축합니다. 연구를 위해 피험자를 식별하고 적절한 크기의 안경을 선택합니다. 피험자에게 안경을 써보도록 합니다.필요한 경우 프레임의 지지 볼트를 사용하여 맞춤을 미세 조정합니다. 다음 단계는 주체가 다양한 활동에 대한 데이터를 수집하도록 하는 것입니다. 앉아서 쉬는 활동을 위해, 피험자를 의자에 앉혀 안경을 쓰고 책을 읽게 한다.스마트폰 애플리케이션을 사용하여 120초 동안 활동을 기록합니다. 머리의 움직임은 허용하되 몸 전체의 움직임은 피하십시오. 120초 후 녹음을 중지하고 안경을 벗고 60초 동안 휴식을 취합니다.데이터 녹음을 반복하고 휴식을 4회 취합니다. 걷기 활동에 대해서도 유사한 절차를 따라 피험자를 러닝머신에 서서 안경을 착용하게 합니다. 시속 4.5km로 러닝머신을 시작하고 120초 동안 피험자 기록을 갖습니다.완료되면 안경을 벗고 60초 동안 휴식을 취합니다. 앉아서 씹는 것과 걷는 동안 씹는 활동도 있습니다. 이를 위해 20x20mm 정사각형으로 구운 빵을 준비하고 씹는 젤리를 준비하십시오.피험자가 적절하게 러닝머신에 앉거나 있고 근처에 음식이 있도록 준비합니다. 안경을 착용한 상태에서 활동 및 데이터 기록을 시작합니다. 피험자가 정상적으로 빵을 씹으면서 먹게 한다.120초 후 안경을 벗고 60초 동안 휴식을 취합니다. 다음으로, 앉아서 말하기 활동을 수행합니다. 이를 위해 피험자가 앉아서 정상적인 어조와 속도로 큰 소리로 책을 읽을 때 데이터를 수집합니다.앉아서 윙크하는 활동에서, 3초마다 울리도록 설정된 종소리에 반응하여 피험자가 윙크하도록 준비합니다. 이 데이터는 각 활동을 수행하는 한 피험자로부터 얻은 것입니다. 가로축은 시간(초)입니다.각 수직 축은 10개의 측정값 중 중앙값을 뺀 후 측정된 힘입니다. 파란색 곡선은 얼굴의 왼쪽을 위한 것이고 빨간색 곡선은 얼굴의 오른쪽을 위한 것입니다. 예상할 수 있듯이, 씹는 활동의 최대 진폭은 앉아서 하는 휴식, 앉아서 하는 말, 걷는 활동과 비교할 때 크다.이 유형의 데이터는 기계 학습 분류 기술에 대한 입력으로 변환됩니다. 각 개발 후 이 기술은 섭취 문제를 치료하기 위한 실용적인 수단으로 더 높은 정확도로 섭취 가능한 행동을 자동적이고 객관적으로 모니터링하는 데 잠재적으로 유용할 수 있습니다.

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

Research

연구

JoVE Journal

Engineering

공학

현실적인 일상 생활 환경에서 지속적인 활동을 포함하는 WMMS(Wearable Mobility Monitoring System)에 대한 표준화된 평가 방법이 개발되었습니다. 일련의 일상 생활 활동으로 테스트하면 활동 인식 민감도가 감소할 수 있습니다. 따라서 WMMS 성능의 유효한 평가를 위해 현실적인 테스트 회로를 사용하는 것이 좋습니다.

일상 생활 환경에서 스마트 폰 기반의 인간 활동 인식 시스템의 평가

주제는 식사 중 접시의 체중 감소를 기록 하는 컴퓨터에 연결 된 규모에 접시에서 음식을 먹는다. 컴퓨터 화면에 대 한 의견 그녀 먹는 동작을 따라서 몸 무게를 정상화 하는 기준 곡선에 맞게 주제를 수 있습니다.

먹는 소설 피드백 시스템을 사용 하 여 동작의 제어

멀티모달 센서를 사용하는 것은 교육 환경에서 사회적 상호 작용의 역할을 이해하는 유망한 방법입니다. 이 백서는 모바일 아이트래커를 사용하여 공동 배치된 다이드에서 관절 시각적 주의를 포착하는 방법론을 설명합니다.

모바일 아이 트래커를 사용하여 공동 시각 주의를 포착하는 방법론

이 프로토콜은 몰입형 분석에 사용되는 개발된 혼합 현실 애플리케이션의 기술 설정을 설명합니다. 이를 바탕으로 개발 된 기술 솔루션의 사용성 측면에 대한 통찰력을 얻기 위해 연구에 사용 된 조치가 제시됩니다.

Industry 4.0 시나리오에서 몰입형 분석을 위한 혼합 현실 솔루션의 유용성 측면 평가

이 문서에서 제시된 작업의 목표는 모바일 장치에서 촬영한 이미지에서 식음료 품목을 자동 인식하기 위한 기술을 개발하는 것입니다. 이 기술은 두 가지 접근 법으로 구성됩니다 - 첫 번째 접근 방식은 식품 이미지 인식을 수행하는 반면 두 번째 접근법은 식품 이미지 세분화를 수행합니다.

이미지 기반 식이 평가를 위한 심층 신경망

이 문서에서는 전문가 평가 및 유용성 테스트를 포함하여 혁신적인 스마트폰 기반 식이 평가 응용 프로그램 인 Traqq의개발을위한 프로토콜에 대해 설명합니다.

혁신적인 스마트폰 기반 식이 평가 도구의 반복적 개발: Traqq

이 프로토콜은 새로운 기술 기반 식이 평가 방법을 보여주고 설명합니다. 이 방법은 여러 개의 내장 계량 스케일과 비디오 카메라가있는 식사 트레이로 구성됩니다. 이 장치는 식사 과정에서 음식과 음료 섭취 및 식사 행동의 자동화 된 측정을 통합한다는 점에서 독특합니다.

자동화된 식품 섭취 및 식습관 평가 방법의 개념 개발 및 사용

이 백서에서는 소비자 등급 장비와 정상 상태의 시각적 유발 잠재력에 의존하여 뇌-컴퓨터 인터페이스를 구축하는 방법에 대해 설명합니다. 이를 위해 건식 전극을 활용하는 단일 채널 뇌파계가 자극 표현 및 출력 데이터 시각화를 위해 증강 현실 안경과 통합되었습니다. 최종 시스템은 비침습적, 웨어러블 및 휴대용이었습니다.

산업 및 의료를 위한 단일 채널 및 비침습적 웨어러블 뇌-컴퓨터 인터페이스

이 논문은 학생들이 수업에 집중하고 있는지 또는 주의가 산만한지 자동으로 감지하는 인공 지능 기반 시스템을 제안합니다. 이 시스템은 교사가 학생들의 주의를 유지하고, 수업을 최적화하고, 학생들의 참여를 돕기 위해 동적으로 수정 사항을 도입할 수 있도록 설계되었습니다.

학생의 주의력 수준을 감지하기 위한 인공 지능 기반 시스템

웨어러블 기술은 비용이 저렴하고 생리학적 데이터를 편리하게 모니터링할 수 있습니다. 그러나 이러한 장치의 정확성과 신뢰성은 사용자에 대한 효율성과 안전성을 보장하기 위해 신중한 평가가 필요합니다. 이 보고서는 생리학적 데이터 및 신체 활동을 모니터링하는 상업용 스마트워치의 검증 프로세스를 설명합니다.

심혈관 및 신체 활동 모니터링을 위한 피트니스 스마트워치 데이터의 정확성 평가: 디지털 건강의 검증 연구

학습하세요 안경형 웨어러블 기기를 설계 및 제조하여 음식 섭취 시 측두근 활동 패턴을 자동으로 감지하는 방법을. 이 기술은 섭취 행동을 객관적으로 모니터링하여 신경과학 및 행동 연구에 혁신적인 도구를 제공합니다.

설계 및 스마트 유리의 음식 섭취 량과 신체 활동 분류에 대 한 평가

더 많은 동영상 탐색