Name: Projektowanie i ocena inteligentnych okularów do przyjmowania pokarmu i klasyfikacji aktywności fizycznej (Wideo) | JoVE Journal
Uploaded: 2018-02-14T13:00:00.000+00:00
Duration: 7 min 47 s
Description: Poznaj projektowanie inteligentnych okularów do automatycznego wykrywania aktywności mięśnia skroniowego podczas przyjmowania pokarmu. Ta metoda umożliwia obiektywny monitoring zachowań pokarmowych w czasie rzeczywistym.

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

Ta praca była wspierana przez Envisible, Inc. Badanie to zostało również wsparte grantem w ramach Koreańskiego Projektu Badawczo-Rozwojowego w zakresie Technologii Medycznych, Ministerstwa Zdrowia i Opieki Społecznej Republiki Korei (HI15C1027). Badania te były również wspierane przez Narodową Fundację Badawczą Korei (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>

Autorzy nie mają nic do ujawnienia.

W tym badaniu najpierw zaproponowaliśmy projekt i proces produkcji okularów, które wyczuwają wzorce przyjmowania pokarmu i aktywności fizycznej. Ponieważ badanie to koncentrowało się głównie na analizie danych w celu odróżnienia spożycia pokarmu od innych aktywności fizycznych (takich jak chodzenie i mruganie), czujnik i system akwizycji danych wymagały wdrożenia rejestracji mobilności. W związku z tym system zawierał czujniki, MCU z możliwością komunikacji bezprzewodowej oraz baterię. Proponowany protokół zapewnił nowat...

Ciągłe i obiektywne monitorowanie spożycia pokarmu jest niezbędne do utrzymania równowagi energetycznej w ludzkim ciele, ponieważ nadmierne gromadzenie energii może powodować nadwagę i otyłość1, co może skutkować różnymi komplikacjami medycznymi2. Wiadomo, że głównymi czynnikami powodującymi nierównowagę energetyczną są zarówno nadmierne spożycie pokarmu, jak i niewystarczająca aktywność fizyczna3. Wprowadzono różne badania nad monitorowaniem dziennego wydatku energetycznego z automatycznym i obiektywnym pomiarem wzorców aktywności fizycznej za pomocą urządzeń do noszenia4,5,6, nawet na poziomie konsumenta końcowego i na etapie medycznym7. Badania nad monitorowaniem spożycia pokarmu są jednak nadal prowadzone w warunkach laboratoryjnych, ponieważ trudno jest wykryć aktywność związaną z przyjmowaniem pokarmu w sposób bezpośredni i obiektywny. W tym miejscu staramy się przedstawić projekt urządzenia i jego ocenę w celu monitorowania spożycia pokarmu i wzorców aktywności fizycznej na poziomie praktycznym w życiu codziennym.
Istniały różne pośrednie podejścia do monitorowania spożycia pokarmu poprzez odgłosy żucia i połykania8,9,10, ruch nadgarstka11,12,13, analiza obrazu14, oraz elektromiogram (EMG)15. Podejścia te były jednak trudne do zastosowania w zastosowaniach życia codziennego ze względu na ich nieodłączne ograniczenia: metody wykorzystujące dźwięk były podatne na wpływ dźwięków otoczenia; metody wykorzystujące ruch nadgarstka były trudne do odróżnienia od innych aktywności fizycznych, gdy nie spożywano pokarmów; a metody wykorzystujące obrazy i sygnały EMG są ograniczone granicą ruchu i środowiska. Badania te wykazały zdolność do automatycznego wykrywania spożycia pokarmu za pomocą czujników, ale nadal miały ograniczone praktyczne zastosowanie w życiu codziennym poza warunkami laboratoryjnymi.
W tym badaniu użyliśmy wzorców aktywności mięśni skroniowych jako automatycznego i obiektywnego monitorowania spożycia pokarmu. Ogólnie rzecz biorąc, mięsień skroniowy powtarza skurcz i rozluźnienie jako część mięśnia żucia podczas przyjmowania pokarmu16,17; W ten sposób aktywność przyjmowania pokarmu może być monitorowana poprzez wykrywanie okresowych wzorców aktywności mięśni skroniowych. Ostatnio przeprowadzono kilka badań wykorzystujących aktywność mięśni skroniowych18,19,20,21, które wykorzystywały EMG lub piezoelektryczny czujnik napięcia i mocowały je bezpośrednio do ludzkiej skóry. Podejścia te były jednak wrażliwe na położenie elektrod EMG lub czujników naprężeń na skórze i łatwo odrywały się od skóry pod wpływem ruchu fizycznego lub potu. Dlatego zaproponowaliśmy nową i skuteczną metodę przy użyciu pary okularów, które wykrywają aktywność mięśnia skroniowego przez dwa ogniwa obciążnikowe umieszczone w obu zawiasach w naszym poprzednim badaniu22. Metoda ta wykazała duży potencjał wykrywania aktywności pobierania pokarmu z dużą dokładnością bez dotykania skóry. Był również dyskretny i nienachalny, ponieważ używaliśmy zwykłego urządzenia typu okulary.
W tym badaniu prezentujemy szereg szczegółowych protokołów, jak wdrożyć urządzenie typu okularowego i jak wykorzystać wzorce aktywności mięśni skroniowych do monitorowania spożycia pokarmu i aktywności fizycznej. Protokoły obejmują proces projektowania i produkcji sprzętu, który składa się z wydrukowanej w 3D ramki okularów, modułu obwodu i modułu akwizycji danych, a także obejmują algorytmy oprogramowania do przetwarzania i analizy danych. Ponadto zbadaliśmy klasyfikację wśród kilku wyróżnionych czynności (np. żucie, chodzenie i mruganie), aby zademonstrować potencjał jako praktycznego systemu, który może stwierdzić niewielką różnicę między spożyciem pokarmu a innymi wzorcami aktywności fizycznej.

<table><tbody><tr><td>FSS1500NSB</td><td>Honeywell, USA</td><td></td><td>Ogniwo obciążnikowe</td></tr><tr><td>INA125U</td><td>Texas Instruments, USA</td><td></td><td>Wzmacniacz</td></tr><tr><td>ESP-07</td><td>Shenzhen Anxinke Technology, Chiny</td><td></td><td>MCU z modułem Wi-Fi</td></tr><tr><td>74LVC1G3157</td><td>Nexperia, Holandia</td><td></td><td>Multiplekser</td></tr><tr><td>MP701435P</td><td>Maxpower, Chiny</td><td></td><td>Bateria</td></tr> <tr><td>LiPoU1V10F3</td><td>Pololu, Stany Zjednoczone</td><td></td><td>Regulator napięcia</td></tr><tr><td>Ultimaker 2</td><td>Ultimaker, Holandia</td><td></td><td>Drukarka 3D</td></tr><tr><td>ColorFabb XT-CF20</td><td>ColorFabb, Holandia</td><td></td><td>Filament z włókna węglowego</td></tr><tr><td>iPhone 6s Plus</td><td>Apple, USA</td><td></td><td>Urządzenie do akwizycji danych</td></tr><tr><td>Jelly Belly</td><td>Jelly Belly Candy Company, USA</td><td></td><td>Tekstura żywności do badania użytkowników</td></tr></tbody></table>

projektowanie i ocena inteligentnych okularów do przyjmowania pokarmu i klasyfikacji aktywności fizycznej

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

To badanie przedstawia serię protokołów projektowania i produkcji okularowego urządzenia do noszenia, które wykrywa wzorce aktywności mięśni skroniowych podczas przyjmowania pokarmu i innych aktywności fizycznych. Wyprodukowaliśmy wydrukowaną w 3D ramkę okularów oraz moduł płytki drukowanej (PCB) zintegrowany z ogniwem obciążnikowym umieszczony w obu zawiasach ramy. Moduł służył do pozyskiwania sygnałów siły i przesyłania ich bezprzewodowo. Procedury te zapewniają systemowi większą mobilność, którą można ocenić w praktycznych warunkach noszenia, takich jak chodzenie i machanie. Wydajność klasyfikacji jest również oceniana poprzez rozróżnienie wzorców przyjmowania pokarmu od tych aktywności fizycznych. Szereg algorytmów wykorzystano do wstępnego przetworzenia sygnałów, wygenerowania wektorów cech i rozpoznania wzorców kilku wyróżnionych czynności (żucie i mruganie) oraz innych aktywności fizycznych (siedzący odpoczynek, mówienie i chodzenie). Wyniki pokazały, że średni wynik F1 klasyfikacji wśród wyróżnionych działań wyniósł 91,4%. Uważamy, że to podejście może być potencjalnie przydatne do automatycznego i obiektywnego monitorowania zachowań związanych ze spożywaniem z większą dokładnością jako praktyczne sposoby leczenia problemów związanych ze spożyciem.

Za pomocą procedur opisanych w protokole przygotowano dwie wersje drukowanej w 3D ramy, różniące się długością elementu głowowego, LH (133 i 138 mm) oraz skronie, LT (110 i 125 mm), jak pokazano w Rycina 4. Dlatego możemy uwzględnić kilka warunków użytkowania, które mogą się różnić w zależności od rozmiaru i kształtu głowy użytkowników, itp. Podmioty wybrały jedną z opraw, aby dopasować ją do głowy w trakcie badania użytkownika....

To badanie przedstawia protokół projektowania i produkcji okularowego urządzenia do noszenia, które wykrywa wzorce przyjmowania jedzenia i innych aktywności fizycznych za pomocą ogniw obciążnikowych umieszczonych w obu zawiasach okularów.

Projektowanie i ocena inteligentnych okularów do przyjmowania pokarmu i klasyfikacji aktywności fizycznej

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

Ogólnym celem tej procedury jest zaprojektowanie i wyprodukowanie urządzenia do noszenia w okularach, które wykrywa wzorce aktywności mięśni skroniowych podczas przyjmowania pokarmu i innych aktywności fizycznych. Metoda ta może pomóc odpowiedzieć na kluczowe pytania w zakresie monitorowania zachowań żywieniowych, takich jak wykrywanie przyjmowania pokarmu podczas posiłku. Główną zaletą tej techniki jest to, że wzorce aktywności mięśni skroniowych podczas przyjmowania pokarmu można wykryć automatycznie i obiektywnie za pomocą pary okularów.Procedura produkcyjna zostanie zademonstrowana przez Wonjoon Oh, inżyniera mechanika w naszej firmie. Procedura zbierania danych zostanie przeprowadzona przez Hak Yung Gu, który również pracuje w naszej firmie. Kluczem do eksperymentu są moduły obwodów, które muszą zostać wyprodukowane.Są dwa. Jeden na lewą i prawą zausznik w okularach. Lewy moduł zawiera ogniwo obciążnikowe, złącze, wzmacniacz oprzyrządowania, regulator napięcia i złącze akumulatora.Prawy moduł posiada mikrokontroler z WiFi, złącze UART, multiplekser, wzmacniacz, złącze i ogniwo obciążnikowe. Oprócz obwodów konieczne jest wykonanie oprawek do okularów. Ramki muszą być w stanie utrzymać moduły płytki drukowanej.Aby stworzyć oprawki, użyj narzędzia do modelowania 3D, aby narysować model nakrycia głowy okularów i jego dwóch zauszników. Eksportuj rysunek do stereoskopowych plików litograficznych CAD w celu wydrukowania 3D. Do drukowania części ramy używaj filamentu węglowego o temperaturze dyszy 250 stopni Celsjusza i temperaturze stołu 80 stopni Celsjusza.Po wydrukowaniu pracuj, aby zgiąć zauszniki do wewnątrz. Użyj dmuchawy gorącego powietrza ustawionej na 180 stopni Celsjusza, aby podgrzać kawałek. Po podgrzaniu zegnij skroń do wewnątrz o około 15 stopni.Zegnij każdy element świątyni do wewnątrz, zanim przejdziesz dalej. Zbierz wszystkie elementy, aby złożyć okulary. Należą do nich lewe i prawe płytki drukowane, lewe i prawe zauszniki oraz nakrycie głowy.Zacznij od odpowiednich elementów zauszników. Włóż prawą płytkę drukowaną do prawego zausznika. Zabezpiecz go na miejscu za pomocą.W ten sam sposób zabezpiecz lewą płytkę drukowaną i lewą zausznik. Następnie przymocuj głowicę i jedną z zauszników do odpowiedniego połączenia zawiasów i zabezpiecz ją śrubą. Kontynuuj, przymocowując drugą zausznik do nakrycia głowy.Po zakończeniu połącz lewy i prawy obwód za pomocą 3-pinowych przewodów połączeniowych. W przypadku tego projektu podłącz baterię do lewego obwodu. Zabezpiecz go taśmą klejącą.Uzupełnij okulary, nakładając gumową taśmę na czubku i na noskach, aby zwiększyć tarcie dla użytkownika. W tym momencie przygotuj się do pozyskiwania danych. Na komputerze uruchom projekt GlasSense_Server i podłącz moduł obwodu ramy przez USB.Wprowadź oprogramowanie GlasSense_Server do mikrokontrolera. Ten projekt wykorzystuje smartfon do odbierania danych. Uruchom oprogramowanie GlasSense_Client na komputerze i podłącz smartfon za pomocą złącza USB.Zbuduj aplikację odbierającą dane na smartfonie. Do badania zidentyfikuj osobę badaną i wybierz okulary o odpowiednim rozmiarze. Poproś fotografowaną osobę o przymierzenie okularów.W razie potrzeby użyj podporowych na ramie, aby precyzyjnie dostroić dopasowanie. Następnym krokiem jest poproszenie podmiotu o zebranie danych dla różnych działań. W przypadku siedzącego trybu odpoczynku poproś badanego, aby usiadł na krześle i czytał w okularach.Rejestruj aktywność za pomocą aplikacji na smartfona przez 120 sekund. Pozwól na ruch głowy, ale unikaj ruchu całego ciała. Po 120 sekundach zatrzymaj nagrywanie i zdejmij okulary na 60-sekundową przerwę.Powtórz rejestrowanie danych i zrób przerwę cztery razy. Postępuj zgodnie z podobną procedurą dla aktywności chodzenia, prosząc badanego o stanie na bieżni i założenie okularów. Uruchom bieżnię z prędkością 4,5 km na godzinę i niech obiekt będzie nagrywał przez 120 sekund.Po zakończeniu zrób 60-sekundową przerwę bez okularów. Występuje również siedzący tryb żucia i żucia podczas chodzenia. W tym celu przygotuj chleb tostowy w kwadratach o wymiarach 20x20 mm i przygotuj galaretki do żucia.Zadbaj o to, aby pacjent siedział lub przebywał na bieżni, w zależności od potrzeb, z jedzeniem w pobliżu. Nosząc okulary, rozpocznij aktywność i rejestrowanie danych. Niech badany je je podczas normalnego żucia.Po 120 sekundach zrób 60-sekundową przerwę bez okularów. Następnie wykonaj siedzącą aktywność mówienia. W tym celu zbieraj dane, gdy badany siedzi i czyta książkę na głos w normalnym tonie i szybkości.W siedzącym trybie mrugania zaaranżuj mruganie w odpowiedzi na dzwonek, który ma się włączać co trzy sekundy. Dane te pochodzą od jednego podmiotu wykonującego każdą czynność. Oś pozioma to czas w sekundach.Każda oś pionowa to zmierzona siła po odjęciu mediany z dziesięciu pomiarów. Niebieskie krzywe są przeznaczone dla lewej strony, a czerwone krzywe dla prawej strony twarzy. Jak można się spodziewać, maksymalne amplitudy czynności żucia są duże w porównaniu z siedzącym trybem odpoczynku, siedzącym siedzeniem mówienia i chodzenia.Dane tego typu są przekształcane w dane wejściowe do techniki klasyfikacji uczenia maszynowego. Po każdym opracowaniu technika ta może być potencjalnie przydatna do automatycznego i obiektywnego monitorowania zachowań związanych z przyjmowaniem pokarmu z większą dokładnością jako praktyczny sposób leczenia problemów związanych ze spożyciem.

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

Research

JoVE Journal

Engineering

Inżynieria

Ustandaryzowana metoda oceny została opracowana dla Wearable Mobility Monitoring Systems (WMMS), która obejmuje ciągłe działania w realistycznym codziennym środowisku życia. Testowanie z serią codziennych czynności życiowych może zmniejszyć czułość rozpoznawania aktywności; w związku z tym zachęca się do stosowania realistycznych obwodów testowych w celu prawidłowej oceny wydajności WMMS.

Ocena systemu rozpoznawania aktywności człowieka opartego na smartfonach w codziennym środowisku życia

Badani jedzą jedzenie z talerza umieszczonego na wadze podłączonej do komputera, który rejestruje utratę wagi talerza podczas posiłku. Informacje zwrotne na ekranie komputera pozwalają badanemu dostosować swoje zachowania żywieniowe do krzywych odniesienia, normalizując w ten sposób masę ciała.

Kontrola zachowań żywieniowych za pomocą nowatorskiego systemu informacji zwrotnej

Korzystanie z czujników multimodalnych jest obiecującym sposobem na zrozumienie roli interakcji społecznych w środowisku edukacyjnym. W artykule opisano metodologię przechwytywania wspólnej uwagi wzrokowej z kolokowanych diad za pomocą mobilnych urządzeń śledzących ruch gałek ocznych.

Metodologia przechwytywania wspólnej uwagi wzrokowej za pomocą mobilnych urządzeń śledzących ruch gałek ocznych

Ten protokół określa techniczne ustawienia opracowanej aplikacji rzeczywistości mieszanej, która jest używana do immersyjnej analizy. Na tej podstawie przedstawiono miary, które zostały wykorzystane w badaniu mającym na celu uzyskanie wglądu w aspekty użyteczności opracowanego rozwiązania technicznego.

Ocena aspektów użyteczności rozwiązania rzeczywistości mieszanej na potrzeby analizy immersyjnej w scenariuszach Przemysłu 4.0

Celem pracy przedstawionej w tym artykule jest opracowanie technologii automatycznego rozpoznawania produktów spożywczych i napojów na podstawie zdjęć wykonanych przez urządzenia mobilne. Technologia ta składa się z dwóch różnych podejść - pierwsze z nich wykonuje rozpoznawanie obrazów żywności, a drugie segmentację obrazów żywności.

Głębokie sieci neuronowe do oceny diety w oparciu o obraz

Ten artykuł opisuje protokół rozwoju innowacyjnej aplikacji do oceny diety opartej na smartfonie Traqq, w tym oceny ekspertów i testy użyteczności.

Iteracyjny rozwój innowacyjnego narzędzia do oceny diety opartego na smartfonach: Traqq

Ten protokół pokazuje i wyjaśnia nową, opartą na technologii metodę oceny diety. Metoda składa się z tacy jadalnej z wieloma wbudowanymi wagami i kamerą wideo. Urządzenie jest wyjątkowe w tym sensie, że zawiera zautomatyzowane pomiary spożycia żywności i napojów oraz zachowań żywieniowych w trakcie posiłku.

Opracowanie koncepcji i wykorzystanie zautomatyzowanej metody oceny spożycia żywności i zachowań żywieniowych

Ten artykuł omawia, jak zbudować interfejs mózg-komputer, opierając się na sprzęcie klasy konsumenckiej i wizualnie wywoływanych potencjałach w stanie ustalonym. W tym celu jednokanałowy elektroencefalograf wykorzystujący suche elektrody został zintegrowany z okularami rzeczywistości rozszerzonej do prezentacji bodźców i wizualizacji danych wyjściowych. Ostateczny system był nieinwazyjny, przenośny i ubieralny.

Jednokanałowy i nieinwazyjny interfejs mózg-komputer do noszenia na ciele dla przemysłu i opieki zdrowotnej

Ten artykuł proponuje system oparty na sztucznej inteligencji, który automatycznie wykrywa, czy uczniowie zwracają uwagę na klasę, czy są rozproszeni. System ten ma za zadanie pomóc nauczycielom utrzymać uwagę uczniów, zoptymalizować ich lekcje i dynamicznie wprowadzać modyfikacje, aby były one bardziej angażujące.

Oparty na sztucznej inteligencji system do wykrywania poziomu uwagi u uczniów

Technologia wearable ma niski koszt i oferuje wygodne monitorowanie danych fizjologicznych. Jednak dokładność i niezawodność tych urządzeń wymaga starannej oceny, aby zapewnić ich skuteczność i bezpieczeństwo dla użytkowników. Ten raport opisuje proces walidacji komercyjnego smartwatcha w monitorowaniu danych fizjologicznych i aktywności fizycznej.

Ocena dokładności danych smartwatcha fitness do monitorowania aktywności sercowo-naczyniowej i fizycznej: badanie walidacyjne w cyfrowym zdrowiu

Poznaj projektowanie inteligentnych okularów do automatycznego wykrywania aktywności mięśnia skroniowego podczas przyjmowania pokarmu. Ta metoda umożliwia obiektywny monitoring zachowań pokarmowych w czasie rzeczywistym.

Projektowanie i ocena inteligentnych okularów do przyjmowania pokarmu i klasyfikacji aktywności fizycznej

Przeglądaj więcej filmów