Summary
تعرض هذه الدراسة على بروتوكول لتصميم وتصنيع جهاز ارتداء نظارات من نوع الكشف عن أنماط الاستهلاك الغذائي والأنشطة البدنية الأخرى الموصى بها استخدام خلايا الحمل بإدراجه في كلا مفصلات النظارات.
Abstract
تعرض هذه الدراسة سلسلة من البروتوكولات لتصميم وتصنيع جهاز ارتداء نظارات من نوع الكشف عن أنماط الأنشطة العضلية temporalis أثناء تناول الطعام وغيرها من الأنشطة البدنية. نحن ملفقة إطار طباعة 3D للنظارات وتحميل خلية متكاملة دوائر المطبوعة مجلس (PCB) وحدة إدراجها في المفصلات كلا من الإطار. استخدم الوحدة النمطية لاكتساب قوة الإشارات، ونقلها لاسلكياً. هذه الإجراءات تزويد النظام التنقل أعلى، مما يمكن تقييمه في الظروف العملية يرتدي مثل المشي والهز. يتم تقييم أداء للتصنيف أيضا بالتمييز بين أنماط الاستهلاك الغذائي من تلك الأنشطة البدنية. واستخدمت مجموعة خوارزميات preprocess الإشارات وتولد ميزة ناقلات، والتعرف أنماط عدة ظهرت الأنشطة (المضغ والغمز)، وغيرها من الأنشطة البدنية (بقية الآبدة، الكلام والمشي). وأظهرت النتائج أن كانت النتيجة1 متوسط و التصنيف بين الأنشطة الموصى بها 91.4 في المائة. ونحن نعتقد أن هذا النهج يمكن أن يحتمل أن يكون مفيداً للرصد التلقائي وموضوعية من السلوكيات إينجيستيفي مع دقة أعلى كوسيلة عملية لعلاج مشاكل إينجيستيفي.
Introduction
الرصد المستمر وموضوعية لتناول الطعام أمر ضروري للحفاظ على توازن الطاقة في الجسم البشري، وقد يسبب تراكم الطاقة المفرطة أوفيرويايتنيس والسمنة1، مما قد يؤدي إلى مضاعفات طبية مختلفة2. العوامل الرئيسية في عدم توازن الطاقة المعروف أن المدخول الغذائي المفرط وعدم كفاية النشاط البدني3. وأدخلت مختلف الدراسات المتعلقة برصد نفقات الطاقة اليومية مع القياس التلقائي وموضوعية من أنماط النشاط البدني من خلال الأجهزة يمكن ارتداؤها4،،من56، حتى في المرحلة الطبية ومستوى المستهلك النهائي7. البحوث المتعلقة برصد الاستهلاك الغذائي، ومع ذلك، لا يزال في مختبر الإعداد، نظراً لأنه من الصعب الكشف عن النشاط المدخول الغذائي بطريقة مباشرة وموضوعية. هنا، ونحن نهدف إلى تقديم تصميم جهاز وتقييمه لرصد الاستهلاك الغذائي وأنماط النشاط البدني على مستوى عملي في الحياة اليومية.
وكانت هناك مختلف النهج غير المباشرة رصد المدخول الغذائي عن طريق المضغ والبلع الأصوات8،،من910، حركة من المعصم11،،من1213، صورة تحليل14، و electromyogram (EMG)15. ومع ذلك، كانت هذه النهج يصعب تطبيقها لتطبيقات الحياة اليومية، بسبب هذه القيود المتأصلة: أساليب استخدام الصوت كانت عرضه لأن تتأثر بالبيئة السليمة؛ أساليب استخدام حركة المعصم من الصعب تمييزها عن غيرها من الأنشطة البدنية عند عدم استهلاك الأغذية؛ والأساليب باستخدام الصور وإشارات فريق الإدارة البيئية مقيدة بحدود الحركة والبيئة. هذه الدراسات أظهرت القدرة على الكشف الآلي لتناول الطعام باستخدام أجهزة الاستشعار، ولكن كان لا يزال حد من إمكانية التطبيق العملي للحياة اليومية تتجاوز إعدادات المختبر.
في هذه الدراسة، استخدمنا أنماط النشاط العضلات temporalis الرصد التلقائي وموضوعية لتناول الطعام. وبصفة عامة، يكرر العضلات تيمبوراليس بالانكماش والاسترخاء كجزء من العضلات ماستيكاتوري خلال16،الغذائي كمية17؛ وهكذا، يمكن رصد النشاط المدخول الغذائي عن طريق الكشف عن أنماط النشاط العضلات temporalis الدوري. في الآونة الأخيرة، كانت هناك العديد من الدراسات التي تستخدم في تيمبوراليس العضلات نشاط18،19،،من2021، التي تستخدم في فريق الإدارة البيئية أو سلالة كهرضغطية الاستشعار وإرفاقها مباشرة على الإنسان الجلد. بيد أن هذه النهج، كانت حساسة لموقع الجلد أقطاب فريق الإدارة البيئية أو أجهزة استشعار الضغط وتم فصل بسهولة من الجلد بسبب الحركة المادية أو عرق. لذلك، اقترحنا طريقة جديدة وفعالة باستخدام زوج من النظارات هذا الإحساس بالعضلات تيمبوراليس نشاط من خلال خلايا الحمل اثنين بإدراجه في كلا المفصلات في أعمالنا السابقة دراسة22. وأظهر هذا الأسلوب إمكانيات كبيرة للكشف عن النشاط المدخول الغذائي بدقة عالية دون لمس الجلد. كان أيضا غير المعرقلة وغير تدخلية، حيث قمنا باستخدام نظارات من نوع جهاز مشترك.
في هذه الدراسة، ونحن نقدم سلسلة من بروتوكولات مفصلة لكيفية تنفيذ نظارات-نوع الجهاز وكيفية استخدام أنماط النشاط العضلات temporalis لرصد كمية الغذاء والنشاط البدني. البروتوكولات تتضمن عملية تصميم الأجهزة والتلفيق التي تتكون من إطار طباعة 3D النظارات ووحدة نمطية لدائرة، ووحدة نمطية للحصول على بيانات، وتتضمن خوارزميات برامج لمعالجة البيانات وتحليلها. ونحن علاوة على ذلك دراسة تصنيف فيما بين العديد من الأنشطة الموصى بها (مثلاً، مضغ، والمشي، والغمز) لإثبات إمكانية كنظام عملي يمكن أن أقول فارق دقيقة بين تناول الطعام وغيرها من الأنشطة البدنية أنماط.
Subscription Required. Please recommend JoVE to your librarian.
Protocol
ملاحظة: تم إنجاز جميع الإجراءات بما في ذلك استخدام المواد البشرية بطريقة غير الغازية ببساطة يرتدي زوج من النظارات. تم الحصول على جميع البيانات عن طريق قياس قوة إشارات من خلايا الحمل إدراجها في النظارات التي لم تكن على اتصال مباشر مع الجلد. وأحيلت البيانات لاسلكياً على وحدة تسجيل البيانات، والتي، في هذه الحالة الهاتف ذكي معين للدراسة. جميع البروتوكولات لا تتصل في فيفو/في المختبر الدراسات الإنسانية. واستخدمت لا عينات الدم والمخدرات للتجارب. تم الحصول على الموافقة المستنيرة من جميع الخاضعين للتجارب.
1-تصنيع وحدة نمطية للدوائر المتكاملة من أجهزة الاستشعار
-
شراء المكونات الإلكترونية لتصنيع وحدة الدائرة.
- خليتين من تحميل الكرة من نوع، كل منها تعمل في نطاق بين 0 N و 15 ن، وتنتج إنتاج منخفضة الجهد التفاضلية مع أقصى مدى mV 120 في إثارة V 3.3 الشراء.
ملاحظة: تحميل هذه الخلايا المستخدمة لقياس قوة إشارات على سواء الجانبين الأيمن والأيسر من النظارات. - شراء اثنين من أجهزة مكبرات الصوت وهما 15 kΩ المقاومات تحديد الربح.
ملاحظة: الأجهزة مكبر للصوت والمقاوم مكسب-الإعداد المستخدمة لتضخيم قوة الإشارة من خلية التحميل ثماني مرات، ما يصل إلى 960 mV. - شراء وحدة تحكم الصغرى (MCU) مع القدرة اللاسلكية (مثلاً، اتصال لاسلكي)، و 10 بت محول تمثيلي إلى رقمي (ADC).
ملاحظة: يتم استخدام MCU قراءة إشارات القوة وإحالتها إلى وحدة نمطية للحصول على بيانات لاسلكياً. لأنه يتم استخدام واحد من طرف الإدخال التناظري لاثنين من المدخلات التناظرية القوة، هو إدخال استعمال معدد في الخطوة التالية 1.1.4. - شراء بث القناة الثانية معدد الذي يعالج إشارتين الإدخال مع طرف واحد ADC على MCU.
- شراء بطارية ليثيوم أيون بوليمر (ليبو) مع 3.7 V الجهد الكهربائي الأسمى، 300 ماه السعة الاسمية، ومعدل التصريف ج 1.
ملاحظة: تم اختيار سعة البطارية للعرض الحالي كاف للساعة الواحدة أكثر من 200 ماه وتشغيل نظام موثوق لحوالي 1.5 ساعة من التجربة. - شراء 3.3 V جهد منظم لتنظيم أسفل الخطية من 3.7 V البطارية الجهد 3.3 V جهد النظام التشغيل.
- شراء 12 خمسة kΩ المقاومات نوع أجهزة محمولة على سطح (SMD) المقاومات تبعده من MCU. بصمة المقاوم 2.0 مم × 1.2 مم (حجم 2012).
- خليتين من تحميل الكرة من نوع، كل منها تعمل في نطاق بين 0 N و 15 ن، وتنتج إنتاج منخفضة الجهد التفاضلية مع أقصى مدى mV 120 في إثارة V 3.3 الشراء.
-
اختﻻق لوحات الدوائر المطبوعة (ثنائي الفينيل متعدد الكلور). تعد هذه الخطوة عن رسم لوحات الدوائر، وجعل العمل الفني (أي، مجلس التخطيط، الملف.brd) والتخطيطي (أي، الملف.sch) لتصنيع ثنائي الفينيل متعدد الكلور. فهم أساسي لعملية إنشاء ملفات العمل الفني والتخطيطي مطلوباً للتنمية.
- رسم تخطيطي لدارة الأيسر الذي يحتوي على البطارية باستخدام تطبيق تصميم إلكتروني كما هو موضح في الشكل 1A. حفظ النتيجة كعمل فني (.brd) وملفات التخطيطي (.sch).
- رسم تخطيطي للدائرة الحق يتضمن MCU باستخدام تطبيق تصميم إلكتروني كما هو مبين في الشكل 1 باء. حفظ النتيجة كعمل فني (.brd) وملفات التخطيطي (.sch).
- اختﻻق لوحات الدوائر بوضع أمر مع شركة تصنيع ثنائي الفينيل متعدد الكلور.
- لحام المكونات الإلكترونية كل إعداد في الخطوة 1، 1 لثنائي الفينيل متعدد الكلور، كما هو مبين في الشكل 2 و الشكل 3.
تنبيه: الأجهزة مكبر للصوت حساس جداً لدرجة الحرارة لحام. تأكد من أن تؤدي درجة الحرارة لا تتجاوز 300 درجة مئوية لمدة 10 ق أثناء لحام، إلا أنه قد يسبب ضرر دائم للمكون.
2-3D الطباعة من إطار النظارات
- رسم نموذج ثلاثي الأبعاد من قطعة الرأس من النظارات استخدام أداة نمذجة ثلاثية الأبعاد كما هو مبين في الشكل 4A. التصدير النتيجة لتنسيق الملف.stl.
- رسم نموذج ثلاثي الأبعاد من المعابد الأيسر والأيمن من نظارات 3D النمذجة الأداة كما هو موضح في الشكل 4B و الرقم 4باستخدام. تصدير النتائج إلى تنسيق الملف.stl.
- طباعة أجزاء قطعة ومعبد الرأس باستخدام طابعة 3D وخيوط من ألياف الكربون في 240 درجة مئوية من درجة حرارة فوهة و 80 درجة مئوية من درجة حرارة السرير.
ملاحظة: يمكن أن يسمح استخدام أي طابعة ثلاثية الأبعاد التجارية وأي أنواع من خيوط مثل ستايرين بوتادين أكريلونيتريل (ABS) وبوليلاكتيدي (جيش التحرير الشعبي). ويمكن تعديل درجات الحرارة فوهة وسرير وفقا للشعيرة وشروط الطباعة. - الحرارة نصائح المعابد باستخدام منفاخ هواء الساخن من إعداد 180 درجة مئوية وينحني لهم درجات حوالي 15 إلى الداخل الاتصال بالبشرة عضلة temporalis مثل النظارات التقليدية.
ملاحظة: لا تحتاج أن تكون صارمة كما غرض الانحناء لزيادة عامل نموذج بمساعدة النظارات تناسب على رأس الموضوع عند تجهيز درجة الانحناء للمعبد النظارات. كن حذراً، مع ذلك، الانحناء المفرط سوف يمنع المعابد من مس العضلات تيمبوراليس، مما يجعل من المستحيل على جمع أنماط كبيرة. - كرر الخطوات من الخطوة 2.1 – 2.4 لطباعة حجمين مختلفين من إطار نظارات لتلائم أحجام متعددة الرأس كما هو مبين في الشكل 4.
3-تجميع جميع أجزاء النظارات
- إدراج ثنائي الفينيل متعدد الكلور على كلا الجانبين من معابد النظارات استخدام مسامير M2 كما هو موضح في الشكل 5.
- تجميع قطعة الرأس والمعابد بإدراج البراغي M2 في المفاصل المفصلي.
- الاتصال اليسار واليمين ثنائي الفينيل متعدد الكلور باستخدام 3-دبوس توصيل الأسلاك كما هو موضح في الشكل 5.
- توصيل البطارية الدائرة اليسرى وإرفاقه مع شريط لاصق المعبد الأيسر. الجانب تركيب البطارية ليست حرجة، نظراً لأنها قد تختلف حسب التصميم ثنائي الفينيل متعدد الكلور.
- تغطية النظارات مع شرائط مطاطية على الحافة ووسادة الآنف لإضافة المزيد من الاحتكاك مع جلد الإنسان كما هو موضح في الشكل 5.
4-وضع نظام للحصول على البيانات
ملاحظة: يتكون نظام حيازة البيانات البيانات تحيل وحدة ووحدة بيانات المستقبلة. وحدة نقل البيانات يقرأ الوقت والقوة إشارات من كلا الجانبين، وثم يرسلها إلى نموذج البيانات المستقبلة، الذي يجمع البيانات المتلقاة وكتابتها في ملفات.tsv.
-
تحميل بيانات نقل التطبيق إلى MCU في الوحدة النمطية ثنائي الفينيل متعدد الكلور الإجراءات في 4.1.1–4.1.3 الخطوات التالية.
- تشغيل مشروع "GlasSense_Server" المرفقة بالملفات التكميلية باستخدام جهاز كمبيوتر.
ملاحظة: تم بناء هذا المشروع مع اردوينو بيئة التطوير المتكاملة (IDE). يوفر القدرة على قراءة الوقت وقوة الإشارات مع 200 عينات/s، وإحالتها إلى وحدة البيانات المستقبلة. - الاتصال الوحدة النمطية لثنائي الفينيل متعدد الكلور بالكمبيوتر عبر موصل ناقل تسلسلي عالمي (USB).
- اضغط على الزر "تحميل" في IDE اردوينو لفلاش رموز البرمجة من الخطوة 4.1.1 في MCU.
- تشغيل مشروع "GlasSense_Server" المرفقة بالملفات التكميلية باستخدام جهاز كمبيوتر.
-
تحميل تطبيق البيانات المستقبلة على الهاتف ذكي، الذي يستخدم لتلقي البيانات لاسلكياً، الإجراءات في 4.2.1–4.2.3 الخطوات التالية.
- تشغيل مشروع "GlasSense_Client" المرفقة بالملفات التكميلية باستخدام جهاز كمبيوتر.
ملاحظة: تم بناء هذا المشروع مع C# لغة البرمجة. يوفر القدرة على الحصول على البيانات وحفظ الملفات.tsv، التي تحتوي على المعلومات الموضوع، مثل الاسم والجنس والعمر ومؤشر كتلة الجسم (BMI). - قم بتوصيل الهاتف الذكي بالكمبيوتر عبر موصل USB لبناء التطبيق البيانات المستقبلة.
- اضغط على زر "> بناء تشغيل الملف" في مشروع C# لإنشاء التطبيق البيانات المستقبلة على الهاتف الذكي.
- تشغيل مشروع "GlasSense_Client" المرفقة بالملفات التكميلية باستخدام جهاز كمبيوتر.
5-جمع البيانات من خلال دراسة المستخدم
ملاحظة: هذه الدراسة التي جمعت ستة مجموعات النشاط الموصى بها: بقية المستقرة (SR) المستقرة مضغ (SC) والمشي (W)، المضغ أثناء المشي (CW)، المستقرة الحديث (ش)، وغمزه المستقرة (جنوب غرب).
- حدد زوج من النظارات التي يكون حجم مناسب للمستخدم لاختبارها. ضبط ضيق مع البراغي الدعم في كلا المفصلات (الشكل 5).
تنبيه: القوة يجب إلا تتجاوز القيم 15 N، نظراً لقوة أجهزة الاستشعار المستخدمة في هذه الدراسة قد تفقد الصفة الخطية الجميلة خارج نطاق العملية. يمكن ضبط قيم القوة بتخفيف أو تشديد الدعم البراغي. -
سجل أنشطة جميع المواضيع عن طريق الضغط على الزر "تسجيل" في التطبيق بنيت في خطوة 4.2.3.
- سجل نشاط خلال كتلة 120-s وإنشاء ملف تسجيل من ذلك.
- وفي حالة ريال، الجلوس في هذا الموضوع على كرسي ويكون لهم استخدام الهاتف ذكي أو قراءة كتاب. السماح بحركة الرأس، ولكن تجنب حركة الجسم كله.
- وبالنسبة لاتفاقية استكهولم، والأسلحة الكيميائية، وقد مواضيع أكل نوعين من مادة غذائية (الخبز المحمص ومضغ جيلي) كي تعكس الخصائص الغذائية المختلفة. خدمة الخبز المحمص في شرائح من 20 ملم × 20 ملم، وحجم جيد للأكل.
- وفي حالة ث، قد مواضيع سيرا على الأقدام بسرعة 4.5 كلم/ساعة في حلقة مفرغة.
- وفي حالة ش، الجلوس المواضيع ويكون لهم قراءة كتاب بصوت عال في لهجة عادية وسرعة.
- في حالة جنوب غرب، إبلاغ المواضيع التي غمز على التوقيت لصوت جرس 0.5 s طويلة كل 3 s.
- إنشاء ملف تسجيل في تنسيق.tsv من البيانات التي جمعت في الخطوة 5.2.1.
ملاحظة: هذا الملف يحتوي على تسلسل من الوقت عندما تم تلقي البيانات وإشارة قوة يسار وإشارة قوة حق وتسمية تمثل النشاط الوجه الحالي. كان يصور تصورات الإشارات الزمانية لجميع الأنشطة في كتلة من مستخدم في الشكل 6. كانت ست مجموعات النشاط الموصى بها (ريال، واتفاقية استكهولم، ث والأسلحة الكيميائية، ش وسويسري) المسماة ك 1، 2، 3، 4، 5 و 6، على التوالي. واستخدمت التسميات لمقارنة الفئات المتنبأ به في المادة 8 من البروتوكول. - تأخذ استراحة 60-s بعد تسجيل كتلة. خلع النظارات خلال فترة الاستراحة، وإعادة ارتدائه مرة أخرى عند إعادة تشغيل كتلة التسجيل.
- كرر مجموعة كتلة وكسر الخطوات 5.2.1 و 5.2.2 أربع مرات لكل نشاط من الأنشطة.
- وفي حالة جنوب غرب، لها الموضوع غمز مرارا وتكرارا مع العين اليسرى خلال كتلة واحدة ومن ثم غمز مرارا وتكرارا مع العين اليمنى خلال كتلة التالي.
- سجل نشاط خلال كتلة 120-s وإنشاء ملف تسجيل من ذلك.
- كرر الخطوات من 5، 1-5، 2 وجمع البيانات من 10 أشخاص. في هذه الدراسة، كنا خمسة ذكور وخمس إناث، وبلغ متوسط عمر ± 27.9 4.3 (الانحراف المعياري؛ والتنمية المستدامة) سنوات، التي تراوحت بين 19 – 33 عاماً، ومتوسط مؤشر كتلة الجسم كان 21.6 ± 3.2 (التنمية المستدامة) كغم/م2، التي تراوحت بين 17.9 – 27.4 كغ/م2.
ملاحظة: في هذه الدراسة، مواضيع الذين لم يكن لديهم أي الشروط الطبية مضغ الطعام، غمزة، وسيرا على الأقدام تم توظيف، وقد استخدم هذا الشرط لمعايير الاشتمال.
6-إشارة تجهيزها وتجزئة
ملاحظة: يتم حساب إشارات اليمين واليسار بشكل منفصل في الإجراءات التالية.
-
إعداد سلسلة من الإطارات الزمنية من 2 ثانية طويلة.
- S الجزء 120 سجلت إشارات إلى مجموعة من 2 s الإطارات التي قفز منها على فترات 1-s استخدام MATLAB كما هو موضح في الشكل 6.
ملاحظة: إطارات مجزأة 2 s طويلة كانت تستخدم لاستخراج السمات في الباب 7. حجم التنقل s 1 مصممة على تقسيم الإشارات قبل فترة غمزة s 3 المذكورة مسبقاً في الخطوة 5.2.1. - تطبيق عامل تصفية تمرير المنخفضة (LPF) باستخدام مرشح بتروورث أمرال 5 مع تواتر استقطاع 10 هرتز لكل إطار.
- حفظ نتائج الخطوة 6.1.2 كالإطارات الزمنية للخطوات التالية في الخطوة 7، 1.
- S الجزء 120 سجلت إشارات إلى مجموعة من 2 s الإطارات التي قفز منها على فترات 1-s استخدام MATLAB كما هو موضح في الشكل 6.
-
إعداد سلسلة من إطارات الطيفية.
- طرح الوسيط من الإشارات الأصلي لكل إطار لإزالة التحميل المسبق عند ارتداء النظارات.
ملاحظة: غير مطلوب قيمة التحميل المسبق لتحليل الترددات التالية، نظراً لأنها لا تتضمن أي معلومات عن المضغ والمشي، وغمزه و غيرها فإنه يمكن، مع ذلك، تحتوي على المعلومات الهامة التي يمكن أن تختلف رهنا بهذا الموضوع، من كل وضع النظارات، وحتى من اللحظة موضوع ترتدي النظارات. - تطبيق إطار هانينغ لكل إطار للحد من تسرب طيفية في تحليل التردد.
- إنتاج وحفظ طائفة من جانب واحد بتطبيق تحويل فورييه سريع (FFT) لكل إطار.
- طرح الوسيط من الإشارات الأصلي لكل إطار لإزالة التحميل المسبق عند ارتداء النظارات.
- تحديد مزيج من الزمني وإطار طيفية في نفس الوقت ككتلة إطار (أو ببساطة إطار).
7-جيل ناقلات ميزة
ملاحظة: يتم إنشاء ناقل ميزة كل إطار المنتجة في القسم 6 من البروتوكول. الإطارات اليمين واليسار تحسب على حدة ودمجها في ناقل ميزة في الإجراءات التالية. ونفذت جميع الإجراءات في MATLAB.
- استخراج الخصائص الإحصائية من إطار زمني في الخطوة 6، 1 من البروتوكول. ويرد في الجدول 1قائمة بالعدد من الميزات 54.
- استخراج الخصائص الإحصائية من إطار طيفية في الخطوة 6، 2 من البروتوكول. وترد قائمة بالعدد من الميزات 30 في الجدول 2.
- توليد متجه ميزة 84-الأبعاد عن طريق الجمع بين ميزات الزمانية والطيفية المذكورة أعلاه.
- قم بتسمية ناقلات الميزة التي تم إنشاؤها من التسجيلات في الخطوة 5، 2 من البروتوكول.
- كرر الخطوات من الخطوات 7.1 – 7.4 لكل إطار كتل وتوليد سلسلة من نواقل الميزة.
8-تصنيف الأنشطة إلى فئات
ملاحظة: هذه الخطوة هي لتحديد نموذج المصنف الجهاز (SVM) ناقلات دعم23 بتحديد البارامترات التي تظهر دقة أفضل من مشكلة معينة (أي ميزة ناقلات). SVM هو آلة تحت إشراف معروفة تعلم تقنية، مما يدل على الأداء الممتاز في التعميم ومتانة استخدام هامش الحد أقصى بين الفئات ووظيفة نواة. استخدمنا شبكة--بحث وأسلوب المصادقة عبر تحديد معلمة عقوبة ج ونواة γ المعلمة من نواة الدالة (المصرف) أساس شعاعي. فهم الحد أدنى من آلة تعلم التقنيات و SVM مطلوب لتنفيذ الإجراءات التالية. ويوصي بعض مواد مرجعية23،،من2425 لفهم أفضل لالة تعلم خوارزمية SVM وتقنيات. ونفذت جميع الإجراءات المذكورة في هذا المقطع باستخدام حزمة برامج25 ليبسفم.
- تعريف شبكة أزواج من (ج، γ) للشبكة--البحث. استخدام المتزايدة أضعافاً مضاعفة تسلسل ج (2-10، 2-5،..., 230) و γ (2-30، 2-25,..., 210).
ملاحظة: تم تحديد هذه التسلسلات تجريبيا. - تحديد زوج من (ج، γ) (مثلاً، (2-10، 2-30)).
-
للشبكة المحددة في الخطوة 8، 2، تنفيذ مخطط التحقق عبر الوقت.
ملاحظة: هذا المخطط يقسم ناقلات الميزة بأكملها إلى مجموعات فرعية 10-جزء، ثم اختبار مجموعة فرعية واحدة من طراز مصنف تدريبهم من قبل المجموعات الأخرى، وكرر أنه على جميع المجموعات، واحداً تلو الآخر. ولذلك، يمكن اختبار كل ناقلات ميزة تسلسلياً.- تقسيم ناقلات الميزة بأكملها إلى مجموعات فرعية 10-جزء.
- قم بتعريف مجموعة اختبار من مجموعة فرعية، وتدريب مجموعة من المجموعات 9 المتبقية.
- تعريف ناقل مقياس أن جداول جميع العناصر من ناقلات الميزة للمجموعة من [0, 1] لمجموعة التدريب.
ملاحظة: ناقل جدول له نفس البعد مع ناقل ميزة. وهو يتألف من مجموعة من المضاعفات أن جداول نفس الصف (أو عمود) لكل ميزة ناقلات للمجموعة من [0, 1]. على سبيل المثال، يتم تحجيم الميزة الأولى لناقل ميزة خطيا إلى النطاق [0, 1] لكافة الميزات أول موجهات ميزة التدريب. ملاحظة أن يتم تعريف ناقل النطاق من مجموعة التدريب، ونظرا لأن مجموعة الاختبار ينبغي أن يفترض أن يكون غير معروف. هذه الخطوة يزيد من دقة التصنيف بجعل الميزات نطاق المساواة وتجنب الأخطاء العددية خلال العملية الحسابية. - مقياس كل ميزة التدريب المحددة للنطاق [0, 1] استخدام ناقلات مقياس التي تم الحصول عليها في الخطوة 8.2.3.
- مقياس كل ميزة الاختبار المحددة للنطاق [0, 1] استخدام ناقلات مقياس التي تم الحصول عليها في الخطوة 8.2.3.
- تدريب تدريب مجموعة من خلال SVM مع الزوج (ج، γ) المحدد في الخطوة 8، 2 ومن ثم بناء نموذج مصنف.
- اختبار مجموعة الاختبار عن طريق SVM مع الزوج (ج، γ) المعرفة في الخطوة 8، 2، والحصول على نموذج المصنف من إجراء التدريب.
- تحسب دقة تصنيف في مجموعة الاختبار. وحسبت الدقة من النسبة المئوية لناقلات الميزة التي تصنف بشكل صحيح.
- كرر 8.2.2–8.2.8 خطوات لجميع المجموعات، وحساب متوسط دقة جميع مجموعات فرعية.
- كرر الخطوات 8.2 – 8.3.9 لجميع نقاط الشبكة من زوج من (ج، γ).
- تجد أقصى دقة أعلى من الشبكة المحلية. جميع الإجراءات الواردة في الباب 8 موضحة في الشكل 7.
- (اختياري) إذا كان يعتبر الخطوة للشبكة الخشنة، كرر الخطوات 8.1-8.5 في شبكة الدقيقة قرب الحد الأقصى المحلية الموجودة في الخطوة 8، 5، وتجد كحد أقصى محلية جديدة في شبكة غرامة.
- حساب الدقة والاستدعاء، ودرجة1 و لكل فئة من أنشطة من المعادلات التالية:
معادلة 1
المعادلة 2
المعادلة 3
حيث TP، وتنظيم الأسرة، والجبهة الوطنية تمثل إيجابيات حقيقية والمغلوطة والسلبيات الكاذبة لكل نشاط من الأنشطة، على التوالي. مصفوفة الخلط من جميع الأنشطة التي ترد في الجدول 3.
معادلة 1
المعادلة 2
المعادلة 3Subscription Required. Please recommend JoVE to your librarian.
Representative Results
من خلال الإجراءات المبينة في البروتوكول، أعددنا إصدارين من الإطار المطبوعة 3D بالتفريق بين طول قطعة الرأس، لح (133 و 138 ملم)، والمعابد، لT (110 و 125 ملم)، كما هو مبين في الشكل 4. ولذلك، نحن يمكن أن تغطي عدة شروط ارتداء، التي يمكن أن تختلف من حجم الرأس المواضيع والشكل، إلخ المواضيع اختيار أحد الإطارات لاحتوائه على رؤوسهم للدراسة المستخدم. تم تعيين المسافة العمودية، لح، بين المشتركة المفصلي والحفرة الترباس الدعم إلى 7.5 ملم حيث أن القوة تضخيم لن تتجاوز 15 N، وهو نطاق التشغيل الخطي خلية التحميل. وأخيراً، ينبغي أن يكون قطعة الرأس سمك، تيح، التي يمكن أن تقاوم لحظة الانحناء المرسلة من كلا البراغي الدعم عندما مجهزة. لقد اخترنا تيح أن يكون 6 مم مع استخدام مواد ألياف الكربون من نهج إرشادي. يمكن ضبط نقاط الاتصال عن طريق البراغي الدعم لتحسين أداء ضيق للنظارات كما هو موضح في الشكل 5.
ويبين الجدول 3 نتائج تمثيلية للتصنيف لجميع مجموعات النشاط. وأسفرت النتيجة1 متوسط و 80.5 في المائة. إذا كانت تعتبر على درجة واحدة، الأداء قد يبدو أن المتردية نسبيا بالمقارنة إلى نتيجة لأن الدراسة السابقة22. نحن، مع ذلك، يمكن استخراج معلومات هامة بمقارنة النتائج بين كل نشاط. وكان جيدا نسبيا تميز ريال من اتفاقية استكهولم، والأسلحة الكيميائية، وسويسري، ولكن ليس من W و ST. كلا النشاطين مضغ، اتفاقية استكهولم، والأسلحة الكيميائية، وقد يصعب تمييزها عن بعضها البعض. من ناحية أخرى، فإنه يمكن ملاحظة أنه يمكن بسهولة تمييز كلا النشاطين مضغ من ريال، ث، ش، وسويسري، التي تمثل الأنشطة المادية الأخرى. في حالة الموجه الثانية، تبين النشاط غمزة يكون خطأ طفيف في جميع أنشطة أخرى.
من نتائج الجدول 3، يمكننا أن نلاحظ تفاصيل متعمقة للتصنيف. أولاً، كانت أنشطة مضغ اثنين، اتفاقية استكهولم، والأسلحة الكيميائية، التمييز بوضوح بين الأنشطة الأخرى. فيما بينها، يقترح التمييز من نشاط المشي إمكانية أن النشاط المدخول الغذائي، الذي هو الهدف الرئيسي لهذه الدراسة، يمكن بسهولة يمكن فصله عن النشاط البدني النشط، مثل المشي، واستخدام نظامنا. كما هو موضح في الشكل 6، فإنه يمكن التحقق من أن إشارات المضغ وغمزه، تنشيط من نشاط العضلات تيمبوراليس، كانت تختلف اختلافاً كبيرا عن تلك التي لم يتم تنشيط بنشاط العضلات تيمبوراليس. من ناحية أخرى، أظهرت أن التمييز بين هذين النشاطين مضغ ميسكلاسيفيكيشنز عالية نسبيا. أنها لعبت دوراً مهيمناً في خفض كل دقة، ونذكر أنشطة مضغ.
فيما يتعلق بمضغ الكشف، يمكن اعتبار ريال، W، وشارع الضجيج غير مقصودة في الحياة اليومية. النشاط غمزة، ومن ناحية أخرى، يمكن اعتبار القياس ذات معنى، لأن فإنه يتم تنشيط أيضا من نشاط العضلات تيمبوراليس، وكذلك. استناداً إلى ما سبق، كان يحدها نشاطين مضغ إلى نشاط مضغ (CH)، والأنشطة الأخرى باستثناء غمزة كانت مجمعة نشاط البدني (السلطة الفلسطينية). ويبين الجدول 4 نتائج التصنيف في هذه الأنشطة: مضغ (CH) والنشاط البدني (السلطة الفلسطينية)، وغمزه المستقرة (جنوب غرب). يمكن أن نجد نتائج ملحوظة أكثر من ذلك. أنه يتنبأ بمعلومات حول ما إذا كان هذا النظام قوية للكشف عن تناول الطعام دون التأثر بغيرها من الأنشطة البدنية. وعلاوة على ذلك، يشير أيضا إلى ما إذا كان من الممكن التمييز بين المدخول الغذائي من نشاط الوجه الأخرى مثل غمزة. وتبين النتائج أن النشاط مضغ يمكن كذلك تمييزها عن الأنشطة الأخرى بدرجة عالية1 و 93.4 في المائة. في حالة غمزة، نذكر (85.5%) كان أقل قليلاً من الأنشطة الأخرى. وهذا يعني أنه من المحتمل أن تكون منخفضة، كما أن المستخدمين غمز في الوقت المحدد في فترات s 3 نوعية البيانات التي يتم جمعها من غمزة. في الواقع، فقد لوحظ أن المستخدمين غاب غمزة أو النظارات تحولت إلى أسفل أحياناً أثناء الدراسة المستخدم.
من أجل الحصول على نتائج ذات مغزى أكثر من ما ورد أعلاه، مجمعة، وإعادة تعريف الأنشطة في مناطق جديدة. النشاطين مضغ، اتفاقية استكهولم، والأسلحة الكيميائية، مجمعة في نشاط واحد، ويعرف بأنه مضغ. ريال، W، وشارع، التي تتمتع بدرجة كبيرة من سوء التصنيف فيما بينها، كما جمعت في نشاط واحد، ويعرف النشاط البدني. كنتيجة لذلك، حصلنا على نتائج تمثيلية جديدة تصنيف إعادة تنفيذها من خلال الأنشطة التي ظهرت مضغ (CH) والنشاط البدني (السلطة الفلسطينية)، وغمزه المستقرة (جنوب غرب)، كما هو مبين في الجدول 4. وأظهرت النتائج أن درجة عالية من التنبؤ بدرجة متوسطة و1 من 91.4 في المائة من.
رقم 1: التخطيطية لدوائر اليمين واليسار على حد سواء- (أ) التخطيطية للدائرة اليسرى. أنه يحتوي على بطارية لتوفير الطاقة للدائرة اليمين واليسار على حد سواء. وقدم منظم جهد 3.3 V مع مكثف تجاوز إمداد مستقر يعمل بالتيار الكهربائي للنظام. تم إدراج خلايا الحمل المقدمة هنا في كلا الجانبين للدائرة (ب) التخطيطية للدائرة الحق. أنه يحتوي على وحدة تحكم الصغرى (MCU) مع القدرة على وأي فأي. وقدمت معدد اثنين-قناة لمعالجة الإشارات قوة اثنين من كلا الجانبين مع واحد محول تمثيلي إلى رقمي (ADC) من MCU. تم استخدام موصل عالمي متزامن جهاز استقبال/إرسال (UART) لفلاش MCU. الرجاء انقر هنا لمشاهدة نسخة أكبر من هذا الرقم-
رقم 2: ثنائي الفينيل متعدد الكلور الأعمال الفنية من دوائر اليمين واليسار على حد سواء- (أ) عمل فني من اليسار ثنائي الفينيل متعدد الكلور. يتم عرض كافة المكونات الإلكترونية القياسات الفعلية في مم. (ب) العمل فني حق ثنائي الفينيل متعدد الكلور. الرجاء انقر هنا لمشاهدة نسخة أكبر من هذا الرقم-
الشكل 3: نتائج تمثيلية لثنائي الفينيل متعدد الكلور ملحوم مع جميع مكونات. (أ) وحدة الدائرة اليسرى. تم دمج خلية التحميل في المجلس. أنه يحتوي على موصل 2-دبوس للبطارية وموصل 3-دبوس للاتصال بالمجلس اليمنى. (ب) وحدة حق الدائرة. كما تم إدماج خلية التحميل في المجلس. أنه يحتوي على رابط 4-دبوس تومض وضع MCU، وموصل 3-دبوس للاتصال بالدائرة اليسرى. الرجاء انقر هنا لمشاهدة نسخة أكبر من هذا الرقم-
الشكل 4: تصميم نموذج ثلاثي الأبعاد من إطار النظارات. (أ) تصميم الرأس قطعة. يبين الشكل العلوي وجهة نظر جبهة، ويوضح الشكل السفلي عرض أعلى من قطعة الرأس. طول قطعة الرأس، لح، معلمة تصميم لتغطية حجم الرأس مختلف المواضيع. نحن 3D طباعة نسختين من قطعة الرأس بالتفريق فإنه. سمك قطعة الرأس، تيح، عرف بمجريات الأمور. وكان تعيين المسافة بين مشترك المفصلي وحفرة لدعم الترباس، لح، من معامل التضخيم الميكانيكية. (ب) تصميم المعابد. ويوضح الشكل العلوي الأيسر المعبد، ويوضح الشكل السفلي صدغه الأيمن. ثنائي الفينيل متعدد الكلور في الشكل 3 تم إدراجها في فتحات وشنت بطارية لحامل بطارية. الرجاء انقر هنا لمشاهدة نسخة أكبر من هذا الرقم-
الرقم 5: نتيجة ممثل للنظارات المتكاملة ثيبكب- تم إدراجها ثنائي الفينيل متعدد الكلور في الفتحات مع البراغي. النصائح من المعابد ومنصات الآنف مشمولة بشرائط مطاطية لإضافة الاحتكاك مع الجلد. عندما تم تجهيز النظارات، الضغط على خلايا الحمل بمسامير الدعم على كلا الجانبين. يمكن صقلها ضيق للنظارات بتخفيف أو تشديد الدعم البراغي. الرجاء انقر هنا لمشاهدة نسخة أكبر من هذا الرقم-
رقم 6: الإشارات الزمانية في كتلة تسجيل المستخدم لجميع الأنشطة- ويمثل المحور الصادي القوة المقاسة، الذي كان مطروحاً قبل متوسط كتلة التسجيل لغرض تصور. ستريك الحد الأقصى من أنشطة مضغ أكبر من الأنشطة الأخرى. يتم عكس إشارات اليمين واليسار للنشاط غمزة. ويوضح الشكل مثالاً لغمزة الأيسر. استخدم إطار s 2 لتعريف ناقل ميزة بالتنقل بين الإشارات في الفاصل الزمني s 1. الرجاء انقر هنا لمشاهدة نسخة أكبر من هذا الرقم-
رقم 7: نتائج تمثيلية لإيجاد المحلية أقصى قدر من الدقة عن طريق أزواج مختلفة من (ج، γ). (أ) بالمؤامرة كفاف من دقة التحقق من صحة عبر جميع الأنشطة المحددة في الجدول 3. كل محور يزيد أضعافاً مضاعفة وتم تحديد النطاق تجريبيا. وقع المحلية أقصى قدر من الدقة 80.4 في المائة (ج، γ) = (25، 20). (ب) ارسم كفاف من دقة التحقق من صحة عبر أنشطة إعادة تعريف في الجدول 4. أقصى دقة 92.3 في المائة وقع في (ج، γ) = (25، 20)، وكان أكثر دقة من النتيجة (أ). الرجاء انقر هنا لمشاهدة نسخة أكبر من هذا الرقم-
| لا. | وصف الميزة | لا. | وصف الميزة | ||
| 1 | الانحراف المعياري ل | 28 | R سكينونيس | ||
| 2 | الانحراف المعياري R | 29 | التفرطح L | ||
| 3 | معامل التغير L | 30 | تفلطح ص | ||
| 4 | معامل التغير R | 31 | ترابط تلقائي وظيفة معاملات L | ||
| 5 | معدل عبور صفر L | 32 | ترابط تلقائي معاملات دالة البحث والتطوير | ||
| 6 | معدل عبور صفر R | 33 | إشارة الطاقة ل | ||
| 7 | مضبوط L | 34 | إشارة الطاقة R | ||
| 8 | مضبوط R | 35 | سجل إشارة الطاقة ل | ||
| 9 | المئين 50 لتر | 36 | سجل إشارة الطاقة R | ||
| 10 | المئين 50 R | 37 | اعتلاج الطاقة ل | ||
| 11 | القيمة المئوية 80 لتر | 38 | اعتلاج الطاقة R | ||
| 12 | القيمة المئوية الثمانين R | 39 | الذروة إلى الذروة السعة L | ||
| 13 | مجموعة المجال ل | 40 | الذروة إلى الذروة السعة R | ||
| 14 | مجموعة المجال R | 41 | عدد القمم L | ||
| 15 | مربع مجموع مضبوط L | 42 | عدد القمم R | ||
| 16 | مربع مجموع مضبوط R | 43 | يعني الوقت بين قمم L | ||
| 17 | مربع مجموع المئين 50 لتر | 44 | يعني الوقت بين قمم R | ||
| 18 | مربع مجموع المئين 50 R | 45 | عادي وقت بين قمم L | ||
| 19 | مربع مجموع القيمة المئوية 80 لتر | 46 | عادي وقت بين قمم R | ||
| 20 | مربع مجموع القيمة المئوية الثمانين R | 47 | التنبؤ بالنسبة ل | ||
| 21 | بن الأولى إهمال التوزيع ل | 48 | التنبؤ بنسبة R | ||
| 22 | بن 1 التوزيع إهمال R | 49 | نسبة متناسق L | ||
| 23 | بن 2 التوزيع إهمال L | 50 | نسبة متناسق R | ||
| 24 | بن 2 التوزيع إهمال R | 51 | التردد الأساسي ل | ||
| 25 | بن 3 إهمال التوزيع ل | 52 | التردد الأساسية R | ||
| 26 | بن 3 التوزيع إهمال R | 53 | معامل الارتباط للأم وصاد | ||
| 27 | L سكينونيس | 54 | مجال حجم سيجمال L و R | ||
الجدول 1: استخراج الخصائص الإحصائية للإطار الزمني- تم استخراج ما مجموعة 54 الميزات. وحسبت إشارات اليمين واليسار بشكل منفصل باستثناء ميزات الارتباط، 53 و 54.
| لا. | وصف الميزة | لا. | وصف الميزة | ||
| 1 | الطاقة الطيفية ل | 16 | انتشار الطيفية R | ||
| 2 | الطاقة الطيفية R | 17 | الانتروبيا الطيفية ل | ||
| 3 | المنطقة الطيفية 1 الطاقة ل | 18 | الانتروبيا الطيفية R | ||
| 4 | المنطقة الطيفية 1 الطاقة R | 19 | الانتروبيا الطيفية للطاقة ل | ||
| 5 | المنطقة الطيفية 2 الطاقة ل | 20 | الانتروبيا الطيفية للطاقة R | ||
| 6 | المنطقة الطيفية 2 الطاقة R | 21 | التمويه الطيفية ل | ||
| 7 | المنطقة الطيفية 3 الطاقة ل | 22 | التمويه الطيفية R | ||
| 8 | المنطقة الطيفية 3 الطاقة R | 23 | رد الطيفية ل | ||
| 9 | المنطقة الطيفية 4 الطاقة ل | 24 | رد الطيفية R | ||
| 10 | المنطقة الطيفية 4 الطاقة R | 25 | كريست الطيفية الحد الأقصى ل | ||
| 11 | المنطقة الطيفية 5 من الطاقة ل | 26 | الحد الأقصى كريست الطيفية R | ||
| 12 | المنطقة الطيفية 5 الطاقة R | 27 | الانحراف الطيفية ل | ||
| 13 | Centroid الطيفية ل | 28 | الانحراف الطيفية R | ||
| 14 | Centroid الطيفية R | 29 | التفرطح الطيفية ل | ||
| 15 | انتشار الطيفية ل | 30 | التفرطح الطيفية R | ||
الجدول 2: استخراج الملامح الإحصائية لإطار الطيفية. تم استخراج ما مجموعة 30 من الميزات. وحسبت إشارات اليمين واليسار بشكل منفصل. من الميزات الموجودة في الجدول 1 و الجدول 2، ميزة ناقل يتكون من مجموعة ميزات 84.
| وتوقع النشاط |
النشاط الفعلي | المجموع | الدقة | |||||
| أ ريال سعودي | ب اتفاقية استكهولم | ج W | د الأسلحة الكيميائية | ه ش | و SW | |||
| ريال سعودي | 1222 | 18 | 79 | 6 | 168 | 75 | 1568 | 77.9 في المائة |
| اتفاقية استكهولم | 10 | 1268 | 17 | 159 | 46 | 15 | 1515 | 83.7% |
| W | 55 | 19 | 1212 | 32 | 144 | 20 | 1482 | 81.8 في المائة |
| الأسلحة الكيميائية | 3 | 158 | 34 | 1327 | 28 | 12 | 1562 | 85.0% |
| ش | 192 | 75 | 185 | 19 | 1117 | 55 | 1643 | 68.0% |
| SW | 78 | 22 | 33 | 17 | 57 | 1383 | 1590 | 87.0% |
| المجموع | 1560 | 1560 | 1560 | 1560 | 1560 | 1560 | 9360 | |
| أذكر | 78.3% | 81.3 في المائة | 77.7% | 85.1% | 71.6 في المائة | 88.7% | 80.4% | |
| و1 درجة | 78.1 في المائة | 82.5% | 79.7% | 85.0% | 69.7% | 87.8% | ||
| متوسط الدرجة1 و | 80.5 في المائة | |||||||
الجدول 3: الارتباك مصفوفة من جميع الأنشطة عند (C, γ) = (25، 20) في الشكل 7A. هذه المصفوفة يبين جميع نتائج التنبؤ لجميع الأنشطة: ريال: بقية الآبدة، باتفاقية استكهولم: مضغ، المستقرة cw: المشي، دالأسلحة الكيميائية: مضغ أثناء المشي، ش ه: الحديث المستقرة، وSW: غمزة المستقرة.
| وتوقع النشاط |
النشاط الفعلي | المجموع | الدقة | ||
| أ ج | ب السلطة الفلسطينية | ج SW | |||
| ج | 2898 | 162 | 26 | 3086 | 93.9% |
| السلطة الفلسطينية | 201 | 4404 | 200 | 4805 | 91.7% |
| SW | 21 | 114 | 1334 | 1469 | 90.8 في المائة |
| المجموع | 3120 | 4680 | 1560 | 9360 | |
| أذكر | 92.9% | 94.1 في المائة | 85.5% | 92.3% | |
| و1 درجة | 93.4% | 92.9% | 88.1 في المائة | ||
| متوسط الدرجة1 و | 91.4 في المائة | ||||
الجدول 4: الارتباك مصفوفة من جميع أنشطة إعادة تعريف عند (C, γ) = (25، 20) في 7B الرقم. تظهر هذه المصفوفة جميع نتائج التنبؤ لجميع أنشطة إعادة تعريف: CH: مضغ، بالسلطة الفلسطينية: النشاط البدني، جسويسري: غمزة المستقرة.
Subscription Required. Please recommend JoVE to your librarian.
Discussion
في هذه الدراسة، اقترحنا أولاً تصميم وعملية التصنيع من النظارات بمعنى أن أنماط الاستهلاك الغذائي والأنشطة البدنية. حسب هذه الدراسة ركزت أساسا على تحليل البيانات التمييز بين المدخول الغذائي من الأنشطة البدنية الأخرى (مثل المشي والغمز)، نظام حيازة أجهزة الاستشعار والبيانات المطلوب تنفيذ تسجيل الحركة. وهكذا، شملت النظام MCU مع القدرة على الاتصالات اللاسلكية، أجهزة الاستشعار والبطارية. البروتوكول المقترح قدم رواية وطريقة عملية لقياس أنماط النشاط العضلات تيمبوراليس بسبب تناول الطعام وغمزه بطريقة غير الاتصال: الأدوات والمنهجيات الكشف عن تناول الطعام بسهولة في الحياة اليومية دون أي مرهقة وقد وصف المعدات.
هناك اعتبارات هامة للإجراء لصناعة النظارات. وينبغي تصميم أجزاء المعبد لدمج الوحدات النمطية ثنائي الفينيل متعدد الكلور ملفقة في الخطوة 1.2 كما هو موضح في الشكل 4B و الشكل 4. ينبغي وضع خلية التحميل حيث أنه يتم ضغط بالترباس دعم في لوحة دعم من قطعة الرأس عندما مجهزة كما هو مبين في عرض أعلى الجزء المفصلي في الشكل 5. في الخطوة 2، 4، درجة الانحناء للمعبد النظارات لا تحتاج أن تكون صارمة، ما غرض الانحناء لزيادة عامل شكل لتناسب أفضل النظارات على رأس الموضوع. كن حذراً، مع ذلك، كالانحناء المفرط سيمنع المعابد من مس العضلات تيمبوراليس، مما يجعل من المستحيل على جمع أنماط هامة.
للحصول على بيانات موثوق بها تعكس رأسه الأحجام والأشكال المختلفة للمواضيع، قدمت نسختين من النظارات متفاوتة طول قطعة الرأس والمعابد. وبالإضافة إلى ذلك، عن طريق استخدام فولت الدعم لضبط الملابس-القدرة، يمكن أن نعدل ضيق للنظارات. وهكذا، البيانات التي جمعت من خلال مختلف النظارات، المواضيع، ويمكن أن تعكس شروط ارتداء تقلب داخل وبين individual وشكل مختلف العوامل.
في الدراسة، والمستخدم الموضوع أقلعت النظارات خلال فترة الاستراحة، وارتدى لهم مرة أخرى عند تشغيل تسجيل كتلة. يمنع هذا الإجراء البيانات من أوفيرفيتينج بشرط ارتداء محددة نظراً لتغير الظروف يرتدي (مثلاً، توازن اليسار واليمين، التحميل المسبق على خلايا الحمل، مجال الاتصال مع الجلد، و ما إلى ذلك) كل مرة الموضوع إعادة ارتدى النظارات.
ووفقا لدراسة سابقة مضغ التردد، تراوحت النشاط مضغ أساسا هرتز 0.94 (5th المئين) إلى 2.17 هرتز(المئوية 95) 26. وهكذا، يمكننا تعيين حجم الإطار إلى 2 s حيث يحتوي إطار أنشطة مضغ متعددة. هذا حجم الإطار أيضا مناسبة لتتضمن دورات المشي واحد أو أكثر، التي تتراوح عادة بين 1.4 هرتز هرتز 2.527. وقد أجرينا نشاط المشي بسرعة 4.5 كلم/ساعة في حلقة مفرغة لأن تختلف سرعة المشي العادي من 3.3 كم/ساعة إلى 6.5 كم/ساعة27،28. وكان تحديد حجم هوب في الشكل 6 من بيانات مسجل صوتي حيث كانت مواضيع علم غمز على فترات 3-s. ونحن أيضا تصفية البيانات مع تواتر استقطاع 10 هرتز، لأننا وجدنا من دراستنا السابقة إشارات أكثر من 10 هرتز ليس لديها أي معلومات هامة مضغ الكشف عن22.
نظراً لأن النظام يحتوي على خلايا الحمل اثنين على كلا الجانبين، فمن الممكن التمييز بين الأحداث اليمنى واليسرى للمضغ وغمزه، كما تبين لنا الدراسة السابقة22. ومع ذلك، خلافا للدراسة السابقة، وكان أن الهدف من هذه الدراسة تثبت أن النظام فعال يمكن فصل المدخول الغذائي من الأنشطة البدنية. إذا كانت البيانات التي تراكمت بشكل كاف من خلال دراسة المستخدم، ثم المزيد من البحوث على اليسار ويمكن إجراء التصنيف الصحيح، الاستفادة من ميزات الارتباط المدرجة في ناقلات الميزة. من ناحية أخرى، من الصعب التمييز بين النشاط المستقرة والمشي داخل النظام. يمكن أن توفر المزيد من التعديلات على النظام تصنيف مفصل لتناول الطعام، مثل تناول الطعام أثناء الجلوس وتناول الطعام على هذه الخطوة، مع درجة عالية من دقة. يمكن تنفيذ هذا عن طريق تقنية استشعار انصهار بإضافة وحدة قياس القصور الذاتي (أوزبكستان) إلى نظام18. إذا كان الأمر كذلك، النظام تعقب نفقات الطاقة واستهلاك الطاقة في أن واحد. ونحن نعتقد أن نهجنا ويوفر السبل العملية والممكنة للكشف عن تناول الطعام والأنشطة البدنية.
تقدير كمية الطاقة هو هدف بالغ الأهمية للبحوث المتعلقة بالمراقبة الغذائية، وعلى سبيل المثال، يمكن أن تحلل بتصنيف نوع الغذاء ومن ثم تحويلها إلى السعرات الحرارية من معلومات السعرات الحرارية المحددة مسبقاً. واقترحت دراسة أجريت مؤخرا طريقة لتصنيف أنواع الأغذية باستخدام الصور الغذاء وعميق التعلم خوارزميات14. ومع ذلك، من الصعب فصل أنواع الطعام مع أجهزة استشعار القوة المستخدمة في هذه الدراسة؛ إضافة جهاز استشعار صورة للجهة الأمامية للجهاز يمكن التعرف على أنواع الأغذية من خلال معالجة الصور وآله تقنيات التعلم، وهكذا تصنيف أنواع الأغذية. من خلال هذا الأسلوب الانصهار الاستشعار مع استشعار القوة والصورة، إمكانات هذه الدراسة تطبيق اتجاه الغذائية العامة مراقبة التطبيقات.
Subscription Required. Please recommend JoVE to your librarian.
Disclosures
الكتاب ليس لها علاقة بالكشف عن.
Acknowledgments
أيد هذا العمل انفيسيبلي، وشركة وأيد هذه الدراسة أيضا على منحة R تكنولوجيا الصحة الكورية & "المشروع د" ووزارة الصحة والرعاية، جمهورية كوريا (HI15C1027). وأيد هذا البحث من "مؤسسة البحوث الوطنية كوريا" (جبهة الخلاص الوطني-2016R1A1A1A05005348).
Materials
| Name | Company | Catalog Number | Comments |
| FSS1500NSB | Honeywell, USA | Load cell | |
| INA125U | Texas Instruments, USA | Amplifier | |
| ESP-07 | Shenzhen Anxinke Technology, China | MCU with Wi-Fi module | |
| 74LVC1G3157 | Nexperia, The Netherlands | Multiplexer | |
| MP701435P | Maxpower, China | LiPo battery | |
| U1V10F3 | Pololu, USA | Voltage regulator | |
| Ultimaker 2 | Ultimaker, The Netherlands | 3D printer | |
| ColorFabb XT-CF20 | ColorFabb, The Netherlands | Carbon fiber filament | |
| iPhone 6s Plus | Apple, USA | Data acquisition device | |
| Jelly Belly | Jelly Belly Candy Company, USA | Food texture for user study |
References
- 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).
- Pi-Sunyer, F. X., et al. Clinical guidelines on the identification, evaluation, and treatment of overweight and obesity in adults. Am J Clin Nutr. 68 (4), 899-917 (1998).
- McCrory, P., Strauss, B., Wahlqvist, M. L. Energy balance, food intake and obesity. Exer Obes. , London. (1994).
- Albinali, F., Intille, S., Haskell, W., Rosenberger, M. Proceedings of the 12th ACM international conference on Ubiquitous computing. , ACM. 311-320 (2010).
- Bonomi, A., Westerterp, K. Advances in physical activity monitoring and lifestyle interventions in obesity: a review. Int J Obes. 36 (2), 167-177 (2012).
- Jung, S., Lee, J., Hyeon, T., Lee, M., Kim, D. H. Fabric-Based Integrated Energy Devices for Wearable Activity Monitors. Adv Mater. 26 (36), 6329-6334 (2014).
- Fulk, G. D., Sazonov, E. Using sensors to measure activity in people with stroke. Top Stroke Rehabil. 18 (6), 746-757 (2011).
- Makeyev, O., Lopez-Meyer, P., Schuckers, S., Besio, W., Sazonov, E. Automatic food intake detection based on swallowing sounds. Biomed Signal Process Control. 7 (6), 649-656 (2012).
- Päßler, S., Fischer, W. Food intake activity detection using an artificial neural network. Biomed Tech (Berl). , (2012).
- Passler, S., Fischer, W. -J. Food intake monitoring: Automated chew event detection in chewing sounds. IEEE J Biomed Health Inform. 18 (1), 278-289 (2014).
- Kadomura, A., et al. CHI'13 Extended Abstracts on Human Factors in Computing Systems. , ACM. 1551-1556 (2013).
- Fontana, J. M., Farooq, M., Sazonov, E. Automatic ingestion monitor: A novel wearable device for monitoring of ingestive behavior. IEEE Trans Biomed Eng. 61 (6), 1772-1779 (2014).
- Shen, Y., Salley, J., Muth, E., Hoover, A. Assessing the Accuracy of a Wrist Motion Tracking Method for Counting Bites across Demographic and Food Variables. IEEE J Biomed Health Inform. , (2016).
- Farooq, M., Sazonov, E. International Conference on Bioinformatics and Biomedical Engineering. , Springer. 464-472 (2017).
- Grigoriadis, A., Johansson, R. S., Trulsson, M. Temporal profile and amplitude of human masseter muscle activity is adapted to food properties during individual chewing cycles. J Oral Rehab. 41 (5), 367-373 (2014).
- Strini, P. J. S. A., Strini, P. J. S. A., de Souza Barbosa, T., Gavião, M. B. D. Assessment of thickness and function of masticatory and cervical muscles in adults with and without temporomandibular disorders. Arch Oral Biol. 58 (9), 1100-1108 (2013).
- Standring, S. Gray's anatomy: the anatomical basis of clinical practice. , Elsevier Health Sciences. (2015).
- Farooq, M., Sazonov, E. A novel wearable device for food intake and physical activity recognition. Sensors. 16 (7), 1067 (2016).
- Zhang, R., Amft, O. Proceedings of the 2016 ACM International Symposium on Wearable Computers. , ACM. 50-52 (2016).
- Farooq, M., Sazonov, E. Segmentation and Characterization of Chewing Bouts by Monitoring Temporalis Muscle Using Smart Glasses with Piezoelectric Sensor. IEEE J Biomed Health Inform. , (2016).
- Huang, Q., Wang, W., Zhang, Q. Your Glasses Know Your Diet: Dietary Monitoring using Electromyography Sensors. IEEE Internet of Things Journal. , (2017).
- Chung, J., et al. A glasses-type wearable device for monitoring the patterns of food intake and facial activity. Scientific Reports. 7, 41690 (2017).
- Cristianini, N., Shawe-Taylor, J. An introduction to support Vector Machines: and other kernel-based learning methods. , Cambridge University Press Cambridge. (2000).
- Giannakopoulos, T., Pikrakis, A. Introduction to Audio Analysis: A MATLAB Approach. , Academic Press. (2014).
- Chang, C. -C., Lin, C. -J. LIBSVM: a library for support vector machines. ACM Trans Intell Syst Technol. 2 (3), 27 (2011).
- Po, J., et al. Time-frequency analysis of chewing activity in the natural environment. J Dent Res. 90 (10), 1206-1210 (2011).
- Ji, T. Frequency and velocity of people walking. Struct Eng. 84 (3), 36-40 (2005).
- Knoblauch, R., Pietrucha, M., Nitzburg, M. Field studies of pedestrian walking speed and start-up time. Transp Res Red. 1538, 27-38 (1996).
