デザインとスマートなメガネの食品の摂取量と身体活動の分類のための評価
Summary
本稿ではプロトコルの設計と食物摂取のパターンを検出するメガネ型ウェアラブル デバイスを製造、ガラスの両方のヒンジのロードセルを使用してその他の注目の物理的な活動が挿入されます。
Abstract
本研究は、一連の設計および製造食品の摂取量と他の身体活動の間に側頭筋筋活動のパターンを検出するメガネ型ウェアラブル デバイスのプロトコルを示します。メガネとフレームの両方のヒンジに挿入された負荷セル統合プリント回路基板 (PCB) モジュールの 3 D プリントのフレームを作製しました。力信号を集録し、ワイヤレスでそれらを送信モジュールが使用されました。これらの手順は、歩行や waggling といった実用的な身に着けている条件で評価できる高いモビリティとシステムを提供します。分類のパフォーマンスは、食物摂取のパターンを区別するこれらの物理的な活動によっても評価されます。一連のアルゴリズムを用いて信号を前処理特徴ベクトルを生成し、いくつかのパターンを認識する活動 (咀嚼とウインク)、および他の物理的な活動 (、話して、歩いて、残りを定住) を特集します。注目の活動の中で分類の平均 F1スコア 91.4% であったことがわかった。このアプローチは潜在的自動かつ客観的摂食問題を扱うための実用的な手段として精度の高い摂食行動の監視のために有用することができます考えています。
Introduction
継続的かつ客観的は食物摂取の監視は、過剰なエネルギーの蓄積は、overweightness と肥満1、様々 な医療の合併症2になる可能性を引き起こす可能性があります人間の体のエネルギー バランスを維持するために不可欠です。エネルギーの不均衡の主な要因は過剰な食物摂取および十分な身体活動3知られています。毎日のエネルギーの支出の監視の様々 な研究は、でもウェアラブル デバイス4,5,6, 身体活動パターンの自動と客観的測定を導入されている、最終消費者レベルと医療のステージ7。食物摂取量のモニタリングに関する研究はしかし、まだ、研究室の設定に、直接かつ客観的に食品の摂取量の活動を検出することは困難だからです。ここでは、デバイスの設計とその評価食品摂取量と日常生活の中で実践的なレベルで身体活動パターンを監視するための提示を目指します。
咀嚼・嚥下音8,9,10、手首11,12,13の動きを通じて食品の摂取量を監視し、画像に様々 な間接アプローチがあった分析14、および筋電図 (EMG)15。ただし、これらのアプローチが彼らの固有の制限があるため毎日の生活アプリケーションに適用することは困難: 音を使用してメソッドが環境音によって影響を受ける脆弱性食物を消費していない場合他の身体活動から区別するために、手首の動きを使用してメソッドが難しかった画像と筋電位信号を用いた方法は、運動と環境の境界によって制限されます。これらの研究は、センサーを使用して食品の摂取量の自動検出の機能を示したが、まだ実験室の設定を超えて日常生活に実用性の制限があった。
この研究では、食品摂取量の自動かつ客観的監視に側頭筋筋活動のパターンを使用しました。一般的に、側頭筋を繰り返し収縮と食品摂取量16,17; 中に咀嚼筋の一部としてリラクゼーションしたがって、側頭筋の筋活動の周期的なパターンを検出することにより食品摂取量の活動を監視できます。最近、活動18,19,20,21, 筋電図や圧電歪に使用筋肉の側頭筋を利用したいくつかの研究をされている人間の上に直接適用してセンサー皮膚。これらのアプローチは、しかし、筋電図電極またはひずみセンサーの皮膚の場所に敏感だった、運動や汗のため皮膚から簡単にデタッチされました。したがって、側頭筋筋活動両方のヒンジを所定の私たちの以前の研究22で挿入する 2 つのロード セルその意味提案メガネのペアを使用して新しい、有効な方法です。この方法は、肌に触れることがなく高精度な食品摂取量の活動を検出の大きな可能性を示した。また非目障りな非侵入以来だった我々 は一般的なメガネ型デバイスを使用します。
本研究では、メガネ型デバイスを実装する方法と食品の摂取量と身体活動を監視するため側頭筋筋活動のパターンを使用する方法の詳細なプロトコルのシリーズを紹介します。プロトコルは、ハードウェア設計とメガネ、回路モジュール、およびデータ集録モジュールの 3 D プリントのフレームで構成される製造のプロセスを含めるし、データ処理・解析用ソフトウェア アルゴリズムを含めます。さらにいくつかの注目の活動 (例えば、咀嚼、歩行とウインク) の中で分類を行った食品摂取量と他の身体活動の分の違いを伝えることができる実用的なシステムとしての可能性を実証するにはパターン。
Protocol
Representative Results
Discussion
この研究では、まず設計と食品の摂取量と身体活動のパターンを感じるガラスの製造プロセスを提案しました。この研究として (歩行、まばたきなど) その他の身体活動から食物摂取を区別するためにデータ分析を中心に、センサーとデータ集録システムの移動記録の実装が必要です。したがって、システムには、センサー、無線通信機能を備えた MCU とバッテリーが含まれています。提案プ?…
Disclosures
The authors have nothing to disclose.
Acknowledgements
この作品は、Envisible、株式会社によって支えられました。本研究は韓国健康技術 R & D プロジェクト、厚生・福祉、韓国共和国 (HI15C1027) の助成金によっても支えられました。この研究は、韓国の国立研究財団 (NRF 2016R1A1A1A05005348) によっても支えられました。
Materials
| 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. , (1994).
- Albinali, F., Intille, S., Haskell, W., Rosenberger, M. . Proceedings of the 12th ACM international conference on Ubiquitous computing. , 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. , 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. , 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. , (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. , 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. , (2000).
- Giannakopoulos, T., Pikrakis, A. . Introduction to Audio Analysis: A MATLAB Approach. , (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).
