Waiting
Login processing...

Trial ends in Request Full Access Tell Your Colleague About Jove
JoVE Journal Behavior
Click here for the English version

Behavior

Kavram Geliştirme ve Otomatik Gıda Alımı ve Yeme Davranışı Değerlendirme Yönteminin Kullanımı

Published: February 19, 2021 doi: 10.3791/62144
Automatic Translation
1, 1, 1, 1, 1, 1, 1
1Division of Human Nutrition and Health, Wageningen University & Research

ERRATUM NOTICE

Summary

Bu protokol, teknoloji tabanlı yeni bir diyet değerlendirme yöntemini gösterir ve açıklar. Yöntem, birden fazla dahili tartım terazisi ve bir video kamera içeren bir yemek tepsisi oluşur. Cihaz, bir yemek boyunca otomatik yiyecek ve içecek alımı ve yeme davranışı önlemlerini içermesi açısından benzersizdir.

Abstract

Diyet ve yeme davranışı değerlendirme yöntemlerinin büyük çoğunluğu kendi kendine raporlara dayanmaktadır. Külfetli ve aynı zamanda ölçüm hatalarına eğilimlidirler. Son teknolojik yenilikler, hem kullanıcı hem de araştırmacı için daha az çaba gerektiren daha doğru ve hassas diyet ve yeme davranışı değerlendirme araçlarının geliştirilmesine izin verir. Bu nedenle, gıda alımını ve yeme davranışını değerlendirmek için yeni bir sensör tabanlı cihaz geliştirildi. Cihaz, bir video kamera ve üç ayrı dahili tartım istasyonu ile donatılmış normal bir yemek tepsisidir. Tartım istasyonları, bir yemek boyunca kasenin, tabağın ve içme kabının ağırlığını sürekli olarak ölçer. Yüze konumlandırılmış video kamera, yapay zeka (AI) tabanlı otomatik yüz ifade yazılımı kullanılarak analiz edilen yeme davranışı özelliklerini (çiğneme, ısırık) kaydeder. Tepsi ağırlığı ve video verileri gerçek zamanlı olarak kablosuz alıcı kullanılarak kişisel bir bilgisayara (PC) taşınır. Yenilen miktar, yeme oranı ve ısırık büyüklüğü gibi ilgi çekici sonuçlar, bu önlemlerin verilerinin faiz zaman noktalarında çıkarılmasıyla hesaplanabilir. Tepsinin mevcut sürümü tarafından elde edilen bilgiler araştırma amacıyla kullanılabilir, cihazın yükseltilmiş bir sürümü de diyet alımı ve yeme davranışı hakkında daha kişiselleştirilmiş tavsiyelerin sağlanmasını kolaylaştıracaktır. Geleneksel diyet değerlendirme yöntemlerinin aksine, bu diyet değerlendirme cihazı gıda alımını doğrudan bir öğün içinde ölçer ve belleğe veya porsiyon büyüklüğü tahminine bağlı değildir. Sonuçta, bu cihaz bu nedenle günlük ana yemek gıda alımı ve yeme davranışı önlemleri için uygundur. Gelecekte, bu teknoloji tabanlı diyet değerlendirme yöntemi, egzersiz, enerji alımı ve yeme davranışına tam bir genel bakış elde etmek için sağlık uygulamalarına veya akıllı saatlere bağlanabilir.

Introduction

Beslenme araştırmalarında ve diyet uygulamalarında, aşırı kilo ve obezite sorunlarına çözüm bulmak için insanların ne, ne kadar ve nasıl yediklerine dair iyi önlemlere sahip olmak anahtardır. Diyet alımını değerlendirmek için, genellikle gıda günlükleri, 24 saat geri çağırmalar veya gıda sıklığı anketleri1gibi geleneksel kendi kendine rapor anketleri kullanılır. Bu yöntemler kendi kendine rapora dayanır ve bu nedenle sosyal olarak istenen cevaplar, bellek yetersizliği ve porsiyon boyutlarını tahmin etmedeki zorluklar nedeniyle zaman alıcı ve önyargıyaeğilimlidir 2,3. Diyet kalitesi (gıda türü ve yenen miktar) önlemlerine ek olarak, gıda alımını yavaşlatan yeme davranışlarının bir öğün içinde aşırı iknayı önlediği gösterildiğinden, yiyeceklerin nasıl yendiğini bilmek de önemlidir4. Yeme davranışını değerlendirmek için altın standart, iki gözlemcinin yemek yiyen insanların video kayıtlarına açıklama eklemesidir5. Bu yöntem oldukça emek yoğun ve zaman alıcıdır ve davranış hakkında anında geri bildirime izin vermez.

Son teknolojik gelişmeler artık otomatik gıda alımı önlemlerini, bir yemek boyunca yeme davranışının otomatik önlemleriyle birleştirme fırsatı sunuyor. Bu gelişmelere yanıt olarak, iki Felemenkçe 'Meter' (çevrilmiş: ölçüm cihazı) ve 'eet' (tercüme: yemek için) kelimelerinin kısaltması olan mEETr adı verilen yeni bir sensör tabanlı diyet değerlendirme yöntemi geliştirildi. mEETr, üç dahili tartım istasyonuna(Şekil 1 tepsinin ve sensör plakalarının tasarımını gösterir) ve bir kamera tutucuya sahip normal bir yemek tepsisidir. Her tartım istasyonu, ağırlığı dağıtmak için üçgen olarak konumlandırılmış üç ölçüm noktasından oluşur. Tartım istasyonları, kasenin, tabağın ve içme kabının veya bardağın ağırlığını yemek üzerinde sürekli olarak ölçer. mEETr ayrıca bir video kamera tutucu içerir. Şu anda, kamera tutucu tepsiden ayrıdır, ancak standartlaştırma amacıyla mEETr'nin (katlanabilir video kamera çubuğu) bir sonraki yükseltmesinden sonra entegre bir kamera ideal olacaktır. Kamera, ısırık ve çiğneme sayısının otomatik gerçek zamanlı analizini ve yeme süresi sağlar, bu da yeme oranı ve ısırık boyutu hakkında bilgi üretilmesini sağlar. Yeme davranışının otomatik analizi, yeni geliştirilen bir algoritma kullanılarak yapılır. Çeşitli araştırma grupları, insanlara yemenin hızlanması ve insanların yedikleri miktar hakkında gerçek zamanlı geri bildirim sağlamak için cihazlargeliştirmiştir 6. Ayrıca, bir yemek içindeki ısırık sayısı ve sıklığı hakkında gerçek zamanlı geri bildirim sağlamak için artırılmış çatallar geliştirilmiştir7. Ek olarak, serbest yaşam koşullarında yemenin mikro yapısını ölçmek için bir kulak sensörü geliştirilmiştir8,9. Bu cihaza benzer Ioakimidis ve ark.10tarafından kullanılan kurulum , video önlemlerinin gıda alımını, ısırık sayısını ve çiğneme davranışını belirlemek için bir tartım plakası ile birleştirildiği yerdir.

Bu cihazlarla karşılaştırıldığında, mEETr'nin yeniliği, iki tabak ve bir içme kabının (n = 3) otomatik gıda alımı önlemlerini ve yeme davranışını (örneğin, yeme oranı, ısırık sayısı, ısırık boyutu ve çiğneme davranışı) tek bir cihazda birleştirmesidir. mEETr, gösterildiği gibi, kontrollü (yeme laboratuvarı) bir ortamda gıda alımı ve yeme davranışının yemek önlemleri dahilinde uygundur, ancak sonunda amaç, mEETr'yi kreşler, yaşlılar ve hastaneler gibi yeniden oluşan yemek planlarının kullanıldığı daha az kontrollü ortamlarda kullanmaktır.

Sonuç olarak, mEETr geleneksel diyet değerlendirme yöntemlerine ve videoların manuel kodlamasına göre daha objektif ve bu nedenle gıda alımı ve yeme davranışının daha doğru ve kesin bir ölçüsünü sağlayacaktır. Gıda alımının daha iyi ölçülmesi beslenme ve sağlık araştırmalarına fayda sağlayacaktır, aynı zamanda sağlık profesyonelleri gıda ile ilgili bulaşıcı olmayan hastalıklardaki artışla mücadele etme mücadelelerinde11. Sonuçta mEETr, araştırma ve sağlık hizmetleri ayarlarında ve evdeki sağlık bilincine sahip kullanıcılar tarafından mEETr'yi diğer sağlık uygulamaları veya akıllı saatler gibi mevcut teknolojilere ve yazılımlara bağlayarak kullanılabilir. Genel olarak, bu sağlık önlemleri kullanıcıya veya sağlık uzmanına, kullanıcının diyetini optimize etmesini ve sağlıklı bir yaşam tarzı yaratmasını sağlayan çeşitli sağlık davranışı kalıplarına (örneğin, gıda alımı, yeme davranışı, gerçek hayattaki önlemlere dayalı enerji harcaması, uyku, stres) oldukça çeşitli ve eksiksiz bir genel bakış sağlar.

Subscription Required. Please recommend JoVE to your librarian.

Protocol

Bu pilot çalışma, projeye başlamadan önce Wageningen Üniversitesi METC tarafından onaylanmıştır.

DİkKAT: Bu projeye katkıda bulunan tüm katılımcılar, görünür ve tanınabilir yüzleri gösteren video görüntülerinin onaylanması da dahil olmak üzere bilinçli bir onay sağladı.

1. Örnek hazırlık ve katılımcı onayı

  1. Bir meyve suyu (cam veya bardak), meyve yoğurt (kase) ve meyve parçaları (tabak) hazırlayın.
    NOT: Bu yiyecekler sadece gösterim amaçlı seçilir (Şekil 2).
  2. Çalışmaya katılmayı kabul eden bir katılımcı veya gönüllü işe alın.
  3. Ölçüm hatalarını önlemek için gözlük takan (kontakt lens kullanamayan) ve/veya yüz kılı (sakal veya bıyık) olan katılımcıları hariç tutun.
  4. Katılımcıları çalışma ve veri toplama (veri depolama, erişilebilirlik) hakkında bilgilendirin. Anonim olmayan video kayıtları durumunda ayrı izinler alın. Veri toplamadan önce bilgilendirilmiş onayda katılımcının imzasını alın.

2. Cihaz ve ölçüm yeri kurulumu

NOT: Bu protokol, kontrollü (yeme laboratuvarı) bir ortamda veri toplama içinuygundur.

  1. Odadaki ışığın eşit olarak dağıtıldığından emin olun-katılımcıların yüzlerindeki gölgelerden kaçının.
  2. Katılımcı dışındaki kişilerin varlığı nedeniyle video kayıtlarındaki arka plan gürültüsünden kaçının.
  3. Katılımcıyı bir masadan önce bir sandalyeye oturtun; katılımcının göğsünün hemen altında bulunan masa üstü ile.
  4. Tepsinin ve web kamerasının kablosuz alıcısını bir dizüstü bilgisayara bağlayın.
  5. Dizüstü bilgisayarı çalıştır. Dizüstü bilgisayarın aşağıdaki özelliklere sahip olduğundan emin olun: CPU i7-10750H, SSD M.2 512 GB, Bellek 1x 16 GB, DDR4 2933 MHz ECC olmayan bellek, İşletim sistemi 64 bit.
  6. Tepsiyi kapatın ve tepside şarj olduğundan emin olun (yeşil ışık).
  7. Bağlayıcı programını (dos), alıcıyı ve işlemci yazılım programını sırasıyla panoyla birlikte açın.
  8. İşlemci programında gelen görüntü kalitesini kontrol edin (Şekil 3).
    NOT: Yeme davranışını algılamak için görüntü kalitesi görev çubuğunun son çeyreğinde (yeşil) olmalıdır; mümkün olduğunca % 100 yeşile yakın. Gölge oluşturma düşük görüntü kalitesine neden olabilir.
  9. Düşük görüntü kalitesini önlemek için görüntü çerçevesinin doğru olduğundan emin olun. Kollar ve omuzlar da dahil olmak üzere, katılımcının başının (kafatasının üstünde) göğsüne kadar net bir şekilde göründüğünden emin olun.

3. Tartım sistemi ve veri taşıma

  1. mEETr'nin ilk kez kullanılmasından önce ölçüleri doğrulayın.
    NOT: mEETr cihazı, üç dahili tartım istasyonuna sahip düzenli bir ticari yemek tepsisi (fiber uygulanmış epoksi akşam yemeği tepsisi) oluşur (Şekil 2).
  2. Kurulumu doğrulamak için tepsinin bir tabağa, kaseye ve içme camına ağırlıklarını sürekli olarak ölçtüklerinden emin olun.
    NOT: Tartım terazisinin tüm aralıktaki hassasiyeti %0,3 olmalıdır.
  3. Her tartım platformuna çok fazla ağırlık yerleştirmeyin. En büyük platform (akşam yemeği tabağı) için maksimum ağırlık 1,5 kg'dır. İki küçük tartım platformunun (hazne ve cam) maksimum ağırlığı 800 g'dır. Doğru bir şekilde ölçülebilen minimum ağırlık, her tartım istasyonu için 1 g'dır.
  4. Plakanın, kabın ve kasenin platformda veya çevredeki tepside dinlenmediğinden emin olun. Bunu önlemek için orta halkayı kullanın.
    NOT: Her tartım istasyonu, tek bir ölçek olarak birlikte hareket eden üç üçgen konumlandırılmış kuvvet sensöründen oluşur. Ağırlığı dengelemek için üçgen konumu seçildi.
  5. Tepsiyi kuru tuttuğunuzdan emin olun. Tepsi, elektronikleri içeren tepsinin altında 50 mm inceliğinde bir taban paneli (merkezi devre kartı) içerir.
  6. Veri aktarımı için tepsinin kablosuz alıcıya bağlandığından emin olun.
    NOT: Tartım verilerini kısa menzilli bir radyo sinyali (yaklaşık 1 m mesafe) aracılığıyla 1 s aralıklarla aktarın. Alıcıyı bir USB bağlantı noktası üzerinden kişisel bir bilgisayara (PC) bağlayın.
  7. Üç kuvvet sensörü kuvvetleri (veya ağırlıkları) ölçer, özetler ve kalibre edilmiş bir ağırlık değerine dönüştürür.
  8. Her kullanımdan sonra tepsiyi şarj edin.
    NOT: Tepsi dahili bir pil paketi ile çalışır ve bir USB şarj cihazı ile şarj edilebilir. USB soketinin yakınında bir açma/kapama slaydı anahtarı bulunur. Tam pil şarjı yaklaşık 20 saat kullanım sağlar.
  9. Tepsiyi bulaşık makinesinde temizlemeyin; tepsi bulaşık makinesi geçirmez değildir. Tepsiyi bir temizleme spreyi kullanarak temizleyin. Tepsinin temiz ve kuru tutulduğundan emin olun. Platformlar boyunca sızıntı kanalları sıvı sızıntılarını boşaltır.

4. Katılımcı açıklamaları ve gözlem başlangıcı

  1. mEETr'yi katılımcının önüne yerleştirin.
  2. Katılımcıya 1) istediği kadar veya az yemesini, 2) yemek yerken doğrudan web kamerasına bakmasını ve 3) yemek yerken ellerinizi yüzün önüne koymamasını söyleyin.
  3. Alıcı yazılımında yeni bir gözlem başlatın. Tarih, katılımcı numarası, katılımcının cinsiyeti, yaşı ve kilo ve boy gibi antropometrik verileri günlüğe kaydedin. Gözlem adına çalışma durumu ve çalışma ziyareti gibi ek bilgiler ekleyin.
  4. Gözlemi kaydetmek için alıcı yazılımında Kaydet'e basın.
  5. Veri toplama sırasında video kayıtlarını ve gelen verileri kontrol etmek için panoyu etkinleştirin (Şekil 4).
  6. Kayıt öncesinde katılımcıdan 1) katılımcı numarasının yer alan kartı kaldırmasını ve 2) yemeğin başında ve sonunda elini kaldırmasını isteyin.
  7. Katılımcı yemeğini bitirdiğinde gözlemi sonlandırın. Tüm verilerin bir elektronik tabloya aktarılması 2 dakika sürer.
  8. Bu, katılımcı için oturumun sonudur.
  9. Web kamerasını ve tepsi alıcısını dizüstü bilgisayardan çıkarın ve bir temizleme dokusu veya temizleme spreyi ile temizleyin.

5. Verilerin değerlendirilmesi ve aktarılması

  1. Alıcı yazılımındaki son gözlemi açın. Yeme davranışının otomatik önlemleri Veribaşlığı altında saklanır. Ham verileri ayıklamak için Verileri Dışarı Aktar'ı tıklatın. Sonraki çıktı dosyası, test katılımcısı başına katılımcı sayısı, gerçek zamanlı, göreli (başlamak için) zaman ve yeme davranışı değişkenleri (ısırık sayısı, çiğneme sayısı, çiğneme süresi) hakkında veriler içerir.
    NOT: Tüm davranışlar zaman damgalı. Alıcı yazılımında, tepsinin ek dış verileri, örneğin üç tepsinin her birinin ağırlığındaki veriler ayıklanabilir. Veriler saniyede 10 kez kaydedilir ve aktarılır. Tepsi veri toplama süresi yeme davranışı kayıtlarıyla eşitlenir.
  2. Sonuçları programın kendi içindeki farklı çubuk grafiklerde özetleyin ve görselleştirin. Sonuçları günlük dosyalarında (.xsl) ham veri olarak dışa aktarma (Şekil 5).
  3. Günlük dosyalarını bir elektronik tabloya verin ve istatistiksel tercih programını kullanarak veri çözümlemesi gerçekleştirin.
  4. Veri analizinden önce verileri temizleyin.
    NOT: Plakalara çatal bıçak takımı ile basmanın bozulmaları nedeniyle (ağırlıkta artışa neden olur), tepsinin tartım verilerinin, ısırık boyutunu gösteren adım boyutu, ısırıklar arasındaki süreyi gösteren adım uzunluğu ile kaplan Meier eğrisine temizlenmesi gerekir. Eğrinin başlangıcı başlangıç ağırlığını, son adım bitiş ağırlığını gösterir) aşağıdaki gibi.
    1. Aşırı değerleri filtrelemek için zaman noktalarını saniyedeki ölçümlere göre yumuşatın.
    2. 5 g sınırı belirleyin, ağırlık platolarını (yani+ / - 5 g içinde değişiklik yok) ve ısırık boyutlarını ve porsiyon değişikliklerini belirtmek için ağırlık değişikliklerini (zaman içinde 5 g'dan büyük değişiklikler) tespit edin.
    3. Plakada kalan çatal bıçak takımı nedeniyle ağırlık artışını hariç tutun.
      NOT: Çıktı, ağırlık istasyonu başına toplam ağırlık değişikliklerinin yemek başlangıcı ve sonu (= yemek büyüklüğü), ortalama ısırık boyutu ve dakika başına ısırıklardır.
  5. Yemek yeme hızı (g/sn) ve ısırık boyutu (g/ısırık) değişikliklerini yemek boyunca belirlemek için tepsi ağırlığı verilerini ve yeme davranışını manuel olarak entegre edin (Şekil 6, Şekil 7, Şekil 8, Şekil 9, Şekil 10).

Subscription Required. Please recommend JoVE to your librarian.

Representative Results

Daha yavaş bir yutulma oranı (Şekil 7), daha küçük yudum / ısırık boyutları (Şekil 8) ve daha fazla çiğneme (Şekil 9) mEETr tepsisi ile ölçülen yoğurt ve meyve suyuna kıyasla salata alımının düşmesine yol açmıştır (Şekil 6). Katılımcılar meyve suyuna kıyasla meyve salatasının %17'sini yediler. Tüm yeme davranışı özellikleri meyve suyu, yoğurt ve salata arasında farklılık gösterdi (Şekil 7, Şekil 8, Şekil 9). Katılımcılar meyve salatası üzerinde yoğurt ve meyve suyuna kıyasla önemli ölçüde daha fazla çiğnedi. Gözlemlenen çiğneme sayısı yoğurt ve meyve salatası arasında üç faktörle farklılık gösterdi. Ek olarak, ısırık büyüklüğü, meyve suyuna kıyasla ısırık başına 6,5 g salata için en küçüktü: yudum başına 8 g. Genel olarak, çiğneme sayısı, ısırık büyüklüğü ve yeme oranı, yemek laboratuvarı ortamında yemek sırasında yenen miktarı etkiliyor gibiydi. Bu bulgular, artan oral işlem süresinin (daha fazla çiğneme sayısı, daha küçük ısırık boyutları) gıda alımını azalttığını bildiren diğer çalışmalara uygundur12,13,14,15.

Figure 1
Şekil 1: Aşağıdaki tepsinin üç tartım istasyonu ve yukarıdaki baskı plakasındaki üç basınç sensörü ile resmi. Bu şeklin daha büyük bir versiyonunu görüntülemek için lütfen buraya tıklayın.

Figure 2
Şekil 2: Test edilen gıda maddeleri ile mEETr kurulumu. Bu rakamın daha büyük bir sürümünü görüntülemek için lütfen buraya tıklayın.

Figure 3
Şekil 3: Yüzdeki sabit noktalar (gözler ve ağız) kullanılarak yeme davranışının otomatik olarak algılanmasını sağlamak için lütfen bu rakamın daha büyük bir versiyonunu görüntülemek için buraya tıklayın.

Figure 4
Şekil 4: Tepsinin üç tartım terazisinin gelen verilerini ve gelen video verilerini görselleştiren pano.

Figure 5
Şekil 5: Veri toplamaya genel bakış. Yemek sırasında üç tartım terazisinde gıda ağırlığının azalması üç üst grafikle gösterilir; tepeler çatal bıçak takımı basıncından kaynaklanır. Isırıklar ve yudumlar (süre dahil) ve çiğneme sayısı son satırda renkli yatay çubuklarla gösterilir. Bu rakamın daha büyük bir sürümünü görüntülemek için lütfen buraya tıklayın.

Figure 6
Şekil 6: mEETr tepsisi ile ölçülen ürün başına gıda alımı (g). Bu rakamın daha büyük bir versiyonunu görüntülemek için lütfen buraya tıklayın.

Figure 7
Şekil 7: mEETr tepsisine ve otomatik yeme davranışı video analizine dayanarak ürün başına yeme oranı (g/dak).

Figure 8
Şekil 8: mEETr tepsisine ve otomatik yeme davranışı video analizine dayalı olarak ürün başına ortalama ısırık boyutu (g). Bu rakamın daha büyük bir versiyonunu görüntülemek için lütfen buraya tıklayın.

Figure 9
Şekil 9: mEETr tepsisine ve otomatik yeme davranışı video analizine dayalı olarak ürün başına toplam çiğneme sayısı. Bu rakamın daha büyük bir sürümünü görüntülemek için lütfen buraya tıklayın.

Figure 10
Şekil 10: Üç tartım platformu, davranış ve zaman damgası da dahil olmak üzere bir ölçümün ham veri çıktısı.

Subscription Required. Please recommend JoVE to your librarian.

Discussion

Sağlıklı bir diyet ve sağlıklı bir beslenme davranışı, aşırı kilo ve obezitenin önlenmesinde ve çözümünde kilit bir rol oynadığını göstermiştir11. Bununla birlikte, diyet alımını ve yeme davranışını ölçmek için kullanılan yöntemlerin çoğu kullanıcılar, araştırmacılar ve sağlık uzmanları için külfetlidir ve hafıza ve porsiyon büyüklüğü tahminlerine bağlı oldukları için önyargılı olabilirler. mEETr'yi bağımsız olarak veya geleneksel video ve diyet değerlendirme yöntemlerinin yanı sıra kullanmak, diyet alımı ve yeme davranışı değerlendirmesinin çabasını ve doğruluğunu ve hassasiyetini azaltacaktır.

mEETr'nin kullanılabilmesi için önce birkaç kritik adımın ele alınması gerekir. Temel metodolojik hususlardan biri, kaydedilen videonun yüz analizi ile ilgili gizliliktir. Katılımcılar için anonimlik etik araştırmaların ayrılmaz bir özelliğidir. Bununla birlikte, yüz analizi mEETr'nin bir parçası olduğu için anonimlik neredeyse imkansız16. Bu nedenle, mEETr'nin bir araştırma ortamında kullanılması, veri güvenliği ile ilgili kapsamlı hükümler gerektirir ve bilgilendirilmiş onay ve diğer katılımcı belgelerinde dikkat gerektirir. Sonuçta, mEETr yüz kayıtlarının yükseltilmiş bir sürümünde video verileri depolmadan cihaz içinde gerçek zamanlı olarak işlenir. Sonuç olarak, anonim veri toplanmasına izin verecek yüz kayıtlarının saklanması garanti edilmiyordu.

Protokoldeki bir diğer kritik adım, mEETr'nin bu sürümünde, video analizlerinin önlemlerinin ve işlem sonrası üç farklı ölçeğin entegrasyonunu gerektiren tüm veri akışlarının bağımsız olmasıdır. Verilerin analizi sadece tartım istasyonuna dayanarak gerçekleştirilir; daha sonra, post-hoc verilerini belirli bir kapta veya belirli bir tabakta veya fincan konumunda servis edilenle bire bir çift yapmak araştırmacıya kalmış. Veri akışlarının karıştırılmasını önlemek için tepsinin yapısı, haznenin, tabağın veya kabın yalnızca belirli bir sofra parçasına uyan halkalar nedeniyle belirli yerlere yerleştirilebilmesini zorunlu kılar.

Sonunda, veri akışlarının hemen entegrasyonu gerçekleşmektedir, bu da ısırık veya yudumu doğrulayan kase / tabak / bardaktaki ağırlık değişikliği ile gerçek zamanlı karar vermek için ek bir doğrulama önlemi olarak hizmet edecektir ve bu nedenle yemekten hemen sonra yeme davranışı hakkında otomatik geri bildirime izin verecektir.

Bu kritik adımlara ek olarak, aşağıdaki değişikliklerin yardımıyla elde edilebilen veri izleme ve sorun giderme veya hata yakalama basitleştirilmelidir: (1) Sistemin başlatılmasının otomatikleştirilmesi, (2) Otomatik yeme davranışı tespiti için video kalitesi hakkında bilgi sağlayan kalite göstergelerinin gösterge tablosuna entegrasyonu, (3) Dizüstü bilgisayar için daha düşük bellek gereksinimleri , (4) Yemek yemedikleri zamanlarda ölçüm girişimlerini engelleyen otomatik olay algılama.

Geliştirme için bu alanların üzerine, mEETr kullanırken dikkat gerektiren bazı zorluklar vardır. İlk olarak, mEETr'nin aşağıdaki versiyonları, bir bulaşık makinesinde temizlenebilecek şekilde su geçirmez hale getirilmelidir. İkincisi, yeme davranışının geçerli önlemlerini almak için katılımcının çeşitli kısıtlamalara ve kurallara uyması gerekir. mEETr'nin geçerli kullanımı için videonun kesintisiz olması ve kullanıcının çiğneme sırasında doğrudan kameraya bak olması önemlidir. Ek olarak, algoritmanın çiğnemeleri ve kırlangıçları algılaması için, kullanıcının 1) omuzlar ve eller de dahil olmak üzere çerçevede tamamen görünür olması gerekir 2) yüzünde gölge yoktur; ışığın standardizasyonuna ihtiyaç vardır. Bu önkoşullar doğal veya normal yeme davranışını rahatsız eder. Yemek normal yaşam koşullarında doğası gereği sosyal bir olay olduğundan, bu kısıtlamaların yerinde olması, normal sosyal yeme davranışıyla zahmetsizce ağlaşmıyor. Bu nedenle, mEETr'nin doğru kullanımı, şimdilik geleneksel olmayan bir yeme şekli gerektirir. Katılımcının belirli yeme kurallarına veya kısıtlamalarına uymasını gerektirmeyen daha sağlam bir ölçüme sahip olmak için algoritmada değişiklikler yapılması gerekir. Genel olarak, mEETr kullanımı kullanıcı reaktivitesi oluşturabilir ve bu da mEETr tepsisi kullanılarak neyin yendiğinin farkında olması nedeniyle gıda alımının değişmesine neden olabilir. Dahili tartım istasyonları tamamen gizlendiğinde ve tepsiye standart bir yüz yüksekliği gerekmeyecek şekilde dahil edilmiş bir göz içi kamera kullanıldığında bu önlenebilir. Bu nedenle mEEtr'in geçerli sürümü yalnızca laboratuvar tabanlı çalışmalar için uygundur. Bu tekniğin gerektirdiği kısıtlamalar ve kurallar nedeniyle, sonuçlar doğrudan serbest yaşayan yeme düzenlerine çevrilmez.

Bu değişikliklerin yanında, mevcut sistemin gelecekte dahil edilmesi gereken iki işlevsel uzantısı vardır. İlk olarak, tabakta yer alan gıda maddelerinin makro besin içeriğini analiz etmek için mEETr'ye ek hiperspektral kamera teknolojisinin eklenmesi gerekir. Bu, yemek başına kalori alımı ölçümlerine izin verirken tabakta yer alan tam gıda maddesi hakkında bilgi ihtiyacını giderecektir. İkinci olarak, gıda maddelerini otomatik olarak tanımak için bir makine öğrenimi yaklaşımı mevcut video analizine eklenebilir ve sistemin daha fazla otomasyonu sağlar. Yemek tanımayı daha da artırmak için, sadece tabaklardaki yiyecek ve içeceklere odaklanan ikinci bir kamera eklenebilir.

İdeal olarak, mEETr tepsisi ve kamerası mevcut diyet uygulaması ekosistemine bağlanabilir, bu da mEETr sonuçlarının diyet uygulamalarına ve diyetisyenlere doğrudan girilmesini sağlar2. mEETr tarafından toplanan bilgilere dayanarak, tüketiciye veya hastaya (makro)besin alımı ve yeme davranışı (gıda dokusu ve yeme oranı) göz önünde bulundurularak anında geri bildirim ve tavsiye verilebilir. Bu, kullanıcının sağlıklı bir yaşam tarzı oluşturmak için diyet ve yeme davranışlarını optimize etmesini sağlayacaktır.

Subscription Required. Please recommend JoVE to your librarian.

Disclosures

mEETr cihazı ve eşlik eden yazılım ticari bir ortakla işbirliği içinde geliştirilmiştir; Noldus Bilgi teknolojisi. Yazarlar çıkar çatışması olmadığını beyan eder.

Acknowledgments

Wageningen Üniversitesi ve Araştırma Teknik Geliştirme Stüdyosu'ndan J.M.C. D. Meijer'e mEETr tepsisinin geliştirilmesindeki yardımları için teşekkür ederiz. Bu araştırma 4 Hollanda Teknik Üniversitesi, 4TU- Gurur ve Önyargı projesi tarafından finanse edildi.

Materials

Name Company Catalog Number Comments
Battery na na Battery pack (LiPo) and charge electronics via an USB port connector. No data from this port.
Connector program Noldus Noldus Information technology software dashboard nview
Dinner tray na na Standard dinner tray from glass inforced epoxy
Larger scale na na One high range custom made scale based on a triple force sensor method.
Mainboard na na A mainboard converting the three scale measurements to calibrated weight numbers. This board also contains the low power short range RF transmitter.
OS Windows Microsoft windows 10 Pro 64 bit
Processor program Noldus Noldus Information technology software FaceReader
Receiver program Noldus Noldus Information technology software Observer
RF receiver na na Custom build USB converter connected to a RF receiver. This receiver has a squelch setting for making it low range sensitive.
Small scales na na Two low range custom made scales based on a triple force sensor method.

DOWNLOAD MATERIALS LIST

References

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

Tags

Davranış Sayı 168 diyet değerlendirmesi teknoloji yapay zeka gıda alımı yeme davranışı çiğneme

Erratum

Formal Correction: Erratum: Concept Development and Use of an Automated Food Intake and Eating Behavior Assessment Method
Posted by JoVE Editors on 06/24/2021. Citeable Link.

An erratum was issued for: Concept Development and Use of an Automated Food Intake and Eating Behavior Assessment Method. An author name was updated.

The name was updated from:

Cees de Graaf

to:

Kees de Graaf

Kavram Geliştirme ve Otomatik Gıda Alımı ve Yeme Davranışı Değerlendirme Yönteminin Kullanımı
Play Video
PDF DOI DOWNLOAD MATERIALS LIST

Cite this Article

Lasschuijt, M. P., Brouwer-Brolsma,… More

Lasschuijt, M. P., Brouwer-Brolsma, E., Mars, M., Siebelink, E., Feskens, E., de Graaf, K., Camps, G. Concept Development and Use of an Automated Food Intake and Eating Behavior Assessment Method. J. Vis. Exp. (168), e62144, doi:10.3791/62144 (2021).

Less
Copy Citation Download Citation Reprints and Permissions
View Video

Get cutting-edge science videos from JoVE sent straight to your inbox every month.

Waiting X
Simple Hit Counter