从手腕运动中检测饮食情节,使用每日模式分析
IEEE journal of biomedical and health informatics
|December 11, 2023
概括
这项研究引入了一种使用手腕运动数据检测饮食的新方法. 分析一整天的运动背景显著提高了食物检测准确度,超过了现有的方法.
科学领域:
- 生物医学工程 生物医学工程
- 机器学习 机器学习
- 可穿戴技术可穿戴技术
背景情况:
- 准确检测进食情节对于健康监测和饮食研究至关重要.
- 以前的方法通常依赖于短期数据,缺少更广泛的上下文信息.
研究的目的:
- 开发和验证一种新的框架,用全天的手腕运动数据来检测饮食情节.
- 为了利用白天的环境,提高餐点检测的准确性.
主要方法:
- 一个两阶段的框架,分析当地和每天的进食概率.
- 整合了一次性再培训增强技术,用于一天长的样本.
- 在克莱姆森全天 (CAD) 和FreeFIC数据集上进行测试.
主要成果:
- 在CAD数据集上实现了89%的真实阳性率 (TPR) 和84%的时间加权准确度.
- 通过包括全天分析来检测进食情节的实质性改善.
- 与较短窗口方法相比,减少了暂时错误检测.
结论:
- 全天的手腕运动分析提供了重要的日间背景,提高了进食检测的准确性.
- 拟议的双阶段框架与增强对于分析长期传感器数据是有效的.
- 这种方法为从可穿戴传感器数据中检测饮食情节的准确性设定了新的基准.
