使用加速计,陀螺仪,压电和肺体积传感器识别饮食事件
Sigert J Mevissen1,2, Randy Klaassen1, Bert-Jan F van Beijnum2
1Department of Human Media Interaction, University of Twente, 7522 NB Enschede, The Netherlands.
Sensors (Basel, Switzerland)
|January 23, 2024
概括
这项研究开发了一种用于自动饮食监测 (ADM) 的多传感器系统,以帮助体重管理. 该系统准确地检测食用手势和,为客观的食物摄入量跟踪提供了一个有前途的工具.
科学领域:
- 生物医学工程 生物医学工程
- 可穿戴技术可穿戴技术
- 医疗信息学 医疗信息学
背景情况:
- 超重和肥胖是全球重大健康挑战.
- 准确的饮食监测对于体重管理至关重要,但往往因自我报告的不准确而受到阻碍.
- 自动饮食监测 (ADM) 为客观和持续的食物摄入量评估提供了一个潜在的解决方案.
研究的目的:
- 开发和评估用于自动检测进食事件的多传感器系统.
- 评估结合不同传感器模式的有效性,以改进进进食事件分类.
- 通过客观的饮食跟踪来支持个人进行体重管理.
主要方法:
- 设计了一个传感器系统,集成了一个智能手表 (加速计,陀螺仪) 用于手势检测,一个戴式压电传感器用于检测,以及呼吸诱导透镜用于吞检测.
- 从传感器数据中提取特征,以训练一个支持向量机 (SVM) 模型.
- 实验与六个受试者在一个受控的环境中进行了实验,涉及进食和不进食事件.
主要成果:
- 在SVM模型中,食用手势检测的F1得分为0.82.
- 检测产生了高的F1分数,即0.94.
- 吞检测实现了F1分数为0.58.8的F1分数.
结论:
- 集成的多传感器系统显示了自动饮食监测的巨大潜力.
- 将饮食周期的不同阶段的传感器结合起来,可以提高饮食事件分类的准确性,特别是在手势和方面.
- 需要进一步精细化,以提高全面ADM的吞检测的准确性.
