通过安装在眼镜上的可穿戴传感器来识别身体活动和估计能源消耗的CNN模型
Md Billal Hossain1, Samuel R LaMunion2, Scott E Crouter2
1Department of Electrical and Computer Engineering, The University of Alabama, Tuscaloosa, AL 35487, USA.
Sensors (Basel, Switzerland)
|May 25, 2024
概括
安装在眼镜上的传感器可以准确地跟踪身体活动和估计能量消耗,为管理代谢综合征提供了一种新的方法. 这项技术显示出对不引人注目的健康监测和个性化干预的前景.
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
- 代谢健康 代谢健康
背景情况:
- 代谢综合征是一个全球性的健康问题,需要综合体力活动和能源消耗监测.
- 可穿戴传感器越来越多地用于能量摄入和消耗 (EE) 估计,传统上放置在部或手腕上.
研究的目的:
- 调查安装在眼镜上的传感器 (AIM-2) 的有效性,用于同时识别身体活动 (PAR) 和稳定状态EE估计.
- 为了比较安装在眼镜上的传感器与传统的部佩戴设备的性能.
主要方法:
- 六名参与者进行了六项结构化活动,通过间接热量计 (COSMED K5) 测量了EE作为METs.
- 开发了一个深度卷积神经网络 (多任务-CNN) 用于PAR和EE估计,使用两步渐进的训练方法.
- 多任务-CNN的性能被评估在眼镜安装的AIM-2数据和部佩戴的ActiGraph GT9X (AG) 数据上.
主要成果:
- 安装在眼镜上的AIM-2实现了95%的PAR准确度,0.59METs MSE和11%的MAPEEE估计.
- hip-worn AG 实现了 82% 的 PAR 精度,0.73 的 METs MSE,以及 13% 的 MAPE EE 估计.
- 多任务-CNN模型通过安装在眼镜上的传感器表现出卓越的性能.
结论:
- 安装在眼镜上的传感器可用于同时识别身体活动和估计能量消耗.
- 与传统的可穿戴传感器相比,这种方法提供了一种潜在的更准确和不引人注目的健康监测方法.
