使用智能手表的惯性信号来估计食物摄入量

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
• 行为科学 行为科学

背景情况:

• 准确监测饮食行为对于肥胖和饮食障碍管理至关重要.
• 当前的方法往往需要多个或专门的传感器,导致不良的粘附和数据质量.
• 需要可访问的,非侵入性的饮食监测解决方案.

研究的目的:

• 利用商用智能手表的数据开发一种用于估计咬重量的新方法.
• 确定单独使用惯性传感器来估计饮食摄入量的可行性.
• 为可访问,非侵入性饮食监测系统奠定基础.

主要方法:

• 利用了十名参与者的公开可用的智能手表惯性数据数据集.
• 结合提取的行为特征 (例如,器具加载时间) 与惯性信号统计特征.
• 采用支持向量回归模型来估计咬伤重量,使用一个离开一个主体的交叉验证方案进行验证.

主要成果:

• 平均绝对误差 (MAE) 为每口3.99克.
• 与使用拟议的"改进指标"的基线模型相比,MAE的改善率提高了17.41%.
• 超过了适应的最先进的方法,该方法在相同的基线上显示了-28.89%的性能.

结论:

• 商用智能手表的惯性传感器可以准确估计咬伤重量.
• 拟议的方法为饮食监测提供了一种可行和可访问的方法.
• 这项研究为未来的非侵入性和用户友好的饮食跟踪系统铺平了道路.