GR1010356B - Μεθοδος εκτιμησης ρυθμου καταποσης τροφης μεσω καμερας φορητης συσκευης - Google Patents
Μεθοδος εκτιμησης ρυθμου καταποσης τροφης μεσω καμερας φορητης συσκευης Download PDFInfo
- Publication number
- GR1010356B GR1010356B GR20220100272A GR20220100272A GR1010356B GR 1010356 B GR1010356 B GR 1010356B GR 20220100272 A GR20220100272 A GR 20220100272A GR 20220100272 A GR20220100272 A GR 20220100272A GR 1010356 B GR1010356 B GR 1010356B
- Authority
- GR
- Greece
- Prior art keywords
- rate
- food ingestion
- user
- food
- ingestion
- Prior art date
Links
- 235000013305 food Nutrition 0.000 title claims abstract description 67
- 230000037406 food intake Effects 0.000 title claims abstract description 63
- 238000000034 method Methods 0.000 title claims abstract description 17
- 230000000007 visual effect Effects 0.000 claims abstract description 8
- 238000013135 deep learning Methods 0.000 claims abstract description 6
- 230000008569 process Effects 0.000 claims abstract description 4
- 238000013528 artificial neural network Methods 0.000 claims description 8
- 239000013598 vector Substances 0.000 claims description 4
- 238000005096 rolling process Methods 0.000 claims description 3
- 238000004590 computer program Methods 0.000 claims description 2
- 230000009747 swallowing Effects 0.000 claims description 2
- 230000002123 temporal effect Effects 0.000 claims description 2
- 238000012800 visualization Methods 0.000 claims 1
- 235000012054 meals Nutrition 0.000 abstract description 16
- 230000008901 benefit Effects 0.000 abstract description 8
- 235000016709 nutrition Nutrition 0.000 description 2
- 230000035764 nutrition Effects 0.000 description 2
- 208000001145 Metabolic Syndrome Diseases 0.000 description 1
- 208000008589 Obesity Diseases 0.000 description 1
- 201000000690 abdominal obesity-metabolic syndrome Diseases 0.000 description 1
- 238000009825 accumulation Methods 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 230000037213 diet Effects 0.000 description 1
- 235000005911 diet Nutrition 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000004634 feeding behavior Effects 0.000 description 1
- 208000021302 gastroesophageal reflux disease Diseases 0.000 description 1
- 230000002452 interceptive effect Effects 0.000 description 1
- 230000037323 metabolic rate Effects 0.000 description 1
- 235000020824 obesity Nutrition 0.000 description 1
- 230000005236 sound signal Effects 0.000 description 1
- 208000001072 type 2 diabetes mellitus Diseases 0.000 description 1
Classifications
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/103—Detecting, measuring or recording devices for testing the shape, pattern, colour, size or movement of the body or parts thereof, for diagnostic purposes
- A61B5/11—Measuring movement of the entire body or parts thereof, e.g. head or hand tremor, mobility of a limb
- A61B5/1113—Local tracking of patients, e.g. in a hospital or private home
- A61B5/1114—Tracking parts of the body
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/48—Other medical applications
- A61B5/486—Bio-feedback
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/48—Other medical applications
- A61B5/4866—Evaluating metabolism
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/72—Signal processing specially adapted for physiological signals or for diagnostic purposes
- A61B5/7235—Details of waveform analysis
- A61B5/7264—Classification of physiological signals or data, e.g. using neural networks, statistical classifiers, expert systems or fuzzy systems
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/72—Signal processing specially adapted for physiological signals or for diagnostic purposes
- A61B5/7235—Details of waveform analysis
- A61B5/7264—Classification of physiological signals or data, e.g. using neural networks, statistical classifiers, expert systems or fuzzy systems
- A61B5/7267—Classification of physiological signals or data, e.g. using neural networks, statistical classifiers, expert systems or fuzzy systems involving training the classification device
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/74—Details of notification to user or communication with user or patient ; user input means
- A61B5/742—Details of notification to user or communication with user or patient ; user input means using visual displays
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
- G16H20/00—ICT specially adapted for therapies or health-improving plans, e.g. for handling prescriptions, for steering therapy or for monitoring patient compliance
- G16H20/60—ICT specially adapted for therapies or health-improving plans, e.g. for handling prescriptions, for steering therapy or for monitoring patient compliance relating to nutrition control, e.g. diets
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
- G16H50/00—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics
- G16H50/20—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for computer-aided diagnosis, e.g. based on medical expert systems
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
- G16H50/00—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics
- G16H50/30—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for calculating health indices; for individual health risk assessment
Landscapes
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Engineering & Computer Science (AREA)
- Medical Informatics (AREA)
- Public Health (AREA)
- General Health & Medical Sciences (AREA)
- Physics & Mathematics (AREA)
- Biomedical Technology (AREA)
- Pathology (AREA)
- Animal Behavior & Ethology (AREA)
- Biophysics (AREA)
- Veterinary Medicine (AREA)
- Surgery (AREA)
- Heart & Thoracic Surgery (AREA)
- Molecular Biology (AREA)
- Artificial Intelligence (AREA)
- Physiology (AREA)
- Epidemiology (AREA)
- Signal Processing (AREA)
- Primary Health Care (AREA)
- Evolutionary Computation (AREA)
- Fuzzy Systems (AREA)
- Mathematical Physics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Psychiatry (AREA)
- Nutrition Science (AREA)
- Obesity (AREA)
- Biodiversity & Conservation Biology (AREA)
- Dentistry (AREA)
- Oral & Maxillofacial Surgery (AREA)
- Data Mining & Analysis (AREA)
- Databases & Information Systems (AREA)
- Image Analysis (AREA)
- User Interface Of Digital Computer (AREA)
- Image Processing (AREA)
Abstract
Η ανάγκη εκτίμησης του ατομικού ρυθμού κατάποσης τροφής κατά τη διάρκεια ενός γεύματος είναι αναγνωρισμένη στη βιβλιογραφία λόγω των ιατρικών προβλημάτων που σχετίζονται με αυτή. Η παρούσα εφεύρεση βασίζεται σε ένα πρόγραμμα Η/Υ, το οποίο μπορεί να εκτελεστεί σε φορητή συσκευή, αξιοποιώντας την κάμερα αυτής. Αποτελείται από μια χρηστική διεπαφή που επιτρέπει στον χρήστη να παρακολουθεί τον εκτιμώμενο ρυθμό κατάποσης τροφής, ενώ οπτικές και ακουστικές πληροφορίες παρουσιάζονται με απλό και ξεκάθαρο τρόπο, ώστε να τον βοηθήσουν να ρυθμίσει και να διατηρήσει το ρυθμό κατάποσης τροφής εντός φυσιολογικών ορίων. Τη βάση του προγράμματος Η/Υ αποτελεί ένας αλγόριθμος βαθιάς μάθησης που έχει εκπαιδευτεί στην επεξεργασία δεδομένων βίντεο, ώστε να εκτιμά με ακρίβεια συμβάντα κατάποσης τροφής. Πλεονεκτήματα της εφεύρεσης αποτελούν η ακρίβεια στην εκτίμηση του ρυθμού κατάποσης τροφής, η μη χρήση επιπρόσθετων ή εξιδεικευμένων αισθητήρων που μπορούν να μειώσουν τη χρηστικότητα και φορητότητα της εφεύρεσης και η εκτίμηση του ρυθμού κατάποσης τροφής σε σχεδόν πραγματικό χρόνο κατά τη διάρκεια του γεύματος.
Description
ΠΕΡΙΓΡΑΦΗ
ΜΕΘΟΔΟΣ ΕΚΤΙΜΗΣΗΣ ΡΥΘΜΟΥ ΚΑΤΑΠΟΣΗΣ ΤΡΟΦΗΣ ΜΕΣΩ ΚΑΜΕΡΑΣ ΦΟΡΗΤΗΣ ΣΥΣΚΕΥΗΣ
Η εφεύρεση αφορά μια μέθοδο εκτίμησης του ατομικού ρυθμού κατάποσης τροφής μέσω φορητής συσκευής, κατάλληλου προγράμματος Η/Υ (δίεπαφής) καί αλγορίθμου βαθιάς μάθησης. Συγκεκριμένα, η εφεύρεση αυτή επιτρέπει την καταγραφή ενός ατόμου από κάμερα φορητής συσκευής κατά τη διάρκεια ενός γεύματος, την επεξεργασία του βίντεο σε σχεδόν πραγματικό χρόνο καί την εκτίμηση του ατομικού ρυθμού κατάποσης τροφής, όπως αυτός υπολογίζεται σε αριθμό συμβάντων κατάποσης τροφής ανά λεπτό. Έχει αποδειχτεί στη σχετική βιβλιογραφία ότι ο ρυθμός κατάποσης τροφής είναι άμεσα συνυφασμένος με την ανάπτυξη ή ύπαρξη ιατρικών προβλημάτων σχετίζόμενων με τη διατροφή, όπως η παχυσαρκία, ο διαβήτης τύπου 2, η γαστροϊσοφαγίκή παλινδρόμηση καί το μεταβολίκό σύνδρομο. Επομένως, ο σκοπός της παρούσας εφεύρεσης είναι να εφαρμοστεί σε άτομα μετέτοίου είδους ιατρικά προβλήματα ή γενικά σε άτομα που προσέχουν τη διατροφή τους καίτον μεταβολίκό ρυθμό τους, ώστε να μην αναπτύξουν ιατρικά προβλήματα στο μέλλον. Μέσω οπτικών καί ακουστικών σημάτων από τη φορητή συσκευή η παρούσα εφεύρεση δύναταί να παρεμβαίνει κατά τη διάρκεια ενός γεύματος καί να ενημερώνει το χρήστη ότι ξεπερνάει τα φυσιολογικά καί επιτρεπτά όρια ρυθμού κατάποσης τροφής, καταφέρνοντας με αυτόν τον τρόπο να επιβραδύνει ή ακόμα καί να αποτρέψεί την ανάπτυξη ιατρικών προβλημάτων σχετίζόμενων με τη διατροφή.
Στη βιβλιογραφία έχει αναγνωριστεί η ανάγκη ακριβούς εκτίμησης του ρυθμού κατάποσης τροφής ως μέρος του γενικότερου προβλήματος της καταγραφής της δίατροφίκήςσυμπερίφοράς καί έχουν υπάρξει διάφορες προσπάθειες προς αυτήν την κατεύθυνση, η καθεμία με τα δικά της πλεονεκτήματα και μειονεκτήματα. Κάποιες εφευρέσεις, όπως οι US2013267794 καί US2015379238 χρησιμοποιούν ως κυρίαρχο στοιχείο τη κάμερα η οποία όμως τοποθετείται πάνω στο άτομο, με αποτέλεσμα να δημιουργεί ενοχλήσεις κατά τις κινήσεις του καί έτσι να περιορίζεται η χρησίμότητά της. Μάλιστα, η πρώτη από τις προαναφερθείσες εφευρέσεις χρησιμοποιεί δύο κάμερες, αυξάνοντας παράλληλα το κόστοςαλλά καί την πολυπλοκότητα ενός τέτοιου συστήματος. Επίσης, καί οί δύο εφευρέσεις απαιτούν ισχυρά υπολογιστικά συστήματα για την εκτίμηση του ρυθμού κατάποσης τροφής, περιορίζοντας περαιτέρω την αξιοποίησή τους σε εξωτερικούς χώρους καί επομένως τη φορητότητα καί το εύρος εφαρμογής τους. Άλλες εφευρέσεις, όπως η KR20180116779, προσπαθώντας να αποφύγουν τα προαναφερθέντα προβλήματα καταφεύγουν σε φορητές συσκευές, εξοπλισμένες με κάμερα καί επεξεργαστή, λαμβάνουν φωτογραφίες του φαγητού ανά τακτά χρονικά διαστήματα ή στην αρχή και στο τέλος του φαγητού, υπολογίζουν τις διαφορές από τις φωτογραφίες καί εκτιμούν το ρυθμό καί όγκο κατάποσης τροφής. Όμως, τέτοιες εφευρέσεις είτε εκτιμούν μόνο ένα συνολικό ρυθμό κατάποσης τροφής, εφόσον έχείτελείώσεί το γεύμα, είτε εμφανίζουν σοβαρά προβλήματα ακρίβειας λόγω της μεγάλης δυσκολίας εκτίμησης του όγκου φαγητού από φωτογραφίες.
Πολλές προσπάθειες εκτίμησης του μεταβαλλόμενου ρυθμού κατάποσης φαγητού έχουν πραγματοποιηθεί και με χρήση έξυπνων ρολογιών ή περικάρπιων. Τέτοιες εφαρμογές εκμεταλλεύονται τα χρονικά σήματα που παράγουν το επίταχυνσίόμετρο καί γυροσκόπιο αυτών των συσκευών ώστε να αναγνωρίσουν κινήσεις των χεριών καί να τις συσχετίσουν με τις αντίστοιχες κινήσεις που πραγματοποιούνται κατά τη διαδικασία κατάποσης τροφής. Ένα μεγάλο μειονέκτημα αυτών των εφαρμογών έγκειται στην ανάγκη συλλογής ολόκληρων των σημάτων πριν την επεξεργασία τους για την εκτίμηση του ρυθμού κατάποσης, με αποτέλεσμα να μην είναι δυνατή η παρέμβαση στο άτομο κατά τη διάρκεια του γεύματος. Επίσης, τέτοιες εφαρμογές αντιμετωπίζουν προβλήματα ακρίβειας επειδή κινήσεις του ατόμου με σκοπό να σκουπιστεί ή να αγγίξει το πρόσωπό του μπορούν εσφαλμένα να αναγνωριστούν ως κινήσεις κατάποσης τροφής.
Τέλος, κάποιες πρόσφατες μελέτες έχουν βασιστεί σε φορητές ζυγαριές που επιτρέπουν την ακριβή εκτίμηση του μεταβαλλόμενου ρυθμού κατάποσης αλλά καί του όγκου τροφής ανά μπουκιά. Ένα σοβαρό μειονέκτημα μιας τέτοιας εφαρμογής έγκειται στον εγγενή περιορισμό της ζυγαριάς να παρέχει πληροφορία βάρους μόνο από ένα πιάτο φαγητού, με αποτέλεσμα να μην είναι εφικτή η ακριβή εκτίμηση του ρυθμού κατάποσης τροφής, όταν το άτομο καταναλώνει τροφή από δύο ή περισσότερα πιάτα. Επίσης, ένα ακόμη μειονέκτημα μίας τέτοιας εφαρμογής είναι η ανάγκη απόκτησης αλλά καί μεταφοράς της φορητής ζυγαριάς όπου είναι απαραίτητο, επιβαρύνοντας τον προϋπολογισμό κάθε ενδιαφερομένου καί περιορίζοντας τη χρησίμότητά της.
Η εφεύρεση αντιμετωπίζει το πρόβλημα εκτίμησης του ρυθμού κατάποσης τροφής ενός ατόμου σε σχεδόν πραγματικό χρόνο με χρήση κάμερας φορητής συσκευής καί επομένως προσφέρει συγκεκριμένα πλεονεκτήματα τα οποία παρατίθενται ακολούθως:
Α) Εκτίμηση ρυθμού κατάποσης τροφής με μεγάλη ακρίβεια χάρη στην επεξεργασία βίντεο ακολουθιών, οι οποίες παρέχουν πληροφορία τόσο για το σώμα (συμπεριλαμβανομένων των χεριών) όσο καί το πρόσωπο του χρήστη.
Β) Εκτίμηση ρυθμού κατάποσης τροφής χωρίς τη χρήση εξείδίκευμένων ή επιπρόσθετων αισθητήρων (περισσότερες από μία κάμερες ή ζυγαριές).
Γ) Εκτίμηση ρυθμού κατάποσης τροφής σε σχεδόν πραγματικό χρόνο κατά τη διάρκεια ενός γεύματος.
Στη συνέχεια θα δοθεί μία λεπτομερής επεξήγηση καί περιγραφή του καθενός από τα πλεονεκτήματα της εφεύρεσης ξεχωριστά.
Πλεονέκτημα Α: Ακρίβεια στην εκτίμηση ρυθμού κατάποσης τροφής Η εφεύρεση εκτιμά τον ρυθμό κατάποσης τροφής μέσω της ταχύτατης επεξεργασίας βίντεο καί της εκτίμησης του αριθμού συμβάντων κατάποσης τροφής ανά λεπτό (bites/min). Η εφεύρεση βασίζεται στη χρήση αλγορίθμου βαθιάς μάθησης που έχει εκπαιδευτεί σε μία βάση δεδομένων με επίση μασμένα βίντεο ατόμων, τα οποία έχουν καταγραφεί κατά τη διάρκεια διαφόρων γευμάτων καί έχει πετύχεί μεγάλη ακρίβεια στην εκτίμηση του ρυθμού κατάποσης τροφής. Το γεγονός ότι ο αλγόριθμος έχει εκπαιδευτεί με διαφορετικά άτομα καί γεύματα επιτρέπει στην εφεύρεση να χρησιμοποιηθεί με μεγάλη ακρίβεια σε νέα βίντεο. Επιπλέον, το γεγονός ότι βασίζεται στην συνδυαστική επεξεργασία οπτικών δεδομένων της κίνησης του χρήστη (σώμα, χέρια, πρόσωπο) δίνει τη διακριτική ικανότητα στην εφεύρεση να αποφεύγει λανθασμένες ανιχνεύσεις που μπορεί να οφείλονται σε κινήσεις του ατόμου με σκοπό να σκουπιστεί, να αγγίξει το πρόσωπό του ή απλά να σηκώσει το χέρι του, παρακάμπτοντας με αυτόν τον τρόπο τα μειονεκτήματα εφαρμογών που βασίζονται σε μη οπτικά δεδομένα. Τέλος, η εφεύρεση δεν περιορίζεται από τον αριθμό πιάτων, από τα οποία μπορεί να καταναλώνει ένα άτομο, αποφεύγοντας έτσι το σοβαρό μειονέκτημα εφαρμογώνπου βασίζονται σε φορητές ζυγαριές.
Πλεονέκτημα Β: Φορητότητα και κόστος
Η εφεύρεση δεν απαιτεί επιπρόσθετους ή εξείδίκευμένους αισθητήρες καί άρα το κόστος χρήσης της είναι μηδαμινό, αφού λειτουργεί ως πρόγραμμα Η/Υ με δυνατότητα εκτέλεσης σε φορητή συσκευή καί με χρήση μόνο της κάμεράς της, χωρίς να αναγκάζει το χρήστη να αποκτήσει επιπρόσθετους αισθητήρες ή επεξεργαστικές μονάδες. Δεδομένου ότι η πλείοψηφία του γενικού πληθυσμού διαθέτει φορητή συσκευή, την οποία καί έχει στη διάθεσή του όπου πηγαίνει, επιτρέπει τη χρήση της εφεύρεσης για την εκτίμηση του ρυθμού κατάποσης τροφής χωρίς περιορισμούς υπό οποίεσδήποτε συνθήκες είτε σε εσωτερικούς είτε σε εξωτερικούς χώρους. Αυτό το γεγονός αυξάνει τη φορητότητα, χρησιμότητα καί το πεδίο εφαρμογής της εφεύρεσης σε αντίθεση με τις υπάρχουσες εφαρμογές ή εφευρέσεις.
Πλεονέκτημα Γ: Εκτίμηση σε σχεδόν πραγματικό χρόνο
Η εφεύρεση βασίζεται σε έναν αλγόριθμο βαθιάς μάθησης χαμηλών τεχνικών προδιαγραφών που επιτρέπει την ταχύτατη εκτέλεσή του ακόμα καί σε συσκευές χαμηλής επεξεργαστικής ισχύος, όπως είναι μία φορητή συσκευή. Με αυτόν τον τρόπο επιτυγχάνεται η εκτίμηση του ρυθμού κατάποσης τροφής κατά τη διάρκεια ενός γεύματος, επιτρέποντας στην εφεύρεση να παρεμβαίνει μέσω οπτικών καί ακουστικών πληροφοριών καί να δίνει τη δυνατότητα στο άτομο να τροποποιήσει επίτόπου το ρυθμό κατάποσης τροφής όταν παρατηρείταί απόκλιση από τα φυσιολογικά όρια. Αυτό το γεγονός έχει ως αποτέλεσμα να αυξάνεται η χρησιμότητα της εφεύρεσης σε σχέση με άλλες εφαρμογές που εκτιμούν το ρυθμό κατάποσης τροφής μετά το πέρας του γεύματος.
Η εφεύρεση αφορά μια καίνοτόμα μέθοδο εκτίμησης του ρυθμού κατάποσης τροφής κατά τη διάρκεια ενός γεύματος με χρήση δεδομένων βίντεο από φορητή συσκευή. Τα βασικά μέρη από τα οποία αποτελείταί είναι τα ακόλουθα:
■ Σύστημα καταγραφής και εκτίμησης ατομικού ρυθμού κατάποσης τροφής (Σχήμα 1)
Το σύστημα καταγραφής καί εκτίμησης ατομικού ρυθμού κατάποσης τροφής περιλαμβάνει ένα χρήστη (1), ο οποίος κάθεται σε μία καρέκλα καί καταναλώνει φαγητό από ένα ή περισσότερα πιάτα (2) τοποθετημένα πάνω σε ένα τραπέζι. Η φορητή συσκευή (3) του χρήστη πρέπει να τοποθετηθεί πάνω στο τραπέζι σε μία απόσταση τουλάχιστον 60 εκατοστών από το χρήστη ώστε να είναι ορατό από την κάμερα της φορητής συσκευής το άνω τμήμα του σώματος του, συμπεριλαμβανομένων των χεριών καί του προσώπου του καθ' όλη τη διάρκεια του γεύματος. Επίσης, η απόσταση της φορητής συσκευής από το χρήστη δεν πρέπει να είναι μεγαλύτερη των 100 εκατοστών καθώς οι κινήσεις του χρήστη πρέπει να είναι ευδιάκριτες από την κάμερα της φορητής συσκευής. Αντικείμενα που παρεμβάλλονται στο οπτικό πεδίο της κάμερας καί αποκρύπτουν κινήσεις του χρήστη πρέπει να αφαίρεθούν. Για να επιτευχθούν τα παραπάνω, δύναται να χρησιμοποιηθεί μία βάση στήριξης (4) της φορητής συσκευής για την καλύτερη καταγραφή του χρήστη. Πρέπει να επίσημανθεί σε αυτό το σημείο ότι οι συνθήκες καί οι αποστάσεις που αναφέρθηκαν παραπάνω είναι ιδανικές και εξασφαλίζουν την εύρυθμη λειτουργία της μεθόδου εκτίμησης του ατομικού ρυθμού κατάποσης τροφής. Το σύστημα έχει δοκιμαστεί καί σε μικρότερες ή μεγαλύτερες αποστάσεις ή/καί με παρεμβαλλόμενα αντικείμενα, όμως σε τέτοιες περιπτώσεις μπορεί να παρατηρηθεί απώλεια ακρίβειας. Όταν είναι έτοιμος ο χρήστης μπορεί να πατήσει το κουμπί εκκίνησης της καταγραφής από το πρόγραμμα Η/Υ καί να αρχίσει να τρώει. Ο αλγόριθμος εκτίμησης του ρυθμού κατάποσης τροφής εκτελείταί αυτόματα καί υπολογίζει το ρυθμό κατάποσης τροφής, τον οποίο τον λαμβάνει το πρόγραμμα Η/Υ καί τον παρουσιάζει στο χρήστη μέσω οπτικών καί ακουστικών σημάτων. Όταν ο χρήστης τελειώσει το γεύμα του, μπορεί να πατήσει ξανά το κουμπί για να σταματήσει η καταγραφή καί η εκτίμηση του ρυθμού κατάποσης τροφής.
Αλγόριθμος εκτίμησης ρυθμού κατάποσης τροφής (Σχημα 2)
Ο αλγόριθμος εκτίμησης του ρυθμού κατάποσης τροφής ξεκινά να εκτελείταί, όταν ο χρήστης πατήσει το αντίστοιχο κουμπί για την έναρξη της καταγραφής καί σταματάει να εκτελείταί, όταν ο χρήστης πατήσει το αντίστοιχο κουμπί για την παύση της καταγραφής. Ο αλγόριθμος βασίζεται σε τεχνικές βαθιάς μάθησης για την επεξεργασία δεδομένων βίντεο καί την εκτίμηση του ρυθμού κατάποσης τροφής. Αρχικά, το βίντεο κατά την διάρκεια της καταγραφής χωρίζεται σε ξεχωριστά καρέ εικόνων (Βήμα 1). Στη συνέχεια, εφαρμόζεται ένα νευρωνικό δίκτυο υψηλής διακριτικής ικανότητας (Νευρωνικό δίκτυο 1), το οποίο εξάγει δίανύσματα χωρικών χαρακτηριστικών που περιγράφουν το περιεχόμενο που απεικονίζεται σε κάθε καρέ (Βήμα 2). Τα εξαγόμενα διανύσματα χαρακτηριστικών από συνεχόμενα καρέ εικόνων συλλέγονταί με τη χρήση ενός κυλιόμενου παραθύρου (μεγέθους δύο δευτερολέπτων), ώστε να σχηματίσουν μία συνολική χρονική πληροφορία για κάθε βίντεο ακολουθία διάρκειας 2 δευτερολέπτων (Βήμα 3). Έπειτα, η συνολική αυτή πληροφορία τροφοδείταί σε ένα νευρωνικό δίκτυο (Νευρωνικό δίκτυο 2), το οποίο αναλύει τη χρονική αλληλουχία της πληροφορίας με σκοπό να αναγνωρίσει την ύπαρξη ή μη συμβάντος κατάποσης τροφής (Βήμα 4). Τέλος, χρησιμοποιείται μία μεταβλητή συσσώρευσης για να συγκεντρώσει το συνολικό αριθμό συμβάντων κατάποσης τροφής ανά λεπτό καί να εκτιμήσει με αυτόν τον τρόπο το ρυθμό κατάποσης τροφής (Βήμα 5). Λόγω του κυλιόμενου παραθύρου, ο αλγόριθμος ενημερώνει το ρυθμό κατάποσης τροφής ανά 10 δευτερόλεπτα, παρέχοντας στο χρήστη πολύτιμη πληροφορία για τον τρέχοντα ρυθμό κατάποσης τροφής καί δίνοντάς του τη δυνατότητα να τον μεταβάλλει κατάλληλα κατά τη διάρκεια του γεύματος.
• Πρόγραμμα Η/Υ (Σχημα 3)
Μέρος της εφεύρεσης αποτελεί το πρόγραμμα Η/Υ, το οποίο διαθέτει μία απλή καί χρηστική δίεπαφή που δίνει τη δυνατότητα στο χρήστη να χειρίζεται με ευκολία την εφεύρεση για την εκτίμηση του ρυθμού κατάποσης τροφής. Η δίεπαφή χρήστη αποτελείταί από το πλαίσιο απεικόνισης του βίντεο (1), από τη μπάρα απεικόνισης του ρυθμού κατάποσης τροφής (2) καί το κουμπί καταγραφής (3). Πιο συγκεκριμένα, ο χρήστης μπορεί να παρατηρεί στο πλαίσιο απεικόνισης σε πραγματικό χρόνο τι καταγράφει η κάμερα του κινητού του τηλεφώνου, ώστε να μπορέσει να την τοποθετήσει σε κατάλληλο σημείο που να τον απεικονίζει από τη μέση καί πάνω κατά τη διάρκεια του γεύματος χωρίς να παρεμβάλλονται άλλα αντικείμενα ή εμπόδια. Το κουμπί καταγραφής επιτρέπει στο χρήστη την έναρξη καί παύση της καταγραφής κατά το δοκούν. Από την άλλη μεριά, η μπάρα απεικόνισης του ρυθμού κατάποσης τροφής ενημερώνει το χρήστη για τον εκτιμώμενο αριθμό συμβάντων κατάποσης τροφής ανά λεπτό μεταβάλλοντας αναλόγως το μέγεθος καί το χρώμα της μπάρας. Το χρώμα της μπάρας απεικόνισης χρησιμοποιείται επίσης για να υποδηλώσει το κατά πόσο βρίσκεται ο ρυθμός κατάποσης τροφής εντός ή εκτός φυσιολογικών ορίων, τα οποία ορίζονται στη βιβλιογραφία καί τα οποία μπορούν να μεταβληθούν αναλόγως της πάθησης του κάθε ατόμου. Σε περίπτωση που ο χρήστης ξεπεράσείτα φυσιολογικά όρια του ρυθμού κατάποσης τροφής, το χρώμα της μπάρας μεταβάλλεται αναλόγως καί το πρόγραμμα Η/Υ αναπαράγει μέσω του ηχείου (4) της φορητής συσκευής μία ακουστική ειδοποίηση (ηχητικός τόνος) ως μία επιπλέον ειδοποίηση που θα καθοδηγήσει το χρήστη προς τη μείωση του ρυθμού κατάποσης τροφής καί την επιστροφή του εντός φυσιολογικών ορίων.
Claims (10)
- ΑΞΙΩΣΕΙΣι. Μέθοδος εκτίμησης του ρυθμού κατάποσης τροφής μέσω κάμερας φορητής συσκευής σεσχεδόν πραγματικό χρόνο η οποία περιλαμβάνει τις ακόλουθες φάσεις:Α. Συλλογή, καταγραφή δεδομένων βίντεο από φορητή συσκευή μέσω κάμεραςΒ. Επεξεργασία δεδομένων βίντεο σύμφωνα με τον συγκεκριμένο αλγόριθμο βαθιάς μάθησης για την εκτίμηση του ρυθμού κατάποσης (σχήμα 2).C. Απεικόνιση του ρυθμού κατάποσης καί ενημέρωση του χρήστη με οπτικές, ηχητικέςπληροφορίεςχαρακτηριζόμενη από το ότι υλοποιεί τον αλγόριθμό (σχήμα 2) σύμφωνα με τον οποίο τα δεδομένα βίντεο επεξεργάζονται προκείμένου να εκτιμηθεί ο ρυθμός κατάποσης ο οποίος μέσω προγράμματος Η/Υ απεικονίζεται σε οθόνη καί ενημερώνει τον χρήστη προκείμένου αυτός να τροποποιήσει το ρυθμό κατάποσης τροφής.
- 2. Μέθοδος σύμφωνα με την αξίωση 1, χαρακτηριζόμενη από το ότι τα δεδομένα βίντεο χωρίζονται σε ξεχωριστά καρέ εικόνων (Βήμα 1).
- 3. Μέθοδος σύμφωνα με την αξίωση 2, χαρακτηριζόμενη από το ότι στα δεδομένα των ξεχωριστών καρέ εικόνων εφαρμόζεται ένα νευρωνικό δίκτυο υψηλής διακριτικής ικανότητας (Νευρωνικό δίκτυο 1) το οποίο εξάγει δίανύσματα χωρικών χαρακτηριστικών που περιγράφουν το περιεχόμενο που απεικονίζεται σε κάθε καρέ.
- 4. Μέθοδος σύμφωνα με την αξίωση 3, χαρακτηριζόμενη από το ότι τα εξαγόμενα δίανύσματα χαρακτηριστικών από συνεχόμενα καρέ εικόνων συλλέγονταί με τη χρήση ενός κυλιόμενου παραθύρου (μεγέθους δύο δευτερολέπτων), ώστε να σχηματίσουν μια συνολική χρονική πληροφορία για κάθε βίντεο ακολουθία διάρκειας 2 δευτερολέπτων.
- 5. Μέθοδος σύμφωνα με την αξίωση 4, χαρακτηριζόμενη από το ότι η συνολική αυτή πληροφορία τροφοδείταί σε ένα νευρωνικό δίκτυο (Νευρωνικό δίκτυο 2), το οποίο αναλύει τη χρονική αλληλουχία της πληροφορίας με σκοπό να αναγνωρίσει την ύπαρξη ή μη συμβάντος κατάποσης τροφής.
- 6. Σύστημα χαμηλής επεξεργαστικής ισχύος το οποίο περιλαμβάνει μέσα για την εφαρμογήτης μεθόδου σύμφωνα με την την αξίωση 1, για τη καταγραφή καί εκτίμηση του ατομικού ρυθμού κατάποσης τροφής χαρακτηριζόμενο από χρήστη (1) οποίος κάθεται σε μία καρέκλα καί καταναλώνει φαγητό από ένα ή περισσότερα πιάτα (2) τοποθετημένα πάνω σε ένα τραπέζι, όπου τοποθετείται φορητή συσκευή (3) με κάμερα.
- 7. Σύστημα σύμφωνα με την αξίωση 6, χαρακτηριζόμενο από το ότι η φορητή συσκευή μπορεί να είναι είτε κινητό τηλέφωνο ή άλλου είδους συσκευή (φορητός Η/Υ, tablet).
- 8. Σύστημα σύμφωνα με την αξίωση 6, χαρακτηριζόμενο από το ότι η φορητή συσκευή δύναται να στηρίζεται σε βάση στήριξη (4).
- 9. Σύστημα σύμφωνα με την αξίωση 6, χαρακτηριζόμενο από το ότι η φορητή συσκευή πρέπει να απέχει από τον χρήστη περισσότερο από εξήντα (60) εκατοστά και λιγότερο από εκατό (100) εκατοστά.
- 10. Πρόγραμμα Η/Υ (Λογισμικό), βασιζόμενο στην αξίωση 1 καί στην αξίωση 6 η εκτέλεση του οποίου υλοποιεί τη μέθοδο εκτίμησης του ατομικού ρυθμού κατάποσης τροφής μέσω κάμερας φορητής συσκευής σε σχεδόν πραγματικό χρόνο χαρακτηριζόμενο από μία χρηστική δίεπαφή, η οποία: α) επιτρέπει εύκολα στο χρήστη να εκκινεί ή να σταματάει τη διαδικασία καταγραφής καί β) προσφέρει στον χρήστη οπτικές (χρωματική μπάρα στην οθόνη της φορητής συσκευής) καί ακουστικές (ηχητικός τόνος στο ηχείο της φορητής συσκευής) πληροφορίες για τον εκτιμώμενο ρυθμό κατάποσης τροφής, βοηθώντας τον με αυτόν τον τρόπο νατροποποιείτο ρυθμό κατάποσης τροφής καί να τον διατηρεί εντόςφυσιολογικών ορίων.
Priority Applications (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
GR20220100272A GR1010356B (el) | 2022-03-28 | 2022-03-28 | Μεθοδος εκτιμησης ρυθμου καταποσης τροφης μεσω καμερας φορητης συσκευης |
PCT/IB2023/052924 WO2023187573A1 (en) | 2022-03-28 | 2023-03-24 | Eating rate estimation through a mobile device camera |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
GR20220100272A GR1010356B (el) | 2022-03-28 | 2022-03-28 | Μεθοδος εκτιμησης ρυθμου καταποσης τροφης μεσω καμερας φορητης συσκευης |
Publications (1)
Publication Number | Publication Date |
---|---|
GR1010356B true GR1010356B (el) | 2022-12-13 |
Family
ID=85112958
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
GR20220100272A GR1010356B (el) | 2022-03-28 | 2022-03-28 | Μεθοδος εκτιμησης ρυθμου καταποσης τροφης μεσω καμερας φορητης συσκευης |
Country Status (2)
Country | Link |
---|---|
GR (1) | GR1010356B (el) |
WO (1) | WO2023187573A1 (el) |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP1179799A2 (en) * | 2000-08-08 | 2002-02-13 | Eddie Prof. Karnieli | Method for monitoring food intake |
WO2008157622A1 (en) * | 2007-06-18 | 2008-12-24 | University Of Pittsburgh-Of The Commonwealth System Of Higher Education | Method, apparatus and system for food intake and physical activity assessment |
US20130267794A1 (en) * | 2011-11-14 | 2013-10-10 | University Of Pittsburgh - Of The Commonwealth | Method, Apparatus and System for Food Intake and Physical Activity Assessment |
US20150306771A1 (en) * | 2011-10-10 | 2015-10-29 | Desin Llc | Apparatus for monitoring food consumption by an individual |
US20160012749A1 (en) * | 2012-06-14 | 2016-01-14 | Robert A. Connor | Eyewear System for Monitoring and Modifying Nutritional Intake |
US20160073953A1 (en) * | 2014-09-11 | 2016-03-17 | Board Of Trustees Of The University Of Alabama | Food intake monitor |
US20160143582A1 (en) * | 2014-11-22 | 2016-05-26 | Medibotics Llc | Wearable Food Consumption Monitor |
Family Cites Families (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2015046673A1 (en) | 2013-09-30 | 2015-04-02 | Lg Electronics Inc. | Head mounted display and method of controlling the same |
CN105078634A (zh) | 2015-06-03 | 2015-11-25 | 京东方科技集团股份有限公司 | 一种可穿戴设备及进食监控方法 |
KR101959762B1 (ko) | 2017-04-17 | 2019-07-05 | 가천대학교 산학협력단 | 인공 지능 기반 영상 및 음성 인식 영양 평가 방법 |
-
2022
- 2022-03-28 GR GR20220100272A patent/GR1010356B/el active IP Right Grant
-
2023
- 2023-03-24 WO PCT/IB2023/052924 patent/WO2023187573A1/en unknown
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP1179799A2 (en) * | 2000-08-08 | 2002-02-13 | Eddie Prof. Karnieli | Method for monitoring food intake |
WO2008157622A1 (en) * | 2007-06-18 | 2008-12-24 | University Of Pittsburgh-Of The Commonwealth System Of Higher Education | Method, apparatus and system for food intake and physical activity assessment |
US20150306771A1 (en) * | 2011-10-10 | 2015-10-29 | Desin Llc | Apparatus for monitoring food consumption by an individual |
US20130267794A1 (en) * | 2011-11-14 | 2013-10-10 | University Of Pittsburgh - Of The Commonwealth | Method, Apparatus and System for Food Intake and Physical Activity Assessment |
US20160012749A1 (en) * | 2012-06-14 | 2016-01-14 | Robert A. Connor | Eyewear System for Monitoring and Modifying Nutritional Intake |
US20160073953A1 (en) * | 2014-09-11 | 2016-03-17 | Board Of Trustees Of The University Of Alabama | Food intake monitor |
US20160143582A1 (en) * | 2014-11-22 | 2016-05-26 | Medibotics Llc | Wearable Food Consumption Monitor |
Also Published As
Publication number | Publication date |
---|---|
WO2023187573A1 (en) | 2023-10-05 |
WO2023187573A4 (en) | 2023-12-21 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US11948401B2 (en) | AI-based physical function assessment system | |
Bedri et al. | Fitbyte: Automatic diet monitoring in unconstrained situations using multimodal sensing on eyeglasses | |
CN107609517B (zh) | 一种基于计算机视觉的课堂行为检测系统 | |
US20200260956A1 (en) | Open api-based medical information providing method and system | |
Rahman et al. | Unintrusive eating recognition using Google Glass | |
CN103955272B (zh) | 一种终端设备用户姿态检测系统 | |
JP6424357B2 (ja) | 視認対象効果度測定装置 | |
US11244228B2 (en) | Method and device for recommending video, and computer readable storage medium | |
US20150302160A1 (en) | Method and Apparatus for Monitoring Diet and Activity | |
US20180350148A1 (en) | Augmented reality display system for overlaying apparel and fitness information | |
JP2017526989A (ja) | 関連ユーザー確定方法および装置 | |
US10257129B2 (en) | Information processing apparatus, information processing method, program, recording medium, and information processing system for selecting an information poster and displaying a view image of the selected information poster | |
US10699107B2 (en) | Image detection method and image detection device for determining posture of a user | |
US9241664B2 (en) | Using physical sensory input to determine human response to multimedia content displayed on a mobile device | |
US10004411B2 (en) | Living body determination devices and methods | |
CN110706784A (zh) | 卡路里摄入量计算方法、装置、系统、设备以及存储介质 | |
US9727890B2 (en) | Systems and methods for registering advertisement viewing | |
GR1010356B (el) | Μεθοδος εκτιμησης ρυθμου καταποσης τροφης μεσω καμερας φορητης συσκευης | |
US11909776B2 (en) | Online video distribution support method, online video distribution support apparatus and online video distribution support system | |
JP6326866B2 (ja) | 表示装置、表示方法及びプログラム | |
Li et al. | Camera-based distance detection and contact tracing to monitor potential spread of COVID-19 | |
Sisson et al. | Programmable errorless face-name association device with real-time processing | |
JP6129600B2 (ja) | 情報処理方法、及び情報処理システム | |
CN111537075A (zh) | 一种温度提取方法、装置、机器可读介质及设备 | |
Ronzhin et al. | User profile forming based on audiovisual situation analysis in smart meeting room |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PG | Patent granted |
Effective date: 20230110 |