論文の概要: MFED: A System for Monitoring Family Eating Dynamics
- arxiv url: http://arxiv.org/abs/2007.05831v1
- Date: Sat, 11 Jul 2020 19:00:53 GMT
- ステータス: 処理完了
- システム内更新日: 2023-05-10 08:11:44.599553
- Title: MFED: A System for Monitoring Family Eating Dynamics
- Title（参考訳）: MFED:家族食のダイナミクスをモニタリングするシステム
- Authors: Md Abu Sayeed Mondol, Brooke Bell, Meiyi Ma, Ridwan Alam, Ifat Emi,
Sarah Masud Preum, Kayla de la Haye, Donna Spruijt-Metz, John C. Lach, and
John A. Stankovic
- Abstract要約: 家族の摂食動態(FED)は、子と親の食事摂取に影響を与える可能性が高く、最終的には肥満のリスクがある。
現在、FEDをリアルタイムに監視するシステムは存在しない。
本稿では,野生生物のFEDをリアルタイムにモニタリングするシステムであるMFEDについて述べる。
- 参考スコア（独自算出の注目度）: 7.390103907991721
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Obesity is a risk factor for many health issues, including heart disease,
diabetes, osteoarthritis, and certain cancers. One of the primary behavioral
causes, dietary intake, has proven particularly challenging to measure and
track. Current behavioral science suggests that family eating dynamics (FED)
have high potential to impact child and parent dietary intake, and ultimately
the risk of obesity. Monitoring FED requires information about when and where
eating events are occurring, the presence or absence of family members during
eating events, and some person-level states such as stress, mood, and hunger.
To date, there exists no system for real-time monitoring of FED. This paper
presents MFED, the first of its kind of system for monitoring FED in the wild
in real-time. Smart wearables and Bluetooth beacons are used to monitor and
detect eating activities and the location of the users at home. A smartphone is
used for the Ecological Momentary Assessment (EMA) of a number of behaviors,
states, and situations. While the system itself is novel, we also present a
novel and efficient algorithm for detecting eating events from wrist-worn
accelerometer data. The algorithm improves eating gesture detection F1-score by
19% with less than 20% computation compared to the state-of-the-art methods. To
date, the MFED system has been deployed in 20 homes with a total of 74
participants, and responses from 4750 EMA surveys have been collected. This
paper describes the system components, reports on the eating detection results
from the deployments, proposes two techniques for improving ground truth
collection after the system is deployed, and provides an overview of the FED
data, generated from the multi-component system, that can be used to model and
more comprehensively understand insights into the monitoring of family eating
dynamics.
- Abstract（参考訳）: 肥満は、心臓病、糖尿病、変形性関節症、特定のがんなど、多くの健康問題に対する危険因子である。
主な行動要因の1つは食事摂取であり、特に測定と追跡が難しいことが証明されている。
現在の行動科学は、家族の摂食動態(FED)が、子供と親の食事摂取に影響を与える可能性が高く、最終的には肥満のリスクが高いことを示唆している。
FEDのモニタリングには、いつどこで食事イベントが起こっているか、食事イベント中の家族の存在や欠席、ストレス、気分、飢餓などの個人レベルの状態に関する情報が必要である。
現在、FEDをリアルタイムに監視するシステムは存在しない。
本稿では,野生生物のFEDをリアルタイムにモニタリングするシステムであるMFEDについて述べる。
スマートウェアラブルとBluetoothビーコンは、自宅での食事活動とユーザーの位置をモニターし、検知するために使用される。
スマートフォンは、多くの行動、状態、状況の生態学的瞬間的評価(ema)に使用される。
システム自体は新規であるが,手首の加速度計データから食イベントを検出するアルゴリズムも提案する。
このアルゴリズムは、最先端の手法と比較して20%未満の計算で、ジェスチャー検出F1スコアを19%改善する。
現在までに、MFEDシステムは計74人の参加者を持つ20世帯に展開されており、4750人のEMA調査からの回答が収集されている。
本稿では, システムコンポーネントについて述べるとともに, 導入後の食事検出結果を報告し, システム展開後の真実収集を改善するための2つの手法を提案し, 家庭の食事動態のモニタリングに関する知見をモデル化し, より包括的に理解することのできるマルチコンポーネントシステムから生成されたFEDデータの概要について述べる。
関連論文リスト
- NutritionVerse-Direct: Exploring Deep Neural Networks for Multitask Nutrition Prediction from Food Images [63.314702537010355]
自己申告法はしばしば不正確であり、重大な偏見に悩まされる。
近年、食品画像から栄養情報を予測するためにコンピュータビジョン予測システムを用いた研究が進められている。
本稿では,様々なニューラルネットワークアーキテクチャを活用することにより,食事摂取量推定の有効性を高めることを目的とする。
論文 参考訳（メタデータ） (2024-05-13T14:56:55Z) - How Much You Ate? Food Portion Estimation on Spoons [63.611551981684244]
現在の画像に基づく食品部分推定アルゴリズムは、ユーザが食事の画像を1、2回取ることを前提としている。
本稿では,静止型ユーザ向けカメラを用いて,機器上の食品の追跡を行う革新的なソリューションを提案する。
本システムは,スープやシチューなどの液状固形不均一混合物の栄養含量の推定に信頼性が高い。
論文 参考訳（メタデータ） (2024-05-12T00:16:02Z) - NutritionVerse: Empirical Study of Various Dietary Intake Estimation
Approaches [60.97896788599621]
食事の正確な摂取推定は、健康的な食事を支援するための政策やプログラムを伝える上で重要である。
最近の研究は、コンピュータービジョンと機械学習を使用して、食物画像から食事摂取を自動的に推定することに焦点を当てている。
我々は,84,984個の合成2D食品画像と関連する食事情報を用いた最初の大規模データセットであるNutritionVerse-Synthを紹介した。
また、リアルなイメージデータセットであるNutritionVerse-Realを収集し、リアル性を評価するために、251の料理の889のイメージを含む。
論文 参考訳（メタデータ） (2023-09-14T13:29:41Z) - Body Fat Estimation from Surface Meshes using Graph Neural Networks [48.85291874087541]
三角体表面メッシュを用いて,グラフニューラルネットワークを用いて,VATおよびASATボリュームを正確に予測できることを示す。
本手法は,この領域の最先端畳み込みニューラルネットワークと比較して,トレーニング時間と必要なリソースを削減しつつ高い性能を実現する。
論文 参考訳（メタデータ） (2023-07-13T10:21:34Z) - Predicting blood pressure under circumstances of missing data: An
analysis of missing data patterns and imputation methods using NHANES [0.0]
CVDは、血圧の上昇、血糖の上昇、血液脂質の上昇、肥満によって影響を受ける。
貧困、ストレス、人種差別といった社会的・環境的な要因も重要な役割を担っている。
論文 参考訳（メタデータ） (2023-05-01T18:15:44Z) - Enhancing Food Intake Tracking in Long-Term Care with Automated Food
Imaging and Nutrient Intake Tracking (AFINI-T) Technology [71.37011431958805]
長期医療(LTC)の住民の半数は、入院、死亡、死亡率、生活の質の低下が悪化している。
本稿では,LCCのための食品自動撮像・栄養摂取追跡技術(AFINI-T)について述べる。
論文 参考訳（メタデータ） (2021-12-08T22:25:52Z) - Vision-Based Food Analysis for Automatic Dietary Assessment [49.32348549508578]
本総説では, 食品画像分析, 容積推定, 栄養素抽出の3段階からなる, 統合型ビジョンベース食事評価(VBDA)の枠組みを概説する。
深層学習により、VBDAは徐々にエンドツーエンドの実装へと移行し、単一のネットワークに食品画像を適用して栄養を直接見積もる。
論文 参考訳（メタデータ） (2021-08-06T05:46:01Z) - An Intelligent Passive Food Intake Assessment System with Egocentric
Cameras [14.067860492694251]
栄養失調は低所得国(LMIC)の主要な公衆衛生問題である
我々は,エゴセントリックカメラを用いた知的受動的摂食評価システムの実装を提案する。
摂取量を確実に監視し、ユーザの食行動にフィードバックを与えることができます。
論文 参考訳（メタデータ） (2021-05-07T09:47:51Z) - MyFood: A Food Segmentation and Classification System to Aid Nutritional
Monitoring [1.5469452301122173]
食料モニタリングの欠如は、人口の体重増加に大きく寄与している。
食品画像を認識するためにコンピュータビジョンでいくつかのソリューションが提案されているが、栄養モニタリングに特化しているものはほとんどない。
本研究は, ユーザの食事と栄養摂取の自動モニタリングを支援するために, 画像に提示された食品を分類・分別するインテリジェントシステムの開発について述べる。
論文 参考訳（メタデータ） (2020-12-05T17:40:05Z) - A Data Driven End-to-end Approach for In-the-wild Monitoring of Eating
Behavior Using Smartwatches [8.257740966456172]
本稿では, 食事中の食行動の自動化と, 食事の時間的局在のモデル化に向けて, 完全な枠組みを提案する。
食物摂取事象(すなわち噛み跡)を検出するエンドツーエンドニューラルネットワークを提案する。
食事の開始点と終了点を信号処理アルゴリズムを用いて推定するために,検出した噛み跡の1日を通して分布を推定する方法を示す。
論文 参考訳（メタデータ） (2020-10-12T12:35:56Z) - An Artificial Intelligence-Based System to Assess Nutrient Intake for
Hospitalised Patients [4.048427587958764]
入院患者の栄養摂取の定期的なモニタリングは、疾患関連栄養失調のリスクを低減する上で重要な役割を担っている。
本稿では,栄養摂取量を正確に推定する人工知能(AI)に基づく新しいシステムを提案する。
論文 参考訳（メタデータ） (2020-03-18T15:28:51Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。