Abstract— Nutrition-related disease

Abstract— Nutrition-related diseases are nowadays a main
threat to human health and pose great challenges to medical
care. A crucial step to solve the problems is to monitor the
daily food intake of a person precisely and conveniently. For this
purpose, we present AutoDietary, a wearable system to monitor
and recognize food intakes in daily life. An embedded hardware
prototype is developed to collect food intake sensor data, which is
highlighted by a high-fidelity microphone worn on the subject’s
neck to precisely record acoustic signals during eating in a noninvasive
manner. The acoustic data are preprocessed and then sent
to a smartphone via Bluetooth, where food types are recognized.
In particular, we use hidden Markov models to identify chewing
or swallowing events, which are then processed to extract their
time/frequency-domain and nonlinear features. A lightweight
decision-tree-based algorithm is adopted to recognize the type of
food. We also developed an application on the smartphone, which
aggregates the food intake recognition results in a user-friendly
way and provides suggestions on healthier eating, such as better
eating habits or nutrition balance. Experiments show that the
accuracy of food-type recognition by AutoDietary is 84.9%, and
those to classify liquid and solid food intakes are up to 97.6%
and 99.7%, respectively. To evaluate real-life user experience, we
conducted a survey, which collects rating from 53 participants
on wear comfort and functionalities of AutoDietary. Results show
that the current design is acceptable to most of the users.

ผลลัพธ์ (ไทย) 1:

นามธรรมซึ่งหลักในปัจจุบันโรคโภชนาการคุกคามมนุษย์และก่อให้เกิดสุขภาพดีท้าทายการแพทย์ดูแล ขั้นตอนสำคัญเพื่อแก้ปัญหาคือการ ตรวจสอบการรับประทานอาหารประจำวันของบุคคลได้อย่างแม่นยำ และสะดวกสบาย สำหรับการนี้วัตถุประสงค์ เรานำเสนอ AutoDietary ระบบการสวมใส่ในการตรวจสอบและรู้จักการบริโภคอาหารในชีวิตประจำวัน การฝังตัวฮาร์ดแวร์ต้นแบบถูกพัฒนาให้เก็บอาหารบริโภคข้อมูลเซ็นเซอร์ ซึ่งเป็นเน้น โดยไมโครโฟนคุณภาพสูงสวมใส่ของตัวแบบคอตรงบันทึกเสียงสัญญาณระหว่างรับประทานอาหารในแบบ noninvasiveลักษณะ Preprocessed และส่งข้อมูลเสียงกับสมาร์ทโฟนผ่าน Bluetooth ซึ่งเป็นที่ยอมรับอาหารประเภทโดยเฉพาะอย่างยิ่ง เราใช้ซ่อนแบบมาร์คอฟเพื่อระบุการเคี้ยวหรือการกลืนเหตุการณ์ ซึ่งมีการประมวลผลการแยกของพวกเขาคุณลักษณะเวลาถี่ และไม่เชิงเส้น น้ำหนักเบาอัลกอริทึมโดยใช้ต้นไม้ตัดสินใจถูกนำมาใช้ในการจดจำชนิดของอาหาร นอกจากนี้เรายังพัฒนาแอพลิเคชันบนสมาร์ทโฟน ซึ่งรวบรวมผลการบริโภคอาหารในง่ายวิธีการ และให้คำแนะนำเกี่ยวกับสุขภาพดีรับประทานอาหาร เช่นดีกว่ารับประทานอาหารนิสัยหรือโภชนาการสมดุล การทดลองแสดงว่าการความแม่นยำของการรู้จำประเภทอาหารโดย AutoDietary คือ 84.9% และผู้จัดการบริโภคอาหารของเหลว และของแข็งมีถึง 97.6%และ 99.7% ตามลำดับ การประเมินประสบการณ์การใช้ชีวิต เราดำเนินการสำรวจ ที่เก็บรวบรวมคะแนนจาก 53 คนสวมใส่สบายและฟังก์ชันการทำงานของ AutoDietary แสดงผลลัพธ์ว่า การออกแบบปัจจุบันจะยอมรับมากที่สุดของผู้ใช้

ผลลัพธ์ (ไทย) 2:

Abstract- โรคโภชนาการที่เกี่ยวข้องกับปัจจุบันหลัก
ภัยคุกคามต่อสุขภาพของมนุษย์และก่อให้เกิดความท้าทายทางการแพทย์ที่ดีในการ
ดูแล ขั้นตอนสำคัญในการแก้ปัญหาคือการตรวจสอบการ
บริโภคอาหารประจำวันของบุคคลได้อย่างแม่นยำและสะดวก สำหรับครั้งนี้
มีวัตถุประสงค์เพื่อนำเสนอ AutoDietary ระบบสวมใส่ในการตรวจสอบ
และรับรู้การบริโภคอาหารในชีวิตประจำวัน ฮาร์ดแวร์ฝังตัว
ต้นแบบถูกพัฒนาขึ้นเพื่อเก็บรวบรวมข้อมูลเซ็นเซอร์การบริโภคอาหารซึ่งเป็น
ไฮไลต์โดยไมโครโฟนความจงรักภักดีสูงสวมใส่ในเรื่องของ
คอถึงสัญญาณเสียงที่บันทึกได้อย่างแม่นยำในระหว่างการรับประทานอาหารที่ไม่รุกล้ำใน
ลักษณะ ข้อมูลอะคูสติกที่มีการประมวลผลล่วงหน้าและส่งแล้ว
มาร์ทโฟนผ่านบลูทู ธ ที่ประเภทอาหารที่ได้รับการยอมรับก.
โดยเฉพาะอย่างยิ่งเราใช้แบบจำลองมาร์คอฟที่ซ่อนอยู่เพื่อแจ้งเคี้ยว
หรือกลืนเหตุการณ์ซึ่งมีการประมวลผลแล้วจะดึงพวกเขา
คุณลักษณะเวลา / ความถี่โดเมนและไม่เชิงเส้น . ที่มีน้ำหนักเบา
อัลกอริทึมการตัดสินใจต้นไม้ตามถูกนำมาใช้ในการรับรู้ชนิดของ
อาหาร นอกจากนี้เรายังมีการพัฒนาแอพลิเคชันมาร์ทโฟนซึ่ง
รวบรวมผลการรับรู้การรับประทานอาหารในที่ใช้งานง่าย
และวิธีการให้คำแนะนำในการรับประทานอาหารที่ดีต่อสุขภาพเช่นดีกว่า
นิสัยการรับประทานอาหารหรือโภชนาการที่สมดุล การทดลองแสดงให้เห็นว่า
มีความถูกต้องของการรับรู้อาหารชนิดโดย AutoDietary เป็น 84.9% และ
ผู้ที่จะจำแนกประเภทของเหลวและของแข็งการบริโภคอาหารที่มีถึง 97.6%
และ 99.7% ตามลำดับ เพื่อประเมินประสบการณ์การใช้งานในชีวิตจริงเรา
ดำเนินการสำรวจที่รวบรวมคะแนนจาก 53 ผู้เข้าร่วม
ในการสวมใส่สบายและฟังก์ชันการทำงานของ AutoDietary ผลการศึกษาพบ
ว่าการออกแบบในปัจจุบันเป็นที่ยอมรับมากที่สุดของผู้ใช้

ผลลัพธ์ (ไทย) 3:

นามธรรม - โภชนาการโรคที่เกี่ยวข้องในปัจจุบันเป็นหลักภัยคุกคามต่อสุขภาพของมนุษย์และก่อให้เกิดความท้าทายที่ดีในทางการแพทย์การดูแล ขั้นตอนที่สำคัญในการแก้ปัญหาคือการตรวจสอบทุกวัน การบริโภคอาหารของบุคคลได้อย่างถูกต้องและสะดวก สำหรับนี้จุดประสงค์ที่เรานำเสนอ autodietary ระบบได้ตรวจสอบและรู้จักการบริโภคอาหารในชีวิตประจำวัน การฝังอุปกรณ์ตัวต้นแบบถูกพัฒนาขึ้นเพื่อเก็บข้อมูลเซ็นเซอร์การบริโภคอาหาร ซึ่งเป็นเน้นโดยไมโครโฟนมีความเที่ยงตรงสูง สวมใส่ได้ในเรื่องของคอแน่นอนบันทึกสัญญาณเสียงระหว่างการรับประทานอาหารใน noninvasiveลักษณะ ข้อมูลเสียงจะ preprocessed แล้วส่งสำหรับมาร์ทโฟนผ่านทางบลูทู ธที่ประเภทอาหารจะได้รับการยอมรับโดยเฉพาะ เราใช้แบบจำลองฮิดเดนมาร์คอฟระบุเคี้ยวหรือการกลืนเหตุการณ์ซึ่งมีการประมวลผลแล้วเพื่อสกัดพวกเขาเวลา / โดเมนความถี่และคุณลักษณะไม่เชิงเส้น น้ําหนักเบาขั้นตอนวิธีพื้นฐานการตัดสินใจแบบต้นไม้ เป็นลูกบุญธรรมให้รู้จักประเภทของอาหาร นอกจากนี้เรายังพัฒนาแอปพลิเคชันบนสมาร์ทโฟน ซึ่งมวลผลการยอมรับการบริโภคอาหารใน ใช้งานง่ายและให้ข้อเสนอแนะเกี่ยวกับสุขภาพการรับประทานอาหาร เช่น ดีกว่านิสัยการรับประทานอาหารหรือความสมดุลทางโภชนาการ การทดลองแสดงให้เห็นว่าความถูกต้องของการรู้จำประเภทอาหาร โดย autodietary เป็น 84.9 % และผู้จัดและอาหารเหลวและแข็งขึ้นร้อยละ 97.6 และกับ 99.7% ตามลำดับ ประเมินประสบการณ์ผู้ใช้จริงเราได้ทำการสำรวจ ซึ่งรวบรวมคะแนนจาก 53 เข้าร่วมความใส่และฟังก์ชันของ autodietary . ผลลัพธ์ที่แสดงที่ออกแบบในปัจจุบันเป็นที่ยอมรับมากที่สุดของผู้ใช้