TY -非盟的张,非盟-邓,Kaiwen盟——沈,杰盟- Cai,凌锐盟——Ratitch Bohdana AU - Fu Haoda AU -关,从PY - 2022 DA - 2022/3/1 TI -启用吃检测在一个独立生存的环境:综合工程和机器学习研究乔- J地中海互联网Res SP - e27934六世- 24 - 3 KW -深度学习KW -吃KW -电子表AB -背景:监测饮食对糖尿病、饮食失调、心脏病和痴呆症等许多疾病的护理至关重要。然而，由于缺乏成熟的系统和大规模可靠的训练集，在自由生活环境中自动跟踪进食仍然是一个挑战。目的:本研究旨在通过整合工程和机器学习的努力来填补这一空白，并在基于可穿戴的进食检测的监测时间方面进行大规模研究。方法:这项前瞻性、纵向、被动收集的研究覆盖了3828小时的记录，通过编程一个数字系统，将日记、加速度计和陀螺仪数据从苹果手表传输到iphone，然后将数据传输到云端。结果:在这些数据收集的基础上，我们开发了利用空间和时间增强的深度学习模型，并推断出一般人群在5分钟内曲线下面积(AUC)为0.825的进食情况。此外，研究设计的纵向随访鼓励我们开发个性化模型，以0.872的AUC检测饮食行为。当聚合到单个膳食时，AUC为0.951。然后，我们在一年中不同的季节前瞻性地收集了一个独立的验证队列，并验证了模型的稳健性(餐级聚合为0.941)。结论:该模型和数据流平台的准确性保证了在糖尿病综合护理等应用中监测饮食的即时部署。 SN - 1438-8871 UR - //www.mybigtv.com/2022/3/e27934 UR - https://doi.org/10.2196/27934 UR - http://www.ncbi.nlm.nih.gov/pubmed/35230244 DO - 10.2196/27934 ID - info:doi/10.2196/27934 ER -