使用商用耳塞的每口进食重量估计

虽然我们身体活动的自动追踪与测量是一个成熟的领域，不仅在研究中，也在商业产品和日常生活方式中，但进食行为的自动测量则明显受限。尽管文献中有大量可用的方法和算法，商业解决方案大多局限于智能手机的数字记录应用。限制此类方案采用的一个因素是它们通常需要专门的硬件或传感器。基于此，我们评估了仅基于商用耳塞（三星Galaxy Buds）捕获的音频信号来估计所消耗食物重量（每口）的潜力。具体而言，我们考察了特征组合（音频与非音频特征）和可训练估计器（线性回归、支持向量回归和基于神经网络的估计器），并在一个由8名参与者和4种食物类型组成的内部数据集上评估。结果表明该方法的良好潜力：当训练特定食物模型时，我们在4种食物类型中有3种的平均绝对误差小于1 g，而在所有食物类型上联合训练时为2.1 g，两者均优于现有文献方法。