情境感知的饮食事件检测：一种仅使用智能手机的方法
人机交互
2022-06-01 v2 多媒体
摘要
尽管先前工作已使用各种可穿戴设备研究自动检测饮食事件的任务，但将智能手机作为独立设备来推断饮食事件仍是一个开放问题。本文提出了一个通过被动智能手机感知来推断饮食与非饮食事件的框架，并在一个包含58名大学生的数据集上进行了评估。首先，我们表明一天中的时间以及来自屏幕使用、加速度计、应用使用和位置等模态的特征可指示饮食与非饮食事件。然后，我们表明使用与受试者无关的机器学习模型可以以0.65的AUROC（受试者工作特征曲线下面积）推断饮食事件，通过个性化技术，与受试者相关模型和混合模型可进一步提升至0.81。此外，我们表明用户在饮食时段周围具有不同的行为和情境习惯，需要特定的特征组来训练完全个性化的模型。这些发现对未来情境感知的移动食物日记应用具有潜在价值：通过仅使用智能手机实现可扩展的基于感知的饮食研究；检测少报的饮食事件从而提高基于自我报告研究的数据质量；提供跟踪食物消耗和生成提醒以按时收集食物日记的功能；以及支持朝向健康饮食实践的移动干预。
引用
@article{arxiv.2205.14191,
title = {Sensing Eating Events in Context: A Smartphone-Only Approach},
author = {Wageesha Bangamuarachchi and Anju Chamantha and Lakmal Meegahapola and Salvador Ruiz-Correa and Indika Perera and Daniel Gatica-Perez},
journal= {arXiv preprint arXiv:2205.14191},
year = {2022}
}
备注
Accepted for publication at IEEE Access