< Terug naar vorige pagina

Project

Automatische opmeting van voedselinname bij ouderen

Het opvolgen van het voedingspatroon is belangrijk in het voorkomen van ondervoeding bij oudere personen. Traditionele manieren om het voedingspatroon op te meten, ook wel voedselmonitoring genoemd, werken typisch met pen-en-papier voedseldagboeken of vragenlijsten. In een voedseldagboek wordt de hoeveelheid voedsel dat dagelijks geconsumeerd wordt nauwkeurig bijgehouden. Hoewel digitale versies hiervan bestaan, moeten ze manueel ingevuld worden door de persoon of een mantelzorger, vaak meerdere keren per dag. De ingevulde informatie kan onvolledig zijn of fouten bevatten. Deze methodes gelden als gouden standaard voor het opvolgen van het voedingspatroon, maar ze worden door hun arbeidsintensiviteit zelden gebruikt door ouderen. Zorgpersoneel heeft typisch ook niet de tijd om hierbij te helpen. Dit terwijl voeding een belangrijke parameter is in de gezondheidsstatus van ouderen. Ondervoeding is gelinkt aan verminderde spiersterkte, slecht genezende wonden en een verhoogde ziekenhuisopnametijd en sterftecijfer. Door ondervoeding te vermijden kunnen deze problemen verminderen en kan de algemene levenskwaliteit van de oudere worden verbeterd. Een routine monitoring voor de herkenning van ondervoeding zou opgenomen moeten worden in de dagelijkse zorg van oudere personen.

Technologie kan hierin een belangrijke rol spelen. Sensoren kunnen worden gebruikt om eetactiviteit en hoeveelheid automatisch op te meten. Deze informatie kan gebruikt worden om het traditioneel voedseldagboek automatisch in te vullen, wat de werklast voor de gebruiker vermindert. Verschillende soorten sensoren zijn reeds voorgesteld in de literatuur om deze taak uit te voeren, van draagbare activiteit trackers, tot een weegschaal ingebouwd in de eettafel of camera gebaseerde methodes in de vorm van een app op de smartphone. Onderzoek dat toegespitst is specifiek op oudere personen is echter beperkt. De draagbare systemen uit de literatuur zijn niet altijd comfortabel voor langdurig gebruik en kunnen stigmatiserend zijn. Een weegplatform ingebouwd in de tafel vergt de nodige aanpassingen aan de infrastructuur en ouderen kunnen niet altijd even goed overweg met een smartphone. Er is een nood aan tools die makkelijker en comfortabeler zijn voor gebruik door oudere personen voor het opmeten van het dagelijks eetpatroon.

In deze thesis worden twee systemen en bijhorende algoritmes voorgesteld. Het eerste is een draagbaar systeem met een accelerometer bevestigd op de bril van de persoon. De bril dient om de sensor te bevestigen in de nabijheid van het hoofd. Het montuur van de bril maakt rond de oren contact met de spieren die bewegen tijdens de kauwbeweging. De trillingen en bewegingen van het kauwen worden via het montuur doorgegeven aan de accelerometer, waar het wordt omgezet in een signaal waarmee kauwbeweging is te onderscheiden van andere activiteiten. Op deze manier kan eetactiviteit automatisch gemeten worden. Het algoritme is gebouwd en getest met data opgenomen bij ouderen in een woon-zorgcentrum. De resultaten tonen aan dat kauwbeweging op deze manier gedetecteerd kan worden.

Verder wordt er een slim bord getoond. Een prototype van dit slim bord werd gebouwd tijdens het onderzoek. Het systeem omvat een kunststof bord met 3 vakken dat gemonteerd wordt op een basisstation. Sensoren in het basisstation meten het gewicht van het eten op het bord tijdens de maaltijd. Hiermee is de hoeveelheid opgegeten voedsel te meten. Het vernieuwende aspect van dit systeem is dat individuele happen kunnen gedetecteerd en gelokaliseerd worden op het bord. Happen worden toegewezen aan het vak waaruit ze genomen zijn. Indien men op voorhand weet welk type voedsel er in elk vak ligt, kan het aantal opgenomen calorieën worden bepaald per vak en voor de totale maaltijd. Alle elektronica en sensoren zitten verwerkt in het basisstation, het kunststof bord wordt enkel gemonteerd op de sensoren zonder verdere aanpassing. Data van ouderen in een woon-zorgcentrum en ziekenhuis werd gebruikt voor het bouwen en testen van een algoritme om individuele happen te detecteren. De resultaten tonen aan dat het systeem werkt zoals verwacht en het algoritme is in staat om happen te detecteren en lokaliseren tijdens normale maaltijden.

Tot slot wordt er een studie voorgesteld die onderzoekt of het mogelijk is om extra parameters te extraheren uit de happen gedetecteerd met het slim bord. Deze parameters kunnen worden gebruikt om bepaalde gedragspatronen te herkennen tijdens de maaltijd, wat interessant kan zijn voor studies naar het gedrag van personen tijdens het eten.

Het werk dat voorgesteld wordt in deze thesis heeft het potentieel om het toepassen van voedselmonitoring bij ouderen te vergemakkelijken. Verder is er een mogelijkheid tot het gebruiken van de technologie in een breder toepassingsgebied bij jongere gebruikers

Datum:1 okt 2013 →  18 jan 2019
Trefwoorden:food intake monitoring, sensors, machine learning, ageing population, Healthcare decision support systems
Disciplines:Toegepaste wiskunde, Controlesystemen, robotica en automatisatie, Ontwerptheorieën en -methoden, Mechatronica en robotica, Computertheorie, Computerarchitectuur en -netwerken, Distributed computing, Informatiewetenschappen, Informatiesystemen, Programmeertalen, Scientific computing, Theoretische informatica, Visual computing, Andere informatie- en computerwetenschappen, Modellering, Biologische systeemtechnologie, Signaalverwerking
Project type:PhD project