비디오 분석을 통한 식사 행동 포착: 체계적 검토

현재 식사 행동 사건(즉, 물기, 씹기, 삼키기)을 감지하는 방법은 객관적인 측정, 표준 절차 및 자동화가 부족합니다. 식사 에피소드의 비디오 녹화는 자동화를 위한 비침습적이고 확장 가능한 소스를 제공합니다. 여기서는 비디오 녹화에서 식사 행동 사건을 자동으로 감지하는 현재의 방법들을 검토했습니다. PRISMA 지침에 따라 PubMed, Scopus, ScienceDirect 및 Google Scholar에서 2010-2021년 발행된 논문을 제목 및 초록을 통해 선별하여 277개의 논문을 확인했습니다. 52개의 논문의 전체 텍스트를 검토하고 13개를 분석에 포함시켰습니다. 우리는 유사성을 바탕으로 다섯 가지 뚜렷한 카테고리로 방법을 분류하고 정확성을 분석했습니다. 얼굴 랜드마크는 자동으로 물기, 씹기 및 음식 선호도를 계수할 수 있습니다(정확도: 90%, 60%, 25%). 딥 뉴럴 네트워크는 물기와 제스처 섭취를 감지할 수 있습니다(정확도: 91%, 86%). 능동형 외관 모델은 씹기를 감지할 수 있습니다(정확도: 93%), 그리고 광학 흐름은 씹기를 계수할 수 있습니다(정확도: 88%). 비디오 플루오로스코피는 삼키기를 추적할 수 있지만 현재 임상 환경을 넘어서는 데 적합하지 않습니다. 물기와 씹기에 대한 자동 계수의 최적 방법은 얼굴 랜드마크이지만, 추가적인 개선이 필요합니다. 미래의 방법은 저렴한 하드웨어와 제한된 계산 능력을 사용하여 정확하게 물기, 씹기 및 삼키기를 예측해야 합니다. 자동 식사 행동 분석은 식사 행동의 연구와 건강한 식사 행동을 촉진하기 위한 실시간 개입을 가능하게 할 것입니다.