OptiTexture:一种低成本的光学深度学习解决方案,用于在吞咽障碍护理中客观评估食物质地

《Proceedings of the ACM on Interactive, Mobile, Wearable and Ubiquitous Technologies》:OptiTexture: A Low-Cost, Optical-Deep Learning Solution for Objective Food Texture Assessment in Dysphagia Care

【字体: 大 中 小 】 时间:2026年07月13日 来源:Proceedings of the ACM on Interactive, Mobile, Wearable and Ubiquitous Technologies

编辑推荐:

  摘要AI总结要查看此由AI生成的总结,您需要拥有高级访问权限。了解更多登录摘要摘要对于吞咽障碍患者而言,准确的食品质地评估对于防止可能危及生命的吸入事件至关重要。然而,目前的临床实践依赖于主观测试,而非专业人士操作时容易出现较大误差,因此亟需一种客观的评估工具。在这项研究中,我们

  

摘要

摘要

对于吞咽障碍患者而言,准确的食品质地评估对于防止可能危及生命的吸入事件至关重要。然而,目前的临床实践依赖于主观测试,而非专业人士操作时容易出现较大误差,因此亟需一种客观的评估工具。在这项研究中,我们提出了一种低成本(低于20美元)的多模态系统,该系统通过结合时域光散射技术和RGB成像技术来客观评估食品质地。该系统充分利用了这两种传感技术的优势:时域光散射技术能够捕捉反映食品微观结构以及硬度、颗粒大小等机械特性的光散射特征,而RGB成像技术则可以提供表面几何形状和宏观视觉信息。一个关键挑战在于,低成本的时域光散射硬件产生的信号易受干扰,导致与质地相关的信息被化学因素和环境因素掩盖。为了解决这个问题,我们设计了一种基于物理原理的多尺度卷积特征提取器,该提取器针对光散射的时间特性进行了优化,同时还采用了对比学习策略,将微观结构纹理特征与干扰因素区分开来。此外,为了解决这些地下散射信号与可能存在冲突的表面图像特征之间的融合问题,我们提出了物理信息注意力机制。该机制能够以纹理参数为指引,动态调整两种数据模式,从而实现无冲突的融合。在112个经过临床标注的食品样本上进行的测试显示,我们的系统在分类国际吞咽障碍饮食标准化计划规定的等级(L3-L6)时,准确率达到了91.96%,相比仅依靠视觉信息的基准方法提升了22.32%。而且,该系统在不同的光照和温度环境下仍能保持稳定的性能。这些结果表明,这种解决方案能够让非专业人士在家庭或护理场所进行可靠、客观的食品质地评估。

AI总结

AI生成的总结(实验性)

此总结是通过自动化工具生成的,并非由文章作者撰写或审核。它旨在帮助读者发现相关内容、判断文章相关性,以及帮助来自相关研究领域的读者理解本文内容。它是对作者提供的摘要的补充,而作者提供的摘要仍是文章的主要总结。全文仍是权威版本。点击此处了解更多。

点击此处,可以对这个总结的准确性、清晰度及实用性发表意见。您的反馈将有助于进一步优化未来的总结版本。

要查看此由AI生成的通俗语言总结,您需要拥有高级访问权限。

相关新闻
生物通微信公众号
微信
新浪微博
  • 搜索
  • 国际
  • 国内
  • 人物
  • 产业
  • 热点
  • 科普

热点排行

    今日动态 | 人才市场 | 新技术专栏 | 中国科学人 | 云展台 | BioHot | 云讲堂直播 | 会展中心 | 特价专栏 | 技术快讯 | 免费试用

    版权所有 生物通

    Copyright© eBiotrade.com, All Rights Reserved

    联系信箱:

    粤ICP备09063491号