[发明专利]用于食物摄入量的参数概率上下文无关文法

说明书

本发明涉及通过连续的进餐重量测量来监测和改变进食行为，并已成功应用于临床实践来治疗肥胖和进食障碍。为此目的，在单次进餐的过程中，使用了具有盘秤的以及受试者的视频记录来帮助临床医生测量相关的食物摄入量参数。在这项工作中，我们提出了只使用重量测量自动构建受试者的食物摄入量曲线的新算法。这消除了直接临床观察或视频记录的需要，从而显著减少了分析所需的手动误差。所提出的算法旨在通过应用使用Delta系数的自适应预处理阶段来识别具体的进餐相关事件(例如咬、食物添加、人为)，随后基于参数概率上下文无关文法对事件进行检测记录的序列。对患有肥胖症或进食障碍的个体以及具有正常BMI的个体的114个进餐的数据集的实验结果证明了所提出的方法的有效性。

技术领域

本发明涉及包括连接到计算机设备的秤的装置，所述计算机设备在屏幕上显示和描绘人从放置在秤上的餐具吃掉的已测量的膳食的食物摄入量曲线，所述秤将进食参数传送到计算机设备，以及涉及其方法。

背景技术

通过连续的进餐重量的测量来监测和改变进食行为已经成功地应用于临床治疗肥胖和进食障碍。为此目的，在单次进餐的过程中，利用具有盘子和秤的以及受试者的视频记录来帮助临床医生测量相关的食物摄入量参数。

肥胖(OB)和进食障碍(ED)，包括神经性厌食症(AN)和神经性贪食症，影响当今很大一部分的现代人口。根据世界卫生组织的数据，2008年有超过5亿人患有OB 。预计未来几年该情况不会好转[8]；事实上，患有OB的人数，以及OB是重要因素的其它疾病[9]，将会显著增加[8]。请参阅下面的标题“参考引文”[1]至[11]。

在[2]中，1996年引入处理方法。是一种小称，其记录以恒定的采样率静置在该称上的盘子(和食物)的重量；从而产生连续的进餐重量记录。然后由临床专家处理该记录，有时在进食的附加视频记录的帮助下，创建进餐的食物摄入量(FI)曲线。根据[6]，可以使用二阶多项式曲线w(t)＝αt²+βt+γ来充分建立累积FI曲线模型，其中α是FI加速度，β是初始FI速率，并且γ＝0，因为在开始记录时没有食物被消耗。

FI曲线建模的理由是基于[10]和[4]中提出的证据，其中两个主要模式在[10]中被确定：线性和减速进食。有趣的是，与以减速进食(α0)为特征的正常人群相比，在[4]中发现OB和ED人群均为线性进食者(α’0)。这证明了进食模式的二次方模型可以用来检测高风险的OB和ED个体。此外，使用可以改变线性进食者的进食模式，如[11]所示，从而降低发生这种疾病的风险。事实上，在[1]中，18年间来自1428名受试者的结果显示74％的缓解率，其中只有10％复发。

但是，记录的处理并不是一项简单的任务。通常，处理记录以创建FI曲线的临床医生严重依赖经验规则和一些猜测，在解释中引入误差。另一方面，可以使用附加的视频记录来帮助临床医生，但是这个过程非常费力并且需要额外的工作(例如同步等)。瑞典斯德哥尔摩的卡罗林斯卡研究所应用神经内分泌科和诊所已经开发出了名为的装置。它由连接到计算机的秤组成。在秤上放置盘子，患者将由治疗师确定的测量过的部分食物放在盘子上，并且计算机在患者进食时记录和存储盘子的重量损失。

这产生了在进餐期间在计算机屏幕上的患者可见的进食速率曲线，并且可以与屏幕上的预设进食曲线相比较。计算机显示器上会定期显示评定量表，患者评定她/ 他的饱胀感/饱腹感。所述量表具有从0(不饱腹)到100(最大饱腹感)的数值。随着患者饱腹感的出现，屏幕上出现圆点，并产生饱腹感(饱胀感)的曲线。因此，患者可以将他们饱胀感的发展与在屏幕上再次预设的“正常”饱胀感曲线进行比较。在“训练”过程中，患者逐渐采用更正常的进食和饱腹感模式，遵循进食期间显示在显示器上的训练曲线。这些方法最初是为了治疗厌食症和神经性贪食症等进食障碍而开发的：他们已经在随机对照试验中进行了评估，估计缓解率为75％。表明在多年以前肥胖者以增加的速度进食，并且使用进行肥胖青少年的初步研究证实了该观察。

发明内容