ByteTrack analizează automatizat comportamentul alimentar la copii, pentru prevenirea obezității infantile

Un grup de cercetători de la Universitatea din Pennsylvania a dezvoltat un sistem de învățare profundă denumit ByteTrack, capabil să detecteze automat momentele în care copiii iau o înghițitură de mâncare și să evalueze viteza de alimentație. Studiul, publicat în 2025 în Frontiers in Nutrition, propune o metodă non-invazivă și automatizată de analiză a comportamentului alimentar la copii, înlocuind codificarea manuală laborioasă folosită până acum.
Analiza microstructurii unei mese – adică parametrii precum numărul de înghițituri, dimensiunea acestora, viteza de alimentație și durata mesei – oferă informații valoroase despre comportamentele alimentare individuale și riscul de obezitate. În special în rândul copiilor, un ritm rapid de alimentație sau înghițituri mari sunt asociate cu un aport caloric crescut și un risc mai mare de obezitate. Totuși, analiza manuală a înregistrărilor video este costisitoare și consumatoare de timp, limitând posibilitatea extinderii studiilor la scară largă.

Metodele anterioare bazate pe senzori purtabili, cum ar fi accelerometrele sau microfoanele, prezintă numeroase limitări: pot confunda alte mișcări ale mâinii cu înghițituri, se adaptează greu la diferite moduri de a mânca (de exemplu, cu bețișoare, linguri sau cu mâna) și nu funcționează fiabil în medii naturale. În acest context, ByteTrack a fost dezvoltat pentru a automatiza detecția înghițiturilor folosind date video și algoritmi de învățare profundă, cu scopul de a obține o evaluare precisă și scalabilă a comportamentului alimentar.

Despre studiu

Participanți și designul studiului

Modelul ByteTrack a fost antrenat pe 242 de înregistrări video totalizând 4.770 minute, provenind de la 94 de copii cu vârste între 7 și 9 ani. Fiecare copil a participat la patru mese de laborator, separate de o săptămână, în cadrul proiectului Food and Brain Study. Copiii au fost împărțiți în funcție de riscul familial de obezitate, pe baza indicelui de masă corporală matern. Toți participanții aveau valori sub percentila 90 pentru vârstă la momentul inițial.

Protocolul meselor de laborator

În cadrul fiecărei sesiuni, copiii au primit mese compuse din alimente obișnuite (macaroane cu brânză, nuggets de pui, struguri și broccoli), cu dimensiuni ale porțiilor variabile (incrementate cu ~33% între sesiuni). Copiii au fost lăsați să mănânce liber, timp de maximum 30 de minute, până la sațietate, în timp ce ascultau o poveste non-alimentară. Toate sesiunile au fost filmate cu camere video montate pe perete, la 30 de cadre pe secundă, fără ca cei mici să fie conștienți de scopul observației.

Arhitectura și antrenarea modelului ByteTrack

Sistemul ByteTrack utilizează o structură în două etape:

• Modelul 1 – detecția feței: folosește combinația dintre YOLOv7 (pentru viteză) și Faster R-CNN (pentru precizie) pentru a identifica și urmări fața copilului în fiecare cadru. Această etapă elimină zgomotul vizual și se asigură că analiza se concentrează doar pe participantul vizat.
• Modelul 2 – clasificarea înghițiturilor: analizează mișcările faciale pentru a determina dacă o acțiune corespunde unei înghițituri reale. Această etapă folosește o rețea neuronală EfficientNet-CNN pentru extragerea trăsăturilor vizuale și o rețea LSTM-RNN pentru a interpreta succesiunea temporală a mișcărilor.

Modelul a fost antrenat pe o bază de date echilibrată conținând peste 80.000 de secvențe video (jumătate reprezentând înghițituri reale și jumătate non-înghițituri). Optimizarea s-a realizat prin ajustări de hiperparametri, folosind algoritmi precum Adam și tehnici de reglare (dropout, oversampling SMOTE, undersampling aleatoriu).

Rezultate

Performanța modelului

În ceea ce privește detecția feței, combinația dintre YOLOv7 și Faster R-CNN a atins o precizie de 99,2%, un recall de 98,3% și un scor F1 de 98,7%. Pentru clasificarea înghițiturilor, modelul LSTM-RNN a obținut o precizie medie de 72,8% și un recall de 80,9% (scor F1 = 76,2%).

Pe setul complet de testare (51 de înregistrări video), ByteTrack a obținut un F1 general de 70,6%, cu o variabilitate notabilă între subiecți (F1 între 26,3% și 91,2%). În medie, procesarea unui video de 30 de minute a durat 25–30 de minute pe un laptop standard, comparativ cu 70–80 de minute pentru codificarea manuală dublă.

Corelația cu evaluarea manuală

Concordanța dintre ByteTrack și codificarea manuală, măsurată prin coeficientul de corelație intraclasa (ICC), a fost 0,66, indicând o fiabilitate moderată. Deși modelul a supraestimat frecvent numărul total de înghițituri, acesta a păstrat o corelație semnificativă cu valorile reale (r = 0,35). Estimarea duratei mesei a fost mai precisă (r = 0,83; R² = 0,69), dar cu o ușoară tendință de subestimare.

Analiza comparativă a arătat că, deși sistemul tinde să identifice prea multe înghițituri la începutul mesei și prea puține în etapele finale, el reușește să surprindă dinamica generală a comportamentului alimentar.

Interpretare

ByteTrack reprezintă primul sistem automatizat de analiză a comportamentului alimentar dezvoltat special pentru copii. Performanța sa moderată, dar consistentă, demonstrează potențialul real al abordărilor bazate pe inteligență artificială în studiul obezității pediatrice.

Comparativ cu metodele tradiționale de codificare video manuală, ByteTrack reduce semnificativ timpul necesar analizei și elimină variabilitatea inter-observator. În viitor, extinderea acestui sistem la înregistrări realizate în medii naturale – cum ar fi acasă sau la școală – ar putea permite o monitorizare non-invazivă a comportamentului alimentar la scară populațională.

Autorii propun ca versiuni viitoare ale modelului să includă:

• antrenare pe seturi de date mai variate (luminozitate, mișcări, unghiuri de filmare);
• diferențiere explicită între înghițituri și înghițituri de lichide (sorbituri);
• integrarea cu modele de estimare a porțiilor și recunoaștere a alimentelor;
• implementare pe dispozitive mobile pentru monitorizarea naturală a meselor.

Concluzii

Studiul demonstrează că ByteTrack poate reprezenta o soluție viabilă pentru automatizarea analizei comportamentului alimentar la copii, reducând semnificativ efortul de codificare manuală. Deși performanța sa este încă perfectibilă, modelul deschide calea către evaluarea în timp real a microstructurii meselor și oferă perspective promițătoare pentru cercetările viitoare privind obezitatea pediatrică și intervențiile nutriționale personalizate.