机构名称：
¥ 1.0
摘要 — 定期监测住院患者的营养摄入量对于降低疾病相关营养不良风险起着至关重要的作用。尽管已经开发出多种估算营养摄入量的方法，但显然仍然需要一种更可靠、完全自动化的技术，因为这可以提高数据准确性并减轻参与者的负担和医疗成本。在本文中，我们提出了一种基于人工智能 (AI) 的新型系统，通过简单处理餐前和餐后捕获的 RGB 深度 (RGB-D) 图像对来准确估算营养摄入量。该系统包括一个用于食物分割的新型多任务上下文网络、一个由有限训练样本构建的用于食物识别的基于少量学习的分类器，以及一个用于 3D 表面构建的算法。这允许对食物进行顺序分割、识别和估计消耗的食物量，从而可以全自动估计每餐的营养摄入量。为了开发和评估该系统，我们组建了一个专用的新数据库，其中包含 322 份膳食的图像和营养食谱，并使用创新策略结合数据注释。实验结果表明，估计的营养摄入量与基本事实高度相关（> 0.91），平均相对误差非常小（< 20%），优于现有的营养摄入量评估技术。
基于人工智能的营养评估系统...
主要关键词
相关文件推荐
