基于人工智能的应用程序的有效性,以识别成年人的食物和估计能量摄入量:试点研究
Chloe P Lozano1,2, Emma N Canty1, Sanjoy Saha1
1Pennington Biomedical Research Center, Baton Rouge, LA, United States.
Current developments in nutrition
|November 29, 2023
概括
在自动识别食品方面,Openfit显示出有希望的结果,但自动能量估计的错误率很高,特别是在饮料方面. 半自动使用和排除饮料提高了准确性,这表明了饮食评估工具的潜力.
科学领域:
- 营养信息学是一种营养信息学.
- 医疗保健中的人工智能
- 饮食评估技术的技术评估
背景情况:
- Openfit是一个商业应用程序,用于通过视频识别食物摄入量,缺乏同行评审的有效性研究.
- 营养人工智能 (AI) 应用需要严格的验证才能进行可靠的饮食评估.
研究的目的:
- 为了验证Openfit在自动和半自动食品识别方面的准确性.
- 评估Openfit在量化能量摄入量 (kcal) 中的精度.
- 评估用户对Openfit应用程序的满意度和可用性.
主要方法:
- 成年参与者 (N=24) 在实验室环境中使用Openfit进行自动和半自动的饮食记录.
- 食品被秘密称重并与饮食研究食品和营养数据库 (FNDDS) 代码进行比较.
- 布兰德-阿尔特曼分析评估了能量摄入错误; 用户满意度调查 (USS) 和计算机系统可用性问卷 (CSUQ) 进行了管理.
主要成果:
- 自动化食品识别实现了46%的准确匹配;半自动化实现了87%的准确匹配.
- 自动化能源估计有43%的误差与饮料,减少到16%没有.
- 半自动化的能量估计显示,饮料含量有33%的误差,而没有饮料的误差为42%;能量更高的食物的误差更大.
结论:
- 在食品识别方面,Openfit表现出适度的成功,半自动化使用提高了准确性.
- 自动化能源估计需要显著改进,特别是当饮料被包括在内.
- 建议对Openfit的AI,手动输入和整体可用性进行改进,以提高其对饮食评估的有效性.
