以人工智能为基础的数字图像饮食评估方法与人类相比和基本真相:系统审查

科学领域:

• 营养科学 营养科学
• 计算机科学 计算机科学
• 生物技术是生物技术.

背景情况:

• 人类错误估计食物摄入量引入了营养研究中的偏见.
• 人工智能 (AI) 提供了自动饮食评估的潜力,但其准确性尚未得到充分证实.

研究的目的:

• 系统地审查研究,比较基于人工智能的饮食评估数字图像与人类评估者和地面真相.
• 评估人工智能方法在估计食物摄入量的整体准确性.

主要方法:

• 从2010年到2023年出版的同行评审文章的系统审查.
• 搜索了四个电子数据库并进行了参考挖掘.
• 对人工智能估计的体积,能量或营养素提取的数据;记录了潜在的偏差来源.

主要成果:

• 包括52项研究,其中79%使用卷积神经网络用于食品检测/分类.
• 人工智能与基本真相的平均相对误差在卡路里方面为0.10%至38.3%,体积方面为0.09%至33%.
• 图像中单一/简单食物的相对误差较小.

结论:

• 人工智能方法对体积和卡路里估计的准确性与人类评估相美.
• 食品图像数据库和报告中的变量阻碍了元分析.
• 标准化的大规模数据库和一致的错误报告对于推进饮食评估中的AI至关重要.