支持人工智能的可穿戴摄像头,用于协助非洲人口的饮食评估
Frank P-W Lo1, Jianing Qiu2, Modou L Jobarteh3
1The Hamlyn Centre for Robotic Surgery, Imperial College London, London, UK. po.lo15@imperial.ac.uk.
NPJ digital medicine
|December 5, 2024
概括
研究人员开发了EgoDiet,这是一个可穿戴的摄像系统,用于饮食评估. 这项技术准确地估计了份量大小,超过了传统方法,如营养师评估和现场研究中的24小时召回.
科学领域:
- 营养科学 营养科学
- 计算机视觉 计算机视觉
- 公共卫生 公共卫生
背景情况:
- 传统的饮食评估方法通常依赖于自我报告,这可能是不准确的.
- 准确的饮食评估对于了解人口健康和制定干预措施至关重要.
- 现有的方法在精确的部分大小估计方面扎.
研究的目的:
- 推出EgoDiet,一种使用可穿戴摄像头的新型人口级饮食评估方法.
- 与传统方法相比,评估EgoDiet在估计部分大小方面的准确性.
- 评估在不同人群中使用自我中心视觉进行饮食分析的可行性.
主要方法:
- 开发EgoDiet,一个以自我为中心的以视觉为基础的饮食评估管道.
- 在伦敦 (研究A) 和加纳 (研究B) 进行的实地研究.
- 与饮食师评估和24小时饮食回忆 (24HR) 相比,EgoDiet的份量大小估计.
主要成果:
- 在研究A中,EgoDiet在部分大小估计中实现了31.9%的平均绝对百分比误差 (MAPE),超过了营养师 (40.1%的MAPE).
- 在B研究中,EgoDiet的MAPE为28.0%,明显低于24HR方法 (32.5%的MAPE).
- 结果表明,使用被动摄像头技术,部分大小估计的准确性提高了.
结论:
- EgoDiet为传统的自我报告饮食评估方法提供了一个有希望的,客观的替代方案.
- 可穿戴摄像头技术有可能提高人口饮食摄入量数据的准确性.
- 进一步的研究可以探索将EgoDiet整合到公共卫生监测和营养研究中.
