通过自动图像识别设备在医院评估现实生活中的食物消耗:试点研究

科学领域:

• 医疗保健中的人工智能
• 机器学习用于营养评估
• 医学信息学和技术 医学信息学和技术

背景情况:

• 准确的饮食摄入量评估对于医院营养护理至关重要,但是劳动密集型的,并非常规执行.
• 人工智能 (AI) 为自动化和简化饮食评估过程提供了一个潜在的解决方案.
• 本研究评估了一种人工智能驱动的图像识别原型,用于医院餐饮中的自动化饮食摄入量评估.

研究的目的:

• 评估基于AI的图像识别原型的可行性,用于在医院环境中自动化饮食摄入评估.
• 与手动称重相比,评估人工智能原型在估计食品成分重量的准确性.

主要方法:

• 数据来自医院病房的住院饮食,分为算法开发和评估阶段.
• 分析了六道菜,其成分分为谷物/粉食品,肉/鱼和蔬菜.
• 人工智能原型 (PRO) 估计与人工称重 (MAN) 估计相比,使用林的一致性相关系数 (CCC) 和回归模型.

主要成果:

• 人工智能原型与谷物/粉食品的手动称重之间高度一致 (CCC=0.957).
• 对肉/鱼 (CCC=0.845) 和蔬菜 (CCC=0.767) 的适度协议.
• 体重估计的平均差异因食物类别而异,蔬菜有显著差异.

结论:

• 基于人工智能的系统证明了在医院评估食品类型和部分的可行性.
• 该原型显示了自动化饮食摄入量评估的潜力,有助于营养护理.
• 需要进一步改进,以确保在直接的患者护理环境中可靠的应用.