loader

Διατροφική αξιολόγηση βάσει εικόνας

Στις μέρες μας, η γενικευμένη χρήση των έξυπνων κινητών τηλεφώνων, σε συνδυασμό με τις συνεχείς προόδους στον τομέα της Τεχνητής Νοημοσύνης, των συστημάτων mHealth, και της όρασης υπολογιστών, παρουσιάζουν μια συναρπαστική προοπτική τόσο για επαγγελματίες όσο και για άτομα, να παρακολουθούν και να καταγράφουν τα διατροφικές τους συνήθειες σε καθημερινή βάση. Αυτό γίνεται εφικτό μέσω της χρήσης εφαρμογών διατροφικής αξιολόγησης, συστημάτων και έξυπνων συσκευών. Οι εφαρμογές διατροφικής αξιολόγησης έχουν επινοηθεί για την αυτόματη παρακολούθηση, καταγραφή και υπολογισμό της καθημερινής διατροφικής κατανάλωσης ενός ατόμου χωρίς να απαιτείται η συμμετοχή του. Τα κύρια μέρη του προτεινόμενου συστήματος διατροφικής αξιολόγησης με χρήση εικόνων φαγητών που προέρχονται από smartphone είναι: (i) η βάση δεδομένων εικόνων φαγητών, (ii) το υποσύστημα κατάτμησης εικόνων φαγητού, (iii) το υποσύστημα ταξινόμησης εικόνων φαγητού, (iv) το υποσύστημα εκτίμησης όγκου ή βάρους, και (v) η βάση δεδομένων θρεπτικών και μακροθρεπτικών συστατικών.

[1] F. S. Konstantakopoulos et al., “GlucoseML Mobile
Application for Automated Dietary Assessment of Mediterranean Food,” in
2022 44th Annual International Conference of the IEEE Engineering in Medicine
& Biology Society (EMBC), 2022, pp. 1432-1435: IEEE

[2] F. S. Konstantakopoulos, E. I. Georga and D. I.
Fotiadis, “An Automated Image-Based Dietary Assessment System for
Mediterranean Foods,” in IEEE Open Journal of Engineering in Medicine and
Biology, vol. 4, pp. 45-54, 2023,

[3] F. S. Konstantakopoulos, E. I. Georga, and D.
I. Fotiadis, “A Review of Image-based Food Recognition and Volume
Estimation Artificial Intelligence Systems,” IEEE Reviews in Biomedical
Engineering, pp. 1-17, 2023.