基于人工智能的住院患者营养摄入评估系统
计算机视觉与模式识别
2020-03-19 v1 机器学习
图像与视频处理
摘要
对住院患者营养摄入的定期监测在降低疾病相关营养不良风险方面起着关键作用。尽管已开发若干估算营养摄入的方法,但对更可靠且全自动技术的明确需求仍然存在,因为这可提高数据准确性并减轻受试者负担与医疗成本。本文提出一种基于人工智能(AI)的新颖系统,通过简单处理餐前餐后捕获的RGB深度(RGB-D)图像对来准确估算营养摄入。该系统包含用于食物分割的新型多任务上下文网络、由有限训练样本构建的少样本学习分类器用于食物识别,以及用于三维表面构建的算法。这允许顺序进行食物分割、识别与消耗食物体积估算,从而实现每餐营养摄入的全自动估算。为开发并评估该系统,我们组建了一个包含322餐图像与营养配方的新专用数据库,并采用创新策略进行数据标注。实验结果表明,估算的营养摄入与真实值高度相关(>0.91)且平均相对误差很小(<20%),优于现有营养摄入评估技术。
引用
@article{arxiv.2003.08273,
title = {An Artificial Intelligence-Based System to Assess Nutrient Intake for Hospitalised Patients},
author = {Ya Lu and Thomai Stathopoulou and Maria F. Vasiloglou and Stergios Christodoulidis and Zeno Stanga and Stavroula Mougiakakou},
journal= {arXiv preprint arXiv:2003.08273},
year = {2020}
}