Das wachsende Bewusstsein für Wellness hat Menschen dazu veranlasst, zu überlegen, ob ihre Ernährungsgewohnheiten mit ihren Gesundheits- und Fitnesszielen übereinstimmen. In Reaktion darauf haben Forscher verschiedene tragbare Systeme zur Überwachung der Ernährung und Ansätze zur Ernährungsbewertung eingeführt. Diese Lösungen sind jedoch entweder darauf beschränkt, Lebensmittel mit einfachen Zutaten zu identifizieren, oder unzureichend in der Bereitstellung einer Analyse individueller Ernährungsverhalten mit fachspezifischem Wissen. In dieser Arbeit präsentieren wir DietGlance, ein System, das automatisch Ernährungsverhalten in täglichen Routinen überwacht und personalisierte Analysen aus Wissensquellen liefert. DietGlance erkennt zunächst Aufnahmeepisoden aus multimodalen Eingaben mithilfe von Brillen, die datenschutzkonforme Mahlzeitbilder von verschiedenen verzehrten Gerichten erfassen. Basierend auf den abgeleiteten Nahrungsmitteln und den konsumierten Mengen aus diesen Bildern bietet DietGlance zudem eine Ernährungsanalyse und personalisierte Ernährungsvorschläge, unterstützt durch das retrieval-augmented generation Modul einer zuverlässigen Ernährungslibrary. Eine kurzzeitige Nutzerstudie (N=33) und eine vierwöchige longitudinale Studie (N=16) zeigen die Benutzerfreundlichkeit und Effektivität von DietGlance und bieten Einblicke sowie Implikationen für zukünftige KI-unterstützte Ernährungsmessung und personalisierte Gesundheitsinterventionssysteme mit Brillen.
Jiang et al. (Mon,) untersuchten diese Frage.
Synapse has enriched 5 closely related papers on similar clinical questions. Consider them for comparative context: