CN111247591A - 用于估计食物中的营养元素含量的方法、设备和*** - Google Patents
用于估计食物中的营养元素含量的方法、设备和*** Download PDFInfo
- Publication number
- CN111247591A CN111247591A CN201880070367.7A CN201880070367A CN111247591A CN 111247591 A CN111247591 A CN 111247591A CN 201880070367 A CN201880070367 A CN 201880070367A CN 111247591 A CN111247591 A CN 111247591A
- Authority
- CN
- China
- Prior art keywords
- nutrient content
- food
- individual
- proficiency
- estimate
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
- 235000013305 food Nutrition 0.000 title claims abstract description 413
- 235000021049 nutrient content Nutrition 0.000 title claims abstract description 289
- 238000000034 method Methods 0.000 title claims abstract description 179
- 238000002560 therapeutic procedure Methods 0.000 claims abstract description 50
- 238000011282 treatment Methods 0.000 claims abstract description 47
- 206010012601 diabetes mellitus Diseases 0.000 claims abstract description 10
- 235000015097 nutrients Nutrition 0.000 claims description 89
- NOESYZHRGYRDHS-UHFFFAOYSA-N insulin Chemical compound N1C(=O)C(NC(=O)C(CCC(N)=O)NC(=O)C(CCC(O)=O)NC(=O)C(C(C)C)NC(=O)C(NC(=O)CN)C(C)CC)CSSCC(C(NC(CO)C(=O)NC(CC(C)C)C(=O)NC(CC=2C=CC(O)=CC=2)C(=O)NC(CCC(N)=O)C(=O)NC(CC(C)C)C(=O)NC(CCC(O)=O)C(=O)NC(CC(N)=O)C(=O)NC(CC=2C=CC(O)=CC=2)C(=O)NC(CSSCC(NC(=O)C(C(C)C)NC(=O)C(CC(C)C)NC(=O)C(CC=2C=CC(O)=CC=2)NC(=O)C(CC(C)C)NC(=O)C(C)NC(=O)C(CCC(O)=O)NC(=O)C(C(C)C)NC(=O)C(CC(C)C)NC(=O)C(CC=2NC=NC=2)NC(=O)C(CO)NC(=O)CNC2=O)C(=O)NCC(=O)NC(CCC(O)=O)C(=O)NC(CCCNC(N)=N)C(=O)NCC(=O)NC(CC=3C=CC=CC=3)C(=O)NC(CC=3C=CC=CC=3)C(=O)NC(CC=3C=CC(O)=CC=3)C(=O)NC(C(C)O)C(=O)N3C(CCC3)C(=O)NC(CCCCN)C(=O)NC(C)C(O)=O)C(=O)NC(CC(N)=O)C(O)=O)=O)NC(=O)C(C(C)CC)NC(=O)C(CO)NC(=O)C(C(C)O)NC(=O)C1CSSCC2NC(=O)C(CC(C)C)NC(=O)C(NC(=O)C(CCC(N)=O)NC(=O)C(CC(N)=O)NC(=O)C(NC(=O)C(N)CC=1C=CC=CC=1)C(C)C)CC1=CN=CN1 NOESYZHRGYRDHS-UHFFFAOYSA-N 0.000 claims description 70
- 102000004877 Insulin Human genes 0.000 claims description 35
- 108090001061 Insulin Proteins 0.000 claims description 35
- 229940125396 insulin Drugs 0.000 claims description 35
- 238000012360 testing method Methods 0.000 claims description 30
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 claims description 19
- 239000008280 blood Substances 0.000 claims description 13
- 210000004369 blood Anatomy 0.000 claims description 13
- WQZGKKKJIJFFOK-GASJEMHNSA-N Glucose Natural products OC[C@H]1OC(O)[C@H](O)[C@@H](O)[C@@H]1O WQZGKKKJIJFFOK-GASJEMHNSA-N 0.000 claims description 12
- 239000008103 glucose Substances 0.000 claims description 12
- 201000010099 disease Diseases 0.000 claims description 11
- 235000016709 nutrition Nutrition 0.000 claims description 11
- 208000035475 disorder Diseases 0.000 claims description 8
- 238000012937 correction Methods 0.000 claims description 6
- 239000000126 substance Substances 0.000 claims description 6
- 230000035764 nutrition Effects 0.000 claims description 5
- 150000001720 carbohydrates Chemical class 0.000 description 71
- 235000014633 carbohydrates Nutrition 0.000 description 71
- 239000003925 fat Substances 0.000 description 35
- 235000018102 proteins Nutrition 0.000 description 35
- 102000004169 proteins and genes Human genes 0.000 description 35
- 108090000623 proteins and genes Proteins 0.000 description 35
- 238000004590 computer program Methods 0.000 description 32
- 238000004891 communication Methods 0.000 description 22
- 238000012549 training Methods 0.000 description 17
- 235000012054 meals Nutrition 0.000 description 13
- 235000019197 fats Nutrition 0.000 description 10
- 238000012358 sourcing Methods 0.000 description 8
- 230000003247 decreasing effect Effects 0.000 description 7
- 230000037213 diet Effects 0.000 description 5
- 235000005911 diet Nutrition 0.000 description 5
- 230000008569 process Effects 0.000 description 5
- 230000000977 initiatory effect Effects 0.000 description 4
- 238000012986 modification Methods 0.000 description 4
- 230000004048 modification Effects 0.000 description 4
- 230000003287 optical effect Effects 0.000 description 4
- 230000008878 coupling Effects 0.000 description 3
- 238000010168 coupling process Methods 0.000 description 3
- 238000005859 coupling reaction Methods 0.000 description 3
- 229940079593 drug Drugs 0.000 description 3
- 239000003814 drug Substances 0.000 description 3
- 230000000694 effects Effects 0.000 description 3
- 230000006870 function Effects 0.000 description 3
- -1 (2) calories Chemical class 0.000 description 2
- 208000015943 Coeliac disease Diseases 0.000 description 2
- 201000010538 Lactose Intolerance Diseases 0.000 description 2
- 206010067584 Type 1 diabetes mellitus Diseases 0.000 description 2
- 230000008901 benefit Effects 0.000 description 2
- HVYWMOMLDIMFJA-DPAQBDIFSA-N cholesterol Chemical compound C1C=C2C[C@@H](O)CC[C@]2(C)[C@@H]2[C@@H]1[C@@H]1CC[C@H]([C@H](C)CCCC(C)C)[C@@]1(C)CC2 HVYWMOMLDIMFJA-DPAQBDIFSA-N 0.000 description 2
- 230000006872 improvement Effects 0.000 description 2
- 238000007726 management method Methods 0.000 description 2
- 238000004519 manufacturing process Methods 0.000 description 2
- 239000000463 material Substances 0.000 description 2
- 239000000203 mixture Substances 0.000 description 2
- 230000000050 nutritive effect Effects 0.000 description 2
- 230000002093 peripheral effect Effects 0.000 description 2
- 238000012545 processing Methods 0.000 description 2
- 208000001072 type 2 diabetes mellitus Diseases 0.000 description 2
- 208000001145 Metabolic Syndrome Diseases 0.000 description 1
- 208000008589 Obesity Diseases 0.000 description 1
- 201000000690 abdominal obesity-metabolic syndrome Diseases 0.000 description 1
- 210000000577 adipose tissue Anatomy 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- 238000013528 artificial neural network Methods 0.000 description 1
- 230000001413 cellular effect Effects 0.000 description 1
- 239000002131 composite material Substances 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 238000002474 experimental method Methods 0.000 description 1
- 239000000835 fiber Substances 0.000 description 1
- 230000014509 gene expression Effects 0.000 description 1
- 230000036541 health Effects 0.000 description 1
- 208000019622 heart disease Diseases 0.000 description 1
- 229910052500 inorganic mineral Inorganic materials 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 239000007788 liquid Substances 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 239000011707 mineral Substances 0.000 description 1
- 235000010755 mineral Nutrition 0.000 description 1
- 210000003205 muscle Anatomy 0.000 description 1
- 235000020824 obesity Nutrition 0.000 description 1
- 238000013439 planning Methods 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 238000004088 simulation Methods 0.000 description 1
- 239000002689 soil Substances 0.000 description 1
- 238000000638 solvent extraction Methods 0.000 description 1
- 239000013589 supplement Substances 0.000 description 1
- 230000007723 transport mechanism Effects 0.000 description 1
- 238000012384 transportation and delivery Methods 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
- 235000013343 vitamin Nutrition 0.000 description 1
- 229940088594 vitamin Drugs 0.000 description 1
- 229930003231 vitamin Natural products 0.000 description 1
- 239000011782 vitamin Substances 0.000 description 1
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 1
- 230000004580 weight loss Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
- G16H20/00—ICT specially adapted for therapies or health-improving plans, e.g. for handling prescriptions, for steering therapy or for monitoring patient compliance
- G16H20/60—ICT specially adapted for therapies or health-improving plans, e.g. for handling prescriptions, for steering therapy or for monitoring patient compliance relating to nutrition control, e.g. diets
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/145—Measuring characteristics of blood in vivo, e.g. gas concentration, pH value; Measuring characteristics of body fluids or tissues, e.g. interstitial fluid, cerebral tissue
- A61B5/14532—Measuring characteristics of blood in vivo, e.g. gas concentration, pH value; Measuring characteristics of body fluids or tissues, e.g. interstitial fluid, cerebral tissue for measuring glucose, e.g. by tissue impedance measurement
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/74—Details of notification to user or communication with user or patient ; user input means
- A61B5/7475—User input or interface means, e.g. keyboard, pointing device, joystick
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
- G16H20/00—ICT specially adapted for therapies or health-improving plans, e.g. for handling prescriptions, for steering therapy or for monitoring patient compliance
- G16H20/10—ICT specially adapted for therapies or health-improving plans, e.g. for handling prescriptions, for steering therapy or for monitoring patient compliance relating to drugs or medications, e.g. for ensuring correct administration to patients
- G16H20/17—ICT specially adapted for therapies or health-improving plans, e.g. for handling prescriptions, for steering therapy or for monitoring patient compliance relating to drugs or medications, e.g. for ensuring correct administration to patients delivered via infusion or injection
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N33/00—Investigating or analysing materials by specific methods not covered by groups G01N1/00 - G01N31/00
- G01N33/48—Biological material, e.g. blood, urine; Haemocytometers
- G01N33/483—Physical analysis of biological material
- G01N33/487—Physical analysis of biological material of liquid biological material
- G01N33/48785—Electrical and electronic details of measuring devices for physical analysis of liquid biological material not specific to a particular test method, e.g. user interface or power supply
- G01N33/48792—Data management, e.g. communication with processing unit
Landscapes
- Health & Medical Sciences (AREA)
- Engineering & Computer Science (AREA)
- Life Sciences & Earth Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Medical Informatics (AREA)
- Public Health (AREA)
- Epidemiology (AREA)
- Primary Health Care (AREA)
- Physics & Mathematics (AREA)
- Biophysics (AREA)
- Molecular Biology (AREA)
- Veterinary Medicine (AREA)
- Animal Behavior & Ethology (AREA)
- Pathology (AREA)
- Biomedical Technology (AREA)
- Heart & Thoracic Surgery (AREA)
- Surgery (AREA)
- Nutrition Science (AREA)
- Chemical & Material Sciences (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Medicinal Chemistry (AREA)
- Optics & Photonics (AREA)
- Emergency Medicine (AREA)
- Medical Treatment And Welfare Office Work (AREA)
Abstract
提供了用于改进来自一个或多个个体的营养元素含量估计和/或基于营养元素含量估计来确定疗法或治疗并改进糖尿病管理的***和方法。该***和方法包括基于至少一个营养元素含量估计和分别分配给个体的至少一个熟练指数的疗法或治疗显示，以提高在估计食物中的营养元素含量时的准确性和可靠性和/或改进基于此的疗法或治疗。
Description
相关申请的交叉引用
本公开要求2017年8月31日提交的并且题为“METHODS, DEVICES AND SYSTEMS FORESTIMATING NUTRITIONAL ELEMENT CONTENT IN FOODS”的美国临时申请No. 62/552,587的优先权，其整体通过引用被合并于此。
技术领域
本公开一般地涉及数学、营养和医学/医疗诊断，并且更特别地，其涉及经由用熟练指数（proficiency index）对个体进行分类或加权来改进食物中的营养元素含量估计。
背景技术
碳水化合物计数，也称为“碳水化合物（carb）计数”，是针对具有1型或2型糖尿病的个体的膳食规划工具。碳水化合物计数包括跟踪每天食用的食物中的碳水化合物的量，其可被用于控制个体的血糖，因为碳水化合物比食物中的其他营养元素对血糖的影响更大。
可以通过以下方式执行碳水化合物计数：（1）知道要食用的哪些食物包含碳水化合物；（2）估计每种食用食物中的碳水化合物的克数；以及（3）将来自每种食用食物的碳水化合物的克数相加，以得到一顿膳食总量或甚至一天总量。通过碳水化合物计数，个体可以更好地将血糖水平保持在期望的范围内，尤其是在与胰岛素疗法结合使用时。
不幸的是，简单地通过查看要食用的食物可能很难估计营养元素含量。事实上，由个体进行的营养元素含量估计通常示出较差的准确性和可靠性。参见例如Rusin等人（2013）Int. J. Med. Inform. 82:653-664；以及Rhyner等人（2016）J. Med. Internet Res. 18:e101。为了解决这个问题，已经提出了用于食物识别和营养元素含量估计的计算机视觉***，诸如GoCARBTM（参见例如Rhyner等人（2016）），其可能是复杂的并且可能错误描述（mischaracterize）食物类型。
然而，众包（crowdsourcing）可能是用于提供由个体进行的食物中的营养元素含量估计的更高的准确性和可靠性的有效的替代。由于前述原因，因此存在对经由众包来估计食物中的营养元素含量的方法以及用于该方法的设备和***的需要。
发明内容
在一个实施例中，营养估计工具的改进的图形用户接口（GUI）在具有存储器和一个或多个处理器的电子设备上，所述处理器用于执行存储在存储器中的一个或多个程序，以用于基于营养元素含量估计来确定疗法或治疗和改进糖尿病管理（management），该改进的GUI可操作地耦合到一个或多个处理器。改进的GUI可以包括基于至少一个营养元素含量估计和至少一个熟练指数的疗法或治疗显示，以提高在估计食物中的营养元素含量时的准确性和可靠性以及改进基于此的疗法或治疗。
一个或多个处理器可以适于执行计算机实现的指令，以从与相应的多个熟练指数相关的多个个体接收食物图像的多个营养元素含量估计。来自个体的每个营养元素含量估计可以与对应于个体准确和可靠地提供食物图像中的营养元素含量估计的预定能力的个体的相应熟练指数相关。一个或多个处理器可以进一步适于执行计算机实现的指令，以基于相应的多个熟练指数来计算营养元素含量估计的加权平均值，在改进的GUI上显示加权平均值，以及基于加权平均值来调整治疗或疗法显示。
一个或多个处理器可以适于执行计算机实现的指令，以从个体接收食物图像的至少一个营养元素含量估计作为测试，从食物图像的至少一个营养元素含量估计和相应预定营养元素含量中确定一个或多个偏差因子，基于一个或多个偏差因子，将至少一个熟练指数分配给个体，以及基于至少一个营养元素含量估计和至少一个熟练指数来调整治疗或疗法显示。
在另一个实施例中，提供了一种方法，该方法向个体分配用于估计食物的营养元素含量的熟练指数，并利用该熟练指数来提高在估计食物中的营养元素含量时的可靠性和准确性以及改进基于此的疗法或治疗显示。该方法可以包括通过图形用户接口（GUI）向个体显示测试的多个食物图像以关于估计食物中的营养元素含量来测试个体。每个食物图像中的一种或多种营养元素的营养元素含量可以是预定的并且不显示。该方法可以进一步包括：从个体接收测试的多个食物图像中的营养元素的营养元素含量估计，从每个食物图像中的至少一个营养元素含量估计和一种或多种营养元素的相应预定营养元素含量中确定一个或多个偏差因子，基于一个或多个偏差因子来分配个体的熟练指数；以及基于从个体接收的食物图像的至少一个营养元素含量估计和分配给个体的熟练指数，针对与食物图像相关联的食物在GUI上调整治疗或疗法显示。
本文中描述的构思包括“训练之后测试”，其可被用于提高个体估计食物中的营养元素含量的能力。通过使用一个以上多个食物图像来训练并且然后测试个体估计食物中的营养元素含量的能力，可以实现该构思。基于训练和测试，个体被分配熟练指数，该熟练指数鉴定（qualify）或量化个体估计的熟练度。有利地，熟练指数可以被用于加权由该个体进行的未来营养元素含量估计。以这种方式，具有分配的熟练指数的多个个体可以被用于经由众包来增加食物中的营养元素含量估计的准确性和可靠性。该构思可以被合并到如在本文中以及在下面更详细地描述的示例性方法、软件/计算机程序产品、设备和***中。
例如，提供了用于向个体分配熟练指数的方法，其中熟练指数与估计食物中的营养元素含量的能力相关。一个步骤包括向个体显示第一多个食物图像，以由此关于估计食物中的营养元素含量来训练个体，其中每个食物图像中的一种或多种营养元素的营养元素含量是预定的，并且与每个食物图像一起显示。另一个步骤包括向个体显示第二多个食物图像，以由此关于估计食物中的营养元素含量来训练个体，其中每个食物图像中的一种或多种营养元素的营养元素含量是预定的，但是不与每个食物图像一起显示。另一个步骤包括从个体接收或记录关于第二多个食物图像的营养元素含量估计。另一个步骤包括从第二多个食物图像中的一个或多个的至少一个接收/记录的营养元素含量估计和至少一个相应预定营养元素含量中确定一个或多个偏差因子，并且然后基于一个或多个偏差因子将熟练指数分配给个体。
提供了用于向个体分配熟练指数的替代方法，其中熟练指数与估计食物中的营养元素含量的能力相关。一个步骤包括向个体显示第一多个食物图像，以关于估计食物中的营养元素含量来训练个体，其中每个食物图像中的一种或多种营养元素的营养元素含量是预定的，并且不与每个食物图像一起显示。另一个步骤包括从个体接收或记录关于第一多个食物图像的营养元素含量估计。另一个步骤包括向个体提供第一多个食物图像的预定营养元素含量，以允许学习或校正。另一个步骤包括向个体显示第二多个食物图像，以关于估计食物中的营养元素含量来训练个体，其中每个食物图像中的一种或多种营养元素的营养元素含量是预定的并且不与每个食物图像一起显示。另一个步骤包括从个体接收或记录关于第二多个食物图像的营养元素含量估计。另一个步骤包括从第二多个食物图像中的一个或多个的至少一个接收/记录的营养元素含量估计和相应预定营养元素中确定一个或多个偏差因子，并且然后基于一个或多个偏差因子将熟练指数分配给个体。
在一些实例中，并且当个体已经具有在提供营养元素含量估计时的经验时，训练步骤可以是可选的，或者甚至省略，并且可以简单地向个体示出第二多个食物图像并相应地测试以确定一个或多个偏差因子并最终分配熟练指数。
在上述方法的一些实例中，第一和/或第二多个食物图像被手动显示给个体。在其他实例中，第一和/或第二多个食物图像在例如移动设备、平板或计算机的显示器上电子地显示给个体。因此，该方法可以被手动实现，或者可以是部分或全部计算机实现的。在某些实例中，该方法与联网的移动计算设备结合使用，该联网的移动计算设备与合并了本文中所描述的方法的应用/软件/计算机程序产品适配。
在一些实例中，营养元素可以是卡路里、碳水化合物、脂肪和蛋白质。在其他实例中，营养元素可以是卡路里、碳水化合物和脂肪；卡路里、碳水化合物和蛋白质；卡路里、脂肪和蛋白质；或碳水化合物、脂肪和蛋白质。在其他实例中，营养元素可以是卡路里和碳水化合物；卡路里和脂肪；卡路里和蛋白质；碳水化合物和脂肪；碳水化合物和蛋白质；或脂肪和蛋白质。在又一些其他实例中，营养元素可以是卡路里或碳水化合物或脂肪或蛋白质，特别是碳水化合物。
在一些实例中，熟练指数是定性熟练指数。例如，熟练指数可以是专业的水平，诸如例如专家估计器、经验估计器或初学者估计器。在特定实例中，定性熟练指数基于偏差因子，其中专家估计器的偏差因子是0-10，经验估计器的偏差因子是11-50，并且初学者估计器的偏差因子是51以及以上。
在其他实例中，熟练指数是定量熟练指数。例如，熟练指数可以是熟练商（expertness quotient）（EQ），该熟练商针对N个个体根据下式，根据个体的营养元素含量估计和针对每个食物图像（或膳食）M的预定含量的偏差来计算：
（公式1）。
替代地，个体的熟练指数可以基于选择的M个估计的平均值、M个估计的中值、M个估计的众数（mode）和M个估计的加权平均值来计算。
在一些实例中，该方法进一步包括通过重复本文中所描述的分配方法来在预定时间段之后重新测试和重新分配个体的熟练指数的步骤。在其他实例中，熟练指数的重新测试和重新分配可以被随机重复。
本文中还提供了由多个个体诸如通过众包估计食物中的营养元素含量的方法。一个步骤包括向多个个体中的每个个体显示食物图像，其中多个个体中的每个个体具有与估计食物中的营养元素含量的能力相关的分配的熟练指数，并且其中根据本文中描述的分配方法来分配熟练指数。另一个步骤包括从多个个体中的每个个体接收或记录食物图像中的营养元素含量估计，并且然后计算并向请求者显示所接收的营养元素含量估计的加权平均值。可选步骤包括基于加权平均值来调整对疾病或病症（disorder）的治疗或疗法，诸如增加或减少胰岛素剂量或其他药物。
提供了用于确定食物图像中的营养元素含量估计的加权平均值的替代方法。一个步骤包括在主要设备上从请求者接收食物图像。另一步骤包括在多个辅助设备上向多个个体电子地显示食物图像，其中，多个个体中的每个个体具有根据本文中所描述的分配方法分配的熟练指数。另一步骤包括经由有线或无线方式从多个个体接收他们的食物图像中的营养元素含量估计，并自动计算接收到的营养元素含量估计的加权平均值。另一步骤包括在主要设备上向请求者电子地显示营养元素含量估计的加权平均值。可选步骤包括基于加权平均值来调整对疾病或病症的治疗或疗法，诸如增加或减少胰岛素剂量或其他药物。
在上述方法的一些实例中，营养元素含量估计的加权平均值来自最少N个个体。在某些实例中，最少N个个体可以是大约5个个体、大约10个个体、大约15个个体、大约20个个体、大约25个个体或甚至大约30个个体。
在一些实例中，该方法还包括仅从多个个体中具有高于预定阈值的分配的熟练指数的个体中选择那些营养元素含量估计，并且然后计算并向请求者显示选择的营养元素含量估计的加权平均值。该选择可以包括具有高于预定阈值的分配的熟练指数的最小数量的个体（即，可能需要更少、更熟练的个体来满足阈值，或者可能需要更多、更不熟练的个体来满足阈值）。
在一些实例中，该方法还包括提供加权平均值以及置信度指标以传达营养元素含量估计的加权平均值的预期准确性和/或可靠性的步骤。
在一些实例中，该方法进一步包括通过重复本文中所描述的分配方法来在预定时间段之后重新测试和重新分配一个或多个个体的熟练指数的步骤。在其他实例中，熟练指数的重新测试和重新分配可以被随机重复。
在一些实例中，方法是全部或部分计算机实现的。
鉴于以上内容，提供了诸如计算机可读介质/计算机程序产品之类的软件，其被配置成包括用于执行如本文中所描述的方法中的一种或多种的计算机可执行指令。
同样，提供了被配置成执行如本文中所描述的方法中的一种或多种的设备和***。在一些实例中，设备和***可以至少包括处理器、存储器和/或收发器，其中处理器被配置成执行如本文中所描述的方法中的一种或多种。
根据之后的描述，该构思的这些和其他优点、效果、特征和目的将变得更好地理解。示例性实施例的描述并不旨在将构思限制于所公开的特定形式，而是相反，意图是覆盖落入如由以上实施例和以下权利要求所限定的构思的精神和范围内的所有修改、等同物和替代物。因此，为了解释构思的范围，应该参考以上实施例和以下权利要求。
附图说明
在附图中阐述的实施例本质上是说明性和示例性的，并且不旨在限制由权利要求所限定的主题。当结合以下附图阅读时，可以理解说明性实施例的以下详细描述，其中，相同的结构用相同的参考标号指示，并且其中：
图1示意性地图示了根据如本文中所示和所描述的一个或多个实施例的用于基于至少一个熟练指数来调整疗法或治疗显示的设备***；
图2示意性地图示了根据如本文中所示和所描述的一个或多个实施例的过程，该过程概述了基于多个熟练指数来确定和显示加权平均值以调整疗法或治疗显示的步骤；
图3示意性地图示了根据如本文中所示和所描述的一个或多个实施例的过程，该过程概述了确定和向个体分配熟练指数以调整疗法或治疗显示的步骤；以及
图4示意性地图示了根据本文中所示和所描述的一个或多个实施例的用于实现基于计算机和软件的方法以利用图1-3的***和方法的***。
具体实施方式
现在将在下文中更充分地描述方法、软件/计算机程序产品、设备和***。实际上，方法、软件/计算机程序产品、设备和***可以以许多不同的形式来实现，并且不应该被解释为限于本文中阐述的实施例；而是，提供这些实施例使得本公开将满足适用的法律要求。
同样，受益于前述描述和相关联的附图中呈现的教导，本公开所属的领域中的技术人员将想到本文中所描述的方法、软件/计算机程序产品、设备和***的许多修改和其他实施例。因此，要理解，方法、软件/计算机程序产品、设备和***不限于所公开的具体实施例，并且修改和其他实施例旨在被包括在所附权利要求的范围内。虽然本文中采用了具体术语，但是它们仅在一般和描述性的意义上被使用，而不是为了限制的目的。
除非另外定义，否则在本文中使用的所有技术和科学术语具有与本公开所属的领域中的技术人员通常理解的相同含义。尽管在方法的实施或测试中可以使用类似于或等同于本文中所描述的那些的任何方法和材料，但是本文中描述了优选的方法和材料。
此外，由不定冠词“一”或“一个”对元素的引用并不排除存在多于一个元素的可能性，除非上下文明确要求有且仅有一个元素。因此，不定冠词“一”或“一个”通常意指“至少一个”。同样地，以非排他性方式使用术语“具有”、“包括”或“包含”或其任何任意语法变化。因此，这些术语既可以指代其中除了由这些术语引入的特征之外，在该上下文中描述的实体中不存在另外的特征的情况，并且也指代其中存在一个或多个另外的特征的情况。例如，表述“A具有B”、“A包括B”和“A包含B”既可以指代其中除了B之外在A中不存在其他元素的情况（即，其中A仅由并且排他性地由B组成的情况）或也指代其中除了B之外在A中存在一个或多个另外的元素，诸如元素C、元素C和D或甚至另外的元素。
概述
本文中描述的方法、软件/计算机程序产品、设备和***合并了“训练之后测试”构思，其可以被用于提高个体在估计复杂成分或混合物中的元素或组分的量或含量时的准确性和可靠性。因此，该方法、软件/计算机程序产品、设备和***在多种应用中是有用的。例如，“训练之后测试”可以被用于提高在估计食物中的一种或多种营养元素的含量时的准确性和可靠性，这在管理诸如糖尿病、心脏病、代谢综合征或肥胖症的疾病时是重要的。事实上，来自食物的准确和可靠的碳水化合物含量估计可被用于调整用于管理糖尿病的治疗或疗法，诸如调整要对个体施用（administer）的胰岛素的餐时（bolus）剂量。此外，当经由众包估计食物中的营养元素含量时，该方法可被用于进一步提高准确性和可靠性。
如本文中所使用的，一种或多种“营养元素”意指构成食物的组分中的一种或多种，诸如其卡路里、碳水化合物、脂肪、纤维、矿物质、蛋白质、食物（servings）、维生素和/或水。
同样，并且如本文中所使用的，一个或多个“营养元素含量估计”意指对食物中的一种或多种营养元素的量或含量的评估，诸如有根据的（educated）猜测。例如并且关于碳水化合物，营养元素含量估计将是以克为单位的食物中的碳水化合物的量或含量。
尽管本文中描述的方法、软件/计算机程序产品、设备和***使用碳水化合物计数作为示例，但是它们不旨在严格限于医疗应用。事实上，考虑“训练之后测试”可以通过估计土壤样品或液体样品中的组分的量来容易地适于环境应用。替代地，“训练之后测试”可以通过估计卡路里和/或营养元素含量而容易地适于运动应用，尤其是用于运动训练或用于建立和保持肌肉或用于降低身体脂肪。仍然替代地，“训练之后测试”可以容易地适于营养应用，尤其是用于减肥或降低血液胆固醇。
因此，本文中描述的方法、软件/计算机程序产品、设备和***的技术效果是，营养元素含量估计可以比在没有“训练之后测试”的情况下进行时被更准确和可靠地提供（rendered），如上面指出的那样，这在调整和/或做出治疗或疗法决定时是特别有利的。
方法
本文中的方法包括可以但不一定按照如描述的顺序执行的步骤。然而，其他顺序也是可想到的。此外，可以并行地和/或在时间上重叠和/或单独地或以多个重复的步骤来执行单独的或多个步骤。此外，该方法可以包括附加的未指定的步骤。
“训练之后测试”构思的部分包括向个体分配熟练指数，该熟练指数与个体准确和可靠地估计食物中的营养元素含量的能力相关。因此，提供了用于初始地向个体分配熟练指数以及用于更新个体的熟练指数的方法。
通常，方法可以通过选择个体（或更多）以进行训练之后测试来开始。关于碳水化合物计数，示例性个体包括但不限于具有糖尿病的个体或对具有糖尿病的个体的护理者（caregiver）。其他示例性个体包括运动员、厨师、营养师、护士、医生和训练师。
一旦选择了个体，该方法就可以包括向个体显示第一多个食物图像，以由此关于估计食物中的营养元素含量来训练个体。在第一多个食物图像的每个食物图像中的一种或多种营养元素的营养元素含量是已知/预定的，并且在训练期间被显示或提供给个体。
在一些实例中，对于第一多个食物图像中的每个食物图像而言已知的营养元素是卡路里、碳水化合物、脂肪和蛋白质。在其他实例中，对于第一多个食物图像中的每个食物图像而言可以已知的营养元素可以是卡路里、碳水化合物和脂肪；卡路里、碳水化合物和蛋白质；卡路里、脂肪和蛋白质；或者碳水化合物、脂肪和蛋白质。在其他实例中，对于第一多个食物图像中的每个食物图像而言已知的营养元素可以是卡路里和碳水化合物；卡路里和脂肪；卡路里和蛋白质；碳水化合物和脂肪；碳水化合物和蛋白质；或者脂肪和蛋白质。在又一些其他实例中，对于第一多个食物图像中的每个食物图像而言已知的营养元素可以是卡路里或碳水化合物或脂肪或蛋白质。因此，对于每个食物图像，已知至少一个营养元素含量，诸如例如卡路里的量、以克为单位的碳水化合物的量、以克为单位的脂肪的量和/或以克为单位的蛋白质的量。这里，对于每个食物图像而言已知的至少一个营养元素含量是以克为单位的碳水化合物。
第一多个食物图像中的食物图像中的每个可以被自动显示给个体达预定时间段，诸如例如从大约5秒到大约60秒、达大约10秒到大约55秒、达大约15秒到大约50秒、达大约20秒到大约45秒、达大约25秒到大约40秒或者甚至达大约30秒到大约35秒。在一些实例中，每个食物图像可以被显示达大约5秒、达大约10秒、达大约15秒、达大约20秒、达大约25秒、达大约30秒、达大约35秒、达大约40秒、达大约45秒、达大约50秒、达大约55秒或者甚至达大约60秒。在其他实例中，每个食物图像可以被显示达多于60秒。这里，第一多个食物图像中的每个食物图像被显示给个体达少于60秒。
替代地，第一多个食物图像中的食物图像中的每个（和预定的营养元素含量）可以诸如通过来自个体的输入被手动推进（advanced），并且因此显示达由个体选择的时间段。然而，如果没有来自个体的输入，则在显示下一个图像之前，可以有显示每个食物图像所达的最大时间，诸如例如达大约5秒、达大约10秒、达大约15秒、达大约20秒、达大约25秒、达大约30秒、达大约35秒、达大约40秒、达大约45秒、达大约50秒、达大约55秒或者甚至达大约60秒。在其他实例中，最大显示时间可以是多于60秒。这里，最大显示时间是大约60秒。
在一些实例中，时钟可以与每个图像一起显示，以由此向个体示出剩余多少时间来进行营养元素含量估计。
如本文中所使用的，“大约”意指在一个或多个值的统计上有意义的范围内，包括但不限于，所陈述的量、浓度、含量、长度、宽度、高度、角度、重量、分子量、pH、序列一致性（sequence identity）、时间范围、温度或体积。这样的值或范围可以在给定值或范围的数量级内，通常在20％内、更通常在10％内并且甚至更通常在5％内。本领域技术人员可以容易地理解由“大约”所包含的可允许的变化。
通常，当显示每个食物图像时，同时显示营养元素含量。然而，替代地，在显示每个食物图像的时间与然后针对食物图像显示营养元素含量的时间之间可能存在延迟。在一些实例中，显示每个食物图像的时间与然后显示营养元素含量的时间之间的延迟可以达大约1秒至大约10秒、达大约2秒至大约9秒、达大约3秒至大约8秒、达大约4秒至大约7秒或达大约5秒至大约6秒。在其他实例中，显示每个食物图像的时间与然后显示营养元素含量的时间之间的延迟可以达大约1秒、达大约2秒、达大约3秒、达大约4秒、达大约5秒、达大约6秒、达大约7秒、达大约8秒、达大约9秒或甚至达大约10秒。在又一些其他实例中，延迟可以达多于10秒，诸如例如达大约15秒、达大约20秒、达大约25秒或甚至达大约30秒。在其他实例中，显示每个食物图像的时间与然后显示营养元素含量的时间之间的延迟可以少于60秒。这里，延迟至少达大约15秒。不管延迟的长度如何，如果个体准备好查看营养元素含量并推进到下一个图像，则考虑如果时间尚未流逝，则个体可以不考虑（override）延迟。
在又一形式中，不向个体显示/提供针对第一多个食物图像中的每个图像的营养元素含量，直到所有的图像都已经被显示之后。在一些实例中，可以显示估计的和实际的营养元素含量两者。在又一些其他实例中，还可以显示附加信息，包括但不限于营养元素类型的评估（例如，关于碳水化合物，评估可以是低、中或高血糖含量）。
第一多个食物图像可以包括从大约5个食物图像到大约50个食物图像，从大约10个食物图像到大约45个食物图像，从大约15个食物图像到大约40个食物图像，从大约20个食物图像到大约35个食物图像，或从大约25个食物图像到大约30个食物图像。在一些实例中，第一多个食物图像可以包括大约5个食物图像、大约10个食物图像、大约15个食物图像、大约20个食物图像、大约25个食物图像、大约30个食物图像、大约35个食物图像、大约40个食物图像、大约45个食物图像或甚至大约50个食物图像。替代地，第一多个食物图像可以少于50个食物图像。在另外的实例中，第一多个食物图像可以包括多于50个食物图像，诸如例如大约55个食物图像、大约60个食物图像、大约65个食物图像、大约70个食物图像、大约75个食物图像、大约80个食物图像、大约85个食物图像、大约90个食物图像、大约95个食物图像或甚至大约100个食物图像。这里，第一多个食物图像是大约25个食物图像。
在该方法中，因此可以将第一多个食物图像手动/物理地显示给个体、电子地显示给个体或两者的组合。
一旦训练步骤完成，该方法就可以进行到测试步骤，该测试步骤可以包括向个体显示第二多个食物图像，以由此关于估计食物中的营养元素含量来训练个体。如上述内容，第二多个食物图像中的每个食物图像中的一种或多种营养元素的营养元素含量是已知/预定的。然而，与上述内容相反，在测试期间不向个体显示或提供营养元素含量。
然而，在一些实例中，训练步骤可以是可选的，或者甚至省略，并且个体可以简单地被示出第二多个食物图像并相应地进行测试。训练步骤何时可以是可选的/被省略的示例包括但不限于个体何时已经具有在提供营养元素含量估计时的经验。
如上述内容，对于第二多个食物图像中的每个食物图像而言已知的营养元素是卡路里、碳水化合物、脂肪和蛋白质。在其他实例中，对于第二多个食物图像中的每个食物图像而言已知的营养元素可以是卡路里、碳水化合物和脂肪；卡路里、碳水化合物和蛋白质；卡路里、脂肪和蛋白质；或者碳水化合物、脂肪和蛋白质。在其他实例中，对于第二多个食物图像中的每个食物图像而言已知的营养元素可以是卡路里和碳水化合物；卡路里和脂肪；卡路里和蛋白质；碳水化合物和脂肪；碳水化合物和蛋白质；或者脂肪和蛋白质。在又一些其他实例中，对于第二多个食物图像中的每个食物图像而言已知的营养元素可以是卡路里或碳水化合物或脂肪或蛋白质。因此，对于每个食物图像，已知至少一个营养元素含量，诸如例如以克为单位的碳水化合物的量、以克为单位的脂肪的量和/或以克为单位的蛋白质的量。这里，对于每个食物图像而言已知的至少一个营养元素含量是以克为单位的碳水化合物。
像第一多个食物图像一样，第二多个食物图像中的食物图像中的每个可以被显示给个体达预定时间段，诸如例如达大约5秒到大约60秒、达大约10秒到大约55秒、达大约15秒到大约50秒、达大约20秒到大约45秒、达大约25秒到大约40秒或者甚至达大约30秒到大约35秒。在一些实例中，每个食物图像可以被显示达大约5秒、达大约10秒、达大约15秒、达大约20秒、达大约25秒、达大约30秒、达大约35秒、达大约40秒、达大约45秒、达大约50秒、达大约55秒或者甚至达大约60秒。在其他实例中，每个食物图像可以被显示达多于60秒。这里，第二多个食物图像中的每个食物图像被显示给个体达少于60秒。
也像第一多个食物图像一样，第二多个食物图像可以包括从大约5个食物图像到大约50个食物图像，从大约10个食物图像到大约45个食物图像，从大约15个食物图像到大约40个食物图像，从大约20个食物图像到大约35个食物图像，或从大约25个食物图像到大约30个食物图像。在一些实例中，第二多个食物图像可以包括大约5个食物图像、大约10个食物图像、大约15个食物图像、大约20个食物图像、大约25个食物图像、大约30个食物图像、大约35个食物图像、大约40个食物图像、大约45个食物图像或甚至大约50个食物图像。替代地，第二多个食物图像可以是少于50个食物图像。在另外的实例中，第二多个食物图像可以包括多于50个食物图像，诸如例如大约55个食物图像、大约60个食物图像、大约65个食物图像、大约70个食物图像、大约75个食物图像、大约80个食物图像、大约85个食物图像、大约90个食物图像、大约95个食物图像或甚至大约100个食物图像。这里，第二多个食物图像是大约25个食物图像。
考虑第一多个食物图像和第二多个食物图像可以包括相同数量的食物图像；然而，第一多个食物图像和第二多个食物图像中的食物图像的数量可以彼此不同。
在该方法中，因此可以将第二多个食物图像手动/物理地显示给个体、电子地显示给个体或两者的组合。
在测试期间，从个体接收或记录来自第二多个食物图像中的食物图像中的一个或多个的营养元素含量估计。根据所接收的营养元素含量估计，从第二多个食物图像中的一个或多个的至少一个接收/记录的营养元素含量估计与至少一个相应的预定营养元素含量之间的差异中计算一个或多个偏差因子。
为了进一步改善个体的估计食物中的营养元素含量的能力，考虑可以在所有的图像已经被显示（即测试完成，并且所有个体的营养元素含量估计已经被接收/记录）之后向个体显示/提供第二多个食物图像的每个图像的已知/预定的营养元素含量。
一旦测试步骤完成，该方法就可以进行到分配步骤，该步骤可以包括使用偏差因子中的一个或多个来确定并且然后向个体分配熟练指数。在一些实例中，熟练指数是定性熟练指数。例如，熟练指数可以是专业的水平，诸如例如专家估计器、经验估计器或初学者估计器。在特定实例中，专家估计器的偏差因子是0-10，经验估计器的偏差因子是11-50，并且初学者估计器的偏差因子是51以及以上。
在其他实例中，熟练指数是定量熟练指数。例如，熟练指数可以是EQ。在一些实例中，针对N个个体根据下式，基于每个食物（或膳食）图像M的个体的营养元素含量估计与已知/预定营养元素含量的偏差来计算EQ，其中分别地C ij 是营养元素含量估计，并且C i 是预定营养元素含量：
（公式1）。
在该情况下，熟练指数是熟练商或“EQ”。
替代地，个体的熟练指数可以基于M个估计的平均值、M个估计的中值、M个估计的众数和M个估计的加权平均值来计算，其中与EQ中不同地获得权重。
因为个体将继续获得在估计营养元素含量时的经验，所以该方法包括通过重复以上分配方法来在预定时间段后重新测试和重新分配个体的熟练指数。替代地，重新测试和重新分配可以随机发生。
在许多个体已经被分配熟练指数并被征募（enlist）来估计由请求者显示的食物中的营养元素含量之后，以上方法是特别有利的。如本文中所使用的，“请求者”意指需要食物中的营养元素含量估计、尤其是众包营养元素含量的个体。众包营养元素含量估计、尤其是碳水化合物含量估计可以有利地被用于控制血糖水平，以及可以在调整治疗或疗法（诸如计算要向个体施用的餐时胰岛素剂量）时使用。
鉴于此，还提供了用于经由众包来准确和可靠地估计食物中的营养元素含量的方法。通常，方法可以通过提供具有分配的熟练指数的多个个体开始，其中，根据本文中所描述的分配方法来确定和分配熟练指数。
关于估计碳水化合物含量，示例性个体包括但不限于具有糖尿病的个体或对具有糖尿病的个体的护理者。其他示例性个体包括运动员、厨师、营养师、护士、医生和训练师。
一旦确定了多个个体，该方法就可以进行到显示步骤，其中，请求者的图像，诸如食物（或膳食）的图像被显示给多个个体中的每个个体。如本文中所使用的那样，“请求者”意指希望获得食物的众包营养元素含量（诸如碳水化合物含量）的个体。
在显示食物图像之后，该方法可以进行到接收步骤，其中从多个个体中的每个个体接收或记录关于食物图像的营养元素含量估计。可选地，接收步骤还可以包括仅从具有高于预定阈值的分配的熟练指数的那些个体中选择营养元素含量估计。例如，并且关于分配了定性熟练指数的个体，预定阈值可以是分配为至少经验估计器的个体。
一旦完成接收和可选的选择步骤，该方法就可以进行到计算和显示步骤，其中，向请求者示出接收和/或选择的营养元素含量估计的加权平均值。在一些实例中，加权平均值来自最少N个个体，诸如例如5个个体、10个个体、15个个体、20个个体、25个个体、30个个体、35个个体、40个个体、45个个体或甚至50个个体。在其他实例中，最少N个个体是少于500个个体、少于400个个体、少于300个个体、少于200个个体或甚至少于100个个体。在又一些其他实例中，最少N个个体是多于500个个体。在特定实例中，最少N个个体是在大约20个个体至大约40个个体之间，尤其是30个个体。在一些实例中，加权平均值与置信度指标一起提供，以传达营养元素含量估计的预期可靠性。
在替代形式中，提供了用于确定食物图像中的营养元素含量估计（诸如众包营养元素含量估计）的加权平均值的方法。一个步骤包括在主要设备上从请求者接收食物图像。另一步骤包括在多个辅助设备上向多个个体电子地显示食物图像，其中，多个个体中的每个个体具有根据本文中所描述的分配方法分配的熟练指数。另一步骤包括经由有线或无线方式从多个个体接收他们的食物图像中的营养元素含量估计，并自动计算接收到的营养元素含量估计的加权平均值。另一步骤包括在主要设备上向请求者电子地显示营养元素含量估计的加权平均值。可选步骤包括基于加权平均值来调整对疾病或病症的治疗或疗法，诸如增加或减少胰岛素剂量或其他药物。
为了说明个体的估计营养元素含量的能力中的持续改进并进一步提高众包估计的准确性和可靠性，以上方法可选地可以包括重新测试和重新分配步骤，其中通过在预定时间段之后重复本文中所描述的分配方法来更新个体的熟练指数。在一些实例中，预定时间段可以在从其初始地分配熟练指数的一天或两天内、一周内或者甚至一个月内。替代地，重新测试和重新分配步骤可以被随机地重复。
说明个体的估计营养元素含量的能力中的持续改进的另一选择，个体的熟练指数可以基于个体的营养元素含量估计与预定数量的先前估计上的社区（community）加权平均值有多接近来更新。例如，可以计算另一个偏差商。替代地，个体的熟练指数可以基于对该个体的先前的X个估计的滑动平均值（running average）来更新。在一些实例中，预定数量的先前估计可以大约从大约5个估计到大约50个估计、从大约10个估计到大约45个估计、从大约15个估计到大约40个估计、从大约20个估计到大约35个估计或者大约25个估计到大约30个估计。在其他实例中，预定数量的先前估计可以是大约5个估计、大约10个估计、大约15个估计、大约20个估计、大约25个估计或者甚至大约30个估计。在又一些其他实例中，个体的熟练指数可以基于个体的先前熟练指数的滑动平均值来更新。
为了进一步提供更准确和可靠的营养元素含量估计，可以通过选择具有可能影响它们评估营养元素含量的能力的某些人口统计学（demographic）特性的个体来进一步限制多个个体。例如，当评估源自该特定族群的食物中的碳水化合物含量时，该特定族群的个体可能是优选的。同样地，在评估该特定食物类型中的碳水化合物含量时，具有准确和可靠地提供该特定食物类型的营养元素含量估计（即，具有该食物类型的高熟练指数）的历史的个体可能是优选的。其他示例包括选择具有特定疾病或病症（例如1型与2型糖尿病；麸质不耐症（gluten intolerant）、乳糖不耐症（lactose intolerant）等）、具有他们熟悉或居住其中的特定位置/地理位置或者具有估计营养元素含量的预定年数的个体。
也可以通过显示个体在重新测试和重新分配步骤期间一贯地高估或低估的食物类型来提高个体提供营养元素含量估计的准确性和可靠性。
在一些实例中，以上方法是全部或部分地计算机实现的。在这样的计算机实现的实例中，个体和请求者人口统计、鉴定、食物图像和相关联的社区估计可以被存储在远程服务器上。此外，用这些方法收集的食物图像和估计可以被用于训练人工神经网络或其他机器学习网络，以在规定时间之外（overtime）补充或代替众包营养估计。
总之，本文中所描述的方法可以被用于通过将个体的经验鉴定或量化为熟练指数并且然后根据熟练指数加权他们的估计来提高众包营养元素含量估计的准确性和精确度。众包营养元素含量估计、尤其是碳水化合物含量，对于确定或调整治疗或疗法（诸如胰岛素餐时剂量）是特别重要的。当确定或调整胰岛素餐时剂量时，选择最熟练的个体（诸如在个体的前5％、前10％或甚至前15％中的个体）可能是有利的。
软件
预期的是，尽管由例如可用时间、当前技术和经济考虑所激发的可能大量的努力和许多设计选择，但是当由本文中公开的构思和原理指导时，本领域技术人员将能够容易地基于以上描述的方法以最少的实验来生成应用、软件指令和/或计算机程序产品。
鉴于此，上面描述的方法可以使用包括诸如应用的软件、计算机可读介质、计算机程序产品、固件、硬件或其任何组合或子集的计算机编程或工程技术来实现。具有计算机可读代码装置的任何这样的得到的应用、介质或计算机程序可以在一个或多个非暂时性计算机可读介质中实现或提供，从而制造软件或计算机程序产品（即，制品）。
如本文中所使用的，“软件”、“计算机可读介质”或“计算机程序产品”意指计算机数据和指令的一个或多个有组织的集合，其可以被分为两个主要类别，***软件和应用软件。***软件与硬件对接，并且应用软件与用户对接。此外，***软件包括操作***软件和固件，以及***中安装的任何中间件和驱动。***软件提供计算机的基本非任务特定功能。相比之下，应用软件被用于完成特定任务。
示例性计算机可读介质包括但不限于闪存驱动器、数字通用盘（DVD）、压缩盘（CD）、固定（硬盘）驱动器、软磁盘、光盘、磁带、诸如只读存储器（ROM）的半导体存储器和/或诸如因特网或其他通信网络或链接的任何传输/接收介质。作为示例而非限制，计算机可读介质包括计算机可读存储介质和通信介质。计算机可读存储介质是有形且非暂时性的，并且存储诸如计算机可读指令、数据结构、程序模块和其他数据之类的信息。相比之下，通信介质通常实现计算机可读指令、数据结构、程序模块或在诸如载波或其他传输机制的瞬时调制信号中的其他数据，并且包括任何信息传递介质。上述内容的任何的组合也被包括在计算机可读介质的范围内。可以通过直接从一种介质执行代码、通过将代码从一种介质复制到另一种介质或通过在网络上传输代码来制造和/或使用包含计算机代码的制品。
鉴于此，计算机可读介质/计算机程序产品可以包括被配置/编程用于执行本文中描述的方法的多个模块。
在一些实例中，提供了非暂时性计算机可读介质或计算机程序产品，其包括用于使诸如手持式电子设备或计算机的电子设备执行方法的指令，该方法包括向个体显示第一多个食物图像以关于估计食物中的营养元素含量来训练个体的步骤，其中每个食物图像中的一种或多种营养元素的营养元素含量是预定的并且被显示。
非暂时性计算机可读介质或计算机程序产品还可以包括指令，用于执行向个体显示第二多个食物图像以关于估计食物中的营养元素含量来训练个体的步骤，其中每个食物图像中的一种或多种营养元素的营养元素含量是预定的并且不显示。
非暂时性计算机可读介质或计算机程序产品进一步可以执行从个体接收第二多个食物图像中的营养元素的营养元素含量估计的步骤。
非暂时性计算机可读介质或计算机程序产品进一步可以包括指令，用于执行从至少一个营养元素含量估计和个体到每个食物图像中的一种或多种营养元素的相应预定营养元素含量确定一个或多个偏差因子并基于一个或多个偏差因子来分配个体的熟练指数的步骤。
在其他实例中，提供了非暂时性计算机可读介质或计算机程序产品，其包括用于使诸如手持式电子设备或计算机的电子设备执行方法的指令，该方法包括向个体显示第一多个食物图像以关于估计食物中的营养元素含量来训练个体的步骤，其中每个食物图像中的一种或多种营养元素的营养元素含量是预定的并且不显示。
非暂时性计算机可读介质或计算机程序产品还可以包括用于执行从个体接收或记录第一多个食物图像的营养元素含量估计的步骤的指令。
非暂时性计算机可读介质或计算机程序产品进一步可以包括用于执行向个体提供第一多个食物图像中的一种或多种营养元素的预定营养元素含量以允许学习或校正的步骤的指令。
非暂时性计算机可读介质或计算机程序产品进一步可以包括指令，用于执行向个体显示第二多个食物图像以关于估计食物中的营养元素含量来测试个体的步骤，其中每个食物图像中的一种或多种营养元素的营养元素含量是预定的但不显示。
非暂时性计算机可读介质或计算机程序产品进一步可以包括用于执行从个体接收第二多个食物图像中的营养元素的营养元素含量估计的步骤的指令。
非暂时性计算机可读介质或计算机程序产品进一步可以包括指令，用于执行从至少一个营养元素含量估计和个体到每个食物图像中的一种或多种营养元素的相应预定营养元素含量确定一个或多个偏差因子并基于一个或多个偏差因子来分配个体的熟练指数的步骤。
在又一些其他实例中，提供了非暂时性计算机可读介质或计算机程序产品，其包括用于使诸如手持式电子设备或计算机的电子设备执行方法的指令，该方法包括向多个个体显示食物图像的步骤，其中多个个体中的每个个体具有与提供食物图像中的营养元素含量估计的能力相关的熟练指数，并且其中根据本文中所描述的分配方法来分配熟练指数。
非暂时性计算机可读介质或计算机程序产品还可以包括用于执行从多个个体中的每个个体接收食物图像中的营养元素含量估计的步骤的指令。
非暂时性计算机可读介质或计算机程序产品进一步可以包括用于执行计算和显示营养元素含量估计的加权平均值的步骤的指令。
设备和***
提供了被配置用于向个体分配熟练指数以用于分类的设备。附加地或替代地，设备可以被配置用于尤其经由众包来估计食物的营养元素含量。
不管其预期用途如何，设备都可以包括以下各项中的一项或多项：外壳、显示器、输入/输出***设备、存储器、处理器、电源、用户接口、存储设备、有线和/或无线通信装置。
如本文中所使用的，“处理器”意指中央处理单元、微处理器、微控制器、精简指令电路（RISC）、专用集成电路（ASIC）、逻辑电路以及能够执行本文中所描述的功能/方法的任何其他电路或处理器。不管处理器的类型如何，它都被配置成执行本文中所描述的方法中的一种或多种。
示例性设备包括但不限于计算机和膝上型计算机、诸如移动设备的便携式计算设备（例如，手持式游戏控制台、智能电话、智能手表和平板）以及诸如血糖测试仪的测试仪。
图1示意性地图示了用于基于至少一个熟练指数来调整疗法或治疗显示的设备***100的实施例。设备***100包括设备102，该设备102可以是包括显示屏104和相机106的智能移动设备。显示屏104可以进一步包括食物图像108。在实施例中，设备102可以是医疗设备或被通信地耦合到医疗设备，该医疗设备可以是血糖仪、连续血糖监测器、胰岛素泵、胰岛素、健康设备或类似的医疗设备。
设备102上的营养估计工具112被配置成基于营养估计工具112的GUI 114上的至少一个熟练指数111来分配和/或提供至少一个熟练指数111和疗法或治疗显示116，如显示屏104上所示。营养估计工具112被配置成执行逻辑以实现如本文中所描述的方法。
作为非限制性示例，参考图2，方法200可以遵循逻辑以在框202中从与相应的多个熟练指数111相关的多个个体接收食物图像108的多个营养元素含量估计。来自个体的每个营养元素含量估计可以与对应于个体准确和可靠地提供食物图像108中的营养元素含量估计的预定能力的个体的相应熟练指数相关。在框204中，方法200可以遵循逻辑以基于相应的多个熟练指数111来计算营养元素含量估计的加权平均值。在框206中，方法200可以遵循逻辑以在改进的GUI 114上显示加权平均值，并且在框208中，基于加权平均值来调整治疗或疗法显示116。
在另一实施例中，参考图3，方法300可以遵循逻辑以在框302中从个体接收食物图像108的至少一个营养元素含量估计。该接收可以是作为针对个体分配熟练指数111的测试的部分，如本文中描述的那样。在框304中，该方法可以进一步遵循逻辑，以从食物图像108的至少一个营养元素含量估计和相应预定营养元素含量中确定一个或多个偏差因子。在框306中，该方法可以进一步遵循逻辑，以基于一个或多个偏差因子将至少一个熟练指数111分配给个体，并且在框308中，基于至少一个营养元素含量估计和至少一个熟练指数111来调整治疗或疗法显示116。
除了设备之外，还提供了被配置用于向个体分配熟练指数分类的***。附加地或替代地，***可以被配置用于估计食物的营养元素含量。
在一些实例中，***可以包括被配置用于众包营养元素含量估计的一个或多个设备，诸如多个移动设备和/或一个或多个计算机。此外，***可以包括经由有线或无线（例如，红外、蜂窝、Bluetooth®）通信的远程设备、服务器和基于云的元件，其中这样的远程设备可以是例如本地PC/服务器或远程PC/服务器或基于云的***。
参考图4，图示了如图1-3中所示的用于利用如本文中描述的一个或多个设备来实现基于计算机和软件的方法的***400，并且可以连同使用图形用户接口（GUI）424来实现该***400，该图形用户接口（GUI）424可在用户工作站（例如计算设备）处和/或在***设备和中央设备102、426处访问，该***设备和中央设备102、426可以是医疗设备，每个医疗设备例如具有它们自己的GUI，并且通过网络422连接以利用如本文中描述的众包方法。***400包括通信路径402、一个或多个处理器404、作为存储器406的一个或多个存储器组件、熟练指数组件412、存储设备或数据库414、网络接口硬件418、服务器420、网络422、设备102、426和至少一个GUI 424。***400的各种组件及其交互将在下面详细描述。
虽然仅图示了一个应用服务器420和工作站的至少一个GUI 424，但是***400可以包括可以位于地理上不同位置处的多个工作站和包含一个或多个应用的应用服务器。在一些实施例中，使用广域网（WAN）或网络422（诸如内联网或因特网）或者可以包括基于云计算的网络配置（例如，“云”）的其他有线或无线通信网络来实现***400。包括GUI 424的工作站计算机可以包括数字***和允许与网络的连接和网络的导航的其他设备。允许在各种地理上不同的组件之间通信的其他***400变型是可能的。图4中描绘的线指示各种组件之间的通信而不是物理连接。
如上面所指出的，***400包括通信路径1102。通信路径402可以由能够传输信号的任何介质形成，所述介质诸如例如导线、导电迹线、光波导或者诸如此类，或者由能够传输信号的介质的组合形成。通信路径402通信地耦合***400的各种组件。如本文中所使用的，术语“通信地耦合”意指该耦合组件能够诸如例如经由导电介质的电信号、经由空气的电磁信号、经由光波导的光信号以及诸如此类彼此交换数据信号。
如上面所指出的，***400包括一个或多个处理器404。一个或多个处理器404可以是能够执行机器可读指令的任何设备。因此，一个或多个处理器404可以是控制器、集成电路、微芯片、计算机或任何其他计算设备。一个或多个处理器404通过通信路径402被通信地耦合到***400的其他组件。因此，通信路径402可以将任何数量的处理器彼此通信地耦合，并且允许耦合到通信路径402的模块在分布式计算环境中操作。具体地，模块中的每个可以作为可以发送和/或接收数据的节点来操作。一个或多个处理器404可以处理从***模块接收的输入信号和/或从这样的信号中提取信息。
如上面所指出的，***400包括存储器406，所述存储器406被耦合到通信路径402并通信地耦合到处理器404。存储器组件406可以是非暂时性计算机可读介质或非暂时性计算机可读存储器，并且可以被配置为非易失性计算机可读介质。存储器406可以包括RAM、ROM、闪存、硬盘驱动器或能够存储机器可读指令的任何设备，使得机器可读指令可以被一个或多个处理器404访问和执行。机器可读指令可以包括以任何编程语言（诸如例如可以由处理器直接执行的机器语言、或汇编语言、面向对象编程（OOP）、脚本语言、微代码等，其可以被编译或汇编成机器可读指令并存储在存储器406上）编写的逻辑或（一种或多种）算法。替代地，机器可读指令可以诸如经由现场可编程门阵列（FPGA）配置或专用集成电路（ASIC）或它们的等同物实现的逻辑以硬件描述语言（HDL）来编写。因此，本文中描述的方法可以以任何常规计算机编程语言作为预编程的硬件元件或作为硬件和软件组件的组合来实现。在实施例中，***400可以包括通信地耦合到存储器组件406的一个或多个处理器404，该存储器组件406存储指令，当该指令由一个或多个处理器404执行时，使得处理器执行如本文中描述的一个或多个功能。
仍然参考图11，如上面所指出的，***400包括诸如计算设备的屏幕上的GUI 424之类的显示器，用于提供视觉输出，诸如例如信息、图形报告、消息或其组合。诸如设备102、426之类的计算设备可以包括跨平台的一个或多个计算设备，或者可以被通信地耦合到跨平台的设备，诸如包括智能电话、平板、膝上型计算机以及/或者诸如此类的移动智能设备，或者诸如血糖仪、胰岛素泵、连续血糖监测器以及诸如此类的医疗设备。计算设备的屏幕上的显示器被耦合到通信路径402，并且通信地耦合到一个或多个处理器404。因此，通信路径402将显示器通信地耦合到***400的其他模块。显示器可以包括能够传输光输出的任何介质，诸如例如阴极射线管、发光二极管、液晶显示器、等离子显示器或者诸如此类。另外，注意，显示器或诸如设备102、426之类的计算设备可以包括一个或多个处理器404和存储器406中的至少一个。尽管在图4中将***400图示为单个集成***，但是在其他实施例中，该***可以是独立的***。
***400包括熟练指数组件412，熟练指数组件412在至少一个实施例中表示用于分配和/或提供相应熟练指数的工具，如本文中描述的那样。熟练指数组件412被耦合到通信路径402，并且通信地耦合到一个或多个处理器404。如将在下面进一步详细描述的，一个或多个处理器404可以处理从***模块接收的输入信号和/或从这样的信号中提取信息。
***400包括用于将***400与诸如网络422之类的计算机网络通信地耦合的网络接口硬件418。网络接口硬件418被耦合到通信路径402，使得通信路径402将网络接口硬件418通信地耦合到***400的其他模块。网络接口硬件418可以是能够经由无线网络传输和/或接收数据的任何设备。因此，网络接口硬件418可以包括用于根据任何无线通信标准发送和/或接收数据的通信收发器。例如，网络接口硬件418可以包括芯片组（例如，天线、处理器、机器可读指令等），以通过诸如例如无线保真（Wi-Fi）、WiMax、BLUETOOTH®、IrDA、无线USB、Z-Wave、ZigBee或者诸如此类的有线和/或无线计算机网络进行通信。
仍然参考图4，可以经由网络接口硬件418将来自在诸如设备102、426之类的计算设备上运行的各种应用的数据从设备102、426提供给***400。计算设备可以是具有用于与网络接口硬件418和网络422通信地耦合的硬件（例如，芯片组、处理器、存储器等）的任何设备。具体地，计算设备可以包括具有用于通过上面描述的无线计算机网络中的一个或多个进行通信的天线的输入设备。
网络422可以包括任何有线和/或无线网络，诸如例如广域网、城域网、因特网、内联网、云、卫星网络或者诸如此类。因此，网络422可以被设备102、426和/或包括GUI 424的工作站用作无线接入点，以访问一个或多个服务器（例如，服务器420）。服务器420和任何附加的服务器通常包括处理器、存储器和芯片组，用于经由网络422传递资源。资源可以包括经由网络422从服务器420向***400提供例如处理、存储、软件和信息。此外，要注意，服务器420和任何附加的服务器可以通过网络422彼此共享资源，诸如例如经由网络的有线部分、网络的无线部分或其组合彼此共享资源。
实验
在考虑以下非限制性示例时，将更充分地理解该构思，出于说明而非限制的目的提供所述非限制性示例。
示例1：碳水化合物计数训练和测试。
该示例示出了可以如何确定初始熟练指数并将其分配给一组个体。
方法和结果：选择多个个体，并示出具有预定碳水化合物含量的至少三顿膳食。要求每个个体记录针对每顿膳食的碳水化合物估计。
可以如下面在表1中所示的那样布置个体的碳水化合物估计，其中第一列包括膳食的列表，其中第二列包括每顿膳食的碳水化合物含量，其中随后的列包括每个个体的碳水化合物估计。
表1：针对膳食中碳水化合物含量的估计的数据布局
表2示出了每个个体的接收/记录的估计与对应的实际/已知碳水化合物含量的偏差。
表2：针对偏差因子确定的布局
例如，个体1低估了膳食1的碳水化合物含量5克，个体2高估了相同膳食2克，个体3高估了相同膳食13克，并且个体N低估了相同膳食6克。
然后，可以如上面其他地方指出的那样针对每个个体计算以EQ形式的熟练指数，如下：
（公式1）。
可以用统计理论和模拟的组合来评估熟练指数的性质。例如，具有高于预定阈值q 0 的熟练商EQ j 的那些个体J被选择并用于针对碳水化合物含量评估看不见的食物。那些含量的加权平均值可以根据下式被馈送给希望知道食物的碳水化合物含量的请求者：
（公式2）。
本文中叙述的所有的专利、专利申请、专利申请出版物和其他出版物通过引用被合并于此，如同整体地阐述一样。
已经结合目前被认为是最实用和优选的实施例的内容描述了本构思。然而，该构思已经通过说明的方式来呈现，并且不旨在限于所公开的实施例。因此，本领域技术人员将认识到，该构思旨在包含如在所附权利要求中阐述的构思的精神和范围内的所有修改和替代布置。
编号的实施例
除了上述内容之外或作为对上述内容的替代，以下实施例被本公开所包含并被描述为：
1.一种向个体分配用于估计食物的营养元素含量的熟练指数的方法，该方法包括以下步骤：
（a）.向个体显示第一多个食物图像，以关于估计食物中的营养元素含量来训练个体，其中每个食物图像中的一种或多种营养元素的营养元素含量是预定的并且被显示；
（b）.向个体显示第二多个食物图像，以关于估计食物中的营养元素含量来训练个体，其中每个食物图像中的一种或多种营养元素的营养元素含量是预定的并且不显示；
（c）.从个体接收第二多个食物图像中的营养元素的营养元素含量估计；以及
（d）.从每个食物图像中的至少一个营养元素含量估计与一种或多种营养元素的相应预定营养元素含量之间的差异确定一个或多个偏差因子，并且然后基于一个或多个偏差因子来分配个体的熟练指数。
2.一种向个体分配用于估计食物的营养元素含量的熟练指数的方法，该方法包括以下步骤：
（a）.向个体显示第一多个食物图像，以关于估计食物中的营养元素含量来训练个体，其中每个食物图像中的一种或多种营养元素的营养元素含量是预定的并且不显示；
（b）.从个体接收或记录第一多个食物图像的营养元素含量估计；
（c）.向个体提供第一多个食物图像中的一种或多种营养元素的预定营养元素含量，以允许学习或校正；
（d）.向个体显示第二多个食物图像，以关于估计食物中的营养元素含量来测试个体，其中每个食物图像中的一种或多种营养元素的营养元素含量是预定的但不显示；
（e）.从个体接收第二多个食物图像中的营养元素的营养元素含量估计；以及
（f）.从每个食物图像中的至少一个营养元素含量估计与一种或多种营养元素的相应预定营养元素含量之间的差异确定一个或多个偏差因子，并且然后基于一个或多个偏差因子来分配个体的熟练指数。
3.一种向个体分配用于估计食物的营养元素含量的熟练指数的方法，该方法包括以下步骤：
（a）.向个体显示多个食物图像，以关于估计食物中的营养元素含量来训练个体，其中每个食物图像中的一种或多种营养元素的营养元素含量是预定的并且不显示；
（b）.从个体接收多个食物图像中的营养元素的营养元素含量估计；以及
（c）.从每个食物图像中的至少一个营养元素含量估计与一种或多种营养元素的相应预定营养元素含量之间的差异确定一个或多个偏差因子，并且基于一个或多个偏差因子来分配个体的熟练指数。
4.根据实施例1至3中的任一项所述的方法，其中，熟练指数是定性熟练指数。
5.根据实施例4所述的方法，其中定性熟练指数是选自由专家估计器、经验估计器和初学者估计器组成的组的专业的水平。
6.根据实施例5所述的方法，其中，专家估计器的偏差因子是0-10，经验估计器的偏差因子是11-50，并且初学者估计器的偏差因子是51以及以上。
7.根据实施例1至3中的任一项所述的方法，其中，熟练指数是定量熟练指数。
8.根据实施例7所述的方法，其中，熟练指数是根据下式计算的熟练商：
（公式1），
其中，M是食物图像，N是个体，C ij 是营养元素含量估计，并且C i 是预定的营养元素含量。
9.根据实施例1至3中的任一项所述的方法，其中，将第一多个食物图像和/或第二多个食物图像手动地显示给个体。
10.根据实施例1至3中的任一项所述的方法，其中，将第一多个食物图像和/或第二多个食物图像电子地显示给个体。
11.根据实施例1至2中的任一项所述的方法，其中，营养元素选自由以下各项组成的组：（1）卡路里、碳水化合物、脂肪和蛋白质，（2）卡路里、碳水化合物和脂肪，（3）卡路里、碳水化合物和蛋白质，（4）卡路里、脂肪和蛋白质，（5）碳水化合物、脂肪和蛋白质，（6）卡路里和碳水化合物，（7）卡路里和脂肪，（8）卡路里和蛋白质，（9）碳水化合物和脂肪，（10）碳水化合物和蛋白质，（11）脂肪和蛋白质，（12）卡路里，（13）碳水化合物，（14）脂肪和（15）蛋白质。
12.根据实施例1-3中的任一项所述的方法，进一步包括以下步骤：
通过重复实施例1的步骤（b）-（d）或实施例2的步骤（d）-（f），在预定时间段之后，重新测试和重新分配个体的熟练指数。
13.根据实施例1或2所述的方法，其中第一多个食物图像和/或第二多个食物图像包括从大约5个食物图像到大约50个食物图像。
14.根据实施例13所述的方法，其中第一多个食物图像和/或第二多个食物图像包括大约25个食物图像。
15.根据实施例1或2所述的方法，其中第一多个食物图像和/或第二多个食物图像中的每个图像被显示达大约5秒至大约60秒。
16.根据实施例15所述的方法，其中第一多个食物图像和/或第二多个食物图像中的每个图像被显示达大约30秒。
17.一种提供食物图像中的营养元素含量估计的方法，该方法包括以下步骤：
（a）.向多个个体显示食物图像，其中，多个个体中的每个个体具有与准确和/或可靠地提供食物图像中的营养元素含量估计的能力相关的熟练指数，并且其中根据实施例1至3中的任一项所述的方法来分配熟练指数；
（b）.从多个个体中的每个个体接收食物图像中的营养元素含量估计；以及
（c）.计算并显示营养元素含量估计的加权平均值。
18.根据实施例17所述的方法，进一步包括以下步骤：
在从多个个体中的每个个体接收营养元素估计之后，仅从多个个体中具有高于预定阈值的分配的熟练指数的个体中选择那些营养元素含量估计。
19.根据实施例17或18所述的方法，进一步包括以下步骤：
基于加权平均值来调整对疾病或病症的治疗或疗法。
20.根据实施例19所述的方法，其中治疗或疗法是胰岛素，并且所述调整包括增加或减少胰岛素剂量中的胰岛素的量。
21.根据实施例20所述的方法，进一步包括以下步骤：
给个体施用增加或减少的胰岛素剂量。
22.根据实施例17或18所述的方法，进一步包括以下步骤：
基于加权平均值启动针对疾病或病症的治疗或疗法。
23.根据实施例22所述的方法，其中所述治疗或疗法是胰岛素，并且所述启动包括提供胰岛素剂量中的胰岛素的量。
24.根据实施例17至23中的任一项所述的方法，其中，营养元素含量估计的加权平均值来自最少N个个体。
25.根据实施例24所述的方法，其中所述最少N个个体是从大约5个个体到大约50个个体。
26.根据实施例25所述的方法，其中，所述最少N个个体是大约30个个体。
27.根据实施例24所述的方法，其中，所述最少N个个体是从大约50个个体到大约100个个体。
28.根据实施例24所述的方法，其中，所述最少N个个体是大于100个个体。
29.根据实施例14至28中的任一项所述的方法，进一步包括以下步骤：
显示营养元素含量估计的加权平均值以及置信度指标，以传达加权平均值的预期可靠性。
30.根据实施例14至29中的任一项所述的方法，进一步包括以下步骤：
通过重复实施例1的步骤（b）-（d）或实施例2的步骤（d）-（f），在预定时间段之后，重新测试和重新分配来自多个个体的一个或多个个体的熟练指数。
31.根据实施例14至29中的任一项所述的方法，进一步包括以下步骤：
通过重复实施例1的步骤（b）-（d）或实施例2的步骤（d）-（f），随机地重新测试并重新分配来自多个个体的一个或多个个体的熟练指数。
32.根据实施例14至29中的任一项所述的方法，其中熟练指数是定性熟练指数。
33.根据实施例32所述的方法，其中定性熟练指数是选自由专家估计器、经验估计器和初学者估计器组成的组的专业的水平。
34.根据实施例33所述的方法，其中，专家估计器的偏差因子是0-10，经验估计器的偏差因子是11-50，并且初学者估计器的偏差因子是51以及以上。
35.根据实施例14至29中的任一项所述的方法，其中熟练指数是定量熟练指数。
36.根据实施例35所述的方法，其中，熟练指数是根据下式计算的熟练商：
（公式1），
其中，M是食物图像，N是个体，C ij 是营养元素含量估计，并且C i 是预定的营养元素含量。
37.一种提供食物图像中的营养元素含量估计的加权平均值的方法，该方法包括以下步骤：
（a）.在主要设备上从请求者接收食物图像；
（b）.在多个辅助设备上向多个个体电子地显示食物图像，其中多个个体中的每个个体具有根据实施例1至3中的方法的任一项分配的熟练指数；
（c）.经由有线或无线方式从多个个体接收他们的食物图像中的营养元素含量估计；
（d）.自动计算接收到的营养元素含量估计的加权平均值；以及
（e）在主要设备上向请求者电子地显示营养元素含量估计的加权平均值。
38.根据实施例37所述的方法，进一步包括以下步骤：
（f）.在从多个个体中的每个个体接收营养元素估计之后，仅从多个个体中具有高于预定阈值的分配的熟练指数的个体中选择那些营养元素含量估计。
39.根据实施例37或38所述的方法，进一步包括以下步骤：
（g）.基于加权平均值来调整对疾病或病症的治疗或疗法。
40.根据实施例39所述的方法，其中治疗或疗法是胰岛素，并且所述调整包括增加或减少胰岛素剂量中的胰岛素的量。
41.根据实施例40所述的方法，进一步包括以下步骤：
（h）.施用增加或减少的胰岛素剂量。
42.根据实施例37或38所述的方法，进一步包括以下步骤：
（g）.基于加权平均值启动对疾病或病症的治疗或疗法。
43.根据实施例42所述的方法，其中治疗或疗法是胰岛素，并且所述启动包括施用胰岛素剂量中的胰岛素的量。
44.根据实施例37至43中的任一项所述的方法，其中，营养元素含量估计的加权平均值来自最少N个个体。
45.根据实施例44所述的方法，其中，所述最少N个个体是从大约5个个体到大约50个个体。
46.根据实施例45所述的方法，其中，所述最少N个个体是大约30个个体。
47.根据实施例44所述的方法，其中，所述最少N个个体是从大约50个个体到大约100个个体。
48.根据实施例44所述的方法，其中，所述最少N个个体是大于100个个体。
49.一种计算机实现的方法，包括以下步骤：
（a）.向个体显示第一多个食物图像，以关于估计食物中的营养元素含量来训练个体，其中每个食物图像中的一种或多种营养元素的营养元素含量是预定的并且被显示；
（b）.向个体显示第二多个食物图像，以关于估计食物中的营养元素含量来训练个体，其中每个食物图像中的一种或多种营养元素的营养元素含量是预定的并且不显示；
（c）.从个体接收第二多个食物图像中的营养元素的营养元素含量估计；以及
（d）.从每个食物图像中的至少一个营养元素含量估计与一种或多种营养元素的相应预定营养元素含量之间的差异确定一个或多个偏差因子，并且基于一个或多个偏差因子来分配个体的熟练指数。
50.一种计算机实现的方法，包括以下步骤：
（a）.向个体显示第一多个食物图像，以关于估计食物中的营养元素含量来训练个体，其中每个食物图像中的一种或多种营养元素的营养元素含量是预定的并且不显示；
（b）.从个体接收或记录第一多个食物图像的营养元素含量估计；
（c）.向个体提供第一多个食物图像中的一种或多种营养元素的预定营养元素含量，以允许学习或校正；
（d）.向个体显示第二多个食物图像，以关于估计食物中的营养元素含量来测试个体，其中每个食物图像中的一种或多种营养元素的营养元素含量是预定的但不显示；
（e）.从个体接收第二多个食物图像中的营养元素的营养元素含量估计；以及
（f）.从每个食物图像中的至少一个营养元素含量估计与一种或多种营养元素的相应预定营养元素含量之间的差异确定一个或多个偏差因子，并且然后基于一个或多个偏差因子来分配个体的熟练指数。
51.一种计算机实现的方法，包括以下步骤：
（a）.向个体显示多个食物图像，以关于估计食物中的营养元素含量来训练个体，其中每个食物图像中的一种或多种营养元素的营养元素含量是预定的并且不显示；
（b）.从个体接收第二多个食物图像中的营养元素的营养元素含量估计；以及
（c）.从每个食物图像中的至少一个营养元素含量估计与一种或多种营养元素的相应预定营养元素含量之间的差异确定一个或多个偏差因子，并且然后基于一个或多个偏差因子来分配个体的熟练指数。
52.一种计算机实现的方法，包括以下步骤：
（a）.向多个个体显示食物图像，其中，多个个体中的每个个体具有与提供食物图像中的营养元素含量估计的能力相关的熟练指数，并且其中根据实施例1至3中的任一项所述的方法来分配熟练指数；
（b）.从多个个体中的每个个体接收食物图像中的营养元素含量估计；以及
（c）.计算并显示营养元素含量估计的加权平均值。
53.一种非暂时性计算机可读介质，包括用于使电子设备执行包括以下步骤的方法的程序指令：
（a）.向个体显示第一多个食物图像，以关于估计食物中的营养元素含量来训练个体，其中每个食物图像中的一种或多种营养元素的营养元素含量是预定的并且被显示；
（b）.向个体显示第二多个食物图像，以关于估计食物中的营养元素含量来训练个体，其中每个食物图像中的一种或多种营养元素的营养元素含量是预定的并且不显示；
（c）.从个体接收第二多个食物图像中的营养元素的营养元素含量估计；以及
（d）.从每个食物图像中的至少一个营养元素含量估计与一种或多种营养元素的相应预定营养元素含量之间的差异确定一个或多个偏差因子，并且然后基于一个或多个偏差因子来分配个体的熟练指数。
54.一种非暂时性计算机可读介质，包括用于使电子设备执行包括以下步骤的方法的程序指令：
（a）.向个体显示第一多个食物图像，以关于估计食物中的营养元素含量来训练个体，其中每个食物图像中的一种或多种营养元素的营养元素含量是预定的并且不显示；
（b）.从个体接收或记录第一多个食物图像的营养元素含量估计；
（c）.向个体提供第一多个食物图像中的一种或多种营养元素的预定营养元素含量，以允许学习或校正；
（d）.向个体显示第二多个食物图像，以关于估计食物中的营养元素含量来测试个体，其中每个食物图像中的一种或多种营养元素的营养元素含量是预定的但不显示；
（e）.从个体接收第二多个食物图像中的营养元素的营养元素含量估计；以及
（f）.从每个食物图像中的至少一个营养元素含量估计与一种或多种营养元素的相应预定营养元素含量之间的差异确定一个或多个偏差因子，并且基于一个或多个偏差因子来分配个体的熟练指数。
55.一种非暂时性计算机可读介质，包括用于使电子设备执行包括以下步骤的方法的程序指令：
（a）.向多个个体显示食物图像，其中，多个个体中的每个个体具有与提供食物图像中的营养元素含量估计的能力相关的熟练指数，并且其中根据实施例1至3中的任一项所述的方法来分配熟练指数；
（b）.从多个个体中的每个个体接收食物图像中的营养元素含量估计；以及
（c）.计算并显示营养元素含量估计的加权平均值。
56.一种包括指令的非暂时性计算机可读介质，当计算机可读存储介质由计算机执行时，该指令使计算机执行实施例1至48中的任一项所述的方法的步骤。
57.一种包括指令的计算机程序产品，当计算机程序由计算机执行时，该指令使计算机执行实施例1至48中的任一项所述的方法的步骤。
58.一种包括指令的电子设备应用，当该应用由电子设备执行时，该指令使电子设备执行实施例1至48中的任一项所述的方法的步骤。
59.一种用于改进的营养元素含量估计的电子设备，该电子设备包括：
处理器、存储器和收发器，其中处理器被配置成：
（a）.向个体显示第一多个食物图像，以关于估计食物中的营养元素含量来训练个体，其中每个食物图像中的一种或多种营养元素的营养元素含量是预定的并且被显示；
（b）.向个体显示第二多个食物图像，以关于估计食物中的营养元素含量来训练个体，其中每个食物图像中的一种或多种营养元素的营养元素含量是预定的并且不显示；
（c）.从个体接收第二多个食物图像中的营养元素的营养元素含量估计；以及
（d）.从每个食物图像中的至少一个营养元素含量估计与一种或多种营养元素的相应预定营养元素含量之间的差异确定一个或多个偏差因子，并且基于一个或多个偏差因子来分配个体的熟练指数。
60.一种数据处理设备或***，包括用于执行实施例1至48中的任一项所述的方法的装置。
61.一种向个体分配熟练分类的方法，用于估计食物的营养元素含量，如本文中充分地描述和示出的那样。
62.一种经由众包提供食物图像中的营养元素含量估计的方法，如本文中充分地描述和示出的那样。
63.一种向个体分配熟练分类的计算机实现的方法，用于估计食物的营养元素含量，如本文中充分地描述和示出的那样。
64.一种经由众包提供食物图像中的营养元素含量估计的计算机实现的方法，如本文中充分地描述和示出的那样。
65.一种向个体分配熟练分类的计算机实现的方法，用于估计食物的营养元素含量，如本文中充分地描述和示出的那样。
66.一种经由众包提供食物图像中的营养元素含量估计的计算机实现的方法，如本文中充分地描述和示出的那样。
67.一种用于向个体分配熟练分类的设备，用于估计食物的营养元素含量，如本文中充分地描述和示出的那样。
68.一种用于经由众包提供食物图像中的营养元素含量估计的设备，如本文中充分地描述和示出的那样。
69.一种用于向个体分配熟练分类的***，用于估计食物的营养元素含量，如本文中充分地描述和示出的那样。
70.一种用于经由众包提供食物图像中的营养元素含量估计的***，如本文中充分地描述和示出的那样。
Claims (20)
1.一种在具有存储器和一个或多个处理器的电子设备上的营养估计工具的改进的图形用户接口（GUI），所述处理器用于执行存储在存储器中的一个或多个程序，以用于基于营养元素含量估计来确定疗法或治疗和改进糖尿病管理，所述改进的GUI可操作地耦合到一个或多个处理器，所述改进的GUI包括：
基于至少一个营养元素含量估计和至少一个熟练指数的疗法或治疗显示，以提高在估计食物中的营养元素含量时的准确性和可靠性以及改进基于此的疗法或治疗；
其中一个或多个处理器适于执行计算机实现的指令以：
从与相应的多个熟练指数相关的多个个体接收食物图像的多个营养元素含量估计，其中来自个体的每个营养元素含量估计与对应于个体准确和可靠地提供食物图像中的营养元素含量估计的预定能力的个体的相应熟练指数相关；
基于相应的多个熟练指数来计算营养元素含量估计的加权平均值；
在改进的GUI上显示加权平均值；以及
基于加权平均值来调整治疗或疗法显示。
2.根据权利要求1所述的改进的GUI，其中，所述一个或多个处理器进一步适于执行计算机实现的指令以：
选择从多个个体接收的与各自高于预定阈值的相应的多个熟练指数相关的多个营养元素含量估计的选择的部分；以及
基于多个营养元素含量估计的选择的部分，计算营养元素含量估计的加权平均值。
3.根据权利要求1所述的改进的GUI，其中，所述一个或多个处理器被可操作地耦合到血糖仪和胰岛素泵中的至少一个，所述一个或多个处理器进一步适于执行计算机实现的指令以：
基于治疗或疗法显示来调整对个体的疾病或病症的治疗或疗法。
4.根据权利要求3所述的改进的GUI，其中，所述一个或多个处理器进一步适于执行计算机实现的指令以：
通过调整的胰岛素剂量中的胰岛素的量的增加或减少之一来调整治疗或疗法；以及
通过胰岛素泵向个体施用调整的胰岛素剂量。
5.根据权利要求1所述的改进的GUI，其中，营养元素含量估计的加权平均值来自最少N个个体。
6.根据权利要求1所述的改进的GUI，其中，所述一个或多个处理器进一步适于执行计算机实现的指令以：
显示营养元素含量估计的加权平均值的置信度指标以及加权平均值，以传达加权平均值的预期可靠性。
7.根据权利要求1所述的改进的GUI，其中，每个熟练指数是包括根据下式计算的熟练商（EQ）的定量熟练指数：
其中，M是食物图像，N是个体，C ij 是营养元素含量估计，并且C i 是预定的营养元素含量。
8.一种在具有存储器和一个或多个处理器的电子设备上的营养估计工具的改进的图形用户接口（GUI），所述处理器用于执行存储在存储器中的一个或多个程序，以用于基于营养元素含量估计来确定疗法或治疗和改进糖尿病管理，所述改进的GUI可操作地耦合到一个或多个处理器，所述改进的GUI包括：
基于至少一个营养元素含量估计和至少一个熟练指数的疗法或治疗显示，以提高在估计食物中的营养元素含量时的准确性和可靠性以及改进基于此的疗法或治疗；
其中所述一个或多个处理器适于执行计算机实现的指令以：
从个体接收食物图像的至少一个营养元素含量估计作为测试；
从食物图像的至少一个营养元素含量估计和相应预定营养元素含量中确定一个或多个偏差因子；
基于一个或多个偏差因子，将至少一个熟练指数分配给个体；以及
基于至少一个营养元素含量估计和至少一个熟练指数来调整治疗或疗法显示。
9.根据权利要求8所述的改进的GUI，其中，所述一个或多个处理器被可操作地耦合到血糖仪和胰岛素泵中的至少一个，所述一个或多个处理器进一步适于执行计算机实现的指令以：
基于治疗或疗法显示来调整对个体的疾病或病症的治疗或疗法。
10.根据权利要求9所述的改进的GUI，其中，所述一个或多个处理器进一步适于执行计算机实现的指令以：
通过调整的胰岛素剂量中的胰岛素的量的增加或减少之一来调整治疗或疗法；以及
通过胰岛素泵向个体施用调整的胰岛素剂量。
11.根据权利要求8所述的改进的GUI，其中，所述一个或多个处理器进一步适于执行计算机实现的指令以：
在预定时间段之后，对个体进行重新测试，并将熟练指数重新分配给个体。
12.根据权利要求8所述的改进的GUI，其中，熟练指数是定量熟练指数，所述定量熟练指数包括根据下式计算的熟练商（EQ）：
其中，M是食物图像，N是个体，C ij 是营养元素含量估计，并且C i 是预定的营养元素含量。
13.一种向个体分配熟练指数的方法，所述方法用于估计食物的营养元素含量，并利用熟练指数来提高在估计食物中的营养元素含量时的可靠性和准确性，以及改进基于此的疗法或治疗显示，所述方法包括以下步骤：
通过图形用户接口（GUI）向个体显示测试的多个食物图像以关于估计食物中的营养元素含量来测试个体，其中每个食物图像中的一种或多种营养元素的营养元素含量是预定的并且不显示；
从个体接收测试的多个食物图像中的营养元素的营养元素含量估计；
从每个食物图像中的至少一个营养元素含量估计和一种或多种营养元素的相应预定营养元素含量中确定一个或多个偏差因子；
基于一个或多个偏差因子来分配个体的熟练指数；以及
基于从个体接收的食物图像的至少一个营养元素含量估计和分配给个体的熟练指数，针对与食物图像相关联的食物在GUI上调整治疗或疗法显示。
14.根据权利要求13所述的方法，进一步包括：
通过GUI向个体显示训练的多个食物图像以关于估计食物中的营养元素含量来训练个体，其中每个食物图像中的一种或多种营养元素的营养元素含量是预定的并且被显示。
15.根据权利要求13所述的方法，进一步包括：
通过GUI向个体显示训练的多个食物图像以关于估计食物中的营养元素含量来训练个体，其中每个食物图像中的一种或多种营养元素的营养元素含量是预定的并且不显示；
通过GUI从个体接收训练的多个食物图像的营养元素含量估计；以及
向个体显示训练的多个食物图像中的一种或多种营养元素的预定营养元素含量，以允许学习或校正。
16.根据权利要求13所述的方法，其中，熟练指数是与选自专家估计器、经验估计器和初学者估计器之一的专业的水平相关联的定性熟练指数。
17.根据权利要求16所述的方法，其中，针对专家估计器的一个或多个偏差因子的偏差因子是0-10，针对经验估计器的一个或多个偏差因子的偏差因子是11-50，并且针对初学者估计器的一个或多个偏差因子的偏差因子是51以及以上。
18.根据权利要求13所述的方法，其中，熟练指数是包括根据下式计算的熟练商（EQ）的定量熟练指数：
其中，M是食物图像，N是个体，C ij 是营养元素含量估计，并且C i 是预定的营养元素含量。
19.根据权利要求13所述的方法，其中，测试的多个食物图像在从大约五个食物图像到大约50个食物图像的范围内。
20.根据权利要求13所述的方法，进一步包括在预定时间段之后重新测试和重新分配个体的熟练指数。
Applications Claiming Priority (3)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| US201762552587P | 2017-08-31 | 2017-08-31 | |
| US62/552587 | 2017-08-31 | ||
| PCT/US2018/048748 WO2019046530A1 (en) | 2017-08-31 | 2018-08-30 | METHODS, DEVICES AND SYSTEMS FOR ESTIMATING CONTENT IN NUTRIENTS IN FOODS |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN111247591A true CN111247591A (zh) | 2020-06-05 |
| CN111247591B CN111247591B (zh) | 2024-06-07 |
Family
ID=63529025
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201880070367.7A Active CN111247591B (zh) | 2017-08-31 | 2018-08-30 | 用于估计食物中的营养元素含量的方法、设备和*** |
Country Status (5)
| Country | Link |
|---|---|
| US (2) | US11715553B2 (zh) |
| EP (1) | EP3675712A1 (zh) |
| CN (1) | CN111247591B (zh) |
| CA (1) | CA3072613C (zh) |
| WO (1) | WO2019046530A1 (zh) |
Citations (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2007023619A1 (ja) * | 2005-08-26 | 2007-03-01 | National University Corporation Nagoya University | 栄養管理支援システム、栄養管理支援システム用プログラム、栄養管理能力養成システム及び栄養管理能力養成システム用プログラム |
| CN102300501A (zh) * | 2009-02-04 | 2011-12-28 | 艾伯特糖尿病护理公司 | 多功能分析物测试装置及其方法 |
| WO2012019746A1 (en) * | 2010-08-10 | 2012-02-16 | Roche Diagnostics Gmbh | Method and system for improving glycemic control |
| CN104303185A (zh) * | 2012-02-17 | 2015-01-21 | 好措施有限责任公司 | 用于营养物摄取量的用户特定调节的***和方法 |
| CN104778374A (zh) * | 2015-05-04 | 2015-07-15 | 哈尔滨理工大学 | 一种基于图像处理识别方法的自动膳食评估装置 |
| US20150228062A1 (en) * | 2014-02-12 | 2015-08-13 | Microsoft Corporation | Restaurant-specific food logging from images |
| US20150347520A1 (en) * | 2014-06-02 | 2015-12-03 | Oracle International Corporation | Using crowdsourcing consensus to determine nutritional content of foods depicted in an image |
| CN105580052A (zh) * | 2013-07-02 | 2016-05-11 | 豪夫迈·罗氏有限公司 | 食物体积和碳水化合物的估计 |
| CN106537395A (zh) * | 2014-07-08 | 2017-03-22 | 雀巢产品技术援助有限公司 | 用于提供动物健康、营养和/或保健建议的***和方法 |
Family Cites Families (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US5454721A (en) * | 1993-12-30 | 1995-10-03 | Kuch; Nina J. | Application of multi-media technology to nutrition education and diet planning |
| IL160578A (en) * | 2004-02-25 | 2013-11-28 | Newvaltech Knowledge Services And Invest Ltd | Remote training service and server |
| US10311976B2 (en) * | 2016-04-28 | 2019-06-04 | Roche Diabetes Care, Inc. | Bolus calculator with probabilistic carbohydrate measurements |
| US10856934B2 (en) | 2016-04-29 | 2020-12-08 | Ethicon Llc | Electrosurgical instrument with electrically conductive gap setting and tissue engaging members |
-
2018
- 2018-08-30 WO PCT/US2018/048748 patent/WO2019046530A1/en unknown
- 2018-08-30 CA CA3072613A patent/CA3072613C/en active Active
- 2018-08-30 CN CN201880070367.7A patent/CN111247591B/zh active Active
- 2018-08-30 EP EP18766561.7A patent/EP3675712A1/en active Pending
- 2018-08-30 US US16/642,306 patent/US11715553B2/en active Active
-
2023
- 2023-06-08 US US18/331,273 patent/US20230317243A1/en active Pending
Patent Citations (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2007023619A1 (ja) * | 2005-08-26 | 2007-03-01 | National University Corporation Nagoya University | 栄養管理支援システム、栄養管理支援システム用プログラム、栄養管理能力養成システム及び栄養管理能力養成システム用プログラム |
| CN102300501A (zh) * | 2009-02-04 | 2011-12-28 | 艾伯特糖尿病护理公司 | 多功能分析物测试装置及其方法 |
| WO2012019746A1 (en) * | 2010-08-10 | 2012-02-16 | Roche Diagnostics Gmbh | Method and system for improving glycemic control |
| CN104303185A (zh) * | 2012-02-17 | 2015-01-21 | 好措施有限责任公司 | 用于营养物摄取量的用户特定调节的***和方法 |
| CN105580052A (zh) * | 2013-07-02 | 2016-05-11 | 豪夫迈·罗氏有限公司 | 食物体积和碳水化合物的估计 |
| US20150228062A1 (en) * | 2014-02-12 | 2015-08-13 | Microsoft Corporation | Restaurant-specific food logging from images |
| US20150347520A1 (en) * | 2014-06-02 | 2015-12-03 | Oracle International Corporation | Using crowdsourcing consensus to determine nutritional content of foods depicted in an image |
| CN106537395A (zh) * | 2014-07-08 | 2017-03-22 | 雀巢产品技术援助有限公司 | 用于提供动物健康、营养和/或保健建议的***和方法 |
| CN104778374A (zh) * | 2015-05-04 | 2015-07-15 | 哈尔滨理工大学 | 一种基于图像处理识别方法的自动膳食评估装置 |
Also Published As
| Publication number | Publication date |
|---|---|
| US11715553B2 (en) | 2023-08-01 |
| CA3072613C (en) | 2024-03-19 |
| WO2019046530A1 (en) | 2019-03-07 |
| US20210074404A1 (en) | 2021-03-11 |
| EP3675712A1 (en) | 2020-07-08 |
| CN111247591B (zh) | 2024-06-07 |
| CA3072613A1 (en) | 2019-03-07 |
| US20230317243A1 (en) | 2023-10-05 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US11183291B2 (en) | Generating personalized nutritional recommendations using predicted values of biomarkers | |
| US20200066181A1 (en) | Generating Personalized Food Recommendations from Different Food Sources | |
| US11183080B2 (en) | Generating predicted values of biomarkers for scoring food | |
| KR102571097B1 (ko) | 모바일 장치를 위한 건강 지원 그룹 | |
| US11037669B2 (en) | System and method for calculating, displaying, modifying, and using personalized nutritional health score | |
| AU2013101802A4 (en) | Systems and methods for user-specific modulation of nutrient intake | |
| Anthimopoulos et al. | Computer vision-based carbohydrate estimation for type 1 patients with diabetes using smartphones | |
| US8333508B2 (en) | Multi-functional medical imaging quality assurance sensor | |
| Burke | Dietary assessment methods for the athlete: Pros and cons of different methods | |
| JP2015510646A5 (zh) | ||
| US20200342977A1 (en) | System, computer-readable storage medium, and method | |
| Schechter et al. | Structure, function, and applications of the Georgetown–Einstein (GE) breast cancer simulation model | |
| Yoon et al. | Artificial intelligence and echocardiography | |
| Hinojosa-Nogueira et al. | Stance4Health nutritional APP: a path to personalized smart nutrition | |
| CN111247591B (zh) | 用于估计食物中的营养元素含量的方法、设备和*** | |
| KR102553562B1 (ko) | 유방암 발생 위험도 예측 장치 및 방법 | |
| US20220392609A1 (en) | Personalized food recommendations based on sensed biomarker data | |
| US20210158961A1 (en) | 1integrating artificial intelligence based analyses of medical images into clinical workflows | |
| Stawiski et al. | PancreApp: An Innovative Approach to Computational Individualization of Nutritional Therapy in Chronic Gastrointestinal Disorders | |
| KR20190106975A (ko) | 스마트 테이블 및 스마트 테이블의 제어방법 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| REG | Reference to a national code |
Ref country code: HK Ref legal event code: DE Ref document number: 40031567 Country of ref document: HK |
|
| GR01 | Patent grant |