利用人工智能模型帮助人们管理饮食

近年来，人们越来越意识到自己的饮食选择以及食物对健康和慢性疾病的影响。Revathy Venkataramanan，一个计算机科学与工程这位博士生正在使用人工智能技术，根据用户的健康状况和食物偏好，从食物图像和膳食建议中进行营养分析。

Venkataramanan的核心研究南卡罗来纳州人工智能研究所(AIISC)专注于一个可解释的食物推荐系统，以帮助有饮食意识的观众和患者选择食物。她希望将营养管理工具部署为移动应用程序或聊天机器人。

“大多数饮食评估系统都是记录食物摄入量的日志。类似地，许多基于深度学习的营养分析模型将估计食物图像的卡路里摄入量，推荐系统将推荐食物，”Venkataramanan解释道。“但这些模型并没有全面分析推荐食物的营养成分、使用的配料和烹饪方法，也没有为推荐系统所做的食物选择提供解释。“我们的目标是开发一个向用户解释其决定的推荐系统，从而使人工智能系统得到用户的信任，从而缩小差距。”

Venkataramanan的可解释食物推荐系统还包含一个个性化的健康知识图表，可以根据用户的健康状况和食物偏好推荐食物。她的工作旨在利用深度学习模型的泛化能力和知识图的抽象能力。

她说:“这个系统不仅仅告诉用户食物是否对他们有益。”“它还解释了为什么或为什么不，这样他们就能做出明智的决定。”

Venkataramanan的许多项目都专注于医疗保健计划，旨在通过基于物联网的传感器监测患者的生命体征，帮助临床医生做出明智的决定。她使用人工智能模型进行营养管理的想法是在与一位减肥外科医生会面后提出的。

“我们在讨论如何监测减肥手术患者术后的饮食，减肥外科医生建议，给一种食物拍张照片，然后就能得到它的名字，这应该很酷。那是我发光的时刻，”Venkataramanan说。

Venkataramanan还在开发一个烹饪模拟器，用于增强烹饪表征学习，这是她的可解释食物推荐系统的先决条件。她解释说，从图像中分析食物的主要挑战之一是，烹饪过程中添加的许多配料在完整的食谱图像中是看不见的。然而，了解烹饪过程中添加的东西和烹饪方法对于适当的食物推荐是必不可少的。

莱瓦希提供了一个完美的例子，说明AIISC提供了丰富的环境，将博士生培养成独立的研究人员。

- Amit Sheth, AIISC创始董事

Venkataramanan试图通过对烹饪过程进行建模，包括指令、配料文本和配料图像，来弥合食谱表示和目标食物图像之间的差距。通过了解烹饪过程和使用的配料，可以生成和分类特定于健康的食谱，并根据烹饪风格和配料探索新的风味组合。

Venkataramanan解释说:“通过分析烹饪方法和使用的配料类型的影响，我们可以评估给定的食谱是否适合特定的饮食。”“烹饪模式可以通过寻找替代食材来进一步帮助用户解决食物限制问题。”

正在开发的第三个项目将帮助估算1型糖尿病患者的碳水化合物。这些患者必须精确地跟踪他们的碳水化合物摄入量，以估计他们的胰岛素剂量。但Venkataramanan说，众所周知，许多患者会猜测自己的碳水化合物摄入量，导致胰岛素剂量不准确。她的解决方案是一个移动应用程序，可以跟踪食物摄入量，并使用体积估计算法从膳食图像中估计碳水化合物含量。Venkataramanan的团队与营养数据库提供商合作Edamam以及临床内分泌学家丽莎·奈特博士棱镜健康他将在临床试验中使用该应用程序。

与来自不同部门的同事合作，培养了一种跨学科的方法，帮助培养了Venkataramanan的研究。例如，她正在与物理科学系合作研究“精准营养”，旨在为纳入肠道菌群的患者制作个性化膳食。她说:“这是一个巨大的优势，可以从许多不同的领域获得意见和观点。”

Amit Sheth他是文卡塔拉马南的研究导师。Sheth说:“Revathy提供了一个完美的例子，说明AIISC提供了丰富的环境，可以将博士生培养成独立的研究者。”“AIISC有大约20个转化研究项目，涉及与UofSC大多数学校和学院的合作。Revathy在精确营养方面的项目是此类研究的一个完美例子，该项目是前20大技术领域之一。”

Venkataramanan是AIISC的研究生研究助理，同时也是一名研究实习生惠普企业。她预计在2024年春季完成博士课程。