Оценка питательных веществ из 24-часовых отзывов продуктов с использованием машинного обучения и картографирования базы

Обсуждение статей по нутрициологии и диетологии как жёлтой, так и серьёзной прессы

Модераторы: Симоненко Ольга, Натали

Аватара пользователя
Робот
VIP
VIP
Сообщения: 5073
Зарегистрирован: 11 июн 2018, 14:51
Поблагодарили: 2 раза

Оценка питательных веществ из 24-часовых отзывов продуктов с использованием машинного обучения и картографирования базы

Непрочитанное сообщение Робот »

Nutrients, Vol. 11, Pages 3045: Nutrient Estimation from 24-Hour Food Recalls Using Machine Learning and Database Mapping: A Case Study with Lactose

Nutrients doi: 10.3390/nu11123045

Authors: Elizabeth L. Chin Gabriel Simmons Yasmine Y. Bouzid Annie Kan Dustin J. Burnett Ilias Tagkopoulos Danielle G. Lemay

The Automated Self-Administered 24-Hour Dietary Assessment Tool (ASA24) is a free dietary recall system that outputs fewer nutrients than the Nutrition Data System for Research (NDSR). NDSR uses the Nutrition Coordinating Center (NCC) Food and Nutrient Database, both of which require a license. Manual lookup of ASA24 foods into NDSR is time-consuming but currently the only way to acquire NCC-exclusive nutrients. Using lactose as an example, we evaluated machine learning and database matching methods to estimate this NCC-exclusive nutrient from ASA24 reports. ASA24-reported foods were manually looked up into NDSR to obtain lactose estimates and split into training (n = 378) and test (n = 189) datasets. Nine machine learning models were developed to predict lactose from the nutrients common between ASA24 and the NCC database. Database matching algorithms were developed to match NCC foods to an ASA24 food using only nutrients (“Nutrient-Only”) or the nutrient and food descriptions (“Nutrient + Text”). For both methods, the lactose values were compared to the manual curation. Among machine learning models, the XGB-Regressor model performed best on held-out test data (R2 = 0.33). For the database matching method, Nutrient + Text matching yielded the best lactose estimates (R2 = 0.76), a vast improvement over the status quo of no estimate. These results suggest that computational methods can successfully estimate an NCC-exclusive nutrient for foods reported in ASA24.


Source: https://www.mdpi.com/2072-6643/11/12/3045
Это сообщение оставлено Роботом

Аватара пользователя
Vinipuh
Донатор
Донатор
Сообщения: 629
Зарегистрирован: 06 июл 2019, 21:21
Благодарил (а): 61 раз
Поблагодарили: 3 раза

Re: Оценка питательных веществ из 24-часовых отзывов продуктов с использованием машинного обучения и картографирования б

Непрочитанное сообщение Vinipuh »

Автоматизированный само-Управленный 24-часовой диетический инструмент оценки (ASA24) свободная диетическая система отозвания которая выводит меньше питательных веществ чем система данных по питания для исследования (NDSR). NDSR использует базу данных продуктов питания и питательных веществ Nutrition Coordinating Center (NCC), обе из которых требуют лицензии. Ручной поиск продуктов ASA24 в NDSR занимает много времени, но в настоящее время это единственный способ получить NCC-эксклюзивные питательные вещества. Используя лактозу в качестве примера, мы оценили методы машинного обучения и сопоставления баз данных для оценки этого эксклюзивного питательного вещества NCC из отчетов ASA24. Asa24-сообщенные продукты были вручную просмотрены в NDSR для получения оценок лактозы и разделены на учебные (n = 378) и тестовые (n = 189) наборы данных.

Девять моделей машинного обучения были разработаны для прогнозирования лактозы из питательных веществ, общих для ASA24 и базы данных NCC. Алгоритмы сопоставления баз данных были разработаны для сопоставления продуктов NCC с продуктами ASA24, используя только питательные вещества ("только питательные вещества") или описания питательных веществ и продуктов питания ("питательные вещества + текст"). Для обоих методов значения лактозы сравнивали с ручной курацией. Среди моделей машинного обучения модель XGB-Regressor лучше всего работает с задержанными тестовыми данными (R2 = 0,33). Для метода сопоставления базы данных сопоставление питательных веществ + текста дало лучшие оценки лактозы (R2 = 0,76), что значительно улучшило статус-кво оценки no. Эти результаты показывают, что вычислительные методы могут успешно оценить исключительное питательное вещество NCC для пищевых продуктов, о которых сообщается в ASA24.

Donat
Ответить
  • Похожие темы
    Ответы
    Просмотры
    Последнее сообщение

Кто сейчас на конференции

Сейчас этот форум просматривают: Bing [Bot] и 0 гостей