論文の概要: Digital health shopping assistant with React Native: a simple
technological solution to a complex health problem
- arxiv url: http://arxiv.org/abs/2208.04761v2
- Date: Fri, 21 Oct 2022 10:46:32 GMT
- ステータス: 処理完了
- システム内更新日: 2023-02-19 10:29:39.558627
- Title: Digital health shopping assistant with React Native: a simple
technological solution to a complex health problem
- Title（参考訳）: React Nativeによるデジタルヘルスショッピングアシスタント - 複雑な健康問題に対するシンプルな技術ソリューション
- Authors: Alina Govoruhina, Anastasija Nikiforova
- Abstract要約: デジタルヘルスショッピングアシスタント「ダイエットヘルパー」について紹介する。
消費に適した製品かどうかを判断しやすくすることで、このような人々の生活を楽にすることを目的としている。
このアプリはReact NativeフレームワークとGoogleプラットフォームを使って開発されている。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Today, more and more people are reporting allergies, which can range from
simple reactions close to discomfort to anaphylactic shocks. Other people may
not be allergic but avoid certain foods for personal reasons. Daily food
shopping of these people is hampered by the fact that unwanted ingredients can
be hidden in any food, and it is difficult to find them all. The paper presents
a digital health shopping assistant called "Diet Helper", aimed to make life
easier for such people by making it easy to determine whether a product is
suitable for consumption, according to the specific dietary requirements of
both types - existing diet and self-defined. This is achieved by capturing
ingredient label, received by the app as an input, which the app analyses,
converting the captured label to text, and filters out unwanted ingredients
that according to the user should be avoided as either allergens or products to
which the consumer is intolerant etc, helping the user decide if the product is
suitable for consumption. This should make daily grocery shopping easier by
providing the user with more accurate and simplified product selection in
seconds, reducing the total time spent in the grocery stores, which is
especially relevant in light of COVID-19, although it was and will remain out
of it due to the busy schedules and active rhythm of life of modern society.
The app is developed using the React Native framework and Google Firebase
platform, which makes it easy to develop, use and extend such solutions thereby
encouraging to start actively developing solutions that could improve
wellbeing.
- Abstract（参考訳）: 今日では、不安に近い単純な反応からアナフィラキシーショックまで、アレルギーを報告する人が増えている。
他の人はアレルギーではないかもしれないが、個人的な理由から特定の食品を避けている。
これらの人々の日常的な食生活は、望ましくない食材がどんな食材にも隠されることで妨げられ、すべてを見つけることは困難である。
本稿では,既存の食生活と自己定義の具体的要求に応じて,消費に適した製品かどうかを判断しやすくすることを目的として,デジタルヘルスショッピングアシスタント「ダイエットヘルパー」を提案する。
これは、アプリから受信した成分ラベルを入力としてキャプチャし、アプリの分析を行い、取得したラベルをテキストに変換し、利用者が不寛容なアレルゲンまたは製品として避けるべき望ましくない成分をフィルターすることで、ユーザーが消費に適した製品かどうかを判断するのに役立つ。
これにより、1日あたりの食料品の買い物は、より正確で単純化された商品選択を数秒で提供し、特に新型コロナウイルスの影響を受けやすい食料品店で過ごす時間を削減できる。
このアプリはreact native frameworkとgoogle firebaseプラットフォームを使用して開発されており、このようなソリューションの開発、使用、拡張が容易になるため、ウェルビービングを改善するソリューションを積極的に開発することを促す。
関連論文リスト
- NutrifyAI: An AI-Powered System for Real-Time Food Detection, Nutritional Analysis, and Personalized Meal Recommendations [14.036206693783198]
本稿では,先進的なコンピュータビジョン技術と栄養分析を組み合わせた総合システムを提案する。
予備的な結果は、即時かつ正確な食事の洞察を提供することによって、システムの有効性を示し、食品認識精度は80%近くである。
論文 参考訳（メタデータ） (2024-08-20T04:18:53Z) - NutritionVerse-Direct: Exploring Deep Neural Networks for Multitask Nutrition Prediction from Food Images [63.314702537010355]
自己申告法はしばしば不正確であり、重大な偏見に悩まされる。
近年、食品画像から栄養情報を予測するためにコンピュータビジョン予測システムを用いた研究が進められている。
本稿では,様々なニューラルネットワークアーキテクチャを活用することにより,食事摂取量推定の有効性を高めることを目的とする。
論文 参考訳（メタデータ） (2024-05-13T14:56:55Z) - How Much You Ate? Food Portion Estimation on Spoons [63.611551981684244]
現在の画像に基づく食品部分推定アルゴリズムは、ユーザが食事の画像を1、2回取ることを前提としている。
本稿では,静止型ユーザ向けカメラを用いて,機器上の食品の追跡を行う革新的なソリューションを提案する。
本システムは,スープやシチューなどの液状固形不均一混合物の栄養含量の推定に信頼性が高い。
論文 参考訳（メタデータ） (2024-05-12T00:16:02Z) - Sentiment Polarity Analysis of Bangla Food Reviews Using Machine and Deep Learning Algorithms [1.102674168371806]
人口の大部分は、自宅に食事を届けるためにオンライン食品注文サービスを利用している。
我々の努力は、食べ物が良質なのか、それとも良質なのかを判断できるモデルを確立することであった。
私たちは、Food PandaやHungryNakiなど、著名な食品注文プラットフォームから1484以上のオンラインレビューのデータセットを収集しました。
論文 参考訳（メタデータ） (2024-05-03T09:49:46Z) - NutritionVerse: Empirical Study of Various Dietary Intake Estimation Approaches [59.38343165508926]
食事の正確な摂取推定は、健康的な食事を支援するための政策やプログラムを伝える上で重要である。
最近の研究は、コンピュータービジョンと機械学習を使用して、食物画像から食事摂取を自動的に推定することに焦点を当てている。
我々は,84,984個の合成2D食品画像と関連する食事情報を用いた最初の大規模データセットであるNutritionVerse-Synthを紹介した。
また、リアルなイメージデータセットであるNutritionVerse-Realを収集し、リアル性を評価するために、251の料理の889のイメージを含む。
論文 参考訳（メタデータ） (2023-09-14T13:29:41Z) - Food Recognition and Nutritional Apps [0.0]
食品認識と栄養アプリ(英語版)は、糖尿病患者が食事を管理する方法に革命をもたらすかもしれないトレンド技術である。
これらのアプリは糖尿病を管理するための有望なソリューションを提供するが、患者が使うことはめったにない。
本章は、食品の認識と栄養に関するアプリの現状を詳細に評価し、使用を阻害または促進する要因を特定することを目的としている。
論文 参考訳（メタデータ） (2023-06-20T13:23:59Z) - A Comprehensive Picture of Factors Affecting User Willingness to Use
Mobile Health Applications [62.60524178293434]
本研究の目的は,mHealthアプリのユーザ受け入れに影響を与える要因を検討することである。
利用者のデジタルリテラシーは、個人情報を共有するオンライン習慣に続き、使用意欲に最も強い影響を与える。
居住国、年齢、民族、教育などの利用者の人口統計学的背景は、顕著な緩和効果がある。
論文 参考訳（メタデータ） (2023-05-10T08:11:21Z) - What Do End-Users Really Want? Investigation of Human-Centered XAI for
Mobile Health Apps [69.53730499849023]
説明可能なAI(XAI)を評価するために,ユーザ中心のペルソナ概念を提案する。
分析の結果,ユーザの人口統計や性格,説明のタイプ,影響説明の嗜好が示された。
私たちの洞察は、対話的で人間中心のXAIを実践的な応用に近づけます。
論文 参考訳（メタデータ） (2022-10-07T12:51:27Z) - Learning Personal Food Preferences via Food Logs Embedding [1.1534313664323634]
食品ログから食品の嗜好を学習する手法を提案する。
提案手法は,ユーザの最も頻繁に食べられる食品の82%を同定する。
論文 参考訳（メタデータ） (2021-10-29T02:36:24Z) - Vision-Based Food Analysis for Automatic Dietary Assessment [49.32348549508578]
本総説では, 食品画像分析, 容積推定, 栄養素抽出の3段階からなる, 統合型ビジョンベース食事評価(VBDA)の枠組みを概説する。
深層学習により、VBDAは徐々にエンドツーエンドの実装へと移行し、単一のネットワークに食品画像を適用して栄養を直接見積もる。
論文 参考訳（メタデータ） (2021-08-06T05:46:01Z) - Tracing Complexity in Food Blogging Entries [0.0]
複雑性の概念と、それがTwitterのフードブログのエントリでどのように表現されるかに焦点を当てる。
複雑性は、栄養と健康に関する合理的な考察よりも、食品選択の不合理な決定要因であるヘドニズムを顕在化すると考えている。
論文 参考訳（メタデータ） (2020-07-10T18:13:48Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。