論文の概要: Quantifying Hidden Salt for Precision Healthcare: Sodium Assessment via Joint-Factor Retrieval and Chain-of-Thought Inference
- arxiv url: http://arxiv.org/abs/2609.22171v1
- Date: Wed, 26 Aug 2026 22:38:59 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-09-28 05:09:55.755593
- Title: Quantifying Hidden Salt for Precision Healthcare: Sodium Assessment via Joint-Factor Retrieval and Chain-of-Thought Inference
- Title（参考訳）: 精密医療のための隠れた塩の定量化:共同因子検索と連鎖推定によるナトリウム評価
- Abstract要約: 本稿では,レシピ中のナトリウム含有量を評価するためのRAGフレームワークを用いたナトリウム評価・レベル追跡フレームワークを提案する。
筆者らのフレームワークはまず, ナトリウム含有量で類似したレシピを見つけるために, 共同要素埋め込み検索モジュールを導入している。
次に、言語モデルからあいまいな推定を洗練させるために、構造化された4-hop Chain-of-Thought推論モジュールを設計する。
- 参考スコア（独自算出の注目度）: 29.85489449628631
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Precision healthcare, particularly for conditions like hypertension and cardiovascular disease, necessitates monitoring of dietary sodium intake. However, tracking this is hindered by the prevalence of hidden salt in cooking, such as sodium in soy sauce and ketchup. While recipes offer a valuable data source for dietary analysis, sodium-rich seasonings are frequently omitted or described ambiguously in instructions. To solve this issue, we propose SALT, a Sodium Assessing & Level Tracking framework adopting an RAG framework to assess sodium content in recipes. Our framework first introduces a Joint-Factor Embedding Retrieval module to locate similar recipes with specified sodium content for addressing the lack of contextual references. These retrieved samples provide contexts for subsequent inference. Then we design a structured 4-hop Chain-of-Thought inference module to refine the vague estimation from language models through a multi-step sodium estimation. To facilitate our study, we further construct a recipe dataset SALT54k with $54,151$ entries labeled with sodium quantities across $11$ common seasonings. Results on SALT54k demonstrate that our method achieves state-of-the-art performance in sodium estimation. Additional real-world validations confirm the effectiveness of our method, demonstrating its potential as a practical solution for AI-assisted precision healthcare.
- Abstract（参考訳）: 特に高血圧や心血管疾患などの疾患では、食事中のナトリウム摂取のモニタリングが必要である。
しかし、この追跡は、醤油やケチャップのナトリウムなどの調理における隠れた塩の有様によって妨げられる。
レシピは食事分析に有用なデータソースを提供するが、ナトリウムに富んだ調味料はしばしば省略される。
そこで本研究では,レシピ中のナトリウム含有量を評価するためのRAGフレームワークを採用した,ナトリウム評価・レベルトラッキングフレームワークであるSALTを提案する。
我々のフレームワークはまず、コンテキスト参照の欠如に対処するために、特定のナトリウム含有量を持つ類似のレシピを見つけるための共同要素埋め込み検索モジュールを導入する。
これらの検索されたサンプルは、その後の推論のコンテキストを提供する。
次に,多段階ナトリウム推定による言語モデルからの曖昧な推定を洗練するために,構造化された4-hop Chain-of-Thought推論モジュールを設計する。
そこで本研究では, 一般的な調味料11ドルに対して, ナトリウム量でラベル付けされた54,151ドル相当のレシピデータセットSALT54kを構築した。
SALT54kの結果, ナトリウム推定における最先端性能が得られた。
本手法の有効性を実証し,AI支援精密医療の実践的解決策としての可能性を示す。
関連論文リスト
- Investigating the Ability of Large Language Models to Analyze Recipes for Diabetes [0.9855443115851177]
糖尿病に適したレシピが3807、糖尿病に適さないレシピが3800、7607である。
以上の結果から,ほとんどのLCMは有害な結果を防ぐためにレシピの予測に慎重であることが示唆された。
全体として、Mistral-7BとLlama 70Bは同等の性能を示した。
論文 参考訳（メタデータ） (2026-09-03T15:03:36Z) - An Explainable Unsupervised-to-Supervised Machine Learning Framework for Dietary Pattern Discovery Using UK National Dietary Survey Data [0.0]
本稿では、食事パターンの発見、再現、解釈のための教師なし機械学習フレームワークを提案する。
19歳以上, NDNS 12～15歳以上の成人は, 25個のエネルギー調整栄養素, 食品群で表わされた。
高脂肪食とナトリウム, 高繊維果実野菜の微小栄養素, 高遊離糖スナック, 糖飲料の4つの解釈可能な食事パターンが同定された。
論文 参考訳（メタデータ） (2026-05-07T09:05:14Z) - Advancing Food Nutrition Estimation via Visual-Ingredient Feature Fusion [69.84988999191343]
我々はファストフード(FastFood)について紹介する。ファストフード(FastFood)は、908のファストフードカテゴリーに84,446のイメージを持つデータセットで、成分や栄養のアノテーションが特徴である。
栄養推定の精度を高めるために,新しいモデル非依存型ビジュアル・イングレディエント・フィーチャー・フュージョン (VIF$2$) 法を提案する。
論文 参考訳（メタデータ） (2025-05-13T17:01:21Z) - NGQA: A Nutritional Graph Question Answering Benchmark for Personalized Health-aware Nutritional Reasoning [49.06840168630573]
食事は人間の健康において重要な役割を担っているが、個々の健康状態に対する食事の理由付けは大きな課題である。
栄養質問回答(QA)は,この問題に対処するための一般的な方法である。
栄養学的健康推論のために設計された最初のグラフ質問応答データセットであるNGQA(Nutritional Graph Question Answering)ベンチマークを紹介する。
論文 参考訳（メタデータ） (2024-12-20T04:13:46Z) - NutriBench: A Dataset for Evaluating Large Language Models on Nutrition Estimation from Meal Descriptions [6.223619389512576]
NutriBenchは、初めて公開された自然言語による食事記述栄養ベンチマークである。
世界の食事摂取データから生成された11,857件の食事記述から成っている。
データは人間によって検証され、炭水化物、タンパク質、脂肪、カロリーを含むマクロ栄養ラベルで注釈付けされている。
論文 参考訳（メタデータ） (2024-07-04T15:10:51Z) - 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) - A Neuro-Symbolic Approach to Monitoring Salt Content in Food [1.4347098305628967]
食品中の塩分について心不全患者に問い合わせることのできる対話システムを提案する。
食品ベースの塩分分析のための特定のデータセットの欠如に対処し、テンプレートベースの会話データセットを開発する。
以上の結果から,データセット上の微調整型トランスフォーマーモデルでは限られた性能が得られるが,Neuro-Symbolic Rulesの統合はシステムの性能を著しく向上させることがわかった。
論文 参考訳（メタデータ） (2024-04-01T15:34:24Z) - Towards the Creation of a Nutrition and Food Group Based Image Database [58.429385707376554]
栄養・食品群に基づく画像データベースを構築するための枠組みを提案する。
米国農務省食品栄養データベース(FNDDS)における食品群に基づく食品コードリンクプロトコルを設計する。
提案手法は16,114個の食品データセットを含む栄養・食品群に基づく画像データベースを構築するために用いられる。
論文 参考訳（メタデータ） (2022-06-05T02:41:44Z) - Picture-to-Amount (PITA): Predicting Relative Ingredient Amounts from
Food Images [24.26111169033236]
食品画像から各成分の相対的な量を予測するという,新しい課題と課題について考察する。
本稿では,この問題を解決するために,Picture-to-AmountディープラーニングアーキテクチャであるPITAを提案する。
インターネットから収集されたレシピのデータセットの実験は、モデルが有望な結果を生成することを示す。
論文 参考訳（メタデータ） (2020-10-17T06:43:18Z) - Cross-Modal Food Retrieval: Learning a Joint Embedding of Food Images
and Recipes with Semantic Consistency and Attention Mechanism [70.85894675131624]
画像とレシピを共通の特徴空間に埋め込み、対応する画像とレシピの埋め込みが互いに近接するように学習する。
本稿では,2つのモダリティの埋め込みを正規化するためのセマンティック・一貫性とアテンション・ベース・ネットワーク(SCAN)を提案する。
食品画像や調理レシピの最先端のクロスモーダル検索戦略を,かなりの差で達成できることが示される。
論文 参考訳（メタデータ） (2020-03-09T07:41:17Z)
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。