一个移动应用程序的开发平台使用人工智能技术自我管理的肥胖

文摘

肥胖是一个主要的全球卫生挑战和风险因素死亡的主要原因,包括心脏病,中风,糖尿病,和某些类型的癌症。试图管理和调节肥胖导致各种膳食监管措施的实施提供食物的卡路里内容信息。虽然知识的卡路里含量对膳食计划很有用,它是不够的其他因素,包括健康状况(糖尿病、高血压等)和身体活动水平,为肥胖管理决策过程中是必不可少的。在这项工作中,我们提出一个基于人工智能(AI),应用程序是由遗传算法(GA)作为一个潜在的工具用于跟踪用户的能量平衡和预测可能的卡路里摄入量为肥胖管理需要满足每日热量的需求。算法将用户的输入信息从数据库中选择所需的食物和提取记录用户的胆固醇水平,糖尿病状态,和水平的身体活动,预测可能的餐需要满足用户需要。微和营养素的食物内容用于计算和预测潜在的食物满足每日所需热量需求。模型的功能和性能测试使用的样本30加纳大学的志愿者。结果显示,该模型能够预测血糖和non-glycemic食物根据用户的状况以及宏观和微量营养素的需求。此外,系统能够充分的进步跟踪用户的体重随着时间的推移,每日营养需求,每日卡路里摄入量和膳食的预测必须采取避免损害他们的健康。该系统可以作为一种有用的资源为个人,营养师,为管理肥胖和其他健康管理人员,病人,对于培养学生营养学和消费者科学的领域。

1。介绍

肥胖是由世界卫生组织(世卫组织)定义为一种慢性疾病,多余的脂肪积累导致健康损害1]。肥胖可以追溯到一个不健康的饮食习惯等多种因素,遗传因素,缺乏身体活动,增加可用性的高脂肪食物以及低水平的食物摄入对人体健康的影响的意识和身体健康2,3]。儿童肥胖的患病率,青年和成年人增加以惊人的速度在世界许多地区相关的健康问题,如心脏病、高血压、癌症,而且,在某些情况下,低自尊4- - - - - -6]。记录显示,在2016年,超过19亿名成年人超重的报道,这个数字,6.5亿被发现肥胖(1]。同样,一份2017年的报告在加纳表明肥胖成年人肥胖激增的速度从低于2%到大约13.6%7]。随着食物变得负担得起的和经济条件改善,再加上生活方式的变化,这些数据进一步增加的趋势,尤其在发展中国家将会很高(7]。虽然有意识的努力正在由个人通过体育锻炼来减少多余的脂肪和体重管理项目,肥胖率继续上升。肥胖管理策略面临许多障碍由于环境、生物、和行为因素。研究研究表明,可持续行为变化改善健康需要实时、个性化的反馈,根据个人的需要。智能移动设备的出现,应用软件、物联网(物联网)先进移动健康(mHealth)解决方案的开发实时数据收集、处理和用户的反馈来改善健康结果。

在本文中,我们提出一个移动为肥胖管理应用系统。平台运行在智能移动设备和网络平台。的核心系统是一个人工智能引擎,使用参数如用户活动水平,健康状况(糖尿病和胆固醇)水平,年龄,性别,体重,身高,建议用户在特定的饮食计划,以满足日常热量和大量营养素的需求。初步进行了系统性能分析的一组用户验证操作系统的功能和特性。

本文组织如下。部分2提出了一个简短的概述研究工作在移动为肥胖管理和基于web的解决方案。部分3概述了移动应用系统的设计和开发,包括软件设计、食品食品成分和热量模型,数据库设计和人工智能引擎。研究的结果发表在部分4。部分5提供了一个讨论和研究工作未来的发展方向。

2。为肥胖管理移动医疗解决方案

基于各种技术的健康管理工具和服务针对肥胖控制出现在过去的几年里(8- - - - - -13]。大多数这些进来的形式移动——和基于web的解决方案。这些工具允许用户提供基本信息的食物或者是和系统估计剩余热量以满足时代发展的需要。

Alloghani提出了手机健康监测应用主要集中在儿童肥胖管理,利用物联网技术(8]。管理系统功能,促进远程跟踪和监控用户的卫生人员和父母。作者评估了移动应用程序使用一个样本的144和相关分析证明了高水平的相关性进行测量的变量如信任、安全性、易用性和实用性。

黄还提出了一个动态医疗解决方案基于自律的体重管理(9]。应用程序允许用户自我监控参数,比如吃饭,身体活动,体重和客观数据进行实时传输到一个安全的web服务器。

工作的正本,公园,clinical-guideline-based肥胖管理智能手机应用开发(10]。这是基于知识从临床实践指南和咨询专家。提取的临床知识设计一个算法用于肥胖的管理。测试结果显示整体水平和效率的88.0%和69.1%,分别为算法。在另一个方法中,巴提出了一个综合健康应用系统监控减肥和维护行为(11]。应用程序提供了一个平台,连接营养师与病人面对面的咨询和延伸的关系通过持续行为改变患者的定期进度更新。就像这些补救措施提供解决方案以不同的方式对肥胖的管理,顺便说一句,所有这些系统只监视用户消耗的卡路里的数量,并提供额外的信息在其余所需的卡路里的数量来满足日常的能源需求的用户。

到目前为止,现有的肥胖管理系统不提供食物,可以采取的预测机制满足大量营养素的需求。此外,由于用户所能意识到的问题,如胆固醇水平,糖尿病,高血压,和高血压,这将是有益的,如果这些参数也可以为用户考虑食物的预测模型,进一步减少肥胖的问题,健康问题。

3所示。材料和方法

3.1。系统架构和操作

建议肥胖管理系统的架构流程图如图1由四个功能系统作为食物和身体活动的数据库系统和水平,卡路里计算引擎,预测模型和用户应用系统。这四个组件分为前端和后端应用程序。前端应用程序由用户的应用程序接口和卡路里计算引擎,同时后端包含数据库系统和预测模型。本地食品数据库包含已知基本食品在加纳,这是发达国家使用数据源从食物成分表的粮食及农业组织(粮农组织)14]因为食物分解量化和阿特拉斯(15食物体积估算。卡路里计算引擎包含一个分解机制和计算卡路里的食物和能源的内容量化的身体活动水平(或训练)的用户。身体活动数据库开发特种外科医院使用的数据(HSS),美国,16在类的练习和水平。预测模型包含人工智能引擎寻找可能的食物和饮食需要满足用户的每日卡路里和大量营养素的需求以及所需的用户的健康状况。用户应用程序,运行在手机和网络平台,提供了用户与系统交互的接口通过记录食物摄入量和活动跟踪。食物摄入量是由用户直接选择的记录从一个文化适应食品数据库。在前端,用户通过界面,提供信息和其他相关支持数据所需的计算从后端(数据库)中获取和传递给卡路里计算引擎。卡路里计算引擎的输出与后端系统同步。哪里需要预测是必需的,预测模型被激活的操作和它的输出与后端同步。

3.2。假设为肥胖管理系统

一般来说,计算卡路里,监视和管理以来的卡路里可能非常复杂过程涉及参数的数量和复杂性。为了设计和开发一个实用和功能肥胖管理系统目标来减少肥胖的问题,我们考虑了以下假设:(我)个人用户需要每天固定数量的卡路里,这数量必须保持相对稳定的健康状况通过从食物中补充库存(2)数量的卡路里被用户可以收购下降与代谢活动和其他体育活动如锻炼和睡眠,可以监视,测量和量化估计能量与此活动相关内容。值得说明的是,体育活动如说话、阅读、和笑,无法评估,尽管导致能量消耗不考虑发展(3)每天24小时结束时,多余的热量留在身体是无效和重置为零。它是公认的,但是,会有一些残余能量的24小时每一天,但是因为这剩余价值不能充分量化作为现有能源的一部分,它是假定为零。这当然会引起过多的热量,随后影响系统的性能

3.3。数据采集和处理

的第一步肥胖管理模型的设计和开发是食品信息的采集包括膳食的组成、数量和体积。例如,一盘鸡肉沙拉在餐馆可能包含各种不同的组件和一个特定的数量和体积或尺寸的沙拉。所需的数据是来自西非的粮农组织食品成分表(14]。这组数据集包含一个品种的基本食品如蔬菜、块茎,豆类,水果,鱼,甲壳类动物,肉类,和香料及其相应的营养内容。这些食物结构根据不同的类别和用于各种组合构成完整的餐根据喜欢的食谱。为了估计的数量和体积的食物,食物的阿特拉斯(15使用了)。食物地图集包含一系列措施或标准公制尺寸克食品服务。获得数据集从食物成分表和阿特拉斯是使用Python熊猫库预处理。

第二阶段的过程是用户能量平衡的估算。能量摄入被检索数据估计在食品和饮料的卡路里内容物品在移动平台的注册用户。能量消耗计算估计数量的卡路里消耗体力活动。这些估计是用来计算用户的能源预算和赤字基于标准的每日热量需求的用户,这是一个性别和年龄的函数。实现这一步,给定用户首先将食品信息分解为他们的营养素(蛋白质、碳水化合物、脂肪等)在克,这是用来确定食物的卡路里含量使用阿特沃特因素[17]。表1显示了一个示例餐消费或打算使用一个用户 ,在09年的日子(例:00点)。总数量的卡路里这顿饭是决定 在哪里是个别食品的数量构成餐(在哪里 ); 份的数量吗th餐的食物; , ,和表示蛋白质、碳水化合物和脂肪含量的食物,分别;和食物体积比例因子是由表达式: 在哪里是食物阿特拉斯体重测量。现在,找到用户的平均每日热量需求,我们使用了基础代谢率(BMR)和用户的身体活动水平(PAL),表达日常身体活动为一个数字。这些级别分类由世界卫生组织(世卫组织)的活性水平非常不活跃,久坐不动的,适度活跃,积极活跃,非常活跃。这个阈值热量需求为不同年龄段和性别是固定的,这是技术预计将保持一整天。超过这个日常规定阈值导致肥胖的问题。

基础代谢率,对于任何年龄段和性别的用户,使用计算Mifflin-St Jeor方程(18),它被定义为 在哪里表示用户的体重公斤,身高多少厘米,是在岁,是一个衡量性别(男性, ;对于女性, )。使用这种方法对热量的需求给出了一个更精确的估计价值与价值观相比估计能源需求(曾经)的决定,美国农业部(USDA) (19]。

由用户的能量消耗等身体活动(运动)步行和严密,如温和的水平,快,慢,和额外的快速计算使用表达方程(4)(20.] 在哪里表示用户的体重公斤,是身体活动的持续时间在几分钟内完成,然后呢运动的代谢当量,考虑,活动的精确级别如缓慢,快速、温和。提供的数据使用的高速钢是估计归功于运动消耗的能量。热量计算的流程图如图2。

3.4。遗传算法模型公式

这顿饭预测操作被建模为一个优化问题。食物的过程包括从大空间搜索各种组合,和任务的解决方案属于类别的食物热量小于或等于当前用户的热量赤字。基于优化问题的性质和穷举搜索操作,遗传算法(GA)技术(21采用)被认为是一个合适的模型。

天然气是一种优化算法主要用来找到最优解计算实现特定功能的最大化或最小化的问题。气体搜索模型基于自然选择和遗传过程,优化人口和给一个解决方案,是最优的拟合函数。在遗传算法过程中,不需要额外的信息关于给定的问题,一个功能,允许气体找出问题的解决方案是不可能与其他优化方法,特别是线性问题,连续性,不完整或不完整信息或有限的计算能力。气体不容易陷入在当地最适条件的优化功能,因为它们使搜索过程多个定向操作(22]。

所需的基本组件的实现遗传算法模型对于任何给定的问题如下:(1)适应度函数的优化算法要解决的问题,(2)人口的染色体候选人解决问题的算法来解决,(3)选择复制的染色体,(4)染色体的交叉产生下一代,和(5)随机突变在新一代的染色体。遗传算法特征选择的一般过程模型发展了流图3。GA始于随机选择各式各样的染色体,作为第一代或初始种群,然后人口中的每个染色体的适应度函数评价测试它是如何解决这个问题。选择操作符然后选择一些染色体的复制定义基于概率分布。选择、交叉和变异过程持续到后代的数量就等于初始种群。因此,第二代是完全由新后代,和第一代完全取代。

遗传算法的性能主要依赖于编码候选解决方案使用的方法为染色体和适应度函数的参数测量。重要的控制参数,定义了遗传算法的性能包括人口的规模、交叉概率、变异概率,迭代次数。遗传算法模型的参数化设计,因此,取决于问题的定义,这涉及到值的参数,和实现的运营商的选择。餐设计遗传算法模型预测系统,两个关键组件,这是模型控制参数和健康模型,首先建立。

3.4.1。模型控制参数的选择

染色体的基因型表示使用规定了使用值编码组件的所有食物。这种编码被选中,是因为该算法优化与实际价值和使用二进制编码在编码和解码阶段将引入一个开销。总热量和营养素在一顿饭变化对其用量的变化以及份的数量(定义在方程(1))。所需的“适合个人”算法是基于锦标赛选择决定。锦标赛指定大小,从一个交配池中选择适合个人基于食物的总热量。两个从当前一代的父母然后从排序列表选择所有适合个人的人口。基于个人的选择,复合操作上执行“适合父母”满足的准则转换参数。这个操作产生的后代(一个或多个)的父母共享相同的特征。相应的基因从父母然后跨越到孩子。突变过程和操作确保人口提供新材料在整个搜索过程中(22]。为这顿饭预测模型,菜量减少的数量和大小的食物份孩子吃饭的改变在这一步。人口规模来确定最优值(或数量的染色体)和所需的突变速率实现良好的性能,进行了敏感性分析。

3.4.2。适应度函数评价模型

使用信息从方程(1)和(2),我们定义单个染色体的适应度函数基于目标函数如下:

的参数表示每日能量或热量要求一个个体,大量的热量来自给定餐,代表热量赤字,是由于活动的能量消耗。方程(5)代表初始目标函数,方程(6)定义了目标函数的后续运行 。目标函数的约束条件 在哪里 , ,和是个别营养素的蛋白质、脂肪和碳水化合物包含在给定餐或食物,然后呢 , ,和 ,分别表示当前大量的蛋白质、脂肪、碳水化合物不足,代表一顿饭中包含的血糖指数。为用户提供糖尿病的一个条件的情况下,方程(10)被实现为一个约束。

使用GA餐预测模型,我们首先制定一个解决方案,总热量或常量营养元素值定义在一个范围受热量赤字或每个大量营养素赤字。例如,如果一个用户的每日卡路里的目标要求2400千卡和已经消耗400千卡,然后一个有效的解决方案将有一个上界值总能量2000千卡。同样,每一个常量营养元素包含在给定餐使用类似的分析是有界的。建立一个可能的优化解决方案后,染色体然后使用真正的编码值,方便我们封装在一个数据结构的格式。这个数据结构的属性表示为:

在哪里代表一个染色体,每个染色体都有餐组件的列表,和代表了一个额外的餐组件。表2显示了给定的一组样本染色体表示。

配置GA模型需要建立在人群中染色体的数目。在我们的模型中,建立的初始染色体数量是随机选择从食物数据库所需的食物,每顿在哪里使用的组合创建食品地图集和食物成分表。的目标函数值th染色体, ,这是在初始化计算。这是计算的初始染色体。然后我们开始获得适者人口普查的初步使用锦标赛选择染色体,a适合染色体满足方程(5)和(6)。的适者染色体有更高的概率选择下一代。确定健身概率,我们首先计算每个染色体的适应性和制定的概率被选中的染色体复制 ,在哪里 。我们因此计算能量的染色体使用方程(1)。父染色体将伴侣是随机选择的,配偶染色体的数量是控制使用交叉率或概率。如果染色体交叉标准生成,然后执行单点交叉;否则,不执行交叉的一代。交叉操作互换的基因负责额外的餐组件( )为选定的父母。例如,假设我们有两个父母和 ,表示两组用户的完整食物,这被定义为

然后,将导致两个后代染色体交叉操作

在表中使用的染色体表示饭菜2和3作为父母和 ,分别在当前一代;然后,两个子女的下一代将获得使用方程(13)。因此,结果孩子染色体来自父母和如表所示4和5。

染色体变异的人口的数量是由突变速率参数。变异操作是通过用新值代替随机基因的位置。突变过程,我们首先计算种群中基因的总长度,通过发现产品在染色体上基因的数量和人口的数量。随机生成的整数被1和最大基因长度之间的关系。如果找到生成的随机数的突变速率小于变量,然后基因在染色体的位置明显。对于一个给定的突变速率变量,我们改变了食物份量( )份的数量( )孩子的染色体以及各自的额外的餐组件来确定最优的解决方案。因此,突变过程之后,然后我们有一个迭代或者一代GA操作和评估目标函数的第一代后得到下一代的新染色体。新染色体遵循相同的过程的评价、选择、交叉和变异,反复,直到预定数量的后代或停止准则的优化操作。在这个工作中,运行500次迭代的最大数量后,产生的遗传算法模型最优染色体的解决方案。

建立最好的模型适用于预测模型,采用各种测试系统控制参数,模型控制参数调整和性能测量精度。使用的系统参数配置的遗传算法模型(我)人口规模:20、30、40、50、70、100(2)代数量:500,2500(3)变异概率:0.001,0.01,0.08,0.1,0.5,0.9(iv)交叉概率:0.65,0.9(v)交叉机制:单点和制服

后的试验和性能测量精度(样本结果见表6),遗传算法模型的人口规模30日突变概率为0.01,500代数量,交叉概率0.65发现合适的,最好的收敛时间和最小偏差,随后采用预测模型。

3.5。食品预测模型

食品预测模型的目标是分析信息和做出决策可能所需的食物和餐满足整体每日卡路里和大量营养素的需要在任何给定的时间,并确保这些不会超过每日赤字。同时,该模型解决方案必须确保用户的健康不妥协的结果选择食物或饮食习惯不好。预测过程的流程图如图4。信息从用户的健康状况记录如糖尿病和胆固醇从注册数据中提取条件进行分析模型中来帮助预测过程。为用户提供糖尿病和高胆固醇的条件下,该算法预测含有低升糖指数和胆固醇含量低于300毫克按照世卫组织标准的要求。预测模型是使用Python实现Django框架。

3.6。用户应用软件设计

用户应用程序被设计为一个互动的过程,从用户获取信息以及为用户提供输出。用户应用程序的实现业务逻辑流程如图5。应用程序为用户注册界面,健康状况信息,认证,并输入信息在食品消费。当前系统支持使用搜索界面输入食物选择吃饭。选项输入食物来源如条形码扫描,收据扫描文本,图像处理和图像处理的拍摄食物已经创建并仍进行细分精度。

两个平台的用户应用程序软件设计:手机使用安卓平台和网络平台。手机应用程序开发使用模型-视图-主持人(MVP)模式(23)允许代码可维护性和高效的代码测试。基于web的应用程序,在另一方面,开发使用Angular2前端框架和软件开发模型-视图-控制器(MVC)模式(24]。web应用程序的主机数据库系统和预测模型。图6显示了管理的实体关系图肥胖管理系统中的数据。数据库开发使用基本在加纳当地已知的食物,使用MySQL实现关系数据库系统。图7显示了建筑图的软件实现表示层作为一个接口,用于用户访问应用程序的特性。

4所示。结果与讨论

4.1。实验装置和测试

第一次测试模型在数值模拟环境中使用Python编程语言。仿真是紧随其后的是一个实验装置验证功能和作战能力的遗传算法来准确预测信息。在数值模拟环境中,系统测试使用随机生成的数据来模拟信息从输入属于每日卡路里的食物和其他必需的参数和顾营养赤字,和健康状况。

在实验设置,肥胖管理系统部署在加纳大学的校园网服务器和测试功能,效率,操作限制,精度和性能。Linux Ubuntu 16.0的服务器操作系统,4 GB内存,存储容量10 GB, 2.2 GHz CPU速度。应用程序是安装在三星Galaxy S6边缘+,这是用于测试。用户设备所需的平均连接时间访问肥胖管理系统大约是201.24毫秒,依赖网络。为了避免用户拥堵问题,使用Nginx实现负载平衡。40天的实验是在一段时间内进行使用各种食物选择的早餐,午餐,小吃,晚餐和个人健身和健康状况的信息。其他应用程序也测试了30个人组成不同的用户群体(不同年龄段、性别、学生个人,和营养师)。表7显示了从用户测试样本的选择列表信息。

确定热量和宏观/微量营养素的需求或赤字在24小时内,用户输入食物消耗的早餐,午餐,晚餐,从数据库的食物和零食。这是重要的用户维护一个平衡身体的热量需求。为现有用户的系统,跟踪体重急剧增加或减少信息在此期间捕获并显示。图8(一个)显示了一个示例用户界面输入所需的食品和大量营养素的目标。食物的选择是通过浏览日记(图9(一个)),允许用户选择任何种类和组合的食物通过搜索数据库的食物。然后用户决定所需的体积或数量为选定的食物,和总能量计算并显示在用户界面。包括体育活动计算,用户选择和日志的类型的运动身体活动数据库。虽然这提供了一个估计,值得指出的是,实际的数据实时监控用户的活动,比如体育运动将给更准确的结果。

决定下一餐摄入必须满足所有赤字和限制热量和营养素对于任何给定的日期和时间,用户调用用户界面的预测算法。图8 (b)显示了一个示例用户界面所需要的预测可能的食物满足赤字和健康状况。从预测的食物,可以观察到推荐的食品不超过总热量需求计算赤字和剩下的营养素也不超过。进度图表显示的体重急剧增加或减少时间(图8 (c))。用户界面还允许用户更新重量信息。数据9 (b)和9 (c)报告显示了生成的示例营养卡路里消耗每顿饭以及营养素对于任何给定的一天。每日报告作为个人健康助理,帮助用户输入食物的选择根据他们的健康状况。

4.2。系统的性能评估

肥胖的性能管理系统计算的计算时间和预测精度。确定系统性能时,不同的模拟运行。这些模拟涉及到遗传算法的平均收敛时间超过一百分(见表3)各种热量值(1000千卡,1600千卡,2000千卡,2400千卡,2800千卡,和3200千卡)。这些热量限制是基于平均需求设定的。

从表的性能结果6人口规模的30突变率为0.01给最好的收敛时间最少的偏差在预测热量范围。鉴于,我们采用30的人口规模,变异率为0.01,一代又一代的500,统一的单点交叉概率为0.65。图10显示所选参数的仿真结果。

样品在一个实时运行的配置情况如下所示。表8显示了男性日常需要的信息用户的年龄范围内23到30年。

用户已经使用如图11和表9,吃早餐。然后用户请求的建议下一顿饭,见表10。

5。结论

我们提出了一个基于软件的肥胖管理解决方案,可以部署在移动和网络平台。系统使用遗传算法作为人工智能引擎来预测食品必须满足热量和宏观/微量营养素需求的用户。系统测试结果来自30个志愿者使用表明,该肥胖管理平台能够充分确定每日能量摄入和支出和为未来的食物向用户提出建议。餐的建议是为了确保用户保持特定的营养目标减少糖尿病和高胆固醇的问题。除了自我管理策略,该系统可以作为一个有用的资源营养师和其他健康管理人员来管理患者肥胖的条件。它也能作为一个培训工具为学生在营养学领域以及营养和消费者科学。

当前系统的限制,然而,是使用高速钢预定义的体力活动水平。这些数据并没有给出一个准确的估计由用户和能量消耗,因此,影响整个系统的输出性能。两个选项目前正在考虑能量消耗的精确测量:(a)集成的数据从一个移动应用程序和(b)的无线可穿戴设备跟踪身体活动的集成。此外,当前系统只支持直接用户选择记录能量摄入的食物。从食品包装食品的条形码扫描,数据提取收据,和食物的照片图像处理方法在探索未来实现创纪录的能量摄入。

虽然预测模型能够准确地预测吃饭不超过每日热量,大量营养素的需求,依靠用户的饮食模式预测集中餐建议对用户偏好可能是有用的。未来的工作将集中在一个学习代理这个特性。

数据可用性

对数据的访问可能被授予的请求。

的利益冲突

作者宣称他们没有利益冲突发表的文章。

确认

作者想表达自己的感激之情俄备得哈里森先生系的营养与食品科学与食物援助地图集和加纳大学的计算机系统(UGCS)主办大学服务器上的应用程序。

引用

1. 世界卫生组织,“肥胖和超重的原因,”2018年,https://www.who.int/en/news-room/fact-sheets/detail/obesity-and-overweight/。视图:谷歌学术搜索
2. k . Marinou d . Tousoulis a . Antonopoulos e . Stefanadi和c . Stefanadis“肥胖和心血管疾病:从病理生理学危险分层,”国际心脏病学杂志,卷138,不。1,3 - 8,2010页。视图:出版商的网站|谷歌学术搜索
3. a . Escalona m . Sarfo, l . Kudua“肥胖和系统性高血压在阿克拉社区”加纳医学杂志,38卷,不。4、145 - 148年,2006页。视图:出版商的网站|谷歌学术搜索
4. 的营养、体育锻炼和肥胖、超重和肥胖,”2018年,https://www.cdc.gov/nccdphp/dnpao/。视图:谷歌学术搜索
5. a .洞穴和m·库珀”可能的危险因素的发展饮食失调在超重的青春期前的女孩一样,“国际肥胖期刊,26卷,不。9日,第1273 - 1268页,2002年。视图:出版商的网站|谷歌学术搜索
6. k·赫斯基,m .之后,大肠水域,“身体质量指数在小学生和家长反映自尊:因果关系的证据,”国际肥胖期刊,28卷,不。10日,1233 - 1237年,2004页。视图:出版商的网站|谷歌学术搜索
7. Dionee和m . Ritchel肥胖被上升为加纳接受了快餐。然后是肯德基,卷2,《纽约时报》。,2017年。
8. m . Alloghani A·侯赛因d . Al-Jumeily·费格斯o . Abuelma 'atti, h·哈姆登,“肥胖的移动健康监测应用管理和控制使用物联网”2016年第六届国际会议在数字信息处理和通信(ICDIPC)工学院,19到24页,贝鲁特,黎巴嫩大学,2016年黎巴嫩。视图:出版商的网站|谷歌学术搜索
9. c .黄m .杨黄c . p .赵z . Liu和r . Chang”设计和实现一个动态的体重管理和健康促进医疗保健系统,”2017年IEEE国际工业工程与工程管理会议(IEEM),页2386 - 2390,新加坡,2017年。视图:出版商的网站|谷歌学术搜索
10. 全和h .公园,“clinical-guideline-based肥胖管理智能手机应用程序的开发,“医疗信息学研究,21卷,不。1,10 - 20,2015页。视图:出版商的网站|谷歌学术搜索
11. j . Barnett m . Harricharan d·弗莱彻b·吉尔和j·考夫兰,“myPace:一个综合平台支持减肥和健康维护行为,”IEEE生物医学和卫生信息学杂志》上,19卷,不。1,第116 - 109页,2015。视图:出版商的网站|谷歌学术搜索
12. MyFitnessPal,卡路里计数器——Myfitnesspal旧金山,MyFitnessPal公司,2017年版。
13. FatSecret,卡路里计数器由Fatsecret,FatSecret,澳大利亚,2017年。
14. 美国食品和农业组织,“西非食物成分表”,2010年,http://www.fao.org/documents/card/en/c/238ce5e9 acd5 - 5 - cb2 - 8442 - 6498506 - aee1c/。视图:谷歌学术搜索
15. g . p .博阿滕摄影的发展食品Atlas常吃的碳水化合物食物的份量在加纳(论文),营养和营养学,加纳大学,2014。
16. 特种外科医院,”与练习:燃烧卡路里计算估计能量消耗,”2009年,https://www.hss.edu/conditions_burning-calories-with-exercise-calculating-estimated-energy-expenditure.asp/。视图:谷歌学术搜索
17. 美国食品和农业组织,”第三章:计算食物的能量,能量转换因素,”2003年,http://www.fao.org/3/Y5022E/y5022e04.htm/。视图:谷歌学术搜索
18. m .》,美国圣Jeor l·希尔,b·斯科特·多尔蒂,和y Koh,“静息能量消耗的新预测方程在健康个体,”美国临床营养学杂志》上,51卷,不。2、241 - 247年,1990页。视图:出版商的网站|谷歌学术搜索
19. 美国农业部估计每天热量需求按年龄、性别和身体活动水平,”2017年,https://www.cnpp.usda.gov/sites/default/files/usda_food_patterns/EstimatedCalorieNeedsPerDayTable.pdf。视图:谷歌学术搜索
20. j . Roitman和m . Herridge宣传、交流和社会动员的资源手册指南运动测试和处方Lippincott,费城2005人。
21. d·戈德堡遗传算法在搜索、优化和机器学习,addison - wesley, 2012年波士顿。
22. 答:尤尼斯,a Elkamel, s . Areibi遗传算法在化学工程:一个教程,2019年世界科技出版公司Pte Ltd)。
23. l·安东尼奥“MVP Android:如何组织表示层,”2018年,https://antonioleiva.com/mvp-android/。视图:谷歌学术搜索
24. r·库雷希和f·萨比尔,”比较的模型-视图-控制器和模型视图的主持人,“2014年,https://arxiv.org/abs/1408.5786。视图:谷歌学术搜索

版权

版权©2021西尔维斯特·m·Sefa-Yeboah等。这是一个开放的分布式下文章知识共享归属许可,它允许无限制的使用、分配和复制在任何媒介,提供最初的工作是正确引用。