CN117038013A - 用于营养物摄取量的用户特定调节的系统和方法 - Google Patents
用于营养物摄取量的用户特定调节的系统和方法 Download PDFInfo
- Publication number
- CN117038013A CN117038013A CN202311001285.6A CN202311001285A CN117038013A CN 117038013 A CN117038013 A CN 117038013A CN 202311001285 A CN202311001285 A CN 202311001285A CN 117038013 A CN117038013 A CN 117038013A
- Authority
- CN
- China
- Prior art keywords
- index
- meal
- user
- nutrient
- person
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 238000000034 method Methods 0.000 title abstract description 267
- 235000006286 nutrient intake Nutrition 0.000 title abstract description 27
- 230000033228 biological regulation Effects 0.000 title description 2
- 235000015097 nutrients Nutrition 0.000 claims abstract description 671
- 235000016709 nutrition Nutrition 0.000 claims abstract description 284
- 230000036541 health Effects 0.000 claims abstract description 58
- 230000000694 effects Effects 0.000 claims abstract description 57
- 235000013305 food Nutrition 0.000 claims description 720
- 235000012054 meals Nutrition 0.000 claims description 427
- 235000005911 diet Nutrition 0.000 claims description 210
- 230000037213 diet Effects 0.000 claims description 178
- 235000005686 eating Nutrition 0.000 claims description 119
- 230000006870 function Effects 0.000 claims description 90
- 238000004891 communication Methods 0.000 claims description 62
- 230000035764 nutrition Effects 0.000 claims description 54
- 230000008859 change Effects 0.000 claims description 38
- 230000000378 dietary effect Effects 0.000 claims description 33
- 235000021183 entrée Nutrition 0.000 claims description 21
- 239000004615 ingredient Substances 0.000 claims description 20
- 235000013361 beverage Nutrition 0.000 claims description 19
- 230000007812 deficiency Effects 0.000 claims description 18
- 238000002360 preparation method Methods 0.000 claims description 14
- 230000004044 response Effects 0.000 claims description 14
- 235000020805 dietary restrictions Nutrition 0.000 claims description 12
- 240000008415 Lactuca sativa Species 0.000 claims description 6
- 235000011850 desserts Nutrition 0.000 claims description 6
- 238000001514 detection method Methods 0.000 claims description 6
- 235000012045 salad Nutrition 0.000 claims description 6
- 235000012046 side dish Nutrition 0.000 claims description 6
- 230000001976 improved effect Effects 0.000 claims description 3
- 241001301450 Crocidium multicaule Species 0.000 claims 2
- 238000004458 analytical method Methods 0.000 abstract description 19
- 230000001105 regulatory effect Effects 0.000 abstract description 6
- 238000005457 optimization Methods 0.000 description 57
- 238000012545 processing Methods 0.000 description 40
- 230000008569 process Effects 0.000 description 30
- 239000013598 vector Substances 0.000 description 26
- 235000021156 lunch Nutrition 0.000 description 25
- 235000021152 breakfast Nutrition 0.000 description 21
- 150000001720 carbohydrates Chemical class 0.000 description 18
- 235000014633 carbohydrates Nutrition 0.000 description 18
- 238000009826 distribution Methods 0.000 description 16
- 235000012631 food intake Nutrition 0.000 description 16
- 235000021158 dinner Nutrition 0.000 description 15
- 235000021186 dishes Nutrition 0.000 description 12
- 235000011888 snacks Nutrition 0.000 description 12
- 239000003925 fat Substances 0.000 description 11
- 235000019197 fats Nutrition 0.000 description 11
- 239000000835 fiber Substances 0.000 description 11
- 230000006872 improvement Effects 0.000 description 11
- 235000018102 proteins Nutrition 0.000 description 11
- 102000004169 proteins and genes Human genes 0.000 description 11
- 108090000623 proteins and genes Proteins 0.000 description 11
- 238000013459 approach Methods 0.000 description 10
- HVYWMOMLDIMFJA-DPAQBDIFSA-N cholesterol Chemical compound C1C=C2C[C@@H](O)CC[C@]2(C)[C@@H]2[C@@H]1[C@@H]1CC[C@H]([C@H](C)CCCC(C)C)[C@@]1(C)CC2 HVYWMOMLDIMFJA-DPAQBDIFSA-N 0.000 description 10
- 235000013372 meat Nutrition 0.000 description 10
- 238000004364 calculation method Methods 0.000 description 9
- 235000015219 food category Nutrition 0.000 description 9
- 238000012549 training Methods 0.000 description 9
- 235000013311 vegetables Nutrition 0.000 description 9
- 238000013500 data storage Methods 0.000 description 8
- 230000003442 weekly effect Effects 0.000 description 8
- 241000287828 Gallus gallus Species 0.000 description 7
- 235000019577 caloric intake Nutrition 0.000 description 7
- 235000021185 dessert Nutrition 0.000 description 7
- 235000006180 nutrition needs Nutrition 0.000 description 7
- WQZGKKKJIJFFOK-GASJEMHNSA-N Glucose Natural products OC[C@H]1OC(O)[C@H](O)[C@@H](O)[C@@H]1O WQZGKKKJIJFFOK-GASJEMHNSA-N 0.000 description 6
- 239000008280 blood Substances 0.000 description 6
- 210000004369 blood Anatomy 0.000 description 6
- 239000008103 glucose Substances 0.000 description 6
- 244000105624 Arachis hypogaea Species 0.000 description 5
- 240000008790 Musa x paradisiaca Species 0.000 description 5
- ZLMJMSJWJFRBEC-UHFFFAOYSA-N Potassium Chemical compound [K] ZLMJMSJWJFRBEC-UHFFFAOYSA-N 0.000 description 5
- 244000061456 Solanum tuberosum Species 0.000 description 5
- 235000002595 Solanum tuberosum Nutrition 0.000 description 5
- 229930003448 Vitamin K Natural products 0.000 description 5
- 230000008901 benefit Effects 0.000 description 5
- 238000004590 computer program Methods 0.000 description 5
- 238000010586 diagram Methods 0.000 description 5
- 230000007246 mechanism Effects 0.000 description 5
- 238000012806 monitoring device Methods 0.000 description 5
- 235000021049 nutrient content Nutrition 0.000 description 5
- 230000003287 optical effect Effects 0.000 description 5
- 235000020232 peanut Nutrition 0.000 description 5
- SHUZOJHMOBOZST-UHFFFAOYSA-N phylloquinone Natural products CC(C)CCCCC(C)CCC(C)CCCC(=CCC1=C(C)C(=O)c2ccccc2C1=O)C SHUZOJHMOBOZST-UHFFFAOYSA-N 0.000 description 5
- 239000011591 potassium Substances 0.000 description 5
- 229910052700 potassium Inorganic materials 0.000 description 5
- 235000012015 potatoes Nutrition 0.000 description 5
- 235000019168 vitamin K Nutrition 0.000 description 5
- 239000011712 vitamin K Substances 0.000 description 5
- 150000003721 vitamin K derivatives Chemical class 0.000 description 5
- 229940046010 vitamin k Drugs 0.000 description 5
- 241000282412 Homo Species 0.000 description 4
- 235000012000 cholesterol Nutrition 0.000 description 4
- 238000011156 evaluation Methods 0.000 description 4
- 238000012886 linear function Methods 0.000 description 4
- 238000007726 management method Methods 0.000 description 4
- 230000006855 networking Effects 0.000 description 4
- 239000000047 product Substances 0.000 description 4
- 230000002040 relaxant effect Effects 0.000 description 4
- 230000000007 visual effect Effects 0.000 description 4
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 4
- 206010020751 Hypersensitivity Diseases 0.000 description 3
- DGAQECJNVWCQMB-PUAWFVPOSA-M Ilexoside XXIX Chemical compound C[C@@H]1CC[C@@]2(CC[C@@]3(C(=CC[C@H]4[C@]3(CC[C@@H]5[C@@]4(CC[C@@H](C5(C)C)OS(=O)(=O)[O-])C)C)[C@@H]2[C@]1(C)O)C)C(=O)O[C@H]6[C@@H]([C@H]([C@@H]([C@H](O6)CO)O)O)O.[Na+] DGAQECJNVWCQMB-PUAWFVPOSA-M 0.000 description 3
- 230000007815 allergy Effects 0.000 description 3
- 235000021015 bananas Nutrition 0.000 description 3
- 206010012601 diabetes mellitus Diseases 0.000 description 3
- 235000018823 dietary intake Nutrition 0.000 description 3
- 230000002526 effect on cardiovascular system Effects 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 3
- 238000001914 filtration Methods 0.000 description 3
- 230000002641 glycemic effect Effects 0.000 description 3
- 239000011159 matrix material Substances 0.000 description 3
- 230000037081 physical activity Effects 0.000 description 3
- 150000003839 salts Chemical class 0.000 description 3
- 239000011734 sodium Substances 0.000 description 3
- 229910052708 sodium Inorganic materials 0.000 description 3
- 238000003860 storage Methods 0.000 description 3
- 229940045997 vitamin a Drugs 0.000 description 3
- 235000011299 Brassica oleracea var botrytis Nutrition 0.000 description 2
- 235000017647 Brassica oleracea var italica Nutrition 0.000 description 2
- 240000003259 Brassica oleracea var. botrytis Species 0.000 description 2
- 206010020772 Hypertension Diseases 0.000 description 2
- XEEYBQQBJWHFJM-UHFFFAOYSA-N Iron Chemical compound [Fe] XEEYBQQBJWHFJM-UHFFFAOYSA-N 0.000 description 2
- FYYHWMGAXLPEAU-UHFFFAOYSA-N Magnesium Chemical compound [Mg] FYYHWMGAXLPEAU-UHFFFAOYSA-N 0.000 description 2
- 235000018290 Musa x paradisiaca Nutrition 0.000 description 2
- 229920002472 Starch Polymers 0.000 description 2
- 230000000172 allergic effect Effects 0.000 description 2
- 208000010668 atopic eczema Diseases 0.000 description 2
- 230000037396 body weight Effects 0.000 description 2
- 235000013365 dairy product Nutrition 0.000 description 2
- 230000002950 deficient Effects 0.000 description 2
- 235000008242 dietary patterns Nutrition 0.000 description 2
- 235000015872 dietary supplement Nutrition 0.000 description 2
- 235000006694 eating habits Nutrition 0.000 description 2
- 235000013399 edible fruits Nutrition 0.000 description 2
- 235000012055 fruits and vegetables Nutrition 0.000 description 2
- 229910052500 inorganic mineral Inorganic materials 0.000 description 2
- 239000011777 magnesium Substances 0.000 description 2
- 229910052749 magnesium Inorganic materials 0.000 description 2
- 239000011707 mineral Substances 0.000 description 2
- 235000020660 omega-3 fatty acid Nutrition 0.000 description 2
- 230000002441 reversible effect Effects 0.000 description 2
- 230000009183 running Effects 0.000 description 2
- 238000004088 simulation Methods 0.000 description 2
- 235000019698 starch Nutrition 0.000 description 2
- 239000008107 starch Substances 0.000 description 2
- 238000007619 statistical method Methods 0.000 description 2
- 239000000126 substance Substances 0.000 description 2
- 230000009182 swimming Effects 0.000 description 2
- 235000003563 vegetarian diet Nutrition 0.000 description 2
- 235000013343 vitamin Nutrition 0.000 description 2
- 229930003231 vitamin Natural products 0.000 description 2
- 229940088594 vitamin Drugs 0.000 description 2
- 239000011782 vitamin Substances 0.000 description 2
- 230000009184 walking Effects 0.000 description 2
- 235000017060 Arachis glabrata Nutrition 0.000 description 1
- 235000010777 Arachis hypogaea Nutrition 0.000 description 1
- 235000018262 Arachis monticola Nutrition 0.000 description 1
- 238000012935 Averaging Methods 0.000 description 1
- 239000005465 B01AC22 - Prasugrel Substances 0.000 description 1
- 241000499895 Bloomeria Species 0.000 description 1
- 235000005273 Canna coccinea Nutrition 0.000 description 1
- 240000008555 Canna flaccida Species 0.000 description 1
- 241000238557 Decapoda Species 0.000 description 1
- 208000004262 Food Hypersensitivity Diseases 0.000 description 1
- 229920002527 Glycogen Polymers 0.000 description 1
- 244000141359 Malus pumila Species 0.000 description 1
- 229910002651 NO3 Inorganic materials 0.000 description 1
- 206010028980 Neoplasm Diseases 0.000 description 1
- 229910019142 PO4 Inorganic materials 0.000 description 1
- 244000172730 Rubus fruticosus Species 0.000 description 1
- 229930006000 Sucrose Natural products 0.000 description 1
- CZMRCDWAGMRECN-UGDNZRGBSA-N Sucrose Chemical compound O[C@H]1[C@H](O)[C@@H](CO)O[C@@]1(CO)O[C@@H]1[C@H](O)[C@@H](O)[C@H](O)[C@@H](CO)O1 CZMRCDWAGMRECN-UGDNZRGBSA-N 0.000 description 1
- HCHKCACWOHOZIP-UHFFFAOYSA-N Zinc Chemical compound [Zn] HCHKCACWOHOZIP-UHFFFAOYSA-N 0.000 description 1
- 230000003187 abdominal effect Effects 0.000 description 1
- 238000007792 addition Methods 0.000 description 1
- 230000002411 adverse Effects 0.000 description 1
- 239000013566 allergen Substances 0.000 description 1
- 150000001413 amino acids Chemical class 0.000 description 1
- 235000021016 apples Nutrition 0.000 description 1
- 230000000386 athletic effect Effects 0.000 description 1
- 235000020856 atkins diet Nutrition 0.000 description 1
- 230000003190 augmentative effect Effects 0.000 description 1
- 235000015278 beef Nutrition 0.000 description 1
- 230000006399 behavior Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- WQZGKKKJIJFFOK-VFUOTHLCSA-N beta-D-glucose Chemical compound OC[C@H]1O[C@@H](O)[C@H](O)[C@@H](O)[C@@H]1O WQZGKKKJIJFFOK-VFUOTHLCSA-N 0.000 description 1
- 235000021029 blackberry Nutrition 0.000 description 1
- 230000036772 blood pressure Effects 0.000 description 1
- 235000008429 bread Nutrition 0.000 description 1
- QALAKUHQOSUJEU-UHFFFAOYSA-N calcium;magnesium Chemical compound [Mg+2].[Ca+2] QALAKUHQOSUJEU-UHFFFAOYSA-N 0.000 description 1
- 201000011510 cancer Diseases 0.000 description 1
- 230000015556 catabolic process Effects 0.000 description 1
- 229920002678 cellulose Polymers 0.000 description 1
- 239000001913 cellulose Substances 0.000 description 1
- 230000035606 childbirth Effects 0.000 description 1
- 235000019219 chocolate Nutrition 0.000 description 1
- 230000009194 climbing Effects 0.000 description 1
- 239000003086 colorant Substances 0.000 description 1
- 238000004040 coloring Methods 0.000 description 1
- 239000000470 constituent Substances 0.000 description 1
- AWOPBNHMACSMTO-UHFFFAOYSA-N copper;sodium Chemical compound [Na+].[Cu+2] AWOPBNHMACSMTO-UHFFFAOYSA-N 0.000 description 1
- 235000019788 craving Nutrition 0.000 description 1
- 230000001186 cumulative effect Effects 0.000 description 1
- 230000001351 cycling effect Effects 0.000 description 1
- 230000006378 damage Effects 0.000 description 1
- 230000006735 deficit Effects 0.000 description 1
- 230000001627 detrimental effect Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 235000021061 dietary behavior Nutrition 0.000 description 1
- 235000020931 dietary conditions Nutrition 0.000 description 1
- 235000014113 dietary fatty acids Nutrition 0.000 description 1
- 235000020979 dietary recommendations Nutrition 0.000 description 1
- 150000002016 disaccharides Chemical class 0.000 description 1
- 229930195729 fatty acid Natural products 0.000 description 1
- 239000000194 fatty acid Substances 0.000 description 1
- 150000004665 fatty acids Chemical class 0.000 description 1
- 235000020932 food allergy Nutrition 0.000 description 1
- 230000037406 food intake Effects 0.000 description 1
- 235000020803 food preference Nutrition 0.000 description 1
- 235000019138 food restriction Nutrition 0.000 description 1
- 150000004676 glycans Chemical class 0.000 description 1
- 229940096919 glycogen Drugs 0.000 description 1
- 229910052742 iron Inorganic materials 0.000 description 1
- 235000020887 ketogenic diet Nutrition 0.000 description 1
- 208000017169 kidney disease Diseases 0.000 description 1
- 235000020878 kosher diet Nutrition 0.000 description 1
- 230000000670 limiting effect Effects 0.000 description 1
- 150000002632 lipids Chemical class 0.000 description 1
- 235000020855 low-carbohydrate diet Nutrition 0.000 description 1
- 238000012423 maintenance Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 229940050561 matrix product Drugs 0.000 description 1
- 230000003340 mental effect Effects 0.000 description 1
- 230000004060 metabolic process Effects 0.000 description 1
- 238000002620 method output Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 150000002772 monosaccharides Chemical class 0.000 description 1
- 210000003205 muscle Anatomy 0.000 description 1
- 230000007935 neutral effect Effects 0.000 description 1
- 235000014571 nuts Nutrition 0.000 description 1
- 229920001542 oligosaccharide Polymers 0.000 description 1
- 150000002482 oligosaccharides Chemical class 0.000 description 1
- 230000002093 peripheral effect Effects 0.000 description 1
- 239000010452 phosphate Substances 0.000 description 1
- NBIIXXVUZAFLBC-UHFFFAOYSA-K phosphate Chemical compound [O-]P([O-])([O-])=O NBIIXXVUZAFLBC-UHFFFAOYSA-K 0.000 description 1
- 238000000053 physical method Methods 0.000 description 1
- 230000035479 physiological effects, processes and functions Effects 0.000 description 1
- 229920001690 polydopamine Polymers 0.000 description 1
- 238000006116 polymerization reaction Methods 0.000 description 1
- 229920001282 polysaccharide Polymers 0.000 description 1
- 239000005017 polysaccharide Substances 0.000 description 1
- 230000008092 positive effect Effects 0.000 description 1
- DTGLZDAWLRGWQN-UHFFFAOYSA-N prasugrel Chemical compound C1CC=2SC(OC(=O)C)=CC=2CN1C(C=1C(=CC=CC=1)F)C(=O)C1CC1 DTGLZDAWLRGWQN-UHFFFAOYSA-N 0.000 description 1
- 229960004197 prasugrel Drugs 0.000 description 1
- 230000002265 prevention Effects 0.000 description 1
- 238000007639 printing Methods 0.000 description 1
- 238000011084 recovery Methods 0.000 description 1
- 235000020989 red meat Nutrition 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 230000002829 reductive effect Effects 0.000 description 1
- 238000012552 review Methods 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 239000005720 sucrose Substances 0.000 description 1
- 230000000153 supplemental effect Effects 0.000 description 1
- 230000008093 supporting effect Effects 0.000 description 1
- 230000026676 system process Effects 0.000 description 1
- 235000019640 taste Nutrition 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
- 230000036962 time dependent Effects 0.000 description 1
- 230000004584 weight gain Effects 0.000 description 1
- 235000019786 weight gain Nutrition 0.000 description 1
- 230000004580 weight loss Effects 0.000 description 1
- 235000020985 whole grains Nutrition 0.000 description 1
- 239000011701 zinc Substances 0.000 description 1
- 229910052725 zinc Inorganic materials 0.000 description 1
Classifications
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
- G16H20/00—ICT specially adapted for therapies or health-improving plans, e.g. for handling prescriptions, for steering therapy or for monitoring patient compliance
- G16H20/30—ICT specially adapted for therapies or health-improving plans, e.g. for handling prescriptions, for steering therapy or for monitoring patient compliance relating to physical therapies or activities, e.g. physiotherapy, acupressure or exercising
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/48—Other medical applications
- A61B5/4866—Evaluating metabolism
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/72—Signal processing specially adapted for physiological signals or for diagnostic purposes
- A61B5/7271—Specific aspects of physiological measurement analysis
- A61B5/7275—Determining trends in physiological measurement data; Predicting development of a medical condition based on physiological measurements, e.g. determining a risk factor
-
- G—PHYSICS
- G09—EDUCATION; CRYPTOGRAPHY; DISPLAY; ADVERTISING; SEALS
- G09B—EDUCATIONAL OR DEMONSTRATION APPLIANCES; APPLIANCES FOR TEACHING, OR COMMUNICATING WITH, THE BLIND, DEAF OR MUTE; MODELS; PLANETARIA; GLOBES; MAPS; DIAGRAMS
- G09B19/00—Teaching not covered by other main groups of this subclass
- G09B19/0092—Nutrition
-
- G—PHYSICS
- G09—EDUCATION; CRYPTOGRAPHY; DISPLAY; ADVERTISING; SEALS
- G09B—EDUCATIONAL OR DEMONSTRATION APPLIANCES; APPLIANCES FOR TEACHING, OR COMMUNICATING WITH, THE BLIND, DEAF OR MUTE; MODELS; PLANETARIA; GLOBES; MAPS; DIAGRAMS
- G09B5/00—Electrically-operated educational appliances
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
- G16H20/00—ICT specially adapted for therapies or health-improving plans, e.g. for handling prescriptions, for steering therapy or for monitoring patient compliance
- G16H20/60—ICT specially adapted for therapies or health-improving plans, e.g. for handling prescriptions, for steering therapy or for monitoring patient compliance relating to nutrition control, e.g. diets
Landscapes
- Health & Medical Sciences (AREA)
- Engineering & Computer Science (AREA)
- Life Sciences & Earth Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Public Health (AREA)
- Medical Informatics (AREA)
- Physics & Mathematics (AREA)
- Biophysics (AREA)
- Epidemiology (AREA)
- Primary Health Care (AREA)
- Business, Economics & Management (AREA)
- Nutrition Science (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Educational Technology (AREA)
- Educational Administration (AREA)
- Heart & Thoracic Surgery (AREA)
- Biomedical Technology (AREA)
- Pathology (AREA)
- Molecular Biology (AREA)
- Surgery (AREA)
- Animal Behavior & Ethology (AREA)
- Veterinary Medicine (AREA)
- Physical Education & Sports Medicine (AREA)
- Artificial Intelligence (AREA)
- Signal Processing (AREA)
- Psychiatry (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Entrepreneurship & Innovation (AREA)
- Physiology (AREA)
- Obesity (AREA)
- Medical Treatment And Welfare Office Work (AREA)
Abstract
本公开内容一般地涉及营养分析和推荐,包括提供个性化方法以用于分析营养物摄取量水平并且以用于生成对用户的当前营养摄取量和所述用户的营养相关目标做出响应的推荐的系统和方法。所述系统和方法还提供其它领域或活动的个性化分析和推荐,包括对锻炼坚持、睡眠坚持、调控坚持以及一般健康评价的应用。能够单独或与一个或多个其它领域或活动相结合地评价这些领域或活动中的每一个。
Description
本案为分案申请。其母案的发明名称为“用于营养物摄取量的用户特定调节的系统和方法”,申请日为2013年2月15日,申请号为201710958786.1。
相关申请的交叉引用
本申请要求于2012年2月17日提交的美国临时申请No.61/600,448的权益,其从而通过引用其全部将其并入在本文中。
技术领域
本公开内容一般地涉及营养分析和推荐,包括但不限于提供个性化方法以用于分析营养物摄取量水平并且以用于生成对用户的当前营养摄取量和用户的营养相关目标做出响应的推荐的系统和方法。所述系统和方法还提供其它领域或活动的个性化分析和推荐,包括对锻炼坚持、睡眠坚持、调控坚持以及一般健康评价的应用。能够单独或与一个或多个其它领域或活动相结合地评价这些领域或活动中的每一个。
背景技术
个体常常发现改进他们的总体营养和健康令人失望。当前可用的策略常常导致有限的成功或没有成功,部分地因为它们依靠关于人和他的或她的目标的不充分信息。一个常见方法在于向提供一般指导和忠告的医师咨询,所述一般指导和忠告诸如食用较少的盐和更多的水果和蔬菜、多锻炼、或者避免诸如红肉之类的某些食物之类的指示。然而,考虑到人类新陈代谢的复杂性和个体变化,对于医师来说可能很难以提供有效的指导,并且对于人们来说很难以实施所述指导。
存在通过分析人的食用来提供指导的多个营养计算机程序。这些程序典型地识别被视为对于人不足的营养物,然后推荐在所识别的营养物方面高的食物。例如,如果发现人在钾方面不足,则程序可以因为香蕉的高钾水平而建议该人食用香蕉。然而,因为一个营养物的其高水平而建议食物不一定导致人的总体营养的改进。例如,人可能已经食用了过量的其它营养物(诸如碳水化合物),所以建议人吃香蕉可能以在一些情况下有损于人体的人的碳水化合物水平为代价而提高人的钾水平。当多个营养物在争论中时,可能特别难以做出在不有害地改变已经处于平衡的营养物的水平的情况下解决一些营养物的不足和过量的推荐。这个问题对于膳食计划以及饮食和锻炼例程开发来说是特别有挑战性的,其中典型的饮食可以包括在配料和份量大小之间具有多个不同变化的几百种食物。
一些研究者已提出对于特定人口群体使用单个饮食计划,该特定人口群体在该群体内对食物成本和现有食用模式敏感(见,例如,Masset等人,2009)。这些程序的目标在于在保持在营养物的安全范围内的同时尽可能少地改变群体的平均现有食用模式。但是这个“一体适用”方法不帮助个体设置饮食和锻炼的有意义的目标或者跟踪朝这些目标的进步,更不用说帮助个体改进他们自己的个人营养或锻炼分布。
发明内容
因此,在本文中公开了用于提供对用户的当前营养摄取量和用户的营养相关目标做出响应的个性化营养分析和推荐的系统和方法。所述系统和方法能够被适配成提供在其它领域内的定制分析和推荐,除其它外尤其包括用于锻炼坚持、睡眠坚持、调控坚持以及一般健康评价。一般地,所述系统和方法确定指标(target)(诸如营养物的期望水平)与达成量(诸如营养物的食用量)之间的偏差,并且基于该偏差提供目标(如可以由一个或多个指标来定义)与达成(attainment)(如可以由一个或多个营养物的食用量来定义)之间的一致性(alignment)的指示。如本文中所使用的偏差可以指的是在特定指标(其可以或者可以不包括范围)与特定量或水平之间的比较。能够针对目标的特定分量(例如,单一营养物)或针对多个分量(例如,逐营养物地比较的多个营养物)而确定偏差。其它适合的机制、算法或设备可以被用于确定偏差。用来确定偏差的示例适合的方式可以包括从另一个值中减去一个值以获得差、计算两个值之间的比、诸如标准偏差或统计方差之类的统计方法、模式比较和识别、诸如通过将各值的一个集合的曲线或图与各值的对应曲线或图或另一集合相比较之类的相关方法、诸如通过基于回归的或线拟合方法之类的基于数据集的派生属性的比较、诸如均方根之类的误差估计方法。当使用指标或达成水平的多个值时,数据集可以对应于各种营养物、时间段、个体、人群,或任何其它适合的参数。能够基于一个或多个偏差来确定一致性以提供在目标与总体达成都涉及正被评价的活动时二者之间的依从性的指示。
一个方面涉及用于评价人的饮食的方法,所述方法由计算机系统来执行,所述计算机系统包括通信端口和与存储至少一个电子数据库的至少一个非暂时性计算机可读介质通信的至少一个计算机处理器。如在下面详细地讨论的,计算机系统可以是单个计算机或者可以包括通过任何网络(诸如在分布式架构中)进行通信的多个计算机。至少一个处理器可以被容纳在计算机系统中的计算机中的一个、一些或全部中,并且可以与存储在相同计算机上或在计算机系统内的不同计算机上的至少一个电子数据库通信。计算机系统可以包括由相同的、有关的或无关的实体所操作的基于云的一组计算系统。计算机系统接收表示由人在第一预定时间段期间所食用的第一营养物的量的数据。从至少一个电子数据库接收第一营养物的指标水平。计算机系统基于第一营养物的量与第一营养物的指标水平之间的比较而将第一数值权重分配给第一营养物,并且经由通信端口提供基于第一数值权重对人的饮食的评价。相似的方法被设想到用于单独或与他的或她的营养进步相结合地使人的锻炼例程个性化。还能够在群体膳食和锻炼计划方面相对于一群人(例如,家庭)应用相似的技术。然后能够将评价传送给人以单独地或相结合地用于推荐将来的食物的原因或目的、用于群体膳食计划、用在开发饮食或锻炼计划中、用于对睡眠制度的坚持的评价、用于对调控制度的坚持的评价、用于一般健康评价和其它期望的应用。
在一些实现方式中,接收选自多个饮食计划的用户选择的饮食计划,并且指标水平基于用户选择的饮食计划而被确定。用户选择的饮食计划能够包括针对人的体重目标和营养目标中的至少一个每个。分配第一数值权重能够包括从基于体重目标或营养目标所确定的针对第一营养物的多个营养物特定权重中进行选择。
在一些实现方式中,接收第二营养物的指标水平和由人所食用的第二营养物的量。基于第二营养物的食用量与第二营养物的指标水平之间的比较而将第二数值权重分配给第二营养物。基于第一和第二数值权重来提供对人的饮食的评价。提供对人的饮食的评价能够包括提供第一营养物的指标水平与第一营养物的食用量之间的一致性的第一指示器,以及提供第二营养物的指标水平与第二营养物的食用量之间的一致性的第二指示器。提供对人的饮食的评价包括基于第一和第二营养物的相应一致性来提供表示用户选择的饮食计划与人的饮食之间的聚合一致性的营养指数。第一和第二指示器是图形指示器,每个图形指示器指示人对相应的营养物的食用是不足还是超过相应的指标水平。
在一些实现方式中,提供推荐以供人食用基于营养指数中的预测改变而从一种或多种食物中选择推荐食物。推荐食物被选择成改变第一指示器并且同时地降低对第二营养物的一致性的消极影响。这是有关为本文中所描述的系统和方法所知的各种食物中的营养物分布的知识的智能使用、以及在多个营养物在争论中时通过这些实现方式识别同时性(simultaneity)的重要性(和挑战)的结果。特别地,已知的营养推荐系统的主要缺陷是系统趋向于将待解决的问题定义为推荐食物之一以在同样不同时抑制在被过量食用时可能是有害的营养物的过量的情况下并且在不考虑已经处于平衡的营养物的情况下排他性地校正一个或多个营养物的不足。充其量,这个方法导致对于每个问题的单独的推荐(即,一组食物针对不足,而另一组食物针对过量),所述每个问题可以共同地使已经处于平衡的其它营养物失去平衡。通过同时地选择推荐食物以在同时地降低对第二营养物的消极影响的同时改进一个营养物的偏差,这些实现方式避免了这个缺陷。在下面讨论了用于实现这个结果的数个示例,包括例如,单独或相结合地应用权重选择机制在所有指标营养物上计算加权函数,所述权重选择机制在偏差不影响计算的情况下允许均匀营养物。
在一些实现方式中,评价基于三个或更多个营养物(包括第一营养物和第二营养物)的相应的食用量和指标水平。提供营养指数包括针对三个或更多个营养物中的每一个、通过将该营养物的食用量与该营养物的指标水平相比较来计算相应的营养物的偏差。推荐食物被选择成同时地降低三个或更多个营养物中的至少两个中的每一个的偏差。
在一些实现方式中,推荐食物从人先前所食用的一种或多种食物中选择。提供推荐包括提供推荐食物的推荐量和针对人食用推荐食物的推荐日历日期,所述推荐量优选地不同于推荐食物的先前食用量。
在一些实现方式中,推荐食物从先前未被人所食用的一种或多种食物中选择。所述方法包括响应于确定由人先前所食用的一种或多种食物实质上不改进营养指数而从先前未被人所食用的一种或多种食物中选择推荐食物。
在一些实现方式中,所述方法包括接收表示人的医疗状况的数据以及基于与医疗状况相关联的一个或多个饮食限制来修改第一营养物的指标水平或第一数值权重。一个或多个饮食限制包括在第一预定义时间段期间多个营养物的期望分布。期望分布对应于从由卡路里、碳水化合物、蛋白质、脂肪以及纤维构成的群组中选择的两个或更多个营养物。
在一些实现方式中,所述方法包括基于在第一预定时间段期间(至少假定地)被人执行的锻炼的实际量或估计量来生成第一营养物的指标水平。
另一方面涉及存储计算机可执行指令的非暂时性计算机可读介质,所述计算机可执行指令当被至少一个计算机处理器执行时,使计算机系统执行用于评价人的饮食的方法。所述方法包括接收表示针对人的选择的饮食计划的第一数据输入和包括每种食物于其被食用的一个或多个日历日期的表示由人所食用的一种或多种食物的第二数据输入,其中所选择的饮食计划选自存储在与至少一个处理器通信的电子数据库中的多个饮食计划。所述方法包括基于一种或多种食物和日历日期来确定在第一时间段内第一营养物的食用量,以及基于一种或多种食物和日历日期来确定在第二时间段内第二营养物的食用量。用户数据简档数据被接收,用户数据简档数据表示第一营养物和第二营养物的指标量,指标量基于所选择的饮食计划、对人特定的营养目标以及与人相关联的健康信息而被确定。第一营养物的食用量与第一营养物的指标量相比较以获得第一结果,并且第二营养物的食用量与第二营养物的指标量相比较以获得第二结果。所述方法包括基于第一和第二结果的加权函数来输出人的饮食与所选择的饮食计划之间的一致性的指示器。
在一些实现方式中,第一时间段不同于第二时间段。
在一些实现方式中,生成指示器包括基于相应的营养物的量与相应的营养物的指标量之间的比较而选择针对第一和第二营养物中的每一个的权重。
在一些实现方式中,指示器包括聚合营养分数,所述聚合营养分数基于加权函数来提供在具有等于或大于第一时间段和第二时间段中的每一个的持续时间的第三时间段期间人的饮食与所选择的饮食计划之间的一致性的定量测量。
在一些实现方式中,基于在一致性方面的预测改变来提供推荐以供人食用推荐食物。提供推荐包括从由人先前所食用的一种或多种食物中选择推荐食物、提供推荐食物的推荐量以及提供针对用户食用推荐食物的推荐日期。附加的推荐被提供以供人食用从先前未被人所食用的多种食物中选择的附加的推荐食物。
另一方面涉及用于使人的饮食与特定饮食目标一致的计算机系统。所述系统包括包含一个或多个处理器、一个或多个电子数据库以及一个或多个通信端口的处理系统。所述处理系统被配置成接收表示可能或者已被人所食用的一个或多个膳食的数据,其中每个膳食的信息指示一种或多种食物的规定份量和在每个规定份量内包括的营养物水平。所述系统还被配置成确定与人相关联的指标营养简档,指标营养简档包括第一和第二营养物的指标水平。处理系统被配置成基于选自一个或多个膳食的膳食来生成膳食推荐,膳食推荐包括一种或多种食物中的至少一个的经修改的份量大小,使得膳食推荐同时地改进在所选择的膳食中第一和第二营养物的营养物水平与指标营养简档之间的一致性,并且经由一个或多个通信端口中的至少一个输出表示膳食推荐的数据。一致性能够例如通过将食用食物或膳食中的相应的营养物水平与指标营养简档中的相应的指标营养物水平相比较来完成,以定义针对每个营养物的偏差,从而从数据库选择将降低那些偏差(或者另外以期望的方式调整它们)的一种或多种食物或膳食,并且识别给人的那个食物或膳食(或者可选地识别对人的指数或健康或保健的其它预定测量的影响)。
在一些实现方式中,处理系统被配置成从用户设备或从一个或多个电子数据库接收表示选自多个饮食计划的用户选择的饮食计划的数据。处理系统被配置成输出指示在预定时间段期间人的饮食与所选择的饮食计划之间的一致性的营养指数。处理系统被配置成基于膳食推荐来输出表示营养指数中的预测改变的数据。
在一些实现方式中,处理系统被配置成通过针对一个或多个膳食中的每一个而选择在膳食中一种或多种食物中的每一个的推荐份数来生成膳食推荐,推荐份数被选择为经修改的份量大小以降低所选择的膳食的营养物水平与指标营养简档之间的偏差。
在一些实现方式中,经修改的份量大小基于与预定时间段期间或在所选择的膳食内的第一和第二营养物的期望分布相关联的约束。期望分布包括针对包括第一和第二营养物的多个营养物中的每一个的每膳食约束。第一和第二营养物从由碳水化合物、脂肪、蛋白质以及纤维构成的群组中选择。期望分布基于跨预定时间段期间所吃的一个或多个膳食的第一和第二营养物分布的历史。
在一些实现方式中,约束包括食物的推荐份数小于或等于人先前所食用的食物的最大份数的预定倍数的要求。
在一些实现方式中,营养指数通过选择针对第一和第二营养物中的每一个的特定权重并且对那些权重应用加权函数来生成,特定权重基于在所选择的膳食中第一和第二营养物中的每一个的量与相应的营养物的指标水平之间的比较。一个或多个膳食中的每一个都对应于从早餐、早午餐、午餐、晚餐以及加餐构成的群组中选择的分类。处理系统可以被配置成通过基于与所选择的膳食的分类相关联的卡路里容限(caloric allowance)来修改所选择的膳食而生成膳食推荐。一个或多个膳食中的每一个可以对应于相同的分类。
在一些实现方式中,处理系统被配置成输出人的食用简档,包括针对第一营养物的第一食用营养物指示器和针对第二营养物的第二食用营养物指示器,其中第一和第二食用营养物指示器中的每一个指示基于第一和第二营养物的指标水平以及一个或多个膳食而确定的过量或不足。
另一方面涉及用于使人的饮食与特定饮食目标一致的系统。所述系统包括:第一数据端口,其被配置成接收表示针对人的饮食计划的第一输入数据和表示在包括多天的第一时间段期间人所食用的多个食物的第二输入数据,一种或多种食物中的每一个都与第一时间段内的日历日期相关联;以及被配置成与处理系统进行通信的第二数据端口,所述处理系统包括:服务器;一个或多个电子数据库,其被配置成存储表示在一个或多个饮食计划中的每一个中第一和第二营养物的指标水平的数据,以及表示在多个食物中的每一个中第一和第二营养物的量的数据。所述系统包括与第一和第二数据端口通信的处理电路,被配置成通过通信网络将第一输入数据和第二输入数据输出到处理系统。处理电路还被配置成:从处理系统接收表示在第一时间段期间人的饮食与由服务器基于第一输入数据而从多个饮食计划识别出的饮食计划之间的一致性的营养指数,所述营养指数基于在多个食物中第一和第二营养物的量以及在饮食计划中第一和第二营养物的指标水平;从服务器接收对食物的推荐和基于营养指数和饮食计划而要在第二时间段期间食用的食物的推荐量;并且经由第一数据端口将营养指数和推荐输出到用户接口设备。
在一些实现方式中,处理系统被配置成基于针对人的营养目标、体重目标、锻炼目标或医疗状况中的两个或更多来修改所选择的饮食计划。一个或多个电子数据库被配置成存储指示人先前所食用的膳食的信息,每个膳食包括多个食物的组合,并且其中处理系统被配置成通过选择膳食中的一个来提供推荐。
在一些实现方式中,处理系统被配置成提供表示针对人的图形营养物简档的数据,图形营养物简档包括针对第一和第二营养物中的每一个的图形指示器,每个图形指示器指示在第一时间段期间人对相应的营养物的食用是不足还是超过该营养物的相应的指标水平。
在一些实现方式中,一个或多个电子数据库是分布式数据库的一部分,所述分布式数据库包括:第一电子数据库,其被配置成存储表示在多个饮食计划中的每一个中第一和第二营养物的指标水平的数据;第二电子数据库,其被配置成存储表示在多个食物中的每一个中第一和第二营养物的量的数据;以及第三电子数据库,其被配置成存储表示人先前所食用的膳食的数据,每个膳食包括一种或多种食物的组合。
在一些实现方式中,处理电路、第一数据端口以及第二数据端口被容纳在用户接口设备中。用户接口设备包括启用GPS的移动设备,并且其中第一数据端口被配置成接收表示在预定义时间段期间使用GPS检测到的一个或多个位置的第三输入数据。第一数据端口被配置成接收响应于提供给用户以识别在一个或多个位置处所食用的一种或多种食物的提示的第二输入数据。
另一方面涉及用于将菜单推荐提供给餐馆的来宾的方法,来宾能够使用所述菜单推荐来决定要订购什么菜单选项以便符合来宾的营养目标。所述方法包括在一个或多个计算机中接收针对由餐馆所服务的菜肴、食物或膳食的多个菜单选项。菜单选项可以被组织在计算机的数据库内或在被计算机可访问的网络上并且被表征成多个选项类型,例如开胃物、主菜、饮料、配菜、午餐菜单项、素食项、肉类项,或餐馆菜单上的任何其它适合类型的项。所述方法还包括在计算机中接收指示来宾的期望的膳食配置的数据,包括选自多个选项类型的一个或多个选项类型。所述方法还包括在一个或多个计算机的输出端口上提供基于期望的膳食配置而生成的菜单选项的一个或多个组合,每个组合包括对应于期望的膳食配置中一个或多个选项类型的至少一个菜单选项,以及随着一个或多个组合中的每一个同时地提供相应的组合对来宾的营养指数的预测的指数影响,其中营养指数对应于在第一时间段期间来宾的饮食、用户选择的饮食计划与来宾的目标或状况之间的聚合一致性。
在一些实现方式中,所述方法包括随着提供一个或多个组合和相应的预测的指数影响同时地提供营养指数。所述方法包括:接收对菜单选项的组合中的一个或多个的选择;将一个或多个选择的组合存储在与一个或多个计算机通信的至少一个电子数据库中;以及更新营养指数以将所选择的组合反映为食用的膳食。
在一些实现方式中,所述方法包括接收来宾的指标营养简档。指标营养简档包括第一营养物和第二营养物(或更多营养物)的指标水平,所述指标水平基于用户选择的饮食计划以及目标或状况被确定。所述方法还包括以下步骤:接收指示在第一时间段期间第一和第二营养物的食用量的数据、以及基于针对第一和第二营养物中的每一个的食用量与相应的指标水平之间的偏差来生成营养指数。
在一些实现方式中,提供一个或多个组合包括接收针对多个菜单选项的营养信息,将第一和第二(或更多)营养物中的每一个的量包括在菜单选项中以及生成多个候选组合。候选组合可以包括菜单上各项的任何组合。每个候选组合可以基于期望的膳食配置中的选项类型而包括多个候选菜单选项。例如,候选菜单选项可以是诸如开胃物、主菜、甜点或饮料之类的选项类型的菜单。提供一个或多个组合包括针对每个候选组合来确定在候选菜单选项中第一和第二营养物中的每一个的总候选量。与第一和第二营养物中的每一个的指标水平的候选偏差优选地基于食用量、总候选量以及相应的第一和第二营养物的指标水平而被确定。作为示例,候选偏差可以包括营养物的指标水平与在候选组合的一种或多种食物中该营养物的量之间的差或比(或单独或者与其它方式相结合地使用的确定本文中所描述的偏差的其它方式中的任一个)。营养物的指标水平可以基于该营养物的先前食用量以计及用户先前所食用的食物。候选指数影响优选地基于营养指数而被确定,其中候选指数影响基于候选偏差的加权函数。
在一些实现方式中,提供一个或多个组合包括从候选组合选择食物、菜肴或膳食的一组组合,其每个都(因为其特定营养含量)对应于大于或等于阈值的指数影响,以及在输出端口上以与指数影响相对应的次序提供该组组合。那些组合表示将由人所订购的食物、菜肴或膳食(包括份大小或份量大小)的候选。与由餐馆所提供的份大小相比,生成该候选组合列表可以包括具有经修改的份量大小的至少一个菜单选项。所述方法可以随着一个或多个组合同时地提供经修改的份量大小的电子信号或其它指示器。
在一些实现方式中,待推荐给人的多个菜单选项包括选自开胃物、主菜、沙拉、饮料、甜点以及配菜的组的两个或更多个选项类型。
在一些实现方式中,一个或多个计算机包括与处理系统通信的启用GPS的移动设备,其提供针对在地理上靠近人所位于或者计划去吃的地方的多个餐馆的基于位置的信息。所述方法包括以下步骤:基于移动设备的位置自动地检测来宾已进入餐馆、并且响应于该检测步骤自动地提示来宾提供他的或她的期望的膳食配置。
另一方面涉及使人的锻炼例程与人的锻炼、营养或其它健康相关目标一致的方法。所述方法可以由具有电子数据库和通信端口的一个或多个计算机来执行。所述方法包括以下步骤:由一个或多个计算机接收指示在第一时间段期间由人所执行的锻炼的量的第一数据输入,其中锻炼包括多个锻炼类型;从至少一个电子数据库接收指示基于针对人的一个或多个健康相关目标所选择的锻炼计划的第二数据输入并且规定多个锻炼类型的指标量,所述锻炼计划包括针对多个锻炼类型随着时间的推移的期望分布。能够以任何数目的方式定义锻炼类型。例如,锻炼类型广泛地基于以下来定义:基于身体活动旨在提供的身体有益效果或精神有益效果的种类(例如,有氧锻炼、柔度锻炼、平衡锻炼、力量训练、耐力训练等)、基于旨在获益的身体的部分(例如,腿部锻炼、腹部锻炼、肩部锻炼等)、基于特定身体活动(例如,跑步、骑自行车、游泳、步行、冲刺、举重、网球等)或者基于上述中的任何两个或更多个的组合。在一些实现方式中,锻炼类型包括选自组力量锻炼、柔度锻炼、有氧锻炼、耐力锻炼、平衡锻炼及其任何适合的组合中的至少两个锻炼类型。在一些实现方式中,多个锻炼类型的指标量包括选自持续时间、强度、频率、解剖学焦点及其任何适合的组合的参数。对于多个锻炼类型中的每一个,所述方法可以包括(1)基于将锻炼类型的量与关联于该锻炼类型和期望分布的指标量相比较来生成针对锻炼类型的偏差,以及(2)确定与锻炼类型相关联的数值权重。所述方法还可以基于每个锻炼类型的相应的偏差和数值权重而在通信端口上输出指示所执行的锻炼与锻炼计划之间的一致性的输出数据。
在一些实现方式中,输出数据包括基于偏差和数值权重的加权函数所生成的聚合锻炼指数。确定针对每个锻炼类型的数值权重可以包括如果锻炼类型的量超过指标量则将第一数值权重分配给该锻炼类型,以及如果锻炼类型的量不超过指标量则将第二数值权重分配给该锻炼类型。可以从与人相关联的锻炼监测设备接收第一数据输入,所述锻炼监测设备诸如移动设备、活动水平跟踪器或生理监测设备。
在一些实现方式中,所述方法提供待由人执行以改变人的锻炼例程与人的锻炼、营养或其它健康相关目标之间的一致性的推荐锻炼。可以通过考虑特定于用户的一个或多个因素来选择推荐锻炼,所述因素诸如年龄、性别、医疗状况、身体损伤、身体活动的历史水平、可用锻炼设备、用户的地理位置、用户规定的偏好等。在这样的情况下,推荐锻炼可以被选择成降低与人的锻炼和锻炼例程相关联的偏差。例如,推荐锻炼可以被选择成降低与至少两个或更多个锻炼类型中的每一个相关联的偏差。在一些实现方式中,推荐锻炼从人先前所执行的锻炼中选择。在其它实现方式中,推荐锻炼不从人先前所执行的多个锻炼中选择。
在一些实现方式中,所述方法在通信端口上输出指示在第一时间段期间人所食用的多个营养物的量与指标营养简档之间的一致性的营养指数,其中指标营养简档包括多个营养物的多个指标量。在其它方面,能够相结合地使用营养和锻炼分析来提供组合指数。为了提供营养指数,提供了以下方法:接收指示人的营养目标的信息(包括满足那些目标的指标营养物水平或指标食物、菜肴或膳食)、指示待由人食用的营养物、食物、菜肴或膳食的信息、指示人的锻炼指标的信息以及指示人的锻炼目标的信息。所述方法还能够包括要么单独要么随着锻炼指数、营养指数或两者同时地将基于锻炼指数和营养指数的健康指数提供给人。所述方法可以包括单独或与其它方法相结合地使用本文中所描述的方法中的任何一个来生成健康指数。例如,所述方法可以包括通过基于人的一个或多个健康相关目标而选择营养指数的数值营养权重以及锻炼指数的数值锻炼权重来生成作为营养指数和锻炼指数的加权函数的健康指数。
另一方面涉及用于评价人的饮食的系统。所述系统包括用于接收表示在第一预定时间段期间已经或者可能被人食用的第一营养物的量的数据的装置,以及用于接收第一营养物的指标水平的装置。所述系统还包括用于基于营养物的量与该营养物的指标水平之间的比较而将第一数值权重分配给第一营养物的装置,以及用于基于第一数值权重来提供对人的饮食的评价的装置。
在一些实现方式中,所述系统包括用于接收选自多个饮食计划的用户选择的饮食计划的装置,并且其中指标水平基于用户选择的饮食计划而被确定。用户选择的饮食计划可以包括针对人的体重目标和营养目标中的至少一个每个。用于分配第一数值权重的装置可以包括用于从基于体重目标和营养目标而确定的针对第一营养物的多个营养物特定权重中进行选择的装置。
当然,所述系统能够被应用于多个营养物以帮助人使她的饮食、锻炼以及其它健康实践与她的目标一致。在一些实现方式中,所述系统可以包括用于接收第二营养物的指标水平的装置和用于接收由人所食用的第二营养物的量的装置。所述系统还包括用于基于第二营养物的食用量与第二营养物的指标水平之间的比较而将第二数值权重分配给第二营养物的装置,其中提供对人的饮食的评价包括基于第一和第二数值权重来提供评价。用于提供对人的饮食的评价的装置可以包括用于提供第一营养物的指标水平与第一营养物的食用量之间的一致性的第一指示器的装置、用于提供第二营养物的指标水平与第二营养物的食用量之间的一致性的第二指示器的装置、以及用于基于第一和第二营养物的相应的一致性来提供表示用户选择的饮食计划与人的饮食之间的聚合一致性的营养指数的装置。第一和第二指示器可以是图形指示器,每个图形指示器指示人对相应的营养物的食用是不足的还是超过相应的指标水平。所述系统可以包括用于提供推荐以供人食用基于营养指数中的预测改变而从一种或多种食物中选择的推荐食物的装置。推荐食物可以被选择成改变第一指示器并且同时地降低对第二营养物的一致性的消极影响。
在一些实现方式中,用于提供评价的装置包括用于基于三个或更多个营养物的相应的食用量和指标水平来提供评价的装置。用于提供营养指数的装置可以包括用于针对三个或更多个营养物中的每一个基于该营养物的食用量及其指标水平来计算每个营养物的偏差的装置。推荐食物可以被选择成同时地降低三个或更多个营养物中的每一个的偏差。在某些实现方式中,所述系统处理多达10、多达20、多达100、多达1000或多达10,000个营养物和各营养物的组合的营养物水平和指标营养物水平。在这样做时,所述系统通过评价每个营养物相对于其相应的指标水平的偏差、以及做出将改变该指数以更好地使人的膳食与目标一致的食物、菜肴或膳食的推荐而确定基于那些营养物的指数。
在一些实现方式中,推荐食物从人先前所食用的一种或多种食物中选择。用于提供推荐的装置包括用于提供推荐食物的推荐量和针对人食用推荐食物的推荐日历日期的装置,所述推荐量不同于推荐食物的先前食用量。
在一些实现方式中,推荐食物从先前未被人所食用的一种或多种食物中选择。所述系统包括用于响应于确定从人先前所食用的一种或多种食物进行选择不提供在营养指数方面的实质改进而从先前未被人所食用的一种或多种食物中选择推荐食物的装置。
在一些实现方式中,所述系统包括用于接收表示人的医疗状况的数据的装置和用于基于与医疗状况相关联的一个或多个饮食限制来修改第一营养物的指标水平或第一数值权重的装置。一个或多个饮食限制可以包括在第一预定义时间段期间多个营养物的期望分布。期望分布可以对应于从卡路里、碳水化合物、蛋白质、脂肪以及纤维构成的群组中选择的两个或更多个营养物。
在一些实现方式中,所述系统包括用于基于在第一预定时间段期间人所执行的锻炼的实际量或估计量来生成第一营养物的指标水平的装置。
另一方面涉及用于将菜单推荐提供给餐馆的来宾的系统。所述系统包括:用于接收餐馆的多个菜单选项的装置,所述菜单选项被表征成多个选项类型;以及用于接收指示来宾的期望的膳食配置的数据(包括选自多个选项类型的一个或多个选项类型)的装置。所述系统包括用于提供基于期望的膳食配置而生成的菜单选项的一个或多个组合的装置,每个组合包括与期望的膳食配置中的一个或多个选项类型相对应的至少一个菜单选项,以及用于随着一个或多个组合中的每一个同时地提供相应的组合对来宾的营养指数的预测的指数影响的装置,其中营养指数对应于在第一时间段期间来宾的饮食、用户选择的饮食计划与来宾的目标或状况之间的聚合一致性。
在一些实现方式中,所述系统包括用于随着一个或多个组合和相应的预测的指数影响同时地提供营养指数的装置。所述系统包括用于接收对菜单选项的组合中的一个的选择的装置、用于将所选择的组合存储在与一个或多个计算机通信的至少一个电子数据库中的装置、以及用于更新营养指数以将所选择的组合反映为食用的膳食的装置。
在一些实现方式中,所述系统包括:用于针对来宾而接收包括第一营养物和第二营养物的指标水平的指标营养简档的装置,所述指标水平基于用户选择的饮食计划以及目标或状况而被确定;用于接收在第一时间段期间第一和第二营养物的食用量的装置;以及用于基于针对第一和第二营养物中的每一个的食用量与指标水平之间的偏差来生成营养指数的装置。用于提供一个或多个组合的装置包括:用于接收针对多个菜单选项的营养信息的装置,所述营养信息包括在菜单选项中第一和第二营养物中的每一个的量;用于生成多个候选组合的装置,每个候选组合基于期望的膳食配置中的选项类型而包括多个候选菜单选项;以及用于针对每个候选组合确定以下各项的装置,在候选菜单选项中第一和第二营养物中的每一个的总候选量,基于相应的第一和第二营养物的食用量、总候选量以及指标水平的与第一和第二营养物中的每一个的指标水平的候选偏差,以及对营养指数的候选指数影响,其中所述候选指数影响基于候选偏差的加权函数。在一些实现方式中,用于提供一个或多个组合的装置包括用于从候选组合选择均对应于大于或等于阈值的指数影响的一组组合的装置,以及用于以与指数影响相对应的次序提供该组组合的装置。用于生成候选组合的装置可以包括用于生成包括具有来自由餐馆所提供的份大小的经修改的份量大小的至少一个菜单选项的至少一个候选组合的装置。所述系统可以包括用于随着一个或多个组合同时地提供经修改的份量大小的指示器的装置。
在一些实现方式中,多个选项类型包括从开胃物、主菜、沙拉、饮料、甜点以及配菜构成的群组中选择的两个或更多个选项类型。
在一些实现方式中,所述系统包括提供针对多个餐馆的基于位置的信息的启用GPS的移动设备、用于基于移动设备的位置自动地检测来宾已进入餐馆的装置、以及响应于所述检测用于提示来宾提供期望的膳食配置的装置。
另一方面涉及包括以下各项的系统:用于接收指示在第一时间段期间人所执行的锻炼的量的第一数据输入的装置,其中锻炼包括多个锻炼类型;以及用于接收指示基于人的一个或多个健康相关目标而选择的锻炼计划的第二数据输入并且为多个锻炼类型规定指标量的装置,所述锻炼计划包括针对多个锻炼类型随着时间的推移的期望分布。对于多个锻炼类型中的每一个,所述系统包括(1)用于基于将锻炼类型的量与关联于该锻炼类型和期望分布的指标量相比较来生成针对锻炼类型的偏差的装置,以及(2)用于确定与锻炼类型相关联的数值权重的装置。所述系统包括用于基于针对每个锻炼类型的相应的偏差和数值权重来输出指示所执行的锻炼与锻炼计划之间的一致性的数据的装置。
在一些实现方式中,输出数据包括基于偏差和数值权重的加权函数而生成的聚合锻炼指数。用于确定针对每个锻炼类型的数值权重的装置可以包括用于如果锻炼类型的量超过指标量则将第一数值权重分配给该锻炼类型的装置,以及用于如果锻炼类型的量不超过指标量则将第二数值权重分配给该锻炼类型的装置。用于接收第一数据输入的装置可以包括用于从与人相关联的锻炼监测设备接收第一数据输入的装置。锻炼监测设备可以包括移动设备、活动水平跟踪器或生理监测设备。
在一些实现方式,所述系统包括用于提供待由人执行以改变一致性的推荐锻炼的装置。推荐锻炼被选择成降低多个锻炼类型中的至少两个中的每一个的偏差。在一些实现方式中,推荐锻炼从人先前所执行的多个锻炼中选择。在其它实现方式中,推荐锻炼不从人先前所执行的多个锻炼中选择。
在一些实现方式中,多个锻炼类型的指标量包括从持续时间、强度、频率、解剖学焦点及其任何适合的组合构成的群组中选择的参数。
在一些实现方式中,多个锻炼类型包括力量锻炼、柔度锻炼、有氧锻炼、耐力锻炼、平衡锻炼及其任何适合的组合中的至少两个。
在一些实现方式中,所述系统包括用于输出指示在第一时间段期间人所食用的多个营养物的量与指标营养简档之间的一致性的营养指数的装置,其中指标营养简档包括多个营养物的多个指标量。所述系统包括用于随着锻炼指数和营养指数同时地将基于锻炼指数和营养指数而生成的健康指数提供给人的装置。所述系统可以包括用于通过基于针对人的一个或多个健康相关目标而选择营养指数的数值营养权重以及锻炼指数的数值锻炼权重来生成作为营养指数和锻炼指数的加权函数的健康指数的装置。
另一方面涉及用于评价人的饮食的系统。所述系统包括用于接收表示由人所食用的三个或更多个营养物中的每一个的量的数据的装置、用于接收三个或更多个营养物中的每一个的指标水平的装置、用于将多个数值权重分配给三个或更多个营养物使得营养物中的每一个都分配了基于相应的营养物的量与相应的营养物的指标水平之间的比较而确定的数值权重的装置、以及用于基于多个数值权重来提供对人的饮食的评价的装置。
在一些实现方式中,所述系统包括用于接收选自多个饮食计划的用户选择的饮食计划的装置,并且其中三个或更多个营养物中的每一个的指标水平基于用户选择的饮食计划而被确定。用于分配多个数值权重的装置可以包括用于从基于与人相关联的一个或多个目标而确定的数值权重的营养物特定的集合中针对每个营养物分配数值权重的装置。
在一些实现方式中,三个或更多个营养物包括第一营养物和第二营养物。用于提供对人的饮食的评价的装置包括用于提供第一营养物的量与第一营养物的指标水平之间的一致性的第一指示器的装置、用于提供第二营养物的量与第二营养物的指标水平之间的一致性的第二指示器的装置、以及用于基于第一营养物和第二营养物的相应的一致性来提供表示用户选择的饮食计划与人的饮食之间的聚合一致性的营养指数的装置。所述系统可以包括用于提供推荐以供人食用基于营养指数中的预测改变而从一种或多种食物中选择的推荐食物的装置。推荐食物可以被选择成改变第一指示器并且同时地降低对第二营养物的一致性的消极影响。
在一些实现方式中,用于提供营养指数的装置包括针对三个或更多个营养物中的每一个基于营养物的食用量和营养物的指标水平来计算营养物的偏差的装置。推荐食物可以被选择成同时地降低三个或更多个营养物中的至少两个中的每一个的偏差。
在一些实现方式中,所述系统包括用于基于在预定时间段期间三个或更多个营养物的期望食用分布来选择推荐食物的装置。推荐食物可以从人先前所食用的一种或多种食物中选择。用于提供推荐的装置可以包括用于提供推荐食物的推荐量和针对人食用推荐食物的推荐日历日期的装置,所述推荐量不同于推荐食物的先前食用量。推荐食物可以从先前未被人所食用的一种或多种食物中选择。
在一些实现方式中,所述系统包括用于至少部分地基于在第一预定时间段期间人所执行的锻炼的实际量或估计量来生成三个或更多个营养物中的至少一个的指标水平的装置。所述系统可以包括:存储针对三个或更多个营养物中的每一个的一组营养物特定权重的装置,每个营养物特定权重对应于针对营养物的不同时间段;以及用于基于评价被提供所针对的第一预定时间段而从营养物特定权重选择多个数值权重的装置。
另一方面涉及用于将膳食推荐提供给包括两个或更多个成员的群组的方法。包括通信端口和与存储电子数据库的至少一个非暂时性计算机可读介质通信的至少一个计算机处理器的计算机系统接收指示包括包含第一营养物的多个营养物的多个指标营养简档的第一数据输入,每个指标营养简档与群组的至少一个成员相关联并且包括基于一个或多个选择的饮食计划针对至少一个成员而确定的第一营养物的指标水平。计算机系统接收指示多个优先级权重(包括群组的每个成员的优先级权重)的第二数据输入,优先级权重指示成员的营养目标相对于群组的其它成员的营养目标的重要性。所述方法包括针对群组的每个成员将第一营养物特定权重分配给第一营养物,第一营养物特定权重基于以下各项而被确定:(1)相应的成员的营养目标和(2)由相应的成员所食用的第一营养物的量与相应的成员的第一营养物的指标水平的比较。经由通信端口来提供包括待由群组食用的至少一个推荐膳食的推荐,推荐膳食基于第一营养物特定权重和多个优先级权重而被选择。
在一些实现方式中,所述方法包括由计算机系统接收指示群组的每个成员的营养物食用简档的第三数据输入,每个营养物食用简档包括在预定时间段期间成员所食用的在成员的指标简档中的营养物的子集中的至少一个营养物的量。提供推荐可以包括选择至少一个推荐膳食以改变针对群组的第一成员的营养物食用简档与指标营养简档之间的第一一致性。提供推荐可以包括选择至少一个推荐膳食以改进针对第一成员的营养物食用简档与指标营养简档之间的第一一致性并且以同时地维持或者改进针对群组的第二成员的第二一致性。
在一些实现方式中,所述方法包括针对群组的每个成员基于将成员的指标营养简档与成员的营养物食用简档相比较来生成偏差简档,使得每个偏差简档对于成员的指标简档中的每个营养物包括该营养物的过量指示器或不足指示器。所述方法可以包括生成作为用针对相应的成员的优先级权重对每个偏差简档的加权组合的函数的聚合偏差,使得聚合偏差依照优先级权重反映偏差简档的相对重要性。提供推荐可以包括选择至少一个推荐膳食以最小化基于组合偏差简档而生成的聚合偏差。
在一些实现方式中,所述方法包括提供表示每个成员的食用简档与相应的成员的指标营养简档之间的集体(collective)一致性的群组营养指数。提供群组指数包括针对群组中的每个成员对相应的成员的偏差简档应用与成员相关联的优先级权重以获得加权偏差,以及组合加权偏差以获得群组营养指数。至少一个推荐膳食可以被选择成改变群组营养指数而同时地降低对每个成员的食用简档与相应的成员的指标营养简档之间的一致性的消极影响。
在一些实现方式中,提供推荐包括检测多个偏差简档之间的不相容性以及基于该不相容性来确定要被推荐为至少一个推荐膳食的最小多个不同的膳食。
在一些实现方式中,所述方法包括经由通信端口提供对群组的至少一个成员的营养指数的指数影响的指示器,其中营养指数指示至少一个成员的食用简档与相应的成员的指标营养简档之间的一致性,并且指数影响指示在成员食用至少一个推荐膳食的情况下对营养指数的预测改变。提供指数影响的指示器可以包括提供包括针对群组的每个成员的至少一个指数影响的指数影响的多个指示器。所述方法可以包括经由通信端口提供至少一个成员的营养指数的指示器。
在一些实现方式中,所述方法包括:生成多个候选膳食,每个候选膳食包括一个或多个候选食物;以及基于在每个候选膳食中第一营养物的量与在至少一个偏差简档中第一营养物的偏差之间的比较而从多个候选膳食选择至少一个推荐膳食。可以基于与每个候选膳食相关联的参数来选择至少一个推荐膳食,所述参数从以下各项构成的群组中选择:菜肴的数目、食物的数目、制备时间的量、制备的复杂性的水平、配料的成本以及配料的可用性。
另一方面涉及用于将膳食推荐提供给包括两个或更多个成员的群组的系统。所述系统包括用于接收指示包括包含第一营养物的多个营养物的多个指标营养简档的第一数据输入的装置。每个指标营养简档与群组的至少一个成员相关联并且包括基于一个或多个选择的饮食计划针对至少一个成员而确定的第一营养物的指标水平。所述系统还包括用于接收指示包括群组的每个成员的优先级权重的多个优先级权重的第二数据输入的装置,优先级权重指示成员的营养目标相对于群组的其它成员的营养目标的重要性。所述系统还包括用于针对群组的每个成员将第一营养物特定权重分配给第一营养物的装置,第一营养物特定权重基于以下各项来确定:(1)相应的成员的营养目标和(2)由相应的成员所食用的第一营养物的量与相应的成员的第一营养物的指标水平的比较。所述系统包括用于提供包括待由群组食用的至少一个推荐膳食的推荐的装置,所述推荐膳食基于第一营养物特定权重和多个优先级权重而被选择。
在一些实现方式中,所述系统包括用于接收指示群组的每个成员的营养物食用简档的第三数据输入的装置,每个营养物食用简档包括在预定时间段期间成员所食用的在成员的指标简档中营养物的子集中的至少一个营养物的量。用于提供推荐的装置可以包括用于选择至少一个推荐膳食以改变针对群组的第一成员的营养物食用简档与指标营养简档之间的第一一致性的装置。用于提供推荐的装置可以包括用于选择至少一个推荐膳食以改进针对第一成员的营养物食用简档与指标营养简档之间的第一一致性并且同时地维持或者改进针对群组的第二成员的第二一致性的装置。
在一些实现方式中,所述系统包括用于针对群组的每个成员基于将成员的指标营养简档与成员的营养物食用简档相比较来生成偏差简档使得每个偏差简档针对成员的指标简档中的每个营养物包括该营养物的过量指示器或不足指示器的装置。所述系统可以包括用于生成作为用针对相应的成员的优先级权重的对每个偏差简档的加权组合的函数的聚合偏差使得聚合偏差依照优先级权重反映偏差简档的相对重要性的装置。用于提供推荐的装置可以包括用于选择至少一个推荐膳食以最小化基于组合偏差简档而生成的聚合偏差的装置。
在一些实现方式中,所述系统包括用于提供表示每个成员的食用简档与相应的成员的指标营养简档之间的集体一致性的群组营养指数的装置。用于提供群组指数的装置可以包括用于针对群组中的每个成员对相应的成员的偏差简档应用与成员相关联的优先级权重以获得加权偏差的装置,以及用于组合加权偏差以获得群组营养指数的装置。推荐膳食可以被选择成改变群组营养指数而同时地降低对每个成员的食用简档与相应的成员的指标营养简档之间的一致性的消极影响。
在一些实现方式中,用于提供推荐的装置包括用于检测多个偏差简档之间的不相容性的装置和用于基于该不相容性来确定要推荐为至少一个推荐膳食的最小多个不同的膳食的装置。
在一些实现方式中,所述系统包括用于提供对群组的至少一个成员的营养指数的指数影响的指示器的装置,其中营养指数指示至少一个成员的食用简档与相应的成员的指标营养简档之间的一致性,并且指数影响指示在成员食用至少一个推荐膳食的情况下对营养指数的预测改变。用于提供指数影响的指示器的装置可以包括用于提供包括针对群组的每个成员的至少一个指数影响的指数影响的多个指示器的装置。所述系统可以包括用于经由输出端口提供至少一个成员的营养指数的指示器的装置。
在一些实现方式中,所述系统包括用于生成多个候选膳食的装置,每个候选膳食包括一个或多个候选食物;以及用于基于在每个候选膳食中第一营养物的量与在至少一个偏差简档中第一营养物的偏差之间的比较从多个候选膳食选择至少一个推荐膳食的装置。可以基于与每个候选膳食相关联的参数来选择至少一个推荐膳食,所述参数从以下各项构成的群组中选择:菜肴的数目、食物的数目、制备时间的量、制备的复杂性的水平、配料的成本以及配料的可用性。
另一方面涉及用于评定由用户或第三方所提供的食物推荐的方法。根据这个方面,用户能够例如接收由饮食服务所提供的推荐的评价,其考虑用户的营养、锻炼、健康以及其它健康目标。这样的评定特征的一个优点是用户能够使用单个系统来监测他们的营养摄取量而无需遵守单个源的饮食制度。因此,用户能够从单个源获得由数个第三方服务(例如,Jenny CraigTM、Weight WatchersTM、Lean CuisineTM等)所推荐的一个或多个特定食物是否将与用户的目标和约束或状况一致的评价。这是特别有用的方面,其可以单独或与由该方法基于用户的营养指数所提供的推荐相结合地使用。通过提供用于用户接收对由第三方所推荐的食物的评定的选项,用户能够对来自多个源的推荐应用一致的评定标准或机制,而无需承担跨多个平台规定一致的目标或要求的提供的艰巨任务。该方法包括由包括通信端口和与存储至少一个电子数据库的至少一个非暂时性计算机可读介质通信的至少一个计算机处理器的计算机系统来接收表示给人的食物推荐的第一输入数据。食物可以包括膳食或一种或多种食物的其它组合,并且推荐能够包括建议份量大小,以及在建议份量大小中第一营养物和第二营养物中的每一个的量。计算机系统接收表示人的营养物食用简档的第二输入数据。第二输入数据包括在预定时间段期间第一和第二营养物的食用量的指示器。所述方法还包括从至少一个电子数据库接收表示人的指标营养简档的第三输入数据。指标营养简档包括第一和第二营养物的指标水平。对于每个营养物,指标水平指示在预定时间段期间营养物的建议量或需要量并且根据用户规定的营养目标被确定。第一数值权重被分配给第一营养物,第一数值权重基于以下各项来确定:(1)用户规定的营养目标和(2)第一营养物的食用量与第一营养物的指标水平的比较。第二数值权重被分配给第二营养物,第二数值权重基于以下各项来确定:(1)用户规定的营养目标和(2)第二营养物的食用量与第二营养物的指标水平的比较。基于第一和第二数值权重,生成了适合性评定,其中适合性评定表示食物推荐与营养目标之间的一致性,并且针对食物推荐的适合性评定经由通信端口来提供。
在一些实现方式中,所述方法包括通过通信网络从用户设备或从远程计算机系统接收第一输入数据。所述方法能够基于与人相关联的营养指数来生成食物推荐的指数影响,其中营养指数指示食用简档与指标营养简档之间的一致性,并且指数影响指示根据遵循食物推荐对营养指数的预测改变。计算机系统可以被编程为包括多个阈值范围,并且其中提供适合性评定包括在通信端口上提供指数影响位于阈值范围中的哪一个所选择的范围内。
在一些实现方式中,提供适合性评定包括提供与所选择的范围相对应的色彩编码的指示器。提供适合性评定可以包括随着色彩编码的指示器同时地提供指数影响。阈值范围可以包括包含警告范围的至少三个范围。因此,在一些示例中,所述方法使用计算机系统来生成指数影响,然后基于关于指数影响的值从阈值范围之一进行选择。阈值范围可以被映射到特定色彩(例如,用于批准的绿色、表示警告的黄色,以及表示与人的目标或状况的不相容性的红色)。
在一些实现方式中,所述方法包括针对第一和第二营养物中的每一个而生成包括基于将营养物的食用量与相应的营养物的指标水平相比较而确定的营养物的过量指示器或不足指示器的偏差简档。所述方法还包括基于偏差简档以及第一和第二数值权重来提供适合性评定。
在一些实现方式中,将第一数值权重分配给第一营养物包括从包括响应于检测到第一营养物的过量而选择的一个或多个数值权重和响应于检测到第一营养物的不足而选择的一个或多个数值权重的与第一营养物相关联的第一多个营养物特定权重进行选择。将第一数值权重分配给第一营养物可以包括基于预定时间段从与第一营养物相关联的第二多个营养物特定权重中进行选择。第二多个营养物可以包括第一营养物的每膳食权重、每周权重以及每日权重。
在一些实现方式,第一营养物和第二营养物中的每一个的指标水平根据与人相关联的体重目标和医疗状况中的附加一个而被确定。所述方法可以包括接收选自存储在至少一个电子数据库中的多个饮食计划的用户选择的饮食计划。第一营养物和第二营养物中的每一个的指标水平基于所选择的饮食计划而被确定。
在一些实现方式中,所述方法包括基于适合性评定来提供替代食物推荐。提供替代食物推荐包括推荐一种或多种食物的组合的修改版本。组合的修改版本可以包括经修改的建议份量大小。组合的修改版本可以包括在该组合中未包括的附加食物的包含。组合的修改版本可以包括从该组合去除一种或多种食物中的至少一个。
在一些实现方式中,系统包括至少一个计算机处理器、通信端口以及存储电子数据库的至少一个非暂时性计算机可读介质。所述系统被适配成执行本文中所描述的方法中的任一个。
另一方面涉及用于评定由用户或第三方服务或系统所提供的推荐食物的系统。可以由第三方为用户推荐食物,并且所述系统提供对用户的饮食与用户的饮食目标之间的一致性的影响的评价。所述系统包括用于接收表示给人的食物推荐的第一输入数据的装置,包括一种或多种食物的组合、建议份量大小以及在建议份量大小中第一营养物和第二营养物中的每一个的量。所述系统还包括用于接收表示人的营养物食用简档的第二输入数据的装置。第二输入数据包括在预定时间段期间第一和第二营养物的食用量的指示器。所述系统包括用于接收表示人的指标营养简档的第三输入数据的装置。指标营养简档包括第一和第二营养物的指标水平,并且每个营养物的指标水平指示在预定时间段期间该营养物的建议量或需要量。指标水平根据用户规定的营养目标而被确定。所述系统包括用于将基于(1)用户规定的营养目标和(2)第一营养物的食用量与第一营养物的指标水平的比较而确定的第一数值权重分配给第一营养物的装置,以及用于将基于(1)用户规定的营养目标和(2)第二营养物的食用量与第二营养物的指标水平的比较而确定的第二数值权重分配给第二营养物的装置。所述系统包括用于基于第一和第二数值权重来生成表示食物推荐与营养目标之间的一致性的适合性评定的装置和用于提供针对食物推荐的适合性评定的装置。
在一些实现方式中,用于接收表示食物推荐的第一输入数据的装置包括用于通过通信网络从用户设备或从远程计算机系统接收第一输入数据的装置。用于生成适合性评定的装置可以包括用于生成食物推荐对与人相关联的营养指数的指数影响的装置。营养指数指示食用简档与指标营养简档之间的一致性,并且指数影响指示根据遵循食物推荐对营养指数的预测改变。用于提供适合性评定的装置可以包括用于提供指数影响位于多个阈值范围中的哪一个所选择的范围内的装置。用于提供适合性评定的装置可以包括用于提供与所选择的范围相对应的色彩编码的指示器的装置。用于提供适合性评定的装置可以包括用于随着色彩编码的指示器同时地提供指数影响的装置。多个阈值范围包括包含警告范围的至少三个范围。
在一些实现方式中,所述系统包括用于针对第一和第二营养物中的每一个而生成包括基于将营养物的食用量与相应的营养物的指标水平相比较而确定的营养物的过量指示器或不足指示器的偏差简档的装置,以及用于基于偏差简档以及第一和第二数值权重来提供适合性评定的装置。
在一些实现方式中,用于将第一数值权重分配给第一营养物的装置包括用于从包括响应于检测到第一营养物的过量而选择的一个或多个数值权重和响应于检测到第一营养物的不足而选择的一个或多个数值权重的与第一营养物相关联的第一多个营养物特定权重进行选择的装置。
在一些实现方式中,用于将第一数值权重分配给第一营养物的装置包括用于基于预定时间段从与第一营养物相关联的第二多个营养物特定权重中进行选择的装置。第二多个营养物可以包括第一营养物的每膳食权重、每周权重以及每日权重。
在一些实现方式中,第一和第二营养物中的每一个的指标水平根据与人相关联的体重目标和医疗状况中的附加一个而被确定。
在一些实现方式中,所述系统包括用于接收选自多个饮食计划的用户选择的饮食计划的装置,并且第一和第二营养物中的每一个的指标水平基于所选择的饮食计划而被确定。
在一些实现方式中,所述系统包括用于基于适合性评定来提供替代食物推荐的装置。用于提供替代食物推荐的装置可以包括用于推荐一种或多种食物的组合的修改版本的装置。组合的修改版本可以包括经修改的建议份量大小。组合的修改版本可以包括在该组合中未包括的附加食物的包含。组合的修改版本可以包括从该组合去除一种或多种食物中的至少一个。
另一方面涉及用于评价人的饮食的方法。所述方法由包括至少一个计算机处理器和通信端口的计算机系统来执行。所述方法包括由计算机系统接收表示由人所食用的三个或更多个营养物中的每一个的量的数据以及从至少一个电子数据库接收三个或更多个营养物中的每一个的指标水平。所述方法包括由计算机系统将多个数值权重分配给三个或更多个营养物使得营养物中的每一个被分配基于相应的营养物的量与相应的营养物的指标水平之间的比较而确定的数值权重,以及经由通信端口基于多个数值权重提供对人的饮食的评价。
在一些实现方式中,所述方法包括接收选自多个饮食计划的用户选择的饮食计划,并且其中三个或更多个营养物中的每一个的指标水平基于用户选择的饮食计划而被确定。分配多个数值权重包括从基于与人相关联的一个或多个目标而确定的数值权重的营养物特定的集合为营养物中的每一个数值分配权重。三个或更多个营养物包括第一营养物和第二营养物。提供对人的饮食的评价包括提供第一营养物的量与第一营养物的指标水平之间的一致性的第一指示器、提供第二营养物的量与第二营养物的指标水平之间的一致性的第二指示器、以及基于第一营养物和第二营养物的相应的一致性来提供表示用户选择的饮食计划与人的饮食之间的聚合一致性的营养指数。
在一些实现方式中,所述方法包括提供推荐以用于人食用基于营养指数的预测改变而从一种或多种食物中选择的推荐食物。推荐食物被选择成改变第一指示器并且同时地降低对第二营养物的一致性的消极影响。提供营养指数包括针对三个或更多个营养物中的每一个基于相应的营养物的食用量和相应的营养物的指标水平来计算营养物的偏差。推荐食物可以被选择成同时地降低三个或更多个营养物中的至少两个中的每一个的偏差。所述方法可以包括基于在预定时间段期间三个或更多个营养物的期望食用分布来选择推荐食物。在一些实现方式中,推荐食物从人先前所食用的一种或多种食物中选择。提供推荐可以包括提供推荐食物的推荐量和用于人食用推荐食物的推荐日历日期,所述推荐量不同于推荐食物的先前食用量。在其它实现方式中,推荐食物从不是由人先前所食用的一种或多种食物中选择。
在一些实现方式中,所述方法包括至少部分地基于在第一预定时间段期间由人所执行的锻炼的实际量或估计量来生成三个或更多个营养物中的至少一个的指标水平。
在一些实现方式中,至少一个电子数据库被配置成存储针对三个或更多个营养物中的每一个的一组营养物特定权重,每个营养物特定权重对应于营养物的不同时间段,所述方法包括基于提供针对其的评价的第一预定时间段从营养物特定权重中选择多个营养物权重。
另一方面涉及用于使人的饮食与特定饮食目标一致的系统。所述系统包括包含一个或多个计算机处理器、存储一个或多个电子数据库的至少一个非暂时性计算机可读介质以及一个或多个通信端口的处理系统。所述处理系统被配置成:接收表示由人所食用的一个或多个膳食的数据,每个膳食包括一种或多种食物的规定份量;以及确定与人相关联的指标营养简档,所述指标营养简档包括第一和第二营养物的指标水平。所述处理系统被配置成基于来自第一或多个膳食的选择的膳食来生成膳食推荐,所述膳食推荐包括一种或多种食物中的至少一个的经修改的份量大小,使得膳食推荐同时地改进在所选择的膳食中第一和第二营养物的营养物水平与指标营养简档之间的一致性,并且经由一个或多个通信端口中的至少一个来输出表示膳食推荐的数据。
在一些实现方式中,所述处理系统被配置成从用户设备或从一个或多个电子数据库接收表示选自多个饮食计划的用户选择的饮食计划的数据。所述处理系统被配置成通过针对一个或多个膳食中的每一个选择在该膳食中一种或多种食物中的每一个的推荐份数来生成膳食推荐,推荐份数被选择为经修改的份量大小以降低所选择的膳食的营养物水平与指标营养简档之间的偏差。经修改的份量大小可以基于在预定时间段期间或在所选择的膳食内第一营和第二营养物的期望分布。期望分布可以包括针对包括第一和第二营养物的多个营养物中的每一个的每膳食约束。
在一些实现方式中,表示一个或多个膳食的数据包括表示在预定时间段期间所食用的多个膳食的数据,每个膳食与日历日期相关联。所述处理系统被配置成输出表示指数的数据,所述指数表示膳食推荐的营养物水平与指标营养简档之间的一致性。所述处理系统被配置成通过将针对第一和第二营养物中的每一个的特定权重应用于加权函数来生成指数,特定权重基于在所选择的膳食中每个营养物的量与相应的营养物的指标水平之间的比较。
另一方面涉及用于使人的饮食与特定饮食目标一致的系统。所述系统包括:第一数据端口,其被配置成接收表示针对人的饮食计划的第一输入数据和表示由人所食用的一种或多种食物的第二数据输入;以及第二数据端口,其被配置成与处理系统进行通信,所述处理系统包括:服务器;一个或多个电子数据库,其被配置成存储表示在一个或多个饮食计划中的每一个中第一和第二营养物的指标水平的数据,以及表示在多个食物中的每一个中第一和第二营养物的量的数据。所述系统包括与第一和第二数据端口通信的处理器。处理器被配置成通过通信网络将第一输入数据和第二输入数据输出到处理系统以及从处理系统接收表示人的饮食与由服务器使用第一输入数据从一个或多个饮食计划中识别出的饮食计划之间的一致性的指数,其中指数基于第一和第二营养物的量以及在饮食计划中第一和第二营养物的指标水平。处理器被配置成从服务器接收基于指数的针对待食用的食物的推荐并且经由第一数据端口将指数和推荐输出到用户接口设备。
在一些实现方式中,第一输入数据包括从营养目标、体重目标、锻炼目标以及医疗状况构成的群组中选择的用户特定参数,并且其中饮食计划基于该用户特定参数而被识别。一个或多个数据库被配置成存储指示由人先前所食用的膳食的信息,每个膳食包括食物的组合,并且其中处理系统被配置成通过从由人先前所食用的膳食中选择膳食来确定推荐。处理器可以被配置成提供表示针对人的图形营养物简档的数据,图形营养物简档包括用于所选择的饮食计划中的多个营养物的每一个的图形指示器,每个图形指示器指示人对营养物的食用是不足还是超过指标水平。指数可以表示在3天到10天之间的预定义时间段期间人的饮食与饮食计划之间的一致性。
在一些实现方式中,处理器、第一数据端口以及第二数据端口被容纳在用户接口设备中。用户接口设备可以包括启用GPS的移动设备,并且其中第一数据端口被配置成接收表示在预定义时间段期间使用GPS检测到的一个或多个位置的第三输入数据。第一数据端口被配置成接收响应于提供给用户以识别在一个或多个位置处所食用的一种或多种食物的提示的第二输入数据。
附图说明
本公开内容的上述和其它特征(包括其本质和其各种优点)在结合附图考虑以下详细描述时将是更显而易见的,在附图中:
图1A-1C是根据说明性实现方式的用于提供定制的营养分析和推荐的计算机化系统的框图。
图2A-2B是根据说明性实现方式的存储在一个或多个电子数据库上的示例数据结构。
图2C包括根据说明性实现方式的应用于营养物的食用水平与指标水平之间的比较以用于提供营养分析的示例权重函数。
图3是根据说明性实现方式的由计算机化系统用来使人的营养饮食与人的营养目标一致的方法的流程图。
图4是根据说明性实现方式的由计算机化系统用来提供对人的饮食的评价的方法的流程图。
图5A是根据说明性实现方式的由计算机化系统用来提供待由人食用的膳食的推荐的方法的流程图。
图5B是根据说明性实现方式的由计算机化系统用来提供待由人食用的具有规定的份量大小的膳食的推荐的方法的流程图。
图5C是根据说明性实现方式的由计算机化系统用来提供待由人食用的新的食物的推荐的方法的流程图。
图5D是根据说明性实现方式的由计算机化系统用来提供在餐馆中的一个或多个菜单选项的推荐的方法的流程图。
图5E是根据说明性实现方式的由计算机化系统用来提供对通过第三方的食物推荐以供人食用的评价的方法的流程图。
图5F是根据说明性实现方式的由计算机化系统用来提供对人的锻炼制度的评价的方法的流程图。
图5G是根据说明性实现方式的由计算机化系统用来为一组个体提供食物推荐的方法的流程图。
图6是根据说明性实现方式的由计算机化系统用来将对象显示在用户接口的显示器上的方法的流程图。
图7是根据说明性实现方式的由计算机化系统用来将用于记录食用食物的选项显示在用户接口的显示器上的方法的流程图。
图8是根据说明性实现方式的由计算机化系统用来将对于待由用户食用的食物的推荐显示在用户接口的显示器上的方法的流程图。
图9是根据说明性实现方式的由计算机化系统用来确定与用户的食用食物和用户的营养目标之间的一致性相关联的指数的方法的流程图。
图10是根据说明性实现方式的由计算机化系统用来确定待由人食用的适合于推荐的一个或多个食物项的方法的流程图。
图11是根据说明性实现方式的由计算机化系统用来显示用于教育用户关于用户的食用食物与用户的营养目标之间的一致性的选项的方法的流程图。
图12是根据说明性实现方式的由计算机化系统用来确定用户的食用食物与用户的营养目标之间的一致性的方法的流程图。
图12A是根据说明性实现方式的由计算机化系统用来显示用于教育用户关于以解决用户的食用食物与用户的营养目标之间的偏差的食物的选项的方法的流程图。
图13是根据说明性实现方式的用于执行本文中所描述的过程中的任一个的计算设备的框图。
图14是根据说明性实现方式的起始(home)屏幕的示例显示。
图15是根据说明性实现方式的用于用户从饮食计划或目标的列表进行选择的个人信息屏幕的示例显示。
图16是根据说明性实现方式的显示用户的指标简档的示例屏幕。
图17是根据说明性实现方式的显示特定于用户的食用的和记录的食物的列表的示例屏幕。
图18-20是根据说明性实现方式的显示用户如何可以创建多个食物的组合的示例屏幕。
图21-22是根据说明性实现方式的显示用户如何可以发送朋友请求的示例屏幕。
图23-26是根据说明性实现方式的显示用户如何可以创建日志条目以指示热鸡肉三明治被食用以供午餐的示例屏幕。
图27-29是根据说明性实现方式的显示用户如何可以创建已经记录的食物的组合的示例屏幕。
图30是根据说明性实现方式的显示用户如何可以将新的食物添加到数据库的示例屏幕。
图31-33是根据说明性实现方式的显示用户如何可以记录锻炼的示例屏幕。
图34是根据说明性实现方式的显示与不在用户的食用食物数据库中的食物相对应的对于用户的新的食物建议的示例屏幕。
图35是根据说明性实现方式的显示与在用户的食用食物数据库中的膳食相对应的对于用户的膳食建议的示例屏幕。
图36A是根据说明性实现方式的显示与其用户食用水平低于或高于与指标简档相对应的水平的一组营养物相对应的条形图的示例屏幕。
图36B是根据说明性实现方式的显示包括针对用户的营养物的指标水平和食用水平的条形图的细节的示例屏幕。
图36C是根据说明性实现方式的显示用户已食用的哪些食物对营养物的食用水平作出贡献的示例屏幕。
图36D是根据说明性实现方式的显示了具有大量选择的营养物的新的食物推荐的示例屏幕。
图37是根据说明性实现方式的显示其用户食用水平在接近于指标简档的范围内的营养物的列表的示例屏幕。
图38是根据说明性实现方式的在打开应用时被显示给用户的移动设备上的起始屏幕。
图39-42是根据说明性实现方式的为用户显示建议新的食物的示例屏幕。
图43-46是根据说明性实现方式的显示与用户相关联的不足营养物的列表和指标营养物的列表的示例屏幕。
具体实施方式
本文中所描述的是营养分析和推荐系统以及方法,其提供了分析营养物摄取量水平和生成对特定用户的当前营养摄取量和用户的营养相关目标二者做出响应的推荐的定制方法。为了提供总体理解,现将对包括用于建议食物以帮助用户调节他的或她的营养食用以满足个性化目标的系统的某些说明性实现方式进行描述。然而,本领域的普通技术人员将理解的是,本文中所描述的系统和方法可以被适配和修改为适于被解决的应用并且可以被用在其它适合的应用中,并且这样的其它附加和修改将不背离其范围。
图1A-1C描绘了可以被用来实现本文中所公开的系统和方法的网络和数据库结构的示例。图1A是根据说明性实现方式的用于调节人的饮食以与人的特定饮食目标一致的计算机化系统100的框图。系统100包括服务器104和通过网络102连接到服务器104的用户设备108。服务器104包括处理器105和电子数据库106,并且用户设备108包括处理器110和用户接口112。如本文中所使用的,术语“处理器”或“计算设备”指的是配置有硬件、固件以及软件以执行本文中所描述的计算机化技术中的一个或多个的一个或多个计算机、微处理器、逻辑设备、服务器或其它设备。处理器和处理设备还可以包括一个或多个存储器设备以用于存储当前正被处理的输入、输出以及数据。在下面参考图13详细地描述说明性计算设备1300,其可以被用来实现本文中所描述的处理器和服务器中的任一个。如本文中所使用的,“用户接口”包括但不限于一个或多个输入设备(例如,小键盘、触摸屏、轨迹球、语音识别系统等)和/或一个或多个输出设备(例如,视觉显示器、扬声器、触觉显示器、打印设备等)的任何适合的组合。如本文中所使用的,“用户设备”包括但不限于配置有硬件、固件以及软件以执行本文中所描述的计算机化技术中的一个或多个的一个或多个设备的任何适合的组合。用户设备的示例包括但不限于个人计算机、膝上型计算机以及移动设备(诸如智能电话、黑莓、PDA、平板计算机等)。仅一个服务器和一个用户设备在图1A中被示出以避免使附图复杂;系统100能够支持多个服务器和多个用户设备,如在下面参考图1B并且贯穿本公开内容附加详细地描述的。
用户经由用户接口112将一个或多个输入提供给系统100,所述输入诸如选择的饮食计划或营养目标以及与用户已食用的特定食物有关的信息(包括,例如,食物的类型和数量)。食物包括被食用来为身体提供营养支持的任何物质,并且典型地包括被身体吸收以刺激生长、维持生命或者提供能量的营养物。食物可以包括人造或天然来源的物质,并且可以以它们自然地发生的形式(例如,苹果、橙子、马铃薯、牛肉)或以包括一个或多个其它食物的制备的或包装的形式(例如,肉类、能量棒或饮料)而被食用。饮食计划可以编纂(codify)一组营养或其它健康相关目标,并且每个目标可以包括一组营养物和对于每个营养物的可接受的指标范围或指标值。能够基于各种因素针对用户使饮食计划个性化,包括但不限于,以实现期望的生理后果(例如,减轻体重、维持体重、增加体重、更多力量、防癌等),以符合针对特定人口统计群组(例如,生育年龄的女性、青少年、初学走路的孩子、超过50的成年人等)的当前医疗思考,或者以考虑特定约束,诸如用户的医疗状况或饮食限制。营养物包括通常在食物中发现的营养品的任何源,但是还可能在其它源中发现或者由身体在内部产生。营养物的示例包括卡路里;蛋白质或它们的组成单元,诸如氨基酸;水;碳水化合物,包括诸如葡萄糖之类的单糖类、诸如蔗糖之类的双糖以及诸如淀粉、糖原和纤维素之类的低聚糖和多糖类;脂质、脂肪酸以及其它脂肪;纤维;胆固醇;欧米伽-3;维生素和饮食或营养补充物;钾;钙;镁;硝酸盐;磷酸盐;铁;锌;诸如铜之类的其它元素;钠;矿物;或任何其它营养物。处理器110可以在通过网络102将用户输入发送到服务器104之前处理与用户输入相对应的数据。例如,处理器110可以用时间戳封装信息或者使用特定预定义食物或饮食计划代码对信息进行编码。电子数据库106存储用户输入并且还存储包括指示由用户先前输入到用户接口112中的先前食用的食物的数据的附加数据。在每个食物中各种营养物中的每一个的量被存储在电子数据库106中。例如,在数据库中标识的香蕉将与预定含量标签相关联,所述预定含量标签标识例如在每份或每项(例如,每单个香蕉)基础上包含的碳水化合物、脂肪、蛋白质、淀粉、纤维、钾、盐、水以及其它营养物的卡路里和克数。在下面的表1的列G中示出了这些营养物水平的示例(见第12页)。
处理器105被配置成基于食用食物的营养物含量(“食用简档”)和指标营养物水平(“指标简档”)来确定指数。如本文中所使用的,短语“基于”意指“至少部分地基于”。指标简档根据用户的目标和/或选择的饮食计划被确定。指数表示食用简档(由食用食物中的营养物水平来确定)偏离指标简档有多少。指数可以是数值指数(诸如在1与100或0与1之间的数)、字母表指数(诸如从F到A+的等级)、选自表示指数的范围的色彩梯度的色彩、指示朝指标简档的进展的图形图标、这些的组合,或传送食用简档与指标简档之间的偏差的程度的任何其它可见的或可听的指示器。还可以基于用户的人口统计特征(诸如年龄和性别)确定指数的形式。例如,小孩可能对采取视觉图标的形式的指数反应更迅速,所述视觉图标随着小孩的食用营养接近指标营养物简档而改变(例如,随着指数提高而变得更活跃的动画狗或随着指数提高而在大小和/或数目上提高的金星)。处理器105还基于历史食用水平来确定和推荐存储在电子数据库106中的食物,其如果被用户食用,将使指数提高,指示用户的食用简档将更好地与用户的指标简档匹配。
可以以许多方式中的任一个布置、分布并且组合图1A的系统100的组件。例如,图1B是将系统100的组件分布在经由网络102连接的多个处理和储存设备上的计算机化系统120的框图。这样的实现方式可以适于在包括共享对公共网络资源的访问的无线和有线通信系统的多个通信系统上的分布式计算。在一些实现方式中,系统120被实现在云计算环境中,在所述云计算环境中组件中的一个或多个通过经由因特网或其它通信系统连接的不同的处理和储存服务来提供。像图1A的系统100一样,系统120包括用户设备108、电子数据库106以及服务器104。用户设备108包括处理器110和用户接口112。服务器104是分别包括服务器实例104A、104B以及104C的服务器的分布式系统,其每个都包括处理器实例105A、105B以及105C。服务器实例104A、104B以及104C可以是例如在云计算环境中实例化的虚拟服务器。
数据库106是数据库的分布式系统,其包括“已知食物”数据库106A和“食用食物”数据库106B,或者可以被组合成公共数据库。已知食物数据库106A是为系统120所知的食物的词典,并且对于包含在数据库中每个食物项,可以包括食物的名称变型、食物的营养含量(例如,在每份或每单位质量基础上)以及描述食物的其它特性的标记(例如,素食、全谷类、肉类、犹太洁食、坚果)。已知食物数据库106A可以通过任何适合的手段被填充,包括通过手动更新或通过从诸如USDA国家营养物数据库和其它相似的食物信息源之类的其它食物数据库导入。已知食物数据库106A优选地包括为人类所知的绝大多数食物,但是不必包含每个可能的已知食物。虽然已知食物数据库106A优选地将是通用的,但是食用食物数据库106B可以限于仅存储先前指示为被系统120的至少一个用户食用的食物。尽管食用食物数据库106B可以被存储在作为分布式架构的一部分的数据库中,但是在一些实现方式中,食用食物数据库可以被在本地存储在用户设备108上或在服务器上。在食用食物数据库106B被在本地存储情况下,数据库可以限于存储有关由与用户设备相关联的一个或多个用户所食用的食物的数据。平均人典型地食用来自约23,000种食物的大约200种食物。因此,已知食物数据库106A可以包含所有23,000种食物的集合,然而食用食物数据库106B可以仅仅包含用户食用的200种食物并且比已知食物数据库106A大体上更易于解析。因为所执行的大多数数据库搜索将牵涉在食用食物之中搜索项,所以能够以食物的这个更小集合开始。因此,分别地存储用户食用的食物使在例如确定对于推荐的适合的食物时解析食物数据库更加高效。
此外,任何一个数据库中的食物可以标记有特定于食物并且和食物的某些特性有关的某些数据。例如,标记可以指示食物包含某种配料,诸如花生。在这种情况下,对花生过敏的用户可能希望仅查看不包含花生的食物的推荐。通过用包括这样的信息的标记对数据库中的食物加标签,处理器105能够通过基于已标记数据来限制用于推荐的一组候选食物而高效地解析数据库中的该组食物。一般而言,食物可以标记有与一个或多个用户相关联的任何特殊数据或偏好,包括食物是否包含作为常见的(或众所周知的)过敏原的配料、食物具有血糖特性还是药用属性、或食物是否符合诸如素食、犹太洁食、绝对素食者或任何其它适合的饮食之类的特殊饮食。通过用这样的数据为食物加标签并且用由用户所提供的一组偏好对食物进行过滤,可以高效地将适当的食物推荐提供给用户。
系统120的组件通过通信网络102被连接。图1B中所示出的组件的布置和数目仅仅是说明性的,并且可以使用任何适合的配置。数据库106还包括饮食计划数据库106C,其存储营养物的各种水平(针对不同的饮食计划(例如,阿特金斯饮食、素食者饮食、生酮饮食)的相对量和绝对量两者)。数据库106同样包括营养物权重数据库106,其存储应用于指标简档中的每个营养物的权重。尽管营养物权重可以被在本地存储在用户设备108中,但是在优选实现方式中,营养物权重被存储在作为采用分布式架构的系统的一部分的数据库中。与使用营养物权重的这样的架构相关联的经改进的可用性有利地促进营养物权重的连续细化以计及当前的饮食和医疗思考,并且还促进来自各种医师或饮食学专家的输入。
尽管图1A和1B描述了用于调节人的饮食以与人的特定饮食需要一致的基于网络的系统,但是系统100或系统120的功能组件可以被实现为与用户设备108包括在一起或为用户设备108本地的一个或多个组件。例如,图1C描绘了包括处理器116、用户接口118以及电子数据库122的用户设备114。处理器116可以被配置成执行图1A和1B的处理器105和110的功能中的任一个或全部,电子数据库122可以被配置成存储在图1A和1B的数据库106中存储的数据中的任一个或全部,并且用户接口118可以被配置成执行在本文中针对图1A和1B的用户接口112所描述的输入和输出功能中的任一个。附加地,可以重新布置由图1A-1C的系统中的组件中的每一个所执行的功能。在一些实现方式中,处理器110(图1A)可以执行如本文中所描述的处理器105的功能中的一些或全部。例如,处理器110可以计算指数,和/或可以确定在食物的数据库中的适当的食物以推荐给用户。为了便于讨论,本公开内容的剩余部分将常常参考图1A的系统100描述指数确定和食物推荐技术。然而,可以使用图1A-1C的系统中的任一个,以及这些系统的任何适合的变型。
图2A和2B描绘了可以在数据库106(图1A)中被用来存储用户已食用的食物的记录的数据储存结构的示例。图2A描绘了用于食用食物数据库(诸如图1B的食用食物数据库106B)中的记录的第一数据结构132,其对应于由一个或多个用户所食用的食物的列表。在这个示例中,数据结构132包括食用食物的三个记录,并且为了便于图示,仅单个用户的记录被示出。数据结构132中的每个记录包括“食用食物”字段,其值包括在已知食物数据库(诸如图1B的已知食物数据库106A)中列出的食物的标识号。数据结构132中的每个记录还包括用于食用食物的份数、一个或多个膳食类型分类(例如,早餐、早午餐、午餐、晚餐或加餐)、食物被食用的日期以及条形码标识符(如果适用的话)的字段。条形码标识符字段可以被存储在诸如数据结构132之类的数据结构中以用于实现数据库的高效解析以定位与用户已食用的食物相对应的一个或多个数据库条目。例如,用户设备108可以装配有条形码扫描能力,使得条形码扫描可以被用来记录食用食物条目。数据结构132还可以根据条形码标识符被排序,这将进一步提高解析数据库和记录食物的效率。
在一些实现方式中,对于用户食用多于一次的食物,数据结构132中的相同记录可以在用于用户食用该食物的日期、当用户食用该食物时哪一个膳食类型分类被选择、被食用的份数的字段或任何其它适合的字段中包括多个值。在一些实现方式中,数据结构132存储或者跟踪用户已在固定时间段期间(诸如在最近星期、月、两个月或任何其它适合的时间段期间)食用的食物。在这种情况下,数据结构132可以简单地存储在该时间段期间食物被食用了多少次的计数(或食物被食用的总量)和/或用户于其食用了食物的最近日期。在一些实现方式中,当用户食用同一食物多次时,每当用户食用该食物时可以创建数据结构132中的新的记录。还可以包括其它字段,诸如用户ID字段或食物评定字段。
图2B描绘了在食用食物数据库(诸如图1B的食用食物数据库106B)中记录的第二数据结构134,但是代替根据食用食物的单独记录被组织,数据结构134按由一个或多个用户所食用的膳食被组织。如本文中所使用的,术语“膳食”指的是在一天中指定时间所食用的一种或多种食物(例如,早晨的早餐、中午的午餐以及晚上的晚餐)或在相同就餐时段(sitting)(其可以或者可以不对应一天中的特定时间)内所食用的一种或多种食物的群组。因为人们典型地在一天中的某些时间以某些组合食用某些食物,所以使用关于哪些食物在不同的时间被一起吃掉的信息可以改进由系统100所提供的食物推荐(如在下面详细地描述的)。例如,使用这个方法,在早餐期间食用了他的或她的卡路里容限的大部分的用户很可能接收到在早餐推荐中包括用户的卡路里摄取量容限的较大比例的膳食推荐。数据结构134包括膳食的两个记录,其中的每一个都具有膳食标签字段(其包括日期和膳食类型)和在该膳食下食用的食物的列表(通过标识号)。例如,第一记录136对应于于2010年10月11日晚餐食用的食物,并且第二记录138对应于于同一日期作为加餐食用的食物。数据结构132和134是表示相同的食用食物数据的不同方式,其中不同实例化在系统100内被用于不同目的。在一些实现方式中,用户设备108可以在本地(例如,在图1C的电子数据库122中)存储食用食物数据库,或者食用食物电子数据库可以被存储在服务器104上(例如,在图1A的电子数据库106中)或在服务器104可访问的单独数据库中(例如,如图1B中所示)。
图3是可以由系统100实现来调节具有特定饮食需要的人的饮食的方法200的流程图。一般而言,方法200根据用户的健康相关目标与为用户推荐的或由用户所规定的营养物水平相比较地来提供由用户所食用的食物的营养含量分析。首先将提供方法200的概要,后面是该方法的步骤的各种实现方式的图示。如所示,方法200一般地包括接收指示饮食计划的输入和识别食用食物的输入的步骤。饮食计划可以由用户从多个饮食计划选择,或者由系统基于用户特定信息(诸如医疗状况、营养目标、锻炼等)从多个饮食计划选择。在某些实现方式中,输入在用户接口112处被接收,其中第一输入指示选自菜单的饮食计划(步骤220)并且第二输入识别食用食物(步骤222)。该方法进一步包括将一个或两个输入发送到服务器104(步骤224),并且作为响应,从服务器104接收指数(步骤226)。指数通过确定食用食物的营养含量并且识别食用食物中的营养物水平与指标营养物水平之间的偏差来计算。处理器110还从服务器104接收对于待食用的食物的推荐(步骤228),并且然后将指数和推荐输出到用户接口112(步骤230)。可以以任何适合的次序执行方法200的步骤。例如,可以同时地、以相反次序执行方法200的一些步骤,或者可以省略一些步骤。例如,可以省略从服务器接收指数的步骤(步骤226)使得在步骤230处,方法200输出没有指数的推荐。类似地,可以省略接收推荐的步骤(228)以便在步骤230处,方法200输出指数。尽管为了便于图示一般地在下面以数值项对指数进行描述,但是应当理解的是,指数可以是能够提供食用营养物相对于人的饮食需要的评价的任何适合形式的一个或多个指示器。
现描述用于营养分析和推荐的方法和系统的各种实现方式。为了便于图示,而非通过限制的方式,可以通过参考图3对实现方式进行描述。然而应当理解的是,系统和方法实现方式可以被单独或相结合地实现不限于方法200。在选择饮食计划之前(例如,在图3的步骤220处),用户可以向服务器104认证。用户可以使用任何适合的已知认证机制向服务器104认证。例如,用户可以经由用户接口112输入用户名和密码(或者可以提供其它标识信息),并且通过选择如图14的示例显示中所示出的“My Profile(我的简档)”选项进行到步骤220(或步骤222)。当步骤220被使用时,处理器110从用户接口112接收指示选择的饮食计划的第一输入。图15是可以由用户接口112提供来提示用户输入饮食计划或特定健康相关目标的示例显示。在步骤220处,用户接口112可以提供饮食计划和健康相关目标的菜单或列表,并且用户可以从该菜单或列表选择饮食计划或目标。饮食计划可以选自一个或多个预定计划或者可以通过接收一个或多个营养物的期望水平的用户输入或基于特定的期望健康结果而被选择。在一些实施例中,可以省略步骤220;替代地,饮食计划例如由用户或者由用户的医师、营养学家或训练者预先选择。饮食计划可以编纂健康相关目标,诸如管理特定医疗或饮食状况、满足营养物需要、尝试新的食物、吃更多的水果和蔬菜或特定饮食,诸如遵守低碳水化合物饮食(例如,南海滩、阿特金斯)或者遵守U.S.D.A.指南、针对用户的体重、年龄、性别以及健康的人的饮食,或目标在于改进或者维持用户的总体健康的任何其它营养计划。菜单上的饮食计划还可以包括其它类型的健康相关目标,诸如维持体重、减轻体重、增加体重、感觉更加精力旺盛、管理压力、睡眠更好、提高身体力量或柔度、尝试新的健身活动、更频繁地锻炼、针对运动事件训练,或用户希望实现的任何其它类型的生理目标。
除从饮食计划的菜单进行选择之外,用户还能够将其它健康相关目标、约束或注解提供给用户接口112。例如,用户可以在自由形式应答字段中输入某些食物过敏症、约束或偏好(例如,如果用户维持素食、绝对素食或犹太洁食饮食,或者具有任何其它类型的饮食约束)。用户还可以在自由形式应答字段中输入特定医疗状况,诸如如果用户具有糖尿病、高血压、高胆固醇,或可能影响用户吃或者锻炼的方式的任何其它特定的医疗状况。在自由形式应答字段中输入的信息可以被自动文本识别系统解析以使用户的信息与特定饮食计划相匹配,或者可以被转发给临床医师以供评审和可能附加的与用户的商议。此外,用户可以输入人口统计特征,诸如可以捕获健康相关目标的一些方面的出生日期、性别、身高、当前体重、期望体重、活动水平或任何其它人口统计特征。
在步骤222中,处理器110从用户接口112接收指示一个或多个食用食物的输入,其将针对它们的营养含量而被分析,或者在下面描述。图23-26是用户通过其将食用食物输入到系统100的用户接口112的示例显示。在一些实现方式中,用户接口112可以显示缩放或可缩放用户接口(ZUI),其可以是允许用户改变在食物产品的一组图像上视图的比例的图形显示。可以针对不同的用户不同地选择被显示在ZUI上的食物产品。特别地,ZUI上的食物产品可以基于用户是否先前已食用了该食物产品或用户食用该食物产品的频率而被选择。ZUI一般地适合于在任何一个时间处显示项的大集合的小子集。在这里,ZUI可能是适合的,因为虽然已知食物的整体有效达数万种的量级,但是平均人典型地食用来自这个大集合的仅几百种食物(例如,大约200种食物)。即使如此,系统也可能在任何一个时间基于特定用户请求而仅显示这些食用食物的小子集,使ZUI的使用变得可能或实用。可以根据膳食类型的分类(诸如早餐、早午餐、午餐、晚餐以及加餐)组织在ZUI上显示的食物产品。此外,食物产品的一个或多个层可以被用来进一步组织显示。层可以根据食物产品的类型(诸如按水果、蔬菜、肉类、奶制品、饮料或任何其它适合的食物产品类型)被排序。在初始显示中,ZUI可以包括处于最高水平的一个或多个层(例如,通过食物产品的类型的膳食)的简单列表。然后,用户可以展开一个或多个层以展现下层(例如,特定食物产品的名称或图片)。因此,用户可以使用ZUI来选择一种或多种食物以指示用户已食用或者计划食用所选择的食物。这个输入被用来创建与食用食物相对应的用户日志条目。食用食物是用户已在过去食用了或者期望食用的食物。食物可以是在同一就餐时段中用户所食用的膳食的一部分(例如,午餐的三明治和沙拉或者可以来自不同的膳食或就餐时段)。用户还在用户接口112上指示食用食物的份量大小、食物被食用的日以及食物在其中被食用的膳食(诸如通过指示食物是在早餐、午餐、晚餐还是作为加餐被食用)。
在步骤224中,处理器110通过网络102将第一和第二输入发送到服务器104。处理器110然后(通过网络102从服务器104)接收基于食用食物的营养含量所计算的指数(步骤226)和所选择的饮食计划。指数优选地是以累积方式表示用户的食用简档偏离指标简档有多远(例如,根据U.S.D.A.饮食指南)的单个记号。在下面的示例中,每个营养物的偏差被计算为营养物的指标水平与食用量之间的差。然而,如上面所指出的,可以使用用于确定偏差的数个方法中的任一个。指标(诸如营养物的期望水平)与达成量(诸如营养物的食用量)之间的偏差提供了目标(如可以由一个或多个指标来定义)与达成(如可以由一个或多个营养物的食用量来定义)之间的一致性的指示。偏差能够包括在特定指标(其可以或者可以不包括范围)与特定量或水平之间的比较。能够针对目标的特定分量(例如,单个营养物)或针对多个分量(例如,逐营养物地比较的多个营养物)确定偏差。用来确定偏差的示例适合的方式包括将一个值从另一个值中减去以获得差、计算两个值之间的比、诸如标准偏差或统计方差之类的任何数目的统计方法、模式比较和识别、诸如通过将值的一个集合的曲线或图表与值的对应曲线或图表或另一集合相比较之类的相关方法、诸如通过基于回归的或线拟合方法之类的基于数据集的派生属性的比较,或诸如均方根之类的误差估计方法。当使用指标或达成水平的多个值时,数据集可以对应于各种营养物、时间段、个体、人群,或任何其它适合的参数。可以获得偏差的简档,使得偏差简档基于人的指标营养简档与该人的营养物食用简档之间的比较。对于指标营养简档和/或营养物食用简档中的每个营养物,偏差简档可以包括营养物是过量的还是不足的指示。能够基于一个或多个偏差来确定一致性以提供当目标与总体达成二者都涉及正被评价的活动时二者之间的依从性的指示。
可以针对一个营养物或针对多个营养物提供本文中所公开的系统和方法。然而,系统和方法在被应用于多个营养物(例如,应用于三个或更多个营养物)以同时地评定针对一个或多个人的营养摄取量时是特别有利的。如上面所指出的,在多个营养物成为问题时评价营养或者推荐食物可能是一特别有挑战性的计算问题。这个困难是部分地由于可用食物的惊人数目(当前估计为几万种)、这些食物的营养值的变化性(在营养物量和类型两者方面)、相同食物的变化份量大小、以及必须被考虑以便提供有用的评价和推荐的用户特定因素而导致的。在优选实现方式中,与用户的指标营养水平的偏差针对包含在食用食物内的多个营养物中的每一个而被计算以得到偏差简档。偏差简档可以被合计或者进一步处理以提供总体偏差指数。营养物的指标营养水平是用户期望在规定的时间段内食用的特定营养物的量或量的范围。所规定的时间段对于不同的营养物来说可以是不同的。所规定的时间段可以包括任何适合的时间段,包括一天的一部分、一天、5天周期、7天周期等。例如,维生素A的指标营养水平通常但不一定被表达为每周目标,因为用户能够通过在不足情况下在7天内食用在另一数据上过量的维生素A从一天起弥补(到积极效果)维生素A的不足。相比之下,其它营养物(诸如蛋白质、脂肪以及碳水化合物)被一般地要求满足用户的每日卡路里摄取量要求,并且通常但不一定被表达为每日目标。关于图4和9详细地描述了用于确定指数的方法的说明性实现方式。处理器110还(通过网络102从服务器104)接收基于指数的对于待食用的食物的推荐(步骤228)。关于图5A-5C、8以及10详细地描述了用于确定对于食用食物的推荐的方法。在步骤230中,处理器110将指数和推荐输出到用户接口112以供显示给用户。
图4是根据说明性实现方式的由处理器105用来确定用户的偏差指数并且使用该指数来建议食物以改进用户的食用简档与用户的指标简档之间的一致性的方法210的流程图。一般而言,该方法包括以下步骤:从用户接口112接收指示选自菜单的饮食计划的第一可选输入(步骤220)和识别食用食物的第二输入(步骤222),然后至少部分地基于所选择的饮食计划来生成指标营养物水平(或者视需要,使用预先编程的水平)(步骤324),以及生成在食用食物中包含的食用营养物水平(步骤326)。处理器105然后将指标营养物水平与食用营养物水平相比较(步骤328),并且至少部分地基于步骤328中的比较来计算第一指数(步骤330)。
如在图3中一样,在步骤220和222中处理器110从用户接口112接收用户输入并且将用户输入转发到服务器104。在步骤324中,处理器105生成与指标营养物水平相对应的指标营养简档。指标简档特定于用户,基于饮食计划(其可以由用户预先配置或者选择),并且可以取决于用户的健康和人口统计特征。在大多数实例中,指标简档将对应于用户的饮食计划(例如,被确定以实现用户的健康相关目标)或者对应于预定指标。
当用户从一组健康相关目标(诸如图15中所示出的那些)进行选择时,用户特定饮食计划基于用户的选择的健康相关目标和人口统计特征而被自动地生成。用户的饮食计划对应于包括各种营养物的指标量(其可以是固定量或范围)的指标简档。用户可以依赖于用户的营养需要、医疗状况、特定人口统计特征或饮食限制来调整营养物的这些指标量。此外,诸如临床医师、营养学家、分析员或任何受训练个体之类的第二用户可以具有查看原始用户输入的访问权限,并且可以调整用户的指标简档中的指标量。例如,第二用户可以逐营养物地调整用户的指标简档。第二用户还可以基于包括原始用户的选择的饮食计划和用户的人口统计特征的原始用户简档中的信息来调整或者选择适当的指标简档。第二用户可以将原始用户简档中的数据与饮食简档相匹配或者可以联系原始用户以建立咨询。此外,第二用户可以使用用户的输入和/或指标简档来跟踪用户的健康或营养简档中的临床或其它改变。
针对一组指标营养物中的每个营养物来确定指标。指标简档包括指标营养物水平,其是在一时间段期间(例如,在一天、一星期、一月或任何其它适合的时间段期间)待食用的营养物的指标量。营养物水平可以包括以质量度量(例如,克数)、体积、百分比、卡路里或表示营养物的量的任何其它适合的度量的营养物的量。此外,如上面所讨论的,不同的指标营养物水平可以基于不同的时间段。例如,卡路里的指标量可以是每天1500卡路里,然而欧米伽-3的指标量可以是一星期7克。图16是基于图15中所示出的所选择的饮食计划和人口统计特征的针对用户的指标简档的示例显示。如所示,简档包括具有每个营养物的每日数值食用指标的多个营养物。在下面的表1的列G中示出了指标简档的另一示例。
在步骤326中,处理器105生成与在食用食物中包含的食用营养物水平相对应的食用简档。食用简档包括食用食物逐营养物的营养含量。对于一组营养物中的每个营养物,食用简档包括食用营养物水平,其对应于在食用食物中营养物的量。特定食物的食用简档的示例在图18和42中被示出并且将包括与在用户的指标简档中的那些相同的营养物。在某些实现方式中,食用简档对应于用户已指示为在上一天、一星期、一月或任何其它选择的时间段里食用的所有食物。在下面的表1的列A中示出了食用简档的另一示例。
在步骤328中,处理器105逐营养物地将食用营养物水平与相应的指标水平相比较。在某些实施例中,对于该组营养物中的每个营养物,每个食用营养物的数量的数值指示器与所对应的指标水平相比较。在步骤330中,处理器105然后计算表示用户的指标简档与食用简档之间的总体相似性的第一指数。例如,可以依照以下三个方程的集合计算第一指数:
I=max(0,IR) (3)
其中
ICn是每个营养物n的指数贡献;
wn是应用于营养物n的权重函数;
gn是营养物n的指标营养物分量水平;
cn是营养物n的食用营养物分量水平;
N是该组营养物中的营养物的数目;
IR是原始指数;以及
I是指数。
因此,在这个实现方式中,指数I对应于零与一之间的数。指数与“一”越接近,食用食物营养物水平与用户的指标简档越接近。可替换地,将近零的指数意味着食用食物具有远离指标简档的营养物水平。能够使用任何适合的范围(包括非数值范围或不同的数值范围),并且指数I能够采取由范围所许可的任何形式或值。指数表示基于多个营养物的集合的相应的一致性在为用户确定的饮食计划与用户的饮食之间的聚合一致性。本文中所描述的方程仅仅是说明性的,并且将理解的是,任何适合的方程或函数可以被(与本文中所描述的方程相结合地或者代替本文中所描述的方程)用于确定与用户的指标简档与食用简档之间的总体相似性相关联的值。
对于特定营养物n,wn是应用于食用量cn与指标营养物水平gn之间的偏差的权重函数(或简单地,权重)。如上面所描述的那样,营养物的指标营养物目标可以被表达为可接受水平的范围,而不是单个指标营养物值。指标营养物目标还可以被表达为另一营养物所食用的量或量的范围的函数(例如,纤维的每日指标营养物水平典型地按个体的每日卡路里摄取量来表示)。因此,在本说明书中对指标营养或营养物水平的引用被理解成包含表达为固定值、表达为范围或者表达为其它营养物的摄取量或目标的函数的指标。取决于所选择的饮食计划,不同的营养物可以具有不同应用的权重。例如,具有肾病的用户可能对钠非常敏感,并且因此高于目标量的任何钠食用可能比另一不太敏感的营养物的食用被更加重地加权(到对指数的消极效果)。因此,对于同一营养物n,针对一个用户与营养物相关联的权重可以不同于针对另一用户与该营养物相关联的权重。特定营养物的权重函数可以是对于与指标营养水平的所有偏差的恒定值、随着偏差的程度而变化的分段函数、分段非线性函数或连续线性函数或非线性函数。在图2C中提供了(并且在下面描述了)可以被使用的权重函数的示例。
此外,对于营养物n,wn可以取决于cn是超过还是不超过gn。例如,基于所选择的饮食计划,对于食用营养物水平来说超过第一营养物的对应指标水平可能是适当的,但是对于指标水平来说超过食用水平是不适当的。因此,对于第一营养物,如果食用水平超过指标水平,则低权重wn将应用。可替换地,如果指标水平超过食用水平,则高权重wn将应用。对于第二营养物,相反情况可能成立;对于指标水平来说超过食用水平可能是适当的,但是反之不亦然。因此,基于cn是否超过gn来选择wn计及这些可能性。在一些实现方式中,每个营养物n可以与两个权重相关联:上指标权重an和下指标权重bn。当cn超过gn时将使用上指标权重an,以及当cn小于gn时将使用下指标权重bn。也就是说,
在一些实现方式中,处理器105被编程为调整用户的指数以便奖励用户以用于使食用营养物水平cn处于营养物n的指标营养物水平gn或基本上靠近营养物n的指标营养物水平gn。可以奖励用户以用于达到指标水平的一个方式是通过将有效权重wn选择为上权重an和下权重bn中的较大者。也就是说,
因此,对于当cn=gn时的情况,所对应的ICn(来自方程1)是零并且不将任何东西加到方程2的分子。然而,选择较大的有效权重Wn使方程2的分母增加,从而导致更大的原始指数值,并且因此,导致更大的指数值。因此,用户被奖励以便通过针对处于指标水平或靠近指标水平的特定营养物选择更大的有效权重来满足具有更高指数值的目标。处理器105还可以被编程为通过使用不同的权重函数、作为an、bn以及食用营养物的精确值的函数的权重函数针对在cn约等于gn时选择不同的权重。此外,在前面的示例中,an和bn均可以是恒定值或偏差的程度的函数。为了便于描述,前面的示例假定了营养物n的指标水平是固定值。然而,相同的原理在具有表达为范围或表达为另一食用营养物或指标营养物的函数的指标水平的营养物的情况下适用。例如,在这样的情况下,如果食用量高于指标范围的上限则食用量超过指标水平。如果食用量低于范围的下限则营养物小于指标水平,并且如果食用量是在指标范围的上限与下限之间,则营养物约等于指标水平。
作为示例,表1示出了与用户已针对一天记录的食物相对应的、针对用户在一天里的各种营养物的示例食用量cn(列A)。在表1中还示出了示例个人指标每日水平gn、权重an和bn、有效权重wn以及指数贡献ICn。注意,脂肪的食用量等于脂肪的个人指标水平,所以有效权重被选择为an与bn之间的较大者。每个食用营养物水平与相应的指标水平之间的差被计算以获得指数贡献ICn(表1的列F)。假定表1中所示出的十三种营养物是所有N个营养物,则使用方程1-3的对应指数是0.81。然而,其它营养物还可以被考虑并且分配适当的指标水平和权重。其它营养物的示例包括其它类型的维生素、矿物等,并且还可以甚至包括影响人的总体健康的其它因素,诸如水或锻炼。
可以使用用于确定指数的可替换的技术。例如,可以依照下式(6)计算指数:
I是指数,
N是该组营养物中的营养物的数目,
gn是营养物n的指标水平,
cn是营养物n的食用水平,以及
wn是基于指标水平gn和食用水平cn的线性函数或非线性函数而生成营养物n的权重的权重函数。
在方程6中使用的权重函数wn可以采取许多形式中的任一个,并且可以因营养物、饮食计划和用户而不同。图2C示出了可以被使用的数个示例权重函数。每个权重函数对照由用户所食用的营养物的量被标绘并且包括指标点或范围、下权重函数bn(当食用量低于指标点或范围时与权重函数相对应)以及上权重函数an(当食用量高于指标点或范围时与权重函数相对应)。
在权重函数150的情况下,营养物的指标量对应于单个指标点,意味着当用户对营养物的食用水平与指标点值相同时用户被仅认为满足营养物的指标。在这种情况下,每个营养物对于在营养物的食用超过该营养物的指标水平时分配了上权重an,并且对于在营养物的食用小于指标水平时分配了下权重bn。在图2C的曲线图152-164中示出了可替换的权重函数。特别地,权重函数152、154、160以及162对应于具有指标范围的营养物,意味着指标量对应于值的范围(例如见与表1中的胆固醇和钠相对应的行)。在这些情况下,如果营养物的用户食用水平落入指标范围内,则营养物可以被标记为“在指标上”,并且营养物被相应加权。
在一些实现方式中,权重函数是不连续的,如在权重函数150、152以及154中所图示的。在这些情况下,在用户的食用量落在不连续点处的情况下所选择的权重值可以取决于权重函数的连续部分。例如,所选择的权重值可以是最大值、均值、中值或从权重函数得到的任何其它适当的值。权重函数可以是线性的,诸如在曲线图150、152、154以及164中一样,或是非线性的,诸如在曲线图156、158、160以及162中一样。此外,上权重函数an和下权重函数bn可以是彼此对称的,或者可以是非对称的。权重函数可以具有一个或多个凸和/或凹部分。权重函数还可以是凭经验确定的函数(例如存储在查找表中),其使用关于与各种食用水平相关联的健康结果的临床数据以便适当地对食用水平进行加权。因此,能够基于用户的人口统计特征和健康目标来调节权重函数。图2C中所示出的示例权重函数仅仅是说明性的,并且将理解的是,可以使用任何适合的函数。
在一些实现方式中,对于不同的时间段营养物可以与多个指标水平相关联(其中每个指标水平可以对应于特定数或具有上界限和下界限的范围)。例如,卡路里的指标水平可以是每天1500卡路里、每星期10,500卡路里以及每膳食200-300卡路里(包括,例如,在每膳食指标的情况下,针对不同的膳食分类规定的不同的指标水平(例如,早餐300卡路里))。可以针对诸如碳水化合物、蛋白质、脂肪、纤维等之类的其它营养物规定相似的指标水平。在针对营养物规定了多个时间相关指标水平的情况下,每个指标水平与营养物的对应食用水平相比较,并且每个比较可以与如方程1中所示出的单独的指数贡献ICn相关联。
类似地,在一些实现方式中,营养物可以与多个基于时间的权重函数(或简单地,权重)相关联。也就是说,不同的权重可以被应用于与同一营养物相关联但是针对不同时间段的比较。营养物可以与诸如每周权重、每日权重或每膳食权重之类的针对各种时间段的权重相关联。这些权重一般地彼此无关,但是在一些情况下,针对一个时间段的权重可能可从针对另一时间段的权重获得或得到。作为示例,应用于针对每天卡路里数的比较的权重函数可以不同于应用于针对每星期卡路里数的比较的权重函数。如果例如用户遵守每日卡路里目标比遵守每周卡路里目标是更重要的,则应用不同的权重的这个灵活方式可能是所希望的,使得比每周卡路里目标更高的权重被应用于每日卡路里目标。在这个示例中,用户可能显著地超过每日卡路里目标持续该星期的数天,并且试图补偿过量的卡路里摄取量,用户可以过量地饮食该星期的剩余天数。在这种情况下,在未能满足每日卡路里目标的同时用户可能满足每周卡路里目标。通过对每日卡路里目标应用比每周卡路里目标的更高的权重,用户对每周卡路里目标的满足不补偿用户与每日卡路里目标的偏差。类似地,例如,不同的权重可以被分配给基于膳食的卡路里目标和每日卡路里目标。本文中所描述的示例仅用于说明性目的,并且本领域的普通技术人员将理解的是,本文中所描述的系统和方法可以被用来针对不同的时间段对与任何营养物相关联的比较应用不同的(或相同的)权重函数。
此外,本文中所描述的加权方法中的任一个或组合可以被适配和应用于与营养不相关的其它评价系统,诸如睡眠坚持评价、健康评价、锻炼坚持、医疗坚持等。特别地,对于前述适用的领域中的每一个,用户可能正试图遵循包括多个分量的推荐的或要求的制度或计划,所述多个分量基于正被评定的分量或时间段的本质具有不同的相对重要性。制度或计划可以根据其各种分量来分析,其中每个分量具有依照本文中所描述的加权函数而确定的关联的权重。
在一些实现方式中,可以依照下式(7)计算指数:
I是指数,
N是该组营养物中的营养物的数目,
gn是营养物n的指标水平,
cn是营养物n的食用水平,
fn是基于指标水平gn和食用水平cn的线性函数或非线性函数生成营养物n的贡献的贡献函数。
贡献函数fn可以采取任何函数形式,诸如上文参考权重函数wn所描述的和图2C中所图示的函数形式中的任一个。
在一些实现方式中,本文中所描述的系统和方法为用户提供社交联网体验。例如,系统120的用户可以通过创建本身的简档以及与其它用户共享他们的简档而通过多个用户设备108(未示出的多个设备)与彼此交互。例如,系统120可以为在单独的社交联网站点上具有账户的用户提供接口。特别地,系统120可以发送还作为该单独的社交联网站点中的参与者的用户的一些简档数据。参与者可以选择用来与社交网络共享在系统120上所存储和生成的他们的简档数据的选项。简档可以包括诸如用户的目标、喜爱的食物、最近食用的食物、指数之类的用户数据,或与该用户相关的任何其它适合的数据。用户还可以选择设置隐私设定以使用户的数据中的任一个私有化。用户可以通过网络102将请求发送给另一用户以请求或者允许查看彼此的简档数据,并且类似地,用户可以接受或者拒绝来自其它用户的这样的请求。在请求被接受之后,两个用户被连接并且能够查看彼此的简档数据。特别地,一个用户可能能查看由另一用户所创建的食谱(recipe),记录由另一个用户所食用的食物,与用户交换消息,和/或查看另一个用户的指数数据。通过允许用户通过网络102与彼此交互,系统102提供了社交联网体验以用于鼓励用户改进他们的饮食并且共享食谱和食物。此外,可以在社交联网系统上实现竞赛,其中可以基于在一时间段期间的最高指数分数或改进最多的指数分数来选择优胜者。竞赛的优胜者可以接收到诸如向营养学家或身体教员咨询之类的奖品,或杂货店或餐馆的折扣或礼物凭证。
如果用户希望显示指数并且不希望查看食物推荐,则图4的方法210在步骤330处结束。然而,在确定用户的指数之后,本文中所描述的系统还可以被配置成执行一个或多个技术以用于确定用户要食用的一个或多个推荐食物以便将指数移动到更接近于指标水平。服务器104可以被编程为执行一个或多个线性编程技术以提供多个推荐以用于通过使需要平衡来提高不足的营养物同时防止或者降低在用户的饮食中已经处于充足水平的营养物的食用中的有害增加来改进指数。系统100可以被配置成提供数个类型的食物推荐,包括:对于横跨预定时间段(例如,一星期)的多个膳食的推荐、基于先前食用的膳食的对于下一个即将到来的膳食的推荐、对于要尝试的新的食物的推荐以及这些的组合。在下面参考图5A-5C描述用于提供这些类型的推荐的示例技术。
图5A是根据说明性实现方式的由服务器104的处理器105(图1A)用来向用户推荐多个膳食的方法300的流程图。该方法包括以下步骤:识别将提供针对其的推荐的膳食(步骤340),识别指标简档在其上被定义的时间窗(步骤342),以及确定在时间窗内在被用户食用时被记录的食物的食用简档(步骤344)。处理器105在膳食推荐上建立一个或多个约束(步骤346),使用指标简档和食用简档来定义优化目标(步骤348),并且基于优化目标和一个或多个约束来优化膳食推荐(步骤350)。处理器105然后将膳食推荐输出到用户设备108(步骤352)。
在步骤340处,处理器105识别将提供针对其的推荐的膳食。用户可以例如通过选择“recommend meals for the rest of the week(针对这星期的剩余时间的推荐膳食)”选项或者通过选择期望针对其的膳食推荐的一天或多天来规定这些膳食。可替换地,膳食可以由系统100(例如,通过根据用户登录到系统100的时间和天对在这星期里剩余的膳食的数目和类型进行计数)来确定。经识别的膳食可以包括膳食类型(例如,早餐、午餐、晚餐以及加餐)和膳食日(例如,星期三、星期四、星期五)。例如,如果用户在星期四的午餐之后请求对于这星期的剩余时间的膳食推荐,则处理器105可以在步骤340处将膳食识别为星期四晚餐,以及针对星期五和星期六中的每一个的早餐、午餐、晚餐和加餐。
在步骤342处,处理器105识别定义在其期间的指标简档的时间窗。例如,用户的指标简档可以规定每周的营养物指标,在这种情况下系统100正在一星期时间窗期间累积食用营养物。在步骤344处,处理器105确定在时间窗内在被用户食用时被记录的食物的食用简档(步骤344)。这允许处理器105当提供针对时间窗的剩余部分中的膳食的推荐时计及在该时间窗里已经食用的食物(以及因此营养物)。特别地,处理器105可以使用食用简档来调整在时间窗期间的指标简档以确定经修改的指标简档以用于生成所请求的膳食推荐。经修改的指标简档表示用户应该在时间窗里对于剩余膳食食用的东西以便实现指标简档或者最大化用户的饮食与指标简档的一致性。在经修改的指标简档中,营养物水平可以对应于食用营养物水平(在图4的步骤326中生成)与指标营养物水平(在图4的步骤324中生成)之间的差。例如,经修改的指标简档可以通过采用原始指标简档(基于用户选择的饮食计划和健康相关目标)并且减去食用简档(与用户已在已经过去的时间窗的该部分中所食用的食物相对应)来形成。
此外,指标简档可以被进一步修改成计及诸如锻炼之类的用户活动。特别地,用户可以将指示用户已执行的锻炼的输入信息提供给用户接口112。基于锻炼的类型、锻炼的努力水平以及用户的人口统计特征,处理器105可以计算在活动期间用户所燃烧的卡路里的量。用户还可以直接地将燃烧卡路里数提供给用户接口。在图31和32中示出了这些显示的示例。例如,然后可以通过借助将目标提高燃烧卡路里数来调整每日卡路里指标目标而修改指标简档以计及用户的燃烧卡路里。此外,一些营养物的指标量可以取决于卡路里数,使得当卡路里目标被调整时,这些营养物的指标被类似地调整。例如,纤维的指标量可能受用户的摄取量为每1,000卡路里至少14克纤维的目标约束。提高卡路里目标然后可以提高纤维指标量。此外,计及诸如锻炼之类的用户活动可以导致对指标简档的进一步改变,诸如通过提高蛋白质指标量以促进肌肉复原和增长。通过形成修改的指标简档,处理器105计及用户最近已食用的食物和由用户最近执行的活动以确定接下来要向用户推荐食用什么。
在步骤346中,处理器105在膳食推荐上建立一个或多个约束。例如,这些约束可以包括关于在每个膳食中食物的量和营养物含量、在特定天里食物的量和营养物含量以及在时间窗期间食物的量和营养物含量的约束。建立约束的一个方式是要求膳食推荐中的卡路里的估计的总数。例如,为了确定针对午餐推荐的指标卡路里摄取量,处理器105可以计算:
其中
avg callunch,30days对应于在上一个30天期间在午餐食用的卡路里的平均数,
avg calday,30days对应于在上一个30天期间在一天里食用的卡路里的平均数,
calday,target对应于用户的卡路里的每日指标数,以及
callunch,target对应于待推荐的午餐的卡路里的指标数。
在这个示例中,推荐午餐所允许的每日卡路里指标的份量使用午餐30天平均数和每日卡路里摄取量来计算。可以使用任何适合的平均时间段。此外,可以使用用于获得历史卡路里摄取量模式的其它方法,包括诸如取摄取量的中值之类的其它基于统计的方法和模式检测方法。使用方程8来计算针对推荐膳食的卡路里的指标数有助于确定食物在推荐膳食中的适当份量大小。方程8还有助于确定常常通过膳食中卡路里的总数来确定的营养物的近似分解。例如,一些饮食指南建议人的卡路里的30%应该来自脂肪,15%来自蛋白质,并且55%来自碳水化合物。通过首先识别总卡路里的指标数,然后可以确定这些或其它营养物的适当指标水平以用于与候选膳食相比。
其它约束可以被用来避免或减少膳食推荐的潜在不合期望的特性。例如,对于膳食推荐来说,向用户推荐食用大大地超过用户先前已食用的食物的最大量的某些食物的量可能是不合期望的。因此,处理器105可以通过要求在推荐膳食中某些食物的任何量不能够超过用户先前已食用的历史最大量的比例(例如,两倍,或任何其它适合的比例或值)来设置要推荐的任何食物的最大量。历史最大量可以是用户已在一时间段(诸如一天、一星期、一月或任何适合的时间段)期间食用的最大量,或者可以是用户曾经食用的最大量。此外,历史最大量可以对应于用户已在与膳食推荐相同的膳食类型的膳食中食用的最大量,或者可以对应于用户已在任何膳食中食用的最大量。类似地,另一约束可以被应用于膳食推荐,使得某些食物的任何量不能够低于用户先前已食用的历史最小量的比例(例如,三分之一,或任何其它适合的比例或值)。
可能期望每个推荐膳食满足一个或多个准则。在一些实现方式中,期望推荐符合用户的饮食习惯(诸如跨膳食的用户的卡路里的平均每日分布)的膳食。例如,可以为典型地不吃丰盛早餐的用户推荐小份量大小的早餐。在一些实现方式中,可能要求推荐膳食满足营养物的期望简档。例如,约束可能要求膳食的卡路里的某个数目或范围来自蛋白质、碳水化合物以及脂肪,或者只有当与规定数量的蛋白质和纤维相结合地提供时才准许一定量的碳水化合物。在一些实现方式中,作为糖尿病患者的用户可能希望逐膳食地跟踪他的或她的血糖指数。因此,糖尿病用户可能要求每个推荐膳食具有在期望范围内的血糖负荷。在示例中,系统120可以通过网络102与存储或者管理有关用户的血糖水平的信息的患者管理系统进行通信。患者管理系统可以是有网络能力的注射泵或血糖设备。在一些实现方式中,患者管理系统可以是在临床设定下的血液分析器或在家用设定下的便携式分析器,其中来自用户的样品可以被取得和分析。分析的结果可以被发送到系统120,其然后可以识别对于推荐具有适当的血糖负荷的食物或膳食。附加地或可替换地,可以提示用户在系统提供食物推荐之前手动地提供血糖读数。
如果用户希望在某个时间段期间针对特定类型的食物或饮料“预算”,则附加的约束可以出现。例如,用户可能具有食用小甜点一天一次的习惯并且不希望改变这个习惯。处理器105然后可以通过在通过将每日指标营养物简档减去小甜点的营养物简档来计算经修改的指标简档时考虑小甜点的营养物简档而计及每日小甜点。
在步骤348中,处理器105使用指标简档和食用简档来定义优化目标。在一些实现方式中,优化目标将是提供使用户的饮食摄取量尽可能接近于上面参考步骤344所描述的经修改的指标简档的膳食推荐。在一些实现方式中,优化目标可以采取如下形式:
I是指数,
N是该组营养物中的营养物的数目,
gn是营养物n的指标水平,
rn是在推荐食物中营养物n的水平,以及
wn是应用于营养物n的权重。
这个优化目标还可以在利用指数计算的本文中所描述的技术中的任一个中用作指数。指数计算还可以被用作优化目标,其中权重wn可以不同于用于计算指数的权重。可能期望在执行膳食推荐时和在计算用户的指数时使用不同的权重wn。例如,当执行膳食推荐时,可能期望对某些营养物比其它营养物更重地进行加权。特别地,如果正在为具有早餐和午餐的营养物的不足水平的用户生成晚餐推荐,则优化目标可以重度地对不足营养物进行加权。相比之下,当在计算指数中使用时权重可能不一定以相同的方式依赖于用户的最近食用历史。以这种方式,推荐权重能够被选择成优选地推荐实现某些营养指标(例如,卡路里的指标数)的膳食,但是与该指标的偏差未必导致与在推荐权重被用于指数计算中的情况下将发生的一样严重的指数“惩罚”。权重可以被存储在通过网络102与服务器104通信的电子数据库中,或者电子数据库可以以其它方式与服务器104通信。
在步骤350处,处理器105基于优化目标和一个或多个约束来优化膳食推荐。在一些实现方式中,处理器105被配置成执行一个或多个线性编程技术以最小化或者最大化步骤348的目标函数(视情况而定),服从步骤346的约束。线性编程技术是用来在考虑一组线性等式和不等式约束的同时确定目标函数的最优解的数学工具。在这里,线性编程技术可以被用来确定最小化方程9的目标函数的最优解(rn)。
在步骤350处对其执行了优化的食物可以是存储在已知食物数据库(诸如图1B的已知食物数据库106A)中的任何食物,或者可以是从已知食物数据库的子集(例如,包括犹太洁食食物的子数据库)中提取的食物。在步骤350的一些实现方式中,在优化期间从其中选择膳食推荐的食物是用户先前所食用的食物,诸如由用户先前所食用的单个食物或先前所食用的膳食。处理器105例如可以在来自食用食物数据库106B(图1B)的食物上进行优化,所述使用食物数据库106B仅包括被用户记录为先前已食用的食物。通过从由用户先前所食用的食物的数据库选择推荐食物(并且通过调整份量大小),用户能够接收分析上确定的建议以用于通过吃用户已经食用(以及可能喜欢)的食物来改进饮食食用。
此外,由处理器105针对推荐迭代的食物的集合可以受到附加的约束。例如,用户可能已指示特定医疗状况(诸如高血压、高胆固醇,或可以影响用户的总体健康的任何其它医疗状况),并且处理器105可以避免推荐将不利地影响用户的健康的食物,或者推荐最小化这样的效果的食物。
在一些实现方式中,处理器105被配置成确保在多个膳食推荐中存在一定程度的变化。变化的程度是合期望的以避免其中处理器105在多个膳食推荐中重复地推荐相同的食物或相同类型的食物的情景。例如,在极端情况下,仅将完全由面包构成的膳食推荐给用户可能是不合期望的。为了实现这个变化,处理器105首先使用图5A的方法300来达到膳食推荐的初始集合。然后,处理器15重复图5A的方法300,这时在步骤346中建立附加的约束。特别地,处理器105第二次运行优化,这时其中输入参数包括由第一优化产生的膳食推荐的初始集合。附加的约束可能要求膳食推荐的至少20%(或任何其它适合的量)不包括在膳食推荐的初始集合中所选择的相同食物中的任一个。在另一示例中,附加的约束可能要求膳食推荐的至少20%(或任何其它适合的量)不包括在膳食推荐的初始集合中所达到的相同膳食中的任一个。可替换地,附加的约束可能要求确切地膳食推荐的20%(或任何其它适合的量)满足某个准则。用户可以为膳食推荐设置期望的变化程度,使得变化的程度对于不同的用户来说可以是不同的。通过在不同的约束情况下重复图5A的方法300,处理器105包括对于待推荐的期望的食物变化的机会。
在步骤352处,处理器105将膳食推荐输出到用户设备108。在图35中示出了一组三个膳食推荐的示例屏幕快照。
图5B是根据说明性实现方式的由服务器104的处理器105(图1A)用来基于先前食用的膳食提供针对下一个即将到来的膳食的推荐的方法310的流程图,所述先前食用的膳食包括一种或多种食物的规定份量的组合。这个方法在确定要推荐哪些膳食时有利地考虑用户先前已作为膳食一起食用的食物的哪些组合。特别地,使用图5B的方法310所提供的推荐可以包括用户先前已在膳食中一起食用的食物的组合,但是其中可能不同的份量大小被优化成实现营养目标。这样做可以提高用户将遵循推荐的可能性,因为如果膳食包含用户先前已在膳食中食用的食物的组合则用户更加可能食用推荐膳食。可替换地,使用图5B的方法310所提供的推荐可以包括用户先前尚未在膳食中一起食用的食物的组合,但是可以包括用户已对于相同类型的膳食食用的食物,诸如早餐食物、午餐食物、晚餐食物或加餐食物的组合。
方法310还可以为由用户所选择的或由独立第三方所推荐的一种或多种食物提供适合性评定。适合性评定提供食用一种或多种食物(每原始推荐或其修改版本)是否将改进用户的营养物食用与用户的营养目标、体重目标或其它目标之间的一致性的指示器。可以基于一个或多个食物的指数影响来确定适合性评定。例如,适合性评定可以基于与食物的组合相关联的指数中的改进的程度。适合性评定可以使用任何适合的指示器提供给用户。例如,适合性评定可以是数值(诸如在1与100或0与1之间的数)、字母表符号(诸如从F到A+的等级)、基于一致性中的改变落入多个预定影响范围中的哪一个内而选择的指示器(例如,色彩编码的指示器)、选自表示适合性评定的范围的色彩梯度的色彩、朝用户的目标或以其它方式指示进展的图形图标(例如,向上或向下指的箭头)、指示组合是否适合于推荐的二元值或标志、这些的组合,或传送推荐是否能够改进用户的营养摄取量与用户的一个或多个目标之间的一致性的任何其它可见的或可听的指示器和/或用户的营养物摄取量与用户的一个或多个目标之间的一致性中的预测的改变的指示。适合性评定可以包括从包括适合于推荐的、不适合于推荐的、中性或表示针对特定推荐的积极性的程度的任何其它适合的类别的一组类别中选择的类别。特别地,具有不适合于推荐的食物的类别可以包括将不食用一个或多个特定食物的注意警告显示给用户。可以基于表示食用简档与指标简档之间的比较的偏差简档来确定适合性评定。特别地,与在用户食用一种或多种食物的特定组合的情况下对用户的营养指数的预测改变相对应的指数影响可以被确定来评价预测的改进程度。指数影响可以被用来像在下面所描述的那样识别适于推荐的膳食。
图5B的方法310包括以下步骤:识别将提供针对其的推荐的膳食(步骤360);识别指标简档在其上被定义的时间窗(步骤362);确定在时间窗内在被用户食用时被记录的食物的食用简档(步骤364);以及确定在预定时间间隔期间用户所食用的膳食的平均营养含量(步骤366)。处理器105然后基于所确定的平均营养含量而在膳食推荐上建立一个或多个约束(步骤368)并且使用指标简档、食用简档以及所确定的平均营养含量来定义优化目标(步骤370)。处理器105从数据库106选择膳食(即,由用户先前记录为已在就餐时段中一起食用的食物)(步骤372),并且基于优化目标和一个或多个约束来优化在所选择的膳食中食物的推荐份量(步骤374)。处理器105计算如果用户将以推荐份量食用所选择的膳食则将得出的指数(步骤376),并且存储该指数(步骤378)。处理器105针对数据库106中的每个膳食重复步骤372-378)。处理器105然后评估在指数方面实现了最大增加的一个或多个膳食(步骤380),并且将膳食和它们的优化份量作为膳食推荐输出到用户设备108(步骤382)。
在步骤360中,处理器105识别将提供针对其的推荐的膳食。这个膳食可以由用户(例如,通过从日历显示选择针对特定天的晚餐推荐的选项)来规定,或者可以由系统100(例如,通过考虑到用户的时区中的当前时刻来识别很可能的下一个膳食)来确定。在步骤362处,处理器105识别指标简档在其上被定义的时间窗,并且在步骤364处,处理器105确定在时间窗内在被用户食用时被记录的食物的食用简档。可以如上面分别参考图5A的步骤342和344所描述的那样执行这些步骤。
在步骤366中,处理器105确定在预定时间间隔期间用户所食用的膳食的平均营养含量。例如,处理器105可以确定用户已在上一个三十天或任何其它适合的时间间隔期间食用的所有午餐中的平均营养含量,并且使用这个平均作为代表性午餐。这可以被重复以得到代表性早餐、晚餐以及加餐。
在步骤368中,处理器105基于所确定的平均营养含量而在膳食推荐上建立一个或多个约束(如在步骤366处所确定的)。已经关于图5A对示例约束进行了描述。除这些约束之外,另一可能的附加约束包括在步骤366中得到的代表性膳食(或代表性加餐)的使用。例如,代表性膳食可以被用来预测在针对其而寻找推荐的膳食之外的膳食。例如,当期望针对星期三的晚餐的膳食推荐时,可以假定用户将在星期四食用代表性早餐、午餐、晚餐以及加餐。在这种情况下,膳食推荐是做出有关用户很可能食用什么的实际假设的优化方案的结果。
在步骤370中,处理器105使用指标简档、食用简档以及所确定的平均营养含量来定义优化目标。在一些实现方式中,优化目标将是提供在使用户的饮食摄取量尽可能接近于上面参考步骤344所描述的经修改的指标简档的膳食中食物的份量。在一些实现方式中,优化目标可以采取以上方程8的形式,或本文中所描述的指数计算中的任一个。
处理器105接下来迭代步骤372-378,进而考虑每个膳食并且优化各膳食在该膳食中的推荐份量以在用户的指数方面实现最大可能的改进。这个迭代对应于内优化循环,其确定每个食物在膳食中的最大化指数影响或者使指数影响超过阈值的份量大小。在一些实现方式中,基于所确定的指数影响给膳食分配等级。可以基于指数影响以许多方式确定等级。例如,指数影响可以是数,并且等级可以通过识别针对指数影响的范围并且基于数落入哪一个范围来确定等级而基于该数的量化版本。等级可以是用于表示食物或膳食将多么讨人喜爱以供推荐给用户的字母、数、阴影或色彩、图形,或任何其它适合的指示器。
特别地,在步骤372中,处理器105从数据库106选择膳食。如上面所讨论的,膳食可以包括由用户先前所食用的并且在一时间段中作为整个膳食输入到用户接口112中至少一次的食物的集合,其中所述时间段可以是在上一星期、上一个月或任何其它适合的时间段期间。
在一些实现方式中,膳食可以包括用户先前已食用并且输入到用户接口112中、但是不一定作为整个膳食一起食用的食物的组合。在这种情况下,处理器105可以构造不是由用户作为整个膳食先前所食用的新的膳食,但是用户先前确实食用了在新的膳食中的每个食物。当不能够修改预先存在的整个膳食以在用户的饮食与用户的饮食目标的一致性方面获得必要改进时,这些实现方式可能是特别有用的。这样的跨膳食置换能够在仍然推荐已经由用户食用和可能偏爱的食物的同时在用户的指数方面提供实质的改进。因此,取决于用户食用了的食物的多样性,可以执行与不同的食物组合的大量跨食物置换以识别对于推荐给用户的适当的食物组合。在示例中,用户的早餐食物可以被跟踪持续一定时间段并且存储在电子数据库中。用户可以将指示用户希望查看早餐食物的新的组合的输入提供给用户设备108。所存储的早餐食物的各种置换可以被迭代以识别的一个或多个适当的食物组合和用于推荐的份量大小。
膳食信息可以被以许多方式中的任一个(例如,如上面参考图2A和2B的数据结构所描述的)存储在电子数据库106(图1A)中。在步骤374中,处理器105基于优化目标和一个或多个约束来优化在所选择的膳食中食物的推荐份量。如上面所描述的线性编程技术可以被用来确定对受到一个或多个约束的优化目标的最优解。
在步骤376中,处理器105计算如果用户以推荐份量食用所选择的膳食则将得到的指数,并且在步骤378中存储该指数。可以依照本文中所描述的指数计算技术中的任一个来计算指数。例如,处理器105在候选食物的营养物水平被添加到用户的食用营养物水平的情况下再计算指数。
现参考图5B,处理器105针对数据库106中的每个膳食重复步骤372-378以类似地优化在电子数据库106中其它先前食用的膳食的份量大小。这个优化产生一个或多个候选膳食推荐,其均对应于由用户作为膳食先前一起吃的、被调整以通过修改食物在该膳食内的份量来改进(或者最大化)膳食的指数影响的食物的组合。对于在优化期间所考虑的每个膳食,还最大化指数影响或者使指数影响超过阈值的具有优化的份量大小的候选膳食是该膳食的最优版本。因此,用户将在用户接口112处接收到用户先前已在膳食中一起食用的但是具有可能不同的份量大小的食物的组合的膳食推荐。
在步骤380中,处理器105确定在指数方面实现了最大增加的一个或多个膳食,并且在步骤382中将膳食和它们优化的份量作为膳食推荐输出到用户设备108。
图5C是根据说明性实现方式的由服务器104的处理器105(图1A)用来向用户推荐新的食物的方法320的流程图。新的食物推荐可以响应于例如在饮食计划中用户期望尝试新的食物的指示而被提供给用户。用户还可以经由要向其提供新的食物推荐的用户设备108的用户接口112而选择“new food(新的食物)”选项。此外,用户可以选择食物的类别以查看新的食物推荐,诸如水果、蔬菜、奶制品或任何其它食物类别。在图40中示出了其中用户选择食物类别的屏幕快照的示例显示。
在一些实现方式中,处理器105确定与用户相关联的指数何时达到平稳状态(plateau)。例如,如果用户一贯食用选自不提供营养多样性的非常有限的一组食物的食物则可以达到平稳状态,所述营养变化可能被要求以改进用户的饮食与用户的营养需要之间的一致性。在这种情况下,对于用户的指数来说可能难以增长至高于平稳状态值,除非一个多个多个食物被引进给用户。因此,在识别与用户相关联的指数平稳状态后,可以将“newfood(新的食物)”推荐提供给用户。此外,在用户的膳食中所食用的食物可以被以各种方式组合以生成给用户的膳食推荐以设法将用户的指数提高至高于平稳状态值。例如,食物的数目(例如,三个)可以选自用户已在上一个多个(例如,三十个)的早餐内食用的食物集合以形成新的候选膳食。用户食用该候选膳食的效果可以通过重新计算指数(将候选膳食中的食物包括作为食用食物)来评估。如果对指数的效果是积极的,则可以选择另一类似的食物组合以生成另一候选膳食。可替换地,如果食用候选膳食对指数的效果是消极的,则可以选择完全不同的食物组合。一般而言,任何数目的食物可以被选择成被组合以用于候选膳食。可以随机地或基于其它候选膳食的先前计算来选择这些食物。
图5C的方法320包括以下步骤:在数据库106中从用户先前尚未食用的一组食物中识别候选食物和包含在该候选食物中的营养物水平(“候选简档”)(步骤420)。处理器105然后基于候选简档、用户的食用简档以及指标简档来计算第二指数(步骤426)。处理器105还计算指数影响,其至少部分地基于在步骤330(图4)中所计算的第一指数和在步骤426中所计算的第二指数。如果指数影响超过阈值(判定块430),则处理器105将候选食物的识别信息(例如,标识号、名称、营养信息)输出到用户设备108作为推荐(步骤432)。否则,处理器105从数据库106识别下一个候选食物(步骤420)并且重新运行分析。
在步骤420中,处理器105识别存储在电子数据库106中的候选食物及其营养物水平(“候选简档”)。对于一组营养物中的每个营养物,候选简档包括与在候选食物中营养物的量相对应的候选营养物水平。当新的食物将被推荐时,可以从已知食物数据库106A(图1B)中的尚未被记录为已被用户食用(即,未出现在食用食物数据库106B(图1B)中)的食物条目中提取候选食物。
在步骤426中,处理器105通过在用候选简档增大用户的食用简档之后再计算指数(使用例如上面的方程1-3)来计算第二指数,好像用户已食用了候选食物。在步骤428中,处理器105计算表示在候选食物被用户食用的情况下对指数的改变的指数影响。指数影响等于第二指数(在图5的步骤426处计算)减去第一指数(在图4的步骤330处计算)。正的指数影响指示第二指数超过原始指数,意味着如果用户将食用候选食物,则用户的指数将提高,从而使用户的食用简档接近用户的指标简档。类似地,负的指数影响指示食用候选食物将使用户的食用简档偏离指标简档。
现返回参考表1,列G-J列举了用于针对当候选食物是香蕉时的情况关于方程1-3计算指数的各种分量。表1包括在候选食物中数个营养物的量(列G)、在用户食用候选食物的情况下用户的食用营养物水平(列H,将列A和G相加的结果)、基于列B和H之间的比较的第二有效权重(列I)以及基于全部列B、H和I的第二指数贡献(列J)。所得到的第二指数是0.85。与0.81的原始指数相比,这产生了+0.04的指数影响。因此,食用香蕉将会将用户的指数提高0.04。
现参考图5C,在判定块430处,处理器105确定指数影响是否超过阈值。阈值可以是预定阈值(例如,对于从零到一变动的指数的0.01或更大的改变)或动态地确定的阈值。例如,处理器105可以迭代数据库中的所有候选食物并且选择具有一个或多个最高指数影响的一个或多个食物(例如,阈值被设置为具有第五最高指数影响的候选食物的指数影响使得具有位于前列的四个指数影响的食物被推荐)。如果是这样的话,则在步骤432中处理器105输出候选食物作为推荐。例如,处理器105将关于候选食物(例如,其营养简档)及其指数影响的信息发送到处理器105,其然后经由用户接口112显示指数影响和作为推荐的候选食物。在图34和35中示出了在用户接口112上的推荐显示的示例。可替换地,如果处理器105确定在步骤428中所计算的指数影响不超过阈值,则方法返回到步骤420以选择数据库106中的另一候选食物。
方法320因此识别与超过阈值的指数影响相关联的一种或多种食物。在一些实现方式中,指数影响基于食物中的营养物水平与关联于人的指标营养物水平之间的偏差量的加权函数而被确定。因为不同的权重可以被用于不同的营养物,所以对于特定人来说一些营养物被视为比其它营养物更重要(例如,如果它们具有更高的权重)。在这种情况下,推荐食物如果被人食用,则在同时地降低对另一营养物(例如,具有较低权重的营养物)的一致性的消极影响的同时将很可能改进一个营养物(例如,具有高权重的营养物)的一致性。
方法320包括从包括不是由用户先前所食用的食物的数据库中识别候选食物。一般而言,方法320可以与本文中所描述的任何数据库一起使用,所述任何数据库包括已知食物数据库106A、食用食物数据库106B、新的食物数据库、任何其它适合的食物数据库或其组合。
在一些实现方式中,图1A-1C的系统的组件中的一个或多个在系统中被用于在餐馆中订购食物。特别地,已知食物数据库106A可以包括来自餐馆的菜单项的列表和菜单项的对应营养含量。本文中所描述的系统和方法可以被用来从餐馆的菜单推荐一个或多个项以供用户食用。作为示例,在进入餐馆时,用户设备108可以显示为用户特别地推荐的菜单项的列表。可以根据与每个菜单项相关联的计算的指数影响对列表进行排序,使得具有最积极的指数影响的项被显示靠近用户设备108的屏幕的顶部。作为另一示例,用户设备108可以被配置成根据期望的膳食配置来显示特定于用户的一个或多个推荐膳食。例如,用户可以将指示用户希望在这个餐馆食用饮料、开胃物以及主菜的输入提供给用户设备108。在这种情况下,用户设备108可以基于膳食的营养含量和用户的营养目标的一致性来显示饮料、开胃物以及主菜的一个或多个组合(例如,营养上最有益的或营养上最少有害的组合)。例如,用户设备108可以推荐如果被用户食用则将使用户的指数提高的组合。在一些实现方式中,用户设备108装配有GPS技术使得用户设备108被配置成在无需用户输入餐馆的信息的情况下自动地显示菜单推荐。
根据说明性实现方式,图5D的方法330可以被用来识别适合于推荐给用户的一个或多个餐馆菜单项。一个或多个餐馆菜单项的推荐基于使用本文中所描述的机制中的任一个来改进用户的营养目标与食用食物之间的一致性。例如,可以通过使用线性编程方法来最小化各种营养物的指标水平与食用水平之间的偏差来执行推荐。
在步骤440处,处理器105接收指示用户已进入特定餐馆的信息。该信息可以通过用户输入手动地提供,或者可以基于启用GPS的用户设备的位置由系统自动地检测。例如,用户设备108(例如,移动电话)可以被启用用于餐馆菜单项的推荐。
响应于检测到用户已进入特定餐馆,方法330可以在步骤442处接收针对该特定餐馆的菜单选项。可以从可由执行方法330的处理器105访问并且与上面所讨论的数据库类似的餐馆菜单数据库(未示出)接收菜单选项。可以从外部源(诸如直接地从餐馆或第三方)接收菜单数据。餐馆菜单数据库能够包括由餐馆连同菜单选项的营养含量信息、与每个菜单选项相关联的选项类型(例如,开胃物、主菜、配菜、甜点、沙拉、饮料或由特定餐馆所提供的任何其它适合的一道菜)一起提供的菜单选项(例如,食物、饮料等)的列表。除菜单选项之外,在步骤442处,方法330能够从菜单数据库接收针对菜单选项中的每一个的一个或多个选项类型。选择的一组餐馆的菜单可以例如基于餐馆的流行度、用户过去的访问、餐馆到用户的地理邻近性或任何其它适合的用户相关特性而被预加载到用户设备108。
在步骤444处,处理器105接收用户的指标营养简档,包括多个营养物的指标水平。如上面所讨论的,基于选择的饮食计划针对用户而特定地生成指标简档,所选择的饮食计划可以包括其它用户选择的约束或目标。处理器105还可以接收与用户相关的简档数据。基于用户的简档数据,处理器105可以过滤所接收到的菜单选项使得一组剩余的菜单选项适合于用户的需要。例如,如果用户具有过敏或饮食限制,则可以在优化之前去除包括这样的配料或食物的菜单选项。
在步骤446处,处理器105接收针对用户的指标营养简档中的每个营养物的食用营养物量。营养物的食用营养物量的集合可以对应于食用简档。在某些实现方式中,食用简档对应于用户已指示为在上一天、上一星期、上个月或任何其它选择的时间段里食用的所有食物。在表1的列A中示出了食用简档的示例,以及特定食物的食用简档的示例在图18和42中被示出并且将包括与用户的指标简档中的那些相同的营养物。
在步骤448处,处理器105接收有关期望的膳食配置的用户输入。在步骤448处可以提示用户提供有关期望的膳食配置的输入(包括一个或多个选项类型)。例如,用户可以规定他或她期望选择包括开胃物、主菜、甜点以及可能饮料的三道菜膳食。类似地,用户可以指示用户希望食用两道菜膳食,并且愿意考虑包括开胃物和主菜或主菜和甜点的膳食。取决于所期望的膳食配置,处理器105可以对在步骤442处接收到的菜单选项进行过滤以排除不包括在期望的配置中的选项类型,使得仅用户将考虑食用的菜单选项被包括在后续分析中。
此外,例如,用户输入可以包括一些其它参数,诸如用户有多饥饿、用户拥有的对特定食物或食物类型的任何渴望、用户愿意花费在膳食上的金钱的量等。此外,用户输入可以包括包含更特定类型的食物的期望类型的菜单选项,例如诸如具有小河虾的开胃物、具有鸡肉的主菜或具有巧克力的甜点。在一些实现方式中,特定餐馆的菜单选项的集合至少部分地基于用户输入而被过滤。
一般而言,用户输入可以在餐馆菜单项的分析中被用来对菜单推荐结果进行识别、过滤和排序。可替换地,应用可以被配置成具有默认设定(例如,随着时间的推移对用户了解的和存储在用户简档中的信息),使得没有或最小用户输入被要求以在餐馆生成菜单项的推荐。默认设定的示例可以包括基于关于用户的历史数据推导出用户将很可能希望在特定餐馆食用开胃物、主菜以及饮料。
执行优化以选择菜单选项的一个或多个组合(步骤450),并且基于组合的指数影响而将菜单选项的一个或多个组合输出到用户设备(步骤452)。尽管可以在膳食的每个分量被选择之后相继地提供膳食配置,但是方法330优选地允许用户在选择膳食的任何分量之前同时地规定整个配置。通过接收用户的期望的膳食配置,方法330能够同时跨膳食的多个分量进行优化以便提出满足期望配置而同时在即将发生的膳食与用户的饮食需要之间的一致性方面提供最大改进的组合。这样的方法与一次仅对膳食的一个分量优化并在用户为先前分量选择选项之后移动到下一个分量上的方法相比通常提供营养上更平衡的膳食。然而,应当理解的是,在一些实例中,例如,在提供了大量菜单选项(并且因此使跨所有置换的优化变得计算上代价高的)的情况下,方法300可以采用顺序优化方法。
返回到方法330,在步骤450处,处理器105执行优化过程以选择符合期望配置的菜单选项的一个或多个组合。例如,如果用户可能已在步骤448处指示了用户希望在餐馆食用饮料、开胃物以及主菜,则处理器105迭代(在可选地过滤掉不适用的菜单选项的集合之后剩余的)可能的菜单选项的各种组合以形成候选膳食(例如,每个都包括饮料、开胃物以及主菜)。处理器105生成或者从另一源接收针对候选膳食中的每一个的对用户的营养指数的预测影响。预测指数影响指示在用户食用该菜单项或组合的情况下在用户的指数中的预测改变,并且对于任何给定组合来说可以是积极的或消极的。
此外,可以在优化过程期间使用附加的约束。例如,每个餐馆菜单项的价格可能被用作优化中的因素,使得过高地高价的项被从分析排除。类似地,基于可以考虑用户的特定经济约束的加权函数,与较便宜的选项的相比,较高价的菜单项的推荐可以被分配较低的优先级或较低的排名。
在步骤452处,处理器105基于组合的指数影响来输出菜单选项的一个或多个组合。每个组合可以连同与该组合相关联的指数影响一起被提供。例如,显示可以包括许多推荐菜单选项的排序列表。可以根据对用户的指数的预测影响对列表进行排序。可以被显示在用户设备108上的输出可以包括多个页面,并且用户可以选择滚动或者查看列表的其它页面。用户还可以通过改变期望配置或者在他或她不喜欢所提出的组合中的任一个的情况下通过从菜单手动地排除特定项来重新运行分析。通过连同预测指数影响一起显示菜单组合,本文中所描述的系统和方法提供了比二元推荐系统更多的信息,所述二元推荐系统简单地告诉用户哪些食物项是可接受的或不可接受的。特别地,二元推荐系统可能简单地给用户提供两个选项中的一个一—食用这个项或不食用这个项。通过给用户提供针对菜单选项的每个组合的个性化分数,用户可以在决定哪些菜单选项要订购时做出明智的选择。在一些实现方式中,仅与超过阈值的指数影响相关联的组合被显示给用户。
上面关于选择菜单选项的组合描述了优化过程。然而,优化过程还可以被扩展为单个菜单选项优化。在这种情况下,在步骤448处所提供的用户输入可以包括用户希望食用特定类型的单个菜单选项,诸如主菜。在这种情况下,在单个主菜菜单选项上执行优化。处理器105迭代在过滤之后剩余的主菜中的每一个并且识别在用户食用该主菜的情况下对用户的指数的预测影响。特别地,处理器105可以假定用户将食用主菜的一份大小或整个主菜。一般而言,优化过程可以被用于以任何组合在任何数目的菜单选项上进行优化。
在一些实现方式中,优化过程可以包括顺序地执行多个单一菜单选项优化。例如,用户可以指示用户希望首先选择主菜,后面是开胃物,以及后面是对饮料的选择。在这种情况下,处理器105可以执行针对主菜的单一菜单选项优化并且将数个主菜推荐提供给用户。在从用户接收到对推荐主菜之一的选择时,处理器105然后在更新用户的指数以计及所选择的主菜之后执行针对开胃物的单一菜单选项优化。这个第二优化过程然后将数个开胃物推荐提供给的用户,所述用户对开胃物中的一个做出选择。这个过程在用户的食用简档被更新成包括来自所选择的开胃物的营养物之后重复,并且优化过程第三次被重复以识别适合的饮料。一般而言,可以使用组合方法或者使用顺序方法执行本文中所描述的优化过程,并且可以基于用户输入或默认设定使用任何一个方法。
方法330的步骤被以所示出的次序仅用于说明性目的,并且本领域的普通技术人员将理解的是,在不背离本公开内容的情况下,可以省略任何步骤,可以修改步骤的次序,或者可以同时地执行任何步骤。
图5E的方法340可以被用于评价第三方推荐者已建议以供用户食用的一种或多种食物。第三方推荐可以基于标准化膳食计划或为用户定制的营养计划,并且一个或多个推荐食物可以包括任何数目的配料、菜肴或膳食。根据这个方面,用户能够获得食用由第三方所推荐的食物(以其原始或修改形式)是否将改进用户的营养物食用与用户的期望目标之间的一致性的独立评价。可以以任何适合的形式提供对第三方推荐食物的评价,所述任何适合的形式包括如数值指数影响、分数、字母等级或其它符号。
过程340在步骤460处开始,在这之前用户将已经由认证或其它手段被系统适当地识别。在步骤460处,处理器105接收指示由第三方推荐者向用户所推荐的一种或多种食物的输入。可以由用户或者直接地从第三方推荐者(例如,通过准许第三方系统与系统120共享关于用户的信息的用户的链接账户)提供输入。共享信息可以包括诸如用户的目标、喜爱的食物、最近食用的食物、指数或与用户相关的任何其它适合的数据之类的用户数据。一个或多个推荐食物可以是与第三方推荐者相关联的专有食物,或为用户特别地定制的膳食。推荐可以基于任何信息,诸如用户的营养目标、人口统计信息、饮食限制或任何其它适合的数据。
在步骤462处,处理器105使用本文中所描述的方法中的任一个来提供对第三方推荐的评价。在这个示例中,处理器105计算与第三方推荐食物相关联的指数影响。然而,处理器105还能够在不参考用户的历史营养物食用的情况下针对它独立的营养值来评定食物。如上面所描述的,与食物相关联的指数影响表示在食物被用户食用的情况下对用户的营养指数的改变并且基于用户的指标简档、用户的食用简档与食物的营养简档之间的比较被计算。可以在步骤460(例如,从用户或从第三方推荐者)接收食物的营养简档,或者处理器105可以基于食物中配料的列表来识别食物的营养简档。积极的指数影响指示如果用户食用该食物,则用户的指数将提高,从而使用户的食用简档接近用户的指标简档。类似地,消极的指数影响指示食用该食物将使用户的食用简档偏离指标简档。
在一些实现方式中,用户选择用来仅查看与由第三方推荐者所提供的食物推荐相关联的分数的选项。在这种情况下,方法340可以在步骤462处结束,并且与第三方推荐食物相关联的指数影响被提供给用户。在其它实现方式中,用户选择用来确定系统120是否还将以其原始或修改形式推荐第三方推荐食物的选项。在这种情况下,方法340继续过去的步骤462以确定是否认可食物推荐或者以确定食物推荐的修改版本是否是更适当的。
在判定块464处,处理器105确定指数影响是否超过阈值。阈值可以是预定阈值(例如,对于从零到一变动的指数的0.01或更大的改变)或动态地确定的阈值。例如,处理器105可以将第三方推荐食物的指数影响与一个或多个其它食物的指数影响相比较。一种或多种食物可以是由用户先前所食用的或者向用户先前推荐的候选食物,并且可以包括存储在已知食物数据库106a和/或食用食物数据库106b中的食物。在这种情况下,处理器105可以迭代数据库中的一组候选食物并且将具有一个或多个最高指数影响的一个或多个食物与与第三方推荐食物相关联的指数影响相比较。如果第三方推荐食物的指数影响超过阈值,则方法340进行到步骤466以以其原始形式向用户提供对第三方推荐食物的认可。
可替换地,如果处理器105确定在步骤462中所计算的指数影响不超过阈值,则方法340进行到步骤468。在步骤468处,处理器105能够推荐第三方推荐食物的经修改版本(例如,通过调整份大小),或者在这样的经修改版本不显著地改进指数的情况下可以一起推荐不同的食物。在示例中,修改第三方推荐食物可以包括调整第三方推荐中的食物的一个或多个份量大小、从推荐中去除一个或多个食物或将一个或多个食物添加到推荐。在步骤470处,处理器105计算与经修改的食物相关联的更新的指数影响。
在判定块472处,处理器105确定经更新的指数影响是否超过阈值。在判定块472处所使用的阈值可以与在判定块464处所使用的阈值相同或不同。如上面所描述的,阈值可以是预定阈值或动态地确定的阈值。如果经修改的食物的指数影响超过阈值,则方法340进行到步骤474以提供经修改的食物的推荐以供用户食用。否则,如果不满足判定块472中的准则,则处理器105返回到步骤468以便以另一方式修改第三方推荐食物。步骤468、470以及472可以被重复任何次数直到适于推荐的第三方推荐食物的修改版本被识别为止。可替换地,阈值可以被设置使得如果步骤468、470以及472被重复阈值次数,而没有发现对于推荐的适当的修改版本,则可以将指示第三方推荐食物不适合于食用和/或没有第三方推荐食物的修改版本被发现为适合的输出提供给用户。
方法340的步骤被以所示出的次序仅用于说明性目的,并且本领域的普通技术人员将理解的是,在不背离本公开内容的情况下,可以省略任何步骤,可以修改步骤的次序,或者可以同时地执行任何步骤。
图5F是可以由系统100实现来调节具有特定锻炼需要的人的锻炼制度的方法350的流程图。一般而言,方法350根据用户的健康相关目标、与为用户推荐的或由用户所规定的锻炼的指标水平相比较地提供由用户所执行的锻炼计划分析。确定锻炼推荐可以包括确定表示用户的锻炼制度与用户的锻炼目标之间的一致性的锻炼指数。在这种情况下,锻炼指数可以被计算为用户的指标锻炼水平与用户执行的锻炼水平之间的偏差的加权和。识别适合于推荐的锻炼可以包括通过将用户的原始指标锻炼水平减去先前执行的锻炼水平来确定经修改的指标锻炼水平。可以从锻炼的数据库迭代地考虑锻炼,并且与每个锻炼相关联的数据可以与经修改的指标锻炼水平相比较以识别如果由用户执行则将使用户的锻炼制度与用户的目标更好地一致的锻炼。作为示例,数据库中的锻炼可以各自与不同类型的数据相关联,所述数据诸如锻炼的类型(例如,游泳、跑步、做诸如棒球、篮球之类的运动、步行、爬楼梯、瑜珈、普拉提操、健美操等)、锻炼的强度水平(例如,低水平、中等水平、高水平)、每单位时间燃烧的卡路里的数目(例如,其取决于用户的体重和身高而对于不同的用户来说可以是不同的),或与锻炼相关联的任何其它适合的数据。例如,这个数据可以由用户通过用户接口112来提供。与不同的类型或强度水平相关联的每个锻炼可以与对于人特定的指标锻炼水平相关联,并且可以针对不同的类型或强度水平的每个锻炼基于所执行的锻炼水平与指标锻炼水平之间的偏差来计算锻炼指数。
如所示,方法350通常包括接收指示锻炼计划的输入和识别执行的锻炼的输入的步骤。锻炼计划可以由用户从多个锻炼计划选择,或者由系统100基于用户特定信息(诸如医疗状况、锻炼目标、体重目标等)从多个锻炼计划选择。在某些实现方式中,输入在用户接口112处被接收,其中第一输入指示选自菜单的锻炼计划(步骤480)并且第二输入识别执行的锻炼(步骤482)。该方法进一步包括将一个或两个输入发送到服务器104(步骤484),并且作为响应,从服务器104接收锻炼指数(步骤486)。锻炼指数通过识别执行的锻炼的量与指标量之间的偏差来计算。处理器110还从服务器104接收针对待执行的锻炼的推荐(步骤488),并且然后将锻炼指数和推荐输出到用户接口112(步骤490)。方法350的步骤可以被以任何适合的次序执行,以及可以被同时地、以相反的次序执行,或者使一些步骤省略。例如,可以省略从服务器接收锻炼指数的步骤(步骤486)使得在步骤490处,方法350输出没有锻炼指数的推荐。类似地,可以省略接收推荐的步骤(488)以便在步骤490处,方法350输出仅锻炼指数。
在步骤480处,用户提供指示选自锻炼计划的菜单的锻炼计划的输入。锻炼计划的菜单可以包括各种常见的锻炼计划,诸如循环训练、举重、心血管训练、交叉训练、武术、健美操、瑜珈、普拉提操等。锻炼计划还可以包括一系列强度水平和推荐持续时间。此外,用户还能够将其它健康相关目标、约束或注释提供给用户接口112。例如,用户可以在自由形式应答字段中输入某些锻炼偏好、约束或损伤。
在步骤482处,处理器105从用户接收识别执行的锻炼的输入。例如,输入可以包括锻炼的描述、与锻炼相关联的活动水平以及锻炼被执行的时间的长度。在图31-32中示出了可以在用户接口112上向用户示出以用于记录执行的锻炼的示例显示集合。
在步骤484处,处理器105通过网络102将第一输入和第二输入发送到服务器104,并且在步骤486处,处理器105(通过网络102从服务器104)接收基于与用户相关联的一组执行的锻炼与用户的锻炼计划之间的一致性而计算的锻炼指数。锻炼指数优选地是以累积方式表示用户的锻炼简档偏离从在步骤480处选择的锻炼计划所得到的指标锻炼简档有多远的单个记号。在一些实现方式中,与用户的指标锻炼水平的偏差针对包含在锻炼计划内的各种锻炼中的每一个被计算并且然后被求和或者进一步处理以提供总体锻炼指数。指标锻炼水平是用户期望在规定时间段内执行并且基于所选择的锻炼计划的特定锻炼的量或量的范围。例如,指标锻炼水平可以包括一星期三个小时的中等强度重量训练、一星期两个小时的高强度心血管训练、一天半个小时的低强度心血管训练、一星期一个小时的瑜伽等。规定时间段可以包括任何适合的时间段,包括一天的一部分、一天、5天时段、7天时段等。指标锻炼水平可以与在对应的时间段期间用户所执行的锻炼的量相比较以得到锻炼指数。
在步骤488处,处理器105还(通过网络102从服务器104)接收针对待执行的锻炼的推荐。用于确定锻炼推荐的方法可以与用于像上面所描述的那样确定膳食推荐的方法相似,并且可以基于最小化用户的指标锻炼水平与用户执行的锻炼水平之间的偏差。特别地,用户可以与最喜爱的锻炼的集合相关联,并且适当的锻炼可以选自这个集合以供推荐以更好地使用户的锻炼水平与用户的目标一致。在示例中,锻炼推荐可以是并非由用户先前所执行的锻炼,但是可以基于与用户喜欢的其它类型的锻炼的相似性或靠近用户的锻炼教室或设备的可用性而被选择。特别地,推荐锻炼可以基于一个或多个约束。在示例中,为了确保用户得到各种不同类型的锻炼,推荐锻炼可以限于在上一天、上一星期、上个月或任何其它适合的时间段里用户尚未执行的锻炼类型。在步骤490中,处理器105将锻炼指数和推荐输出到用户接口112以供显示给用户。
关于确定锻炼指数以及识别针对用户的锻炼推荐对方法350进行描述。关于图3-5E所描述的营养指数一般地表示针对用户的指标营养物水平与实际食用营养物水平之间的一致性。而且,可以类似地计算其它指数,诸如睡眠坚持指数、体重指数、医疗坚持指数,或组合本文中所描述的指数中的两个或更多个的健康指数。睡眠指数可以指示针对用户的睡眠的指标水平与睡眠的实际量之间的一致性。类似地,体重指数可以指示针对用户的指标体重与实际体重之间的一致性,并且医疗坚持指数可以指示针对用户的医疗的指标次数和量与实际次数和量之间的一致性。一般而言,可以计算与用户的健康相关联的任何其它指数,所述指数表示目标与用户的实际行为之间的一致性。本文中所描述的任何数目的指数然后可以组合以得到一般健康指数。例如,指数可以每个都分配权重,并且加权指数可以被合计以得到聚合指数。一般健康指数然后可以被用来指示用户的总体健康并且能够指示有助于用户的健康的任何数目的因素,诸如用户的饮食、锻炼制度、睡眠、医疗坚持和/或体重。
在一些实现方式中,图1A-1C的系统的组件中的一个或多个在系统中被用于在杂货店购买物品。特别地,已知食物数据库106A可以包括来自杂货店的食物项的列表和食物项的对应营养含量。本文中所描述的系统和方法可以被用来从杂货店推荐一个或多个物品以供用户购买。作为示例,在进入杂货店时,用户设备108可以显示为用户特别地推荐的和可用于在杂货店购买的食物项的列表。例如,用户设备108可以装配有GPS技术使得用户设备108在用户进入杂货店时接收信号。可以根据与每个食物项相关联的计算的指数影响对列表进行排序,使得具有最积极的指数影响的项靠近用户设备108的屏幕的顶部显示。此外,用于识别推荐食物项的过程可以包括应用约束,诸如每个食物项的成本、什么食物项在杂货店处有折扣、用户可能在家拥有什么食物项、用户购物针对的人数、其它特殊请求或用于识别用于推荐给用户的食物项的任何其它适合的约束。作为示例,本文中所描述的系统可以从杂货店接收信息,使得可以将用户的推荐食物项的优惠券或折扣码提供给用户。在一些实现方式中,用户设备108装配有GPS技术使得用户设备108被配置成自动地显示食物项推荐,而无需用户输入杂货店的信息。
在一些实现方式中,用户设备108被配置成扫描产品的条形码。例如,用户可以使用条形码扫描器来指示用户已食用或计划食用与条形码相关联的食物产品。使用条形码扫描器允许食物条目的高效记录,因为它避免了用户搜索遍及食物的列表来定位食用食物的需要。条形码扫描还避免了用户输入食物被食用的时间或日期的需要,因为扫描的时间可以被用作默认时间(但是用户可以稍后更新条目的时间和/或日期)。替代地,用户可以使用移动设备来迅速地扫描条形码,并且系统120可以使用条形码数据来迅速地定位数据库中的已扫描项。特别地,可以根据条形码标识符对数据库进行排序以使定位已扫描项变得更高效。可替换地,用户可以使用条形码扫描器来指示用户正在考虑购买产品。在这种情况下,在扫描食物产品的条形码时,用户设备108可以显示在用户食用一定数量的食物产品的情况下对于用户的指数影响。用户设备108上的默认设定可以假定用户将食用食物产品的一份以确定一份的指数影响(但是如果用户期望看到食物产品的不同量的指数影响,则用户也可以更新份数)。类似地,用户设备108可以显示另一消费者(例如,诸如购物者的小孩或其它家庭成员)的指数影响,使得食用该食物产品的效果被显示给购物者以帮助购物者决定是否购买该产品。
在一些实现方式中,服务器104跟踪用户的家庭里的食物产品。在这种情况下,服务器104可以维护与用户拥有的食物产品的清单(inventory)相对应的食物数据的电子数据库。当用户或别人食用用户的食品时,以及当用户购买食品时,可以适当地更新这个数据库。在一些实现方式中,本文中所描述的推荐系统基于用户拥有的食物产品的清单来提供一个或多个食物或膳食推荐。通过提供用户已经在用户的家里拥有的食物或膳食的推荐,本文中所描述的系统和方法提供了用于用户在使用户的饮食与他的或她的饮食目标一致的同时利用他或她已经具有的配料的高效方式。
在一些实现方式中,系统120提供测试或模拟情况以给用户提供可以由满足目标产生的对用户的健康或生理的改变的预览。在一个示例中,用户接口112显示用户的图片或曲线图,其描绘当用户使用本文中所提供的评价遵循锻炼和/或营养计划时对用户的体格的改变。用户可以提供用户的身体或物理测量(有或没有诸如血压、血糖水平以及胆固醇水平之类的其它生理数据)的图片。系统120然后可以在用户的营养指数改进时基于对用户的体格或其它生理参数的预测改进来生成图像或其它指示器。使用这个模拟器,用户也许能预先(或在用户已经开始遵循计划之后)确定所选择的饮食计划或其它目标是否导致对一个或多个模拟参数的改进。因此,随着用户的指数改变,系统120可以更新用户的曲线图以反映对用户的身体的任何预测改变。
在一些实现方式中,可能期望评价膳食和/或将膳食推荐给一群人,其在确保可管理数目的单独膳食的同时改进每个个体的营养摄取量与一个或多个个体的健康目标的一致性。例如,在包括双方父母、祖父母以及数个小孩的家庭里,如果最小数目的单独膳食能够在满足个体成员的营养目标和口味的同时被共享则这是特别方便的。图5G是可以由系统100实施来调节具有群组的特定营养需要的群组饮食的方法360的流程图。一般而言,方法360提供对该群组中的个体所食用的饮食的分析并且将食用饮食与为群组成员推荐的营养物的指标水平相比较。方法360可以被用来生成对群组饮食关于针对该群组规定的营养目标的聚合评价。此外,方法360还可以被用来生成针对待由群组中的成员食用的一种或多种食物的一个或多个推荐。
在示例中,群组包括家族的成员,并且用户是提供群组的一个或多个其它成员的家族的领袖。作为另一示例,用户可以是在学校里或在办公建筑物里的自助餐厅的膳食计划者。在基于群组的膳食推荐中,本文中所描述的优化过程被执行来最小化群体的饮食与群体的饮食目标之间的聚合偏差。此外,在示例中,当成员是一家庭时,针对该家庭里的一个或多个成人的膳食推荐的优化过程可以与针对小孩的优化过程分别地执行,使得包括一个或多个食物的集合的一个膳食可以被推荐以被一个或多个成人食用,然而包括一个或多个食物的不同集合的不同膳食可以被推荐以被小孩食用。此外,基于群组的膳食推荐过程可以考虑特殊饮食限制,诸如由群体的成员所规定的某些过敏或优选(或非优选)食物。基于群组的膳食推荐的结果可以包括针对所有成员食用而推荐的一个或多个食物项,和/或针对特定成员食用推荐的食物项的一个或多个定制变化。
在步骤502处,处理器105计算表示群组的食用水平与群组的指标营养物水平之间的偏差的指数。在这种情况下,指数是表示群组的饮食与群组的营养目标之间的聚合偏差的群组指数。特别地,指数的计算可以基于包括由群组的成员先前所食用的一组食物和针对群组成员选择的一个或多个饮食计划或营养目标的先前接收到的输入。在这种情况下,群组的每个成员可以与特定于该成员的食用简档(基于先前食用的一组食物)和指标营养简档相关联。在一个成员的食用简档和/或指标营养简档中所使用的营养物的集合可以与相同群组的另一成员的营养物的集合相同或不同。在示例中,群组中的一个或多个个体可以被分配优先级权重。优先级权重可以表示个体的营养目标与其它群组成员的那些相比的相对重要性。例如,当群组是一家庭时,小孩的营养目标或需要可以具有优于父亲的营养目标的优先级。在这种情况下,小孩可以分配大于父亲的优先级权重的数值优先级权重,使得优化过程导致对于小孩比对于父亲可能为更优的食物或膳食推荐。在示例中,可以基于群组中的每个个体的优先级权重而确定用来对指标水平与食用水平之间的偏差进行加权的权重wn。特别地,所应用的权重可以通过与优先级权重相关联的数来换算(scale)。例如,如果小孩分配了优先级权重3,并且父亲分配了优先级权重1,则应用于小孩的指标营养物水平与食用营养物水平之间的偏差的权重可以平均是应用于父亲的权重的三倍。因为小孩的营养需要分配有比父亲的更多权重,所以由在下面所描述的优化过程产生的推荐与满足父亲的营养需要相比更可能满足小孩的营养需要。
此外,某些营养物可以针对群组中的不同个体分配不同的优先级权重。例如,对于母亲来说可能重要的是食用一定数量的营养物(诸如维生素K)。特别地,用户可以规定母亲对维生素K的要求是小孩对维生素K的需要的重要性的四倍。在这种情况下,应用于母亲的维生素K的指标水平与维生素K的食用水平之间的偏差的权重可以被缩放到应用于小孩的偏差的权重的四倍。通过允许个体具有全局优先级权重以及营养物特定优先级权重,系统120允许用户定制优化过程以最好地满足群组的成员的需要和目标。
在步骤504处,处理器105接收指示针对基于群组的食物推荐的约束的输入。作为示例,可能期望识别将满足群组的成员的营养需要和目标的最小数目的菜肴或食物产品。在这种情况下,用户(例如,家族的领袖或自助餐厅或餐馆的膳食计划者)可以提供诸如对于食物制备可用的时间的量或应该被包括在推荐中的菜肴的指标数目或最大数目之类的约束。虽然对于群组的每个成员来说具有最优地满足个体的特定需要的膳食可能是理想的,但是还可能期望使群组的成员食用相同食物中的一个或多个以降低膳食制备复杂性和时间。在这种情况下,虽然推荐食物可能不是群组的每个成员的最佳食物,但是在考虑膳食制备的方便性和可行性的同时仍然可以满足群组的一般营养需要。在示例中,当群组包括小家庭时,可能期望推荐包括一种肉类、一种碳水化合物以及一种蔬菜的单一菜肴。因此,用户(或家族的领袖)可以在步骤504处提供指示期望的约束是查看包括一种肉类、一种碳水化合物以及一种蔬菜的推荐的输入。
群组中的每个个体可以与食用简档和指标简档相关联,所述食用简档和指标简档可以与彼此相比较以形成偏差简档。在一些实现方式中,处理器105检测同一群组中的成员的两个或更多个偏差简档之间的不相容性。作为示例,群组的一个成员可以具有食用花生的强烈偏好,然而另一成员可能对花生过敏。在这种情况下,最小数目的不同食物、膳食或配料可以被用作约束,使得两个成员之间的不相容性能够通过允许不同的食物被推荐给不同的成员来解决。
在步骤505处,处理器105识别满足约束的食物的第一最优组合。特别地,本文中所描述的优化过程可以通过迭代食物的各种组合、计算在每个组合情况下对群组指数的预测影响以及选择最优组合来执行。在一些实现方式中,包括针对群组的一个或多个成员的禁止食物或配料的任何组合(诸如任何过敏性或其它饮食限制)可以被从考虑中自动地消除。
在示例中,对于食物的候选组合,处理器105计算特定于群组的每个成员的指数影响。在这种情况下,对于群组的每个成员,可以基于该成员的食用简档和该成员的指标营养简档之间的比较来生成偏差简档。偏差简档可以被用来确定与群组的每个成员相关联的单独指数影响。聚合偏差(或聚合指数影响)可以通过对成员的单独指数影响进行加权(例如,按成员的优先级权重)并且组合加权影响来形成。聚合偏差因此可以依照成员的优先级权重来反映偏差简档的相对重要性。每个候选组合的聚合偏差可以与其它候选组合的其它聚合偏差相比较,并且可以选择具有超过阈值的聚合偏差的组合。在示例中,可以规定阈值使得具有最小聚合偏差的候选组合被选择。
在另一示例中,可以针对群组的每个成员识别最优组合。在这种情况下,最优组合可以对应于对于个体导致最大指数影响的组合。当每个成员的单独最优组合被识别(对于群组中的M个成员得出N个单独最优组合,其中如果群组的至少两个成员具有相同的单独的最优组合则N可以小于M)时,可以针对每个成员的每个单独的最优组合计算单独指数影响(导致N×M个单独的指数影响)。对于每个单独的最优组合,对应的单独的指数影响可以被加权(例如,按成员的优先级权重)并且组合以确定聚合指数影响。
作为示例,最优组合可以是具有最大预测影响的组合,或者最优组合可以是具有超过预定阈值的预测影响的第一组合。在示例中,预定阈值可以由用户提供。例如,预定阈值可以被设置为零使得具有正的指数影响的任何组合可以适于推荐。在另一示例中,阈值可以包括与群组的每个成员相关联的许多单独的阈值。在这种情况下,使用单独的阈值可以是合期望的以确保没有成员的单独营养指数将在食用膳食之后减少多于固定量。此外,可以彼此独立地设置单独的阈值。例如,可能期望规定小孩的单独营养指数根本不应该减少,然而对于父亲的营养指数来说减少至多一个点是可接受的。在步骤506处,确定与食物的第一最优组合相关联的对群组指数的预测影响。
对于待由群组食用的一种或多种食物的组合的推荐可以包括膳食推荐。在这种情况下,推荐可以包括针对群组的不同成员的不同的份量大小。例如,不同的份量大小可以包括膳食的各种分量的不同的相对份大小,诸如为一个成员推荐六盎司的牛排和三盎司的马铃薯并且为另一成员推荐四盎司的牛排和四盎司的马铃薯。在另一示例中,不同的份量大小可以包括针对群组的各种成员的成比例的份大小,诸如为一个成员推荐六盎司的牛排和三盎司的马铃薯并且为另一成员推荐四盎司的牛排和两盎司的马铃薯。本文中所描述的示例可以被单独地使用或者以任何适合的方式组合来识别用于群组食用的一种或多种食物的适合推荐。这些方法还可以被应用来识别用于群组执行的一个或多个锻炼的适合推荐。
在判定块507处,处理器105确定影响是否超过阈值。例如,影响可以与指示阈值的预定数相比较,使得如果影响大于阈值,则方法360进行到步骤508以将食物的第一组合提供给用户以供推荐。在一些实现方式中,用户可以提供指示仅将考虑满足在步骤504处规定的约束的推荐的用户输入。在这种情况下,方法360可以在识别食物的第一组合之后自动地进行到步骤508,并且在第一最优组合被提供以供推荐之后结束。
在其它实现方式中,用户可以提供指示放松在步骤504处所规定的约束将是可接受的用户输入,如果这样做将提高群组的聚合指数或单独营养指数。在这种情况下,如果处理器105在判定块507处确定影响不超过阈值,则方法360进行到步骤510以放松约束。在示例中,当约束是查看包括一种肉类、一种碳水化合物以及一种蔬菜的推荐时,放松约束可以包括任何数目的附加的食物产品(例如,以包括两种蔬菜)。通过放松约束,可能的食物组合的集合被大大地扩展使得很可能的是,处理器105将识别产生比与第一最优组合相关联的影响的更好的影响的另一食物组合。一般而言,可以以任何数目的方式执行放松约束,诸如通过包括另一食物产品、菜肴或配料或者通过包括与更高复杂性、更高成本、更多制备时间、配料的成本、配料的可用性或其任何适合的组合关联的食物。
在步骤512处,处理器105识别满足经放松的约束的食物的另一最优组合。特别地,优化过程在经放松的约束情况下被重复以识别另一个最优组合。如关于步骤505所描述的,优化过程可以通过迭代食物的各种组合、计算在每个组合情况下对群组指数的预测影响以及选择最优组合来执行。与在步骤505处相同的参数(诸如阈值、食物的集合、单独营养指数是否被考虑等)可以在步骤512处被用于优化过程,或者参数可以是不同的。在步骤514处,确定与食物的另一个最优组合相关联的对群组指数的更新的影响。
在判定块516处,处理器105确定经更新的影响是否超过阈值。例如,经更新的影响可以与预定数目相比较,使得如果影响大于阈值,则方法360进行到步骤518以将食物的另一个组合提供给用户以供推荐。在判定块516处所使用的阈值可以与在判定块507处所使用的阈值相同或不同。
在一些实现方式中,用户可以提供指示可接受的约束和放松的约束的规定水平的用户输入。例如,用户可以提供指示包括一种肉类、一种碳水化合物以及一种蔬菜的一个菜肴是优选的输入,但是如果这样的菜肴不满足某些营养要求,则用户将如此还考虑包括一种肉类、一种碳水化合物以及两种蔬菜的菜肴。例如,如果这样的菜肴再次不满足某些营养要求,则用户可能愿意考虑包括一种肉类、两种碳水化合物以及两种蔬菜的菜肴。一般而言,用户可以规定约束的任何数目的水平,使得如果优化过程未能识别满足约束的一个水平的食物的适合组合,则系统120可以放松约束规定次数以识别适于推荐的食物的组合。因此,如果在判定块516处,处理器105确定经更新的指数影响不超过阈值,则方法360返回到步骤510以进一步放松约束并且以在进一步放松的约束的情况下重复优化过程。
通过最初识别满足约束的膳食推荐,并然后稍后放松约束以包括其它类型的膳食推荐,本文中所描述的系统和方法允许膳食推荐的多个水平实现,其中每个水平可能在制备时间和/或复杂性上提高。一般而言,本领域的普通技术人员将理解的是,本文中所描述的系统和方法可以被应用于任何数目的水平,并且优化过程可以被重复任何次数以适合群组的需要。
图6是根据说明性实现方式的由处理器105用来将对象显示在用户接口112的显示器上的方法600的流程图。该方法包括以下步骤:显示登录屏幕,在那里用户登录(步骤520);调用指数函数(步骤522);以及显示指数(步骤524)。该方法进一步包括显示包括“log(日志)”、“live(生活)”以及“learn(学习)”导航选项的起始屏幕(步骤526,在下面详细地讨论)、用于log选项的起始屏幕(判定块528和步骤536)、用于live选项的起始屏幕(判定块530和步骤538)以及用于learn选项的起始屏幕(判定块532和步骤540)。用户能够选择注销(步骤534)。在图14中示出了起始屏幕的示例。
图7是根据说明性实现方式的由处理器105用来将“log”选项显示在用户接口112的显示器上的方法700的流程图。方法700以显示包括用于诸如早餐、午餐、晚餐以及加餐之类的不同膳食类型的字段的log选项的起始屏幕开始(步骤536和620)。在图23中示出了针对log选项的起始屏幕的示例。
返回参考图7,处理器105接收日志调用,指示用户希望将食用食物输入到用户接口(步骤622)。处理器105然后识别与用户指示食物被食用的日期相对应的记录日期(步骤624),并且识别在这个实现方式中当在图23中选择哪个字段输入食物时由用户所规定的膳食类型(步骤626)。当用户开始在该字段中输入食用食物时,自动填充条目出现在显示器上,并且用户可以从自动填充条目中的一个进行选择。可替换地,用户可以针对食用食物来搜索数据库并且选择数据库中的食物。在图24中示出了具有对“chicken sandwich(鸡肉三明治)”的查询的搜索屏幕的示例。处理器105识别食物(步骤628)并且检查该食物是否在用户清单中(步骤630)。用户清单是用户已先前记录的食物的列表并且可以被存储在图1B中的食用食物数据库106B上。在图17中示出了用户清单的示例。如果食物不在用户清单中,则处理器105将该食物添加到用户清单(步骤632)。否则,处理器105将食物、膳食类型以及记录日期存储为用户日志条目(步骤634)并且存储识别出的食物的食用食物向量(步骤636)。食用食物向量对应于经识别的食物对用户的食用简档做出的各种营养物的贡献,并且食用食物向量的元素对应于如早先所描述的食用营养物水平。在图25中示出了针对热鸡肉三明治的示例食用食物向量。然后方法返回到起始屏幕以显示log、live以及learn选项(步骤542)。
图8是根据说明性实现方式的由处理器105用来将“live”对象显示在用户接口112的显示器上的方法800的流程图。方法800以调用具有参数(例如,“新的食物”)的推荐函数开始(步骤720),其向处理器105指示食物推荐被请求。处理器105从处理器105接收新的食物推荐并且显示新的食物推荐(步骤722)。如果用户选择推荐(步骤732),则显示针对所选择的推荐的指数影响(步骤734)。处理器然后显示膳食推荐选项和食物类别推荐选项(步骤724),并且确定可选的膳食类型或食物类别是否被选择(步骤726)。如果是这样的话,则处理器105调用具有与所选择的膳食类型或食物类别相对应的参数的推荐函数(步骤728),并且在返回到起始屏幕之前(步骤542)显示针对所选择的选项的推荐(步骤730)。
图9是根据说明性实现方式的由处理器105用来计算指数函数的方法900的流程图。该方法以接收对指数函数的调用(步骤820)、识别用户(步骤822)以及确定指数是否自上一个条目以来已被计算(判定块824)开始。如果是这样的话,这意味着自指数上一次被计算以来用户尚未创建与食用食物相对应的任何条目,从而排除更新指数的需要。在这种情况下,指数从存储器中被检索(步骤858)并且在退出之前被返回(步骤860)。如果指数自上一个条目以来尚未被计算,则方法继续将时间窗参数(与自指数上一次被计算以来到目前时间的时间段相对应)初始化为1(步骤826),初始化窗口食用向量(步骤828),并且将表示自指数上一次被计算以来用户日志条目的数目E的指数初始化为1(步骤830)。
处理器105然后识别在时间窗内的用户日志条目(与食用食物相对应)(步骤832)、检索与识别出的用户日志条目相对应的食用食物向量(步骤834),并且将食用食物向量添加到窗口食用向量(步骤836)。如果在时间窗内存在剩余的用户日志条目(步骤838),则通过将E递增1来重复步骤832、834以及836(步骤840)。当在时间窗内不存在剩余的用户日志条目时,处理器105确定是否存在任何其它时间窗(判定块842)。如果是这样的话,则方法递增时间窗(步骤844)并且返回到步骤830以将与剩余的时间窗中的所有用户日志条目相对应的食用食物向量添加到窗口食用向量。
当没有剩余的时间窗要考虑时,处理器105继续将所有窗口食用向量连结(concatenate)成单个总食用向量(步骤846),存储所得到的总食用向量(步骤848),并且检索用户权重矩阵(步骤850)和用户指标向量(步骤852)。处理器105然后计算权重矩阵和用户指标向量与总食用向量之间的差之间的矩阵积(步骤854)。指数是所得到的积中的所有元素的和(步骤856),并且指数被返回(步骤860)。
图10是根据说明性实现方式的由处理器105用来确定适于推荐的食物的方法1000的流程图。方法1000以接收对推荐函数的调用(步骤920)以及识别用户(步骤922)和参数(步骤924)开始。例如,参数可以是用户希望查看推荐所针对的特定膳食类型或特定食物类别。
处理器105确定针对参数的推荐是否自上一个用户日志条目以来已先前被计算了(步骤926),并且如果是这样的话,则针对参数的推荐从存储器中被检索(步骤960)并且在退出之前被返回(步骤962)。如果不是,则处理器105检索用户权重矩阵(步骤928)、用户的指标向量(步骤930)以及用户的总食用向量(932)。
为推荐考虑的食物集合基于推荐函数的参数被选择(步骤936和938)。例如,如果参数指的是特定膳食类型或食物类别,则所考虑的食物集合可以包括仅与该膳食类型和该食物类别相关联的食物。类似地,如果参数指示用户希望查看对于新的食物或已经不包括在用户的记录条目中的食物的推荐(步骤940),则用户食物清单中的食物被从考虑中的食物集合中去除(步骤942)。参数可以指示其它考虑。例如,可以期望仅考虑用户可得到的食物。特别地,可能不期望为具有防止用户获得食物的有限经济手段的用户推荐昂贵的食物。参数还能够将食物集合限于在靠近用户的位置处生长或收获的那些,或在靠近用户的超市销售的食物。在这种情况下,某些食物优于其它食物被偏爱,并且待考虑的食物项的订购可以被排序以在优化中比非偏爱的食物更早地考虑偏爱的食物。在待考虑的食物集合被确定之后,基于总食用向量(与食用简档相对应)、指标向量(与用户的识别的饮食计划或健康相关目标相对应)以及权重向量针对集合中的每个食物项计算指数影响(步骤948)。存储指数影响(步骤950)。
当对食物的集合中的每个食物项的指数影响已被计算时,具有最积极的指数影响的预定数目的食物项被识别(步骤954)并且存储在存储器中(步骤956)。识别出的食物项被设置为推荐(步骤958)并且被返回(步骤962)。可替换地,该方法可以返回具有超过阈值的指数影响的预定数目的食物项的第一集合。
图11是根据说明性实现方式的由处理器105用来将“learn”对象显示在用户接口112的显示器上的方法1100的流程图。“learn”选项提供用户的指标简档的详细视图,包括对于指标简档中的每个营养物相对于指标水平是否存在不足或过量。该方法以调用统计函数开始(步骤1020)。然后处理器105显示基于统计数据的条形图(步骤1022)并且返回到起始屏幕以显示log、live以及learn选项(步骤542)。
图12是根据说明性实现方式的由处理器105用来确定针对用户的统计数据的方法1200的流程图。方法1200以接收对统计函数的调用(步骤1120)以及识别用户(步骤1122)开始。处理器105然后检索与用户的指标营养物简档相对应的指标向量(步骤1124)和与用户的食用营养物简档相对应的用户的食用向量(步骤1126)。对于简档中的每个营养物,处理器105取决于食用向量中的元素是否超过指标向量中的对应元素来计算并且存储过量或短缺(步骤1128和1130)。例如,如果食用元素超过指标元素,则处理器105将营养物标记为“过量”,并且可以通过按指标元素归一化元素之间的差来进一步计算百分比差。类似地,如果指标元素超过食用元素,则对应的营养物被标记为“不足”,并且对应的百分比差可以被计算。在一些实现方式中,可以执行进一步处理。例如,可能存在百分比差(或适合于表示两个值之间的差的差或任何其它度量)的可接受的范围。特别地,可能不期望将具有小百分比差的营养物标记为“过量”或“不足”。在这种情况下,可以对百分比差执行一些取阈值或其它处理以从在可接受范围内的营养物去除“过量”或“不足”标签。此外,不同的营养物可以具有不同的可接受范围。这些标签以及可选地百分比差作为统计数据被返回(步骤1132)。
在一些实现方式中,包括针对指标简档中的每个营养物的条的“条形图”被显示在用户接口112上。每个营养物的条的长度可以在营养物过量的情况下在第一方向上(例如,向右边)延伸并且在营养物不足的情况下在另一方向上(例如,向左边)延伸。在一些情况下,不同的色彩可以被用来指示不足或过量,例如,其中具有不足的营养物的条用一个色彩加以显示而具有过量的营养物的那些用另一色彩加以显示。还可以使用这些方法的组合。
图12A是根据说明性实现方式的由处理器105用来显示用户的营养物详情的方法1210的流程图。方法1210以用户选择营养物(步骤1220)并且确定针对营养物的当前用户食用水平是否低于该营养物的指标范围(步骤1222)开始。如果是这样的话,则处理器105确定用于用户的食用食物数据库中的哪些食物具有高水平的营养物(步骤1224)并且显示这些食物(1226)。处理器105还确定具有高水平的营养物的尚未被用户食用和记录的食物(步骤1228)并且显示这些食物(步骤1230)。可替换地,如果针对营养物的当前用户食用水平高于该营养物的指标范围(步骤1232),则处理器105确定在食用数据库中具有高水平的营养物的食物(步骤1234)并且显示所确定的食物(步骤1236)。在图36B-D中示出了用户接口的示例显示。
特别地,对于不足的营养物来说,当处理器105确定数据库中的哪些食物具有高水平的所选择的营养物时(诸如在步骤1224和1228中),处理器105可以附加地计算指数影响,其与在用户将食用食物的情况下指数上的改变相对应。处理器105仅显示具有积极的指数影响的食物(诸如在步骤1226、1230中),意味着仅显示将使用户的指数提高的食物。此外,食物可以被以所选择的营养物的它们的水平的次序或者以它们的指数影响的次序列出。以这种方式,被显示给用户的食物是将帮助用户达到用户的目标的那些。
此外,对于过量的营养物来说,可能期望向用户建议要避免的食物,使得可以不鼓励用户食用对过量水平的营养物作出贡献的先前食用的食物。如在针对不足营养物的情况下一样,处理器105可以针对食用数据库中的每个食物计算指数影响,但是这时,选择具有最消极的指数影响的那些食物来显示。处理器105可以(在步骤1236中)以所选择的食物的它们的水平的次序或以它们对用户的指数影响的次序显示食物。以这种方式显示数据允许用户查看可能消极地影响用户的指数的用户当前食用什么食物。
图13是用于执行本文中所描述的过程中的任一个的计算设备的框图,所述计算设备诸如图1A-1C的系统的组件中的任一个。这些系统的组件中的每一个都可以被实现在一个或多个计算设备1300上。在某些方面,这些系统的多个组件可以被包括在一个计算设备1300内。在某些实现方式中,可以跨数个计算设备1300实现组件和储存设备。
计算设备1300包括至少一个通信接口单元、输入/输出控制器1310、系统存储器以及一个或多个数据储存设备。系统存储器包括至少一个随机存取存储器(RAM 1032)和至少一个只读存储器(ROM 1304)。所有这些元件都与中央处理单元(CPU 1306)通信以促进计算设备1300的操作。可以以许多不同的方式配置计算设备1300。例如,计算设备1300可以是常规的独立计算机或者可替换地,可以跨多个计算机系统和架构分布计算设备1300的功能。在图13中,计算设备1300经由网络或本地网络被链接到其它服务器或系统。
计算设备1300可以被配置在分布式架构中,其中数据库和处理器被容纳在单独的单元或位置中。一些单元执行主要处理功能并且至少包含通用控制器或处理器和系统存储器。在分布式架构实现方式中,这些单元中的每一个都可以经由通信接口单元1308附连到通信集线器或端口(未示出),所述通信集线器或端口用作与其它服务器、客户端或用户计算机和其它相关设备的主要通信链路。通信集线器或端口本身可以具有主要用作通信路由器的最小处理能力。各种通信协议可以是系统的一部分,包括但不限于:以太网、SAP、SASTM、ATP、BLUETOOTHTM、GSM以及TCP/IP。
CPU 1306包括处理器,诸如一个或多个常规微处理器和一个或多个补充协处理器,诸如用于从CPU 1306卸载工作负载的数学协处理器。CPU 1306与通信接口单元1308和输入/输出控制器1310通信,通过所述通信接口单元1308和输入/输出控制器1310,CPU1306与诸如其它服务器、用户终端或设备之类的其它设备进行通信。通信接口单元1308和输入/输出控制器1310可以包括用于与例如其它处理器、服务器或客户端终端同时通信的多个通信通道。
CPU 1306也与数据储存设备通信。数据储存设备可以包括磁存储器、光学存储器或半导体存储器的适当组合,并且可以包括例如RAM 1302、ROM 1304、闪速驱动器、光盘,诸如压缩盘或硬盘或驱动器。CPU 1306和数据储存设备均可以例如整个地位于单个计算机或其它计算设备内;或者通过通信介质连接到彼此,所述通信介质诸如USB端口、串行端口电缆、同轴电缆、以太网电缆、电话线、射频收发机或其它相似的无线或有线介质或上述的组合。例如,CPU 1306可以经由通信接口单元1308连接到数据储存设备。CPU 1306可以被配置成执行一个或多个特定处理功能。
数据储存设备可以存储例如(i)用于计算设备1300的操作系统1312;(ii)适配成依照在这里所描述的系统和方法并且特别依照关于CPU 1306详细地描述的过程来引导CPU1306的一个或多个应用1314(例如,计算机程序代码或计算机程序产品);或(iii)适配成存储可以被利用来存储由程序所需要的信息的一个或多个数据库1316。
操作系统1312和应用1314可以被例如以压缩的格式、未编译的格式以及加密的格式存储,并且可以包括计算机程序代码。程序的指令可以被从除数据储存设备以外的计算机可读介质(诸如从ROM 1304或从RAM 1302)读取到处理器的主存储器中。虽然程序中指令序列的执行使CPU 1306执行本文中所描述的过程步骤,但是可以代替用于实现本发明的过程的软件指令或与其相结合地使用硬连线电路。因此,所描述的系统和方法不限于硬件和软件的任何特定组合。
适合的计算机程序代码可以被提供用于像本文中所描述的那样执行关于使饮食行为一致的一个或多个功能。程序还可以包括程序元件,诸如操作系统1312、数据库管理系统以及允许处理器经由输入/输出控制器1310与计算机外围设备(例如,视频显示器、键盘、计算机鼠标等)对接的“设备驱动程序”。
如本文中所使用的术语“计算机可读介质”指的是提供或者参与将指令提供给计算设备1300的处理器(或本文中所描述的设备的任何其它处理器)以供执行的任何非暂时性介质。这样的介质可以采取许多形式,包括但不限于非易失性介质和易失性介质。非易失性介质例如包括光盘、磁盘或光磁盘,或集成电路存储器,诸如闪速存储器。易失性介质包括动态随机存取存储器(DRAM),其典型地构成主存储器。计算机可读介质的常见形式例如包括软盘、柔性盘、硬盘、磁带、任何其它磁介质、CD-ROM、DVD、任何其它光学介质、穿孔卡片、纸带、具有孔的图案的任何其它物理介质、RAM、PROM、EPROM或EEPROM(电可擦可编程只读存储器)、FLASH-EEPROM、任何其它存储器芯片或盒式磁盘,或计算机能够从其读取的任何其它非暂时性介质。
可以在将一个或多个指令的一个或多个序列承载到CPU 1306(或本文中所描述的设备的任何其它处理器)以供执行时牵涉各种形式的计算机可读介质。例如,指令最初可以被承载在远程计算机(未示出)的磁盘上。远程计算机能够将指令加载到其动态存储器中并且使用调制解调器通过以太网连接、电缆线或电话线发送指令。计算设备1300本地的通信设备(例如,服务器)能够在相应的通信线上接收数据并且将数据放置在处理器的系统总线上。系统总线将数据承载到主存储器,处理器从所述主存储器检索并且执行指令。由主存储器所接收到的指令可以可选地要么在通过处理器执行之前要么在通过处理器执行之后被存储在存储器中。此外,指令可以经由通信端口作为电、电磁或光学信号被接收,所述电、电磁或光学信号是承载各种类型的信息的无线通信或数据流的示例性形式。
图14-37是根据说明性实现方式的在计算机屏幕上用户接口112的各种示例显示。
图14是用户在提供用户的用户名和密码时查看到的起始屏幕。在屏幕的右上处的是用户的指数(在这个实现方式中从0到100的分数),并且log、live以及learn选项被显示。
图15是用户使用来从饮食计划或目标的列表选择的个人信息屏幕。此外,用户可以在自由形式应答字段中添加附加的目标或注释,并且可以向屏幕的底部提供任何人口统计特征。用户选择或者添加到这个屏幕的信息可以被存储在图1B中的饮食计划数据库106C中或在任何其它数据库中。
图16是基于在图15中在屏幕上提供的用户输入来显示用户的指标简档的屏幕。用户的指标简档的计算关于图4被更详细地描述。
图17是显示特定于用户的食用的和记录的食物的列表的屏幕。与用户特定食物相对应的数据可以被存储在图1B中的食用食物数据库106B中或在任何其它数据库中。
图18-20是显示用户如何可以创建多个食物的组合的屏幕。例如,如果用户常常一起吃鸡肉和花椰菜,则用户可以创建包括鸡肉和花椰菜的组合。通过将该组合添加到用户特定食用食物数据库,用户能够在未来记录食物时选择该组合,而不是必须单独地添加每个食物项。
图21-22是显示用户如何可以发送朋友请求的屏幕。用户可以知道另一用户并且可能希望跟踪另一个用户的进展。例如,可以在一群用户之中形成竞赛,使得该群组中的每个用户可以查看该群组中的另一用户的指数。在某个时间段的末期具有最高指数的用户或在某个时间段期间具有指数的最大改进的用户可以接收到某个奖励。此外,用户可能希望查看或者记录先前由另一个用户所记录的食物。
图23-26是显示用户如何可以创建日志条目以指示热鸡肉三明治被食用用于午餐的屏幕。关于图3、4以及5A-5C描述了数据如何由这个日志条目产生的细节。
图27-29是显示用户如何可以创建已经记录的食物的组合的屏幕。该组合被添加到用户的食用食物数据库。
图30是显示用户如何可以将新的食物添加到数据库的屏幕。例如,用户可能希望记录不在数据库中的特定食物。在这种情况下,用户可以提供食物名称和营养信息,并且该食物被添加到数据库。
图31-33是显示用户如何可以记录锻炼的屏幕。例如,用户可以输入60分钟的自由游,并且处理器计算与用户的锻炼相对应的卡路里数。用户还可以直接地提供与锻炼相对应的卡路里数。卡路里的净数目(由用户所食用的卡路里减去通过锻炼燃烧的卡路里)可以是上面所描述的营养物向量中的元素。
图34是显示与不在用户的食用食物数据库中的食物相对应的对于用户的新的食物建议的屏幕。推荐屏幕还显示与新的食物建议相对应的营养信息。关于图5C描述了推荐如何被确定的细节。
图35是显示与用户的食用食物数据库中的膳食相对应的对于用户的膳食建议的屏幕。所显示的晚餐建议对应于导致了最高指数影响分数(在显示器的右边示出)的膳食。关于图5B描述了膳食推荐如何被确定的细节。
图36A是显示与用户食用水平低于或高于与指标简档相对应的水平所针对的一组营养物相对应的条形图的屏幕。关于图11和12描述了这些统计数据如何被生成的细节。图36B是显示与在图36A中相同的信息的屏幕,但是进一步示出了当用户将控制设备(诸如鼠标)悬停在与营养物(镁)相对应的图表上的条上时,详情被显示。这些详情包括用户的指标水平和实际水平。用户可以选择一个条,从而导致向用户示出用户已食用了对营养物水平作出贡献的哪些食物的显示。图36C示出了这个显示的示例并且示出了由用户所食用的包括营养物(镁)、按包含在食用食物中的营养物的量所排序的食物的列表。如果用户然后选择在图36C的屏幕上的右上方的“try this(尝试这个)”按钮,则图36D的屏幕被显示。图36D示出了具有高数量的所选择的营养物的新的食物推荐的示例屏幕。重要地,新的食物推荐仅包括对于用户的指数而言将是有利的那些。
图37是显示针对其的用户食用水平在接近于指标简档的范围内的营养物的列表的屏幕。关于图12描述了这些统计数据如何被生成的细节。
图38-46是根据说明性实现方式的在移动设备上用户接口112的各种示例显示。
图38是用户在移动设备上打开应用时查看到的起始屏幕。在屏幕的右上方的是用户的指数(来自100的分数),并且log、live以及learn选项被显示。
图39-42是显示针对用户的建议的新食物的屏幕。用户可以选择特定食物类别以查看推荐,或者用户可以选择“surprise me(令我惊喜)”选项,其返回不同类别中的许多推荐。
图43-46是显示需要简档和关于用户的指标列表的屏幕。需要简档可以作为条形图或作为表被查看。用户还可以选择考虑在其期间所记录的食用食物的时间段。
应当理解的是,虽然已经描述了各种说明性实现方式,但是前面的描述仅仅是说明性的并且不限制本发明的范围。虽然已经在本公开内容中提供了数个示例,但是应该理解的是,在不背离本公开内容的范围的情况下,可以以许多其它特定形式体现制造的所公开的系统、组件以及方法。
能够以具有本文中所描述的一个或多个其它特征的组合或子组合来实现所公开的示例。各种装置、系统以及方法可以基于本公开内容来实现,并且仍然落在本发明的范围内。并且,可以在其它系统中组合或者集成上面所描述或者图示的各种特征,或者可以省略或者不实现特定特征。
虽然已经在本文中示出并且描述了本公开内容的各种实施例,但是对于本领域的技术人员而言将显然的是,这样的实施例通过仅示例的方式提供。在不背离本公开内容的情况下,许多变化、改变以及替代现将被本领域的技术人员想到。应该理解的是,可以在实践本公开内容时采用本文中所描述的本公开内容的实施例的各种替代方案。
本文中所引用的所有引用通过引用其全部而并入并且成为本申请的一部分。
Claims (60)
1.包括计算机可执行指令的机器可读介质,所述计算机可执行指令如果被一个或多个处理器执行,使一个或多个处理器执行以下步骤:
针对具有关联的营养指数的人,接收代表多个预定义膳食选项的数据,所述预定义膳食选项被表征成多个膳食选项类型,其中(1)每一个预定义膳食选项包括指标营养物和针对包含在预定义膳食选项中的每一种指标营养物的对应量的已知组合,以及(2)营养指数表示在预定义时段期间先前被人食用的指标营养物的食用量与指标营养物的指标量之间的聚合一致性的程度;
接收被选择要被人食用的期望膳食配置,其中所述期望膳食配置至少部分地基于多个膳食选项类型;
生成针对人的预测指数影响,其中预测指数影响对应于作为人食用对应于期望膳食配置的提议膳食的结果的营养指数中的改变,其中预测指数影响是基于营养指数、期望膳食配置和在提议膳食中包括的每一个预定义膳食选项中包含的每一种指标营养物的对应量而生成的;以及
提供预测指数影响。
2.根据权利要求1所述的机器可读介质,其中计算机可执行指令进一步使一个或多个处理器执行以下步骤:与预测指数影响同时提供代表提议膳食的数据和营养指数。
3.根据权利要求1所述的机器可读介质,进一步包括计算机可执行指令,所述计算机可执行指令如果被一个或多个处理器执行,使一个或多个处理器执行以下步骤:
通过针对期望膳食配置中的每一个膳食选项类型而选择一个或多个预定义菜单选项而生成提议膳食;以及
提供代表提议膳食的数据。
4.根据权利要求3所述的机器可读介质,其中生成提议膳食包括:
基于期望膳食配置而生成多个候选膳食,其中每一个候选膳食包括针对期望膳食配置中的每一个膳食选项类型的一个或多个预定义菜单选项;以及
针对每一个候选膳食计算对应候选预测指数影响,其中所述候选预测指数影响代表如果人食用候选膳食的营养指数中的改变。
5.根据权利要求4所述的机器可读介质,其中生成提议膳食进一步包括选择对应于最多改善营养指数所指示的聚合一致性的预测候选影响的候选膳食作为提议膳食。
6.根据权利要求4或5中任一项所述的机器可读介质,其中提供提议膳食包括:
从多个候选膳食中提供候选膳食集合,每一个候选膳食具有大于或等于阈值的对应候选预测指数影响。
7.根据权利要求6所述的机器可读介质,其中所述计算机可执行指令如果被一个或多个处理器执行,进一步使一个或多个处理器执行以下步骤:向所述候选膳食集合中的每一个候选膳食的对应候选指数影响提供所述候选膳食集合。
8.根据权利要求1-7中任一项所述的机器可读介质,其中所述计算机可执行指令如果被一个或多个处理器执行,进一步使一个或多个处理器执行以下步骤:基于加权函数而生成营养指数,所述加权函数将针对每一种指标营养物的数值权重应用于针对每一种相应指标营养物的指标量和食用量之间的相应偏差。
9.根据权利要求3-8中任一项所述的机器可读介质,其中生成提议膳食包括修改提议膳食中包括的预定义菜单选项中的至少一个的分量大小。
10.根据权利要求9所述的机器可读介质,其中计算机可执行指令进一步使一个或多个处理器执行以下步骤:与提议膳食同时提供经修改的分量大小的指示器。
11.根据权利要求1至10中任一项所述的机器可读介质,其中所述多个膳食选项类型包括选自包括开胃物、主菜、沙拉、饮料、甜点以及配菜的群组的两个或更多个选项类型。
12.根据权利要求1-11中任一项所述的机器可读介质,其中期望膳食配置包括膳食选项类型中的两个或更多个的选择。
13.根据权利要求1-11中任一项所述的机器可读介质,其中期望膳食配置包括预定义膳食选项中的两个或更多个的选择。
14.根据权利要求1-13中任一项所述的机器可读介质,其中预定义膳食选项对应于食物供应建立的菜单选项,并且其中接收预定义菜单选项包括:
确定人位于食物供应建立处或在食物供应建立附近;以及
响应于所述检测,从与一个或多个处理器通信的电子数据库获得关于食物供应建立的菜单的膳食选项。
15.根据权利要求14所述的机器可读介质,其中确定人位于食物供应建立处或在食物供应建立附近包括:
从与一个或多个处理器通信的支持GPS的设备接收标识用户的当前位置的基于位置的信息;
基于所述基于位置的信息而自动检测人在食物供应建立处或在食物供应建立附近;以及
基于所述检测,向人提供用户可选择的选项以提供期望膳食配置。
16.一种系统,包括与计算机可执行指令通信的一个或多个处理器,所述计算机可执行指令如果被一个或多个处理器执行,使一个或多个处理器执行以下步骤:
针对具有关联的营养指数的人,接收代表多个预定义膳食选项的数据,所述预定义膳食选项被表征成多个膳食选项类型,其中(1)每一个预定义膳食选项包括指标营养物和针对包含在预定义膳食选项中的每一种指标营养物的对应量的已知组合,以及(2)营养指数表示在预定义时段期间先前被人食用的指标营养物的食用量与指标营养物的指标量之间的聚合一致性的程度;
接收被选择要被人食用的期望膳食配置,其中所述期望膳食配置至少部分地基于多个膳食选项类型;
生成针对人的预测指数影响,其中预测指数影响对应于作为人食用对应于期望膳食配置的提议膳食的结果的营养指数中的改变,其中预测指数影响是基于营养指数、期望膳食配置和在提议膳食中包括的每一个预定义膳食选项中包含的每一种指标营养物的对应量而生成的;以及
提供预测指数影响。
17.根据权利要求16所述的系统,其中计算机可执行指令进一步使一个或多个处理器执行以下步骤:与预测指数影响同时提供代表提议膳食的数据和营养指数。
18.根据权利要求16所述的系统,进一步包括计算机可执行指令,所述计算机可执行指令如果被一个或多个处理器执行,使一个或多个处理器执行以下步骤:
通过针对期望膳食配置中的每一个膳食选项类型而选择一个或多个预定义菜单选项而生成提议膳食;以及
提供代表提议膳食的数据。
19.根据权利要求18所述的系统,其中生成提议膳食包括:
基于期望膳食配置而生成多个候选膳食,其中每一个候选膳食包括针对期望膳食配置中的每一个膳食选项类型的一个或多个预定义菜单选项;以及
针对每一个候选膳食计算对应候选预测指数影响,其中所述候选预测指数影响代表如果人食用候选膳食的营养指数中的改变。
20.根据权利要求19所述的系统,其中生成提议膳食进一步包括选择对应于最多改善营养指数所指示的聚合一致性的预测候选影响的候选膳食作为提议膳食。
21.根据权利要求19或20中任一项所述的系统,其中提供提议膳食包括:
从多个候选膳食中提供候选膳食集合,每一个候选膳食具有大于或等于阈值的对应候选预测指数影响。
22.根据权利要求21所述的系统,其中所述计算机可执行指令如果被一个或多个处理器执行,进一步使一个或多个处理器执行以下步骤:向所述候选膳食集合中的每一个候选膳食的对应候选指数影响提供所述候选膳食集合。
23.根据权利要求16-22中任一项所述的系统,其中所述计算机可执行指令如果被一个或多个处理器执行,进一步使一个或多个处理器执行以下步骤:基于加权函数而生成营养指数,所述加权函数将针对每一种指标营养物的数值权重应用于针对每一种相应指标营养物的指标量和食用量之间的相应偏差。
24.根据权利要求18-23中任一项所述的系统,其中生成提议膳食包括修改提议膳食中包括的预定义菜单选项中的至少一个的分量大小。
25.根据权利要求24所述的系统,其中计算机可执行指令进一步使一个或多个处理器执行以下步骤:与提议膳食同时提供经修改的分量大小的指示器。
26.根据权利要求16至25中任一项所述的系统,其中所述多个膳食选项类型包括选自包括开胃物、主菜、沙拉、饮料、甜点以及配菜的群组的两个或更多个选项类型。
27.根据权利要求16-26中任一项所述的系统,其中期望膳食配置包括膳食选项类型中的两个或更多个的选择。
28.根据权利要求16-27中任一项所述的系统,其中期望膳食配置包括预定义膳食选项中的两个或更多个的选择。
29.根据权利要求16-28中任一项所述的系统,其中预定义膳食选项对应于食物供应建立的菜单选项,并且其中接收预定义菜单选项包括:
确定人位于食物供应建立处或在食物供应建立附近;以及
响应于所述检测,从与一个或多个处理器通信的电子数据库获得关于食物供应建立的菜单的膳食选项。
30.根据权利要求29所述的系统,其中确定人位于食物供应建立处或在食物供应建立附近包括:
从与一个或多个处理器通信的支持GPS的设备接收标识用户的当前位置的基于位置的信息;
基于所述基于位置的信息而自动检测人在食物供应建立处或在食物供应建立附近;以及
基于所述检测,向人提供用户可选择的选项以提供期望膳食配置。
31.包括计算机可执行指令的机器可读介质,所述计算机可执行指令如果被一个或多个处理器执行,使一个或多个处理器执行以下步骤:
接收代表针对包括多个人的群组的多个指标营养简档的数据,其中每一个指标营养简档包括多种指标营养物和针对人的指标营养物的对应指标量;
针对多个人中的每一个,接收营养指数和优先级权重,其中所述优先级权重指示人的营养目标相对于所述群组中的其他人的营养目标的重要性,并且所述营养指数表示在预定义时段期间先前被人食用的指标营养物的食用量与指标营养物的指标量之间的聚合一致性的程度;
生成至少一个食物推荐,所述食物推荐包括要被所述群组食用的至少一个推荐膳食,其中所述食物推荐选自多个候选食物推荐以最大化群组营养指数,所述群组营养指数是基于加权函数而计算的,所述加权函数将针对每个人的优先级权重应用于将由人食用推荐膳食导致的人的营养指数中的相应预测改变;以及
提供食物推荐。
32.根据权利要求31所述的机器可读介质,其中计算机可执行指令进一步使一个或多个处理器执行以下步骤:针对所述群组中的每一个人,基于将针对所述人的指标营养物的指标量与针对所述人的指标营养物的食用量相比较而生成偏差简档,以使得针对每一种指标营养物,每个偏差简档包括针对指标营养物的过量或缺乏指示器。
33.根据权利要求32所述的机器可读介质,其中计算机可执行指令进一步使一个或多个处理器执行以下步骤:基于加权函数而生成针对所述群组的聚合偏差,所述加权函数将每个人的优先级权重应用于针对相应人的偏差简档,以使得聚合偏差反映根据优先级权重的偏差简档的相对重要性,其中提供推荐包括选择至少一个推荐膳食以最小化聚合偏差。
34.根据权利要求31至33中任一项所述的机器可读介质,其中计算机可执行指令进一步使一个或多个处理器执行以下步骤:提供群组营养指数。
35.根据权利要求31至34中任一项所述的机器可读介质,其中提供食物推荐包括:
检测多个偏差简档之间的不相容性;以及
基于不相容性而确定要被推荐为至少一个推荐膳食的最小多个不同的膳食。
36.根据权利要求31至35中任一项所述的机器可读介质,其中计算机可执行指令进一步使一个或多个处理器执行以下步骤:提供针对群组中的至少一个人的营养指数中的预测改变的指示器。
37.根据权利要求31至36中任一项所述的机器可读介质,其中计算机可执行指令进一步使一个或多个处理器执行以下步骤:提供针对群组中的每一个人的营养指数中的预测改变的指示器。
38.根据权利要求31至37中任一项所述的机器可读介质,其中计算机可执行指令进一步使一个或多个处理器执行以下步骤:提供针对群组中的至少一个人的营养指数的指示器。
39.根据权利要求31至37中任一项所述的机器可读介质,其中所述食物推荐进一步基于选自包括以下的群组的参数而选择:制备时间的量、制备的复杂性的水平、配料的成本以及配料的可用性。
40.一种系统,包括与包括计算机可执行指令的机器可读介质通信的一个或多个处理器,所述计算机可执行指令如果被一个或多个处理器执行,使一个或多个处理器执行以下步骤:
接收代表针对包括多个人的群组的多个指标营养简档的数据,其中每一个指标营养简档包括多种指标营养物和针对人的指标营养物的对应指标量;
针对多个人中的每一个,接收营养指数和优先级权重,其中所述优先级权重指示人的营养目标相对于所述群组中的其他人的营养目标的重要性,并且所述营养指数表示在预定义时段期间先前被人食用的指标营养物的食用量与指标营养物的指标量之间的聚合一致性的程度;
生成至少一个食物推荐,所述食物推荐包括要被所述群组食用的至少一个推荐膳食,其中所述食物推荐选自多个候选食物推荐以最大化群组营养指数,所述群组营养指数是基于加权函数而计算的,所述加权函数将针对每个人的优先级权重应用于将由人食用推荐膳食导致的人的营养指数中的相应预测改变;以及
提供食物推荐。
41.根据权利要求40所述的系统,其中计算机可执行指令进一步使一个或多个处理器执行以下步骤:针对所述群组中的每一个人,基于将针对所述人的指标营养物的指标量与针对所述人的指标营养物的食用量相比较而生成偏差简档,以使得针对每一种指标营养物,每个偏差简档包括针对指标营养物的过量或缺乏指示器。
42.根据权利要求41所述的系统,其中计算机可执行指令进一步使一个或多个处理器执行以下步骤:基于加权函数而生成针对所述群组的聚合偏差,所述加权函数将每个人的优先级权重应用于针对相应人的偏差简档,以使得聚合偏差反映根据优先级权重的偏差简档的相对重要性,其中提供推荐包括选择至少一个推荐膳食以最小化聚合偏差。
43.根据权利要求40至42中任一项所述的系统,其中计算机可执行指令进一步使一个或多个处理器执行以下步骤:提供群组营养指数。
44.根据权利要求40至43中任一项所述的系统,其中提供食物推荐包括:
检测多个偏差简档之间的不相容性;以及
基于不相容性而确定要被推荐为至少一个推荐膳食的最小多个不同的膳食。
45.根据权利要求40至44中任一项所述的系统,其中计算机可执行指令进一步使一个或多个处理器执行以下步骤:提供针对群组中的至少一个人的营养指数中的预测改变的指示器。
46.根据权利要求40至45中任一项所述的系统,其中计算机可执行指令进一步使一个或多个处理器执行以下步骤:提供针对群组中的每一个人的营养指数中的预测改变的指示器。
47.根据权利要求40至46中任一项所述的系统,其中计算机可执行指令进一步使一个或多个处理器执行以下步骤:提供针对群组中的至少一个人的营养指数的指示器。
48.根据权利要求40至47中任一项所述的系统,其中所述食物推荐进一步基于选自包括以下的群组的参数而选择:制备时间的量、制备的复杂性的水平、配料的成本以及配料的可用性。
49.包括计算机可执行指令的机器可读介质,所述计算机可执行指令如果被一个或多个处理器执行,使一个或多个处理器执行以下步骤:
接收(1)用户选择的饮食计划,其包括针对人的健康相关的目标,(2)代表在定义的时间段期间先前被人食用的多种食用营养物中每一种的量的数据,以及(3)用户的人口统计特征;
基于用户选择的饮食计划和人口统计特征而生成指标营养简档,其包括针对与用户选择的饮食计划关联的多种指标营养物中的每一种的指标水平;
通过比较指标营养物的指标水平与相应指标营养物的食用量来计算针对每一种指标营养物的偏差以获得多个偏差,其中每个偏差如果食用的指标营养物的量低于指标营养物的指标水平则指示对于相应指标营养物的缺乏并且如果食用的指标营养物的量高于指标营养物的指标水平则指示对于相应指标营养物的过量;
至少部分地基于与人关联的健康相关的目标而确定针对每一种指标营养物的数值权重;
计算表示多种食用营养物的量与指标营养简档之间的聚合一致性的营养指数,其中所述营养指数基于加权函数,所述加权函数将针对每一种指标营养物的数值权重应用于针对指标营养物的相应偏差;以及
提供营养指数以供显示在用户接口设备上。
50.根据权利要求49所述的机器可读介质,其中所述人口统计特征包括针对人的生物计量数据。
51.根据权利要求49所述的机器可读介质,其中所述人口统计特征包括针对人的出生日期、性别、身高、当前体重、期望体重、活动水平和/或饮食约束。
52.根据权利要求49至51中任一项所述的机器可读介质,其中针对每一种指标营养物的数值权重基于人口统计特征来调整。
53.根据权利要求49至52中任一项所述的机器可读介质,其中营养指数以基于人口统计特征的形式来呈现。
54.根据权利要求53所述的机器可读介质,其中如果人是儿童,则营养指数被呈现为金星。
55.一种系统,包括与包括计算机可执行指令的机器可读介质通信的一个或多个处理器,所述计算机可执行指令如果被一个或多个处理器执行,使一个或多个处理器执行以下步骤:
接收(1)用户选择的饮食计划,其包括针对人的健康相关的目标,(2)代表在定义的时间段期间先前被人食用的多种食用营养物中每一种的量的数据,以及(3)用户的人口统计特征;
基于用户选择的饮食计划和人口统计特征而生成指标营养简档,其包括针对与用户选择的饮食计划关联的多种指标营养物中的每一种的指标水平;
通过比较指标营养物的指标水平与相应指标营养物的食用量来计算针对每一种指标营养物的偏差以获得多个偏差,其中每个偏差如果食用的指标营养物的量低于指标营养物的指标水平则指示对于相应指标营养物的缺乏并且如果食用的指标营养物的量高于指标营养物的指标水平则指示对于相应指标营养物的过量;
至少部分地基于与人关联的健康相关的目标而确定针对每一种指标营养物的数值权重;
计算表示多种食用营养物的量与指标营养简档之间的聚合一致性的营养指数,其中所述营养指数基于加权函数,所述加权函数将针对每一种指标营养物的数值权重应用于针对指标营养物的相应偏差;以及
提供营养指数以供显示在用户接口设备上。
56.根据权利要求55所述的系统,其中所述人口统计特征包括针对人的生物计量数据。
57.根据权利要求55所述的系统,其中所述人口统计特征包括针对人的出生日期、性别、身高、当前体重、期望体重、活动水平和/或饮食约束。
58.根据权利要求55至57中任一项所述的系统,其中针对每一种指标营养物的数值权重基于人口统计特征来调整。
59.根据权利要求55至58中任一项所述的系统,其中营养指数以基于人口统计特征的形式来呈现。
60.根据权利要求59所述的系统,其中如果人是儿童,则营养指数被呈现为金星。
Applications Claiming Priority (4)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
US201261600448P | 2012-02-17 | 2012-02-17 | |
US61/600448 | 2012-02-17 | ||
PCT/US2013/026468 WO2013123416A2 (en) | 2012-02-17 | 2013-02-15 | Systems and methods for user-specific modulation of nutrient intake |
CN201380020510.9A CN104303185B (zh) | 2012-02-17 | 2013-02-15 | 用于营养物摄取量的用户特定调节的系统和方法 |
Related Parent Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201380020510.9A Division CN104303185B (zh) | 2012-02-17 | 2013-02-15 | 用于营养物摄取量的用户特定调节的系统和方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN117038013A true CN117038013A (zh) | 2023-11-10 |
Family
ID=47755062
Family Applications (4)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311001285.6A Pending CN117038013A (zh) | 2012-02-17 | 2013-02-15 | 用于营养物摄取量的用户特定调节的系统和方法 |
CN201380020510.9A Active CN104303185B (zh) | 2012-02-17 | 2013-02-15 | 用于营养物摄取量的用户特定调节的系统和方法 |
CN201710958786.1A Active CN107863137B (zh) | 2012-02-17 | 2013-02-15 | 用于营养物摄取量的用户特定调节的系统和方法 |
CN201710958479.3A Active CN107845414B (zh) | 2012-02-17 | 2013-02-15 | 用于营养物摄取量的用户特定调节的系统和方法 |
Family Applications After (3)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201380020510.9A Active CN104303185B (zh) | 2012-02-17 | 2013-02-15 | 用于营养物摄取量的用户特定调节的系统和方法 |
CN201710958786.1A Active CN107863137B (zh) | 2012-02-17 | 2013-02-15 | 用于营养物摄取量的用户特定调节的系统和方法 |
CN201710958479.3A Active CN107845414B (zh) | 2012-02-17 | 2013-02-15 | 用于营养物摄取量的用户特定调节的系统和方法 |
Country Status (8)
Country | Link |
---|---|
US (2) | US9011153B2 (zh) |
EP (2) | EP2815339A2 (zh) |
JP (4) | JP6412429B2 (zh) |
CN (4) | CN117038013A (zh) |
AU (5) | AU2013101802A4 (zh) |
CA (2) | CA2864741C (zh) |
HK (4) | HK1205569A1 (zh) |
WO (1) | WO2013123416A2 (zh) |
Families Citing this family (157)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20220084654A1 (en) * | 2006-02-21 | 2022-03-17 | J. Christopher Flaherty | Health management system |
US8930490B2 (en) | 2009-01-27 | 2015-01-06 | Apple Inc. | Lifestream annotation method and system |
US8645383B2 (en) | 2009-01-27 | 2014-02-04 | Stephen J. Brown | Content management system using sources of experience data and modules for quantification and visualization |
US20120111936A1 (en) * | 2009-01-27 | 2012-05-10 | Brown Stephen J | Semantic Note Taking System |
US9339691B2 (en) | 2012-01-05 | 2016-05-17 | Icon Health & Fitness, Inc. | System and method for controlling an exercise device |
US20130273509A1 (en) * | 2012-04-16 | 2013-10-17 | Christopher M. MUTTI | Method of Monitoring Nutritional Intake by Image Processing |
US10772559B2 (en) | 2012-06-14 | 2020-09-15 | Medibotics Llc | Wearable food consumption monitor |
AU2014214148A1 (en) * | 2013-02-08 | 2015-07-30 | Société des Produits Nestlé S.A. | Assessment and advice on nutrition and endurance |
CN104884133B (zh) | 2013-03-14 | 2018-02-23 | 艾肯运动与健康公司 | 具有飞轮的力量训练设备 |
US9389117B2 (en) | 2013-06-03 | 2016-07-12 | The Orange Chef Company | Successive tare scale system and method |
US20140364702A1 (en) | 2013-06-06 | 2014-12-11 | Valeriy Nasedkin | Apparatus and method for functional state and/or performance assessment and training program adjustment |
US20150079551A1 (en) * | 2013-09-16 | 2015-03-19 | Mary Egan | System for planning meals |
WO2015060894A1 (en) * | 2013-10-21 | 2015-04-30 | Bodhi Technology Ventures Llc | Sensors and applications |
US20150112819A1 (en) * | 2013-10-22 | 2015-04-23 | Greg Studley | Local area social network |
US9403047B2 (en) | 2013-12-26 | 2016-08-02 | Icon Health & Fitness, Inc. | Magnetic resistance mechanism in a cable machine |
WO2015138339A1 (en) | 2014-03-10 | 2015-09-17 | Icon Health & Fitness, Inc. | Pressure sensor to quantify work |
US9992292B2 (en) | 2014-04-01 | 2018-06-05 | Noom, Inc. | Wellness support groups for mobile devices |
US9728098B2 (en) * | 2014-04-18 | 2017-08-08 | Chef Koochooloo, Inc. | Interactive culinary game applications |
US9355096B1 (en) | 2014-05-16 | 2016-05-31 | The Orange Chef Company | Food storage container tag system and method |
US20160299000A1 (en) * | 2014-06-04 | 2016-10-13 | Aegle Health Llc | Dynamic System to Capture and Assess Calories and Nutrients Inputs to Provide Dietary Recommendations |
US20150356886A1 (en) * | 2014-06-09 | 2015-12-10 | Electronics And Telecommunications Research Nstitute | Customized apparatus and method for managing an amount of meal or workout |
CN106470739B (zh) | 2014-06-09 | 2019-06-21 | 爱康保健健身有限公司 | 并入跑步机的缆索系统 |
WO2015195965A1 (en) | 2014-06-20 | 2015-12-23 | Icon Health & Fitness, Inc. | Post workout massage device |
US20150371553A1 (en) * | 2014-06-23 | 2015-12-24 | MyFuelUp, LLC | System and method for personalized nutrition |
WO2016011434A1 (en) * | 2014-07-18 | 2016-01-21 | Landis Darryl | Use of an evidence-based, translational algorithm to, inter alia, assess biomarkers |
US20160074707A1 (en) * | 2014-09-17 | 2016-03-17 | Cambia Health Solutions, Inc. | Systems and methods for achieving and maintaining behavioral fitness |
WO2016049090A2 (en) * | 2014-09-22 | 2016-03-31 | Alexander Petrov | System and method to assist a user in achieving a goal |
US20160098942A1 (en) * | 2014-10-01 | 2016-04-07 | Richard Thomas Messier | Method for Generating Low-Waste Personalized Meal Plans within a Budget |
US11037669B2 (en) * | 2014-10-03 | 2021-06-15 | Societe Des Produits Nestle S.A. | System and method for calculating, displaying, modifying, and using personalized nutritional health score |
US10671657B2 (en) * | 2014-10-13 | 2020-06-02 | Under Armour, Inc. | System and method for food categorization |
US20170354351A1 (en) * | 2014-11-21 | 2017-12-14 | Koninklijke Philips N.V. | Nutrition coaching for children |
US9959628B2 (en) | 2014-11-21 | 2018-05-01 | Christopher M. MUTTI | Imaging system for object recognition and assessment |
RU2665880C1 (ru) * | 2015-01-07 | 2018-09-04 | Нестек С.А. | Система контроля и оповещения пользователей об уровнях dha |
US9449530B1 (en) * | 2015-02-13 | 2016-09-20 | Genesant Technologies, Inc. | Automatic diet tracking system and method |
US20160253922A1 (en) * | 2015-02-27 | 2016-09-01 | Food Friend, Inc. | Systems and Methods of Food Management |
US10391361B2 (en) | 2015-02-27 | 2019-08-27 | Icon Health & Fitness, Inc. | Simulating real-world terrain on an exercise device |
CN106136924A (zh) * | 2015-04-10 | 2016-11-23 | 佛山市顺德区美的电热电器制造有限公司 | 烹饪设备的控制系统和方法 |
WO2016178108A1 (en) * | 2015-05-01 | 2016-11-10 | Koninklijke Philips N.V. | Edible recommendation |
US10474661B2 (en) * | 2015-05-15 | 2019-11-12 | Foogal, Inc. | Dish recommendation from personal food inventory |
US20160343266A1 (en) * | 2015-05-22 | 2016-11-24 | Toyota Motor Engineering & Manufacturing North America, Inc. | Location-based suggestions for attaining health goals |
IN2015CH02730A (zh) * | 2015-05-30 | 2015-07-10 | Wipro Ltd | |
US20200129808A1 (en) * | 2015-06-30 | 2020-04-30 | Roman Fomin | Predictive analytics method and system for positively adjusting fitness and/or well-being conditioning |
US9737759B2 (en) * | 2015-07-17 | 2017-08-22 | Genesant Technologies, Inc. | Automatic application-based exercise tracking system and method |
US10692396B2 (en) | 2015-08-06 | 2020-06-23 | Microsoft Technology Licensing, Llc | Calculating calorie statistics based on purchases |
US20170091420A1 (en) * | 2015-09-24 | 2017-03-30 | Qualcomm Incorporated | Determination of nutritional factors |
EP3360103A4 (en) * | 2015-10-07 | 2019-05-01 | Abdolreza Abdolhosseini Moghadam | SYSTEMS AND METHODS FOR THE DYNAMIC PRODUCTION OF FOOD PRICES |
US20170103677A1 (en) * | 2015-10-12 | 2017-04-13 | Mastercard International Incorporated | Nutrition intake tracker |
US10614502B2 (en) * | 2015-10-16 | 2020-04-07 | International Business Machines Corporation | In-store real-time food item selection recommendations |
US10212994B2 (en) | 2015-11-02 | 2019-02-26 | Icon Health & Fitness, Inc. | Smart watch band |
JP6411639B2 (ja) * | 2015-11-17 | 2018-10-24 | 株式会社日立製作所 | 食材提案装置、食材提案方法及び食材提案プログラム |
US10332418B2 (en) * | 2015-11-23 | 2019-06-25 | International Business Machines Corporation | Personalized vitamin supplement |
TWI603280B (zh) * | 2015-12-04 | 2017-10-21 | 財團法人工業技術研究院 | 飲食攝取異常分析系統和方法 |
JPWO2017138598A1 (ja) * | 2016-02-11 | 2018-02-15 | 糧三 齋藤 | がん予防・改善アドバイス装置 |
WO2017143251A1 (en) * | 2016-02-18 | 2017-08-24 | John Cronin | Portable, pod-based smoothie maker |
US10641547B2 (en) | 2016-02-18 | 2020-05-05 | Vejo Ip Ag | Pod-based smoothie maker |
US10625137B2 (en) | 2016-03-18 | 2020-04-21 | Icon Health & Fitness, Inc. | Coordinated displays in an exercise device |
US10272317B2 (en) | 2016-03-18 | 2019-04-30 | Icon Health & Fitness, Inc. | Lighted pace feature in a treadmill |
US10493349B2 (en) | 2016-03-18 | 2019-12-03 | Icon Health & Fitness, Inc. | Display on exercise device |
US10251597B2 (en) * | 2016-04-21 | 2019-04-09 | Viavi Solutions Inc. | Health tracking device |
WO2017215893A1 (en) | 2016-06-14 | 2017-12-21 | Sanalytica Ag | Personalised nutrient dosing with on-going feedback loop |
KR20170143256A (ko) * | 2016-06-21 | 2017-12-29 | 박주명 | 생체물리량 추적을 통한 식단 제공 방법 |
US11165722B2 (en) | 2016-06-29 | 2021-11-02 | International Business Machines Corporation | Cognitive messaging with dynamically changing inputs |
TW201822139A (zh) * | 2016-07-29 | 2018-06-16 | 嘉康利公司 | 用於動態產生個人的健康相關且客製化的建議之技術 |
US20180039759A1 (en) * | 2016-08-05 | 2018-02-08 | International Business Machines Corporation | Apparatuses, methods, and computer program products for providing dietary feedback |
US10679750B2 (en) | 2016-08-09 | 2020-06-09 | International Business Machines Corporation | System, method, and storage medium to generate predictive medical feedback |
CA3033093A1 (en) | 2016-08-12 | 2018-02-15 | Good Measures, Llc | Personalized nutritional recommendations using biomarker data |
US10431115B2 (en) * | 2016-08-18 | 2019-10-01 | Mastercard International Incorporation | Systems and methods for using a smart refrigerator to implement accountability measures associated with intake objectives |
US10650621B1 (en) | 2016-09-13 | 2020-05-12 | Iocurrents, Inc. | Interfacing with a vehicular controller area network |
US11035682B2 (en) | 2016-09-15 | 2021-06-15 | Simpsx Technologies Llc | Navigation routes as community object virtual hub sequences to which users may subscribe |
US12001999B2 (en) | 2016-09-15 | 2024-06-04 | Circlesx Llc | Price based navigation |
US11740777B2 (en) | 2016-09-15 | 2023-08-29 | Circlesx Llc | Multi-dimension information service helmet method and system |
US20190272589A1 (en) | 2016-09-15 | 2019-09-05 | Erik M. Simpson | Securitization of transportation units |
US11810023B2 (en) | 2018-10-22 | 2023-11-07 | Circlesx Llc | System and method for a transportation or freight capacity exchange for one or more transportation or freight capacity units |
US11861527B2 (en) | 2018-11-07 | 2024-01-02 | Circlesx Llc | Financial swap payment structure method and system on transportation capacity unit assets |
US11138827B2 (en) | 2016-09-15 | 2021-10-05 | Simpsx Technologies Llc | Implementations of a computerized business transaction exchange for various users |
US11823090B2 (en) | 2016-09-15 | 2023-11-21 | Circlesx Llc | Transportation and freight and parking and tolling and curb capacity unit IPO method and system |
US11215466B2 (en) | 2016-09-15 | 2022-01-04 | Circlesx Llc | Route community objects with price-time priority queues for transformed transportation units |
US20190228351A1 (en) | 2018-01-23 | 2019-07-25 | Erik M. Simpson | Electronic forward market exchange for transportation seats and capacity in transportation spaces and vehicles |
US11138661B2 (en) | 2016-09-15 | 2021-10-05 | Simpsx Technologies Llc | Agriculture community objects with price-time priority queues for transformed agriculture units |
US10460520B2 (en) | 2017-01-13 | 2019-10-29 | Simpsx Technologies Llc | Computer ball device for mixed reality, virtual reality, or augmented reality |
US11157852B2 (en) | 2016-09-15 | 2021-10-26 | Simpsx Technologies Llc | Tool appliance community objects with price-time priority queues for transformed tool appliance units |
US11880883B2 (en) | 2016-09-15 | 2024-01-23 | Circlesx Llc | Systems and methods for geolocation portfolio exchanges |
US11790382B2 (en) | 2016-09-15 | 2023-10-17 | Circlesx Llc | Method to transmit geolocation exchange based markets |
US10956539B2 (en) * | 2016-09-19 | 2021-03-23 | Under Armour, Inc. | Nutrition tracking system |
EP3516556A1 (en) * | 2016-09-21 | 2019-07-31 | Telecom Italia S.p.A. | Method and system for supporting a user in the selection of food |
CN106326683B (zh) * | 2016-09-27 | 2018-10-09 | 成都循因科技有限公司 | 一种食物营养成分定量和追踪方法及装置 |
US10671705B2 (en) | 2016-09-28 | 2020-06-02 | Icon Health & Fitness, Inc. | Customizing recipe recommendations |
US10492519B2 (en) * | 2016-09-28 | 2019-12-03 | Icon Health & Fitness, Inc. | Customizing nutritional supplement shake recommendations |
CN106650244A (zh) * | 2016-12-08 | 2017-05-10 | 华中科技大学 | 一种基于半定量食物频率法的营养调查分析方法及系统 |
TWI776878B (zh) | 2017-04-07 | 2022-09-11 | 美商通路實業集團國際公司 | 體重管理及活動追蹤系統 |
US10790053B2 (en) | 2017-04-18 | 2020-09-29 | International Business Machines Corporation | Appetite improvement system through memory association |
US10699247B2 (en) | 2017-05-16 | 2020-06-30 | Under Armour, Inc. | Systems and methods for providing health task notifications |
CN107480446A (zh) * | 2017-08-09 | 2017-12-15 | 华中农业大学 | 一种营养饮食方案制定系统及方法 |
JP6903523B2 (ja) * | 2017-08-30 | 2021-07-14 | 株式会社野村総合研究所 | 情報処理装置、情報処理方法、及びプログラム |
WO2019046530A1 (en) * | 2017-08-31 | 2019-03-07 | Roche Diabetes Care, Inc. | METHODS, DEVICES AND SYSTEMS FOR ESTIMATING CONTENT IN NUTRIENTS IN FOODS |
US11080775B2 (en) * | 2017-09-01 | 2021-08-03 | International Business Machines Corporation | Recommending meals for a selected group |
US20190122164A1 (en) * | 2017-10-24 | 2019-04-25 | Uber Technologies, Inc. | On-demand coordinated comestible item delivery system |
CN111164702B (zh) * | 2017-10-26 | 2024-05-10 | 欧姆龙健康医疗事业株式会社 | 目标管理系统及包括目标管理程序的计算机可读记录介质 |
CA3023003A1 (en) * | 2017-11-02 | 2019-05-02 | Tony Difruscio | Nutritional aid |
CN109754864A (zh) * | 2017-11-02 | 2019-05-14 | 宁波方太厨具有限公司 | 一种基于饮食食材预言用户身体状况的方法 |
US20210183494A1 (en) * | 2017-12-06 | 2021-06-17 | Koninklijke Philips N.V. | An apparatus and method for personalized meal plan generation |
CN109994182B (zh) * | 2018-01-02 | 2023-03-21 | 佛山市顺德区美的电热电器制造有限公司 | 一种食谱的推荐方法、装置及存储介质 |
US10810655B2 (en) * | 2018-01-04 | 2020-10-20 | Facebook, Inc. | Generating catalog-item recommendations based on social graph data |
US11145006B2 (en) | 2018-01-04 | 2021-10-12 | Facebook, Inc. | Generating catalog-item recommendations based on social graph data |
US10942932B2 (en) | 2018-01-22 | 2021-03-09 | Everything Food, Inc. | System and method for grading and scoring food |
US20210125701A1 (en) * | 2018-01-24 | 2021-04-29 | One Number, LLC | System, Method, Process and Apparatus for Assisting in Formulating and Attaining Healthy Weight Management Goals |
US20210209963A1 (en) * | 2018-01-24 | 2021-07-08 | The Engineered Non-Diet, Llc | System, Method, Process and Apparatus for Assisting in Formulating and Attaining Healthy Weight Management Goals |
US20200066181A1 (en) * | 2018-08-27 | 2020-02-27 | Zoe Global Ltd. | Generating Personalized Food Recommendations from Different Food Sources |
US11295860B2 (en) | 2018-02-12 | 2022-04-05 | Zoe Limited | Using at home measures to predict clinical state and improving the accuracy of at home measurements/predictions data associated with circadian rhythm and meal timing |
US11348479B2 (en) | 2018-05-23 | 2022-05-31 | Zoe Limited | Accuracy of measuring nutritional responses in a non-clinical setting |
US11915151B2 (en) | 2018-08-27 | 2024-02-27 | Zoe Limited | Accuracy of test data outside the clinic |
US11183291B2 (en) | 2018-02-12 | 2021-11-23 | Zoe Limited | Generating personalized nutritional recommendations using predicted values of biomarkers |
US11183080B2 (en) | 2018-02-12 | 2021-11-23 | Zoe Limited | Generating predicted values of biomarkers for scoring food |
US20190281878A1 (en) * | 2018-03-19 | 2019-09-19 | Midea Group Co., Ltd. | Method and system for providing action recommendations associated with kitchen appliances |
US11672446B2 (en) | 2018-03-23 | 2023-06-13 | Medtronic Minimed, Inc. | Insulin delivery recommendations based on nutritional information |
CN108766526A (zh) * | 2018-04-11 | 2018-11-06 | 丽睿客信息科技(北京)有限公司 | 食品选取方法、装置、存储介质和处理器 |
US11887719B2 (en) | 2018-05-21 | 2024-01-30 | MyFitnessPal, Inc. | Food knowledge graph for a health tracking system |
WO2019229753A1 (en) * | 2018-05-30 | 2019-12-05 | Vsm 4 Me Ltd | Dietary management system for tracking, managing and control dietary balance of a person |
JP7217103B2 (ja) * | 2018-07-31 | 2023-02-02 | シスメックス株式会社 | 生活習慣の改善に関するアドバイス情報を生成する方法及び情報処理装置 |
KR20200021794A (ko) * | 2018-08-21 | 2020-03-02 | 삼성전자주식회사 | 전자 장치의 제어 방법 및 이를 수행하기 위한 프로그램을 저장하는 컴퓨터 판독 기록 매체 |
US11380215B2 (en) * | 2018-08-30 | 2022-07-05 | Kyndryl, Inc. | Reward-based ecosystem for tracking nutritional consumption |
CN110929141B (zh) * | 2018-09-20 | 2022-11-01 | 百度在线网络技术(北京)有限公司 | 团伙挖掘方法、装置、设备及存储介质 |
WO2020076874A1 (en) * | 2018-10-08 | 2020-04-16 | Viome, Inc. | Methods for and compositions for determining food item recommendations |
WO2020104284A1 (en) * | 2018-11-23 | 2020-05-28 | Sanofi | Medical device having camera |
JP2022523634A (ja) * | 2019-01-14 | 2022-04-26 | パンチ インコーポレイテッド | 個人向けの在庫管理のためのテキストデータの符号化 |
WO2020163700A1 (en) * | 2019-02-07 | 2020-08-13 | Gian Corporation | System and method of managing grocery cart based on health information |
CN110101293A (zh) * | 2019-05-21 | 2019-08-09 | 珠海格力电器股份有限公司 | 烹饪控制方法、装置和烹饪器具 |
US11903523B2 (en) | 2019-07-22 | 2024-02-20 | Vita-Mix Management Corporation | Food processor assembly |
EP3772738A1 (en) | 2019-08-08 | 2021-02-10 | Koninklijke Philips N.V. | An apparatus and method for providing dietary recommendation |
WO2021044587A1 (ja) * | 2019-09-05 | 2021-03-11 | 日本電信電話株式会社 | 情報提示装置、情報提示方法、及び情報提示プログラム |
US11915605B2 (en) * | 2019-10-17 | 2024-02-27 | Nicolas Tzenios | Ketogenic diet recommendation to a user based on a blood low-density lipoprotein (LDL) level and a blood C-reactive protein level and/or a blood erythrocyte sedimentation rate (ESR) thereof |
CN110910987A (zh) * | 2019-11-07 | 2020-03-24 | 北京理工大学 | 饮食建议生成方法及装置、计算机装置及存储介质 |
CN110867239A (zh) * | 2019-11-07 | 2020-03-06 | 北京理工大学 | 一种饮食建议生成方法及装置、计算机装置及存储介质 |
JPWO2021090452A1 (zh) * | 2019-11-07 | 2021-05-14 | ||
CN111312365A (zh) * | 2019-11-15 | 2020-06-19 | 北京酷蟹科技有限公司 | 一种个性化营养膳食方法及系统 |
CN111883230B (zh) * | 2019-12-18 | 2024-05-07 | 深圳数字生命研究院 | 饮食数据的生成方法及装置、存储介质和电子装置 |
US11877696B2 (en) | 2019-12-19 | 2024-01-23 | Vita-Mix Management Corporation | Food processor |
CN111009307A (zh) * | 2019-12-26 | 2020-04-14 | 珠海格力电器股份有限公司 | 食谱数据推荐方法、系统和家电设备 |
JP2021111326A (ja) * | 2020-01-08 | 2021-08-02 | 株式会社ユカシカド | 栄養関連商品レコメンド装置及び方法 |
JP7038458B2 (ja) * | 2020-02-03 | 2022-03-18 | 株式会社Mizkan Holdings | プログラム、情報処理方法及び情報処理装置 |
WO2021167030A1 (ja) * | 2020-02-21 | 2021-08-26 | パナソニックIpマネジメント株式会社 | 献立提案システム、献立提案方法、プログラム、情報処理方法、及び情報処理装置 |
US20220319666A1 (en) * | 2020-04-16 | 2022-10-06 | Samsung Electronics Co., Ltd. | Electronic device for providing plan, and method of operating the same |
US10983674B1 (en) * | 2020-05-28 | 2021-04-20 | Kpn Innovations, Llc | Methods and systems for providing alimentary combinations in a packet-based graphical user interface generated using distance metrics |
EP4172995A1 (en) * | 2020-06-30 | 2023-05-03 | Koninklijke Philips N.V. | System and method for personalized treatment with artificial intelligence |
US11823785B2 (en) * | 2020-07-02 | 2023-11-21 | Kpn Innovations, Llc. | Methods and systems for calculating nutritional requirements in a display interface |
US11322241B2 (en) * | 2020-07-18 | 2022-05-03 | Nonstop Evolving Corp. | Electronic methods and systems for processing information related to intake of supplements by a user |
US11862322B2 (en) | 2020-11-30 | 2024-01-02 | Kpn Innovations, Llc. | System and method for generating a dynamic weighted combination |
US20220199222A1 (en) * | 2020-12-17 | 2022-06-23 | Milkman, Inc. | Method and apparatus to provide nutrition quality evaluation comprehension and selection |
CN115280422A (zh) * | 2020-12-25 | 2022-11-01 | 京东方科技集团股份有限公司 | 食物推荐方法、装置、存储介质及电子设备 |
EP4033494A1 (en) * | 2021-01-21 | 2022-07-27 | Koninklijke Philips N.V. | Processing of recipe information |
US20220310221A1 (en) | 2021-03-26 | 2022-09-29 | Vydiant, Inc | Digital vaccine system, method and device |
CN115171778A (zh) * | 2021-04-07 | 2022-10-11 | 健科国际股份有限公司 | Gmdai个性化健康解决方案系统及计算机存储介质 |
US20220344057A1 (en) * | 2021-04-27 | 2022-10-27 | Oura Health Oy | Method and system for supplemental sleep detection |
US11894121B2 (en) | 2021-08-06 | 2024-02-06 | Reviv Global Ltd | Prescriptive nutrition-based IV and IM infusion treatment formula creation systems and methods |
US11600375B2 (en) * | 2021-07-30 | 2023-03-07 | Reviv Global Ltd | Genetically personalized food recommendation systems and methods |
US20230298729A1 (en) * | 2022-03-15 | 2023-09-21 | Eat This Much, Inc. | Meal Plan Creation Systems and Methods |
US11907652B2 (en) * | 2022-06-02 | 2024-02-20 | On Time Staffing, Inc. | User interface and systems for document creation |
Family Cites Families (66)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US5412560A (en) * | 1991-08-27 | 1995-05-02 | Dine Systems, Inc. | Method for evaluating and analyzing food choices |
WO2001037174A1 (en) | 1992-11-17 | 2001-05-25 | Health Hero Network, Inc. | Method and system for improving adherence with a diet program or other medical regimen |
JPH0764963A (ja) * | 1993-08-31 | 1995-03-10 | Olympus Optical Co Ltd | 栄養相談システム |
US5704350A (en) * | 1994-03-25 | 1998-01-06 | Nutritec Corporation | Nutritional microcomputer and method |
US5640774A (en) | 1995-06-26 | 1997-06-24 | Goldman; Millicent F. | Diet aid device and method |
US5730654A (en) | 1995-12-18 | 1998-03-24 | Raya Systems, Inc. | Multi-player video game for health education |
US5954640A (en) | 1996-06-27 | 1999-09-21 | Szabo; Andrew J. | Nutritional optimization method |
US5819735A (en) | 1996-08-15 | 1998-10-13 | Mansfield; Elizabeth A. | Device and method for monitoring dietary intake of calories and nutrients |
US6370513B1 (en) | 1997-08-08 | 2002-04-09 | Parasoft Corporation | Method and apparatus for automated selection, organization, and recommendation of items |
CN1186284A (zh) * | 1997-09-11 | 1998-07-01 | 马正方 | 一种利用微处理器进行食物营养配餐的方法及装置 |
US6556963B1 (en) | 1997-09-24 | 2003-04-29 | International Business Machines Corporation | User state sensitive system and method for nutrient analysis using natural language interface |
US6341295B1 (en) | 1998-01-21 | 2002-01-22 | M. Gail Stotler | Virtual reality integrated caloric tabulator |
CN1198901A (zh) * | 1998-04-06 | 1998-11-18 | 马正方 | 一种营养膳食指导装置及方法 |
US6553386B1 (en) | 1998-12-14 | 2003-04-22 | Oliver Alabaster | System and method for computerized visual diet behavior analysis and training |
US6356940B1 (en) | 1999-05-26 | 2002-03-12 | Brian Robert Short | Method and system of electronically logging remote user dietary information, and generating and automatically sending suggested dietary modifications |
WO2001013317A2 (en) | 1999-08-13 | 2001-02-22 | Kocher Jean Pierre | Method and apparatus for scanning of food and medicine to provide outputs relative to a user profile |
US20020002554A1 (en) | 2000-03-09 | 2002-01-03 | Herdman Rachelle B. | Systems and methods for distributing personalized information over a communications system |
US7689437B1 (en) | 2000-06-16 | 2010-03-30 | Bodymedia, Inc. | System for monitoring health, wellness and fitness |
JP2002041669A (ja) * | 2000-07-24 | 2002-02-08 | Mitsunori Honma | インターネットの個人栄養素摂取量管理システム |
JP2002222263A (ja) * | 2001-01-24 | 2002-08-09 | Iscg Kk | 健康の自己管理用携帯端末、及び健康の自己管理支援システム |
US20030208409A1 (en) * | 2001-04-30 | 2003-11-06 | Mault James R. | Method and apparatus for diet control |
US6817863B2 (en) | 2001-06-11 | 2004-11-16 | Joseph J. Bisogno | Computer program, method, and system for monitoring nutrition content of consumables and for facilitating menu planning |
JP4768960B2 (ja) * | 2001-06-29 | 2011-09-07 | 株式会社ニュートリション・アクト | 栄養要求量算出装置、栄養補助剤提案装置、栄養補助剤配合装置及び栄養補助剤配合システム |
US6872077B2 (en) | 2001-09-06 | 2005-03-29 | John J. Yeager | System and method for generating personalized meal plans |
JP2003122854A (ja) * | 2001-10-17 | 2003-04-25 | Toshiba Corp | 調理情報提供システム、調理情報サーバ、疾病・健康情報サーバ、計算・分析サーバ、情報処理サーバ、調理情報提供方法および調理情報提供装置 |
US6585516B1 (en) | 2002-01-09 | 2003-07-01 | Oliver Alabaster | Method and system for computerized visual behavior analysis, training, and planning |
US7090638B2 (en) | 2002-06-03 | 2006-08-15 | Edward Vidgen | System and method for optimized dietary menu planning |
US20040081678A1 (en) | 2002-08-09 | 2004-04-29 | Anthony Cincotta | Therapeutic process for the treatment of obesity and associated metabolic disorders |
JP2004302967A (ja) * | 2003-03-31 | 2004-10-28 | Mitsubishi Electric Information Systems Corp | 食事内容に基づく処方支援システム及びこのシステムに用いるプログラム |
US20050075934A1 (en) * | 2003-08-04 | 2005-04-07 | Paul Knight | Nutritional assistant for kiosk |
US20050042582A1 (en) * | 2003-08-22 | 2005-02-24 | Graves Joseph Douglas | Iterative algorithm for creating nutritionally balanced food lists |
US20060058586A1 (en) * | 2004-09-13 | 2006-03-16 | Humble David R | Method and apparatus for transitioning a diet |
JP2006105655A (ja) * | 2004-10-01 | 2006-04-20 | Nippon Telegr & Teleph Corp <Ntt> | 食品総カロリーチェッカーおよびチェック方法 |
US20060122468A1 (en) * | 2004-11-15 | 2006-06-08 | Mali Tavor Ltd. | Nutritional counseling method and server |
GB2420428A (en) * | 2004-11-19 | 2006-05-24 | Anthony Paul Yusuf | System for indicating food types to a user |
US7680690B1 (en) | 2005-05-09 | 2010-03-16 | Catalano Anthony B | Intelligent menu ordering system |
EP1758038A1 (en) * | 2005-08-22 | 2007-02-28 | InterComponentWare AG | Computer-implemented method, system, computer program product and data structure for drawing up a nutrition plan |
US7974856B2 (en) | 2005-11-30 | 2011-07-05 | The Invention Science Fund I, Llc | Computational systems and methods related to nutraceuticals |
US20070179359A1 (en) * | 2006-01-10 | 2007-08-02 | Goodwin Amanda M | Healthy city living guide and related functionality for managing health |
US20070218107A1 (en) * | 2006-03-14 | 2007-09-20 | Schnur Steven A | Method of dieting and tools for implementing same |
CN101059822A (zh) * | 2006-04-18 | 2007-10-24 | 刘智彪 | 个体运动、营养与体重控制的日志型管理方法 |
US20070269557A1 (en) | 2006-05-19 | 2007-11-22 | Hannaford Licensing Corp. | Method and system for assessing, scoring, grouping and presenting nutritional value information of food products |
EP1881449A1 (fr) * | 2006-05-30 | 2008-01-23 | Bio Intelligence Service | Procédé de caractérisation de la qualité nutritionnelle de produits alimentaires |
NZ548356A (en) * | 2006-07-06 | 2009-02-28 | Fonterra Co Operative Group | Method and apparatus for formulating individualised doses of nutrition |
US7788113B2 (en) | 2006-09-29 | 2010-08-31 | Nutritional Excellence, Llc | Methods for developing and conducting a nutritional treatment program |
US7853626B2 (en) | 2006-09-29 | 2010-12-14 | The Invention Science Fund I, Llc | Computational systems for biomedical data |
CN1967550A (zh) * | 2006-11-22 | 2007-05-23 | 中国疾病预防控制中心营养与食品安全所 | 便携式营养查询计算评价装置及其查询计算评价方法 |
US7957985B2 (en) | 2007-09-04 | 2011-06-07 | Dynamic Health Innovations, Llc | Personalized information discovery and presentation system |
US20090075242A1 (en) * | 2007-09-18 | 2009-03-19 | Sensei, Inc. | System and method for automatically defining, creating, and managing meals |
US20090144081A1 (en) * | 2007-10-08 | 2009-06-04 | Harlan Timothy S | Methods and systems for dynamic meal plan generation |
TWI353555B (en) * | 2007-12-11 | 2011-12-01 | Inst Information Industry | Personalized meal planning method and system there |
US7882150B2 (en) | 2007-12-24 | 2011-02-01 | Accenture Global Services Ltd. | Health advisor |
JP5343375B2 (ja) * | 2008-03-13 | 2013-11-13 | 富士通株式会社 | 健康管理支援装置、健康管理支援方法及びコンピュータプログラム |
US20090275002A1 (en) | 2008-04-30 | 2009-11-05 | Lindsey Hoggle | Nutrition informatics method |
US8036912B2 (en) | 2008-04-30 | 2011-10-11 | Ethicon Endo-Surgery, Inc. | Interactive web based system in support of bariatric procedures |
CN101271490A (zh) * | 2008-04-30 | 2008-09-24 | 中山大学 | 一种基于数字家庭的智能健康饮食咨询系统 |
CN101276383A (zh) * | 2008-05-16 | 2008-10-01 | 上海健业文化传播有限公司 | 交互式营养配餐系统及其方法 |
US8510127B2 (en) * | 2008-06-04 | 2013-08-13 | Therapease Cuisine, Inc. | Method and system for developing and delivering a therapeutic meal plan program |
WO2010025290A2 (en) * | 2008-08-29 | 2010-03-04 | Weight Watchers International, Inc. | Processes and systems based on metabolic conversion efficiency |
WO2010082074A1 (en) * | 2009-01-14 | 2010-07-22 | C & K Capital S.A. | System and method for computing the nutritional value of a food |
JP2010191860A (ja) * | 2009-02-20 | 2010-09-02 | Nec Corp | サーバ、サーバの制御方法、およびプログラム |
CN101964014A (zh) * | 2009-07-23 | 2011-02-02 | 上海谷风网络科技有限公司 | 针对用户日配餐进行营养评价的方法及系统 |
CN101661534A (zh) * | 2009-10-16 | 2010-03-03 | 王萍 | 个体膳食营养定量分析方法和装置 |
CN102054117A (zh) * | 2009-11-03 | 2011-05-11 | 财团法人工业技术研究院 | 电子装置及藉助其进行个人餐饮推荐的方法 |
US8053007B2 (en) | 2010-04-13 | 2011-11-08 | Mark Innocenzi | Compositions and methods for fortifying a base food to contain the complete nutritional value of a standard equivalent unit of the nutritional value of one serving of fruits and vegetables (“SFV”) for human consumption |
JP2011258080A (ja) * | 2010-06-10 | 2011-12-22 | Sharp Corp | 健康情報分析装置、健康支援システム、制御プログラム及び記録媒体 |
-
2013
- 2013-02-15 CN CN202311001285.6A patent/CN117038013A/zh active Pending
- 2013-02-15 CN CN201380020510.9A patent/CN104303185B/zh active Active
- 2013-02-15 EP EP13706887.0A patent/EP2815339A2/en not_active Ceased
- 2013-02-15 JP JP2014557837A patent/JP6412429B2/ja active Active
- 2013-02-15 CN CN201710958786.1A patent/CN107863137B/zh active Active
- 2013-02-15 EP EP22205653.3A patent/EP4202945A1/en not_active Withdrawn
- 2013-02-15 CN CN201710958479.3A patent/CN107845414B/zh active Active
- 2013-02-15 AU AU2013101802A patent/AU2013101802A4/en not_active Expired
- 2013-02-15 CA CA2864741A patent/CA2864741C/en active Active
- 2013-02-15 US US13/768,997 patent/US9011153B2/en active Active
- 2013-02-15 CA CA3192699A patent/CA3192699A1/en active Pending
- 2013-02-15 WO PCT/US2013/026468 patent/WO2013123416A2/en active Application Filing
- 2013-02-15 AU AU2013221301A patent/AU2013221301A1/en active Pending
-
2015
- 2015-03-20 US US14/663,779 patent/US20150194071A1/en active Pending
- 2015-06-19 HK HK15105883.2A patent/HK1205569A1/zh unknown
- 2015-07-20 HK HK15106852.7A patent/HK1206450A1/zh unknown
-
2018
- 2018-05-07 AU AU2018203143A patent/AU2018203143A1/en not_active Abandoned
- 2018-09-26 HK HK18112289.5A patent/HK1252934A1/zh unknown
- 2018-09-26 HK HK18112316.2A patent/HK1252959A1/zh unknown
- 2018-09-28 JP JP2018183795A patent/JP6725619B2/ja active Active
-
2020
- 2020-06-25 JP JP2020109374A patent/JP7277417B2/ja active Active
- 2020-08-26 AU AU2020223691A patent/AU2020223691A1/en not_active Abandoned
-
2022
- 2022-09-16 AU AU2022231765A patent/AU2022231765A1/en active Pending
-
2023
- 2023-05-08 JP JP2023076532A patent/JP2023099183A/ja active Pending
Also Published As
Publication number | Publication date |
---|---|
HK1205569A1 (zh) | 2015-12-18 |
US20130216982A1 (en) | 2013-08-22 |
WO2013123416A2 (en) | 2013-08-22 |
CA2864741A1 (en) | 2013-08-22 |
AU2013221301A1 (en) | 2014-09-04 |
JP2018200730A (ja) | 2018-12-20 |
AU2018203143A1 (en) | 2018-05-24 |
HK1252934A1 (zh) | 2019-06-06 |
AU2020223691A1 (en) | 2020-09-10 |
CN107863137A (zh) | 2018-03-30 |
HK1206450A1 (zh) | 2016-01-08 |
US20150194071A1 (en) | 2015-07-09 |
CA2864741C (en) | 2023-04-25 |
EP2815339A2 (en) | 2014-12-24 |
CN107863137B (zh) | 2023-08-18 |
US9011153B2 (en) | 2015-04-21 |
AU2013101802A4 (en) | 2019-05-16 |
JP2015510646A (ja) | 2015-04-09 |
JP6412429B2 (ja) | 2018-10-24 |
AU2022231765A1 (en) | 2022-10-06 |
CN107845414A (zh) | 2018-03-27 |
JP7277417B2 (ja) | 2023-05-18 |
CN104303185B (zh) | 2017-11-07 |
CN107845414B (zh) | 2022-08-26 |
JP2023099183A (ja) | 2023-07-11 |
CA3192699A1 (en) | 2013-08-22 |
EP4202945A1 (en) | 2023-06-28 |
HK1252959A1 (zh) | 2019-06-06 |
JP6725619B2 (ja) | 2020-07-22 |
CN104303185A (zh) | 2015-01-21 |
JP2020187756A (ja) | 2020-11-19 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107863137B (zh) | 用于营养物摄取量的用户特定调节的系统和方法 | |
US20210104173A1 (en) | Personalized health coaching system | |
Chiou et al. | Ironic effects of dietary supplementation: illusory invulnerability created by taking dietary supplements licenses health-risk behaviors | |
US9314206B2 (en) | Diet and calories measurements and control | |
US20140287384A1 (en) | Method, system and apparatus for improved nutritional analysis | |
US20110009708A1 (en) | System and apparatus for improved nutrition analysis | |
US20210142367A1 (en) | Associating taste with consumable records | |
WO2020069500A1 (en) | Smart health expert and manager | |
US10956539B2 (en) | Nutrition tracking system | |
US20220022778A1 (en) | System and methods for providing personalized workout and diet plans | |
US20220406215A1 (en) | Systems and methods for dynamically providing dynamic nutritional guidance | |
US20200113518A1 (en) | System for facilitating monitoring of fitness devices | |
KR20230056532A (ko) | 칼로리를 고려한 사용자 맞춤형 샐러드 메뉴 추천 방법 | |
KR20200099668A (ko) | 식사 제공 및 식습관 코칭 방법 및 식사 제공 장치 | |
Probst et al. | 8 Dietary assessment | |
Goorwappa et al. | A Smart Diet Framework for Promoting Healthy Eating Habits and Nutrition in Mauritius |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination |