JP2015184990A - Dietary guidance support device - Google Patents
Dietary guidance support device Download PDFInfo
- Publication number
- JP2015184990A JP2015184990A JP2014061838A JP2014061838A JP2015184990A JP 2015184990 A JP2015184990 A JP 2015184990A JP 2014061838 A JP2014061838 A JP 2014061838A JP 2014061838 A JP2014061838 A JP 2014061838A JP 2015184990 A JP2015184990 A JP 2015184990A
- Authority
- JP
- Japan
- Prior art keywords
- meal
- evaluation
- balance guide
- food
- model formula
- 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.)
- Granted
Links
Landscapes
- Medical Treatment And Welfare Office Work (AREA)
Abstract
Description
本発明は、管理栄養士などの専門家による食事指導対象者への食事指導を支援する食事指導支援装置に係り、特に、食品交換表および食事バランスガイドを併用した食事指導の支援に好適な食事指導支援装置に関する。 The present invention relates to a meal guidance support apparatus for supporting dietary guidance to a dietary guidance target by a specialist such as a registered dietitian, and particularly suitable for dietary guidance support using a food exchange table and a meal balance guide in combination. The present invention relates to a support device.
非特許文献１，２には、ユーザが食事画像をサーバへアップロードし、管理栄養士が指導を行うシステムが示されている。このようなシステムでは、栄養士はユーザのアップロードした写真から、その栄養素等を割り出すので、ユーザが簡単に管理栄養士の食事指導を受けることができるというメリットがある。 Non-Patent Documents 1 and 2 show systems in which a user uploads a meal image to a server and an administrative dietitian provides guidance. In such a system, since the nutritionist determines the nutrients and the like from the photograph uploaded by the user, there is an advantage that the user can easily receive dietary guidance from the registered dietitian.
栄養素等の割り出し方としては、主に「食品交換表」を用いた割り出し方と「食事バランスガイド」を用いた割り出し方との２種類がある。特許文献１には、食事バランスガイドに基づいて、選択した所望のメニューの栄養価を表示する技術が開示されている。特許文献２には、食品交換表に基づく食事指導方式が開示されている。特許文献３には、目的に応じて食品交換表と食事バランスガイドとを切り替えて使用するシステムが開示されている。 There are two types of methods for indexing nutrients, such as indexing using a “food exchange table” and indexing using a “meal balance guide”. Patent Document 1 discloses a technique for displaying the nutritional value of a selected desired menu based on a meal balance guide. Patent Document 2 discloses a meal guidance method based on a food exchange table. Patent Document 3 discloses a system that switches between a food exchange table and a meal balance guide according to the purpose.
「食事バランスガイド」は、厚生労働省および農林水産省が平成１７年６月に制定した、望ましい食生活についてのメッセージを示した「食生活指針」を具体的な行動に結びつけるものとして、1日に「何を」「どれだけ」食べたらよいかの目安を分かりやすく示したものである。 The “Food Balance Guide” was established in June 2005 by the Ministry of Health, Labor and Welfare and the Ministry of Agriculture, Forestry and Fisheries as a link to the “Eating Habits Guideline” showing messages about desirable eating habits. This is an easy-to-understand guideline for what to eat and how much to eat.
「食品交換表」は、食事管理のための面倒なカロリー計算をすることなく適切なエネルギー（カロリー）の範囲内で栄養のバランスのよい献立をつくることを可能にするもので、食品を６つのグループに分類し、８０ｋｃａｌを１単位とし、同じ分類同士の食品を交換できるよう各食品の単位量を定めている。 The “Food Exchange Table” makes it possible to create a nutritionally balanced menu within the range of appropriate energy (calories) without having to calculate calories for meal management. The food is classified into groups, 80 kcal is defined as one unit, and the unit amount of each food is determined so that foods of the same classification can be exchanged.
一般的に、食事バランスガイドは特定保健指導や自己管理等の比較的、状態が軽めで比較的緩い管理で問題ない人向けに使用される。一方、食品交換表は糖尿病患者の支援等、比較的厳しい管理が必要な人向けに使用される。従って、症状が悪化してきた場合には食事バランスガイドによる指導から食品交換表による指導に切り替わり、糖尿病患者が安定してきた場合には食事バランスガイドに戻るといったことが起こりうる。従って、同じ患者に対して、あるときは食品交換表を用いて評価、指導を行い、あるときは食事バランスガイドを用いて評価、指導を行う必要があった。 In general, the meal balance guide is used for people who are relatively light in condition, such as specific health guidance and self-management, and who have no problems with relatively loose management. On the other hand, food exchange tables are used for people who need relatively strict management, such as support for diabetics. Therefore, when the symptom worsens, it may be switched from the guidance by the meal balance guide to the guidance by the food exchange table, and when the diabetic patient becomes stable, it may return to the diet balance guide. Therefore, it has been necessary to evaluate and instruct the same patient using a food exchange table in some cases and to use a meal balance guide in some cases.
これまでのシステムでは、これら２つの評価方式を任意に切り替えて使用することはできないという問題があった。特許文献３では、目的に応じて食品交換表と食事バランスガイドとを切り替えて使用できるが、たとえ同一目的であったとしても、治療の段階が変化するにつれて両者を併用しなければならない場面が生じてしまう。 Conventional systems have had the problem that these two evaluation methods cannot be switched arbitrarily. In Patent Document 3, the food exchange table and the meal balance guide can be used by switching according to the purpose. However, even if the purpose is the same, there is a situation in which both must be used together as the stage of treatment changes. End up.
本発明の目的は上記の技術課題を解決し、食品交換表および食事バランスガイドの一方による評価から他方の評価を高い精度で予測できる食事指導支援装置を提供することにある。 An object of the present invention is to solve the above technical problem and to provide a meal guidance support apparatus capable of predicting the other evaluation with high accuracy from the evaluation by one of the food exchange table and the meal balance guide.
上記の目的を達成するために、本発明は、食品交換表および食事バランスガイドの一方による評価から他方の評価を予測する食事指導支援装置において、以下のような構成を具備した点に特徴がある。 In order to achieve the above object, the present invention is characterized in that the meal guidance support apparatus for predicting the other evaluation from the evaluation by one of the food exchange table and the meal balance guide has the following configuration. .
(1)食品交換表の各表と当該表に分類される食品の種類に対応した食事バランスガイドの各区分との関係を表す第１モデル式群m1と、食事バランスガイドの各区分と当該区分に分類される食事に対応した食品交換表の各表との関係を表す第２モデル式群m2と、食品交換表の各表と食事バランスガイドの各区分との対応関係が既知の学習データを前記各モデル式群に適用して、食品交換表および食事バランスガイドの一方の評価から他方の評価を予測する第１および第２予測モデル式群M1，M2を構築する手段とを具備した。 (1) The first model formula group m1 representing the relationship between each table in the food exchange table and each category of the meal balance guide corresponding to the type of food classified in the table, each category of the diet balance guide, and the category 2nd model formula group m2 representing the relationship with each table of the food exchange table corresponding to the meal classified as food, and learning data with a known correspondence relationship between each table of the food exchange table and each division of the meal balance guide Applying to each of the model formula groups, means for constructing first and second prediction model formula groups M1 and M2 for predicting the other evaluation from one evaluation of the food exchange table and the meal balance guide were provided.
(2)第１および第２モデル式群m1，m2では、栄養学的な事前知識に基づいて属性数を予め絞り込むようにした。 (2) In the first and second model formula groups m1 and m2, the number of attributes is narrowed down in advance based on nutritional prior knowledge.
(3)食品交換表の各表と当該表に分類される食品の種類に対応した食事バランスガイドの各区分との関係を表し、属性数が絞り込まれていない第３モデル式群m3と、食事バランスガイドの各区分と当該区分に分類される食事に対応した食品交換表の各表との関係を表し、属性数が絞り込まれていない第４モデル式群m4と、食品交換表の各表と食事バランスガイドの各区分との対応関係が既知の学習データを前記第３，４モデル式群m3，m4に適用して、食品交換表および食事バランスガイドの一方の評価結果から他方の評価を予測する第３，４予測モデル式群M3，M4を構築する手段と、同一の食事に対して得られた食品交換表の評価結果および食事バランスガイドの評価結果の一方を第１または第２予測モデル式群M1，M2および第３または第４予測モデル式群M3，M4に適用して得られた他方の評価同士を比較する手段と、比較結果に基づいて、第１、２予測モデル式群M1，M2および第３，４予測モデル式群M3，M4の一方による評価予測を選択する手段とを具備した。 (3) The relationship between each table of the food exchange table and each category of the meal balance guide corresponding to the type of food classified in the table, and the third model formula group m3, in which the number of attributes is not narrowed down, and the meal Represents the relationship between each balance guide category and each table in the food exchange table corresponding to meals classified in that category, and the fourth model formula group m4 for which the number of attributes is not narrowed down, Applying learning data with a known correspondence with each division of the meal balance guide to the third and fourth model formula groups m3 and m4, and predicting the other evaluation from the evaluation result of one of the food exchange table and the meal balance guide One of the means for constructing the third and fourth prediction model formula groups M3 and M4 and the evaluation result of the food exchange table and the evaluation result of the meal balance guide obtained for the same meal is the first or second prediction model. Formula group M1, M2 and third or fourth prediction model On the basis of the means for comparing the other evaluations obtained by applying to the formula groups M3 and M4 and the comparison result, the first and second prediction model formula groups M1 and M2 and the third and fourth prediction model formula groups M3 And means for selecting evaluation prediction by one of M4.
本発明によれば、以下のような効果が達成される。 According to the present invention, the following effects are achieved.
(1) 食品交換表および食事バランスガイドの一方による評価から他方の評価を得られるので、管理栄養士等の専門家が食事内容を一方の方式で評価すれば、他方の評価も簡単に得られるようになる。したがって、症状が評価方式の選択基準付近でさまよい、２つの評価方式による評価が必要となる指導対象者であっても、管理栄養士は一方の評価方式を採用した評価のみを行えばよく、食事指導の負担が軽減される。 (1) Since the other evaluation can be obtained from the evaluation by one of the food exchange table and the meal balance guide, if the expert such as a registered dietitian evaluates the meal contents by one method, the other evaluation can be easily obtained. become. Therefore, even if a symptom is wandering near the selection criteria of the evaluation method, a dietitian only needs to perform evaluation using one of the evaluation methods, and dietary guidance is required. The burden of is reduced.
(2) モデル式における属性が栄養学的な見地から簡略化され、例えば脂質については、食品交換表から食事バランスガイドへの変換では複数の区分に分散され、また食事バランスガイドから食品交換表への変換では複数の区分から一つの表に集約されるようにしたので、評価予測精度の高い予測モデルを少ない学習データで構築できるようになる。 (2) The attributes in the model formula are simplified from a nutritional point of view.For example, for lipids, the conversion from a food exchange table to a meal balance guide is divided into multiple categories, and from the meal balance guide to the food exchange table. In this conversion, since a plurality of sections are aggregated into one table, a prediction model with high evaluation prediction accuracy can be constructed with a small amount of learning data.
(3) 属性が簡略化された予測モデルと属性が簡略化されていない予測モデルとを併用し、学習データが少ない間は属性が簡略化された予測モデルを採用し、学習データが増えて学習が進むと属性が簡略化されていない予測モデルを採用するようにしたので、学習データの多少にかかわらず精度の高い評価予測が可能になる。 (3) Predictive model with simplified attributes and predictive model with non-simplified attributes are used in combination. Predictive models with simplified attributes are used while learning data is small. Since the prediction model whose attributes are not simplified is adopted as the process proceeds, evaluation prediction with high accuracy is possible regardless of the amount of learning data.
以下、図面を参照して本発明の実施の形態について詳細に説明する。図１は、本発明が適用される食事指導支援システムの構成を示した図であり、食事指導支援装置１を介して食事指導の対象者（患者）Uiと管理栄養士とが食事情報の共有やコメントのやり取りを通じてコミュニケーションを図る。食事指導支援装置１は、このコミュニケーションの内容から指導対象者Uiの現在の行動変容の段階を判別し、管理栄養士による適切な食事指導を支援する。 Hereinafter, embodiments of the present invention will be described in detail with reference to the drawings. FIG. 1 is a diagram showing a configuration of a meal guidance support system to which the present invention is applied. A meal guidance target person (patient) Ui and a registered dietitian can share meal information via a meal guidance support apparatus 1. Communicate through exchanging comments. The meal guidance support apparatus 1 determines the current behavioral change stage of the guidance target person Ui from the content of this communication, and supports appropriate dietary guidance by a registered dietitian.
図２は、前記食事指導支援装置１に実装されて食品交換表に基づく評価と食事バランスガイドに基づく評価とを相互変換する機能部の構成を示した機能ブロック図である。このような食事指導支援装置１は、汎用のコンピュータやサーバに、後述する各機能を実現するアプリケーション（プログラム）を実装することで構成できる。あるいは、アプリケーションの一部がハードウェア化またはROM化された専用機や単能機とし構成しても良い。 FIG. 2 is a functional block diagram illustrating a configuration of a functional unit that is implemented in the meal guidance support apparatus 1 and that mutually converts the evaluation based on the food exchange table and the evaluation based on the meal balance guide. Such a meal guidance support device 1 can be configured by mounting an application (program) for realizing each function described later on a general-purpose computer or server. Alternatively, it may be configured as a dedicated machine or a single-function machine in which a part of the application is implemented in hardware or ROM.
モデル式記憶部１０には、食品交換表の各表と当該表に分類される食品の種類に対応した食事バランスガイドの少なくとも一つの区分との関係を表す第１モデル式群m1、および食事バランスガイドの各区分と当該区分に分類される食事に対応した食品交換表の少なくとも一つの表との関係を表す第２モデル式群m2が記憶されている。各モデル式群m1，m2の内容については、後に詳述する。 The model formula storage unit 10 includes a first model formula group m1 representing a relationship between each table of the food exchange table and at least one category of the meal balance guide corresponding to the type of food classified in the table, and a meal balance. A second model formula group m2 representing the relationship between each section of the guide and at least one table of the food exchange table corresponding to the meal classified in the section is stored. The contents of each model formula group m1, m2 will be described in detail later.
予測モデル構築部２０において、第１予測モデル式群構築部２０ａは、食品交換表の各表と食事バランスガイドの各区分との対応関係が既知の学習データを前記第１モデル式群m1に適用することで、食事バランスガイドに基づく任意の評価結果から食品交換表に基づく評価を予測する第１予測モデル式群M1を構築する。 In the prediction model construction unit 20, the first prediction model formula group construction unit 20a applies learning data in which the correspondence between each table of the food exchange table and each division of the meal balance guide is known to the first model formula group m1. By doing so, the 1st prediction model formula group M1 which predicts the evaluation based on the food exchange table from the arbitrary evaluation results based on the meal balance guide is constructed.
第２予測モデル式群構築部２０ｂは、前記学習データを前記第２モデル式群m2に適用することで、食品交換表に基づく任意の評価結果から食事バランスガイドに基づく評価を予測する第２予測モデル式群M2を構築する。 The second prediction model formula group construction unit 20b applies the learning data to the second model formula group m2, thereby predicting an evaluation based on the meal balance guide from an arbitrary evaluation result based on the food exchange table. Build model formula group M2.
評価予測部３０は、任意の食事内容に対する食事バランスガイドに基づく評価結果を前記第１予測モデル式群M1に適用することで食事バランスガイドに基づく評価を予測する。または任意の食事内容に対する食品交換表に基づく評価結果を前記第２予測モデル式群M2に適用することで食品交換表に基づく評価を予測する。 The evaluation prediction unit 30 predicts the evaluation based on the meal balance guide by applying the evaluation result based on the meal balance guide for any meal content to the first prediction model formula group M1. Alternatively, an evaluation result based on a food exchange table for an arbitrary meal content is applied to the second prediction model formula group M2 to predict an evaluation based on the food exchange table.
図３は、食品交換表による食品の分類規則を示した図であり、食品が６分類され、１単位が８０kcalとされている。図４は、食事バランスガイドによる食事の分類規則を示した図であり、食事が５分類され、１単位の重さが区分ごとに設定されている。 FIG. 3 is a diagram showing the food classification rules according to the food exchange table. The food is classified into six, and one unit is 80 kcal. FIG. 4 is a diagram showing meal classification rules based on a meal balance guide, where meals are classified into five categories, and the weight of one unit is set for each category.
このように、食品交換表と食事バランスガイドとでは、それぞれの評価指標の次元数が異なるので、その一方から他方を予測する際には、ある１つの次元が他方の複数次元の混合になっており、変換処理ではこの混合割合を推定しなければならない。 Thus, since the number of dimensions of each evaluation index is different between the food exchange table and the meal balance guide, when one is predicted from the other, one dimension is a mixture of the other multiple dimensions. In the conversion process, this mixing ratio must be estimated.
本来であれば、食事内容によってこれらの混合割合が変化する。したがって、変換処理は食事内容を潜在変数として混合割合を推定することを意味している。また、各評価方式は単位が異なり、食品交換表ではcalであるのに対して、食事バランスガイドでは重さである。したがって、食品あたりのcal/gあるいはg/calを内部変数として推定する処理が必要である。本来であれば食事内容によってこれらのcal/gが変化する。したがって、変換処理は食事内容を潜在変数としてcal/gを推定することを意味している。 Originally, the mixing ratio varies depending on the content of the meal. Therefore, the conversion process means that the mixing ratio is estimated with the meal content as a latent variable. In addition, each evaluation method has a different unit, which is cal in the food exchange table, but weight in the meal balance guide. Therefore, it is necessary to estimate cal / g or g / cal per food as an internal variable. Normally, cal / g changes depending on the content of the meal. Therefore, the conversion process means that cal / g is estimated with the meal content as a latent variable.
すなわち、変換を行う際には、一旦食事内容という潜在変数の推定を行ってから数値の推定を行うため、食事内容を推定するために必要なデータがあれば変換精度を向上させることになる。 That is, when performing conversion, since a numerical value is estimated after estimating a latent variable called meal content, if there is data necessary for estimating the meal content, the conversion accuracy is improved.
図３，４を参照すれば、食品交換表の表２には「果物」が包含され、その内容は食事バランスガイドの区分５とほぼ同じである。従って、食品交換表の表２（以下、単に「表２」と表現する場合もある。他の表も同様）と、食事バランスガイドの区分５（以下、単に「区分５」と表現する場合もある。他の区分も同様）との間の相互変換は、食品交換表の単位と食事バランスガイドの単位とを相互変換するだけで足りる。したがって、表２の評価値をx2、区分５の評価値をy5とし、係数a，bをSV（カロリー又は食べる量の単位）と重さとの交換のための係数とすれば、以下のモデル式(1)が得られる。 Referring to FIGS. 3 and 4, “Fruit” is included in Table 2 of the food exchange table, and its content is almost the same as Category 5 of the meal balance guide. Therefore, Table 2 of the food exchange table (hereinafter sometimes simply referred to as “Table 2”; the other tables are also the same) and Category 5 of the meal balance guide (hereinafter simply referred to as “Category 5”). For other conversions, it is only necessary to convert between food exchange table units and meal balance guide units. Therefore, if the evaluation value in Table 2 is x2, the evaluation value in Category 5 is y5, and the coefficients a and b are coefficients for exchanging SV (calorie or unit of food consumption) and weight, the following model equation (1) is obtained.
一方、表１と区分１（主食）、表３と区分３（主菜）、表４と区分４（牛乳・乳製品）、表６と区分２（副菜）は、それぞれ大部分が似通っている。しかしながら、例えば、食事バランスガイドでは区分２（副菜）に分類される芋類が、食品交換表では表６ではなく表１に分類されており、必ずしも一致する訳ではない。脂質に関しても、食品交換表では表５（脂質）が独立して設けられているのに対して、食事バランスガイドでは４つの区分１，２，３，４に分散されている。 On the other hand, Table 1 and Category 1 (main food), Table 3 and Category 3 (main dish), Table 4 and Category 4 (milk and dairy products), and Table 6 and Category 2 (side dish) are mostly similar. Yes. However, for example, potatoes classified into Category 2 (side dishes) in the meal balance guide are classified in Table 1 instead of Table 6 in the food exchange table, and do not necessarily match. Regarding lipids, Table 5 (lipids) is provided independently in the food exchange table, whereas in the meal balance guide, it is distributed in four sections 1, 2, 3, and 4.
このような栄養学的な見地から属性の簡略化（属性数の削減）を試みると、食品交換表の各表１〜６（x1〜x6）は、食事バランスガイドの各区分１〜５（y1〜y5）を用いて、以下の各モデル式(2)〜(6)で表せる（第１モデル式群m1）。 When trying to simplify attributes (reducing the number of attributes) from such a nutritional standpoint, each table 1 to 6 (x1 to x6) of the food exchange table is divided into each category 1 to 5 (y1) of the meal balance guide. ~ Y5) can be expressed by the following model expressions (2) to (6) (first model expression group m1).
上式(2)は、食品交換表の表１（x1）と食事バランスガイドの各区分との関係を表し、右辺第１項は食事バランスガイドの区分１（主食）に関する項であり、同第２項は区分２（副菜）、特に芋類に関する項である。 The above formula (2) represents the relationship between Table 1 (x1) of the food exchange table and each category of the meal balance guide, and the first term on the right side is the term related to category 1 (main meal) of the diet balance guide. Item 2 is related to Category 2 (side dish), especially potatoes.
同第３項は、食品交換表では「脂質」について表５（x5）が独立して設けられているのに対して、食事バランスガイドでは「脂質」に関する専用区分がなく、区分１〜４に脂質が分散されていることから、表１（x1）から脂質を減じるために設けられた項（以下、「脂質分を減算する項」と表現する）である。 As for the third item, Table 5 (x5) is provided independently for “lipid” in the food exchange table, whereas the diet balance guide does not have a dedicated category for “lipid”, and is classified into categories 1 to 4. Since the lipid is dispersed, it is a term provided to subtract the lipid from Table 1 (x1) (hereinafter referred to as “a term for subtracting the lipid content”).
上式(3)は、食品交換表の表３（x3）と食事バランスガイドの各区分との関係を表し、右辺第１項は区分１（主菜）に関する項であり、同第２項は前記脂質分を減算する項である。 The above equation (3) represents the relationship between Table 3 (x3) of the food exchange table and each category of the meal balance guide. The first term on the right side is the term for category 1 (main dish), and the second term is This is a term for subtracting the lipid content.
上式(4)は、食品交換表の表４（x4）と食事バランスガイドの各区分との関係を表し、右辺第１項は区分２（牛乳・乳製品）に関する項であり、同第２項は前記脂質分を減算する項である。 The above equation (4) represents the relationship between Table 4 (x4) of the food exchange table and each category of the meal balance guide, and the first term on the right side is the term related to category 2 (milk and dairy products). The term is a term for subtracting the lipid content.
上式(5)は、食品交換表の表５（x5）と食事バランスガイドの各区分との関係を表し、右辺第１，２，３，４項は、それぞれ区分１，２，３，４に含まれる脂質分に相当する項である。 The above formula (5) represents the relationship between Table 5 (x5) of the food exchange table and each category of the meal balance guide, and the first, second, third, and fourth terms on the right side are classified into 1, 2, 3, and 4, respectively. It is a term corresponding to the lipid content contained in.
上式(6)は、食品交換表の表６（x6）と食事バランスガイドの各区分との関係を表し、右辺第１項は区分２（副菜）に関する項、第２項は重複する芋類を減算する項であり、第３項は前記脂質分を減算する項である。 The above formula (6) represents the relationship between Table 6 (x6) of the food exchange table and each category of the meal balance guide. The first term on the right side is the term related to category 2 (side dish), and the second term is a duplicate. The third term is a term for subtracting the lipid content.
一方、食事バランスガイドの各区分１〜５（y1〜y5）は、食品交換表の各表１〜６（x1〜x6）を用いて以下の各モデル式(7)〜(10)のように表せる（第２モデル式群m2）。 On the other hand, each division 1-5 (y1-y5) of the meal balance guide is as shown in the following model formulas (7)-(10) using Tables 1-6 (x1-x6) of the food exchange table. (2nd model formula group m2).
上式(7)は、食事バランスガイドの区分１（y1）と食品交換表の各表との関係を表し、右辺第１項は食品交換表の表1に関する項である。第２項は、食事バランスガイドでは「芋類」が区分２に分類されるのに対して、食品交換表では表１に分類されることから、区分１（y1）から芋類を減算する項である。 The above formula (7) represents the relationship between the category 1 (y1) of the meal balance guide and each table of the food exchange table, and the first term on the right side is a term related to Table 1 of the food exchange table. The second term is a category that subtracts moss from Category 1 (y1) because “Mid” is classified as Category 2 in the Food Balance Guide, while it is classified in Table 1 in the Food Exchange Table. It is.
第３項は、食品交換表では「脂質」に関して表５が独立して設けられているのに対して、食事バランスガイドでは「脂質」に関する区分がなく、各区分に脂質が分散されていることから、区分１に脂質分を加算するための項である。 The third item is that Table 5 is independently provided for “lipid” in the food exchange table, whereas there is no “lipid” category in the diet balance guide, and lipid is dispersed in each category. From this, it is a term for adding the lipid content to Category 1.
上式(8)は、食事バランスガイドの区分２（y2）と食品交換表の各表との関係を表し、第１項は、食品交換表では「主にビタミン・ミネラルを含む食品」に関して表６が独立して設けられているのに対して、食事バランスガイドでは「主にビタミン・ミネラルを含む食品」に関する区分がなく、各区分にビタミン等が分散されていることから、食事バランスガイドの区分１にビタミン等の評価を加算する項である。 The above formula (8) represents the relationship between Category 2 (y2) of the meal balance guide and each table of the food exchange table. The first term is a table regarding “food mainly containing vitamins and minerals” in the food exchange table. 6 is provided independently, but the diet balance guide does not have a category for “mainly foods containing vitamins and minerals”, and vitamins are distributed in each category. It is a term to add the evaluation of vitamins etc. to Category 1.
同第２項は、食品交換表では芋類が表１に分類されるのに対して、食事バランスガイドでは区分２に分類されることから、式(7)で区分１から減じた芋類の評価を区分２に加算するための項である。同第３項は、前記脂質分を加算する項である。 In the second paragraph, moss is classified as Table 1 in the food exchange table, but it is classified as Category 2 in the meal balance guide. This is a term for adding evaluation to Category 2. The third term is a term for adding the lipid content.
上式(9)は、食事バランスガイドの区分３（y3）と食品交換表との関係を表し、右辺第１項は表3に関する項であり、同第２項は、前記脂質についての加算項である。 The above formula (9) represents the relationship between category 3 (y3) of the meal balance guide and the food exchange table, the first term on the right side is a term relating to Table 3, and the second term is an addition term for the lipid. It is.
上式(10)は、食事バランスガイドの区分４と食品交換表との関係を表し、右辺第１項は表4に関する項であり、同第２項は、前記脂質分を加算する項である。 The above formula (10) represents the relationship between the meal balance guide category 4 and the food exchange table, the first term on the right side is a term relating to Table 4, and the second term is a term for adding the lipid content. .
前記予測モデル構築部２０は、食品ごとに得られる食品交換表の評価（x1，x2，x3，x4，x5，x6）および食事バランスガイドの評価（y1，y2，y3，y4，y5）のペアからなる多数の学習データを、前記各モデル式群m1，m2に適用して、重回帰分析または機械学習を行うことにより、各係数を算出して前記第１および第２予測モデル式群M1，M2を構築する。 The prediction model construction unit 20 is a pair of food exchange table evaluation (x1, x2, x3, x4, x5, x6) obtained for each food and meal balance guide evaluation (y1, y2, y3, y4, y5). Are applied to each of the model formula groups m1 and m2, and multiple regression analysis or machine learning is performed to calculate the respective coefficients and the first and second prediction model formula groups M1, Build M2.
前記評価予測部３０は、任意の食事について食品交換表の評価（例えば、[5,4,0,1,1,0]）を前記第２予測モデル式群M2のx1〜x6へ適用することで、食事バランスガイドの各区分の評価値を算出する。また、食事バランスガイドの評価（例えば、[1,2,3,0,0]）を前記第１予測モデル式群M1のy1〜ｙ5へ適用することで、食品交換表の各表の評価値を算出する。 The evaluation prediction unit 30 applies the evaluation (for example, [5,4,0,1,1,0]) of the food exchange table for any meal to x1 to x6 of the second prediction model formula group M2. Then, the evaluation value of each division of the meal balance guide is calculated. In addition, by applying the evaluation of the meal balance guide (eg, [1,2,3,0,0]) to y1 to y5 of the first prediction model formula group M1, the evaluation value of each table of the food exchange table Is calculated.
本実施形態によれば、食品交換表および食事バランスガイドの一方による評価から他方の評価を得られるので、管理栄養士等の専門家が食事内容を一方の方式で評価すれば、他方の評価も簡単に得られるようになる。したがって、症状が評価方式の選択基準付近でさまよい、２つの評価方式による評価が必要となる指導対象者であっても、管理栄養士は一方の評価方式を採用した評価のみを行えばよく、食事指導の負担が軽減される。 According to this embodiment, since the other evaluation can be obtained from the evaluation by one of the food exchange table and the meal balance guide, if the expert such as a registered dietitian evaluates the meal contents by one method, the other evaluation is also easy. Will be obtained. Therefore, even if a symptom is wandering near the selection criteria of the evaluation method, a dietitian only needs to perform evaluation using one of the evaluation methods, and dietary guidance is required. The burden of is reduced.
また、本実施形態ではモデル式における属性が栄養学的な見地から簡略化され、例えば脂質については、食品交換表から食事バランスガイドへの変換では複数の区分に分散され、また食事バランスガイドから食品交換表への変換では複数の区分から一つの表に集約されるようにしたので、評価予測精度の高い予測モデルを少ない学習データで構築できるようになる。 In the present embodiment, the attributes in the model formula are simplified from a nutritional point of view. For example, lipids are dispersed into a plurality of categories in the conversion from the food exchange table to the meal balance guide, and the food balance guide to the food. In the conversion to the exchange table, since a plurality of sections are aggregated into one table, a prediction model with high evaluation prediction accuracy can be constructed with a small amount of learning data.
さらに、ビタミン・ミネラルについても、食品交換表から食事バランスガイドへの変換では複数の区分に分散され、また食事バランスガイドから食品交換表への変換では複数の区分から一つの表（表６）に集約されるようにした。 Furthermore, vitamins and minerals are also distributed in multiple categories when converting from food exchange tables to dietary balance guides, and from multiple categories to one table (Table 6) when converting from dietary balance guides to food exchange tables. It was made to be consolidated.
さらに、芋類のように、食品交換表では区分２（副食）に分類される一方、食事バランスガイドでは表１（穀物）に分類されるといったように、属性が異なる食品についても属性の入れ替えが行われるようにした。したがって、評価精度を大きく損なうことなく属性の簡略化が可能になる。 In addition, as in the case of potatoes, the food exchange table is classified as category 2 (subsidiary), while the meal balance guide is classified as table 1 (cereal). To be done. Therefore, it is possible to simplify the attributes without significantly degrading the evaluation accuracy.
なお、上記のモデル式群m1，m2から構築される予測モデル式群M1，M2では予測精度が不十分である場合には、その他の属性とのバランスが影響している可能性がある。そのような場合には、その他の属性の影響を一定以下に抑えながら、バランスを推定して影響を与えるモデルとして、上式(1)〜(6)の第１モデル式群m1に代えて、次式(11)〜(16)の第２モデル式群m3を採用しても良い。同様に、上式(7)〜(10)の第２モデル式群m2に代えて、次式(17)〜(21)の第４モデル式群m4を採用しても良い。 If the prediction model formula groups M1 and M2 constructed from the model formula groups m1 and m2 have insufficient prediction accuracy, the balance with other attributes may be affected. In such a case, instead of the first model formula group m1 of the above formulas (1) to (6), the balance is estimated and the model is influenced while keeping the influence of other attributes below a certain level. You may employ | adopt the 2nd model formula group m3 of following Formula (11)-(16). Similarly, instead of the second model formula group m2 of the above formulas (7) to (10), a fourth model formula group m4 of the following formulas (17) to (21) may be adopted.
次式(11)〜(21)では、食品交換表の評価値や食事バランスガイドの各区分をパラメータとする関数fを定義し、これを属性の一つとして各モデル式に追加している。このような関数としては、k-means法等によるクラスタリング結果が好適である。 In the following formulas (11) to (21), a function f is defined that uses the evaluation value of the food exchange table and each category of the meal balance guide as parameters, and this is added to each model formula as one of the attributes. As such a function, a clustering result by the k-means method or the like is preferable.
本実施形態によれば、食品交換表の各表の評価予測には食事バランスガイドの全ての区分がバランスよく反映され、また食事バランスガイドの各区分の評価予測には食品交換表の全ての表がバランスよく反映されるので、評価予測の精度を向上させることができる。 According to this embodiment, all the categories of the meal balance guide are reflected in a balanced manner in the evaluation prediction of each table of the food exchange table, and all the tables of the food exchange table are reflected in the evaluation prediction of each category of the meal balance guide. Is reflected in a balanced manner, so that the accuracy of evaluation prediction can be improved.
一方、上記のような学習モデルを用いた評価予測では、学習に用いたデータを使った際の予測誤差（学習誤差）と学習に用いないデータ（テストデータ）を使った際の予測誤差（汎化誤差）とを比較したとき、上記のように属性数を絞り込んで単純化した予測モデルを用いた評価予測では、データ数の増加に伴って学習誤差は小さくなるものの汎化誤差の減少には限界がある。 On the other hand, in the evaluation prediction using the learning model as described above, the prediction error when using the data used for learning (learning error) and the prediction error when using data not used for learning (test data) (generic error) In the evaluation prediction using the prediction model simplified by narrowing down the number of attributes as described above, the learning error decreases as the number of data increases, but the generalization error decreases. There is a limit.
これに対して、複雑な学習モデルを用いた評価予測では、データ量が増えなければ予測モデルを構築できないものの、データの内容に偏りがない限り、データ量が大きくなれば学習誤差および汎化誤差がいずれも小さくなる。 In contrast, in evaluation prediction using a complex learning model, a prediction model cannot be built unless the amount of data increases. However, as long as the amount of data does not deviate, learning errors and generalization errors increase as the amount of data increases. Are both smaller.
そこで、次に説明する第２実施形態では、上記の属性を単純化した予測モデルM1，M2に加えて、属性を単純化しない複雑な予測モデルM3，M4も並行して構築し、両者の汎化誤差が一定内に近付いたならば、後者の予測モデルM3，M4による予測に切り替えるようにしている。汎化誤差は、例えば交差検定等によって測定できる。 Therefore, in the second embodiment described below, in addition to the prediction models M1 and M2 in which the above attributes are simplified, complex prediction models M3 and M4 that do not simplify the attributes are also constructed in parallel. If the conversion error approaches within a certain range, the latter prediction model M3, M4 is switched to the prediction. The generalization error can be measured by, for example, cross validation.
図５は、本発明の第２実施形態に係る食事指導支援装置１の主要部の構成を示した機能ブロック図であり、前記と同一の符号は同一又は同等部分を表している。 FIG. 5 is a functional block diagram showing the configuration of the main part of the meal guidance support apparatus 1 according to the second embodiment of the present invention. The same reference numerals as those described above represent the same or equivalent parts.
モデル式記憶部１０には、前記属性が単純化された第１および第２モデル式群m1，m2に加えて、前記属性が単純化されていない第３および第４モデル式群m3，m4が記憶されている。 In addition to the first and second model formula groups m1 and m2 in which the attributes are simplified, the model formula storage unit 10 includes third and fourth model formula groups m3 and m4 in which the attributes are not simplified. It is remembered.
前記第３モデル式群m3は、食品交換表の各表と当該表に分類される食品の種類に対応した食事バランスガイドの少なくとも一つの区分との関係を表す。前記第４モデル式群m4は、食事バランスガイドの各区分と当該区分に分類される食事に対応した食品交換表の少なくとも一つの表との関係を表す。 The third model formula group m3 represents the relationship between each table of the food exchange table and at least one category of the meal balance guide corresponding to the type of food classified in the table. The fourth model formula group m4 represents a relationship between each division of the meal balance guide and at least one table of the food exchange table corresponding to the meal classified into the division.
前記第３および第４モデル式群m3，m4では、前記第１および第２モデル式群m1，m2に比べて属性が相対的に複雑化されており、例えば次式のようなモデルを利用できる。 In the third and fourth model formula groups m3 and m4, the attributes are relatively complicated compared to the first and second model formula groups m1 and m2, and for example, a model such as the following formula can be used. .
また、次式のように、説明変数に上記以外を加えても良い。 Moreover, you may add other than the above to an explanatory variable like following Formula.
さらに、これらを説明変数とする重回帰分析だけではなく、SVR（Support Vector Regression）、lasso、リッジ回帰等のロバスト回帰モデル、ニューラルネットワークやSupport Vector Machine（SVM）等の教師あり学習等であっても良い。 In addition to multiple regression analysis using these as explanatory variables, robust regression models such as SVR (Support Vector Regression), lasso, and ridge regression, supervised learning such as neural networks and Support Vector Machine (SVM), etc. Also good.
前記説明変数としては、コメント中に含まれる食事に関する単語を用いることができる。すなわちコメントを形態素解析し、予め登録された食事に関連する単語のみを抽出し、その頻度情報を説明変数とできる。さらに、利用者によって食事メニューに関する情報が記載されている場合には、このメニュー情報を説明変数として利用しても良い。 As the explanatory variable, a word relating to a meal included in a comment can be used. That is, a comment is subjected to morphological analysis, and only words related to meals registered in advance are extracted, and the frequency information can be used as an explanatory variable. Furthermore, when information on the meal menu is described by the user, this menu information may be used as an explanatory variable.
予測モデル構築部２０は、前記第１および第２予測モデル式群構築部２０ａ，２０ｂに加えて、前記学習データを前記第３モデル式群m3に適用することで、食事バランスガイドに基づく任意の評価結果(y1,y2,y3,y4,y5)から食品交換表に基づく評価を予測する第３予測モデル式群M3を構築する第３予測モデル式群構築部２０ｃ、および前記学習データを前記第４モデル式群m4に適用することで、食品交換表に基づく任意の評価結果(x1,x2,x3,x4,x5,x6)から食事バランスガイドに基づく評価を予測する第４予測モデル式群M4を構築する第４予測モデル式群構築部２０ｄを含む。 The prediction model construction unit 20 applies the learning data to the third model formula group m3 in addition to the first and second prediction model formula group construction units 20a and 20b, so that any prediction based on the meal balance guide can be applied. A third prediction model formula group construction unit 20c that constructs a third prediction model formula group M3 that predicts an evaluation based on the food exchange table from the evaluation results (y1, y2, y3, y4, y5), and the learning data By applying to the four model formula group m4, the fourth prediction model formula group M4 that predicts the evaluation based on the meal balance guide from any evaluation result (x1, x2, x3, x4, x5, x6) based on the food exchange table Includes a fourth prediction model formula group construction unit 20d.
評価予測部３０において、汎化誤差比較部３０ａは、第１または第２予測モデル式群M1，M2により得られた汎化誤差σ1と、第３または第４予測モデル式群M3，M4により得られた汎化誤差σ2とを比較する。予測式切換部３０ｂは予測モデルとして、前記汎化誤差σ1，σ2の差分が所定の閾値以上であれば第１および第２予測モデル式群M1，M2を採用し、差分が所定の閾値未満であれば第３および第４予測モデル式群M3，M4を採用する。 In the evaluation prediction unit 30, the generalization error comparison unit 30a is obtained from the generalization error σ1 obtained by the first or second prediction model formula group M1, M2 and the third or fourth prediction model formula group M3, M4. The obtained generalization error σ2 is compared. The prediction formula switching unit 30b employs the first and second prediction model formula groups M1 and M2 as a prediction model if the difference between the generalization errors σ1 and σ2 is equal to or greater than a predetermined threshold, and the difference is less than the predetermined threshold. If there are, the third and fourth prediction model formula groups M3 and M4 are adopted.
前記学習データについては、多数の食事を対象に専門家に各評価方式による評価を求めて教師データを作成しても良いが、一般的に、糖尿病患者には食品交換表、その前段階の患者には食事バランスガイドが用いられる。そして、これらの中間に位置する患者には２種類の評価方式による評価が必要となる。したがって、このような患者を血糖値や体重等から推定できれば、同一の食事内容について２種類の評価を複数得ることができる。 As for the learning data, teacher data may be created by requesting an expert to evaluate each of the evaluation methods for a large number of meals. A meal balance guide is used. And the patient located in the middle requires evaluation by two kinds of evaluation methods. Therefore, if such a patient can be estimated from a blood glucose level, a body weight, etc., two or more two types of evaluation can be obtained about the same meal content.
図６は、このような学習データの取得に適した患者を推定する機能を備えた第３実施形態の機能ブロック図であり、前記と同一の符号は同一又は同等部分を表しているので、その説明は省略する。 FIG. 6 is a functional block diagram of the third embodiment having a function of estimating a patient suitable for acquisition of such learning data, and the same reference numerals as those described above represent the same or equivalent parts. Description is omitted.
予測モデル構築部２０において、バイタルデータ受付部２１ａは、食事指導を要する患者の血圧や血糖値等のバイタルデータの入力を受け付ける。患者状態推定部２１ｂは、入力されたバイタルデータに基づいて当該患者の状態を推定する。２種評価要否判定部２１ｃ、前記推定結果に基づいて、当該患者が食品交換表に基づく評価および食事バランスガイドに基づく評価の双方を必要としているか否かを判定する。評価要求部２１ｄは、２種評価が必要と判定された患者を特定し、当該患者に対する管理栄養士による２種評価を要求する。 In the prediction model construction unit 20, the vital data reception unit 21a receives input of vital data such as blood pressure and blood glucose level of a patient who needs dietary guidance. The patient state estimation unit 21b estimates the state of the patient based on the input vital data. Based on the estimation result, the two-type evaluation necessity determination unit 21c determines whether or not the patient needs both the evaluation based on the food exchange table and the evaluation based on the meal balance guide. The evaluation requesting unit 21d identifies a patient determined to require two-type evaluation, and requests two-type evaluation by a registered dietitian for the patient.
本実施形態によれば、食品交換表に基づく評価および食事バランスガイドに基づく評価の双方が必要な患者を特定して、管理栄養士による２種評価を要求できるので、管理栄養士の負担を抑えながら学習データの効率的な取得が可能になる。 According to this embodiment, a patient who needs both an evaluation based on a food exchange table and an evaluation based on a meal balance guide can be identified, and two types of evaluation by a registered dietitian can be requested. Data can be acquired efficiently.
ところで、栄養士の負担を減らすためには、2種類の評価を行う患者数を出来る限り減らす必要がある。そのため、既に取得したデータと出来る限り異なるデータについての評価を多くもらうようにしても良い。例えば、学習データセット（食品交換表に基づく評価(x1,x2,x3,x4,x5,x6)=食事バランスガイドに基づく評価(y1,y2,y3,y4,y5))として、(5,4,0,0,0)=(3,0,0,2,0)および(3,4,0,0,0)=(2,0,0,2,0)が得られている場合を考える。 By the way, in order to reduce the burden on dietitians, it is necessary to reduce the number of patients performing two types of evaluation as much as possible. For this reason, it may be possible to obtain a lot of evaluation on data that is as different as possible from already acquired data. For example, as a learning data set (evaluation based on food exchange table (x1, x2, x3, x4, x5, x6) = evaluation based on meal balance guide (y1, y2, y3, y4, y5)), (5,4 , 0,0,0) = (3,0,0,2,0) and (3,4,0,0,0) = (2,0,0,2,0) Think.
ここで、新たに食品交換表に基づいて(4,5,0,0,0)という評価と(0,0,0,3,4)という評価とが得られたときは、いずれの食事バランスガイドでの評価がより有効であるのかを考え、既存のデータからの距離がより大きい(0,0,0,3,4)を選択する。なお、評価結果の距離は、各評価値の減算の二乗和によって決定できる。 Here, when an evaluation of (4,5,0,0,0) and an evaluation of (0,0,0,3,4) are newly obtained based on the food exchange table, which diet balance Consider whether the evaluation with the guide is more effective, and select a larger distance (0,0,0,3,4) from the existing data. The distance of the evaluation result can be determined by the square sum of the subtraction of each evaluation value.
図７は、このような学習データの自動選別を可能にする第４実施形態の機能ブロック図であり、前記と同一の符号は同一又は同等部分を表しているので、その説明は省略する。 FIG. 7 is a functional block diagram of the fourth embodiment that enables such automatic selection of learning data. Since the same reference numerals as those described above represent the same or equivalent parts, the description thereof is omitted.
予測モデル構築部２０において、学習データ候補受付部２２ａは、食品交換表に基づく評価値および食事バランスガイドの評価値の一方を学習データ候補の一方として受け付ける。学習データ候補選択部２２ｂは、入力された学習データ候補の一方と既登録の各学習データの一方の評価値とを比較し、距離が所定の閾値を超える学習データ候補を選択する。すなわち、学習データ候補の一方として食品交換表の評価値が入力されたならば、これを既登録の各食品交換表の評価値と比較する。評価要求部２２ｃは、選択された学習データ候補の他方の評価を管理栄養士に対して要求する。 In the prediction model construction unit 20, the learning data candidate reception unit 22a receives one of the evaluation value based on the food exchange table and the evaluation value of the meal balance guide as one of the learning data candidates. The learning data candidate selection unit 22b compares one of the input learning data candidates with one evaluation value of each registered learning data, and selects a learning data candidate whose distance exceeds a predetermined threshold. That is, if the evaluation value of the food exchange table is input as one of the learning data candidates, it is compared with the evaluation value of each registered food exchange table. The evaluation requesting unit 22c requests the registered dietitian to evaluate the other of the selected learning data candidates.
本実施形態によれば、学習データとして有効な評価値を管理栄養士へ要求できるので、管理栄養士の負担を抑えながら学習データの効率的な取得が可能になる。 According to this embodiment, since an evaluation value effective as learning data can be requested from the registered dietitian, it is possible to efficiently acquire learning data while suppressing the burden on the registered dietitian.
１…食事指導支援装置，１０…モデル式記憶部，１０ａ…第１モデル式群記憶部，１０ｂ…第２モデル式群記憶部，１０ｃ…第３モデル式群記憶部，１０ｄ…第４モデル式群記憶部，２０…予測モデル構築部，２０ａ…第１予測モデル式群構築部，２０ｂ…第２予測モデル式群構築部，２０ｃ…第３予測モデル式群構築部，２０ｄ…第４予測モデル式群構築部，２１ａ…バイタルデータ受付部，２１ｂ…患者状態推定部，２１ｃ…２種評価要否判定部，２１ｄ…評価要求部，２２ａ…学習データ候補受付部，２２ｂ…学習データ候補選択部，２２ｃ…評価要求部，３０…評価予測部，３０ａ…汎化誤差比較部，３０ｂ…予測式切換部 DESCRIPTION OF SYMBOLS 1 ... Meal guidance assistance apparatus, 10 ... Model formula memory | storage part, 10a ... 1st model formula group memory | storage part, 10b ... 2nd model formula group memory | storage part, 10c ... 3rd model formula group memory | storage part, 10d ... 4th model formula Group storage unit, 20 ... prediction model construction unit, 20a ... first prediction model formula group construction unit, 20b ... second prediction model formula group construction unit, 20c ... third prediction model formula group construction unit, 20d ... fourth prediction model Expression group construction unit, 21a ... Vital data reception unit, 21b ... Patient state estimation unit, 21c ... Two kinds of evaluation necessity determination unit, 21d ... Evaluation request unit, 22a ... Learning data candidate reception unit, 22b ... Learning data candidate selection unit , 22c... Evaluation request section, 30... Evaluation prediction section, 30a... Generalization error comparison section, 30b.
Claims (13)
食品交換表の各表と当該表に分類される食品の種類に対応した食事バランスガイドの少なくとも一つの区分との関係を表す第１モデル式群を記憶する手段と、
食事バランスガイドの各区分と当該区分に分類される食事に対応した食品交換表の少なくとも一つの表との関係を表す第２モデル式群を記憶する手段と、
食品交換表の各表と食事バランスガイドの各区分との対応関係が既知の学習データを前記各モデル式群に適用して、食品交換表および食事バランスガイドの一方の評価から他方の評価を予測する第１および第２予測モデル式群を構築する手段とを具備したことを特徴とする食事指導支援装置。 In the meal guidance support device that predicts the other evaluation from the evaluation by one of the food exchange table and the meal balance guide,
Means for storing a first model formula group representing a relationship between each table of the food exchange table and at least one division of the meal balance guide corresponding to the type of food classified in the table;
Means for storing a second model formula group representing a relationship between each section of the meal balance guide and at least one table of the food exchange table corresponding to the meal classified in the section;
Predict the other evaluation from one evaluation of the food exchange table and meal balance guide by applying learning data with known correspondence between each table of the food exchange chart and each division of the meal balance guide to each model formula group. And a means for constructing the first and second prediction model formula groups.
食事バランスガイドの各区分と当該区分に分類される食事に対応した食品交換表の少なくとも一つの表との関係を表し、属性数が絞り込まれていない第４モデル式群を記憶する手段と、
食品交換表の各表と食事バランスガイドの各区分との対応関係が既知の学習データを前記第３および第４モデル式群に適用して、食品交換表および食事バランスガイドの一方の評価結果から他方の評価を予測する第３および第４予測モデル式群を構築する手段と、
同一の食事に対して得られた食品交換表の評価結果および食事バランスガイドの評価結果の一方を前記第１または第２予測モデル式群および第３または第４予測モデル式群に適用して得られた他方の評価同士を比較する手段と、
前記比較結果に基づいて、第１および第２予測モデル式群ならびに第３および第４予測モデル式群の一方による評価予測を選択する手段とを具備したことを特徴とする請求項２ないし１０のいずれかに記載の食事指導支援装置。 Means for storing a third model formula group representing a relationship between each table of the food exchange table and at least one category of the meal balance guide corresponding to the type of food classified in the table, and in which the number of attributes is not narrowed down; ,
Means for storing a fourth model formula group that represents a relationship between each section of the meal balance guide and at least one table of the food exchange table corresponding to the meal classified in the section, and in which the number of attributes is not narrowed down;
From the evaluation result of one of the food exchange table and the meal balance guide, learning data whose correspondence between each table of the food exchange table and each division of the meal balance guide is known is applied to the third and fourth model formula groups. Means for constructing third and fourth prediction model formula groups for predicting the other evaluation;
One of the evaluation result of the food exchange table and the evaluation result of the meal balance guide obtained for the same meal is applied to the first or second prediction model formula group and the third or fourth prediction model formula group. Means for comparing the other evaluations,
11. The method according to claim 2, further comprising means for selecting evaluation prediction based on one of the first and second prediction model formula groups and the third and fourth prediction model formula groups based on the comparison result. The meal guidance assistance apparatus in any one.
前記バイタルデータに基づいて当該患者の状態を推定する手段と、
前記推定結果に基づいて、当該患者が食品交換表に基づく評価および食事バランスガイドに基づく評価の双方を必要としているか否かを判定する手段と、
前記判定結果に基づいて、当該患者に関して食品交換表に基づく評価および食事バランスガイドに基づく評価の双方を要求する手段とを更に具備したことを特徴とする請求項１ないし１１のいずれかに記載の食事指導支援装置。 Means for accepting input of vital data of patients requiring dietary guidance;
Means for estimating the patient's condition based on the vital data;
Means for determining whether the patient needs both an evaluation based on a food exchange table and an evaluation based on a meal balance guide based on the estimation result;
12. The apparatus according to claim 1, further comprising means for requesting both an evaluation based on a food exchange table and an evaluation based on a meal balance guide on the patient based on the determination result. Meal guidance support device.
食品交換表に基づく評価値および食事バランスガイドの評価値の一方を学習データ候補の一方として入力する手段と、
入力された学習データ候補の一方と既登録の各学習データの一方の評価値とを比較し、距離が所定の閾値を超える前記学習データ候補を選択する手段と、
前記選択された学習データ候補の他方の評価を要求する手段とを更に具備したことを特徴とする請求項１ないし１２のいずれかに記載の食事指導支援装置。 Learning data whose correspondence between each table of the food exchange table and each division of the meal balance guide is known,
Means for inputting one of the evaluation value based on the food exchange table and the evaluation value of the meal balance guide as one of the learning data candidates;
Means for comparing one of the input learning data candidates with one evaluation value of each registered learning data, and selecting the learning data candidate whose distance exceeds a predetermined threshold;
13. The meal guidance support apparatus according to claim 1, further comprising means for requesting the other evaluation of the selected learning data candidate.
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP2014061838A JP6168606B2 (en) | 2014-03-25 | 2014-03-25 | Meal guidance support device |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP2014061838A JP6168606B2 (en) | 2014-03-25 | 2014-03-25 | Meal guidance support device |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| JP2015184990A true JP2015184990A (en) | 2015-10-22 |
| JP6168606B2 JP6168606B2 (en) | 2017-07-26 |
Family
ID=54351422
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| JP2014061838A Active JP6168606B2 (en) | 2014-03-25 | 2014-03-25 | Meal guidance support device |
Country Status (1)
| Country | Link |
|---|---|
| JP (1) | JP6168606B2 (en) |
Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2008084155A (en) * | 2006-09-28 | 2008-04-10 | Osamu Kita | Meal balance display system |
| JP2008181317A (en) * | 2007-01-24 | 2008-08-07 | Nec Corp | Health management system, portable terminal, program, and health management method |
| JP2010152470A (en) * | 2008-12-24 | 2010-07-08 | Meiden Software Corp | Health management system, communication terminal, health management method, and program |
| JP2013190915A (en) * | 2012-03-13 | 2013-09-26 | Hitachi Ltd | Life habit improvement support system and method for analyzing biological index |
-
2014
- 2014-03-25 JP JP2014061838A patent/JP6168606B2/en active Active
Patent Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2008084155A (en) * | 2006-09-28 | 2008-04-10 | Osamu Kita | Meal balance display system |
| JP2008181317A (en) * | 2007-01-24 | 2008-08-07 | Nec Corp | Health management system, portable terminal, program, and health management method |
| JP2010152470A (en) * | 2008-12-24 | 2010-07-08 | Meiden Software Corp | Health management system, communication terminal, health management method, and program |
| JP2013190915A (en) * | 2012-03-13 | 2013-09-26 | Hitachi Ltd | Life habit improvement support system and method for analyzing biological index |
Also Published As
| Publication number | Publication date |
|---|---|
| JP6168606B2 (en) | 2017-07-26 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Haussmann et al. | FoodKG: a semantics-driven knowledge graph for food recommendation | |
| Sakr et al. | Towards a comprehensive data analytics framework for smart healthcare services | |
| Geiss et al. | Prevalence and incidence trends for diagnosed diabetes among adults aged 20 to 79 years, United States, 1980-2012 | |
| Chastin et al. | Development of a consensus taxonomy of sedentary behaviors (SIT): report of Delphi Round 1 | |
| Kim et al. | Knowledge-based hybrid decision model using neural network for nutrition management | |
| JP2015506038A5 (en) | ||
| US20160225284A1 (en) | Intelligent Meal Planning Tool | |
| Alajajian et al. | The Lexicocalorimeter: Gauging public health through caloric input and output on social media | |
| Austin et al. | The relationship between the C-statistic of a risk-adjustment model and the accuracy of hospital report cards: a Monte Carlo Study | |
| Babajide et al. | A machine learning approach to short-term body weight prediction in a dietary intervention program | |
| Abujaber et al. | Using trauma registry data to predict prolonged mechanical ventilation in patients with traumatic brain injury: Machine learning approach | |
| Torisson et al. | Importance and added value of functional impairment to predict mortality: a cohort study in Swedish medical inpatients | |
| Stefanidis et al. | PROTEIN AI advisor: a knowledge-based recommendation framework using expert-validated meals for healthy diets | |
| KR20130053274A (en) | System and method for diet management | |
| Elsweiler et al. | Food recommender systems | |
| Agell et al. | A consensus model for Delphi processes with linguistic terms and its application to chronic pain in neonates definition | |
| Pirracchio et al. | Recalibrating our prediction models in the ICU: time to move from the abacus to the computer | |
| Ntalaperas et al. | DISYS: An intelligent system for personalized nutritional recommendations in restaurants | |
| JP6168606B2 (en) | Meal guidance support device | |
| Gouthami et al. | Nutrition diet recommendation system using user's Interest | |
| Chousiadas et al. | Advancing quantified-self applications utilizing visual data analytics and the internet of things | |
| Wölfer et al. | Intra-versus intersex aggression: Testing theories of sex differences using aggression networks | |
| Ileri et al. | Advancing competitive position in healthcare: A hybrid metaheuristic nutrition decision support system | |
| Bredenoord et al. | Next generation DNA sequencing: always allow an opt out | |
| Chivukula et al. | Ontology based food recommendation |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20160729 |
|
| RD04 | Notification of resignation of power of attorney |
Free format text: JAPANESE INTERMEDIATE CODE: A7424 Effective date: 20160822 |
|
| A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20170526 |
|
| TRDD | Decision of grant or rejection written | ||
| A01 | Written decision to grant a patent or to grant a registration (utility model) |
Free format text: JAPANESE INTERMEDIATE CODE: A01 Effective date: 20170621 |
|
| A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20170622 |
|
| R150 | Certificate of patent or registration of utility model |
Ref document number: 6168606 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |