马兰芳 薛怡蓉

(1. 北京邮电大学医院院长办公室，北京 100876；2. 北京邮电大学人工智能学院，北京 100876)

慢性病是严重威胁我国居民健康的一类疾病，已成为影响国家经济社会发展的重大公共卫生问题[1]。随着我国工业化、人口老龄化进程不断加快，居民生活方式对健康的影响逐步显现，慢性病患病及死亡人数不断增加，群众慢性病疾病负担日益加重，这也给我国的医疗体系带来沉重的压力。不健康的饮食习惯是心血管疾病、糖尿病等一系列慢性病发生和发展的主要危险因素[2]，而合理饮食与营养干预是治疗慢性病的重要手段。一方面，营养干预投入的经济和医疗资源都相对较少，患者易于接受，另一方面，也能有效降低多种慢性病并发症的发生率和病死率，延长患者生存时间。

临床常见的膳食调查方法有24 h膳食回顾法和食物频率问卷法[3]，营养师将通过患者每天记录的摄入食物数量及种类，估算食物热量及蛋白质总量，并进行膳食摄入情况的评估。此类方法操作简单，但高度依赖于患者的有效合作与营养师的专业知识及经验，且较为耗时，难以进行及时反馈。

由于手机等移动端设备的普及，食物图像的获取更为方便，这为智能营养评估提供了数据支持[4-5]。而随着人工智能(artificial intelligence，AI)技术的发展，深度学习技术在食物图像的识别分类与检测领域取得了较大进展[6-8]，使得膳食评估的智能化成为可能。

因此本研究基于慢性病患者每日摄入食物的图像信息，使用深度学习技术与图像分割算法，建立智能营养评估系统。……