Κουίζ που συνδέεται με οδηγό · Μεσαίο Επίπεδο

Κουίζ AI in Nutrition and Dietetics

Ελέγξτε την αναγνώριση τροφής με τεχνητή νοημοσύνη, την εκτίμηση των μερίδων, τις βάσεις δεδομένων θρεπτικών ουσιών, την εξατομικευμένη απόκριση γλυκόζης, τον κλινικό έλεγχο και τους περιορισμούς διατροφής.

Σχετικές διαδρομές οδηγώνAI στη Διατροφή και τη Διαιτολογία
Ερώτηση 1 του 8

Ποια τεχνολογία επιτρέπει στις εφαρμογές καταγραφής τροφίμων να υπολογίζουν τις θερμίδες από μια φωτογραφία ενός γεύματος;

Προεπισκόπηση κάθε ερώτησης8 ερωτήσεις

Οι απαντήσεις και οι εξηγήσεις εμφανίζονται καθώς κάνετε το κουίζ.

  1. Ποια τεχνολογία επιτρέπει στις εφαρμογές καταγραφής τροφίμων να υπολογίζουν τις θερμίδες από μια φωτογραφία ενός γεύματος;
    • Υπολογιστική όραση με νευρωνικά δίκτυα
    • Καθολικά Blockchain
    • Αναγνώριση ραδιοσυχνοτήτων
    • Μόνο χειροκίνητη εισαγωγή barcode
  2. Ένα βασικό εύρημα από τη συνεχή έρευνα παρακολούθησης γλυκόζης είναι ότι:
    • Όλοι ανταποκρίνονται πανομοιότυπα στο ίδιο φαγητό
    • Τα άτομα μπορεί να έχουν πολύ διαφορετικές αποκρίσεις σακχάρου στο αίμα στο ίδιο γεύμα
    • Η ανταπόκριση της γλυκόζης είναι η ίδια ανεξάρτητα από το χρόνο γεύματος
    • Η δίαιτα δεν έχει μετρήσιμη επίδραση στη γλυκόζη
  3. How can an EHR-based machine-learning model support malnutrition screening?
    • Να αντικαταστήσει όλους τους ανθρώπους διαιτολόγους
    • Να μαγειρεύει αυτόματα τα γεύματα των ασθενών
    • Flag patients whose records suggest elevated malnutrition risk for dietitian review
    • Για να ρυθμίσετε τις θερμοκρασίες δωματίου του νοσοκομείου
  4. Ποια βάση δεδομένων χρησιμοποιείται συνήθως για τη μετατροπή αναγνωρισμένων τροφίμων σε θρεπτικές αξίες;
    • Το δεκαδικό σύστημα Dewey
    • Ο περιοδικός πίνακας
    • Ένας χρηματιστηριακός δείκτης
    • USDA FoodData Central
  5. Ποια στοιχεία βελτιώνει πιο άμεσα τις προβλέψεις AI για την προσωπική γλυκαιμική απόκριση;
    • Συνεχής παρακολούθηση γλυκόζης και δεδομένα μικροβιώματος
    • Το αγαπημένο χρώμα ενός ανθρώπου
    • Η φωτεινότητα της οθόνης του τηλεφώνου
    • Τοπικές προγνώσεις καιρού
  6. What limitation has research on LLM-generated nutrition plans highlighted?
    • Δεν μπορούν να παράγουν κανένα κείμενο
    • Plans may be inaccurate or inconsistent with clinical nutrition guidelines
    • Λειτουργούν μόνο εκτός σύνδεσης
    • Απαιτούν ιατρική συνταγή
  7. What visual cue can help an image-based diet system estimate food volume?
    • The phone’s battery level
    • The color of the plate alone
    • A known-size reference object in the image, such as a cup or spoon
    • The restaurant’s opening hours
  8. What dietary factors may a meal-planning tool need to account for in a renal diet?
    • Only the food’s packaging color
    • A fixed calorie limit for every patient
    • The meal’s social-media popularity
    • Nutrient limits such as potassium and phosphorus, along with carbohydrate constraints when relevant