Questionário vinculado ao guia · Médio Nível

Questionário de IA em Nutrição e Dietética

Revise o reconhecimento de alimentos por IA, estimativa de porções, bancos de dados de nutrientes, resposta personalizada de glicose, triagem clínica e restrições dietéticas.

Caminhos de guia relacionadosIA em nutrição e dietética
Pergunta 1 de 8

Que tecnologia permite que aplicativos de registro de alimentos estimem calorias a partir da foto de uma refeição?

Visualize cada pergunta8 perguntas

As respostas e explicações aparecem conforme você responde ao teste.

  1. Que tecnologia permite que aplicativos de registro de alimentos estimem calorias a partir da foto de uma refeição?
    • Visão computacional com redes neurais
    • Livros de blockchain
    • Identificação por radiofrequência
    • Somente entrada manual de código de barras
  2. Uma descoberta importante da pesquisa contínua sobre monitores de glicose é que:
    • Todos respondem de forma idêntica à mesma comida
    • Os indivíduos podem ter respostas de açúcar no sangue muito diferentes à mesma refeição
    • A resposta da glicose é a mesma, independentemente do horário da refeição
    • A dieta não tem efeito mensurável sobre a glicose
  3. How can an EHR-based machine-learning model support malnutrition screening?
    • Para substituir todos os nutricionistas humanos
    • Para preparar refeições de pacientes automaticamente
    • Flag patients whose records suggest elevated malnutrition risk for dietitian review
    • Para definir a temperatura ambiente do hospital
  4. Qual banco de dados é comumente usado para converter alimentos reconhecidos em valores nutricionais?
    • O sistema decimal de Dewey
    • A tabela periódica
    • Um índice do mercado de ações
    • Central de dados alimentares do USDA
  5. Qual contribuição melhora mais diretamente as previsões de IA da resposta glicêmica pessoal?
    • Monitor contínuo de glicose e dados de microbioma
    • A cor favorita de uma pessoa
    • O brilho da tela do telefone
    • Previsões meteorológicas locais
  6. What limitation has research on LLM-generated nutrition plans highlighted?
    • Eles não podem produzir nenhum texto
    • Plans may be inaccurate or inconsistent with clinical nutrition guidelines
    • Eles só funcionam offline
    • Eles exigem uma receita
  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