Aplicação de Algoritmos de Aprendizado de Máquina no Apoio a Elaboração de Planos Nutricionais / Application of Machine Learning Algorithms to Support the Development of Nutritional Plans

Anita Maria da Rocha Fernandes, Marcel Borges Pinheiro, Abraão Gualberto Nazário

Abstract


A elaboração de dietas é a principal tarefa desenvolvida pelos profissionais de Nutrição. Uma das atividades de tais profissionais é ajudar a estabelecer hábitos que possam previnir doenças metabólicas, como diabetes e obesidade, ou distúrbios causados pela alimentação irregular. Já existem diversos sistemas de apoio a elaboração de planos nutricionais, porém a maioria apresenta uma dieta pouco efetiva quando se considera a individualidade biológica. Já os sistemas que se baseiam em Machine Learning tem conseguido bons resultados nesta área. Neste contexto, este trabalho apresenta a aplicação de algoritmos de Machine Learning, com foco em predição, para apoiar a elaboração de planos nutricionais, em uma população adulta.

Keywords


Machine Learning, Predição, Planos Nutricionais.

References


AGGARWAL, C.C. Neural Network and Deep Learning: a text book. Springer, 25 de ago. de 2018. ISBN: 3319944630, 9783319944630

BABAJIDE, O., HISSAM, T., PALCZEWSKA, A., ANATOLIY, G., ASTRUP, A., MARTINEZ, J.F., OPPERT, J.F., SØRENSEN, T. I.A. A Machine Learning Approach to Short-Term Body Weight Prediction in a Dietary Intervention Program. In: Krzhizhanovskaya V. et al. (eds) Computational Science – ICCS 2020. ICCS 2020. Lecture Notes in Computer Science, vol 12140. Springer, Cham, 2020. DOI: https://doi.org/10.1007/978-3-030-50423-6_33

CASTIEL, L.D., MORAES, D.R., PAULA, I.J. Terapeuticalização e os dilemas preemptivistas na esfera da saúde pública individualizada. Saúde Soc. São Paulo, v.25, n.1, p.96-107, 2016. DOI: 10.1590/S0104-12902016142788.

CHEN, D.Y. Análise de Dados com Python e Pandas. Novatec Editora; Edição: 1ª edição, 2018.

CODINGS, Z. Python Machine Learning: A Beginner’s Guide to Python Programming for Machine Learning and Deep Learning, Data Analysis, Algorithms and Data Science With Scikit Learn, TensorFlow, PyTorch and Keras. Independently published, 2019.

CONWAY, D.; WHITE, J.M. Machine Learning for Hackers, O'Reilly Media, Inc., 2012

FRANÇA, A.K.T., CHAGAS, D.C., PESSOA, F.S., PINHO, J.R.O., CABRAL, N.A.L. Alimentação e nutrição na atenção básicaem saúde. Cadernos de Saúde da Família, EDUFMA, Universidade Federal do Maranhão, 2017.

FREITAS, T. Startup usa inteligência artificial em aplicativos de treinos e dietas. Disponível em: https://www.startse.com/noticia/startups/startup-usa-inteligencia-artificial-em-aplicativos-de-treinos-e-dietas. Acessado em 03 de julho de 2017.

FROCKMANN, J.M. Machine Learning For beginners: Easy guide of ML, deep learning, data analytics and cyber security in practice.Modern approach of Neural Networks, Predictive Modeling and Data Mining with 50 Key Terms, Independently published, 2019.

GONÇALVES, R.R. Integração de dados na prática: Técnicas de ETL para Business Intelligence com Microsoft Integration Services 2012. Editora Érica; Edição: 1, 2012.

ILYAS, F.I.; CHU, X. Data Cleaning. ACM Books, 2019.

LOPES, A.S.B.; PEREIRA, M.M. Using machine learning to perform design space exploration of heterogeneous multicore architectures: a state of art review. Brazilian Journal of Development. Curitiba, v. 6, n. 5, p.26730-26749, may. 2020. ISSN 2525-8761. DOI:10.34117/bjdv6n5-215

MARCHIORI, D., STELUTI, J., OKAMOTO, J. Projeto ClicPrato vai avaliar a qualidade da refeição dos brasileiros a partir de fotos de pratos feitas pelo celular, unindo nutrição e Inteligência Artificial. Jornal da USP, 2020. Disponível em: https://jornal.usp.br/universidade/sua-refeicao-e-saudavel-pesquisa-da-usp-precisa-de-fotos-do-seu-prato-para-avaliar/. Acessado em 25 de julho de 2020.

MORATOYA, E.E; CARVALHES, G.C.; WANDER, A.E.; ALMEIDA, L.M.M.C. Mudanças no padrão de consumo alimentar no Brasil e no mundo. Revista de Política Agrícola. Ano XXII, no. 1, jan/fev/mar. 2013.

OLIVEIRA, Y.M.; BAHIA, G.A.D.; AQUINO, F.R.; GUIMARÃES, M.V.A.F.; GONÇALVES, A.L.U.; OLIVEIRA, P.S. Machine Learning applied to estimate pile coefficient with validation by static load tests. Brazilian Journal of Development. Curitiba, v. 6, n. 1, p. 1806-1820, jan. 2020. ISSN 2525-8761. DOI:10.34117/bjdv6n1-126

OSTER, E. Diabetes and Diet: Purchasing Behavior Change in Response to Health Information. American Economic Journal: Applied Economics, 10 (4): 308-48, 2018.DOI: 10.1257/app.20160232

PEREIRA, C.S.M. Síndrome do Overtraining. Monografia (Especialização). Curso de Pós Graduação “Lato Sensu” em Treinamento Personalizado e Musculação. Centro Universitário Católico Salesiano Auxilium. UNISALESIANO, Lins, São Paulo, 2011.

SHALEV-SHWARTZ, S., BEN-DAVID, S. Understanding Machine Learning: From Theory to Algorithms. Cambridge University Press, 2014.

VASCO, D.O.B.S. Identificação de Anomalias Contextuais. Dissertação (Mestrado). Universidade do Porto, Portugal, 2013. Acessado em 01 de junho de 2020. Disponível em: https://repositorio-aberto.up.pt/bitstream/10216/70366/2/25050.pdf

WEBER, I., ACHANANUPARP, P. Insights from Machine-Learned Diet Success Prediction. Pacific Symposium on Biocomputing 2016, Proceedings of… Fairmont Orchid, Big Island of Hawaii. Disponível em http://psb.stanford.edu/psb-online/proceedings/psb16/weber.pdf. Acessado em 03 de junho de 2020.

WICKRAMASINGHE, M. P. N. M., PERERA, D. M., KAHANDAWAARACHCHI, K. A. D. C. P Dietary prediction for patients with Chronic Kidney Disease (CKD) by considering blood potassium level using machine learning algorithms, 2017 IEEE Life Sciences Conference (LSC), Proceedings of… Sydney, NSW, 2017, pp. 300-303, doi: 10.1109/LSC.2017.8268202.




DOI: https://doi.org/10.34117/bjdv6n8-492

Refbacks

  • There are currently no refbacks.