A Video Repository for Innovative Methods of Dietary Assessment and Analysis
Notice bibliographique
Résumé
ARTICLES DISCUSSED: Lasschuijt, M. P. et al. Concept development and use of an automated food intake and eating behavior assessment method. Journal of Visualized Experiments. (168), e62144 (2021). Chung, J. et al. Design and evaluation of smart glasses for food intake and physical activity classification. Journal of Visualized Experiments. (132), e56633 (2018). Lucassen, D. A., Brouwer-Brolsma, E. M., van de Wiel, A. M., Siebelink, E., Feskens, E. J. Iterative development of an innovative smartphone-based dietary assessment tool: TRAQQ. Journal of Visualized Experiments. (169), e62032 (2021). Boronat, A. et al. Mobile device-assisted dietary ecological momentary assessments for the evaluation of the adherence to the Mediterranean diet in a continuous manner. Journal of Visualized Experiments. (175), e62161 (2021). Meroni, A., Jualim, N., Fuller, N. 'Boden Food Plate': novel interactive web-based method for the assessment of dietary intake. Journal of Visualized Experiments. (139), e57923 (2018). Mezgec, S., Seljak, B. K. Deep neural networks for image-based dietary assessment. Journal of Visualized Experiments. (169), e61906 (2021). Bromage, S. Integrated spreadsheets for nutritional analysis of population diet surveys. Journal of Visualized Experiments. (188), e64327 (2022).
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,002 | 0,012 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,002 |
| Bibliométrie | 0,007 | 0,004 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,003 | 0,003 |
| Science ouverte | 0,003 | 0,003 |
| Intégrité de la recherche | 0,003 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,385 | 0,136 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».