[논문]DNN 기반 혈당 관리 식이요법 알고리즘 구현

최승환; 박기조; 김경석

doi:10.7236/jiibc.2023.23.4.73

초록
AI-Helper

당뇨병은 전 세계적으로 유병률이 빠르게 증가하고 있는 만성 질환으로, 합병증으로 인한 사망률도 지속적으로 증가하고 있다. 이로 인해 혈당 관리는 현대 사회에서 매우 중요한 과제로 대두되고 있다. 혈당 관리에는 식이요법, 운동요법, 약물요법 등이 있다. 그 중 식이요법은 고혈당을 유발하는 식품을 피하며 혈당 변동을 최소화하는 방법으로, 혈당 관리에 있어서 가장 근본이 되는 기초공사이며, 당뇨병 환자 뿐만 아니라 일반인들도 보다 쉽게 접근할 수 있다. 현재 국내·외 여러 플랫폼에서는 식이요법과 관련하여 식단 구성 서비스를 제공하고 있지만, 이는 주로 사용자나 전문 코치에 의해 수행되고 있다. 이에 따라 본 논문에서는 DNN을 기반으로 한 정확한 Kcal 산출 모델을 구현하고, 이를 기반으로 혈당 관리를 위한 일련의 식이요법 알고리즘을 제시한다.

Abstract ▼ AI-Helper

Diabetes is chronic disease that is rapidly increasing in prevalence around the world, and mortality from complications continues to rise. This has made blood glucose management a critical challenge for modern society. The main methods used to manage blood glucose are diet, exercise, and medication....

Diabetes is chronic disease that is rapidly increasing in prevalence around the world, and mortality from complications continues to rise. This has made blood glucose management a critical challenge for modern society. The main methods used to manage blood glucose are diet, exercise, and medication. Among these, diet is one of the fundamental foundations of blood glucose management, avoiding foods that cause high blood glucose and minimizing blood glucose fluctuations, and is more accessible to people with diabetes as well as the general population. Currently, several platforms, both domestic and international, offer meal planning services, but this is mainly done by users or professional coaches. Accordingly, this paper implements an accurate Kcal calculation model based on DNN and presents a series of dietary algorithms for blood glucose management based on this.

주제어

표/그림 (15)

그림 그림 1. 데이터 선택 Fig. 1. Select data
그림 그림 2. 데이터 가공 Fig. 2. Data Processing
그림 그림 3. Kcal 산출을 위한 DNN 모델 구현 흐름도 Fig. 3. Flowchart for implementing a DNN model to calculate Kcal
그림 그림 4. Kcal 산출을 위한 DNN 기본 모델 Fig. 4. DNN base model for calculating Kcal
그림 그림 5. 모델 변수 조합 Fig. 5. Model variable combination
그림 그림 6. 변수 조합에 따른 정확도 비교 Fig. 6. Accuracy comparison by variable combination
그림 그림 7. 시험 데이터 적용 결과 Fig. 7. Result of applying test data
그림 그림 8. 알고리즘 개발 흐름도 Fig. 8. Algorithm development flowchart
그림 그림 9. 식품의약품안전처 음식 데이터 Fig. 9. Food data from the Ministry of Food and Drug Safety
표 표 1. 일반 식단 Table Table 1. General diet table
표 표 2. GI 지수 구분 Table 2. GI distinction
그림 그림 10. 기준치 비교 알고리즘 흐름도 Fig. 10. Baseline comparison algorithm flowchart
그림 그림 12. 식단 선정 결과 및 식후 혈당 입력 Fig. 12. Diet selection results and blood glucose input after meals
그림 그림 13. 주의 List 확인 결과 Fig. 13. Caution list check result
표 그림 11. 식단 메뉴 선정 알고리즘 Fig. 11. Diet menu selection algorithm

참고문헌 (9)

"Diabetes Fact Sheet 2022", Korean Diabetes Association, 2022
"IDF Diabetes Atlas 10 TH edition", International Diabetes Federation, 2021？
Diabetes treatment, lohas-seoul, http://lohas-seoul.com/Module/CMS/CMS.asp?Srno38905&ContentsSrno9532#？
health.chosun, https://health.chosun.com/site/data/html_dir/2019/03/19/2019031902156.html？
samsunghospital, http://www.samsunghospital.com/dept/main/index.do?DP_CODEDM？
"Appendix 2. Estimated Calorie Needs per Day, by Age, Sex, & physical Activity Level", 2015-2020 Dietary Guidelines, U.S. Department of Health and Human Services, https://health.gov/sites/default/files/2019-09/2015-2020_Dietary_Guidelines.pdf？
Ruth Vrolix, Ronald P. Mensink, "Variability of the glycemic response to single food products in healthy subjects", Contemporary Clinical Trials, Vol. 31, Issue 1, pp. 5-11, 2010 DOI: https://doi.org/10.1016/j.cct.2009.08.001？

상세보기
H.J. Kim, J.E. Hwang, Y.K. Boo, "Lifestyle Factors Affecting Blood Sugar Control by Workers with Type 2 Diabetes using the Korean National Health and Nutrition Examination Survey, 2016-2020", Joufnal of the Korea Academia-Industrial cooperation Society, Vol. 24, No. 6, pp. 105-115, 2023 DOI: https://doi.org/10.5762/KAIS.2023.24.6.105？

상세보기
K.J. Lee, H.J. J, S.H. L, "Anomaly Detection Method of User Trajectories based on Deep Learning Technologies", The Journal of Korean Institute of Information Technology, Vol. 20, No. 11, pp. 101-116, 2022 DOI: https://doi.org/10.14801/jkiit.2022.20.11.101

상세보기

내보내기 구분	파일저장 인쇄 메일전송
구성항목	기본정보 상세정보 관리번호, 논문명, 저널/프로시딩명, 저자 , 발행년, 권, 호, 시작페이지, 끝페이지, 발행기관 관리번호, 논문명, 대등논문명, 저자 , 저널/프로시딩명, 발행기관, 발행년, 발행언어, 권, 호, 시작페이지, 끝페이지, ISBN, ISSN, 주제분야, 키워드, 초록(한글), 초록(영문), 저자(소속기관)
저장형식	Text(ASCII format) Excel format RefWorks Direct Export RIS format (for Reference Manager, ProCite, EndNote), Scholar's Aids, Mendeley
메일정보	받는사람 (필수) @ 보내는사람 (선택) @ 제목 내용 KISTI 검색결과 이메일 서비스
안내	총 건의 자료가 검색되었습니다. 다운받으실 자료의 인덱스를 입력하세요. (1-10,000) 검색결과의 순서대로 최대 10,000건 까지 다운로드가 가능합니다. 데이타가 많을 경우 속도가 느려질 수 있습니다.(최대 2~3분 소요) 다운로드 파일은 UTF-8 형태로 저장됩니다. 파일의 내용이 제대로 보이지 않을실 때는 웹브라우저 상단의 보기 -> 인코딩 -> 자동선택 여부를 확인하십시오. ~ Text(ASCII format) Excel format

연합인증

DNN 기반 혈당 관리 식이요법 알고리즘 구현
Algorithm Implementation of DNN-based Blood Glucose Management Dietary 원문보기

초록
AI-Helper

Abstract ▼ AI-Helper

주제어

표/그림 (15)

표/그림 (15)

참고문헌 (9)

이 논문을 인용한 문헌

저자의 다른 논문 :

관련 콘텐츠

원문 보기

원문 URL 링크

오픈액세스(OA) 유형

연관된 기능

이 논문과 함께 이용한 콘텐츠

AI-Helper ※ AI-Helper는 오픈소스 모델을 사용합니다.

선택된 텍스트

연합인증

DNN 기반 혈당 관리 식이요법 알고리즘 구현 Algorithm Implementation of DNN-based Blood Glucose Management Dietary 원문보기

초록 용어보기논문에서 용어와 풀이말을 자동 추출한 결과로, 시범 서비스 중입니다. AI-Helper

Abstract ▼ AI-Helper

주제어

표/그림 (15) 모든 표/그림 보기

표/그림 (15) 슬라이드로 보기

참고문헌 (9)

이 논문을 인용한 문헌

저자의 다른 논문 :

김경석 (90)

관련 콘텐츠

원문 보기

원문 URL 링크

오픈액세스(OA) 유형

연관된 기능

이 논문과 함께 이용한 콘텐츠

AI-Helper ※ AI-Helper는 오픈소스 모델을 사용합니다.

선택된 텍스트

DNN 기반 혈당 관리 식이요법 알고리즘 구현
Algorithm Implementation of DNN-based Blood Glucose Management Dietary 원문보기

초록
AI-Helper

표/그림 (15)

표/그림 (15)