Bildanalyse für Lebensmittel
- hut
- Chief Executive Officer
- Beiträge: 6428
- Registriert: Fr 28. Mai 2010, 22:46
- Diabetiker / Angehörige: Typ Unbekannt / Andere
- Diabetes seit: 0- 0-1985
- Therapieform: Insulin
- Pumpe-/Pen-Typ: Tandem t:slim X2
- BZ-Messgerät: Dexcom G6
- Insulin: Novorapid
- Wohnort: Zürcher Oberland
- Kontaktdaten:
Bildanalyse für Lebensmittel
Das Schweizer Diabetesforum http://www.diabetesclub.ch hat "SNAQ" für ein Interview besucht und stellt vor:
SCHWEIZER STARTUP-UNTERNEHMEN «SNAQ» ENTWICKELT BILDANALYSE FÜR ESSEN
Mit einem Bild Kohlenhydrate automatisiert berechnen und zugleich Mahlzeiten für den nächsten Arztbesuch dokumentieren – unmöglich? Nicht mehr lange! Denn genau das hatten sich die zwei Jungunternehmer Aurelian Briner (Wirtschaftsstudium) und Nico Previtali (Informatikstudium) im August 2017 bei der Gründung Ihres Startup-Unternehmens «SNAQ» (http://snaq.io/) zum Ziel gesetzt. Mit der Technologie von «SNAQ» wollen sie den fehleranfälligsten Faktor während der Insulintherapie bei über 50 Millionen Diabetikern lösen, die auf Mahlzeiteninjektionen angewiesen sind.
Motivationsfaktor für die Entwicklung war die Diagnose von Diabetes Typ 1 bei der Freundin von Aurelian Briner. Durch sie wurde er mit den täglichen Herausforderung des Kohlenhydratschätzens konfrontiert, was ihn dazu bewegte, eine unterstützende Technologie zu entwickeln. Die beiden Firmengründer planen das Produkt nicht als Einzelapplikation, sondern als Teil anderer Apps von Pumpen, Pens oder Messgeräten auf den Markt zu bringen.
Nebst Eigenmitteln und Preisgeldern finanziert sich das Startup-Unternehmen durch Projektaufträge. Für das weitere Wachstum ist «SNAQ» momentan auf der Suche nach innovativen Industriepartnern im Diabetesbereich sowie Investoren. Bei Interesse an einer Zusammenarbeit melden Sie sich unter folgender Adresse: info@snaq.io.
diabetesclub.ch ist auf die Weiterentwicklung der automatisierten Bildanalyse für Essen von «SNAQ» gespannt und wünscht den beiden innovativen Jungunternehmern viel Erfolg.
SCHWEIZER STARTUP-UNTERNEHMEN «SNAQ» ENTWICKELT BILDANALYSE FÜR ESSEN
Mit einem Bild Kohlenhydrate automatisiert berechnen und zugleich Mahlzeiten für den nächsten Arztbesuch dokumentieren – unmöglich? Nicht mehr lange! Denn genau das hatten sich die zwei Jungunternehmer Aurelian Briner (Wirtschaftsstudium) und Nico Previtali (Informatikstudium) im August 2017 bei der Gründung Ihres Startup-Unternehmens «SNAQ» (http://snaq.io/) zum Ziel gesetzt. Mit der Technologie von «SNAQ» wollen sie den fehleranfälligsten Faktor während der Insulintherapie bei über 50 Millionen Diabetikern lösen, die auf Mahlzeiteninjektionen angewiesen sind.
Motivationsfaktor für die Entwicklung war die Diagnose von Diabetes Typ 1 bei der Freundin von Aurelian Briner. Durch sie wurde er mit den täglichen Herausforderung des Kohlenhydratschätzens konfrontiert, was ihn dazu bewegte, eine unterstützende Technologie zu entwickeln. Die beiden Firmengründer planen das Produkt nicht als Einzelapplikation, sondern als Teil anderer Apps von Pumpen, Pens oder Messgeräten auf den Markt zu bringen.
Nebst Eigenmitteln und Preisgeldern finanziert sich das Startup-Unternehmen durch Projektaufträge. Für das weitere Wachstum ist «SNAQ» momentan auf der Suche nach innovativen Industriepartnern im Diabetesbereich sowie Investoren. Bei Interesse an einer Zusammenarbeit melden Sie sich unter folgender Adresse: info@snaq.io.
diabetesclub.ch ist auf die Weiterentwicklung der automatisierten Bildanalyse für Essen von «SNAQ» gespannt und wünscht den beiden innovativen Jungunternehmern viel Erfolg.
Du hast keine ausreichende Berechtigung, um die Dateianhänge dieses Beitrags anzusehen.
Wer einen Tippfehler findet, darf ihn behalten, ich besitze noch einen genügenden Vorrat davon!
Spenden an diabetesclub.ch: https://spende.diabetesclub.ch/
diabetesclub.ch ist auch auf Facebook und Instagram
Spenden an diabetesclub.ch: https://spende.diabetesclub.ch/
diabetesclub.ch ist auch auf Facebook und Instagram
- diabetix
- Customer Contact Manager
- Beiträge: 156
- Registriert: Fr 5. Aug 2011, 17:34
- Diabetiker / Angehörige: Typ 2
- Diabetes seit: 0- 0-1995
- Therapieform: Tabletten & Insulin
- Pumpe-/Pen-Typ: Flexpen/sanofiaventi
- Insulin: Levemir/Humalog
- Wohnort: im solothurnischen Mittelland
Re: Bildanalyse für Lebensmittel
sehr interessant!
diabetix
diabetix
- hut
- Chief Executive Officer
- Beiträge: 6428
- Registriert: Fr 28. Mai 2010, 22:46
- Diabetiker / Angehörige: Typ Unbekannt / Andere
- Diabetes seit: 0- 0-1985
- Therapieform: Insulin
- Pumpe-/Pen-Typ: Tandem t:slim X2
- BZ-Messgerät: Dexcom G6
- Insulin: Novorapid
- Wohnort: Zürcher Oberland
- Kontaktdaten:
Re: Bildanalyse für Lebensmittel
Das entwickelte Bildanalyse für Lebensmittel soll nicht als Einzelapplikation auf den Markt kommen, sondern mit bereits bestehenden Systemen von diversen Medtech-Unternehmen im Diabetesbereich kombiniert werden.Löwenzahn hat geschrieben:Würde ich auch gleich runterladen!
Wer einen Tippfehler findet, darf ihn behalten, ich besitze noch einen genügenden Vorrat davon!
Spenden an diabetesclub.ch: https://spende.diabetesclub.ch/
diabetesclub.ch ist auch auf Facebook und Instagram
Spenden an diabetesclub.ch: https://spende.diabetesclub.ch/
diabetesclub.ch ist auch auf Facebook und Instagram
- Ottifant
- Beiträge: 1111
- Registriert: Mo 31. Mai 2010, 20:30
- Diabetiker / Angehörige: Typ 1
- Diabetes seit: 0- 0-1980
- Therapieform: Insulin
- Pumpe-/Pen-Typ: Omni Pod
- Insulin: Apidra
- Wohnort: Goldach
- Kontaktdaten:
- hut
- Chief Executive Officer
- Beiträge: 6428
- Registriert: Fr 28. Mai 2010, 22:46
- Diabetiker / Angehörige: Typ Unbekannt / Andere
- Diabetes seit: 0- 0-1985
- Therapieform: Insulin
- Pumpe-/Pen-Typ: Tandem t:slim X2
- BZ-Messgerät: Dexcom G6
- Insulin: Novorapid
- Wohnort: Zürcher Oberland
- Kontaktdaten:
Re: Bildanalyse für Lebensmittel
Das stimmt nicht ganz: Es ist vorgesehen, dass die Bildanalyse in bestehende oder noch zu entwickelnde digitale Lösungen im Diabetesbereich integriert wird.littlejune hat geschrieben:Das gibts doch schon länger
Also nicht einfach eine Mahlzeiten-App.
Wer einen Tippfehler findet, darf ihn behalten, ich besitze noch einen genügenden Vorrat davon!
Spenden an diabetesclub.ch: https://spende.diabetesclub.ch/
diabetesclub.ch ist auch auf Facebook und Instagram
Spenden an diabetesclub.ch: https://spende.diabetesclub.ch/
diabetesclub.ch ist auch auf Facebook und Instagram
- Herr_Koch
- Chief Graphic Officer
- Beiträge: 1940
- Registriert: Di 24. Mai 2011, 21:55
- Diabetiker / Angehörige: Typ 1
- Diabetes seit: 7. Dez 2008
- Therapieform: Insulin
- Pumpe-/Pen-Typ: FlexPen
- BZ-Messgerät: Accu-Chek Mobile, Dexcom G6
- Insulin: Fiasp/Tresiba
- Wohnort: ZH
Re: Bildanalyse für Lebensmittel
Ist das dieses?
-
- Beiträge: 247
- Registriert: Sa 9. Feb 2013, 11:23
- Diabetiker / Angehörige: Typ 1
- Diabetes seit: 28. Apr 1998
- Therapieform: Insulin
- Pumpe-/Pen-Typ: Novopen
- BZ-Messgerät: Hardware: Freestyle Libre 2 mit MiaoMiao 2
Software: xDrip4iO5 und SugarMate - Insulin: Fiasp + Tresiba
Re: Bildanalyse für Lebensmittel
Gibts da nun schon etwas ausgereiftes? Stelle mir das ziemlich schwierig vor umzusetzen wenn man bedenkt dass man selber schon ins Schwitzen kommt mit Abschätzen wenn einem ein Teller vor die Nase gestellt wird ...
Gesendet von iPhone mit Tapatalk
Gesendet von iPhone mit Tapatalk
- hut
- Chief Executive Officer
- Beiträge: 6428
- Registriert: Fr 28. Mai 2010, 22:46
- Diabetiker / Angehörige: Typ Unbekannt / Andere
- Diabetes seit: 0- 0-1985
- Therapieform: Insulin
- Pumpe-/Pen-Typ: Tandem t:slim X2
- BZ-Messgerät: Dexcom G6
- Insulin: Novorapid
- Wohnort: Zürcher Oberland
- Kontaktdaten:
Re: Bildanalyse für Lebensmittel
diabetesclub.ch stellt ein weiteres Forschungsprojekt des neu eröffneten Schweizer Diabetes Center Berne vor:
DEEP VISION –
Ein System zur automatischen Erfassung von Nahrungsmitteln und Mahlzeiten
Das Projekt DEEP VISION entwickelt ein System zur automatischen Erfassung der Ernährung. Das System baut auf handelsüblichen Smartphones mit integriertem Tiefensensor auf und ermöglicht eine präzise und gleichzeitig einfache Anwendung.
Automatisierte Erfassung von Ernährung / Mahlzeiten
Die quantitative und qualitative Erfassung der Ernährung ist in der Vorbeugung und der Behandlung vieler Krankheiten von zentraler Bedeutung. Für PatientInnen mit Übergewicht oder mit Diabetes mellitus sowie für die involvierten Gesundheitsdienstleister ist es enorm wichtig, sowohl Menge als auch Zusammensetzung der Ernährung zu kennen, um vorbeugende oder therapeutische Massnahmen vornehmen zu können. Dies gilt auch für seltenere Erkrankungen wie beispielsweise angeborene Stoffwechselkrankheiten, wo gewisse Nahrungsbestandteile nicht oder nur in stark eingeschränkter Menge zugeführt werden dürfen. Umgekehrt ist gerade im stationären Gesundheitsbereich (Spital, Alters-/Pflegeheime) aber auch unabhängig davon bei älteren oder chronisch kranken Menschen das Gegenteil – die Mangelernährung – ein zunehmendes Problem. Auch dort wäre die verlässliche Erfassung von Nahrungsmenge und – zusammensetzung essentiell.
Bisherige Ansätze ungenügend
Traditionell werden sowohl in Studien als auch im klinischen Alltag Fragebogen eingesetzt, um die Ernährung zu erfassen. Dieser Ansatz ist einerseits aufwändig und andrerseits oft ungenau. Systeme zur automatisierten Erkennung von Nahrungsmitteln via Fotodokumentations-Apps sind bereits deutlich praktischer, verfügen jedoch generell nur über eine beschreibende und keine quantitative Funktion. Das Projekt «DEEP VISION», eine Kollaboration zwischen DCB und UDEM, baut auf kommerziell erhältlichen Smartphones mit eingebauten Tiefensensoren auf und ermöglicht so eine praktische und trotzdem sehr genaue Mengenmessung in der Ernährung. Kombiniert mit der automatisierten Erkennung von Nahrungskomponenten und mit einem Algorithmus zur sauberen Trennung von einzelnen Komponenten zB auf einem Teller entsteht so ein hochinnovatives System, welches in vielen Bereichen Einsatz finden kann. Neben Genauigkeit sind dabei auch Aspekte wie Geschwindigkeit und Benutzerfreundlichkeit von zentraler Bedeutung.
Zeitraum: 01.06.2019 - 31.05.2021
Projektteam: Diabetes Center Berne (Projektleitung); Prof. Dr. Lia Bally, Inselspital und Universität Bern; Dr. Joachim Dehais, Inselspital und Universität Bern; Prof. Dr. Christoph Stettler, Inselspital und Universität Bern
Projektfinanzierung: UDEM Forschungsfonds, DCB (Projektbeitrag)
Quelle:
https://www.dcberne.com/de/projekte/dee ... ahlzeiten/
DEEP VISION –
Ein System zur automatischen Erfassung von Nahrungsmitteln und Mahlzeiten
Das Projekt DEEP VISION entwickelt ein System zur automatischen Erfassung der Ernährung. Das System baut auf handelsüblichen Smartphones mit integriertem Tiefensensor auf und ermöglicht eine präzise und gleichzeitig einfache Anwendung.
Automatisierte Erfassung von Ernährung / Mahlzeiten
Die quantitative und qualitative Erfassung der Ernährung ist in der Vorbeugung und der Behandlung vieler Krankheiten von zentraler Bedeutung. Für PatientInnen mit Übergewicht oder mit Diabetes mellitus sowie für die involvierten Gesundheitsdienstleister ist es enorm wichtig, sowohl Menge als auch Zusammensetzung der Ernährung zu kennen, um vorbeugende oder therapeutische Massnahmen vornehmen zu können. Dies gilt auch für seltenere Erkrankungen wie beispielsweise angeborene Stoffwechselkrankheiten, wo gewisse Nahrungsbestandteile nicht oder nur in stark eingeschränkter Menge zugeführt werden dürfen. Umgekehrt ist gerade im stationären Gesundheitsbereich (Spital, Alters-/Pflegeheime) aber auch unabhängig davon bei älteren oder chronisch kranken Menschen das Gegenteil – die Mangelernährung – ein zunehmendes Problem. Auch dort wäre die verlässliche Erfassung von Nahrungsmenge und – zusammensetzung essentiell.
Bisherige Ansätze ungenügend
Traditionell werden sowohl in Studien als auch im klinischen Alltag Fragebogen eingesetzt, um die Ernährung zu erfassen. Dieser Ansatz ist einerseits aufwändig und andrerseits oft ungenau. Systeme zur automatisierten Erkennung von Nahrungsmitteln via Fotodokumentations-Apps sind bereits deutlich praktischer, verfügen jedoch generell nur über eine beschreibende und keine quantitative Funktion. Das Projekt «DEEP VISION», eine Kollaboration zwischen DCB und UDEM, baut auf kommerziell erhältlichen Smartphones mit eingebauten Tiefensensoren auf und ermöglicht so eine praktische und trotzdem sehr genaue Mengenmessung in der Ernährung. Kombiniert mit der automatisierten Erkennung von Nahrungskomponenten und mit einem Algorithmus zur sauberen Trennung von einzelnen Komponenten zB auf einem Teller entsteht so ein hochinnovatives System, welches in vielen Bereichen Einsatz finden kann. Neben Genauigkeit sind dabei auch Aspekte wie Geschwindigkeit und Benutzerfreundlichkeit von zentraler Bedeutung.
Zeitraum: 01.06.2019 - 31.05.2021
Projektteam: Diabetes Center Berne (Projektleitung); Prof. Dr. Lia Bally, Inselspital und Universität Bern; Dr. Joachim Dehais, Inselspital und Universität Bern; Prof. Dr. Christoph Stettler, Inselspital und Universität Bern
Projektfinanzierung: UDEM Forschungsfonds, DCB (Projektbeitrag)
Quelle:
https://www.dcberne.com/de/projekte/dee ... ahlzeiten/
Wer einen Tippfehler findet, darf ihn behalten, ich besitze noch einen genügenden Vorrat davon!
Spenden an diabetesclub.ch: https://spende.diabetesclub.ch/
diabetesclub.ch ist auch auf Facebook und Instagram
Spenden an diabetesclub.ch: https://spende.diabetesclub.ch/
diabetesclub.ch ist auch auf Facebook und Instagram