Food U Care

FoodUCare - Weil Ernährung Gesundheit schafft
Basierend auf unseren Analysen geben wir dir Infos zum "Most-Impactful-Change" & zeigen wie du mit wenig Aufwand viel für dich tun kannst.
Echtzeit Benachrichtigungen zu Terminen sowie direkten Zugriff auf Experten-Beratungen und Termin-Vereinbarungs-Tools.
Gesund oder Ungesund? Wir helfen.
Ideen für deinen nächsten Kochtag gefällig? Basierend auf deinem Kühlschrankinhalt schlagen wir dir gesunde Wohlfühlrezepte vor.
Gesundheits-Profil: Benachrichtigungen und Empfehlungen ganz individuell.
Machine Learning für Text-Erkennung bei Rezepten, Einkaufslisten und Kassenzettel oder auch um deine Nahrungsmittel per Foto zu erkennen.
Wir übernehmen die Analyse und zeigen dir unsere Ergebnisse.
App-Lieblinge werden dir in einem Browse-N-Search Tab angezeigt. Hier erhältst du Infos zu deiner Ernährungsumstellung.

Inspiration

Innerhalb von 6 Monaten werden 40% der Patienten, die aufgrund von Herzinsuffizienz im Krankenhaus behandelt wurden, erneut stationär aufgenommen. Durchschnittlich kostet jeder Krankenhausaufenthalt 5 000€.

What it does

FoodUCare zielt darauf ab, dieses Problem durch einen kombinierten Ansatz zu lösen. Die App wird Patienten beispielsweise während einer kardiologischen Rehabilitation vorgestellt und hier initialisiert. Sie hilft Patienten dabei, sowohl ihren Medikationsplan, als auch eine krankheitsgerechte Ernährungsumstellung umzusetzen. Durch die Nutzung der App auch über die Rehabilitation hinaus können die hier erzielten Erfolge nachhaltig in den Alltag integriert werden.

How we built it

Diese App haben wir mithilfe von Flutter (Frontend) , TensorFlow lite (Computer Vision Feature) und Firebase (Backend) umgesetzt. Eine Nahrungsmittel-Datenbank dient als Grundlage für die Analysen der Nährwerte. Diese Datenbank beinhaltet unter anderem den Salz-, Wasser und Kalium-Gehalt von Nahrungsmitteln.

ML model

To develop health-related applications such as calorie and nutrient estimation, food image segmentation is critical and indispensable. In the first step, we did a complete literature review on existing app and models to determine limitations. In this hackathon and to train our model, we collected a high resolution nutrient image datasets containing 3827 high resolution pictures. We asked our teammates to take pictures of the nutrients against different backgrounds and in different lighting. On top of that, we created a Python script for scraping images from existing databases on Kaggle, Github, etc. We also kept some pictures as as unseen data for the final test. Following the data collection phase, we categorized the pictures into 35 categories and split the dataset into training and testing portions.

We began training our XGBoost model on the Python side. The first phase was to use CVsearch to optimize our hyperparameters. After finding the best parameters we used Google Colab GPU to train our model. We tested the model on unseen data after the training phase and we achieved 87 percent accuracy, which allows us to use this model confidently in our app.

Challenges we ran into

Unser sehr internationales Team aus den verschiedensten Ländern und Städten hat auch eine Ansammlung unterschiedlichster Zeitzonen mit sich gezogen. Nachteulen- und Morgenmuffel-Meetings haben uns einige lustige, gemeinsame Hackathon-Stunden beschert, aber auch unsere Tag-Nacht-Rhythmus gekostet.

Accomplishments that we're proud of

Unsere App ist bald im App-Store zu finden und darauf sind wir nicht nur stolz, auch ist das unser erster Schritt auf dem Weg zur DiGa.

What we learned

Leitlinien sind wichtig. Auch wenn sie lang sind.....

What's next for FoodUCare

Wir planen sie nach dem Health Hack weiter zu entwickeln. Hierbei möchten wir uns am User-Feedback aus dem App-Store orientieren. Anschließend wollen wir die App in einem Reha-Umfeld testen um Vorteile für Ärzte, Patienten und Kostenträger zu evaluieren und nachhaltige, schrittweise Veränderungen in der Behandlungsstruktur zu ermöglichen. Nach der Implementierung und Validierung ist das Ziel die Digitale Gesundheitsanwendung (DiGa).

Danke

Wir bedanken uns herzlich bei unseren Mentoren für alle ihre Ideen und das anregende Feedback. Ein großes Danke auch an die Organisatoren des Hackthons!