사용자로부터 식사 전 영상 및 식사 후 영상 대한 영상을 수신하는 단계, 및식사 전 영상 및 식사 후 영상을 입력으로 하여 음식 영역을 분할하도록 학습된 인공 신경망 기반의 영양 예측 모델을 이용하여, 수신된 상기 식사 전 영상 및 식사 후 영상 각각에 기초하여 상기 사용자의 식사에 대한 총 탄수화물 섭취량을 결정하는 단계를 포함하는, 탄수화물 섭취에 대한 정보 제공 방법.

제1항에 있어서, 상기 총 탄수화물 섭취량을 결정하는 단계는,상기 영양 예측 모델을 이용하여, 상기 식사 전 영상 및 식사 후 영상 각각에 대하여, 음식 영역을 분할하는 단계;상기 영양 예측 모델을 이용하여, 상기 영상 각각에 대하여 분할된 음식 영역에 대하여, 음식 종류, 양 및 영양 성분 중 적어도 하나의 영양 성분 데이터를 결정하는 단계;상기 영상 각각에 대하여 결정된 영양 성분 데이터에 기초하여, 탄수화물 함량을 산출하는 단계, 및상기 영상 각각에 대하여 산출된 탄수화물 함량에 기초하여, 상기 사용자의 식사에 대한 총 탄수화물 섭취량을 결정하는 단계를 포함하는, 탄수화물 섭취에 대한 정보 제공 방법.

제12항에 있어서, 상기 사용자는 당뇨병 발병 개체 또는 당뇨병 의심 개체인, 탄수화물 섭취에 대한 정보 제공용 디바이스.

제2항에 있어서, 상기 탄수화물 함량을 산출하는 단계는,상기 영양 예측 모델의 출력값을 입력으로 하여 탄수화물 함량을 산출하도록 학습된 함량 예측 모델을 이용하여 상기 영양 예측 모델에 의해 결정된 상기 영양 데이터에 기초하여 상기 탄수화물 함량을 결정하는 단계를 포함하는, 탄수화물 섭취에 대한 정보 제공 방법.

제1항에 있어서, 상기 총 탄수화물 섭취량에 기초하여, 사용자 맞춤형 식단을 결정하는 단계를 더 포함하는, 탄수화물 섭취에 대한 정보 제공 방법.

제1항에 있어서, 상기 총 탄수화물 섭취량은, 식사 총량에 대한 탄수화물의 섭취량 또는 첨가당의 섭취량을 포함하고,상기 탄수화물의 섭취량 또는 상기 첨가당의 섭취량이 미리 결정된 수준 이상인 경우, 상기 사용자에게 응급 위험도에 대응하는 알림을 제공하는 단계를 더 포함하는, 탄수화물 섭취에 대한 정보 제공 방법.

제5항에 있어서, 상기 탄수화물 섭취량에 대하여 미리 결정된 수준은,상기 식사 총량에 대한 탄수화물의 비율이 68 내지 75 % 인, 탄수화물 섭취에 대한 정보 제공 방법.

제5항에 있어서, 상기 응급 위험도에 대응하는 알림을 제공하는 단계는,상기 첨가당의 섭취량이 상기 총 탄수화물 섭취량의 10 % 이상에 해당하는 경우, 상기 알림을 제공하는 단계를 포함하는, 탄수화물 섭취에 대한 정보 제공 방법.

제5항에 있어서, 상기 응급 위험도에 대응하는 알림을 제공하는 단계는,상기 탄수화물의 섭취량 또는 상기 첨가당의 섭취량을 입력으로 하여 알림 여부를 결정하도록 학습된 알림 모델을 이용하여, 상기 사용자에게 응급 위험도에 대응하는 알림을 제공하는 단계를 포함하는, 탄수화물 섭취에 대한 정보 제공 방법.

제1항에 있어서, 상기 사용자는 당뇨병 발병 개체 또는 당뇨병 의심 개체인, 탄수화물 섭취에 대한 정보 제공 방법.

제1항에 있어서, CAN-Pro 5.0 또는 KFD를 포함하는 식품 데이터베이스를 수신하는 단계,상기 식품 데이터베이스를 이용하여, 상기 식사 전 영상 및 식사 후 영상 내의 음식에 대하여 영양 성분을 각각 결정하는 단계, 및각각 결정된 상기 영양 성분에 기초하여 상기 사용자의 식사에 대한 총 탄수화물 섭취량을 결정하는 단계를 더 포함하는, 탄수화물 섭취에 대한 정보 제공 방법.

제1항에 있어서, 총 탄수화물 섭취량 및 응급 위험도 기반의 통계 모델을 수신하는 단계, 및 상기 통계 모델을 이용하여, 상기 총 탄수화물 섭취량에 따른 응급 위험도를 결정하는 단계를 더 포함하는, 탄수화물 섭취에 대한 정보 제공 방법.

사용자로부터 식사 전 영상 및 식사 후 영상 대한 영상을 수신하도록 구성된 통신부, 및상기 통신부와 기능적으로 연결된 프로세서를 포함하고,상기 프로세서는, 식사 전 영상 및 식사 후 영상을 입력으로 하여 음식 영역을 분할하도록 학습된 인공 신경망 기반의 영양 예측 모델을 이용하여, 수신된 상기 식사 전 영상 및 식사 후 영상 각각에 기초하여 상기 사용자의 식사에 대한 총 탄수화물 섭취량을 결정하도록 구성된, 탄수화물 섭취에 대한 정보 제공용 디바이스.

제12항에 있어서, 상기 프로세서는,상기 영양 예측 모델을 이용하여, 상기 식사 전 영상 및 식사 후 영상 각각에 대하여, 음식 영역을 분할하고,상기 영양 예측 모델을 이용하여, 상기 영상 각각에 대하여 분할된 음식 영역에 대하여, 음식 종류, 양 및 영양 성분 중 적어도 하나의 영양 데이터를 결정하고,상기 영상 각각에 대하여 결정된 영양 데이터에 기초하여, 탄수화물 함량을 산출하고,상기 영상 각각에 대하여 산출된 탄수화물 함량에 기초하여, 상기 사용자의 식사에 대한 총 탄수화물 섭취량을 결정하도록 더 구성된, 탄수화물 섭취에 대한 정보 제공용 디바이스.

제13항에 있어서, 상기 프로세서는,상기 영양 예측 모델의 출력값을 입력으로 하여 탄수화물 함량을 산출하도록 학습된 함량 예측 모델을 이용하여 상기 영양 예측 모델에 의해 결정된 상기 영양 데이터에 기초하여 상기 탄수화물 함량을 결정하도록 더 구성된, 탄수화물 섭취에 대한 정보 제공용 디바이스.

제12항에 있어서, 상기 프로세서는,상기 총 탄수화물 섭취량에 기초하여, 사용자 맞춤형 식단을 결정하도록 더 구성된, 탄수화물 섭취에 대한 정보 제공용 디바이스.

제12항에 있어서, 상기 총 탄수화물 섭취량은, 식사 총량에 대한 탄수화물의 섭취량 또는 첨가당의 섭취량을 포함하고,상기 프로세서는, 상기 탄수화물의 섭취량 또는 상기 첨가당의 섭취량이 미리 결정된 수준 이상인 경우, 상기 사용자에게 응급 위험도에 대응하는 알림을 제공하도록 더 구성된, 탄수화물 섭취에 대한 정보 제공용 디바이스.

제16항에 있어서, 상기 탄수화물 섭취량에 대하여 미리 결정된 수준은,상기 식사 총량에 대한 탄수화물의 비율이 68 내지 75 % 인, 탄수화물 섭취에 대한 정보 제공용 디바이스.

제16항에 있어서, 상기 프로세서는,상기 첨가당의 섭취량이 상기 총 탄수화물 섭취량의 10 % 이상에 해당하는 경우, 상기 알림을 제공하도록 더 구성된, 탄수화물 섭취에 대한 정보 제공용 디바이스.

제16항에 있어서, 상기 프로세서는,상기 탄수화물의 섭취량 또는 상기 첨가당의 섭취량을 입력으로 하여 알림 여부를 결정하도록 학습된 알림 모델을 이용하여, 상기 사용자에게 응급 위험도에 대응하는 알림을 제공하도록 더 구성된, 탄수화물 섭취에 대한 정보 제공용 디바이스.

제12항에 있어서, 상기 통신부는,CAN-Pro 5.0 또는 KFD를 포함하는 식품 데이터베이스를 수신하도록 더 구성되고,상기 프로세서는,상기 식품 데이터베이스를 이용하여, 상기 식사 전 영상 및 식사 후 영상 내의 음식에 대하여 영양 성분을 각각 결정하고,각각 결정된 상기 영양 성분에 기초하여 상기 사용자의 식사에 대한 총 탄수화물 섭취량을 결정하도록 더 구성된, 탄수화물 섭취에 대한 정보 제공용 디바이스.

제12항에 있어서, 상기 통신부는,총 탄수화물 섭취량 및 응급 위험도 기반의 통계 모델을 수신하도록 더 구성되고,상기 프로세서는,상기 통계 모델을 이용하여, 상기 총 탄수화물 섭취량에 따른 응급 위험도를 결정하는 단계를 더 포함하는, 탄수화물 섭취에 대한 정보 제공용 디바이스.

사용자로부터 식사 전 영상 및 식사 후 영상 대한 영상, 수신된 상기 식사 전 영상 및 식사 후 영상을 입력으로 하여 음식 영역을 분할하도록 학습된 인공 신경망 기반의 영양 예측 모델을 저장하도록 구성된 내부 메모리, 및상기 내부 메모리에 액세스 (access) 하도록 구성되며,상기 영양 예측 모델을 이용하여, 수신된 상기 식사 전 영상 및 식사 후 영상 각각에 기초하여 상기 사용자의 식사에 대한 총 탄수화물 섭취량을 결정하도록 구성된 프로세싱 유닛을 포함하는, 탄수화물 섭취에 대한 정보 제공용 시스템.