@article { author = {Shabani, Raziyeh and Monajemi, Seyed Amirhassan and Safavi, Seyed Morteza and Rezaei, Mehran}, title = {An Intelligent Artificial Neural Network and Fuzzy Logic-Based Diet Advisory System}, journal = {Health Information Management}, volume = {14}, number = {6}, pages = {230-235}, year = {2018}, publisher = {Isfahan University of Medical Sciences}, issn = {1735-7853}, eissn = {1735-9813}, doi = {10.22122/him.v14i6.3050}, abstract = {Introduction: The goal of the present study was to develop an automatic and high-performance professional nutrition and diet advisor system to help the users to evaluate their nutrition conditions and get useful nutritional information. The study also aimed to provide users with a healthy meal plan based on their physical conditions such as weight, height, age, etc.Methods: This study was an applied research towards developing an intelligent diet advisor system. We focused on fuzzy logic and artificial neural networks as the means of implementation. The dataset was collected from one thousand patients’ files chosen randomly from the files of the patients referred to a diet clinic in Isfahan City, Iran, between 2011 and 2015. The collected data were entered into excel software during four months of study.Results: The designed three-layered artificial neural system with back propagation algorithm was able to diagnose the best dietary plan among the eleven proposed plans. The designed neural networks were able to work with 92% of accuracy, while the proposed fuzzy logic-based system carried out the procedure with 97% of accuracy.Conclusion: The results of this research indicated that this dietary proposal system using neural networks and the fuzzy logic was sufficient enough to be used to propose appropriate diet and meal plans to individuals. As a result, it could allow the users to receive the very efficient diet plans after entering their personal information easily, accurately, and almost free of charge.}, keywords = {Nutrition,Diet Therapy,Neural Network,Fuzzy Logic}, title_fa = {سامانه هوشمند توصیه رژیم غذایی مبتنی بر شبکه‌های عصبی مصنوعی و منطق فازی}, abstract_fa = {مقدمه: تحقیق حاضر با هدف ارایه یک سیستم هوشمند توصیه تغذیه و رژیم غذایی برای کمک به ارزیابی شرایط تغذیه و دانستن نیازمندی‌های غذایی انجام‌ شد. این برنامه به افراد برنامه غذایی مناسبی را با توجه به وضعیت جسمانی مانند سن، قد، وزن و... پیشنهاد می‌نماید.روش بررسی: این مطالعه از نوع توصیفی بود که بر اساس متغیرهای ورودی با استفاده از دو روش شبکه عصبی و منطق فازی، برنامه غذایی مناسبی را برای کاربر انتخاب می‌کند. جامعه آماری تحقیق را اطلاعات مربوط به پرونده‌های سال‌های اخیر (سال 1390 به بعد) بیماران یکی از متخصصان تغذیه عضو هیأت ‌علمی دانشکده تغذیه دانشگاه علوم پزشکی اصفهان تشکیل داد. تعداد نمونه‌های مورد بررسی، 1000 پرونده بود که به‌ صورت تصادفی انتخاب و در طول چهار ماه، در قالب یک فایل Excel جمع‌آوری گردید.یافته‌ها: با طراحی یک شبکه عصبی مصنوعی سه لایه و آموزش آن با الگوریتم پس انتشار خطا، سیستم قادر به تشخیص مناسب‌ترین برنامه غذایی از بین 11 برنامه غذایی طراحی‌ شده بود. در بخش به‌ کارگیری منطق فازی، با طراحی قواعد از روی مجموعه داده‌های جمع‌آوری ‌شده سیستم و با به‌ کارگیری نظرات فرد خبره، سامانه توانست برنامه غذایی مناسب را با دقت خوبی تشخیص دهد و پیشنهاد کند. یافته‌های حاصل از پیاده‌سازی‌ها حاکی از آن بود که شبکه عصبی طراحی‌ شده با دقت 92 درصد و سیستم طراحی ‌شده با منطق فازی نیز با دقت 97 درصد، قادر است این عمل را انجام دهد.نتیجه‌گیری: سیستم تشخیص رژیم غذایی به کمک منطق فازی و شبکه عصبی، قابلیت کافی به‌ منظور استفاده در توصیه رژیم غذایی را دارد؛ به طوری که می‌تواند بدون احتیاج به‌ صرف هزینه‌ بالا و تنها با وارد کردن اطلاعات شخصی مورد نیاز سیستم توسط کاربر، یک برنامه رژیم غذایی کارا به او پیشنهاد دهد.}, keywords_fa = {تغذیه,رژیم ‌درمانی,شبکه عصبی,منطق فازی}, url = {https://him.mui.ac.ir/article_11607.html}, eprint = {https://him.mui.ac.ir/article_11607_7f3e7ab9769b6212ee136ca2525e08ba.pdf} }