Der Diabetologe

, Volume 11, Issue 7, pp 575–578 | Cite as

GoCARB

Smartphone-App zur Kohlenhydratberechnung bei Typ‑1‑Diabetes
Im Fokus
  • 139 Downloads

Zusammenfassung

Smartphone-App zur Kohlenhydratberechnung

Neue Technologien wie Blutzuckersensoren und moderne Insulinpumpen prägten die Therapie des Typ-1-Diabetes (T1D) in den letzten Jahren in wesentlichem Ausmaß. Smartphones sind aufgrund ihrer rasanten technischen Entwicklung eine weitere Plattform für Applikationen zur Therapieunterstützung bei T1D.

GoCARB

Hierbei handelt es sich um ein zur Kohlenhydratberechnung entwickeltes System für Personen mit T1D. Die Basis für Endanwender stellt ein Smartphone mit Kamera dar. Zur Berechnung werden 2 mit dem Smartphone aus verschiedenen Winkeln aufgenommene Fotografien einer auf einem Teller angerichteten Mahlzeit benötigt. Zusätzlich ist eine neben dem Teller platzierte Referenzkarte erforderlich. Die Grundlage für die Kohlenhydratberechnung ist ein Computer-Vision-gestütztes Programm, das die Mahlzeiten aufgrund ihrer Farbe und Textur erkennt. Das Volumen der Mahlzeit wird mit Hilfe eines dreidimensional errechneten Modells bestimmt. Durch das Erkennen der Art der Mahlzeiten sowie deren Volumen kann GoCARB den Kohlenhydratanteil unter Einbeziehung von Nährwerttabellen berechnen. Für die Entwicklung des Systems wurde eine Bilddatenbank von mehr als 5000 Mahlzeiten erstellt und genutzt.

Resümee

Das GoCARB-System befindet sich aktuell in klinischer Evaluierung und ist noch nicht für Patienten verfügbar.

Schlüsselwörter

Diabetes mellitus Technologie Kohlenhydrate Smartphone  App 

GoCARB

Smartphone app for carbohydrate calculation in type 1 diabetes

Abstract

Smartphone app for carbohydrate calculation

In recent years, new glucose monitoring devices and insulin delivery systems have significantly enhanced diabetes self-management. In parallel, recent advances in smartphone technology has permitted the introduction of a broad spectrum of applications to support diabetic patients in their everyday routine.

GoCARB

The scope of the GoCARB is the automatic and near real-time estimation of a meal’s carbohydrate content for individuals with type 1 diabetes based on computer vision and smartphone technologies. The user places a credit card-sized reference object next to the meal and acquires two images using a smartphone from different viewing angles. Then, a number of computer vision steps is executed. Initially, the food items on the plate are segmented and recognized while their 3D shape is reconstructed. Based on shape, segmentation results, and reference object, the volume of each item is estimated. Finally, the carbohydrate content is calculated by combining the food type with its volume, and using nutritional databases. For the design and development of GoCARB, a database of more than 5000 meal images has been created and used.

Conclusion

Currently, the GoCARB system is under clinical evaluation, and therefore not yet accessible for public use.

Keywords

Diabetes mellitus Technology Carbohydrates Cellular phone App 

Notes

Danksagung

Die Autoren möchten dem GoCARB-Team danken. Die Projektpartner danken allen Freiwilligen, welche an der Studie teilgenommen haben, sowie Swisscom für die Unterstützung und die Bereitstellung der benötigten Smartphones.

Das Projekt wird finanziell durch das „European Union Seventh Framework Programme“ (FP7-PEOPLE-2011-IAPP), Forschungsnummer n° 286408 (www.gocarb.eu) unterstützt.

Einhaltung ethischer Richtlinien

Interessenkonflikt

M. Laimer, C. Stettler, P. Diem und S. Mougiakakou geben an, dass kein Interessenkonflikt besteht.

Dieser Beitrag beinhaltet keine Studien an Menschen oder Tieren.

Literatur

  1. 1.
    Schmidt S, Schelde B, Nørgaard K (2014) Effects of advanced carbohydrate counting in patients with Type 1 diabetes: a systematic review. Diabet Med 31:886–896. doi:10.1111/dme.12446CrossRefPubMedGoogle Scholar
  2. 2.
    Klonoff DC (2012) The current status of bolus calculator decision-support software. J Diabetes Sci Technol 6:990–994PubMedCentralCrossRefPubMedGoogle Scholar
  3. 3.
    Anthimopoulos M, Dehais J, Shevchik S et al (2015) Computer vision-based carbohydrate estimation for type 1 patients with diabetes using smartphones. J Diabetes Sci Technol 9:507–515. doi:10.1177/1932296815580159CrossRefPubMedGoogle Scholar
  4. 4.
    Abstracts ATTD (2015) 8th International Conference on Advanced Technologies & Treatments for Diabetes Paris, France – February 18–21, 2015. Diabetes Technol & Ther 17:A–1–A–180 doi:10.1089/dia.2015.1525Google Scholar

Copyright information

© Springer-Verlag Berlin Heidelberg 2015

Authors and Affiliations

  • M. Laimer
    • 1
    • 3
  • C. Stettler
    • 1
  • P. Diem
    • 1
  • S. Mougiakakou
    • 2
    • 1
  1. 1.Universitätspoliklinik für Endokrinologie, Diabetologie und Klinische ErnährungInselspitalBernSchweiz
  2. 2.Diabetes Technology Research Group ARTORG Center for Biomedical Engineering ResearchUniversität BernBernSchweiz
  3. 3.Universitätsklinik für Innere Medizin IMedizinische Universität InnsbruckInnsbruckÖsterreich

Personalised recommendations