哪种饮食减肥效果最佳?

全球4亿多人被认为患肥胖症
全球4亿多人被认为患肥胖症

肥 胖是全球性问题,而且情况越来越严重,减肥对大多数人来说很难。《新英格兰医学杂志》刊登的一项研究报告说,在努力节食减肥的美国人当中,25%的人确实 减肥了,但是大多数的人很难维持。各种减肥项目上的支出目前高达数十亿美元。不过,最新的研究成果可能会平息围绕哪种饮食减肥效果最佳的争论。

世界卫生组织估计,目前全球有超过10亿的成年人超重,4亿多人被认为患肥胖症,还有两千万5岁以下的儿童超重。那么为什么不能减肥呢?

随著人们的体重减了又长了,风靡一时的减肥饮食往往会逐渐淡出人们的视线。不过,有三种饮食方法看来倒是广为人们接受。

第一种是低脂肪饮食,提倡吃全麦食品、水果和蔬菜。 第二种是以蛋白质为主的低碳水化合物饮食,包括蛋类、红肉、禽类、鱼类和某些蔬菜。最后一种是以地中海烹调为基础的一种饮食,包括少量肉和鱼,但大量水果、蔬菜和谷物,同时配以坚果、果籽儿和橄榄油。

最近发表的研究报告显示,研究人员要求几百名超重和肥胖症病人,使用上述三种饮食中的一种。两年过后,使用低碳水化合物的人减肥最成功。

维斯特曼医生
维斯特曼医生

维斯特曼医生是杜克大学医学院的研究人员。他说:“低碳水化合物饮食能够显著减肥毫不惊奇,因为蛋白质和脂肪会让人感觉很饱,因而不想多吃。”

超重或者肥胖经常会导致严重的健康问题。

高 脂肪食物能使胆固醇和胰岛素水平上升,进而引发心脏病、中风和糖尿病。研究人员发现,含碳水化合物低的食物,有助于降低胆固醇和胰岛素的水平。维斯特曼医 生说:“低碳水化合物饮食方法,也就是不吃大米、面条、面包以及土豆等食物,是通过降低体内胰岛素而减肥的。由于胰岛素水平较低,体内因而产生的有害胆固 醇就较少。”

在先前进行的临床试验中,测量长期减肥饮食的有效性一直很困难。在以色列和美国进行的上述研究,是迄今为止历时最长的监控性试验。

  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
目标检测(Object Detection)是计算机视觉领域的一个核心问题,其主要任务是找出图像中所有感兴趣的目标(物体),并确定它们的类别和位置。以下是对目标检测的详细阐述: 一、基本概念 目标检测的任务是解决“在哪里?是什么?”的问题,即定位出图像中目标的位置并识别出目标的类别。由于各类物体具有不同的外观、形状和姿态,加上成像时光照、遮挡等因素的干扰,目标检测一直是计算机视觉领域最具挑战性的任务之一。 二、核心问题 目标检测涉及以下几个核心问题: 分类问题:判断图像中的目标属于哪个类别。 定位问题:确定目标在图像中的具体位置。 大小问题:目标可能具有不同的大小。 形状问题:目标可能具有不同的形状。 三、算法分类 基于深度学习的目标检测算法主要分为两大类: Two-stage算法:先进行区域生成(Region Proposal),生成有可能包含待检物体的预选框(Region Proposal),再通过卷积神经网络进行样本分类。常见的Two-stage算法包括R-CNN、Fast R-CNN、Faster R-CNN等。 One-stage算法:不用生成区域提议,直接在网络中提取特征来预测物体分类和位置。常见的One-stage算法包括YOLO系列(YOLOv1、YOLOv2、YOLOv3、YOLOv4、YOLOv5等)、SSD和RetinaNet等。 四、算法原理 以YOLO系列为例,YOLO将目标检测视为回归问题,将输入图像一次性划分为多个区域,直接在输出层预测边界框和类别概率。YOLO采用卷积网络来提取特征,使用全连接层来得到预测值。其网络结构通常包含多个卷积层和全连接层,通过卷积层提取图像特征,通过全连接层输出预测结果。 五、应用领域 目标检测技术已经广泛应用于各个领域,为人们的生活带来了极大的便利。以下是一些主要的应用领域: 安全监控:在商场、银行
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值