CN108597572A - 一种智能健康规划系统 - Google Patents

Abstract

本发明公开了一种智能健康规划系统，包括用户静态标签数据获取模块、用户运动数据获取模块、用户饮食记录分析模块、用户身体指标体检模块、用户喜好收集分析模块和用户饮食规划模块，本发明不需要专业营养医生提供建议，可随时针对用户自己的身体状况，提出相应的饮食和运动建议，使用成本低，而且使用方便，而且采集的数据更为全面，分析出来的结果也更加准确。

Description

一种智能健康规划系统

技术领域

本发明涉及一种身体健康管理系统，尤其涉及一种能够为用户提供饮食和运动规划，来达到身体健康目的的系统。

背景技术

随着社会快速的发展，竞争压力的不断加大，由于饮食不规律、运动量小、睡眠不足，导致了越来越多的人身体变差。据统计，我国大部分人都是处于亚健康状态的。

所谓亚健康是指是指非病非健康的一种临界状态，是界乎健康与疾病之间的次等健康状态，故又有“次健康”、“第三状态”、“中间状态”、“游移状态”、“灰色状态”等的称谓。世界卫生组织将机体无器质性病变，但是有一些功能改变的状态称为“第三状态”，我国称为“亚健康状态”；处于亚健康状态的人，虽然没有明确的疾病，但却出现精神活力和适应能力的下降，如果这种状态不能得到及时的纠正，非常容易引起身心疾病。

白领阶层是亚健康状态的主要人群。紧张的工作和生活的压力，造成白领阶层人士生理与心理的双重疲劳，所以，白领阶层是亚健康状态的主要人群。据我国一项专题调查显示，北京市高级职称的中年知识分子中，竟有高达75.3%的人处于亚健康状态。更令人担忧的是，有85%以上的企业管理者处于慢性疲劳状态或亚健康状态，这是由他们所处的特殊工作、生活环境和行为模式所决定的。

白领阶层社会生活节奏快、心理压力大，都市生活的繁杂，人际关系的复杂，难以避免的风险，意料不到的挫折，环境质量的恶化，生活不规律，特别是吸烟、酗酒、暴饮暴食、缺乏必要的运动，使很多人陷入亚健康状态。

亚健康要得到改善，日常合理饮食搭配、充足睡眠和适度体育锻炼是非常重要的，因此，要想改变亚健康状态，就必须从上述几个方面进行改善。但是普通人根本就怎样的饮食搭配和体育锻炼是适合自己的，为了身体健康不得不咨询营养医生，在健身房内请教练，这样花费较高，是普通老百姓难以承受的。普通老百姓只能通过简单的减少饮食和加强锻炼来改善，不够科学，往往效果不是很好。

申请号为201710166221.X，申请日为2017年3月20日，申请公布号为CN106971069A，申请公布日为2017年7月21日的中国发明专利申请公布了一种基于个人饮食记录的个性化智能食谱推荐系统。系统通过对用户录入的饮食信息和特殊需求，结合专业营养医生的建议，对用户饮食数据进行智能，向用户推荐个性化的营养健康食谱。该系统具有个性化、专业性和应用范围广阔的特点。但是该系统还存在如下不足之处：

1、要想获得健康的饮食推荐，还是得结合专业营养医生的建议，营业医生并不能随时在线，用户不能随时获得针对其自身身体状况的饮食推荐。

2、因为用户的身体状况随着时间的推移会发生变化，这就需要用户针对不同时期，都要咨询专业营养医生，其花费的咨询费较高，也不是普通老百姓愿意承受的。

3、该系统只采集的相关分析数据过于简单，分析出来的结果不够准确。

4、该系统只能简单的提供食谱建议，而不能提供运动建议、营养建议以及用药提醒等等。

发明内容

为了克服现有基于个人饮食记录的个性化智能食谱推荐系统存在的上述缺陷，本发明提供了一种智能健康规划系统，该系统不需要专业营养医生提供建议，可随时针对用户自己的身体状况，提出相应的饮食、运动建议以及用药提醒，使用成本低，而且使用方便，而且采集的数据更为全面，分析出来的结果也更加准确。

为解决上述技术问题，本发明所采用的技术方案是：

一种智能健康规划系统，其特征在于：包括用户静态标签数据获取模块、用户运动数据获取模块、用户饮食记录分析模块、用户身体指标体检模块、用户喜好收集分析模块和用户饮食规划模块，

所述用户静态标签数据获取模块用于收集用户的基本数据，比如有无病史、性别、身高、是否吸烟、是否喝酒、生活地域、偏好等等，

所述用户运动数据获取模块用于收集用户截止当前的运动情况，比如，做过哪些运动、运动时间是多少、什么时候进行的运动、消耗了多少热量等信息，

所述用户饮食记录分析模块用于统计和分析截止当前该用户摄入了什么食物，这些食物中的热量以及营养含量，如蛋白质、糖、钙、铁等微量营养元素，

所述用户身体指标体检模块用于记录截止当前该用户的身体指标，比如截止到晚饭前，记录该用户体内的血糖值、血脂值和血压值，

所述用户喜好收集分析模块用于根据用户使用所述智能健康规划系统过程中的行为，分析出用户的饮食喜好、运动喜好等信息，比如通过系统分析，发现该用户喜欢慢跑，喜欢羽毛球，不喜欢篮球，不喜欢散步，喜欢吃湘菜，不喜欢吃西餐，不喜欢吃韭菜等多种信息，

所述用户饮食规划模块结合所收集到的信息，通过分析，实时的为用户规划出适合该用户的饮食计划。

所述用户饮食规划模块对所收集到信息进行分析的步骤为：

步骤1，热量分析

首先根据用户的历史的饮食记录信息，结合大数据模型，构建出来用户的习惯性的热量折线图，结合用户的身体指标数据、运动数据，评估出该用户当前的最佳摄热量总和；（比如通过对历史饮食记录分析，发现该用户习惯早餐摄入热量600Kcal，中餐800Kcal，晚餐400Kcal，那么在规划用户晚餐的时候，首先要选取热量基准值为400Kcal，然后再结合用户的身体指标数据，当天实际的热量摄入数据，用药数据、运动数据等多项指标，评估出该用户晚餐的最佳摄入热量总和）。

步骤2，菜谱分析

根据步骤1分析出来的应该摄入热量总和，结合用户的历史身体指标以及各种菜谱主料及做法，通过智能推荐算法模型，推算出来建议用户采用的多个菜谱；比如糖尿病人不能吃油炸、富含淀粉的食物，那么该步骤就会把主料中含有高GI值食物，做法为油炸类的菜谱过滤掉；

步骤3，菜谱排序

结合用户的静态标签数据，用户历史喜好数据，通过智能推荐算法模型，最终按照推荐的优先级，一次多条的呈现给用户，供用户选择。从而保证用户最终选择的菜谱首先是对身体有益，不会导致身体摄入指标超标，其次让用户觉得好吃，愿意吃。

所述智能推荐算法模型为：

U为用户集合，I为菜谱集合，为用户特征集合（年龄，地域，喜好标签等），为菜谱特征集合（食材，菜系，功效，烹饪方式等）。每个用户可能会与一些菜谱进行交互（评分，收藏，点击，标记为不喜欢等），(u,i) U I表示第u个用户对第i个菜谱的交互。为正交互集合，为负交互集合。

用户u的特征为，菜谱i的特征为。模型根据多维的用户特征嵌入()和菜谱特征嵌入()来进行参数化。每个特征也给定一个标准差，用户特征为，菜谱特征为

用户特征和向量为：

菜谱特征和向量为：

用户特征偏差和向量为：

菜谱特征偏差和向量为：

预测用户u对菜谱i的喜好度为则：

函数可采用sigmoid函数：

损失函数为：

。

所述智能健康规划系统还包括用户运动规划模块，该用户运动规划模块结合所收集到的信息，通过分析，实时的为用户规划出适合该用户的运动计划。

所述智能健康规划系统还包括用户用药提醒模块，该用户用药提醒模块用于记录截止当前该用户的历史用药情况，根据当前该用户的历史用药情况并结合所收集到的信息，向用户发出用药提醒。

与现有技术相比，本发明具有以下有益效果：

本发明结合了用户的静态标签数据（身高、体重、偏好、病史）、运动数据（进行的运动，运动的时间等）、饮食记录数据、用户喜好数据、用户用药数据等，根据这些数据综合的分析出用户能够摄入的食物、摄入量，由于手机了用户喜好数据，可以在众多食物中给用户推荐用户喜欢的食物，这样既能达到健康饮食的目的，而且还能让用户吃到自己喜欢的食物，满足自己的喜好，用户输入上述数据后，系统就会提供一系列用户喜欢而且健康的饮食，也便于用户决定自己买什么菜，做什么食物，不仅健康，而且满足用户喜好。本发明综合多方位的数据，更能满足用户的个人喜好和适合个人的身体状况，更加个性化，更加适合用户，本发明不需要引入营养专家，用户只需填写一些数据即可，使用成本大大降低的同时，而且便于操作。也不需要营养专家随时服务，可随时获得自己想要的饮食计划。

具体实施方式

下面结合实施例对本发明作进一步的描述，所描述的实施例仅仅是本发明一部分实施例，并不是全部的实施例。基于本发明中的实施例，本领域的普通技术人员在没有做出创造性劳动前提下所获得的其他所用实施例，都属于本发明的保护范围。

本发明提供了一种智能健康规划系统，其特征在于：包括用户静态标签数据获取模块、用户运动数据获取模块、用户饮食记录分析模块、用户身体指标体检模块、用户喜好收集分析模块和用户饮食规划模块，

所述用户静态标签数据获取模块用于收集用户的基本数据，比如有无病史、性别、身高、是否吸烟、是否喝酒、生活地域、偏好、年龄等等，这些数据由用户自己如实填写，要设置尽可能多的基本数据，这样信息更加全面。

所述用户运动数据获取模块用于收集用户截止当前的运动情况，比如，做过哪些运动、运动时间是多少、什么时候进行的运动、消耗了多少热量等信息，这些信息需要用户自己填写，比如慢跑30分钟、速度大约在7公里每小时，运动时间在晚上7点-7点半，至于消耗的热量信息需要通过现有的仪器进行检测，用户只需将检测的数据填入即可。

所述用户饮食记录分析模块用于统计和分析截止当前该用户摄入了什么食物，这些食物中的热量以及营养含量，如蛋白质、糖、钙、铁等微量营养元素，摄入的食物用户可以自己填写，对于食物中的热量以及营养含量由用户饮食记录分析模块进行记录和分析。

所述用户身体指标体检模块用于记录截止当前该用户的身体指标，比如截止到晚饭前，记录该用户体内的血糖值、血脂值和血压值，对于这些身体指标用户通过相应的设备检测出来，然后填写即可。

所述用户喜好收集分析模块用于根据用户使用所述智能健康规划系统过程中的行为，分析出用户的饮食喜好、运动喜好等信息，比如通过系统分析，发现该用户喜欢慢跑，喜欢羽毛球，不喜欢篮球，不喜欢散步，喜欢吃湘菜，不喜欢吃西餐，不喜欢吃韭菜等多种信息，这些信息是用户在多次使用的过程中逐步积累下来的，系统会自动统计，基于这些数据分析出喜好结果。

所述用户饮食规划模块结合所收集到的信息，通过分析，实时的为用户规划出适合该用户的饮食计划。用户饮食规划模块结合了众多数据之后在进行分析，最后给用户推送适合用户的饮食计划，采集的数据更多更全，分析出来的结果也就更加精准，更加适合用户自己。

所述用户饮食规划模块对所收集到信息进行分析的步骤为：

步骤1，热量分析

首先根据用户的历史的饮食记录信息，结合大数据模型，构建出来用户的习惯性的热量折线图，结合用户的身体指标数据、运动数据，评估出该用户当前的最佳摄热量总和；（比如通过对历史饮食记录分析，发现该用户习惯早餐摄入热量600Kcal，中餐800Kcal，晚餐400Kcal，那么在规划用户晚餐的时候，首先要选取热量基准值为400Kcal，然后再结合用户的身体指标数据，当天实际的热量摄入数据，用药数据、运动数据等多项指标，评估出该用户晚餐的最佳摄入热量总和）。

步骤2，菜谱分析

根据步骤1分析出来的应该摄入热量总和，结合用户的历史身体指标以及各种菜谱主料及做法，通过智能推荐算法模型，推算出来建议用户采用的多个菜谱；比如糖尿病人不能吃油炸、富含淀粉的食物，那么该步骤就会把主料中含有高GI值食物，做法为油炸类的菜谱过滤掉；

步骤3，菜谱排序

结合用户的静态标签数据，用户历史喜好数据，通过智能推荐算法模型，最终按照推荐的优先级，一次多条的呈现给用户，供用户选择。从而保证用户最终选择的菜谱首先是对身体有益，不会导致身体摄入指标超标，其次让用户觉得好吃，愿意吃。

所述智能推荐算法模型为：

U为用户集合，I为菜谱集合，为用户特征集合（年龄，地域，喜好标签等），为菜谱特征集合（食材，菜系，功效，烹饪方式等）。每个用户可能会与一些菜谱进行交互（评分，收藏，点击，标记为不喜欢等），(u,i) U I表示第u个用户对第i个菜谱的交互。为正交互集合，为负交互集合。

用户u的特征为，菜谱i的特征为。模型根据多维的用户特征嵌入()和菜谱特征嵌入()来进行参数化。每个特征也给定一个标准差，用户特征为，菜谱特征为

用户特征和向量为：

菜谱特征和向量为：

用户特征偏差和向量为：

菜谱特征偏差和向量为：

模型预测用户u对菜谱i的喜好度为则：

函数可采用sigmoid函数：

损失函数为：

。

所述智能健康规划系统还包括用户运动规划模块，该用户运动规划模块结合所收集到的信息，通过分析，实时的为用户规划出适合该用户的运动计划。通过用户运动规划模块根据收集到的信息，给用户提出运动计划，该运动计划既能满足用户的运动要求，又不会过渡运动，给用户身体造成损害。

所述智能健康规划系统还包括用户用药提醒模块，该用户用药提醒模块用于记录截止当前该用户的历史用药情况，根据当前该用户的历史用药情况并结合所收集到的信息，向用户发出用药提醒。

通过用户饮食规划模块和用户运动规划模块的作用可以向用户推荐饮食计划和运动计划，提醒用户为了满足营养要求，需要摄入什么样的食物，摄入多少食物，为了防止营养过剩，只能吃那些食物，那些食物不能吃，同时还提醒用户能够进行那类型的运动，运动时间多久，既达到健身的目的，又不会对身体造成损害。而且通过用户用药提醒模块实时的为提醒用户用药以及用量，比如提醒用户服用降压药等。

Claims (5)

1.一种智能健康规划系统，其特征在于：包括用户静态标签数据获取模块、用户运动数据获取模块、用户饮食记录分析模块、用户身体指标体检模块、用户喜好收集分析模块和用户饮食规划模块，

所述用户静态标签数据获取模块用于收集用户的基本数据，

所述用户运动数据获取模块用于收集用户截止当前的运动情况，

所述用户饮食记录分析模块用于统计和分析截止当前该用户摄入了什么食物，

所述用户身体指标体检模块用于记录截止当前该用户的身体指标，

所述用户喜好收集分析模块用于根据用户使用所述智能健康规划系统过程中的行为，分析出用户的饮食喜好和运动喜好信息

所述用户饮食规划模块结合所收集到的所有信息，通过分析，实时的为用户规划出适合该用户的饮食计划。

2.根据权利要求1所述的一种智能健康规划系统，其特征在于：所述用户饮食规划模块对所收集到信息进行分析的具体步骤为：

步骤1，热量分析

首先根据用户的历史的饮食记录信息，结合大数据模型，构建出来用户的习惯性的热量折线图，然后结合用户的身体指标数据、运动数据，评估出该用户当前的最佳摄热量总合；

步骤2，菜谱分析

根据步骤1分析出来的摄入热量总和，结合用户的历史身体指标以及各种菜谱主料及做法，推算出来建议用户采用的多个菜谱；

步骤3，菜谱排序

结合用户的静态标签数据，用户历史喜好数据，最终按照推荐的优先级，一次多条的呈现给用户，供用户选择。

3.根据权利要求2所述的一种智能健康规划系统，其特征在于：所述的菜谱分析和菜谱排序是通过如下方法完成的：

首先设定U为用户集合，I为菜谱集合，为用户特征集合，为菜谱特征集合， (u,i) U I表示第u个用户对第i个菜谱的交互，为正交互集合，为负交互集合，用户u的特征为，菜谱i的特征为；

然后根据多维的用户特征嵌入()和菜谱特征嵌入()来进行参数化，每个特征也给定一个标准差，用户特征的标准差为，菜谱特征的标准差为

用户特征和向量为：

菜谱特征和向量为：

用户特征偏差和向量为：

菜谱特征偏差和向量为：

预测用户u对菜谱i的喜好度为则：

函数采用sigmoid函数：

损失函数为：

。

4.根据权利要求1所述的一种智能健康规划系统，其特征在于：所述智能健康规划系统还包括用户运动规划模块，该用户运动规划模块结合所收集到的信息，通过分析，实时的为用户规划出适合该用户的运动计划。

5.根据权利要求1所述的一种智能健康规划系统，其特征在于：所述智能健康规划系统还包括用户用药提醒模块，该用户用药提醒模块用于记录截止当前该用户的历史用药情况，根据当前该用户的历史用药情况并结合所收集到的信息，向用户发出用药提醒。