CN109727658A - 饮食推荐方法、设备和系统 - Google Patents
饮食推荐方法、设备和系统 Download PDFInfo
- Publication number
- CN109727658A CN109727658A CN201910133959.5A CN201910133959A CN109727658A CN 109727658 A CN109727658 A CN 109727658A CN 201910133959 A CN201910133959 A CN 201910133959A CN 109727658 A CN109727658 A CN 109727658A
- Authority
- CN
- China
- Prior art keywords
- information
- diet
- blood glucose
- glycemic
- value
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Abstract
本发明提供一种饮食推荐方法、设备和系统,所述方法包括:获取用户提供的目标饮食信息;根据所述目标饮食信息确定饮食结果集,所述饮食结果集中包括多个与所述目标饮食信息匹配的推荐饮食信息;确定所述推荐饮食信息的各种营养成分信息,并确定各种营养成分对应的升糖能力系数;根据所述各种营养成分对应的升糖能力系数和所述各种营养成分信息确定所述推荐饮食信息对应的升糖能力值;根据所述推荐饮食信息对应的升糖能力值对各个所述推荐饮食信息进行排序;向用户反馈排序后的各个所述推荐饮食信息。
Description
技术领域
本发明涉及人体血糖监测领域,具体涉及一种饮食推荐方法、设备和系统。
背景技术
对于糖尿病这种慢性疾病,饮食治疗是各种类型糖尿病治疗的基础,一部分轻型糖尿病患者单用饮食治疗就可控制病情。
当用户想吃一类食物的时候,选择对自己血糖影响小的食物对病情控制具有很重要的意义。随着便携式血糖测定仪的逐步普及,用户可以随时监测自身的血糖值。目前一些治疗方案中采取长时间连续监测用户血糖值的方式,使用户能够查看长时间的血糖变化,尤其是进食前后血糖变化,这可以使用户在一定程度上了解食物对自身血糖的影响情况。
现有技术只能够通过获取用户的饮食信息和相应的血糖数据进行计算,得到用户已经摄入的饮食的升糖指数或类似数值,此类方案属于后置分析方案,此类方案只能向用户反馈其已经吃过的食物的升糖能力,但无法预测其想要吃的其它食物的升糖能力。
发明内容
有鉴于此,本发明提供一种饮食推荐方法,包括:
获取用户提供的目标饮食信息;
根据所述目标饮食信息确定饮食结果集,所述饮食结果集中包括多个与所述目标饮食信息匹配的推荐饮食信息;
确定所述推荐饮食信息的各种营养成分信息,并确定各种营养成分对应的升糖能力系数;
根据所述各种营养成分对应的升糖能力系数和所述各种营养成分信息确定所述推荐饮食信息对应的升糖能力值;
根据所述推荐饮食信息对应的升糖能力值对各个所述推荐饮食信息进行排序;
向用户反馈排序后的各个所述推荐饮食信息。
可选地,所述营养成分信息对应的升糖能力系数是根据所述用户提供的近期饮食信息确定的。
可选地,所述确定各种营养成分对应的升糖能力系数,包括:
确定所述近期饮食信息对应近期饮食的升糖能力值,以及所述近期饮食信息对应近期饮食的营养成分信息;
根据多种所述近期饮食的升糖能力值和多种所述近期饮食的营养成分信息,确定所述升糖能力系数。
可选地,所述根据所述各种营养成分对应的升糖能力系数和所述各种营养成分信息确定所述推荐饮食信息对应的升糖能力值,包括:
确定所述推荐饮食信息对应的营养成分信息;
根据所述推荐饮食信息对应的营养成分信息和所述升糖能力系数,确定所述推荐饮食信息对应的升糖能力值。
可选地,所述近期饮食信息包括饮食时间点和饮食量;
所述确定所述近期饮食信息对应近期饮食的升糖能力值,包括:
根据所述饮食时间点和设定时长获取所述用户的血糖数据,所述血糖数据至少包括所述时间点对应的起始血糖值和所述时间点开始至所述设定时长后的时间点对应的最终血糖值;
根据所述血糖数据确定血糖应答值;
根据所述饮食量和所述血糖应答值确定单位重量的近期饮食对所述用户的升糖能力值。
可选地,所述血糖数据是沿时间分布并以所述起始血糖值为起点、以所述最终血糖值为终点的一段血糖曲线数据。
可选地,所述血糖应答值是所述血糖曲线下的面积值,其中低于所述起始血糖值处的面积为负、高于所述起始血糖值处的面积为正。
可选地,所述根据所述饮食时间点和设定时长获取所述用户的血糖数据,包括:
获取所述用户在设定时段内的整体血糖曲线数据;
根据所述饮食时间点和所述设定时长在所述整体血糖曲线数据中截取一段血糖曲线数据。
本发明还提供一种饮食推荐设备,包括:至少一个处理器;以及与所述至少一个处理器通信连接的存储器;其中,所述存储器存储有可被所述一个处理器执行的指令,所述指令被所述至少一个处理器执行,以使所述至少一个处理器执行上述饮食推荐方法。
本发明还提供一种饮食推荐设备系统,包括:
血糖监测设备,用于采集用户的血糖数据;
用户终端,用于接收用户提供的近期饮食信息和目标饮食信息;
服务器,用于利用上述饮食推荐方法,根据所述近期饮食信息、所述目标饮食信息和所述血糖数据,得到排序后的各个所述推荐饮食信息;
所述用户终端还用于接收排序后的各个所述推荐饮食信息。
根据本发明提供的饮食推荐方法、设备和系统,针对用户提供饮食信息搜索多个推荐饮食,然后确定各个推荐饮食的营养成分,以及营养成分相应的升糖能力系数。根据营养成分的升糖能力系数可确定各种推荐饮食的升糖能力值,最后向用户反馈根据升糖能力值排序的多个推荐饮食,使用户了解各种推荐饮食对自身血糖的影响程度,由此达到辅助控制糖尿病病情的目的。
附图说明
为了更清楚地说明本发明具体实施方式或现有技术中的技术方案,下面将对具体实施方式或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图是本发明的一些实施方式,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1为本发明实施例中的饮食推荐方法的流程图;
图2为本发明实施例中的确定食物对血糖影响程度的方法的流程图;
图3为本发明实施例中的一段整体血糖曲线;
图4为本发明实施例中截取的一段目标血糖曲线;
图5为本发明实施例中基于目标血糖曲线确定的一种曲线下的区域示意图;
图6为本发明实施例中基于目标血糖曲线确定的另一种曲线下的区域示意图;
图7为本发明实施例中的饮食推荐系统的结构示意图。
具体实施方式
下面将结合附图对本发明的技术方案进行清楚、完整地描述,显然,所描述的实施例是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
此外,下面所描述的本发明不同实施方式中所涉及的技术特征只要彼此之间未构成冲突就可以相互结合。
本发明实施例提供一种饮食推荐方法,可适用于糖尿病患者,针对患者提供的饮食内容向其推荐多种饮食。本方法可以由用户终端单独执行,也可以由用户终端和服务端配合执行。如图1所示该方法包括如下步骤:
S1A,获取用户提供的目标饮食信息。目标饮食即用户想要食用或饮用的食品或饮品。目标饮食信息中至少包括饮食名称,实际应用时可向用户提供一个用于输入饮食名称的交互界面,用户提供文字、语音或图片形式的目标饮食信息。
S2A,根据目标饮食信息确定饮食结果集,饮食结果集中包括多个与目标饮食信息匹配的推荐饮食信息。通过文字匹配、语音匹配或者图像匹配算法得到与用户想要食用的食品最相近的多个推荐食品,其中可以包括与目标饮食完全一致的推荐食品,还可包括与其类似的推荐食品。
例如用户提供目标饮食名称为A,则基于A确定相匹配的推荐饮食A1、推荐饮食A2、推荐饮食A3等。
S3A,确定推荐饮食信息的各种营养成分信息,并确定各种营养成分信息对应的升糖能力系数。在一个实施例中,执行本方法的设备中预先设置数据库,其中存储了大量饮食信息,其中每一条信息包括饮食名称、组成这种饮食的营养成分名称和含量(百分比),营养成分例如包括碳水化合物、脂肪、蛋白质、纤维素等。
关于营养成分的升糖能力系数,本发明认为任何一种饮食的升糖能力值,都符合一种设定模型,例如G是单位重量的某种食物的升糖能力值,单位重量的这种食物中的各种营养成分的重量为ri……rj,则符合设定模型G=w0+wi*ri+……+wj*rj。其中的w0、wi……wj=w是对应各种营养成分的升糖能力系数。
在确定了推荐饮食的单位重量及其营养成分的重量的情况下,利用系数w即可计算出这种推荐饮食的升糖能力值。
上述设定模型只是为了清楚地说明而做的举例,实际应用是可以采用更复杂或简单的其它类似模型。
在一个实施例中,采用通用的营养成分对应的升糖能力系数,也即认为对于所有用户而言,升糖能力系数是相同的。因此该信息可以预测在数据库中,先在数据库中查询推荐饮食的营养成分含量,再查询营养成分信息对应的升糖能力系数即可计算推荐饮食的升糖能力值。
在另一个实施例中,采用针对用户个体的营养成分对应的升糖能力系数,也即认为对于不同用户而言,升糖能力系数是不相同的。因此可以预先采集此用户近期的实际饮食情况和相应的实际血糖数据,进而计算出针对该用户的升糖能力系数。具体地,该用户近期的饮食中也必然包含各种营养成分,根据此用户近期的实际饮食对血糖的影响情况,可以先确定饮食的升糖能力值,然后再查询其实际饮食的营养成分含量,通过计算即可确定各种营养成分对此用户的升糖能力系数。
采集的数据越多,计算出的升糖能力系数越精确,但是在起初阶段可能无法获得足够多的同一用户的数据,因此在一个优选的实施例中,可以结合通用的升糖能力系数和此用户的实际数据进行综合计算,得到折中的升糖能力系数。
在一个实施例中,设定n种营养成分为r1、r2……rn。对于推荐饮食A1,可查询数据库确定A1中含有r1、r2、r3及其占比;对于推荐饮食A2,可查询数据库确定A2中含有r2、r4、r5及其占比;对于推荐饮食A3,可查询数据库确定A3中含有r1、r4、r6及其占比。再进一步确定r1、r2、r3、r4、r5、r6的升糖能力系数。
S4A,根据各种营养成分对应的升糖能力系数和各种营养成分信息确定推荐饮食信息对应的升糖能力值。
升糖能力值是指人体在摄入某种物品后,一定时间内血糖值的提升量。对于用户实际已经摄入的饮食而言,这一数值可通过监测人体饮食和血糖变化情况并进行统计和计算得出,具体将在下文进行介绍。
对于推荐饮食而言,需要在此步骤中预测得出其升糖能力值。在此前的步骤中已获取了各种营养成分对人体的升糖能力系数,因此在此步骤中,可以先查询数据库确定推荐饮食的营养成分信息,如百分比信息和重量信息等含量信息,然后根据系数和含量计算推荐饮食的升糖能力值。例如按照模型G=w0+wi*ri+……+wj*rj计算推荐饮食的升糖能力值。
在一个实施例中,可以先设定各种推荐食物的单位重量,例如对于单位重量的推荐食物A1,通过步骤S3A得到r1、r2、r3的升糖能力系数,计算出单位重量的推荐食物A1的升糖能力值;通过步骤S3A得到的r2、r4、r5的升糖能力系数,计算出单位重量的推荐食物A2的升糖能力值;通过步骤S3A得到r1、r4、r6的升糖能力系数,计算出单位重量的推荐食物A3的升糖能力值。
S5A,根据推荐饮食信息对应的升糖能力值对各个推荐饮食信息进行排序。通过比较A1、A2、A3的升糖能力值,可以实现从大到小、从小到大进行排序。
S6A,向用户反馈排序后的各个推荐饮食信息。实际应用时可向用户反馈一个推荐饮食列表,其中按照排序结果显示推荐饮食。无论多种推荐饮食中包含或不包含与目标饮食完全一致的内容,但至少都是与目标饮食相似的内容。最终的反馈结果能够体现推荐饮食的升糖能力值的大小关系,给予用户选择余地。
根据本发明实施例提供的饮食推荐方法,针对用户提供饮食信息搜索多个推荐饮食,然后确定各个推荐饮食的营养成分,以及营养成分相应的升糖能力系数。根据营养成分的升糖能力系数可确定各种推荐饮食的升糖能力值,最后向用户反馈根据升糖能力值排序的多个推荐饮食,使用户了解各种推荐饮食对自身血糖的影响程度,由此达到辅助控制糖尿病病情的目的。
本方案不必预先获取所有饮食的升糖能力值,而只需预先确定有限种类的营养成分对应的升糖能力系数,由于任何一种饮食均由有限种类的营养成分组成,因此根据这些系数即可确定各种饮食的升糖能力值,本方案具有较强的实用性以及较高的计算效率。
在一个优选的实施例中,通过采集用户个体的近期饮食数据和相应的升糖能力值,以及大量的其它用户的饮食数据和相应的升糖能力值,来确定营养成分对此用户的升糖能力系数。
具体地,假设G是单位重量的某种食物的升糖能力值,在数据库中查询这种食物的营养成分及其占比,可确定单位重量的这种食物中的各种营养成分的重量ri……rj,则G=w0+wi*ri+……+wj*rj。其中的{w0、wi……wj}=w是对应各种营养成分的升糖能力系数。
对于大量的其它用户的饮食数据和相应的升糖能力值的数据集M,可以采用线性回归算法计算通用的升糖能力系数wM={wM0……wMn},在计算过程中可以随机给定wM的初始值,采用梯度下降算法求出针对数据集M的最优解得到wM。
然后根据用户个体的近期饮食数据和相应的升糖能力值数据集P,可以采用线性回归算法计算针对该用户的升糖能力系数wp={wp0……wpn},在计算过程中以上述计算得到的wM为初始值,采用梯度下降算法求出针对数据集p的最优解得到wp。
wp是针对此用户的个性化参数,在步骤S3A中计算各种营养成分对应的升糖能力系数时可以采用wp,以提高升糖能力值计算结果的准确性。
在上述实施例中采用了先计算wM再计算wp的方式,是考虑到用户个体的数据集P数据量不够大,因此采用了折中的计算结果,此计算方式实用性比较强。其它实施例中,如果数据集P数据量足够大,也可以直接计算wp。
下面结合图2-图6详细介绍用户近期饮食的升糖能力值。本方案提供一种确定食物对血糖影响程度的方法,目的是获得用户近期的实际饮食对其自身的升糖能力值,以便确定针对该用户的个性化升糖能力系数。该方法基于血糖监测数据和用户提供的饮食信息进行分析和处理,其中的血糖监测数据可以借助血糖监测仪等设备进行采集。
血糖监测仪可以按照设定时间间隔连续采集用户的血糖值,例如每隔几分钟采集一次血糖值,得到与各个采集时刻对应的血糖值。在采集血糖值期间,需要用户记录并提供进食信息,进食信息至少包括进食时间点和进食量。
本方法可以由计算机、服务器等电子设备执行。如图2所示,确定食物对血糖影响程度的方法包括如下步骤:
S1B,获取用户饮食时间点、饮食量和饮食内容信息,以及用户在设定时段内的整体血糖曲线数据。例如设定时段为N天,整体血糖曲线数据是在这N天内的用户的血糖值随时间变化的曲线。
实际应用时,可以使血糖监测仪连续N天持续采集该用户的血糖值,并形成血糖曲线数据。图3示出了一段血糖曲线数据,该曲线是用户在00:00-18:00这18小时内的整体血糖曲线。其中横轴为时间轴、纵轴为血糖值轴,用以体现用户血糖值随时间变化的情况。
如上文所述,血糖监测仪是按照设定时间间隔采集用户血糖值的,所得到的是与采集时间点对应的血糖值,而曲线数据可以是根据按照设定时间间隔采集的血糖值进行插值处理得到的连续曲线数据。
S2B,根据饮食时间点和设定时长在整体血糖曲线数据中截取一段目标血糖曲线数据,目标血糖曲线数据是以该时间点对应的起始血糖值为起点、以时间点开始至设定时长后的时间点对应的最终血糖值为终点的血糖曲线数据。图4示出了一段截取的目标血糖曲线数据,作为一个举例,假设该用户饮食时间点为7:00,设定时长取值为2小时,则此步骤中要获取该用户在7:00时至9:00时之间的血糖曲线数据。
S3B,计算目标血糖曲线下的面积作为血糖应答值△G,其中低于起始血糖值处的面积为负、高于起始血糖值处的面积为正。图5示出了一段目标血糖曲线下的区域X,区域X在本领域中被称为AUC(Area Under the Curve,曲线下的区域),在本实施例中曲线下的区域特指以用户饮食时间点对应的起始血糖值G1所确定的水平直线为一个边缘、以曲线为另一边缘、以设定时长后的时间点所确定的竖直直线为右端边缘所围成的区域。计算这种不规则区域面积的方式有多种,本发明可以使用现有的计算方法得到区域X的面积。
通常情况下,在用户饮食后血糖会持续上升达到一定高度后维持或下降,血糖曲线通常类似图5所示情形,这个区域的面积的值为正。在一些情况下也可能得到如图6所示的情形,即用户在饮食后血糖值先下降后提升,由此会出现一个低于起始血糖值的区域Y1,之后是一个高于起始血糖值的区域Y2,在计算血糖应答值时,使区域Y1的面积值为负,对区域Y1的面积和区域Y2的面积求和得到血糖应答值。
在其它实施例中,假设该用户进食时间点为12:00,设定时长取值为2小时,则步骤S2B中至少可以获取该用户在12:00时的血糖值G1,以及14:00时的血糖值G2。或者还可以获取血糖值G1和血糖值G2之间的多个血糖值,也即设定时长内的多个血糖值。
根据血糖值G1和血糖值G2至少可以确定这一设定时长对应的血糖差值,根据该差值即可确定血糖应答值△G。或者,也可以根据设定时长内的多个血糖值确定血糖应答值△G。
S4B,根据饮食量和血糖应答值确定单位重量的食物对用户的升糖能力值。作为一个举例,假设该用户对某种食物的进食量为n克,单位重量取p克,则单位重量的食物对用户的升糖能力值为p/n×△G,由此可以得到诸如每克某种食物的升糖能力值、每百克某种食物的升糖能力值的结果。其中不同食物的单位重量取值可以是不同的,实际应用时可以预先设定各种食物的单位重量取值。
例如用户在N天内进食了食物B1、食物B2……食物Bn。根据上述方案,可以计算出单位重量的B1的升糖能力值、单位重量的B2的升糖能力值……单位重量的Bn的升糖能力值。
本发明的一个实施例还提供一种饮食推荐设备,包括至少一个处理器;以及与所述至少一个处理器通信连接的存储器;其中,所述存储器存储有可被所述一个处理器执行的指令,所述指令被所述至少一个处理器执行,以使所述至少一个处理器执行上述饮食推荐方法。
本发明的一个实施例还提供一种饮食推荐设备系统,如图7所示,该系统包括:
血糖监测设备71,用于采集用户的血糖数据;
用户终端72,用于接收用户提供的近期饮食信息和目标饮食信息;
服务器73,用于利用上述饮食推荐方法根据所述近期饮食信息、所述目标饮食信息和所述血糖数据,得到排序后的各个所述推荐饮食信息;
所述用户终端72还用于接收排序后的各个所述推荐饮食信息。
本领域内的技术人员应明白,本发明的实施例可提供为方法、系统、或计算机程序产品。因此,本发明可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且,本发明可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本发明是参照根据本发明实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器,使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中,使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品,该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上,使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理,从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
显然,上述实施例仅仅是为清楚地说明所作的举例,而并非对实施方式的限定。对于所属领域的普通技术人员来说,在上述说明的基础上还可以做出其它不同形式的变化或变动。这里无需也无法对所有的实施方式予以穷举。而由此所引伸出的显而易见的变化或变动仍处于本发明创造的保护范围之中。
Claims (10)
1.一种饮食推荐方法,其特征在于,包括:
获取用户提供的目标饮食信息;
根据所述目标饮食信息确定饮食结果集,所述饮食结果集中包括多个与所述目标饮食信息匹配的推荐饮食信息;
确定所述推荐饮食信息的各种营养成分信息,并确定各种营养成分对应的升糖能力系数;
根据所述各种营养成分对应的升糖能力系数和所述各种营养成分信息确定所述推荐饮食信息对应的升糖能力值;
根据所述推荐饮食信息对应的升糖能力值对各个所述推荐饮食信息进行排序;
向用户反馈排序后的各个所述推荐饮食信息。
2.根据权利要求1所述的方法,其特征在于,所述营养成分信息对应的升糖能力系数是根据所述用户提供的近期饮食信息确定的。
3.根据权利要求2所述的方法,其特征在于,所述确定各种营养成分对应的升糖能力系数,包括:
确定所述近期饮食信息对应近期饮食的升糖能力值,以及所述近期饮食信息对应近期饮食的营养成分信息;
根据多种所述近期饮食的升糖能力值和多种所述近期饮食的营养成分信息,确定所述升糖能力系数。
4.根据权利要求3所述的方法,其特征在于,所述根据所述各种营养成分对应的升糖能力系数和所述各种营养成分信息确定所述推荐饮食信息对应的升糖能力值,包括:
确定所述推荐饮食信息对应的营养成分信息;
根据所述推荐饮食信息对应的营养成分信息和所述升糖能力系数,确定所述推荐饮食信息对应的升糖能力值。
5.根据权利要求3所述的方法,其特征在于,所述近期饮食信息包括饮食时间点和饮食量;
所述确定所述近期饮食信息对应近期饮食的升糖能力值,包括:
根据所述饮食时间点和设定时长获取所述用户的血糖数据,所述血糖数据至少包括所述时间点对应的起始血糖值和所述时间点开始至所述设定时长后的时间点对应的最终血糖值;
根据所述血糖数据确定血糖应答值;
根据所述饮食量和所述血糖应答值确定单位重量的近期饮食对所述用户的升糖能力值。
6.根据权利要求5所述的方法,其特征在于,所述血糖数据是沿时间分布并以所述起始血糖值为起点、以所述最终血糖值为终点的一段血糖曲线数据。
7.根据权利要求6所述的方法,其特征在于,所述血糖应答值是所述血糖曲线下的面积值,其中低于所述起始血糖值处的面积为负、高于所述起始血糖值处的面积为正。
8.根据权利要求6或7所述的方法,其特征在于,所述根据所述饮食时间点和设定时长获取所述用户的血糖数据,包括:
获取所述用户在设定时段内的整体血糖曲线数据;
根据所述饮食时间点和所述设定时长在所述整体血糖曲线数据中截取一段血糖曲线数据。
9.一种饮食推荐设备,其特征在于,包括:至少一个处理器;以及与所述至少一个处理器通信连接的存储器;其中,所述存储器存储有可被所述一个处理器执行的指令,所述指令被所述至少一个处理器执行,以使所述至少一个处理器执行如权利要求1-8中任意一项所述的饮食推荐方法。
10.一种饮食推荐设备系统,其特征在于,包括:
血糖监测设备,用于采集用户的血糖数据;
用户终端,用于接收用户提供的近期饮食信息和目标饮食信息;
服务器,用于利用权利要求2-8中任意一项所述的饮食推荐方法,根据所述近期饮食信息、所述目标饮食信息和所述血糖数据,得到排序后的各个所述推荐饮食信息;
所述用户终端还用于接收排序后的各个所述推荐饮食信息。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910133959.5A CN109727658A (zh) | 2019-02-22 | 2019-02-22 | 饮食推荐方法、设备和系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910133959.5A CN109727658A (zh) | 2019-02-22 | 2019-02-22 | 饮食推荐方法、设备和系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN109727658A true CN109727658A (zh) | 2019-05-07 |
Family
ID=66301643
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910133959.5A Pending CN109727658A (zh) | 2019-02-22 | 2019-02-22 | 饮食推荐方法、设备和系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109727658A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112349388A (zh) * | 2020-12-02 | 2021-02-09 | 西湖大学 | 一种用于血糖的数据处理方法、装置、存储介质以及电子设备 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106228004A (zh) * | 2016-07-19 | 2016-12-14 | 海尔优家智能科技(北京)有限公司 | 一种健康食谱推送方法及装置、智能家居服务器 |
CN106777882A (zh) * | 2016-11-18 | 2017-05-31 | 北京郁金香伙伴科技有限公司 | 一种饮食提示方法及装置 |
US20180121631A1 (en) * | 2016-10-27 | 2018-05-03 | True Positive Analytics Pvt. Ltd. | Systems and methods for multi-parameter and personalized dietary recommendations |
-
2019
- 2019-02-22 CN CN201910133959.5A patent/CN109727658A/zh active Pending
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106228004A (zh) * | 2016-07-19 | 2016-12-14 | 海尔优家智能科技(北京)有限公司 | 一种健康食谱推送方法及装置、智能家居服务器 |
US20180121631A1 (en) * | 2016-10-27 | 2018-05-03 | True Positive Analytics Pvt. Ltd. | Systems and methods for multi-parameter and personalized dietary recommendations |
CN106777882A (zh) * | 2016-11-18 | 2017-05-31 | 北京郁金香伙伴科技有限公司 | 一种饮食提示方法及装置 |
Non-Patent Citations (1)
Title |
---|
林秀红等: "四种调节血糖保健食品的血糖生成指数测定", 《中国食物与营养》 * |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112349388A (zh) * | 2020-12-02 | 2021-02-09 | 西湖大学 | 一种用于血糖的数据处理方法、装置、存储介质以及电子设备 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US20050187749A1 (en) | Method, system, and computer program for performing carbohydrate/insulin calculation based upon food weight | |
US20240152783A1 (en) | Improving the accuracy of test data outside the clinic | |
Domhardt et al. | Training of carbohydrate estimation for people with diabetes using mobile augmented reality | |
US20020046060A1 (en) | System and method for generating a meal plan | |
US20160225284A1 (en) | Intelligent Meal Planning Tool | |
CN110349647A (zh) | 饮食管理方法、系统、电子设备及存储介质 | |
JP7032072B2 (ja) | 情報処理装置、情報処理方法、及びプログラム | |
US20220230730A1 (en) | Recipe recommendation method and device, computing device and storage medium | |
EP2302544A2 (en) | Postprandial blood glucose estimating apparatus, postprandial blood glucose estimating method, and computer program product | |
CN109509117A (zh) | 一种菜品推荐方法、装置及系统 | |
KR20220158477A (ko) | 식이관리 서비스를 제공하는 서버, 클라이언트 및 이를 구현하는 방법 | |
M. Silva et al. | Investigating preferred food description practices in digital food journaling | |
CN109727658A (zh) | 饮食推荐方法、设备和系统 | |
Afrasiabi et al. | Effects of low fat and low calorie diet on plasma lipid levels in the fasting month of Ramadan. | |
CN109859820A (zh) | 确定食物对血糖影响程度的方法、设备和系统 | |
US20160217206A1 (en) | Conversation processing method, conversation processing system, electronic device, and conversation processing apparatus | |
JP6957324B2 (ja) | 健康管理支援装置、方法およびプログラム | |
CN113724831A (zh) | 基于人工智能的药品调配方法、装置、终端设备及介质 | |
CN109727162A (zh) | 食品的推荐方法及装置、存储介质、电子装置 | |
CN115238176B (zh) | 一种医院营养膳食管理系统 | |
Kósa et al. | Clinical experiences with a mobile diet logging application | |
EP4033494A1 (en) | Processing of recipe information | |
WO2023228837A1 (ja) | サプリメント供給装置、サプリメント選択装置、サプリメント供給システム、サプリメント選択方法、食品提案装置、食品提案システム、および、食品提案方法 | |
US20220013213A1 (en) | Building Meals Based On Ingredients On Hand And Dietary Needs | |
US20220130512A1 (en) | Generating personalized food guidance using predicted hunger |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
RJ01 | Rejection of invention patent application after publication | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20190507 |