CN110689944A - 一种饮食打卡系统对用户健康饮食与康复的智能指导方法 - Google Patents
一种饮食打卡系统对用户健康饮食与康复的智能指导方法 Download PDFInfo
- Publication number
- CN110689944A CN110689944A CN201910889599.1A CN201910889599A CN110689944A CN 110689944 A CN110689944 A CN 110689944A CN 201910889599 A CN201910889599 A CN 201910889599A CN 110689944 A CN110689944 A CN 110689944A
- Authority
- CN
- China
- Prior art keywords
- user
- diet
- data
- rehabilitation
- card punching
- 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
- 235000005911 diet Nutrition 0.000 title claims abstract description 47
- 230000037213 diet Effects 0.000 title claims abstract description 46
- 238000004080 punching Methods 0.000 title claims abstract description 24
- 235000004280 healthy diet Nutrition 0.000 title claims abstract description 19
- 238000000034 method Methods 0.000 title claims abstract description 14
- 235000015097 nutrients Nutrition 0.000 claims abstract description 25
- 238000010801 machine learning Methods 0.000 claims abstract description 8
- 235000013305 food Nutrition 0.000 claims description 8
- 238000007405 data analysis Methods 0.000 claims description 7
- 238000011282 treatment Methods 0.000 claims description 7
- 238000012545 processing Methods 0.000 claims description 4
- 235000005686 eating Nutrition 0.000 claims description 3
- 235000016709 nutrition Nutrition 0.000 description 6
- 238000004458 analytical method Methods 0.000 description 4
- 238000013473 artificial intelligence Methods 0.000 description 4
- 230000035764 nutrition Effects 0.000 description 4
- 238000011161 development Methods 0.000 description 3
- 235000012054 meals Nutrition 0.000 description 3
- 241000282414 Homo sapiens Species 0.000 description 2
- 235000013361 beverage Nutrition 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 235000006286 nutrient intake Nutrition 0.000 description 2
- 238000012706 support-vector machine Methods 0.000 description 2
- 208000017667 Chronic Disease Diseases 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- 230000037208 balanced nutrition Effects 0.000 description 1
- 235000019046 balanced nutrition Nutrition 0.000 description 1
- 230000006399 behavior Effects 0.000 description 1
- 235000014633 carbohydrates Nutrition 0.000 description 1
- 150000001720 carbohydrates Chemical class 0.000 description 1
- 229920002678 cellulose Polymers 0.000 description 1
- 239000001913 cellulose Substances 0.000 description 1
- 235000010980 cellulose Nutrition 0.000 description 1
- 230000003750 conditioning effect Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000000378 dietary effect Effects 0.000 description 1
- 235000005118 dietary health Nutrition 0.000 description 1
- 235000018823 dietary intake Nutrition 0.000 description 1
- 235000006694 eating habits Nutrition 0.000 description 1
- 235000013399 edible fruits Nutrition 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 235000012631 food intake Nutrition 0.000 description 1
- 230000037406 food intake Effects 0.000 description 1
- 235000013372 meat Nutrition 0.000 description 1
- 238000010295 mobile communication Methods 0.000 description 1
- 210000003205 muscle Anatomy 0.000 description 1
- 230000007170 pathology Effects 0.000 description 1
- 230000035479 physiological effects, processes and functions Effects 0.000 description 1
- 102000004169 proteins and genes Human genes 0.000 description 1
- 108090000623 proteins and genes Proteins 0.000 description 1
- 239000002994 raw material Substances 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 238000012552 review Methods 0.000 description 1
- 238000004088 simulation Methods 0.000 description 1
- 235000013311 vegetables Nutrition 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
- 235000013343 vitamin Nutrition 0.000 description 1
- 229940088594 vitamin Drugs 0.000 description 1
- 229930003231 vitamin Natural products 0.000 description 1
- 239000011782 vitamin Substances 0.000 description 1
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
- G16H20/00—ICT specially adapted for therapies or health-improving plans, e.g. for handling prescriptions, for steering therapy or for monitoring patient compliance
- G16H20/60—ICT specially adapted for therapies or health-improving plans, e.g. for handling prescriptions, for steering therapy or for monitoring patient compliance relating to nutrition control, e.g. diets
Landscapes
- Health & Medical Sciences (AREA)
- Nutrition Science (AREA)
- Engineering & Computer Science (AREA)
- Epidemiology (AREA)
- General Health & Medical Sciences (AREA)
- Medical Informatics (AREA)
- Primary Health Care (AREA)
- Public Health (AREA)
- Medical Treatment And Welfare Office Work (AREA)
Abstract
本发明公开了一种饮食打卡系统对用户健康饮食与康复的智能指导方法，考虑了用户体验的便捷性，基于安卓手机平台，实现用户营养素与医疗数据的记录并实时更新至数据库，通过基于特征的机器学习算法智能匹配与自身情况相似的案例，智能匹配其饮食与医疗方案参考，实现用户健康饮食与康复的智能指导。本发明所采用的相似案例智能匹配算法基于用户打卡数据与基本数据的各类特征，实时高效，可实现随时随地对饮食或康复过程提出科学建议，匹配准确率高。
Description
技术领域
本发明涉及营养学与机器学习领域，特别涉及一种对用户健康饮食与康复的智能指导方法。
背景技术
机器学习是一门近些年兴起的，涉及了概率论、统计学、逼近论、凸分析、算法复杂理论的多领域交叉学科。机器学习的研究内容是实现计算机对人类行为的模拟和学习，计算机通过学习获取新的知识，并通过对已有知识结构的组织和完善改善自身性能。作为人工智能(Artificial Intelligence)的核心，机器学习是计算机具有智能的根本途径，其应用遍及人工智能的各个领域，如数据处理和智能推荐算法等。
随着移动通信和互联网技术的飞速发展，3G、4G网络已经大范围覆盖，智能手机普及率也逐步上升。智能手机中安卓手机占较大比例，基于安卓平台的各类数据分析软件已日趋成熟。
基于以上技术背景，基于安卓平台的营养数据分析软件变得切实可行，通过手机记录自己的饮食，用户可以方便快捷地得到营养数据分析数据，从而得知自己的营养素摄入情况，为均衡营养、健康饮食提供参考。同时，“互联网+营养健康”服务的积极发展，带动了以营养健康为导向的信息技术产业的蓬勃发展，全面深化数据分析与智能应用。用户不仅仅可以获知自己每日的营养素摄入情况与膳食建议，还可以借互联网发展的东风，实现健康饮食的分享与参考。
不合理的饮食结构和饮食习惯会导致营养问题以及慢性疾病。所以科学获取人们在一天中摄入的各类营养素的种类与摄入量，并分析饮食习惯以及对饮食提出科学合理的建议十分重要。
发明内容
本发明的目的在于提出一种饮食打卡系统对用户健康饮食与康复的智能指导方法，通过用户打卡采集饮食与医疗数据，以营养学和生理特征为基础的用户健康饮食与康复智能指导方法。
本发明中的一种饮食打卡系统对用户健康饮食与康复的智能指导方法，该方法包括以下步骤：
步骤1、用户注册与登陆；
步骤2、同时包括以下两个处理：
获取用户定位信息；
记录用户饮食打卡，具体处理：用户用餐完毕后，进行饮食打卡记录，将获取的饮食记录以营养素数据形式存储，供进一步的数据分析与智能推荐等流程；
步骤3、进行营养素数据分析：系统获得了用户的饮食数据后，根据预先设好的每种食物的营养素成分与含量，将食物转换为营养素数据的形式存储；
步骤4、实现健康饮食与病后康复的相似案例智能匹配算法，该算法具体为：结合用户在注册账户时录入基础数据以及日常的用户饮食打卡记录的饮食数据，同时可以收集用户输入的就医数据和个性化需求；将这些数据作为特定用户的标签，在拥有诸多用户的数据库中进行智能匹配算法，运用机器学习算法，在超平面找到与特定需求的用户特征相近的案例；
步骤5、导出饮食打卡记录以及健康饮食、康复治疗参考的推荐结果。
本发明具有以下积极的技术效果：
(1)本发明所采用的相似案例智能匹配算法基于用户打卡数据与基本数据的各类特征，实时高效，可实现随时随地对饮食或康复过程提出科学建议，匹配准确率高；
(2)本发明旨在对用户的饮食健康和病后康复提出科学的建议，体现人工智能对人类美好生活的重要作用。
附图说明
图1为APP使用流程；
图2为营养素分析与相似案例智能推荐算法框架。
具体实施方式
下面结合附图和实施例对本发明技术方案进行详细描述。
如图1所示，为本发明的一种饮食打卡系统对用户健康饮食与康复的智能指导方法整体流程示意图。本发明的整体思路是通过用户在移动端进行注册与登陆，提取日常饮食打卡记录的特征，将获取的营养学、生理学、病理学多维特征存储在数据库中，对不同用户不同的身体状况与需求，提供量身定做的膳食与康复建议，指导科学饮食。
步骤1、用户注册与登陆；
步骤2同时包括以下两个处理：
步骤201、获取用户定位信息；
步骤202、记录用户饮食打卡，具体处理：用户用餐完毕后，进行饮食打卡记录，系统提供了种类繁多的菜肴、饮品等以供选择，在食物摄入量方面也有细致的参考，力求做到对日常饮食的真实记录，获取的饮食记录以营养素数据形式存储，供进一步的数据分析与智能推荐等流程。本发明的数据支持是移动用户端软件。这是一款采集用户日常饮食数据，进行数据存储与分析，给出智能饮食建议，匹配相似案例的安卓平台手机应用。用户在注册阶段需如实提供自身的身高、体重等数据，以供系统分析用户的BMI值以及给出初步的饮食建议；
步骤3、进行营养素数据分析：系统获得了用户的饮食数据后，根据预先设好的每种食物的营养素成分与含量，将食物转换为营养素数据的形式存储，方便分析。营养素包括了蛋白质、水、碳水化合物、维生素、纤维素等等；
步骤4、实现健康饮食与病后康复的相似案例智能匹配算法，该算法具体为：结合用户在注册账户时录入的身高、体重等基础数据以及日常的用户饮食打卡记录的饮食数据，同时可以收集用户输入的就医数据和其它个性化需求(例如骨折后的康复，产后调理等等)。将前面提到的多种数据可作为特定用户的标签，在拥有诸多用户的数据库中进行智能匹配算法，运用SVM(支持向量机)等机器学习算法，在超平面找到与特定需求的用户特征相近的案例，供健康饮食与康复治疗的参考；
步骤5、导出饮食打卡记录以及健康饮食、康复治疗参考的推荐结果。
如图2为营养素分析与相似案例智能推荐算法框架示意图。根据转换完成的营养素数据，系统以雷达图的形式给出各类营养素的直观数据分析供用户参考。用户完成一定天数的打卡后，或获赠智能推荐的健康食谱，同时也可以回顾前段时间的饮食记录。
具体实施例：
用户在移动用户端软件(APP)上进行每日三餐的摄入打卡。移动用户端软件已经做到了对大量主食、蔬菜、水果、肉类等的营养素录入，可以做到对用户饮食摄入的营养素分析；例如：用户需做到对每日日常饮食摄入的食物、饮料等的种类及质量坚持打卡。移动用户端软件录入了诸多的菜肴、饮料等，可以满足用户的多种需求，同时APP还提供了摄入量的参考值，供用户打卡之便。
用户打卡完毕会获知自己这一餐的营养分数，供实时参考。打卡数据存储在后台数据库中，存储数据包括菜肴的名称、ID、原料及其质量、菜肴图片等等，内容翔实，参考价值高。同时，用户可以实时获知自己某一餐的营养得分，各类营养素的摄入量与日参考量的对比，对下一餐提供建议，营养素数据分析如图2所示。
用户输入自己的身高、体重、需求(增肌、减肥或是病后康复等等)，系统可根据用户基本数据与打卡数据，智能推荐相似情况的案例，给出科学合理的膳食建议，同步更新案例对象的最新饮食打卡数据，对健康饮食提供宝贵意见。
实际应用中，用户打卡数据存储在后台数据库中，用户可以通过付费或积分兑换的方式，进行与自己情况相似的案例的智能匹配。而坚持打卡的用户会获得平台的积分奖励以及案例分享分成。相似案例智能匹配算法基于用户打卡数据与基本数据的各类特征，实时高效，可实现随时随地对饮食或康复过程提出科学建议，匹配准确率高。
Claims (1)
1.一种饮食打卡系统对用户健康饮食与康复的智能指导方法，该方法包括以下步骤：
步骤1、用户注册与登陆；
步骤2、同时进行以下两个处理：
获取用户定位信息；
记录用户饮食打卡信息，具体处理：用户用餐完毕后，进行饮食打卡记录，将获取的饮食记录以营养素数据形式存储，供进一步的数据分析与智能推荐等流程；
步骤3、进行营养素数据分析：系统获得了用户的饮食数据后，根据预先设好的每种食物的营养素成分与含量，将食物转换为营养素数据的形式进行存储；
步骤4、实现健康饮食与病后康复的相似案例智能匹配算法，该算法具体为：结合用户在注册账户时录入的基础数据以及日常的用户饮食打卡记录的饮食数据，同时可以收集用户输入的就医数据和个性化需求；将这些数据作为特定用户的标签，在拥有诸多用户的数据库中进行智能匹配算法，运用机器学习算法，在超平面找到与特定需求的用户特征相近的案例；
步骤5、导出饮食打卡记录以及健康饮食、康复治疗参考的推荐结果。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910889599.1A CN110689944A (zh) | 2019-09-19 | 2019-09-19 | 一种饮食打卡系统对用户健康饮食与康复的智能指导方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910889599.1A CN110689944A (zh) | 2019-09-19 | 2019-09-19 | 一种饮食打卡系统对用户健康饮食与康复的智能指导方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN110689944A true CN110689944A (zh) | 2020-01-14 |
Family
ID=69109572
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201910889599.1A Pending CN110689944A (zh) | 2019-09-19 | 2019-09-19 | 一种饮食打卡系统对用户健康饮食与康复的智能指导方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN110689944A (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112489768A (zh) * | 2020-12-28 | 2021-03-12 | 重庆市汇人健康管理有限责任公司 | 一种改善脂肪肝疾病的智慧健康饮食管理系统 |
Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN107680652A (zh) * | 2017-09-13 | 2018-02-09 | 天津大学 | 一种基于机器学习的营养饮食推荐及评价方法 |
| CN108198604A (zh) * | 2017-12-12 | 2018-06-22 | 昆明亿尚科技有限公司 | 一种基于个人特征的营养饮食推荐方法 |
| CN108899073A (zh) * | 2018-06-29 | 2018-11-27 | 重庆邮电大学 | 一种结合移动终端的智能健康饮食推荐系统 |
| CN109215758A (zh) * | 2018-11-12 | 2019-01-15 | 璧靛箍 | 一种个人健康行为习惯训练系统 |
| CN109872798A (zh) * | 2019-01-09 | 2019-06-11 | 北京荣之联科技股份有限公司 | 一种大数据背景下的营养供餐方法及系统 |
-
2019
- 2019-09-19 CN CN201910889599.1A patent/CN110689944A/zh active Pending
Patent Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN107680652A (zh) * | 2017-09-13 | 2018-02-09 | 天津大学 | 一种基于机器学习的营养饮食推荐及评价方法 |
| CN108198604A (zh) * | 2017-12-12 | 2018-06-22 | 昆明亿尚科技有限公司 | 一种基于个人特征的营养饮食推荐方法 |
| CN108899073A (zh) * | 2018-06-29 | 2018-11-27 | 重庆邮电大学 | 一种结合移动终端的智能健康饮食推荐系统 |
| CN109215758A (zh) * | 2018-11-12 | 2019-01-15 | 璧靛箍 | 一种个人健康行为习惯训练系统 |
| CN109872798A (zh) * | 2019-01-09 | 2019-06-11 | 北京荣之联科技股份有限公司 | 一种大数据背景下的营养供餐方法及系统 |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112489768A (zh) * | 2020-12-28 | 2021-03-12 | 重庆市汇人健康管理有限责任公司 | 一种改善脂肪肝疾病的智慧健康饮食管理系统 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US20230245776A1 (en) | Methods and systems for using artificial intelligence to select a compatible element | |
| US20190304000A1 (en) | Online food and beverage search method based on food to biomarker optimization algorithms in a node ranked database | |
| JP6412429B2 (ja) | 栄養摂取量のユーザ特異的な調整のためのシステムおよび方法 | |
| US8631050B1 (en) | Transformation engine | |
| Kaur et al. | Deep neural network for food image classification and nutrient identification: A systematic review | |
| CN110852360B (zh) | 图像情感识别方法、装置、设备及存储介质 | |
| US20190311230A1 (en) | Generating hyperspectral image database by machine learning and mapping of color images to hyperspectral domain | |
| CN107680652A (zh) | 一种基于机器学习的营养饮食推荐及评价方法 | |
| Özsert Yiğit et al. | Comparison of convolutional neural network models for food image classification | |
| US11461700B2 (en) | Methods and systems for using artificial intelligence to analyze user activity data | |
| Waltner et al. | Personalized dietary self-management using mobile vision-based assistance | |
| US20210042655A1 (en) | Methods and systems for using artificial intelligence to analyze user activity data | |
| CN107280693A (zh) | 基于vr交互电子沙盘的心理分析系统及方法 | |
| CN117577270B (zh) | 患者的智能化营养管理方法及系统 | |
| WO2020132478A1 (en) | Diet quality fingerprinting | |
| CN109461490A (zh) | 健康饮食数据的处理方法、装置及系统 | |
| CN109411055A (zh) | 一种食物维生素的分析方法 | |
| CN112102921A (zh) | 营养食谱的生成方法、装置和服务器 | |
| CN104765980A (zh) | 一种基于云计算的智能膳食评估方法 | |
| CN109243608A (zh) | 一种高危人群识别方法和系统 | |
| Rewane et al. | Food recognition and health monitoring system for recommending daily calorie intake | |
| CN117976145A (zh) | 一种个人长期膳食推荐监督方法、系统、终端及存储介质 | |
| CN110689944A (zh) | 一种饮食打卡系统对用户健康饮食与康复的智能指导方法 | |
| An et al. | We got nuts! use deep neural networks to classify images of common edible nuts | |
| CN107847794A (zh) | 一次提交跟踪的可穿戴式饮食和运动跟踪装置 |
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 | ||
| WD01 | Invention patent application deemed withdrawn after publication | ||
| WD01 | Invention patent application deemed withdrawn after publication |
Application publication date: 20200114 |