CN111161842A - 一种基于人工智能技术的术后康复营养建议方法 - Google Patents
一种基于人工智能技术的术后康复营养建议方法 Download PDFInfo
- Publication number
- CN111161842A CN111161842A CN201911400670.1A CN201911400670A CN111161842A CN 111161842 A CN111161842 A CN 111161842A CN 201911400670 A CN201911400670 A CN 201911400670A CN 111161842 A CN111161842 A CN 111161842A
- Authority
- CN
- China
- Prior art keywords
- user
- nutrition
- rehabilitation
- postoperative
- model
- 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
- 235000016709 nutrition Nutrition 0.000 title claims abstract description 70
- 230000035764 nutrition Effects 0.000 title claims abstract description 67
- 230000002980 postoperative effect Effects 0.000 title claims abstract description 49
- 238000013473 artificial intelligence Methods 0.000 title claims abstract description 18
- 238000000034 method Methods 0.000 title claims abstract description 18
- 238000005516 engineering process Methods 0.000 title claims abstract description 14
- 238000012545 processing Methods 0.000 claims abstract description 19
- 238000001514 detection method Methods 0.000 claims abstract description 13
- 235000006694 eating habits Nutrition 0.000 claims abstract description 10
- 230000000694 effects Effects 0.000 claims abstract description 7
- 235000005911 diet Nutrition 0.000 claims abstract description 5
- 230000037213 diet Effects 0.000 claims abstract description 4
- 235000005686 eating Nutrition 0.000 claims description 7
- 238000012549 training Methods 0.000 claims description 6
- 238000010276 construction Methods 0.000 claims description 3
- 235000006286 nutrient intake Nutrition 0.000 claims description 3
- 238000012360 testing method Methods 0.000 claims description 3
- 238000011084 recovery Methods 0.000 abstract description 6
- 235000003715 nutritional status Nutrition 0.000 abstract 1
- 238000013528 artificial neural network Methods 0.000 description 4
- 235000015097 nutrients Nutrition 0.000 description 4
- 238000011160 research Methods 0.000 description 3
- 238000012706 support-vector machine Methods 0.000 description 3
- 238000004458 analytical method Methods 0.000 description 2
- 210000004556 brain Anatomy 0.000 description 2
- 238000003066 decision tree Methods 0.000 description 2
- 235000013305 food Nutrition 0.000 description 2
- 230000006399 behavior Effects 0.000 description 1
- 239000008280 blood Substances 0.000 description 1
- 210000004369 blood Anatomy 0.000 description 1
- 230000036772 blood pressure Effects 0.000 description 1
- 230000036760 body temperature Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 238000013145 classification model Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000003745 diagnosis Methods 0.000 description 1
- 230000000378 dietary effect Effects 0.000 description 1
- 201000010099 disease Diseases 0.000 description 1
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 description 1
- 239000003814 drug Substances 0.000 description 1
- 230000010365 information processing Effects 0.000 description 1
- 238000013178 mathematical model Methods 0.000 description 1
- 210000002569 neuron Anatomy 0.000 description 1
- 235000016236 parenteral nutrition Nutrition 0.000 description 1
- 230000008447 perception Effects 0.000 description 1
- 230000003863 physical function Effects 0.000 description 1
- 230000001737 promoting effect Effects 0.000 description 1
- 238000001356 surgical procedure Methods 0.000 description 1
- 208000024891 symptom Diseases 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
-
- 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
- G16H70/00—ICT specially adapted for the handling or processing of medical references
- G16H70/20—ICT specially adapted for the handling or processing of medical references relating to practices or guidelines
Landscapes
- Health & Medical Sciences (AREA)
- Engineering & Computer Science (AREA)
- Epidemiology (AREA)
- General Health & Medical Sciences (AREA)
- Medical Informatics (AREA)
- Primary Health Care (AREA)
- Public Health (AREA)
- Nutrition Science (AREA)
- Bioethics (AREA)
- Medical Treatment And Welfare Office Work (AREA)
Abstract
本发明公开了一种基于人工智能技术的术后康复营养建议方法，步骤1、获取用户的手术情况、术后各项检测指标、个人信息以及康复目标；步骤2、获取用户的饮食习惯、饮食禁忌和当前营养状况；步骤3、将获取的数据发送至术后康复营养建议模型，术后康复营养建议模型对用户所有数据进行处理；步骤4、术后康复营养建议模型处理结果与患者用户的康复目标进行对比并向用户进行展示；步骤5、根据处理结果向用户进行术后康复营养建议模型推荐；步骤6、持续的动态调整并进行后续的术后营养建议活动。与现有技术相比，本发明使用人工智能算法进行相关数据分析，为患者的术后康复和功能的恢复提供合理的营养支持和参考。
Description
技术领域
本发明涉及医学、人工智能技术以及大数据等多种领域，特别涉及一种基于人工智能技术的患者术后康复营养建议模型。
背景技术
人工智能(Artificial Intelligence，AI)是一门涉及数学、哲学、计算机科学等多种学科的技术科学，其主要目标是使用计算机来模拟人类的智能行为，从而减轻人们的工作负担并取得更高的工作效率。如今人工智能已经被广泛应用于图像识别、机器人、专家系统、智能控制等多个领域，并取得了显著的研究成果。实现人工智能的算法有多种，例如支持向量机、人工神经网络以及决策树等，其中支持向量机常被用来解决分类问题，并在高维数据的识别分类问题方面有着良好的性能和效果；人工神经网络是基于生物学中神经网络的基本原理，从信息处理角度对人脑神经元网络进行抽象，模拟人脑建立某种处理复杂信息的数学模型；决策树是应用较为广泛的一种分类模型，它的思想是按照属性对数据进行判定和划分，直至将数据划分至目标属性。
近年来，人工智能与医疗领域正在产生越来越多的结合，例如使用人工智能算法对医学影像进行识别和分析从而提高确诊率，通过对大量数据的分析和计算对某些疾病的患病风险进行预测，或是设计相关的智能医疗器械为人们的健康维持提供帮助。术后的康复对于患者的功能恢复来说具有十分重要的意义，特别是营养支持可以为患者的生命活动提供所需的能量，如果没有采取良好的康复措施，可能会危害患者的身体健康甚至需要再次进行手术。经历不同手术病人的康复目标并不相同，因此需要不同的营养内容来促进身体的恢复。而每位患者的个人身体情况以及术后的检测指标都各不相同，而如何根据每一位患者的综合情况，为其针对性的提供营养摄入的建议，是本发明亟待解决的具有积极意义的科学技术。
发明内容
结合上述现有技术，本发明提出一种基于人工智能技术的术后康复营养建议方法，借助人工智能算法，对患者用户的数据进行全面的处理和分析，为患者的术后康复提供合理的营养建议行方案，从而保证患者康复活动的能量供给，为促进患者身体机能的恢复提供营养支持。
本发明的一种基于人工智能技术的术后康复营养建议方法，该方法具体包括以下步骤：
步骤1、获取用户的手术情况、术后各项检测指标、个人信息以及康复目标；
步骤2、获取用户的饮食习惯、饮食禁忌和当前营养状况，从而可以个性化的为用户提供营养建议模型推荐；
步骤3、将获取的数据发送至术后康复营养建议模型，术后康复营养建议模型对用户所有数据进行处理，在本步骤中，患者的术后康复营养建议模型构建过程具体为：将步骤1和步骤2所获取的数据分为两部分，一部分作为训练集；同时，将收集到的经过不同手术的患者的手术情况、术后检测指标、个人信息、饮食习惯、饮食禁忌、当前营养状况及康复过程中的营养记录作为模型的输入，将这些患者的康复情况作为输出，使用人工智能算法，经过不断的学习和训练得到术后康复营养建议模型；另外一部分作为测试集，用来验证模型的准确度；之后，对模型进行调整和优化从而建立术后康复营养建议模型；此后，将用户的手术情况、术后各项检测指标、个人信息饮食习惯、饮食禁忌和当前营养状况输入术后康复营养建议模型进行处理；
步骤4、术后康复营养建议模型处理结果为当前用户状况所对应的康复情况，将此处理结果与患者用户的康复目标进行对比并向用户进行展示，从而可以让患者用户对自己的康复状况有一定的把握和了解；
步骤5、根据处理结果向用户进行术后康复营养建议模型推荐，并记录用户实际的营养摄入情况；
步骤6、分析并结合用户实际的营养摄入情况和用户的各项身体指标，持续的动态调整并进行后续的术后营养建议活动。
与现有技术相比，本发明能够结合患者用户的手术情况、个人身体情况、术后各项指标检测和营养情况，使用人工智能算法对这些数据进行分析，为患者的术后康复和功能的恢复提供合理的营养支持和参考。
附图说明
图1为本发明的一种基于人工智能技术的术后康复营养建议推荐方法的整体流程图。
具体实施方式
以下结合附图对本发明的技术方案进行详细说明。
本发明的一种基于人工智能技术的术后康复营养建议方法，该方法具体包括以下步骤：
步骤1、获取用户(患者)的手术情况、术后各项检测指标、个人信息以及康复目标，至少包括体温、心电图、血压、血糖含量在内的检测指标和患者感知症状，以及人体的身高、体重、腰围、臀围、性别在内的个人信息；
步骤2、获取用户(患者)的饮食习惯、饮食禁忌和当前营养状况，从而可以个性化的为用户提供营养建议模型推荐；
步骤3、将获取的数据发送至术后康复营养建议模型，术后康复营养建议模型对用户所有数据进行处理，在本步骤中，患者的术后康复营养建议模型构建过程具体为：将步骤1和步骤2所获取的数据分为两部分，一部分作为训练集；同时，将收集到的经过不同手术的患者的手术情况、术后检测指标、个人信息、饮食习惯、饮食禁忌、当前营养状况及康复过程中的营养记录作为模型的输入，将这些患者的康复情况作为输出，使用人工智能技术如人工神经网络、支持向量机或其他方式，经过不断的学习和训练得到术后康复营养建议模型；另外一部分作为测试集，用来验证模型的准确度；之后，对模型进行调整和优化从而建立术后康复营养建议模型；此后，将患者用户的手术情况、术后各项检测指标、个人信息饮食习惯、饮食禁忌和当前营养状况输入术后康复营养建议模型进行处理；
步骤4、术后康复营养建议模型处理结果为当前患者用户状况所对应的康复情况，将此处理结果与患者用户的康复目标进行对比并向用户进行展示，从而可以让患者用户对自己的康复状况有一定的把握和了解；
步骤5、根据处理结果向患者用户进行营养推荐，并记录患者用户实际的营养摄入情况(术后饮食记录将转化成具体的营养素进行细致的分析，包括肠内营养和肠外营养的内容)；
步骤6、分析并结合患者实际的营养摄入情况和患者用户的各项身体指标，持续的动态调整并进行后续的术后营养建议活动。
在后期营养内容推荐中，需要记录用户的饮食数据并将其转化成具体的营养素进行细致的分析，在这方面，本发明建立了自己的食物营养素数据库，包含几千种食物的100多种营养素；在患者用户的数据方面，与医院建立了合作获取研究数据，可以保证数据来源的真实性和可靠性；人工智能技术有很强的非线性拟合能力，可映射任意复杂的非线性关系，而且学习规则简单，便于计算机实现，这为本研究提供了合适的实现方式；提供专业的建议和指导。以上几点，都使实现本发明提出的一种基于人工智能技术的术后康复营养建议方法成为可能。
Claims (1)
1.一种基于人工智能技术的术后康复营养建议方法，其特征在于，该方法具体包括以下步骤：
步骤1、获取用户的手术情况、术后各项检测指标、个人信息以及康复目标；
步骤2、获取用户的饮食习惯、饮食禁忌和当前营养状况，从而可以个性化的为用户提供营养建议模型推荐；
步骤3、将获取的数据发送至术后康复营养建议模型，术后康复营养建议模型对用户所有数据进行处理，在本步骤中，患者的术后康复营养建议模型构建过程具体为：将步骤1和步骤2所获取的数据分为两部分，一部分作为训练集；同时，将收集到的经过不同手术的患者的手术情况、术后检测指标、个人信息、饮食习惯、饮食禁忌、当前营养状况及康复过程中的营养记录作为模型的输入，将这些患者的康复情况作为输出，使用人工智能算法，经过不断的学习和训练得到术后康复营养建议模型；另外一部分作为测试集，用来验证模型的准确度；之后，对模型进行调整和优化从而建立术后康复营养建议模型；此后，将用户的手术情况、术后各项检测指标、个人信息饮食习惯、饮食禁忌和当前营养状况输入术后康复营养建议模型进行处理；
步骤4、术后康复营养建议模型处理结果为当前用户状况所对应的康复情况，将此处理结果与患者用户的康复目标进行对比并向用户进行展示，从而可以让患者用户对自己的康复状况有一定的把握和了解；
步骤5、根据处理结果向用户进行术后康复营养建议模型推荐，并记录用户实际的营养摄入情况；
步骤6、分析并结合用户实际的营养摄入情况和用户的各项身体指标，持续的动态调整并进行后续的术后营养建议活动。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201911400670.1A CN111161842A (zh) | 2019-12-30 | 2019-12-30 | 一种基于人工智能技术的术后康复营养建议方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201911400670.1A CN111161842A (zh) | 2019-12-30 | 2019-12-30 | 一种基于人工智能技术的术后康复营养建议方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN111161842A true CN111161842A (zh) | 2020-05-15 |
Family
ID=70559336
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201911400670.1A Pending CN111161842A (zh) | 2019-12-30 | 2019-12-30 | 一种基于人工智能技术的术后康复营养建议方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN111161842A (zh) |
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112043408A (zh) * | 2020-09-30 | 2020-12-08 | 苏州市立医院 | 一种提高骨科术后康复速度的方法和装置 |
| CN113643795A (zh) * | 2021-07-16 | 2021-11-12 | 上海交通大学医学院附属第九人民医院 | 基于人工智能的口腔颌面头颈肿瘤康复护理系统 |
| CN114171162A (zh) * | 2021-12-03 | 2022-03-11 | 广州穗海新峰医疗设备制造股份有限公司 | 一种基于大数据分析的镜像神经元康复训练的方法及系统 |
Citations (3)
| 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 |
| CN108766530A (zh) * | 2018-06-04 | 2018-11-06 | 苏州世纪天成信息技术有限公司 | 一种用于术后恢复的智能饮食推荐系统 |
-
2019
- 2019-12-30 CN CN201911400670.1A patent/CN111161842A/zh active Pending
Patent Citations (3)
| 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 |
| CN108766530A (zh) * | 2018-06-04 | 2018-11-06 | 苏州世纪天成信息技术有限公司 | 一种用于术后恢复的智能饮食推荐系统 |
Cited By (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112043408A (zh) * | 2020-09-30 | 2020-12-08 | 苏州市立医院 | 一种提高骨科术后康复速度的方法和装置 |
| CN113643795A (zh) * | 2021-07-16 | 2021-11-12 | 上海交通大学医学院附属第九人民医院 | 基于人工智能的口腔颌面头颈肿瘤康复护理系统 |
| CN113643795B (zh) * | 2021-07-16 | 2022-06-07 | 上海交通大学医学院附属第九人民医院 | 基于人工智能的口腔颌面头颈肿瘤康复护理系统 |
| CN114171162A (zh) * | 2021-12-03 | 2022-03-11 | 广州穗海新峰医疗设备制造股份有限公司 | 一种基于大数据分析的镜像神经元康复训练的方法及系统 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Chaki et al. | Machine learning and artificial intelligence based Diabetes Mellitus detection and self-management: A systematic review | |
| Khatamino et al. | A deep learning-CNN based system for medical diagnosis: an application on Parkinson’s disease handwriting drawings | |
| Sors et al. | A convolutional neural network for sleep stage scoring from raw single-channel EEG | |
| Ahmed et al. | A multi-module case-based biofeedback system for stress treatment | |
| Begum et al. | Case-based reasoning systems in the health sciences: a survey of recent trends and developments | |
| CA2631870C (en) | Residual-based monitoring of human health | |
| Stamate et al. | Deep learning Parkinson's from smartphone data | |
| Stamate et al. | The cloudUPDRS app: A medical device for the clinical assessment of Parkinson’s Disease | |
| CN111161842A (zh) | 一种基于人工智能技术的术后康复营养建议方法 | |
| CN112890816A (zh) | 一种个人用户的健康指数评分方法和装置 | |
| CN117064388A (zh) | 基于情绪识别实现精神障碍评估分析的系统 | |
| Shi et al. | Artificial neural networks: current applications in modern medicine | |
| CN112037888B (zh) | 生理健康特征数据的监控方法、装置、设备及存储介质 | |
| CN117598700A (zh) | 智能化血氧饱和度检测系统及方法 | |
| Rajalakshmi et al. | Classification of yoga, meditation, combined yoga–meditation EEG signals using L-SVM, KNN, and MLP classifiers | |
| Can | Stressed or just running? Differentiation of mental stress and physical activityby using machine learning | |
| WO2021240275A1 (en) | Real-time method of bio big data automatic collection for personalized lifespan prediction | |
| CN112233806A (zh) | 一种全信息辅助诊疗方法及系统 | |
| AU2016200847A1 (en) | Residual-based monitoring of human health | |
| Dai | Evaluating the effect of different Mode's attributes on the subjective classification in the case of TCM | |
| Kajan et al. | Application of neural network in medical diagnostics | |
| Chheda et al. | Diet and Health Advisory Mechanism from Facial Features Using Machine Learning | |
| Rmili et al. | Real-time classification of EEG signals implemented on DSPIC for the diagnosis of epilepsy | |
| Hota et al. | Stress Detection Using Physiological Signals Based On Machine Learning | |
| US20230187041A1 (en) | Real-time method of bio big data automatic collection for personalized lifespan prediction |
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 |
Application publication date: 20200515 |
|
| WD01 | Invention patent application deemed withdrawn after publication |