CN115497601A - 临床营养智能化管理系统及方法、装置、设备及存储介质 - Google Patents
临床营养智能化管理系统及方法、装置、设备及存储介质 Download PDFInfo
- Publication number
- CN115497601A CN115497601A CN202211178507.7A CN202211178507A CN115497601A CN 115497601 A CN115497601 A CN 115497601A CN 202211178507 A CN202211178507 A CN 202211178507A CN 115497601 A CN115497601 A CN 115497601A
- Authority
- CN
- China
- Prior art keywords
- distribution
- scheme
- nutrition
- nutritional
- 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.)
- Granted
Links
- 235000016709 nutrition Nutrition 0.000 title claims abstract description 309
- 230000035764 nutrition Effects 0.000 title claims abstract description 181
- 238000000034 method Methods 0.000 title claims abstract description 34
- 235000005911 diet Nutrition 0.000 claims abstract description 138
- 230000037213 diet Effects 0.000 claims abstract description 106
- 235000012054 meals Nutrition 0.000 claims abstract description 39
- 238000012216 screening Methods 0.000 claims abstract description 37
- 238000010586 diagram Methods 0.000 claims abstract description 36
- 235000013305 food Nutrition 0.000 claims abstract description 30
- 230000006978 adaptation Effects 0.000 claims description 56
- 230000000378 dietary effect Effects 0.000 claims description 32
- 239000011159 matrix material Substances 0.000 claims description 30
- 238000011156 evaluation Methods 0.000 claims description 28
- 230000006870 function Effects 0.000 claims description 22
- 238000004364 calculation method Methods 0.000 claims description 13
- 238000012163 sequencing technique Methods 0.000 claims description 12
- 238000012545 processing Methods 0.000 claims description 11
- 230000001419 dependent effect Effects 0.000 claims description 10
- 238000004590 computer program Methods 0.000 claims description 6
- 238000004422 calculation algorithm Methods 0.000 claims description 5
- 238000000605 extraction Methods 0.000 claims description 4
- 238000013473 artificial intelligence Methods 0.000 abstract description 2
- 238000005516 engineering process Methods 0.000 abstract description 2
- 238000007726 management method Methods 0.000 description 44
- 235000013339 cereals Nutrition 0.000 description 10
- 206010012601 diabetes mellitus Diseases 0.000 description 10
- 235000021152 breakfast Nutrition 0.000 description 8
- 201000010099 disease Diseases 0.000 description 8
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 description 8
- 239000003925 fat Substances 0.000 description 8
- 235000014633 carbohydrates Nutrition 0.000 description 6
- 150000001720 carbohydrates Chemical class 0.000 description 6
- 238000004891 communication Methods 0.000 description 6
- 244000144972 livestock Species 0.000 description 6
- 235000013372 meat Nutrition 0.000 description 6
- 235000015097 nutrients Nutrition 0.000 description 6
- 239000003921 oil Substances 0.000 description 6
- 230000036772 blood pressure Effects 0.000 description 4
- 235000013601 eggs Nutrition 0.000 description 4
- 239000004519 grease Substances 0.000 description 4
- 239000004973 liquid crystal related substance Substances 0.000 description 4
- 235000013336 milk Nutrition 0.000 description 4
- 239000008267 milk Substances 0.000 description 4
- 210000004080 milk Anatomy 0.000 description 4
- 102000004169 proteins and genes Human genes 0.000 description 4
- 108090000623 proteins and genes Proteins 0.000 description 4
- 241000251468 Actinopterygii Species 0.000 description 2
- 206010020772 Hypertension Diseases 0.000 description 2
- 235000010627 Phaseolus vulgaris Nutrition 0.000 description 2
- 244000046052 Phaseolus vulgaris Species 0.000 description 2
- 238000013527 convolutional neural network Methods 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 238000003745 diagnosis Methods 0.000 description 2
- 235000005118 dietary health Nutrition 0.000 description 2
- 235000011869 dried fruits Nutrition 0.000 description 2
- 230000035622 drinking Effects 0.000 description 2
- 235000006694 eating habits Nutrition 0.000 description 2
- 235000013399 edible fruits Nutrition 0.000 description 2
- 235000020803 food preference Nutrition 0.000 description 2
- 235000021022 fresh fruits Nutrition 0.000 description 2
- 230000006872 improvement Effects 0.000 description 2
- 235000021073 macronutrients Nutrition 0.000 description 2
- 238000013178 mathematical model Methods 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 239000000047 product Substances 0.000 description 2
- 239000000126 substance Substances 0.000 description 2
- 238000012549 training Methods 0.000 description 2
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 235000021196 dietary intervention Nutrition 0.000 description 1
- 230000036541 health Effects 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000002093 peripheral effect Effects 0.000 description 1
- 230000008569 process Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 238000006467 substitution reaction Methods 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
本发明涉及人工智能技术，揭露了一种临床营养智能化管理系统及方法，包括：根据用户的身体状况相关信息中提取出的实体集合及实体属性构建身体状况概念图，根据身体状况概念图从本体营养知识库中获取对应的营养参考数据，并基于营养参考数据构建热量分配回归模型，以热量分配回归模型为基础对多种临床营养食物进行膳食分配，得到多个营养膳食分配方案。从多个营养膳食分配方案中进行方案筛选，得到一个或多个目标营养方案，并将目标营养方案推送至用户。本发明还提出一种临床营养智能化管理系统及装置、电子设备以及计算机可读存储介质。本发明可以解决临床营养智能化管理及运用的效率较低的问题。
Description
技术领域
本发明涉及人工智能技术领域，尤其涉及一种临床营养智能化管理系统及方法、装置、电子设备及计算机可读存储介质。
背景技术
随着经济的发展以及生活水平的提高，人们越来越重视饮食营养对健康的影响，因此，临床自动诊断，提高营养治疗效率逐渐成为目前营养学领域内的热门研究课题之一。营养干预在对待临床上的各种疾病方面具有极其重要的地位，因此，研制功能强，通用性好，能完成需结合营养治疗相关的常见疾病的诊断、病因的分析、治疗方案的确定及相应食物的推荐的系统是很有必要的，具有重要的社会意义和应用价值。
现有的临床营养管理主要是依靠营养学专家和市面上的营养类相关书籍进行管理，这种方法的效率较低，因此亟待提出一种效率更高的临床营养管理方法。
发明内容
本发明提供一种临床营养智能化管理系统及其运用方法、装置及计算机可读存储介质，其主要目的在于解决临床营养智能化管理及运用的效率较低的问题。
为实现上述目的，本发明提供的一种临床营养智能化管理系统及其运用方法，包括：
获取用户的身体状况相关信息，从所述身体状况相关信息中提取实体集合及实体属性，并根据所述实体集合及所述实体属性构建身体状况概念图；
根据所述身体状况概念图从预设的本体营养知识库中获取对应的营养参考数据，并将所述营养参考数据作为初始参数构建热量分配回归模型，利用所述热量分配回归模型对多种临床营养食物进行膳食分配，得到多个营养膳食分配方案；
利用预设的适应度函数分别计算多个所述营养膳食分配方案对应的适应度值，并按照所述适应度值对多个所述营养膳食分配方案进行排序处理，选取排序后的适应度值最大的营养膳食分配方案作为第一分配方案，选取排序后的适应度值最小的营养膳食分配方案作为第二分配方案；
根据所述第一分配方案和所述第二分配方案计算得到方案适配值，并对所述方案适配值和预设的方案阈值进行比对；
当所述方案适配值小于或者等于所述方案阈值时，调整所述热量分配回归模型的参数值，并返回所述利用所述热量分配回归模型对多种临床营养食物进行膳食分配，得到多个营养膳食分配方案的步骤，直至所述方案适配值大于所述方案阈值；
从最后得到的多个所述营养膳食分配方案中进行方案筛选，得到一个或多个目标营养方案，并将所述目标营养方案推送至所述用户。
可选地，所述从最后得到的多个所述营养膳食分配方案中进行方案筛选，得到一个或多个目标营养方案，包括：
获取临床营养筛选问题，并构建所述临床营养筛选问题对应的决策矩阵；
对所述决策矩阵进行规范化处理，得到规范化决策矩阵；
根据所述规范化决策矩阵确定对应的正理想解和负理想解；
根据预设的距离公式分别计算所述正理想解到每个所述营养膳食分配方案的第一距离值及所述负理想解到每个所述营养膳食分配方案的第二距离值；
根据所述第一距离值、所述第二距离值和预设的综合评价指数计算公式计算得到每个所述营养膳食分配方案对应的综合评价值；
将所述综合评价值大于或者等于预设参考评价值的营养膳食分配方案作为目标营养方案。
可选地，所述预设的综合评价指数计算公式为：
其中，
为所述综合评价值，
为所述第一距离值，
为所述第二距离值。
可选地，所述从所述身体状况相关信息中提取实体集合及实体属性，包括：
利用训练好的实体识别模型对所述身体状况相关信息进行实体抽取，得到所述身体状况相关信息中的多个实体；
将所述身体状况相关信息中的多个实体与预设参考属性库中的信息进行比对，搜索得到所述实体对应的实体属性。
可选地，所述将所述营养参考数据作为初始参数构建热量分配回归模型，包括：
以所述用户的临床热量观测值作为因变量，以所述实体集合中的不同实体对应的信息作为自变量建立初始分配回归方程；
将所述营养参考数据代入至所述初始分配回归方程中，得到热量分配回归方程。
可选地，所述根据所述实体集合及所述实体属性构建身体状况概念图，包括：
基于图排序算法从所述实体集合中筛选出多个关键概念实体，得到概念实体集合；
对所述身体状况相关信息进行分句处理，得到分句集，并在所述分句集中搜索所述概念实体集合中关键概念实体对应的句子；
将所述关键概念实体和所述关键概念实体对应的句子作为初始概念图的顶点；
若两个所述顶点对应相同的句子，则在两个顶点之间添加一条边，得到初始概念图；
将所述实体属性标记在所述关键概念实体对应的顶点上，得到身体状况概念图。
可选地，所述预设的适应度函数为：
其中，
为适应度值，
为预设的自定义常数，
为预设的参数系数，
为第
个营
养膳食分配方案的方案适配真实值，
为表示第
个营养膳食分配方案的方案适配预测值，
表示所述膳食分配方案的方案个数。
为了解决上述问题，本发明还提供一种临床营养智能化管理系统及其运用装置，所述装置包括：
膳食方案分配模块，用于获取用户的身体状况相关信息，从所述身体状况相关信息中提取实体集合及实体属性，并根据所述实体集合及所述实体属性构建身体状况概念图，根据所述身体状况概念图从预设的本体营养知识库中获取对应的营养参考数据，并将所述营养参考数据作为初始参数构建热量分配回归模型，利用所述热量分配回归模型对多种临床营养食物进行膳食分配，得到多个营养膳食分配方案；
适应度值计算模块，用于利用预设的适应度函数分别计算多个所述营养膳食分配方案对应的适应度值，并按照所述适应度值对多个所述营养膳食分配方案进行排序处理，选取排序后的适应度值最大的营养膳食分配方案作为第一分配方案，选取排序后的适应度值最小的营养膳食分配方案作为第二分配方案，根据所述第一分配方案和所述第二分配方案计算得到方案适配值，并对所述方案适配值和预设的方案阈值进行比对；
方案筛选模块，用于当所述方案适配值小于或者等于所述方案阈值时，调整所述热量分配回归模型的参数值，并返回所述利用所述热量分配回归模型对多种临床营养食物进行膳食分配，得到多个营养膳食分配方案的步骤，直至所述方案适配值大于所述方案阈值；
目标方案推送模块，用于从最后得到的多个所述营养膳食分配方案中进行方案筛选，得到一个或多个目标营养方案，并将所述目标营养方案推送至所述用户。
为了解决上述问题，本发明还提供一种电子设备，所述电子设备包括：
存储器，存储至少一个指令；及
处理器，执行所述存储器中存储的指令以实现上述所述的临床营养智能化管理系统及其运用方法。
为了解决上述问题，本发明还提供一种计算机可读存储介质，所述计算机可读存储介质中存储有至少一个指令，所述至少一个指令被电子设备中的处理器执行以实现上述所述的临床营养智能化管理系统及其运用方法。
本发明实施例中，通过用户的身体状况相关信息生成身体状况概念图，可以直观了解用户的身体情况，并根据所述身体状况概念图从预设的本体营养知识库中获取对应的营养参考数据，并基于所述营养参考数据构建热量分配回归模型，所述热量分配回归模型可以用于进行准确的膳食分配，并对多个营养膳食分配方案进行方案筛选，得到满足要求的目标营养方案，并将所述目标营养方案推送至所述用户。因此本发明提出的临床营养智能化管理系统及方法、装置、电子设备及计算机可读存储介质，可以解决临床营养智能化管理的效率较低的问题。
附图说明
图1为本发明一实施例提供的临床营养智能化管理系统及方法的流程示意图；
图2为本发明一实施例提供的临床营养智能化管理系统及装置的功能模块图；
图3为本发明一实施例提供的实现所述临床营养智能化管理系统及方法的电子设备的结构示意图。
本发明目的的实现、功能特点及优点将结合实施例，参照附图做进一步说明。
具体实施方式
应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。
本申请实施例提供一种临床营养智能化管理系统及方法。所述临床营养智能化管理系统及方法的执行主体包括但不限于服务端、终端等能够被配置为执行本申请实施例提供的该方法的电子设备中的至少一种。换言之，所述临床营养智能化管理系统及方法可以由安装在终端设备或服务端设备的软件或硬件来执行，所述软件可以是区块链平台。所述服务端包括但不限于：单台服务器、服务器集群、云端服务器或云端服务器集群等。
参照图1所示，为本发明一实施例提供的临床营养智能化管理系统及方法的流程示意图。在本实施例中，所述临床营养智能化管理系统及方法包括：
S1、获取用户的身体状况相关信息，从所述身体状况相关信息中提取实体集合及实体属性，并根据所述实体集合及所述实体属性构建身体状况概念图。
本发明实施例中，所述用户的身体状况相关信息主要是指用户的个人信息、习惯信息及患病信息等。其中，对于一个需要康复的病人来说，所述个人信息是指病人编号、病人姓名、病人年龄、病人身高、病人体重及病人血压等信息。所述习惯信息是指病人的三餐方式、口味偏好、食物偏好、运动习惯和饮水习惯等。所述患病信息是指病人的患病类型，例如病人患有的疾病为糖尿病或者高血压，病人是否有家族史，患病时长等。
由于用户的身体状况相关信息一般都涉及面较广且信息错综复杂，很难直接通过身体状况相关信息获取得到需要的信息，因此，本发明实施例根据所述身体状况相关信息生成身体状况概念图，以图形的形式展示用户的身体状况。
具体地，所述从所述身体状况相关信息中提取实体集合及实体属性，包括：
利用训练好的实体识别模型对所述身体状况相关信息进行实体抽取，得到所述身体状况相关信息中的多个实体；
将所述身体状况相关信息中的多个实体与预设参考属性库中的信息进行比对，搜索得到所述实体对应的实体属性。
详细地，所述训练好的实体识别模型可以是对一个卷积神经网络进行训练所得，所述预设参考属性库中包含实体及实体对应的属性。
进一步地，所述根据所述实体集合及所述实体属性构建身体状况概念图，包括：
基于图排序算法从所述实体集合中筛选出多个关键概念实体，得到概念实体集合；
对所述身体状况相关信息进行分句处理，得到分句集，并在所述分句集中搜索所述概念实体集合中关键概念实体对应的句子；
将所述关键概念实体和所述关键概念实体对应的句子作为初始概念图的顶点；
若两个所述顶点对应相同的句子，则在两个顶点之间添加一条边，得到初始概念图；
将所述实体属性标记在所述关键概念实体对应的顶点上，得到身体状况概念图。
详细地，本发明实施例在所述分句集中搜索出关键概念实体对应的句子，可能只有一个对应的句子，也可能存在多个对应的句子，将所述关键概念实体和其对应的句子作为顶点，若两个顶点中含有相同的句子，即两个顶点共享一个句子，则在两个顶点之间添加一条边，若两个顶点之间没有共享的句子，故无需添加边，最后得到初始概念图，将所述实体属性标记在所述关键概念实体对应的顶点上，得到身体状况概念图。
S2、根据所述身体状况概念图从预设的本体营养知识库中获取对应的营养参考数据，并将所述营养参考数据作为初始参数构建热量分配回归模型。
本发明实施例中，所述本体营养知识库中包含多条临床营养学的相关知识，例如，临床领域知识和范围及临床膳食标准等。由于所述身体状况概念图中包含用户的身体基本情况信息，因此，可以直观的从所述本体营养知识库中获取所述身体状况概念图对应的营养参考数据。其中，所述营养参考数据包括但不限于病症对应的膳食热量，建议食物包含的营养物质等。
例如，对于糖尿病患者而言，每日膳食配置中三大营养物质比例分配为总热量的60%来自于碳水化合物，平均每克碳水化合物提供4kcal热量，总热量的15%来自于蛋白质，总热量的25%来自于脂肪，平均每克脂肪提供9kcal热量。
具体地，所述将所述营养参考数据作为初始参数构建热量分配回归模型，包括：
以所述用户的临床热量观测值作为因变量，以所述实体集合中的不同实体对应的信息作为自变量建立初始分配回归方程；
将所述营养参考数据代入至所述初始分配回归方程中，得到热量分配回归方程。
详细地，所述用户的临床热量观测值可以是，例如，临床上糖尿病患者实际需要热
量的观测值，单位为千卡/天，所述实体集合中的不同实体对应的信息是指糖尿病患者的膳
食健康指标的观测值。本发明实施例以所述用户的临床热量观测值作为因变量Y，以所述实
体集合中的不同实体对应的信息作为自变量X，其中，
表示性别，
表示年龄，
表示身
高，
表示体重，
表示血压，…，
表示每日饮水量，
表示运动情况。
进一步地，所述初始分配回归方程为：
其中，
为所述因变量，
、
、
、…、
和
为预设的回归参数，
、
、…、
和
为所述自变量。
S3、利用所述热量分配回归模型对多种临床营养食物进行膳食分配，得到多个营养膳食分配方案。
进一步地，本发明实施例以所述热量分配回归模型为基础对多种临床营养食物进
行膳食分配，得到多个营养膳食分配方案。例如，按照所述热量分配回归模型可以算出糖尿
病患者每日所需的三大营养素重量的数学模型，例如，食物中碳水化合物的重量为
，食物中蛋白质的重量
，食物中脂肪的重量
。根
据中国人的生活和饮食习惯，可以分为早餐、中餐和晚餐等三餐，其中，三大营养素在三餐
中的分配占全日食物总量的
（早餐）、
（中餐）、
（晚餐）。
例如，多个营养膳食分配方案可以为方案一：早餐为鲜果及干果类、乳类及制品，午餐为鲜豆类、谷物及制品、畜肉类及制品、油脂类，晚餐为谷物及制品、蛋类及制品、油脂类。晚餐为谷物及制品、蛋类及制品、油脂类。方案二：早餐为鲜果及干果类、乳类及制品，午餐为鱼类、谷物及制品、畜肉及制品、油脂类、午餐类，晚餐为谷物及制品、畜肉类及制品、油脂类、嫩茎、叶、苔、花类。
S4、利用预设的适应度函数分别计算多个所述营养膳食分配方案对应的适应度值，并按照所述适应度值对多个所述营养膳食分配方案进行排序处理，选取排序后的适应度值最大的营养膳食分配方案作为第一分配方案，选取排序后的适应度值最小的营养膳食分配方案作为第二分配方案。
本发明实施例中，所述预设的适应度函数为：
其中，
为适应度值，
为预设的自定义常数，
为预设的参数系数，
为第
个营
养膳食分配方案的方案适配真实值，
为表示第
个营养膳食分配方案的方案适配预测值，
表示所述膳食分配方案的方案个数。
进一步地，本发明实施例按照所述适应度值对多个所述营养膳食分配方案进行排序处理，选取排序后的适应度值最大的营养膳食分配方案作为第一分配方案，选取排序后的适应度值最小的营养膳食分配方案作为第二分配方案。
详细地，排序后的适应度值最大的营养膳食分配方案是指最贴近人们日常生活和需要解决的身体问题的饮食方案，而适应度值最小的营养膳食分配方案则为不太贴近人们日常生活和需要解决的身体问题的饮食方案，将排序后的适应度值最大的营养膳食分配方案作为第一分配方案，选取排序后的适应度值最小的营养膳食分配方案作为第二分配方案便于计算出方案适配值。
S5、根据所述第一分配方案和所述第二分配方案计算得到方案适配值，并对所述方案适配值和预设的方案阈值进行比对。
本发明实施例中，所述根据所述第一分配方案和所述第二分配方案例如下述公式计算得到方案适配值：
其中，
为所述方案适配值，
为所述第一分配方案，
为所述第二分配方
案。
详细地，所述方案阈值为
，对所述方案适配值
和预设的方案阈值
进行比对，可
以得到所述方案适配值大于所述方案阈值和所述方案适配值小于或者等于所述方案阈值
两种结果。
当所述方案适配值小于或者等于所述方案阈值时，S6、调整所述热量分配回归模型的参数值，并返回上述的S3。
本发明实施例中，当所述方案适配值小于或者等于所述方案阈值时，调整所述热量分配回归模型的参数值，并返回所述利用所述热量分配回归模型对多种临床营养食物进行膳食分配，得到多个营养膳食分配方案的步骤，得到的多个营养膳食分配方案是与之前的分配方案不同的，因此对新的分配方案进行适配值计算和比较，直至所述方案适配值大于所述方案阈值。
当所述方案适配值大于所述方案阈值时，执行S7、从最后得到的多个所述营养膳食分配方案中进行方案筛选，得到一个或多个目标营养方案，并将所述目标营养方案推送至所述用户。
本发明实施例中，所述从最后得到的多个所述营养膳食分配方案中进行方案筛选，得到一个或多个目标营养方案，包括：
获取临床营养筛选问题，并构建所述临床营养筛选问题对应的决策矩阵；
对所述决策矩阵进行规范化处理，得到规范化决策矩阵；
根据所述规范化决策矩阵确定对应的正理想解和负理想解；
根据预设的距离公式分别计算所述正理想解到每个所述营养膳食分配方案的第一距离值及所述负理想解到每个所述营养膳食分配方案的第二距离值；
根据所述第一距离值、所述第二距离值和预设的综合评价指数计算公式计算得到每个所述营养膳食分配方案对应的综合评价值；
将所述综合评价值大于或者等于预设参考评价值的营养膳食分配方案作为目标营养方案。
详细地，由于临床营养筛选问题通常是一个多目标决策问题，因此所述临床营养
筛选问题对应的决策矩阵为
。
进一步地，所述对所述决策矩阵进行规范化处理，得到规范化决策矩阵，包括：
获取预先设定的加权值，令所述加权值和所述决策矩阵进行相乘计算，得到规范化决策矩阵。
详细地，所述预先设定的加权值为
，则所述规范化决策
矩阵为
。其中，
为加权值，
为决策矩阵。
具体地，所述距离公式为：
其中，
为所述第一距离值，
为所述营养膳食分配方案，
为所述理想解。
其中，
为所述第二距离值，
为所述营养膳食分配方案，
为所述负理想解。
进一步地，所述预设的综合评价指数计算公式为：
其中，
为所述综合评价值，
为所述第一距离值，
为所述第二距离值。
详细地，将多个所述营养膳食分配方案中所述综合评价值大于或者等于预设参考评价值的方案作为目标营养方案，得到多个目标营养方案。
本发明实施例中，当所述方案适配值小于或者等于所述方案阈值时，需要重新计算所述营养膳食分配方案对应的适应度值并执行重新判断处理，由于适应度函数设计是根据不同的问题而设计的，因此需要调整一下适应度函数并重新计算适应度值，直至满足所述方案适配值大于所述方案阈值，将所述第一分配方案对应的营养膳食分配方案作为目标营养方案。
本发明实施例中，通过用户的身体状况相关信息生成身体状况概念图，可以直观了解用户的身体情况，并根据所述身体状况概念图从预设的本体营养知识库中获取对应的营养参考数据，并基于所述营养参考数据构建热量分配回归模型，所述热量分配回归模型可以用于进行准确的膳食分配，并对多个营养膳食分配方案进行方案筛选，得到满足要求的目标营养方案，并将所述目标营养方案推送至所述用户。因此本发明提出的临床营养智能化管理系统及方法可以解决临床营养智能化管理的效率较低的问题。
如图2所示，是本发明一实施例提供的临床营养智能化管理系统及装置的功能模块图。
本发明所述临床营养智能化管理系统及装置100可以安装于电子设备中。根据实现的功能，所述临床营养智能化管理系统及装置100可以包括膳食方案分配模块101、适应度值计算模块102、方案筛选模块103及目标方案推送模块104。本发明所述模块也可以称之为单元，是指一种能够被电子设备处理器所执行，并且能够完成固定功能的一系列计算机程序段，其存储在电子设备的存储器中。
在本实施例中，关于各模块/单元的功能如下：
所述膳食方案分配模块101，用于获取用户的身体状况相关信息，从所述身体状况相关信息中提取实体集合及实体属性，并根据所述实体集合及所述实体属性构建身体状况概念图，根据所述身体状况概念图从预设的本体营养知识库中获取对应的营养参考数据，并将所述营养参考数据作为初始参数构建热量分配回归模型，利用所述热量分配回归模型对多种临床营养食物进行膳食分配，得到多个营养膳食分配方案；
所述适应度值计算模块102，用于利用预设的适应度函数分别计算多个所述营养膳食分配方案对应的适应度值，并按照所述适应度值对多个所述营养膳食分配方案进行排序处理，选取排序后的适应度值最大的营养膳食分配方案作为第一分配方案，选取排序后的适应度值最小的营养膳食分配方案作为第二分配方案，根据所述第一分配方案和所述第二分配方案计算得到方案适配值，并对所述方案适配值和预设的方案阈值进行比对；
所述方案筛选模块103，用于当所述方案适配值小于或者等于所述方案阈值时，调整所述热量分配回归模型的参数值，并返回所述利用所述热量分配回归模型对多种临床营养食物进行膳食分配，得到多个营养膳食分配方案的步骤，直至所述方案适配值大于所述方案阈值；
所述目标方案推送模块104，用于从最后得到的多个所述营养膳食分配方案中进行方案筛选，得到一个或多个目标营养方案，并将所述目标营养方案推送至所述用户。
详细地，所述临床营养智能化管理系统及装置100各模块的具体实施方式如下：
步骤一、获取用户的身体状况相关信息，从所述身体状况相关信息中提取实体集合及实体属性，并根据所述实体集合及所述实体属性构建身体状况概念图。
本发明实施例中，所述用户的身体状况相关信息主要是指用户的个人信息、习惯信息及患病信息等。其中，对于一个需要康复的病人来说，所述个人信息是指病人编号、病人姓名、病人年龄、病人身高、病人体重及病人血压等信息。所述习惯信息是指病人的三餐方式、口味偏好、食物偏好、运动习惯和饮水习惯等。所述患病信息是指病人的患病类型，例如病人患有的疾病为糖尿病或者高血压，病人是否有家族史，患病时长等。
由于用户的身体状况相关信息一般都涉及面较广且信息错综复杂，很难直接通过身体状况相关信息获取得到需要的信息，因此，本发明实施例根据所述身体状况相关信息生成身体状况概念图，以图形的形式展示用户的身体状况。
具体地，所述从所述身体状况相关信息中提取实体集合及实体属性，包括：
利用训练好的实体识别模型对所述身体状况相关信息进行实体抽取，得到所述身体状况相关信息中的多个实体；
将所述身体状况相关信息中的多个实体与预设参考属性库中的信息进行比对，搜索得到所述实体对应的实体属性。
详细地，所述训练好的实体识别模型可以是对一个卷积神经网络进行训练所得，所述预设参考属性库中包含实体及实体对应的属性。
进一步地，所述根据所述实体集合及所述实体属性构建身体状况概念图，包括：
基于图排序算法从所述实体集合中筛选出多个关键概念实体，得到概念实体集合；
对所述身体状况相关信息进行分句处理，得到分句集，并在所述分句集中搜索所述概念实体集合中关键概念实体对应的句子；
将所述关键概念实体和所述关键概念实体对应的句子作为初始概念图的顶点；
若两个所述顶点对应相同的句子，则在两个顶点之间添加一条边，得到初始概念图；
将所述实体属性标记在所述关键概念实体对应的顶点上，得到身体状况概念图。
详细地，本发明实施例在所述分句集中搜索出关键概念实体对应的句子，可能只有一个对应的句子，也可能存在多个对应的句子，将所述关键概念实体和其对应的句子作为顶点，若两个顶点中含有相同的句子，即两个顶点共享一个句子，则在两个顶点之间添加一条边，若两个顶点之间没有共享的句子，故无需添加边，最后得到初始概念图，将所述实体属性标记在所述关键概念实体对应的顶点上，得到身体状况概念图。
步骤二、根据所述身体状况概念图从预设的本体营养知识库中获取对应的营养参考数据，并将所述营养参考数据作为初始参数构建热量分配回归模型。
本发明实施例中，所述本体营养知识库中包含多条临床营养学的相关知识，例如，临床领域知识和范围及临床膳食标准等。由于所述身体状况概念图中包含用户的身体基本情况信息，因此，可以直观的从所述本体营养知识库中获取所述身体状况概念图对应的营养参考数据。其中，所述营养参考数据包括但不限于病症对应的膳食热量，建议食物包含的营养物质等。
例如，对于糖尿病患者而言，每日膳食配置中三大营养物质比例分配为总热量的60%来自于碳水化合物，平均每克碳水化合物提供4kcal热量，总热量的15%来自于蛋白质，总热量的25%来自于脂肪，平均每克脂肪提供9kcal热量。
具体地，所述将所述营养参考数据作为初始参数构建热量分配回归模型，包括：
以所述用户的临床热量观测值作为因变量，以所述实体集合中的不同实体对应的信息作为自变量建立初始分配回归方程；
将所述营养参考数据代入至所述初始分配回归方程中，得到热量分配回归方程。
详细地，所述用户的临床热量观测值可以是，例如，临床上糖尿病患者实际需要热
量的观测值，单位为千卡/天，所述实体集合中的不同实体对应的信息是指糖尿病患者的膳
食健康指标的观测值。本发明实施例以所述用户的临床热量观测值作为因变量Y，以所述实
体集合中的不同实体对应的信息作为自变量X，其中，
表示性别，
表示年龄，
表示身
高，
表示体重，
表示血压，…，
表示每日饮水量，
表示运动情况。
进一步地，所述初始分配回归方程为：
其中，
为所述因变量，
、
、
、…、
和
为预设的回归参数，
、
、…、
和
为所述自变量。
步骤三、利用所述热量分配回归模型对多种临床营养食物进行膳食分配，得到多个营养膳食分配方案
进一步地，本发明实施例以所述热量分配回归模型为基础对多种临床营养食物进
行膳食分配，得到多个营养膳食分配方案。例如，按照所述热量分配回归模型可以算出糖尿
病患者每日所需的三大营养素重量的数学模型，例如，食物中碳水化合物的重量为
，食物中蛋白质的重量
，食物中脂肪的重量
。根
据中国人的生活和饮食习惯，可以分为早餐、中餐和晚餐等三餐，其中，三大营养素在三餐
中的分配占全日食物总量的
（早餐）、
（中餐）、
（晚餐）。
例如，多个营养膳食分配方案可以为方案一：早餐为鲜果及干果类、乳类及制品，午餐为鲜豆类、谷物及制品、畜肉类及制品、油脂类，晚餐为谷物及制品、蛋类及制品、油脂类。晚餐为谷物及制品、蛋类及制品、油脂类。方案二：早餐为鲜果及干果类、乳类及制品，午餐为鱼类、谷物及制品、畜肉及制品、油脂类、午餐类，晚餐为谷物及制品、畜肉类及制品、油脂类、嫩茎、叶、苔、花类。
步骤四、利用预设的适应度函数分别计算多个所述营养膳食分配方案对应的适应度值，并按照所述适应度值对多个所述营养膳食分配方案进行排序处理，选取排序后的适应度值最大的营养膳食分配方案作为第一分配方案，选取排序后的适应度值最小的营养膳食分配方案作为第二分配方案。
本发明实施例中，所述预设的适应度函数为：
其中，
为适应度值，
为预设的自定义常数，
为预设的参数系数，
为第
个营
养膳食分配方案的方案适配真实值，
为表示第
个营养膳食分配方案的方案适配预测值，
表示所述膳食分配方案的方案个数。
进一步地，本发明实施例按照所述适应度值对多个所述营养膳食分配方案进行排序处理，选取排序后的适应度值最大的营养膳食分配方案作为第一分配方案，选取排序后的适应度值最小的营养膳食分配方案作为第二分配方案。
详细地，排序后的适应度值最大的营养膳食分配方案是指最贴近人们日常生活和需要解决的身体问题的饮食方案，而适应度值最小的营养膳食分配方案则为不太贴近人们日常生活和需要解决的身体问题的饮食方案，将排序后的适应度值最大的营养膳食分配方案作为第一分配方案，选取排序后的适应度值最小的营养膳食分配方案作为第二分配方案便于计算出方案适配值。
步骤五、根据所述第一分配方案和所述第二分配方案计算得到方案适配值，并对所述方案适配值和预设的方案阈值进行比对。
本发明实施例中，所述根据所述第一分配方案和所述第二分配方案例如下述公式计算得到方案适配值：
其中，
为所述方案适配值，
为所述第一分配方案，
为所述第二分配方
案。
详细地，所述方案阈值为
，对所述方案适配值
和预设的方案阈值
进行比对，可
以得到所述方案适配值大于所述方案阈值和所述方案适配值小于或者等于所述方案阈值
两种结果。
当所述方案适配值小于或者等于所述方案阈值时，步骤六、调整所述热量分配回归模型的参数值，并返回上述的步骤三。
本发明实施例中，当所述方案适配值小于或者等于所述方案阈值时，调整所述热量分配回归模型的参数值，并返回所述利用所述热量分配回归模型对多种临床营养食物进行膳食分配，得到多个营养膳食分配方案的步骤，得到的多个营养膳食分配方案是与之前的分配方案不同的，因此对新的分配方案进行适配值计算和比较，直至所述方案适配值大于所述方案阈值。
当所述方案适配值大于所述方案阈值时，执行步骤七、从最后得到的多个所述营养膳食分配方案中进行方案筛选，得到一个或多个目标营养方案，并将所述目标营养方案推送至所述用户。
本发明实施例中，所述从最后得到的多个所述营养膳食分配方案中进行方案筛选，得到一个或多个目标营养方案，包括：
获取临床营养筛选问题，并构建所述临床营养筛选问题对应的决策矩阵；
对所述决策矩阵进行规范化处理，得到规范化决策矩阵；
根据所述规范化决策矩阵确定对应的正理想解和负理想解；
根据预设的距离公式分别计算所述正理想解到每个所述营养膳食分配方案的第一距离值及所述负理想解到每个所述营养膳食分配方案的第二距离值；
根据所述第一距离值、所述第二距离值和预设的综合评价指数计算公式计算得到每个所述营养膳食分配方案对应的综合评价值；
将所述综合评价值大于或者等于预设参考评价值的营养膳食分配方案作为目标营养方案。
详细地，由于临床营养筛选问题通常是一个多目标决策问题，因此所述临床营养
筛选问题对应的决策矩阵为
。
进一步地，所述对所述决策矩阵进行规范化处理，得到规范化决策矩阵，包括：
获取预先设定的加权值，令所述加权值和所述决策矩阵进行相乘计算，得到规范化决策矩阵。
详细地，所述预先设定的加权值为
，则所述规范化决策
矩阵为
。其中，
为加权值，
为决策矩阵。
具体地，所述距离公式为：
其中，
为所述第一距离值，
为所述营养膳食分配方案，
为所述理想解。
其中，
为所述第二距离值，
为所述营养膳食分配方案，
为所述负理想解。
进一步地，所述预设的综合评价指数计算公式为：
其中，
为所述综合评价值，
为所述第一距离值，
为所述第二距离值。
详细地，将多个所述营养膳食分配方案中所述综合评价值大于或者等于预设参考评价值的方案作为目标营养方案，得到多个目标营养方案。
本发明实施例中，当所述方案适配值小于或者等于所述方案阈值时，需要重新计算所述营养膳食分配方案对应的适应度值并执行重新判断处理，由于适应度函数设计是根据不同的问题而设计的，因此需要调整一下适应度函数并重新计算适应度值，直至满足所述方案适配值大于所述方案阈值，将所述第一分配方案对应的营养膳食分配方案作为目标营养方案。
本发明实施例中，通过用户的身体状况相关信息生成身体状况概念图，可以直观了解用户的身体情况，并根据所述身体状况概念图从预设的本体营养知识库中获取对应的营养参考数据，并基于所述营养参考数据构建热量分配回归模型，所述热量分配回归模型可以用于进行准确的膳食分配，并对多个营养膳食分配方案进行方案筛选，得到满足要求的目标营养方案，并将所述目标营养方案推送至所述用户。因此本发明提出的临床营养智能化管理系统及装置可以解决临床营养智能化管理的效率较低的问题。
如图3所示，是本发明一实施例提供的实现临床营养智能化管理系统及方法的电子设备的结构示意图。
所述电子设备可以包括处理器10、存储器11、通信接口12和总线13，还可以包括存储在所述存储器11中并可在所述处理器10上运行的计算机程序，如临床营养智能化管理系统及程序。
其中，所述存储器11至少包括一种类型的可读存储介质，所述可读存储介质包括闪存、移动硬盘、多媒体卡、卡型存储器（例如：SD或DX存储器等）、磁性存储器、磁盘、光盘等。所述存储器11在一些实施例中可以是电子设备的内部存储单元，例如该电子设备的移动硬盘。所述存储器11在另一些实施例中也可以是电子设备的外部存储设备，例如电子设备上配备的插接式移动硬盘、智能存储卡（Smart Media Card，SMC）、安全数字（SecureDigital，SD）卡、闪存卡（Flash Card）等。进一步地，所述存储器11还可以既包括电子设备的内部存储单元也包括外部存储设备。所述存储器11不仅可以用于存储安装于电子设备的应用软件及各类数据，例如临床营养智能化管理系统及程序的代码等，还可以用于暂时地存储已经输出或者将要输出的数据。
所述处理器10在一些实施例中可以由集成电路组成，例如可以由单个封装的集成电路所组成，也可以是由多个相同功能或不同功能封装的集成电路所组成，包括一个或者多个中央处理器（Central Processing unit，CPU）、微处理器、数字处理芯片、图形处理器及各种控制芯片的组合等。所述处理器10是所述电子设备的控制核心（Control Unit），利用各种接口和线路连接整个电子设备的各个部件，通过运行或执行存储在所述存储器11内的程序或者模块（例如临床营养智能化管理系统及程序等），以及调用存储在所述存储器11内的数据，以执行电子设备的各种功能和处理数据。
所述通信接口12用于上述电子设备与其他设备之间的通信，包括网络接口和用户接口。可选地，所述网络接口可以包括有线接口和/或无线接口（如WI-FI接口、蓝牙接口等），通常用于在该电子设备与其他电子设备之间建立通信连接。所述用户接口可以是显示器（Display）、输入单元（比如键盘（Keyboard）），可选地，用户接口还可以是标准的有线接口、无线接口。可选地，在一些实施例中，显示器可以是LED显示器、液晶显示器、触控式液晶显示器以及OLED（Organic Light-Emitting Diode，有机发光二极管）触摸器等。其中，显示器也可以适当的称为显示屏或显示单元，用于显示在电子设备中处理的信息以及用于显示可视化的用户界面。
所述总线13可以是外设部件互连标准（peripheral component interconnect，简称PCI）总线或扩展工业标准结构（extended industry standard architecture，简称EISA）总线等。该总线13可以分为地址总线、数据总线、控制总线等。所述总线13被设置为实现所述存储器11以及至少一个处理器10等之间的连接通信。
图3仅示出了具有部件的电子设备，本领域技术人员可以理解的是，图3示出的结构并不构成对所述电子设备的限定，可以包括比图示更少或者更多的部件，或者组合某些部件，或者不同的部件布置。
例如，尽管未示出，所述电子设备还可以包括给各个部件供电的电源（比如电池），优选地，电源可以通过电源管理装置与所述至少一个处理器10逻辑相连，从而通过电源管理装置实现充电管理、放电管理、以及功耗管理等功能。电源还可以包括一个或一个以上的直流或交流电源、再充电装置、电源故障检测电路、电源转换器或者逆变器、电源状态指示器等任意组件。所述电子设备还可以包括多种传感器、蓝牙模块、Wi-Fi模块等，在此不再赘述。
进一步地，所述电子设备还可以包括网络接口，可选地，所述网络接口可以包括有线接口和/或无线接口（如WI-FI接口、蓝牙接口等），通常用于在该电子设备与其他电子设备之间建立通信连接。
可选地，该电子设备还可以包括用户接口，用户接口可以是显示器（Display）、输入单元（比如键盘（Keyboard）），可选地，用户接口还可以是标准的有线接口、无线接口。可选地，在一些实施例中，显示器可以是LED显示器、液晶显示器、触控式液晶显示器以及OLED（Organic Light-Emitting Diode，有机发光二极管）触摸器等。其中，显示器也可以适当的称为显示屏或显示单元，用于显示在电子设备中处理的信息以及用于显示可视化的用户界面。
应该了解，所述实施例仅为说明之用，在专利申请范围上并不受此结构的限制。
所述电子设备中的所述存储器11存储的临床营养智能化管理系统及程序是多个指令的组合，在所述处理器10中运行时，可以实现：
获取用户的身体状况相关信息，从所述身体状况相关信息中提取实体集合及实体属性，并根据所述实体集合及所述实体属性构建身体状况概念图；
根据所述身体状况概念图从预设的本体营养知识库中获取对应的营养参考数据，并将所述营养参考数据作为初始参数构建热量分配回归模型，利用所述热量分配回归模型对多种临床营养食物进行膳食分配，得到多个营养膳食分配方案；
利用预设的适应度函数分别计算多个所述营养膳食分配方案对应的适应度值，并按照所述适应度值对多个所述营养膳食分配方案进行排序处理，选取排序后的适应度值最大的营养膳食分配方案作为第一分配方案，选取排序后的适应度值最小的营养膳食分配方案作为第二分配方案；
根据所述第一分配方案和所述第二分配方案计算得到方案适配值，并对所述方案适配值和预设的方案阈值进行比对；
当所述方案适配值小于或者等于所述方案阈值时，调整所述热量分配回归模型的参数值，并返回所述利用所述热量分配回归模型对多种临床营养食物进行膳食分配，得到多个营养膳食分配方案的步骤，直至所述方案适配值大于所述方案阈值；
从最后得到的多个所述营养膳食分配方案中进行方案筛选，得到一个或多个目标营养方案，并将所述目标营养方案推送至所述用户。
具体地，所述处理器10对上述指令的具体实现方法可参考图1对应实施例中相关步骤的描述，在此不赘述。
进一步地，所述电子设备集成的模块/单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读存储介质中。所述计算机可读存储介质可以是易失性的，也可以是非易失性的。例如，所述计算机可读介质可以包括：能够携带所述计算机程序代码的任何实体或装置、记录介质、U盘、移动硬盘、磁碟、光盘、计算机存储器、只读存储器（ROM，Read-Only Memory）。
本发明还提供一种计算机可读存储介质，所述可读存储介质存储有计算机程序，所述计算机程序在被电子设备的处理器所执行时，可以实现：
获取用户的身体状况相关信息，从所述身体状况相关信息中提取实体集合及实体属性，并根据所述实体集合及所述实体属性构建身体状况概念图；
根据所述身体状况概念图从预设的本体营养知识库中获取对应的营养参考数据，并将所述营养参考数据作为初始参数构建热量分配回归模型，利用所述热量分配回归模型对多种临床营养食物进行膳食分配，得到多个营养膳食分配方案；
利用预设的适应度函数分别计算多个所述营养膳食分配方案对应的适应度值，并按照所述适应度值对多个所述营养膳食分配方案进行排序处理，选取排序后的适应度值最大的营养膳食分配方案作为第一分配方案，选取排序后的适应度值最小的营养膳食分配方案作为第二分配方案；
根据所述第一分配方案和所述第二分配方案计算得到方案适配值，并对所述方案适配值和预设的方案阈值进行比对；
当所述方案适配值小于或者等于所述方案阈值时，调整所述热量分配回归模型的参数值，并返回所述利用所述热量分配回归模型对多种临床营养食物进行膳食分配，得到多个营养膳食分配方案的步骤，直至所述方案适配值大于所述方案阈值；
从最后得到的多个所述营养膳食分配方案中进行方案筛选，得到一个或多个目标营养方案，并将所述目标营养方案推送至所述用户。
在本发明所提供的几个实施例中，应该理解到，所揭露的设备，装置和方法，可以通过其它的方式实现。例如，以上所描述的装置实施例仅仅是示意性的，例如，所述模块的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式。
所述作为分离部件说明的模块可以是或者也可以不是物理上分开的，作为模块显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。
另外，在本发明各个实施例中的各功能模块可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现，也可以采用硬件加软件功能模块的形式实现。
对于本领域技术人员而言，显然本发明不限于上述示范性实施例的细节，而且在不背离本发明的精神或基本特征的情况下，能够以其他的具体形式实现本发明。
因此，无论从哪一点来看，均应将实施例看作是示范性的，而且是非限制性的，本发明的范围由所附权利要求而不是上述说明限定，因此旨在将落在权利要求的等同要件的含义和范围内的所有变化涵括在本发明内。不应将权利要求中的任何附关联图标记视为限制所涉及的权利要求。
本发明所指区块链是分布式数据存储、点对点传输、共识机制、加密算法等计算机技术的新型应用模式。区块链(Blockchain)，本质上是一个去中心化的数据库，是一串使用密码学方法相关联产生的数据块，每一个数据块中包含了一批次网络交易的信息，用于验证其信息的有效性(防伪)和生成下一个区块。区块链可以包括区块链底层平台、平台产品服务层以及应用服务层等。
此外，显然“包括”一词不排除其他单元或步骤，单数不排除复数。系统权利要求中陈述的多个单元或装置也可以由一个单元或装置通过软件或者硬件来实现。第二等词语用来表示名称，而并不表示任何特定的顺序。
最后应说明的是，以上实施例仅用以说明本发明的技术方案而非限制，尽管参照较佳实施例对本发明进行了详细说明，本领域的普通技术人员应当理解，可以对本发明的技术方案进行修改或等同替换，而不脱离本发明技术方案的精神和范围。
Claims (10)
1.一种临床营养智能化管理系统及方法，其特征在于，所述方法包括：
获取用户的身体状况相关信息，从所述身体状况相关信息中提取实体集合及实体属性，并根据所述实体集合及所述实体属性构建身体状况概念图；
根据所述身体状况概念图从预设的本体营养知识库中获取对应的营养参考数据，并将所述营养参考数据作为初始参数构建热量分配回归模型，利用所述热量分配回归模型对多种临床营养食物进行膳食分配，得到多个营养膳食分配方案；
利用预设的适应度函数分别计算多个所述营养膳食分配方案对应的适应度值，并按照所述适应度值对多个所述营养膳食分配方案进行排序处理，选取排序后的适应度值最大的营养膳食分配方案作为第一分配方案，选取排序后的适应度值最小的营养膳食分配方案作为第二分配方案；
根据所述第一分配方案和所述第二分配方案计算得到方案适配值，并对所述方案适配值和预设的方案阈值进行比对；
当所述方案适配值小于或者等于所述方案阈值时，调整所述热量分配回归模型的参数值，并返回所述利用所述热量分配回归模型对多种临床营养食物进行膳食分配，得到多个营养膳食分配方案的步骤，直至所述方案适配值大于所述方案阈值；
从最后得到的多个所述营养膳食分配方案中进行方案筛选，得到一个或多个目标营养方案，并将所述目标营养方案推送至所述用户。
2.如权利要求1所述的临床营养智能化管理系统及方法，其特征在于，所述从最后得到的多个所述营养膳食分配方案中进行方案筛选，得到一个或多个目标营养方案，包括：
获取临床营养筛选问题，并构建所述临床营养筛选问题对应的决策矩阵；
对所述决策矩阵进行规范化处理，得到规范化决策矩阵；
根据所述规范化决策矩阵确定对应的正理想解和负理想解；
根据预设的距离公式分别计算所述正理想解到每个所述营养膳食分配方案的第一距离值及所述负理想解到每个所述营养膳食分配方案的第二距离值；
根据所述第一距离值、所述第二距离值和预设的综合评价指数计算公式计算得到每个所述营养膳食分配方案对应的综合评价值；
将所述综合评价值大于或者等于预设参考评价值的营养膳食分配方案作为目标营养方案。
3.如权利要求2所述的临床营养智能化管理系统及方法，其特征在于，所述预设的综合评价指数计算公式为：
其中，
为所述综合评价值，
为所述第一距离值，
为所述第二距离值。
4.如权利要求1所述的临床营养智能化管理系统及方法，其特征在于，所述从所述身体状况相关信息中提取实体集合及实体属性，包括：
利用训练好的实体识别模型对所述身体状况相关信息进行实体抽取，得到所述身体状况相关信息中的多个实体；
将所述身体状况相关信息中的多个实体与预设参考属性库中的信息进行比对，搜索得到所述实体对应的实体属性。
5.如权利要求1所述的临床营养智能化管理系统及方法，其特征在于，所述将所述营养参考数据作为初始参数构建热量分配回归模型，包括：
以所述用户的临床热量观测值作为因变量，以所述实体集合中的不同实体对应的信息作为自变量建立初始分配回归方程；
将所述营养参考数据代入至所述初始分配回归方程中，得到热量分配回归方程。
6.如权利要求1所述的临床营养智能化管理系统及方法，其特征在于，所述根据所述实体集合及所述实体属性构建身体状况概念图，包括：
基于图排序算法从所述实体集合中筛选出多个关键概念实体，得到概念实体集合；
对所述身体状况相关信息进行分句处理，得到分句集，并在所述分句集中搜索所述概念实体集合中关键概念实体对应的句子；
将所述关键概念实体和所述关键概念实体对应的句子作为初始概念图的顶点；
若两个所述顶点对应相同的句子，则在两个顶点之间添加一条边，得到初始概念图；
将所述实体属性标记在所述关键概念实体对应的顶点上，得到身体状况概念图。
7.如权利要求1所述的临床营养智能化管理系统及方法，其特征在于，所述预设的适应度函数为：
其中，
为适应度值，
为预设的自定义常数，
为预设的参数系数，
为第
个营养膳
食分配方案的方案适配真实值，
为表示第
个营养膳食分配方案的方案适配预测值，
表
示所述膳食分配方案的方案个数。
8.一种临床营养智能化管理系统及装置，其特征在于，所述装置包括：
膳食方案分配模块，用于获取用户的身体状况相关信息，从所述身体状况相关信息中提取实体集合及实体属性，并根据所述实体集合及所述实体属性构建身体状况概念图，根据所述身体状况概念图从预设的本体营养知识库中获取对应的营养参考数据，并将所述营养参考数据作为初始参数构建热量分配回归模型，利用所述热量分配回归模型对多种临床营养食物进行膳食分配，得到多个营养膳食分配方案；
适应度值计算模块，用于利用预设的适应度函数分别计算多个所述营养膳食分配方案对应的适应度值，并按照所述适应度值对多个所述营养膳食分配方案进行排序处理，选取排序后的适应度值最大的营养膳食分配方案作为第一分配方案，选取排序后的适应度值最小的营养膳食分配方案作为第二分配方案，根据所述第一分配方案和所述第二分配方案计算得到方案适配值，并对所述方案适配值和预设的方案阈值进行比对；
方案筛选模块，用于当所述方案适配值小于或者等于所述方案阈值时，调整所述热量分配回归模型的参数值，并返回所述利用所述热量分配回归模型对多种临床营养食物进行膳食分配，得到多个营养膳食分配方案的步骤，直至所述方案适配值大于所述方案阈值；
目标方案推送模块，用于从最后得到的多个所述营养膳食分配方案中进行方案筛选，得到一个或多个目标营养方案，并将所述目标营养方案推送至所述用户。
9.一种电子设备，其特征在于，所述电子设备包括：
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至少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能够执行如权利要求1至7中任意一项所述的临床营养智能化管理系统及方法。
10.一种计算机可读存储介质，存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现如权利要求1至7中任意一项所述的临床营养智能化管理系统及方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202211178507.7A CN115497601B (zh) | 2022-09-27 | 2022-09-27 | 临床营养智能化管理方法、装置、设备及存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202211178507.7A CN115497601B (zh) | 2022-09-27 | 2022-09-27 | 临床营养智能化管理方法、装置、设备及存储介质 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN115497601A true CN115497601A (zh) | 2022-12-20 |
| CN115497601B CN115497601B (zh) | 2023-05-02 |
Family
ID=84471468
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202211178507.7A Active CN115497601B (zh) | 2022-09-27 | 2022-09-27 | 临床营养智能化管理方法、装置、设备及存储介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN115497601B (zh) |
Citations (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20160042660A1 (en) * | 2014-08-11 | 2016-02-11 | Nutrimatix Inc. | Process for Converting Actual Fitness Data into Nutritional Advice |
| CN109243580A (zh) * | 2018-11-01 | 2019-01-18 | 广州仁生健康科技有限公司 | 一种降血糖的智能营养配餐系统及饮食管理方法 |
| CN111462863A (zh) * | 2020-04-14 | 2020-07-28 | 赣州市全标生物科技有限公司 | 营养自查与膳食推荐方法及系统 |
| CN112100499A (zh) * | 2020-09-16 | 2020-12-18 | 苏州众智诺成信息科技有限公司 | 一种基于数据模型的共享平台食材分配方法、系统及可读存储介质 |
| CN112102921A (zh) * | 2020-09-27 | 2020-12-18 | 中国建设银行股份有限公司 | 营养食谱的生成方法、装置和服务器 |
| CN112116987A (zh) * | 2020-09-23 | 2020-12-22 | 中国农业大学 | 一种基于多属性决策的膳食搭配方法及系统 |
| CN112768031A (zh) * | 2021-01-27 | 2021-05-07 | 南京贰零叁零健康科技发展有限公司 | 一种综合饮食运动体检调理和预防慢性病的健康管理方法 |
| CN113051391A (zh) * | 2021-03-29 | 2021-06-29 | 深圳软通动力信息技术有限公司 | 一种基于食物营养与健康知识库的个性化膳食推荐方法 |
| KR20210099876A (ko) * | 2020-02-05 | 2021-08-13 | 주식회사 아이앤아이솔루션 | 딥러닝 알고리즘 기반의 식품 영상 인식을 통한 개인 맞춤형 영양 및 질병 관리 시스템 및 방법 |
-
2022
- 2022-09-27 CN CN202211178507.7A patent/CN115497601B/zh active Active
Patent Citations (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20160042660A1 (en) * | 2014-08-11 | 2016-02-11 | Nutrimatix Inc. | Process for Converting Actual Fitness Data into Nutritional Advice |
| CN109243580A (zh) * | 2018-11-01 | 2019-01-18 | 广州仁生健康科技有限公司 | 一种降血糖的智能营养配餐系统及饮食管理方法 |
| KR20210099876A (ko) * | 2020-02-05 | 2021-08-13 | 주식회사 아이앤아이솔루션 | 딥러닝 알고리즘 기반의 식품 영상 인식을 통한 개인 맞춤형 영양 및 질병 관리 시스템 및 방법 |
| CN111462863A (zh) * | 2020-04-14 | 2020-07-28 | 赣州市全标生物科技有限公司 | 营养自查与膳食推荐方法及系统 |
| CN112100499A (zh) * | 2020-09-16 | 2020-12-18 | 苏州众智诺成信息科技有限公司 | 一种基于数据模型的共享平台食材分配方法、系统及可读存储介质 |
| CN112116987A (zh) * | 2020-09-23 | 2020-12-22 | 中国农业大学 | 一种基于多属性决策的膳食搭配方法及系统 |
| CN112102921A (zh) * | 2020-09-27 | 2020-12-18 | 中国建设银行股份有限公司 | 营养食谱的生成方法、装置和服务器 |
| CN112768031A (zh) * | 2021-01-27 | 2021-05-07 | 南京贰零叁零健康科技发展有限公司 | 一种综合饮食运动体检调理和预防慢性病的健康管理方法 |
| CN113051391A (zh) * | 2021-03-29 | 2021-06-29 | 深圳软通动力信息技术有限公司 | 一种基于食物营养与健康知识库的个性化膳食推荐方法 |
Non-Patent Citations (2)
| Title |
|---|
| 朱沁怡;张朋柱;: "基于模糊Petri网的个性化健康饮食方案智能生成" * |
| 祁明思 等: "基于知识库的患者营养配餐推荐系统设计" * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN115497601B (zh) | 2023-05-02 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| JP2020187756A (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 | |
| CN105260594A (zh) | 一种个体营养评价系统 | |
| CN109524084A (zh) | 一种针对个人健康管理的智能营养配餐系统及方法 | |
| CN111564199B (zh) | 智能化营养干预的方法及终端 | |
| RU2006130322A (ru) | Компьютерный способ (варианты) для составления плана питания и машиночитаемый носитель | |
| US11205140B2 (en) | Methods and systems for self-fulfillment of an alimentary instruction set based on vibrant constitutional guidance | |
| CN111261260A (zh) | 一种膳食推荐系统 | |
| CN112951375A (zh) | 一种饮食推荐方法及系统 | |
| CN115516488A (zh) | 用于使用基于排名的评分完善膳食治疗方案的系统和方法 | |
| US20190228678A1 (en) | System for control over food and diet and related method to reduce environmental impact | |
| Azzimani et al. | An AI based approach for personalized nutrition and food menu planning | |
| US20220167929A1 (en) | Methods and systems for determining the physical status of a subject | |
| EP4143842A1 (en) | Systems and methods for providing individualized recommendations for a healthy microbiome | |
| Kardam et al. | Website on diet recommendation using machine learning | |
| Xavier et al. | An island-based hybrid evolutionary algorithm for caloric-restricted diets | |
| CN108630293A (zh) | 一种营养配餐方法和装置 | |
| CN114613471A (zh) | 基于人工智能的饮食方案生成方法、装置、设备及介质 | |
| CN112037888A (zh) | 生理健康特征数据的监控方法、装置、设备及存储介质 | |
| CN115497601B (zh) | 临床营养智能化管理方法、装置、设备及存储介质 | |
| US11232259B1 (en) | Methods and systems for personal recipe generation | |
| CN114596958A (zh) | 基于级联分类的病理数据分类方法、装置、设备及介质 | |
| JP2008052459A (ja) | 情報処理システム装置、バーチャル装置、携帯型の情報処理端末及び記録メディア | |
| JP3194666B2 (ja) | 疾病予防カウンセリングシステム | |
| US11887720B1 (en) | Apparatus and method for using a feedback loop to optimize meals | |
| US20220208347A1 (en) | Systems and methods for generating a body degradation reduction program |
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 | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |