CN117995396A - 一种基于认知行为的主动健康管理系统及方法 - Google Patents
一种基于认知行为的主动健康管理系统及方法 Download PDFInfo
- Publication number
- CN117995396A CN117995396A CN202311810372.6A CN202311810372A CN117995396A CN 117995396 A CN117995396 A CN 117995396A CN 202311810372 A CN202311810372 A CN 202311810372A CN 117995396 A CN117995396 A CN 117995396A
- Authority
- CN
- China
- Prior art keywords
- user
- cognitive
- data
- health management
- 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
- 230000006399 behavior Effects 0.000 title claims abstract description 65
- 230000001149 cognitive effect Effects 0.000 title claims abstract description 63
- 230000036541 health Effects 0.000 title claims abstract description 60
- 238000000034 method Methods 0.000 title claims abstract description 27
- 230000008451 emotion Effects 0.000 claims abstract description 46
- 238000007726 management method Methods 0.000 claims abstract description 42
- 230000019771 cognition Effects 0.000 claims abstract description 24
- 238000012549 training Methods 0.000 claims abstract description 24
- 238000005516 engineering process Methods 0.000 claims abstract description 15
- 238000004458 analytical method Methods 0.000 claims abstract description 11
- 235000005911 diet Nutrition 0.000 claims description 29
- 230000037213 diet Effects 0.000 claims description 28
- 230000007958 sleep Effects 0.000 claims description 20
- 230000003542 behavioural effect Effects 0.000 claims description 18
- 230000006870 function Effects 0.000 claims description 16
- 230000033001 locomotion Effects 0.000 claims description 15
- 238000007634 remodeling Methods 0.000 claims description 13
- 230000036651 mood Effects 0.000 claims description 12
- 230000007613 environmental effect Effects 0.000 claims description 9
- 235000012054 meals Nutrition 0.000 claims description 9
- 238000013136 deep learning model Methods 0.000 claims description 6
- 238000007477 logistic regression Methods 0.000 claims description 6
- 239000011159 matrix material Substances 0.000 claims description 6
- 238000013079 data visualisation Methods 0.000 claims description 4
- 230000003860 sleep quality Effects 0.000 claims description 4
- 230000004622 sleep time Effects 0.000 claims description 4
- 230000000007 visual effect Effects 0.000 claims description 4
- 230000003442 weekly effect Effects 0.000 claims description 4
- 235000012041 food component Nutrition 0.000 claims description 3
- 239000013598 vector Substances 0.000 claims description 3
- 238000012800 visualization Methods 0.000 claims description 3
- 230000003931 cognitive performance Effects 0.000 claims 1
- 230000008859 change Effects 0.000 abstract description 7
- 238000013542 behavioral therapy Methods 0.000 abstract description 3
- 230000002452 interceptive effect Effects 0.000 abstract 1
- 235000013305 food Nutrition 0.000 description 15
- 230000002354 daily effect Effects 0.000 description 11
- 238000004590 computer program Methods 0.000 description 7
- 238000010586 diagram Methods 0.000 description 7
- 208000017667 Chronic Disease Diseases 0.000 description 6
- 230000002996 emotional effect Effects 0.000 description 6
- 238000012986 modification Methods 0.000 description 6
- 230000004048 modification Effects 0.000 description 6
- 238000012545 processing Methods 0.000 description 6
- 235000021152 breakfast Nutrition 0.000 description 5
- 238000009225 cognitive behavioral therapy Methods 0.000 description 5
- 230000009471 action Effects 0.000 description 4
- 235000009508 confectionery Nutrition 0.000 description 4
- 235000021158 dinner Nutrition 0.000 description 4
- 235000013601 eggs Nutrition 0.000 description 4
- 235000021156 lunch Nutrition 0.000 description 4
- 230000007246 mechanism Effects 0.000 description 4
- 238000012544 monitoring process Methods 0.000 description 4
- 230000008450 motivation Effects 0.000 description 4
- 238000011160 research Methods 0.000 description 4
- 235000014347 soups Nutrition 0.000 description 4
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 4
- 241000287828 Gallus gallus Species 0.000 description 3
- 244000269722 Thea sinensis Species 0.000 description 3
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 description 3
- 239000003814 drug Substances 0.000 description 3
- 235000011888 snacks Nutrition 0.000 description 3
- 238000003860 storage Methods 0.000 description 3
- 235000013616 tea Nutrition 0.000 description 3
- 230000037221 weight management Effects 0.000 description 3
- 241000251468 Actinopterygii Species 0.000 description 2
- 240000007594 Oryza sativa Species 0.000 description 2
- 235000007164 Oryza sativa Nutrition 0.000 description 2
- 244000025272 Persea americana Species 0.000 description 2
- 235000008673 Persea americana Nutrition 0.000 description 2
- 101710154918 Trigger factor Proteins 0.000 description 2
- 230000003044 adaptive effect Effects 0.000 description 2
- 230000008901 benefit Effects 0.000 description 2
- 238000004364 calculation method Methods 0.000 description 2
- 235000013339 cereals Nutrition 0.000 description 2
- 230000034994 death Effects 0.000 description 2
- 231100000517 death Toxicity 0.000 description 2
- 201000010099 disease Diseases 0.000 description 2
- 229940079593 drug Drugs 0.000 description 2
- 239000000796 flavoring agent Substances 0.000 description 2
- 235000019634 flavors Nutrition 0.000 description 2
- 230000006872 improvement Effects 0.000 description 2
- 239000004615 ingredient Substances 0.000 description 2
- 235000016709 nutrition Nutrition 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- 230000001105 regulatory effect Effects 0.000 description 2
- 235000009566 rice Nutrition 0.000 description 2
- 238000012216 screening Methods 0.000 description 2
- 238000005728 strengthening Methods 0.000 description 2
- LQIAZOCLNBBZQK-UHFFFAOYSA-N 1-(1,2-Diphosphanylethyl)pyrrolidin-2-one Chemical compound PCC(P)N1CCCC1=O LQIAZOCLNBBZQK-UHFFFAOYSA-N 0.000 description 1
- 208000019901 Anxiety disease Diseases 0.000 description 1
- 241000512259 Ascophyllum nodosum Species 0.000 description 1
- 235000017166 Bambusa arundinacea Nutrition 0.000 description 1
- 235000017491 Bambusa tulda Nutrition 0.000 description 1
- 235000010149 Brassica rapa subsp chinensis Nutrition 0.000 description 1
- 235000000536 Brassica rapa subsp pekinensis Nutrition 0.000 description 1
- 241000499436 Brassica rapa subsp. pekinensis Species 0.000 description 1
- 240000001980 Cucurbita pepo Species 0.000 description 1
- 235000009852 Cucurbita pepo Nutrition 0.000 description 1
- 241000371652 Curvularia clavata Species 0.000 description 1
- 241000238557 Decapoda Species 0.000 description 1
- 206010011971 Decreased interest Diseases 0.000 description 1
- LFQSCWFLJHTTHZ-UHFFFAOYSA-N Ethanol Chemical compound CCO LFQSCWFLJHTTHZ-UHFFFAOYSA-N 0.000 description 1
- 208000031226 Hyperlipidaemia Diseases 0.000 description 1
- 206010020772 Hypertension Diseases 0.000 description 1
- 206010062717 Increased upper airway secretion Diseases 0.000 description 1
- 240000005856 Lyophyllum decastes Species 0.000 description 1
- 235000013194 Lyophyllum decastes Nutrition 0.000 description 1
- 206010027940 Mood altered Diseases 0.000 description 1
- 240000002853 Nelumbo nucifera Species 0.000 description 1
- 235000006508 Nelumbo nucifera Nutrition 0.000 description 1
- 235000006510 Nelumbo pentapetala Nutrition 0.000 description 1
- 208000008589 Obesity Diseases 0.000 description 1
- 244000082204 Phyllostachys viridis Species 0.000 description 1
- 235000015334 Phyllostachys viridis Nutrition 0.000 description 1
- 244000088415 Raphanus sativus Species 0.000 description 1
- 235000006140 Raphanus sativus var sativus Nutrition 0.000 description 1
- 208000013738 Sleep Initiation and Maintenance disease Diseases 0.000 description 1
- 235000009337 Spinacia oleracea Nutrition 0.000 description 1
- 244000300264 Spinacia oleracea Species 0.000 description 1
- 239000001068 allium cepa oil Substances 0.000 description 1
- 230000004075 alteration Effects 0.000 description 1
- 230000036506 anxiety Effects 0.000 description 1
- 239000011425 bamboo Substances 0.000 description 1
- 235000013527 bean curd Nutrition 0.000 description 1
- 235000015278 beef Nutrition 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000015572 biosynthetic process Effects 0.000 description 1
- 235000013605 boiled eggs Nutrition 0.000 description 1
- 235000008429 bread Nutrition 0.000 description 1
- 230000001914 calming effect Effects 0.000 description 1
- 235000019577 caloric intake Nutrition 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 239000012141 concentrate Substances 0.000 description 1
- 230000002844 continuous effect Effects 0.000 description 1
- 238000012937 correction Methods 0.000 description 1
- 238000007405 data analysis Methods 0.000 description 1
- 230000006837 decompression Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 206010012601 diabetes mellitus Diseases 0.000 description 1
- 230000000378 dietary effect Effects 0.000 description 1
- 230000029087 digestion Effects 0.000 description 1
- 208000035475 disorder Diseases 0.000 description 1
- 235000013399 edible fruits Nutrition 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000003203 everyday effect Effects 0.000 description 1
- 210000003811 finger Anatomy 0.000 description 1
- 235000011494 fruit snacks Nutrition 0.000 description 1
- 235000011389 fruit/vegetable juice Nutrition 0.000 description 1
- 239000010931 gold Substances 0.000 description 1
- 229910052737 gold Inorganic materials 0.000 description 1
- 235000009569 green tea Nutrition 0.000 description 1
- 210000004247 hand Anatomy 0.000 description 1
- 201000001421 hyperglycemia Diseases 0.000 description 1
- 206010022437 insomnia Diseases 0.000 description 1
- 210000004185 liver Anatomy 0.000 description 1
- 230000008376 long-term health Effects 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 235000013372 meat Nutrition 0.000 description 1
- 230000003340 mental effect Effects 0.000 description 1
- 230000007510 mood change Effects 0.000 description 1
- 210000005036 nerve Anatomy 0.000 description 1
- 235000020824 obesity Nutrition 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 208000026435 phlegm Diseases 0.000 description 1
- 235000015277 pork Nutrition 0.000 description 1
- 238000003825 pressing Methods 0.000 description 1
- 208000020016 psychiatric disease Diseases 0.000 description 1
- 230000005180 public health Effects 0.000 description 1
- 230000000241 respiratory effect Effects 0.000 description 1
- 238000012552 review Methods 0.000 description 1
- 230000001020 rhythmical effect Effects 0.000 description 1
- 230000035807 sensation Effects 0.000 description 1
- 235000019615 sensations Nutrition 0.000 description 1
- 230000001953 sensory effect Effects 0.000 description 1
- 230000009329 sexual behaviour Effects 0.000 description 1
- 230000005586 smoking cessation Effects 0.000 description 1
- 210000000952 spleen Anatomy 0.000 description 1
- 239000000126 substance Substances 0.000 description 1
- 208000024891 symptom Diseases 0.000 description 1
- 239000003760 tallow Substances 0.000 description 1
- 238000002560 therapeutic procedure Methods 0.000 description 1
- 210000000115 thoracic cavity Anatomy 0.000 description 1
- 210000003813 thumb Anatomy 0.000 description 1
- 230000001256 tonic effect Effects 0.000 description 1
- 230000001960 triggered effect Effects 0.000 description 1
- 239000003643 water by type Substances 0.000 description 1
- 230000036642 wellbeing Effects 0.000 description 1
- 235000013618 yogurt Nutrition 0.000 description 1
Landscapes
- Medical Treatment And Welfare Office Work (AREA)
Abstract
本发明公开了一种基于认知行为的主动健康管理系统及方法，本发明属于认知行为健康管理技术领域；具体包括实时收集用户的生活方式多模态数据；基于生活方式多模态数据的负面因素识别，获取负面因素的特征；结合对话式AI和CBT技术，根据负面因素的特征对用户进行情绪和认知回溯分析，得到负面因素特征的关联性数据；构建认知初始模型，根据关联性数据和针对性的干预方案对初始认知模型进行模型训练，得到目标模型；通过目标模型向用户触发针对用户行为和生理指标的健康指导方案。通过上述方案将对话式AI技术与认知行为疗法结合，通过智能对话引导用户识别和改变触发不良生活方式的心理因素，从而帮助养成健康生活方式。
Description
技术领域
本发明涉及认知行为健康管理技术，具体涉及一种基于认知行为的主动健康管理系统及方法。
背景技术
如今，社会发展和经济进步在带给人们丰富物质享受的同时，也在改变着人们的饮食起居和生活习惯。生活方式密切相关的高血脂、高血压、高血糖、肥胖等慢性病已成为影响我国人民健康素质的大敌。据统计，我国因慢性病死亡的人数占全国死亡总人数的86.6％。面对不断增加的生活方式病，药物、手术、医院、医生的作为受到限制，唯一可行的是每个人都从自己做起，摒弃不良习惯，成为健康生活方式的实践者和受益者。但要保持合理膳食、适量运动、戒烟限酒、心理平衡的健康生活方式，知易行难。《国民健康生活方式洞察及干预研究报告》指出，“难坚持”及“拖延症”是阻碍健康生活方式的主要原因。而认知行为疗法能有效帮助人们认识和改变不健康的思维模式和行为习惯，可广泛应用到了体重管理、心理疾病干预等健康管理项目中。
然而，现有技术应用于体重管理、心理疾病干预等健康管理项目的解决方案仍存在以下不足：
(1)忽视心理因素。现有技术往往只关注生活方式的监测和干预，忽视了情绪和认知对行为的影响。负面情绪和不合理的知模式才是不良生活方式的重要触发因素，但现有技术很少提供相应的干预措施。
(2)缺乏个性化指导。许多健康管理产品或方法提供了数据记录和分析功能，但缺乏个性化的指导和干预。用户往往需要自行解读数据，并根据自身情况制定健康计划，这对于一些缺乏健康知识或自我管理能力较弱的人来说可能是困难的。
(3)缺乏参与感。一些健康产品或方法缺乏互动性，用户只是被动地接收信息而没有参与感。这可能导致用户对于健康管理失去兴趣，并难以坚持下去。
发明内容
本发明旨在解决现有技术中存在的技术问题。为此，提出一种基于认知行为的主动健康管理系统及方法。有强化自我健康管理能力、修正不良习惯、限制触发因素等优势。可应用于预防亚健康、慢性病方向的健康管理技术领域，具有更高效、更个性化、更可续的效果。
为了实现上述目的，本发明采用了如下技术方案：
一种基于认知行为的主动健康管理系统，包括：
跟踪模块，用于实时收集用户的生活方式多模态数据；
识别模块，用于基于生活方式多模态数据的负面因素识别，获取负面因素的特征；
情景回溯模块，用于结合对话式AI和CBT技术，根据负面因素的特征对用户进行情绪和认知回溯分析，得到负面因素特征的关联性数据；
方案生成模块，用于根据识别到的负面因素，自动生成针对性的干预方案；
正念训练模块，用于构建认知初始模型，根据关联性数据和干预方案对初始认知模型进行模型训练，得到目标模型；
认知重塑及干预模块，用于通过目标模型向用户触发针对用户行为和生理指标的健康指导方案。
优选的，所述跟踪模块包括：记录子模块，用于通过绑定可穿戴设备、上传图片、文本输入方式记录饮食、运动、睡眠和情绪状况；辅助子模块，用于实现数据的可视化展示。
进一步地，所述记录子模块包括：饮食记录单元，用于根据预先选择餐食类型，填写用餐时间、记录饮食内容和分量、记录饮食热量和营养成分构成；
运动记录单元，用于记录运动类型、时长和强度；以及路里消耗情况；
睡眠记录单元，用于记录睡眠时间和质量；
情绪记录单元，用于记录心理情绪状态。
进一步地，所述辅助子模块包括：数据可视化单元，用于生成可化报告和图表；分别展示饮食、运动、睡眠和情绪数据趋势和变化，以及展示生活方式日报、周报、月报；
提醒单元，用于提供定时提醒功能。
优选的，所述识别模块包括：行为识别单元，用于制定不健康生活方式指标，并确定判定标准或者数据阈值，定义指标规则库；
匹配单元，用于从生活方式多模态数据中提取相关信息，与指标规则库进行匹配；
根据匹配结果，向用户提供反馈，指出存在的不健康行为习惯，获得负面因素的特征。
进一步地，所述识别模块还包括：
负面因素特征识别单元，用于向用户触发不良生活方式的不合理认知消息；其中，所述用户不良生活方式的不合理认知消息包括自动思维、中间信念、核心信念。
优选的，所述情景回溯模块包括：
结构性对话单元，用于AI通过主动提问引导用户回忆不健康行为发生时的具体场景、情绪和认知；
阶段性总结单元，用于根据AI与用户之间的结构性对话，总结用户存在的不合理认知、负面情绪及环境因素；
AI个性化反馈单元，用于根据用户的具体情况调整问题和建议。
优选的，所述干预方案包括认知重塑、行为改变、情绪调节、环境限制以及行动支持。
优选的，所述正念训练模块包括：
将用户端进行识别到的负面因素以及生成的针对性干预方案作为训练数据，并将不同类型的负面因素的类型进行划分，获得训练数据的分类；
将所述训练数据及其分类结果作为深度学习模型的输入样本，并定义超参数集合；
定义包含LASSO惩罚项的代价函数,利用迭代法更新所述包含LASSO惩罚项的代价函数中的逻辑回归参数矩阵θ；
在指数坐标系下按比例取值，选取所述超参数集合中误差率偏差小于阈值的最大超参数所生成的深度学习模型作为最优模型；
将该最优模型的逻辑回归参数矩阵θ行向量绝对值之和的最大值作为认知行为健康的稳定特征。
一种基于认知行为的主动健康管理方法，所述方法包括：
实时收集用户的生活方式多模态数据；
基于生活方式多模态数据的负面因素识别，获取负面因素的特征；
结合对话式AI和CBT技术，根据负面因素的特征对用户进行情绪和认知回溯分析，得到负面因素特征的关联性数据；
根据识别到的负面因素，自动生成针对性的干预方案；
构建认知初始模型，根据关联性数据和干预方案对初始认知模型进行模型训练，得到目标模型；
通过目标模型向用户触发针对用户行为和生理指标的健康指导方案。
与现有技术相比，本发明的有益效果是：
本发明提出的方法及系统以预防和干预亚健康、慢性病问题为目标，以自然医学理念为指导，通过对话式AI技术帮助用户强化自我健康管理的动机和能力，限制或修正触发用户不良生活方式的自动思维、中间信念、核心信念等不合理认知、非适应性行为、负面情绪和情景，以帮助用户养成健康生活方式。
本发明将对话式AI技术与认知行为疗法结合，通过智能对话引导用户识别和改变触发不良生活方式的心理因素，从而帮助养成健康生活方式。突出的优越性体现于以下方面：
(1)强化自我健康管理的动机和能力：对话式AI的引导，本发明帮助用户增强自我健康管理的动机和能力。用户可以通过与AI进行交流，了解自己不健康行为背后的情绪、认知和情景，并逐步改变这些不良习惯。
(2)修正不合理认知和非适应性行为：本发明利用认知重塑技术，引导用户修正不合理的自动思维或认知，并通过正念指导消除负面情绪。这有助于用户培养替代性认知和行为，从而更好地应健康生活方式。
(3)有针对性地限制触发因素：本发明汇总触发不健康行为的情景因素，并进行有针对性的限制。通过对话式AI的指导，用户可以更好地了解哪些情景容易引起不良习惯，并采取相应措施避免或减少这些情景。
(4)行为干预方法引导用户练习：本发明通过行为干预，引导用户按照健康生活方式要求进行练习。通过与AI进行交流，用户可以获得实时反馈和指导，从而更好地掌握正确的行为方式。
附图说明
构成本申请的一部分的说明书附图用来提供对本发明的进一步理解，本发明的示意性实施例及其说明用于解释本发明，并不构成对本发明的不当限定。在附图中：
图1为本发明提供的基于认知行为的主动健康管理方法总流程图；
图2为本发明提供的基于认知行为的主动健康管理系统结构示意图；
图3为本发明提供实施例1提供的基于认知行为的主动健康管理的应用方法流程图。
具体实施方式
下面将结合实施例对本发明的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅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它实施例，都属于本发明保护的范围。
如图2所示，本发明提供一种基于认知行为的主动健康管理系统，包括：
跟踪模块，用于实时收集用户的生活方式多模态数据；
识别模块，用于基于生活方式多模态数据的负面因素识别，获取负面因素的特征；
情景回溯模块，用于结合对话式AI和CBT技术，根据负面因素的特征对用户进行情绪和认知回溯分析，得到负面因素特征的关联性数据；
方案生成模块，用于根据识别到的负面因素，自动生成针对性的干预方案；其中，所述干预方案包括认知重塑、行为改变、情绪调节、环境限制以及行动支持。
正念训练模块，用于构建认知初始模型，根据关联性数据和干预方案对初始认知模型进行模型训练，得到目标模型；
认知重塑及干预模块，用于通过目标模型向用户触发针对用户行为和生理指标的健康指导方案。
其中，所述跟踪模块包括：记录子模块，用于通过绑定可穿戴设备、上传图片、文本输入方式记录饮食、运动、睡眠和情绪状况；辅助子模块，用于实现数据的可视化展示。
所述记录子模块包括：饮食记录单元，用于根据预先选择餐食类型，填写用餐时间、记录饮食内容和分量、记录饮食热量和营养成分构成；
运动记录单元，用于记录运动类型、时长和强度；以及路里消耗情况；
睡眠记录单元，用于记录睡眠时间和质量；
情绪记录单元，用于记录心理情绪状态。
所述辅助子模块包括：数据可视化单元，用于生成可化报告和图表；分别展示饮食、运动、睡眠和情绪数据趋势和变化，以及展示生活方式日报、周报、月报；
提醒单元，用于提供定时提醒功能。
其中，所述识别模块包括：行为识别单元，用于制定不健康生活方式指标，并确定判定标准或者数据阈值，定义指标规则库；
匹配单元，用于从生活方式多模态数据中提取相关信息，与指标规则库进行匹配；
根据匹配结果，向用户提供反馈，指出存在的不健康行为习惯，获得负面因素的特征。
所述识别模块还包括：
负面因素特征识别单元，用于向用户触发不良生活方式的不合理认知消息；其中，所述用户不良生活方式的不合理认知消息包括自动思维、中间信念、核心信念、负面情绪和情景。
其中，所述情景回溯模块包括：
结构性对话单元，用于AI通过主动提问引导用户回忆不健康行为发生时的具体场景、情绪和认知；
阶段性总结单元，用于根据AI与用户之间的结构性对话，总结用户存在的不合理认知、负面情绪及环境因素；
AI个性化反馈单元，用于根据用户的具体情况调整问题和建议。
其中，所述正念训练模块包括：
将用户端进行识别到的负面因素以及生成的针对性干预方案作为训练数据，并将不同类型的负面因素的类型进行划分，获得训练数据的分类；
将所述训练数据及其分类结果作为深度学习模型的输入样本，并定义超参数集合；
定义包含LASSO惩罚项的代价函数,利用迭代法更新所述包含LASSO惩罚项的代价函数中的逻辑回归参数矩阵θ；
在指数坐标系下按比例取值，选取所述超参数集合中误差率偏差小于阈值的最大超参数所生成的深度学习模型作为最优模型；
将该最优模型的逻辑回归参数矩阵θ行向量绝对值之和的最大值作为认知行为健康的稳定特征。
基于同一种技术构思，本发明还提供一种基于认知行为的主动健康管理方法，如图1所示，所述方法包括：
S101实时收集用户的生活方式多模态数据；
S102基于生活方式多模态数据的负面因素识别，获取负面因素的特征；
S103结合对话式AI和CBT技术，根据负面因素的特征对用户进行情绪和认知回溯分析，得到负面因素特征的关联性数据；
S104根据识别到的负面因素，自动生成针对性的干预方案；
S105构建认知初始模型，根据关联性数据和干预方案对初始认知模型进行模型训练，得到目标模型；
S106通过目标模型向用户触发针对用户行为和生理指标的健康指导方案。
实施例1：本实施例可应用于常见的亚健康、慢性病管理领域，如体重管理、失眠治疗、职场减压、糖尿病管理等。具体可应用方向如下：
(1)移动健康应用程序:这项技术可以被整合到智能手机或平板电脑的应用程序中，提供日常健康管理和行为干预。
(2)个人健康顾问服务:作为个人健康和福祉的在线顾问服务，提供基于AI的个性化健康建议和心理支持。
(3)健康管理和干预项目:在医院、诊所或健康中心实施的健康管理项目，尤其适合于慢性病患者或需要长期健康管理的个体。
(4)企业员工健康计划:作为企业员工福利的一部分，帮助员工改善健康习惯，提高工作效率和生活质量。
(5)研究和教育工具:在公共卫生研究和教育领域，作为研究工具和教育材料，提高公众对健康生活方式的认识和实践能力。
具体实施步骤如图3所示：
第一步：生活方式记录
实现方式:用户通过移动应用或智能设备每天记录饮食、运动、睡眠和心理情绪。
必要特征:(1)易于使用的界面，确保用户能够方便地输入数据；(2)能快速有效地计算饮食的营养成分、运动的热量消耗。
第二步：识别不健康行为
实现方式:使用数据分析算法自动识别用户生活方式中的不健康行为或模式。
必要特征:高效的数据处理能力，能够处理和分析大量用户数据。
第三步：情绪和认知回溯
实现方式:对话式AI通过问题引导用户深入探讨不健康行为背后的情绪、认知和情景。
可选特征:AI的个性化反馈，根据用户的具体情况调整问题和建议。
第四步：正念训练
实现方式:提供正念冥想和练习，帮助用户缓解负面情绪和压力。
可选特征:包含多种正念练习，适应不同用户的偏好。
第五步：认知重塑
实现方式:通过认知行为疗法技术，引导用户识别和修改不合理的自动思维或认知。
必要特征:易于理解的指导和示例，帮助用户实际应用这些技术。
第六步：限制不健康行为触发因素
实现方式:汇总分析不健康行为的情景因素，提供定制化建议以限制这些因素。
必要特征:高度个性化的建议，针对用户的特定情况。
第七步：行为干预
实现方式:结合专业建议和练习计划，引导用户按照健康的生活方式生活。
可选特征:提供挑战和奖励机制，激励用户坚持健康习惯。
具体地，第一步：生活方式记录
支持用户通过绑定可穿戴设备、上传图片、文本输入(文字或语音)等方式记录饮食、运动、睡眠和情绪状况
1.1记录模块
1.1.1饮食记录
选择餐食类型(早餐、午餐、晚餐和零食)，填写用餐时间
记录饮食内容和分量
上传食物图片
文字或语音输入食物名称
从预设食物库中筛选
记录饮食热量及营养成分构成
AI自动计算，用户可修正
备注，如饮食环境、感受等
1.1.2运动记录
记录运动类型、时长及强度
同步可穿戴设备数据
文字或语音输入运动情况
从预设运动库中筛选
记录卡路里消耗情况
同步可穿戴设备数据
AI自动计算，用户可修正
备注，如运动环境、感受等
1.1.3睡眠记录
记录睡眠时间和质量
同步可穿戴设备数据
文字或语音输入睡眠情况
备注，如睡眠环境、睡眠障碍等
1.1.4心理情绪记录
记录情绪状态
同步可穿戴设备数据(如压力值)
文字或语音输入情绪状态
从预设情绪标签库中选择
备注，如情绪变化的原因、对生活影响等
1.2辅助模块
1.2.1数据可视化。生成可视化报告和图表，以用户更直观地了解自己的生活方式状况
分别展示饮食、运动、睡眠和情绪方面的数据趋势和变化
生活方式日报、周报、月报
1.2.2提醒功能
提供定时提醒功能，帮助用户及时进行生活方式记录，并持续性地关注自己的健康状况
饮食记录示例
AI:吃早饭了吗？
USER:一个茶叶蛋
AI:Hey，你的早餐总热量为：78kcal-茶叶蛋，约78kcal
今日剩余热量为：1283kcal
绿灯食物：茶叶蛋
黄灯食物：无
红灯食物：无
USER:[Photo](用户拍摄的餐食图片)
AI:Hey，你的午餐总热量为:500kcal-金汤酸菜鱼，约300kcal-杂粮饭，约200kcal
今日剩余热量为：783kcal
绿灯食物：无
黄灯食物：杂粮饭
红灯食物：金汤酸菜鱼
USER：晚饭是赛百味牛油果鸡肉三明治
AI：Hey，你的晚餐总热量为:380kcal-赛百味牛油果鸡肉三明治，约380kcal
今日剩余热量为：403kcal
绿灯食物：鸡肉、牛油果
黄灯食物：面包
红灯食物：无
AI:你的今日饮食日报如下：
你今天一共吃了958kcal，成功制造热量缺口403kcal Well done！
其中早餐：78kcal，约占8％(参考值20％)
午餐：500kcal，约占52％(参考值30％)
晚餐：380kcal，约占40％(参考值30％)
零食：0kcal，约占0％(参考值20％)
约26.9％热量来自绿色食物(建议值40％)
约41.8％热量来自黄色食物(建议值35％)
约31.3％热量来自红色食物(建议值25％)
第二步：负面因素识别
引导用户记录触发用户不良生活方式的不合理认知(包括自动思维、中间信念、核心信念)、负面情绪和情景
2.1行为识别
2.1.1明确规则。拟定不健康生活方式指标，并明确判定标准或数据阈值
2.1.2撞库识别。从用户记录的生方式数据中提取相关信息，与指标规则库进行匹配
2.1.3反馈明示。根据匹配结果，及时向用户提供反馈，指出可能存在的不健康行为习惯
2.2情景回溯
2.2.1结构性对话。AI通过主动提问引导用户回忆不健康行为发生时的具体场景、情绪和认知
场景回溯，举例如下：
你当时身处什么地方，有没有其他人在场或者特定的环境因素
当时的身体感受如何，有没有特定的感觉触发因素
情绪回溯，举例如下:
当时你是什么情绪？是否感到焦虑、沮丧、愤怒？
这种情绪是如影响你的行为和思维？
认知回溯，举例如下：
你当时是怎么想的，为什么想吃炸鸡
你是否认为这个习惯是必要的无可避免
2.2.2阶段性总结。根据结构性对话，总结用户存在的不合理认知、负面情绪及环境因素
2.3方案生成
根据识别到的负面因素，自动生成有针对性的干预方案，包括但不限于认知重塑、行为改变、情绪调节、环境限制以及行动支持等
干预方案具体细节将以每日任务形式出现
第三步：情绪调节干预
帮助用户学习并实践正念技巧，在日常生活培养专注、觉察当下以及应对负面情绪压力的能力
3.1触发机制
根据记录触发，当用户记录负面情绪三次以上后自动触发
根据方案触发，当用户每日任务中出现情绪调节模块
3.2学习指导
提示用户进行正念冥想练习
用户选择不同类型的正念冥想练习，如呼吸觉察、身体扫描、情绪觉察等
提供音频指导，帮助用户进行冥想练习
以对话方式解答用户与技巧相关的咨询问题
3.3进展追踪
鼓励用户在日常生活中实践正念
根据用户的正念训练实践情况，提供个性化反馈和进展追踪
第四步：认知重塑干预
帮助用户识别并挑战不合理认知，并引导找到替代性思维方式，培养积极健康的自我对待方式
3.1触发机制
根据方案触发，当用户每日任务中出现认知重塑模块
3.2预先教育
提供易于理解的指导和示例，帮助用户了解知行为疗法中的认重塑技术3.3具体路径
探索思维模式：通过提问和倾听，帮助用户识别他们对问题的看法和思维模式
挑战思维模式：使用更多的问题来挑战用户可能存在的不合理或有害的思维模式
改变思维模式：引导个体找到更健康、更积极的思维方式来替代原有的不合理或有害的思维模式
总结和反馈：在对话结束时，总结用户在对话过程中得到的洞察和理解，并给予反馈
认知重塑对话示例
AI:你能告诉我一下为什么您喜欢喝小甜水吗？
USER:嗯，我觉得很好喝，而且可以让我感到快乐和满足。
AI:那么，当你想要喝小甜水时，你有注意到自己的情绪状态或者思维方式有什么变化呢？
USER:嗯，有时候当我感到压力或者情绪低落时，我会想要喝一些甜水来安慰自己。
AI:这是一个很常见的情况。我们知道情绪和认知对我们的行为习惯有很大影响。那么，在这种情况下，你认为是否存在一种替代性思维或者行为来应对压或者低落的情绪呢
USER:或许可以尝试其他方式来缓解压力，比如做些运动、音乐或者与朋友聊天。
AI：很好的建议！通过尝试其他方式来缓解压力是一个积极健康的替代性思维方式。那么，在未来你感到压力或者低时，可以尝试这些代性行为，并观察它们对你情绪和行为产生的影响。这样逐渐养新的习惯可能会帮你减少对小甜水的依赖。
USER:是的，我明白了。我会尝试这些替代性行为，并观察它们对我的情产生的影响。
AI:非常好！记得要给自己一些时间和耐心来适应新的习惯。如果在实践过程中遇到任何困难或者需要进一步指导，请随时向我咨询。我们将一起努力帮助您养成更健康的生活方式！
第五步：行为改变干预
帮助用户设定行为改正目标，并追踪进展以及给予必要的情感支持与鼓励，助力养成健康生活方式。
5.1定制方案
引导用户设定符合SMART原则的健康目标
根据用户的健康目标、身体状况及当前的生活方式习惯，定制涵盖盖食、运动、睡眠、情绪管理等方面的行为改变方案
SMART原则要求
specific具体的:你会怎么做
measurable可衡量的:你怎么知道你在进步？
action-oriented以行动为导向:为了达到目标，你会采取什么行动？
realistic现实的:这个目标对你来说可行吗
time-based基于时间的:你什么时候开始什么时候你会回顾你的目标，看看它对你是否仍然有意义？
5.2进展跟踪
帮助用户跟踪目标的实现进展(如每天摄入特定热量、每周进行一定次数的运动、保持良好睡眠等)
过程中以对话式AI进行为用户提供指导和行动支持方案
5.3支持系统
设置挑战和奖励机制，激励用户坚持健康习惯
挑战如完成一定数量的运动或坚持不吃零食一周等，奖励是虚拟奖品积分兑换等形式
实时监测与反馈
实时监测生活方式数据，并提供及时反馈和建议。
反馈内容包括对于目标成情况的分析、行为改变进展的估以及相应调整建等
提供支与鼓励
通过对话式AI提情感支持和鼓励
AI回应用户的困惑或挫折，并提供积极正面的反馈和激励话语
持续改进与调整
根据用户反馈和数据分析结果，不断优化行为干预策略并进行调整
第六步：情景限制干预
汇总分析不健康行为的情景因素，提出针对性干预限制策略，降低不良行为触发概率。
6.1个性化方案
考虑用户的生活习惯、工作环境、社交圈子等因素，提出个性化解决方案，包括改变日程安排、调整环境设置、寻找监督伙伴等
6.2提醒督导
通过实时提醒和提示帮助用户在面对触发因素时保持警觉，并采取相应措施
定期监测用户在限制触发因素方面的实践情况，并提供相应反馈和建议
反馈内容包括对于用户在限制触因素方面的进展评价以及可能需要调整或改进的方面
第七步：行为改变干预
通过行为干预方法引导用户按照健康生活方式求进行实践。对话式AI可以提供个性化建议和实践指导，帮助制定并坚持执行符合康要求的饮食计划运动计划、睡眠计划及心理调适方法
7.1个性化方案
考虑用户的健康目标、身体状况以及目前生活方式等信息，为用户生成替代性的饮食、睡眠、运动和情绪管理方案
7.2提醒督导
通过实时提醒和提示用户按照方案进行执行
定期监测用户实践情况，并提供相应反馈和建议
7:00-9:00健康早餐
水煮蛋、葱油萝卜丝、酸奶、炒饭(蛋)
通脉功法
高举双手，四指扣住，拇指相对，打开胸腔，鼻子有节奏的用力喷气.
9:00-11:00水果加餐
建议食用水平克重:100g
11:00-13:00健康午餐
建议膳食：丝瓜炒大虾、川汁烧豆腐、海带排骨汤、黑米饭
午时小憩
睡好子午觉(15分钟左右)，胜过吃补药
13:00-15:00茶饮加餐
建议绿茶消食化痰除湿
15:00-17:00运动
爬楼梯一个来回
17:00-19:00健康晚餐
建议莲菜炒肉片、油焖春笋、菠菜汤、饺子(三鲜饺子)
21:00-23:00知行合一冥想
选择一个舒服的坐姿，你可以坐在凳子上，也可以盘坐在垫子上.进行
23:00睡眠管理
睡觉前用助眠中药方煮水泡脚，可以疏肝理气、健脾宁心安神少梦。
本领域内的技术人员应明白，本申请的实施例可提供为方法、系统、或计算机程序产品。因此，本申请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，本申请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。
本申请是参照根据本申请实施例的方法、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。
最后应当说明的是：以上实施例仅用以说明本申请的技术方案而非对其保护范围的限制，尽管参照上述实施例对本申请进行了详细的说明，所属领域的普通技术人员应当理解：本领域技术人员阅读本申请后依然可对申请的具体实施方式进行种种变更、修改或者等同替换，这些变更、修改或者等同替换，其均在其申请待批的权利要求范围之内。
Claims (10)
1.一种基于认知行为的主动健康管理系统，其特征在于，包括：
跟踪模块，用于实时收集用户的生活方式多模态数据；
识别模块，用于基于生活方式多模态数据的负面因素识别，获取负面因素的特征；
情景回溯模块，用于结合对话式AI和CBT技术，根据负面因素的特征对用户进行情绪和认知回溯分析，得到负面因素特征的关联性数据；
方案生成模块，用于根据识别到的负面因素，自动生成针对性的干预方案；
正念训练模块，用于构建认知初始模型，根据关联性数据和干预方案对初始认知模型进行模型训练，得到目标模型；
认知重塑及干预模块，用于通过目标模型向用户触发针对用户行为和生理指标的健康指导方案。
2.根据权利要求1所述的基于认知行为的主动健康管理系统，其特征在于，所述跟踪模块包括：记录子模块，用于通过绑定可穿戴设备、上传图片、文本输入方式记录饮食、运动、睡眠和情绪状况；辅助子模块，用于实现数据的可视化展示。
3.根据权利要求2所述的基于认知行为的主动健康管理系统，其特征在于，所述记录子模块包括：饮食记录单元，用于根据预先选择餐食类型，填写用餐时间、记录饮食内容和分量、记录饮食热量和营养成分构成；
运动记录单元，用于记录运动类型、时长和强度；以及路里消耗情况；
睡眠记录单元，用于记录睡眠时间和质量；
情绪记录单元，用于记录心理情绪状态。
4.根据权利要求2所述的基于认知行为的主动健康管理系统，其特征在于，所述辅助子模块包括：数据可视化单元，用于生成可化报告和图表；分别展示饮食、运动、睡眠和情绪数据趋势和变化，以及展示生活方式日报、周报、月报；
提醒单元，用于提供定时提醒功能。
5.根据权利要求1所述的基于认知行为的主动健康管理系统，其特征在于，所述识别模块包括：行为识别单元，用于制定不健康生活方式指标，并确定判定标准或者数据阈值，定义指标规则库；
匹配单元，用于从生活方式多模态数据中提取相关信息，与指标规则库进行匹配；
根据匹配结果，向用户提供反馈，指出存在的不健康行为习惯，获得负面因素的特征。
6.根据权利要求5所述的基于认知行为的主动健康管理系统，其特征在于，所述识别模块还包括：
负面因素特征识别单元，用于向用户触发不良生活方式的不合理认知消息；其中，所述用户不良生活方式的不合理认知消息包括自动思维、中间信念、核心信念。
7.根据权利要求1所述的基于认知行为的主动健康管理系统，其特征在于，所述情景回溯模块包括：
结构性对话单元，用于AI通过主动提问引导用户回忆不健康行为发生时的具体场景、情绪和认知；
阶段性总结单元，用于根据AI与用户之间的结构性对话，总结用户存在的不合理认知、负面情绪及环境因素；
AI个性化反馈单元，用于根据用户的具体情况调整问题和建议。
8.根据权利要求1所述的基于认知行为的主动健康管理系统，其特征在于，所述干预方案包括认知重塑、行为改变、情绪调节、环境限制以及行动支持。
9.根据权利要求1所述的基于认知行为的主动健康管理系统，其特征在于，所述正念训练模块包括：
将用户端进行识别到的负面因素以及生成的针对性干预方案作为训练数据，并将不同类型的负面因素的类型进行划分，获得训练数据的分类；
将所述训练数据及其分类结果作为深度学习模型的输入样本，并定义超参数集合；
定义包含LASSO惩罚项的代价函数,利用迭代法更新所述包含LASSO惩罚项的代价函数中的逻辑回归参数矩阵θ；
在指数坐标系下按比例取值，选取所述超参数集合中误差率偏差小于阈值的最大超参数所生成的深度学习模型作为最优模型；
将该最优模型的逻辑回归参数矩阵θ行向量绝对值之和的最大值作为认知行为健康的稳定特征。
10.一种基于认知行为的主动健康管理方法，其特征在于，所述方法包括：
实时收集用户的生活方式多模态数据；
基于生活方式多模态数据的负面因素识别，获取负面因素的特征；
结合对话式AI和CBT技术，根据负面因素的特征对用户进行情绪和认知回溯分析，得到负面因素特征的关联性数据；
根据识别到的负面因素，自动生成针对性的干预方案；
构建认知初始模型，根据关联性数据和干预方案对初始认知模型进行模型训练，得到目标模型；
通过目标模型向用户触发针对用户行为和生理指标的健康指导方案。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311810372.6A CN117995396A (zh) | 2023-12-26 | 2023-12-26 | 一种基于认知行为的主动健康管理系统及方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311810372.6A CN117995396A (zh) | 2023-12-26 | 2023-12-26 | 一种基于认知行为的主动健康管理系统及方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN117995396A true CN117995396A (zh) | 2024-05-07 |
Family
ID=90896594
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202311810372.6A Pending CN117995396A (zh) | 2023-12-26 | 2023-12-26 | 一种基于认知行为的主动健康管理系统及方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN117995396A (zh) |
-
2023
- 2023-12-26 CN CN202311810372.6A patent/CN117995396A/zh active Pending
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US11990233B2 (en) | Personalized avatar responsive to user physical state and context | |
| Solbrig et al. | People trying to lose weight dislike calorie counting apps and want motivational support to help them achieve their goals | |
| Sheldon et al. | Self-determination theory in the clinic: Motivating physical and mental health | |
| US20030059750A1 (en) | Automated and intelligent networked-based psychological services | |
| Chen et al. | Implications of wearables, fitness tracking services, and quantified self on healthcare | |
| WO2020069500A1 (en) | Smart health expert and manager | |
| Vlahu-Gjorgievska et al. | mHealth applications: A tool for behaviour change in weight management | |
| Knoblock-Hahn et al. | Perceptions of adolescents with overweight and obesity for the development of user-centered design self-management tools within the context of the chronic care model: a qualitative study | |
| CN117995396A (zh) | 一种基于认知行为的主动健康管理系统及方法 | |
| Archer | Managing anxiety and stress | |
| Brouwer | Motivation for sustaining health behavior change: The self-as-doer identity | |
| US11783723B1 (en) | Method and system for music and dance recommendations | |
| Blow | A pilot study examining the impact of a brief health education intervention on food choices and exercise in a Hispanic college student sample. | |
| Ortalda Cena | GoodLife: the development of an ecosystem to support healthy lifestyles | |
| Noonan | Helping others with depression: words to say, things to do | |
| Noonan | Managing Your Depression: What You Can Do to Feel Better | |
| Noonan | When someone you know has depression: Words to say and things to do | |
| Fisher | Weighing In: Overweight, Working Women’s Descriptions of Body Weight and Weight Management | |
| Naydenova Todorova | The role of mobile application in adolescent development. Existing methods and good practices for creating mobile health applications | |
| Naumilkat | User interface design for breathing wearable | |
| Naydenova | The role of mobile application in adolsenscent development. Existing methods and good practices for creating mobile health applications | |
| Larradet | Innovating control and emotional expressive modalities of user interfaces for people with locked-in syndrome. | |
| Lu et al. | Identification and detailing of personalization strategies and degrees of personalization for all Subsystems | |
| Diaz Ramirez | INTERACTION DESIGN FOR BEHAVIORAL CHANGING FOCUS ON OVERWEIGHT TREATMENT OF YOUNG ADULTS IN COLOMBIA | |
| Ndou | Representation of Weight Loss in Stories in the South African Women’s Health Magazine |
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 |