阅读说明：本技术 一种基于人工智能技术对糖尿病人进行饮食结构推荐的方法 (Method for recommending dietary structure of diabetic patient based on artificial intelligence technology ) 是由 李锐 张晖 姜凯 于 2021-08-20 设计创作，主要内容包括：本发明提供了一种基于人工智能技术对糖尿病人进行饮食结构推荐的方法。这项技术需要将大量医院以及网络上可靠的数据进行收集处理搭建数据库,并将数据库存入云端。在对用户进行饮食推荐时,需要依赖物联网技术从各个终端获取用户的数据。在获取数据后,依靠人工智能模型对获取的数据进行整理和转化。根据整理和转化的数据,从数据库中找出类似的病例,用这些病例搭建机器学习和深度学习模型。根据模型和最优化理论得出最优的饮食推荐,并通过终端反馈给用户。(The invention provides a method for recommending a diet structure of a diabetic patient based on an artificial intelligence technology. The technology needs to collect and process reliable data of a large number of hospitals and networks to build a database, and the database is stored in the cloud. When a user is recommended to eat, the data of the user needs to be acquired from each terminal by means of the technology of the internet of things. After the data are acquired, the acquired data are sorted and converted by means of an artificial intelligence model. And finding similar cases from the database according to the sorted and converted data, and constructing machine learning and deep learning models by using the cases. And obtaining the optimal diet recommendation according to the model and the optimization theory, and feeding back to the user through a terminal.)

一种基于人工智能技术对糖尿病人进行饮食结构推荐的方法

技术领域

本发明涉及一种基于人工智能技术对糖尿病人进行饮食结构推荐的方法，属于人工智能、物联网技术领域。

背景技术

在大数据背景下，人工智能有着广阔的应用前景，机器学习和深度学习作为人工智能框架下的主要技术手段，有着巨大的应用潜力。机器学习和深度学习依赖计算机的强大计算能力，依靠模型对现有的大量数据进行学习，从而使得模型有强大的决策和分析能力。并且，物联网技术为数据的获取与传递提供了更便利的途径。目前，很多领域与人工智能和物联网技术的结合依然有限。缺少一种利用物联网收集数据，并用其搭建人工智能模型，智能技术对糖尿病人进行饮食推荐的方法。

发明内容

本发明目的是提供了一种基于人工智能技术对糖尿病人进行饮食结构推荐的方法，根据模型和最优化理论得出最优的饮食推荐，并通过终端反馈给用户。

本发明为实现上述目的，通过以下技术方案实现：

一种基于人工智能技术对糖尿病人进行饮食结构推荐的方法，包括以下步骤：

步骤1：从医院以及可信的网站上收集大量糖尿病患者的饮食以及各项身体特征的数据搭建数据库；

步骤2：在用户在此应用上注册时，为此用户建立独立的档案，档案包括各项身体数据；

步骤3：利用物联网技术从终端设备收集用户实时身体数据，根据用户从手机录入的身体数据和从物联网各设备中录入的数据完善步骤2中建立的档案；

步骤4：利用机器学习和深度学习内容将步骤2收集的实时身体数据进行转化，在建测用户是否有异常状态时，用数据库中的数据搭建logistic regression、LDA、QDA、Naive Bayes、SVM、Random Forest、Neural Network分类模型，在为这些模型寻找参数时，使用交叉验证的方法，保证各个模型有最优的预测效果；

步骤5：根据步骤4从数据库中寻找与用户身体数据类似的病例。

步骤6：运用步骤5找出的数据，搭建机器学习、深度学习和最优化模型，将多个模型的结果归纳出成给用户推荐的饮食结构。

优选的，所述数据库构建过程如下：

各医院主要记录了病人每天饭前和饭后的血糖值，构建血糖变化指数来表示病人在住院期间的血糖变化情况，对于每个时段，用最后一个血糖值减去第一个血糖值并除以两个血糖值测量时间相差的天数，可得到6个血糖差值，再将6个血糖差值加权平均，权数是每个血糖差值对应的相差天数，设a₁,...,a⁶为计算的得到的血糖差值，分别对应的是早中晚饭前饭后六个时段，d₁,...,d₆分别对应个时段做差值所用天数，则血糖变化指数C为

C越小说明血糖下降越明显，在数据库中，一个变化指数C对应着一组身体各项数据和食谱。

优选的，所述步骤3中终端设备包括但不限于手机，还包括连入物联网的体重秤、跑步机。

优选的，所述步骤6中归纳出用户推荐饮食结构具体过程为：把血糖变化量当做因变量，把各种食物摄入量当做自变量，搭建决策树模型，在决策树模型中找出血糖下降最为明显的叶节点，再从此叶节点病例的饮食情况中归纳出最佳的饮食状况。

优选的，所述步骤6中归纳出用户推荐饮食结构具体过程为：搭建目标函数C＝Q(V,W)， C是血糖变化指数，V是各类食物摄入量，W是身体各项身体数据，Q的搭建可以是各种深度学习和机器学习模型，然后用梯度下降等最优化方法寻找C最小时对应的V，这个V是最大血糖下降所对用的各类食物摄入量。

本发明的优点在于：本发明从物联网内各个终端收取用户各项身体数据，然后运用收集到的数据与用户的身体数据进行匹配，找出与用户身体数据相似的数据，用找出的数据建立人工智能个最优化模型，根据模型结果归纳出给用户的推荐食谱。

附图说明

附图用来提供对本发明的进一步理解，并且构成说明书的一部分，与本发明的实施例一起用于解释本发明，并不构成对本发明的限制。

图1为本发明实施例1的主视结构示意图。

具体实施方式

下面将结合本发明实施例中的附图，对本发明实施例中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他实施例，都属于本发明保护的范围。

一种基于人工智能技术对糖尿病人进行饮食结构推荐的应用。具体内容与步骤如下：

步骤1：从医院以及可信的网站上收集大量糖尿病患者的饮食以及各项身体特征的数据搭建数据库。从目前可用的数据来看，各医院主要记录了病人每天饭前和饭后的血糖值(共六次)，但是并不是每天每次的血糖值都有被记录，并且我们更关注的是病人的血糖在住院期间的变化量，因此构建血糖变化指数来表示病人在住院期间的血糖变化情况。对于每个时段，用最后一个血糖值减去第一个血糖值并除以两个血糖值测量时间相差的天数，可得到6 个血糖差值，再将6个血糖差值加权平均，权数是每个血糖差值对应的相差天数。

步骤2：在用户在此应用上注册时，为此用户建立独立的档案，档案包括各项身体数据；

步骤3：利用物联网技术从终端设备收集用户实时身体数据，根据用户从手机录入的身体数据和从物联网各设备中录入的数据完善步骤2中建立的档案；

步骤4：利用机器学习和深度学习内容将步骤2收集的实时身体数据进行转化，在建测用户是否有异常状态时，用数据库中的数据搭建logistic regression、LDA、QDA、Naive Bayes、SVM、Random Forest、Neural Network分类模型，在为这些模型寻找参数时，使用交叉验证的方法，保证各个模型有最优的预测效果；

步骤5：根据步骤4从数据库中寻找与用户身体数据类似的病例。

步骤6：运用步骤5找出的数据，搭建机器学习、深度学习和最优化模型，将多个模型的结果归纳出成给用户推荐的饮食结构。