[发明专利]基于深度学习的糖尿病饮食方案自适应生成系统

说明书

本发明公开了一种基于深度学习的糖尿病饮食方案自适应生成系统，包括：收集与存储模块，配置为收集和制作患者总热量动态变化的数据，根据基础代谢量、职业性消耗量、运动消耗量、饮食补充量、以及腰臀比和空腹血糖均值的差值，构建生成热量补充计划的个性化数据集；计算模块，将个性化数据集导入改进型的线性回归模型并进行数据训练，得出数据集中各数据相应的最优权重；评估与反馈模块，根据计算模块的最优权重以及偏差值，通过设立双梯度目标，自动推算出饮食热量补充值，生成个性化的饮食方案并适时反馈优化。本发明构建出患者总热量变化的个性化数据集，并将深度学习方法引入患者饮食方案的制定中，为糖尿病患者提供更精准、科学的饮食指导。

技术领域

本发明实施例涉及医疗健康技术领域，尤其涉及一种基于深度学习的糖尿病饮食方案自适应生成系统。

背景技术

糖尿病是一种发病率较高的慢性代谢性疾病，对患者生活方式(饮食、运动等)的干预质量直接影响病情发展及康复效果，传统的“管住嘴、迈开腿”便是形象的表述。目前糖尿病患者的饮食管理主要基于日常热量消耗而进行，具体说来就是根据患者体重与标准体重比对、体力活动情况等指标简单估算其热量消耗，提出模糊均一化的饮食方案。实际上，这种管理方法显得很粗放，既缺乏针对患者个性化病情变化的精准饮食指导，更缺乏动态的热量消耗评估以及相应的信息化自动调节技术手段。

患者日常饮食管理的目的在于缓解糖尿病病情，减少相关并发症的损害，这一繁杂、琐碎的康复工作有赖于精准的饮食指导。近年来糖尿病的临床研究，强调腰臀比和血糖这两个因素在整个病程管理中的靶向性意义，但这在饮食康复中没有得到充分体现。目前通行的饮食指导方案，既忽略了患者自身生理特征(如内脏脂肪含量、肌肉含量等指标)的改善，也与血糖值的控制目标缺乏直接关联，同时也欠缺能反映饮食干预效果的精准化评估、反馈及调整手段，致使糖尿病患者饮食康复效果的提高一直受限。这其中很重要的原因就在于行之有效的、能针对具体患者实现快速响应的信息技术处理手段方面的创新不足。

目前糖尿病饮食指导方案的制定，通行做法大多遵循下列步骤展开，具体如下：

(1)简单估算理想体重：标准体重(kg)＝身高(cm)－105。低于标准体重20％为消瘦；超过标准体重20％为肥胖；标准体重±10％为理想体重。

(2)计算每日所需总热量：根据标准体重和参与体力劳动的情况计算出每日需要从食物中摄入的总热量。每天需要的热量＝标准体重×每千克体重所需热量，如身高167cm，体重75kg，中度体力劳动，则标准体重为167－105＝62(kg)，实际体重超过标准体重20％，属肥胖；每日所需热量为62×30＝1860kcal(表1)。