本發(fā)明涉及健康管理，具體涉及個(gè)性化減肥前認(rèn)知行為智能評(píng)估方法及系統(tǒng)。

背景技術(shù)：

1、肥胖是目前普遍困擾世界各國的公共健康問題。肥胖癥目前是導(dǎo)致死亡的第五大危險(xiǎn)因素，它可能導(dǎo)致糖尿病，心血管疾病和某些類型的癌癥的發(fā)病率上升。在當(dāng)代社會(huì)，各種食物廣告和高熱量快餐食物充斥著我們的生活，導(dǎo)致營養(yǎng)過剩，形成肥胖。健康有效減肥成為大家關(guān)注的問題。

2、個(gè)體的進(jìn)食行為和認(rèn)知行為缺陷對(duì)減肥有著重要的影響。對(duì)高熱量食物的獎(jiǎng)勵(lì)感受增強(qiáng)，傾向選擇高能量食物，增加能量攝入，阻礙減肥進(jìn)程；缺乏對(duì)進(jìn)食行為的自我控制，難以抵御食物誘惑，導(dǎo)致攝入過量，影響減肥計(jì)劃的執(zhí)行；情緒波動(dòng)引發(fā)的進(jìn)食行為，缺乏有效的情緒調(diào)節(jié)策略，可能導(dǎo)致情緒性進(jìn)食，影響減肥計(jì)劃的執(zhí)行；缺乏堅(jiān)定的減肥目標(biāo)和動(dòng)機(jī)，可能導(dǎo)致減肥計(jì)劃執(zhí)行不力，影響減肥效果。

3、個(gè)體的進(jìn)食行為和認(rèn)知行為缺陷對(duì)減肥的影響主要體現(xiàn)在攝入控制、能量平衡、減肥計(jì)劃執(zhí)行等方面。因此，在制定個(gè)性化減肥方案時(shí)，需要綜合考慮個(gè)體的進(jìn)食行為特點(diǎn)和認(rèn)知行為缺陷，確定個(gè)體肥胖亞型，從而針對(duì)性地制定有效的干預(yù)措施，以提高減肥效果和成功率。

4、公布號(hào)為cn114781996a的現(xiàn)有發(fā)明專利申請(qǐng)文獻(xiàn)《一種基于大數(shù)據(jù)的大健康智能管理系統(tǒng)及方法》，該現(xiàn)有方法包括：獲取用戶攜帶的智能設(shè)備的歷史數(shù)據(jù)并建立用戶數(shù)據(jù)庫，智能管理系統(tǒng)設(shè)置監(jiān)測(cè)周期；分析用戶數(shù)據(jù)庫中不同行為特征數(shù)據(jù)在監(jiān)測(cè)周期的整體趨勢(shì)指數(shù)；再分析用戶自身數(shù)據(jù)的健康趨勢(shì)指數(shù)，并將用戶自身數(shù)據(jù)的健康趨勢(shì)指數(shù)與所有用戶的整體趨勢(shì)指數(shù)進(jìn)行比較；在對(duì)用戶特征數(shù)據(jù)之間的相關(guān)性進(jìn)行校驗(yàn)時(shí)，對(duì)構(gòu)成特征數(shù)據(jù)的所有關(guān)聯(lián)之間均存在相關(guān)性的用戶以監(jiān)測(cè)周期為時(shí)長(zhǎng)的提醒，并在用戶滿足特征數(shù)據(jù)之間的相關(guān)性后再一次進(jìn)行是否滿足整體趨勢(shì)指數(shù)的判斷；當(dāng)用戶既滿足相關(guān)性又滿足整體趨勢(shì)指數(shù)時(shí)，將監(jiān)測(cè)時(shí)長(zhǎng)由第一時(shí)長(zhǎng)切換為第二時(shí)長(zhǎng)，否則將持續(xù)以第一時(shí)長(zhǎng)監(jiān)測(cè)。該現(xiàn)有方案基于步數(shù)、就餐專注度等特征數(shù)據(jù)，區(qū)別于本專利的特征數(shù)據(jù)，即進(jìn)食行為及認(rèn)知特征。

5、公布號(hào)為cn114730630a的現(xiàn)有發(fā)明專利申請(qǐng)文獻(xiàn)《用于預(yù)測(cè)療法采用的系統(tǒng)和方法》，該現(xiàn)有系統(tǒng)包括：數(shù)據(jù)儲(chǔ)存庫、存儲(chǔ)指令的存儲(chǔ)器、和執(zhí)行指令的控制系統(tǒng)。數(shù)據(jù)儲(chǔ)存庫通信地耦合到網(wǎng)絡(luò)，并且包括存儲(chǔ)數(shù)據(jù)的多個(gè)存儲(chǔ)設(shè)備?？刂葡到y(tǒng)接收存儲(chǔ)在數(shù)據(jù)儲(chǔ)存庫中的數(shù)據(jù)的至少一部分。數(shù)據(jù)的至少一部分與個(gè)體相關(guān)聯(lián)?？刂葡到y(tǒng)使用機(jī)器學(xué)習(xí)采用預(yù)測(cè)算法來處理所接收的數(shù)據(jù)的至少一部分，以確定個(gè)體將采用規(guī)定的治療計(jì)劃的可能性。至少部分地基于(i)規(guī)定的治療計(jì)劃和(ii)確定的個(gè)體將采用規(guī)定的治療計(jì)劃的可能性，控制系統(tǒng)生成針對(duì)個(gè)體的個(gè)性化的治療采用計(jì)劃。該現(xiàn)有方案的機(jī)器學(xué)習(xí)的輸入內(nèi)容是存儲(chǔ)在數(shù)據(jù)儲(chǔ)存庫中的數(shù)據(jù)，包括社交媒體、電子保健記錄及可穿戴技術(shù)數(shù)據(jù)；同時(shí)，該現(xiàn)有方案的機(jī)器學(xué)習(xí)的目的是確定規(guī)定治療計(jì)劃或非規(guī)定治療計(jì)劃；該現(xiàn)有方案的適用對(duì)象與睡眠障礙相關(guān)，無法直接用于輔助肥胖者進(jìn)行個(gè)性化認(rèn)知行為智能評(píng)估。

6、公布號(hào)為cn115376684a的現(xiàn)有發(fā)明專利申請(qǐng)文獻(xiàn)《一種健康實(shí)時(shí)管理app的健康管理平臺(tái)》，該現(xiàn)有方案中的管理平臺(tái)包括：體重模塊，運(yùn)動(dòng)模塊，飲食模塊，早睡模塊，直播模塊，智能客服模塊，定制減脂方案模塊；其中的體重模塊通過與體脂稱進(jìn)行無線傳輸，實(shí)時(shí)獲取體脂稱中的體脂值；的運(yùn)動(dòng)模塊獲取運(yùn)動(dòng)信息并進(jìn)行運(yùn)動(dòng)信息的匯總與分析；的飲食模塊獲取用戶的日常飲食信息并進(jìn)行飲食狀況評(píng)估，同時(shí)向用戶推薦減肥食譜；的早睡模塊進(jìn)行睡眠時(shí)間記錄與睡眠調(diào)整；的直播模塊建立了基于健康知識(shí)直播互動(dòng)平臺(tái)；的智能客服模塊建立了智能客服機(jī)器人優(yōu)化算法；的定制減脂方案模塊，通過獲取用戶個(gè)人參數(shù)指定針對(duì)性減脂方案?，F(xiàn)有技術(shù)側(cè)重于體重、運(yùn)動(dòng)、飲食狀況和睡眠等方面，該現(xiàn)有方案關(guān)注體重(bmi)、進(jìn)食行為特征、認(rèn)知特征等特征，以刻畫個(gè)體的肥胖情況。該現(xiàn)有文獻(xiàn)中的個(gè)性化減脂方案生成方式主要基于體管規(guī)劃師、營養(yǎng)顧問、運(yùn)動(dòng)顧問、心理咨詢顧問及服務(wù)管家，未進(jìn)一步實(shí)現(xiàn)個(gè)體肥胖亞型標(biāo)簽的剖面分析，也未利用機(jī)器學(xué)習(xí)建立肥胖亞型模型，提供的減脂方案?jìng)€(gè)性化受有制約。同時(shí)，該現(xiàn)有文獻(xiàn)中披露的方案偏重實(shí)現(xiàn)客服智能，無法保證提供的減脂方案貼合實(shí)際。

7、現(xiàn)有公開文獻(xiàn)《大學(xué)生減肥信息行為研究》，該現(xiàn)有方案中，大學(xué)生減肥信息的需求與動(dòng)機(jī)主要分為三部分，即生理因素、心理因素和外在因素，該現(xiàn)有文獻(xiàn)強(qiáng)調(diào)了心理因素對(duì)減肥的重要性。然而，該現(xiàn)有文獻(xiàn)側(cè)重分析大學(xué)生減肥動(dòng)機(jī)、減肥信息獲取途徑、減肥信息評(píng)價(jià)與利用等方面，以協(xié)助優(yōu)化高校減肥服務(wù)。然而，該現(xiàn)有技術(shù)難以通過剖面分析，建立肥胖亞型標(biāo)簽，并利用機(jī)器學(xué)習(xí)，建立肥胖亞型模型，實(shí)現(xiàn)個(gè)性化認(rèn)知行為智能評(píng)估。

8、現(xiàn)有公開文獻(xiàn)《促進(jìn)青少年運(yùn)動(dòng)減肥的勸導(dǎo)式設(shè)計(jì)策略研究》，在該現(xiàn)有文獻(xiàn)中，要通過定量、定性和數(shù)據(jù)分析的研究方法，通過實(shí)地調(diào)研，獲取了目標(biāo)用戶的第一手?jǐn)?shù)據(jù)。通過分類整理得到了目標(biāo)群體的“正面-負(fù)面”行為動(dòng)因和“活性-惰性”等行為動(dòng)因，重要的是利用這些分類獲取了目標(biāo)用戶的潛在的需求。同時(shí)還運(yùn)用kano模型對(duì)于問卷進(jìn)行了分析，分析結(jié)果可以為app的設(shè)計(jì)實(shí)踐做好準(zhǔn)備。該現(xiàn)有文獻(xiàn)中的app也設(shè)計(jì)了勛章獎(jiǎng)勵(lì)模式，用戶完成的行為越多，所解鎖的勛章數(shù)量也就越多，多樣化的勛章設(shè)計(jì)和等級(jí)制度給用戶帶來了持續(xù)的刺激。該文獻(xiàn)的特征數(shù)據(jù)為運(yùn)動(dòng)數(shù)據(jù)，旨在勸導(dǎo)青少年運(yùn)動(dòng)，無法用于實(shí)現(xiàn)個(gè)性化認(rèn)知行為智能評(píng)估。

9、綜上，現(xiàn)有技術(shù)存在特征分析、方案生成和智能評(píng)估方面不足的技術(shù)問題。

技術(shù)實(shí)現(xiàn)思路

1、本發(fā)明所要解決的技術(shù)問題在于：如何解決現(xiàn)有技術(shù)中特征分析、方案生成和智能評(píng)估方面不足的技術(shù)問題。

2、本發(fā)明是采用以下技術(shù)方案解決上述技術(shù)問題的：個(gè)性化減肥前認(rèn)知行為智能評(píng)估方法包括：

3、s1、采集用戶身高體重?cái)?shù)據(jù)，通過劃分用戶身高體重?cái)?shù)據(jù)，確定目標(biāo)用戶，對(duì)目標(biāo)用戶進(jìn)行評(píng)估操作，以得到評(píng)估信息，根據(jù)評(píng)估信息建立目標(biāo)用戶信息數(shù)據(jù)庫；

4、s2、對(duì)進(jìn)食認(rèn)知缺陷信息、進(jìn)食認(rèn)知缺陷信息進(jìn)行潛在剖面分析，以識(shí)別目標(biāo)用戶的肥胖亞型；

5、s3、計(jì)算評(píng)估信息的平均值，將平均值輸入預(yù)置隨機(jī)森林模型，進(jìn)行模型訓(xùn)練操作，以構(gòu)建肥胖亞型評(píng)估模型；

6、s4、利用肥胖亞型評(píng)估模型，確認(rèn)新目標(biāo)用戶的肥胖亞型。

7、本發(fā)明特征會(huì)進(jìn)一步影響步數(shù)、就餐專注度，另外還影響減肥目標(biāo)與動(dòng)機(jī)等。

8、本發(fā)明以進(jìn)食行為和認(rèn)知特征為輸入，通過剖面分析獲得個(gè)體肥胖亞型標(biāo)簽，在利用機(jī)器學(xué)習(xí)，建立肥胖亞型模型，以輔助確認(rèn)獨(dú)立個(gè)體的肥胖亞型，從而提供更精準(zhǔn)的個(gè)性化減脂方案。

9、本發(fā)明的個(gè)性化減脂方案生成方式更為先進(jìn)和智能化。本發(fā)明用于智能化地確定個(gè)體的肥胖亞型，是個(gè)性化認(rèn)知行為智能評(píng)估，為個(gè)體提供更智能化、更貼近實(shí)際需求的減脂方案。

10、在更具體的技術(shù)方案中，s1中，目標(biāo)用戶信息數(shù)據(jù)庫包括：主要進(jìn)食行為信息、進(jìn)食認(rèn)知缺陷信息。

11、在更具體的技術(shù)方案中，步驟s1包括：

12、s11、采集用戶的身高體重，以計(jì)算出bmi參數(shù)，以對(duì)用戶進(jìn)行劃分操作，確定目標(biāo)用戶；

13、s12、對(duì)目標(biāo)用戶進(jìn)行進(jìn)食行為評(píng)估，獲取目標(biāo)用戶的主要進(jìn)食行為信息；

14、s13、對(duì)目標(biāo)用戶進(jìn)行認(rèn)知模塊評(píng)估，獲得目標(biāo)用戶的進(jìn)食認(rèn)知缺陷信息。

15、在更具體的技術(shù)方案中，s13中，進(jìn)食認(rèn)知缺陷信息包括：控制能力、食物獎(jiǎng)勵(lì)、減肥動(dòng)機(jī)以及情緒處理能力。

16、在更具體的技術(shù)方案中，s2包括：

17、s21、利用評(píng)估信息，構(gòu)造多維數(shù)據(jù)變量空間；

18、s22、進(jìn)行潛在剖面分析，以在多維數(shù)據(jù)變量空間中，尋獲肥胖亞型，獲取潛在剖面分析結(jié)果；

19、s23、根據(jù)肥胖亞型、潛在剖面分析結(jié)果，建立數(shù)據(jù)標(biāo)簽。

20、本專利則是基于量表問答式的進(jìn)食行為及認(rèn)知特征；本專利則是建立個(gè)體肥胖亞型模型，后期輔助確認(rèn)個(gè)體肥胖亞型。

21、在更具體的技術(shù)方案中，s22中，在r中使用mclust包進(jìn)行潛在剖面分析。

22、在更具體的技術(shù)方案中，s22還包括：

23、s221、基于層次聚類對(duì)模型進(jìn)行初始化；

24、s222、使用期望最大化算法對(duì)變量分布分配后驗(yàn)概率來擬合模型；

25、具體地，期望最大化算法中期望步驟中使用的具體公式涉及計(jì)算每個(gè)觀測(cè)屬于每個(gè)潛在類別的后驗(yàn)概率。通常使用貝葉斯定理進(jìn)行計(jì)算，其中觀測(cè)i屬于潛在類別k的后驗(yàn)概率計(jì)算如下：

26、[p(z_{ik}＝1|mathbf{x}_i)＝frac{pi_kphi(mathbf{x}_i|boldsymbol{mu}_k,boldsymbol{sigma}k)}{sum{j＝1}^{k}pi_jphi(mathbf{x}_i|boldsymbol{mu}_j,boldsymbol{sigma}_j)}]

27、其中：

28、(z_{ik})是指示變量，表示觀測(cè)i是否屬于潛在類別k。

29、(mathbf{x}_i)表示觀測(cè)i的觀測(cè)數(shù)據(jù)。

30、(pi_k)是潛在類別k的先驗(yàn)概率。

31、(phi(cdot))表示多元正態(tài)密度函數(shù)。

32、(boldsymbol{mu}_k)和(boldsymbol{sigma}_k)是潛在類別k的均值向量和協(xié)方差矩陣。

33、最大化步驟：算法通過最大化數(shù)據(jù)的似然性來更新參數(shù)估計(jì)，考慮到當(dāng)前觀測(cè)分配給潛在類別的情況。

34、s223、根據(jù)對(duì)數(shù)似然、數(shù)據(jù)維數(shù)和模型中混合成分的數(shù)量，計(jì)算每個(gè)參數(shù)化模型的貝葉斯信息準(zhǔn)則bic；

35、根據(jù)以下bic的公式，計(jì)算每個(gè)參數(shù)化模型的bic值：

36、[bic＝-2timestext{對(duì)數(shù)似然函數(shù)值}+ptimeslog(n)]

37、其中：

38、對(duì)數(shù)似然函數(shù)值是在給定模型下觀測(cè)數(shù)據(jù)的對(duì)數(shù)似然函數(shù)值。

39、p 是模型中的參數(shù)數(shù)量。

40、n 是觀測(cè)數(shù)據(jù)的樣本量。

41、s224、選取貝葉斯信息準(zhǔn)則bic最低，且bic差值為非負(fù)的模型。

42、在更具體的技術(shù)方案中，s3的隨機(jī)森林算法，在r中使用randomforest包進(jìn)行數(shù)據(jù)處理，通過5折交叉驗(yàn)證，構(gòu)建肥胖亞型評(píng)估模型；其中，通過5折交叉驗(yàn)證，得到肥胖亞型評(píng)估模型。

43、具體地，5折交叉驗(yàn)證操作包括：

44、數(shù)據(jù)集分割：將原始數(shù)據(jù)集隨機(jī)分成5個(gè)大致相等的部分，通常稱為折(folds)。

45、訓(xùn)練和驗(yàn)證：每次迭代時(shí)，選擇其中4個(gè)折作為訓(xùn)練集，剩下的1個(gè)折作為驗(yàn)證集。模型在訓(xùn)練集上訓(xùn)練，然后在驗(yàn)證集上進(jìn)行評(píng)估。

46、重復(fù)：重復(fù)上述過程5次，每次選擇不同的驗(yàn)證集。這樣每個(gè)折都會(huì)作為驗(yàn)證集，每個(gè)樣本也會(huì)被用于驗(yàn)證一次。

47、評(píng)估指標(biāo)：將5次驗(yàn)證結(jié)果進(jìn)行平均，作為模型的性能評(píng)估指標(biāo)。

48、在更具體的技術(shù)方案中，步驟s4還包括：

49、s41、采集獲取新目標(biāo)用戶身高體重，以計(jì)算出新目標(biāo)用戶bmi參數(shù)，以對(duì)新目標(biāo)用戶進(jìn)行劃分操作；

50、s42、對(duì)新目標(biāo)用戶進(jìn)行進(jìn)食行為評(píng)估及認(rèn)知模塊評(píng)估，獲取新目標(biāo)用戶的主要進(jìn)食行為信息及進(jìn)食認(rèn)知缺陷信息，求取新目標(biāo)用戶信息平均值；

51、s43、輸入新目標(biāo)用戶信息平均值至肥胖亞型評(píng)估模型，以確認(rèn)新目標(biāo)用戶的肥胖亞型。

52、在更具體的技術(shù)方案中，個(gè)性化減肥前認(rèn)知行為智能評(píng)估系統(tǒng)包括：

53、目標(biāo)用戶數(shù)據(jù)庫構(gòu)建模塊，用以采集用戶身高體重?cái)?shù)據(jù)，通過劃分用戶身高體重?cái)?shù)據(jù)，確定目標(biāo)用戶，對(duì)目標(biāo)用戶進(jìn)行評(píng)估操作，以得到評(píng)估信息，根據(jù)評(píng)估信息建立目標(biāo)用戶信息數(shù)據(jù)庫；

54、潛在剖面分析模塊，對(duì)進(jìn)食認(rèn)知缺陷信息、進(jìn)食認(rèn)知缺陷信息進(jìn)行潛在剖面分析，以識(shí)別目標(biāo)用戶的肥胖亞型，潛在剖面分析模塊與目標(biāo)用戶數(shù)據(jù)庫構(gòu)建模塊連接；

55、肥胖亞型評(píng)估模型構(gòu)建模塊，用以計(jì)算評(píng)估信息的平均值，將平均值輸入預(yù)置隨機(jī)森林模型，進(jìn)行模型訓(xùn)練操作，以構(gòu)建肥胖亞型評(píng)估模型，肥胖亞型評(píng)估模型構(gòu)建模塊與潛在剖面分析模塊連接；

56、新用戶肥胖亞型獲取求取模塊，用以利用肥胖亞型評(píng)估模型，確認(rèn)新目標(biāo)用戶的肥胖亞型，新用戶肥胖亞型獲取求取模塊與肥胖亞型評(píng)估模型構(gòu)建模塊連接。

57、本發(fā)明相比現(xiàn)有技術(shù)具有以下優(yōu)點(diǎn)：

58、本發(fā)明將進(jìn)食原因和多模塊認(rèn)知功能缺陷評(píng)估相結(jié)合，形成個(gè)性化的肥胖評(píng)估報(bào)告，指導(dǎo)目標(biāo)用戶進(jìn)行個(gè)性化健康有效減肥。

59、本發(fā)明解決了現(xiàn)有技術(shù)中存在的特征分析、方案生成和智能評(píng)估方面不足的技術(shù)問題。

相關(guān)知識(shí)

健康風(fēng)險(xiǎn)評(píng)估系統(tǒng)對(duì)慢性疾病早期預(yù)警的研究
華怡心辰心醫(yī)通｜區(qū)別傳統(tǒng)心理測(cè)評(píng)的醫(yī)院智能心理健康測(cè)評(píng)系統(tǒng)
健康風(fēng)險(xiǎn)評(píng)估系統(tǒng)有哪些？全球6大健康風(fēng)險(xiǎn)評(píng)估系統(tǒng)是健康管理工具！
孕產(chǎn)婦身心健康管理系統(tǒng) 孕期心理評(píng)估系統(tǒng) 孕期身心健康測(cè)驗(yàn)系統(tǒng) ?孕產(chǎn)婦焦慮抑郁篩查系統(tǒng)
老年人能力綜合評(píng)估系統(tǒng)：社區(qū)與門診健康管理的新工具
孕期女性體育健康促進(jìn)評(píng)定系統(tǒng)的制作方法
智慧醫(yī)療，健康守護(hù)——人工智能智慧醫(yī)療健康管理系統(tǒng)
什么是健康風(fēng)險(xiǎn)評(píng)估系統(tǒng)？可以預(yù)警早期健康風(fēng)險(xiǎn)嗎？
多點(diǎn)觸發(fā)智慧化監(jiān)測(cè)預(yù)警系統(tǒng)“大有可為”—新聞—科學(xué)網(wǎng)
華為發(fā)布運(yùn)動(dòng)健康感知系統(tǒng)，“玄璣”有何玄機(jī)？

網(wǎng)址: 個(gè)性化減肥前認(rèn)知行為智能評(píng)估方法及系統(tǒng) http://www.u1s5d6.cn/newsview97903.html