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

背景技術：

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

2、個體的進食行為和認知行為缺陷對減肥有著重要的影響。對高熱量食物的獎勵感受增強，傾向選擇高能量食物，增加能量攝入，阻礙減肥進程；缺乏對進食行為的自我控制，難以抵御食物誘惑，導致攝入過量，影響減肥計劃的執(zhí)行；情緒波動引發(fā)的進食行為，缺乏有效的情緒調節(jié)策略，可能導致情緒性進食，影響減肥計劃的執(zhí)行；缺乏堅定的減肥目標和動機，可能導致減肥計劃執(zhí)行不力，影響減肥效果。

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

4、公布號為cn114781996a的現(xiàn)有發(fā)明專利申請文獻《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)設置監(jiān)測周期；分析用戶數(shù)據(jù)庫中不同行為特征數(shù)據(jù)在監(jiān)測周期的整體趨勢指數(shù)；再分析用戶自身數(shù)據(jù)的健康趨勢指數(shù)，并將用戶自身數(shù)據(jù)的健康趨勢指數(shù)與所有用戶的整體趨勢指數(shù)進行比較；在對用戶特征數(shù)據(jù)之間的相關性進行校驗時，對構成特征數(shù)據(jù)的所有關聯(lián)之間均存在相關性的用戶以監(jiān)測周期為時長的提醒，并在用戶滿足特征數(shù)據(jù)之間的相關性后再一次進行是否滿足整體趨勢指數(shù)的判斷；當用戶既滿足相關性又滿足整體趨勢指數(shù)時，將監(jiān)測時長由第一時長切換為第二時長，否則將持續(xù)以第一時長監(jiān)測。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)，即進食行為及認知特征。

5、公布號為cn114730630a的現(xiàn)有發(fā)明專利申請文獻《用于預測療法采用的系統(tǒng)和方法》，該現(xiàn)有系統(tǒng)包括：數(shù)據(jù)儲存庫、存儲指令的存儲器、和執(zhí)行指令的控制系統(tǒng)。數(shù)據(jù)儲存庫通信地耦合到網(wǎng)絡，并且包括存儲數(shù)據(jù)的多個存儲設備。控制系統(tǒng)接收存儲在數(shù)據(jù)儲存庫中的數(shù)據(jù)的至少一部分。數(shù)據(jù)的至少一部分與個體相關聯(lián)?？刂葡到y(tǒng)使用機器學習采用預測算法來處理所接收的數(shù)據(jù)的至少一部分，以確定個體將采用規(guī)定的治療計劃的可能性。至少部分地基于(i)規(guī)定的治療計劃和(ii)確定的個體將采用規(guī)定的治療計劃的可能性，控制系統(tǒng)生成針對個體的個性化的治療采用計劃。該現(xiàn)有方案的機器學習的輸入內容是存儲在數(shù)據(jù)儲存庫中的數(shù)據(jù)，包括社交媒體、電子保健記錄及可穿戴技術數(shù)據(jù)；同時，該現(xiàn)有方案的機器學習的目的是確定規(guī)定治療計劃或非規(guī)定治療計劃；該現(xiàn)有方案的適用對象與睡眠障礙相關，無法直接用于輔助肥胖者進行個性化認知行為智能評估。

6、公布號為cn115376684a的現(xiàn)有發(fā)明專利申請文獻《一種健康實時管理app的健康管理平臺》，該現(xiàn)有方案中的管理平臺包括：體重模塊，運動模塊，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行無線傳輸，實時獲取體脂稱中的體脂值；的運動模塊獲取運動信息并進行運動信息的匯總與分析；的飲食模塊獲取用戶的日常飲食信息并進行飲食狀況評估，同時向用戶推薦減肥食譜；的早睡模塊進行睡眠時間記錄與睡眠調整；的直播模塊建立了基于健康知識直播互動平臺；的智能客服模塊建立了智能客服機器人優(yōu)化算法；的定制減脂方案模塊，通過獲取用戶個人參數(shù)指定針對性減脂方案?，F(xiàn)有技術側重于體重、運動、飲食狀況和睡眠等方面，該現(xiàn)有方案關注體重(bmi)、進食行為特征、認知特征等特征，以刻畫個體的肥胖情況。該現(xiàn)有文獻中的個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、運動顧問、心理咨詢顧問及服務管家，未進一步實現(xiàn)個體肥胖亞型標簽的剖面分析，也未利用機器學習建立肥胖亞型模型，提供的減脂方案個性化受有制約。同時，該現(xiàn)有文獻中披露的方案偏重實現(xiàn)客服智能，無法保證提供的減脂方案貼合實際。

7、現(xiàn)有公開文獻《大學生減肥信息行為研究》，該現(xiàn)有方案中，大學生減肥信息的需求與動機主要分為三部分，即生理因素、心理因素和外在因素，該現(xiàn)有文獻強調了心理因素對減肥的重要性。然而，該現(xiàn)有文獻側重分析大學生減肥動機、減肥信息獲取途徑、減肥信息評價與利用等方面，以協(xié)助優(yōu)化高校減肥服務。然而，該現(xiàn)有技術難以通過剖面分析，建立肥胖亞型標簽，并利用機器學習，建立肥胖亞型模型，實現(xiàn)個性化認知行為智能評估。

8、現(xiàn)有公開文獻《促進青少年運動減肥的勸導式設計策略研究》，在該現(xiàn)有文獻中，要通過定量、定性和數(shù)據(jù)分析的研究方法，通過實地調研，獲取了目標用戶的第一手數(shù)據(jù)。通過分類整理得到了目標群體的“正面-負面”行為動因和“活性-惰性”等行為動因，重要的是利用這些分類獲取了目標用戶的潛在的需求。同時還運用kano模型對于問卷進行了分析，分析結果可以為app的設計實踐做好準備。該現(xiàn)有文獻中的app也設計了勛章獎勵模式，用戶完成的行為越多，所解鎖的勛章數(shù)量也就越多，多樣化的勛章設計和等級制度給用戶帶來了持續(xù)的刺激。該文獻的特征數(shù)據(jù)為運動數(shù)據(jù)，旨在勸導青少年運動，無法用于實現(xiàn)個性化認知行為智能評估。

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

技術實現(xiàn)思路

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

2、本發(fā)明是采用以下技術方案解決上述技術問題的：個性化減肥前認知行為智能評估方法包括：

3、s1、采集用戶身高體重數(shù)據(jù)，通過劃分用戶身高體重數(shù)據(jù)，確定目標用戶，對目標用戶進行評估操作，以得到評估信息，根據(jù)評估信息建立目標用戶信息數(shù)據(jù)庫；

4、s2、對進食認知缺陷信息、進食認知缺陷信息進行潛在剖面分析，以識別目標用戶的肥胖亞型；

5、s3、計算評估信息的平均值，將平均值輸入預置隨機森林模型，進行模型訓練操作，以構建肥胖亞型評估模型；

6、s4、利用肥胖亞型評估模型，確認新目標用戶的肥胖亞型。

7、本發(fā)明特征會進一步影響步數(shù)、就餐專注度，另外還影響減肥目標與動機等。

8、本發(fā)明以進食行為和認知特征為輸入，通過剖面分析獲得個體肥胖亞型標簽，在利用機器學習，建立肥胖亞型模型，以輔助確認獨立個體的肥胖亞型，從而提供更精準的個性化減脂方案。

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

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

11、在更具體的技術方案中，步驟s1包括：

12、s11、采集用戶的身高體重，以計算出bmi參數(shù)，以對用戶進行劃分操作，確定目標用戶；

13、s12、對目標用戶進行進食行為評估，獲取目標用戶的主要進食行為信息；

14、s13、對目標用戶進行認知模塊評估，獲得目標用戶的進食認知缺陷信息。

15、在更具體的技術方案中，s13中，進食認知缺陷信息包括：控制能力、食物獎勵、減肥動機以及情緒處理能力。

16、在更具體的技術方案中，s2包括：

17、s21、利用評估信息，構造多維數(shù)據(jù)變量空間；

18、s22、進行潛在剖面分析，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果；

19、s23、根據(jù)肥胖亞型、潛在剖面分析結果，建立數(shù)據(jù)標簽。

20、本專利則是基于量表問答式的進食行為及認知特征；本專利則是建立個體肥胖亞型模型，后期輔助確認個體肥胖亞型。

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

22、在更具體的技術方案中，s22還包括：

23、s221、基于層次聚類對模型進行初始化；

24、s222、使用期望最大化算法對變量分布分配后驗概率來擬合模型；

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算每個觀測屬于每個潛在類別的后驗概率。通常使用貝葉斯定理進行計算，其中觀測i屬于潛在類別k的后驗概率計算如下：

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i是否屬于潛在類別k。

29、(mathbf{x}_i)表示觀測i的觀測數(shù)據(jù)。

30、(pi_k)是潛在類別k的先驗概率。

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，考慮到當前觀測分配給潛在類別的情況。

34、s223、根據(jù)對數(shù)似然、數(shù)據(jù)維數(shù)和模型中混合成分的數(shù)量，計算每個參數(shù)化模型的貝葉斯信息準則bic；

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

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

37、其中：

38、對數(shù)似然函數(shù)值是在給定模型下觀測數(shù)據(jù)的對數(shù)似然函數(shù)值。

39、p 是模型中的參數(shù)數(shù)量。

40、n 是觀測數(shù)據(jù)的樣本量。

41、s224、選取貝葉斯信息準則bic最低，且bic差值為非負的模型。

42、在更具體的技術方案中，s3的隨機森林算法，在r中使用randomforest包進行數(shù)據(jù)處理，通過5折交叉驗證，構建肥胖亞型評估模型；其中，通過5折交叉驗證，得到肥胖亞型評估模型。

43、具體地，5折交叉驗證操作包括：

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

45、訓練和驗證：每次迭代時，選擇其中4個折作為訓練集，剩下的1個折作為驗證集。模型在訓練集上訓練，然后在驗證集上進行評估。

46、重復：重復上述過程5次，每次選擇不同的驗證集。這樣每個折都會作為驗證集，每個樣本也會被用于驗證一次。

47、評估指標：將5次驗證結果進行平均，作為模型的性能評估指標。

48、在更具體的技術方案中，步驟s4還包括：

49、s41、采集獲取新目標用戶身高體重，以計算出新目標用戶bmi參數(shù)，以對新目標用戶進行劃分操作；

50、s42、對新目標用戶進行進食行為評估及認知模塊評估，獲取新目標用戶的主要進食行為信息及進食認知缺陷信息，求取新目標用戶信息平均值；

51、s43、輸入新目標用戶信息平均值至肥胖亞型評估模型，以確認新目標用戶的肥胖亞型。

52、在更具體的技術方案中，個性化減肥前認知行為智能評估系統(tǒng)包括：

53、目標用戶數(shù)據(jù)庫構建模塊，用以采集用戶身高體重數(shù)據(jù)，通過劃分用戶身高體重數(shù)據(jù)，確定目標用戶，對目標用戶進行評估操作，以得到評估信息，根據(jù)評估信息建立目標用戶信息數(shù)據(jù)庫；

54、潛在剖面分析模塊，對進食認知缺陷信息、進食認知缺陷信息進行潛在剖面分析，以識別目標用戶的肥胖亞型，潛在剖面分析模塊與目標用戶數(shù)據(jù)庫構建模塊連接；

55、肥胖亞型評估模型構建模塊，用以計算評估信息的平均值，將平均值輸入預置隨機森林模型，進行模型訓練操作，以構建肥胖亞型評估模型，肥胖亞型評估模型構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估模型，確認新目標用戶的肥胖亞型，新用戶肥胖亞型獲取求取模塊與肥胖亞型評估模型構建模塊連接。

57、本發(fā)明相比現(xiàn)有技術具有以下優(yōu)點：

58、本發(fā)明將進食原因和多模塊認知功能缺陷評估相結合，形成個性化的肥胖評估報告，指導目標用戶進行個性化健康有效減肥。

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

相關知識

健康風險評估系統(tǒng)對慢性疾病早期預警的研究
華怡心辰心醫(yī)通｜區(qū)別傳統(tǒng)心理測評的醫(yī)院智能心理健康測評系統(tǒng)
健康風險評估系統(tǒng)有哪些？全球6大健康風險評估系統(tǒng)是健康管理工具！
孕產(chǎn)婦身心健康管理系統(tǒng) 孕期心理評估系統(tǒng) 孕期身心健康測驗系統(tǒng) ?孕產(chǎn)婦焦慮抑郁篩查系統(tǒng)
老年人能力綜合評估系統(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評定系統(tǒng)的制作方法
智慧醫(yī)療，健康守護——人工智能智慧醫(yī)療健康管理系統(tǒng)
什么是健康風險評估系統(tǒng)？可以預警早期健康風險嗎？
多點觸發(fā)智慧化監(jiān)測預警系統(tǒng)“大有可為”—新聞—科學網(wǎng)
華為發(fā)布運動健康感知系統(tǒng)，“玄璣”有何玄機？

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