申请/专利权人：吉林大学

申请日：2024-01-15

公开（公告）日：2024-04-26

公开（公告）号：CN117577270B

主分类号：G16H20/60

分类号：G16H20/60;G16H10/65;G16H50/30;G16H50/70;G06F18/2413;G06F18/25;A61B5/0205;A61B5/00

优先权：

专利状态码：有效-授权

法律状态：2024.04.26#授权;2024.03.08#实质审查的生效;2024.02.20#公开

摘要：本发明公开了一种患者的智能化营养管理方法及系统，涉及营养管理领域。其首先获取由智能手环采集的患者对象在预定时间段内的心率时序序列、血压时序序列和血糖时序序列，接着，提取所述心率时序序列、所述血压时序序列和所述血糖时序序列的时序特征以得到心率时序特征向量、血压时序特征向量和血糖时序特征向量，然后，对所述心率时序特征向量、所述血压时序特征向量和所述血糖时序特征向量进行映射融合以得到患者对象生理特征多模态表征特征向量，最后，基于所述患者对象生理特征多模态表征特征向量，确定推荐的饮食套餐类型。这样，可以实现个性化的营养管理，促进患者康复和健康。

主权项：1.一种患者的智能化营养管理方法，其特征在于，包括：获取由智能手环采集的患者对象在预定时间段内的心率时序序列、血压时序序列和血糖时序序列；提取所述心率时序序列、所述血压时序序列和所述血糖时序序列的时序特征以得到心率时序特征向量、血压时序特征向量和血糖时序特征向量；对所述心率时序特征向量、所述血压时序特征向量和所述血糖时序特征向量进行映射融合以得到患者对象生理特征多模态表征特征向量；以及，基于所述患者对象生理特征多模态表征特征向量，确定推荐的饮食套餐类型；其中，提取所述心率时序序列、所述血压时序序列和所述血糖时序序列的时序特征以得到心率时序特征向量、血压时序特征向量和血糖时序特征向量，包括：对所述心率时序序列、所述血压时序序列和所述血糖时序序列进行数据预处理以得到心率时序输入向量、血压时序输入向量和血糖时序输入向量；以及，将所述心率时序输入向量、所述血压时序输入向量和所述血糖时序输入向量分别通过基于一维卷积层的时序特征提取器以得到所述心率时序特征向量、所述血压时序特征向量和所述血糖时序特征向量；其中，对所述心率时序序列、所述血压时序序列和所述血糖时序序列进行数据预处理以得到心率时序输入向量、血压时序输入向量和血糖时序输入向量，包括：将所述心率时序序列、所述血压时序序列和所述血糖时序序列分别按照时间维度排列为所述心率时序输入向量、所述血压时序输入向量和所述血糖时序输入向量；其中，对所述心率时序特征向量、所述血压时序特征向量和所述血糖时序特征向量进行映射融合以得到患者对象生理特征多模态表征特征向量，包括：将所述心率时序特征向量、所述血压时序特征向量和所述血糖时序特征向量映射到同一注意力空间以得到映射后心率时序特征向量、映射后血压时序特征向量和映射后血糖时序特征向量；将所述映射后心率时序特征向量、所述映射后血压时序特征向量和所述映射后血糖时序特征向量通过基于Softmax函数的元权值生成器以得到第一权重值、第二权重值和第三权重值；以及，基于第一、第二、第三权重值来融合所述映射后心率时序特征向量、所述映射后血压时序特征向量和所述映射后血糖时序特征向量以得到所述患者对象生理特征多模态表征特征向量；其中，将所述心率时序特征向量、所述血压时序特征向量和所述血糖时序特征向量映射到同一注意力空间以得到映射后心率时序特征向量、映射后血压时序特征向量和映射后血糖时序特征向量，包括：将所述心率时序特征向量、所述血压时序特征向量和所述血糖时序特征向量通过基于全连接层的空间映射器以得到所述映射后心率时序特征向量、所述映射后血压时序特征向量和所述映射后血糖时序特征向量；其中，基于所述患者对象生理特征多模态表征特征向量，确定推荐的饮食套餐类型，包括：将所述患者对象生理特征多模态表征特征向量通过分类器以得到分类结果，所述分类结果用于表示推荐的饮食套餐类型标签；其中，所述方法还包括训练步骤：对基于一维卷积层的时序特征提取器、基于全连接层的空间映射器、基于Softmax函数的元权值生成器和分类器进行训练；其中，所述训练步骤，包括：获取训练数据，所述训练数据包括由智能手环采集的患者对象在预定时间段内的训练心率时序序列、训练血压时序序列和训练血糖时序序列，以及，推荐的饮食套餐类型标签的真实值；将所述训练心率时序序列、所述训练血压时序序列和所述训练血糖时序序列分别按照时间维度排列为训练心率时序输入向量、训练血压时序输入向量和训练血糖时序输入向量；将所述训练心率时序输入向量、所述训练血压时序输入向量和所述训练血糖时序输入向量分别通过所述基于一维卷积层的时序特征提取器以得到训练心率时序特征向量、训练血压时序特征向量和训练血糖时序特征向量；将所述训练心率时序特征向量、所述训练血压时序特征向量和所述训练血糖时序特征向量通过所述基于全连接层的空间映射器以将所述训练心率时序特征向量、所述训练血压时序特征向量和所述训练血糖时序特征向量映射到同一注意力空间以得到训练映射后心率时序特征向量、训练映射后血压时序特征向量和训练映射后血糖时序特征向量；将所述训练映射后心率时序特征向量、所述训练映射后血压时序特征向量和所述训练映射后血糖时序特征向量通过所述基于Softmax函数的元权值生成器以得到第一训练权重值、第二训练权重值和第三训练权重值；基于第一、第二、第三训练权重值来融合所述训练映射后心率时序特征向量、所述训练映射后血压时序特征向量和所述训练映射后血糖时序特征向量以得到训练患者对象生理特征多模态表征特征向量；将所述训练患者对象生理特征多模态表征特征向量通过所述分类器以得到分类损失函数值；以及，基于所述分类损失函数值对所述基于一维卷积层的时序特征提取器、所述基于全连接层的空间映射器、所述基于Softmax函数的元权值生成器和所述分类器进行训练，其中，在所述训练的每一轮迭代中，对所述训练患者对象生理特征多模态表征特征向量进行优化；其中，在所述训练的每一轮迭代中，以如下优化公式对所述训练患者对象生理特征多模态表征特征向量进行优化以得到优化后训练患者对象生理特征多模态表征特征向量；其中，所述优化公式为： ；其中，是所述训练患者对象生理特征多模态表征特征向量的第个特征值，是所述训练患者对象生理特征多模态表征特征向量的第个特征值，且是尺度超参数，是以2为底的对数函数，是所述优化后训练患者对象生理特征多模态表征特征向量的第个特征值。

全文数据：

权利要求：

百度查询： 吉林大学 患者的智能化营养管理方法及系统

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD