资源类型:
申请号:
申请日期:
授权年份:
公开号:
公开日:
法律状态:
主分类号:
分类号:
摘要:
本申请公开了基于肠造口袋排泄物监测结果的食谱生成方法和生成系统。一种基于肠造口袋排泄物监测结果的食谱生成方法,包括如下步骤:步骤1:建立初始的食材数据库;步骤2:根据消化难度、营养价值,以及食物酸碱度建立三维坐标;步骤3:收集患者肠造口袋内排泄物的形态和酸碱度,负反馈调节患者的食谱。一种基于肠造口袋排泄物监测结果的食谱生成系统,包括信息录入模块、数据收集模块、控制模块,以及信息展示模块;其中,信息录入模块、数据收集模块、信息展示模块,分别与控制模块信号连接。本申请所提供的方案能够对患者的食谱进行相应的修正和调整,以便为患者提供更科学的食谱建议。
主权项:
1.一种基于肠造口袋排泄物监测结果的食谱生成方法,其特征在于,包括如下步骤:步骤1:将肠造口术后能够食用的食材以及对应的烹饪方法集合起来,建立初始的食材数据库; 步骤2:根据消化难度、营养价值,以及食物酸碱度建立三维坐标,将患者的食谱映射到三维坐标中,得到患者的食谱在三维坐标中的向量标识; 步骤3:收集患者肠造口袋内排泄物的形态和酸碱度,将患者肠造口袋内排泄物的形态和排泄物的酸碱度作为反馈调节数据,然后将反馈调节数据输入至神经网络模型中,负反馈调节患者的食谱; 步骤2包括如下步骤: 步骤21:设置消化难度、营养价值,以及食物酸碱度的计算方式,并给消化难度、营养价值,以及食物酸碱度分别设置最小步进距离; 步骤22:以消化难度为X轴、营养价值为Y轴,食物酸碱度为Z轴建立三维坐标; 步骤23:获取患者的食谱中每个食材的食材名称,得到食谱在三维坐标中的向量标识,并根据食谱在三维坐标中的向量标识和食物种类,得到食谱数据H; 最小步进距离就是消化难度、营养价值,以及食物酸碱度的最小单位; 步骤3包括如下步骤: 步骤31:收集患者肠造口袋内排泄物在24h内的形态参数A1、酸碱度A2,以及排泄量A3,得到排泄物数据X,X={A1,A2,A3}; 步骤32:将患者的排泄物数据X和食谱数据H一起输入至神经网络模型中,神经网络模型根据排泄物数据X和食谱数据H调整患者明天的食谱; 步骤32中:将预设间隔时间的排泄物数据X和食谱数据H相互匹配; 神经网络模型为RNN神经网络模型; 步骤32中,预先收集标准的数据集,数据集中有若干对符合要求的排泄物数据X和食谱数据H;将数据集用于对RNN神经网络模型进行训练,其中,X为输入数据,H为标签数据; 步骤32中,包括如下步骤: 步骤321:将食谱数据H和排泄物数据X进行配对,形成训练数据集; 步骤322: 使用配对的训练数据集,通过深度学习模型进行训练,建立输入数据和标签数据之间的关系; 步骤323:模型评估: 当模型训练完成后使用验证集来评估模型的性能,验证集是未被模型见过的数据,用于测试模型的泛化能力,计算模型预测与验证集标签之间的损失函数值和相关评估指标以此来判断模型的性能; 步骤324食谱修正: 在模型训练和验证之后,神经网络模型用于修正食谱; 步骤32中: 构建神经网络模型:设计和训练一个神经网络模型,该模型能够根据输入的排泄物数据和食谱数据,调整并生成适合患者的个性化食谱;模型的输入包括排泄物数据X和食谱数据H; 数据预处理:对患者的排泄物数据X和食谱数据H进行预处理,包括数据清洗、归一化操作,以便输入到神经网络模型中; 输入数据到模型:将经过预处理后的排泄物数据X和食谱数据H输入到神经网络模型中; 模型调整食谱:神经网络模型根据输入的排泄物数据和食谱数据进行学习和调整,通过反向传播算法优化模型的参数,以生成符合患者肠道状况的个性化食谱; 输出调整后的食谱:经过神经网络的计算和调整后,得到针对患者的个性化食谱,该食谱根据患者的排泄物数据进行了反馈调节。