个性化减肥前认知行为智能评估方法及系统

本发明涉及健康管理，具体涉及个性化减肥前认知行为智能评估方法及系统。

背景技术：

1、肥胖是目前普遍困扰世界各国的公共健康问题。肥胖症目前是导致死亡的第五大危险因素，它可能导致糖尿病，心血管疾病和某些类型的癌症的发病率上升。在当代社会，各种食物广告和高热量快餐食物充斥着我们的生活，导致营养过剩，形成肥胖。健康有效减肥成为大家关注的问题。

2、个体的进食行为和认知行为缺陷对减肥有着重要的影响。对高热量食物的奖励感受增强，倾向选择高能量食物，增加能量摄入，阻碍减肥进程；缺乏对进食行为的自我控制，难以抵御食物诱惑，导致摄入过量，影响减肥计划的执行；情绪波动引发的进食行为，缺乏有效的情绪调节策略，可能导致情绪性进食，影响减肥计划的执行；缺乏坚定的减肥目标和动机，可能导致减肥计划执行不力，影响减肥效果。

3、个体的进食行为和认知行为缺陷对减肥的影响主要体现在摄入控制、能量平衡、减肥计划执行等方面。因此，在制定个性化减肥方案时，需要综合考虑个体的进食行为特点和认知行为缺陷，确定个体肥胖亚型，从而针对性地制定有效的干预措施，以提高减肥效果和成功率。

4、公布号为cn114781996a的现有发明专利申请文献《一种基于大数据的大健康智能管理系统及方法》，该现有方法包括：获取用户携带的智能设备的历史数据并建立用户数据库，智能管理系统设置监测周期；分析用户数据库中不同行为特征数据在监测周期的整体趋势指数；再分析用户自身数据的健康趋势指数，并将用户自身数据的健康趋势指数与所有用户的整体趋势指数进行比较；在对用户特征数据之间的相关性进行校验时，对构成特征数据的所有关联之间均存在相关性的用户以监测周期为时长的提醒，并在用户满足特征数据之间的相关性后再一次进行是否满足整体趋势指数的判断；当用户既满足相关性又满足整体趋势指数时，将监测时长由第一时长切换为第二时长，否则将持续以第一时长监测。该现有方案基于步数、就餐专注度等特征数据，区别于本专利的特征数据，即进食行为及认知特征。

5、公布号为cn114730630a的现有发明专利申请文献《用于预测疗法采用的系统和方法》，该现有系统包括：数据储存库、存储指令的存储器、和执行指令的控制系统。数据储存库通信地耦合到网络，并且包括存储数据的多个存储设备。控制系统接收存储在数据储存库中的数据的至少一部分。数据的至少一部分与个体相关联。控制系统使用机器学习采用预测算法来处理所接收的数据的至少一部分，以确定个体将采用规定的治疗计划的可能性。至少部分地基于(i)规定的治疗计划和(ii)确定的个体将采用规定的治疗计划的可能性，控制系统生成针对个体的个性化的治疗采用计划。该现有方案的机器学习的输入内容是存储在数据储存库中的数据，包括社交媒体、电子保健记录及可穿戴技术数据；同时，该现有方案的机器学习的目的是确定规定治疗计划或非规定治疗计划；该现有方案的适用对象与睡眠障碍相关，无法直接用于辅助肥胖者进行个性化认知行为智能评估。

6、公布号为cn115376684a的现有发明专利申请文献《一种健康实时管理app的健康管理平台》，该现有方案中的管理平台包括：体重模块，运动模块，饮食模块，早睡模块，直播模块，智能客服模块，定制减脂方案模块；其中的体重模块通过与体脂称进行无线传输，实时获取体脂称中的体脂值；的运动模块获取运动信息并进行运动信息的汇总与分析；的饮食模块获取用户的日常饮食信息并进行饮食状况评估，同时向用户推荐减肥食谱；的早睡模块进行睡眠时间记录与睡眠调整；的直播模块建立了基于健康知识直播互动平台；的智能客服模块建立了智能客服机器人优化算法；的定制减脂方案模块，通过获取用户个人参数指定针对性减脂方案。现有技术侧重于体重、运动、饮食状况和睡眠等方面，该现有方案关注体重(bmi)、进食行为特征、认知特征等特征，以刻画个体的肥胖情况。该现有文献中的个性化减脂方案生成方式主要基于体管规划师、营养顾问、运动顾问、心理咨询顾问及服务管家，未进一步实现个体肥胖亚型标签的剖面分析，也未利用机器学习建立肥胖亚型模型，提供的减脂方案个性化受有制约。同时，该现有文献中披露的方案偏重实现客服智能，无法保证提供的减脂方案贴合实际。

7、现有公开文献《大学生减肥信息行为研究》，该现有方案中，大学生减肥信息的需求与动机主要分为三部分，即生理因素、心理因素和外在因素，该现有文献强调了心理因素对减肥的重要性。然而，该现有文献侧重分析大学生减肥动机、减肥信息获取途径、减肥信息评价与利用等方面，以协助优化高校减肥服务。然而，该现有技术难以通过剖面分析，建立肥胖亚型标签，并利用机器学习，建立肥胖亚型模型，实现个性化认知行为智能评估。

8、现有公开文献《促进青少年运动减肥的劝导式设计策略研究》，在该现有文献中，要通过定量、定性和数据分析的研究方法，通过实地调研，获取了目标用户的第一手数据。通过分类整理得到了目标群体的“正面-负面”行为动因和“活性-惰性”等行为动因，重要的是利用这些分类获取了目标用户的潜在的需求。同时还运用kano模型对于问卷进行了分析，分析结果可以为app的设计实践做好准备。该现有文献中的app也设计了勋章奖励模式，用户完成的行为越多，所解锁的勋章数量也就越多，多样化的勋章设计和等级制度给用户带来了持续的刺激。该文献的特征数据为运动数据，旨在劝导青少年运动，无法用于实现个性化认知行为智能评估。

9、综上，现有技术存在特征分析、方案生成和智能评估方面不足的技术问题。

技术实现思路

1、本发明所要解决的技术问题在于：如何解决现有技术中特征分析、方案生成和智能评估方面不足的技术问题。

2、本发明是采用以下技术方案解决上述技术问题的：个性化减肥前认知行为智能评估方法包括：

3、s1、采集用户身高体重数据，通过划分用户身高体重数据，确定目标用户，对目标用户进行评估操作，以得到评估信息，根据评估信息建立目标用户信息数据库；

4、s2、对进食认知缺陷信息、进食认知缺陷信息进行潜在剖面分析，以识别目标用户的肥胖亚型；

5、s3、计算评估信息的平均值，将平均值输入预置随机森林模型，进行模型训练操作，以构建肥胖亚型评估模型；

6、s4、利用肥胖亚型评估模型，确认新目标用户的肥胖亚型。

7、本发明特征会进一步影响步数、就餐专注度，另外还影响减肥目标与动机等。

8、本发明以进食行为和认知特征为输入，通过剖面分析获得个体肥胖亚型标签，在利用机器学习，建立肥胖亚型模型，以辅助确认独立个体的肥胖亚型，从而提供更精准的个性化减脂方案。

9、本发明的个性化减脂方案生成方式更为先进和智能化。本发明用于智能化地确定个体的肥胖亚型，是个性化认知行为智能评估，为个体提供更智能化、更贴近实际需求的减脂方案。

10、在更具体的技术方案中，s1中，目标用户信息数据库包括：主要进食行为信息、进食认知缺陷信息。

11、在更具体的技术方案中，步骤s1包括：

12、s11、采集用户的身高体重，以计算出bmi参数，以对用户进行划分操作，确定目标用户；

13、s12、对目标用户进行进食行为评估，获取目标用户的主要进食行为信息；

14、s13、对目标用户进行认知模块评估，获得目标用户的进食认知缺陷信息。

15、在更具体的技术方案中，s13中，进食认知缺陷信息包括：控制能力、食物奖励、减肥动机以及情绪处理能力。

16、在更具体的技术方案中，s2包括：

17、s21、利用评估信息，构造多维数据变量空间；

18、s22、进行潜在剖面分析，以在多维数据变量空间中，寻获肥胖亚型，获取潜在剖面分析结果；

19、s23、根据肥胖亚型、潜在剖面分析结果，建立数据标签。

20、本专利则是基于量表问答式的进食行为及认知特征；本专利则是建立个体肥胖亚型模型，后期辅助确认个体肥胖亚型。

21、在更具体的技术方案中，s22中，在r中使用mclust包进行潜在剖面分析。

22、在更具体的技术方案中，s22还包括：

23、s221、基于层次聚类对模型进行初始化；

24、s222、使用期望最大化算法对变量分布分配后验概率来拟合模型；

25、具体地，期望最大化算法中期望步骤中使用的具体公式涉及计算每个观测属于每个潜在类别的后验概率。通常使用贝叶斯定理进行计算，其中观测i属于潜在类别k的后验概率计算如下：

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})是指示变量，表示观测i是否属于潜在类别k。

29、(mathbf{x}_i)表示观测i的观测数据。

30、(pi_k)是潜在类别k的先验概率。

31、(phi(cdot))表示多元正态密度函数。

32、(boldsymbol{mu}_k)和(boldsymbol{sigma}_k)是潜在类别k的均值向量和协方差矩阵。

33、最大化步骤：算法通过最大化数据的似然性来更新参数估计，考虑到当前观测分配给潜在类别的情况。

34、s223、根据对数似然、数据维数和模型中混合成分的数量，计算每个参数化模型的贝叶斯信息准则bic；

35、根据以下bic的公式，计算每个参数化模型的bic值：

36、[bic＝-2timestext{对数似然函数值}+ptimeslog(n)]

37、其中：

38、对数似然函数值是在给定模型下观测数据的对数似然函数值。

39、p 是模型中的参数数量。

40、n 是观测数据的样本量。

41、s224、选取贝叶斯信息准则bic最低，且bic差值为非负的模型。

42、在更具体的技术方案中，s3的随机森林算法，在r中使用randomforest包进行数据处理，通过5折交叉验证，构建肥胖亚型评估模型；其中，通过5折交叉验证，得到肥胖亚型评估模型。

43、具体地，5折交叉验证操作包括：

44、数据集分割：将原始数据集随机分成5个大致相等的部分，通常称为折(folds)。

45、训练和验证：每次迭代时，选择其中4个折作为训练集，剩下的1个折作为验证集。模型在训练集上训练，然后在验证集上进行评估。

46、重复：重复上述过程5次，每次选择不同的验证集。这样每个折都会作为验证集，每个样本也会被用于验证一次。

47、评估指标：将5次验证结果进行平均，作为模型的性能评估指标。

48、在更具体的技术方案中，步骤s4还包括：

49、s41、采集获取新目标用户身高体重，以计算出新目标用户bmi参数，以对新目标用户进行划分操作；

50、s42、对新目标用户进行进食行为评估及认知模块评估，获取新目标用户的主要进食行为信息及进食认知缺陷信息，求取新目标用户信息平均值；

51、s43、输入新目标用户信息平均值至肥胖亚型评估模型，以确认新目标用户的肥胖亚型。

52、在更具体的技术方案中，个性化减肥前认知行为智能评估系统包括：

53、目标用户数据库构建模块，用以采集用户身高体重数据，通过划分用户身高体重数据，确定目标用户，对目标用户进行评估操作，以得到评估信息，根据评估信息建立目标用户信息数据库；

54、潜在剖面分析模块，对进食认知缺陷信息、进食认知缺陷信息进行潜在剖面分析，以识别目标用户的肥胖亚型，潜在剖面分析模块与目标用户数据库构建模块连接；

55、肥胖亚型评估模型构建模块，用以计算评估信息的平均值，将平均值输入预置随机森林模型，进行模型训练操作，以构建肥胖亚型评估模型，肥胖亚型评估模型构建模块与潜在剖面分析模块连接；

56、新用户肥胖亚型获取求取模块，用以利用肥胖亚型评估模型，确认新目标用户的肥胖亚型，新用户肥胖亚型获取求取模块与肥胖亚型评估模型构建模块连接。

57、本发明相比现有技术具有以下优点：

58、本发明将进食原因和多模块认知功能缺陷评估相结合，形成个性化的肥胖评估报告，指导目标用户进行个性化健康有效减肥。

59、本发明解决了现有技术中存在的特征分析、方案生成和智能评估方面不足的技术问题。

相关知识

健康风险评估系统对慢性疾病早期预警的研究
华怡心辰心医通｜区别传统心理测评的医院智能心理健康测评系统
健康风险评估系统有哪些？全球6大健康风险评估系统是健康管理工具！
孕产妇身心健康管理系统 孕期心理评估系统 孕期身心健康测验系统 ​孕产妇焦虑抑郁筛查系统
老年人能力综合评估系统：社区与门诊健康管理的新工具
孕期女性体育健康促进评定系统的制作方法
智慧医疗，健康守护——人工智能智慧医疗健康管理系统
什么是健康风险评估系统？可以预警早期健康风险吗？
多点触发智慧化监测预警系统“大有可为”—新闻—科学网
华为发布运动健康感知系统，“玄玑”有何玄机？

网址: 个性化减肥前认知行为智能评估方法及系统 https://www.trfsz.com/newsview97903.html