(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202211217979.9 (22)申请日 2022.09.30 (71)申请人 成都尚医信息科技有限公司 地址 610000 四川省成 都市高新区天府大 道1700号1栋3单元17楼1708号 (72)发明人 殷俊　孙合庆　何承源　龙志文　 何慧敏　许慧霖　张琴秋　 (74)专利代理 机构 北京方圆嘉 禾知识产权代理 有限公司 1 1385 专利代理师 王月松 (51)Int.Cl. G16H 20/60(2018.01) G16Y 20/40(2020.01) G16Y 40/20(2020.01) G06N 20/00(2019.01)G06N 3/08(2006.01) G06N 3/04(2006.01) (54)发明名称 一种膳食风险预测系统 (57)摘要 本发明公开了一种膳食风险预测系统， 涉及 膳食风险预测领域， 该系统包括： 数据采集设备 和与数据采集设备连接的移动终端设备； 移动终 端设备包括处理器， 处理器包括： 信息获取模块， 用于获取目标人体的相关信息； 特征提取模块， 用于对目标人体的相关信息进行特征提取， 得到 包括个人特征、 生活方式特征以及心率变异性及 食物特殊动力学效应特征体的特征集合； 风险预 测模块， 用于将目标人体的特征集合输入膳食风 险预测模型中， 得到目标人体的膳食风险特征。 其中， 膳食风险预测模型是采用训练数据对机器 学习模型进行训练得到的。 本发 明能提高预测的 准确性， 并对用户进食前、 中、 后的全周期 膳食风 险进行量 化监测， 有效预测膳 食风险。 权利要求书2页 说明书20页 附图7页 CN 115394402 A 2022.11.25 CN 115394402 A 1.一种膳食风险预测系统， 其特征在于， 包括： 数据采集设备和与所述数据采集设备连 接的移动终端设备； 所述数据采集设备用于采集目标人体的第一数据信息； 所述第一数据信息包括： 体温 数据、 心率数据、 行为数据和环境温度数据； 所述移动终端设备包括处 理器， 所述处 理器包括： 信息获取模块， 用于获取所述目标人体的相关信息； 所述相关信息包括所述第一数据 信息和第二数据信息； 所述第二数据信息包括： 个人信息、 饮食模式、 日常作息频率、 进食冲 动时间、 进食冲动强度、 营养摄入量信息、 生 化数据和生活作息记录数据； 特征提取模块， 用于对所述目标人体的相关信息进行特征提取， 得到所述目标人体的 特征集合； 所述特征集合包括： 个人特征、 生活方式特征以及心 率变异性及食物特殊动力学 效应特征； 所述个人特征包括： 个人指标和生化指标； 所述生活方式特征包括： 设定行为的 频率； 所述心率变异 性及食物特殊动力学效应特征包括： 出现进食冲动的心 率、 用餐前不同 时间的心 率、 用餐开始时的心 率、 用餐后不同时间的心率与用餐开始时的心 率的差值、 用餐 后不同时段内心率的标准差、 用餐后不同时段内心率的变化量、 出现进食冲动的心率变异 值、 用餐前不同时间的心率变异 值、 用餐开始时的心 率变异值、 用餐后不同时间的心率变异 值与用餐开始 时的心率变异值的差值、 用餐后不同时段内心率变异值的标准差、 用餐后不 同时段内心 率变异值的变化量、 出现进食冲动时的体温、 用餐前不同时间的体温、 用餐开始 时的体温、 用餐后不同时间的体温与用餐开始时的体温的差值、 用餐后不同时段内体温的 标准差和用餐后不同时段内体温的变化量； 所述心 率变异值是根据对所述心 率数据进 行分 析得到的时域指标和频域指标确定的； 风险预测模块， 用于将所述目标人体的特征集合输入膳食风险预测模型中， 得到所述 目标人体的膳食风险特征； 所述膳食风险特征包括： 进食特征、 膳食的能量差值、 膳食中各 种元素的含量、 用餐前不同时间的血糖值、 用餐开始时的血糖值、 用餐后不同时间的血糖值 与用餐开始 时的血糖值的差值、 用餐后不同时段内血糖值的标准差、 用餐后不同时段血糖 值的变化量、 前一餐的数据、 前一餐与当前餐的时间间隔以及进餐后是否肠胃不良； 所述膳 食风险特 征用于确定所述目标 人体的膳 食风险程度； 其中， 所述膳食风险预测模型是采用训练数据对机器学习模型进行训练得到的； 所述 训练数据包括患病类型已知的训练人体的个人特征、 生活方式特征、 心率变异性及食物特 殊动力学效应特 征以及膳 食风险特 征。 2.根据权利要求1所述的一种膳食风险预测系统， 其特征在于， 所述数据采集设备， 具 体包括： 设置在所述目标人体上的人体记录仪和设置在所述移动终端设备内的环境温度计； 所 述人体记录仪包括心电感应设备、 体温计和陀螺仪； 所述心电感应设备、 所述体温计、 所述 陀螺仪和所述环境温度计均 与所述处 理器连接 。 3.根据权利要求1所述的一种膳食风险预测系统， 其特征在于， 所述处理器还包括： 模 型确定模块， 用于确定所述膳 食风险预测模型； 所述模型确定模块， 包括： 训练数据获取 单元， 用于获取训练数据； 训练单元， 用于将所述训练数据输入机器学习模型， 以累计误差最小为目标， 采用梯度权　利　要　求　书 1/2 页 2 CN 115394402 A 2下降法对所述机器学习模型进行训练， 得到训练好的机器学习模型； 膳食风险预测模型确定单元， 用于将训练好的机器学习 模型确定为所述膳食风险预测 模型。 4.根据权利要求3所述的一种膳食风险预测系统， 其特征在于， 所述训练单元， 具体包 括： 特征筛选子单元， 用于采用主成分分析法对所述训练数据进行数据筛选， 得到筛选特 征； 模型训练子单元， 用于将所述筛选特征输入所述机器学习模型， 以累计误差最小为目 标， 采用梯度下降法对所述机器学习模型进行训练， 得到训练好的机器学习模型。 5.根据权利要求3所述的一种 膳食风险预测系统， 其特征在于， 所述训练单元中的所述 机器学习模型为前馈神经网络 。 6.根据权利要求1所述的一种膳食风险预测系统， 其特征在于， 所述移动终端设备， 还 包括： 第二数据输入模块， 与所述信息获取模块连接， 用于将所述第二数据信息输入所述信 息获取模块； 所述第二数据信 息中的所述个人信 息、 所述饮食模式、 所述日常作息频率、 所述进食冲 动时间和所述进食冲动强度是采用问卷的方式得到的； 所述第二数据信息中的所述营养摄入量信息是基于营养成分 分析软件得到的； 所述第二数据信息中的所述生活作息记录数据是对所述目标人体的生活作息事项和 对应的时间进行记录得到的。 7.根据权利要求1所述的一种膳食风险预测系统， 其特征在于， 所述特征提取模块， 具 体包括： 降噪单元， 用于对所述目标 人体的相关信息进行 数据降噪， 得到降噪后的数据； 特征集合确定单元， 用于对所述降噪后的数据进行特征提取， 得到所述目标人体的特 征集合。 8.根据权利要求1所述的一种 膳食风险预测系统， 其特征在于， 所述特征提取模块中的 所述个人指标， 包括： 性别、 年龄、 教育水平、 身高、 体重和身体质量指数； 所述特征提取模块中的所述生化指标， 包括： 血压中的舒张压、 血压中的收缩压、 动脉 粥状硬化指数、 空腹时的血糖值、 血中的胆固醇值、 血中的糖化血红蛋白值、 血中的脂蛋白 值和血中的甘油三酯值。 9.根据权利要求1所述的一种 膳食风险预测系统， 其特征在于， 所述风险预测模块中的 所述进食特 征， 包括： 餐次、 是否夜间进食、 是否有 进食冲动和进食速度。 10.根据权利要求1所述的一种膳食风险预测系统， 其特征在于， 所述风险预测模块中 的所述前一餐的数据， 包括： 前一餐的血糖指数、 前一餐的血糖负荷、 前一餐中碳水化合物的含量、 前一餐中蛋白质 的含量、 前一餐中脂肪的含量和前一餐中膳 食纤维的含量。权　利　要　求　书 2/2 页 3 CN 115394402 A 3