本发明涉及健康饮食管理
技术领域：
，具体涉及一种降血糖的智能营养配餐系统及饮食管理方法。
背景技术：
：随着现代化的日益发展，这些文明病、富贵病也逐渐增多。糖尿病是由遗传因素、免疫功能紊乱、微生物感染及其毒素、自由基毒素、精神因素等等各种致病因子作用于机体导致胰岛功能减退、胰岛素抵抗等而引发的糖、蛋白质、脂肪、水和电解质等一系列代谢紊乱综合征，临床上以高血糖为主要特点，典型病例可出现多尿、多饮、多食、消瘦等表现，即“三多一少”症状。其中饮食治疗是糖尿病治疗中最重要的一环，合理的饮食治疗不仅可以有效维持机体正常生理功能、改善血糖控制减少胰岛素及降糖药物用量，更可以改善整体健康状况并降低糖尿病并发症的危险性。患者不仅需要调整好自己的心态平衡，还应该学会科学饮食吃，注重对具体病变的膳食调治。在糖尿病治疗的五驾马车，即健康教育、饮食治疗、药物治疗、胰岛素治疗、血糖监测中，饮食治疗是基础治疗。然而，在实际的生活中，2型糖尿病患者对饮食的自我控制效果并不十分理想，依从性比较低，这与饮食治疗理论性较强，在实际操作中饮食习惯个体差异较大，医院提供的统一饮食处方难以使糖尿病患者在真实生活中执行有关。营养学与营养疾病学虽然对人们的营养膳食做过大量细致的工作，但是并没有把营养素含量、疾病、人的标准摄入量同菜谱有机的联系起来，也没有对营养素含量进行数值上的分析，使用户手拿营养学书籍却不知该怎样具体营养膳食。现有的传播的营养学信息量庞大，却缺少有效的规整，同时营养配餐需要参照食用者本身的身体特征进而搭配菜品，而大量的营养信息只是简单的罗列，无法考虑到不同个体间的差异与特征，而对于对营养学或疾病学并不了解的普通大众来说，单靠每一段时间的体检或是看病并不能了解自身的情况，体内营养素含量的情况。现有技术中的饮食配餐系统计算繁琐，误差较大并且难以避免，自选食谱难以完成，可视性及可操作性能较差，很难满足糖尿病患者的饮食习惯需求，限制了广大医务人员和糖尿病患者的使用。技术实现要素：为了克服现有技术的上述不足，本发明的目的在于提供一种降血糖的智能营养配餐系统及饮食管理方法，解决了传统营养膳食抽象化的问题，系统保证不同类别食物的合理搭配以及相互之间能量的合理交换，可有效帮助糖尿病患者更好地控制血糖、降低血脂。本发明实现上述目的的技术方案为：本发明提供一种降血糖的智能营养配餐方法，该配餐方法包括：步骤一：根据使用者年龄，将智能营养配餐系统分为不同年龄组，分别对不同年龄组进行能量摄入的标准值及营养物质标准值的计算；步骤二：选择饮食时段，并根据每个饮食时段计算每餐配餐能量；步骤三：根据计算公式计算每餐的碳水化合物、蛋白质、及脂肪的标准重量值，其中，早餐或晚餐碳水化合物的标准值为每天配餐总能量×0.6÷4×0.3；早餐或晚餐蛋白质(g)的标准值为每天配餐总能量×0.16÷4×0.3；早餐或晚餐脂肪(g)的标准值为每天配餐总能量×0.24÷9×0.3；午餐碳水化合物(g)的标准值为每天配餐总能量×0.6÷4×0.4；午餐蛋白质(g)的标准值为每天配餐总能量×0.16÷4×0.4；午餐脂肪(g)的标准值为每天配餐总能量×0.24÷9×0.4；步骤四，根据用户营养素的日标准摄入量m＝(m1，m2，…mp)，提供的对应配餐方案x(x1，x2，…xn)，根据下式使x最大限度接近m：v－minf(x)＝[f1(x)，f2(x)，…fp(x)]t式中，目标f(f1，f2，…fp)和约束准则集rm根据用户偏好确定，m为目标总数，x1，x2，..xn为代表所选膳食，n为膳食数量。进一步地，在所述步骤一中，对于2-17岁组的智能营养配餐系统，其能量摄入的标准值及营养物质标准表查表测得；对于18-49岁组，根据输入值，身高及调节系统，代入到能量计算公式计算出每天总能量的标准值：计算总能量(kcal)＝(实际身高(cm)-105cm)×k，其中k为热量修正系数；对于50岁以上组，为18-49岁的配餐能量乘以修正系数值。进一步地，在所述步骤二中，早餐、午餐、晚餐能量比30％：40％：30％；加餐能量是从上一餐扣除5-10％。本发明还提供一种降血糖的智能营养配餐方法，该配餐方法包括：步骤一：根据使用者年龄，将智能营养配餐系统分为不同年龄组，分别对不同年龄组进行能量摄入的标准值及营养物质标准值的计算；步骤二：选择饮食时段，并根据每个饮食时段计算每餐配餐能量；步骤三：根据计算公式计算每餐的碳水化合物、蛋白质、及脂肪的标准重量值，其中，早餐或晚餐碳水化合物(g)的标准值为每天配餐总能量×0.6÷4×0.3；早餐或晚餐蛋白质(g)的标准值为每天配餐总能量×0.16÷4×0.3；早餐或晚餐脂肪(g)的标准值为每天配餐总能量×0.24÷9×0.3；午餐碳水化合物(g)的标准值为每天配餐总能量×0.6÷4×0.4；午餐蛋白质(g)的标准值为每天配餐总能量×0.16÷4×0.4；午餐脂肪(g)的标准值为每天配餐总能量×0.24÷9×0.4；步骤四，根据专家知识建立框架模型，在营养评价库中对食品类的原料的选择，选择适宜糖尿病人的食材；第五步，在第四步建立的框架模型基础上，加入偏好，使框架输入模型符合季节性，区域性以及个性偏好；第六步：依据偏好框架模型对配餐模式进行编码，并根据多目标进化算法求解挖掘最优的符合目标要求的输入模式。进一步地，在所述第六步中，使用者录入当前初始食物组合，组合中有n种食物，分别为r1,r2,...,第三步中所计算出的碳水化合物、蛋白质、及脂肪的标准重量值bi(i＝1,2,...,m)，n种食物分别需要摄入的重量为x1,x2,...,xn；上述数值需满足如下不等式：qmin≤q1x1+q2x2+q3x3+……+qnxn≤qmaxk1x1+k2x2+k3x3+……+knxn≤bk0≤rmin≤ri≤rmaxk1,k2,...,kn为r1,r2,...,rn食物每单位样本中第k种营养素的含量值，q1,q2,...,qn为r1,r2,...,rn食物每单位样本中热量值；rmi及rmax为每种食物中最低量及最高量。本发明还提供一种用于实现上述降血糖的智能营养配餐方法的配餐系统，该智能营养配餐系统包括：用户管理模块，数据调用模块，智能配餐模块；其特征在于：数据调用模块可调用使用者的身体状况信息，电子病历信息，电子病历信息医嘱信息、检查报告等相关数据，将记录项目名称及记录的关键内容结构化；所述智能配餐模块：可根据用户交互选择的各种配餐形式，提供不同的成品菜品推荐；可根据用户输入的菜品或食材及其重量，根据菜品或食材的内置数据库对营养需求量进行评估；可根据按照输入的菜品或食材对摄入重量做出推荐。进一步地，该配餐系统还包括根据专家知识建立框架模型，在营养评价库中对食品类的原料的选择，主食包括自谷物及制品类，茄果类，水果包括鲜果及干果类，豆制品包括干豆及制品和鲜豆类，奶制品包括乳类及制品，菜蔬包括根茎类和嫰茎叶苔花类，肉类包括禽肉类、畜肉类及制品，魚类，蛋类。本发明与现有技术相比具有以下的有益效果：本发明的系统操作简单，经准确的配餐算法科学准确，对食材进行标签化处理，采用先进的智能算法，保证食材智能配餐时的科学准确性,该方法实现速度快、技术要求低。该系统改变了传统的就餐模式，实现了患者就餐移动信息化，提升了服务体验及用户满意度。本发明中的智能营养配餐系统根据食用者的身体特征，如历史的用餐习惯或饮食偏号，数据挖掘营养配餐输入模式方法，方便实用，有效地解决了输入模式的求解挖掘问题，同时挖掘结果可以直接用于软件的终端用户的选择和输入，这有助于普及营养配餐，提高大众的健康水平。系统将偏好等诸多影响饮食的因素考虑在内，保证不同类别食物的合理搭配以及相互之间能量的合理交换。本发明的配餐方法及配餐系统可有效帮助糖尿病患者更好地控制血糖、降低血脂、提高患者选择食物的能力。具体实施方式下面结合具体实施例对本发明作进一步的详细说明。本发明中的智能营养配餐系统包括：用户管理模块：用户注册、登录、信息修改等功能。会员信息包括会员年龄、身高、体重、口味偏好等有关个性化配餐的各种指标。数据调用模块：可调用使用者的身体状况信息，电子病历信息，电子病历信息医嘱信息、检查报告等相关数据，将记录项目名称及记录的关键内容结构化，膳食分析系统能更快捷、更准确地提取所需信息。营养评价库：食物库中根据食物的类别进行分类，主要分类有:瓜类、鱼类、酒类、坚果类、虾蟹类、根茎类、菌藻类、鲜豆类、茄果类、谷物及制品、乳类及制品、蛋类及制品、干豆及制品、禽肉类及制品、畜肉类及制品、鲜果及干果类、嫰茎叶苔花类等。智能配餐模块：可根据用户交互选择的各种配餐形式，提供不同的成品菜品推荐；可根据用户输入的菜品或食材及其重量，根据菜品或食材的内置数据库对营养需求量进行评估，按照输入的菜品或食材进行智能推荐。资讯平台：为用户提供各种饮食营养健康资讯文章，为用户做饮食菜单提供健康资讯。买卖交易：用户可对智能配餐和营养评估部分推荐的菜品进行选购，并进行付款等订单操作；也可作为商家将产品摆放在平台上进行交易。实施例1：首先，本系统需要针对使用者的各项基础指标，包括年龄、身高、活动量进行分析。通过这一分析过程模拟营养师配餐对患者日均所需营养与热量的计算，所得结果就是智能配餐中所需的重要指标。根据使用者年龄，将智能营养配餐系统的分为2-17岁组，18-49岁组，及50岁以上组，进行能量摄入的标准值及营养物质标准值的计算。对于2-17岁组的智能营养配餐系统，其能量摄入的标准值及营养物质标准表查表测得：表1-12-17岁能量摄入标准表(能量值)表1-22-17岁摄入营养物质标准表(重量值)对于18-49岁组，根据输入值，身高及调节系统，代入到能量计算公式计算出每天总能量的标准值：计算总能量(kcal)＝(实际身高(cm)-105cm)×kk为热量修正系数，将为摄入量的热量的标准值根据个体日均的劳动力强度及体质系数bmi对标准值进行修正，得到更加精准的所需热量。其中轻体力劳动为非体力工作的内勤工作者，如办公室职员；中体力劳动为需要稍微耗费体力的外勤工作者，如外卖人员等；重体力劳动为纯体力工作者，如建筑工人。用户需要根据自己的职业进行劳动强度的选择。体质指数bmi计算：bmi＝实际体重kg/身高m2bmi(kg/m2)轻体力劳动中体力劳动重体力劳动消瘦＜18.5354045正常18.5～24.9303540肥胖＞28253035每天配餐总能量＝计算总能量-(25g×9kcal/g)上式中，25g*9kcal/g，代表需要从食物中摄取的总能量除去烹饪时使用烹调用油的能量对于50岁以上组，根据使用者所处的年龄段匹配相应的公式，对每天总能量的标准值进行计算。表1-3老年人能量摄入标准表(含50岁及以上)第二步，选择饮食时段，将全天的饮时时间按照正常的生活作息规律分为六个时段，并计算每个时段的配餐能量。六个配餐时段分别为其中，每天摄入能量分配为：早餐、午餐、晚餐能量比30％：40％：30％；加餐：5-10％，其中加餐的能量是从上一餐扣除5-10％。具体为早餐：早餐能量＝每天配餐总能量(kcal)×30％；午餐：午餐能量＝每天配餐总能量(kcal)×40％；晚餐能量＝每天配餐总能量(kcal)×30％，早餐后加餐：加餐能量：5-10％(来自早餐减除相当的能量)，午餐后加餐：加餐能量：5-10％(来自午餐减除相当的能量)，晚餐后加餐：加餐能量：5-10％(来自晚餐减除相当的能量)。第三步，计算每餐的碳水化合物、蛋白质、及脂肪的标准重量值。根据实验测试，进食粗杂粮后血糖变化小，它可以减慢淀粉的吸收和利用，可以降低血糖，有利于糖尿病人血糖的控制对糖尿病患者而言，其中食物营养成份有比较严格的要求，特别是食物中碳水化合物的含量不能过高。但同时又要保证病人食物能提供必要的热量。因此配餐时各部分量的计算根据为:对于每餐的成分能量比例设定为：碳水化合物60％、蛋白质16％、脂肪24％。因此，早餐或晚餐碳水化合物(g)的标准值为每天配餐总能量×0.6÷4×0.3；早餐或晚餐蛋白质(g)的标准值为每天配餐总能量×0.16÷4×0.3；早餐或晚餐脂肪(g)的标准值为每天配餐总能量×0.24÷9×0.3；午餐碳水化合物(g)的标准值为每天配餐总能量×0.6÷4×0.4；午餐蛋白质(g)的标准值为每天配餐总能量×0.16÷4×0.4；午餐脂肪(g)的标准值为每天配餐总能量×0.24÷9×0.4；第四步，调用数据库中的营养评价库提取相应的数据，自动生成目标规划方程，根据第三步所计算出的计算出的碳水化合物、蛋白质、及脂肪的标准重量值，再次利用根据用户的偏好信息，求解并输出最优解，给出配餐评价和配餐方案。根据用户营养素的日标准摄入量m＝(m1，m2，…mp)，提供的对应配餐方案x(x1，x2，…xn)，根据下式使x最大限度接近m：v－minf(x)＝[f1(x)，f2(x)，…fp(x)]t式中，目标f(f1，f2，…fp)和约束准则集rm根据用户偏好确定，m为目标总数，x1，x2，..xn为代表所选膳食，n为膳食数量。实施例2：该实施例与实施例1的第一步至第三步均相同，不同之处在于：第四步，根据专家知识建立框架模型，在营养评价库中对食品类的原料的选择，在源头上排除不适合糖尿病人的食材，选择适宜糖尿病人的食材。具体为主食：食材主要来自谷物及制品类，水果：食材来自鲜果及干果类、豆制品：食材来自干豆及制品和鲜豆类、奶制品：食材来自乳类及制品，菜蔬:食材来自根茎类和嫰茎叶苔花类，肉类:食材来自禽肉类及制品和畜肉类及制品，魚类:食材来自鱼类，蛋类：食材来自蛋类及制品，茄果类：食材来自茄果类。第五步，在第四步建立的框架模型基础上，加入偏好，使框架输入模型符合季节性，区域性以及个性偏好。具体的，在模型框架基础上，具体用户可以进一步选择那些符合季节性区域性以及用户偏好的食材，这样使最后挖掘的输入模式带有偏好性能，自然就解决了配餐食材的季节性、区域性和个体偏好的功能。步骤1：步骤2：加入偏好，使框架输入模型符合季节性，区域性以及个性偏好。第六步：依据偏好框架模型对配餐模式进行编码，并根据多目标进化算法求解挖掘最优的符合目标要求的输入模式。使用者录入当前初始食物组合，组合中有n种食物，分别为r1,r2,...,rn，其中前p种食物(r1,r2,...,rp)作为早餐，随后的q种食物(rp+1,rp+2,...,rp+q)作为午餐，剩下的食物(rp+q+1,rp+q+2,...,rn)作为晚餐，第三步中所计算出的碳水化合物、蛋白质、及脂肪的标准重量值bi(i＝1,2,...,m)，这n种食物分别需要摄入的重量为x1,x2,...,xn。而上述数值需满足如下不等式：qmin≤q1x1+q2x2+q3x3+……+qnxn≤qmaxk1x1+k2x2+k3x3+……+knxn≤bk0≤rmin≤ri≤rmaxk1,k2,...,kn为r1,r2,...,rn食物每单位样本中第k种营养素的含量值，q1,q2,...,qn为r1,r2,...,rn食物每单位样本中热量值，可通过调用服务器中营养评价库得出。rmi及rmax为每种食物中最低量及最高量，使每种食物不至于过高或过低。本发明的实施方式不限于此，按照本发明的上述内容，利用本领域的普通技术知识和惯用手段，在不脱离本发明上述基本技术思想前提下，本发明还可以做出其它多种形式的修改、替换或变更，均落在本发明权利保护值之内。当前第1页12