本发明涉及医学、机器学习、大数据等多种领域，特别是一种基于人工智能技术的肝病患者术后营养建议模型。
背景技术：
机器学习(Machine Learning，ML)是一门多领域交叉学科，涉及概率论、统计学、逼近论、凸分析、算法复杂度理论等多门学科。它致力于研究计算机怎样模拟或实现人类的学习行为，以获取新的知识或技能，重新组织已有的知识结构使之不断改善自身的性能，通过与大量数据的结合，可以彰显数据背后的真实含义。人工神经网络是机器学习中的一种算法，基于生物学中神经网络的基本原理，从信息处理角度对人脑神经元网络进行抽象，以网络拓扑知识为理论基础，模拟人脑建立某种处理复杂信息的数学模型。一个神经网络被视为包含了许多参数的数学模型，由若干函数相互代入而得到。将输入和想要的输出同时提供给人工智能技术后，人工神经网络通过学习和训练，获得模型中的所有权重，多次调整的权重使得模型的输出等于或无限接近于想要的结果，也就是寻找到了输入和输出之间的关系，从而完成了模型的建立。
肝脏是身体内以代谢功能为主的一个器官，而肝病患者因肝脏功能出现障碍，则会导致身体内蛋白质、脂肪等的代谢紊乱，从而造成一定程度的肝源性营养不良。营养方式的选择可分为肠外营养和肠内营养，通常情况下，对于肝病患者来说，肠外营养主要应用在术后早期的过程中，与肠内营养相互配合，为无法正常进食的患者提供营养支持，作用时间较短；之后逐渐过渡到完全肠内营养。这样的营养支持方式可以维持肠道功能的完整性，减少感染的发生，促进患者肝脏功能的恢复。但是每位患者的体质情况和术后状态都各不相同，而如何根据每一位患者的综合情况，为其针对性的作出营养摄入的建议，是本发明亟待解决的具有积极意义的科学技术。
技术实现要素：
基于以上现状，本发明提出了一种基于人工智能技术的肝病患者术后营养建议方法，结合机器学习技术，利用计算机信息处理，为术后的肝病患者提供合理的营养摄入建议提供可行方案，保证患者能量的供给，促进患者身体机能的恢复。
本发明的一种基于人工智能技术的肝病患者术后营养建议方法，该方法包括以下步骤：
步骤1、获取患者用户的术后各项身体指标，至少包括人体体温、血压、血糖含量在内的身体测量值，以及患者感知症状；
步骤2、获取患者用户的饮食习惯和当前营养状况；
步骤3、构建患者的术后营养建议模型；将步骤1-步骤3收集的这些数据分为两部分，一部分作为训练集，将将通过相关渠道收集到的大量肝病患者的术后各项身体指标、饮食习惯、当前营养状况作为模型的输入，将所应摄入的营养内容息作为输出，定义好模型的激活函数和层数，经过不断地学习和训练，得到营养建议模型的权重；另外一部分作为测试集，用来验证营养建议模型的准确度；之后，经过细节地调整和优化，从而建立术后营养支持模型；此后，将患者用户的术后各项身体指标、饮食习惯、当前营养状况输入术后营养建议模型进行处理；；
步骤4、将模型处理的结果向患者用户进行展示；
步骤5、记录患者实际的营养摄入情况；
步骤6、分析并结合患者用户实际的营养摄入情况和患者用户的各项身体指标，持续的动态调整并进行后续的术后营养建议活动。
与现有技术相比，本发明能够结合患者用户的术后身体状况和营养情况，基于数据监测和人工智能分析，为术后的肝病患者提供合理的营养支持，为维持患者用户身体状态稳定和促进肝脏功能的恢复提供科学参考。
附图说明
图1为本发明的一种基于人工智能技术的肝病患者术后营养建议方法整体流程图。
具体实施方式
在后期的肠内营养方式中，需要记录用户的饮食数据并将其转化成具体的营养素进行细致的分析，在这方面，本方法建立了自己的食物营养素数据库，包含100多种营养素；在患者用户的数据方面，我们与医院建立了合作获取研究数据，可以保证数据来源的真实性和可靠性；人工智能技术有很强的非线性拟合能力，可映射任意复杂的非线性关系，而且学习规则简单，便于计算机实现，这为本研究提供了合适的实现方式；此外，本研究还与多家医院的专业医生建立了联系，可以为本发明的研究提供专业的建议和指导。以上几点，都使实现本发明提出的一种基于人工智能技术的肝病患者术后营养建议方案成为可能。
下面将结合附图对本发明的实施方式作进一步的详细描述。
本发明的基于人工智能技术的肝病患者术后营养建议方案，该方法具体包括以下步骤：
步骤1、获取患者用户的术后各项身体指标，具体包括一些身体数据的测量值，例如体温、血压、血糖含量等，以及一些身体状况，比如是否出现腹痛、腹泻、恶心等症状；
步骤2、获取患者用户的饮食习惯和当前营养状况，从而可以针对性的为用户提供营养建议；
步骤3、构建患者的术后营养建议模型；将步骤(1)-步骤(3)收集的这些数据分为两部分，一部分作为训练集，将将通过相关渠道收集到的大量肝病患者的术后各项身体指标、饮食习惯、当前营养状况作为模型的输入，将所应摄入的营养内容息作为输出，定义好模型的激活函数和层数，经过不断地学习和训练，得到营养建议模型的权重；另外一部分作为测试集，用来验证营养建议模型的准确度；之后，经过细节地调整和优化，从而建立术后营养支持模型；；此后，将患者用户的术后各项身体指标、饮食习惯、当前营养状况输入术后营养建议模型进行处理；
步骤4、将术后营养建议模型的处理结果向患者用户进行展示，具体展示内容为1，以雷达图和文字的形式向用户展示当前的身体状况；2，以文字的形式向用户提供营养摄入的建议；
步骤5、记录患者实际的营养摄入情况(术后饮食记录其转化成具体的营养素进行细致的分析)，包括肠内营养和肠外营养的内容；
步骤6、分析并结合患者用户实际的营养摄入情况和患者用户的各项身体指标，持续的动态调整并进行后续的术后营养建议活动。
本发明并不局限于前述的流程，任何将本发明所披露的特征或新的步骤的组合进行扩展的，皆落入本发明的保护范围。