基于大数据的肾病患者饮食情况分析系统及方法

本技术涉及饮食管理领域，且更为具体地，涉及一种基于大数据的肾病患者饮食情况分析系统及方法。

背景技术：

1、肾病患者由于肾功能不全，饮食必须严格控制。例如，肾病患者需要合理控制蛋白质、钠、钾和磷等营养物质的摄入量，以减轻肾脏的负担。

2、然而，肾病患者的饮食管理往往具有挑战性，需要根据个体情况进行个性化的营养指导。传统的饮食评估方法往往缺乏客观性和实时性。因此，期待一种优化的肾病患者饮食情况分析方案。

技术实现思路

1、有鉴于此，本技术提出了一种基于大数据的肾病患者饮食情况分析系统及方法，其可以提供实时的监测和反馈，帮助患者更好地管理饮食。

2、根据本技术的一方面，提供了一种基于大数据的肾病患者饮食情况分析系统，其包括：

3、患者数据获取单元，用于获取肾病患者对象的饮食数据以及所述肾病患者对象的身体数据时间序列；

4、身体数据编码分析单元，用于提取所述身体数据时间序列的身体数据指标时序语义特征以得到身体数据指标时序波动语义编码特征向量；

5、饮食数据编码分析单元，用于提取所述饮食数据的语义特征以得到饮食数据全连接编码特征向量；

6、响应性交互融合单元，用于使用饮食-身体状态响应性分析模块对所述身体数据指标时序波动语义编码特征向量和所述饮食数据全连接编码特征向量进行处理以得到饮食-身体状态时序响应性交互融合特征向量；

7、饮食情况判断单元，用于基于所述饮食-身体状态时序响应性交互融合特征向量，确定饮食是否合理；

8、其中，所述响应性交互融合单元，用于：

9、使用如下响应性交互融合公式对所述身体数据指标时序波动语义编码特征向量和所述饮食数据全连接编码特征向量进行处理以得到所述饮食-身体状态时序响应性交互融合特征向量；其中，所述响应性交互融合公式为：

10、；

11、其中，为所述饮食-身体状态时序响应性交互融合特征向量，为所述身体数据指标时序波动语义编码特征向量，为所述饮食数据全连接编码特征向量，为所述身体数据指标时序波动语义编码特征向量的转换矩阵，为所述饮食数据全连接编码特征向量的转换矩阵，为显著化身体数据指标时序波动语义编码特征向量，为显著化饮食数据全连接编码特征向量。

12、在上述的基于大数据的肾病患者饮食情况分析系统中，所述饮食数据包括食物种类、重量、热量、蛋白质含量、钠含量、钾含量和磷含量，所述身体数据包括体重值、血压值、血糖值、血尿素氮含量和肌酐含量。

13、在上述的基于大数据的肾病患者饮食情况分析系统中，所述身体数据编码分析单元，包括：

14、身体数据划分子单元，用于对所述身体数据时间序列进行基于预定时间尺度的数据划分以得到身体数据局部时间序列的序列；

15、身体数据局部时序特征提取子单元，用于利用深度学习网络模型对所述身体数据局部时间序列的序列进行特征提取以得到身体数据指标时序关联特征向量的序列；

16、身体数据应语义关联特征提取子单元，用于提取所述身体数据指标时序关联特征向量的序列的语义关联特征以得到所述身体数据指标时序波动语义编码特征向量。

17、在上述的基于大数据的肾病患者饮食情况分析系统中，所述身体数据局部时序特征提取子单元，用于：

18、将所述身体数据局部时间序列的序列中的各个身体数据局部时间序列通过基于卷积神经网络模型的身体数据指标时序特征提取器以得到所述身体数据指标时序关联特征向量的序列。

19、在上述的基于大数据的肾病患者饮食情况分析系统中，所述身体数据应语义关联特征提取子单元，用于：

20、将所述身体数据指标时序关联特征向量的序列通过基于lstm模型的身体指标时序波动特征提取器以得到所述身体数据指标时序波动语义编码特征向量。

21、在上述的基于大数据的肾病患者饮食情况分析系统中，所述饮食数据编码分析单元，用于：

22、将所述饮食数据通过基于全连接层的饮食数据编码器以得到所述饮食数据全连接编码特征向量。

23、在上述的基于大数据的肾病患者饮食情况分析系统中，所述饮食情况判断单元，用于：

24、将所述饮食-身体状态时序响应性交互融合特征向量通过分类器以得到分类结果，所述分类结果用于表示饮食是否合理。

25、在上述的基于大数据的肾病患者饮食情况分析系统中，还包括用于对所述基于卷积神经网络模型的身体数据指标时序特征提取器、所述基于lstm模型的身体指标时序波动特征提取器、所述基于全连接层的饮食数据编码器、所述饮食-身体状态响应性分析模块和所述分类器进行训练的训练单元；其中，所述训练单元，包括：

26、训练数据获取子单元，用于获取训练数据，所述训练数据包括肾病患者对象的训练饮食数据以及所述肾病患者对象的训练身体数据时间序列，以及，饮食是否合理的真实值；

27、训练数据划分子单元，用于对所述训练身体数据时间序列进行基于预定时间尺度的数据划分以得到训练身体数据局部时间序列的序列；

28、训练身体数据指标时序特征提取子单元，用于将所述训练身体数据局部时间序列的序列中的各个训练身体数据局部时间序列通过所述基于卷积神经网络模型的身体数据指标时序特征提取器以得到训练身体数据指标时序关联特征向量的序列；

29、训练身体指标时序波动特征提取子单元，用于将所述训练身体数据指标时序关联特征向量的序列通过所述基于lstm模型的身体指标时序波动特征提取器以得到训练身体数据指标时序波动语义编码特征向量；

30、训练饮食数据编码子单元，用于将所述训练饮食数据通过所述基于全连接层的饮食数据编码器以得到训练饮食数据全连接编码特征向量；

31、训练响应性分析子单元，用于使用所述饮食-身体状态响应性分析模块对所述训练身体数据指标时序波动语义编码特征向量和所述训练饮食数据全连接编码特征向量进行处理以得到训练饮食-身体状态时序响应性交互融合特征向量；

32、分类损失函数值计算子单元，用于将所述训练饮食-身体状态时序响应性交互融合特征向量通过分类器以得到分类损失函数值；

33、特定损失函数值计算子单元，用于计算所述训练身体数据指标时序波动语义编码特征向量和所述训练饮食数据全连接编码特征向量的特定损失函数值；

34、损失训练子单元，用于以所述分类损失函数值和所述特定损失函数值的加权和作为损失函数值，来对所述基于卷积神经网络模型的身体数据指标时序特征提取器、所述基于lstm模型的身体指标时序波动特征提取器、所述基于全连接层的饮食数据编码器、所述饮食-身体状态响应性分析模块和所述分类器进行训练。

35、根据本技术的另一方面，提供了一种基于大数据的肾病患者饮食情况分析方法，其包括：

36、获取肾病患者对象的饮食数据以及所述肾病患者对象的身体数据时间序列；

37、提取所述身体数据时间序列的身体数据指标时序语义特征以得到身体数据指标时序波动语义编码特征向量；

38、提取所述饮食数据的语义特征以得到饮食数据全连接编码特征向量；

39、使用饮食-身体状态响应性分析模块对所述身体数据指标时序波动语义编码特征向量和所述饮食数据全连接编码特征向量进行处理以得到饮食-身体状态时序响应性交互融合特征向量；

40、基于所述饮食-身体状态时序响应性交互融合特征向量，确定饮食是否合理；

41、其中，使用如下响应性交互融合公式对所述身体数据指标时序波动语义编码特征向量和所述饮食数据全连接编码特征向量进行处理以得到所述饮食-身体状态时序响应性交互融合特征向量；其中，所述响应性交互融合公式为：

42、；

43、其中，为所述饮食-身体状态时序响应性交互融合特征向量，为所述身体数据指标时序波动语义编码特征向量，为所述饮食数据全连接编码特征向量，为所述身体数据指标时序波动语义编码特征向量的转换矩阵，为所述饮食数据全连接编码特征向量的转换矩阵，为显著化身体数据指标时序波动语义编码特征向量，为显著化饮食数据全连接编码特征向量。

44、在本技术中，其首先获取肾病患者对象的饮食数据以及所述肾病患者对象的身体数据时间序列，接着，提取所述身体数据时间序列的身体数据指标时序语义特征以得到身体数据指标时序波动语义编码特征向量，然后，提取所述饮食数据的语义特征以得到饮食数据全连接编码特征向量，接着，使用饮食-身体状态响应性分析模块对所述身体数据指标时序波动语义编码特征向量和所述饮食数据全连接编码特征向量进行处理以得到饮食-身体状态时序响应性交互融合特征向量，最后，基于所述饮食-身体状态时序响应性交互融合特征向量，确定饮食是否合理。这样，可以帮助患者更好地管理饮食。

45、根据下面参考附图对本技术的详细说明，本技术的其它特征及方面将变得清楚。