本发明涉及医疗饮食、深度学习、机器学习和数据挖掘等多种领域，特别是一种基于机器学习和用户健康、体检信息的用户饮食模型的建立。
背景技术：
机器学习(Machine Learning)是一门涉及概率论、统计学、逼近论、凸分析、算法复杂度理论等多门学科的多领域交叉学科，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。深度学习是机器学习研究中的一个新的领域，是神经网络研究的发展，其动机在于建立、模拟人脑进行分析学习的神经网络，它模仿人脑的机制来解释数据的真实意义。而数据挖掘，简单来说是从大量数据中提取或者挖掘知识，它运用基于计算机的方法和新技术，对已有的数据进行分析进而抽取出有意义的信息。目前，机器学习、深度学习和挖掘技术的应用，在人工智能领域以及一些数据处理的问题上都有着深刻的体现。
随着社会的快速发展，人们对各种疾病产生的健康威胁越来越关注。经过调查，目前影响我国人民群众身体健康的疾病主要有高血压、糖尿病、心脏病、心脑血管疾病、呼吸疾病和痛风等等，而且它们还呈现出面积扩大化、低龄化的特征。医生在治疗疾病时，除了给予药物治疗外，更重视的是营养饮食的作用，合理饮食对疾病会起到治疗的作用，帮助人体恢复健康。国务院办公厅于2017年6月发布了关于印发国民营养计划(2017-2030)的通知，体现了国家对居民营养的重视，然而，对于患有疾病的人群来说，如何正确的摄取营养仍然存在一些问题：
1.目前，国内的一些营养饮食推荐的方案的计算机应用(例如：APP)正在日渐兴起，但是这些应用大多只是系统的向用户推荐一些营养信息，而没有考虑到用户所患疾病的宜忌，因此这种方式存在一定的风险，或许还会有对用户的健康非常不利的风险；
2.同一种食物对不同疾病的效果也许是不一样的，如果某人所患不仅一种疾病，那么如何在繁杂的营养信息中选择适合自己的组合也会成为难题；
3.一些有关营养饮食推荐的方案和计算机应用虽然考虑到了用户的过敏源和食物禁忌问题，但是只在功能中占很小部分，仍然无法避免对用户的健康可能造成危害。
技术实现要素：
基于以上所述的当前饮食推荐所存在的不足，我们提出了一种基于个人体检信息的营养饮食推荐方法。
本发明的一种基于个人体检信息的营养饮食推荐方法，该方法包括以下步骤：
步骤1、获取用户的健康信息，至少包括用户的身高、体重、过敏源和食物禁忌；
步骤2、获取用户的体检信息；
步骤3、将提供的体检信息中的所患疾病状况和预先所建立的疾病信息数据库进行匹配，统计用户所患疾病的宜忌；
步骤4、基于机器学习和深度学习构建用户的饮食模型；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，将训练集中的健康信息和体检信息作为模型的输入，将所对应的推荐饮食信息作为输出，定义好模型的激活函数和层数，经过不断地学习和训练，得到饮食推荐模型的权重；另外一部分作为测试集，用来验证饮食推荐模型的准确度；之后，经过细节地调整和优化，从而建立饮食推荐模型；此后，将用户的健康信息和体检信息输入饮食推荐模型进行处理；
步骤5、根据用户的饮食推荐模型的处理结果向用户推荐营养饮食信息。
与现有技术相比，本发明利用机器学习和数据挖掘的强大数据处理能力对大量的数据进行处理；此外，还建立了自己的疾病信息数据库，并与多家医院的专业医生建立了合作和联系，这些保障了本发明的专业性和科学性；
并且，本发明充分考虑了用户的身体健康状况和疾病状况，有针对性的向用户推荐适合自身体质的营养饮食，从而改善用户的身体状况，使用户的身体保持良好的状态。
附图说明
图1为本发明的一种基于个人体检信息的营养饮食推荐方案流程图。
具体实施方式
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。
采用机器学习、深度学习以及数据挖掘等技术。本发明的一种基于个人体检信息的营养饮食推荐方法，具体包括以下步骤：
步骤1、获取用户的健康信息，主要内容包括用户的身高、体重、过敏源和食物禁忌；身高和体重用于获知用户身体的基本状态(偏瘦、正常、偏胖等)；过敏源和食物禁忌用于在构建用户饮食模型的时候，将用户易过敏和不能摄入的营养饮食内容去除；
步骤2、获取用户的体检信息，主要获取用户所患的疾病状况；
步骤3、通过，将提供的体检信息中的所患疾病状况和预先所建立的疾病信息数据库进行匹配，统计用户所患疾病的宜忌；
步骤4、基于机器学习和深度学习构建用户的饮食模型；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，将训练集中的健康信息和体检信息作为模型的输入，将他们所对应的推荐饮食信息作为输出，定义好模型的激活函数和层数，经过不断地学习和训练，得到饮食推荐模型的权重；数据的另外一部分作为测试集，用来验证饮食推荐模型的准确度；之后，经过细节地调整和优化，从而建立饮食推荐模型；此后，将用户的健康信息和体检信息输入饮食推荐模型进行处理；
步骤5、生成要向用户进行推荐的营养饮食信息，并向用户进行推送；
步骤6、将上述饮食推荐模型与医生的指导建议相结合，对饮食推荐模型进行优化，提高算法的准确率和可靠性。
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。