[发明专利]一种人工智能生成体重管理方法

说明书

本发明公开了一种人工智能生成体重管理方法。涉及人工智能技术领域，构建了一种新的体重管理方案生成的方法，它实现了更好的热量及营养素的阈值计算方法，及最终个体的阈值确定办法。同时它充分考虑中国人的代谢特征，不仅对热量进行控制，还对三大营养素供能比率，糖类GL值进行了标准控制及人工智能，大数据调定方案。同时数据库的存储中按照地域，GL值，单位热量及营养素数据，能够利用分类标快速完成多样化食谱自动生成，并且以人工智能推送算法，推送个体最容易坚持或喜欢的食物与运动。

技术领域

本发明涉及人工智能技术，具体而言，涉及一种人工智能生成体重管理方法。

背景技术

随着人工智能及大数据的普及，各种算法层出不穷，在体重控制方面，一般从两方面进行方案规划，即食谱与运动。而这类方案的生成办法还停留在偏学术层面，一般根据用户的性别，年龄，及身高，体重数据，根据中国营养学会对正常人的饮食推荐的热量的基础上减去500~1000kcal，通过单纯的热量控制及对应的三大供能营养素（碳水化合物，脂肪，蛋白质）相应比例缩小食物供应量进行食谱搭配，并且目前为止，大部分计算工作仍然由人工为主，数据计算为辅的形式进行方案数据生成，根据食物的营养成分，配餐经验，以及不同健康状况下有害或有益的食材形成食材组合，分量拟定，再利用软件中预先录入食物营养成分数据库，通过系统统计分析的得出各类营养成分含量清单，对比方案预设的营养素参考值，通过调节食物重量数值，不断对比，合理之后由人工最终确认，生成一个相对固定的食谱。运动方面则根据中国营养学会对运动量的推荐，以及不同的运动消耗热量，给与偏向于有氧运动的运动量及方式推荐。

该类方案生成方法在实际操作过程中，普遍会遇到几个问题：第一，有效性差，人体具有阈值效应，并且拥有一定区间的自动调节适应能力，如果按照推荐热量减去一定数量的热量，很可能并未到达该个体的热量阈值，导致生成的方案中，有一部分无效或效率低。第二，依从性低，由于食谱及运动的计算方式比较专业，使用复杂，耗时长，并且与配餐师的个人经验有很大关系，导致方案的灵活性和多样性比较弱，个体难以坚持。第三，反弹率较高，由于该类方案普遍未从医学角度考虑人体代谢的应答反应，也并未考虑不同阶段代谢情况的变化，在控制过程中出现食欲无法控制，人体新的代谢平衡无法形成，从而导致反弹。

发明内容

本发明的目的在于提供了一种人工智能生成体重管理方法，适合中国超重与肥胖人群存在的遗传与代谢特征，并根据个人具体情况，通过大数据分析归类，得出该类人群的具体的热量阈值，利用人工智能快速得出多种可调节人体代谢的食物营养素配比，综合地域食材，菜谱，运动习惯的具有更高依从性的体重管理方案生成的方法。

为了实现上述目的，本发明实施例采用的技术方案如下：

一种人工智能生成体重管理方法，所述方法包括以下步骤：

步骤1：获取个人基本信息

步骤2：根据该个人的年龄、体重、腰围、血糖、血压的数据建立数据库

步骤3：根据该个人的数据，智能识别该个人是否属于某一分类，如果属于某一分类，则将该个人归入人群库已有的分类。如果没有找到现在已有的分类，则将该个人推送给专业营养师进行人工归类，并且利用机器学习技术，对系统进行训练，得出新方案，并最终验证该方案的有效性，若最终达到300个体超过95%有效性，则形成该归类人群库的方案库。

步骤4：同步个体历史数据时间戳与体重变化曲线，得出所处阶段。具体办法为若个体数据为0或1条，则表示刚进入第一阶段：体重控制期；当个体数据时间为多条，并且体重变化已达控制目标的50~80%，则进入第二阶段：过渡期。当个体已达到体重控制目标100%，则进入第三阶段，平衡期。

步骤5：根据变量：体重，目前所处阶段，人群分类，健康状况，遗传病史，及基础数据（18岁后最低体重数据，性别，出生年月等），智能推算并具体调定个体体重控制阈值，碳水化合物控制阈值及其他营养素配值。具体方法为：