[发明专利]基于饮食行为预测脑卒中的系统、设备及存储介质

说明书

本发明公开一种基于饮食行为预测脑卒中的系统、设备、存储介质，所述系统包括：数据库建立单元、数据集构建单元、用户数据获取单元、模型构建单元、风险预测单元；本发明通过决策树的构建、筛选、权重优化和组合生成预测准确度高的随机森林模型，然后基于用户基本信息及脑卒中相关元素的摄入情况实现对脑卒中的风险指数预测，让用户可以快速方便的了解自身营养素的摄入情况及预测的脑卒中风险指数，方便进行健康管理。

技术领域

本发明属于健康管理技术领域，具体涉及一种基于饮食行为预测脑卒中的系统、设备及存储介质。

背景技术

脑卒中包括缺血性和出血性卒中。缺血性卒中的发病率高于出血性卒中，占脑卒中总数的60％～70％。年龄多在40岁以上，男性较女性多，严重者可引起死亡，脑卒中具有发病率高、死亡率高和致残率高的特点。在目前有效特异性治疗手段相对缺乏的情况下，早期预防是减少脑卒中疾病负担的最佳途径。风险评估是识别脑卒中发生、复发的高危人群，明确预防重点的有效工具，对脑卒中一、二级预防具有重要意义。所有应加强对全民普及脑卒中危险因素及先兆症状的教育，才能真正防治脑卒中。

脑卒中的发生原因有很多，其中和饮食是有密切关系的，不健康、不合理的饮食会增加卒中发生的机率，健康饮食能减少卒中发生的机率。长期高盐、高糖、高脂饮食是导致脑卒中和心脑血管病等慢性疾病发生的重要危险因素。高盐饮食容易导致高血压的产生，高糖饮食容易导致糖尿病的产生，高脂饮食容易导致高脂血症的产生，这三个方面都是动脉硬化的基础病。此外，有资料显示水果跟蔬菜摄入比较高的人群，中风发生的机率低于水果蔬菜摄入比较少的人群。

因此，基于用户饮食习惯进行脑卒中风险预测，科学合理的分析出脑卒中风险指数及提供对应的解决方案，对脑卒中防治及健康管理具有重要意义。

发明内容

有鉴于此，本发明提出了一种基于饮食行为预测脑卒中的系统、设备及存储介质，用于解决现有健康管理无法基于营养元素的摄入情况准确预测脑卒中风险的问题。

本发明第一方面，公开一种基于饮食行为预测脑卒中的系统，所述系统包括：

数据库建立单元：用于采集各种食材/制品多维度数据构建食物营养元素表及每种营养元素每日标准摄入量构建元素每日摄入量表，建立饮食数据库；

数据集构建单元：用于计算不同人群连续时间段内的脑卒中相关营养元素摄入情况，结合自身的基础疾病的基本信息作为特征属性，以是否患有脑卒中为标签制作样本数据集；

用户数据获取单元：用于获取采集待测用户的基本信息及连续的饮食记录，基于饮食数据库计算用户饮食记录中的脑卒中相关营养元素摄入情况。

模型构建单元：用于构建随机森林模型，基于样本数据集训练随机森林模型；

风险预测单元：用于将待测用户基本信息及脑卒中相关元素的摄入情况输入随机森林模型，实现对脑卒中的风险指数预测。

优选的，所述食物营养元素表中包括各种食材/制品的多营养元素含量、类别、适宜人群、禁忌人群、相克食物、功效、配料信息、制作步骤；所述营养元素包括：热量、蛋白质、脂肪、碳水化合物、纤维素、胆固醇、维生素B1、维生素B2、烟酸、维生素C、维生素D、维生素E、维生素A、胡萝卜素、视黄醇、钙、镁、铁、锰、锌、铜、钾、磷、钠、硒、水分、GI、嘌呤。

优选的，所述所述特征属性包括脑卒中相关营养元素摄入情况和用户的基本信息；其中脑卒中相关营养元素包括热量、脂肪、GL、盐，营养元素摄入情况分为偏低、偏高、正常；用户的基本信息包括年龄、是否肥胖、脑卒中遗传史、抽烟史、酗酒史、高血压史、糖尿病史、房颤史、心血管疾病史。

优选的，所述模型构建单元中，所述构建随机森林模型包括：

训练集选择子单元：从样本数据集中采用Bootstraping抽样产生k个训练集；