一种基于机器学习的老年痴呆患者进食能力监护系统

本发明涉及监护，尤其涉及一种基于机器学习的老年痴呆患者进食能力监护系统。

背景技术：

1、老年痴呆是一种渐进性的神经退行性疾病，最常见的症状表现在患者的记忆力衰退以及日常生活能力的下降，因此，通常需要安排护理人员24小时照看老年痴呆患者，以避免患者出现危险。

2、在照看老年痴呆患者过程中，患者的饮食是特别需要注意的方面，由于患者记忆力减退以及日常自理能力的下降问题，由患者自行安排每日饮食以及进食会存在极大的风险。目前已有相关监护产品对患者进食情况进行监护，但其主要通过视频监控，并将监控数据传送至患者处实现远程监督，以及时识别患者进食过程中产生的危险情况。但上述产品还存在一定缺陷，主要在于获取患者进食过程的数据不够全面，无法对患者进食能力进行分析反馈以调整进食计划，达不到减轻患者工作量的要求。

技术实现思路

1、有鉴于此，本发明目的在于提供一种基于机器学习的老年痴呆患者进食能力监护系统，以实现对患者进食相关数据的多方面整合，在对患者进食过程安全监护的同时可以得到患者的进食能力情况，并以此调整患者的进食计划，减轻护理人员的负担。

2、本发明公开了一种基于机器学习的老年痴呆患者进食能力监护系统，其特征在于，所述系统包括数据采集模块、数据传输模块、数据存储模块、数据处理与分析模块、显示模块；

3、数据采集模块用于采集患者个人信息、患者食物数据以及患者进食数据；

4、数据传输模块用于将所述数据采集模块采集的数据传输至数据存储模块；

5、数据存储模块用于对所述数据采集模块采集的数据进行存储；

6、其中，所述数据处理与分析模块包括数据处理单元、模型训练单元以及数据分析单元；数据处理单元用于从数据存储模块调取所述数据采集模块采集的数据进行数据处理，得到处理数据；数据分析单元用于将所述处理数据输入至进食分析模型，通过进食分析模型输出分析结果；所述进食分析模型通过模型训练单元基于机器学习算法进行训练得到；

7、所述数据传输模块还用于将所述数据处理与分析模块的输出信息传输至显示模块，用户根据所述模型训练单元的分析结果对患者进食计划进行调整。

8、进一步地，所述数据采集模块包括输入采集单元、视频监控单元以及传感器单元；

9、输入采集单元用于提供输入端供用户输入信息，并对用户输入的信息进行采集，包括采集用户输入的患者个人信息以及患者进食计划的食物信息；其中，将用户输入的进食计划中的食物信息作为第一食物数据；

10、视频监控单元用于采集患者进食计划的食物数据以及患者进食过程中的进食数据；将视频监控单元采集的进食计划中的食物图像数据作为第二食物数据，所述患者进食计划食物数据包括第一食物数据和第二食物数据；将视频监控单元采集的实际进食的食物图像作为第一进食数据；

11、传感器单元用于通过传感器采集患者实际进食过程中的进食状态，并作为第二进食数据，所述患者实际进食数据包括第一进食数据和第二进食数据。

12、进一步地，所述数据处理单元对数据采集模块采集的数据进行数据处理，包括分别对第二食物数据和第一进食数据进行图像识别处理。

13、进一步地，所述患者个人信息包括患者年龄、性别、食物口味、食用禁忌、咀嚼能力以及疾病诊断史；

14、所述第一食物数据包括用户按照患者进食计划输入的食物名称、菜品名称；

15、所述第二食物数据包括食物名称、菜品名称；

16、所述第一进食数据包括进食的食物名称和菜品名称、进食时长、进食速度、进食程度；

17、所述第二进食数据包括餐具倾斜角度、重量。

18、进一步地，所述系统还包括控制模块；

19、在所述患者进食前，通过所述数据分析单元对所述第一食物数据和第二食物数据相似值进行判断，通过当判断出所述第一食物数据和第二食物数据的相似值大于等于预设阈值时，所述控制模块执行允许患者进食操作，并将所述第二食物数据作为进食分析模型的输入数据。

20、进一步地，所述系统还包括提示模块，所述提示模块用于向用户发送提示信息；

21、当判断出所述第一食物数据和第二食物数据的相似值低于预设阈值时，所述提示模块向用户发送提示信息，所述提示信息包括提示用户核实患者当前需要进食的食物是否符合进食要求。

22、进一步地，所述传感器单元包括温度检测器，通过温度检测器检测患者要进食的食物温度；在执行允许患者进食操作前获取所述食物温度，当判断食物温度低于预设食物进食温度时再执行允许患者进食操作。

23、进一步地，所述患者进食数据为实时采集的数据，所述数据分析单元实时获取所述患者进食数据，并基于所述患者进食数据进行实时分析，判断当前进食数据是否触发报警事件，当触发报警事件时，通过所述提示模块向用户发出警报。

24、进一步地，所述模型训练单元输入端接收处理数据，通过进食分析模型输出分析结果，具体为：处理数据为患者个人信息、第一进食数据，所述分析结果包括进食能力分值和喜爱值。

25、进一步地，所述机器学习算法包括随机森林算法，所述随机森林模型中每棵决策树输出每个处理数据对进食能力分值和喜爱值的预测值，最终输出为所有决策树预测结果的加权平均值。

26、与现有技术相比，本发明的有益效果为：

27、本发明通过对患者个人信息、食物数据以及进食数据的采集和分析，其中分析过程包括构建进食分析模型以对患者进食能力以及食物喜爱值进行输出，使患者可以了解患者的进食能力以及食物喜爱偏好，在达到对患者进食过程实时监护的同时可以有效调整患者的进食计划，提高患者进食过程的安全性和积极性，并有效降低了看护人员的工作量。

技术特征：

1.一种基于机器学习的老年痴呆患者进食能力监护系统，其特征在于，所述系统包括数据采集模块、数据传输模块、数据存储模块、数据处理与分析模块、显示模块；

2.根据权利要求1所述的基于机器学习的老年痴呆患者进食能力监护系统，其特征在于，所述数据采集模块包括输入采集单元、视频监控单元以及传感器单元；

3.根据权利要求2所述的基于机器学习的老年痴呆患者进食能力监护系统，其特征在于，所述数据处理单元对数据采集模块采集的数据进行数据处理，包括分别对第二食物数据和第一进食数据进行图像识别处理。

4.根据权利要求2所述的基于机器学习的老年痴呆患者进食能力监护系统，其特征在于，所述患者个人信息包括患者年龄、性别、食物口味、食用禁忌、咀嚼能力以及疾病诊断史；

5.根据权利要求3所述的基于机器学习的老年痴呆患者进食能力监护系统，其特征在于，所述系统还包括控制模块；

6.根据权利要求5所述的基于机器学习的老年痴呆患者进食能力监护系统，其特征在于，所述系统还包括提示模块，所述提示模块用于向用户发送提示信息；

7.根据权利要求6所述的基于机器学习的老年痴呆患者进食能力监护系统，其特征在于，所述传感器单元包括温度检测器，通过温度检测器检测患者要进食的食物温度；在执行允许患者进食操作前获取所述食物温度，当判断食物温度低于预设食物进食温度时再执行允许患者进食操作。

8.根据权利要求7所述的基于机器学习的老年痴呆患者进食能力监护系统，其特征在于，所述患者进食数据为实时采集的数据，所述数据分析单元实时获取所述患者进食数据，并基于所述患者进食数据进行实时分析，判断当前进食数据是否触发报警事件，当触发报警事件时，通过所述提示模块向用户发出警报。

9.根据权利要求1-8中任一项所述的基于机器学习的老年痴呆患者进食能力监护系统，其特征在于，所述模型训练单元输入端接收处理数据，通过进食分析模型输出分析结果，具体为：处理数据为患者个人信息、第一进食数据，所述分析结果包括进食能力分值和喜爱值。

10.根据权利要求9所述的基于机器学习的老年痴呆患者进食能力监护系统，其特征在于，所述机器学习算法包括随机森林算法，所述随机森林模型中每棵决策树分别输出每个处理数据对进食能力分值和喜爱值的预测值，最终输出为所有决策树预测结果的加权平均值。

技术总结
本发明涉及监护技术领域，公开了一种基于机器学习的老年痴呆患者进食能力监护系统，通过对患者个人信息、食物数据以及进食数据的采集和分析，其中分析过程包括构建进食分析模型以对患者进食能力以及食物喜爱值进行输出，可以了解患者的进食能力以及食物喜爱偏好，在达到对患者进食过程实时监护的同时可以有效调整患者的进食计划，提高患者进食过程的安全性和积极性，并有效降低了看护人员的工作量。

技术研发人员：马丽霞,聂贝贝,金歌,王静杰
受保护的技术使用者：郑州大学第一附属医院
技术研发日：
技术公布日：2024/12/5