[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

权利要求书

1.一种基于饮食行为预测脑卒中的系统，其特征在于，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。

2.根据权利要求1所述基于饮食行为预测脑卒中的系统，其特征在于，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。

3.根据权利要求1所述基于饮食行为预测脑卒中的系统，其特征在于，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。

4.根据权利要求1所述基于饮食行为预测脑卒中的系统，其特征在于，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，分别为T₁,T₂,…,T_k；

决策树生成子单元：根据所述k个训练集训练决策树，生成k棵决策树，在每一轮生成决策树的过程中，从D个特征中随机选择其中的d个特征组成一个新的特征集，通过使用新的特征集来生成决策树；

决策树筛选子单元：分别计算各个决策树之间的相关度，从k棵决策树中剔除与其他决策树相关度高于预设阈值且准确度低于预设阈值的决策树，得到新的决策树集合；

决策树组合子单元：采用鸽群优化算法优化新的决策树集合中各个决策树的权重，组成随机森林模型。

5.根据权利要求4所述基于饮食行为预测脑卒中的系统，其特征在于，所述计算各个决策树之间的相关度的方式包括相关系数、互信息。

6.根据权利要求5所述基于饮食行为预测脑卒中的系统，其特征在于，所述采用鸽群优化算法优化新的决策树集合中各个决策树的权重具体包括：在鸽群算法的基础上，融合黄金正弦算法进行决策树集合中各个决策树的权重优化，具体的，在鸽群位置更新处引入黄金正弦算法进行位置更新优化，加速收敛。

7.根据权利要求5所述基于饮食行为预测脑卒中的系统，其特征在于，所述鸽群优化算法的适应度函数为随机森林模型的综合损失函数最小，损失随机森林模型的综合损失函数为各个决策树的损失函数加权求和，其中权重即为采用鸽群优化算法优化后的权重。

8.一种电子设备，包括：至少一个处理器、至少一个存储器、通信接口和总线；

其中，所述处理器、存储器、通信接口通过所述总线完成相互间的通信；

所述存储器存储有可被所述处理器执行的程序指令，所述处理器调用所述程序指令，以实现如权利要求1～7任一项所述的系统。

9.一种计算机可读存储介质，所述计算机可读存储介质存储计算机指令，所述计算机指令使所述计算机实现权利要求1～7任一项所述的系统。