一、糖尿病食品交换份法与粗算法在临床的治疗观察（论文文献综述）
苏嘉[1]（2020）在《面向心血管疾病风险因素的饮食推荐技术研究》文中提出当前心血管疾病已经成为导致居民死亡的最主要原因,包括Framinham心脏研究在内的多项研究表明,心血管疾病与风险因素密切相关。我国医疗现状面临着多重挑战,医疗资源分配不均衡、患者医疗知识缺乏、医生看病压力大等问题严重制约着医疗行业的发展。随着信息技术的发展,远程医疗、智能问诊等一批试探性的应用已经证明了信息技术可以在医疗领域发光发热,这在今年的抗击新冠疫情中得到有效验证。信息挖掘、信息推荐等技术已经在医疗健康领域展现其实用的一面,将信息技术应用于心血管疾病风险因素的自动挖掘及相关知识推荐,对心血管疾病预防具有十分重大的意义。电子病历中真实地记录着患者的心血管疾病风险因素信息,对其进行挖掘研究是自动化发现用户个性化心血管疾病风险因素的有效途径,从而实现有针对性的健康信息推荐。健康信息推荐是疾病认知行为干预模式的有效方法之一,能够对人们的生活方式加以引导。本文从用户的个性化风险因素挖掘出发,由点及面地研究了针对风险因素的饮食推荐方案。首先,本文探讨了基于中文电子病历的心血管疾病风险因素挖掘技术。之后,针对风险因素中最重要且和饮食最密切相关的糖尿病研究了它的饮食方案推荐问题。最后,针对患者个性化的风险因素,研究了基于饮食知识图谱的个性化饮食知识推荐策略。本文主要研究内容包括以下四个方面:第一部分为基于中文电子病历的心血管疾病风险因素标注体系及语料库构建。针对中文个人健康文本心血管疾病风险因素语料库构建工作的空白,本文基于中文电子病历文本的特点,制定了心血管疾病风险因素及相关信息的标注原则,并通过迭代式的方法来构建标注语料库。在标注过程中采用多种方法来保障语料库标注的质量,最后取得了高质量的首份中文医疗健康领域心血管疾病风险因素标注语料库,为后续的自动化风险因素抽取研究、围绕用户个性化风险因素的饮食推荐提供保障。第二部分为心血管疾病风险因素的抽取,主要内容包括面向中文电子病历的心血管疾病风险因素的识别、风险因素发生的时间属性标注及修饰的判断。风险因素的识别是从病历文本中标注出相应字段,并对其风险因素的种类进行标注。本文将其视为序列标注任务,使用特征辅助输入的强化双向长短期记忆网络来对病历文本进行编码,并通过条件随机场来解码到对应的标注。风险因素的时间属性和修饰是在风险因素识别的基础上进一步对其信息进行提取,本文提出了基于卷积神经网络的风险因素时间属性分类方法和基于SVM的修饰分类方法。对比实验表明了本文提出的方法能够更有效地抽取中文电子病历文本中的心血管疾病风险因素。第三部分针对风险因素中最重要的糖尿病研究了它的个性化饮食方案推荐问题。糖尿病作为心血管疾病风险因素中最常见且和饮食最密切相关的因素,对其进行饮食推荐研究具有重要意义。该部分研究了糖尿病患者在满足健康约束的前提下给患者提供喜好饮食的问题。本文从糖尿病营养病志中挖掘糖尿病饮食经验知识,并提出健康饮食约束生成策略,将糖尿病患者的饮食约束问题变成一个多标签分类问题。根据临床营养专家的饮食规划原则,提出健康饮食方案自动生成算法。同时,基于用户的既往饮食数据,提出基于疾病时间因子分解的饮食偏好预测方法,通过优化方法产生糖尿病患者及饮食的因子表示,进而未知评分可通过因子表示点积获得。最后本文还探讨了结合用户偏好的糖尿病个性化饮食推荐方法,将用户偏好加入到健康饮食方案的推荐打分中,提出了融合了健康性和用户偏好的个性化饮食方案推荐方法。第四部分为基于风险因素饮食知识图谱的知识推荐,主要研究了个性化风险因素与饮食关系的预测问题。风险因素与饮食的关系作为饮食知识的表现形式,使得对其预测成为推荐的前提。研究内容包括从饮食及营养学专着中挖掘风险因素饮食知识,在临床营养专家的指导下,提出了6类饮食概念包括食物、营养素、疾病、症状、功能和人群,以及他们之间存在的9种关系,并构建了首份中文风险因素饮食知识图谱。根据饮食知识图谱的特点,提出了基于图卷积网络的知识表示方法,在个性化风险因素与饮食实体的关系预测中表明了该方法的有效性。总之,本文围绕着心血管疾病风险因素这个中心,深入地研究了心血管疾病风险因素的信息抽取问题,以及围绕风险因素的个性化饮食推荐技术。期待本文的方法能够对心血管疾病的预防发挥出其实际的价值,并给其他类似疾病的防治提供借鉴作用,为医疗人工智能研究做出应有的贡献。
李轩[2]（2018）在《引入Adaboost概率矩阵分解的糖尿病个性化饮食推荐算法》文中指出推荐算法是针对信息超载问题最好的解决办法之一。随着互联网的崛起并且快速发展,用户面对巨大的数据量显得束手无策,不知不觉中已经淹没在海量数据当中。而推荐算法的诞生,解救了徘徊在大幅增长的数据中的用户,满足了用户对可用信息的需求,摆脱了用户不能得到自己真正需要的数据的困境,提高了对信息的利用率。推荐算法是根据用户的兴趣、需求信息等属性,将其他的、用户不知的、用户感兴趣的信息推荐给用户。并且采用这些属性将用户之间建立关联。归类后的用户,由于推荐算法分析产生的兴趣点,使用户彼此之间关系密切。这种个性化服务,让用户产生了依赖。推荐算法已经在很多领域得到应用,最为代表性的就是电子商务领域,并且在这个领域推荐算法发展迅速,日趋成熟。在智能医疗领域,推荐算法也受到关注得到应用。面向糖尿病患者的个性化饮食推荐算法就是智能医疗领域的重要研究课题之一。传统的糖尿病饮食推荐算法面对越来越多的患者数据而无法精确地在患者身体指标与推荐的食物之间的关系进行匹配。在糖尿病食物交换份基础上,现有的糖尿病饮食推荐算法大多采用基于关联规则的推荐算法、基于内容的推荐算法、基于层次分析的推荐算法、协同过滤推荐算法、基于约束的推荐算法或者是在主治医生的诊断和营养师的控制下共同完成等多种方法。然而,以上所述的各种糖尿病饮食推荐算法在糖尿病个性化饮食推荐中遇到诸多问题,例如忽略了糖尿病患者的身体状况各项指标、基于专家诊断的方法只能是了解单个糖尿病患者的状况、存在效率低下、错误地认为糖尿病患者的身体指标具有共性。时至今日,尽管那些糖尿病饮食推荐算法存在一些不足,但为智能医药领域做出了一定贡献。不过,对于糖尿病个性化饮食推荐算法的研究进行改进与创新仍具有十分重要的理论与现实意义。本文针对以上糖尿病饮食推荐算法的不足,提出了一种糖尿病患者饮食偏好特征的个性化饮食推荐算法,即引入Adaboost概率矩阵分解的糖尿病个性化饮食推荐算法。该方法采用概率矩阵分解将糖尿病患者的属性和食物的属性进行关联形成矩阵,从关联矩阵当中提取对糖尿病患者饮食偏好和食物特征具有贡献的隐因子,再通过Adaboost分类器将隐因子逐级地由弱隐因子集合提升为具有贡献的强隐因子集合。同时,利用Adaboost训练误差界筛除不符合的弱分类器。将分类误差率小的弱分类器给予高权值,在贡献中起较大作用。将分类误差率大的弱分类器给予低权值,在贡献中起较小作用。该算法在糖尿病饮食推荐领域相比以上传统的糖尿病饮食推荐算法可以有效地平衡医学指标和个性化标准的权重,避免了因某种因素导致的推荐不准确性、不全面性、提高了推荐效果。引入Adaboost概率矩阵分解的糖尿病个性化饮食推荐算法考虑了多种极其复杂的因素,相对比较全面。在糖尿病饮食推荐方面可行性强,能够保持精准性和可解释性。
邱宝梅[3]（2017）在《糖尿病营养治疗方案的探讨》文中认为糖尿病（diabetes mellitus,DM）是一种由多种病因引起的以慢性高血糖为主要特征的代谢性疾病,主要包含Ⅰ型糖尿病（type 1 diabetes mellitus,T1DM）、Ⅱ型糖尿病（type 2 diabetes mellitus,T2DM）、妊娠期糖尿病（Gestational diabetes mellitus,GDM）和其他特殊类型糖尿病四大类。由于近年来我国饮食习惯逐步由以谷物、蔬菜为主的"传统膳食模式"转变为以肉类、油脂为主的"西方膳食模式",糖尿病患病人数增长迅速,糖尿病已经成为继肿瘤、心脑血管疾病之后的第三大常见疾病,给社会和家庭带来沉重的经济和心理负担。糖尿病的发病率在世界范围内逐年上升,WHO预测2025年将上升到3亿。按照目前的医疗水平,糖尿病还不能完全被治愈,临床
刘可可,奚斌,郑玉田,张艳青,卫功建[4]（2015）在《个体化饮食处方干预社区门诊2型糖尿病效果观察》文中进行了进一步梳理目的探讨在社区门诊2型糖尿病干预中运用糖尿病饮食软件实施个体化饮食处方进行饮食治疗的应用价值。方法选择2013年11月至2014年6月在社区门诊就诊的2型糖尿病患者300例,随机分为对照组和观察组各150例,对照组采用传统的饮食指导,观察组应用饮食软件为其制定个体化的饮食处方,观察饮食治疗后3个月、6个月的效果。结果治疗前,两组患者的空腹血糖（FPG）、餐后2 h血糖（2 h PG）及糖化血红蛋白（Hb A1c）指标比较差异均无统计学意义（P>0.05）;治疗后3个月、6个月观察组以上三项指标均明显低于对照组,差异均有统计学意义（P<0.05）;观察组患者对该饮食软件操控性能评价的满意度为96.7%,使用界面评价的满意度为94.7%,人性化设计评价的满意度为98.7%。结论运用糖尿病饮食软件实施个体化饮食处方比传统的饮食指导更加有效,是社区门诊2型糖尿病饮食治疗的首选方法。
梅正钦[5]（2014）在《糖尿病医学营养管理系统的功能设计与实现》文中研究指明目的：医学营养治疗是各型糖尿病治疗的基础，所有糖尿病患者都需要接受饮食指导及医学营养治疗。为了帮助广大糖尿病患者更好地落实营养治疗，我们在分析糖尿病营养管理过程中医生和患者需求的基础上，设计并实现一套基于计算机编程技术及网络技术的糖尿病医学营养管理系统。该系统的研发，期望能让糖尿病患者随时随地通过互联网和智能手机就可获得专业化的医学营养指导，让糖尿病医学营养指导不再困难，让更多的糖尿病患者能轻松接受营养治疗，藉此提高糖尿病控制达标率。方法：首先对目前现有的糖尿病营养管理模式进行分析，探求其不足与弊端，遵循糖尿病营养治疗的基本理论，分析在糖尿病营养管理过程中医生和患者的需求。通过对系统进行管理流程分析、功能需求分析、性能需求分析，并且对系统进行了总体结构设计、网络模型设计、总技术路线设计、数据库设计。根据《中国2型糖尿病防治指南（2010版）》和《中国糖尿病医学营养治疗指南》的要求，设计糖尿病医学营养治疗相关公式和流程，通过计算机编程技术及网络技术，使用SQL Sever2005作为数据库管理系统，研发一套较为简便、实用、生活化的糖尿病医学营养管理系统。并对糖尿病医学营养管理系统进行了全面细致地分析、设计和实现后，随机选取了15位在我院随诊的糖尿病患者，进行了为期3个月的系统试用并观察其血糖、糖化血红蛋白和体重等指标。结果：基于糖尿病营养治疗的理论，建立了一套简便、直观、生活化的糖尿病医学营养管理系统。对营养系统进行3个月的试用后，15例患者的糖化血红蛋白平均下降了0.4%，体重指数平均下降了0.71kg/m2，体重平均下降了1.82kg，初步表明该系统对糖尿病患者的血糖控制和体重控制有良好效果。结论：糖尿病医学营养管理系统较好地解决了糖尿病医学营养治疗难以执行的难题，有望节省临床营养师和糖尿病教育工作者用于指导患者营养治疗的时间，从而节约大量的人力资源支出。该系统对于糖尿病患者的血糖控制及体重控制显示出一定效果。
方跃伟,任飞林,陈艳,段蒋文[6]（2013）在《糖尿病患者食物交换份的快速估算》文中指出饮食控制是糖尿病综合治疗中的重要措施之一[1]。临床医生都知道糖尿病患者的饮食原则和热量的计算方法,各种教科书和科普读物也都详细地介绍了糖尿病患者各种营养素和热量的固定法、粗算法和细算法[2-4]。细算法虽然科学精确,但由于计算复杂,很难运用到临床实际。而固定法和粗算法又难以应对患者的个体复杂情况,这大大降低了糖尿病患者合理膳食健康教育的效果。为此,笔者根据已有糖尿病饮食治疗的相关理论进行了探索,总结出适合糖尿病患者一日平衡膳食需要的食物份快速估算法。一、理论依据1.食物交换份理论[5]:食物交换份采用北京协和医院研制的以日常食物的种类按其性质和营养成分的特点分为
杨肖红,郝玉凤,温中标[7]（2000）在《糖尿病食品交换份法与粗算法在临床的治疗观察》文中指出
二、糖尿病食品交换份法与粗算法在临床的治疗观察（论文开题报告）
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
本文主要提出一款精简64位RISC处理器存储管理单元结构并详细分析其设计过程。在该MMU结构中,TLB采用叁个分离的TLB,TLB采用基于内容查找的相联存储器并行查找,支持粗粒度为64KB和细粒度为4KB两种页面大小,采用多级分层页表结构映射地址空间,并详细论述了四级页表转换过程,TLB结构组织等。该MMU结构将作为该处理器存储系统实现的一个重要组成部分。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
三、糖尿病食品交换份法与粗算法在临床的治疗观察（论文提纲范文）
（1）面向心血管疾病风险因素的饮食推荐技术研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第1章 绪论 |
| 1.1 课题背景与意义 |
| 1.1.1 课题背景 |
| 1.1.2 课题意义 |
| 1.2 研究现状及分析 |
| 1.2.1 医疗健康领域中的标注语料库构建 |
| 1.2.2 生物医学领域信息抽取任务及方法 |
| 1.2.3 健康推荐研究 |
| 1.3 本文的研究内容及章节安排 |
| 第2章 面向中文电子病历的心血管疾病风险因素标注语料库构建 |
| 2.1 引言 |
| 2.2 面向中文电子病历的心血管疾病风险因素标注体系 |
| 2.2.1 风险因素标注原则 |
| 2.2.2 与现已有风险因素标注体系的对比 |
| 2.3 中文电子病历心血管疾病风险因素语料库构建 |
| 2.3.1 数据准备 |
| 2.3.2 标注规范的制定和标注人员的培训 |
| 2.4 语料库分析 |
| 2.5 本章小结 |
| 第3章 心血管疾病风险因素抽取方法 |
| 3.1 引言 |
| 3.2 风险因素识别 |
| 3.2.1 数据及任务介绍 |
| 3.2.2 基于BLSTM-CRF的风险因素识别模型 |
| 3.3 时间及修饰分类模型 |
| 3.3.1 支持向量机 |
| 3.3.2 卷积神经网络CNN |
| 3.4 实验部分 |
| 3.4.1 实验设置 |
| 3.4.2 实验结果及分析 |
| 3.5 本章小结 |
| 第4章 面向风险因素的饮食方案推荐 |
| 4.1 引言 |
| 4.2 健康饮食方案生成 |
| 4.2.1 健康饮食约束知识来源 |
| 4.2.2 健康饮食约束生成策略 |
| 4.2.3 健康饮食方案生成算法 |
| 4.3 基于疾病时间因子分解的饮食偏好评分预测模型 |
| 4.4 个性化饮食方案推荐方法 |
| 4.5 实验及讨论 |
| 4.5.1 实验结果 |
| 4.5.2 实验讨论 |
| 4.6 本章小结 |
| 第5章 基于风险因素饮食知识图谱的知识推荐 |
| 5.1 引言 |
| 5.2 心血管疾病风险因素饮食知识图谱构建 |
| 5.2.1 数据来源 |
| 5.2.2 饮食概念体系 |
| 5.2.3 饮食概念间关系的分类体系 |
| 5.2.4 饮食知识图谱构建 |
| 5.3 基于饮食知识图谱的风险因素与饮食关系预测 |
| 5.3.1 图卷积网络GCN |
| 5.3.2 基于多头注意力机制的风险因素与饮食关系分类模型 |
| 5.4 实验及讨论 |
| 5.4.1 实验设置 |
| 5.4.2 实验结果及讨论 |
| 5.5 本章小结 |
| 结论 |
| 参考文献 |
| 附录A 图附录 |
| A.1 正文第四章附录 |
| 攻读博士学位期间发表的论文及其他成果 |
| 致谢 |
| 个人简历 |
（2）引入Adaboost概率矩阵分解的糖尿病个性化饮食推荐算法（论文提纲范文）
| 摘要 |
| abstract |
| 第1章 绪论 |
| 1.1 研究背景和意义 |
| 1.2 研究现状 |
| 1.3 本文工作 |
| 第2章 传统的糖尿病饮食推荐 |
| 2.1 食物交换份法 |
| 2.2 传统糖尿病饮食推荐算法 |
| 2.2.1 基于关联规则的糖尿病饮食推荐算法 |
| 2.2.2 基于内容的糖尿病饮食推荐算法 |
| 2.2.3 基于层次分析的糖尿病饮食推荐算法 |
| 2.2.4 基于协同过滤的糖尿病饮食推荐算法 |
| 2.2.5 基于约束的糖尿病饮食推荐算法 |
| 2.3 本章小结 |
| 第3章 概率矩阵分解和Adaboost分类器 |
| 3.1 兴趣点签到频率问题的衍生 |
| 3.2 概率矩阵和泊松因子 |
| 3.2.1 概率矩阵分解 |
| 3.2.2 泊松因子模型 |
| 3.2.3 概率矩阵分解和泊松分布模型的可行性比较 |
| 3.3 Adaboost分类器 |
| 3.4 本章小结 |
| 第4章 面向糖尿病患者饮食偏好特征的个性化饮食推荐算法 |
| 4.1 问题定义 |
| 4.2 引入Adaboost概率矩阵分解的糖尿病个性化饮食推荐算法 |
| 4.2.1 引入Adaboost分类器的概率矩阵分解 |
| 4.2.2 Adaboost分类器在概率矩阵分解中对性化要求和医学标准的判定 |
| 4.3 实验分析 |
| 4.3.1 数据集介绍 |
| 4.3.2 实验评价指标 |
| 4.3.3 对比实验方法 |
| 4.3.4 实验结果分析 |
| 4.4 本章小结 |
| 第5章 总结与展望 |
| 参考文献 |
| 作者简介及在学期间所取得的科研成果 |
| 致谢 |
（4）个体化饮食处方干预社区门诊2型糖尿病效果观察（论文提纲范文）
| 1资料与方法 |
| 2结果 |
| 3讨论 |
（5）糖尿病医学营养管理系统的功能设计与实现（论文提纲范文）
| 中文摘要 |
| Abstract |
| 第一章 绪论 |
| 第二章 糖尿病医学营养管理系统分析 |
| 第三章 糖尿病医学营养管理系统设计 |
| 第四章 糖尿病医学营养管理系统实现 |
| 第五章 结果与讨论 |
| 参考文献 |
| 糖尿病医学营养管理的现状与发展趋势 |
| 参考文献 |
| 致谢 |
（7）糖尿病食品交换份法与粗算法在临床的治疗观察（论文提纲范文）
| 1 对象和方法 |
| 1.1 对象 |
| 1.2 方法 |
| 2 结果 |
| 3 讨论 |
四、糖尿病食品交换份法与粗算法在临床的治疗观察（论文参考文献）
- [1]面向心血管疾病风险因素的饮食推荐技术研究[D]. 苏嘉. 哈尔滨工业大学, 2020(02)
- [2]引入Adaboost概率矩阵分解的糖尿病个性化饮食推荐算法[D]. 李轩. 吉林大学, 2018(01)
- [3]糖尿病营养治疗方案的探讨[A]. 邱宝梅. 第八届全国中西医结合营养学术会议论文资料汇编, 2017
- [4]个体化饮食处方干预社区门诊2型糖尿病效果观察[J]. 刘可可,奚斌,郑玉田,张艳青,卫功建. 海南医学, 2015(18)
- [5]糖尿病医学营养管理系统的功能设计与实现[D]. 梅正钦. 广州医科大学, 2014(02)
- [6]糖尿病患者食物交换份的快速估算[J]. 方跃伟,任飞林,陈艳,段蒋文. 中华健康管理学杂志, 2013(06)
- [7]糖尿病食品交换份法与粗算法在临床的治疗观察[J]. 杨肖红,郝玉凤,温中标. 河南诊断与治疗杂志, 2000(01)