基于大数据糖尿病患者膳食筛选推荐系统

系统教程10个月前发布 lf00544
11 0 0

基于大数据糖尿病患者膳食筛选推荐系统

​想了解更多关于开源的内容,请访问:​

​51CTO 开源基础软件社区​

​https://ost.51cto.com​

项目摘要

本项目是一款帮助糖尿病人进行膳食筛选与推荐的APP,系统可以通过患者填报自身健康信息,用FNN算法实现对不同患者的最适摄入比例进行分类,从而针对性地为患者提供膳食指导,解决患者自身对于饮食上的困惑。该系统是基于鸿蒙系统所做出的APP,系统后端采用Django收集与处理数据。由于数据量的庞大,系统数据库选择采用云数据库,通过对膳食数据的采集与分析,为糖尿病患者推荐合理的膳食。并通过患者采用系统建议后的自身健康反馈,进行迭代自身数据,使膳食推荐更加科学与契合实际。

一、项目背景

  据2021年统计,我国糖尿病患者人数已达1.3亿人左右,其中约7 283万例患者尚未被确诊,比例高达51.7%。预测到2045年,中国糖尿病患者数量将达到1.744亿例,且呈持续增长状态。糖尿病患者同时也可能会患有其它威胁患者健康甚至生命的并发症。

二、团队介绍

  我们的团队由来自食品科学与工程专业、计算机科学与技术专业等来自多专业5位本科生组成。学科的交叉使产品具有多元化,同时响应了全能型人才的培养政策,学科交叉是我们主要的竞争优势。

三、应用场景

1、用户烦恼吃什么

王爷爷得了糖尿病,饮食方面需要格外注意,为此他很烦恼。已经问过医生应该吃什么,少吃什么,但是还需要自己分析搭配,而且年纪大了记性不好总是忘记。正在王爷爷挠头的时候,女儿给他推荐了这个新发现的APP“糖膳师”,上面有很多食谱可供糖尿病患者参考,而且是根据患者体征推荐的个性化食谱,王爷爷很开心:今后照着食谱上的食材买就行了,不用废脑筋,真方便!

2、用户想知道是否能吃某种食物

刘奶奶很想吃芒果,但是能不能吃呢?可以适当多吃一些还是少吃呢?这时刘奶奶打开了糖膳师APP,输入芒果进行查询,显示不建议吃太多。刘奶奶明白了要少吃一些,感叹:这APP用起来真方便啊!不需要再为这小事专门去趟医院问医生了。

3、用户不能熟练使用手机

张爷爷是个糖尿病患者,也烦恼每天吃什么,但他不太会使用手机,这款APP刚好满足了张爷爷的需求。张爷爷的女儿在自己手机端输入张爷爷身体特征,个人喜好等,张爷爷的手机上就显示了推荐的食谱。

四. 产品功能

基于大数据糖尿病患者膳食筛选推荐系统是基于鸿蒙OS系统研发的产品,能够做出科学健康的膳食推荐,以app的形式服务糖尿病患者。其基本页面有四个:首页,发现,推荐,我的,如下图:

基于大数据糖尿病患者膳食筛选推荐系统

当患者进入首页后,有三个功能,糖友圈儿,自律圈儿,饮食圈儿。糖友圈儿,患者可以在这里找到有相同症状的患者,可以互相鼓励,同时,患者可以在里面分享一些自己的稳糖经验和向别人寻求帮助。自律圈儿是可以为患者提供科学健康的运动方案,与别人一起打卡坚持。饮食圈儿是患者们在此处分享降糖的膳食搭配与怎么在控糖的基础上吃的更好。糖友圈儿界面展示如图:

基于大数据糖尿病患者膳食筛选推荐系统

发现:

患者主要是在发现界面进行一些周期性的安排,一方面是让患者多使用我们的产品,与用户产生黏性,二是帮助用户更加方便的制定自己的计划,达到较好的控制自己的血糖的目的。同时,我们的APP会自动保存用户的每日安排,作为激励用户。如图:

基于大数据糖尿病患者膳食筛选推荐系统

推荐:

我们产品的推荐页面,能够根据患者的血糖等个人体征信息,进行个性化的膳食方案推荐,患者也可以在这个页面进行相关的搜索,例如某种食物的营养比例,糖尿病患者不能吃的食物等等。同时能够通过大数据,每天更新一些关于糖尿病的知识,系统会搜索最新的,科学的糖尿病患者知识,并进行相关推荐,实时更新。如图:

基于大数据糖尿病患者膳食筛选推荐系统

我的:

在此页面中,记录着患者的基本信息,与此同时,通过患者每天在“我的”页面记录每天的血糖数据,系统会自动生成血糖报告,同时,根据患者的血糖数据,系统会进行个性化的膳食方案推荐。帮助中心,是用户可以在里面快速了解软件的使用以及与客服联系的地方。如图:

基于大数据糖尿病患者膳食筛选推荐系统

部分代码展示:

<div id="wrapper">
<div id="div5">
<div id="div6">
<divider id="divider2"></divider>
<div id="div1">
<image id="image6" src="common/images/satting.png"></image>
<image id="image8" src="common/images/mas.png"></image>
</div>
<div id="div3">
<image id="image2" src="common/images/OIP-C.jpg"></image>
<text id="text4">自律的小懒</text>
<div id="div11"></div>
<div id="div4">
<div id="div24">
<image id="image15" src="common/images/list.png"></image>
</div>
<text id="text2">基本信息</text>
<div id="div13">
<image id="image4" src="common/images/you.png"></image>
</div>
</div>
<divider id="divider6"></divider>
<div id="div25"onclick="launch7">
<div id="div26">
<image id="image18" src="common/images/txt.png"></image>
</div>
<text id="text10"onclick="launch7">血糖报告</text>
<div id="div27">
<image id="image19" src="common/images/you.png"onclick="launch7"></image>
</div>
</div>
<divider id="divider7"></divider>
<div id="div31">
<div id="div32">
<image id="image22" src="common/images/plan.png"></image>
</div>
<text id="text12">饮食方案推荐</text>
<div id="div33">
<image id="image23" src="common/images/you.png"></image>
</div>
</div>
<divider id="divider8"></divider>
<div id="div28">
<div id="div29">
<image id="image20" src="common/images/help.png"></image>
</div>
<text id="text11">帮助中心</text>
<div id="div30">
<image id="image21" src="common/images/you.png"></image>
</div>
</div>
</div>
</div>
<divider id="divider1"></divider>
<div id="div7">
<div id="div9">
<image id="image7" src="common/images/first.png"></image>
<text id="text1">首页</text>
</div>
<div id="div17">
<image id="image11" src="common/images/find1.png"></image>
<text id="text3">发现</text>
</div>
<div id="div21">
<image id="image1" src="common/images/add.png"></image>
</div>
<div id="div22">
<image id="image16" src="common/images/flower.png"></image>
<text id="text5">推荐</text>
</div>
<div id="div23">
<image id="image17" src="common/images/me1.png"></image>
<text id="text6">我的</text>
</div>
</div>
</div>
</div>

五、项目创新点

1、功能方面

在功能上,与同类型产品相比,本产品具有更完备的服务功能。系统不仅支持具备膳食的筛选、推荐及判断功能,还考虑个人身体需求,且增加了多种娱乐形式,用户体验具有层次感。

2、数据方面

在数据上,本产品具有更庞大、丰富且科学的数据库。该系统以收集的糖尿病大数据为主体,用患者的真实数据训练、丰富数据库,核心的筛选及推荐功能以《中国糖尿病医学营养治疗指南(2013)》等为主要支撑材料,以“高蛋白、低GI”食物作为膳食推荐的主要标准。

3、性能方面

在性能上,本产品采用FNN神经网络算法。与SVM和KNN相比,常规SVM只支持二分类,用SVM解决多分类问题存在困难,KNN计算时间复杂度高、对训练数据的容错性太差,输出可解释性不强。FNN能够对特征进行高阶的特征交叉,加强了模型对数据的学习能力,预测性能较好,可解释性强。

4、系统方面

在系统上,与安卓系统相比,本产品基于鸿蒙OS系统。鸿蒙OS包揽全新的基于微内核的面向全场景的分布算法,鸿蒙OS与具有高速、低延时、广接入的5G相结合为智能手机物联网系统提供了新的基础技术支撑,可以满足消费者对低延迟和强安全性需求的特点使其具有广阔的应用前景,同时,也因其与5G结合,可使筛选推荐系统在很短的时间内提供最佳的方案。

​想了解更多关于开源的内容,请访问:​

​51CTO 开源基础软件社区​

​https://ost.51cto.com​​。

© 版权声明

相关文章