本技术涉及智能管理，且更为具体地，涉及一种肠内营养膳食信息管理系统及方法。
背景技术：
1、肠内营养是经胃肠道提供代谢需要的营养物质及其他各种营养素的营养支持方式，以满足患者的代谢需要、维持机体功能，并对疾病治疗提供支持。随着医疗技术的发展和人们对健康需求的日益提高，肠内营养膳食管理在临床医疗和康复护理中越来越受到重视。
2、肠内营养膳食信息管理是指通过收集、处理、分析和利用患者的肠内营养膳食相关信息，对患者的营养风险进行评估，为其提供个性化的营养支持方案。传统的肠内营养膳食管理方法主要依赖于医护人员和营养师的人工分析和判断，存在工作量大、效率低下、实时性差等问题，且信息的传递和共享不够顺畅，容易造成信息孤岛，影响医疗服务的连贯性和质量。并且，现有的一些智能化的患者营养评估系统通常依赖于静态的营养评估规则，只侧重于某几个营养指标来进行患者营养风险评估，缺乏对患者个体差异的深入分析，导致评估结果不能精确反映个体的营养需求。因此，期待一种优化的肠内营养膳食信息管理系统及方法。
技术实现思路
1、为了解决上述技术问题，提出了本技术。
2、相应地，根据本技术的一个方面，提供了一种肠内营养膳食信息管理系统，其包括：患者信息录入模块，用于输入患者对象的基本信息、饮食习惯数据和营养评估数据，其中，所述基本信息包括年龄、性别、体重、身高和疾病史；营养风险评估模块，用于根据所述患者对象的基本信息、所述饮食习惯数据和所述营养评估数据，计算营养风险评分；风险等级划分模块，用于将所述营养风险评分转化为风险等级；营养建议生成模块，用于基于所述风险等级，生成营养建议；膳食记录模块，用于记录所述患者对象的实际膳食摄入量；
3、其中，所述营养风险评估模块，包括：患者营养信息语义编码单元，用于分别对所述患者对象的基本信息和所述营养评估数据进行语义编码以得到基本信息语义编码特征向量和营养评估数据语义编码特征向量；饮食习惯数据规整单元，用于将所述饮食习惯数据按照时间戳进行数据整理以得到饮食描述的时间序列；饮食习惯语义理解单元，用于对所述饮食描述的时间序列进行语义编码和重要内容注意力整合以得到饮食习惯语义编码特征向量；营养风险评分生成单元，用于基于所述基本信息语义编码特征向量、所述营养评估数据语义编码特征向量和所述饮食习惯语义编码特征向量之间的语义融合特征，确定所述营养风险评分；
4、其中，所述饮食习惯语义理解单元，包括：
5、饮食描述语义编码子单元，用于使用所述基于bert模型的语义编码器分别对所述饮食描述的时间序列中的各个饮食描述进行语义编码以得到饮食描述语义编码特征向量的时间序列；
6、重要内容整合子单元，用于将所述饮食描述语义编码特征向量的时间序列通过重要内容注意力整合网络以得到所述饮食习惯语义编码特征向量。
7、在上述肠内营养膳食信息管理系统中，所述患者营养信息语义编码单元，用于：将所述患者对象的基本信息和所述营养评估数据分别通过基于bert模型的语义编码器以得到所述基本信息语义编码特征向量和所述营养评估数据语义编码特征向量。
8、在上述肠内营养膳食信息管理系统中，所述重要内容整合子单元，用于：计算所述饮食描述语义编码特征向量的时间序列中的各个饮食描述语义编码特征向量的自相关注意力权重以得到自相关注意力权重的序列；对所述自相关注意力权重的序列进行归一化以得到自相关注意力权重系数的序列；以所述自相关注意力权重系数的序列作为权重，计算所述饮食描述语义编码特征向量的时间序列的逐向量加权和以得到所述饮食习惯语义编码特征向量。
9、在上述肠内营养膳食信息管理系统中，所述营养风险评分生成单元，包括：投影融合子单元，用于使用投影层来融合所述基本信息语义编码特征向量、所述营养评估数据语义编码特征向量和所述饮食习惯语义编码特征向量以得到营养风险多模态语义表征特征向量；营养风险量化子单元，用于将所述营养风险多模态语义表征特征向量通过基于解码器的营养风险估算器以得到所述营养风险评分。
10、在上述肠内营养膳食信息管理系统中，所述投影融合子单元，用于：将所述基本信息语义编码特征向量、所述营养评估数据语义编码特征向量和所述饮食习惯语义编码特征向量级联为多模态语义编码级联特征向量；将所述多模态语义编码级联特征向量进行投影映射以得到所述营养风险多模态语义表征特征向量。
11、在上述肠内营养膳食信息管理系统中，还包括用于对所述基于bert模型的语义编码器、所述重要内容注意力整合网络、所述投影层和所述基于解码器的营养风险估算器进行训练的训练单元。
12、在上述肠内营养膳食信息管理系统中，所述训练单元，包括：训练数据获取子单元，用于获取训练数据，所述训练数据包括患者对象的训练基本信息、训练饮食习惯数据和训练营养评估数据以及真实的营养风险多模态语义表征特征向量和营养风险评分的真实值，其中，所述训练基本信息包括年龄、性别、体重、身高和疾病史；训练营养评估数据语义编码子单元，用于将所述患者对象的训练基本信息和所述训练营养评估数据分别通过所述基于bert模型的语义编码器以得到训练基本信息语义编码特征向量和训练营养评估数据语义编码特征向量；训练数据时序规整子单元，用于将所述训练饮食习惯数据按照时间戳进行数据整理以得到训练饮食描述的时间序列；训练饮食习惯数据语义编码子单元，用于使用所述基于bert模型的语义编码器分别对所述训练饮食描述的时间序列中的各个训练饮食描述进行语义编码以得到训练饮食描述语义编码特征向量的时间序列；训练数据注意力整合子单元，用于将所述训练饮食描述语义编码特征向量的时间序列通过所述重要内容注意力整合网络以得到训练饮食习惯语义编码特征向量；训练数据投影融合子单元，用于使用所述投影层来融合所述训练基本信息语义编码特征向量、所述训练营养评估数据语义编码特征向量和所述训练饮食习惯语义编码特征向量以得到训练营养风险多模态语义表征特征向量；解码损失子单元，用于将所述训练营养风险多模态语义表征特征向量通过基于解码器的营养风险估算器以得到解码损失函数值；交叉熵损失子单元，用于计算真实的营养风险多模态语义表征特征向量与所述训练营养风险多模态语义表征特征向量之间的交叉熵损失函数值；模型训练子单元，用于以所述解码损失函数值和所述交叉熵损失函数值的加权和作为差异损失函数值来对所述基于bert模型的语义编码器、所述重要内容注意力整合网络、所述投影层和所述基于解码器的营养风险估算器进行训练，其中，在所述训练的每一轮迭代中，对所述训练营养风险多模态语义表征特征向量进行迭代优化。
13、根据本技术的另一个方面，提供了一种肠内营养膳食信息管理方法，其包括：分别对患者对象的基本信息和营养评估数据进行语义编码以得到基本信息语义编码特征向量和营养评估数据语义编码特征向量；将患者对象的饮食习惯数据按照时间戳进行数据整理以得到饮食描述的时间序列；对所述饮食描述的时间序列进行语义编码和重要内容注意力整合以得到饮食习惯语义编码特征向量；基于所述基本信息语义编码特征向量、所述营养评估数据语义编码特征向量和所述饮食习惯语义编码特征向量之间的语义融合特征，确定所述营养风险评分；
14、其中，对所述饮食描述的时间序列进行语义编码和重要内容注意力整合以得到饮食习惯语义编码特征向量，包括：
15、使用所述基于bert模型的语义编码器分别对所述饮食描述的时间序列中的各个饮食描述进行语义编码以得到饮食描述语义编码特征向量的时间序列；
16、将所述饮食描述语义编码特征向量的时间序列通过重要内容注意力整合网络以得到所述饮食习惯语义编码特征向量。
17、与现有技术相比，本技术提供的肠内营养膳食信息管理系统及方法，其采用基于深度学习的人工智能技术对患者的基本信息、饮食习惯数据和营养评估数据进行分析处理，挖掘出患者基本信息、饮食习惯数据和营养评估数据的深层语义特征，并基于三者的多模态语义融合特征来综合表征患者的营养风险，从而智能生成患者的营养风险评分。这样，可以实现对患者营养风险的准确评估，为患者提供个性化的营养建议，并有助于减轻医护人员的工作负担，降低医疗成本，提高医疗服务的效率和质量。
1.一种肠内营养膳食信息管理系统，其特征在于，包括：
2.根据权利要求1所述的肠内营养膳食信息管理系统，其特征在于，所述患者营养信息语义编码单元，用于：
3.根据权利要求2所述的肠内营养膳食信息管理系统，其特征在于，所述重要内容整合子单元，用于：
4.根据权利要求3所述的肠内营养膳食信息管理系统，其特征在于，所述营养风险评分生成单元，包括：
5.根据权利要求4所述的肠内营养膳食信息管理系统，其特征在于，所述投影融合子单元，用于：
6.根据权利要求5所述的肠内营养膳食信息管理系统，其特征在于，还包括用于对所述基于bert模型的语义编码器、所述重要内容注意力整合网络、所述投影层和所述基于解码器的营养风险估算器进行训练的训练单元。
7.根据权利要求6所述的肠内营养膳食信息管理系统，其特征在于，所述训练单元，包括：
8.一种肠内营养膳食信息管理方法，应用如权利要求7所述的一种肠内营养膳食信息管理系统，其特征在于，包括：
