【技术实现步骤摘要】
本专利技术涉及认知行为健康管理技术，具体涉及一种基于认知行为的主动健康管理系统及方法。
技术介绍
1、如今，社会发展和经济进步在带给人们丰富物质享受的同时，也在改变着人们的饮食起居和生活习惯。生活方式密切相关的高血脂、高血压、高血糖、肥胖等慢性病已成为影响我国人民健康素质的大敌。据统计，我国因慢性病死亡的人数占全国死亡总人数的86.6％。面对不断增加的生活方式病，药物、手术、医院、医生的作为受到限制，唯一可行的是每个人都从自己做起，摒弃不良习惯，成为健康生活方式的实践者和受益者。但要保持合理膳食、适量运动、戒烟限酒、心理平衡的健康生活方式，知易行难。《国民健康生活方式洞察及干预研究报告》指出，“难坚持”及“拖延症”是阻碍健康生活方式的主要原因。而认知行为疗法能有效帮助人们认识和改变不健康的思维模式和行为习惯，可广泛应用到了体重管理、心理疾病干预等健康管理项目中。
2、然而，现有技术应用于体重管理、心理疾病干预等健康管理项目的解决方案仍存在以下不足：
3、(1)忽视心理因素。现有技术往往只关注生活方式的监测和干预，忽视了情绪和认知对行为的影响。负面情绪和不合理的知模式才是不良生活方式的重要触发因素，但现有技术很少提供相应的干预措施。
4、(2)缺乏个性化指导。许多健康管理产品或方法提供了数据记录和分析功能，但缺乏个性化的指导和干预。用户往往需要自行解读数据，并根据自身情况制定健康计划，这对于一些缺乏健康知识或自我管理能力较弱的人来说可能是困难的。
5、(3)缺乏参与感。一些健康产品或
技术实现思路
1、本专利技术旨在解决现有技术中存在的技术问题。为此，提出一种基于认知行为的主动健康管理系统及方法。有强化自我健康管理能力、修正不良习惯、限制触发因素等优势。可应用于预防亚健康、慢性病方向的健康管理
，具有更高效、更个性化、更可续的效果。
2、为了实现上述目的，本专利技术采用了如下技术方案：
3、一种基于认知行为的主动健康管理系统，包括：
4、跟踪模块，用于实时收集用户的生活方式多模态数据；
5、识别模块，用于基于生活方式多模态数据的负面因素识别，获取负面因素的特征；
6、情景回溯模块，用于结合对话式ai和cbt技术，根据负面因素的特征对用户进行情绪和认知回溯分析，得到负面因素特征的关联性数据；
7、方案生成模块，用于根据识别到的负面因素，自动生成针对性的干预方案；
8、正念训练模块，用于构建认知初始模型，根据关联性数据和干预方案对初始认知模型进行模型训练，得到目标模型；
9、认知重塑及干预模块，用于通过目标模型向用户触发针对用户行为和生理指标的健康指导方案。
10、优选的，所述跟踪模块包括：记录子模块，用于通过绑定可穿戴设备、上传图片、文本输入方式记录饮食、运动、睡眠和情绪状况；辅助子模块，用于实现数据的可视化展示。
11、进一步地，所述记录子模块包括：饮食记录单元，用于根据预先选择餐食类型，填写用餐时间、记录饮食内容和分量、记录饮食热量和营养成分构成；
12、运动记录单元，用于记录运动类型、时长和强度；以及路里消耗情况；
13、睡眠记录单元，用于记录睡眠时间和质量；
14、情绪记录单元，用于记录心理情绪状态。
15、进一步地，所述辅助子模块包括：数据可视化单元，用于生成可化报告和图表；分别展示饮食、运动、睡眠和情绪数据趋势和变化，以及展示生活方式日报、周报、月报；
16、提醒单元，用于提供定时提醒功能。
17、优选的，所述识别模块包括：行为识别单元，用于制定不健康生活方式指标，并确定判定标准或者数据阈值，定义指标规则库；
18、匹配单元，用于从生活方式多模态数据中提取相关信息，与指标规则库进行匹配；
19、根据匹配结果，向用户提供反馈，指出存在的不健康行为习惯，获得负面因素的特征。
20、进一步地，所述识别模块还包括：
21、负面因素特征识别单元，用于向用户触发不良生活方式的不合理认知消息；其中，所述用户不良生活方式的不合理认知消息包括自动思维、中间信念、核心信念。
22、优选的，所述情景回溯模块包括：
23、结构性对话单元，用于ai通过主动提问引导用户回忆不健康行为发生时的具体场景、情绪和认知；
24、阶段性总结单元，用于根据ai与用户之间的结构性对话，总结用户存在的不合理认知、负面情绪及环境因素；
25、ai个性化反馈单元，用于根据用户的具体情况调整问题和建议。
26、优选的，所述干预方案包括认知重塑、行为改变、情绪调节、环境限制以及行动支持。
27、优选的，所述正念训练模块包括：
28、将用户端进行识别到的负面因素以及生成的针对性干预方案作为训练数据，并将不同类型的负面因素的类型进行划分，获得训练数据的分类；
29、将所述训练数据及其分类结果作为深度学习模型的输入样本，并定义超参数集合；
30、定义包含lasso惩罚项的代价函数,利用迭代法更新所述包含lasso惩罚项的代价函数中的逻辑回归参数矩阵θ；
31、在指数坐标系下按比例取值，选取所述超参数集合中误差率偏差小于阈值的最大超参数所生成的深度学习模型作为最优模型；
32、将该最优模型的逻辑回归参数矩阵θ行向量绝对值之和的最大值作为认知行为健康的稳定特征。
33、一种基于认知行为的主动健康管理方法，所述方法包括：
34、实时收集用户的生活方式多模态数据；
35、基于生活方式多模态数据的负面因素识别，获取负面因素的特征；
36、结合对话式ai和cbt技术，根据负面因素的特征对用户进行情绪和认知回溯分析，得到负面因素特征的关联性数据；
37、根据识别到的负面因素，自动生成针对性的干预方案；
38、构建认知初始模型，根据关联性数据和干预方案对初始认知模型进行模型训练，得到目标模型；
39、通过目标模型向用户触发针对用户行为和生理指标的健康指导方案。
40、与现有技术相比，本专利技术的有益效果是：
41、本专利技术提出的方法及系统以预防和干预亚健康、慢性病问题为目标，以自然医学理念为指导，通过对话式ai技术帮助用户强化自我健康管理的动机和能力，限制或修正触发用户不良生活方式的自动思维、中间信念、核心信念等不合理认知、非适应性行为、负面情绪和情景，以帮助用户养成健康生活方式。
42、本专利技术将对话式ai技术与认知行为疗法结合，通过智能对话引导用户识别和改变触发不良生活方式的心理因素，从而帮助养成健康生活方式。突出的优越性体现于以下方面：
本文档来自技高网...
【技术保护点】
1.一种基于认知行为的主动健康管理系统，其特征在于，包括：
2.根据权利要求1所述的基于认知行为的主动健康管理系统，其特征在于，所述跟踪模块包括：记录子模块，用于通过绑定可穿戴设备、上传图片、文本输入方式记录饮食、运动、睡眠和情绪状况；辅助子模块，用于实现数据的可视化展示。
3.根据权利要求2所述的基于认知行为的主动健康管理系统，其特征在于，所述记录子模块包括：饮食记录单元，用于根据预先选择餐食类型，填写用餐时间、记录饮食内容和分量、记录饮食热量和营养成分构成；
4.根据权利要求2所述的基于认知行为的主动健康管理系统，其特征在于，所述辅助子模块包括：数据可视化单元，用于生成可化报告和图表；分别展示饮食、运动、睡眠和情绪数据趋势和变化，以及展示生活方式日报、周报、月报；
5.根据权利要求1所述的基于认知行为的主动健康管理系统，其特征在于，所述识别模块包括：行为识别单元，用于制定不健康生活方式指标，并确定判定标准或者数据阈值，定义指标规则库；
6.根据权利要求5所述的基于认知行为的主动健康管理系统，其特征在于，所述识别模块还
7.根据权利要求1所述的基于认知行为的主动健康管理系统，其特征在于，所述情景回溯模块包括：
8.根据权利要求1所述的基于认知行为的主动健康管理系统，其特征在于，所述干预方案包括认知重塑、行为改变、情绪调节、环境限制以及行动支持。
9.根据权利要求1所述的基于认知行为的主动健康管理系统，其特征在于，所述正念训练模块包括：
10.一种基于认知行为的主动健康管理方法，其特征在于，所述方法包括：
...【技术特征摘要】
1.一种基于认知行为的主动健康管理系统，其特征在于，包括：
2.根据权利要求1所述的基于认知行为的主动健康管理系统，其特征在于，所述跟踪模块包括：记录子模块，用于通过绑定可穿戴设备、上传图片、文本输入方式记录饮食、运动、睡眠和情绪状况；辅助子模块，用于实现数据的可视化展示。
3.根据权利要求2所述的基于认知行为的主动健康管理系统，其特征在于，所述记录子模块包括：饮食记录单元，用于根据预先选择餐食类型，填写用餐时间、记录饮食内容和分量、记录饮食热量和营养成分构成；
4.根据权利要求2所述的基于认知行为的主动健康管理系统，其特征在于，所述辅助子模块包括：数据可视化单元，用于生成可化报告和图表；分别展示饮食、运动、睡眠和情绪数据趋势和变化，以及展示生活方式日报、周报、月报；
...【专利技术属性】
技术研发人员：曹攀，张蕴鑫，孔昊，彭博，戈俊棋，
申请(专利权)人：北京数智兴华科技有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。