本发明属于减重手术术后管理，尤其涉及一种减重手术术后智能随访系统及方法。
背景技术：
1、减重手术是改善肥胖症和相关代谢性疾病的有效方式，通过手术改变患者的消化道解剖和功能，使胃容量减少、肠道吸收面积减少、改变胃肠道激素调节，从而达到减重的目的。手术的方式包括袖状胃切除术、胃旁路术、单吻合胃旁路术、胆胰分流、十二指肠转位术等。
2、当患者做了减重手术后，由于通过手术方式使得消化道的结构变化，对于患者来说，术后存在较大的潜在健康风险。因此如何对患者的减重手术术后的情况跟踪，并根据跟踪结果进行随访和管理，以降低患者减重手术后的潜在健康风险，是目前亟需解决的技术问题。
技术实现思路
1、本发明的目的在于提供一种减重手术术后智能随访系统及方法，用以对患者的减重手术术后的情况跟踪，并根据跟踪结果进行随访和管理，以降低患者减重手术后的潜在健康风险。
2、为解决上述技术问题，本发明采用的技术方案如下：
3、第一方面，一种减重手术术后智能随访方法，包括以下步骤：
4、s1：基于大数据获取历史患者的减重手术术后的体重变化数据和基础数据，并提取其中满足预设要求的减重手术术后体重变化的患者的数据，并进行预处理后构建历史患者数据集，所述基础数据包括年龄、性别、术后饮食；
5、s2：创建标准体重变化预测模型，并将所述历史患者数据集输入至标准体重变化预测模型对模型进行训练，并对训练后的模型进行预测能力的评估，判断评估结果是否满足预设要求，若是，执行步骤s3，若否，对所述标准体重变化预测模型的参数进行调整；
6、s3：采集当前术后患者的基础数据和当前体重，并输入至所述标准体重变化预测模型，通过所述模型输出当前术后患者的标准体重变化数据，并提取历史患者数据集中与当前患者的基础数据匹配度最高的历史患者的术后饮食作为当前患者饮食规划方案，将所述当前患者的标准体重变化数据和饮食规划方案存储于随访系统的数据库中；
7、s4：采集当前患者的第一时间节点的体重值，并输入至随访系统的体重记录模块，体重记录模块将其传输给数据分析模块，数据分析模块将第一时间节点的体重变化值与标准体重变化数据的第一时间节点的体重变化值进行对比，判断第一时间节点的体重变化值是否在预设误差范围内，若是，返给当前患者第一时间节点达标的信息，并执行步骤s5，若否，返回相应不达标的信息给医生端，并调整患者的饮食以及将相邻时间节点之间的间隔周期缩短，执行步骤s5；
8、s5：采集当前患者的第二时间节点的体重值，并输入并输入至随访系统的体重记录模块，体重记录模块将其传输给数据分析模块，数据分析模块将第二时间节点的体重变化值与标准体重变化数据的第二时间节点的体重变化值进行对比，判断第二时间节点的体重变化值是否在预设误差范围内，若是，返给当前患者第二时间节点达标的信息，若否，调整患者的饮食规划；
9、s6：按照步骤s4依次执行后续预设时间节点的体重变化分析和并返回相应的分析结果、诊疗建议和饮食规划给当前患者。
10、优选的，步骤s2中的标准体重变化预测模型为神经网络模型，所述标准体重变化预测模型设置输出层、隐藏层和输出层，所述输出层设有多个输入维度，用于输入年龄、性别、术后饮食、体重数据，所述隐藏层设有多个神经元，所述输出层设有至少一个输出维度，用于输出标准体重变化数据。
11、优选的，所述隐藏层的第 n层神经元的输入表示为：
12、；
13、所述输出层的输出结果的表达式为：
14、；
15、其中， wi表示第l层映射到第 n层的权重，表示第 n层神经元的阈值，函数代表着对计算结果进行非线性映射函数， xi表示第 n层的第 i个输入数据。
16、优选的，所述非线性映射函数为sigmoid激活函数，其具体的表达式为：
17、；
18、其中， x为sigmoid激活函数的输入， σ为sigmoid激活函数的输出，sigmoid激活函数的将输入 x转换成一个0至1之间的数值。
19、优选的，所述标准体重变化预测模型的具体训练过程如下：
20、s21：对所述标准体重变化预测模型进行权重和偏置初始化，将所述历史患者数据集中的数据依次输入至所述标准体重变化预测模型的输入层，输入年龄、性别、术后饮食、体重数据分别通过不同的输入维度进行输入；
21、s22：输入层的数据经过加权和运算后传递给隐藏层，隐藏层的第一层神经元接收来自输入层的信号，并经过所述非线性映射函数进行处理后再传递给下一层，下一层的神经元接收来自上一层神经元的信号，并经过所述非线性映射函数进行处理后再传递给下一层，直至传递至输出层，并经所述输出层输出结果；
22、s23：基于反向传播算法对隐藏层的每个神经元的权重和偏置进行迭代调整，不断降低输出误差值，直至满足迭代次数或者误差值降低至预设阈值之内。
23、优选的，步骤s3中的饮食规划方案的具体过程如下：
24、s31：采集当前术后患者的基础数据和当前体重，并输入至训练后的所述标准体重变化预测模型，所述模型输出当前术后患者的标准体重变化数据；
25、s32：根据当前患者的年龄匹配历史患者数据集中年龄差值在预设范围的第一批历史患者数据，并在所述第一批历史患者数据中提取与当前患者性别相同的第二批历史患者数据；
26、s33：在所述第二批历史患者数据中提取与当前患者的术前体重数据最接近的最终历史患者数据；
27、s34：将最终历史患者数据的术后饮食作为当前患者饮食规划方案，并将当前患者饮食规划方案存储于随访系统的数据库中，并在每个预设时间节点将相应的饮食规数据返给当前患者。
28、优选的，步骤s4中调整患者的饮食的具体过程如下：
29、s41：调用所述历史患者数据集，获取各患者的身体质量指数，并绘制其中每个患者术后体重变化曲线；
30、s42：将各患者的身体质量指数和体重变化曲线传输至数据分析模块，数据分析模块选定其中患者中的身体质量指数在预设范围内的体重变化曲线的变化幅度最大的患者；
31、s43：基于选定的患者，提取其饮食数据作为当前患者调整后的饮食规划方案。
32、第二方面，提供一种减重手术术后智能随访系统，用于实现任意一项所述的一种减重手术术后智能随访方法，包括数据获取模块、模型创建模块、标准体重变化预测模型、模型训练模块、体重记录模块、数据分析模块、饮食规划模块、数据输入模块；所述模型创建模块与标准体重变化预测模型连接，数据获取模块与标准体重变化预测模型连接，标准体重变化预测模型与模型训练模块连接，重记录模块与数据分析模块连接，数据分析模块与饮食规划模块连接；
33、所述数据获取模块，用于基于大数据获取历史患者的减重手术术后的体重变化数据和基础数据，并提取其中满足预设要求的减重手术术后体重变化的患者的数据，并进行预处理后构建历史患者数据集；
34、所述模型创建模块，用于创建标准体重变化预测模型；
35、所述模型训练模块，用于对标准体重变化预测模型训练；
36、所述体重记录模块，用于对当前患者的各预设时间节点的体重数据进行记录，并传输给数据分析模块；
37、所述饮食规划模块，用于对当前患者的饮食进行规划；
38、所述数据分析模块，用于将指定时间节点的体重变化值与标准体重变化数据的相应时间节点的体重变化值进行对比，判断指定时间节点的体重变化值是否在预设误差范围内，并返给当前患者指定时间节点的分析结果；
39、所述数据输入模块，用于输入当前患者的体重变化数据和基础数据。
40、本发明的有益效果包括：
41、本发明提供的减重手术术后智能随访系统及方法，获取历史患者的减重手术术后的体重变化数据和基础数据；创建标准体重变化预测模型并进行训练；采集当前术后患者的基础数据和当前体重，通过模型输出当前术后患者的标准体重变化数据，并提取匹配度最高的历史患者的术后饮食作为当前患者饮食规划方案；采集当前患者的第一时间节点的体重变化值，第一时间节点的体重变化值在预设误差范围内，返给当前患者第一时间节点达标的信息，采集当前患者的第二时间节点的体重变化值，判断第二时间节点的体重变化值在预设误差范围内，返给当前患者第二时间节点达标的信息。对患者的减重手术术后的体重变化跟踪，降低患者减重手术后的潜在健康风险。
42、首先，通过创建标准体重变化预测模型，并将所述历史患者数据集输入至标准体重变化预测模型对模型进行训练，基于历史患者数据和标准体重变化预测模型来制定标准体重变化数据，相当于参照大量的患者的实际数据进行制定，这种方式相对于现有技术中直接通过医生制定具有更强的适配性。
43、其次，通过按照预设的时间节点记录相应的体重值，并通过数据分析模块对体重值进行分析，将相同时间节点的体重变化值与标准体重变化数据的体重变化值进行对比，判断体重变化值是否在预设误差范围内，进而分析相应时间段内体重变化是否正常，若否，返回相应不达标的信息给医生端，并调整患者的饮食以及将相邻时间节点之间的间隔周期缩短，进而实现对患者的体重跟踪，在出现异常时，通过医生介入进行诊疗建议，并配合饮食和时间节点的调整进一步制定随访方案，降低患者的术后潜在健康风险。
44、再次，通过标准体重变化预测模型设置输出层、隐藏层和输出层，输出层设有多个输入维度，用于输入年龄、性别、术后饮食、体重数据，隐藏层设有多个神经元，输出层设有至少一个输出维度输出标准体重变化数据。并对隐藏层的第 n层神经元的输入表示为：；输出层的输出结果的表达式为：。实现了基于年龄、性别、术后饮食、体重数据的输入，输出标准体重变化数据。提升了对标准体重变化数据的预测准确性。
45、最后，调用所述历史患者数据集，获取各患者的身体质量指数，并绘制其中每个患者术后体重变化曲线；将各患者的身体质量指数和体重变化曲线传输至数据分析模块，数据分析模块选定其中患者中的身体质量指数在预设范围内的体重变化曲线的变化幅度最大的患者；基于选定的患者，提取其饮食数据作为当前患者调整后的饮食规划方案调整患者的饮食，使得饮食调整方案具备更高的可靠性。
1.一种减重手术术后智能随访方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的一种减重手术术后智能随访方法，其特征在于，步骤s2中的标准体重变化预测模型为神经网络模型，所述标准体重变化预测模型设置输出层、隐藏层和输出层，所述输出层设有多个输入维度，用于输入年龄、性别、术后饮食、体重数据，所述隐藏层设有多个神经元，所述输出层设有至少一个输出维度，用于输出标准体重变化数据。
3.根据权利要求2所述的一种减重手术术后智能随访方法，其特征在于，
4.根据权利要求3所述的一种减重手术术后智能随访方法，其特征在于，
5.根据权利要求3所述的一种减重手术术后智能随访方法，其特征在于，所述标准体重变化预测模型的具体训练过程如下：
6.根据权利要求1所述的一种减重手术术后智能随访方法，其特征在于，步骤s3中的饮食规划方案的具体过程如下：
7.根据权利要求1所述的一种减重手术术后智能随访方法，其特征在于，步骤s4中调整患者的饮食的具体过程如下：
8.一种减重手术术后智能随访系统，用于实现权利要求1-7任意一项所述的一种减重手术术后智能随访方法，其特征在于，包括数据获取模块、模型创建模块、标准体重变化预测模型、模型训练模块、体重记录模块、数据分析模块、饮食规划模块、数据输入模块；所述模型创建模块与标准体重变化预测模型连接，数据获取模块与标准体重变化预测模型连接，标准体重变化预测模型与模型训练模块连接，重记录模块与数据分析模块连接，数据分析模块与饮食规划模块连接；
