基于机器学习的肝硬化患者饮食推荐方法、系统、设备、介质、计算机程序

本发明涉及一种基于机器学习的肝硬化患者饮食推荐方法、系统、设备、介质、计算机程序，推荐方法包括：利用图卷积网络提取特征，构建多维患者特征图谱，基于特征图谱，建立多任务深度强化学习框架，分别量化分析患者营养需求、动态评估并发症风险、识别饮食偏好模式。通过在线增量学习模块监测数据分布偏移，利用对抗域适应算法更新模型参数，实现动态特征漂移补偿。融合多任务框架输出信息和补偿后的数据，生成层次化饮食决策树，基于患者状态向量在食材知识图谱上进行蒙特卡洛树搜索，结合奖励机制平衡营养与体验，得到饮食推荐决策。与现有技术相比，本发明能够为肝硬化患者提供个性化饮食方案，提升治疗效果和生活质量。