[發明專利]健康檢測方法、系統、終端設備及存儲介質

在審

• 申請號: 202010756886.8
• 申請日: 2020-07-30
• 公開（公告）號: CN111863280A
• 公開（公告）日: 2020-10-30
• 發明（設計）人: 周雨豪;李月
• 申請（專利權）人: 深圳前海微眾銀行股份有限公司
• 主分類號: G16H50/80
• 分類號: G16H50/80;G16H10/20;G06Q10/04;G06Q10/06;G06Q50/26;G06F16/29;G06N20/00
• 代理公司: 深圳市世紀恒程知識產權代理事務所 44287
• 代理人: 張志江

1.一種健康檢測方法，其特征在于，所述健康檢測方法包括：

獲取待檢測人員的時空軌跡數據，并將所述時空軌跡數據輸入病毒感染風險預測模型，其中，所述病毒感染風險預測模型為預先基于病毒感染確診數據進行機器學習訓練得到；

根據所述病毒感染風險預測模型輸出的病毒感染風險預測結果確定是否對所述待檢測人員進行流行病學調查。

2.如權利要求1所述的健康檢測方法，其特征在于，所述健康檢測方法，還包括：

根據病毒感染確診數據構建訓練數據對，并利用所述訓練數據對將預設的機器學習模型訓練成為所述病毒感染風險預測模型。

3.如權利要求2所述的健康檢測方法，其特征在于，所述根據病毒感染確診數據構建訓練數據對的步驟，包括：

獲取病毒感染確診數據，并檢測所述病毒感染確診數據中確診病例的密切接觸者；

檢測所述確診病例的第一時空軌跡，和從所述密切接觸者中確診的感染病例的第二時空軌跡；

計算所述第一時空軌跡與所述第二時空軌跡之間的距離，和所述密切接觸者中所述感染病例的比例；

將所述距離作為病毒感染時空范圍，并將所述比例作為病毒感染風險程度，以封裝所述病毒感染時空范圍和所述病毒感染風險程度形成訓練數據對。

4.如權利要求2所述的健康檢測方法，其特征在于，所述利用所述訓練數據對將預設的機器學習模型訓練成為所述病毒感染風險預測模型的步驟，包括：

將所述訓練數據對輸入預設的機器學習模型進行迭代訓練直到所述機器學習模型訓練收斂或迭代訓練達到預設輪次；

將訓練收斂或迭代訓練達到預設輪次的所述機器學習模型作為所述病毒感染風險預測模型。

5.如權利要求2所述的健康檢測方法，其特征在于，在所述利用所述訓練數據對將預設的機器學習模型訓練成為所述病毒感染風險預測模型的步驟之后，還包括：

結合區塊鏈技術將所述病毒感染風險預測模型寫入預設區塊鏈中進行存儲，以供各監管機構登入所述預設區塊鏈進行提取。

6.如權利要求1所述的健康檢測方法，其特征在于，所述根據所述病毒感染風險預測模型輸出的病毒感染風險預測結果確定是否對所述待檢測人員進行流行病學調查的步驟，包括：

檢測所述病毒感染預測結果是否大于或者等于預設閾值，其中，所述病毒感染風險預測結果為所述病毒感染風險預測模型計算得到的所述時空軌跡數據與病毒感染時空范圍相匹配的病毒感染風險程度；

若是，則確定需要對所述待檢測人員進行流行病學調查；

若否，則確定不需要對所述待檢測人員進行流行病學調查。

7.如權利要求1或者6所述的健康檢測方法，其特征在于，在所述將所述時空軌跡數據輸入病毒感染風險預測模型的步驟之前，還包括：

針對所述時空軌跡數據進行哈希編碼，以供所述病毒感染風險預測模型根據所述時空軌跡數據的哈希編碼，計算與病毒感染時空范圍的哈希編碼相匹配的病毒感染風險程度。

8.一種健康檢測系統，其特征在于，所述健康檢測系統包括：

獲取模塊，用于獲取待檢測人員的時空軌跡數據，并將所述時空軌跡數據輸入病毒感染風險預測模型，其中，所述病毒感染風險預測模型為預先基于病毒感染確診數據進行機器學習訓練得到；

確定模塊，用于根據所述病毒感染風險預測模型輸出的病毒感染風險預測結果確定是否對所述待檢測人員進行流行病學調查。

9.一種終端設備，其特征在于，所述終端設備包括：存儲器、處理器及存儲在所述存儲器上并可在所述處理器上運行的健康檢測程序，所述健康檢測程序被所述處理器執行時實現如權利要求1至7中任一項所述的健康檢測方法的步驟。

10.一種存儲介質，其特征在于，所述存儲介質上存儲有計算機程序，所述計算機程序被處理器執行時實現如權利要求1至7中任一項所述的健康檢測方法的步驟。