[發明專利]掃描方案確定方法、裝置、計算機設備和存儲介質

在審

• 申請號: 202111130425.0
• 申請日: 2021-09-26
• 公開（公告）號: CN114038550A
• 公開（公告）日: 2022-02-11
• 發明（設計）人: 李霞
• 申請（專利權）人: 武漢聯影醫療科技有限公司
• 主分類號: G16H40/60
• 分類號: G16H40/60;G16H50/70;G06F16/906;G06N20/00
• 代理公司: 北京華進京聯知識產權代理有限公司 11606
• 代理人: 吳迪

1.一種掃描方案確定方法，其特征在于，所述方法包括：

獲取用戶的掃描特征信息；

將所述用戶的掃描特征信息輸入至預設的掃描方案推薦模型中，得到所述用戶的掃描推薦方案；所述掃描方案推薦模型由專家推薦模型和數據挖掘模型構成；

根據所述掃描推薦方案確定所述用戶的目標掃描方案。

2.根據權利要求1所述的方法，其特征在于，所述方法還包括：

根據所述用戶的掃描特征信息，確定所述用戶是否存在歷史掃描數據；所述歷史掃描數據中包括歷史掃描特征信息、歷史掃描方案；

若存在所述歷史掃描數據，且所述歷史掃描特征信息與所述掃描特征信息一致，則將所述用戶的歷史掃描方案作為所述目標掃描方案；

若存在所述歷史掃描數據，但所述歷史掃描特征信息與所述掃描特征信息不一致，或，不存在所述歷史掃描數據，則執行所述將所述用戶的掃描特征信息輸入至預設的掃描方案推薦模型中，得到所述用戶的掃描推薦方案的步驟。

3.根據權利要求1所述的方法，其特征在于，所述掃描方案推薦模型的訓練方法包括：

獲取專家建議掃描數據，并根據所述專家建議掃描數據訓練初始專家推薦模型，得到所述專家推薦模型；所述專家建議掃描數據包括多個用戶的掃描特征信息、與所述用戶的掃描特征信息對應的專家建議掃描方案；

獲取樣本歷史掃描數據，并根據所述樣本歷史掃描數據訓練初始數據挖掘模型，得到所述數據挖掘模型；所述樣本歷史掃描數據包括多個用戶的歷史掃描特征信息和歷史實際掃描方案；

根據所述樣本歷史掃描數據，確定所述專家推薦模型的第一權重和所述數據挖掘模型的第二權重；

根據所述專家推薦模型、所述第一權重、所述數據挖掘模型和所述第二權重，確定所述掃描方案推薦模型。

4.根據權利要求3所述的方法，其特征在于，所述獲取專家建議掃描數據，并根據所述專家建議掃描數據訓練初始專家推薦模型，得到所述專家推薦模型，包括：

獲取不同專家等級對應的專家建議掃描數據；所述不同專家等級對應不同的初始專家推薦子模型；所述不同專家等級對應不同的預設權重；

針對各所述初始專家推薦子模型，以所述掃描特征信息為輸入，以所述專家建議掃描方案為輸出，對各所述初始專家推薦子模型進行訓練，得各所述初始專家推薦子模型對應的專家推薦子模型；

根據所述不同專家等級對應的預設權重和各所述專家推薦子模型，得到所述專家推薦模型。

5.根據權利要求3所述的方法，其特征在于，所述獲取樣本歷史掃描數據，并根據所述樣本歷史掃描數據訓練初始數據挖掘模型，得到所述數據挖掘模型，包括：

獲取所述樣本歷史掃描數據中各用戶的掃描圖像數據，并根據所述掃描圖像數據確定各所述用戶的掃描參數；

根據各所述用戶的樣本歷史掃描數據、掃描圖像數據和所述掃描參數構建掃描數據庫；

基于診斷部位對所述掃描數據庫中的數據進行分類，得到不同診斷部位對應的數據集合；

根據不同診斷部位對應的數據集合，采用預設的改進隨機森林算法對初始數據挖掘模型進行訓練，得到所述數據挖掘模型。

6.根據權利要求5所述的方法，其特征在于，所述根據不同診斷部位對應的數據集合，采用預設的改進隨機森林算法對初始數據挖掘模型進行訓練，得到所述數據挖掘模型，包括：

根據所述數據集合，確定訓練數據子集、驗證數據子集和屬性子集；所述訓練數據子集、所述驗證數據子集為根據預設比例對所述數據集合劃分得到的；

根據所述訓練數據子集和所述屬性子集構建決策樹，直到構建出預設數量的決策樹；

根據所述驗證數據子集對所述預設數量的決策樹進行驗證，確定各所述決策樹的準確率；

根據各所述決策樹的準確率確定各所述決策樹的權重，得到所述數據挖掘模型。

7.根據權利要求5所述的方法，其特征在于，所述根據所述數據集合，確定屬性子集，包括：

根據預設的組織結構關系規則和所述數據集合中的各數據的屬性，將所述數據集合分為強屬性子集和弱屬性子集；

從所述強屬性子集和所述弱屬性子集中獲取預設的獲取比例的數據，得到所述屬性子集。