[发明专利]健康检测方法、系统、终端设备及存储介质

说明书

本发明公开了一种健康检测方法、系统、终端设备及存储介质，通过获取待检测人员的时空轨迹数据，并将所述时空轨迹数据输入病毒感染风险预测模型，其中，所述病毒感染风险预测模型为预先基于病毒感染确诊数据进行机器学习训练得到；根据所述病毒感染风险预测模型输出的病毒感染风险预测结果确定是否对所述待检测人员进行流行病学调查。本发明判定待检测人员存在感染病毒风险的准确性更高，能够避免针对本身实际并不存在感染风险的人员进行调查耗费的大量人工作业，在极大程度上降低了流行病学调查的人工成本。

技术领域

本发明涉及机器学习技术领域，尤其涉及一种健康检测方法、系统、终端设备及存储介质。

背景技术

为了防控疫情的发展，许多地方政府或者小区物业等监管机构都推行了“健康码”制度。健康码本质上是对被检测人员感染病毒风险高低的表示，监管机构可依据该健康码输出的信息，针对被检测人员是否具备感染病毒的风险进行初步判断，然后针对判定具有感染风险的人员进行进一步的流行病学检测。

然而，现有基于健康码判定并输出感染风险的实质仅仅是依赖对地理区域的划分，即，一旦在某地理区域内出现疫情的确诊患者或者确诊患者的密切接触者，则直接将该地理区域所处较大的地理范围(街道、县、市等)都划分标识为病毒感染的中度或者高度风险范围，从而，对处于该地理范围内生活、但实际并不存在病毒感染风险的部分居民，同样会被判定为具有高度感染风险。如此，在依据现有健康码判断感染风险后再进行流行病学调查，将会白白耗费掉大量的人工作业，增加了人工成本。

发明内容

本发明的主要目的在于提供一种健康检测方法、系统、终端设备及存储介质，旨在基于结合机器学习和已知疫情病毒感染确诊患者的现有数据，反推待检测人员具备感染病毒风险的高低，提高判定感染病毒风险的准确性，进而降低流行病学调查的人工成本。

为实现上述目的，本发明提供一种健康检测方法，所述健康检测方法包括：

获取待检测人员的时空轨迹数据，并将所述时空轨迹数据输入病毒感染风险预测模型，其中，所述病毒感染风险预测模型为预先基于病毒感染确诊数据进行机器学习训练得到；

根据所述病毒感染风险预测模型输出的病毒感染风险预测结果确定是否对所述待检测人员进行流行病学调查。

进一步地，所述健康检测方法，还包括：

根据病毒感染确诊数据构建训练数据对，并利用所述训练数据对将预设的机器学习模型训练成为所述病毒感染风险预测模型。

进一步地，所述根据病毒感染确诊数据构建训练数据对的步骤，包括：

获取病毒感染确诊数据，并检测所述病毒感染确诊数据中确诊病例的密切接触者；

检测所述确诊病例的第一时空轨迹，和从所述密切接触者中确诊的感染病例的第二时空轨迹；

计算所述第一时空轨迹与所述第二时空轨迹之间的距离，和所述密切接触者中所述感染病例的比例；

将所述距离作为病毒感染时空范围，并将所述比例作为病毒感染风险程度，以封装所述病毒感染时空范围和所述病毒感染风险程度形成训练数据对。

进一步地，所述利用所述训练数据对将预设的机器学习模型训练成为所述病毒感染风险预测模型的步骤，包括：

将所述训练数据对输入预设的机器学习模型进行迭代训练直到所述机器学习模型训练收敛或迭代训练达到预设轮次；

将训练收敛或迭代训练达到预设轮次的所述机器学习模型作为所述病毒感染风险预测模型。

进一步地，所述利用所述训练数据对将预设的机器学习模型训练成为所述病毒感染风险预测模型的步骤，包括：

将所述训练数据对输入预设的机器学习模型进行迭代训练直到所述机器学习模型训练收敛；