CN112562834A

CN112562834A - 一种基于机器学习的疫情预检分诊的方法及系统

Info

Publication number: CN112562834A
Application number: CN202011454627.6A
Authority: CN
Inventors: 王芳
Original assignee: Nantong First Peoples Hospital
Current assignee: Nantong First Peoples Hospital
Priority date: 2020-12-10
Filing date: 2020-12-10
Publication date: 2021-03-26

Abstract

本发明公开了一种基于机器学习的疫情预检分诊的方法及系统，其中，所述方法包括：通过所述温度传感器获得第一用户的第一实时体温信息；通过所述定位装置获得所述第一用户在第一预定时段的位置信息；将所述第一实时体温信息和所述第一预定时段的位置信息输入预检分诊模型，获得第一分诊结果；根据所述第一分诊结果，对所述第一用户进行第一分诊导航；获得所述第一用户入院之后的第二实时体温信息；判断所述第二实时体温信息是否超过预定体温阈值；如果超过预定体温阈值，获得第一提醒信息；根据所述第一提醒信息，对所述第一用户进行第二分诊导航。解决了现有技术中医院预检分诊系统不够完善，分诊效率低的技术问题。

Description

一种基于机器学习的疫情预检分诊的方法及系统

技术领域

本发明涉及预检分诊领域，尤其涉及一种基于机器学习的疫情预检分诊的方法及系统。

背景技术

防控疫情，预检分诊是重要保障手段，也是抗击疫情的第一道屏障，更是整个疫情防控措施中最重要的环节之一。各医院通过测量体温排查即时发现可疑人群，并及时将可疑人员引导至专门的分诊点就诊，从而避免与普通病人的交叉感染。疫情防治器件，预检分诊工作尤为重要，起到了把住入口关，吹响警戒哨的作用。

本申请发明人在实现本申请实施例中发明技术方案的过程中，发现上述技术至少存在如下技术问题：

医院预检分诊系统不够完善，分诊效率低。

发明内容

本申请实施例通过提供一种基于机器学习的疫情预检分诊的方法及系统，解决了现有技术中医院预检分诊系统不够完善，分诊效率低的技术问题，达到了完善预检分诊系统，提高预检分诊的高效性、准确性，降低交叉感染几率的技术目的。

本申请实施例通过提供一种基于机器学习的疫情预检分诊的方法，其中，所述方法应用于一智能移动设备，所述智能移动设备具有一图像采集装置、一温度传感器以及一定位装置，所述方法包括：通过所述温度传感器获得第一用户的第一实时体温信息；通过所述定位装置获得所述第一用户在第一预定时段的位置信息；将所述第一实时体温信息和所述第一预定时段的位置信息输入预检分诊模型，获得第一分诊结果；根据所述第一分诊结果，对所述第一用户进行第一分诊导航；获得所述第一用户的第二实时体温信息，其中，所述第二实时体温信息晚于所述第一实时体温信息；获得预定体温阈值；判断所述第二实时体温信息是否超过所述预定体温阈值；如果所述第二实时体温信息超过预定体温阈值，获得第一提醒信息；根据所述第一提醒信息，对所述第一用户进行第二分诊导航。

另一方面，本申请还提供了一种基于机器学习的疫情预检分诊的系统，其中，所述系统包括：第一获得单元，所述第一获得单元用于通过所述温度传感器获得第一用户的第一实时体温信息；第二获得单元，所述第二获得单元用于通过所述定位装置获得所述第一用户在第一预定时段的位置信息；第一输入单元，所述第一输入单元用于将所述第一实时体温信息和所述第一预定时段的位置信息输入预检分诊模型，获得第一分诊结果；第一执行单元，所述第一执行单元用于根据所述第一分诊结果，对所述第一用户进行第一分诊导航；第三获得单元，所述第三获得单元用于获得所述第一用户的第二实时体温信息，其中，所述第二实时体温信息晚于所述第一实时体温信息；第四获得单元，所述第四获得单元用于获得预定体温阈值；第一判断单元，所述第一判断单元用于判断所述第二实时体温信息是否超过所述预定体温阈值；第五获得单元，所述第五获得单元用于如果所述第二实时体温信息超过预定体温阈值，获得第一提醒信息；第二执行单元，所述第二执行单元用于根据所述第一提醒信息，对所述第一用户进行第二分诊导航。

另一方面，本申请实施例还提供了一种基于机器学习的疫情预检分诊的装置，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，其中，所述处理器执行所述程序时实现上述第一方面所述方法的步骤。

本申请实施例中提供的一个或多个技术方案，至少具有如下技术效果或优点：

由于采用了通过获取所述患者的实时体温信息和位置动向，并将实时体温信息和位置动向输入至预检分诊模型，基于所述预检分诊模型能够不断学习、获取经验的特点获得准确的患者分诊信息，并通过导航指引患者到指定诊室，实时监测患者入院后的体温信息，进一步对患者进行准确的分诊，从而达到了完善预检分诊系统，提高预检分诊的高效性、准确性，降低交叉感染几率的技术目的。

上述说明是本申请技术方案的概述，为了能够更清楚了解本申请的技术手段，而可依照说明书的内容予以实施，并且为了让本申请的上述和其它目的、特征和优点能够更明显易懂，以下特举本申请的具体实施方式。

附图说明

图1为本申请实施例一种基于机器学习的疫情预检分诊的方法的流程示意图；

图2为本申请实施例一种基于机器学习的疫情预检分诊的系统的结构示意图；

图3为本申请实施例示例性电子设备的结构示意图。

附图标记说明：第一获得单元11，第二获得单元12，第一输入单元13，第一执行单元14，第三获得单元15，第四获得单元16，第一判断单元17，第五获得单元18，第二执行单元19，总线300，接收器301，处理器302，发送器303，存储器304，总线接口305。

具体实施方式

本申请实施例通过提一种基于机器学习的疫情预检分诊的方法及系统，解决了现有技术中医院预检分诊系统不够完善，分诊效率低的技术问题，达到了完善预检分诊系统，提高预检分诊的高效性、准确性，降低交叉感染几率的技术目的。下面，将参考附图详细的描述本申请的示例实施例。显然，所描述的实施例仅是本申请的一部分实施例，而不是本申请的全部实施例，应理解，本申请不受这里描述的示例实施例的限制。

申请概述

防控疫情，预检分诊是重要保障手段，也是抗击疫情的第一道屏障，更是整个疫情防控措施中最重要的环节之一。各医院通过测量体温排查即时发现可疑人群，并及时将可疑人员引导至专门的分诊点就诊，从而避免与普通病人的交叉感染。疫情防治器件，预检分诊工作尤为重要，起到了把住入口关，吹响警戒哨的作用。现有技术中还存在着医院预检分诊系统不够完善，分诊效率低的技术问题。

针对上述技术问题，本申请提供的技术方案总体思路如下：

在介绍了本申请基本原理后，下面将结合说明书附图来具体介绍本申请的各种非限制性的实施方式。

实施例一

如图1所示，本申请实施例提供了一种基于机器学习的疫情预检分诊的方法，其中，所述方法应用于一智能移动设备，所述智能移动设备具有一图像采集装置、一温度传感器以及一定位装置，所述方法包括：

步骤S100：通过所述温度传感器获得第一用户的第一实时体温信息；

具体而言，所述智能移动设备安装有一温度传感器，用于对所述第一用户的体温信息进行实时监测。所述智能移动设备如智能手机、智能手环，所述温度传感器为非接触式红外传感器。基于大数据信息处理技术，所述第一实时体温信息为所述第一用户在进入医院预检分诊处时的体温温度，通过获得所述第一用户的所述第一实时体温信息，提高了预检分诊的高效、准确性。

步骤S200：通过所述定位装置获得所述第一用户在第一预定时段的位置信息；

具体而言，所述第一预定时间为所述第一用户从就诊当天，进行预检之前的时间信息，由所述智能移动客户端获得所述第一用户到达医院之前的位置信息获得所述第一用户的当天活动轨迹信息，从而对后续为所述第一用户及进行预检分诊奠定了基础。

步骤S300：将所述第一实时体温信息和所述第一预定时段的位置信息输入预检分诊模型，获得第一分诊结果；

具体而言，所述预检分诊模型为一神经网络模型，神经网络是由大量的、简单的处理单元（称为神经元）广泛地互相连接而形成的复杂网络系统，它反映了人脑功能的许多基本特征，是一个高度复杂的非线性动力学习系统。将所述第一实时体温信息和所述第一预定时段的位置信息输入预检分诊模型之后，通过训练数据使所述预检分诊模型自身不断地修正、优化，通过监督学习的过程来提高机器学习模型处理所述数据的准确性，进而获得准确的所述第一分诊结果，所述第一分诊结果为医院对所述第一用户进行的预检分诊结果信息，所述第一用户由所述第一分诊结果，到指定诊室进行就诊。

步骤S400：根据所述第一分诊结果，对所述第一用户进行第一分诊导航；

具体而言，医院在获得所述第一分诊结果之后，将所述第一分诊结果发送至所述第一用户，由所述智能移动设备依据所述第一分诊结果中的诊室位置信息开始导航，从而帮助所述第一用户准确到达指定诊室，一定程度上避免了交叉感染，且减轻了医院预检分诊工作人员的工作压力。

步骤S500：获得所述第一用户的第二实时体温信息，其中，所述第二实时体温信息晚于所述第一实时体温信息；

步骤S600：获得预定体温阈值；

步骤S700：判断所述第二实时体温信息是否超过所述预定体温阈值；

具体而言，所述第二实时体温信息为所述第一用户在入院之后的实时体温信息，医院通过所述智能移动客户端的温度传感器获取所述第一用户的所述第二实时体温信息，并通过判断所述第二实时体温信息是否超过所述预定体温阈值来判断所述第一用户体温是否存在异常情况，从而进一步降低了交叉感染的风险。

步骤S800：如果所述第二实时体温信息超过预定体温阈值，获得第一提醒信息；

步骤S900：根据所述第一提醒信息，对所述第一用户进行第二分诊导航。

具体而言，若所述第一用户的体温信息在入院之后开始出现异常，则由所述智能移动客户端将所述第一用户的体温异常的提醒信息传输至所述医院的管理系统，继而由所述管理系统对所述第一用户重新进行分诊，并由所述智能移动客户端依据所述第二分诊导航为所述第一用户到达指定诊室进行导航。

进一步而言，本申请实施例S900还包括：

步骤S901：根据所述定位装置获得所述第一用户的第一实时位置信息；

步骤S902：根据所述第一用户的第一实时位置信息，判断所述第一用户是否按照所述第二分诊导航进行就诊；

步骤S903：如果所述第一用户没有按照所述第二分诊导航进行就诊，通过所述图像采集装置获得第一用户的视频监控信息；

步骤S904：根据所述第一用户的第一实时位置信息和所述视频监控信息，获得第一人工分诊导航指令；

步骤S905：根据所述第一人工分诊导航指令，对所述第一用户实施人工分诊导航。

具体而言，所述智能移动客户端通过获得所述第一用户的实时位置信息并传输至所述医院管理系统，依据所述第一实时位置信息判断所述第一用户所处位置是否为所述第二分诊导航指定位置，若不是，则由所述第一用户所处诊室处的图像采集装置获得所述第一用户的视频监控信息，并将所述第一用户的位置信息发至附近的医院护士，由医院护士指导所述第一用户进行分诊导航。

进一步而言，本申请实施例步骤S300还包括：

步骤S301：将所述第一实时体温信息和所述第一预定时段的位置信息作为输入数据，输入预检分诊模型，其中，所述预检分诊模型通过多组训练数据训练获得，所述多组中的训练数据中的每一组训练数据均包括：所述第一实时体温信息、所述第一预定时段的位置信息和用来标识第一分诊结果的标识信息；

步骤S302：获得所述预检分诊模型的第一输出信息，所述第一输出信息为第一分诊结果，其中，所述第一分诊结果包括疫情感染就诊结果和疫情未感染就诊结果。

具体而言，通过将所述第一实时体温信息和所述第一预定时段的位置信息输入所述预检分诊模型，所述预检分诊模型通过多组训练数据训练获得，所述第一预检分诊模型训练数据的过程本质上为监督学习的过程。所述多组中的训练数据中的每一组训练数据均包括：所述第一实时体温信息、所述第一预定时段的位置信息和用来标识第一分诊结果的标识信息。通过训练数据使所述预检分诊模型自身不断地修正、优化，通过监督学习的过程来提高机器学习模型处理所述数据的准确性，进而使得所述第一分诊结果的获取更为准确，所述第一分诊结果包括疫情感染就诊结果和疫情未感染就诊结果。通过准确获得所述第一分诊结果，从而进一步完善了医院的疫情预检分诊系统。

进一步而言，本申请实施例步骤S100还包括：

步骤S101：获得所述第一用户的就诊时间；

步骤S102：根据所述第一用户的就诊时间信息，获得第一预检时间，其中，所述第一预检时间在所述就诊时间之前；

步骤S103：获得所述第一用户在所述第一预检时间的体温信息和第二预定时段的位置信息；

步骤S104：将所述第一预检时间的体温信息和第二预定时段的位置信息输入预检分诊模型，获得第二分诊结果；

步骤S105：根据所述第二分诊结果，对所述第一用户进行第一预备分诊导航。

具体而言，基于大数据信息处理技术，若所诉第一用户通过线上挂号的方式预约了门诊时间，则在所述第一用户进行门诊之前由所述智能移动客户端对所述第一用户进行预检，举例而言，所述第一预检时间可预设为所述第一用户进行门诊前一天某一时间，由所述智能移动客户端通过获得所述第一用户的体温信息和所述第二预定时段的位置信息，并将所述第一预检时间的体温信息和第二预定时段的位置信息输入预检分诊模型，基于所述预检分诊模型能够不断学习、获得经验来处理数据的方式，从而提前获得所述第二分诊结果，并在所述就诊时间到来之前，为所述第一用户进行导航。

进一步而言，本申请实施例步骤S101还包括：

步骤S1011a：判断所述第一用户是否具有预约就诊信息；

步骤S1012a：如果所述第一用户具有预约就诊信息，获得所述第一用户的就诊时间；

步骤S1013a：如果所述第一用户不具有预约就诊信息，通过所述温度传感器获得第一用户的第一实时体温信息。

具体而言，在获得所述第一用户的就诊时间之前，先基于大数据技术判断所述第一用户是否有预约就诊信息，若所述第一用户没有进行预约，则通过所述智能移动客户端实时监测所述第一用户的体温信息，并进行异常情况预警及上报。

进一步而言，本申请实施例步骤S101还包括：

步骤S1011b：获得所述第一用户的身份信息；

步骤S1012b：获得所述第一用户的就诊信息；

步骤S1013b：根据所述第一用户的身份信息和所述就诊信息，判断所述第一用户是否为本人就诊；

步骤S1014b：如果所述第一用户不是本人就诊，获得第一预警信息；

步骤S1015b：根据所述第一预警信息，对所述第一用户进行重点分诊。

具体而言，通过判断所述第一用户进行预约挂号时账号实名认证的身份信息及所述就诊信息中的就诊人信息是否相同，若不同，则获得所述第一预警信息，并将所述第一预警信息发送至所述医院管理系统，进行信息备注，并针对所述第一用户进行重点分诊，从而进一步加强了院内风险管控，降低交叉感染。

进一步而言，本申请实施例步骤S800还包括：

步骤S801：如果所述第二实时体温信息超过预定体温阈值，获得所述第一用户的第二实时位置信息；

步骤S802：获得预定区域阈值；

步骤S803：根据所述第二实时位置信息和所述预定区域阈值，获得所述第一用户预定区域阈值内的第三用户；

步骤S804：对所述第三用户重新进行分诊。

具体而言，若所述第一用户在入院之后体温超出正常阈值，则依据所述第一用户的位置信息，获得所述第一用户在院内密切接触的人员信息，即所述第三用户，并将所述第三用户列为密切接触人员，进行重新分诊。实现了进一步加强预检分诊的高效、安全性，降低交叉感染几率的技术目的。

进一步而言，根据所述第一分诊结果，对所述第一用户进行第一分诊导航，本申请实施例步骤S400还包括：

步骤S401：获得第一分诊路线，其中，所述第一分诊路线为普通病房病人的诊室导航路线；

步骤S402：获得第二分诊路线，其中，所述第二分诊路线为体温异常患者诊室导航路线；

步骤S403：若所述第一分诊导航路线为第一分诊路线，判断所述第一分诊导航路线与所述第二分诊路线是否存在交叉；

步骤S404：若存在交叉，则获得第一调整信息，对所述第一分诊导航路线进行调整。

具体而言，由所述智能移动客户端对所述第一用户在获得所述第一分诊结果之后的位置信息实时监测，若所述第一用户的所述第一分诊结果为普通诊室时，判断所述第一分诊导航路线是否与体温异常患者所指定的分诊路线重合，若重合，则进行预警，并对所述第一分诊导航进行重新规划。

综上所述，本申请实施例所提供的一种基于机器学习的疫情预检分诊的方法具有如下技术效果：

实施例二

基于与前述实施例中一种基于机器学习的疫情预检分诊的方法同样发明构思，本发明还提供了一种基于机器学习的疫情预检分诊的装置，如图2所示，所述系统包括：

第一获得单元11，所述第一获得单元11用于通过所述温度传感器获得第一用户的第一实时体温信息；

第二获得单元12，所述第二获得单元12用于通过所述定位装置获得所述第一用户在第一预定时段的位置信息；

第一输入单元13，所述第一输入单元13用于将所述第一实时体温信息和所述第一预定时段的位置信息输入预检分诊模型，获得第一分诊结果；

第一执行单元14，所述第一执行单元14用于根据所述第一分诊结果，对所述第一用户进行第一分诊导航；

第三获得单元15，所述第三获得单元15用于获得所述第一用户的第二实时体温信息，其中，所述第二实时体温信息晚于所述第一实时体温信息；

第四获得单元16，所述第四获得单元16用于获得预定体温阈值；

第一判断单元17，所述第一判断单元17用于判断所述第二实时体温信息是否超过所述预定体温阈值；

第五获得单元18，所述第五获得单元18用于如果所述第二实时体温信息超过预定体温阈值，获得第一提醒信息；

第二执行单元19，所述第二执行单元19用于根据所述第一提醒信息，对所述第一用户进行第二分诊导航。

进一步的，所述系统还包括：

第六获得单元，所述第六获得单元用于根据所述定位装置获得所述第一用户的第一实时位置信息；

第二判断单元，所述第二判断单元用于根据所述第一用户的第一实时位置信息，判断所述第一用户是否按照所述第二分诊导航进行就诊；

第七获得单元，所述第七获得单元用于如果所述第一用户没有按照所述第二分诊导航进行就诊，通过所述图像采集装置获得第一用户的视频监控信息；

第八获得单元，所述第八获得单元用于根据所述第一用户的第一实时位置信息和所述视频监控信息，获得第一人工分诊导航指令；

第三执行单元，所述第三执行单元用于根据所述第一人工分诊导航指令，对所述第一用户实施人工分诊导航。

进一步的，所述系统还包括：

第二输入单元，所述第二输入单元用于将所述第一实时体温信息和所述第一预定时段的位置信息作为输入数据，输入预检分诊模型，其中，所述预检分诊模型通过多组训练数据训练获得，所述多组中的训练数据中的每一组训练数据均包括：所述第一实时体温信息、所述第一预定时段的位置信息和用来标识第一分诊结果的标识信息；

第九获得单元，所述第九获得单元用于获得所述预检分诊模型的第一输出信息，所述第一输出信息为第一分诊结果，其中，所述第一分诊结果包括疫情感染就诊结果和疫情未感染就诊结果。

进一步的，所述系统还包括：

第十获得单元，所述第十获得单元用于获得所述第一用户的就诊时间；

第十一获得单元，所述第十一获得单元用于根据所述第一用户的就诊时间信息，获得第一预检时间，其中，所述第一预检时间在所述就诊时间之前；

第十二获得单元，所述第十二获得单元用于获得所述第一用户在所述第一预检时间的体温信息和第二预定时段的位置信息；

第三输入单元，所述第三输入单元用于将所述第一预检时间的体温信息和第二预定时段的位置信息输入预检分诊模型，获得第二分诊结果；

第四执行单元，所述第四执行单元用于根据所述第二分诊结果，对所述第一用户进行第一预备分诊导航。

进一步的，所述系统还包括：

第三判断单元，所述第三判断单元用于判断所述第一用户是否具有预约就诊信息；

第十三获得单元，所述第十三获得单元用于如果所述第一用户具有预约就诊信息，获得所述第一用户的就诊时间；

第十四获得单元，所述第十四获得单元用于如果所述第一用户不具有预约就诊信息，通过所述温度传感器获得第一用户的第一实时体温信息。

进一步的，所述系统还包括：

第十五获得单元，所述第十五获得单元用于获得所述第一用户的身份信息；

第十六获得单元，所述第十六获得单元用于获得所述第一用户的就诊信息；

第四判断单元，所述第四判断单元用于根据所述第一用户的身份信息和所述就诊信息，判断所述第一用户是否为本人就诊；

第十七获得单元，所述第十七获得单元用于如果所述第一用户不是本人就诊，获得第一预警信息；

第五执行单元，所述第五执行单元用于根据所述第一预警信息，对所述第一用户进行重点分诊。

进一步的，所述系统还包括：

第十八获得单元，所述第十八获得单元用于如果所述第二实时体温信息超过预定体温阈值，获得所述第一用户的第二实时位置信息；

第十九获得单元，所述第十九获得单元用于获得预定区域阈值；

第二十获得单元，所述第二十获得单元用于根据所述第二实时位置信息和所述预定区域阈值，获得所述第一用户预定区域阈值内的第三用户；

第六执行单元，所述第六执行单元用于对所述第三用户重新进行分诊。

前述图1实施例一中的一种基于机器学习的疫情预检分诊的方法的各种变化方式和具体实例同样适用于本实施例的一种基于机器学习的疫情预检分诊的系统，通过前述对一种基于机器学习的疫情预检分诊的方法的详细描述，本领域技术人员可以清楚的知道本实施例中一种基于机器学习的疫情预检分诊的系统，所以为了说明书的简洁，在此不再详述。

示例性电子设备

下面参考图3来描述本申请实施例的电子设备。

图3图示了根据本申请实施例的电子设备的结构示意图。

基于与前述实施例中一种基于机器学习的疫情预检分诊的方法的发明构思，本发明还提供一种基于机器学习的疫情预检分诊的系统，其上存储有计算机程序，该程序被处理器执行时实现前文所述一种基于机器学习的疫情预检分诊的方法的任一方法的步骤。

其中，在图3中，总线架构（用总线300来代表），总线300可以包括任意数量的互联的总线和桥，总线300将包括由处理器302代表的一个或多个处理器和存储器304代表的存储器的各种电路链接在一起。总线300还可以将诸如外围设备、稳压器和功率管理电路等之类的各种其他电路链接在一起，这些都是本领域所公知的，因此，本文不再对其进行进一步描述。总线接口305在总线300和接收器301和发送器303之间提供接口。接收器301和发送器303可以是同一个元件，即收发机，提供用于在传输介质上与各种其他系统通信的单元。

处理器302负责管理总线300和通常的处理，而存储器304可以被用于存储处理器302在执行操作时所使用的数据。

本领域内的技术人员应明白，本发明的实施例可提供为方法、系统、或计算机程序产品。因此，本发明可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本发明可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质（包括但不限于磁盘存储器、CD-ROM、光学存储器等）上实施的计算机程序产品的形式。

本发明是参照本发明实施例的方法、设备（系统）、和计算机程序产品的流程图和／或方框图来描述的。应理解可由计算机程序指令实现流程图和／或方框图中的每一流程和／或方框、以及流程图和／或方框图中的流程和／或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和／或方框图一个方框或多个方框中指定的功能的系统。

这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令系统的制造品，该指令系统实现在流程图一个流程或多个流程和／或方框图一个方框或多个方框中指定的功能。

这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和／或方框图一个方框或多个方框中指定的功能的步骤。尽管已描述了本发明的优选实施例，但本领域内的技术人员一旦得知了基本创造性概念，则可对这些实施例作出另外的变更和修改。所以，所附权利要求意欲解释为包括优选实施例以及落入本发明范围的所有变更和修改。

显然，本领域的技术人员可以对本发明进行各种改动和变型而不脱离本发明的精神和范围。这样，倘若本发明的这些修改和变型属于本发明权利要求及其等同技术的范围之内，则本发明也意图包含这些改动和变型在内。

Claims

1.一种基于机器学习的疫情预检分诊的方法，其中，所述方法应用于一智能移动设备，所述智能移动设备具有一图像采集装置、一温度传感器以及一定位装置，所述方法包括：

通过所述温度传感器获得第一用户的第一实时体温信息；

通过所述定位装置获得所述第一用户在第一预定时段的位置信息；

将所述第一实时体温信息和所述第一预定时段的位置信息输入预检分诊模型，获得第一分诊结果；

根据所述第一分诊结果，对所述第一用户进行第一分诊导航；

获得所述第一用户的第二实时体温信息，其中，所述第二实时体温信息晚于所述第一实时体温信息；

获得预定体温阈值；

判断所述第二实时体温信息是否超过所述预定体温阈值；

如果所述第二实时体温信息超过预定体温阈值，获得第一提醒信息；

根据所述第一提醒信息，对所述第一用户进行第二分诊导航。

2.如权利要求1所述的方法，其中，所述方法包括：

根据所述定位装置获得所述第一用户的第一实时位置信息；

根据所述第一用户的第一实时位置信息，判断所述第一用户是否按照所述第二分诊导航进行就诊；

如果所述第一用户没有按照所述第二分诊导航进行就诊，通过所述图像采集装置获得第一用户的视频监控信息；

根据所述第一用户的第一实时位置信息和所述视频监控信息，获得第一人工分诊导航指令；

根据所述第一人工分诊导航指令，对所述第一用户实施人工分诊导航。

3.如权利要求1所述的方法，其中，所述将所述第一实时体温信息和所述第一预定时段的位置信息输入预检分诊模型，获得第一分诊结果，包括：

将所述第一实时体温信息和所述第一预定时段的位置信息作为输入数据，输入预检分诊模型，其中，所述预检分诊模型通过多组训练数据训练获得，所述多组中的训练数据中的每一组训练数据均包括：所述第一实时体温信息、所述第一预定时段的位置信息和用来标识第一分诊结果的标识信息；

获得所述预检分诊模型的第一输出信息，所述第一输出信息为第一分诊结果，其中，所述第一分诊结果包括疫情感染就诊结果和疫情未感染就诊结果。

4.如权利要求1所述的方法，其中，所述方法包括：

获得所述第一用户的就诊时间；

根据所述第一用户的就诊时间信息，获得第一预检时间，其中，所述第一预检时间在所述就诊时间之前；

获得所述第一用户在所述第一预检时间的体温信息和第二预定时段的位置信息；

将所述第一预检时间的体温信息和第二预定时段的位置信息输入预检分诊模型，获得第二分诊结果；

根据所述第二分诊结果，对所述第一用户进行第一预备分诊导航。

5.如权利要求4所述的方法，其中，所述获得所述第一用户的就诊时间之前，包括：

判断所述第一用户是否具有预约就诊信息；

如果所述第一用户具有预约就诊信息，获得所述第一用户的就诊时间；

如果所述第一用户不具有预约就诊信息，通过所述温度传感器获得第一用户的第一实时体温信息。

6.如权利要求4所述的方法，其中，所述方法包括：

获得所述第一用户的身份信息；

获得所述第一用户的就诊信息；

根据所述第一用户的身份信息和所述就诊信息，判断所述第一用户是否为本人就诊；

如果所述第一用户不是本人就诊，获得第一预警信息；

根据所述第一预警信息，对所述第一用户进行重点分诊。

7.如权利要求1所述的方法，其中，所述判断所述第二实时体温信息是否超过所述预定体温阈值之后，包括：

如果所述第二实时体温信息超过预定体温阈值，获得所述第一用户的第二实时位置信息；

获得预定区域阈值；

根据所述第二实时位置信息和所述预定区域阈值，获得所述第一用户预定区域阈值内的第三用户；

对所述第三用户重新进行分诊。

8.一种基于机器学习的疫情预检分诊的系统，其中，所述系统包括：

第一获得单元，所述第一获得单元用于通过所述温度传感器获得第一用户的第一实时体温信息；

第二获得单元，所述第二获得单元用于通过所述定位装置获得所述第一用户在第一预定时段的位置信息；

第一输入单元，所述第一输入单元用于将所述第一实时体温信息和所述第一预定时段的位置信息输入预检分诊模型，获得第一分诊结果；

第一执行单元，所述第一执行单元用于根据所述第一分诊结果，对所述第一用户进行第一分诊导航；

第三获得单元，所述第三获得单元用于获得所述第一用户的第二实时体温信息，其中，所述第二实时体温信息晚于所述第一实时体温信息；

第四获得单元，所述第四获得单元用于获得预定体温阈值；

第一判断单元，所述第一判断单元用于判断所述第二实时体温信息是否超过所述预定体温阈值；

第五获得单元，所述第五获得单元用于如果所述第二实时体温信息超过预定体温阈值，获得第一提醒信息；

第二执行单元，所述第二执行单元用于根据所述第一提醒信息，对所述第一用户进行第二分诊导航。

9.一种基于机器学习的疫情预检分诊的系统，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，其中，所述处理器执行所述程序时实现权利要求1-7任一项所述方法的步骤。