[发明专利]基于机器学习的健康信息分布的确定方法及装置

权利要求书

1.一种基于机器学习的健康信息分布的确定方法，其特征在于，包括：

获取光谱数据；

基于已训练的光谱分类模型对所述光谱数据进行分类处理，得到包含所述光谱数据分别标记健康特征的分类处理结果，所述光谱分类模型为基于不同层级机器学习模型组合建立的混合模型；

依据预设光谱整合权值，对所述分类处理结果中的健康特征进行整合处理，得到健康信息的分布图像。

2.根据权利要求1所述的方法，其特征在于，所述基于已训练的光谱分类模型对所述光谱数据进行分类处理之前，所述方法还包括：

获取光谱训练数据集，所述光谱训练数据集中包括标记不同分类的健康特征所对应的光谱数据；

组合构建包含至少两个决策树模型、以及一个神经网络模型的光谱分类模型，其中，所述组合构建为以所述至少两个决策树模型为输入层、以所述一个神经网络模型为输出层进行实现的；

基于所述光谱训练数据集对完成组合构建的光谱分类模型进行训练。

3.根据权利要求1或2所述的方法，其特征在于，所述获取光谱数据包括：

获取至少包括血液红外光谱数据、血液紫外光谱数据、唾液红外光谱数据、唾液紫外光谱数据的光谱数据。

4.根据权利要求3所述的方法，其特征在于，所述依据预设光谱整合权值，对所述分类处理结果中的健康特征进行整合处理，得到健康信息的分布图像包括：

利用加权求和方式结合预设光谱整合权值统计所述分类处理结果中所述血液红外光谱数据、所述血液紫外光谱数据、所述唾液红外光谱数据、所述唾液紫外光谱数据标记的健康特征的整合区间；

以叠加的方式绘制包含所述整合区间的健康信息的分布图像。

5.根据权利要求4所述的方法，其特征在于，所述基于已训练的光谱分类模型对所述光谱数据进行分类处理之前，所述方法还包括：

分别判断所述血液红外光谱数据、所述血液紫外光谱数据、所述唾液红外光谱数据、所述唾液紫外光谱数据中的波长值、振幅值是否存在失真状态；

若存在失真状态，则对处于失真状态的波长值、振幅值进行过滤处理，并将过滤后的所述血液红外光谱数据、所述血液紫外光谱数据、所述唾液红外光谱数据、所述唾液紫外光谱数据作为待进行分类处理的光谱数据，所述过滤处理为删除所述处于失真状态的波长值、振幅值对应的血液红外光谱数据、血液紫外光谱数据、唾液红外光谱数据、唾液紫外光谱数据。

6.根据权利要求4所述的方法，其特征在于，所述以叠加的方式绘制包含所述整合区间的健康信息的分布图像之后，所述方法还包括：

当接收到健康信息的分布图像查询请求后，提取与所述分布图像匹配的历史图像；

按照不同的颜色渲染所述分布图像、所述历史图像，并通过半透明重叠方式组合渲染所述分布图像与所述历史图像，进行输出。

7.根据权利要求1-6任一项所述的方法，其特征在于，所述健康特征为用于表征不同健康状态所依据的特征数据。

8.一种基于机器学习的健康信息分布的确定装置，其特征在于，包括：

获取模块，用于获取光谱数据；

分类处理模块，用于基于已训练的光谱分类模型对所述光谱数据进行分类处理，得到包含所述光谱数据分别标记健康特征的分类处理结果，所述光谱分类模型为基于不同层级机器学习模型组合建立的混合模型；

整合处理模块，用于依据预设光谱整合权值，对所述分类处理结果中的健康特征进行整合处理，得到健康信息的分布图像。

9.一种存储介质，所述存储介质中存储有至少一可执行指令，所述可执行指令使处理器执行如权利要求1-7中任一项所述的基于机器学习的健康信息分布的确定方法对应的操作。

10.一种计算机设备，包括：处理器、存储器、通信接口和通信总线，所述处理器、所述存储器和所述通信接口通过所述通信总线完成相互间的通信；

所述存储器用于存放至少一可执行指令，所述可执行指令使所述处理器执行如权利要求1-7中任一项所述的基于机器学习的健康信息分布的确定方法对应的操作。