[发明专利]基于云边缘的AR巡检校验医疗数据的方法、装置及设备

权利要求书

1.一种基于云边缘的AR巡检校验医疗数据的方法，其特征在于，包括：

获取样本医疗数据策略集的关键用户数据；

比较所述样本医疗数据策略集的当前用户数据与所述关键用户数据中对应特征描述内容的特征向量，得到用户数据对应的误差值；

基于所述用户数据对应的误差值确定所述当前用户数据中的目标误差区间；

基于所确定的目标误差区间在样本医疗数据策略集与预设标准标准策略进行校验，使得在所述目标误差区间内，预设标准标准策略的相似度大于或等于预设标准相似度和/或预设标准标准策略的比较结果概率小于或等于预设标准结果概率；

其中，所述基于所述用户数据对应的误差值确定所述当前用户数据中的目标误差区间包括：

对所述用户数据对应的误差值进行二值化处理，使得所述用户数据对应的误差值中特征向量大于描述结果预设标准的特征描述内容被计算为第一特征值，特征向量小于描述结果预设标准的特征描述内容被计算为第二特征值；

基于被计算为第一特征值的特征描述内容的集合确定所述目标误差区间；

其中，所述基于被计算为第一特征值的特征描述内容的集合确定所述目标误差区间包括：

将经二值化处理的用户数据对应的误差值输入误差训练模型，来进行关联性处理，使得被计算为第一特征值的特征描述内容的集合形成至少一个关联误差区间，每个关联误差区间内的所有特征描述内容都被计算为第一特征值；

将所述至少一个关联误差区间确定为所述目标误差区间；

其中，所述对经二值化处理的用户数据对应的误差值输入误差训练模型包括：

用预先定义的组成医疗数据遍历该用户数据，得到目标用户数据，所述组成医疗数据包括关键区域，其中在所述组成医疗数据与该用户数据叠加的每一误差区间内，若该用户数据在该误差区间内的特征描述内容中存在为第一特征值的特征描述内容，则将该用户数据的与所述组成医疗数据的关键区域叠加的特征描述内容计算为第一特征值，否则计算为第二特征值；

用所述预先定义的组成医疗数据遍历所述目标用户数据，得到对比后的用户数据，其中在所述组成医疗数据与该用户数据叠加的每一误差区间内，若该用户数据在该误差区间内的所有特征描述内容均为第一特征值，则将该用户数据的与所述组成医疗数据的关键区域叠加的特征描述内容计算为第一特征值，否则计算为第二特征值；

其中，所述基于所述用户数据对应的误差值确定所述当前用户数据中的目标误差区间包括：

对所述用户数据对应的误差值输入误差训练模型，来进行关联性处理，使得所述用户数据对应的误差值中的所有特征描述内容被划分为至少一个第一关联误差区间和第二关联误差区间，所述至少一个第一关联误差区间中的特征描述内容的特征向量大于所述第二关联误差区间中的特征描述内容的特征向量；

基于所述至少一个第一关联误差区间确定所述目标误差区间；

其中，所述对所述用户数据对应的误差值输入误差训练模型包括：

用预先定义的组成医疗数据遍历该用户数据，得到目标用户数据，所述组成医疗数据包括关键区域，其中在所述组成医疗数据与该用户数据叠加的每一误差区间内，将该用户数据的与所述组成医疗数据的关键区域叠加的特征描述内容计算为该用户数据在该误差区间内的特征描述内容的最大特征向量；

用所述预先定义的组成医疗数据遍历所述目标用户数据，得到对比后的用户数据，其中在所述组成医疗数据与该用户数据叠加的每一误差区间内，将该用户数据的与所述组成医疗数据的关键区域叠加的特征描述内容计算为该用户数据在该误差区间内的特征描述内容的最小特征向量；

其中，还包括：

将所述至少一个第一关联误差区间中的特征描述内容计算为第一特征值，将所述第二关联误差区间中的特征描述内容计算为第二特征值；

其中，所述基于所确定的目标误差区间在样本医疗数据策略集与预设标准标准策略进行校验包括：

基于所确定的目标误差区间设置预设标准标准策略的描述结果，使得在所述目标误差区间内，预设标准标准策略具有大于或等于预设标准相似度的相似度，所述预设标准相似度大于20％小于或等于50％。