[发明专利]扫描方案确定方法、装置、计算机设备和存储介质

权利要求书

1.一种扫描方案确定方法，其特征在于，所述方法包括：

获取用户的扫描特征信息；

将所述用户的扫描特征信息输入至预设的扫描方案推荐模型中，得到所述用户的扫描推荐方案；所述扫描方案推荐模型由专家推荐模型和数据挖掘模型构成；

根据所述扫描推荐方案确定所述用户的目标扫描方案。

2.根据权利要求1所述的方法，其特征在于，所述方法还包括：

根据所述用户的扫描特征信息，确定所述用户是否存在历史扫描数据；所述历史扫描数据中包括历史扫描特征信息、历史扫描方案；

若存在所述历史扫描数据，且所述历史扫描特征信息与所述扫描特征信息一致，则将所述用户的历史扫描方案作为所述目标扫描方案；

若存在所述历史扫描数据，但所述历史扫描特征信息与所述扫描特征信息不一致，或，不存在所述历史扫描数据，则执行所述将所述用户的扫描特征信息输入至预设的扫描方案推荐模型中，得到所述用户的扫描推荐方案的步骤。

3.根据权利要求1所述的方法，其特征在于，所述扫描方案推荐模型的训练方法包括：

获取专家建议扫描数据，并根据所述专家建议扫描数据训练初始专家推荐模型，得到所述专家推荐模型；所述专家建议扫描数据包括多个用户的扫描特征信息、与所述用户的扫描特征信息对应的专家建议扫描方案；

获取样本历史扫描数据，并根据所述样本历史扫描数据训练初始数据挖掘模型，得到所述数据挖掘模型；所述样本历史扫描数据包括多个用户的历史扫描特征信息和历史实际扫描方案；

根据所述样本历史扫描数据，确定所述专家推荐模型的第一权重和所述数据挖掘模型的第二权重；

根据所述专家推荐模型、所述第一权重、所述数据挖掘模型和所述第二权重，确定所述扫描方案推荐模型。

4.根据权利要求3所述的方法，其特征在于，所述获取专家建议扫描数据，并根据所述专家建议扫描数据训练初始专家推荐模型，得到所述专家推荐模型，包括：

获取不同专家等级对应的专家建议扫描数据；所述不同专家等级对应不同的初始专家推荐子模型；所述不同专家等级对应不同的预设权重；

针对各所述初始专家推荐子模型，以所述扫描特征信息为输入，以所述专家建议扫描方案为输出，对各所述初始专家推荐子模型进行训练，得各所述初始专家推荐子模型对应的专家推荐子模型；

根据所述不同专家等级对应的预设权重和各所述专家推荐子模型，得到所述专家推荐模型。

5.根据权利要求3所述的方法，其特征在于，所述获取样本历史扫描数据，并根据所述样本历史扫描数据训练初始数据挖掘模型，得到所述数据挖掘模型，包括：

获取所述样本历史扫描数据中各用户的扫描图像数据，并根据所述扫描图像数据确定各所述用户的扫描参数；

根据各所述用户的样本历史扫描数据、扫描图像数据和所述扫描参数构建扫描数据库；

基于诊断部位对所述扫描数据库中的数据进行分类，得到不同诊断部位对应的数据集合；

根据不同诊断部位对应的数据集合，采用预设的改进随机森林算法对初始数据挖掘模型进行训练，得到所述数据挖掘模型。

6.根据权利要求5所述的方法，其特征在于，所述根据不同诊断部位对应的数据集合，采用预设的改进随机森林算法对初始数据挖掘模型进行训练，得到所述数据挖掘模型，包括：

根据所述数据集合，确定训练数据子集、验证数据子集和属性子集；所述训练数据子集、所述验证数据子集为根据预设比例对所述数据集合划分得到的；

根据所述训练数据子集和所述属性子集构建决策树，直到构建出预设数量的决策树；

根据所述验证数据子集对所述预设数量的决策树进行验证，确定各所述决策树的准确率；

根据各所述决策树的准确率确定各所述决策树的权重，得到所述数据挖掘模型。

7.根据权利要求5所述的方法，其特征在于，所述根据所述数据集合，确定属性子集，包括：

根据预设的组织结构关系规则和所述数据集合中的各数据的属性，将所述数据集合分为强属性子集和弱属性子集；

从所述强属性子集和所述弱属性子集中获取预设的获取比例的数据，得到所述属性子集。