[发明专利]基于大数据人工智能的传染病的自适应预警方法和机器人

说明书

基于大数据人工智能的传染病的自适应预警方法和机器人，包括：目标传染病获取步骤；目标传染病第一状况获取步骤；预警阈值第一调节步骤；预警阈值第二调节步骤。上述方法、系统和机器人，在进行预警时，还根据目标传染病监测的准确率、目标传染病发展的严重程度进行预警阈值的设置，从而使得预警能够自适应地根据目标传染病监测的准确率、目标传染病发展的严重程度进行调节，从而提高预警的效果，能够使得预警能够最大程度地控制和遏制传染病的发展。

技术领域

本发明涉及人工智能技术领域，特别是涉及一种基于大数据人工智能的传染病的自适应预警方法和机器人。

背景技术

在实现本发明过程中，发明人发现现有技术中至少存在如下问题：现有技术下，因为新发重大传染病的发展高峰期，医疗资源必然是匮乏的，会由于预警阈值固定，引起医患矛盾甚至社会矛盾。

因此，现有技术还有待于改进和发展。

发明内容

基于此，有必要针对现有技术的缺陷或不足，提供基于大数据人工智能的传染病的自适应预警方法和机器人，以解决现有技术中由于预警阈值固定引起医患矛盾甚至社会矛盾的问题。

第一方面，本发明实施例提供一种人工智能方法，所述方法包括：

目标传染病获取步骤：获取需要预警的传染病，作为目标传染病；

目标传染病第一状况获取步骤：获取目标传染病监测的准确率、目标传染病发展的严重程度；

预警阈值第一调节步骤：根据目标传染病监测的准确率在预警系统中采用对应的预警阈值；

预警阈值第二调节步骤：根据目标传染病发展的严重程度在预警系统中采用对应的预警阈值。

优选地，所述方法还包括：

强化学习步骤：获取预警后的用户反馈，若用户反馈预警正确，则将所述用户的数据和需要预警作为输入和预期输出对预警模型进行有监督训练，将所述用户的数据和确诊感染了传染病作为输入和预期输出对监测模型进行有监督训练；若用户反馈预警不正确，则将所述用户的数据和不需要预警作为输入和预期输出对预警模型进行有监督训练，将所述用户的数据和确诊没有感染传染病作为输入和预期输出对监测模型进行有监督训练；所述预警模型包括深度学习神经网络模型或卷积神经网络模型或其他神经网络模型或机器人学习模型；所述监测模型包括深度学习神经网络模型或卷积神经网络模型或其他神经网络模型或机器人学习模型。

优选地，所述方法还包括：

二次调节步骤：获取调节了预警阈值前后的监测准确率的变化、预警准确率的变化，若监测准确率或预警准确率都下降，则以预设比例回调预警阈值。

优选地，

二次调节步骤具体包括：所述预设比例为小于1的分数，若预警阈值最近增加了第一预设值，则将第一预设值乘以预设比例作为第二预设值，然后将预警阈值减少第二预设值；若预警阈值最近减少了第一预设值，则将第一预设值乘以预设比例作为第二预设值，然后将预警阈值增加第二预设值。

优选地，所述方法还包括：

目标传染病第二状况获取步骤：获取目标传染病相关医疗资源紧张程度、用户的优先级；所述用户包括个人或家庭或部门；

预警阈值第三调节步骤：根据目标传染病相关医疗资源紧张程度在预警系统中采用对应的预警阈值；

预警阈值第四调节步骤：根据用户的优先级在预警系统中采用对应的预警阈值。

优选地，所述方法还包括：

分区域预警阈值第一调节步骤：针对每一区域，根据所述每一区域的目标传染病监测的准确率在预警系统中对所述每一区域采用对应的预警阈值；