一种体检人员分类方法、装置、设备及介质与流程

本申请涉及数据处理，尤其涉及一种体检人员分类方法、装置、设备及介质。

背景技术：

1、员工健康管理是一项企业管理行为，它通过企业自身或借助第三方的力量，应用现代医疗和数字化信息技术对企业员工的健康状况进行跟踪、评估，维护和提升企业员工的健康水平，降低医疗成本支出，提高企业整体生产效率，帮助企业最大程度规避由于员工健康情况产生的风险。

2、企业员工的定期体检数据是了解企业员工身体状况的主要途径，基于企业员工的体检数据分析员工潜在的健康风险，并给员工提示，帮助员工提前感知风险，改善自己的身体状况。

3、目前是由医生根据员工的体检数据以及不同体检指标对应的参考范围，人为预测员工潜在的健康风险，预测效率较低，而且这种方式完全依赖于医生的经验，可能存在预测结果不准确的问题。

技术实现思路

1、本申请实施例提供一种体检人员分类方法、装置、设备及介质，用以解决现有技术中体检人员潜在的健康风险预测效率低和准确性低的问题。

2、第一方面，本申请实施例提供了一种体检人员分类方法，所述方法包括：

3、获取多个体检人员的体检数据；

4、针对每个体检人员的体检数据，将该体检人员的体检数据输入到神经网络模型中，基于所述神经网络模型，输出该体检人员的体检数据向量，其中所述神经网络模型根据多个样本数据以及所述多个样本数据之间的相似度训练得到；

5、根据所述体检人员的体检数据向量，确定每个体检人员所属的群体。

6、第二方面，本申请实施例还提供了一种体检人员分类装置，所述装置包括：

7、获取模块，用于获取多个体检人员的体检数据；

8、处理模块，用于针对每个体检人员的体检数据，将该体检人员的体检数据输入到神经网络模型中，基于所述神经网络模型，输出该体检人员的体检数据向量，其中所述神经网络模型根据多个样本数据以及所述多个样本数据之间的相似度训练得到；

9、确定模块，用于根据所述体检人员的体检数据向量，确定每个体检人员所属的群体。

10、第三方面，本申请实施例还提供了一种电子设备，所述电子设备至少包括处理器和存储器，所述处理器用于执行存储器中存储的计算机程序时实现如上述任一项所述体检人员分类方法的步骤。

11、第四方面，本申请实施例还提供了一种计算机可读存储介质，其存储有计算机程序，所述计算机程序被处理器执行时实现如上述任一项所述体检人员分类方法的步骤。

12、由于在本申请实施例中，获取多个体检人员的体检数据；针对每个体检人员的体检数据，将该体检人员的体检数据输入到神经网络模型中，基于神经网络模型，输出该体检人员的体检数据向量，其中神经网络模型根据多个样本数据以及多个样本数据之间的相似度训练得到；根据体检人员的体检数据向量，确定每个体检人员所属的群体。基于体检数据向量确定每个体检人群所属的群体，提高了体检人员潜在的健康风险预测的效率，并且由于使用多个样本数据之间的相似度对神经网络模型进行训练，并采用该神经网络模型对体检数据进行处理，提高了体检人员潜在的健康风险预测的准确性。

技术特征：

1.一种体检人员分类方法，其特征在于，所述方法包括：

2.根据权利要求1所述的方法，其特征在于，根据多个样本数据以及所述多个样本数据之间的相似度训练得到所述神经网络模型，包括：

3.根据权利要求2所述的方法，其特征在于，所述将所述样本数据输入到所述神经网络模型中，包括：

4.根据权利要求3所述的方法，其特征在于，确定所述样本数据对之间的真实相似度，包括：

5.根据权利要求4所述的方法，其特征在于，确定指标分组之间的相似度，包括：

6.根据权利要求4所述的方法，其特征在于，确定样本数据归属的指标分组，包括：

7.根据权利要求6所述的方法，其特征在于，若该预设指标组中包含多个预设指标，确定所述当前指标组对应的阈值，包括：

8.一种体检人员分类装置，其特征在于，所述装置包括：

9.一种电子设备，其特征在于，所述电子设备至少包括处理器和存储器，所述处理器用于执行存储器中存储的计算机程序时实现如权利要求1-7任一项所述的一种体检人员分类方法的步骤。

10.一种计算机存储介质，其特征在于，其存储有可由电子设备执行的计算机程序，当所述程序在所述电子设备上运行时，使得所述电子设备执行权利要求1-7任一项所述的一种体检人员分类方法的步骤。

技术总结
本申请实施例提供一种体检人员分类方法、装置、设备及介质，用以解决现有技术中体检人员潜在的健康风险预测效率低和准确性低的问题。在该方法中，针对每个体检人员的体检数据，将该体检人员的体检数据输入到神经网络模型中，基于神经网络模型，输出该体检人员的体检数据向量，其中神经网络模型根据多个样本数据以及多个样本数据之间的相似度训练得到；根据体检人员的体检数据向量，确定每个体检人员所属的群体。基于体检数据向量确定体检人员所属的群体，提高了体检人员潜在健康风险预测的效率，并且由于使用多个样本数据的相似度对神经网络模型训练，并采用该神经网络模型对体检数据进行处理，提高了体检人员潜在的健康风险预测的准确性。

技术研发人员：鞠全永
受保护的技术使用者：海信集团控股股份有限公司
技术研发日：
技术公布日：2024/3/12