基于模型解释的健康状态检测方法、设备及可读存储介质技术

本申请公开了一种基于模型解释的健康状态检测方法、设备及可读存储介质，所述基于模型解释的健康状态检测方法包括：获取目标用户对应的待检测用户数据，并将所述待检测用户数据输入预设健康状态预测模型，对所述目标用户的健康状态进行检测，获得健康状态初始检测结果，对所述健康状态初始检测结果进行模型预测解释，获得所述健康状态初始检测结果对应的健康状态影响因素，基于所述健康状态影响因素和所述健康状态初始检测结果，生成所述目标用户对应的目标健康状态检测结果。本申请解决了健康状态检测置信度低的技术问题。

【技术实现步骤摘要】
基于模型解释的健康状态检测方法、设备及可读存储介质
本申请涉及人工智能领域，尤其涉及一种基于模型解释的健康状态检测方法、设备及可读存储介质。
技术介绍
随着计算机软件和人工智能的不断发展，机器学习模型的应用越来越广泛，由于人们的生活习惯越来越不规律，大多数人均处于非正常健康状态，而长期处于非正常健康状态的人将产生免疫力下降等状况，目前，机器学习模型通常基于收集的用户数据，对用户的健康状态进行评分，进而基于评分，判断用户是否处于非正常健康状态，例如，如评分低于预设评分阀值，则判断用户处于非正常健康状态，但是，仅基于机器学习模型的评分，确定用户处于非正常健康状态，将导致健康状态检测的置信度较低。
技术实现思路
本申请的主要目的在于提供一种基于模型解释的健康状态检测方法、设备及可读存储介质，旨在解决现有技术中健康状态检测置信度低的技术问题。为实现上述目的，本申请提供一种基于模型解释的健康状态检测方法，所述基于模型解释的健康状态检测方法应用于基于模型解释的健康状态检测设备，所述基于模型解释的健康状态检测方法包括：获取目标用户对应的待检测用户数据，并将所述待检测用户数据输入预设健康状态预测模型，对所述目标用户的健康状态进行检测，获得健康状态初始检测结果；对所述健康状态初始检测结果进行模型预测解释，获得所述健康状态初始检测结果对应的健康状态影响因素；基于所述健康状态影响因素和所述健康状态初始检测结果，生成所述目标用户对应的目标健康状态检测结果。可选地，所述健康状态影响因素包括目标健康状态影响特征，所述对所述健康状态初始检测结果进行模型预测解释，获得所述健康状态初始检测结果对应的健康状态影响因素的步骤包括：若所述健康状态初始检测结果满足预设健康状态判定条件，则确定所述待检测用户数据对应的各健康状态影响特征；基于所述预设健康状态预测模型，分别计算各所述健康状态影响特征对所述健康状态初始检测结果的特征贡献度；基于各所述特征贡献度，在各所述健康状态影响特征中选取所述目标健康状态影响特征。可选地，所述基于所述预设健康状态预测模型，分别计算各所述健康状态影响特征对所述健康状态初始检测结果的特征贡献度的步骤包括：基于各所述健康状态影响特征和所述待检测用户数据，确定模型解释样本集；基于所述预设健康状态预测模型和所述模型解释样本集，计算各所述特征贡献度。可选地，所述模型解释样本集至少包括一个模型输入元素，所述模型输入元素至少包括一个第一类型元素和一个第二类型元素，所述基于各所述健康状态影响特征和所述待检测用户数据，确定模型解释样本集的步骤包括：在各所述健康状态影响特征中选取目标特征，并在所述待检测用户数据中剔除所述目标特征对应的目标特征数据，获得剔除数据集，并在所述剔除数据集中选取所述第一类型元素之一，其中，所述第一类型元素为所述剔除数据集的子集；将所述目标特征数据加入所述第一类型元素，获得所述第二类型元素之一；重新在各所述健康状态影响特征中选取所述目标特征，以获取其他所述第一类型元素和其他所述第二类型元素，直至所述待检测用户数据中不存在所述目标特征，获得所述模型解释样本集。可选地，所述基于各所述特征贡献度，在各所述健康状态影响特征中选取所述目标健康状态影响特征的步骤包括：确定各所述特征贡献度的目标绝对值，并对各所述目标绝对值进行排序，获得排序结果；基于所述排序结果，在各所述健康状态影响特征中选取所述目标健康状态影响特征。可选地，所述健康状态初始检测结果包括健康概率，在所述若所述健康状态初始检测结果满足预设健康状态判定条件，则确定所述待检测用户数据对应的各健康状态影响特征的步骤之前包括，所述健康状态检测方法还包括：将所述健康概率与预设概率阀值进行比对，若所述健康概率大于或者等于所述预设概率阀值，则所述健康状态初始检测结果不满足所述预设健康状态判定条件；若所述健康概率小于所述预设概率阀值，则所述健康状态初始检测结果满足所述预设健康状态判定条件。可选地，所述基于模型解释的健康状态检测方法应用于第一设备，在所述将所述待检测用户数据输入预设健康状态预测模型，对所述目标用户的健康状态进行检测，获得健康状态初始检测结果的步骤之前，所述基于模型解释的健康状态检测还包括：获取训练数据集和初始化模型，并基于所述训练数据集，对初始化模型进行迭代训练更新，直至达到预设迭代次数，获得迭代训练更新模型；对所述迭代训练模型对应的模型参数进行加密，获得加密模型参数；将所述加密模型参数发送至第二设备，以供所述第二设备对各所述第一设备发送的所述加密模型参数进行聚合，获得加密聚合模型参数；接收所述第二设备发送的加密聚合模型参数，并基于所述加密聚合模型参数，对所述迭代训练更新模型进行更新，直至所述迭代训练更新模型满足预设迭代训练结束条件，获得所述预设健康状态预测模型。可选地，所述将所述待检测用户数据输入预设健康状态预测模型，对所述目标用户的健康状态进行检测，获得健康状态初始检测结果的步骤包括：将所述待检测用户数据输入所述预设健康状态预测模型，对所述待检测用户数据进行分类，以对所述目标用户进行健康状态评估，获得健康状态分类标签；基于所述健康状态分类标签，确定所述健康状态初始检测结果。本申请还提供一种基于模型解释的健康状态检测装置，所述基于模型解释的健康状态检测装置为虚拟装置，且所述基于模型解释的健康状态检测装置应用于基于模型解释的健康状态检测设备，所述基于模型解释的健康状态检测装置包括：预测模块，用于获取目标用户对应的待检测用户数据，并将所述待检测用户数据输入预设健康状态预测模型，对所述目标用户的健康状态进行检测，获得健康状态初始检测结果；模型解释模块，用于对所述健康状态初始检测结果进行模型预测解释，获得所述健康状态初始检测结果对应的健康状态影响因素；生成模块，用于基于所述健康状态影响因素和所述健康状态初始检测结果，生成所述目标用户对应的目标健康状态检测结果。可选地，所述模型解释模块包括：第一确定子模块，用于若所述健康状态初始检测结果满足预设健康状态判定条件，则确定所述待检测用户数据对应的各健康状态影响特征；计算子模块，用于基于所述预设健康状态预测模型，分别计算各所述健康状态影响特征对所述健康状态初始检测结果的特征贡献度；选取子模块，用于基于各所述特征贡献度，在各所述健康状态影响特征中选取所述目标健康状态影响特征。可选地，所述计算子模块包括：确定单元，用于基于各所述健康状态影响特征和所述待检测用户数据，确定模型解释样本集；计算单元，用于基于所述预设健康状态预测模型和所述模型解释样本集，计算各所述特征贡献度。可选地，所述确定单元包括：剔除子单元，用于在各所述健康状态影响特征中选取目标特征，并在所述待检测用户数据中剔除所述目标特征对应的目标本文档来自技高网...

【技术保护点】
1.一种基于模型解释的健康状态检测方法，其特征在于，所述基于模型解释的健康状态检测方法包括：/n获取目标用户对应的待检测用户数据，并将所述待检测用户数据输入预设健康状态预测模型，对所述目标用户的健康状态进行检测，获得健康状态初始检测结果；/n对所述健康状态初始检测结果进行模型预测解释，获得所述健康状态初始检测结果对应的健康状态影响因素；/n基于所述健康状态影响因素和所述健康状态初始检测结果，生成所述目标用户对应的目标健康状态检测结果。/n

【技术特征摘要】
1.一种基于模型解释的健康状态检测方法，其特征在于，所述基于模型解释的健康状态检测方法包括：
获取目标用户对应的待检测用户数据，并将所述待检测用户数据输入预设健康状态预测模型，对所述目标用户的健康状态进行检测，获得健康状态初始检测结果；
对所述健康状态初始检测结果进行模型预测解释，获得所述健康状态初始检测结果对应的健康状态影响因素；
基于所述健康状态影响因素和所述健康状态初始检测结果，生成所述目标用户对应的目标健康状态检测结果。


2.如权利要求1所述基于模型解释的健康状态检测方法，其特征在于，所述健康状态影响因素包括目标健康状态影响特征，
所述对所述健康状态初始检测结果进行模型预测解释，获得所述健康状态初始检测结果对应的健康状态影响因素的步骤包括：
若所述健康状态初始检测结果满足预设健康状态判定条件，则确定所述待检测用户数据对应的各健康状态影响特征；
基于所述预设健康状态预测模型，分别计算各所述健康状态影响特征对所述健康状态初始检测结果的特征贡献度；
基于各所述特征贡献度，在各所述健康状态影响特征中选取所述目标健康状态影响特征。


3.如权利要求2所述基于模型解释的健康状态检测方法，其特征在于，所述基于所述预设健康状态预测模型，分别计算各所述健康状态影响特征对所述健康状态初始检测结果的特征贡献度的步骤包括：
基于各所述健康状态影响特征和所述待检测用户数据，确定模型解释样本集；
基于所述预设健康状态预测模型和所述模型解释样本集，计算各所述特征贡献度。


4.如权利要求3所述基于模型解释的健康状态检测方法，其特征在于，所述模型解释样本集至少包括一个模型输入元素，所述模型输入元素至少包括一个第一类型元素和一个第二类型元素，
所述基于各所述健康状态影响特征和所述待检测用户数据，确定模型解释样本集的步骤包括：
在各所述健康状态影响特征中选取目标特征，并在所述待检测用户数据中剔除所述目标特征对应的目标特征数据，获得剔除数据集，并在所述剔除数据集中选取所述第一类型元素之一，其中，所述第一类型元素为所述剔除数据集的子集；
将所述目标特征数据加入所述第一类型元素，获得所述第二类型元素之一；
重新在各所述健康状态影响特征中选取所述目标特征，以获取其他所述第一类型元素和其他所述第二类型元素，直至所述待检测用户数据中不存在所述目标特征，获得所述模型解释样本集。


5.如权利要求2所述基于模型解释的健康状态检测方法，其特征在于，所述基于各所述特征贡献度，在各所述健康状态影响特征中选取所述目标健康状态影响特征的步骤包括：
确定各所述特征贡献度的目标绝对值，并对各所述目标绝对值进行排序，获得排序结果；
基于所述排序结果，在各所述健康状态影响特征中选取所述目标...

【专利技术属性】
技术研发人员：曹小伍，雷铭轩，欧阳思奕，方梓馨，李禅，华国明，
申请(专利权)人：杭州憶盛医疗科技有限公司，
类型：发明
国别省市：浙江;33