1.一種嬰幼兒健康評(píng)估方法，其特征在于，該方法包括：

確定待評(píng)估項(xiàng)，其中，所述待評(píng)估項(xiàng)包括病史項(xiàng)、體檢項(xiàng)及發(fā)育里程碑項(xiàng)，所述病史項(xiàng)包括嬰幼兒既往病史；所述發(fā)育里程碑項(xiàng)和嬰幼兒的年齡相關(guān)；所述待評(píng)估項(xiàng)的項(xiàng)目類別包括是否類評(píng)估項(xiàng)、程度類評(píng)估項(xiàng)、綜合類評(píng)估項(xiàng)及智能類評(píng)估項(xiàng)；

基于評(píng)估復(fù)雜度由低到高將所述嬰幼兒既往病史、所述體檢項(xiàng)及所述發(fā)育里程碑項(xiàng)劃分至不同的項(xiàng)目類別，其中，所述項(xiàng)目類別包括第一類評(píng)估項(xiàng)目、第二類評(píng)估項(xiàng)目及第三類評(píng)估項(xiàng)目；

所述基于評(píng)估復(fù)雜度由低到高將所述嬰幼兒既往病史、所述體檢項(xiàng)及所述發(fā)育里程碑項(xiàng)劃分至不同的項(xiàng)目類別包括：

預(yù)先設(shè)定所述是否類評(píng)估項(xiàng)的評(píng)估復(fù)雜度、所述程度類評(píng)估項(xiàng)的評(píng)估復(fù)雜度、所述綜合類評(píng)估項(xiàng)的評(píng)估復(fù)雜度及所述智能類評(píng)估項(xiàng)的評(píng)估復(fù)雜度；所述智能類評(píng)估項(xiàng)的評(píng)估復(fù)雜度、所述綜合類評(píng)估項(xiàng)的評(píng)估復(fù)雜度、所述程度類評(píng)估項(xiàng)的評(píng)估復(fù)雜度及所述是否類評(píng)估項(xiàng)的評(píng)估復(fù)雜度降序排列；

將所述是否類評(píng)估項(xiàng)、所述程度類評(píng)估項(xiàng)劃分至所述第一類評(píng)估項(xiàng)目，將所述綜合類評(píng)估項(xiàng)劃分至所述第二類評(píng)估項(xiàng)目，將所述智能類評(píng)估項(xiàng)劃分至所述第三類評(píng)估項(xiàng)目，以基于不同的項(xiàng)目類別分別執(zhí)行不同的評(píng)估方案；

獲取所述嬰幼兒既往病史、體檢項(xiàng)及發(fā)育里程碑項(xiàng)各自對(duì)應(yīng)的待評(píng)估信息，將第一評(píng)估項(xiàng)目對(duì)應(yīng)的待評(píng)估信息作為第一評(píng)估信息，將第二評(píng)估項(xiàng)目對(duì)應(yīng)的待評(píng)估信息作為第二評(píng)估信息，將第三評(píng)估項(xiàng)目對(duì)應(yīng)的待評(píng)估信息作為第三評(píng)估信息；

將所述第一評(píng)估信息與預(yù)先設(shè)定的標(biāo)準(zhǔn)評(píng)估規(guī)則進(jìn)行匹配確定第一評(píng)估結(jié)果；

對(duì)于所述第二類評(píng)估項(xiàng)目，根據(jù)標(biāo)準(zhǔn)評(píng)估結(jié)果、地域評(píng)估結(jié)果及與對(duì)比評(píng)估結(jié)果確定第二評(píng)估結(jié)果，其中，所述標(biāo)準(zhǔn)評(píng)估結(jié)果是根據(jù)所述第二評(píng)估信息與所述標(biāo)準(zhǔn)評(píng)估規(guī)則進(jìn)行匹配來(lái)確定，所述地域評(píng)估結(jié)果是根據(jù)所述第二評(píng)估信息與該地域內(nèi)多個(gè)嬰幼兒樣本在第二類評(píng)估項(xiàng)目中的歷史統(tǒng)計(jì)信息之間的偏差確定；所述對(duì)比評(píng)估結(jié)果根據(jù)本次嬰幼兒健康評(píng)估的第二評(píng)估信息及與本次嬰幼兒健康評(píng)估時(shí)間距離最近的一次嬰幼兒健康評(píng)估的第二評(píng)估信息之間的偏差確定；

對(duì)于所述第三類評(píng)估項(xiàng)目，提取第三評(píng)估信息的特征信息，將所述特征信息送入預(yù)先訓(xùn)練好的人工智能模型確定第三評(píng)估結(jié)果；

所述第三類評(píng)估項(xiàng)目包括過(guò)敏項(xiàng)，所述第三評(píng)估信息包括嬰幼兒皮膚的圖片信息，所述提取第三評(píng)估信息的特征信息，將所述特征信息送入預(yù)先訓(xùn)練好的人工智能模型確定第三評(píng)估結(jié)果包括：

在所述圖片信息中提取特征信息所述特征信息包括RGB值、連通區(qū)域像素坐標(biāo)、連通區(qū)域的個(gè)數(shù)及各連通區(qū)域之間的距離；

將所述特征信息送入預(yù)先訓(xùn)練好的神經(jīng)網(wǎng)絡(luò)模型，根據(jù)神經(jīng)網(wǎng)絡(luò)模型的輸出結(jié)果確定第三評(píng)估結(jié)果；

基于所述第一評(píng)估結(jié)果、第二評(píng)估結(jié)果及第三評(píng)估結(jié)果確定嬰幼兒健康評(píng)估結(jié)果；

所述基于所述第一評(píng)估結(jié)果、第二評(píng)估結(jié)果及第三評(píng)估結(jié)果確定嬰幼兒健康評(píng)估結(jié)果包括：

將所述第一評(píng)估結(jié)果的值、第二評(píng)估結(jié)果的值及第三評(píng)估結(jié)果的值進(jìn)行疊加或者加權(quán)求和后得到嬰幼兒的健康分值；

基于預(yù)設(shè)的健康等級(jí)和健康分值之間的對(duì)應(yīng)關(guān)系，確定所述嬰幼兒的健康分值對(duì)應(yīng)的健康區(qū)域，基于所述健康區(qū)域確定所述嬰幼兒健康評(píng)估結(jié)果。