申请/专利权人：天津医科大学总医院

申请日：2023-12-18

公开（公告）日：2024-03-08

公开（公告）号：CN117423472B

主分类号：G16H50/70

分类号：G16H50/70;A61B6/00;G06N3/0464

优先权：

专利状态码：有效-授权

法律状态：2024.03.08#授权;2024.02.06#实质审查的生效;2024.01.19#公开

摘要：本发明涉及骨龄预测技术领域，公开了一种基于骨龄识别的多要素身高预测方法及系统，其中方法包括如下步骤：S1、将当前用户信息输入至初始身高预测模型，由所述初始身高预测模型输出该用户的初始预测身高；S2、使用骨龄预测模型对所述当前用户的当前骨龄进行预测，得到所述当前用户的骨龄预测数据；S3、根据所述初始预测身高和所述骨龄预测数据，得到当前用户的最终预测身高。本发明在对骨龄进行预测时，将用户的左手X光数据、右手X光数据、劳动数据、运动数据等多种要素均考虑了进去，相较于现有技术中统一采用左手X光数据进行骨龄预测的方式，预测结果更为准确。

主权项：1.一种基于骨龄识别的多要素身高预测方法，其特征在于，包括如下步骤：S1、将当前用户信息输入至初始身高预测模型，由所述初始身高预测模型输出所述当前用户的初始预测身高；在所述S1中，所述初始身高预测模型采用卷积神经网络模型，通过使用多个用户的样本数据生成多个训练集训练所述卷积神经网络模型生成所述初始身高预测模型；所述训练集包含用户采样时的实际年龄、性别、采样时的实际身高、父亲实际身高、母亲实际身高以及该用户身高不再增长后的身高；S2、使用骨龄预测模型对所述当前用户的当前骨龄进行预测，得到所述当前用户的骨龄预测数据；在所述S2中，所述骨龄预测模型为神经网络模型，所述骨龄预测模型包括右手骨龄预测模型和左手骨龄预测模型，所述右手骨龄预测模型和左手骨龄预测模型通过如下步骤训练获得：S201：收集用于训练的历史骨龄样本数据；所述历史骨龄样本数据包括6-18岁年龄段每个个体的X光影像数据、用手习惯数据、运动数据和劳动数据；其中，每一条所述历史骨龄样本数据的所述X光影像数据包括左手X光影像数据和右手X光影像数据；每一条所述历史骨龄样本数据的所述用手习惯数据包括习惯用左手或是习惯用右手；每一条所述历史骨龄样本数据的所述运动数据包括所述用户的最高频次运动项目反映出来的所述用户在运动时左右手是否均衡；每一条所述历史骨龄样本数据的所述劳动数据包括所述用户日常最高频次从事的劳动项目反映出来的所述用户在劳动时左右手是否均衡；S202：计算每一条所述历史骨龄样本数据在采样时的实际骨龄；所述实际骨龄的计算公式为：实际骨龄=采样时年龄+（18-停止生长时的年龄）；S203：将所述样本数据按照用手习惯数据，分为右手组用手习惯样本数据和左手组用手习惯样本数据；S204：分别使用所述右手组用手习惯样本数据和所述左手组用手习惯样本数据训练右手骨龄预测模型和左手骨龄预测模型，生成所述骨龄预测模型；使用右手组用手习惯样本数据训练右手骨龄预测模型的训练过程为：将右手组用手习惯样本数据中每个样本数据中的左手X光影像数据、右手X光影像数据、运动数据和劳动数据作为模型的输入数据；将所述每一条习惯用右手的所述历史骨龄样本数据在采集时的用户实际骨龄作为输出数据，实现所述右手骨龄预测模型的训练；使用左手组用手习惯样本数据训练左手骨龄预测模型的训练过程为：左手组用手习惯样本数据中每个样本数据中的左手X光影像数据、右手X光影像数据、运动数据和劳动数据作为模型的输入数据；将所述每一条习惯用左手的所述历史骨龄样本数据在采集时的用户实际骨龄作为输出数据，实现所述左手骨龄预测模型的训练；将左手X光影像数据、右手X光影像数据均输入至所述右手骨龄预测模型和所述左手骨龄预测模型中，获得右手骨龄实际数据和左手骨龄实际数据；根据用户的习惯用手数据、运动数据和劳动数据对所述右手骨龄实际数据和所述左手骨龄实际数据赋予不同权重；根据所述右手骨龄实际数据和左手骨龄实际数据以及所述右手骨龄实际数据和左手骨龄实际数据对应的权重，得到最终的骨龄预测数据；S3、根据所述初始预测身高和所述骨龄预测数据，得到当前用户的最终预测身高。

全文数据：

权利要求：

百度查询： 天津医科大学总医院 一种基于骨龄识别的多要素身高预测方法及系统

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD