申请/专利权人：浙江工业大学

申请日：2020-10-20

公开（公告）日：2024-03-29

公开（公告）号：CN112397202B

主分类号：G16H50/30

分类号：G16H50/30;G16H50/70;G06N3/045;G06N3/084

优先权：

专利状态码：有效-授权

法律状态：2024.03.29#授权;2021.03.12#实质审查的生效;2021.02.23#公开

摘要：一种青少年儿童身高生长曲线的预测方法，包括：步骤1个人和地区青少年儿童数据预处理，步骤2训练青少年终身高预测模型，步骤3计算个人生长曲线。本发明通过多层感知机构建终身高预测模型，在传统年龄骨龄的基础上加入BMI对终身高的影响，提高了终身高预测的准确性。并且基于终身高和地区平均生长曲线计算出适合个人的生长曲线。该发明对中国青少年个体生长曲线预测具有较强的普适性，对判断青少年的发育是否需要医疗干预，以及判断干预治疗是否有效，对临床诊断具有重要意义。

主权项：1.一种青少年儿童身高生长曲线的预测方法，包括以下步骤：步骤1：个人和地区青少年儿童数据预处理，具体包括：11剔除人群中的异常数据，计算各个年龄的标准差；12最小二乘法拟合各个年龄0SD的身高数据，得到平均生长曲线方程Height＝Hx，H为身高，x为年龄；13通过个人的年龄、骨龄、身高和体重数据，计算个人的BMI、年龄骨龄差以及和世界卫生组织公布的每个年龄段标准BMI的差值；步骤2：训练终身高预测模型，具体包括：21选取有回访成年终身高的数据；筛选出年龄、骨龄、身高和体重信息，身高与年龄和BMI存在强相关性；将每个人的年龄、骨龄、身高、体重、BMI和与标准BMI差值信息和成年终身高一一对应起来，完成训练集和测试集的制作；22搭建多层感知机，确定输入层的神经元个数、隐藏层的神经元个数、输出层神经元个数；23构建损失函数；自定义的损失函数公式如1-1所示； 其中Yi表示期望网络输出的结果，Yi′表示实际网络输出的结果；24将年龄、骨龄、身高、体重、BMI和与标准BMI差值信息作为输入信号，输入多层感知机，通过前向传播从输入层到隐藏层，最后到达输出层，在输出端的得到输出信号，即成年终身高；对误差进行反向传播，对神经元之间的连接权值进行更新，权值更新公式如下： 其中ωij为输入层的第i个神经元与隐藏层的第j个神经元间的权值，Ep为误差信号，η为学习率；25通过不断更新权值，持续进行男生训练学习、女生训练学习，验证模型可靠性，最终得到成年终身高预测网络模型，保存网络模型；步骤3：个人生长曲线计算，具体包括：31在平均生长曲线Hx中加入参数α,β,γ，公式如1-3所示：Height＝Hαx+β+γ1-332加载步骤2中保存的终身高预测网络模型，输入年龄、骨龄、身高、体重、BMI和与标准BMI差值信息，得到对应的终身高Heightfinal；33通过最小二乘法，解出以下1-4方程组中的α,β,γ的值，其中xcurrent和Heightcurrent分别为当前的年龄和身高； 34将α,β,γ的值代回曲线方程即得到适合个人的身高生长曲线。

全文数据：

权利要求：

百度查询： 浙江工业大学 一种青少年儿童身高生长曲线的预测方法

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