CN108836338A - 一种基于web数据库的在线骨龄计算及身高预测方法 - Google Patents
一种基于web数据库的在线骨龄计算及身高预测方法 Download PDFInfo
- Publication number
- CN108836338A CN108836338A CN201810300751.3A CN201810300751A CN108836338A CN 108836338 A CN108836338 A CN 108836338A CN 201810300751 A CN201810300751 A CN 201810300751A CN 108836338 A CN108836338 A CN 108836338A
- Authority
- CN
- China
- Prior art keywords
- age
- stone age
- chn
- score
- stone
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 239000004575 stone Substances 0.000 title claims abstract description 98
- 238000000034 method Methods 0.000 title claims abstract description 27
- 238000011161 development Methods 0.000 claims abstract description 19
- 210000000707 wrist Anatomy 0.000 claims abstract description 8
- 230000018109 developmental process Effects 0.000 claims description 18
- 210000000988 bone and bone Anatomy 0.000 claims description 14
- 210000000236 metacarpal bone Anatomy 0.000 claims description 10
- 230000014461 bone development Effects 0.000 claims description 6
- 210000000693 hamate bone Anatomy 0.000 claims description 6
- 230000008901 benefit Effects 0.000 abstract description 3
- 241001269238 Data Species 0.000 abstract 1
- 238000005457 optimization Methods 0.000 description 5
- 208000020221 Short stature Diseases 0.000 description 2
- 238000001514 detection method Methods 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 1
- 210000003010 carpal bone Anatomy 0.000 description 1
- 238000007405 data analysis Methods 0.000 description 1
- 235000006694 eating habits Nutrition 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 230000002068 genetic effect Effects 0.000 description 1
- 238000011835 investigation Methods 0.000 description 1
- 230000035800 maturation Effects 0.000 description 1
Classifications
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/103—Detecting, measuring or recording devices for testing the shape, pattern, colour, size or movement of the body or parts thereof, for diagnostic purposes
- A61B5/107—Measuring physical dimensions, e.g. size of the entire body or parts thereof
- A61B5/1072—Measuring physical dimensions, e.g. size of the entire body or parts thereof measuring distances on the body, e.g. measuring length, height or thickness
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/103—Detecting, measuring or recording devices for testing the shape, pattern, colour, size or movement of the body or parts thereof, for diagnostic purposes
- A61B5/107—Measuring physical dimensions, e.g. size of the entire body or parts thereof
- A61B5/1075—Measuring physical dimensions, e.g. size of the entire body or parts thereof for measuring dimensions by non-invasive methods, e.g. for determining thickness of tissue layer
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B6/00—Apparatus or devices for radiation diagnosis; Apparatus or devices for radiation diagnosis combined with radiation therapy equipment
- A61B6/50—Apparatus or devices for radiation diagnosis; Apparatus or devices for radiation diagnosis combined with radiation therapy equipment specially adapted for specific body parts; specially adapted for specific clinical applications
- A61B6/505—Apparatus or devices for radiation diagnosis; Apparatus or devices for radiation diagnosis combined with radiation therapy equipment specially adapted for specific body parts; specially adapted for specific clinical applications for diagnosis of bone
Landscapes
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Medical Informatics (AREA)
- Engineering & Computer Science (AREA)
- Heart & Thoracic Surgery (AREA)
- Surgery (AREA)
- Oral & Maxillofacial Surgery (AREA)
- Biophysics (AREA)
- Veterinary Medicine (AREA)
- Dentistry (AREA)
- Public Health (AREA)
- General Health & Medical Sciences (AREA)
- Pathology (AREA)
- Animal Behavior & Ethology (AREA)
- Biomedical Technology (AREA)
- Physics & Mathematics (AREA)
- Molecular Biology (AREA)
- Orthopedic Medicine & Surgery (AREA)
- Radiology & Medical Imaging (AREA)
- Optics & Photonics (AREA)
- Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
- High Energy & Nuclear Physics (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开了一种基于web数据库的在线骨龄计算及身高预测方法，包括划分手腕骨及骨龄等级、记录测试人基本信息、读入拍摄好的手和手腕X光片，解读骨骼数据、计算骨龄、计算预测身高的步骤。本发明的在线骨龄计算及身高预测方法面向有评估经验的专家使用，省去了常规查表，记录，求和等工作，由计算机辅助完成，大大减少重复工作量，提升了计算精度；基于web数据库，可以保存各种手腕骨发育标准数据，保证了数据的完整性，安全性，易操作性，且使用时可以针对不同骨龄评价标准，查看比较不同预测结果；使用web数据库，当添加新的骨龄评价标准时，满足高效、可扩展等特点，有良好的应用推广价值和经济效益。
Description
技术领域
本发明涉及骨龄计算及身高预测领域，特别涉及一种基于web数据库的在线骨龄计算及身高预测方法。
背景技术
目前，随着人们对健康的日益关注，家庭生活质量的提高，我国青少年的平均身高也在逐步升高。许多家长们却面临着一个不容小觑的问题：儿童矮小症。儿童矮小症是指在正常的生活水平条件下，种族、性别及年龄相同的个体间，身高明显矮于正常群体平均身高2个标准差，或低于第三个百分位数者，根据骨龄评价骨骼成熟度，落后实际年龄2岁以下者。大量调查发现，90％以上的患儿有自卑、抑郁等心理，缺乏自尊，与他人交往困难。因此及早预测治疗就显得尤为重要。
现有的身高预测方法主要停留在人工处理的方式。一种方法是：父母身高预测法。这种预测方法是欧洲一位科学家以父母的身高与子女身高的关系创造出一个预测身高的公式。另外一种是：骨龄检测法。此方法是通过拍摄左手手部和腕部的X光照片来测骨龄，从而根据骨龄来预测孩子未来身高。
第一种方法，它的计算公式是根据遗传原理和欧洲人的身高增长速度推算出来的。由于亚洲人群与欧洲人群身体上的差异，将适用于欧洲人群的身高预测公式应用到中国青少年上，结果是非常不准确的。其次，在医学遗传学的角度上来看，身高是数量性状，即受遗传和环境双重影响。在身高发育中，遗传因素占大部分，但一个人后天的饮食习惯、生活习惯、运动习惯多少会对发育有一定的影响。相比较而言，骨龄检测法就显得更加科学、靠谱，不但可以预测孩子的生长空间，还可以检验孩子骨骼的发育状况，了解孩子的生长发育是否正常。
目前，针对身高预测，专家们通常的做法都局限于人工操作，包括匹配标准数据表，记录得分，得分求和，计算公式等。然而人工操作的缺点是效率不高，流程复杂，导致消耗的时间代价很大；预测精度低，人为计算不可避免地引入了一些实验误差；人工数量大，当预测数据增加时，需要的人力成本会成倍地增加；最重要的一点，对使用者技术要求很高，因为需要由骨龄评估经验丰富的专家来进行骨骼等级分析，而且使用者要有熟练的操作经验，熟悉操作流程。
发明内容
本发明目的是提供一种基于web数据库的在线骨龄计算及身高预测方法。
本发明解决技术问题采用如下技术方案：
一种基于web数据库的在线骨龄计算及身高预测方法，分为以下步骤：
步骤1：建立远程web数据库；
步骤2：划分手腕骨及骨龄等级；
步骤3：记录测试人基本信息：包括年龄a，性别s，现身高h；
步骤4：读入拍摄好的手和手腕X光片，解读骨骼数据；
步骤5：计算骨龄；
步骤6：计算预测身高。
作为本发明的进一步优化，所述的步骤1包括：
1)在服务器上建立一个在线可远程访问的web数据库；
2)在该数据库中创建手腕骨发育等级得分表，手腕骨发育成熟度得分与骨龄对照表，儿童成年身高百分数与骨龄和生活年龄差值对照表，按照既定的骨龄标准《中国人手腕骨发育标准CHN》，将各表分别记为：CHN_SCORE，CHN_AGE，CHN_FORECAST；所述的CHN_SCORE表中主要字段有性别、指骨类型、骨龄等级、分值；所述的CHN_AGE表中主要字段有性别、骨龄、总分值；所述的CHN_FORECAST表中主要字段有性别，骨龄，年龄差等级，预测身高百分比；
3)按照相应的数据表字段，往CHN_AGE表和CHN_FORECAST表中插入CHN标准数据。
作为本发明的更进一步优化，所述的步骤2为：
1)根据CHN标准，按骨头类型划分，将手腕骨划分为14指骨，记为B＝{桡骨、掌骨Ⅰ、掌骨Ⅲ、掌骨Ⅴ、近节指骨Ⅰ、近节指骨Ⅲ、近节指骨Ⅴ、中节指骨Ⅲ、中节指骨Ⅴ、远节指骨Ⅰ、远节指骨Ⅲ、远节指骨Ⅴ、头状骨、钩骨}；
2)按各骨不同发育程度划分，将桡骨分为10个骨龄等级，头状骨分为7个骨龄等级，掌骨、钩骨、近节指骨、中节指骨、远节指骨分为8个骨龄等级，记为ribj，i∈[1,Nbj]，Nbj表示bj划分的骨龄等级数，j∈[1,14]，bj∈B；
3)按性别、指骨类型，将不同骨龄等级赋予不同分值，记为(s,ribj)→SCj，所述的s表示性别，s∈{0,1}，0代表男性，1代表女性；所述的SCj为指骨bj在性别、骨龄等级分别是s,ribj下的骨龄得分；
4)往CHN_SCORE表中插入数据s，bj，ribj，SCj，分别对应性别，指骨类型，骨龄等级，分值；一共产生2×SUM(Nb1,Nb2,Nb3…Nbj)个数据，其中2表示有两种性别。
作为本发明的更进一步优化，所述的步骤4为：
1)记骨龄等级集合R＝{rbj|j＝1,2,…,14}，所述的rbj为指骨bj的骨龄等级；
2)根据性别s，骨龄等级R，匹配CHN_SCORE表，得到骨龄得分SCj，j∈[1,14]，然后计算总骨发育得分TSC＝SUM(SCj)，bj∈B。
作为本发明的更进一步优化，所述的步骤5为：
根据当前的性别s，查阅CHN_AGE表，存在min(score)>TSC，此时score对应的boneage值则为骨龄值。
作为本发明的更进一步优化，所述的步骤6为：
1)根据上一步得到的骨龄boneage值，计算与实际年龄age的年龄差，当年龄差小于1岁时，发育状态state＝N；当age-boneage>1时，state＝L；当boneage-age>＝1时，state＝E；所述的N表示正常，L表示晚发育，E表示早发育；
2)根据当前的性别s，发育状态state，骨龄boneage，查阅CHN_FORECAST表，得出在当前骨龄boneage下的预测身高百分比fp；
3)计算预测身高FH，公式为：其中h为现身高：
作为本发明另一种思路的优化，还包括步骤7：对下一个测试人进行身高预测时，回到步骤3。
更进一步地，本发明还可以优化为，还包括步骤8：采取新的手腕骨发育标准数据时，回到步骤1，每扩展一种骨龄新标准时，在数据库中创建三个表，CHN_SCORE，CHN_AGE，CHN_FORECAST，分别用于后面步骤中匹配得到手腕各骨发育等级等分，手腕骨总发育成熟度得分，儿童成年身高预测百分数。
事实上，本发明在服务器上建立远程数据库，并根据即将采用的骨龄标准，创建三个数据表。具体使用时，用户可以通过web在线访问数据库，并进行数据表的查询等操作，从而计算骨龄以及预测身高。
所述骨龄标准可以是目前通用的骨龄评价标准，如TW3，CHN等，也可以是用户自定义的评价标准。在实际使用时，按需扩展数据库，并根据不同的标准命名数据表。用户可以有选择性地采取不同标准进行预测计算。
所述数据表的查询操作，指使用数据库语言来进行数据表的信息筛选、数据分析等操作。如在步骤5中，已知性别s，总骨等级得分TSC，要查询CHN_AGE表并找出在当前条件下的骨龄值，使用SQL语句：SELECT MIN(boneage)FROM CHN_AGE WHERE sex＝s AND score>＝TSC，此时查询结果即为所要求的骨龄值。使用SQL语句，可以由计算机来辅助完成常规人为的查询，计算等复杂操作，大大降低了计算量和出错率。
本发明具有如下有益效果：针对现有骨龄计算和身高预测方法需要人工纸质操作的缺点，本发明的在线骨龄计算及身高预测方法面向有评估经验的专家使用，省去了常规查表，记录，求和等工作，由计算机辅助完成，大大减少重复工作量，提升了计算精度；基于web数据库，保存CHN，TW3等手腕骨发育标准数据，保证了数据的完整性，安全性，易操作性，且使用时可以针对不同骨龄评价标准，查看比较不同预测结果；使用web数据库，当添加新的骨龄评价标准时，满足高效、可扩展等特点，有良好的应用推广价值和经济效益。
附图说明
图1为本发明骨龄计算及身高预测图。
具体实施方式
下面结合附图及实施方式对本发明的技术方案作进一步阐述。
具体实施方式一：本实施方式是一种基于web数据库的在线骨龄计算及身高预测方法，如图1所示，包括如下步骤：
步骤1：在服务器上建立一个在线可远程访问的web数据库；在该数据库中创建手腕骨发育等级得分表，手腕骨发育成熟度得分与骨龄对照表，儿童成年身高百分数与骨龄和生活年龄差值对照表，按照既定的骨龄标准《中国人手腕骨发育标准CHN》，将各表分别记为：CHN_SCORE，CHN_AGE，CHN_FORECAST；所述的CHN_SCORE表中主要字段有性别、指骨类型、骨龄等级、分值；所述的CHN_AGE表中主要字段有性别、骨龄、总分值；所述的CHN_FORECAST表中主要字段有性别，骨龄，年龄差等级，预测身高百分比；按照相应的数据表字段，往CHN_AGE表和CHN_FORECAST表中插入CHN标准数据。
步骤2：根据CHN标准，按骨头类型划分，将手腕骨划分为14指骨，记为B＝{桡骨、掌骨Ⅰ、掌骨Ⅲ、掌骨Ⅴ、近节指骨Ⅰ、近节指骨Ⅲ、近节指骨Ⅴ、中节指骨Ⅲ、中节指骨Ⅴ、远节指骨Ⅰ、远节指骨Ⅲ、远节指骨Ⅴ、头状骨、钩骨}；按各骨不同发育程度划分，将桡骨分为10个骨龄等级，头状骨分为7个骨龄等级，掌骨、钩骨、近节指骨、中节指骨、远节指骨分为8个骨龄等级，记为ribj，i∈[1,Nbj]，Nbj表示bj划分的骨龄等级数，j∈[1,14]，bj∈B；按性别、指骨类型，将不同骨龄等级赋予不同分值，记为(s,ribj)→SCj，所述的s表示性别，s∈{0,1}，0代表男性，1代表女性；所述的SCj为指骨bj在性别、骨龄等级分别是s,ribj下的骨龄得分；往CHN_SCORE表中插入数据s，bj，ribj，SCj，分别对应性别，指骨类型，骨龄等级，分值；一共产生2×SUM(Nb1,Nb2,Nb3…Nbj)个数据，其中2表示有两种性别。
步骤3：记录测试人基本信息：包括年龄a，性别s，现身高h。
步骤4：记骨龄等级集合R＝{rbj|j＝1,2,…,14}，所述的rbj为指骨bj的骨龄等级；根据性别s，骨龄等级R，匹配CHN_SCORE表，得到骨龄得分SCj，j∈[1,14]，然后计算总骨发育得分TSC＝SUM(SCj)，bj∈B。
步骤5：根据当前的性别s，查阅CHN_AGE表，存在min(score)>TSC，此时score对应的boneage值则为骨龄值。
步骤6：根据上一步得到的骨龄boneage值，计算与实际年龄age的年龄差，当年龄差小于1岁时，发育状态state＝N；当age-boneage>1时，state＝L；当boneage-age>＝1时，state＝E；所述的N表示正常，L表示晚发育，E表示早发育；根据当前的性别s，发育状态state，骨龄boneage，查阅CHN_FORECAST表，得出在当前骨龄boneage下的预测身高百分比fp；计算预测身高FH，公式为：其中h为现身高：
步骤7：对下一个测试人进行身高预测时，回到步骤3。
步骤8：采取新的手腕骨发育标准数据时，回到步骤1，每扩展一种骨龄新标准时，需要在数据库中创建三个表，CHN_SCORE，CHN_AGE，CHN_FORECAST，分别用于后面步骤中匹配得到手腕各骨发育等级等分，手腕骨总发育成熟度得分，儿童成年身高预测百分数。
最后应说明的是：以上实施方式仅用以说明本发明的技术方案，而非对其限制；尽管参照前述实施方式对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述实施方式所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明实施方式技术方案的精神和范围。
Claims (8)
1.一种基于web数据库的在线骨龄计算及身高预测方法，其特征在于，包括以下步骤：
步骤1：建立远程web数据库；
步骤2：划分手腕骨及骨龄等级；
步骤3：记录测试人基本信息：包括年龄a，性别s，现身高h；
步骤4：读入拍摄好的手和手腕X光片，解读骨骼数据；
步骤5：计算骨龄；
步骤6：计算预测身高。
2.根据权利要求1所述的一种基于web数据库的在线骨龄计算及身高预测方法，其特征在于，所述的步骤1为：
1)在服务器上建立一个在线可远程访问的web数据库；
2)在该数据库中创建手腕骨发育等级得分表，手腕骨发育成熟度得分与骨龄对照表，儿童成年身高百分数与骨龄和生活年龄差值对照表，按照既定的骨龄标准《中国人手腕骨发育标准CHN》，将各表分别记为：CHN_SCORE，CHN_AGE，CHN_FORECAST；所述的CHN_SCORE表中主要字段有性别、指骨类型、骨龄等级、分值；所述的CHN_AGE表中主要字段有性别、骨龄、总分值；所述的CHN_FORECAST表中主要字段有性别，骨龄，年龄差等级，预测身高百分比；
3)按照相应的数据表字段，往CHN_AGE表和CHN_FORECAST表中插入CHN标准数据。
3.根据权利要求2所述的一种基于web数据库的在线骨龄计算及身高预测方法，其特征在于，所述的步骤2为：
1)根据CHN标准，按骨头类型划分，将手腕骨划分为14指骨，记为B＝{桡骨、掌骨Ⅰ、掌骨Ⅲ、掌骨Ⅴ、近节指骨Ⅰ、近节指骨Ⅲ、近节指骨Ⅴ、中节指骨Ⅲ、中节指骨Ⅴ、远节指骨Ⅰ、远节指骨Ⅲ、远节指骨Ⅴ、头状骨、钩骨}；
2)按各骨不同发育程度划分，将桡骨分为10个骨龄等级，头状骨分为7个骨龄等级，掌骨、钩骨、近节指骨、中节指骨、远节指骨分为8个骨龄等级，记为ribj，i∈[1,Nbj]，Nbj表示bj划分的骨龄等级数，j∈[1,14]，bj∈B；
3)按性别、指骨类型，将不同骨龄等级赋予不同分值，记为(s,ribj)→SCj，所述的s表示性别，s∈{0,1}，0代表男性，1代表女性；所述的SCj为指骨bj在性别、骨龄等级分别是s,ribj下的骨龄得分；
4)往CHN_SCORE表中插入数据s，bj，ribj，SCj，分别对应性别，指骨类型，骨龄等级，分值；一共产生2×SUM(Nb1,Nb2,Nb3…Nbj)个数据，其中2表示有两种性别。
4.根据权利要求3所述的一种基于web数据库的在线骨龄计算及身高预测方法，其特征在于，所述的步骤4为：
1)记骨龄等级集合R＝{rbj|j＝1,2,…,14}，所述的rbj为指骨bj的骨龄等级；
2)根据性别s，骨龄等级R，匹配CHN_SCORE表，得到骨龄得分SCj，j∈[1,14]，然后计算总骨发育得分TSC＝SUM(SCj)，bj∈B。
5.根据权利要求4所述的一种基于web数据库的在线骨龄计算及身高预测方法，其特征在于，所述的步骤5为：
根据当前的性别s，查阅CHN_AGE表，存在min(score)>TSC，此时score对应的boneage值则为骨龄值。
6.根据权利要求5所述的一种基于web数据库的在线骨龄计算及身高预测方法，其特征在于，所述的步骤6为：
1)根据上一步得到的骨龄boneage值，计算与实际年龄age的年龄差，当年龄差小于1岁时，发育状态state＝N；当age-boneage>1时，state＝L；当boneage-age>＝1时，state＝E；所述的N表示正常，L表示晚发育，E表示早发育；
2)根据当前的性别s，发育状态state，骨龄boneage，查阅CHN_FORECAST表，得出在当前骨龄boneage下的预测身高百分比fp；
3)计算预测身高FH，公式为：其中h为现身高：
7.根据权利要求6所述的一种基于web数据库的在线骨龄计算及身高预测方法，其特征在于，还包括步骤7：对下一个测试人进行身高预测时，回到步骤3。
8.根据权利要求7所述的一种基于web数据库的在线骨龄计算及身高预测方法，其特征在于，还包括步骤8：采取新的手腕骨发育标准数据时，回到步骤1，每扩展一种骨龄新标准时，在数据库中创建三个表，CHN_SCORE，CHN_AGE，CHN_FORECAST，分别用于后面步骤中匹配得到手腕各骨发育等级等分，手腕骨总发育成熟度得分，儿童成年身高预测百分数。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201810300751.3A CN108836338A (zh) | 2018-04-04 | 2018-04-04 | 一种基于web数据库的在线骨龄计算及身高预测方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201810300751.3A CN108836338A (zh) | 2018-04-04 | 2018-04-04 | 一种基于web数据库的在线骨龄计算及身高预测方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN108836338A true CN108836338A (zh) | 2018-11-20 |
Family
ID=64212021
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201810300751.3A Pending CN108836338A (zh) | 2018-04-04 | 2018-04-04 | 一种基于web数据库的在线骨龄计算及身高预测方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN108836338A (zh) |
Cited By (21)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN109948614A (zh) * | 2019-03-26 | 2019-06-28 | 浙江康体汇科技有限公司 | 一种基于机器学习的手腕骨兴趣区域切割方法 |
| CN109961431A (zh) * | 2019-03-26 | 2019-07-02 | 浙江康体汇科技有限公司 | 一种基于概率的骨龄计算方法 |
| CN109961099A (zh) * | 2019-03-26 | 2019-07-02 | 浙江康体汇科技有限公司 | 一种基于身高年龄的多分类器手腕骨等级识别方法 |
| CN109977864A (zh) * | 2019-03-26 | 2019-07-05 | 浙江康体汇科技有限公司 | 一种基于二次分类的手腕骨等级识别方法 |
| CN109984765A (zh) * | 2019-03-06 | 2019-07-09 | 杭州津禾生物科技有限公司 | 一种骨龄评测gp2-tw评测系统 |
| CN109994172A (zh) * | 2019-03-06 | 2019-07-09 | 杭州津禾生物科技有限公司 | 骨龄在线数字化测算及身高数据库管理系统 |
| CN110009605A (zh) * | 2019-03-21 | 2019-07-12 | 浙江工业大学 | 一种基于深度学习的骨龄预测方法及系统 |
| CN110215211A (zh) * | 2019-06-14 | 2019-09-10 | 成都高鹿科技有限公司 | 个体身高测量及分析方法、系统、可读存储介质及终端 |
| CN110931102A (zh) * | 2019-10-30 | 2020-03-27 | 杭州津禾生物科技有限公司 | 一种骨龄身高管理系统及使用方法 |
| CN110957037A (zh) * | 2019-10-30 | 2020-04-03 | 杭州津禾生物科技有限公司 | 一种在线身高管理系统使用方法 |
| CN110957038A (zh) * | 2019-11-29 | 2020-04-03 | 广州市雷德医学检验实验室有限公司 | 免疫年龄确定系统、方法、装置及存储介质 |
| CN111046901A (zh) * | 2019-10-30 | 2020-04-21 | 杭州津禾生物科技有限公司 | 一种骨龄图像数字化处理后自动识别方法 |
| CN111415334A (zh) * | 2020-03-05 | 2020-07-14 | 北京深睿博联科技有限责任公司 | 骨龄预测设备 |
| CN111507953A (zh) * | 2020-04-13 | 2020-08-07 | 武汉华晨酷神智能科技有限公司 | 一种ai骨龄快速识别方法 |
| CN112182067A (zh) * | 2020-09-27 | 2021-01-05 | 深圳市伊欧乐科技有限公司 | 个体身高预测方法、装置、电子设备及存储介质 |
| CN112397202A (zh) * | 2020-10-20 | 2021-02-23 | 浙江工业大学 | 一种青少年儿童身高生长曲线的预测方法 |
| CN112447302A (zh) * | 2020-12-04 | 2021-03-05 | 石家庄喜高科技有限责任公司 | 身高增长速度评价方法及终端设备 |
| CN112465104A (zh) * | 2020-12-04 | 2021-03-09 | 石家庄喜高科技有限责任公司 | 身高发育评价方法及终端设备 |
| US20220151547A1 (en) * | 2020-11-19 | 2022-05-19 | International Business Machines Corporation | Estimating spinal age |
| CN114601483A (zh) * | 2022-05-11 | 2022-06-10 | 山东第一医科大学第一附属医院(山东省千佛山医院) | 一种基于图像处理的骨龄分析方法及系统 |
| CN115274098A (zh) * | 2022-08-19 | 2022-11-01 | 北京咯咯网络科技有限公司 | 一种基于骨龄与身高来预测身高的智能系统 |
Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN1118243A (zh) * | 1994-09-05 | 1996-03-13 | 山东省体育科学研究所 | 青少年骨龄测定及身高预测盘 |
| CN104965953A (zh) * | 2015-07-13 | 2015-10-07 | 熊妹珍 | 一种青少年身高预测模型的建立方法 |
| CN106202901A (zh) * | 2016-07-04 | 2016-12-07 | 奥美之路(北京)健康科技股份有限公司 | 骨龄远程在线判读系统 |
-
2018
- 2018-04-04 CN CN201810300751.3A patent/CN108836338A/zh active Pending
Patent Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN1118243A (zh) * | 1994-09-05 | 1996-03-13 | 山东省体育科学研究所 | 青少年骨龄测定及身高预测盘 |
| CN104965953A (zh) * | 2015-07-13 | 2015-10-07 | 熊妹珍 | 一种青少年身高预测模型的建立方法 |
| CN106202901A (zh) * | 2016-07-04 | 2016-12-07 | 奥美之路(北京)健康科技股份有限公司 | 骨龄远程在线判读系统 |
Non-Patent Citations (4)
| Title |
|---|
| 中华人民共和国国家体育总局: "中国青少年儿童手腕骨成熟度及评价方法", 《TY/T 3001-2006 中华人民共和国体育行业标准 中国青少年儿童手腕骨成熟度及评价方法》 * |
| 张绍岩等: "中国人手腕骨发育标准_CHN法", 《体育科学》 * |
| 郭蓓: "《上海市运动员科学选材工作指导手册[M]》", 31 December 2005, 上海：上海科学技术文献出版社 * |
| 陈建列等: "WEB型骨龄检测及身高预测系统的开发", 《现代实用医学》 * |
Cited By (30)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN109984765A (zh) * | 2019-03-06 | 2019-07-09 | 杭州津禾生物科技有限公司 | 一种骨龄评测gp2-tw评测系统 |
| CN109994172A (zh) * | 2019-03-06 | 2019-07-09 | 杭州津禾生物科技有限公司 | 骨龄在线数字化测算及身高数据库管理系统 |
| CN110009605A (zh) * | 2019-03-21 | 2019-07-12 | 浙江工业大学 | 一种基于深度学习的骨龄预测方法及系统 |
| CN109961099B (zh) * | 2019-03-26 | 2022-03-04 | 浙江康体汇科技有限公司 | 一种基于身高年龄的多分类器手腕骨等级识别方法 |
| CN109961431A (zh) * | 2019-03-26 | 2019-07-02 | 浙江康体汇科技有限公司 | 一种基于概率的骨龄计算方法 |
| CN109961099A (zh) * | 2019-03-26 | 2019-07-02 | 浙江康体汇科技有限公司 | 一种基于身高年龄的多分类器手腕骨等级识别方法 |
| CN109977864A (zh) * | 2019-03-26 | 2019-07-05 | 浙江康体汇科技有限公司 | 一种基于二次分类的手腕骨等级识别方法 |
| CN109948614A (zh) * | 2019-03-26 | 2019-06-28 | 浙江康体汇科技有限公司 | 一种基于机器学习的手腕骨兴趣区域切割方法 |
| CN109948614B (zh) * | 2019-03-26 | 2022-06-28 | 浙江康体汇科技有限公司 | 一种基于机器学习的手腕骨兴趣区域切割方法 |
| CN109961431B (zh) * | 2019-03-26 | 2022-04-12 | 浙江康体汇科技有限公司 | 一种基于概率的骨龄计算方法 |
| CN109977864B (zh) * | 2019-03-26 | 2022-03-04 | 浙江康体汇科技有限公司 | 一种基于二次分类的手腕骨等级识别方法 |
| CN110215211A (zh) * | 2019-06-14 | 2019-09-10 | 成都高鹿科技有限公司 | 个体身高测量及分析方法、系统、可读存储介质及终端 |
| CN111046901A (zh) * | 2019-10-30 | 2020-04-21 | 杭州津禾生物科技有限公司 | 一种骨龄图像数字化处理后自动识别方法 |
| CN110931102A (zh) * | 2019-10-30 | 2020-03-27 | 杭州津禾生物科技有限公司 | 一种骨龄身高管理系统及使用方法 |
| CN110957037A (zh) * | 2019-10-30 | 2020-04-03 | 杭州津禾生物科技有限公司 | 一种在线身高管理系统使用方法 |
| CN110957038A (zh) * | 2019-11-29 | 2020-04-03 | 广州市雷德医学检验实验室有限公司 | 免疫年龄确定系统、方法、装置及存储介质 |
| CN110957038B (zh) * | 2019-11-29 | 2021-05-14 | 广州市雷德医学检验实验室有限公司 | 免疫年龄确定系统、方法、装置及存储介质 |
| CN111415334A (zh) * | 2020-03-05 | 2020-07-14 | 北京深睿博联科技有限责任公司 | 骨龄预测设备 |
| CN111507953A (zh) * | 2020-04-13 | 2020-08-07 | 武汉华晨酷神智能科技有限公司 | 一种ai骨龄快速识别方法 |
| CN112182067A (zh) * | 2020-09-27 | 2021-01-05 | 深圳市伊欧乐科技有限公司 | 个体身高预测方法、装置、电子设备及存储介质 |
| CN112397202B (zh) * | 2020-10-20 | 2024-03-29 | 浙江工业大学 | 一种青少年儿童身高生长曲线的预测方法 |
| CN112397202A (zh) * | 2020-10-20 | 2021-02-23 | 浙江工业大学 | 一种青少年儿童身高生长曲线的预测方法 |
| US20220151547A1 (en) * | 2020-11-19 | 2022-05-19 | International Business Machines Corporation | Estimating spinal age |
| US11963790B2 (en) * | 2020-11-19 | 2024-04-23 | Merative Us L.P. | Estimating spinal age |
| CN112447302A (zh) * | 2020-12-04 | 2021-03-05 | 石家庄喜高科技有限责任公司 | 身高增长速度评价方法及终端设备 |
| CN112447302B (zh) * | 2020-12-04 | 2023-01-06 | 石家庄喜高科技有限责任公司 | 身高增长速度评价方法及终端设备 |
| CN112465104B (zh) * | 2020-12-04 | 2023-10-10 | 石家庄喜高科技有限责任公司 | 身高发育评价方法及终端设备 |
| CN112465104A (zh) * | 2020-12-04 | 2021-03-09 | 石家庄喜高科技有限责任公司 | 身高发育评价方法及终端设备 |
| CN114601483A (zh) * | 2022-05-11 | 2022-06-10 | 山东第一医科大学第一附属医院(山东省千佛山医院) | 一种基于图像处理的骨龄分析方法及系统 |
| CN115274098A (zh) * | 2022-08-19 | 2022-11-01 | 北京咯咯网络科技有限公司 | 一种基于骨龄与身高来预测身高的智能系统 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN108836338A (zh) | 一种基于web数据库的在线骨龄计算及身高预测方法 | |
| Spradley | Metric methods for the biological profile in forensic anthropology: sex, ancestry, and stature | |
| Fischer et al. | Measurement invariance and general population reference values of the PROMIS Profile 29 in the UK, France, and Germany | |
| Rostami et al. | A novel time-aware food recommender-system based on deep learning and graph clustering | |
| Sahdra et al. | Using genetic algorithms in a large nationally representative American sample to abbreviate the Multidimensional Experiential Avoidance Questionnaire | |
| Cook et al. | Establishing a common metric for self-reported pain: linking BPI Pain Interference and SF-36 Bodily Pain Subscale scores to the PROMIS Pain Interference metric | |
| Petrou et al. | The MAPS reporting statement for studies mapping onto generic preference-based outcome measures: explanation and elaboration | |
| Olmeda-Gómez et al. | Publishing trends in library and information sciences across European countries and institutions | |
| Harrell | Regression modeling strategies | |
| Kanwar et al. | Risk stratification in pulmonary arterial hypertension using Bayesian analysis | |
| Mukherjee | Ranking Indian universities through research and professional practices of National Institutional Ranking Framework (NIRF): A case study of selected central universities in India | |
| CN105574792A (zh) | 一种中医体质辨识调理系统 | |
| Gan et al. | Practical guidance on bibliometric analysis and mapping knowledge domains methodology–A summary | |
| Jing et al. | A cooperative game theory based user-centered medical device design decision approach under uncertainty | |
| Zhang et al. | Medical diagnosis data mining based on improved Apriori algorithm | |
| Ficetola et al. | Biogeographical structure and endemism pattern in reptiles of the Western Palearctic | |
| Wang et al. | Application of the Rasch Model to the measurement of creativity: The Creative Achievement Questionnaire | |
| Kobayashi et al. | A method of gathering, selecting and hierarchizing kansei words for a hierarchized kansei model | |
| Abramo et al. | Assessing national strengths and weaknesses in research fields | |
| CN114141321A (zh) | 一种社区老年轻度认知障碍智能随访服务推荐方法 | |
| CN114943629A (zh) | 一种健康管理保健服务系统及其健康管理方法 | |
| Molla et al. | A predictive analysis framework of heart disease using machine learning approaches | |
| JP7466914B2 (ja) | 健康度ポジショニングマップおよび健康関数を作成する方法、システム、およびプログラム、ならびにそれらの使用方法 | |
| CN110377841B (zh) | 一种应用在协同过滤方法中的相似度计算方法及系统 | |
| Fernandez-Llatas et al. | Interactive process mining in surgery with real time location systems: Interactive trace correction |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| RJ01 | Rejection of invention patent application after publication |
Application publication date: 20181120 |
|
| RJ01 | Rejection of invention patent application after publication |