CN109119157A - 一种婴幼儿发育的预测方法和系统 - Google Patents
一种婴幼儿发育的预测方法和系统 Download PDFInfo
- Publication number
- CN109119157A CN109119157A CN201810866325.6A CN201810866325A CN109119157A CN 109119157 A CN109119157 A CN 109119157A CN 201810866325 A CN201810866325 A CN 201810866325A CN 109119157 A CN109119157 A CN 109119157A
- Authority
- CN
- China
- Prior art keywords
- development
- infant
- time point
- data
- index
- 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
Classifications
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
- G16H50/00—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics
- G16H50/20—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for computer-aided diagnosis, e.g. based on medical expert systems
Landscapes
- Health & Medical Sciences (AREA)
- Engineering & Computer Science (AREA)
- Biomedical Technology (AREA)
- Medical Informatics (AREA)
- Public Health (AREA)
- Data Mining & Analysis (AREA)
- Databases & Information Systems (AREA)
- Pathology (AREA)
- Epidemiology (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
一种婴幼儿发育的预测方法和系统,其中方法包括以下步骤:采集婴幼儿各个发育指标的实际特征数据以及实际发育起始时间点,并将每一个时间点标记为坐标点;将各个婴幼儿发育指标的实际发育起始时间点与发育指标的标准发育起始时间点和标准发育结束时间点建立映射关系,比较单个坐标点投影域值和多个相同属性和相近属性坐标点的不同维度发育数据的比较差值;创建计算模型,将投影域值和比较差值作为输入变量,以量化的标准发育特征、指标评测体系库和分龄发育因果关系谱系库作为约束参数,解析输出在预期时间区间或时间点的发育状态。依据本发明的预测方法和系统,能够对婴幼儿未来的时间点或时间区间的发育状态进行预测。
Description
技术领域
本申请涉及婴幼儿科学养育技术领域,具体涉及婴幼儿发育的预测方法和系统。
背景技术
基于对未来可定义时间期间的个体婴幼儿的生长发育进展、趋势和状态相对精准预测,可以让家长提前做好心理调适、知识学习和养育用品等准备。特别是有些婴幼儿在一定的年龄区间内,迟迟不能达到正常的生长发育指标,如果家长不能提早发现,采取相应的干预措施,往往会影响孩子以后的生长发育,严重的造成智力缺陷或某些身体机能发育不良等结果。
目前,还没有一种方法和系统能有效的预测个体婴幼儿的生长发育进展和变化态势,提前发现、感知、分析婴幼儿发育的不良信号,提前给家长警示,并提醒家长采取相应的矫正、防治措施等。
发明内容
本申请提供一种婴幼儿发育的预测方法和系统,以预测在未来时间点或区间发育状态。
根据第一方面,一种实施例中提供一种婴幼儿发育的预测方法,包括以下步骤:S1、采集婴幼儿沿时间轴发生的各个发育指标的实际特征数据以及实际发育起始时间点,并将每一个时间点标记为坐标点;S2、将各个婴幼儿发育指标的实际发育起始时间点与发育指标的标准发育起始时间点和标准发育结束时间点建立映射关系,截取连续坐标点数据,比较单个坐标点投影域值和多个相同属性和相近属性坐标点的不同维度发育数据的比较差值;S3、创建计算模型,将投影域值和比较差值作为输入变量,以量化的标准发育特征、指标评测体系库和分龄发育因果关系谱系库作为约束参数,解析输出在预期时间区间或时间点的发育状态。
优选地,所述比较差值系为婴幼儿发育维度实际发育数据与标准发育数据的时间差值。
优选地,所述发育因果关系谱系库系为某一时间点婴幼儿发育状态对未来特定时间区间发育状态关联影响数据库。
优选地,在步骤S3中,还包括将个体婴幼儿养育环境数据和同龄、同性别婴幼儿发育统计数据作为约束参数。
优选地,在步骤S3计算模型中,插入数据可信度清洗权重、养育环境影响权重。
优选地,在步骤S3系统计算模型中,插入可自动学习和优化算法。
优选地,预测未来某个时间区间或时间点,包括0-3岁婴幼儿以未来6个月任意区间或时间点为参考时间,3-6岁以未来一年任意区间或时间点为参考时间。
优选地,输出的预测的发育趋势和发育状态以文字、图像、图形、图表给出相应的发育水平提示。
根据第二方面,一种实施例中提供一种婴幼儿发育的预测系统,包括:服务器,通过网络与用户终端连接,用于接收用户终端发送的发育指标的实际特征数据以及实际发育起始时间点;还用于将各个婴幼儿发育指标的实际发育起始时间点与发育指标的标准发育起始时间点和标准发育结束时间点建立映射关系,截取连续坐标点数据,比较单个坐标点投影域值和多个相同属性和相近属性坐标点的不同维度发育数据的比较差值;
在计算模型中以量化的标准发育特征、指标评测体系库和分龄发育因果关系谱系库作为约束参数,对投影域值和比较差值进行解析,将在预期时间区间或时间点的发育状态输出到客户端。
优选地,在计算模型中,将个体婴幼儿养育环境数据和同龄、同性别婴幼儿发育统计数据作为约束参数。
依据上述实施例的婴幼儿发育的预测方法和系统,由于将各个婴幼儿发育指标的实际发育起始时间点与发育指标的标准发育起始时间点和标准发育结束时间点建立映射关系,使得未来时间点或区间发育状态的预测得到依据,再以标准发育特征、指标评测体系库和分龄发育因果关系谱系库作为约束参数对未来时间点发育状态进行去噪处理,得到相对准确的发育状态预测。依据本发明的预测方法和系统,对发起预测的时间点距离越近,其预测效果越好。对于一些时间区间比较长的特定发育指标,也可以给出比较准确的预测。
附图说明
图1为一实施例婴幼儿发育的预测方法流程图;
图2为一种实施例婴幼儿发育的预测系统的结构框图。
具体实施方式
下面通过具体实施方式结合附图对本发明作进一步详细说明。其中不同实施方式中类似元件采用了相关联的类似的元件标号。在以下的实施方式中,很多细节描述是为了使得本申请能被更好的理解。然而,本领域技术人员可以毫不费力的认识到,其中部分特征在不同情况下是可以省略的,或者可以由其他元件、材料、方法所替代。在某些情况下,本申请相关的一些操作并没有在说明书中显示或者描述,这是为了避免本申请的核心部分被过多的描述所淹没,而对于本领域技术人员而言,详细描述这些相关操作并不是必要的,他们根据说明书中的描述以及本领域的一般技术知识即可完整了解相关操作。
本文中为部件所编序号本身,例如“第一”、“第二”等,仅用于区分所描述的对象,不具有任何顺序或技术含义。而本申请所说“连接”、“联接”,如无特别说明,均包括直接和间接连接(联接)。
本申请的总体思想是根据发育指标的标准发育起始时间点和标准发育结束时间与发育指标的实际起始时间点比较,从而对发育指标实际起始时间点之后的时间点或时间区间的发育状态进行预测。
请参考图1,婴幼儿发育的预测方法包括以下步骤:
S1.采集、记录、存储个体婴幼儿沿时间轴顺向连续发育指标的实际特征数据以及实际发育起始时间点,生成历史坐标点。
S2.建立婴幼儿时间轴顺向分布的发育指标标准发育开始和结束坐标点及标准特征描述数据。
S3.将个体婴幼儿实际发育发生的坐标点与标准数据标记的开始时间坐标点与结束时间点建立映射。截取连续坐标点数据,比较单个坐标点投影域值,和多个相同属性和相近属性坐标点的不同维度发育数据的比较差值。其中,投影域值系为取值的宽容度,实际解算时分级设置该开始坐标点与结束坐标点的最小和最大接受值,比较差值系为婴幼儿发育维度实际发育数据与标准发育数据的相对时间差值。
S4.采集个体婴幼儿养育环境事实数据和同龄、同性别婴幼儿发育统计数据。
S5.预置基于专业知识库和通用婴幼儿发育特征、指标评测体系库和分龄发育因果关系图谱库。发育因果关系谱系库系为某一时间点婴幼儿发育状态对未来特定时间区间发育状态关联影响数据库。
S6.创建数据库模型或建立基于机器深度学习、神经网络等算法的数据分析模型。
S7.将S3得到投影域值和比较差值作为输入变量,以量化的标准发育特征、指标评测体系库和分龄发育因果关系谱系库作为约束参数,解析、预测个体婴幼儿未来某个维度、某个发育项在预期时间区间或时间点的发育趋势和状态。量化的标准发育特征包括但不限于身高、体重等体征测量表示,所述指标评测体系整合国家、地方政府公开发布的婴幼儿发育指导数据、该领域科学研究数据、婴幼儿发育大数据等得到的标准化评测指标体系。
其中,系统建模计算,解析实际发育数据与标准发育数据的多维度关联数值,计算过程计入可信度数据清洗权重、发育指标的权重、环境权重、行为权重等参数。在计算模型中,还插入可自动学习和优化算法。
其中,0-3岁发育数据包括发育与健康、感知与运动、认知与语言、情感与社会性等四个方面。3-6岁发育数据包括健康、语言、科学、社会、艺术等五大领域。标准特征数据依据但不限于国内、国际政府机构和专业机构科学研究成果。
其中,可自定义预测未来某个时间区间或时间点,通常但不限于如0-3岁婴幼儿以未来6个月任意区间或时间点为参考时间,3-6岁以一年任意区间或时间点为未来参考时间。
请参考图2,婴幼儿发育的预测系统,该系统可在便携式移动终端上对婴幼儿未来某个时间点的发育状态进行预测。预测系统包括:网络服务器2,网络服务器2与用户终端通信1连接;网络服务器2用于存储标准发育数据,并进行建模分析;用户终端1用于输入实际发育数据和养育环境等多维度事实数据,并显示预测的发育趋势和状态,其中用户终端1包括执行控制单元13、交互输入单元11、内容显示单元12,交互输入单元11、内容显示单元12分别与执行控制单元13连接;交互输入单元11用于输入实际发育数据和养育环境等多维度事实数据;执行控制单元13用于从交互输入单元获取实际发育数据和养育环境等多维度事实数据,还用于从网络服务器获取标准发育数据,并输出预测的发育趋势和状态;内容显示单元12用于显示内容显示单元用于显示预测的发育趋势和状态。
作为本发明的优选实施方式,网络服务器2还用于存储实际发育数据和养育环境等多维度事实数据,以及上传数据的时间、数据发生的时间和预测的发育结果等。
作为本发明的优选实施方式,用户端为智能手机、平板电脑、笔记本电脑或PC电脑和在线智能机器人等。
其中,交互输入单元包括按键、触摸屏、语音或视频识别输入装置。
在本发明其它实施例中,用户终端可以为多个,通过网络与网络服务器通信连接。
其中,在网络终端设备界面以在线虚拟智能机器人或者联网实体智能机器人语音互动方式或者检测,信息捕捉等方式实现个体婴幼儿发育数据采集。
其中,输出的预测的发育趋势和发育状态以文字、图像、图形、图表给出相应的发育水平提示。
本发明一种婴幼儿发育的预测方法和系统,不仅能让家长了解孩子未来某个时间点的发育状态,提前做好养育准备,还能对孩子的发育危险信号给予预警,引起家长重视,同时,推荐相应的养育措施、针对个体婴幼儿发育问题,给出矫正、防治、提高等方式好方法,以及基于预测推荐的用品、线下服务等,为家长更好地养育孩子提供帮助。
以上应用了具体个例对本发明进行阐述,只是用于帮助理解本发明,并不用以限制本发明。对于本发明所属技术领域的技术人员,依据本发明的思想,还可以做出若干简单推演、变形或替换。
Claims (10)
1.一种婴幼儿发育的预测方法,其特征在于包括以下步骤:
S1、采集婴幼儿沿时间轴发生的各个发育指标的实际特征数据以及实际发育起始时间点,并将每一个时间点标记为坐标点;
S2、将各个婴幼儿发育指标的实际发育起始时间点与发育指标的标准发育起始时间点和标准发育结束时间点建立映射关系,截取连续坐标点数据,比较单个坐标点投影域值和多个相同属性和相近属性坐标点的不同维度发育数据的比较差值;
S3、创建计算模型,将投影域值和比较差值作为输入变量,以量化的标准发育特征、指标评测体系库和分龄发育因果关系谱系库作为约束参数,解析输出在预期时间区间或时间点的发育状态。
2.如权利要求1所述的婴幼儿发育的预测方法,其特征在于:所述比较差值系为婴幼儿发育维度实际发育数据与标准发育数据的时间差值。
3.如权利要求1所述的婴幼儿发育的预测方法,其特征在于:所述发育因果关系谱系库系为某一时间点婴幼儿发育状态对未来特定时间区间发育状态关联影响数据库。
4.如权利要求1所述的婴幼儿发育的预测方法,其特征在于:在步骤S3中,还包括将个体婴幼儿养育环境发育数据和同龄、同性别婴幼儿发育统计的发育数据作为约束参数。
5.如权利要求4所述的婴幼儿发育的预测方法,其特征在于:在步骤S3计算模型中,插入数据可信度清洗权重、养育环境影响权重。
6.如权利要求1所述的婴幼儿发育的预测方法,其特征在于:在步骤S3系统计算模型中,插入可自动学习和优化算法。
7.如权利要求1所述的婴幼儿发育的预测方法,其特征在于:预测未来某个时间区间或时间点,包括0-3岁婴幼儿以未来6个月任意区间或时间点为参考时间,3-6岁以未来一年任意区间或时间点为参考时间。
8.如权利要求1所述的婴幼儿发育的预测方法,其特征在于:输出的预测的发育趋势和发育状态以文字、图像、图形、图表给出相应的发育水平提示。
9.一种婴幼儿发育的预测系统,其特征在于,包括:
服务器,通过网络与用户终端连接,用于接收用户终端发送的发育指标的实际特征数据以及实际发育起始时间点;还用于将各个婴幼儿发育指标的实际发育起始时间点与发育指标的标准发育起始时间点和标准发育结束时间点建立映射关系,截取连续坐标点数据,比较单个坐标点投影域值和多个相同属性和相近属性坐标点的不同维度发育数据的比较差值;
在计算模型中以量化的标准发育特征、指标评测体系库和分龄发育因果关系谱系库作为约束参数,对投影域值和比较差值进行解析,将在预期时间区间或时间点的发育状态输出到客户端。
10.如权利要求9所述的婴幼儿发育的预测系统,其特征在于,在计算模型中,将个体婴幼儿养育环境数据和同龄、同性别婴幼儿发育统计数据作为约束参数。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810866325.6A CN109119157A (zh) | 2018-08-01 | 2018-08-01 | 一种婴幼儿发育的预测方法和系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810866325.6A CN109119157A (zh) | 2018-08-01 | 2018-08-01 | 一种婴幼儿发育的预测方法和系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN109119157A true CN109119157A (zh) | 2019-01-01 |
Family
ID=64863818
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810866325.6A Pending CN109119157A (zh) | 2018-08-01 | 2018-08-01 | 一种婴幼儿发育的预测方法和系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109119157A (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111755121A (zh) * | 2019-03-27 | 2020-10-09 | 北京菁医林国际医院管理有限公司 | 一种未成年人体格发育趋势的评估方法及装置 |
CN114469072A (zh) * | 2021-12-08 | 2022-05-13 | 四川大学华西第二医院 | 用摄像机自动预测婴儿心理发育的方法 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20070100581A1 (en) * | 2006-11-27 | 2007-05-03 | Rush University Medical Center | Method and apparatus for assessing the health of an infant by estimating average growth velocity using an exponential model |
CN102968563A (zh) * | 2012-11-23 | 2013-03-13 | 重庆大学 | 一种婴儿配方奶摄入量自动监测及管理系统 |
US20130178731A1 (en) * | 2010-08-13 | 2013-07-11 | Children's Medical Center Corporation | Methods and apparatus for risk assessment of developmental disorders during early cognitive development |
CN107220505A (zh) * | 2017-06-01 | 2017-09-29 | 深圳家族领袖教育科技有限公司 | 儿童发育能力评估方法及装置 |
CN108030468A (zh) * | 2017-12-07 | 2018-05-15 | 深圳市育成科技有限公司 | 一种婴幼儿发育程度确认方法和系统 |
-
2018
- 2018-08-01 CN CN201810866325.6A patent/CN109119157A/zh active Pending
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20070100581A1 (en) * | 2006-11-27 | 2007-05-03 | Rush University Medical Center | Method and apparatus for assessing the health of an infant by estimating average growth velocity using an exponential model |
US20130178731A1 (en) * | 2010-08-13 | 2013-07-11 | Children's Medical Center Corporation | Methods and apparatus for risk assessment of developmental disorders during early cognitive development |
CN102968563A (zh) * | 2012-11-23 | 2013-03-13 | 重庆大学 | 一种婴儿配方奶摄入量自动监测及管理系统 |
CN107220505A (zh) * | 2017-06-01 | 2017-09-29 | 深圳家族领袖教育科技有限公司 | 儿童发育能力评估方法及装置 |
CN108030468A (zh) * | 2017-12-07 | 2018-05-15 | 深圳市育成科技有限公司 | 一种婴幼儿发育程度确认方法和系统 |
Non-Patent Citations (1)
Title |
---|
崔继华等: "婴幼儿运动发育的预测因素研究", 《中国妇幼健康研究》 * |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111755121A (zh) * | 2019-03-27 | 2020-10-09 | 北京菁医林国际医院管理有限公司 | 一种未成年人体格发育趋势的评估方法及装置 |
CN114469072A (zh) * | 2021-12-08 | 2022-05-13 | 四川大学华西第二医院 | 用摄像机自动预测婴儿心理发育的方法 |
CN114469072B (zh) * | 2021-12-08 | 2023-08-08 | 四川大学华西第二医院 | 用摄像机自动预测婴儿心理发育的方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110399541B (zh) | 基于深度学习的题目推荐方法、装置及存储介质 | |
CN109783632B (zh) | 客服信息推送方法、装置、计算机设备及存储介质 | |
CN109791642B (zh) | 工作流的自动生成 | |
CN109784381A (zh) | 标注信息处理方法、装置及电子设备 | |
KR20200135892A (ko) | 사용자 맞춤형 학습 커리큘럼 추천 및 교육 컨텐츠 제공 시스템 및 방법 | |
CN109472305A (zh) | 答案质量确定模型训练方法、答案质量确定方法及装置 | |
CN115917535A (zh) | 推荐模型的训练方法、推荐方法、装置及计算机可读介质 | |
CN109754349A (zh) | 一种在线教育智能师生匹配系统 | |
CN112948575A (zh) | 文本数据处理方法、装置和计算机可读存储介质 | |
CN109119157A (zh) | 一种婴幼儿发育的预测方法和系统 | |
Champlin et al. | A game co-design method to elicit knowledge for the contextualization of spatial models | |
US20230015090A1 (en) | Systems and Methods for Dynamically Classifying Products and Assessing Applicability of Product Regulations | |
CN116028319A (zh) | 基于用户交互行为的预测方法、装置及存储介质 | |
US20220366264A1 (en) | Procedurally generating realistic interfaces using machine learning techniques | |
US11409589B1 (en) | Methods and systems for determining stopping point | |
Selviandro et al. | Context awareness system on ubiquitous learning with case based reasoning and nearest neighbor algorithm | |
KR20230013876A (ko) | 실감형 학습 콘텐츠 플랫폼에 적용되는 인터페이스 제공 시스템 및 방법 | |
CN113590772A (zh) | 异常评分的检测方法、装置、设备及计算机可读存储介质 | |
Kim | Designing Belief-driven Interactions with Data | |
Augstein et al. | 3 Automated personalization of input methods and processes | |
Wang et al. | Missing standard features compared with similar apps? A feature recommendation method based on the knowledge from user interface | |
KR20210061094A (ko) | 디자인 제작 서버 및 이를 이용한 인터랙티브 디자인 제작 방법 | |
CN115826833B (zh) | 一种基于互联网的积木拼装系统的实现方法 | |
CN111989662A (zh) | 自主混合分析建模平台 | |
DeCarlo | Insights from reparameterized DINA and beyond |
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: 20190101 |
|
RJ01 | Rejection of invention patent application after publication |