CN111513673B - 基于图像的生长状态监测方法、装置、设备及存储介质 - Google Patents

基于图像的生长状态监测方法、装置、设备及存储介质 Download PDF

Info

Publication number
CN111513673B
CN111513673B CN201910105094.1A CN201910105094A CN111513673B CN 111513673 B CN111513673 B CN 111513673B CN 201910105094 A CN201910105094 A CN 201910105094A CN 111513673 B CN111513673 B CN 111513673B
Authority
CN
China
Prior art keywords
image
growth state
neural network
monitored object
network model
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.)
Active
Application number
CN201910105094.1A
Other languages
English (en)
Other versions
CN111513673A (zh
Inventor
傅一
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Beijing Baidu Netcom Science and Technology Co Ltd
Original Assignee
Beijing Baidu Netcom Science and Technology Co Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Beijing Baidu Netcom Science and Technology Co Ltd filed Critical Beijing Baidu Netcom Science and Technology Co Ltd
Priority to CN201910105094.1A priority Critical patent/CN111513673B/zh
Publication of CN111513673A publication Critical patent/CN111513673A/zh
Application granted granted Critical
Publication of CN111513673B publication Critical patent/CN111513673B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/0059—Measuring for diagnostic purposes; Identification of persons using light, e.g. diagnosis by transillumination, diascopy, fluorescence
    • A61B5/0077—Devices for viewing the surface of the body, e.g. camera, magnifying lens
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B3/00—Apparatus for testing the eyes; Instruments for examining the eyes
    • A61B3/10—Objective types, i.e. instruments for examining the eyes independent of the patients' perceptions or reactions
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/0059—Measuring for diagnostic purposes; Identification of persons using light, e.g. diagnosis by transillumination, diascopy, fluorescence
    • A61B5/0082—Measuring for diagnostic purposes; Identification of persons using light, e.g. diagnosis by transillumination, diascopy, fluorescence adapted for particular medical purposes
    • A61B5/0088—Measuring for diagnostic purposes; Identification of persons using light, e.g. diagnosis by transillumination, diascopy, fluorescence adapted for particular medical purposes for oral or dental tissue
    • 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
    • A61B5/1079—Measuring physical dimensions, e.g. size of the entire body or parts thereof using optical or photographic means
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/68—Arrangements of detecting, measuring or recording means, e.g. sensors, in relation to patient
    • A61B5/6887—Arrangements of detecting, measuring or recording means, e.g. sensors, in relation to patient mounted on external non-worn devices, e.g. non-medical devices
    • A61B5/6898—Portable consumer electronic devices, e.g. music players, telephones, tablet computers
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/72—Signal processing specially adapted for physiological signals or for diagnostic purposes
    • A61B5/7235—Details of waveform analysis
    • A61B5/7264—Classification of physiological signals or data, e.g. using neural networks, statistical classifiers, expert systems or fuzzy systems
    • A61B5/7267—Classification of physiological signals or data, e.g. using neural networks, statistical classifiers, expert systems or fuzzy systems involving training the classification device
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/74—Details of notification to user or communication with user or patient ; user input means
    • A61B5/746—Alarms related to a physiological condition, e.g. details of setting alarm thresholds or avoiding false alarms
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B2503/00—Evaluating a particular growth phase or type of persons or animals
    • A61B2503/06—Children, e.g. for attention deficit diagnosis
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
    • Y02A40/00—Adaptation technologies in agriculture, forestry, livestock or agroalimentary production
    • Y02A40/10—Adaptation technologies in agriculture, forestry, livestock or agroalimentary production in agriculture

Landscapes

  • Health & Medical Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Health & Medical Sciences (AREA)
  • Veterinary Medicine (AREA)
  • Biophysics (AREA)
  • Biomedical Technology (AREA)
  • Heart & Thoracic Surgery (AREA)
  • Medical Informatics (AREA)
  • Molecular Biology (AREA)
  • Surgery (AREA)
  • Animal Behavior & Ethology (AREA)
  • Public Health (AREA)
  • Pathology (AREA)
  • Artificial Intelligence (AREA)
  • Physiology (AREA)
  • Dentistry (AREA)
  • Oral & Maxillofacial Surgery (AREA)
  • Ophthalmology & Optometry (AREA)
  • Evolutionary Computation (AREA)
  • Fuzzy Systems (AREA)
  • Mathematical Physics (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Psychiatry (AREA)
  • Signal Processing (AREA)
  • Audiology, Speech & Language Pathology (AREA)
  • Multimedia (AREA)
  • Image Analysis (AREA)

Abstract

本申请实施例提供一种基于图像的生长状态监测方法、装置、设备及存储介质。本申请的基于图像的生长状态监测方法，包括：获取被监测对象的至少一个图像；将所述至少一个图像输入预先训练好的神经网络模型，输出与所述图像对应的生长状态结果信息，所述生长状态结果信息用于反映所述被监测对象的生长状态。本申请实施例可以实现及时获取被监测对象的生长状态。

Description

基于图像的生长状态监测方法、装置、设备及存储介质
技术领域
本申请实施例涉及计算机技术领域，尤其涉及一种基于图像的生长状态监测方法、装置、设备及存储介质。
背景技术
生长发育监测的主要内容是针对儿童实施定期的体格测量，了解其生长速度，管理并且能够筛查高危儿童，例如儿童营养不良等。
通常，家长对儿童的身高、体重等进行测量，手动记录测量值，并记录儿童的日常相关数据，例如饮食数据。在一定时间向专业的医生或者专家提供记录的相关数据，以使得医生或者专家基于家长所提供的相关数据，给出儿童的成长状态是否正常的结论。
然而，上述方式会存在对于儿童的成长状态不能及时给予提示的问题。
发明内容
本申请实施例提供一种基于图像的生长状态监测方法、装置、设备及存储介质，以实现及时获取被监测对象的生长状态。
第一方面，本申请实施例提供一种基于图像的生长状态监测方法，包括：获取被监测对象的至少一个图像；将所述至少一个图像输入预先训练好的神经网络模型，输出与所述图像对应的生长状态结果信息，所述生长状态结果信息用于反映所述被监测对象的生长状态。
结合第一方面，在第一方面的一种可能的实现方式中，所述方法还包括：向客户端发送所述生长状态结果信息；接收所述客户端发送的反馈信息，所述反馈信息用于表示所述生长状态结果信息正确与否；根据所述图像、所述生长状态结果信息和所述反馈信息建立所述被监测对象的训练数据；使用所述被监测对象的训练数据对所述神经网络模型进行训练，获取所述被监测对象的神经网络模型。
结合第一方面或第一方面的一种可能的实现方式，在第一方面的另一种可能的实现方式中，所述方法还包括：获取所述被监测对象的用户标识；根据所述用户标识，将所述被监测对象的图像输入所述被监测对象的神经网络模型。
结合第一方面或第一方面的任一种可能的实现方式，在第一方面的另一种可能的实现方式中，所述方法还包括：根据所述被监测对象的属性信息选取所述预先训练好的神经网络模型；所述属性信息包括以下至少一项：年龄、性别和地理位置。
结合第一方面或第一方面的任一种可能的实现方式，在第一方面的另一种可能的实现方式中，所述生长状态结果信息包括身高状态结果、肥胖度状态结果、眼睛状态结果和牙齿状态结果中任意一项或其组合。
结合第一方面或第一方面的任一种可能的实现方式，在第一方面的另一种可能的实现方式中，所述方法还包括：判断所述生长状态结果信息是否满足预设条件，若满足所述预设条件，向客户端发送提示信息。
结合第一方面或第一方面的任一种可能的实现方式，在第一方面的另一种可能的实现方式中，所述方法还包括：将所述至少一个图像与所述生长状态结果信息关联，并保存至所述用户标识对应的存储空间中。
第二方面，本申请实施例提供一种基于图像的生长状态监测装置，包括：获取模块，用于获取被监测对象的至少一个图像；处理模块，用于将所述至少一个图像输入预先训练好的神经网络模型，输出与所述图像对应的生长状态结果信息，所述生长状态结果信息用于反映所述被监测对象的生长状态。
结合第二方面，在第二方面的一种可能的实现方式中，该装置还可以包括发送模块，该发送模块用于向客户端发送所述生长状态结果信息；获取模块还用于接收所述客户端发送的反馈信息，所述反馈信息用于表示所述生长状态结果信息正确与否；处理模块502还用于根据所述图像、所述生长状态结果信息和所述反馈信息建立所述被监测对象的训练数据；使用所述被监测对象的训练数据对所述神经网络模型进行训练，获取所述被监测对象的神经网络模型。
结合第二方面或第二方面的一种可能的实现方式，在第二方面的另一种可能的实现方式中，获取模块还用于获取所述被监测对象的用户标识；处理模块还用于根据所述用户标识，将所述被监测对象的图像输入所述被监测对象的神经网络模型。
结合第二方面或第二方面的任一种可能的实现方式，在第二方面的另一种可能的实现方式中，处理模块还用于根据所述被监测对象的属性信息选取所述预先训练好的神经网络模型；所述属性信息包括以下至少一项：年龄、性别和地理位置。
结合第二方面或第二方面的任一种可能的实现方式，在第二方面的另一种可能的实现方式中，所述生长状态结果信息包括身高状态结果、肥胖度状态结果、眼睛状态结果和牙齿状态结果中任意一项或其组合。
结合第二方面或第二方面的任一种可能的实现方式，在第二方面的另一种可能的实现方式中，所述处理模块还用于：判断所述生长状态结果信息是否满足预设条件，若满足所述预设条件，通过发送模块向客户端发送提示信息。
结合第二方面或第二方面的任一种可能的实现方式，在第二方面的另一种可能的实现方式中，所述处理模块还用于：将所述至少一个图像与所述生长状态结果信息关联，并保存至所述用户标识对应的存储空间中。
第三方面，本申请实施例提供一种电子设备，包括：存储器和处理器；所述存储器用于指令，以使所述处理器执行所述指令，以实现如第一方面或第一方面的任一种可能的实现方式所述的基于图像的生长状态监测方法。
第四方面，本申请实施例提供一种存储介质，其特征在于，包括：所述存储介质包括：指令，所述指令用于实现如第一方面或第一方面的任一种可能的实现方式所述的基于图像的生长状态监测方法。
本申请实施例的基于图像的生长状态监测方法、装置、设备及存储介质，通过获取被监测对象的至少一个图像，将至少一个图像输入预先训练好的神经网络模型，输出与所述图像对应的生长状态结果信息，所述生长状态结果信息用于反映所述被监测对象的生长状态，可以对获取的图像进行实时处理，利用神经网络模型进行分析，得到生长状态结果信息，实现及时获取被监测对象的生长状态。
附图说明
下面将对实施例或现有技术描述中所需要使用的附图作一简单地介绍。
图1为本申请一实施例提供的本申请技术方案的一种应用场景图示意图；
图2为本申请一实施例提供的一种基于图像的生长状态监测方法的流程图；
图3为本申请一实施例提供的另一种基于图像的生长状态监测方法的流程图；
图4为本申请一实施例提供的另一种基于图像的生长状态监测方法的流程图；
图5为本申请一实施例提供的一种基于图像的生长状态监测装置500的示意图；
图6为本申请一实施例提供的一种电子设备600的示意图。
具体实施方式
下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚、完整地描述。
本文所涉及的“至少一个”是指一个或多个。本文所涉及的“多个”是指两个或两个以上。“和/或”，描述关联对象的关联关系，表示可以存在三种关系，例如，A和/或B，可以表示：单独存在A，同时存在A和B，单独存在B这三种情况。字符“/”一般表示前后关联对象是一种“或”的关系。
本文所涉及的“客户端”可以为浏览器客户端或者应用程序(Application，简称：APP)，其客户端应用于终端设备上。
图1为本申请一实施例提供的本申请技术方案的一种应用场景图示意图，如图1所示，终端设备1将被监测对象的至少一个图像发送给服务器2，服务器2通过本申请的基于图像的生长状态监测方法，对获取的图像进行实时处理，利用神经网络模型进行分析，得到生长状态结果信息，实现及时获取被监测对象的生长状态。
本文所涉及的“被监测对象”可以是处于生长发育状态下的未成年，以通过本申请的生长状态监测方法对该被监测对象进行监测，在发现生长状态异常时，及时反馈给用户(例如家长)，以便及时干预。
终端设备可以是计算机(PC)，也可以是移动终端，如移动电话(或称为“蜂窝”电话)和具有移动能力的计算机，例如，可以是便携式、袖珍式、手持式、计算机内置的移动装置。
本文所涉及的“被监测对象的至少一个图像”可以由具有拍摄功能的终端设备采集，并发送至服务器，也可以是由相机进行采集，并通过终端设备发送至服务器。图像的存储格式可以是BMP、TIFF、EPS、JPEG、GIF、PDF等格式中任意一种。
图2为本申请一实施例提供的一种基于图像的生长状态监测方法的流程图，本实施例的执行主体可以是基于图像的生长状态监测装置，该装置可以是服务器或服务器的内部芯片，如图2所示，本实施例的方法可以包括：
步骤101、获取被监测对象的至少一个图像。
该至少一个图像可以包括被监测对象的全身图像、被监测对象的脸部图像、被监测对象的口腔图像、被监测对象的眼部图像等。
步骤102、将该至少一个图像输入预先训练好的神经网络模型，输出与图像对应的生长状态结果信息，该生长状态结果信息用于反映被监测对象的生长状态。
其中，由该预先训练好的神经网络模型对该一个或多个图像进行处理，输出生长状态结果信息，该生长状态结果信息可以是生长发育正常或异常，也可以是身高正常或偏低或偏高等，其可以根据需求进行灵活设置。
该预先训练好的神经网络模型是采用广泛采集的训练数据进行训练获取的，该训练数据包括图像和与其对应的生长状态结果信息。举例而言，作为训练数据的图像可以是来自于不同身高的图像、不同胖瘦的图像、不同牙齿状态的图像。
该预先训练好的神经网络模型可以对输入的被监测对象的图像进行处理，输出与图像对应的生长状态结果信息。该预先训练好的神经网络模型具有如下功能：图像预处理、图像分割、边缘检测、轮廓提取、目标识别等处理功能，以及确定被监测对象的生长状态结果信息的功能。
一种应用场景中，用户(例如家长)可以使用手机对被监测对象进行拍照，将拍照所获取的一个或多个图像上传至服务器，由服务器通过上述步骤101至步骤102得到生长状态结果信息，服务器可以将该生长状态结果信息发送给该手机，以向用户反馈该被监测对象的生长状态。
在一些实施例中，该生长状态结果信息可以包括身高状态结果、肥胖度状态结果、眼睛状态结果和牙齿状态结果中任意一项或其组合。例如，身高状态结果可以反映被监测对象的身高正常或不正常，肥胖度状态结果可以反映被监测对象是否肥胖，眼睛状态结果可以反映被监测对象的眼睛状态是否正常，该牙齿状态结果可以反映被监测对象的牙齿是否存在问题，如蛀牙、错牙合畸形等问题。
需要说明的是，对于本申请实施例的预先训练好的神经网络模型所输出的生长状态结果信息，例如身高正常或偏低或偏高，该神经网络模型需要结合被监测对象的属性信息以给出生长状态结果信息，该被监测对象的属性信息可以是年龄、性别等，该被监测对象的属性信息可以是由该神经网络模型对图像进行处理获取的，也可以是由终端设备发送至服务器，其可以根据需求进行灵活设置。
本实施例，通过获取被监测对象的至少一个图像，将至少一个图像输入预先训练好的神经网络模型，输出与图像对应的生长状态结果信息，所述生长状态结果信息用于反映所述被监测对象的生长状态，可以对获取的图像进行实时处理，利用神经网络模型进行分析，得到生长状态结果信息，实现及时获取被监测对象的生长状态。
下面采用几个具体的实施例，对图2所示方法实施例的技术方案进行详细说明。
图3为本申请一实施例提供的另一种基于图像的生长状态监测方法的流程图，本实施例在图2所示实施例的基础上，可以为不同的被监测对象提供与之相匹配的神经网络模型，如图3所示，本实施例的方法可以包括：
步骤201、获取被监测对象的至少一个图像。
步骤202、将该至少一个图像输入预先训练好的神经网络模型，输出与图像对应的生长状态结果信息，该生长状态结果信息用于反映被监测对象的生长状态。
其中，步骤201和步骤202的具体解释说明可以参见图2所示实施例的步骤101和步骤102，此处不再赘述。
步骤203、向客户端发送该生长状态结果信息。
如上所述，该生长状态结果信息可以包括身高状态结果、肥胖度状态结果、眼睛状态结果和牙齿状态结果中任意一项或其组合。例如，可以向客户端发送身高不正常(例如，偏高)。
步骤204、接收所述客户端发送的反馈信息，该反馈信息用于表示所述生长状态结果信息正确与否。
用户(例如，家长)通过该客户端可以获知服务器发送的生长状态结果信息，例如，身高偏高，用户基于该生长状态结果信息可以在客户端输入反馈信息，并通过客户端发送至服务器，该反馈信息用于表示该生长状态结果信息正确与否，举例而言，用户(例如，家长)基于身高偏高的生长状态结果信息，结合自身身高或家族身高或医院体检结果确定该反馈信息，例如，用户(例如，家长)的身高高于平均水平，在服务器发送的生长状态结果信息为身高偏高时，相应的反馈信息可以是不正确，即表明该被监测对象的身高属于正常水平。服务器可以通过下述步骤205将该反馈信息作为该图像的实际标记数据，为该被监测对象建立训练数据，以获取适合该被监测对象的生长状态的神经网络模型。
步骤205、根据该图像、该生长状态结果信息和该反馈信息建立该被监测对象的训练数据。
具体的，可以根据生长状态结果信息和反馈信息确定该图像的标记数据，建立图像与该标记数据的对应关系，将图像与该标记数据作为该被监测对象的训练数据。
步骤206、使用该被监测对象的训练数据对该神经网络模型进行训练，获取该被监测对象的神经网络模型。
具体的，上述步骤201中的预先训练好的神经网络模型为使用广泛采集的训练样本进行训练获取的，即可以适用于任意被监测对象，在处理过程中，评判标准通常是平均值，例如，对于身高状态结果，通常是基于全国的平均值给出的结果，这往往不能正确的反映该被监测对象的生长状态，具体原因在于不同地域身高平均值有差异，且不同家庭其身高也并不相同，因此，可以使用该用户发送的反馈信息对步骤201中的神经网络模型进行进一步训练，以获取可以给出与该被监测对象的生长状态相符的神经网络模型。
在一些实施例中，在服务器获取该被监测对象的新的图像时，可以获取该被监测对象的用户标识，以根据该用户标识，将新的图像输入至该被监测对象的神经网络模型，以提升生长状态结果信息的准确率。
其中，该用户标识可以是发送该图像的终端设备的标识，也可以是用户名等，其可以根据需求进行灵活设置。例如，在一些实施例中，终端设备将被监测对象的至少一个图像发送给服务器，在发送之前，终端设备与服务器建立连接，服务器可以获取到该终端设备的标识。
在一些实施例中，服务器可以基于属性信息将训练数据分类，该属性信息包括年龄、性别、地理位置等一项或多项，使用不同类的训练数据对神经网络模型进行训练，以获取多个不同的神经网络模型，当客户端发送被监测对象的图像时，可以根据该被监测对象的属性信息从多个不同的神经网络模型中选取一个神经网络模型作为上述步骤202中的预先训练好的神经网络模型。
举例而言，可以使用在不同城市采集的训练数据分别对神经网络模型进行训练，得到不同城市的神经网络模型，当被监测对象的地理位置为城市A时，则可以使用城市A的神经网络模型对该被监测对象的图像进行处理，以输出该被监测对象的生长状态结果信息。
本实施例，通过获取被监测对象的至少一个图像，将至少一个图像输入预先训练好的神经网络模型，输出与图像对应的生长状态结果信息，所述生长状态结果信息用于反映所述被监测对象的生长状态，可以对获取的图像进行实时处理，利用神经网络模型进行分析，得到生长状态结果信息，实现及时获取被监测对象的生长状态。
通过反馈信息对神经网络模型进行在训练，获取被监测对象的神经网络模型，可以进一步提升该生长状态结果信息的准确率。
图4为本申请一实施例提供的另一种基于图像的生长状态监测方法的流程图，本实施例在图2或图3所示实施例的基础上，可以在被监测对象的生长状态异常时，向用户发送提示信息，以及时对被监测对象进行干预，如图4所示，本实施例的方法可以包括：
步骤301、获取被监测对象的至少一个图像。
步骤302、将该至少一个图像输入预先训练好的神经网络模型，输出与图像对应的生长状态结果信息，该生长状态结果信息用于反映被监测对象的生长状态。
其中，步骤301和步骤302的具体解释说明可以参见图2所示实施例的步骤101和步骤102，此处不再赘述。
步骤303、判断该生长状态结果信息是否满足预设条件，若满足，则执行步骤304，若不满足，则执行步骤305。
该预设条件可以是以下任意一项或多项：
被监测对象的身高状态结果大于第一阈值、或小于第二阈值；
被监测对象的肥胖度状态结果大于第三阈值；
被监测对象的眼睛状态结果为近视、远视、散光；
被监测对象的牙齿状态结果为蛀牙、牙结石、错牙合畸形等。
步骤304、向客户端发送提示信息。
服务器向客户端发送提示信息，该提示信息可以是任何一项出现异常的生长状态结果，如身高、肥胖度、眼睛、牙齿等。用户(家长)可以根据提示信息对被监测对象的饮食、作息等进行干预。
步骤305、向客户端发送生长状态结果信息。
服务器可以将生长状态结果信息发送给客户端，例如，身高状态结果、肥胖度状态结果、眼睛状态结果和牙齿状态结果中任意一项或其组合。
可选的，服务器还可以将该至少一个图像与该生长状态结果信息关联，并保存至所述被监测对象对应的存储空间中。例如，可以根据用户标识确定该被监测对象对应的存储空间。该至少一个图像与该生长状态结果信息可以作为该被监测对象的成长记录。
本实施例，通过获取被监测对象的至少一个图像，将至少一个图像输入预先训练好的的神经网络模型，输出与图像对应的生长状态结果信息，所述生长状态结果信息用于反映所述被监测对象的生长状态，可以对获取的图像进行实时处理，利用神经网络模型进行分析，得到生长状态结果信息，实现及时获取被监测对象的生长状态。
通过反馈信息对神经网络模型进行在训练，获取被监测对象的神经网络模型进行处理，可以进一步提升该生长状态结果信息的准确率。
通过判断是否满足预设条件，以在生长状态异常时，向用户发送提示信息，以及时对被监测对象进行干预。
图5为本申请一实施例提供的一种基于图像的生长状态监测装置500的示意图，如图5所示，该装置包括：
获取模块501，用于获取被监测对象的至少一个图像；
处理模块502，用于将所述至少一个图像输入预先训练好的神经网络模型，输出与所述图像对应的生长状态结果信息，所述生长状态结果信息用于反映所述被监测对象的生长状态。
可选的，该装置还可以包括发送模块503，该发送模块503用于向客户端发送所述生长状态结果信息；获取模块501还用于接收所述客户端发送的反馈信息，所述反馈信息用于表示所述生长状态结果信息正确与否；处理模块502还用于根据所述图像、所述生长状态结果信息和所述反馈信息建立所述被监测对象的训练数据；使用所述被监测对象的训练数据对所述神经网络模型进行训练，获取所述被监测对象的神经网络模型。
可选的，获取模块501还用于获取所述被监测对象的用户标识；处理模块502还用于根据所述用户标识，将所述被监测对象的图像输入所述被监测对象的神经网络模型。
可选的，处理模块502还用于根据所述被监测对象的属性信息选取所述预先训练好的神经网络模型；所述属性信息包括以下至少一项：年龄、性别和地理位置。
可选的，所述生长状态结果信息包括身高状态结果、肥胖度状态结果、眼睛状态结果和牙齿状态结果中任意一项或其组合。
可选的，处理模块502还用于：判断所述生长状态结果信息是否满足预设条件，若满足所述预设条件，通过发送模块503向客户端发送提示信息。
可选的，所述处理模块502还用于：将所述至少一个图像与所述生长状态结果信息关联，并保存至所述用户标识对应的存储空间中。
本申请提供的基于图像的生长状态监测装置可以用于执行上述的基于图像的生长状态监测方法，其内容和效果在此不再赘述。
图6为本申请一实施例提供的一种电子设备600的示意图，如图6所示，该设备包括：存储器601、处理器602和收发器603。
存储器601用于指令，以使处理器602执行指令，以实现上述的基于图像的生长状态监测方法。
收发器603用于与其他设备之间实现通信。
处理器602可以被一个或多个应用专用集成电路(Application SpecificIntegrated Circuit，ASIC)、数字信号处理器(Digital Signal Processor，DSP)、数字信号处理设备(Digital Signal Processing Device，DSPD)、可编程逻辑器件(ProgrammableLogic Device，PLD)、现场可编程门阵列(Field-Programmable Gate Array，FPGA)、控制器、微控制器、微处理器或其他电子元件实现。
存储器601可以由任何类型的易失性或非易失性存储设备或者它们的组合实现，如静态随机存取存储器(Static Random Access Memory，SRAM)，电可擦除可编程只读存储器(Electrically Erasable Programmable Read-Only Memory，EEPROM)，可擦除可编程只读存储器(Erasable Programmable Read-Only Memory，EPROM)，可编程只读存储器(Programmable read-only memory，PROM)，只读存储器(Read-Only Memory，ROM)，磁存储器，快闪存储器，磁盘或光盘。
本申请提供的电子设备可以用于执行上述的基于图像的生长状态监测方法，其内容和效果在此不再赘述。
本申请还提供一种存储介质，包括：存储介质包括：指令，指令用于实现上述的基于图像的生长状态监测方法。其内容和效果在此不再赘述。
本申请提供一种计算机程序产品，该计算机程序产品包括指令，该指令用于实现上述的基于图像的生长状态监测方法。其内容和效果在此不再赘述。
本领域普通技术人员可以理解：实现上述各方法实施例的全部或部分步骤可以通过程序指令相关的硬件来完成。前述的程序可以存储于一计算机可读取存储介质中。该程序在执行时，执行包括上述各方法实施例的步骤；而前述的存储介质包括：ROM、RAM、磁碟或者光盘等各种可以存储程序代码的介质。
最后应说明的是：以上各实施例仅用以说明本申请的技术方案，而非对其限制；尽管参照前述各实施例对本申请进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分或者全部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申请各实施例技术方案的范围。

Claims (7)

1.一种基于图像的生长状态监测方法，所述生长状态包括身高状态，其特征在于，包括：
获取客户端对应的被监测对象的至少一个图像；
将所述至少一个图像输入预先训练好的第一神经网络模型，输出第一生长状态结果信息，所述第一生长状态结果信息为与所述至少一个图像对应的生长状态结果信息，所述生长状态结果信息用于反映所述被监测对象的生长状态，所述第一神经网络模型是采用广泛采集的训练数据进行训练获取的，所述广泛采集的训练数据包括多个对象的图像及其对应的生长状态结果信息；
向所述客户端发送所述第一生长状态结果信息；
接收所述客户端发送的反馈信息，所述反馈信息为所述客户端的用户输入的用于表示所述第一生长状态结果信息正确与否的信息，所述反馈信息包括：正确或不正确；
根据所述第一生长状态结果信息和所述反馈信息确定所述至少一个图像的标记数据；
建立所述至少一个图像与所述标记数据的对应关系；
将所述至少一个图像和所述至少一个图像对应的标记数据作为所述被监测对象的训练数据；
使用所述被监测对象的训练数据对所述第一神经网络模型进行训练，获取第二神经网络模型，所述第二神经网络模型是所述被监测对象的神经网络模型；
将再次获取的所述被监测对象的图像输入至所述第二神经网络模型，输出第二生长状态结果信息；
所述方法还包括：
基于属性信息将训练数据分类，使用不同类的训练数据对神经网络模型进行训练，以获取多个不同的神经网络模型；
所述将所述至少一个图像输入预先训练好的第一神经网络模型之前，还包括：
根据所述被监测对象的属性信息，从所述多个不同的神经网络模型中选取所述第一神经网络模型；
所述属性信息包括地理位置。
2.根据权利要求1所述的方法，其特征在于，所述将再次获取的所述被监测对象的图像输入至所述第二神经网络模型，包括：
获取所述被监测对象的用户标识；
根据所述用户标识，将所述被监测对象的图像输入所述第二神经网络模型。
3.根据权利要求1所述的方法，其特征在于，所述方法还包括：
判断所述第一生长状态结果信息是否满足预设条件，若满足所述预设条件，向客户端发送提示信息。
4.根据权利要求1至3任一项所述的方法，其特征在于，所述方法还包括：
将所述至少一个图像与所述第一生长状态结果信息关联，并保存至所述被监测对象对应的存储空间中。
5.一种基于图像的生长状态监测装置，所述生长状态包括身高状态，其特征在于，包括：
获取模块，用于获取客户端对应的被监测对象的至少一个图像；
处理模块，用于将所述至少一个图像输入预先训练好的第一神经网络模型，输出第一生长状态结果信息，所述第一生长状态结果信息为与所述至少一个图像对应的生长状态结果信息，所述生长状态结果信息用于反映所述被监测对象的生长状态，所述第一神经网络模型是采用广泛采集的训练数据进行训练获取的，所述广泛采集的训练数据包括多个对象的图像及其对应的生长状态结果信息；
发送模块，用于向客户端发送所述第一生长状态结果信息；
所述获取模块，还用于接收所述客户端发送的反馈信息，所述反馈信息用于表示所述第一生长状态结果信息正确与否，所述反馈信息包括：正确或不正确；
所述处理模块，还用于根据所述第一生长状态结果信息和所述反馈信息确定所述至少一个图像的标记数据；建立所述至少一个图像与所述标记数据的对应关系；将所述至少一个图像和所述至少一个图像对应的标记数据作为所述被监测对象的训练数据；使用所述被监测对象的训练数据对所述第一神经网络模型进行训练，获取第二神经网络模型，所述第二神经网络模型是所述被监测对象的神经网络模型；
所述处理模块，还用于将再次获取的所述被监测对象的图像输入至所述第二神经网络模型，输出第二生长状态结果信息；
所述处理模块，还用于基于属性信息将训练数据分类，使用不同类的训练数据对神经网络模型进行训练，以获取多个不同的神经网络模型；
所述处理模块，还用于将所述至少一个图像输入预先训练好的第一神经网络模型之前，根据所述被监测对象的属性信息，从所述多个不同的神经网络模型中选取所述第一神经网络模型；
所述属性信息包括地理位置。
6.一种电子设备，其特征在于，包括：
存储器和处理器；
所述存储器用于指令，以使所述处理器执行所述指令，以实现如权利要求1～4任一项所述的基于图像的生长状态监测方法。
7.一种存储介质，其特征在于，包括：所述存储介质包括：指令，所述指令用于实现如权利要求1～4任一项所述的基于图像的生长状态监测方法。
CN201910105094.1A 2019-02-01 2019-02-01 基于图像的生长状态监测方法、装置、设备及存储介质 Active CN111513673B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201910105094.1A CN111513673B (zh) 2019-02-01 2019-02-01 基于图像的生长状态监测方法、装置、设备及存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201910105094.1A CN111513673B (zh) 2019-02-01 2019-02-01 基于图像的生长状态监测方法、装置、设备及存储介质

Publications (2)

Publication Number Publication Date
CN111513673A CN111513673A (zh) 2020-08-11
CN111513673B true CN111513673B (zh) 2023-10-31

Family

ID=71900164

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201910105094.1A Active CN111513673B (zh) 2019-02-01 2019-02-01 基于图像的生长状态监测方法、装置、设备及存储介质

Country Status (1)

Country Link
CN (1) CN111513673B (zh)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113298180A (zh) * 2021-06-15 2021-08-24 杭州睿胜软件有限公司 用于植物识别的方法和计算机系统

Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106372442A (zh) * 2016-09-28 2017-02-01 湖南老码信息科技有限责任公司 一种基于增量式神经网络模型的口腔溃疡预测方法和预测系统
CN107133576A (zh) * 2017-04-17 2017-09-05 北京小米移动软件有限公司 用户年龄识别方法及装置
CN107680166A (zh) * 2016-08-01 2018-02-09 中兴通讯股份有限公司 一种智能定制服装的方法和装置
CN108320801A (zh) * 2018-04-28 2018-07-24 北京预医智联科技有限公司 一种智能牙齿疾病就医系统
CN108764185A (zh) * 2018-06-01 2018-11-06 京东方科技集团股份有限公司 一种图像处理方法及装置
CN108875590A (zh) * 2018-05-25 2018-11-23 平安科技（深圳）有限公司 Bmi预测方法、装置、计算机设备和存储介质
CN109284771A (zh) * 2018-08-03 2019-01-29 中国农业大学 一种番茄生长模型判定方法及装置

Family Cites Families (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20050031188A1 (en) * 2003-08-10 2005-02-10 Luu Victor Van Systems and methods for characterizing a sample
US9152860B2 (en) * 2013-05-10 2015-10-06 Tantrum Street LLC Methods and apparatus for capturing, processing, training, and detecting patterns using pattern recognition classifiers
US10275877B2 (en) * 2015-06-12 2019-04-30 International Business Machines Corporation Methods and systems for automatically determining diagnosis discrepancies for clinical images
US11026634B2 (en) * 2017-04-05 2021-06-08 doc.ai incorporated Image-based system and method for predicting physiological parameters

Patent Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107680166A (zh) * 2016-08-01 2018-02-09 中兴通讯股份有限公司 一种智能定制服装的方法和装置
CN106372442A (zh) * 2016-09-28 2017-02-01 湖南老码信息科技有限责任公司 一种基于增量式神经网络模型的口腔溃疡预测方法和预测系统
CN107133576A (zh) * 2017-04-17 2017-09-05 北京小米移动软件有限公司 用户年龄识别方法及装置
CN108320801A (zh) * 2018-04-28 2018-07-24 北京预医智联科技有限公司 一种智能牙齿疾病就医系统
CN108875590A (zh) * 2018-05-25 2018-11-23 平安科技（深圳）有限公司 Bmi预测方法、装置、计算机设备和存储介质
CN108764185A (zh) * 2018-06-01 2018-11-06 京东方科技集团股份有限公司 一种图像处理方法及装置
CN109284771A (zh) * 2018-08-03 2019-01-29 中国农业大学 一种番茄生长模型判定方法及装置

Also Published As

Publication number Publication date
CN111513673A (zh) 2020-08-11

Similar Documents

Publication Publication Date Title
AU2021202168B2 (en) A Method and System for Computer-Aided Triage
RU2622375C2 (ru) Система и способ управления запасами грудного молока
US20190279363A1 (en) Medical evaluation machine learning workflows and processes
US11602302B1 (en) Machine learning based non-invasive diagnosis of thyroid disease
EP3879475A1 (en) Method of classifying medical documents
US20210295551A1 (en) Systems and methods for automated digital image selection and pre-processing for automated content analysis
CN111178147B (zh) 屏幕破碎分级方法、装置、设备及计算机可读存储介质
EP3564857A1 (en) Pattern recognition method of autoantibody immunofluorescence image
CN111435364B (zh) 电子病历质检方法和装置
CN109543718B (zh) 修改病种描述的方法和装置
CN111513673B (zh) 基于图像的生长状态监测方法、装置、设备及存储介质
CN111626885A (zh) 核保方法、装置、电子设备及计算机可读存储介质
CN116824203A (zh) 基于神经网络的青光眼的识别装置和识别方法
CN113707304B (zh) 分诊数据处理方法、装置、设备及存储介质
CN109300052B (zh) 基于线上问诊的保险推荐方法、设备、服务器及可读介质
CA2995955C (en) Prescription filling by image
WO2021174869A1 (zh) 用户图片数据的处理方法、装置、计算机设备及存储介质
US20230126712A1 (en) Image processing device, image processing method, program, and recording medium
CN116469505A (zh) 数据处理方法、装置、计算机设备及可读存储介质
CN115101193A (zh) 一种症状推荐方法、设备及计算机可读存储介质
CN109785922B (zh) 一种病历资料的上传方法与系统
CN111047567A (zh) 一种肾脏肿瘤图片确定方法及相关装置
US20230419699A1 (en) Automated system and method for managing an artificial intelligence health platform
KR102410848B1 (ko) 이미지 내 개인 식별 정보를 비식별화하는 전자 장치의 비식별화 방법
KR102530376B1 (ko) 원격 판독 대상 이미지에 대한 원격 판독 수행 제어 방법 및 원격 판독 대상 이미지에 대한 원격 판독 수행 제어 시스템

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
GR01 Patent grant
GR01 Patent grant