CN112447302B - 身高增长速度评价方法及终端设备 - Google Patents
身高增长速度评价方法及终端设备 Download PDFInfo
- Publication number
- CN112447302B CN112447302B CN202011400223.9A CN202011400223A CN112447302B CN 112447302 B CN112447302 B CN 112447302B CN 202011400223 A CN202011400223 A CN 202011400223A CN 112447302 B CN112447302 B CN 112447302B
- Authority
- CN
- China
- Prior art keywords
- height
- age
- target individual
- bone
- target
- 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
Links
- 238000011156 evaluation Methods 0.000 title claims abstract description 41
- 210000000988 bone and bone Anatomy 0.000 claims abstract description 248
- 238000001514 detection method Methods 0.000 claims abstract description 133
- 238000011161 development Methods 0.000 claims abstract description 33
- 238000000034 method Methods 0.000 claims abstract description 31
- 230000018109 developmental process Effects 0.000 claims description 31
- 230000014461 bone development Effects 0.000 claims description 23
- 238000005259 measurement Methods 0.000 claims description 23
- 238000004590 computer program Methods 0.000 claims description 19
- 238000004364 calculation method Methods 0.000 description 9
- 230000006870 function Effects 0.000 description 6
- 230000008569 process Effects 0.000 description 5
- 238000010586 diagram Methods 0.000 description 4
- 230000008878 coupling Effects 0.000 description 3
- 238000010168 coupling process Methods 0.000 description 3
- 238000005859 coupling reaction Methods 0.000 description 3
- 238000012545 processing Methods 0.000 description 3
- 238000004891 communication Methods 0.000 description 2
- 210000002745 epiphysis Anatomy 0.000 description 2
- 230000007246 mechanism Effects 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004422 calculation algorithm Methods 0.000 description 1
- 238000013145 classification model Methods 0.000 description 1
- 238000007796 conventional method Methods 0.000 description 1
- 238000012937 correction Methods 0.000 description 1
- 238000013135 deep learning Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000003745 diagnosis Methods 0.000 description 1
- 201000010099 disease Diseases 0.000 description 1
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
Images
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
- G16H50/70—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for mining of medical data, e.g. analysing previous cases of other patients
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/24—Classification techniques
Landscapes
- Engineering & Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Public Health (AREA)
- Medical Informatics (AREA)
- Health & Medical Sciences (AREA)
- Theoretical Computer Science (AREA)
- General Engineering & Computer Science (AREA)
- Databases & Information Systems (AREA)
- Evolutionary Computation (AREA)
- Physics & Mathematics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- General Physics & Mathematics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Biomedical Technology (AREA)
- Evolutionary Biology (AREA)
- Artificial Intelligence (AREA)
- Pathology (AREA)
- Life Sciences & Earth Sciences (AREA)
- Epidemiology (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Apparatus For Radiation Diagnosis (AREA)
Abstract
本发明适用于生长发育技术领域，公开了一种身高增长速度评价方法及终端设备，上述方法包括：获取目标个体在上次身高检测时的年龄、身高和骨龄以及在本次身高检测时的年龄、身高和骨龄；根据目标个体在上次身高检测时的年龄和身高以及在本次身高检测时的年龄和身高，计算基于年龄的身高增长速度；根据目标个体在上次身高检测时的骨龄和身高以及在本次身高检测时的骨龄和身高，计算基于骨龄的身高增长速度；根据基于年龄的身高增长速度和基于骨龄的身高增长速度，评价目标个体的身高增长速度。本发明可以客观地根据目标个体的实际生长发育参数对其身高增长速度进行评价，准确性较高。
Description
技术领域
本发明属于生长发育技术领域，尤其涉及一种身高增长速度评价方法及终端设备。
背景技术
儿童的身高增长速度是反应儿童发育情况的重要指标，准确对儿童的身高增长速度进行评价，可对某些疾病的诊断提供重要依据，及时发现并进行干预管理，帮助儿童健康成长。
目前，通常是医生根据儿童的发育指标进行身高增长速度评价，主观性较强，准确性较差。
发明内容
有鉴于此，本发明实施例提供了一种身高增长速度评价方法及终端设备，以解决现有技术对身高增长速度的评价主观性较强，准确性较差的问题。
本发明实施例的第一方面提供了一种身高增长速度评价方法，包括：
获取目标个体在上次身高检测时的年龄、身高和骨龄以及在本次身高检测时的年龄、身高和骨龄；
根据目标个体在上次身高检测时的年龄和身高以及在本次身高检测时的年龄和身高，计算基于年龄的身高增长速度；
根据目标个体在上次身高检测时的骨龄和身高以及在本次身高检测时的骨龄和身高，计算基于骨龄的身高增长速度；
根据基于年龄的身高增长速度和基于骨龄的身高增长速度，评价目标个体的身高增长速度。
本发明实施例的第二方面提供了一种终端设备，包括存储器、处理器以及存储在存储器中并可在处理器上运行的计算机程序，处理器执行计算机程序时实现如第一方面所述身高增长速度评价方法的步骤。
本发明实施例的第三方面提供了一种计算机可读存储介质，计算机可读存储介质存储有计算机程序，计算机程序被一个或多个处理器执行时实现如第一方面所述身高增长速度评价方法的步骤。
本发明实施例与现有技术相比存在的有益效果是：本发明实施例首先获取目标个体在上次身高检测时以及本次身高检测时的年龄、身高和骨龄，然后基于上述参数计算目标个体的基于年龄的身高增长速度和基于骨龄的身高增长速度，最后根据基于年龄的身高增长速度和基于骨龄的身高增长速度对目标个体的身高增长速度进行评价，可以客观地根据目标个体的实际生长发育参数对其身高增长速度进行评价，准确性较高。
附图说明
为了更清楚地说明本发明实施例中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。
图1是本发明一实施例提供的身高增长速度评价方法的实现流程示意图；
图2是本发明一实施例提供的身高增长速度评价系统的示意框图；
图3是本发明一实施例提供的终端设备的示意框图。
具体实施方式
以下描述中，为了说明而不是为了限定，提出了诸如特定系统结构、技术之类的具体细节，以便透彻理解本申请实施例。然而，本领域的技术人员应当清楚，在没有这些具体细节的其它实施例中也可以实现本申请。在其它情况中，省略对众所周知的系统、装置、电路以及方法的详细说明，以免不必要的细节妨碍本申请的描述。
为了说明本发明所述的技术方案，下面通过具体实施例来进行说明。
图1是本发明一实施例提供的身高增长速度评价方法的实现流程示意图，为了便于说明，仅示出了与本发明实施例相关的部分。本发明实施例的执行主体可以是终端设备。如图1所示，该方法可以包括以下步骤：
S101：获取目标个体在上次身高检测时的年龄、身高和骨龄以及在本次身高检测时的年龄、身高和骨龄。
其中，目标个体为待评价身高增长速度的个体。
在本发明实施例中，可以通过现有方法获取目标个体在上次身高检测时和本次身高检测时的用于评价身高增长速度的相关参数。其中，相关参数包括身高、年龄和骨龄。
在本发明的一个实施例中，上述S101中的“获取目标个体在上次身高检测时的骨龄”，可以包括以下步骤：
获取目标个体在上次身高检测时的骨骼图像；
根据目标个体在上次身高检测时的骨骼图像，基于骨发育等级判定模型确定目标个体在上次身高检测时的各个骨骼的发育等级；
根据目标个体在上次身高检测时的各个骨骼的发育等级确定目标个体在上次身高检测时的骨龄。
其中，骨骼图像可以是目标个体的左手骨骼图像。左手具有多个骨骼可以用来检测骨龄，例如：桡骨、掌骨、近节指骨、中节指骨、远节指骨等等，当然还包括其它骨骼，在此不再赘述。骨发育等级判定模型可以是基于深度学习的骨发育等级判定模型。
需要说明的是，本发明实施例提到的骨骼可以为骨骺，可以根据骨骺的生长发育情况确定骨发育等级，进而确定骨龄。
根据骨发育等级判定模型可以准确确定每个骨骼的发育等级，根据各个骨骼的发育等级，采用现有方法，可以确定目标个体在上次身高检测时的骨龄。例如，每个骨骼的不同等级都有不同的得分，将各个骨骼的得分相加，再查表就可以得到骨龄。
在本发明的一个实施例中，上述根据目标个体在上次身高检测时的骨骼图像，基于骨发育等级判定模型确定目标个体在上次身高检测时的各个骨骼的发育等级，包括：
根据目标个体在上次身高检测时的骨骼图像，获取第一骨骼的图像；第一骨骼为目标个体在上次身高检测时的骨骼图像中的用于骨龄检测的任意一个骨骼；
将第一骨骼的图像输入骨发育等级判定模型，得到多个分类结果及多个分类结果分别对应的置信度；
在多个分类结果中选取第一预设数量的分类结果和目标分类结果；其中，第一预设数量的分类结果为在多个分类结果中，按照置信度从大到小的顺序，排列在前第一预设数量的分类结果，目标分类结果为在多个分类结果中置信度最高的分类结果；
根据第一预设数量的分类结果及目标分类结果的置信度，确定目标分类结果的可靠性；
若目标分类结果可靠，则根据目标分类结果确定第一骨骼的发育等级；
若目标分类结果不可靠，则对目标分类结果进行校正，并根据校正后的目标分类结果确定第一骨骼的发育等级。
本发明实施例提供的骨骼发育等级检测方法，在现有技术骨龄智能识别的基础上引入了可靠度评价机制，采用骨发育等级判定模型对第一骨骼的图像进行识别，相较于传统的只输出一个识别结果的方法，本发明实施例获取骨发育等级判定模型识别出的多个分类结果及多个分类结果分别对应的置信度，并将其中置信度最高的分类结果作为目标分类结果，进而判断目标分类结果的可靠性。进一步的，本发明实施例引入校正机制，若目标分类结果不可靠，则对目标分类结果进行校正，进而得到第一骨骼的发育等级。本发明实施例提供的骨骼发育等级检测方法的准确性较高，更适于临床应用，可以有效提高医生的工作效率，基于此方法获取的骨龄用于身高增长速度评价，可以进一步提高身高增长速度评价的准确性。
其中，第一骨骼的图像为第一骨骼的X光片，一个分类结果对应一个发育等级。
可选地，分类结果为RUS-CHN骨龄标准对应的发育等级，上述根据第一预设数量的分类结果及目标分类结果的置信度，确定目标分类结果的可靠性，可以包括以下步骤：
确定目标分类结果是否有后缀；
若目标分类结果没有后缀，则基于第一预设数量的分类结果及目标分类结果的置信度，执行第一操作，得到目标分类结果的可靠性；
若目标分类结果有后缀，则确定目标骨龄标准；
若目标骨龄标准为RUS-CHN骨龄标准，则基于第一预设数量的分类结果及目标分类结果的置信度，执行第一操作，得到目标分类结果的可靠性；
若目标骨龄标准为TW3骨龄标准，则基于第一预设数量的分类结果，执行第二操作，得到目标分类结果的可靠性。
目前，国际较通用的骨龄标准为TW3骨龄标准，共分为9个等级，包括A，B，C，D，E，F，G，H，I级。TW3骨龄标准的9个字母等级可以转换为对应的数字等级，分别为0，1，2，3，4，5，6，7，8级。依据当代中国儿童为样本，提出了一种更适于当代儿童的RUS-CHN骨龄标准，该标准与国际通用方法接轨，与TW3骨龄标准兼容，共分为15个等级，包括0，1，2，3，4，5(0)，5(2)，6，7(0)，7(2)，8(0)，8(1)，8(2)，8(3)，8(4)级。其中，整数等级后面带有括号的为具有后缀的等级，只有一个整数的为不具有后缀的等级。例如，5(2)为有后缀等级，后缀为2；4为无后缀等级。
由于RUS-CHN骨龄标准兼容TW3骨龄标准，本发明实施例中采用RUS-CHN骨龄标准对骨骼发育等级分类模型进行训练，分类结果为RUS-CHN骨龄标准对应的骨骼发育等级，兼容性更高。目标骨龄标准为用户需要输出的骨骼发育等级的标准，可以为RUS-CHN骨龄标准或TW3骨龄标准。RUS-CHN骨龄标准中没有后缀的等级与TW3骨龄标准的数字等级是可以通用的，由此，首先判断确定目标分类结果是否有后缀，若没有后缀，则无论目标骨龄标准为哪种均可采用同样方法处理。若目标分类结果有后缀，则两种等级标准的级别不通用，采用不同的方法处理。
可选地，上述基于第一预设数量的分类结果及目标分类结果的置信度，执行第一操作，得到目标分类结果的可靠性，可以包括：
确定目标分类结果的置信度是否大于置信度阈值；
若目标分类结果的置信度大于置信度阈值，则目标分类结果可靠；
若目标分类结果的置信度不大于置信度阈值，则确定第一预设数量的分类结果的等级是否连续；
若第一预设数量的分类结果的等级连续，则目标分类结果可靠；
若第一预设数量的分类结果的等级不连续，则目标分类结果不可靠。
置信度阈值为根据经验得到，若目标分类结果的置信度大于置信度阈值，则说明目标分类结果的置信度较高，较准确，目标分类结果可靠。若目标分类结果的置信度不够高，则判定目标分类结果不可靠。进一步的，确定第一预设数量的分类结果的等级是否连续，例如，第一预设数量可以为2，即第一预设数量的分类结果为多个分类结果中置信度最高的及次高的两个等级，若这两个等级连续，说明分类结果的整体趋势是一致的，目标分类结果的可信度较高，判定目标分类结果可靠。
可选地，上述基于第一预设数量的分类结果，执行第二操作，得到目标分类结果的可靠性，可以包括：
确定第一预设数量的分类结果的等级是否连续；
若第一预设数量的分类结果的等级连续，则目标分类结果可靠；
若第一预设数量的分类结果的等级不连续，则目标分类结果不可靠。
可选地，上述根据目标分类结果确定第一骨骼的发育等级，可以包括：
若目标骨龄标准为RUS-CHN骨龄标准，则将目标分类结果作为第一骨骼的发育等级；
若目标骨龄标准为TW3骨龄标准，则确定目标分类结果是否有后缀；
若目标分类结果有后缀，则将目标分类结果的后缀去除后的数字等级对应的字母等级作为第一骨骼的发育等级；
若目标分类结果没有后缀，则将目标分类结果对应的字母等级作为第一骨骼的发育等级。
由于TW3骨龄标准较之RUS-CHN骨龄标准更加的宽泛，目标分类结果为RUS-CHN骨龄标准，若用户所需的骨骼发育等级为TW3骨龄标准，则可以直接将RUS-CHN骨龄标准的目标分类结果去掉后缀后的数字等级对应的字母等级作为TW3骨龄标准的骨骼发育等级。例如，目标分类结果为8(3)，则可以直接将后缀3去除后的等级8对应的字母等级I作为第一骨骼的发育等级。
可选地，可以采用同样的方法，根据校正后的目标分类结果确定第一骨骼的发育等级。
可选地，对目标分类结果进行校正，可以包括：
确定目标个体在上次身高检测时的骨骼图像中除了第一骨骼外的用于骨龄检测的各个骨骼分别对应的目标分类结果；
根据除了第一骨骼外的用于骨龄检测的各个骨骼分别对应的目标分类结果，对第一骨骼对应的目标分类结果进行校正。
可选地，为了提高精度，可以采用上述方法确定除了第一骨骼外的用于骨龄检测的各个骨骼的目标分类结果的可靠性，采用可靠的除了第一骨骼外的用于骨龄检测的各个骨骼对应的目标分类结果对第一骨骼的目标分类结果进行校正。
可选地，第一骨骼也可以为其它任意一块骨骼，可以根据与其具有关联的骨骼的目标分类结果进行校正。
可选地，第一骨骼为人体手部十三块掌指骨中的任意一块掌指骨，
可选地，根据除了第一骨骼外的用于骨龄检测的各个骨骼分别对应的目标分类结果，对第一骨骼对应的目标分类结果进行校正，可以包括：
确定除了第一骨骼外的用于骨龄检测的各个骨骼分别对应的目标分类结果位于第一等级范围内的第一数量及位于第二等级范围内的第二数量；
若第一数量大于第二数量，则在多个分类结果中选取第二预设数量的分类结果，并将第二预设数量的分类结果中等级最高的分类结果作为校正后的目标分类结果；其中，第二预设数量的分类结果为在多个分类结果中，按照置信度从大到小的顺序，排列在前第二预设数量的分类结果；
若第一数量不大于第二数量，则在多个分类结果中选取第二预设数量的分类结果，并将第二预设数量的分类结果中等级最低的分类结果作为校正后的目标分类结果；
其中，第二预设数量大于第一预设数量；第一等级范围中的等级均大于第二等级范围中的等级。
由于人体的各块骨骼的发育具有一致性，当目标分类结果不可靠时，可通过另外的骨骼对第一骨骼进行校正。将RUS-CHN骨龄标准划分为两个部分，第一等级范围可以包括：7(0)，7(2)，8(0)，8(1)，8(2)，8(3)，8(4)，第二等级范围可以包括：0，1，2，3，4，5(0)，5(2)，6，若除了第一骨骼外的用于骨龄检测的各个骨骼的骨骼发育等级多数位于第一等级范围，说明此人的骨骼发育趋向于高等级，则选取第一骨骼的图像的置信度排名前第二预设数量的分类结果中等级最高的作为新的目标分类结果；反之，若除了第一骨骼外的用于骨龄检测的各个骨骼的骨骼发育等级多数位于第二等级范围，则选取第二预设数量的分类结果中等级最低的作为目标分类结果。例如，第二预设数量可以为3个，即，第二预设数量的分类结果为多个分类结果中置信度排名最靠前的3个分类结果。
可选地，第一预设数量为2个，第二预设数量为3个。
获取目标个体在本次身高检测时的骨龄的方法与获取目标个体在上次身高检测时的骨龄的方法类似，不再赘述。
S102：根据目标个体在上次身高检测时的年龄和身高以及在本次身高检测时的年龄和身高，计算基于年龄的身高增长速度。
可选地，上述S102可以包括：
根据
，计算基于年龄的身高增长速度
；
其中，
为目标个体在本次身高检测时的身高，
为目标个体在上次身高检测
时的身高，
为目标个体在本次身高检测时的年龄，
为目标个体在上次身高检测时的年
龄。
S103：根据目标个体在上次身高检测时的骨龄和身高以及在本次身高检测时的骨龄和身高，计算基于骨龄的身高增长速度。
在本发明的一个实施例中，上述S103可以包括：
根据
，计算基于骨龄的身高增长速度
；
其中，
为目标个体在本次身高检测时的身高，
为目标个体在上次身高检测
时的身高，
为目标个体在本次身高检测时的骨龄，
为目标个体在上次身高检测时的骨
龄。
S104：根据基于年龄的身高增长速度和基于骨龄的身高增长速度，评价目标个体的身高增长速度。
在本发明的一个实施例中，上述S104可以包括：
获取目标个体的性别；
根据性别，确定目标个体在上次身高检测时的年龄对应的身高中位数和在本次身高检测时的年龄对应的身高中位数；
根据目标个体在上次身高检测时的年龄对应的身高中位数和在本次身高检测时的年龄对应的身高中位数以及目标个体在上次身高检测时的年龄和在本次身高检测时的年龄，计算性别对应的平均身高增长速度；
将基于年龄的身高增长速度减去性别对应的平均身高增长速度，得到第一差值；
将基于骨龄的身高增长速度减去基于年龄的身高增长速度，得到第二差值；
根据第一差值和第二差值，评价目标个体的身高增长速度。
根据性别，确定目标个体在上次身高检测时的年龄对应的身高中位数和在本次身高检测时的年龄对应的身高中位数，可以包括：
根据性别、年龄、身高百分位数和身高的对应关系，确定目标个体的性别、目标个体在上次身高检测时的年龄和第50百分位数对应的身高，将该身高作为目标个体在上次身高检测时的年龄对应的身高中位数；
根据性别、年龄、身高百分位数和身高的对应关系，确定目标个体的性别、目标个体在本次身高检测时的年龄和第50百分位数对应的身高，将该身高作为目标个体在本次身高检测时的年龄对应的身高中位数。
也可以采用任何现有方法，根据性别，确定目标个体在上次身高检测时的年龄对应的身高中位数和在本次身高检测时的年龄对应的身高中位数，不做具体限制。
可选地，根据目标个体在上次身高检测时的年龄对应的身高中位数和在本次身高检测时的年龄对应的身高中位数以及目标个体在上次身高检测时的年龄和在本次身高检测时的年龄，计算性别对应的平均身高增长速度，可以包括：
根据
，计算性别对应的平均身高增长速度
；
其中，
为目标个体在本次身高检测时的年龄对应的身高中位数，
为目标个
体在上次身高检测时的年龄对应的身高中位数，
为目标个体在本次身高检测时的年龄，
为目标个体在上次身高检测时的年龄。
其中，第一差值
，第二差值
。
在本发明的一个实施例中，上述根据第一差值和第二差值，评价目标个体的身高增长速度，包括：
将第一差值与0进行比较，确定目标个体的身高增长速度与平均身高增长速度的高低；
将第二差值与0进行比较，确定目标个体的基于骨龄的身高增长速度与基于年龄的身高增长速度的高低。
可选地，上述将第一差值与0进行比较，确定目标个体的身高增长速度与平均身高增长速度的高低，可以包括：
若第一差值大于0，则确定目标个体的身高增长速度高于平均身高增长速度；
若第一差值等于0，则确定目标个体的身高增长速度等于平均身高增长速度；
若第一差值小于0，则确定目标个体的身高增长速度低于平均身高增长速度。
可选地，上述将第二差值与0进行比较，确定目标个体的基于骨龄的身高增长速度与基于年龄的身高增长速度的高低，可以包括：
若第一差值大于0，则确定目标个体的基于骨龄的身高增长速度高于基于年龄的身高增长速度；
若第二差值等于0，则确定目标个体的基于骨龄的身高增长速度等于基于年龄的身高增长速度；
若第二差值小于0，则确定目标个体的基于骨龄的身高增长速度低于基于年龄的身高增长速度。
在本发明的一个实施例中，上述身高增长速度评价方法还可以包括：
根据目标个体在上次身高检测时的年龄和骨龄以及在本次身高检测时的年龄和骨龄，计算目标个体的骨龄增长速度；
根据目标个体的骨龄增长速度，确定目标个体的骨龄增长速度是否正常。
可选地，上述根据目标个体在上次身高检测时的年龄和骨龄以及在本次身高检测时的年龄和骨龄，计算目标个体的骨龄增长速度，可以包括：
根据
，计算目标个体的骨龄增长速度
；
其中，
为目标个体在本次身高检测时的骨龄，
为目标个体在上次身高检测时的
骨龄，
为目标个体在本次身高检测时的年龄，
为目标个体在上次身高检测时的年龄。
在本发明的一个实施例中，上述根据目标个体的骨龄增长速度，确定目标个体的骨龄增长速度是否正常，可以包括：
若目标个体的骨龄增长速度小于第一骨龄增长阈值，则确定目标个体的骨龄增长速度慢；
若目标个体的骨龄增长速度大于或等于第一骨龄增长阈值，且目标个体的骨龄增长速度小于第二骨龄增长阈值，则确定目标个体的骨龄增长速度正常；
若目标个体的骨龄增长速度大于或等于第二骨龄增长阈值，则确定目标个体的骨龄增长速度快。
可选地，第一骨龄增长阈值为1，第二骨龄增长阈值为1.3。
由上述描述可知，本发明实施例首先获取目标个体在上次身高检测时以及本次身高检测时的年龄、身高和骨龄，然后基于上述参数计算目标个体的基于年龄的身高增长速度和基于骨龄的身高增长速度，最后根据基于年龄的身高增长速度和基于骨龄的身高增长速度对目标个体的身高增长速度进行评价。本发明实施例基于年龄和骨龄对身高增长速度进行评价，可以客观地根据目标个体的实际生长发育参数对其身高增长速度进行评价，准确性较高。另外，通过本发明实施例提供的骨龄检测方法确定目标个体的骨龄，可以准确确定其骨龄，由于骨龄检测较为准确，因此可以进一步提升身高增长速度评价的准确性。
应理解，上述实施例中各步骤的序号的大小并不意味着执行顺序的先后，各过程的执行顺序应以其功能和内在逻辑确定，而不应对本发明实施例的实施过程构成任何限定。
对应于上述身高增长速度评价方法，本发明一实施例还提供了一种身高增长速度评价系统。图2是本发明一实施例提供的身高增长速度评价系统的示意框图，为了便于说明，仅示出与本发明实施例相关的部分。
在本发明实施例中，身高增长速度评价系统30可以包括获取模块301、第一增长速度计算模块302、第二增长速度计算模块303和增长速度评价模块304。
其中，获取模块301，用于获取目标个体在上次身高检测时的年龄、身高和骨龄以及在本次身高检测时的年龄、身高和骨龄；
第一增长速度计算模块302，用于根据目标个体在上次身高检测时的年龄和身高以及在本次身高检测时的年龄和身高，计算基于年龄的身高增长速度；
第二增长速度计算模块303，用于根据目标个体在上次身高检测时的骨龄和身高以及在本次身高检测时的骨龄和身高，计算基于骨龄的身高增长速度；
增长速度评价模块304，用于根据基于年龄的身高增长速度和基于骨龄的身高增长速度，评价目标个体的身高增长速度。
可选地，第二增长速度计算模块303具体用于：
根据
，计算基于骨龄的身高增长速度
；
其中，
为目标个体在本次身高检测时的身高，
为目标个体在上次身高检测
时的身高，
为目标个体在本次身高检测时的骨龄，
为目标个体在上次身高检测时的骨
龄。
可选地，增长速度评价模块304具体用于：
获取目标个体的性别；
根据性别，确定目标个体在上次身高检测时的年龄对应的身高中位数和在本次身高检测时的年龄对应的身高中位数；
根据目标个体在上次身高检测时的年龄对应的身高中位数和在本次身高检测时的年龄对应的身高中位数以及目标个体在上次身高检测时的年龄和在本次身高检测时的年龄，计算性别对应的平均身高增长速度；
将基于年龄的身高增长速度减去性别对应的平均身高增长速度，得到第一差值；
将基于骨龄的身高增长速度减去基于年龄的身高增长速度，得到第二差值；
根据第一差值和第二差值，评价目标个体的身高增长速度。
可选地，增长速度评价模块304还可以用于：
将第一差值与0进行比较，确定目标个体的身高增长速度与平均身高增长速度的高低；
将第二差值与0进行比较，确定目标个体的基于骨龄的身高增长速度与基于年龄的身高增长速度的高低。
可选地，身高增长速度评价系统30还可以包括骨龄增长速度计算模块和骨龄增长速度评价模块。
骨龄增长速度计算模块，用于根据目标个体在上次身高检测时的年龄和骨龄以及在本次身高检测时的年龄和骨龄，计算目标个体的骨龄增长速度；
骨龄增长速度评价模块，用于根据目标个体的骨龄增长速度，确定目标个体的骨龄增长速度是否正常。
可选地，骨龄增长速度评价模块，具体用于：
若目标个体的骨龄增长速度小于第一骨龄增长阈值，则确定目标个体的骨龄增长速度慢；
若目标个体的骨龄增长速度大于或等于第一骨龄增长阈值，且目标个体的骨龄增长速度小于第二骨龄增长阈值，则确定目标个体的骨龄增长速度正常；
若目标个体的骨龄增长速度大于或等于第二骨龄增长阈值，则确定目标个体的骨龄增长速度快。
可选地，获取模块301还可以用于：
获取目标个体在上次身高检测时的骨骼图像；
根据目标个体在上次身高检测时的骨骼图像，基于骨发育等级判定模型确定目标个体在上次身高检测时的各个骨骼的发育等级；
根据目标个体在上次身高检测时的各个骨骼的发育等级确定目标个体在上次身高检测时的骨龄。
可选地，获取模块301还可以用于：
根据目标个体在上次身高检测时的骨骼图像，获取第一骨骼的图像；第一骨骼为目标个体在上次身高检测时的骨骼图像中的用于骨龄检测的任意一个骨骼；
将第一骨骼的图像输入骨发育等级判定模型，得到多个分类结果及多个分类结果分别对应的置信度；
在多个分类结果中选取第一预设数量的分类结果和目标分类结果；其中，第一预设数量的分类结果为在多个分类结果中，按照置信度从大到小的顺序，排列在前第一预设数量的分类结果，目标分类结果为在多个分类结果中置信度最高的分类结果；
根据第一预设数量的分类结果及目标分类结果的置信度，确定目标分类结果的可靠性；
若目标分类结果可靠，则根据目标分类结果确定第一骨骼的发育等级；
若目标分类结果不可靠，则对目标分类结果进行校正，并根据校正后的目标分类结果确定第一骨骼的发育等级。
所属领域的技术人员可以清楚地了解到，为了描述的方便和简洁，仅以上述各功能单元、模块的划分进行举例说明，实际应用中，可以根据需要而将上述功能分配由不同的功能单元、模块完成，即将所述身高增长速度评价系统的内部结构划分成不同的功能单元或模块，以完成以上描述的全部或者部分功能。实施例中的各功能单元、模块可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中，上述集成的单元既可以采用硬件的形式实现，也可以采用软件功能单元的形式实现。另外，各功能单元、模块的具体名称也只是为了便于相互区分，并不用于限制本申请的保护范围。上述装置中单元、模块的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。
图3是本发明一实施例提供的终端设备的示意框图。如图3所示，该实施例的终端设备40包括：一个或多个处理器401、存储器402以及存储在所述存储器402中并可在所述处理器401上运行的计算机程序403。所述处理器401执行所述计算机程序403时实现上述各个身高增长速度评价方法实施例中的步骤，例如图1所示的步骤S101至S104。或者，所述处理器401执行所述计算机程序403时实现上述身高增长速度评价系统实施例中各模块/单元的功能，例如图2所示模块301至304的功能。
示例性地，所述计算机程序403可以被分割成一个或多个模块/单元，所述一个或者多个模块/单元被存储在所述存储器402中，并由所述处理器401执行，以完成本申请。所述一个或多个模块/单元可以是能够完成特定功能的一系列计算机程序指令段，该指令段用于描述所述计算机程序403在所述终端设备40中的执行过程。例如，所述计算机程序403可以被分割成获取模块、第一增长速度计算模块、第二增长速度计算模块和增长速度评价模块，各模块具体功能如下：
获取模块，用于获取目标个体在上次身高检测时的年龄、身高和骨龄以及在本次身高检测时的年龄、身高和骨龄；
第一增长速度计算模块，用于根据目标个体在上次身高检测时的年龄和身高以及在本次身高检测时的年龄和身高，计算基于年龄的身高增长速度；
第二增长速度计算模块，用于根据目标个体在上次身高检测时的骨龄和身高以及在本次身高检测时的骨龄和身高，计算基于骨龄的身高增长速度；
增长速度评价模块，用于根据基于年龄的身高增长速度和基于骨龄的身高增长速度，评价目标个体的身高增长速度。
其它模块或者单元可参照图2所示的实施例中的描述，在此不再赘述。
所述终端设备40可以是桌上型计算机、笔记本、掌上电脑及云端服务器等计算设备。所述终端设备40包括但不仅限于处理器401、存储器402。本领域技术人员可以理解，图3仅仅是终端设备40的一个示例，并不构成对终端设备40的限定，可以包括比图示更多或更少的部件，或者组合某些部件，或者不同的部件，例如所述终端设备40还可以包括输入设备、输出设备、网络接入设备、总线等。
所述处理器401可以是中央处理单元(Central Processing Unit，CPU)，还可以是其他通用处理器、数字信号处理器 (Digital Signal Processor，DSP)、专用集成电路(Application Specific Integrated Circuit，ASIC)、现场可编程门阵列 (Field-Programmable Gate Array，FPGA) 或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。
所述存储器402可以是所述终端设备40的内部存储单元，例如终端设备40的硬盘或内存。所述存储器402也可以是所述终端设备40的外部存储设备，例如所述终端设备40上配备的插接式硬盘，智能存储卡（Smart Media Card, SMC），安全数字（Secure Digital,SD）卡，闪存卡（Flash Card）等。进一步地，所述存储器402还可以既包括终端设备40的内部存储单元也包括外部存储设备。所述存储器402用于存储所述计算机程序403以及所述终端设备40所需的其他程序和数据。所述存储器402还可以用于暂时地存储已经输出或者将要输出的数据。
在上述实施例中，对各个实施例的描述都各有侧重，某个实施例中没有详述或记载的部分，可以参见其它实施例的相关描述。
本领域普通技术人员可以意识到，结合本文中所公开的实施例描述的各示例的单元及算法步骤，能够以电子硬件、或者计算机软件和电子硬件的结合来实现。这些功能究竟以硬件还是软件方式来执行，取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能，但是这种实现不应认为超出本申请的范围。
在本申请所提供的实施例中，应该理解到，所揭露的身高增长速度评价系统和方法，可以通过其它的方式实现。例如，以上所描述的身高增长速度评价系统实施例仅仅是示意性的，例如，所述模块或单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，例如多个单元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通讯连接可以是通过一些接口，装置或单元的间接耦合或通讯连接，可以是电性，机械或其它的形式。
所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
另外，在本申请各个实施例中的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现，也可以采用软件功能单元的形式实现。
所述集成的模块/单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本申请实现上述实施例方法中的全部或部分流程，也可以通过计算机程序来指令相关的硬件来完成，所述的计算机程序可存储于一计算机可读存储介质中，该计算机程序在被处理器执行时，可实现上述各个方法实施例的步骤。其中，所述计算机程序包括计算机程序代码，所述计算机程序代码可以为源代码形式、对象代码形式、可执行文件或某些中间形式等。所述计算机可读介质可以包括：能够携带所述计算机程序代码的任何实体或装置、记录介质、U盘、移动硬盘、磁碟、光盘、计算机存储器、只读存储器（ROM，Read-Only Memory）、随机存取存储器（RAM，Random Access Memory）、电载波信号、电信信号以及软件分发介质等。
以上所述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精神和范围，均应包含在本申请的保护范围之内。
Claims (6)
1.一种身高增长速度评价方法，其特征在于，包括：
获取目标个体在上次身高检测时的年龄、身高和骨龄以及在本次身高检测时的年龄、身高和骨龄；
根据所述目标个体在上次身高检测时的年龄和身高以及在本次身高检测时的年龄和身高，计算基于年龄的身高增长速度；
根据所述目标个体在上次身高检测时的骨龄和身高以及在本次身高检测时的骨龄和身高，计算基于骨龄的身高增长速度；
根据所述基于年龄的身高增长速度和所述基于骨龄的身高增长速度，评价所述目标个体的身高增长速度；
其中，获取目标个体在上次身高检测时的骨龄，包括：
获取目标个体在上次身高检测时的骨骼图像；
根据所述目标个体在上次身高检测时的骨骼图像，基于骨发育等级判定模型确定所述目标个体在上次身高检测时的各个骨骼的发育等级；
根据所述目标个体在上次身高检测时的各个骨骼的发育等级确定所述目标个体在上次身高检测时的骨龄；
所述根据所述目标个体在上次身高检测时的骨龄和身高以及在本次身高检测时的骨龄和身高，计算基于骨龄的身高增长速度，包括：
根据
，计算基于骨龄的身高增长速度
；
其中，
为所述目标个体在本次身高检测时的身高，
为所述目标个体在上次身高
检测时的身高，
为所述目标个体在本次身高检测时的骨龄，
为所述目标个体在上次身高
检测时的骨龄；
所述根据所述目标个体在上次身高检测时的年龄和身高以及在本次身高检测时的年龄和身高，计算基于年龄的身高增长速度，包括：
根据
，计算基于年龄的身高增长速度
；
其中，
为所述目标个体在本次身高检测时的年龄，
为所述目标个体在上次身高检测
时的年龄；
所述根据所述基于年龄的身高增长速度和所述基于骨龄的身高增长速度，评价所述目标个体的身高增长速度，包括：
获取所述目标个体的性别；
根据所述性别，确定所述目标个体在上次身高检测时的年龄对应的身高中位数和在本次身高检测时的年龄对应的身高中位数；
根据所述目标个体在上次身高检测时的年龄对应的身高中位数和在本次身高检测时的年龄对应的身高中位数以及所述目标个体在上次身高检测时的年龄和在本次身高检测时的年龄，计算所述性别对应的平均身高增长速度；
将所述基于年龄的身高增长速度减去所述性别对应的平均身高增长速度，得到第一差值；
将所述基于骨龄的身高增长速度减去所述基于年龄的身高增长速度，得到第二差值；
根据所述第一差值和所述第二差值，评价所述目标个体的身高增长速度；
所述根据所述目标个体在上次身高检测时的骨骼图像，基于骨发育等级判定模型确定所述目标个体在上次身高检测时的各个骨骼的发育等级，包括：
根据所述目标个体在上次身高检测时的骨骼图像，获取第一骨骼的图像；所述第一骨骼为所述目标个体在上次身高检测时的骨骼图像中的用于骨龄检测的任意一个骨骼；
将所述第一骨骼的图像输入骨发育等级判定模型，得到多个分类结果及所述多个分类结果分别对应的置信度；
在所述多个分类结果中选取第一预设数量的分类结果和目标分类结果；其中，所述第一预设数量的分类结果为在所述多个分类结果中，按照置信度从大到小的顺序，排列在前第一预设数量的分类结果，所述目标分类结果为在所述多个分类结果中置信度最高的分类结果；
根据所述第一预设数量的分类结果及所述目标分类结果的置信度，确定所述目标分类结果的可靠性；
若所述目标分类结果可靠，则根据所述目标分类结果确定所述第一骨骼的发育等级；
若所述目标分类结果不可靠，则对所述目标分类结果进行校正，并根据校正后的目标分类结果确定所述第一骨骼的发育等级。
2.根据权利要求1所述的身高增长速度评价方法，其特征在于，所述根据所述第一差值和所述第二差值，评价所述目标个体的身高增长速度，包括：
将所述第一差值与0进行比较，确定所述目标个体的身高增长速度与平均身高增长速度的高低；
将所述第二差值与0进行比较，确定所述目标个体的基于骨龄的身高增长速度与基于年龄的身高增长速度的高低。
3.根据权利要求1所述的身高增长速度评价方法，其特征在于，所述身高增长速度评价方法还包括：
根据所述目标个体在上次身高检测时的年龄和骨龄以及在本次身高检测时的年龄和骨龄，计算所述目标个体的骨龄增长速度；
根据所述目标个体的骨龄增长速度，确定所述目标个体的骨龄增长速度是否正常。
4.根据权利要求3所述的身高增长速度评价方法，其特征在于，所述根据所述目标个体的骨龄增长速度，确定所述目标个体的骨龄增长速度是否正常，包括：
若所述目标个体的骨龄增长速度小于第一骨龄增长阈值，则确定所述目标个体的骨龄增长速度慢；
若所述目标个体的骨龄增长速度大于或等于所述第一骨龄增长阈值，且所述目标个体的骨龄增长速度小于第二骨龄增长阈值，则确定所述目标个体的骨龄增长速度正常；
若所述目标个体的骨龄增长速度大于或等于所述第二骨龄增长阈值，则确定所述目标个体的骨龄增长速度快。
5.一种终端设备，包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现如权利要求1至4任一项所述身高增长速度评价方法的步骤。
6.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质存储有计算机程序，所述计算机程序被一个或多个处理器执行时实现如权利要求1至4任一项所述身高增长速度评价方法的步骤。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202011400223.9A CN112447302B (zh) | 2020-12-04 | 2020-12-04 | 身高增长速度评价方法及终端设备 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202011400223.9A CN112447302B (zh) | 2020-12-04 | 2020-12-04 | 身高增长速度评价方法及终端设备 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN112447302A CN112447302A (zh) | 2021-03-05 |
| CN112447302B true CN112447302B (zh) | 2023-01-06 |
Family
ID=74740019
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202011400223.9A Active CN112447302B (zh) | 2020-12-04 | 2020-12-04 | 身高增长速度评价方法及终端设备 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN112447302B (zh) |
Citations (10)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2003009758A1 (en) * | 2001-07-24 | 2003-02-06 | Sunlight Medical, Ltd. | Bone age assessment using ultrasound |
| CN103300872A (zh) * | 2013-05-29 | 2013-09-18 | 罗伟 | 一种分析骨龄的方法及检测装置 |
| 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 |
| CN107731304A (zh) * | 2017-09-30 | 2018-02-23 | 北京好啦科技有限公司 | 一种身高预测方法及系统 |
| CN108836338A (zh) * | 2018-04-04 | 2018-11-20 | 浙江康体汇科技有限公司 | 一种基于web数据库的在线骨龄计算及身高预测方法 |
| CN109036560A (zh) * | 2018-07-09 | 2018-12-18 | 黄卫保 | 骨发育分析系统 |
| CN110097734A (zh) * | 2019-05-23 | 2019-08-06 | 浙江台谊消防设备有限公司 | 基于室内人员定位和生理监测的安全防护系统 |
| CN110211700A (zh) * | 2019-06-14 | 2019-09-06 | 成都高鹿科技有限公司 | 一种个体身高预测方法、系统、可读存储介质及终端 |
| CN110660484A (zh) * | 2019-08-01 | 2020-01-07 | 平安科技（深圳）有限公司 | 骨龄预测方法、装置、介质及电子设备 |
| 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 |
-
2020
- 2020-12-04 CN CN202011400223.9A patent/CN112447302B/zh active Active
Patent Citations (10)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2003009758A1 (en) * | 2001-07-24 | 2003-02-06 | Sunlight Medical, Ltd. | Bone age assessment using ultrasound |
| CN103300872A (zh) * | 2013-05-29 | 2013-09-18 | 罗伟 | 一种分析骨龄的方法及检测装置 |
| 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 |
| CN107731304A (zh) * | 2017-09-30 | 2018-02-23 | 北京好啦科技有限公司 | 一种身高预测方法及系统 |
| CN108836338A (zh) * | 2018-04-04 | 2018-11-20 | 浙江康体汇科技有限公司 | 一种基于web数据库的在线骨龄计算及身高预测方法 |
| CN109036560A (zh) * | 2018-07-09 | 2018-12-18 | 黄卫保 | 骨发育分析系统 |
| CN110097734A (zh) * | 2019-05-23 | 2019-08-06 | 浙江台谊消防设备有限公司 | 基于室内人员定位和生理监测的安全防护系统 |
| CN110211700A (zh) * | 2019-06-14 | 2019-09-06 | 成都高鹿科技有限公司 | 一种个体身高预测方法、系统、可读存储介质及终端 |
| CN110660484A (zh) * | 2019-08-01 | 2020-01-07 | 平安科技（深圳）有限公司 | 骨龄预测方法、装置、介质及电子设备 |
| 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 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN112447302A (zh) | 2021-03-05 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN109741309B (zh) | 一种基于深度回归网络的骨龄预测方法及装置 | |
| CN108091372B (zh) | 医疗字段映射校验方法及装置 | |
| WO2020062840A1 (zh) | 一种检测骨龄的方法及装置 | |
| CN109191451B (zh) | 异常检测方法、装置、设备和介质 | |
| CN112274164B (zh) | 脊柱侧弯预测方法、装置、电子设备和存储介质 | |
| CN109146891B (zh) | 一种应用于mri的海马体分割方法、装置及电子设备 | |
| CN110689551B (zh) | 四肢骨分割方法、装置、电子设备及可读存储介质 | |
| CN110648318A (zh) | 用于皮肤病的辅助分析方法及装置、电子设备、存储介质 | |
| CN108765447A (zh) | 一种图像分割方法、图像分割装置及电子设备 | |
| CN108492886B (zh) | 微创手术相似病案推荐方法、装置、设备及介质 | |
| CN114121232A (zh) | 分类模型训练方法、装置、电子设备及存储介质 | |
| CN111460991A (zh) | 异常检测方法、相关设备及可读存储介质 | |
| CN109545370B (zh) | 基于样本处理的病种确定方法、装置及终端 | |
| CN117393109B (zh) | 场景自适应的饮食监控方法、装置、设备及存储介质 | |
| CN110874834A (zh) | 骨龄预测方法、装置、电子设备及可读存储介质 | |
| CN110517747A (zh) | 病理数据处理方法、装置及电子设备 | |
| CN112447302B (zh) | 身高增长速度评价方法及终端设备 | |
| CN111833298B (zh) | 骨骼发育等级检测方法及终端设备 | |
| CN112545493B (zh) | 身高评价方法及终端设备 | |
| CN112465104B (zh) | 身高发育评价方法及终端设备 | |
| CN114359133A (zh) | 基于特征提取的手骨影像分析方法及相关设备 | |
| CN109961431B (zh) | 一种基于概率的骨龄计算方法 | |
| CN117503085B (zh) | 血压数据评估方法、装置、电子设备及存储介质 | |
| WO2020082806A1 (zh) | 基于样本处理的病种确定方法、装置及终端 | |
| CN112734701A (zh) | 眼底病灶检测方法、检测装置及终端设备 |
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 |