CN114903443B - 表征衰老的表观生物学分析方法、系统、设备及存储介质 - Google Patents
表征衰老的表观生物学分析方法、系统、设备及存储介质 Download PDFInfo
- Publication number
- CN114903443B CN114903443B CN202210828608.8A CN202210828608A CN114903443B CN 114903443 B CN114903443 B CN 114903443B CN 202210828608 A CN202210828608 A CN 202210828608A CN 114903443 B CN114903443 B CN 114903443B
- Authority
- CN
- China
- Prior art keywords
- information
- user
- aging
- training
- apparent
- 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
Images
Classifications
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/48—Other medical applications
- A61B5/4857—Indicating the phase of biorhythm
-
- 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
Landscapes
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Engineering & Computer Science (AREA)
- Artificial Intelligence (AREA)
- Physics & Mathematics (AREA)
- Molecular Biology (AREA)
- Biophysics (AREA)
- Animal Behavior & Ethology (AREA)
- Veterinary Medicine (AREA)
- Public Health (AREA)
- General Health & Medical Sciences (AREA)
- Surgery (AREA)
- Medical Informatics (AREA)
- Pathology (AREA)
- Biomedical Technology (AREA)
- Heart & Thoracic Surgery (AREA)
- Fuzzy Systems (AREA)
- Evolutionary Computation (AREA)
- Mathematical Physics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Signal Processing (AREA)
- Psychiatry (AREA)
- Physiology (AREA)
- Investigating Or Analysing Biological Materials (AREA)
Abstract
本申请提供了一种表征衰老的表观生物学分析方法、系统、电子设备及计算机可读存储介质。该方法,包括:获取待分析用户的目标体征信息;其中,目标体征信息包括待分析用户的容貌信息、皮肤信息、毛发信息、晶状体信息、声音信息、牙齿信息、血液指标信息、骨骼影像信息、身高信息、体重信息、体脂率、DNA特征信息中的至少两种;将目标体征信息输入预设的衰老的表观生物学分析模型中,输出对应的衰老的表观生物学测试结果;其中,衰老的表观生物学分析模型是利用训练样本集对神经网络进行模型训练得到的模型;训练样本集中的每一个训练样本包括样本用户的年龄和对应的样本体征信息。根据本申请实施例,能够更加准确地分析用户的衰老程度。
Description
技术领域
本申请属于衰老程度分析领域,尤其涉及一种表征衰老的表观生物学分析方法、系统、电子设备及计算机可读存储介质。
背景技术
衰老的表观检测遵循三个标准:生物标记应该能够预测老化速率;必须能够重复测试而不会伤害人;它可以监测一个或多个生理过程。
人体表观测量学和物理参数变化是衰老的表观生物标志物中最实用的测量参数。在这方面,骨骼状态、皮肤、毛发、晶状体、步行速度,椅架,站立平衡,握力,体重指数,腰围和肌肉质量等等是易于检测的参数。这些表观参数和物理功能测量虽然简单,但在与人口统计学研究中的健康状况的关系方面,实际上可以比DNA等指标能够更好地执行出来。
目前,现有技术中的衰老分析方法主要是单因素分析方法,也即依据用户的某一种体征信息来分析用户的衰老程度,导致无法准确地分析用户的衰老程度。
因此,如何更加准确地分析用户的衰老程度是本领域技术人员亟需解决的技术问题。
发明内容
本申请实施例提供一种表征衰老的表观生物学分析方法、系统、电子设备及计算机可读存储介质,能够更加准确地分析用户的衰老程度。
第一方面,本申请实施例提供一种表征衰老的表观生物学分析方法,包括:
获取待分析用户的目标体征信息;其中,目标体征信息包括待分析用户的容貌信息、皮肤信息、毛发信息、晶状体信息、声音信息、牙齿信息、血液指标信息、骨骼影像信息、身高信息、体重信息、体脂率、DNA特征信息中的至少两种;
将目标体征信息输入预设的衰老的表观生物学分析模型中,输出对应的衰老的表观生物学测试结果;
其中,衰老的表观生物学分析模型是利用训练样本集对神经网络进行模型训练得到的模型;训练样本集中的每一个训练样本包括样本用户的年龄和对应的样本体征信息;样本体征信息所包括的信息种类和目标体征信息所包括的信息种类相同。
进一步地,将目标体征信息输入预设的衰老的表观生物学分析模型中之前,方法还包括:
针对每一个训练样本,将样本用户的年龄和对应的样本体征信息输入神经网络,得到样本用户的衰老的表观生物学测试结果;
基于样本用户的衰老的表观生物学测试结果,判断神经网络是否满足预设训练停止条件;
若神经网络不满足预设训练停止条件,则调整神经网络的模型参数,并利用训练样本集迭代训练调整后的神经网络,直至满足预设训练停止条件,得到衰老的表观生物学分析模型。
进一步地,针对每一个训练样本,将样本用户的年龄和对应的样本体征信息输入神经网络,得到样本用户的衰老的表观生物学测试结果,包括:
针对每一个训练样本,将样本体征信息中的每种信息进行量化,得到对应的量化指标;
将样本用户的年龄和对应的量化指标输入神经网络,得到样本用户的衰老的表观生物学测试结果;
其中,衰老的表观生物学测试结果包括每种量化指标对应的指标权重,每种量化指标对应的指标权重表征各种量化指标之间的相对重要性程度。
进一步地,若神经网络不满足预设训练停止条件,则调整神经网络的模型参数,并利用训练样本集迭代训练调整后的神经网络,直至满足预设训练停止条件,得到衰老的表观生物学分析模型,包括:
若神经网络不满足预设训练停止条件,则调整每种量化指标对应的指标权重,并利用训练样本集迭代训练调整后的神经网络,直至满足预设训练停止条件,得到衰老的表观生物学分析模型。
进一步地,每种量化指标包括至少一种特征要素;每种量化指标对应的指标权重包括每种特征要素对应的要素权重,且以矩阵向量的形式表示;其中,每种特征要素对应的要素权重表征各种特征要素之间的相对重要性程度。
进一步地,若神经网络不满足预设训练停止条件,则调整神经网络的模型参数,并利用训练样本集迭代训练调整后的神经网络,直至满足预设训练停止条件,得到衰老的表观生物学分析模型,包括:
若神经网络不满足预设训练停止条件,则调整每种特征要素对应的要素权重,并利用训练样本集迭代训练调整后的神经网络,直至满足预设训练停止条件,得到衰老的表观生物学分析模型。
进一步地,获取待分析用户的目标体征信息,包括:
扫描采集设备的显示屏上的二维码以启动采集设备;
在采集设备上输入待分析用户的身份信息后,根据显示屏上的操作提示信息进行操作,获取并显示目标体征信息;
其中,获取待分析用户的容貌信息,包括:
在显示屏上显示动作提示信息,以使坐在采集设备中央的待分析用户依据动作提示信息做出对应的动作;其中,动作至少包括眨眼、微笑、张口和摇头;
利用摄像头分别采集不同动作对应的正面容貌信息和双侧面容貌信息;
其中,获取待分析用户的皮肤信息,包括:
利用筒装拍摄装置底部的摄像头,采用目标部位在预设直径范围内的皮肤图像;其中,目标部位至少包括额头、手背、眶周和鼻唇沟;
其中,获取待分析用户的毛发信息,包括:
利用带有齿梳的筒装摄像装置底部的摄像头,采用双侧鬓角的毛发图像;
其中,获取待分析用户的声音信息,包括:
在显示屏上显示预设篇幅的文字,以使待分析用户朗读预设篇幅的文字;
采集朗读预设篇幅的文字过程中的声音信息;
其中,获取待分析用户的身高信息、体重信息、体脂率,包括:
在待分析用户站立状态下,测量待分析用户的身高和体重;
在待分析用户手持电极的情况下,测量待分析用户的体脂率;
其中,获取待分析用户的血液指标信息,包括:
在显示屏上显示扫码提示信息,以使待分析用户扫描二维码,上传血液指标的化验单;其中,血液指标的化验单至少包括血常规、肝肾功能;
其中,获取待分析用户的骨骼影像信息,包括:
在显示屏上显示操作提示信息,以使待分析用户上传颈椎侧位X片、腰椎侧位X片和膝关节侧位片;
其中,获取待分析用户的牙齿信息,包括:
在显示屏上显示操作提示信息,以使待分析用户在摄像头前展示牙齿;
利用摄像头对牙齿进行拍摄,获得牙齿图像。
第二方面,本申请实施例提供了一种表征衰老的表观生物学分析系统,包括:
信息获取模块,用于获取待分析用户的目标体征信息;其中,目标体征信息包括待分析用户的容貌信息、皮肤信息、毛发信息、晶状体信息、声音信息、牙齿信息、血液指标信息、骨骼影像信息、身高信息、体重信息、体脂率、DNA特征信息中的至少两种;
衰老的表观生物学测试结果输出模块,用于将目标体征信息输入预设的衰老的表观生物学分析模型中,输出对应的衰老的表观生物学测试结果;
其中,衰老的表观生物学分析模型是利用训练样本集对神经网络进行模型训练得到的模型;训练样本集中的每一个训练样本包括样本用户的年龄和对应的样本体征信息;样本体征信息所包括的信息种类和目标体征信息所包括的信息种类相同。
进一步地,系统还包括:
模型训练模块,用于针对每一个训练样本,将样本用户的年龄和对应的样本体征信息输入神经网络,得到样本用户的衰老的表观生物学测试结果;基于样本用户的衰老的表观生物学测试结果,判断神经网络是否满足预设训练停止条件;若神经网络不满足预设训练停止条件,则调整神经网络的模型参数,并利用训练样本集迭代训练调整后的神经网络,直至满足预设训练停止条件,得到衰老的表观生物学分析模型。
进一步地,模型训练模块,用于:针对每一个训练样本,将样本体征信息中的每种信息进行量化,得到对应的量化指标;将样本用户的年龄和对应的量化指标输入神经网络,得到样本用户的衰老的表观生物学测试结果;其中,衰老的表观生物学测试结果包括每种量化指标对应的指标权重,每种量化指标对应的指标权重表征各种量化指标之间的相对重要性程度。
进一步地,模型训练模块,用于:若神经网络不满足预设训练停止条件,则调整每种量化指标对应的指标权重,并利用训练样本集迭代训练调整后的神经网络,直至满足预设训练停止条件,得到衰老的表观生物学分析模型。
进一步地,每种量化指标包括至少一种特征要素;每种量化指标对应的指标权重包括每种特征要素对应的要素权重,且以矩阵向量的形式表示;其中,每种特征要素对应的要素权重表征各种特征要素之间的相对重要性程度。
进一步地,模型训练模块,用于:若神经网络不满足预设训练停止条件,则调整每种特征要素对应的要素权重,并利用训练样本集迭代训练调整后的神经网络,直至满足预设训练停止条件,得到衰老的表观生物学分析模型。
进一步地,信息获取模块,用于:
扫描采集设备的显示屏上的二维码以启动采集设备;
在采集设备上输入待分析用户的身份信息后,根据显示屏上的操作提示信息进行操作,获取并显示目标体征信息;
其中,获取待分析用户的容貌信息,包括:
在显示屏上显示动作提示信息,以使坐在采集设备中央的待分析用户依据动作提示信息做出对应的动作;其中,动作至少包括眨眼、微笑、张口和摇头;
利用摄像头分别采集不同动作对应的正面容貌信息和双侧面容貌信息;
其中,获取待分析用户的皮肤信息,包括:
利用筒装拍摄装置底部的摄像头,采用目标部位在预设直径范围内的皮肤图像;其中,目标部位至少包括额头、手背、眶周和鼻唇沟;
其中,获取待分析用户的毛发信息,包括:
利用带有齿梳的筒装摄像装置底部的摄像头,采用双侧鬓角的毛发图像;
其中,获取待分析用户的声音信息,包括:
在显示屏上显示预设篇幅的文字,以使待分析用户朗读预设篇幅的文字;
采集朗读预设篇幅的文字过程中的声音信息;
其中,获取待分析用户的身高信息、体重信息、体脂率,包括:
在待分析用户站立状态下,测量待分析用户的身高和体重;
在待分析用户手持电极的情况下,测量待分析用户的体脂率;
其中,获取待分析用户的血液指标信息,包括:
在显示屏上显示扫码提示信息,以使待分析用户扫描二维码,上传血液指标的化验单;其中,血液指标的化验单至少包括血常规、肝肾功能;
其中,获取待分析用户的骨骼影像信息,包括:
在显示屏上显示操作提示信息,以使待分析用户上传颈椎侧位X片、腰椎侧位X片和膝关节侧位片;
其中,获取待分析用户的牙齿信息,包括:
在显示屏上显示操作提示信息,以使待分析用户在摄像头前展示牙齿;
利用摄像头对牙齿进行拍摄,获得牙齿图像。
第三方面,本申请实施例提供了一种电子设备,电子设备包括:处理器以及存储有计算机程序指令的存储器;
处理器执行计算机程序指令时实现如第一方面所示的表征衰老的表观生物学分析方法。
第四方面,本申请实施例提供了一种计算机可读存储介质,计算机可读存储介质上存储有计算机程序指令,计算机程序指令被处理器执行时实现如第一方面所示的表征衰老的表观生物学分析方法。
本申请实施例的表征衰老的表观生物学分析方法、系统、电子设备及计算机可读存储介质,能够更加准确地分析用户的衰老程度。
该表征衰老的表观生物学分析方法,获取待分析用户的目标体征信息;将目标体征信息输入预设的衰老的表观生物学分析模型中,输出对应的衰老的表观生物学测试结果。由于该目标体征信息包括待分析用户的容貌信息、皮肤信息、毛发信息、晶状体信息、声音信息、牙齿信息、血液指标信息、骨骼影像信息、身高信息、体重信息、体脂率、DNA特征信息中的至少两种,而且将目标体征信息输入已经训练好的衰老的表观生物学分析模型中进行分析,也即将多种体征信息输入已经训练好的衰老的表观生物学分析模型中进行分析,相比于现有技术中的单因素分析方法,本申请能够更加准确地分析用户的衰老程度。
附图说明
为了更清楚地说明本发明具体实施方式或现有技术中的技术方案,下面将对具体实施方式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,下面描述中的附图是本申请的一些实施方式,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1是本申请一个实施例提供的表征衰老的表观生物学分析方法的流程示意图;
图2是本申请一个实施例提供的采集设备的结构示意图;
图3是本申请一个实施例提供的表征衰老的表观生物学分析系统的结构示意图;
图4是本申请一个实施例提供的电子设备的结构示意图。
具体实施方式
下面将详细描述本申请的各个方面的特征和示例性实施例,为了使本申请的目的、技术方案及优点更加清楚明白,以下结合附图及具体实施例,对本申请进行进一步详细描述。应理解,此处所描述的具体实施例仅意在解释本申请,而不是限定本申请。对于本领域技术人员来说,本申请可以在不需要这些具体细节中的一些细节的情况下实施。下面对实施例的描述仅仅是为了通过示出本申请的示例来提供对本申请更好的理解。
需要说明的是,在本文中,诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来,而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且,术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下,由语句“包括……”限定的要素,并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。
目前,现有技术中的衰老分析方法主要是单因素分析方法,也即依据用户的某一种体征信息来分析用户的衰老程度,导致无法准确地分析用户的衰老程度。
为了解决现有技术问题,本申请实施例提供了一种表征衰老的表观生物学分析方法、系统、电子设备及计算机可读存储介质。下面首先对本申请实施例所提供的表征衰老的表观生物学分析方法进行介绍。
图1示出了本申请一个实施例提供的表征衰老的表观生物学分析方法的流程示意图。如图1所示,该表征衰老的表观生物学分析方法,包括:
S101、获取待分析用户的目标体征信息;其中,目标体征信息包括待分析用户的容貌信息、皮肤信息、毛发信息、晶状体信息、声音信息、牙齿信息、血液指标信息、骨骼影像信息、身高信息、体重信息、体脂率、DNA特征信息中的至少两种;
为了获取更加准确的目标体征信息,在一个实施例中,获取待分析用户的目标体征信息,包括:
扫描采集设备的显示屏上的二维码以启动采集设备;采集设备的设备尺寸可以为1.2m×1.2m×2.2m;该采集设备的结构示意图可如图2所示,采集设备的显示屏即为图2中所示的触摸屏;
在采集设备上输入待分析用户的身份信息后,根据显示屏上的操作提示信息进行操作,获取并显示目标体征信息。
其中,获取待分析用户的容貌信息,包括:
在显示屏上显示动作提示信息,以使坐在采集设备中央的待分析用户依据动作提示信息做出对应的动作;其中,动作至少包括眨眼、微笑、张口和摇头;
利用摄像头分别采集不同动作对应的正面容貌信息和双侧面容貌信息。
其中,获取待分析用户的皮肤信息,包括:
利用筒装拍摄装置底部的摄像头,采用目标部位在预设直径范围内的皮肤图像;其中,目标部位至少包括额头、手背、眶周和鼻唇沟;筒装拍摄装置直径可以为50mm,高度可以为70mm,相应的,预设直径范围为直径50mm范围。
其中,获取待分析用户的毛发信息,包括:
利用带有齿梳的筒装摄像装置底部的摄像头,采用双侧鬓角的毛发图像;其中,筒装摄像装置为筒口蚕豆型,高度为50mm,筒口带有齿梳,梳平头发压住装置进行图像采集,即为图2中所示的头发扫描。
其中,获取待分析用户的声音信息,包括:
在显示屏上显示预设篇幅的文字,以使待分析用户朗读预设篇幅的文字;其中,预设篇幅的文字可以为朗读时间为15秒的文字内容;
采集朗读预设篇幅的文字过程中的声音信息。该声音信息具体可以通过图2中所示的麦克风进行采集。
其中,获取待分析用户的身高信息、体重信息、体脂率,包括:
在待分析用户站立状态下,测量待分析用户的身高和体重;
其中,测量待分析用户的身高可以通过图2中所示的激光测高的方式;
在待分析用户手持电极的情况下,测量待分析用户的体脂率;其中,电极可为图2中所示的体脂电极。
其中,获取待分析用户的血液指标信息,包括:
在显示屏上显示扫码提示信息,以使待分析用户扫描二维码,上传血液指标的化验单;其中,血液指标的化验单至少包括血常规、肝肾功能。
其中,获取待分析用户的骨骼影像信息,包括:
在显示屏上显示操作提示信息,以使待分析用户上传颈椎侧位X片、腰椎侧位X片和膝关节侧位片。
其中,获取待分析用户的牙齿信息,包括:
在显示屏上显示操作提示信息,以使待分析用户在摄像头前展示牙齿;
利用摄像头对牙齿进行拍摄,获得牙齿图像。
S102、将目标体征信息输入预设的衰老的表观生物学分析模型中,输出对应的衰老的表观生物学测试结果;其中,衰老的表观生物学分析模型是利用训练样本集对神经网络进行模型训练得到的模型;训练样本集中的每一个训练样本包括样本用户的年龄和对应的样本体征信息;样本体征信息所包括的信息种类和目标体征信息所包括的信息种类相同。
该表征衰老的表观生物学分析方法,获取待分析用户的目标体征信息;将目标体征信息输入预设的衰老的表观生物学分析模型中,输出对应的衰老的表观生物学测试结果。由于该目标体征信息包括待分析用户的容貌信息、皮肤信息、毛发信息、晶状体信息、声音信息、牙齿信息、血液指标信息、骨骼影像信息、身高信息、体重信息、体脂率、DNA特征信息中的至少两种,而且将目标体征信息输入已经训练好的衰老的表观生物学分析模型中进行分析,也即将多种体征信息输入已经训练好的衰老的表观生物学分析模型中进行分析,相比于现有技术中的单因素分析方法,本申请能够更加准确地分析用户的衰老程度。
为了得到能够更加准确地分析用户的衰老程度的衰老的表观生物学分析模型,在一个实施例中,在将目标体征信息输入预设的衰老的表观生物学分析模型中之前,该方法还包括:
针对每一个训练样本,将样本用户的年龄和对应的样本体征信息输入神经网络,得到样本用户的衰老的表观生物学测试结果;
基于样本用户的衰老的表观生物学测试结果,判断神经网络是否满足预设训练停止条件;
若神经网络不满足预设训练停止条件,则调整神经网络的模型参数,并利用训练样本集迭代训练调整后的神经网络,直至满足预设训练停止条件,得到衰老的表观生物学分析模型。
该实施例利用训练样本集对神经网络进行模型训练,并在训练的过程中判断神经网络是否满足预设训练停止条件。若神经网络不满足预设训练停止条件,则调整神经网络的模型参数,并利用训练样本集迭代训练调整后的神经网络,直至满足预设训练停止条件,故最终能够得到更加准确地分析用户的衰老程度的衰老的表观生物学分析模型。
为了能够更加准确地分析用户的衰老程度,在一个实施例中,针对每一个训练样本,将样本用户的年龄和对应的样本体征信息输入神经网络,得到样本用户的衰老的表观生物学测试结果,包括:
针对每一个训练样本,将样本体征信息中的每种信息进行量化,得到对应的量化指标;
将样本用户的年龄和对应的量化指标输入神经网络,得到样本用户的衰老的表观生物学测试结果;
其中,衰老的表观生物学测试结果包括每种量化指标对应的指标权重,每种量化指标对应的指标权重表征各种量化指标之间的相对重要性程度。
该实施例中的衰老的表观生物学测试结果包括每种量化指标对应的指标权重,能够更加准确地分析用户的衰老程度。
进一步地,为了得到能够更加准确地分析用户的衰老程度的衰老的表观生物学分析模型,在一个实施例中,若神经网络不满足预设训练停止条件,则调整神经网络的模型参数,并利用训练样本集迭代训练调整后的神经网络,直至满足预设训练停止条件,得到衰老的表观生物学分析模型,包括:
若神经网络不满足预设训练停止条件,则调整每种量化指标对应的指标权重,并利用训练样本集迭代训练调整后的神经网络,直至满足预设训练停止条件,得到衰老的表观生物学分析模型。
在该实施例中,若神经网络不满足预设训练停止条件,则调整每种量化指标对应的指标权重,然后再继续迭代训练,直至满足预设训练停止条件,故能够得到更加准确地分析用户的衰老程度的衰老的表观生物学分析模型。
为了对量化指标进行进一步地精细化,在一个实施例中,每种量化指标包括至少一种特征要素;每种量化指标对应的指标权重包括每种特征要素对应的要素权重,且以矩阵向量的形式表示;其中,每种特征要素对应的要素权重表征各种特征要素之间的相对重要性程度。
该实施例将每种量化指标精细化成至少一种特征要素,且每种特征要素均具有对应的要素权重,基于这些要素权重构建矩阵向量,便可得到对应的指标权重。
进一步地,为了得到能够更加准确地分析用户的衰老程度的衰老的表观生物学分析模型,在一个实施例中,若神经网络不满足预设训练停止条件,则调整神经网络的模型参数,并利用训练样本集迭代训练调整后的神经网络,直至满足预设训练停止条件,得到衰老的表观生物学分析模型,包括:
若神经网络不满足预设训练停止条件,则调整每种特征要素对应的要素权重,并利用训练样本集迭代训练调整后的神经网络,直至满足预设训练停止条件,得到衰老的表观生物学分析模型。
在该实施例中,若神经网络不满足预设训练停止条件,则调整每种特征要素对应的要素权重,然后再继续迭代训练,直至满足预设训练停止条件,故能够得到更加准确地分析用户的衰老程度的衰老的表观生物学分析模型。
图3示出了本申请实施例提供的表征衰老的表观生物学分析系统的结构示意图。如图3所示,该表征衰老的表观生物学分析系统,包括:
信息获取模块301,用于获取待分析用户的目标体征信息;其中,目标体征信息包括待分析用户的容貌信息、皮肤信息、毛发信息、晶状体信息、声音信息、牙齿信息、血液指标信息、骨骼影像信息、身高信息、体重信息、体脂率、DNA特征信息中的至少两种;
衰老的表观生物学测试结果输出模块302,用于将目标体征信息输入预设的衰老的表观生物学分析模型中,输出对应的衰老的表观生物学测试结果;
其中,衰老的表观生物学分析模型是利用训练样本集对神经网络进行模型训练得到的模型;训练样本集中的每一个训练样本包括样本用户的年龄和对应的样本体征信息;样本体征信息所包括的信息种类和目标体征信息所包括的信息种类相同。
在一个实施例中,该系统还包括:
模型训练模块,用于针对每一个训练样本,将样本用户的年龄和对应的样本体征信息输入神经网络,得到样本用户的衰老的表观生物学测试结果;基于样本用户的衰老的表观生物学测试结果,判断神经网络是否满足预设训练停止条件;若神经网络不满足预设训练停止条件,则调整神经网络的模型参数,并利用训练样本集迭代训练调整后的神经网络,直至满足预设训练停止条件,得到衰老的表观生物学分析模型。
在一个实施例中,模型训练模块,用于:针对每一个训练样本,将样本体征信息中的每种信息进行量化,得到对应的量化指标;将样本用户的年龄和对应的量化指标输入神经网络,得到样本用户的衰老的表观生物学测试结果;其中,衰老的表观生物学测试结果包括每种量化指标对应的指标权重,每种量化指标对应的指标权重表征各种量化指标之间的相对重要性程度。
在一个实施例中,模型训练模块,用于:若神经网络不满足预设训练停止条件,则调整每种量化指标对应的指标权重,并利用训练样本集迭代训练调整后的神经网络,直至满足预设训练停止条件,得到衰老的表观生物学分析模型。
在一个实施例中,每种量化指标包括至少一种特征要素;每种量化指标对应的指标权重包括每种特征要素对应的要素权重,且以矩阵向量的形式表示;其中,每种特征要素对应的要素权重表征各种特征要素之间的相对重要性程度。
在一个实施例中,模型训练模块,用于:若神经网络不满足预设训练停止条件,则调整每种特征要素对应的要素权重,并利用训练样本集迭代训练调整后的神经网络,直至满足预设训练停止条件,得到衰老的表观生物学分析模型。
在一个实施例中,信息获取模块301,用于:
扫描采集设备的显示屏上的二维码以启动采集设备;
在采集设备上输入待分析用户的身份信息后,根据显示屏上的操作提示信息进行操作,获取并显示目标体征信息;
其中,获取待分析用户的容貌信息,包括:
在显示屏上显示动作提示信息,以使坐在采集设备中央的待分析用户依据动作提示信息做出对应的动作;其中,动作至少包括眨眼、微笑、张口和摇头;
利用摄像头分别采集不同动作对应的正面容貌信息和双侧面容貌信息;
其中,获取待分析用户的皮肤信息,包括:
利用筒装拍摄装置底部的摄像头,采用目标部位在预设直径范围内的皮肤图像;其中,目标部位至少包括额头、手背、眶周和鼻唇沟;
其中,获取待分析用户的毛发信息,包括:
利用带有齿梳的筒装摄像装置底部的摄像头,采用双侧鬓角的毛发图像;
其中,获取待分析用户的声音信息,包括:
在显示屏上显示预设篇幅的文字,以使待分析用户朗读预设篇幅的文字;
采集朗读预设篇幅的文字过程中的声音信息;
其中,获取待分析用户的身高信息、体重信息、体脂率,包括:
在待分析用户站立状态下,测量待分析用户的身高和体重;
在待分析用户手持电极的情况下,测量待分析用户的体脂率;
其中,获取待分析用户的血液指标信息,包括:
在显示屏上显示扫码提示信息,以使待分析用户扫描二维码,上传血液指标的化验单;其中,血液指标的化验单至少包括血常规、肝肾功能;
其中,获取待分析用户的骨骼影像信息,包括:
在显示屏上显示操作提示信息,以使待分析用户上传颈椎侧位X片、腰椎侧位X片和膝关节侧位片;
其中,获取待分析用户的牙齿信息,包括:
在显示屏上显示操作提示信息,以使待分析用户在摄像头前展示牙齿;
利用摄像头对牙齿进行拍摄,获得牙齿图像。
图3所示系统中的各个模块/单元具有实现图1中各个步骤的功能,并能达到其相应的技术效果,为简洁描述,在此不再赘述。
图4示出了本申请实施例提供的电子设备的结构示意图。
电子设备可以包括处理器401以及存储有计算机程序指令的存储器402。
具体地,上述处理器401可以包括中央处理器(CPU),或者特定集成电路(Application Specific Integrated Circuit ,ASIC),或者可以被配置成实施本申请实施例的一个或多个集成电路。
存储器402可以包括用于数据或指令的大容量存储器。举例来说而非限制,存储器402可包括硬盘驱动器(Hard Disk Drive,HDD)、软盘驱动器、闪存、光盘、磁光盘、磁带或通用串行总线(Universal Serial Bus,USB)驱动器或者两个或更多个以上这些的组合。在合适的情况下,存储器402可包括可移除或不可移除(或固定)的介质。在合适的情况下,存储器402可在电子设备的内部或外部。在特定实施例中,存储器402可以是非易失性固态存储器。
在一个实施例中,存储器402可以是只读存储器(Read Only Memory,ROM)。在一个实施例中,该ROM可以是掩模编程的ROM、可编程ROM(PROM)、可擦除PROM(EPROM)、电可擦除PROM(EEPROM)、电可改写ROM(EAROM)或闪存或者两个或更多个以上这些的组合。
处理器401通过读取并执行存储器402中存储的计算机程序指令,以实现上述实施例中的任意一种表征衰老的表观生物学分析方法。
在一个示例中,电子设备还可包括通信接口403和总线410。其中,如图4所示,处理器401、存储器402、通信接口403通过总线410连接并完成相互间的通信。
通信接口403,主要用于实现本申请实施例中各模块、系统、单元和/或设备之间的通信。
总线410包括硬件、软件或两者,将电子设备的部件彼此耦接在一起。举例来说而非限制,总线可包括加速图形端口(AGP)或其他图形总线、增强工业标准架构(EISA)总线、前端总线(FSB)、超传输(HT)互连、工业标准架构(ISA)总线、无限带宽互连、低引脚数(LPC)总线、存储器总线、微信道架构(MCA)总线、外围组件互连(PCI)总线、PCI-Express(PCI-X)总线、串行高级技术附件(SATA)总线、视频电子标准协会局部(VLB)总线或其他合适的总线或者两个或更多个以上这些的组合。在合适的情况下,总线410可包括一个或多个总线。尽管本申请实施例描述和示出了特定的总线,但本申请考虑任何合适的总线或互连。
另外,结合上述实施例中的表征衰老的表观生物学分析方法,本申请实施例可提供一种计算机可读存储介质来实现。该计算机可读存储介质上存储有计算机程序指令;该计算机程序指令被处理器执行时实现上述实施例中的任意一种表征衰老的表观生物学分析方法。
需要明确的是,本申请并不局限于上文所描述并在图中示出的特定配置和处理。为了简明起见,这里省略了对已知方法的详细描述。在上述实施例中,描述和示出了若干具体的步骤作为示例。但是,本申请的方法过程并不限于所描述和示出的具体步骤,本领域的技术人员可以在领会本申请的精神后,作出各种改变、修改和添加,或者改变步骤之间的顺序。
以上所述的结构框图中所示的功能模块可以实现为硬件、软件、固件或者它们的组合。当以硬件方式实现时,其可以例如是电子电路、专用集成电路(ASIC)、适当的固件、插件、功能卡等等。当以软件方式实现时,本申请的元素是被用于执行所需任务的程序或者代码段。程序或者代码段可以存储在机器可读介质中,或者通过载波中携带的数据信号在传输介质或者通信链路上传送。“机器可读介质”可以包括能够存储或传输信息的任何介质。机器可读介质的例子包括电子电路、半导体存储器设备、ROM、闪存、可擦除ROM(EROM)、软盘、CD-ROM、光盘、硬盘、光纤介质、射频(RF)链路,等等。代码段可以经由诸如因特网、内联网等的计算机网络被下载。
还需要说明的是,本申请中提及的示例性实施例,基于一系列的步骤或者装置描述一些方法或系统。但是,本申请不局限于上述步骤的顺序,也就是说,可以按照实施例中提及的顺序执行步骤,也可以不同于实施例中的顺序,或者若干步骤同时执行。
上面参考根据本申请的实施例的方法、系统和计算机程序产品的流程图和/或框图描述了本申请的各方面。应当理解,流程图和/或框图中的每个方框以及流程图和/或框图中各方框的组合可以由计算机程序指令实现。这些计算机程序指令可被提供给通用计算机、专用计算机、或其它可编程数据处理系统的处理器,以产生一种机器,使得经由计算机或其它可编程数据处理系统的处理器执行的这些指令使能对流程图和/或框图的一个或多个方框中指定的功能/动作的实现。这种处理器可以是但不限于是通用处理器、专用处理器、特殊应用处理器或者现场可编程逻辑电路。还可理解,框图和/或流程图中的每个方框以及框图和/或流程图中的方框的组合,也可以由执行指定的功能或动作的专用硬件来实现,或可由专用硬件和计算机指令的组合来实现。
以上所述,仅为本申请的具体实施方式,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,上述描述的系统、模块和单元的具体工作过程,可以参考前述方法实施例中的对应过程,在此不再赘述。应理解,本申请的保护范围并不局限于此,任何熟悉本技术领域的技术人员在本申请揭露的技术范围内,可轻易想到各种等效的修改或替换,这些修改或替换都应涵盖在本申请的保护范围之内。
Claims (6)
1.一种表征衰老的表观生物学分析方法,其特征在于,包括:
获取待分析用户的目标体征信息;其中,所述目标体征信息包括所述待分析用户的容貌信息、皮肤信息、毛发信息、晶状体信息、声音信息、牙齿信息、血液指标信息、骨骼影像信息、身高信息、体重信息、体脂率、DNA特征信息中的至少两种;
将所述目标体征信息输入预设的衰老的表观生物学分析模型中,输出对应的衰老的表观生物学测试结果;
其中,所述衰老的表观生物学分析模型是利用训练样本集对神经网络进行模型训练得到的模型;所述训练样本集中的每一个训练样本包括样本用户的年龄和对应的样本体征信息;所述样本体征信息所包括的信息种类和所述目标体征信息所包括的信息种类相同;
将所述目标体征信息输入预设的衰老的表观生物学分析模型中之前,所述方法还包括:
针对每一个所述训练样本,将所述样本用户的年龄和对应的样本体征信息输入所述神经网络,得到所述样本用户的衰老的表观生物学测试结果;
基于所述样本用户的衰老的表观生物学测试结果,判断所述神经网络是否满足预设训练停止条件;
若所述神经网络不满足所述预设训练停止条件,则调整所述神经网络的模型参数,并利用所述训练样本集迭代训练调整后的神经网络,直至满足所述预设训练停止条件,得到所述衰老的表观生物学分析模型;
所述针对每一个所述训练样本,将所述样本用户的年龄和对应的样本体征信息输入所述神经网络,得到所述样本用户的衰老的表观生物学测试结果,包括:
针对每一个所述训练样本,将所述样本体征信息中的每种信息进行量化,得到对应的量化指标;
将所述样本用户的所述年龄和对应的量化指标输入所述神经网络,得到所述样本用户的所述衰老的表观生物学测试结果;
其中,所述衰老的表观生物学测试结果包括每种所述量化指标对应的指标权重,每种所述量化指标对应的指标权重表征各种所述量化指标之间的相对重要性程度;
所述若所述神经网络不满足所述预设训练停止条件,则调整所述神经网络的模型参数,并利用所述训练样本集迭代训练调整后的神经网络,直至满足所述预设训练停止条件,得到所述衰老的表观生物学分析模型,包括:
若所述神经网络不满足所述预设训练停止条件,则调整每种所述量化指标对应的指标权重,并利用所述训练样本集迭代训练调整后的神经网络,直至满足所述预设训练停止条件,得到所述衰老的表观生物学分析模型;
每种所述量化指标包括至少一种特征要素;每种所述量化指标对应的指标权重包括每种所述特征要素对应的要素权重,且以矩阵向量的形式表示;其中,每种所述特征要素对应的要素权重表征各种所述特征要素之间的相对重要性程度。
2.根据权利要求1所述的表征衰老的表观生物学分析方法,其特征在于,所述若所述神经网络不满足所述预设训练停止条件,则调整所述神经网络的模型参数,并利用所述训练样本集迭代训练调整后的神经网络,直至满足所述预设训练停止条件,得到所述衰老的表观生物学分析模型,包括:
若所述神经网络不满足所述预设训练停止条件,则调整每种所述特征要素对应的要素权重,并利用所述训练样本集迭代训练调整后的神经网络,直至满足所述预设训练停止条件,得到所述衰老的表观生物学分析模型。
3.根据权利要求1至2任一项所述的表征衰老的表观生物学分析方法,其特征在于,所述获取待分析用户的目标体征信息,包括:
扫描采集设备的显示屏上的二维码以启动所述采集设备;
在所述采集设备上输入所述待分析用户的身份信息后,根据所述显示屏上的操作提示信息进行操作,获取并显示所述目标体征信息;
其中,获取待分析用户的容貌信息,包括:
在所述显示屏上显示动作提示信息,以使坐在所述采集设备中央的所述待分析用户依据所述动作提示信息做出对应的动作;其中,所述动作至少包括眨眼、微笑、张口和摇头;
利用摄像头分别采集不同动作对应的正面容貌信息和双侧面容貌信息;
其中,获取待分析用户的皮肤信息,包括:
利用筒装拍摄装置底部的摄像头,采用目标部位在预设直径范围内的皮肤图像;其中,所述目标部位至少包括额头、手背、眶周和鼻唇沟;
其中,获取待分析用户的毛发信息,包括:
利用带有齿梳的筒装摄像装置底部的摄像头,采用双侧鬓角的毛发图像;
其中,获取待分析用户的声音信息,包括:
在所述显示屏上显示预设篇幅的文字,以使所述待分析用户朗读所述预设篇幅的文字;
采集朗读所述预设篇幅的文字过程中的声音信息;
其中,获取待分析用户的身高信息、体重信息、体脂率,包括:
在所述待分析用户站立状态下,测量所述待分析用户的身高和体重;
在所述待分析用户手持电极的情况下,测量所述待分析用户的体脂率;
其中,获取待分析用户的血液指标信息,包括:
在所述显示屏上显示扫码提示信息,以使所述待分析用户扫描二维码,上传血液指标的化验单;其中,所述血液指标的化验单至少包括血常规、肝肾功能;
其中,获取待分析用户的骨骼影像信息,包括:
在所述显示屏上显示操作提示信息,以使所述待分析用户上传颈椎侧位X片、腰椎侧位X片和膝关节侧位片;
其中,获取待分析用户的牙齿信息,包括:
在所述显示屏上显示操作提示信息,以使所述待分析用户在摄像头前展示牙齿;
利用所述摄像头对牙齿进行拍摄,获得牙齿图像。
4.一种表征衰老的表观生物学分析系统,其特征在于,包括:
信息获取模块,用于获取待分析用户的目标体征信息;其中,所述目标体征信息包括所述待分析用户的容貌信息、皮肤信息、毛发信息、晶状体信息、声音信息、牙齿信息、血液指标信息、骨骼影像信息、身高信息、体重信息、体脂率、DNA特征信息中的至少两种;
衰老的表观生物学测试结果输出模块,用于将所述目标体征信息输入预设的衰老的表观生物学分析模型中,输出对应的衰老的表观生物学测试结果;
其中,所述衰老的表观生物学分析模型是利用训练样本集对神经网络进行模型训练得到的模型;所述训练样本集中的每一个训练样本包括样本用户的年龄和对应的样本体征信息;所述样本体征信息所包括的信息种类和所述目标体征信息所包括的信息种类相同;
系统还包括:模型训练模块,用于针对每一个训练样本,将样本用户的年龄和对应的样本体征信息输入神经网络,得到样本用户的衰老的表观生物学测试结果;基于样本用户的衰老的表观生物学测试结果,判断神经网络是否满足预设训练停止条件;若神经网络不满足预设训练停止条件,则调整神经网络的模型参数,并利用训练样本集迭代训练调整后的神经网络,直至满足预设训练停止条件,得到衰老的表观生物学分析模型;
模型训练模块,用于:针对每一个训练样本,将样本体征信息中的每种信息进行量化,得到对应的量化指标;将样本用户的年龄和对应的量化指标输入神经网络,得到样本用户的衰老的表观生物学测试结果;其中,衰老的表观生物学测试结果包括每种量化指标对应的指标权重,每种量化指标对应的指标权重表征各种量化指标之间的相对重要性程度;
模型训练模块,用于:若神经网络不满足预设训练停止条件,则调整每种量化指标对应的指标权重,并利用训练样本集迭代训练调整后的神经网络,直至满足预设训练停止条件,得到衰老的表观生物学分析模型;
每种量化指标包括至少一种特征要素;每种量化指标对应的指标权重包括每种特征要素对应的要素权重,且以矩阵向量的形式表示;其中,每种特征要素对应的要素权重表征各种特征要素之间的相对重要性程度。
5.一种电子设备,其特征在于,所述电子设备包括:处理器以及存储有计算机程序指令的存储器;
所述处理器执行所述计算机程序指令时实现如权利要求1-3任意一项所述的表征衰老的表观生物学分析方法。
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上存储有计算机程序指令,所述计算机程序指令被处理器执行时实现如权利要求1-3任意一项所述的表征衰老的表观生物学分析方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210828608.8A CN114903443B (zh) | 2022-07-15 | 2022-07-15 | 表征衰老的表观生物学分析方法、系统、设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210828608.8A CN114903443B (zh) | 2022-07-15 | 2022-07-15 | 表征衰老的表观生物学分析方法、系统、设备及存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN114903443A CN114903443A (zh) | 2022-08-16 |
CN114903443B true CN114903443B (zh) | 2022-12-13 |
Family
ID=82771862
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210828608.8A Active CN114903443B (zh) | 2022-07-15 | 2022-07-15 | 表征衰老的表观生物学分析方法、系统、设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114903443B (zh) |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2020008192A2 (en) * | 2018-07-03 | 2020-01-09 | Chronomics Limited | Phenotype prediction |
WO2021081418A1 (en) * | 2019-10-25 | 2021-04-29 | Ellipsis Health, Inc. | Acoustic and natural language processing models for speech-based screening and monitoring of behavioral health conditions |
CN113838531A (zh) * | 2021-09-19 | 2021-12-24 | 复旦大学 | 一种基于转录组数据和机器学习策略评估细胞衰老程度的方法 |
Family Cites Families (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20150359483A1 (en) * | 2013-09-13 | 2015-12-17 | Genocosmetics Lab Sl | Methods and systems for improving perceived age based on phenotypic and genetic features of the skin |
US10325673B2 (en) * | 2017-07-25 | 2019-06-18 | Insilico Medicine, Inc. | Deep transcriptomic markers of human biological aging and methods of determining a biological aging clock |
WO2019147725A1 (en) * | 2018-01-23 | 2019-08-01 | Spring Discovery, Inc. | Methods and systems for determining the biological age of samples |
WO2019166859A1 (en) * | 2018-03-01 | 2019-09-06 | Barreto Nogueira Adriano | Determination or prediction of biological age, rate of aging, or disease installation or outcome by monitoring of the cyclic variation of temperature or other body parameters |
-
2022
- 2022-07-15 CN CN202210828608.8A patent/CN114903443B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2020008192A2 (en) * | 2018-07-03 | 2020-01-09 | Chronomics Limited | Phenotype prediction |
WO2021081418A1 (en) * | 2019-10-25 | 2021-04-29 | Ellipsis Health, Inc. | Acoustic and natural language processing models for speech-based screening and monitoring of behavioral health conditions |
CN113838531A (zh) * | 2021-09-19 | 2021-12-24 | 复旦大学 | 一种基于转录组数据和机器学习策略评估细胞衰老程度的方法 |
Also Published As
Publication number | Publication date |
---|---|
CN114903443A (zh) | 2022-08-16 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
KR101386649B1 (ko) | 사용자의 상태 적용 게임 장치 및 그 게임 제공 방법 | |
US20190046067A1 (en) | Exercise guidance method and exercise guidance device | |
CN115862868A (zh) | 心理测评系统、平台、电子设备及存储介质 | |
JP3755005B1 (ja) | 自律神経活動評価装置 | |
CN108492886B (zh) | 微创手术相似病案推荐方法、装置、设备及介质 | |
CN115844696A (zh) | 一种视觉训练方案的生成方法、装置、终端设备和介质 | |
CN114903443B (zh) | 表征衰老的表观生物学分析方法、系统、设备及存储介质 | |
JP6782006B2 (ja) | 脳情報解析装置及び脳健康指標演算装置 | |
Yang et al. | Artificial intelligence-assisted smartphone-based sensing for bioanalytical applications: A review | |
Minkin | Including Information-Physical Quantities of Personality Traits into the International System of Units (SI) | |
CN116458887A (zh) | 一种儿童多动症监测与训练方法、装置及设备 | |
CN115089147A (zh) | 一种血压测量装置 | |
WO2020196812A1 (ja) | 情報提供システム、情報提供プログラム、及びコンピュータ読み取り可能な非一時的記憶媒体 | |
CN115223232A (zh) | 一种眼健康综合管理系统 | |
Khurshid et al. | Image processing to quantitate hemoglobin level for diagnostic support | |
CN112991335A (zh) | 一种想像能力评估方法、系统及可读存储介质 | |
CN112233797A (zh) | 一种健康管理方法、装置以及计算机可读存储介质 | |
CN113100736A (zh) | 脑血流自主神经障碍评估装置、系统及存储介质 | |
KR20180026294A (ko) | 상품의 사용성 평가를 위한 예비 평가 시스템 및 방법 | |
CN109480757A (zh) | 视功能检测方法和系统及装置 | |
CN111820869A (zh) | 一种认知评估方法及装置 | |
EP2403399A2 (en) | Method of recognizing the risk of preterm birth consisting in observing the uterine activity based on the analysis of uterine contractions and arrangement for performing thereof | |
Raghav et al. | Autism Spectrum Disorder Detection in Children Using Transfer Learning Techniques | |
CN116798635B (zh) | 运动功能障碍程度评价模型、评价装置及评价系统 | |
CN117257303B (zh) | 一种焦虑检测方法、装置、电子设备及存储介质 |
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 |