基于大数据的青少年骨龄数据管理方法及异常预警方法与流程

1.本发明属于骨龄预测技术领域，具体涉及一种基于大数据的青少年骨龄 数据管理方法及异常预警方法。


背景技术：

[0002]“骨龄”是骨骼年龄的简称，是青少年儿童骨骼发育水平同骨发育标准 比较而得出的发育年龄，它比年龄、身高、体重更能精确的反映出身体的成 熟程度，更加准确地反映个体的生长发育水平和成熟程度。骨龄在身高预测， 运动员选拔，以及医疗健康领域都有广泛的运用，对骨龄进行定量测定的方 法称之为骨龄预测。骨龄预测分为传统人工骨龄预测法，基于机器学习的骨 龄预测方法，以及近期涌现的关于深度学习的骨龄预测方法。
[0003]
骨龄评估(bone age assessment，baa)为小儿科医师常用以判读儿童生长 发育的常规检查，其通过分析不同生长阶段时骨骼的不同型态表现，并参照 人体骨骼的连续性与阶段性的发育状态，进而准确地评估个体的生长发育水 平和成熟程度，并可进一步评估与预测受试儿童的生长发育潜力以及性成熟 的趋势。公知的骨龄评估方式系利用低剂量的x光摄影方式取得受试者的左 手或右手的指骨、掌骨与腕骨的x光影像，并将前述的x光影像通过greulichand pyle(g-p)方法与tanner-whitehouse(tw)方法而以图谱比对的方式进行骨 龄评估。g-p方法在操作上是以人工方式将受试者手骨的原始x光影像与数 据库中的手骨x光片影像依据不同年龄区间进行一对一的比对，而tw方法 则是取左手掌与左手腕的手骨x光影像中二十个感兴趣区域(regions ofinterests，roi)进行逐一比对分析，并将手骨的发育状况分成九个成熟等级， 以进行后续的评估。
[0004]
然而，由于当前家长的对骨龄发育对孩子身高影响的认识不足，并且骨 龄评估需要对孩子手骨进行x光摄影，程序较为繁琐，因此大量存在骨龄发 育问题的青少年并不能及时被发现，从而错过青少年身高增长的黄金时期。
[0005]
因此，如何发展出一种快速检测的骨龄评估系统，对现阶段社会需求来 说，具有较高的实际意义。


技术实现要素：

[0006]
本发明的目的在于提供一种基于大数据的青少年骨龄数据管理方法及异 常预警方法，通过青少年日常采集的骨龄相关信息，在不需要x光摄影的前 提下，对青少年骨龄异常发育进行预警，从而引起骨龄异常的青少年家长的 关注，及早发现青少年的骨龄异常。
[0007]
为了实现所述目的，本发明提供如下技术方案：
[0008]
本发明提供了一种基于大数据的青少年骨龄数据管理方法，包括：
[0009]
配置青少年骨龄数据库，所述数据库包括青少年身份信息、青少年手骨 x光片以及x光片对应的年龄信息、区域特征信息和骨龄相关信息；
[0010]
以区域特征划分青少年身份信息以及其所对应的骨龄相关信息；
[0011]
通过手骨x光片获取该x光片对应的骨龄信息；
[0012]
对骨龄相关信息进行特征提取，得到多个骨龄相关特征值；
[0013]
分别确定每个骨龄相关特征值对骨龄相对年龄偏差值k的关联常数。
[0014]
在上述的基于大数据的青少年骨龄数据管理方法中，作为优选方案，所 述骨龄相关信息包括身高信息、体重信息和父母双亲身高信息；
[0015]
所述通过手骨x光片获取该x光片对应的骨龄信息包括：
[0016]
对手骨x光片进行二值化处理，获取手骨中多块骨头的实际边缘数据；
[0017]
对gp图谱中标准手骨x光片进行二值化处理，得到多个不同骨龄手骨 的标准边缘数据；
[0018]
在gp图谱中寻找与实际边缘数据最接近的标准边缘数据，确定青少年 手骨x光片所对应的骨龄信息。
[0019]
在上述的基于大数据的青少年骨龄数据管理方法中，作为优选方案，所 述对骨龄相关信息进行特征提取，得到多个骨龄相关特征值，包括：
[0020]
根据不同的区域特征，分别对不同区域附加不同的区域特征标记；
[0021]
根据父母双亲的身高数据，得到青少年身高预测值hm，其中，男性青 少年身高预测值为hm＝(父亲身高 母亲身高
×
a1)/2，女性青少年身高预测 值为hm＝(父亲身高
×
a2 母亲身高)/2，其中，a1∈(1.11，1.12)，a2∈(0.948， 0.980)；
[0022]
根据青少年身高信息和体重信息，获取青少年身体的bmi值。
[0023]
在上述的基于大数据的青少年骨龄数据管理方法中，作为优选方案，所 述分别确定每个骨龄相关特征值对骨龄相对年龄偏差值的关联常数，包括：
[0024]
确定不同的区域特征标记对骨龄相对年龄偏差值k的关联常数c1；
[0025]
确定青少年身高预测值hm对骨龄相对年龄偏差值k的关联常数c2；
[0026]
确定青少年bmi值对骨龄相对年龄偏差值k的关联常数c3。
[0027]
在上述的基于大数据的青少年骨龄数据管理方法中，作为优选方案，所 述确定不同的区域特征标记对骨龄相对年龄偏差值的关联常数c1，包括：
[0028]
以年龄和性别分组，选取每个区域中身高预测值hm和bmi值均相同的 青少年手骨x光片，获取每张手骨x光片的骨龄信息；
[0029]
获每个区域中青少年骨龄相对年龄偏差值k的平均值；
[0030]
对比不同区域间的骨龄相对年龄偏差值k的平均值，得到不同区域特征 标记的关联常数c1。
[0031]
在上述的基于大数据的青少年骨龄数据管理方法中，作为优选方案，所 述确定青少年身高预测值hm对骨龄相对年龄偏差值k的关联常数c2，包 括：
[0032]
以年龄和性别分组，分别在每个区域中选取bmi值相同的青少年手骨x 光片形成不同hm值的集群，获取每张手骨x光片的骨龄信息；
[0033]
获取每个hm值集群的青少年骨龄相对年龄偏差值k的平均值；
[0034]
对比不同hm值集群的骨龄相对年龄偏差值k的平均值，得到不同hm 值的关联常数c2。
[0035]
在上述的基于大数据的青少年骨龄数据管理方法中，作为优选方案，所 述确定青少年bmi值对骨龄相对年龄偏差值k的关联常数c3，包括：
[0036]
以年龄和性别分组，分别在每个区域中选取hm值相同的青少年手骨x 光片形成不
同bmi值的集群，获取每张手骨x光片的骨龄信息；
[0037]
获取每个bmi值集群的青少年骨龄相对年龄偏差值k的平均值；
[0038]
对比不同bmi值集群的骨龄相对年龄偏差值k的平均值，得到不同hm 值的关联常数c3。
[0039]
本发明还提供了一种基于大数据的青少年骨龄异常预警方法，包括：
[0040]
获取受试者的骨龄相关信息；
[0041]
对骨龄相关信息进行特征提取，得到多个骨龄相关特征值；
[0042]
根据青少年骨龄数据库，确定受试者的多个骨龄相关特征值的关联常数；
[0043]
计算受试者的骨龄相对年龄偏差值k，当骨龄相对年龄偏差值k超出阈 值则发出预警提醒，其中k的上限阈值为1，下限阈值为-1。
[0044]
在上述的基于大数据的青少年骨龄异常预警方法中，作为优选方案，所 述骨龄相关信息包括受试者的区域特征信息、身高信息、体重信息和父母双 亲身高信息；
[0045]
所述对骨龄相关信息进行特征提取，得到多个骨龄相关特征值，包括：
[0046]
根据受试者的区域特征信息，确定受试者的区域特征标记；
[0047]
根据受试者父母双亲的身高数据，得到受试者身高预测值hm；
[0048]
根据受试者的身高信息和体重信息，获取受试者身体的bmi值；
[0049]
所述确定受试者的多个骨龄相关特征值的关联常数，包括：
[0050]
确定受试者的区域特征关联常数c1、身高预测值hm关联常数c2和bmi 值关联常数c3。
[0051]
在上述的基于大数据的青少年骨龄异常预警方法中，作为优选方案，所 述计算受试者的骨龄相对年龄偏差值k，包括：
[0052]
按照下式计算受试者的骨龄相对年龄偏差值k：
[0053]
k＝k1c1 k2c2 k3c3；
[0054]
其中k1、k2和k3分别为关联常数c1、c2和c3的权值，k1、k2和k3的 初始默认值为1。
[0055]
与最接近的现有技术相比，本发明提供的技术方案具有如下有益效果：
[0056]
1、本发明提供了一种基于大数据的青少年骨龄数据管理方法，建立数据 库，收集青少年的手骨x光片信息，并对应采集青少年的所处区域信息、身 高信息、体重信息和父母双亲身高信息，通过大数据计算每个特征关于骨龄 相对年龄偏差值k的关联常数，方便后续预警计算；
[0057]
2、本发明还提供了一种基于大数据的青少年骨龄异常预警方法，通过青 少年日常采集的骨龄相关信息，在不需要x光摄影的前提下，对青少年骨龄 异常发育进行预警，从而引起骨龄异常的青少年家长的关注，及早发现青少 年的骨龄异常。
附图说明
[0058]
构成本技术的一部分的说明书附图用来提供对本发明的进一步理解，本 发明的示意性实施例及其说明用于解释本发明，并不构成对本发明的不当限 定。其中：
[0059]
图1为本发明实施例的一种基于大数据的青少年骨龄数据管理方法的流 程图；
[0060]
图2为本发明实施例的一种基于大数据的青少年骨龄数据管理方法中过 手骨x光片获取该x光片对应的骨龄信息的流程图；
[0061]
图3为本发明实施例的一种基于大数据的青少年骨龄数据管理方法中得 到多个骨龄相关特征值的流程图；图4为本发明实施例的一种基于大数据的青少年骨龄异常预警方法的流 程图。
具体实施方式
[0062]
下面将参考附图并结合实施例来详细说明本发明。需要说明的是，在不 冲突的情况下，本发明中的实施例及实施例中的特征可以相互组合。
[0063]
在本发明的描述中，术语“纵向”、“横向”、“上”、“下”、“前”、
ꢀ“
后”、“左”、“右”、“竖直”、“水平”、“顶”、“底”等指示的 方位或位置关系为基于附图所示的方位或位置关系，仅是为了便于描述本发 明而不是要求本发明必须以特定的方位构造和操作，因此不能理解为对本发 明的限制。本发明中使用的术语“相连”、“连接”应做广义理解，例如， 可以是固定连接，也可以是可拆卸连接；可以是直接相连，也可以通过中间 部件间接相连，对于本领域的普通技术人员而言，可以根据具体情况理解所 述术语的具体含义。
[0064]
请参考图1，根据本发明的实施例，本发明提供了一种基于大数据的青 少年骨龄数据管理方法，包括以下步骤：
[0065]
步骤s101、配置青少年骨龄数据库，所述数据库包括青少年身份信息、 青少年手骨x光片以及x光片对应的年龄信息、区域特征信息和骨龄相关信 息。
[0066]
步骤s102、以区域特征划分青少年身份信息以及其所对应的骨龄相关信 息。
[0067]
步骤s103、通过手骨x光片获取该x光片对应的骨龄信息。
[0068]
步骤s104、对骨龄相关信息进行特征提取，得到多个骨龄相关特征值。
[0069]
步骤s105、分别确定每个骨龄相关特征值对骨龄相对年龄偏差值k的 关联常数。
[0070]
在上述的基于大数据的青少年骨龄数据管理方法中，作为优选方案，所 述骨龄相关信息包括身高信息、体重信息和父母双亲身高信息。请参考图2， 根据本发明的实施例，本发明提供了一种基于大数据的青少年骨龄数据管理 方法，所述通过手骨x光片获取该x光片对应的骨龄信息包括以下步骤：
[0071]
步骤s201、对手骨x光片进行二值化处理，获取手骨中多块骨头的实 际边缘数据。
[0072]
步骤s202、对gp图谱中标准手骨x光片进行二值化处理，得到多个不 同骨龄手骨的标准边缘数据。
[0073]
步骤s203、在gp图谱中寻找与实际边缘数据最接近的标准边缘数据， 确定青少年手骨x光片所对应的骨龄信息。
[0074]
请参考图3，根据本发明的实施例，在上述的基于大数据的青少年骨龄 数据管理方法中，作为优选方案，所述对骨龄相关信息进行特征提取，得到 多个骨龄相关特征值，包括以下步骤：
[0075]
步骤s301、根据不同的区域特征，分别对不同区域附加不同的区域特征 标记。
[0076]
步骤s302、根据父母双亲的身高数据，得到青少年身高预测值hm，其 中，男性青少年身高预测值为hm＝(父亲身高 母亲身高
×
a1)/2，女性青少 年身高预测值为hm＝(父亲身高
×
a2 母亲身高)/2，其中，a1∈(1.11，1.12)， a2∈(0.948，0.980)。
[0077]
步骤s303、根据青少年身高信息和体重信息，获取青少年身体的bmi 值。
[0078]
在上述的基于大数据的青少年骨龄数据管理方法中，作为优选方案，所 述分别确
定每个骨龄相关特征值对骨龄相对年龄偏差值的关联常数，包括：
[0079]
确定不同的区域特征标记对骨龄相对年龄偏差值k的关联常数c1；
[0080]
确定青少年身高预测值hm对骨龄相对年龄偏差值k的关联常数c2；
[0081]
确定青少年bmi值对骨龄相对年龄偏差值k的关联常数c3。
[0082]
在上述的基于大数据的青少年骨龄数据管理方法中，作为优选方案，所 述确定不同的区域特征标记对骨龄相对年龄偏差值的关联常数c1，包括：
[0083]
以年龄和性别分组，选取每个区域中身高预测值hm和bmi值均相同的 青少年手骨x光片，获取每张手骨x光片的骨龄信息；
[0084]
获每个区域中青少年骨龄相对年龄偏差值k的平均值；
[0085]
对比不同区域间的骨龄相对年龄偏差值k的平均值，得到不同区域特征 标记的关联常数c1。
[0086]
在上述的基于大数据的青少年骨龄数据管理方法中，作为优选方案，所 述确定青少年身高预测值hm对骨龄相对年龄偏差值k的关联常数c2，包 括：
[0087]
以年龄和性别分组，分别在每个区域中选取bmi值相同的青少年手骨x 光片形成不同hm值的集群，获取每张手骨x光片的骨龄信息；
[0088]
获取每个hm值集群的青少年骨龄相对年龄偏差值k的平均值；
[0089]
对比不同hm值集群的骨龄相对年龄偏差值k的平均值，得到不同hm 值的关联常数c2。
[0090]
在上述的基于大数据的青少年骨龄数据管理方法中，作为优选方案，所 述确定青少年bmi值对骨龄相对年龄偏差值k的关联常数c3，包括：
[0091]
以年龄和性别分组，分别在每个区域中选取hm值相同的青少年手骨x 光片形成不同bmi值的集群，获取每张手骨x光片的骨龄信息；
[0092]
获取每个bmi值集群的青少年骨龄相对年龄偏差值k的平均值；
[0093]
对比不同bmi值集群的骨龄相对年龄偏差值k的平均值，得到不同hm 值的关联常数c3。
[0094]
请参考图4，根据本发明的实施例，利用上述的大数据数据库，本发明 还提供了一种基于大数据的青少年骨龄异常预警方法，包括以下步骤：
[0095]
步骤s401、获取受试者的骨龄相关信息。
[0096]
步骤s402、对骨龄相关信息进行特征提取，得到多个骨龄相关特征值。
[0097]
步骤s403、根据青少年骨龄数据库，确定受试者的多个骨龄相关特征值 的关联常数。
[0098]
步骤s404、计算受试者的骨龄相对年龄偏差值k，当骨龄相对年龄偏差 值k超出阈值则发出预警提醒，其中k的上限阈值为1，下限阈值为-1。
[0099]
在上述的基于大数据的青少年骨龄异常预警方法中，作为优选方案，所 述骨龄相关信息包括受试者的区域特征信息、身高信息、体重信息和父母双 亲身高信息；
[0100]
所述对骨龄相关信息进行特征提取，得到多个骨龄相关特征值，包括：
[0101]
根据受试者的区域特征信息，确定受试者的区域特征标记；
[0102]
根据受试者父母双亲的身高数据，得到受试者身高预测值hm；
[0103]
根据受试者的身高信息和体重信息，获取受试者身体的bmi值；
[0104]
所述确定受试者的多个骨龄相关特征值的关联常数，包括：
[0105]
确定受试者的区域特征关联常数c1、身高预测值hm关联常数c2和bmi 值关联常数c3。
[0106]
在上述的基于大数据的青少年骨龄异常预警方法中，作为优选方案，所 述计算受试者的骨龄相对年龄偏差值k，包括：
[0107]
按照下式计算受试者的骨龄相对年龄偏差值k：
[0108]
k＝k1c1 k2c2 k3c3；
[0109]
其中，k1、k2和k3分别为关联常数c1、c2和c3的权值，k1、k2和k3的 初始默认值为1。
[0110]
作为优选实施方式，所述基于大数据的青少年骨龄异常预警方法还包括：
[0111]
根据受试者的手骨x光片的实际骨龄信息相对年龄的真实偏差值，对k1、 k2和k3进行修正。需要获取至少三个受试者的手骨x光片所展示的实际骨龄 信息相对年龄的真实偏差值，例如：第一受试者的真实偏差值k1，第二受试 者的真实偏差值k2，第三受试者的真实偏差值k3，此时，则有：
[0112]
k1＝k1c1 k2c2 k3c3；
[0113]
k2＝k1c1 k2c2 k3c3；
[0114]
k3＝k1c1 k2c2 k3c3；
[0115]
c1、c2、c3均为常数，根据上式可计算出新的k1、k2和k3的值，当第 四次预警计算时，可采用新的k1、k2和k3值；以此类推。
[0116]
经过多次累积，分别产生了一系列的k1、k2和k3值，将k1、k2和k3的一 些列值进行线性回归，分别选取一系列k1、k2和k3的均值作为最终使用的k1、 k2和k3值。
[0117]
以上所述仅为本发明的优选实施例，并不用于限制本发明，对于本领域 的技术人员来说，本发明可以有各种更改和变化。凡在本发明的精神和原则 之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围 之内。最后，还需要说明的是，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“包括一个
……”ꢀ
限定的要素，并不排除在包括要素的过程、方法、物品或者设备中还存在另 外的相同要素。
[0118]
以上对本发明所提供的具体实施方式进行了详细介绍，本文中应用了具 体个例对本发明的原理及实施方式进行了阐述，以上实施例的说明只是用于 帮助理解本发明的方法及其核心思想；同时，对于本领域的一般技术人员， 依据本发明的思想，在具体实施方式及应用范围上均会有改变之处，综上， 本说明书内容不应理解为对本发明的限制。