[发明专利]一种基于肢端肥大症的图像数据分析方法及系统

权利要求书

1.一种基于肢端肥大症的图像数据分析方法，其特征在于，包括：

步骤S1：获取终端上传的当前拍摄图像，对所述当前拍摄图像进行识别分析以获得识别出用户的当前特征信息以及身份信息；其中，所述当前拍摄图像包括人脸图像和手部图像，识别出拍摄所得的人脸图像和手部图像的特征点，将人脸图像和手部图像的特征点分别与人脸模型和手部模型中的特征点进行比对以确定二者对于同一特征点的偏差值，对所有特征点的偏差值进行统计以计算获得第一风险因子；

步骤S2：根据用户的身份信息搜索并筛选用户在指定时间段内对应的目标数据，所述目标数据为拍摄人体外观所得的目标人体图像和/或扫描人体组织所得的目标照射图像，并对所述目标数据进行特征分析以获得目标特征信息；

步骤S3：将所述目标特征信息和所述当前特征信息进行比对，判断所述目标特征信息与所述当前特征信息之间的误差是否在预设的正常发育成长范围内，若不在正常发育成长范围内则计算二者误差以确定第二风险因子；

获取所述目标照射图像的拍摄时间段，根据拍摄时间段推算用户在拍摄时间段内的实际年龄；将获得的骨骼特征导入预设模型中输出对应的骨龄；将用户拍摄时间段内所对应的实际年龄与经预设模型计算获得的骨龄进行比对根据比对差值计算获得第三风险因子；

根据风险概率公式计算输出风险概率；其中，风险概率E=∑所述风险因子*所述风险因子所对应的权重系数，所述风险因子为第一风险因子、第二风险因子和第三风险因子。

2.根据权利要求1所述的基于肢端肥大症的图像数据分析方法，其特征在于，所述获取终端上传的当前拍摄图像前还包括：

预先采集不同年龄段的健康人群的样本数据，所述样本数据包括人脸图像样本及其手部图像样本，根据任一样本数据生成对应的人脸模型和手部模型，并分别标记出人脸模型和手部模型中的特征点位置；

利用处于同一年龄段人群的其他样本数据分别对人脸模型和手部模型进行特征点修正，再通过终端展示修正后的人脸模型和手部模型使得用户按照展示的人脸模型和手部模型进行拍摄从而获得对应的当前拍摄图像。

3.根据权利要求1所述的基于肢端肥大症的图像数据分析方法，其特征在于，所述根据用户的身份信息搜索并筛选用户在指定时间段内对应的目标数据的方法为：

根据预设路径爬取指定时间段内与用户相关的历史图像，对所述历史图像进行物体识别并筛选出包含有人物属性的图像，对人物图像进行人脸识别以确定人物身份，并对与用户身份信息相吻合的历史图像进行特征识别以获得所述目标特征信息。

4.根据权利要求1所述的基于肢端肥大症的图像数据分析方法，其特征在于，所述目标特征信息还包括骨骼特征，获取所述骨骼特征的方法为：

根据用户身份信息调取用户以往的医疗数据，提取所述医疗数据中的目标照射图像，对所述目标照射图像进行灰度分析以获得用户的骨骼特征。

5.根据权利要求4所述的基于肢端肥大症的图像数据分析方法，其特征在于，对所述目标照射图像进行灰度分析的方法为：

区分所述目标照射图像中的软组织区域以及骨骼组织区域，并确定骨骼组织中与软组织相邻的骨端区域，根据骨端区域的所述目标照射图像的灰暗度识别出骨端区域的骨骺线以及骨骺线的闭合情况以获得骨骼特征。

6.根据权利要求1所述的基于肢端肥大症的图像数据分析方法，其特征在于，将骨骼线样本作为神经网络的输入，将骨骼线样本所对应的骨龄数据作为神经网络的输出，对神经网络进行训练和学习以获得所述预设模型。

7.一种基于肢端肥大症的图像数据分析系统，其特征在于，执行如权利要求1~6任意一项所述的基于肢端肥大症的图像数据分析方法，包括：

采集识别模块，用于获取终端上传的当前拍摄图像，对当前拍摄图像进行识别分析以获得识别出用户的当前特征信息以及身份信息；

搜索识别模块，用于根据用户的身份信息搜索并筛选用户在指定时间段内对应的目标数据，其目标数据为拍摄人体外观所得的目标人体图像和/或扫描人体组织所得的目标照射图像，并对目标数据进行特征分析以获得目标特征信息；

比对分析模块，用于将目标特征信息和当前特征信息进行比对，并结合用户年龄信息生成对应的风险因子，根据风险因子计算输出风险概率。