基于SSM框架的骨龄智能评测系统的设计与实现
发布时间：2021-04-13 09:51
随着时代的发展,人们对青少年儿童心理、体格发育的关注度不断提高,因身材矮小、性早熟等生长发育问题就诊的案例飞速增加。骨龄作为一个独立的生长指标,代表了儿童生理成熟度和发育年龄,可以作为衡量个体生长发育水平和成熟程度的“一把尺子”。因此,越来越多的人用骨龄来评估青少年儿童的生长发育程度。目前的骨龄评测主要依靠骨龄专家的人工评测,效率较为低下,且各个环节有些脱节。本课题针对目前骨龄评测的问题设计了一个基于B/S架构的骨龄智能评测系统,将骨龄评测各个环节紧密的结合在一起,并尝试使用深度学习智能评定骨龄,减轻专家的工作量并提高骨龄评测效率。本文的主要研究内容如下:（1）介绍了骨龄相关基础知识,并针对骨龄智能评测系统开发中的关键技术进行了阐述,包括系统整体框架SSM,数据库MySQL和Redis,消息中间件RabbitMQ。（2）从系统用户入手,借助用例图对普通用户、专家、管理员这三类用户进行了详细的功能性需求性分析,并从可靠性、安全性、易用性、扩展性方面阐述了系统的非功能性需求分析。（3）根据需求分析,对系统的整体架构、功能模块和数据库进行了详细的设计。（4）根据设计实现骨龄智能评测系统,并编...
【文章来源】：浙江工业大学浙江省
【文章页数】：77 页
【学位级别】：硕士
【部分图文】：
FastR-CNN架构【56】Figure2-1.ArchitetureofFastR-CNN
输出K个对象中每一个类的四个实数值(bboxregression)。每4个值编码K个类中的每个类的精确边界框(bounding-box)位置。整个结构是使用多任务损失的端到端训练(trainedend-to-endwithamulti-taskloss)(除去RegionProposal提取阶段)。2.2.2AlexNet介绍AlexNet网络模型[57]是在ImageNet图像识别竞赛中提出的，是目前最具代表性的卷积神经网络模型之一。它可以在GPU下进行计算，具有较快的处理速度，同时由于应用了Dropout、数据扩张、ReLU激活函数等方法，使它具有较强的识别能力。AlexNet网络模型框架如图2-2所示。图2-2AlexNet网络模型框架【57】Figure2-2.ArchitetureofAlexNetNetworkModelAlexNet模型由五层卷积层、两层全连接层以及一个Softmax分类器组成。输入数据为224×224像素的三通道图片。第一层卷积层使用11×11尺寸、步长为4的卷积核进行卷积运算，并输出96个55×55像素的特征图。然后将进行了ReLU激活函数和归一化处理后的数据作为池化层的输入，并对这些数据进行最大池化运算。第二层卷积层使用5×5的卷积核进行卷积池化并输出27×27的特征图。第三层卷积层使用3×3的卷积核，通过卷积池化输出384个13×13像素的特征图。经过第四、五层卷积层处理的输出为256个13×13像素的特征图。其中，每层卷积层中均有ReLU操作。将经过卷积后的结果输入到第一个全连接层，对出入数据进行ReLU操作并作为下一个全连接层的输入，然后在后两个
浙江工业大学硕士学位论文10图2-3Spring基础架构图Figure2-3.BaseArchitetectureDiagramofSpring(1)SpringCore模块SpringCore（核心容器）是Spring框架的核心[28]，提供了依赖注入特性来实现容器对Bean的管理。BeanFactory是工厂模式的一个实现，是核心容器中最基本的概念，它使用IoC将依赖说明和应用配置从实际的代码中分离出来，实现编码过程中的解耦。(2)SpringAOP模块SpringAOP模块提供了对面向切面编程的支持，是Spring应用中实现切面编程的基矗SpringAOP从业务逻辑代码中提取出各模块的通用代码，实现代码的高效重用，降低系统的耦合性，提高项目的可维护性。(3)SpringORM模块Spring没有实现它自己的ORM解决方案，而是为Hibernate、iBatis等主流的ORM框架提供了良好的集成方案。用户可以根据实际需求整合合适的ORM框架，从而使开发工作更为简单、轻松。(4)SpringDAO模块SpringDAO提取了JDBC[29]中获取连接、创建语句等大量的重复代码，使数据库的访问代码干净简洁。同时这个模块建立了一个异常层，统一处理不同持久层框架的异常，解决了不同持久层框架异常体系不兼容的问题[30]。(5)SpringContext模块SpringCore的BeanFactory使Spring成为一个容器，而SpringContext使它成为一个框架。它为Spring提供了一个运行环境，保存运行过程中对象的状态。另外，这个模块还提供了例如JNDI访问、电子邮件、EJB集成等许多企业服务，也包含了对如Velocity和FreeMarker模板框架的集成支持。
【参考文献】：
期刊论文
[1]神经网络与深度学习基础[J]. 袁冰清,陆悦斌,张杰. 数字通信世界. 2018(05)
[2]基于SSM的食品药品检验业务网上受理系统的设计与实现[J]. 刘峰,郭拓云,姚翔,蒋晨昊. 电脑知识与技术. 2017(24)
[3]基于深度学习神经网络技术的数字电视监测平台告警模型的研究[J]. 韦坚,刘爱娟,唐剑文. 有线电视技术. 2017(07)
[4]基于SSM架构的汽车客户服务平台的设计与实现[J]. 胡鹏,高永平. 电脑知识与技术. 2017(10)
[5]基于Spring+SpringMVC+MyBatis网上论坛的设计与实现[J]. 阳小兰,罗明. 黑龙江科技信息. 2016(36)
[6]商用多媒体信息发布系统持久层设计与优化[J]. 吉亚云,刘新,叶德建. 计算机工程. 2015(01)
[7]国人手腕部骨龄影像评估的现状[J]. 李新民,程晓光,余卫. 中华放射学杂志. 2013 (12)
[8]骨龄检测的方法及其应用[J]. 郭静. 实用预防医学. 2009(06)
[9]Computerized geometric features of carpal bone for bone age estimation[J]. Chi-Wen Hsieh Tai-Lang Jong Yi-Hong Chou Chui-Mei Tiu Department of Physics, National Central University, Chungli,Taiwan, China (Hsieh CW)Department of Electrical Engineering,National Tsing-Hua University, Hsinchu,Taiwan, China (Hsieh CW Jong TL)Department of Radiology, Taipei Veterans General Hospital, Taipei 112, Taiwan, China (Chou YH Tiu CM). Chinese Medical Journal. 2007(09)
[10]骨密度、骨龄测定仪研制与临床[J]. 吕尤焱. 天津体育学院学报. 2004(02)
硕士论文
[1]社区体育公共服务满意度与需求度及其个性化发展路径[D]. 张涵.福建师范大学 2014
[2]支持向量机在骨龄评价系统中的应用研究[D]. 王虹.昆明理工大学 2005
本文编号：3135080
【文章来源】：浙江工业大学浙江省
【文章页数】：77 页
【学位级别】：硕士
【部分图文】：
FastR-CNN架构【56】Figure2-1.ArchitetureofFastR-CNN
输出K个对象中每一个类的四个实数值(bboxregression)。每4个值编码K个类中的每个类的精确边界框(bounding-box)位置。整个结构是使用多任务损失的端到端训练(trainedend-to-endwithamulti-taskloss)(除去RegionProposal提取阶段)。2.2.2AlexNet介绍AlexNet网络模型[57]是在ImageNet图像识别竞赛中提出的，是目前最具代表性的卷积神经网络模型之一。它可以在GPU下进行计算，具有较快的处理速度，同时由于应用了Dropout、数据扩张、ReLU激活函数等方法，使它具有较强的识别能力。AlexNet网络模型框架如图2-2所示。图2-2AlexNet网络模型框架【57】Figure2-2.ArchitetureofAlexNetNetworkModelAlexNet模型由五层卷积层、两层全连接层以及一个Softmax分类器组成。输入数据为224×224像素的三通道图片。第一层卷积层使用11×11尺寸、步长为4的卷积核进行卷积运算，并输出96个55×55像素的特征图。然后将进行了ReLU激活函数和归一化处理后的数据作为池化层的输入，并对这些数据进行最大池化运算。第二层卷积层使用5×5的卷积核进行卷积池化并输出27×27的特征图。第三层卷积层使用3×3的卷积核，通过卷积池化输出384个13×13像素的特征图。经过第四、五层卷积层处理的输出为256个13×13像素的特征图。其中，每层卷积层中均有ReLU操作。将经过卷积后的结果输入到第一个全连接层，对出入数据进行ReLU操作并作为下一个全连接层的输入，然后在后两个
浙江工业大学硕士学位论文10图2-3Spring基础架构图Figure2-3.BaseArchitetectureDiagramofSpring(1)SpringCore模块SpringCore（核心容器）是Spring框架的核心[28]，提供了依赖注入特性来实现容器对Bean的管理。BeanFactory是工厂模式的一个实现，是核心容器中最基本的概念，它使用IoC将依赖说明和应用配置从实际的代码中分离出来，实现编码过程中的解耦。(2)SpringAOP模块SpringAOP模块提供了对面向切面编程的支持，是Spring应用中实现切面编程的基矗SpringAOP从业务逻辑代码中提取出各模块的通用代码，实现代码的高效重用，降低系统的耦合性，提高项目的可维护性。(3)SpringORM模块Spring没有实现它自己的ORM解决方案，而是为Hibernate、iBatis等主流的ORM框架提供了良好的集成方案。用户可以根据实际需求整合合适的ORM框架，从而使开发工作更为简单、轻松。(4)SpringDAO模块SpringDAO提取了JDBC[29]中获取连接、创建语句等大量的重复代码，使数据库的访问代码干净简洁。同时这个模块建立了一个异常层，统一处理不同持久层框架的异常，解决了不同持久层框架异常体系不兼容的问题[30]。(5)SpringContext模块SpringCore的BeanFactory使Spring成为一个容器，而SpringContext使它成为一个框架。它为Spring提供了一个运行环境，保存运行过程中对象的状态。另外，这个模块还提供了例如JNDI访问、电子邮件、EJB集成等许多企业服务，也包含了对如Velocity和FreeMarker模板框架的集成支持。
【参考文献】：
期刊论文
[1]神经网络与深度学习基础[J]. 袁冰清,陆悦斌,张杰. 数字通信世界. 2018(05)
[2]基于SSM的食品药品检验业务网上受理系统的设计与实现[J]. 刘峰,郭拓云,姚翔,蒋晨昊. 电脑知识与技术. 2017(24)
[3]基于深度学习神经网络技术的数字电视监测平台告警模型的研究[J]. 韦坚,刘爱娟,唐剑文. 有线电视技术. 2017(07)
[4]基于SSM架构的汽车客户服务平台的设计与实现[J]. 胡鹏,高永平. 电脑知识与技术. 2017(10)
[5]基于Spring+SpringMVC+MyBatis网上论坛的设计与实现[J]. 阳小兰,罗明. 黑龙江科技信息. 2016(36)
[6]商用多媒体信息发布系统持久层设计与优化[J]. 吉亚云,刘新,叶德建. 计算机工程. 2015(01)
[7]国人手腕部骨龄影像评估的现状[J]. 李新民,程晓光,余卫. 中华放射学杂志. 2013 (12)
[8]骨龄检测的方法及其应用[J]. 郭静. 实用预防医学. 2009(06)
[9]Computerized geometric features of carpal bone for bone age estimation[J]. Chi-Wen Hsieh Tai-Lang Jong Yi-Hong Chou Chui-Mei Tiu Department of Physics, National Central University, Chungli,Taiwan, China (Hsieh CW)Department of Electrical Engineering,National Tsing-Hua University, Hsinchu,Taiwan, China (Hsieh CW Jong TL)Department of Radiology, Taipei Veterans General Hospital, Taipei 112, Taiwan, China (Chou YH Tiu CM). Chinese Medical Journal. 2007(09)
[10]骨密度、骨龄测定仪研制与临床[J]. 吕尤焱. 天津体育学院学报. 2004(02)
硕士论文
[1]社区体育公共服务满意度与需求度及其个性化发展路径[D]. 张涵.福建师范大学 2014
[2]支持向量机在骨龄评价系统中的应用研究[D]. 王虹.昆明理工大学 2005
本文编号：3135080
本文链接：https://www.wllwen.com/yixuelunwen/swyx/3135080.html
