CN111887847A - 基于人体成分仪的内脏脂肪测量方法、装置、计算机设备和存储介质 - Google Patents
基于人体成分仪的内脏脂肪测量方法、装置、计算机设备和存储介质 Download PDFInfo
- Publication number
- CN111887847A CN111887847A CN202010621924.9A CN202010621924A CN111887847A CN 111887847 A CN111887847 A CN 111887847A CN 202010621924 A CN202010621924 A CN 202010621924A CN 111887847 A CN111887847 A CN 111887847A
- Authority
- CN
- China
- Prior art keywords
- visceral fat
- impedance
- electrode pair
- human body
- samples
- 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.)
- Pending
Links
- 210000001596 intra-abdominal fat Anatomy 0.000 title claims abstract description 79
- 238000000034 method Methods 0.000 title claims abstract description 53
- 239000000203 mixture Substances 0.000 title claims abstract description 35
- 238000005259 measurement Methods 0.000 claims abstract description 35
- 238000012549 training Methods 0.000 claims abstract description 20
- 238000004364 calculation method Methods 0.000 claims abstract description 17
- 210000001519 tissue Anatomy 0.000 claims abstract description 15
- 230000003187 abdominal effect Effects 0.000 claims abstract description 14
- 210000001015 abdomen Anatomy 0.000 claims description 15
- 238000004590 computer program Methods 0.000 claims description 12
- 230000008569 process Effects 0.000 claims description 11
- 210000004003 subcutaneous fat Anatomy 0.000 claims description 10
- 238000007781 pre-processing Methods 0.000 claims description 9
- 238000001514 detection method Methods 0.000 claims description 8
- 230000006870 function Effects 0.000 claims description 7
- 238000013178 mathematical model Methods 0.000 claims description 7
- 238000007920 subcutaneous administration Methods 0.000 claims description 4
- 238000004458 analytical method Methods 0.000 claims description 2
- 238000012417 linear regression Methods 0.000 abstract description 11
- 238000004422 calculation algorithm Methods 0.000 abstract description 10
- 238000002591 computed tomography Methods 0.000 description 10
- 238000002595 magnetic resonance imaging Methods 0.000 description 7
- 238000010586 diagram Methods 0.000 description 6
- 230000009278 visceral effect Effects 0.000 description 4
- 238000000691 measurement method Methods 0.000 description 3
- 238000012360 testing method Methods 0.000 description 3
- 210000004490 abdominal subcutaneous fat Anatomy 0.000 description 2
- 210000000577 adipose tissue Anatomy 0.000 description 2
- 238000005034 decoration Methods 0.000 description 2
- 238000001914 filtration Methods 0.000 description 2
- PCHJSUWPFVWCPO-UHFFFAOYSA-N gold Chemical compound [Au] PCHJSUWPFVWCPO-UHFFFAOYSA-N 0.000 description 2
- 238000013507 mapping Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000011160 research Methods 0.000 description 2
- 238000012706 support-vector machine Methods 0.000 description 2
- 201000001320 Atherosclerosis Diseases 0.000 description 1
- 206010020772 Hypertension Diseases 0.000 description 1
- 208000017170 Lipid metabolism disease Diseases 0.000 description 1
- 210000000683 abdominal cavity Anatomy 0.000 description 1
- 210000000579 abdominal fat Anatomy 0.000 description 1
- 239000008280 blood Substances 0.000 description 1
- 210000004369 blood Anatomy 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 230000000052 comparative effect Effects 0.000 description 1
- 239000000470 constituent Substances 0.000 description 1
- 230000008878 coupling Effects 0.000 description 1
- 238000010168 coupling process Methods 0.000 description 1
- 238000005859 coupling reaction Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 206010012601 diabetes mellitus Diseases 0.000 description 1
- 201000010099 disease Diseases 0.000 description 1
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 230000036541 health Effects 0.000 description 1
- 238000003384 imaging method Methods 0.000 description 1
- 238000002847 impedance measurement Methods 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 230000009022 nonlinear effect Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 210000000056 organ Anatomy 0.000 description 1
- 230000005855 radiation Effects 0.000 description 1
- 239000004576 sand Substances 0.000 description 1
- 238000012216 screening Methods 0.000 description 1
- 210000001835 viscera Anatomy 0.000 description 1
Images
Classifications
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/05—Detecting, measuring or recording for diagnosis by means of electric currents or magnetic fields; Measuring using microwaves or radio waves
- A61B5/053—Measuring electrical impedance or conductance of a portion of the body
- A61B5/0537—Measuring body composition by impedance, e.g. tissue hydration or fat content
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/103—Detecting, measuring or recording devices for testing the shape, pattern, colour, size or movement of the body or parts thereof, for diagnostic purposes
- A61B5/107—Measuring physical dimensions, e.g. size of the entire body or parts thereof
- A61B5/1072—Measuring physical dimensions, e.g. size of the entire body or parts thereof measuring distances on the body, e.g. measuring length, height or thickness
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/103—Detecting, measuring or recording devices for testing the shape, pattern, colour, size or movement of the body or parts thereof, for diagnostic purposes
- A61B5/107—Measuring physical dimensions, e.g. size of the entire body or parts thereof
- A61B5/1075—Measuring physical dimensions, e.g. size of the entire body or parts thereof for measuring dimensions by non-invasive methods, e.g. for determining thickness of tissue layer
-
- 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
- A61B5/4869—Determining body composition
- A61B5/4872—Body fat
-
- 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
- G16H50/30—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for calculating health indices; for individual health risk assessment
-
- 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
- G16H50/50—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for simulation or modelling of medical disorders
Landscapes
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Public Health (AREA)
- Medical Informatics (AREA)
- Engineering & Computer Science (AREA)
- Biomedical Technology (AREA)
- General Health & Medical Sciences (AREA)
- Pathology (AREA)
- Surgery (AREA)
- Heart & Thoracic Surgery (AREA)
- Biophysics (AREA)
- Molecular Biology (AREA)
- Physics & Mathematics (AREA)
- Animal Behavior & Ethology (AREA)
- Veterinary Medicine (AREA)
- Dentistry (AREA)
- Oral & Maxillofacial Surgery (AREA)
- Data Mining & Analysis (AREA)
- Databases & Information Systems (AREA)
- Epidemiology (AREA)
- Primary Health Care (AREA)
- Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
- Radiology & Medical Imaging (AREA)
- Measurement And Recording Of Electrical Phenomena And Electrical Characteristics Of The Living Body (AREA)
Abstract
本发明公开了一种基于人体成分仪的内脏脂肪测量方法、装置、计算机设备和存储介质，本发明在原体成分仪的基础上，增加了8电极腹部测量带，测量带布置方式可以准确的测出躯干肚脐一周的瘦体组织阻抗，并可以测出肚脐一周脂肪组织阻抗。这两个参数的精度对内脏脂肪面积的预测影响很大，精准测量阻抗是内脏脂肪面积的计算准确更有保障。同时，本发明引入支持向量回归算法，相比线性回归算法，即使在训练样本不足的情况下，也能给出一个相关性更强的模型，计算准确度有较大提升。
Description
技术领域
本发明涉及一种基于人体成分仪的内脏脂肪测量方法、装置、计算机设备和存储介质，属于人体成分检测技术领域。
背景技术
内脏脂肪是人体脂肪的一种，不同与皮下脂肪，它围绕着人的器脏，主要存在于腹腔内。研究表明，内脏脂肪的多少与高血压，糖尿病，脂代谢紊乱，动脉粥样硬化等疾病有密切相关性。内脏脂肪的控制对我们的健康意义重大。内脏脂肪的评价标准采用内脏脂肪面积来表示。内脏脂肪面积(visceral fat area VFA)，是指腹部肚脐断面CT影像中内脏脂肪的面积。
目前内脏脂肪面积的检测方法有CT(Computed Tomography，计算机断层)、MRI(Magnetic Resonance Imaging，磁共振成像)、内脏生物电阻抗法。其中，CT和MRI是目前定量判断内脏脂肪分布的金标准,是三维成像技术，可以鉴别内脏、深部及浅部脂肪。内脏生物电阻抗法，采用4片或者8片电极贴在腹部周围，通过在不同电极片之间不同频率下进行通断电来检测电压的方法，进一步计算出腹部脂肪的多少。上述方法具有无创，无害，廉价，操作简单的特点。
目前基于生物电阻抗的内脏脂肪测量模型比较多，大部分模型都是利用线性回归的方法建立的模型。例如Ryo提出的模型，Shiga提出的模型，还有马利庄教授提出的都是基于线性回归提出的模型。
虽然CT和MRI检测方法是检测内脏脂肪的金标准，但是CT检查使患者暴露于射线之下，MRI扫描时间长，而且CT和MRI价格昂贵，不适合于临床常规应用及大样本人群的筛查，更不适合于长期频繁监测内脏脂肪的变化。
目前基于生物电阻抗的内脏脂肪测量仪，从原理上能够实现内脏脂肪的检测，但是只能实现内脏脂肪的测量，功能单一，因此在市场上并不多见。目前市场上多为体成分分析仪，体成分分析仪在内脏脂肪的测量上只能根据人体BMI等参数推测内脏脂肪，在准确度上比较低，大部分只能提供一个内脏脂肪风险等级。在内脏脂肪的算法上，大部分采用线性回归的方法，但是内脏脂肪的测量模型是一个非线性，特征参数多，参数之间高耦合的模型。这里采用线性回归的方法预测内脏脂肪，在准确度上会有比较大的偏差，尤其是在训练样本数量不足的时候。
发明内容
本发明所要解决的技术问题在于，针对现有技术中的不足，本发明将内脏脂肪测量融入到体成分测量，在原有体成分仪的基础上增加腹部电极带，并在算法上优化内脏脂肪的计算方法，形成了现有产品。使得产品的功能更加丰富。竞争力更强。
本发明解决其技术问题所采用的技术方案，包括：
本发明提出一种基于人体成分仪的内脏脂肪测量方法，包括以下步骤：
本发明首先提出一种基于人体成分仪的内脏脂肪测量方法，包括以下步骤：
步骤1、在人体成分仪电极的基础上，增加4对腹部电极，其中第一电极对(E3，E4)分别距离肚脐一定距离、设置于肚脐上下两侧，第二电极对(E7，E8)设置在人体脊柱位置，第三电极对(E1，E2)、第四电极对(E5，E6)分别设置在人体腰部两侧，所述第二、第三、第四电极对的高度位置分别与第一电极对的高度位置相对应；
步骤2、按照一定的电流通断顺序，在不同电极对之间输入电流并检测电压，得到电极对之间的电压差，根据输入的基本信息以及测量的电压值，计算出躯干肚脐一周的瘦体组织阻抗和皮下脂肪组织阻抗；
步骤3、根据输入的基本信息和步骤3得到的阻抗信息，建立预测模型以计算出内脏脂肪面积，具体包括：
(201)、建立训练样本数据库，采用赤池信息量准则AIC进行特征参数选取；
(202)、数据预处理，建立数学模型；
(203)、采用支持向量回归方法训练数学模型，建立内脏脂肪测量模型；
步骤4、将待检测样本输入训练好的内脏脂肪测量模型，通过分析计算得到参考结果。
进一步的，本发明所提出的基于人体成分仪的内脏脂肪测量方法，步骤3的(201)中，最终所选取的参数包括：腹部整体阻抗Zt，腹部皮下阻抗Zs，腹部宽度a，腹部厚度b，腰围ω，a2，b2。
进一步的，本发明所提出的基于人体成分仪的内脏脂肪测量方法，步骤3的(201)中，建立训练样本数据库，是将全部样本分为男性样本和女性样本，再将男性样本和女性样本细分7-13岁，14-25岁，26-40岁，41-60岁，61-100岁样本，根据待测样本，选择不同的细分样本。
进一步的，本发明所提出的基于人体成分仪的内脏脂肪测量方法，步骤3的(202)中，采用中值数绝对偏差的过程数据滤波器进行数据预处理，中值滤波步骤如下：
步骤1：计算出窗口序列的中值z，窗口序列的宽度为m；
步骤2：用中值构造中值数绝对偏差序列；
步骤3：获取偏差序列的中值；
步骤4：计算当前值的滤波值。
进一步的，本发明所提出的基于人体成分仪的内脏脂肪测量方法，数据预处理过程中，将超过标准差5倍的测量认定为离群点，离群点如果超过10％，判定该测量无效。
进一步的，本发明所提出的基于人体成分仪的内脏脂肪测量方法，步骤3的(201)中，采用赤池信息量准则AIC，来平衡测量精度和模型复杂度的问题，AIC公式如下：
AIC＝(2K-2L)/n
其中，K是拟合模型中参数的数量，L是对数似然值，n是观测值数目；扩展AIC公式后，如下：
其中，n是样本个数，σ是标准估计方差，y是要求的VFA，x是特征参数，γ是相关系数。
进一步的，本发明所提出的基于人体成分仪的内脏脂肪测量方法，步骤3的(203)中，采用支持向量回归SVR训练预测模型，通过设定一个偏差区间，如果f(x)在这个偏差区间内，则认为预测正确，
SVR表示为：
其中
为核函数。
本发明还提出一种基于人体成分仪的内脏脂肪测量装置，包括：
信息输入单元，用于输入用户的性别，年龄，身高基本信息；
腹部电极腰带，包括四对电极，其中第一电极对(E3，E4)分别距离肚脐一定距离、设置于肚脐上下两侧，第二电极对(E7，E8)设置在人体脊柱位置，第三电极对(E1，E2)、第四电极对(E5，E6)分别设置在人体腰部两侧，所述第二、第三、第四电极对的高度位置分别与第一电极对的高度位置相对应；
电流输出单元，用于在测量电极之间输入特定频率、特定大小的电流；
电压检测单元，用于测量指定电极的电压；
控制单元，用于按照一定的电流通断顺序，在不同电极之间输入电流，检测电压；
阻抗计算单元，用于根据输入的基本信息，和测量的特定电压值，计算出瘦体组织阻抗和皮下脂肪阻抗；
内脏脂肪面积计算单元，根据基本信息和阻抗信息，采用支持向量回归训练数学模型，建立内脏脂肪测量模型，计算出内脏脂肪面积。
本发明进一步提出一种计算机设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现本发明所提出的基于人体成分仪的内脏脂肪测量方法的步骤。
本发明还提出一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现本发明前述方法的步骤。
本发明采用以上技术手段，与现有技术相比其技术效果在于：
本发明在原体成分仪的基础上，增加了8电极腹部测量带，测量带带刻度，可以精准测量被测者的腰围。测量带布置方式可以准确的测出躯干肚脐一周的瘦体组织阻抗，并可以测出肚脐一周脂肪组织阻抗。这三个参数的精度对内脏脂肪面积的预测影响很大，精准测量阻抗是内脏脂肪面积的计算准确更有保障。
同时，本发明引入支持向量回归算法来计算皮下脂肪面积和腹部瘦体组织面积，相比线性回归算法，即使在训练样本不足的情况下，也能给出一个相关性更强的模型，计算准确度有较大提升。
附图说明
图1是本发明装置功能框图。
图2是本发明所用电极在检测者正面位置示意图。
图3是本发明所用电极在检测者背面位置示意图。
图4是本发明所有电极在检测者腹部立体示意图。
图5是本发明采用支持向量回归方法来建立预测模型的示意图。
图6是本发明所采用的支持向量机回归模型预测的偏差区间示意图。
具体实施方式
以下结合附图及实施案例，对本发明进行进一步详细说明。应该理解，此处所描述的具体实施例仅用于解释本发明最简易的实现步骤，并不用于限定本发明。
如图1所示，图1是本发明实施方式的内脏脂肪测量计算装置组成图。基本信息输入单元，输入用户的性别，年龄，身高基本信息。腰围测量单元是一个带刻度的电极腰带。电流输出单元负责输入特定频率特定大小的电流。电压检测单元负责测量指定电极的电压。控制单元负责按照一定的电流通断顺序，在不同电极之间输入电流，检测电压。瘦体组织阻抗和皮下脂肪阻抗计算单元，根据输入的基本信息，和测量的特定电压值，计算出阻抗。内脏脂肪面积计算单元，根据基本信息和阻抗信息，采用本发明的计算方法计算出内脏脂肪面积。
电极片的安装位置如图2、图3、图4所示。在体成分仪基础上增加8个电极的腹部电极带。
本发明在硬件上增加8电极腹部带，结合原先的手脚8电极，实现腹部内脏脂肪测量。电极放置位置如图2。E9，E10，E11，E12，E13，E14，E15，E16是原体成分仪自带电极。E1，E2，E3，E4，E5，E6，E7，E8是为了测量腹部内脏脂肪增加的电极。腹部电极8片(4对)，E3在肚脐以上7公分，E4在肚脐以下5公分。E1在人体右侧并且高度和E3相同的位置。E2在人体右侧并且高度和E4相同的位置。E5在人体左侧并且高度和E3相同的位置。E6在人体左侧并且高度和E4相同的位置。E7在人体脊柱位置并且高度和E3相同的位置。E8在人体脊柱位置并且高度和E4相同的位置。
接下来就是进行测量的过程，主要分三个方面：
1、腹部截面瘦体组织阻抗测量。
在电极E9和E11输入特定频率特定电流的交流电I1，电流流经腰部电极E7和E8。分别测出电极E7和E8的电压，获得电压差V。相对于其他技术测量人体腹部多对电压差相比，这里只测量这一组电压差，因为人体后背相对腰部其他地方脂肪最少，对于内脏瘦体组织面积的计算误差最小。
2、腹部皮下脂肪组织阻抗测量。
在E3和E4之间通入特定频率特定电流的交流电I2，在电极E1和E2之间测得电压V12，在电极E5和电极E6之间测得电压V56，得到电压差V56。根据电压差可计算出腹部前端皮下脂肪电阻抗。根据输入电流I2，电阻抗V12，V56，高度L和E1到E3的距离S，E1到E5之间的距离S，计算出腹部前端皮下脂肪阻抗R12，R56。
在E7和E8之间通入50KHz，250uA的交流电I3，在电极E1和E2之间测得电压V12’，在电极E5和电极E6之间测得电压V56，得到电压差V56’。根据输入电流I3，电阻抗V12’，V56’，高度L和E1到E7的距离S，E5到E7之间的距离S，计算出腹部背面皮下脂肪阻抗R12’,R56’。
3、内脏脂肪面积测量算法。
内脏脂肪的计算存在很多干扰因素，而且无法通过工具直接测量。本发明采用支持向量回归方法来建立预测模型。支持向量回归的方法的优势在于能解决模型的非线性问题，能解决特征参数多造成的模型复杂度高的问题。
下面介绍一下建模过程，建模流程如图5。
建模过程可以分解为特征参数选择，预处理，训练过程。
特征参数选取和测量。特征参数是搭建内脏脂肪模型必不可少的输入参数。特征参数的选择和特征参数的准确性对模型的好坏具有直接影响作用。根据国内外多年对内脏脂肪的研究，内脏脂肪的影响因子很多，内脏脂肪初始特征参数为腹部瘦体组织阻抗Zt，腹部皮下阻抗Zs，腹部宽度a，腹部厚度b，腰围ω，a2，b2，1/a，1/b，ω3，ω2，体重W，身高H，性别S，年龄A等。其中腹部瘦体组织阻抗，腹部皮下脂肪阻抗，腰围都是很重要的特征参数，也是测量的难点。测量精准度对内脏脂肪的计算结果影响很大。躯干瘦体组织阻抗和躯干脂肪组织阻抗的测量已经在上面都介绍了。为了更准确方便的测量腹部宽度和厚度，采用摄像头采集的方法计算。
临时样本用于建立数学模型。临时样本的建立规则如下：
(1)由于不同年龄，性别对训练结果有着非线性的影响。因此为了降低年龄，性别对测试结果的影响，将全部样本分为男性样本和女性样本，再将男性样本和女性样本细分7-13岁，14-25岁，26-40岁，41-60岁，61-100岁样本。根据待测样本，选择不同的细分样本。
(2)数据预处理。数据预处理发生在训练样本收集和预测样本特征参数的获取过程中。由于电子设备，测量仪器，测量过程因素，在人体生物电阻抗的测量中会有各种噪声。噪声如果过大，在后面的模型训练中会引入较大的误差。这里采用中值数绝对偏差的过程数据滤波器。滤波器的移动窗口宽度设为m，数据一旦无效，则直接剔除。
中值滤波步骤如下：
步骤1：计算出窗口序列的中值z。窗口序列的宽度为m。
步骤2：用中值构造中值数绝对偏差序列。
步骤3：获取偏差序列的中值。
步骤4：计算当前值的滤波值。
除了噪声外，还存在离群点的问题。这里将超过标准差5倍的测量看作是离群点，离群点如果超过10％，判定该测量无效。
(3)内脏脂肪预测涉及的特征参数较多，这里就有一个矛盾的问题，预测精度和模型复杂度怎么选择。这里采用赤池信息量准则(AIC)，来平衡测量精度和模型复杂度的问题。AIC以熵的概念基础确定，可以权衡所估计模型的复杂度和模型拟合数据的优良性。AIC越小，模型越简洁。AIC鼓励数据拟合的优良性又尽量避免过度拟合。AIC公式如下：
AIC＝(2K-2L)/n
其中，K是拟合模型中参数的数量，L是对数似然值，n是观测值数目。从式中可以看到，AIC的值取决于对数似然值和参数数量。参数数量越小，AIC越小；对数似然值越大，AIC越小。反应到内脏脂肪的模型中，应该追求特征参数少，精确度高的模型。扩展AIC公式后，如下：
其中，n是样本个数，σ是标准估计方差，y是我们要求的VFA，x是特征参数，γ是相关系数。
内脏脂肪初始特征参数为腹部整体阻抗Zt，腹部皮下阻抗Zs，腹部宽度a，腹部厚度b，腰围ω，a2，b2，1/a，1/b，ω3，ω2，体重W，身高H，性别S，年龄A一共15个初始参数。在确保有Zt，Zs和ω的基础上，依次减少一个参数，直至剩下5个参数。计算AIC值。设定迭代次数为300次，最后的计算结果显示,当特征参数选择Zt,Zs,a,b,a2,b2,ω时候，取得最小AIC，值为-81.33。因此。特征参数确定为Zt,Zs,a,b,a2,b2,ω。
(4)支持向量回归训练。样本选取之后，就可以进行训练。支持向量机回归的的方法，可以解决模型非线性，重合度高和多维度造成的模型复杂的问题。算法中的核函数作用是将低维数据映射到高维空间，在高维空间中找到线性可分的超平面，最后再把高维空间的超平面映射到低维空间，虽然在高维空间做计算，计算量特别大，特别是在维度很高的时候，会产生过拟合。核函数既能做非线性回归，也可以有效控制过度拟合。
支持向量机回归模型不同于普通的回归模型，SVR不需要f(x)无限逼近于真实值，它会设定一个偏差区间，如果f(x)在这个偏差区间内，则认为预测正确，如图6。
SVR可表示为：
其中
为核函数。
与CT和MRI检测方法相比，本发明虽然测量精度不够，但是测量方便，快捷，无损。更适合长期检测内脏的变化。同时既能测量体成分，也能精准测量内脏脂肪。相比与线性回归算法，本发明的算法测量精度更好。
用CT方式测得100组男性样本，将样本分为训练样本和测试样本。训练样本80例，测试样本20例。分别采用多元线性回归方法和本发明的方法计算20组人体成分，这里线性回归的模型采用shiga提出的回归模型。并将两种方法的计算结果和CT扫描结果作对比。对比结果如下：
| 模型 | 相关系数 | 均方误差 | 平均准确率 |
| 多元线性回归 | 0.79 | 27.61 | 79％ |
| SVR | 0.87 | 22.34 | 88％ |
从结果可以看出，本发明的内脏脂肪计算方法精确度要比线性回归的方法更高，稳定性好。
关于基于人体成分仪的内脏脂肪测量装置的具体限定可以参见上文中对于基于人体成分仪的内脏脂肪测量方法的限定，在此不再赘述。本发明所提出的基于人体成分仪的内脏脂肪测量装置中的各个模块可全部或部分通过软件、硬件及其组合来实现。上述各模块可以硬件形式内嵌于或独立于计算机设备中的处理器中，也可以以软件形式存储于计算机设备中的存储器中，以便于处理器调用执行以上各个模块对应的操作。
在一个实施例中，提供了一种计算机设备，该计算机设备可以是终端，该计算机设备包括通过系统总线连接的处理器、存储器、网络接口、显示屏和输入装置。其中，该计算机设备的处理器用于提供计算和控制能力。该计算机设备的存储器包括非易失性存储介质、内存储器。该非易失性存储介质存储有操作系统和计算机程序。该内存储器为非易失性存储介质中的操作系统和计算机程序的运行提供环境。该计算机设备的网络接口用于与外部的终端通过网络连接通信。该计算机程序被处理器执行时以实现一种基于人体成分仪的内脏脂肪测量方法。该计算机设备的显示屏可以是液晶显示屏或者电子墨水显示屏，该计算机设备的输入装置可以是显示屏上覆盖的触摸层，也可以是计算机设备外壳上设置的按键、轨迹球或触控板，还可以是外接的键盘、触控板或鼠标等。
本领域技术人员可以理解，上述装置的结构，仅仅是与本申请方案相关的部分结构，并不构成对本申请方案所应用于其上的计算机设备的限定，具体的计算机设备可以包括比图中所示更多或更少的部件，或者组合某些部件，或者具有不同的部件布置。
基于如上所述的示例，在一个实施例中还提供一种计算机设备，该计算机设备包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，其中，处理器执行所述程序时实现如上述各实施例中的任意一种基于人体成分仪的内脏脂肪测量方法。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程，是可以通过计算机程序来指令相关的硬件来完成，所述的程序可存储于一非易失性的计算机可读取存储介质中，如本发明实施例中，该程序可存储于计算机系统的存储介质中，并被该计算机系统中的至少一个处理器执行，以实现包括如上述室内光照度的检测方法的实施例的流程。其中，所述的存储介质可为磁碟、光盘、只读存储记忆体(Read-Only Memory，ROM)或随机存储记忆体(Random Access Memory，RAM)等。
据此，在一个实施例中还提供一种计算机存储介质计算机可读存储介质，其上存储有计算机程序，其中，该程序被处理器执行时实现如上述各实施例中的任意一种基于人体成分仪的内脏脂肪测量方法。
以上所述仅是本发明的部分实施方式，应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明原理的前提下，还可以做出若干改进和润饰，这些改进和润饰也应视为本发明的保护范围。
Claims (10)
1.一种基于人体成分仪的内脏脂肪测量方法，其特征在于，包括以下步骤：
步骤1、在人体成分仪电极的基础上，增加4对腹部电极，其中第一电极对(E3，E4)分别距离肚脐一定距离、设置于肚脐上下两侧，第二电极对(E7，E8)设置在人体脊柱位置，第三电极对(E1，E2)、第四电极对(E5，E6)分别设置在人体腰部两侧，所述第二、第三、第四电极对的高度位置分别与第一电极对的高度位置相对应；
步骤2、按照一定的电流通断顺序，在不同电极对之间输入电流并检测电压，得到电极对之间的电压差，根据输入的基本信息以及测量的电压值，计算出躯干肚脐一周的瘦体组织阻抗和皮下脂肪组织阻抗；
步骤3、根据输入的基本信息和步骤3得到的阻抗信息，建立预测模型以计算出内脏脂肪面积，具体包括：
(201)、建立训练样本数据库，采用赤池信息量准则AIC进行特征参数选取；
(202)、数据预处理，建立数学模型；
(203)、采用支持向量回归方法训练数学模型，建立内脏脂肪测量模型；
步骤4、将待检测样本输入训练好的内脏脂肪测量模型，通过分析计算得到参考结果。
2.根据权利要求1所述的方法，其特征在于，步骤3的(201)中，最终所选取的参数包括：腹部整体阻抗Zt，腹部皮下阻抗Zs，腹部宽度a，腹部厚度b，腰围ω，a2，b2。
3.根据权利要求1所述的方法，其特征在于，步骤3的(201)中，建立训练样本数据库，是将全部样本分为男性样本和女性样本，再将男性样本和女性样本细分7-13岁，14-25岁，26-40岁，41-60岁，61-100岁样本，根据待测样本，选择不同的细分样本。
4.根据权利要求1所述的方法，其特征在于，步骤3的(202)中，采用中值数绝对偏差的过程数据滤波器进行数据预处理，中值滤波步骤如下：
步骤1：计算出窗口序列的中值z，窗口序列的宽度为m；
步骤2：用中值构造中值数绝对偏差序列；
步骤3：获取偏差序列的中值；
步骤4：计算当前值的滤波值。
5.根据权利要求4所述的方法，其特征在于，数据预处理过程中，将超过标准差5倍的测量认定为离群点，离群点如果超过10％，判定该测量无效。
6.根据权利要求1所述的方法，其特征在于，步骤3的(201)中，采用赤池信息量准则AIC，来平衡测量精度和模型复杂度的问题，AIC公式如下：
AIC＝(2K-2L)/n
其中，K是拟合模型中参数的数量，L是对数似然值，n是观测值数目；扩展AIC公式后，如下：
其中，n是样本个数，σ是标准估计方差，y是要求的VFA，x是特征参数，γ是相关系数。
7.根据权利要求1所述的方法，其特征在于，步骤3的(203)中，采用支持向量回归SVR训练预测模型，通过设定一个偏差区间，如果f(x)在这个偏差区间内，则认为预测正确，
SVR表示为：
其中
为核函数。
8.一种基于人体成分仪的内脏脂肪测量装置，其特征在于，包括：
信息输入单元，用于输入用户的性别，年龄，身高基本信息；
腹部电极腰带，包括四对电极，其中第一电极对(E3，E4)分别距离肚脐一定距离、设置于肚脐上下两侧，第二电极对(E7，E8)设置在人体脊柱位置，第三电极对(E1，E2)、第四电极对(E5，E6)分别设置在人体腰部两侧，所述第二、第三、第四电极对的高度位置分别与第一电极对的高度位置相对应；
电流输出单元，用于在测量电极之间输入特定频率、特定大小的电流；
电压检测单元，用于测量指定电极的电压；
控制单元，用于按照一定的电流通断顺序，在不同电极之间输入电流，检测电压；
阻抗计算单元，用于根据输入的基本信息，和测量的特定电压值，计算出瘦体组织阻抗和皮下脂肪阻抗；
内脏脂肪面积计算单元，根据基本信息和阻抗信息，采用支持向量回归训练数学模型，建立内脏脂肪测量模型，计算出内脏脂肪面积。
9.一种计算机设备，包括存储器、处理器及存储在存储器上并可在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权利要求1至7中任一项所述方法的步骤。
10.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现权利要求1至7中任一项所述方法的步骤。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010621924.9A CN111887847A (zh) | 2020-06-30 | 2020-06-30 | 基于人体成分仪的内脏脂肪测量方法、装置、计算机设备和存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010621924.9A CN111887847A (zh) | 2020-06-30 | 2020-06-30 | 基于人体成分仪的内脏脂肪测量方法、装置、计算机设备和存储介质 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN111887847A true CN111887847A (zh) | 2020-11-06 |
Family
ID=73191921
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202010621924.9A Pending CN111887847A (zh) | 2020-06-30 | 2020-06-30 | 基于人体成分仪的内脏脂肪测量方法、装置、计算机设备和存储介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN111887847A (zh) |
Cited By (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112294286A (zh) * | 2020-11-19 | 2021-02-02 | 西安电子科技大学 | 一种人体腹部阻抗测量装置 |
| WO2022237377A1 (zh) * | 2021-05-14 | 2022-11-17 | 华为技术有限公司 | 生理参数测量方法、系统及电子设备 |
| WO2023124911A1 (zh) * | 2021-12-27 | 2023-07-06 | 轻动科技(深圳)有限公司 | 一种人体体成分和内脏脂肪含量预测方法 |
| WO2024049038A1 (en) * | 2022-08-27 | 2024-03-07 | Samsung Electronics Co., Ltd. | Method and system for estimation of the abdominal fat |
-
2020
- 2020-06-30 CN CN202010621924.9A patent/CN111887847A/zh active Pending
Cited By (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112294286A (zh) * | 2020-11-19 | 2021-02-02 | 西安电子科技大学 | 一种人体腹部阻抗测量装置 |
| WO2022237377A1 (zh) * | 2021-05-14 | 2022-11-17 | 华为技术有限公司 | 生理参数测量方法、系统及电子设备 |
| WO2023124911A1 (zh) * | 2021-12-27 | 2023-07-06 | 轻动科技(深圳)有限公司 | 一种人体体成分和内脏脂肪含量预测方法 |
| WO2024049038A1 (en) * | 2022-08-27 | 2024-03-07 | Samsung Electronics Co., Ltd. | Method and system for estimation of the abdominal fat |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN111887847A (zh) | 基于人体成分仪的内脏脂肪测量方法、装置、计算机设备和存储介质 | |
| US9615767B2 (en) | Fluid level indicator determination | |
| KR100453181B1 (ko) | 내장 지방 측정장치 | |
| EP1982649A1 (en) | A method and device for measuring tissue oedema | |
| US20220265154A1 (en) | Body state classification | |
| JPH0951885A (ja) | 部分インピーダンス及び複数の周波数インピーダンスを使用する身体インピーダンスデータの獲得のための改良された装置 | |
| US20160317063A1 (en) | Tissue mass indicator determination | |
| De Rui et al. | Validation of bioelectrical impedance analysis for estimating limb lean mass in free-living Caucasian elderly people | |
| Nebuya et al. | Indirect measurement of lung density and air volume from electrical impedance tomography (EIT) data | |
| KR100456079B1 (ko) | 건강관리장치 | |
| EP3322335B1 (en) | Fluid level determination | |
| KR100472703B1 (ko) | 체중 측정 기능을 가진 내장 지방 측정장치 | |
| CN109480839B (zh) | 一种基于生物电阻抗的孕妇人体成分分析方法及分析仪 | |
| Uçar et al. | Determination gender-based hybrid artificial intelligence of body muscle percentage by photoplethysmography signal | |
| Yoneda et al. | A study of bioelectrical impedance analysis methods for practical visceral fat estimation | |
| Kelly et al. | Rectus Abdominis muscle thickness is a valid measure of cross-sectional area: implications for Ultrasound | |
| AU2018286480B2 (en) | Indicator determination | |
| Anusha et al. | Design and implementation of a hand-to-hand multifrequency bioimpedance measurement scheme for Total Body Water estimation | |
| El Dimassi et al. | Mathematical issues in body water volume estimation using bio impedance analysis in e-Health | |
| Chu et al. | Preliminary study on the application of bioimpedance analysis to measure the psoas major muscle in older adults | |
| TWI835111B (zh) | 生物阻抗技術評估核心肌群之方法 | |
| El Dimassi et al. | Body water volume estimation using bio impedance analysis: Where are we? | |
| RU2556839C2 (ru) | Способ контроля функционального состояния организма пациента | |
| WO2023138690A1 (en) | Electrical impedance tomography based systems and methods | |
| RU2294140C2 (ru) | Способ определения психологического состояния человека |
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 | ||
| RJ01 | Rejection of invention patent application after publication |
Application publication date: 20201106 |
|
| RJ01 | Rejection of invention patent application after publication |