Heidari M, Babapour Mofrad F, Shah-Hosseini H. Body Mass Index Classification based on Facial Features using Machine Learning Algorithms for utilizing in Telemedicine. Iran J Ergon. 2022; 10 (1)
URL:
http://journal.iehfs.ir/article-1-875-fa.html
حیدری مهسا، باباپور مفرد فرشید، شاه حسینی حامد. کلاسبندی نمایه توده بدنی (BMI) مبتنی بر ویژگیهای چهره با استفاده از الگوریتمهای یادگیری ماشین به منظور به کارگیری در پزشکی از راه دور. مجله ارگونومی. 1401; 10 (1)
URL: http://journal.iehfs.ir/article-1-875-fa.html
1- کارشناس ارشد، گروه مهندسی کامپیوتر، دانشگاه آزاد اسلامی، واحد علوم و تحقیقات، تهران، ایران
2- استادیار، گروه مهندسی پرتوپزشکی، دانشگاه آزاد اسلامی، واحد علوم و تحقیقات، تهران، ایران ، Farshid.mofrad@yahoo.com
3- استادیار، گروه مهندسی کامپیوتر، دانشگاه آزاد اسلامی، واحد علوم و تحقیقات، تهران، ایران
چکیده: (461 مشاهده)
زمینه و هدف: با توجه به تأثیر کنترل شاخص توده بدنی (BMI) در زندگی، از تعیین گروه BMI با ویژگیهای چهره میتوان جهت توسعه سیستمهای پزشکی از راه دور و حذف محدودیتهای ابزارهای اندازهگیری به خصوص برای افراد ناتوان بهره برد، تا پزشکان بتوانند به شکل آنلاین در شرایط پاندمی به افراد کمک کنند.
روش کار: در این پژوهش از تصاویر چهره افراد سفیدپوست، سیاهپوست و آسیایی، 18 تا 81 سال با BMI نرمال و اضافه وزن، ویژگیهای جدید و برخی ویژگیهای مقالات پیشین استخراج شد. سپس در سه گام مجزا، عملکرد جنگل تصادفی و ماشین بردار پشتیبان یکبار با کل ویژگیها و یکبار با ویژگیهای منتخب بر اساس ضریب همبستگی پیرسون سنجیده شد. تصاویر چهره در گام اول در قالب یک گروه، در گام دوم با تقسیمبندی به گروههای بیضی، مربعی و گرد و در گام آخر با دستهبندی بر اساس جنسیت بررسی شدهاند. پیادهسازی در نرمافزار متلب R2015b انجام شد.
یافتهها: نتایج استفاده از ویژگیهای منتخب چهره 97 زن و 92 مرد نشان میدهد جنگل تصادفی در گروههای زنان و چهره مربعی با دقتهای 91/75% و 87/30% و ماشین بردار پشتیبان در گروههای زنان، چهره مربعی و گرد با دقتهای 94/84%، 84/12% و 84% بهترین عملکرد را داشتند. همچنین استفاده از این ویژگیها به جای کل ویژگیها سبب بهبود عملکرد شد.
نتیجهگیری: با تقسیمبندی تصاویر چهره بر اساس شکل و جنسیت و نیز انتخاب ویژگیهای مناسب میتوان با دقت بهتری افراد را در گروههای BMI دستهبندی کرد تا کارآیی سیستمهای پزشکی از راه دور را به ویژه برای افراد ناتوان افزایش داد.
نوع مطالعه:
پژوهشي |
موضوع مقاله:
روشها و فنآوریهای نوین در ارگونومی (هوش محاسباتی و ...) دریافت: 1400/12/9 | پذیرش: 1401/4/10 | انتشار الکترونیک: 1401/4/10