Прогнозирование параметров состояния тела человека на основе данных интеллектуальных устройств
Прогнозирование параметров состояния тела человека на основе данных интеллектуальных устройств
Аннотация
Для поддержания здоровья и эффективной реализации себя человеку необходимо иметь оптимальные параметры состояния тела (вес, состояние мышц, содержание жира, воды и др.). Также данные задачи важны при подготовке спортсменов. В данной работе предложена относительно простая и недорогая в реализации методика для прогнозирования состояния тела человека при умеренных физических нагрузках и режиме питания на основе данных общедоступных интеллектуальных устройств. Полученные результаты показывают, что на основе измеренных и расчетных параметров в течение определенного времени, можно прогнозировать изменения параметров состояния тела человека на последующие периоды при сохранении текущей физической нагрузки и режима питания. При необходимости она помогает строить схему питания и тренировок для получения желаемых параметров физического состояния тела человека.
1. Введение
Контроль веса и параметров состояния тела человека – одна из важных задач в современном управлении здоровьем , . Анализ и прогнозирование взаимодействия физической активности человека, питательных веществ и генетической предрасположенности является задачей, направленной на поиск различных решений проблем, связанных с избыточным весом , , . Например, по оценкам центров по контролю за заболеваниями США, примерно 67% взрослого населения США имеют избыточный вес, индекс массы тела составляет (ИМТ) от 25 до 29,9, а 34% страдают ожирением (ИМТ>30). Уровни ИМТ выше 25 связаны с заболеваниями и последствиями, связанными со здоровьем.
При этом для прогнозирования веса и других параметров человека предлагают методы машинного обучения , . Также для этого можно использовать и изображение человека , характеристические особенности которого могут распознаваться различными методами , , , . Человеческие лица содержат много полезной информации. Недавние исследования показали, что черты лица связаны с массой тела или ИМТ. Эти исследования сосредоточены на обнаружении корреляции между чертами лица и ИМТ. Прогнозирование веса человека может осуществляться даже через его голос . В работе предложен метод прогнозирования нормального, избыточного веса и ожирения. Метод включает в себя алгоритм логистической регрессии и два алгоритма классификации на основе статистически значимых характеристик.
Цель данной работы – разработка простой методики прогнозирования параметров состояния тела человека при умеренных физических нагрузках на основе данных интеллектуальных устройств.
2. Методы и принципы исследования
Составляюшие методики прогнозирования параметров состояния тела человека при умеренных физических нагрузках на основе данных интеллектуальных устройств можно представить в виде блок диаграммы (рис. 1).
Рисунок 1 - Блок диаграмма методики прогнозирования параметров состояния тела человека
Аппаратная часть системы прогнозирования выполнена в автономном варианте, является энергонезависимой и поэтому не подвержена влиянию плохого качества электроэнергии , . Но для выполнения своих функций интеллектуальные весы и браслет соприкасаются с человеком. Человек может выступать сильным источником электростатического разряда , поэтому конструкция должна быть выполнена не ниже третьего уровня защиты по IEC 61000-4-2. А также в конструкции электронных устройств должна учесть воздействие мощных электрических и магнитных полей от разных индустриальных источников по уровню защиты не ниже двух по IEC 61000-4-5. Выбранные интеллектуальные устройства удовлетворяют данным требованиям.
Для прогнозирования параметров физического состояния тела человека в краткосрочной перспективе обычно используют методы экстраполяции , . Наиболее простым из методов прогнозирования является экстраполяция тренда процесса за истекший период . О точности прогнозирования косвенно можно судить по коэффициенту достоверности аппроксимации (R2). Считается, что при величине данного показателя 0,85 и выше сглаживание можно считать достаточно достоверным.
3. Основные результаты
Рассмотрим реальный пример контроля и прогнозирования параметров физического состояния тела тестового человека в течение одного месяца. Исходные данные: рост – 175 см; начальный вес – 93 кг; возраст полный – 46 лет; начальный индекс массы тела – 30,3. ИМТ в конце исследования 29,3. Расчетный биологический возраст тела в начале исследований 49 лет, в конце 47 года.
В течение месяца тестовый человек выполняет умеренную физическую нагрузку, преимущественно утром и днем. Это 10 минут разминка, 50-55 минут быстрая ходьба на свежем воздухе утром и в течение дня от 15 до 17 тысяч шагов. А также плавание в бассейне три раза в неделю по 1,5 км. В течение дня человек активно участвует в полноценной работе в качестве преподавателя университета. Это соответствует в среднем 800 расходуемым килокалориям в день (по расчетам фитнес браслета). В исследуемый период человек придерживается умеренной диеты с преобладанием белковой пищи.
В рассмотренном примере рассматриваются измеренные данные за один месяц (31 день). Горизонт прогнозирования параметров тела человека также составляет один месяц (30 дней). При составлении прогноза по изменению веса и параметров выделяется оптимистичный, реалистичный и пессимистичный сценарии (рис. 2-4).
Рисунок 2 - Прогнозирование изменения веса человека
Рисунок 3 - Прогнозирование изменения общей жировой массы
Рисунок 4 - Прогнозирование изменения мышечной массы
4. Обсуждение
Реалистичный сценарий, с наибольшим R²=0,944, получается при использовании логарифмической функции (верхняя кривая, рис. 2). В горизонте месяца ожидается вес 89,6 кг и видна тенденция к его постепенному снижению. При оптимистичном сценарии используется линейная функция, при коэффициенте достоверности R²=0,932, и ожидаемый вес составляет 86,8 кг (нижняя кривая). При пессимистичном сценарии используется степенной полином второго порядка, и явно видно наметившиеся тенденция к развороту изменения веса. Но при этом коэффициент достоверности аппроксимации R²=0,886, что говорит о наименьшей достоверности прогноза из рассматриваемых сценариев.
Снижение веса происходит в основном за счет потери общей жировой массы с 31,8% до 30,6% (рис. 3). Рекомендуемые значения общего жира 18–23%. При этом содержание внутреннего жира снизилась на 1 пункт. Следующие составляющие потери веса – уменьшение мышечной массы с 60,2% до 59,2% (рис. 4.), и костной массы с 3,23% до 3,18%. Рекомендуемые значения мышечной массы более 49,4%, костной массы более 2%.
В период исследования содержание воды в теле человека увеличилось с 48,7% до 49,9%, содержание белка увеличилось с 16,0% до 16,3%. Рекомендуемые значения содержание воды более 55%, белка более 16%.
5. Заключение
В данной работе предложена относительно простая и недорогая в реализации методика для прогнозирования состояния тела человека при умеренных физических нагрузках и режиме питания на основе данных общедоступных интеллектуальных устройств. При этом аппаратные и программные модули для прогнозирования состояния тела человека и потребления энергии не привязаны к конкретным производителям и могут быть также успешно реализованы на альтернативных аналогичных составляющих.
Полученные результаты показывают, что на основе измеренных и расчетных параметров в течение определенного времени, можно прогнозировать изменения параметров состояния тела человека на последующие периоды при сохранении текущей физической нагрузки и режима питания.
На данном этапе методика реализована совокупностью разрозненных аппаратных и программных модулей, в перспективе возможно создание единого мобильного программного приложения для смартфонов.