Prediction of human body condition parameters based on data from intelligent devices
Prediction of human body condition parameters based on data from intelligent devices
Abstract
In order to maintain health and effectively fulfil oneself, a person needs to have optimal parameters of body condition (weight, muscle condition, fat content, water content, etc.). Also, these tasks are important in the training of athletes. In this work, a relatively simple and inexpensive methodology for predicting human body condition under moderate physical activity and dietary regime based on data from publicly available smart devices is suggested. The obtained results show that on the basis of measured and calculated parameters during a certain time, it is possible to predict changes in human body condition parameters for subsequent periods while maintaining the current physical activity and dietary regime. If necessary, it helps to build a scheme of nutrition and training to obtain the desired parameters of the physical state of the human body.
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.