推进智能营养不良监测：一种用于生命与健康参数估计的多模态学习方法
计算机视觉与模式识别
2023-08-01 v1 人工智能
计算机与社会
多媒体
摘要
营养不良对全球健康构成重大威胁，其源于必需营养素摄入不足，对重要器官和整体身体机能产生不利影响。为应对这一挑战，已采用包含常规与非侵入性技术的定期检查和大规模筛查。然而，这些方法存在关键局限，例如需要额外设备、缺乏全面特征表示、缺少合适的健康指标，以及无法实现用于精确估计体脂率（BFP）、基础代谢率（BMR）和体重指数（BMI）的智能手机应用，从而无法进行有效智能营养不良监测。为解决这些限制，本研究提出了一种开创性、可扩展且鲁棒的智能营养不良监测系统，该系统利用个体的单张全身图像，在多模态学习框架内估计身高、体重及其他关键健康参数。我们提出的方法涉及重建高精度 3D 点云，从中使用无头 3D 分类网络提取 512 维特征嵌入。同时，提取面部与身体嵌入，并通过可学习参数的应用，利用这些特征准确估计体重。此外，计算包括 BMR、BFP 和 BMI 在内的基本健康指标，以对受试者健康进行全面分析，进而便于提供个性化营养方案。我们的模型对多种设备下的广泛光照条件具有鲁棒性，在估计身高和体重时实现了 4.7 cm 和 5.3 kg 的低平均绝对误差（MAE）。
引用
@article{arxiv.2307.16745,
title = {Advancing Smart Malnutrition Monitoring: A Multi-Modal Learning Approach for Vital Health Parameter Estimation},
author = {Ashish Marisetty and Prathistith Raj M and Praneeth Nemani and Venkanna Udutalapally and Debanjan Das},
journal= {arXiv preprint arXiv:2307.16745},
year = {2023}
}