ShapedNet 体成分评估新进展：一种单图像深度回归方法
计算机视觉与模式识别
2023-10-17 v1 人工智能
机器学习
摘要
我们提出一种称为 ShapedNet 的新技术以改进体成分评估。该方法采用深度神经网络，能够利用单张照片估算体脂率（BFP）、进行个体识别并实现定位。ShapedNet 的准确性通过对金标准方法双能 X 射线吸收测定法（DXA）的全面比对得以验证，所用 1273 名健康成人涵盖各年龄、性别与 BFP 水平。结果表明，ShapedNet 在体脂估算上较最先进计算机视觉方法提升 19.5%，取得平均绝对百分比误差（MAPE）4.91% 与平均绝对误差（MAE）1.42。研究评估了基于性别与性别无关两种方法，后者展现更优性能。该方法估算 BFP 的 95% 置信误差界为 4.01% 至 5.81%。本研究通过 ShapedNet 推进了多任务学习与体成分评估理论。
引用
@article{arxiv.2310.09709,
title = {New Advances in Body Composition Assessment with ShapedNet: A Single Image Deep Regression Approach},
author = {Navar Medeiros M. Nascimento and Pedro Cavalcante de Sousa Junior and Pedro Yuri Rodrigues Nunes and Suane Pires Pinheiro da Silva and Luiz Lannes Loureiro and Victor Zaban Bittencourt and Valden Luis Matos Capistrano Junior and Pedro Pedrosa Rebouças Filho},
journal= {arXiv preprint arXiv:2310.09709},
year = {2023}
}
备注
Preprinted version in October 2023. The paper is under consideration at Pattern Recognition Letters