Yapay Zeka Hızlı Bakış & Çıkarımlar
AI InsightSonuç olarakönerilen sınıflandırma modeli ile bireyin VKİ’sine göre belirlenmiş obezite durumunu, ayak basınç verilerininsınıflandırılması ile doğrulanmış olmaktadır.
📌 3 Maddede Bu Makale
Özet
Obezite vücut yağ miktarının artması ile çeşitli sorunlara yol açan ve tedavi edilebilen bir hastalıktır. Artan vücutağırlığı, kas iskelet sistemi üzerinde bozukluklara yol açabilmektedir. Ayak, vücut ağırlığının yere aktarılmasındagörevli bir yapıdır. Obezitenin ayağın anatomik yapısını, taban temas yüzey alanını ve basınç değişimlerinietkilendiği görülmüştür. Bu çalışmada Uzun Kısa-Vadeli Hafıza (LSTM) tabanlı derin sinir ağı (DSA) ilebireylerin ölçülen ayak tabanı basınç değerleri ile vücut kitle indeksi (VKİ) durumları sınıflandıran bir modelgeliştirilmiştir. Öncelikle bireyin ayak tabanı ait 12 farklı bölgeye ait basınç değerleri baropodometre ileölçülmüştür. Ölçüm sonucunda sinir ağının veri kümesinde kullanılacak 13 farklı giriş parametresi elde edilmiştir.Bunun yanında her bireyin VKİ verisi hesaplanarak, bu verilere ait 4 gruptan birine yerleştirilmiştir. Böyleliklemodelin öğrenmesi için gerekli veri kümesi oluşturulmuştur. Derin sinir ağında veri kümesi %80 eğitim %20 testolarak bölümlenmiştir. Ağın hiper parametrelerin belirlenmesinden sonra eğitim ve test işlemlerigerçekleştirilmiştir. Eğitilen modelin test sonucunda %93.2 doğruluk elde edilmiştir. Önerilen LSTM model, diğersınıflandırma algoritmaları ile kıyaslanmıştır. Bunun sonucunda en yüksek performans elde etmiştir. Sonuç olarakönerilen sınıflandırma modeli ile bireyin VKİ’sine göre belirlenmiş obezite durumunu, ayak basınç verilerininsınıflandırılması ile doğrulanmış olmaktadır. Ayrıca LSTM tabanlı derin sinir ağlarının, sınıflandırma işlemlerindeyüksek başarı performansı verdiği gözlemlenmiştir.
Abstract
Obesity is a disease that leads to various problems with the increase in the amount of fat in the body. Increased body weight can lead to disorders in the musculoskeletal system. The foot is a structure responsible for transferring body weight to the ground. Obesity has been shown to affect the anatomical structure of the foot, the floor contact surface area and pressure changes. In this study, Long Short-Term Memory (LSTM) based deep neural network (DNN) and individuals measured foot pressure values and body mass index (BMI) states were developed. First of all, the pressure values of the individual's foot base 12 different regions were measured by baropodometer. As a result of the measurement, 13 different input parameters were obtained to be used in the neural network data set. In addition, BMI data of each individual were calculated and placed in one of 4 groups of this data. Thus, the necessary data for the model to learn was created. In the deep neural network, data were divided into 80% of the training and 20% of the testing. After the determination of hyper-parameters of the network, training and testing procedures were performed. In the test result of the trained model was achieved 93.2% accuracy. As a result, the proposed classification model is verified by the classification of the foot pressure data according to the status of obesity determined by the individual's BMI. In addition, LSTM-based deep neural networks have been observed to provide high accuracy performance in classification operations.