基于半监督学习的人体腹内脂肪面积预测模型研究

发布时间：2020-09-11 12:05

　　 针对基于生物电阻抗对人体腹部内脏(腹内)脂肪面积(VFA)的预测,本文采用基于半监督学习的ABC-SVR预测模型对人体腹内脂肪面积进行预测,以克服训练样本有限与标准值相关性不够高的问题。通过测试样本集进行标准差和相关性计算仿真实验,结果表明,该模型具有较强的非线性函数逼近,能有效对人体腹内脂肪面积的预测。论文的主要研究内容如下:1、构造了预测人体腹内脂肪面积的特征属性。通过将人体腹部等效为椭圆柱导体模型,给出了一种人体腹部生物电阻抗的测量方法,并定义了与人群类型有相关的特征属性,构成了以腹部总阻抗Zt、腹部皮下阻抗Zs、腰围值w、腹部宽度a、腹部厚度b,体质指数B、体脂肪率T、腰臀比Y八种特征的人体腹内脂肪面积预测模型的输入量特征。2、构建了一种人体腹内脂肪面积的ABC-SVR预测模型。通过改进的人工蜂群算法对人体腹内脂肪面积特征属性进行全局寻优训练,找出最优特征向量的解。对最优特征向量进行支持向量回归机拟合,获得人体腹内脂肪面积的ABC-SVR预测模型。3、给出了一种人体腹内脂肪面积预测模型的半监督学习算法。通过对新采集的未标记样本进行优化标记,通过半监督学习算法对添加的新标记样本与原有的标记样本对ABC-SVR预测模型进行重复训练,并通过与已建立的预测模型进行赤池信息量准则性能比较,获取新的最优预测模型,解决训练样本可不断增加和模型可重复训练的问题。4、选用经典的最小二乘回归模型和ABC-SVR模型作为本文的半监督学习ABC-SVR模型的对比模型,并通过测试样本集的预测与比较分析,本文方法是可行与有效性的。本文运用Matlab对基于半监督学习的人体腹内脂肪面积预测模型以及测试样本进行仿真实验,通过相关性和标准差的分析结果表明,本方法的改进效果明显。
【学位单位】：合肥工业大学
【学位级别】：硕士
【学位年份】：2018
【中图分类】：TP18;R318
【部分图文】：

ｂｙ邋ＵＳ逡逑ｆ邋Ｖｅｒｔｅｂｒａ！邋ｂｏｄｙ邋＼逡逑图１．１超声测量的腹壁脂肪厚度（Ａ）、腹内脂肪厚度（Ｂ）逡逑Ｆｉｇ邋１．１邋Ａｂｄｏｍｉｎａｌ邋（Ａ）邋ａｎｄ邋ｉｎｔｒａｐｅｒｉｔｏｎｅａｌ邋ｆａｔ邋ｔｈｉｃｋｎｅｓｓ邋（Ｂ）邋ｍｅａｓｕｒｅｄ邋ｂｙ邋ｕｌｔｒａｓｏｕｎｄ逡逑对于人体腹内脂肪面积的超声测量方法，由于声束不能穿透人体体内的气体逡逑和骨骼，所以检查者的个体差异会对人体腹内脂肪面积的测量结果产生影响［８］。逡逑（２）邋ｃｒ测量人体腹内脂肪面积逡逑测试者需在空腹状态下是利用ｃｒ测量人体的腹内脂肪面积时的前提条件。测逡逑试过程中，测试者保持不要呼吸时平躺在床上，由同一个工作人员对该测试的所逡逑有操作来完成，而且对每个测试者重复测试３次并将三次测试结果的平均值作为逡逑最终测试结果，如图１．２所示。逡逑Ｅｌｓ逡逑图１．２腹内脂肪面积的ＣＴ测量逡逑Ｆｉｇ邋１．２邋ＣＴ邋ｍｅａｓｕｒｅｍｅｎｔ邋ｏｆ邋ｖｉｓｃｅｒａｌ邋ｆａｔ邋ａｒｅａ逡逑３逡逑

测试者保持不要呼吸时平躺在床上，由同一个工作人员对该测试的所逡逑有操作来完成，而且对每个测试者重复测试３次并将三次测试结果的平均值作为逡逑最终测试结果，如图１．２所示。逡逑Ｅｌｓ逡逑图１．２腹内脂肪面积的ＣＴ测量逡逑Ｆｉｇ邋１．２邋ＣＴ邋ｍｅａｓｕｒｅｍｅｎｔ邋ｏｆ邋ｖｉｓｃｅｒａｌ邋ｆａｔ邋ａｒｅａ逡逑３逡逑

的一种现象，该现象是１９５７年Ｓｃｈｗａｎ在研宄生物组织频率特性时提出来的，并逡逑且发现了生物组织内存在三个不同的ａ、Ｐ和Ｙ频率散射，生物组织的频散特性曲逡逑线如图２．４所示。逡逑由图２．４可以看出，生物组织的电导系数ｅ和介电常数0？随着频率的变化都呈逡逑现出三个明显的频率散射区域。其中几赫兹到几十千赫兹的音频段区域为ｃｔ频散，逡逑几十千赫兹到几十兆赫兹的射频段区域为频散以及几十兆赫兹以上的微波段区逡逑域为ｙ频散。逡逑５厂本逦（ｍｓ／ｃｍ）邋彔ｒ逡逑１０６邋■．邋—Ｙｊ逦］＿0ｉ逡逑１０４邋一邋＂邋１逡逑ｉｏ２邋—■邋＿逦＾逦Ｉ。—２逡逑１邋逦Ｉ逦Ｉ逦Ｉ逦Ｉ逦Ｉ逦逦＾逡逑１邋ｉｏ２逦ｉｏ＾逦ｉａ５逦ｉｏ？逦ｉｏ１０逡逑逦？邋ｆ邋（Ｈｓ）逡逑图２．４生物组织的频散特性曲线逡逑Ｆｉｇ邋２．４邋Ｔｈｅ邋ｄｉｓｐｅｒｓｉｏｎ邋ｃｕｒｖｅｓ邋ｏｆ邋ｂｉｏｌｏｇｉｃａｌ邋ｔｉｓｓｕｅ逡逑细胞的特征可以由Ｃｔ频散和Ａ频散的生物组织介电特性反映出，而Ｐ频散则逡逑是一种结构上的驰豫。在生物电阻抗的检测方法中，ｐ频散选取ｌＯＫＨｚ？１０ＭＨｚ频逡逑率范围。在实际测量中，检测频率范围一般都选在ｌＯＫＨｚ？１０ＭＨｚ之间，为了使逡逑测量人体腹部电阻抗的值更准确，本文采用５０邋ＫＨｚ的频率信号对人体腹部电阻抗逡逑进行测量［１0］。逡逑（２）电极和激励电流幅值选择逡逑测量电极的数量反映了生物电阻抗包含信息的成份，通常采用４电极或８电逡逑极。由于人体腹部内脏器官多

【参考文献】

相关期刊论文 前10条

1 赵刚;李四海;谭熙;;原发性高血压患者自主神经功能与动脉硬化的相关性[J];中华心血管病杂志;2016年03期

2 杨福芹;冯海宽;李振海;金秀良;杨贵军;戴华阳;;基于赤池信息量准则的冬小麦叶面积指数估算[J];农业机械学报;2015年11期

3 朱程辉;刘畅;王建平;李帷韬;;基于BIA的人体内脏脂肪面积预测云模型研究[J];电子测量与仪器学报;2014年09期

4 刘建伟;刘媛;罗雄麟;;半监督学习方法[J];计算机学报;2015年08期

5 刘训利;龚勋;王国胤;;一种基于非残差估计线性表示模型的人脸识别[J];智能系统学报;2014年03期

6 秦全德;程适;李丽;史玉回;;人工蜂群算法研究综述[J];智能系统学报;2014年02期

7 徐晨;曹莉;梁小晓;乐英高;;基于ABC—BP神经网络的用电量预测研究[J];计算机测量与控制;2014年03期

8 李章勇;苌飞霸;任超世;陈小波;冷锐;王伟;赵德春;梁晓燕;;一种基于多频生物电阻抗法的人体腹部脂肪检测系统的设计[J];传感技术学报;2012年12期

9 王娇;罗四维;;一种半监督协同训练的正则化算法[J];计算机科学;2012年07期

10 张喜善;周雪艳;;n元二次函数的极值及其求法[J];山西财经大学学报;2012年S2期

相关博士学位论文 前1条

1 崔妍;肥胖症及其相关并发症的临床研究以及肥胖症患者不同糖代谢状态下血清相关因子变化的研究[D];北京协和医学院;2013年

相关硕士学位论文 前9条

1 吴林生;基于集成的半监督学习和主动学习算法研究[D];西安电子科技大学;2014年

2 焦萌;基于TDLAS的氧气测量仪器开发与非线性调谐研究[D];天津大学;2014年

3 李新鹏;改进人工蜂群算法及其在切削参数优化问题中的应用研究[D];华中科技大学;2013年

4 梅峰;基于BIA的中国人群人体成分模型与现代生活方式关系研究[D];合肥工业大学;2012年

5 刘娜;冠心病患者腹部内脏脂肪与胰岛素抵抗的相关性研究[D];河北医科大学;2012年

6 尹怡;肝脏脂肪含量与胰岛素抵抗之间的相关性研究[D];山东大学;2011年

7 蒲云飞;腹型肥胖内脏脂肪定量检测的评估及其临床价值[D];第三军医大学;2009年

8 王丽娜;腹部脂肪分布与冠状动脉病变程度的相关性研究[D];河北医科大学;2009年

9 沙洪;躯干细分生物电阻抗人体成分检测方法研究[D];中国协和医科大学;2008年

本文编号：2816651