AI驱动的智能手机应用程序构建人体3D模型以准确预测体脂

剑桥大学的研究人员开发了一款名为3D BodyShape的智能手机应用程序，该应用能够通过机器学习从照片中准确确定人体成分，这与心脏病、中风等疾病的风险密切相关。

这款目前仍处于研究原型阶段的应用程序即将在iOS和Android设备上推出。它结合了机器学习算法，该算法经过超过12,000名成人的详细医学影像数据训练。仅需四张智能手机拍摄的照片，该应用程序就能构建一个三维人体模型，并从中确定体脂和肌肉组织的分布情况，其准确性非常高。

研究成果发表在《npj Digital Medicine》期刊上。

体成分是糖尿病和心脏病的强预测指标。那些拥有“苹果形”身材或上臂和小腿肌肉量较低的人群，患代谢性疾病如糖尿病、心脏病、中风和某些癌症的风险较高。

研究人员表示，虽然该应用程序不能替代医疗护理，但它可以让个人监测自身健康状况的变化及相关的风险，并进行必要的生活方式调整。

心血管疾病（如心脏病和中风）是全球主要的死亡原因，其中许多死亡与不良代谢健康有关。全球三分之一的成年人患有与代谢健康相关的疾病，包括肥胖症。

“不良代谢健康与身体形状和组成高度相关——脂肪和肌肉在身体上的分布方式，但同时也与睡眠质量和压力水平密切相关，”剑桥大学工程系教授Roberto Cipolla领导了这项研究，他表示。“遗传因素也起作用，但许多疾病可以通过生活方式和行为预防。”

体质指数（BMI）通常用于估计肥胖程度，但由于BMI无法区分脂肪和肌肉，因此不如那些能区分的方法作为健康指标那么可靠。

“在临床评估中，我们使用更准确的身体成分测量方法，但这些方法昂贵且只能在研究或医疗机构中使用，不适合常规健康监测，”共同作者、医学研究委员会流行病学单位的Emanuella De Lucia Rolfe博士说。“这个新工具有可能为每个人提供类似的信息，只需一部智能手机，随时可用且免费。”

研究人员使用了来自12,000名Fenland研究参与者的超过20,000份DXA（双能X射线吸收测定法）扫描图像，这些图像显示了详细的体成分及其随时间的变化。该研究包含每个参与者的体重、身高、臀围和腰围比例、体脂百分比以及其他健康参数，参与者在加入研究时年龄在30至65岁之间。

这些数据被用作训练机器学习算法的数据集，以从3D身体形状中确定体成分。研究人员将二维DXA图像转换为三维身体形状，即虚拟化身。

这些虚拟化身随后被用于训练深度学习网络，以预测体成分，包括内脏腹部脂肪和骨骼肌。结果显示，该模型能够准确预测体成分及其随时间的变化。

该应用程序使用计算机视觉算法将四张手机照片（正面、背面、左侧和右侧）转换为3D身体形状虚拟化身，然后转换为体成分。所有处理都在手机上完成，不会共享任何图像或数据。应用程序的结果也能够高精度地预测体成分。

“Fenland研究主要涵盖了白种欧洲人，我们现在需要在其他人群中测试这种方法，”De Lucia Rolfe说。“体脂和肌肉的分布在不同年龄和种族中有所不同，我们需要检查这种3D身体形状方法能否准确识别这些差异。这是我们的下一个项目。”

Cipolla表示，该应用程序可以帮助人们确定自身的风险并随时间监测健康状况，从而进行必要的生活方式调整——如饮食、体育锻炼、睡眠和压力管理——以保持健康并降低风险。

“这种工具的实用性甚至可能超出医疗保健领域，”共同作者、医学研究委员会流行病学单位的Soren Brage博士说。“如果我们不需要去看医生，或者至少减少看医生的次数，那会更好，而体育锻炼在这方面起着重要作用。”

“如果提供易于测量的健康状况指标，如身体适能和脂肪含量，可以激励人们开始锻炼计划，并通过让他们监测健康状况和跟踪进展来保持他们的参与度，这些工具将拯救生命并节省纳税人的钱。”

“该应用程序可以作为一种在看医生之前的初步筛查手段，”Cipolla说。“机器学习正在不断改进，以至于它可以切实改善人们的生活，如果我们可以成为其中的一小部分，那将是非常令人欣慰的。”

(全文结束)