S'abonner

Determination of Body Fat Percentage by Gender Based with Photoplethysmography Signal Using Machine Learning Algorithm - 13/01/21

Doi : 10.1016/j.irbm.2020.12.003 
M. Akman a , M.K. Uçar b, , Z. Uçar c , K. Uçar d , B. Baraklı b , M.R. Bozkurt b
a Beykent University, School of Health Sciences, Department of Nutrition and Dietetics, Buyukcekmece, Istanbul, Turkey 
b Sakarya University, Faculty of Engineering, Electrical-Electronics Engineering, 54187, Serdivan, Sakarya, Turkey 
c Istanbul Okan University, Institute of Health Sciences, Nutrition and Dietetics, 34394, Mecidiyekoy, Istanbul, Turkey 
d Hacettepe University, Faculty of Health Sciences, Department of Nutrition and Dietetics, 06100 Sıhhiye, Ankara, Turkey 

Corresponding author.
Sous presse. Épreuves corrigées par l'auteur. Disponible en ligne depuis le Wednesday 13 January 2021
Cet article a été publié dans un numéro de la revue, cliquez ici pour y accéder

Graphical abstract

Le texte complet de cet article est disponible en PDF.

Highlights

Machine learning-based prediction model for body fat percentage (BFP).
Artificial intelligence-based BFP prediction model for men and women.
BFP prediction model with photoplethysmography signal.
Low-cost BFP prediction model.
High accuracy BFP prediction model.

Le texte complet de cet article est disponible en PDF.

Abstract

Objective

Calculation of body fat percentage (BFP) is a frequently encountered problem in the literature. BFP is one of the most significant parameters which should be processed in body weight control programs. Anthropometric measurements and statistical methods are being used generally in the literature for BFP estimation. Artificial intelligence and gender-based models with a photoplethysmography signal (PPG) were proposed for BFP estimation in this study.

Material and Methods

In the study, the PPG signal is divided into lower frequency bands, and 25 features are taken out from each frequency band. Artificial intelligence algorithms were created by reducing the extracted features with the help of a feature selection algorithm.

Results

According to the results obtained, models with performance values of  ,   for men,  ,   for women were created.

Conclusions

In the best performing models, the PPG signal's high-frequency components are used for men, whereas the low-frequency band of the PPG signal is used for women. As a result, the proposed model in this study is considered to be used for BFP measurement.

Le texte complet de cet article est disponible en PDF.

Keywords : Photoplethysmography signal, Machine learning, Body composition, Body fat percentage, Gender-based body fat percentage


Plan


© 2020  AGBM. Publié par Elsevier Masson SAS. Tous droits réservés.
Ajouter à ma bibliothèque Retirer de ma bibliothèque Imprimer
Export

    Export citations

  • Fichier

  • Contenu

Bienvenue sur EM-consulte, la référence des professionnels de santé.
L’accès au texte intégral de cet article nécessite un abonnement.

Déjà abonné à cette revue ?

Mon compte


Plateformes Elsevier Masson

Déclaration CNIL

EM-CONSULTE.COM est déclaré à la CNIL, déclaration n° 1286925.

En application de la loi nº78-17 du 6 janvier 1978 relative à l'informatique, aux fichiers et aux libertés, vous disposez des droits d'opposition (art.26 de la loi), d'accès (art.34 à 38 de la loi), et de rectification (art.36 de la loi) des données vous concernant. Ainsi, vous pouvez exiger que soient rectifiées, complétées, clarifiées, mises à jour ou effacées les informations vous concernant qui sont inexactes, incomplètes, équivoques, périmées ou dont la collecte ou l'utilisation ou la conservation est interdite.
Les informations personnelles concernant les visiteurs de notre site, y compris leur identité, sont confidentielles.
Le responsable du site s'engage sur l'honneur à respecter les conditions légales de confidentialité applicables en France et à ne pas divulguer ces informations à des tiers.


Tout le contenu de ce site: Copyright © 2024 Elsevier, ses concédants de licence et ses contributeurs. Tout les droits sont réservés, y compris ceux relatifs à l'exploration de textes et de données, a la formation en IA et aux technologies similaires. Pour tout contenu en libre accès, les conditions de licence Creative Commons s'appliquent.