从3D身体形状预测总体和区域身体组成

科学领域:

• 生物医学工程 生物医学工程
• 放射学 放射学是一门学科.
• 公共卫生 公共卫生

背景情况:

• 准确的身体成分评估对于评估慢性疾病风险至关重要.
• 通过智能手机获得的3D身体形状数据显示,与身体组成有很强的相关性.
• 目前用于身体成分分析的方法可能是侵入性的或不可访问的.

研究的目的:

• 提出一种新的方法来预测身体组成,使用来自智能手机模拟图像的3D身体网.
• 为了验证这种方法与双能X射线吸收计 (DXA) 衍生数据相对应.
• 评估智能手机应用程序的有效性,利用这种3D身体形状方法进行健康监测.

主要方法:

• 开发了一种方法,将3D身体网格与DXA轮和人类数据相匹配.
• 利用Fenland研究 (n=12,435) 的基线和后续数据,应用了衍生模型来预测总体和区域身体组成指标.
• 评估了一款智能手机应用程序,该应用程序可以从手机图像中重建3D网格,以预测身体组成.

主要成果:

• 来自3D身体网的模型预测了Fenland研究后续数据中的高相关性 (r > 0.86) 的身体组成指标.
• 智能手机应用程序分析也显示了所有预测的身体组成指标的强相关性 (r > 0.84).
• 3D身体形状方法被证明是传统医学成像学的有效替代方案.

结论:

• 使用智能手机衍生的网格进行3D身体形状分析,为身体组成评估提供了一个高度准确和可访问的方法.
• 这种方法可以作为监测健康参数和生活方式干预措施有效性的宝贵工具.
• 这些发现表明,有可能转向针对个性化健康监测的非侵入性,广泛可访问的方法.