基于深度学习的身体形状集群分析使用3D身体扫描仪:变压器算法的应用

科学领域:

• 人类测量学 人类测量学.
• 生物医学工程 生物医学工程
• 数据科学数据科学数据科学

背景情况:

• 准确的身体形状分类对于个性化的健康见解至关重要.
• 传统方法可能缺乏精确分析所需的细粒度.
• 3D身体扫描技术提供了先进的测量功能.

研究的目的:

• 应用深度学习,特别是变压器学习,用于身体形状集群分析.
• 使用3D身体扫描器数据进行详细的人体形状分类.
• 探索变压器算法在身体类型分类中的有效性.

主要方法:

• 从366名成年人中采集了54个变量,使用3D身体扫描仪.
• 使用变压器学习和缩小维度模型进行集群分析.
• 使用曼-惠特尼和克鲁斯卡尔-瓦利斯测试来确定统计学意义.

主要成果:

• 与其他方法相比,变压器算法在车身类型分类方面表现优越.
• 分析成功地将身体类型分为六个不同的集群.
• 这些集群包括内体和外体体型的变异.

结论:

• 开发的六个集群模型提供了更详细的车身类型信息.
• 这种详细的分类可以作为预测健康和疾病风险的基础数据.
• 深度学习方法为推进人类学分析提供了强大的工具.