پیش‌بینی مقدار زاویه فاز براساس داده‌های دستگاه آنالیز بدن با استفاده از روش‌های رگرسیون چند متغیره در یادگیری ماشین

Abstract

مقدمه: زاویه فاز یکی از مهم‌ترین شاخصه‌هایی است که توسط مکانیسم آنالیز بیوامپدانس اندازه‌گیری می‌شود و به نسبت مقاومت و راکتانس بدن اطلاق می‌شود. این شاخصه به طور فزاینده‌ای برای ارزیابی وضعیت تغذیه‌ی بیماران، تعیین اثربخشی رژیم غذایی، پیش‌بینی سندروم متابولیکی ، تعیین حجم و قدرت ماهیچه‌ها و همچنین برای تعیین وضعیت سلامت سلولی و تعیین شانس زنده ماندن بیماران مبتلا به ایدز و بیماران در بخش مراقبت‌های ویژه مورد استفاده قرار می‌گیرد. اندازه‌گیری زاویه فاز توسط مکانیسم بیوامپدانس صورت می‌گیرد ولی در این پایان‌نامه قصد بر این است که مهم‌ترین شاخصه‌هایی را که در مقدار زاویه فاز تاثیر می‌گذارند تعیین کنیم و این مقدار را به صورت اتوماتیک و با استفاده از روش‌های یادگیری ماشین تعیین کنیم. روش كار و مواد: در این طرح یک جامعه‌ی آماری بیشتر از 370 نفر از افرادی که به صورت داوطلبانه در ارزیابی وضعیت ترکیبات بدن شرکت کرده‌اند انتخاب می‌شوند و این افراد با رضایت خود مورد بررسی در این طرح قرار می‌گیرند. لازم به ذکر است که این ارزیابی توسط دستگاه آنالیزر ترکیبات بدنی تانیتا5 MC-780 ساخت کشور ژاپن صورت می‌گیرد و نتایج بدست آمده کاملا قابل استناد می‌باشد . این دستگاه با دقت بالا از طریق مکانیسم آنالیز بیوامپدانس و با ارسال جریان خفیف الکتریسیته (50 کیلو هرتز) با فرکانس‌های مختلف و اندازه‌گیری مقاومت و ولتاژ جریان نهایتاَ با دقت بسیار بالا، آب داخل و خارج سلولی بدن و به دنبال آن میزان عضلات و چربی بدن را به تفکیک اندام‌ها و تنه به نمایش می‌گذارد. پس از ثبت اطلاعات داوطلبان توسط دستگاه، عملیات پردازش داده و اجرای روش‌های رگرسیون در یادگیری ماشین توسط نرم افزارهای Python, MATLAB, SPSS انجام شده است. یافته‌ها: با استفاده از داده‌های موجود و اجرای روش‌های مختلف رگرسیون یادگیری ماشین از جمله روش رگرسیون خطی2 ، ماشین بردار پشتیبان3، درخت رگرسیون و کلاس‌بندی جمعی درختان ، و با توجه به زمان یادگیری و مقادیر بدست آمده از خطای جذر میانگین مربعات، خطای میانگین مربعات و میانگین قدرمطلق خطا، نشان دادیم که روش ماشین بردار پشتیبان با کرنل گاوسی متوسط با کمترین مقدار خطای جذر میانگین مربعات در مراحل قبل و بعد از انتخاب ویژگی ، با در نظر گرفتن زمان یادگیری مناسب آن، مطلوب‌ترین پاسخ را برای پیش‌بینی مقدار زاویه فاز ارائه می‌دهد. قابل ذکر است مقادیر خطای پیش‌بینی برای مدل پیشنهادی برابر RMSE=0.54503 و مقادیر درصد دقت پیش بینی پس از اعمال روش اهمیت ویژگی، برابر با 53/89 درصد محاسبه شد. نتیجه‌گیری: نتایج بررسی‌ها و پردازش‌های انجام شده در داده‌های ترکیبات بدنی ثبت شده از داوطلبین، نشان‌دهنده‌ی این است که مقادیر تغییرات زاویه فاز، به نسبت زیادی به ویژگی‌های ترکیبات بدنی افراد بستگی دارد. از نتایج بدست آمده می‌توان نتیجه‌گیری کرد که میزان تغییرات زاویه فاز در افراد مورد آزمایش، به سن، قد، شاخص توده‌ی بدنی، آب درون سلولی و آب بیرون سلولی بستگی دارد و با اندازه‌گیری دقیق این شاخصه‌ها در هر فرد می‌توان مقدار دقیق زاویه فاز را بدون نیاز به دستگاه آنالیز ترکیبات بدنی پیش‌بینی کرد.