كلاس‌بندي نمايه توده بدني مبتني بر ويژگي‌هاي چهره با استفاده از الگوريتم‌هاي يادگيري ماشين به منظور به كارگيري در پزشكي از راه دور

اهداف: با توجه به تأثير كنترل BMI(Body mass index) در زندگي، از تعيين گروه BMI با ويژگي‌هاي چهره مي‌توان جهت توسعه‌ي سيستم‌هاي پزشكي از راه دور و حذف محدوديت‌هاي ابزارهاي اندازه‌گيري بخصوص براي افراد ناتوان بهره برد، تا پزشكان بتوانند به شكل آن‌لاين در شرايط پاندمي كوويد-۱۹ به افراد كمك كنند.روش ‌‌‌كار: در اين پژوهش از تصاوير چهره‌ي افراد سفيدپوست، سياه‌پوست و آسيايي، ۱۸ تا ۸۱ سال با BMI نرمال و اضافه وزن، ويژگي‌هاي جديد و برخي ويژگي‌هاي مقالات پيشين استخراج شد. سپس در سه گام مجزا، عملكرد جنگل تصادفي و ماشين بردار پشتيبان يك‌بار با كل ويژگي‌ها و يك‌بار با ويژگي‌هاي منتخب بر اساس ضريب همبستگي Pearson سنجيده شد. تصاوير چهره در گام اول در قالب يك گروه، در گام دوم با تقسيم‌بندي به گروه‌هاي بيضي، مربعي و گرد و در گام آخر با دسته‌بندي بر اساس جنسيت بررسي شده‌اند. پياده‌سازي در نرم‌افزار متلب R۲۰۱۵b انجام شد.يافته‌ها: نتايج استفاده از ويژگي‌هاي منتخب چهره‌ي ۹۷ زن و ۹۲ مرد نشان مي‌دهد، جنگل تصادفي در گروه‌هاي زنان و چهره‌ي مربعي با دقت‌هاي 91/75 و 87/30 درصد و ماشين بردار پشتيبان در گروه‌هاي زنان، چهره‌ي مربعي و گرد با دقت‌هاي ۹۴/۸۴، ۸۴/۱۲ و ۸۴ درصد بهترين عملكرد را داشتند. همچنين استفاده از اين ويژگي‌ها به جاي كل ويژگي‌ها سبب بهبود عملكرد شد.نتيجه‌گيري: با تقسيم‌بندي تصاوير چهره بر اساس شكل و جنسيت و نيز انتخاب ويژگي‌هاي مناسب مي‌توان با دقت بهتري افراد را در گروه‌هاي BMI دسته‌بندي كرد تا كارآيي سيستم‌هاي پزشكي از راه دور را به ويژه براي افراد ناتوان افزايش داد.