Состав тела связан с риском развития хронических заболеваний. Определение состава тела осуществляется с помощью компьютерной томографии, двухэнергетической рентгеновской абсорбциометрии (ДРА) и магнитно-резонансной томографии. Также используются обычные антропометрические данные, такие как соотношение талии и бедер, индекс массы тела (ИМТ) и окружность талии и бедер. Однако антропометрические данные не позволяют рассчитать жировую и тощую массу, а проведение полноценного обследования предполагает личное посещение специалиста. Таким образом, отмечается необходимость в разработке простых в применении, доступных и недорогих инструментов для определения состава тела и, в особенности, прогнозирования его изменений.
Исследователи разработали новый метод прогнозирования изменений состава тела с использованием трехмерной модели человека. В его основу легли результаты ДРА, метаболические данные и парные антропометрические данные из исследования Fenland (когортное исследование, изучающее взаимодействие между экологическими и генетическими факторами в определении ожирения, сахарного диабета 2 типа и связанных с ними нарушений обмена веществ): данные 11359 пациентов из первой фазы исследования и данные 7795 пациентов – из второй.
Команда использовала 80% данных первой фазы исследования для обучения нейросети и получения трехмерных моделей строения тела, а оставшиеся 20% – для проверки. Данные второго этапа были использованы в качестве тестового набора данных для сравнения в динамике. Затем было проведено исследование с использованием смартфонов при участии 119 здоровых взрослых, в котором использовались результаты ДРА и воздушной плетизмографии, а также фотографии пользователей, загруженные в специальное приложение.
Мобильное приложение преобразовывает фотографии пользователя в полный рост (лицом, со спины, с правой и левой стороны) в 2D-изображения, а затем создает 3D-сетку человеческого тела. Исследователи сопоставили 3D-сетку со снимками ДРА с помощью парных антропометрических данных и использовали полученные параметры для прогнозирования показателей состава тела.
Авторы создали нейронную сеть с прямой связью, где в качестве входных данных использовались 10 параметров модели SMPL (Skinned Multi-Person Linear Model), данные о росте, весе, поле и ИМТ. Выходные данные включали общую мышечную массу, общую жировую массу и прочие антропометрические показатели. Была разработана модель для прогнозирования общих и специфических показателей состава тела.
Таким образом, 3D-модели человеческого тела, созданные на основе 2D-изображений, могут стать полноценной альтернативой методам визуализации в медицинских учреждениях.
Фото: npj Digital Medicine
Источник: 25 октября 2024,
https://www.nature.com/articles/s41746-024-01289-0#Abs1