本發(fā)明涉及人體測(cè)量技術(shù)領(lǐng)域，具體涉及一種人體身體成分的分析方法，更具體地涉及一種人體體脂百分比的測(cè)量方法，及其在體成分分析中的應(yīng)用。

背景技術(shù)：

近幾十年隨著科學(xué)技術(shù)的發(fā)展，用來(lái)進(jìn)行身體成分評(píng)測(cè)的方法和技術(shù)也越來(lái)越豐富。身體成分通常是關(guān)于人體體重的組成部分的分布、特征及比重等。一般的身體成分分析是根據(jù)人體的不同的生物化學(xué)、解剖學(xué)或形態(tài)等元素特點(diǎn)，將其劃分為兩個(gè)或更多個(gè)部分。最常見(jiàn)的體成分測(cè)試就是將人體劃分為脂肪重量及去脂肪重量(也稱(chēng)為去脂體重)來(lái)進(jìn)行測(cè)量。隨著一系列關(guān)于身體成分測(cè)試技術(shù)的進(jìn)步，多種不同劃分方法的身體成分模型也開(kāi)始被廣泛的發(fā)展運(yùn)用，如原子模型、分子模型、細(xì)胞模型、組織模型等，通常包括身體總水分(TBW)，細(xì)胞外液(ECW)，細(xì)胞內(nèi)液(ICW)，脂肪量，骨密度(BM)和蛋白質(zhì)(P)等部分。目前比較公認(rèn)的二元模型就是按照脂肪重量(FM)和去脂體重(FFM)進(jìn)行劃分，并假設(shè)FM和FFM有恒定的密度，分別為0.9Kg/L和1.1Kg/L。

通常，評(píng)估人體成分的唯一直接方法就是通過(guò)尸體解剖后的分析，如此相對(duì)所有其他的評(píng)價(jià)方法都是間接的，而尸體的研究數(shù)量有限。所以許多身體成分的評(píng)價(jià)技術(shù)可以被稱(chēng)為是雙重間接測(cè)試的，也就是其通過(guò)另一個(gè)間接測(cè)試方法、誤差以及隨后的測(cè)量數(shù)據(jù)進(jìn)行估測(cè)的。如此間接的結(jié)果，大多數(shù)是用來(lái)對(duì)人體成分進(jìn)行估測(cè)或預(yù)測(cè)。而估測(cè)的方法也從簡(jiǎn)單易行的方法到非常復(fù)雜昂貴的實(shí)驗(yàn)室測(cè)試等，也可以按照測(cè)試人員的技能和儀器設(shè)備兩個(gè)參數(shù)進(jìn)行分類(lèi)。比較復(fù)雜的測(cè)試方法有，實(shí)驗(yàn)室的水下稱(chēng)重法、雙能X射線測(cè)試法(DXA)，總體電導(dǎo)率或阻抗、近紅外、超聲波、CT、空氣體積描述法、核磁共振成像等，而比較簡(jiǎn)單的方法有皮褶測(cè)試法、圍度測(cè)試法、生物電阻抗(BIA)等。

水下稱(chēng)重密度測(cè)試方法歷來(lái)被認(rèn)為是人體成分測(cè)量的金標(biāo)準(zhǔn)，其主要通過(guò)水下，人體重量與人體密度密切相關(guān)的原理來(lái)進(jìn)行估測(cè)的。身體成分按照兩元模型的FM和FFM密度通過(guò)標(biāo)準(zhǔn)的數(shù)學(xué)方程進(jìn)行估算。這個(gè)方法的不利之處便是它的有效性和適用性方面，它需要測(cè)試者的高度配合，能夠在水下完全呼出空氣并保持至少10下秒鐘，而且要如此反復(fù)幾次，所以對(duì)于兒童或老年人不適用。水下稱(chēng)重法的另一個(gè)缺點(diǎn)就是，它是假設(shè)FFM密度相對(duì)恒定的基礎(chǔ)上，而人體隨著生長(zhǎng)發(fā)育或衰老，它的密度也是發(fā)生變化的，這也影響了水下測(cè)試法的準(zhǔn)確性。最近，也有空氣體質(zhì)置換描述法(BOD POD身體成分測(cè)試系統(tǒng))用來(lái)替代水下稱(chēng)重法，克服了水下稱(chēng)重法必須要在全部沉沒(méi)到水下的難點(diǎn)，但將該方法應(yīng)用到青少年的體成分估測(cè)的研究還比較少。

身體總水量(TBW)測(cè)試法采用同位素稀釋技術(shù)，脂肪組織的含水量可以忽略不計(jì)，而其瘦體重的水分是相對(duì)恒定的，根據(jù)此原則來(lái)預(yù)測(cè)身體成分。因?yàn)檫@種方式通常都是采用具有放射性的同位素進(jìn)行測(cè)量的，所以不適用于青少年兒童。而非放射性同位素雖然能夠用于兒童，但其成本高昂，不能夠普遍使用。

通常認(rèn)為脂肪組織當(dāng)中幾不含有鉀元素的，所以可以通過(guò)去脂肪組織中的鈉含量來(lái)進(jìn)行身體成分的估測(cè)。通過(guò)天然放射性元素測(cè)量法，TBK測(cè)量后可以用瘦體重中的鉀含量來(lái)估測(cè)身體的瘦體重，它的優(yōu)點(diǎn)就是測(cè)試的精度較好，但它的缺點(diǎn)是通過(guò)鉀含量來(lái)估算瘦體重可能存在誤差，如兒童的鉀含量相對(duì)比成人低，所以這種估算系數(shù)是有限制的。同時(shí)，該技術(shù)是非侵入性的和安全的，但其測(cè)試地點(diǎn)需要在一個(gè)封閉的環(huán)境中，測(cè)試時(shí)間需要保持在10‐150分鐘，測(cè)試設(shè)備比較昂貴，所以一般這種測(cè)試方法主要應(yīng)用在幼兒的身體成分測(cè)試。

核磁共振成像(MRI)是通過(guò)提供脂肪組織和非脂肪組織的斷層圖像掃描來(lái)進(jìn)行身體成分的計(jì)算。需要測(cè)試者躺在一個(gè)封閉的掃描空間，直到儀器采集夠足夠多的掃描圖像，然后通過(guò)已知的體積和密度進(jìn)行計(jì)算。這種測(cè)試方式常常將部分非脂肪成分(脂肪和水分)也劃分到脂肪組織中，而且不適合兒童。另一種與MRI相似的方法就是計(jì)算機(jī)斷層掃描(CT)，其掃描會(huì)產(chǎn)生大量輻射，因此更不適合青少年兒童進(jìn)行測(cè)試。

DXA測(cè)試法是基于發(fā)射γ射線通過(guò)人體時(shí)產(chǎn)生的低密度中子數(shù)進(jìn)行分析，肌肉組織、骨骼和脂肪組織對(duì)γ射線產(chǎn)生的響應(yīng)不同，以此來(lái)進(jìn)行身體成分的估算。DXA技術(shù)的優(yōu)點(diǎn)為可靠性高，測(cè)量速度快，對(duì)測(cè)試者要求低，通過(guò)骨密度指標(biāo)進(jìn)行評(píng)價(jià)，如此對(duì)于兒童和成人都是比較適用的。而其缺點(diǎn)也是在兒童中應(yīng)用該技術(shù)其測(cè)試有效性和電離輻射的副作用需要進(jìn)行考慮。

總體電導(dǎo)率(TOBEC)評(píng)估身體成分方法，需要在一個(gè)測(cè)試室內(nèi)放置一個(gè)大的圓柱形線圈，能夠產(chǎn)生的特定無(wú)線頻率的電流。其原理是一個(gè)活體組織處在一個(gè)電磁場(chǎng)中會(huì)產(chǎn)生磁場(chǎng)干擾，這種干擾是由于有機(jī)體內(nèi)的聚集的大量電解質(zhì)引起的，根據(jù)FFM中的一些唯一的電解質(zhì)，通過(guò)適當(dāng)?shù)男?zhǔn)實(shí)現(xiàn)身體脂肪的精確分離，從而進(jìn)行計(jì)算。相比成人，兒童TOBEC測(cè)量?jī)x器可采用動(dòng)物尸體分析進(jìn)行校正以獲得更加精確的測(cè)試數(shù)據(jù)。這種方法比較適合兒童，因?yàn)樗欠乔秩胄缘?，也沒(méi)有風(fēng)險(xiǎn)性，無(wú)輻射，測(cè)試速度快，對(duì)測(cè)試者配合要求低。但還需要更多的新研究來(lái)支持該研究結(jié)果，以此證明TOBEC測(cè)量技術(shù)的可靠性。

生物電阻抗(BIA)是指微電流(通常800μA，頻率50Hz)通過(guò)身體，利用身體不同組織的阻抗差異來(lái)判斷身體成分比例。電阻由輸入極和檢測(cè)極決定，將電阻抗值轉(zhuǎn)化成身體密度，根據(jù)轉(zhuǎn)換方程來(lái)計(jì)算身體成分。但是因?yàn)殡娮杩雇ǔＴ谌说乃闹M(jìn)行連接，所以對(duì)四肢的電阻抗值的敏感度較高，而對(duì)軀干脂肪相對(duì)較為不敏感。而且BIA測(cè)量的影響因素也比較多，如測(cè)試者的姿勢(shì)、環(huán)境、皮膚溫度、年齡、性別、身體狀態(tài)等等。

以上方法對(duì)于精確測(cè)試個(gè)體身體成分具有一定的適用性，但是對(duì)于大樣本的受試群體來(lái)說(shuō)，上述方法都過(guò)于復(fù)雜，不僅對(duì)設(shè)備要求高，而且對(duì)受試者要求也很高，因此不適用于群體體成分的快速評(píng)估。

技術(shù)實(shí)現(xiàn)要素：

本發(fā)明的目的在于：提供一種適用于大樣本量的人群身體成分分析的方法，既可以快速獲得準(zhǔn)確的分析結(jié)果，又不需要昂貴的設(shè)備投入和嚴(yán)格的測(cè)試條件要求。

為了實(shí)現(xiàn)本發(fā)明的上述目的，本發(fā)明提出以下技術(shù)方案：

首先，提供一種基于BP神經(jīng)網(wǎng)絡(luò)的體脂百分比測(cè)量方法，包括：

1)測(cè)量受試者身高、年齡和身體質(zhì)量指數(shù)(BMI)數(shù)據(jù)；同時(shí)獲取受試者性別信息；

2)將性別、身高、年齡和BMI數(shù)據(jù)作為參數(shù)，使用體脂百分比BP神經(jīng)網(wǎng)絡(luò)測(cè)算得出受試者的體脂百分比；所述的體脂百分比BP神經(jīng)網(wǎng)絡(luò)設(shè)有輸入層、輸出層和1個(gè)隱藏層；所述的輸入層設(shè)有4個(gè)輸入神經(jīng)元、所述的隱藏層設(shè)有9個(gè)神經(jīng)元，所述的輸出層設(shè)有1個(gè)神經(jīng)元；所述的體脂百分比BP神經(jīng)網(wǎng)絡(luò)的建立采用不小于1000人的樣本數(shù)據(jù)、以不高于萬(wàn)分之一的最大誤差、不高于0.02的學(xué)習(xí)率和不低于0.7的記憶率進(jìn)行不少于1000次訓(xùn)練，采用70～90％樣本訓(xùn)練和10～30％樣本驗(yàn)證的方式；本步驟具體包括：

2.1)先將步驟1)獲取的數(shù)據(jù)和信息進(jìn)行標(biāo)準(zhǔn)化預(yù)處理：將步驟1)獲取的身高、年齡數(shù)據(jù)x_i用下式(I)轉(zhuǎn)換成大于等于0且小于等于1的數(shù)據(jù)將步驟1)獲得的BMI數(shù)據(jù)的平方數(shù)x_i用下式(I)轉(zhuǎn)換成大于等于0且小于等于1的數(shù)據(jù)將步驟1)獲取的性別信息中的男性定義為0，女性定義為1；

$\stackrel{\‾}{x_i}=\frac{x_i-x_{\min }}{x_{\max }-x_{\min }}---\left(I\right)$

式(I)中，所述的x_min和x_max分別是所述體脂百分比BP神經(jīng)網(wǎng)絡(luò)訓(xùn)練數(shù)據(jù)中相應(yīng)參數(shù)的最小值和最大值；

2.2)將步驟2.1)轉(zhuǎn)換處理得到的大于等于0且小于等于1的與性別、身高、年齡和BMI相對(duì)應(yīng)的4個(gè)數(shù)據(jù)輸入體脂百分比BP神經(jīng)網(wǎng)絡(luò)的輸入層的所述4個(gè)輸入神經(jīng)元，經(jīng)所述隱藏層的處理后，由所述輸出層神經(jīng)元獲得受試者體脂百分比結(jié)果。

本發(fā)明所述的方法中，步驟1)所述的受試者身高、年齡和身體質(zhì)量指數(shù)(BMI)數(shù)據(jù)可以通過(guò)現(xiàn)有技術(shù)的多種方法測(cè)算得到，例如，身高可以使用身高標(biāo)尺測(cè)量；BMI可以使用體重/身高²(kg/m²)的方法計(jì)算得到；年齡可以通過(guò)出生日期推算或骨齡檢測(cè)方法得到。

本發(fā)明所述的方法中，步驟2)所述的體脂百分比BP神經(jīng)網(wǎng)絡(luò)建立所用的樣本，其輸出數(shù)據(jù)(體脂百分比)均以生物電阻抗(BIA)方法由相同設(shè)備測(cè)量得到；或者使用以下式(II)計(jì)算得到：

體脂百分比(BF％)＝63.7-864×(1/BMI)-12.1×性別指數(shù)+0.12×年齡+129×人種指數(shù)A×(1/BMI)-

0.091×人種指數(shù)A×年齡-0.030×人種指數(shù)B×年齡(II)

式(II)中，性別指數(shù)取值：男為1，女為0；人種指數(shù)A取值：亞洲人種為1，其他人種為0；人種指數(shù)B取值：非裔美國(guó)人為1，其他人種為0；所述的BMI為體重/身高²(kg/m²)。

本發(fā)明優(yōu)選的方法中，步驟2)所述的體脂百分比BP神經(jīng)網(wǎng)絡(luò)建立，所述的學(xué)習(xí)率優(yōu)選0.02。

本發(fā)明優(yōu)選的方法中，步驟2)所述的體脂百分比BP神經(jīng)網(wǎng)絡(luò)建立，所述的記憶率優(yōu)選0.7。

本發(fā)明優(yōu)選的方法中，步驟2)所述的體脂百分比BP神經(jīng)網(wǎng)絡(luò)建立，所述的訓(xùn)練次數(shù)為5000～30000次，最優(yōu)選20000次。

本發(fā)明最優(yōu)選的方案，包括以下步驟：

1)使用身高、體重計(jì)測(cè)量受試者身高、體重，進(jìn)而按照體重/身高²(kg/m²)的方法計(jì)算得到身體質(zhì)量指數(shù)(BMI)數(shù)據(jù)；同時(shí)獲取受試者性別和年齡信息；

2)將性別、身高、年齡和BMI數(shù)據(jù)作為參數(shù)，使用體脂百分比BP神經(jīng)網(wǎng)絡(luò)測(cè)算得出受試者的體脂百分比；所述的體脂百分比BP神經(jīng)網(wǎng)絡(luò)模型設(shè)有輸入層、輸出層和1個(gè)隱藏層；所述的輸入層設(shè)有4個(gè)輸入神經(jīng)元、所述的隱藏層設(shè)有9個(gè)神經(jīng)元，所述的輸出層設(shè)有1個(gè)神經(jīng)元；所述的體脂百分比BP神經(jīng)網(wǎng)絡(luò)模型的建立采用：不小于1000人的樣本數(shù)據(jù)、以萬(wàn)分之一的最大誤差、0.02的學(xué)習(xí)率和0.7的記憶率進(jìn)行20000次訓(xùn)練，采用80％的樣本訓(xùn)練和20％的樣本驗(yàn)證的方式；

所述的不小于1000人的樣本數(shù)據(jù)中，作為輸出數(shù)據(jù)的體脂百分比通過(guò)以下式II計(jì)算得到：體脂百分比(BF％)＝63.7-864×(1/BMI)-12.1×性別指數(shù)+0.12×年齡+129×人種指數(shù)A×(1/BMI)-0.091×人種指數(shù)A×年齡-0.030×人種指數(shù)B×年齡 (II)

式(II)中，性別指數(shù)取值：男為1，女為0；人種指數(shù)A取值：亞洲人種為1，其他人種為0；人種指數(shù)B取值：非裔美國(guó)人為1，其他人種為0；所述的BMI為體重/身高²(kg/m²)；

本步驟具體包括：

2.1)先將步驟1)獲取的數(shù)據(jù)和信息進(jìn)行標(biāo)準(zhǔn)化預(yù)處理：將步驟1)獲取的身高、年齡數(shù)據(jù)x_i用下式(I)轉(zhuǎn)換成大于等于0且小于等于1的數(shù)據(jù)將步驟1)獲得的BMI數(shù)據(jù)的平方數(shù)x_i用下式(I)轉(zhuǎn)換成大于等于0且小于等于1的數(shù)據(jù)將步驟1)獲取的性別信息中的男性定義為0，女性定義為1；

$\stackrel{\‾}{x_i}=\frac{x_i-x_{\min }}{x_{\max }-x_{\min }}---\left(I\right)$

式(I)中，所述的x_min和x_max分別是所述體脂百分比BP神經(jīng)網(wǎng)絡(luò)訓(xùn)練數(shù)據(jù)中相應(yīng)參數(shù)的最小值和最大值；

2.2)將步驟2.1)轉(zhuǎn)換處理得到的大于等于0且小于等于1的與性別、身高、年齡和BMI相對(duì)應(yīng)的4個(gè)數(shù)據(jù)輸入體脂百分比BP神經(jīng)網(wǎng)絡(luò)的輸入層的所述4個(gè)輸入神經(jīng)元，經(jīng)所述隱藏層的處理后，由所述輸出層神經(jīng)元獲得受試者體脂百分比結(jié)果。

本發(fā)明提供的基于BP神經(jīng)網(wǎng)絡(luò)的體脂百分比測(cè)量方法可以作為分析和評(píng)價(jià)身體成分的可靠依據(jù)。

本發(fā)明還提供所述的體脂百分比測(cè)量方法在體成分分析中的應(yīng)用，包括：根據(jù)所述方法獲得體脂百分比結(jié)果后，按照常規(guī)方法和不同需求對(duì)應(yīng)的標(biāo)準(zhǔn)評(píng)價(jià)個(gè)體體成分組成狀況。評(píng)價(jià)結(jié)果不僅可以使個(gè)體增進(jìn)自身了解，更有意義的是可以進(jìn)一步用于預(yù)警健康風(fēng)險(xiǎn)或指導(dǎo)體育健身。

與現(xiàn)有技術(shù)的體成份分析方法相比，本發(fā)明的方法具有以下幾方面的有益效果：

1.參數(shù)的測(cè)量簡(jiǎn)單易行

本發(fā)明的方法中，需要測(cè)量的參數(shù)僅包括受試者的身高、年齡和BMI這幾個(gè)不需要特殊工具就能很容易獲得的指標(biāo)，而無(wú)需測(cè)量皮褶厚度、肢體各部分圍度、細(xì)胞內(nèi)外液、生物電阻抗值等復(fù)雜的參數(shù)，更無(wú)需進(jìn)行核磁共振、水下稱(chēng)重、雙能X射線等等設(shè)備投入大、操作要求高、測(cè)試條件嚴(yán)苛的檢測(cè)過(guò)程。本發(fā)明將得原本非常復(fù)雜的測(cè)量過(guò)程變得簡(jiǎn)單易行，這一簡(jiǎn)化過(guò)程是經(jīng)過(guò)大量研究、統(tǒng)計(jì)、篩選和驗(yàn)證來(lái)完成的，最終得到了非常簡(jiǎn)單的參數(shù)組成，這對(duì)于大樣本量的群體檢測(cè)來(lái)說(shuō)意義重大，具有非常高的實(shí)用價(jià)值。

2.測(cè)量結(jié)果的精準(zhǔn)度高

本發(fā)明的體脂百分比測(cè)量方法基于科學(xué)、合理地構(gòu)建方法得到的BP神經(jīng)網(wǎng)絡(luò)模型，該模型建立在大量研究、統(tǒng)計(jì)、篩選和驗(yàn)證的基礎(chǔ)上，充分利用了研究中發(fā)現(xiàn)的人體體脂百分比與人體測(cè)量學(xué)指標(biāo)之間的相關(guān)性規(guī)律，同時(shí)利用最優(yōu)化的構(gòu)建和訓(xùn)練方案建立的BP神經(jīng)網(wǎng)絡(luò)模型進(jìn)行測(cè)算，由簡(jiǎn)單的起始參數(shù)就可以快速獲得準(zhǔn)確的測(cè)量結(jié)果，而且結(jié)果的準(zhǔn)確性還會(huì)隨著受試樣本量的增加而不斷提高。

附圖說(shuō)明

圖1是實(shí)施例1所使建立的BP神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)示意圖。

圖2是實(shí)施例3的基于ANN1的方法測(cè)量的結(jié)果與BIA測(cè)量的結(jié)果的Bland-Altman散點(diǎn)圖。

具體實(shí)施方式

下面以列舉實(shí)施例的方式對(duì)本發(fā)明的技術(shù)方案進(jìn)一步做出具體的闡述，但本發(fā)明不限于以下所列舉的實(shí)施例。

實(shí)施例1.體脂百分比BP神經(jīng)網(wǎng)絡(luò)模型的建立

選擇1600名受試者，其中男女各800人，年齡20-76之間，BMI在16.2-42.7kg/m²之間，將每種參數(shù)的數(shù)據(jù)都按式(I)進(jìn)行標(biāo)準(zhǔn)化，得到大于等于0、小于等于1的數(shù)據(jù)，其中對(duì)BMI數(shù)據(jù)要先進(jìn)行平方計(jì)算后再用式(I)進(jìn)行標(biāo)準(zhǔn)化。

$\stackrel{\‾}{x_i}=\frac{x_i-x_{\min }}{x_{\max }-x_{\min }}---\left(I\right)$

同時(shí)使用Inbody3.0體成分測(cè)試儀測(cè)試上述1600名受試者的體脂百分比。

采用NeurophStudio工具創(chuàng)建三層結(jié)構(gòu)的人工神經(jīng)網(wǎng)絡(luò)，包括輸入層、隱藏層和輸出層；輸入層設(shè)置4個(gè)神經(jīng)元，分別用于上述標(biāo)準(zhǔn)化后的4種參數(shù)的輸入；隱藏層設(shè)置9個(gè)神經(jīng)元，按照常規(guī)方法設(shè)置權(quán)值；輸出層設(shè)置1個(gè)神經(jīng)元，用于上述受試者體脂百分比結(jié)果的輸出。

人工神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)設(shè)置好后，使用上述1600人中的1280人(其中男女各640人)的樣本數(shù)據(jù)以0.02的學(xué)習(xí)率和0.7的記憶率進(jìn)行20000次訓(xùn)練，保證萬(wàn)分之一的最大誤差，然后利用剩余320人(男女各160人)的樣本數(shù)據(jù)進(jìn)行驗(yàn)證，即可得到理想的體脂百分比BP神經(jīng)網(wǎng)絡(luò)模型，記作ANN1，結(jié)構(gòu)如圖1所示。

實(shí)施例2.體脂百分比BP神經(jīng)網(wǎng)絡(luò)模型的建立

選擇2000名受試者，其中男女各1000人，年齡25-75之間，BMI在17.3-45.7kg/m²之間，將每種參數(shù)的數(shù)據(jù)都按式(I)進(jìn)行標(biāo)準(zhǔn)化，得到大于等于0、小于等于1的數(shù)據(jù)，其中對(duì)BMI數(shù)據(jù)要先進(jìn)行平方計(jì)算后再用式(I)進(jìn)行標(biāo)準(zhǔn)化。

$\stackrel{\‾}{x_i}=\frac{x_i-x_{\min }}{x_{\max }-x_{\min }}---\left(I\right)$

同時(shí)使用式(II)測(cè)算上述2000名受試者的體脂百分比。

體脂百分比(BF％)＝63.7-864×(1/BMI)-12.1×性別指數(shù)+0.12×年齡+129×人種指數(shù)A×(1/BMI)-0.091×人種指數(shù)A×年齡-0.030×人種指數(shù)B×年齡 (II)

式(II)中，性別指數(shù)取值：男為1，女為0；人種指數(shù)A取值：亞洲人種為1，其他人種為0；人種指數(shù)B取值：非裔美國(guó)人為1，其他人種為0；

采用NeurophStudio工具創(chuàng)建三層結(jié)構(gòu)的人工神經(jīng)網(wǎng)絡(luò)，包括輸入層、隱藏層和輸出層；輸入層設(shè)置4個(gè)神經(jīng)元，分別用于上述標(biāo)準(zhǔn)化后的4種參數(shù)的輸入；隱藏層設(shè)置9個(gè)神經(jīng)元，按照常規(guī)方法設(shè)置權(quán)值；輸出層設(shè)置1個(gè)神經(jīng)元，用于上述受試者體脂百分比結(jié)果的輸出。

人工神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)設(shè)置好后，使用上述2000人中的1400人(其中男女各700人)的樣本數(shù)據(jù)以0.02的學(xué)習(xí)率和0.7的記憶率進(jìn)行10000次訓(xùn)練，保證萬(wàn)分之一的最大誤差，然后利用剩余600人(男女各300人)的樣本數(shù)據(jù)進(jìn)行驗(yàn)證，即可得到理想的體脂百分比BP神經(jīng)網(wǎng)絡(luò)模型，記作ANN2。

實(shí)施例3.基于BP神經(jīng)網(wǎng)絡(luò)模型的體脂百分比測(cè)量

一種基于BP神經(jīng)網(wǎng)絡(luò)的體脂百分比測(cè)量方法，具體步驟如下：

1)使用身高尺、體重計(jì)測(cè)量來(lái)自清華大學(xué)的學(xué)生及附近社區(qū)居民共1000人的身高、體重，進(jìn)而按照體重/身高²(kg/m²)的方法計(jì)算得到1000位受試者的身體質(zhì)量指數(shù)(BMI)數(shù)據(jù)；同時(shí)獲取1000位受試者的性別和年齡信息；

2)將性別、身高、年齡和BMI數(shù)據(jù)作為參數(shù)，使用實(shí)施例1建立的BP神經(jīng)網(wǎng)絡(luò)模型ANN1測(cè)算得出受試者的體脂百分比；

2.1)先將步驟1)獲取的數(shù)據(jù)和信息進(jìn)行標(biāo)準(zhǔn)化預(yù)處理：將步驟1)獲取的身高、年齡數(shù)據(jù)x_i用下式(I)轉(zhuǎn)換成大于等于0且小于等于1的數(shù)據(jù)將步驟1)獲得的BMI數(shù)據(jù)的平方數(shù)x_i用下式(I)轉(zhuǎn)換成大于等于0且小于等于1的數(shù)據(jù)將步驟1)獲取的性別信息中的男性定義為0，女性定義為1；

$\stackrel{\‾}{x_i}=\frac{x_i-x_{\min }}{x_{\max }-x_{\min }}---\left(I\right)$

式(I)中，所述的x_min和x_max分別是ANN1訓(xùn)練數(shù)據(jù)中相應(yīng)參數(shù)的最小值和最大值；

2.2)將步驟2.1)轉(zhuǎn)換處理得到的大于等于0且小于等于1的與性別、身高、年齡和BMI相對(duì)應(yīng)的4個(gè)數(shù)據(jù)輸入ANN1的輸入層的所述4個(gè)輸入神經(jīng)元，經(jīng)所述隱藏層的處理后，由所述輸出層神經(jīng)元獲得受試者體脂百分比結(jié)果。

為了驗(yàn)證本實(shí)施例所述方法獲得的體脂百分比結(jié)果的準(zhǔn)確性，采用BIA方法(如使用Inbody3.0體成分測(cè)試儀)測(cè)試上述1000位受試者的體脂百分比，將得到的結(jié)果與本實(shí)施例所得結(jié)果相比，他們的均值非常接近，具體結(jié)果見(jiàn)下表1。

表1.BIA和本發(fā)明方法的體脂百分比測(cè)算結(jié)果比較

通過(guò)對(duì)兩組數(shù)據(jù)進(jìn)行相關(guān)分析可以發(fā)現(xiàn)，見(jiàn)表2，相關(guān)系數(shù)r值達(dá)到了0.921，比現(xiàn)有技術(shù)中的估測(cè)方程同BIA的相關(guān)系數(shù)都高，同時(shí)對(duì)BIA和實(shí)施例3結(jié)果進(jìn)行了獨(dú)立T檢驗(yàn)，結(jié)果顯示，t值為0.220，P＞0.05，兩組數(shù)據(jù)沒(méi)有顯著性差異。由此可以初步判斷，本發(fā)明的基于BP神經(jīng)網(wǎng)絡(luò)的體脂百分比測(cè)量方法準(zhǔn)確性方面達(dá)到了很好的效果，能夠有效的對(duì)體脂百分比進(jìn)行估測(cè)。

表2.BIA和本發(fā)明基于BP神經(jīng)網(wǎng)絡(luò)(ANN1)方法的相關(guān)分析

為了進(jìn)一步分析本發(fā)明實(shí)施例3方法的結(jié)果的有效性和一致性，將BIA和ANN1進(jìn)行Bland-Altman散點(diǎn)圖分析(如圖2所示)，其差值在95％之心區(qū)間以外的散點(diǎn)數(shù)比例為5.7％，偏倚程度為-5.5～5.4，與現(xiàn)有技術(shù)中的推算方程(如荷蘭瓦格寧根農(nóng)業(yè)大學(xué)的Deurenberg等提出的formula1990、美國(guó)哥倫比亞大學(xué)肥胖研究中心的Gallagher等提出的formula2000、西班牙納瓦拉醫(yī)科大學(xué)人體代謝研究實(shí)驗(yàn)室的Javier博士等提出的formula2012)相比，偏倚程度縮小了至少0.9，準(zhǔn)確性至少提高了7.6％。

實(shí)施例4.基于BP神經(jīng)網(wǎng)絡(luò)模型的體脂百分比測(cè)量及體成分分析

采用與實(shí)施例3基本相同的方法測(cè)量3000名受試者的體脂百分?jǐn)?shù)，不同之處在于基于實(shí)施例2建立的BP神經(jīng)網(wǎng)絡(luò)ANN2進(jìn)行測(cè)算，最終可迅速獲得每位受試者的準(zhǔn)確的體脂百分比結(jié)果。

將所述體脂百分比結(jié)果作為基礎(chǔ)進(jìn)行個(gè)體體成分分析或評(píng)價(jià)，可以為未來(lái)運(yùn)動(dòng)健身起到指導(dǎo)作用，也可以對(duì)日常飲食改善提供參考，還可以對(duì)心血管疾病風(fēng)險(xiǎn)的評(píng)估提供依據(jù)。