Deri Kıvrım Kalınlığının Yapay Sinir Ağları ile Saptanması

Engellilerin beslenme durumlarını değerlendirmek amacı ile yapılabilecek bir çok araştırmadakullanılabilen deri kıvrım kalınlıkları kaliper denilen ölçü aleti ile ölçülerek elde edilebilmektedir.Engellilerde, özellikle de otizmli çocuklarda bu ölçü aletinin kullanımı oldukça zor olmaktadır. Buçalışmanın amacı; kalipere gerek kalmadan yüksek doğrulukta tahmin üreten bir model ile bu sorunaçözüm önerisi bulabilmektir. Bu çalışmada bireylerde deri kıvrım kalınlığının saptanması için bir yapaysinir ağı uygulaması gerçekleştirilmiştir. Oluşturulan yapay sinir ağı modelinin eğitilebilmesi içinyaşları 6-18 yıl arasında 400 çocuk ve adolesanın vücut ağırlıkları, beden kitle endeksi, bel çevresi, karınçevresi ve kalça çevresi ölçümleri alınmıştır. 400 çocuk ve adolesandan alınan verilerin 138 i yapay sinirağlarında kullanılmak üzere seçilmiştir ve veri seti oluşturulmuştur. Oluşturulan bu veri setinin %70 i(96 adet) modelin eğitilmesi için kullanılmış, %15 i (21 adet) modelin test edilmesi için kullanılmışve geriye kalan %15 i ise modelin onaylanması için kullanılmıştır. Araştırmanın sonucunda % 97.7oranında bir doğruluğa sahip bir tahmin elde edilmiş olup yapay sinir ağının çıkışı ile hedef arasındaoldukça yakın bir ilişki bulunmaktadır.

Anahtar Kelimeler:

Deri Kıvrım Kalınlığı, Vücut Yağ Oranı, Yapay Sinir Ağları

Determining Skinfold Thickness through Artifcial Neural Networks

Skinfold thickness values, which are used in many studies to evaluate the nutritionalstatus of disabled people, are measured by a caliper. The usage of this measurement device in disabledpeople, and especially children with autism, is very diffcult. The aim of this study is to fnd a solution tothis problem by using a model that produces high accuracy predictions without needing a caliper. In thisstudy, an artifcial neural network application was realized for the determination of skinfold thicknessin individuals. In order to train the artifcial neural network (ANN) model, the body weights, body massindexes, waist circumferences, abdomen circumferences, and hip circumferences of 400 children andadolescents between the ages of 6 and 18 were measured. 138 sets of the data collected from the 400children and adolescents were selected to be used with the ANN, and a data set was formed. 70% ofthis data set (96 in number) was used for the training of the model, 15% (21 in number) was used fortesting the model, and the remaining 15% was used for approving the model. As a result of the study, aprediction with 97.7% accuracy was obtained, and a highly close relationship between the output of theartifcial neural network and the target was found.

Keywords:

Artifcial Neural Network, Body Fat Ratio, Skinfold Thickness,

PDF

___

Casey A, F, 2013. Measuring body composition in individuals with intellectual disability: a scoping review. J Obes : 1-6. DeLurgio S, 1998. Forecasting Principles and Applications, New York. Irwing McGraw-Hill.
Duarte O, M, Ruelas Y, F, López-Alcaraz F, del Toro-Equihua M, Sánchez-Ramírez C, 2014. Correlation between percentage of body fat measured by the Slaughter equation and bio impedance analysis technique in Mexican schoolchildren. Nutr Hosp 29: 1: 88-93.
Hagan M, Demuth B, Beale M, 1996. Neural Network Design. PWS Publishing Company, USA, Vol.2- 44.
Hsieh K., Chen Y, Lu H, Lee L, Huang Y, Chen Y, 2013. The novel application of artifcial neural network on bioelectrical impedance analysis to assess the body composition in elderly. Nutr J, 12: 21- 28.
Maity A, Gupta K, 2010. Nutritional status of mentally retarded children and correlation between prenatal care and mental retardation. Indian J Maternal Child Health, 12: 4: 1-9.
Sanjay P, Nadgir A, 2013. To Find the Prevalence of Obesity and Overweight among Children Having Mental Retardation in Age Group 5 To 15 Years in Dharwad Urban. International Journal of Health Sciences and Research 3:1: 7-13.
Seth A, 2013. Relevance of Measuring Body Fat in Children. Indian Pediatr 50: 832-833.
Shabayek M, M, 2004. Assessment of the nutritional status of children with special needs in Alexandria. Part II: Anthropometric measures. J Egypt Public Health Assoc, 79:5: 363-382.