研究人员结合现代设备提高身体成分分析的精度

体型直观且不精确地暗示了身体成分中脂肪和肌肉的特定局部分布。现在，一组研究人员发现，现代深度学习模型、指定设备和三维人体扫描的独特组合，可以对以前仅定性的医学成像进行定量验证。

彭宁顿生物医学代谢和身体成分教授 Steven Heymield 博士是研究小组的成员之一，该研究小组确认了“生成式深度学习利用 3D 表面扫描进一步了解脂肪和肌肉的局部分布对体形和健康的影响”的研究结果。 ” 该研究发表在Nature.com的研究期刊《通讯医学》上。

“轻松快速地创建一个人体型的详细数字地图，然后利用该信息不仅可以准确估计其身体成分和健康风险，还可以生成相应的 X 射线图像，这对于一些人来说几乎是不可想象的。几年前，”海姆斯菲尔德博士说。“像这样的技术进步需要来自广泛科学家的技能，他们的学术基地是彭宁顿生物医学中心和夏威夷大学癌症中心等机构。”

研究小组使用了之前获得的 3D 体表扫描数据，这些扫描数据最初是从“Shape Up!”中收集的。成人”研究，彭宁顿生物医学公司是参与该研究的临床研究中心。扫描是使用 3D 展位相机拍摄的，该相机最初是为服装行业设计的，但最近越来越多地用于生物医学研究。该团队开发了一种模型，将 3D 表面扫描输入双能 X 射线吸收测量仪(DXA 扫描仪)。DXA 扫描仪根据输入数据测量肌肉、脂肪和骨骼的数量。

DXA 扫描仪生成的结果显示脂肪和肌肉的分布位置，然后团队使用秤和卷尺通过标准测量确认了这种准确性。与临床环境中常用的商业软件相比，该团队独特的设备和分析组合可以更准确地测量脂肪、瘦肌肉和骨骼。最终，这两种设备的结合有助于确认外部车身形状和内部构造之间的紧密关系。

Pennington Biomedical 执行董事 John Kirwan 博士表示：“我们的目标是为知识库做出贡献，即使将两台经过广泛测试的设备配对，也为实现准确且无创的深刻身体测量可能性打开了大门。” “这项研究是 Heymield 博士长期致力于改善健康的技术进步的最新成果，其中包括他在 2021 年被任命为亚马逊学者时使用最新数字健康和保健工具进行的工作。”

随着这种方法的准确性得到证实，海姆斯菲尔德博士对如何使用这种扫描充满信心。他指出，这种测量方法的主要优点是准确且无创，他预测这种方法将用于测量肌肉减少症，或与年龄相关的肌肉质量和力量的非自愿损失。

2023 年 10 月，Heymield 博士成为通过谷歌学术引文数据库跻身全球被引用次数最多的研究人员之列的六位彭宁顿生物医学科学家之一。Heymield 博士的 h 指数(衡量生产力和已发表论文影响力的指标)为 165，是全球被引用次数最多的 500 名研究人员之一，也是路易斯安那州被引用次数最多的医学博士。

　　免责声明：本文由用户上传，与本网站立场无关。财经信息仅供读者参考，并不构成投资建议。投资者据此操作，风险自担。 如有侵权请联系删除！