人工智能监测肥胖?专家:肥胖率与地域建筑环境特征有关

你有没有想过你的建筑环境可以预测你肥胖的概率?最近,西雅图华盛顿大学的两名研究人员发现,我们居住的建筑环境与该地区的肥胖率密切相关。这些环境特征可以与其他数据相结合,以监测该地区肥胖的流行情况。 据了解,该项目于2017年2月14日至10月31日开展,研究人员提出了一种利用卷积神经网络(CNN)评估肥胖患病率与区域建筑环境之间关系的方法 卷积神经网络是一种深入的学习方法。研究所使用的卷积神经网络可以通过预训练捕捉区域环境特征,如绿化和土地等自然特征,以及道路和房屋等建筑特征。 具体而言,一个地区的建筑环境特征,如土地利用、公园分布、宠物店、健身房和快餐店、公共交通和绿地面积,都与当地成年人肥胖有关。 众所周知,世界上近三分之一的人口超重或肥胖。 根据2017年6月发表在《新英格兰医学杂志》上的一项大规模全球研究项目,全球超过20亿儿童和成人患有超重或肥胖相关的健康问题,占全球人口的30%。肥胖导致糖尿病和心脏病发病率急剧上升,导致越来越多的人死亡。 同时,研究人员试图解释建筑环境特征数据与肥胖患病率之间的显著相关性。他们认为这种关联不一定是因果关系,社会经济指标也可能是这种关联背后的关键影响因素 对于像洛杉矶和圣安东尼奥这样的城市来说,肥胖流行率和建筑环境特征之间的大多数重要相关性可以用社会和经济条件的突然变化来解释,也就是说,社会和经济指标不是解释建筑环境特征和肥胖率之间关系的唯一因素 研究人员还指出,他们的方法不仅可以帮助专家评估不同城市的肥胖风险,而且与目前昂贵耗时的访问或社区调查方法相比,为测量建筑环境提供了更客观的方法,大大降低了统计成本。

发表评论

电子邮件地址不会被公开。 必填项已用*标注