• Journal of information and communication convergence engineering
• /
• 제21권2호
• /
• pp.110-116
• /
• 2023

Recently, as various examples of machine learning have been applied in the healthcare field, deep learning technology has been applied to various tasks, such as electrocardiogram examination and body composition analysis using wearable devices such as smart watches. To utilize deep learning, securing data is the most important procedure, where human intervention, such as data classification, is required. In this study, we propose a model that uses a clustering algorithm, namely, the K-means clustering, to label body fat according to gender and age considering body size aspects, such as chest circumference and waist circumference, and classifies body fat into five groups from high risk to low risk using a convolutional neural network (CNN). As a result of model validation, accuracy, precision, and recall results of more than 95% were obtained. Thus, rational decision making can be made in the field of healthcare or obesity analysis using the proposed method.

• 한국정보통신학회:학술대회논문집
• /
• 한국정보통신학회 2021년도 추계학술대회
• /
• pp.329-331
• /
• 2021

최근 헬스케어 분야에서 딥러닝을 활용한 다양한 사례가 증가하면서 웨어러블 기기를 통한 심전도 검사, 체성분 분석 등의 기능을 제공하여 합리적인 의사 결정을 제공하여 개인에게 맞는 프로세스를 제공할 수 있다. 딥러닝을 활용하기 위해서는 정제된 데이터 확보가 무엇보다 중요하며 이러한 데이터는 사람의 개입이나 비지도학습 등을 통해 이뤄지고 있다. 본 논문에서는 측정하기 쉬운 가슴둘레, 허리둘레와 같은 치수 데이터를 이용해 성별과 나이에 따른 군집별 비지도학습을 진행하고 이를 CNN으로 분류하는 모델을 제안한다. 데이터는 국가기술표준원에서 제공하고 있는 제7차 인체치수데이터를 활용하였다. 이를 통해 개인 맞춤형 체형관리 서비스나 비만 분석 등 다양한 응용 사례에 적용할 수 있을 것으로 사료된다.