检索历史 清除

摘要人体成分分析通过分析组成人体的成分及其比例了解人体基本健康状态，在疾病预防和诊断、康复评估及健身指导等领域的应用日益广泛。生物电阻抗技术具有无创、无害、低成本且操作简单等特点，是人体成分分析仪器广泛采用的基础测量技术。目前基于生物电阻抗技术的人体成分分析仪器大多采用经验公式模型，预测结果精度不高。本文重点研究基于生物电阻抗测量结合智能算法的人体成分分析方法，主要研究内容如下：<br>　　介绍了生物电阻抗测量技术的方法理论，以及当前基于生物电阻抗法的人体成分预测模型的发展，分析了现阶段人体成分分析采用的由多元线性回归方法确立的经验公式模型的局限性。<br>　　以火龙果（Red-Pitaya)FPGA开发板为核心，设计了用于人体成分分析的八电极生物电阻抗谱(BIS)测量系统，详细介绍了信号激励模块、响应采集模块和模拟开关模块。该系统采用多频率正弦（multisine)信号作为测量激励，可实现1.91kHz?950.81kHz范围256频率点的人体BIS同步测量；通过标准三元件重复50次测量实验，幅值标准差在1.41Ω以下，相位标准差在1.98。以下；通过与SFB-7仪器进行误差对比，阻抗幅值绝对误差小于1.45Ω,相位绝对误差小于1.80°;BIS测量系统的稳定性和准确性良好。<br>　　采用主成分分析法对人体BIS数据降维处理，数据维度由256*6降到256*1,降维后数据包含原始阻抗幅值99.82%以上信息，相位99.28%以上信息；分别采用BP祌经网络、GA优化BP神经网络和支持向量回归机三种智能算法建立人体成分预测模型；通过三种模型预测结果与SFB-7仪器测量结果对比分析，GA优化BP神经网络预测结果优于其他两种模型：其预测结果与SFB-7仪器测量结果相比，细胞内液（ICW)的相对误差小于4.97%,细胞外液（ECW)的相对误差小于4.69%，人体总水分（TBW)的相对误差小于3.82%,非脂肪量（FFM)的相对误差小于3.60%。