Estimación del porcentaje de grasa corporal del torso humano en varones empleando visión artificial con transferencia de aprendizaje

Vista sencilla de ítem
dc.contributor.advisorSepúlveda Cano, Lina María
dc.contributor.authorGómez Barbosa, Santiago
dc.coverage.spatialMedellín de: Lat: 06 15 00 N degrees minutes Lat: 6.2500 decimal degrees Long: 075 36 00 W degrees minutes Long: -75.6000 decimal degreeseng
dc.creator.degreeMagíster en Ciencias de Datos y Analíticaspa
dc.creator.emailsgomezb8@eafit.edu.co
dc.date.accessioned2024-10-07T22:54:09Z
dc.date.available2024-10-07T22:54:09Z
dc.date.issued2024
dc.descriptionLa estimación del porcentaje de grasa corporal es una tarea determinante en el ámbito de la salud humana y del deporte toda vez que es necesario medir la grasa corporal para evaluar el riesgo de enfermedades crónicas y diseñar estrategias efectivas de prevención y tratamiento (Nimptsch, Königorski, & & Pischon, 2019). Tradicionalmente, esta tarea se ha realizado mediante métodos antropométricos, como inferir el nivel de grasa a partir del índice de masa corporal 𝐼𝑀𝐶 o desde la circunferencia de la cintura o brazos. Sin embargo, el primer método resulta ser impreciso y los otros son lentos al requerir la toma de medidas corporales. En los últimos años, la visión artificial se ha convertido en una herramienta prometedora para la estimación del nivel de grasa corporal. (Fernández, Dórea, & Valente, 2020). Los métodos de visión artificial pueden extraer características del cuerpo humano a partir de imágenes, como el perímetro abdominal, la circunferencia del brazo o la relación cintura-cadera. Estas características pueden luego utilizarse para predecir el nivel de grasa corporal. En virtud de ello, con este proyecto se propone un método de visión artificial para la estimación del nivel de grasa corporal en varones de manera no invasiva. El método se basa en el uso de redes neuronales convolucionales (CNN - Convolutional Neural Network) para la extracción de características; pero no se limita a las CNN clásicas, sino que propone reentrenar capas de redes neuronales de uso público transfiriendo su aprendizaje (Transfer Learning), para así aprovechar la potencia paramétrica de redes preentrenadas. El método se evaluó con un conjunto de imágenes de varones con diferentes niveles de grasa corporal. Los resultados se contrastaron con respecto al criterio de expertos que usan medidas antropométricas.
dc.identifier.urihttps://hdl.handle.net/10784/34660
dc.language.isospaspa
dc.publisherUniversidad EAFITspa
dc.publisher.departmentEscuela de Ciencias Aplicadas e Ingeniería. Área Computación y Analíticaspa
dc.publisher.placeMedellín
dc.publisher.programMaestría en Ciencias de los Datos y Analíticaspa
dc.relation.urihttps://github.com/sgomezb/body_fat
dc.rightsAttribution-NonCommercial-NoDerivatives 4.0 International (CC BY-NC-ND 4.0) spa
dc.rights.accessrightsinfo:eu-repo/semantics/openAccesseng
dc.rights.localAcceso abiertospa
dc.subjectPorcentaje de grasa corporal
dc.subjectVisión artificial
dc.subjectTransferencia de aprendizaje
dc.subjectRedes convolucionales
dc.subject.lembCIENCIA DE LA INFORMACIÓN
dc.subject.lembGRASA (FISIOLOGÍA)
dc.subject.lembTEJIDO ADIPOSO
dc.subject.lembTECNOLOGÍA MÉDICA
dc.titleEstimación del porcentaje de grasa corporal del torso humano en varones empleando visión artificial con transferencia de aprendizaje
dc.typemasterThesiseng
dc.typeinfo:eu-repo/semantics/masterThesiseng
dc.type.hasVersionacceptedVersioneng
dc.type.localTesis de Maestríaspa
dc.type.spaArtículo

Archivos

Bloque original
Mostrando 1 - 3 de 3
No hay miniatura disponible
Nombre:
carta_aprobacion_trabajo_grado_eafit.pdf
Tamaño:
144.06 KB
Formato:
Adobe Portable Document Format
Descripción:
Carta de aprobación de tesis de grado
Descargar
No hay miniatura disponible
Nombre:
formulario_autorizacion_publicacion_obras.pdf
Tamaño:
654.47 KB
Formato:
Adobe Portable Document Format
Descripción:
Formulario de autorización de publicación de obras
Descargar
No hay miniatura disponible
Nombre:
Santiago_Gomez_Trabajo_Grado_2024_Mod.pdf
Tamaño:
3.3 MB
Formato:
Adobe Portable Document Format
Descripción:
Trabajo de grado
Descargar
Bloque de licencias
Mostrando 1 - 1 de 1
No hay miniatura disponible
Nombre:
license.txt
Tamaño:
2.5 KB
Formato:
Item-specific license agreed upon to submission
Descripción:
Descargar

Colecciones

Maestría en Ciencias de los Datos y Analítica (tesis)