히스카터 체형분류법의 디지털 변혁: 딥러닝 모델 활용
Digital Transformation of Heath-Carter Somatotype Using Deep Learning
4
조회
0
다운로드
1
인용
0
참고문헌
키워드
초록
히스카터 체형분류법은 오랫동안 여러 분야에서 주요한 체형 분석 이론으로 사용되었으나, 최근 디지털 기술과사회문화적 변화로 인해 전통적 방법의 히스카터 체형분류법을 이용한 연구의 수가 크게 줄어들었다. 이 연구는디지털 기술을 활용하여 전통적 방법의 히스카터 체형분류법에 대해 변혁적 방법을 제안하였다. 이 연구의 목적은히스카터 이론을 기본으로 하여 인공지능 딥러닝 모델을 개발하고 디지털 시대에 부합하는 히스카터 체형분류법의변혁된 모델을 제시하는 것이다. 딥러닝 모델은 606명(남자 277명, 여자 329명)의 데이터가 활용되었고, 개발된딥러닝 모델을 적용하여 추정된 체형요소 값은 실제값과 높은 상관관계와 작은 추정오차를 확인하였다(R2=78%, RMSE=0.82, MAE=0.57, Test Loss=0.67). 딥러닝 모형은 개인의 성별, 연령, 신장, 체중, 지방량, 근육량 등의신체정보를 활용해 내배엽, 중배엽, 외배엽의 체형요소 값을 추정하고자 하였다. 구체적인 연구의 결과는 다음과같다. 첫째, 전통적 방법의 히스카터 체형분류 이론은 최근 사용의 빈도가 줄고 있는 것으로 확인되었다. 둘째 딥러닝모형을 적용한 히스카터 체형분류법은 전통적 체형분류법의 대체 가능한 방법으로 사용 가능하다. 셋째, 딥러닝에의해 추정된 체형차트는 전통적 히스카터 체형분류법으로 계산된 체형차트와 유사한 패턴을 나타낸다. 이 연구에서개발된 인공지능 딥러닝 모델은 깃허브를 통해 공개(https://github.com/jwyoonknsu/somatotype)하였다. 연구자들이 쉽게 사용할 수 있으며, 지속적인 업데이트를 통해 더 정교한 모델을 제공할 것으로 기대된다.
Abstract
The purpose of this research is to develop an artificial intelligence deep learning model based on the Heath-Carter theory and propose a transformed model of the Heath-Carter somatotype method suitable for the digital era. The deep learning model utilized data from 606 individuals (277 males, 329 females), and the somatotype factors estimated by applying the developed deep learning model were found to have a high correlation with the actual values and a small estimation error(R2=78%, RMSE=0.82, MAE=0.57, Test Loss=0.67). The deep learning model aimed to calculate somatotype values of endomorphy, mesomorphy, and ectomorphy using limited information such as gender, age, exercise, weight, fat mass, and muscle mass. The research result follows: first, the traditional Heath-Carter somatotype declining usage. Second, the Heath-Carter somatotype method applied by the deep learning model is suggested as a replacement for traditional somatotype methods. third, The body charts estimated by deep learning exhibit similar patterns to the body charts calculated by the traditional Heath-Carter somatotype method. The artificial intelligence deep learning model developed in this research has been made publicly available via GitHub (https://github.com/jwyoonknsu/somatotype). It is easily accessible for researchers, and it is anticipated to provide more sophisticated models through continuous updates.
참고문헌 (24)
- 김창균, "3차원 신체생성 딥러닝 모델을 이용한 숨겨진비만정보 도출 방법론 개발", 박사, pp.2021
- 유영준, "모델 전공 여대생의 인체측정학적 특성", 한국의류산업학회지, 9(4), pp.450~454 (2007), 한국의류산업학회
- 이상용, "3D신체데이터를 활용한 비만체형 분류 타당도", 한국체육학회지, 61(6), pp.515~527 (2022), 한국체육학회[DOI]
- 이지용, "다중클래스 분류 머신러닝을 활용한 3D신체이미지 기반 체형 분류 예측모델 탐색", 한국체육측정평가학회지, 25(3), pp.13~28 (2023), 한국체육측정평가학회[DOI]
- Buffa, R., "Somatotype in Alzheimer’s disease", Gerontology, 53(4), pp.200~204 (2007)[DOI]
- Carter, J. L, "The somatotypes of athletes-a review", Human biology, pp.535~569 (1970)
- Carter, J. L., "Somatotyping -development and applications" (1990), Cambridge University Press
- Gualdi-Russo, E., "Somatotype, role and performance in elite volleyball players", Journal of Sports Medicine and physical fitness, 41(2), pp.256~ (2001)
- Jeon, S., "Machine learning-based obesity classification considering 3D body scanner measurements", Scientific Reports, 13(1), pp.3299~ (2023)
- 정수진, "체형과 신체이미지가 의복유행성향에 미치는 영향", 한국의류산업학회지, 12(6), pp.764~773 (2010), 한국의류산업학회
- 김진아, "여대생의 체형과 MBTI 성격유형에 관한 연구", 패션 비즈니스, 14(1), pp.11~26 (2010), 한국패션비즈니스학회
- Koleva, M., "Somatotype and disease prevalence in adults", Reviews on environmental health, 17(1), pp.65~84 (2002)[DOI]
- Makridakis, S., "The forthcoming Artificial Intelligence(AI)revolution : Its impact on society and firms", Futures, 90, pp.46~60 (2017)[DOI]
- Malina, R. M., "Somatotype and cardiovascular risk factors in healthy adults", American Journal of Human Biology: The Official Journal of the Human Biology Association, 9(1), pp.11~19 (1997)[DOI]
- Neto, M. J. P., "Genderless Fashion Design:from binary fashion to bio-segmentation. Body biotypes and somatotypes as main bases to inclusive fashion design", Design for Inclusion, 45(45) (2022)[DOI]
- Norton, K., "Antropometrica" (1996), University of New South Wales Press
- O'Connor, H., "Physique and performance for track and field events", Journal of sports sciences, 25(S1), pp.S49~S60 (2007)[DOI]
- Priya, J. C., "Blockchain-based transfer learning for health screening with digital anthropometry from body images", Network Modeling Analysis in Health Informatics and Bioinformatics, 11(1), pp.23~ (2022)[DOI]
- Reilly, T., "A multidisciplinary approach to talent identification in soccer", Journal of sports sciences, 18(9), pp.695~702 (2000)[DOI]
- Romanova, E., "Physical activity and metabolism of girls with different somatotypes", Journal of Physical Education and Sport, 22(4), pp.900~906 (2022)[DOI]
- "The varieties of human physique: An introduction to constitutional psychology" (1940)[URL]
- Singh, S. P., "Somatotype and disease : a review", Anthropologist, 3, pp.251~261 (2007)
- Spillman, D. M., "Somatotypes revisited : have the media changed our perception of the female body image?", Psychological Reports, 64(3), pp.887~890 (1989)[DOI]
- Thorland, W. G., "Body composition and somatotype characteristics of junior Olympic athletes", Medicine and Science in Sports and Exercise, 13(5), pp.332~338 (1981)