Vücut kas yüzdesinin biyomedikal sinyaller ile yapay zeka tabanlı belirlenmesi

Sağlıklı bir hayat sürdürülmesi için gerekli olan kas kütlesinin ölçülmesi ve takibi önemlidir. Özellikle kas kütlesi yaşlı bireylerin yaşam kalitesini doğrudan etkilediğinden dolayı bu bireylerde kas kütlesi takibinin yapılması daha da büyük öneme sahiptir. Kas kütlesinin ölçümünde kullanılan mevcut yöntemler çeşitli dezavantajlara sahip olduklarından dolayı, kas kütlesinin ölçümünde kullanılabilecek pratik, güvenilir ve yüksek teknolojili cihazlara ihtiyaç bulunmaktadır. Bu çalışmada, yapay zeka algoritmaları ile biyomedikal sinyal kullanılarak düşük maliyetli ve güvenilir vücut kas yüzdesi hesaplanmasına yönelik bir model geliştirilmesi hedeflenmiştir. Çalışmada 300 bireye ait Elektrokardiyografi (EKG) sinyalleri kullanılmıştır. Öncelikle EKG sinyali filtrelenmiş ve alt frekans bantları elde edilmiştir. Her bireye ait EKG sinyalinden, bu sinyalin farklı 7 frekansta bulunan QRS bileşenleri elde edilmiştir. Böylelikle her birey için 8 sinyale sahip olunmuştur. Elde edilen her sinyalden 25 adet olmak üzere toplam 200 adet zaman domeni özellikleri çıkarılmıştır. Ayrıca 5 adet demografik özellikte (yaş, kilo, boy, BMI, kas) modele eklenmiş ve toplamda 205 özelliğe ulaşılmıştır. Performans arttırımı için spearman özellik seçme algoritması kullanılmıştır. Makine öğrenmesi algoritması olarak Karar Ağaçları, Destek Vektör Regresyonu, Karar Ağaçları Topluluğu makine öğrenmesi algoritması kullanılmıştır. Çalışmada, önerilen Vücut Kas Yüzdesi (VKY) tahmin modeli tüm bireyler için MAPE=4,18 (Karar Ağaçları Toplulukları) , erkekler için MAPE=3,91 (Destek Vektör Regresyonu) ve kadınlar için MAPE=4,54 (Destek Vektör Regresyonu) performans değerlerine sahiptir. Çalışma sonucuna göre EKG sinyali tabanlı VKY tahmin modellerinin kullanılabileceği düşünülmektedir. Anahtar kelimeler: Elektrokardiyografi Sinyali, Makine Öğrenmesi, Yapay Zeka, Vücut Kompozisyonu, Vücut Kas Yüzdesi, Cinsiyet Bazlı Vücut Kas Yüzdesi