Research Article
BibTex RIS Cite

Determining Skinfold Thickness through Artifcial Neural Networks

Year 2016, Volume: 6 Issue: 3, 41 - 48, 30.09.2016

Abstract

Skinfold thickness values, which are used in many studies to evaluate the nutritional
status of disabled people, are measured by a caliper. The usage of this measurement device in disabled
people, and especially children with autism, is very diffcult. The aim of this study is to fnd a solution to
this problem by using a model that produces high accuracy predictions without needing a caliper. In this
study, an artifcial neural network application was realized for the determination of skinfold thickness
in individuals. In order to train the artifcial neural network (ANN) model, the body weights, body mass
indexes, waist circumferences, abdomen circumferences, and hip circumferences of 400 children and
adolescents between the ages of 6 and 18 were measured. 138 sets of the data collected from the 400
children and adolescents were selected to be used with the ANN, and a data set was formed. 70% of
this data set (96 in number) was used for the training of the model, 15% (21 in number) was used for
testing the model, and the remaining 15% was used for approving the model. As a result of the study, a
prediction with 97.7% accuracy was obtained, and a highly close relationship between the output of the
artifcial neural network and the target was found.
  

References

  • Casey A, F, 2013. Measuring body composition in individuals with intellectual disability: a scoping review. J Obes : 1-6. DeLurgio S, 1998. Forecasting Principles and Applications, New York. Irwing McGraw-Hill.
  • Duarte O, M, Ruelas Y, F, López-Alcaraz F, del Toro-Equihua M, Sánchez-Ramírez C, 2014. Correlation between percentage of body fat measured by the Slaughter equation and bio impedance analysis technique in Mexican schoolchildren. Nutr Hosp 29: 1: 88-93.
  • Hagan M, Demuth B, Beale M, 1996. Neural Network Design. PWS Publishing Company, USA, Vol.2- 44.
  • Hsieh K., Chen Y, Lu H, Lee L, Huang Y, Chen Y, 2013. The novel application of artifcial neural network on bioelectrical impedance analysis to assess the body composition in elderly. Nutr J, 12: 21- 28.
  • Maity A, Gupta K, 2010. Nutritional status of mentally retarded children and correlation between prenatal care and mental retardation. Indian J Maternal Child Health, 12: 4: 1-9.
  • Sanjay P, Nadgir A, 2013. To Find the Prevalence of Obesity and Overweight among Children Having Mental Retardation in Age Group 5 To 15 Years in Dharwad Urban. International Journal of Health Sciences and Research 3:1: 7-13.
  • Seth A, 2013. Relevance of Measuring Body Fat in Children. Indian Pediatr 50: 832-833.
  • Shabayek M, M, 2004. Assessment of the nutritional status of children with special needs in Alexandria. Part II: Anthropometric measures. J Egypt Public Health Assoc, 79:5: 363-382.

Deri Kıvrım Kalınlığının Yapay Sinir Ağları ile Saptanması

Year 2016, Volume: 6 Issue: 3, 41 - 48, 30.09.2016

Abstract

Engellilerin beslenme durumlarını değerlendirmek amacı ile yapılabilecek bir çok araştırmada
kullanılabilen deri kıvrım kalınlıkları kaliper denilen ölçü aleti ile ölçülerek elde edilebilmektedir.
Engellilerde, özellikle de otizmli çocuklarda bu ölçü aletinin kullanımı oldukça zor olmaktadır. Bu
çalışmanın amacı; kalipere gerek kalmadan yüksek doğrulukta tahmin üreten bir model ile bu soruna
çözüm önerisi bulabilmektir. Bu çalışmada bireylerde deri kıvrım kalınlığının saptanması için bir yapay
sinir ağı uygulaması gerçekleştirilmiştir. Oluşturulan yapay sinir ağı modelinin eğitilebilmesi için
yaşları 6-18 yıl arasında 400 çocuk ve adolesanın vücut ağırlıkları, beden kitle endeksi, bel çevresi, karın
çevresi ve kalça çevresi ölçümleri alınmıştır. 400 çocuk ve adolesandan alınan verilerin 138 i yapay sinir
ağlarında kullanılmak üzere seçilmiştir ve veri seti oluşturulmuştur. Oluşturulan bu veri setinin %70 i
(96 adet) modelin eğitilmesi için kullanılmış, %15 i (21 adet) modelin test edilmesi için kullanılmış
ve geriye kalan %15 i ise modelin onaylanması için kullanılmıştır. Araştırmanın sonucunda % 97.7
oranında bir doğruluğa sahip bir tahmin elde edilmiş olup yapay sinir ağının çıkışı ile hedef arasında
oldukça yakın bir ilişki bulunmaktadır.
  

References

  • Casey A, F, 2013. Measuring body composition in individuals with intellectual disability: a scoping review. J Obes : 1-6. DeLurgio S, 1998. Forecasting Principles and Applications, New York. Irwing McGraw-Hill.
  • Duarte O, M, Ruelas Y, F, López-Alcaraz F, del Toro-Equihua M, Sánchez-Ramírez C, 2014. Correlation between percentage of body fat measured by the Slaughter equation and bio impedance analysis technique in Mexican schoolchildren. Nutr Hosp 29: 1: 88-93.
  • Hagan M, Demuth B, Beale M, 1996. Neural Network Design. PWS Publishing Company, USA, Vol.2- 44.
  • Hsieh K., Chen Y, Lu H, Lee L, Huang Y, Chen Y, 2013. The novel application of artifcial neural network on bioelectrical impedance analysis to assess the body composition in elderly. Nutr J, 12: 21- 28.
  • Maity A, Gupta K, 2010. Nutritional status of mentally retarded children and correlation between prenatal care and mental retardation. Indian J Maternal Child Health, 12: 4: 1-9.
  • Sanjay P, Nadgir A, 2013. To Find the Prevalence of Obesity and Overweight among Children Having Mental Retardation in Age Group 5 To 15 Years in Dharwad Urban. International Journal of Health Sciences and Research 3:1: 7-13.
  • Seth A, 2013. Relevance of Measuring Body Fat in Children. Indian Pediatr 50: 832-833.
  • Shabayek M, M, 2004. Assessment of the nutritional status of children with special needs in Alexandria. Part II: Anthropometric measures. J Egypt Public Health Assoc, 79:5: 363-382.
There are 8 citations in total.

Details

Primary Language Turkish
Journal Section Elektrik ve Enerji / Electric and Energy
Authors

Hıdır Selçuk Nogay

Publication Date September 30, 2016
Submission Date February 5, 2016
Acceptance Date May 6, 2016
Published in Issue Year 2016 Volume: 6 Issue: 3

Cite

APA Nogay, H. S. (2016). Deri Kıvrım Kalınlığının Yapay Sinir Ağları ile Saptanması. Journal of the Institute of Science and Technology, 6(3), 41-48.
AMA Nogay HS. Deri Kıvrım Kalınlığının Yapay Sinir Ağları ile Saptanması. J. Inst. Sci. and Tech. September 2016;6(3):41-48.
Chicago Nogay, Hıdır Selçuk. “Deri Kıvrım Kalınlığının Yapay Sinir Ağları Ile Saptanması”. Journal of the Institute of Science and Technology 6, no. 3 (September 2016): 41-48.
EndNote Nogay HS (September 1, 2016) Deri Kıvrım Kalınlığının Yapay Sinir Ağları ile Saptanması. Journal of the Institute of Science and Technology 6 3 41–48.
IEEE H. S. Nogay, “Deri Kıvrım Kalınlığının Yapay Sinir Ağları ile Saptanması”, J. Inst. Sci. and Tech., vol. 6, no. 3, pp. 41–48, 2016.
ISNAD Nogay, Hıdır Selçuk. “Deri Kıvrım Kalınlığının Yapay Sinir Ağları Ile Saptanması”. Journal of the Institute of Science and Technology 6/3 (September 2016), 41-48.
JAMA Nogay HS. Deri Kıvrım Kalınlığının Yapay Sinir Ağları ile Saptanması. J. Inst. Sci. and Tech. 2016;6:41–48.
MLA Nogay, Hıdır Selçuk. “Deri Kıvrım Kalınlığının Yapay Sinir Ağları Ile Saptanması”. Journal of the Institute of Science and Technology, vol. 6, no. 3, 2016, pp. 41-48.
Vancouver Nogay HS. Deri Kıvrım Kalınlığının Yapay Sinir Ağları ile Saptanması. J. Inst. Sci. and Tech. 2016;6(3):41-8.