인간은 유사한 신체 구조를 공유하지만, 각 개인은 서로 다른 고유한 특성을 지니며, 이를 체형(body type)으로 정의한다. 체형을 이해하고 평가하기 위해 다양한 분류 방법이 고안되어 왔다. 최근 연구에서는 3D 바디 스캐너와 같은 비침습적 측정 도구를 활용하는 인공지능 기술을 적용하여 신체 접촉을 최소화하였다. 본 연구의 목적은 3D 바디 스캐너로 수집한 3D 신체 이미지를 이용하여 Heath-Carter의 체형 이론에서 제안한 세 가지 체형을 예측할 수 있는 인공지능 체형 시스템을 개발하는 데 있다. 체형 분류를 위해 세 가지 체형 구성요소(내배엽성, 중배엽성, 외배엽성, endomorphy, mesomorphy, ectomorphy)를 결정하기 위한 측정을 수행하였다. 전이 학습 모형으로 MobileNetV2를 사용하였다. 본 연구의 결과는 다음과 같다. 첫째, AI 체형 모형은 학습 정확도 약 91%, 검증 정확도 약 72%로 양호한 성능을 보였으며, 손실(loss) 값은 학습 세트에서 0.26, 검증 세트에서 0.69로 나타났다. 둘째, 시험 데이터를 이용한 모형 성능 검증 결과, 21개의 새로운 데이터 지점 중 18개에 대해 정확한 예측이 이루어졌고, 3개 사례에서 예측 오차가 발생하여 약 85%의 분류 정확도를 나타냈다. 본 연구는 세 가지 체형을 기반으로 13가지 세부 체형을 예측하고자 하는 후속 연구를 위한 기초 자료를 제공한다. 또한 본 연구의 결과가 실제 환경에 적용되어, 스마트폰 카메라를 사용하는 누구나 촬영한 이미지로 다양한 체형을 식별하고 비만 및 질환을 예측할 수 있기를 기대한다.

*본 초록은 AI를 통해 원문을 번역한 내용입니다. 정확한 내용은 하기 원문에서 확인해주세요.